Vol. 20 No. 3 (2020): Artificial Intelligence and education: new research perspectives
Practices/Considerations

Predictive models for effective policy making against university dropout

Stefano Pio Zingaro
Università di Bologna
Agnese Del Zozzo
Libera Università di Bolzano
Francesca Del Bonifro
Università di Bologna
Maurizio Gabbrielli
Università di Bologna

Published 2020-12-31

Keywords

  • dropout,
  • decision support system,
  • predictive model,
  • abbandono degli studi,
  • sistema di supporto alle decisioni,
  • modello predittivo
  • ...More
    Less

How to Cite

Zingaro, S., Del Zozzo, A., Del Bonifro, F., & Gabbrielli, M. (2020). Predictive models for effective policy making against university dropout. Form@re - Open Journal Per La Formazione in Rete, 20(3), 165–175. https://doi.org/10.13128/form-9767

Abstract

The mere development of a software to predict University dropout is not sufficient for its effective implementation in the academic context. In order to exploit it as a tool supporting decision-making, such a software should be provided with information necessary for its integration into the decision-making processes of University governance. In this work, we present a predictive tool, at the state of the art, providing a functional description of its integration through practical examples. In addition, we propose a simplified scheme to guide the reasoning on the software, which we structure according to the following processes: the learning of the machine, the choice of the representation of dropout and the interpretation of the results. Finally, we share some considerations addressing education designers and institutional decision-makers on the management of interventions inspired by the prediction of freshmen academic outcome.

 

Modelli predittivi per politiche efficaci contro l'abbandono dell’università.

Lo sviluppo di un software per predire l’abbandono della carriera universitaria non è sufficiente affinché questo venga implementato in modo efficace nel contesto accademico. Per essere sfruttato come strumento di supporto alle decisioni, il software dovrebbe essere fornito con le informazioni necessarie alla sua integrazione nei processi decisionali della governance di ateneo. In questo lavoro, presentiamo uno strumento predittivo allo stato dell’arte, fornendone una descrizione funzionale alla sua integrazione, attraverso esempi concreti. Inoltre, proponiamo uno schema semplificato per guidare il ragionamento sul software, che strutturiamo nei seguenti processi: l’apprendimento della macchina, la scelta della rappresentazione dell’abbandono e l’interpretazione dei risultati. Infine, condividiamo alcune considerazioni rivolgendoci ai progettisti dell’educazione e agli institutional decision-makers circa la gestione degli interventi ispirati dalla previsione dell’abbandono delle matricole.

Metrics

Metrics Loading ...