Mining von Bildungsdaten zur Reduzierung der Abbrecherquoten von Ingenieurstudierenden

In den letzten zwei Jahrzehnten hat die Anzahl der Ingenieurinstitute und Universitäten in Indien rapide zugenommen. Dies führt zu einem starken Wettbewerb zwischen diesen Institutionen und Universitäten, um Studierende anzuziehen, die eine Zulassung an diesen Instituten/Universitäten anstreben. Die meisten der in den Universitäten angebotenen Institutionen und Studiengänge sind im Selbstfinanzierungsmodus, daher liegt der Fokus durchgehend darauf, alle Plätze der Studiengänge zu füllen und nicht auf die Qualität der Studierenden. Darum brechen viele Studierende nach dem ersten Jahr ihr Studium ab. Dieses Papier präsentiert eine Data-Mining-Anwendung zur Generierung von Prognosemodellen für das Management von Studienabbrüchen bei Ingenieuren. Anhand neuer Aufzeichnungen kommender Studierender kann das Prognosemodell eine genaue Vorhersageliste erstellen, die Studierende identifiziert, die am meisten Unterstützung vom Programm zur Vermeidung von Studienabbrüchen benötigen. Die Ergebnisse zeigen, dass der Algorithmus des maschinellen Lernens in der Lage ist, ein effektives Prognosemodell aus den bestehenden Daten zu Studienabbrüchen zu erstellen.