Mateo
Przedwczesne kończenie nauki jest jednym z najbardziej intrygujących i kluczowych problemów w edukacji. Problem ten przenika różne poziomy i sposoby kształcenia i generuje straty społeczne, ekonomiczne, polityczne, akademickie i finansowe dla wszystkich zaangażowanych w proces kształcenia. Dlatego też niezbędne jest opracowanie skutecznych metod przewidywania ryzyka porzucenia nauki przez uczniów. Podejście zostało zwalidowane na danych pochodzących od byłych studentów kierunku informatyka, wykorzystano modele klasyfikacyjne, jedną z technik sztucznej inteligencji, która umożliwia ciągłe uczenie się. W podejściu walidacyjnym zastosowano pięć modeli uczenia maszynowego, przy czym dwa modele uzyskały lepsze wskaźniki dokładności (SVM i Adaboost).