An Actionable Learning Path-based Model to Predict and Describe Academic Dropout

Un modelo accionable basado en el camino de aprendizaje para predecir y describir la deserción académica

The prediction and explainability of student dropout in degree programs is an important issue, as it impacts students, families, and institutions. Nevertheless, the main efforts in this regard have focused on predictive power, even though explainability is more relevant to decision-makers. The objectives of this work were to propose a novel explainability model to predict dropout, to analyze its descriptive power to provide explanations regarding key configurations in academic trajectories, and to compare the model against other well-known approaches in the literature, including the analysis of the key factors in student dropout. To this effect, academic data from a Computer Science Engineering program was used, as well as three models: (i) a traditional model based on overall indicators of student performance, (ii) a normalized model with overall indicators separated by semester, and (iii) a novel configuration model, which considered the students’ performance in specific sets of courses. The results showed that the configuration model, despite not being the most powerful, could provide accurate early predictions, as well as actionable information through the discovery of critical configurations, which could be considered by program directors could consider when counseling students and designing curricula. Furthermore, it was found that the average grade and rate of passed courses were the most relevant variables in the literature-reported models, and that they could characterize configurations. Finally, it is noteworthy that the development of this new method can be very useful for making predictions, and that it can provide new insights when analyzing curricula and and making better counseling and innovation decisions.

La prediccion y explicabilidad de la desercion estudiantil en programas academicos es un asunto importante, pues impacta a estudiantes, familias e instituciones. Sin embargo, los principales esfuerzos en este sentido se han centrado en el poder predictivo, aunque la explicabilidad es mas relevante para los tomadores de decisiones. Los objetivos de este trabajo fueron proponer un modelo novedoso de explicabilidad para predecir la desercion, analizar su poder descriptivo para proporcionar explicaciones sobre configuraciones clave en trayectorias academicas y comparar el modelo con otros enfoques bien conocidos en la literatura, incluyendo el analisis de los factores clave en la desercion estudiantil. Para ello, se utilizaron datos academicos de un programa de Ingenierıa en Informatica, ası como tres modelos: (i) un modelo tradicional basado en indicadores generales de rendimiento estudiantil, (ii) un modelo normalizado con indicadores generales separados por semestre y (iii) un modelo de configuracion novedoso que considera el rendimiento de los estudiantes en conjuntos especıficos de cursos. Los resultados mostraron que el modelo de configuracion, a pesar de no ser el mas poderoso, podrıa proporcionar predicciones tempranas precisas, ası como informacion accionable a traves del descubrimiento de configuraciones crıticas, las cuales podrıan ser consideradas por los directores de programa al asesorar a los estudiantes y diseñar planes de estudio. Ademas, se encontro que la nota promedio y la tasa de cursos aprobados fueron las variables mas relevantes en los modelos reportados en la literatura, y que estas podrıan caracterizar configuraciones. Finalmente, es notable que el desarrollo de este nuevo metodo puede ser muy util para hacer predicciones y que puede proporcionar nuevas perspectivas al analizar planes de estudio y al tomar mejores decisiones de asesoramiento e innovacion.