基于机器学习的学术预警模型及其应用

《Scientific Reports》：Academic early warning model based on machine learning and model application

　　

摘要

随着高等教育的扩张，学生完成学业的不确定性以及学术危机的多样性给高等教育管理带来了新的挑战。本研究旨在设计和实施一个基于机器学习的动态学术预警系统，以预测和干预学生的学术危机。通过分析学术危机的原因，采用层次分析法（AHP）进行模糊综合评估，构建了一个包含10个关键指标的学术预警指标体系。通过专家评分和一致性测试，确保了该指标体系的科学性和合理性。在此基础上，利用径向基函数神经网络（RBFNN）构建了学术预警模型，该模型在预测准确性和收敛速度方面优于循环神经网络（RNN）和Softmax回归模型。该系统使用超文本标记语言（HTML）、层叠样式表（CSS）、JavaScript和Python开发，实现了用户友好的人机交互界面，并提供了个性化的学术预警服务。实验结果表明，该系统在处理大规模学生数据集时表现出较高的敏感性和准确的识别能力，准确率达到96.32%，均方根误差为0.2926，满足了学术预警的实际需求。本研究的结果不仅为高校提供了一种新的学术预警工具，还对推动智慧校园和数字校园的建设具有重要的实践价值。然而，目前的研究样本主要来自工程领域且男性占比过高，未来需要在多学科和性别平衡的样本中进行验证，以确立其更广泛的适用性。