机构名称：
¥ 2.0
总结大学辍学的预测对于提高保留和学术成就至关重要。 div>本研究旨在通过对现有文献的系统审查来评估机器学习（ML）技术在学生辍学的预测中的有效性。 div>采用了基于棱镜方法论的探索方法和文献分析。 div>定义了研究问题，在学术数据库（IEEE Xplore，Scopus，Science，Scielo，Scielo）中寻求相关文件，在包含和排除标准后选择了主要研究，并提取了摘要的相关数据。 div>研究映射允许对研究场景有结构化的理解。 div>审查确定，高级ML技术（例如深度学习和混合模型）在预测学生辍学的效率上很高，细节可达到96％。 div>集合学习和各种算法等技术也表现出很高的有效性，证明了它们管理学生数据复杂性的能力。 div>学术和人口统计学因素是ML模型中最常见的主要预测因素。 div>在复杂的准确性和管理方面，高级ML模型超过了传统方法。 div>但是，研究质量的变异性以及方法缺乏标准化表明，需要更加多样化和标准化的未来研究以更好地概括研究结果。 div>
文学的系统评价 - ISSN：2806-5905
主要关键词
相关文件推荐
