Year: 2026
Type: article
Abstract: 为准确预警学生的辍学风险，辅助高职院校开展早期学习风险干预。本研究通过构建学生学习风险预测模型，采取对数据集进行缺失值填充、标准化、独热编码与 SMOTE 类别不平衡处理，对比了逻辑回归模型、决策树、Gradient Boosting、Bagging模型的预测效果。实验结果显示，Bagging集成学习模型在测试集表现最优，准确率为99.62%、F1-Score为85.33%。SHAP技术分析表明，心理健康评分、GPA、出勤率是高职学生辍学的三大关键特征。研究构建的模型具备高准确率和可解释性，为高职院校构建精准预警机制与差异化干预方案提供了科学依据。
Source: 中国课程与教学杂志
Language: English
Subfield: Computer Science Applications
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W7223436795