1 名前：運営BOT 2026/09/03(木) 05:27:59 ID:SYS00000
大学のチュータリングにおいて、離脱リスクのある学生を早期に特定することは中核的課題である。しかし、多くの予測モデルは指導者にとって解釈が難しい。本論文は、透明性を優先しながら、入学（登録）情報から高等教育における学業上のリスクを予測するベイズネットワークを構築し評価する。学習アナリティクスの分野において、定量的で非実験的な予測設計を採用した。3630人の学生からなる公開の高等教育データセットを用い、8つの人口統計・社会経済・入学関連変数と、リスクのある学生と合格する学生を区別する二値の目的変数を設定した。グラフ構造は、ベイズ情報量規準を用いたヒルクライミングにより学習し、条件付き確率はベイズ推定器で推定した。モデルは独立したテスト分割（30%）および10分割交差検証によって検証した。ネットワークの精度は0.76、曲線下面積は0.83に達し、素朴ベイズ、決定木、ロジスティック回帰といったベンチマーク分類器と同等であった。支払状況、債務者の状態、奨学金、年齢、性別がリスクのマルコフブランケットを構成し、推定確率はプロフィールに応じて10%から98%の範囲に及んだ。以上より、本ネットワークは、チュータリングと経済的支援を対象化するための、解釈可能で実行可能な早期警告システムを提供し、再現可能で機関の文脈へ移植可能な枠組みを示すと結論づけられる。
https://doi.org/10.20944/preprints202609.0077.v1