उच्च शिक्षा संस्थानों के लिए प्रारंभिक चेतावनी प्रणाली का विकास जिससे पहले वर्ष के छात्रों के शैक्षणिक प्रदर्शन का पूर्वानुमान लग सके

इस अध्ययन में, उच्च शिक्षा संस्थानों के लिए पहले वर्ष के स्नातक छात्रों के शैक्षणिक प्रदर्शन का पूर्वानुमान लगाने वाली एक प्रारंभिक चेतावनी प्रणाली विकसित की गई है। पहले वर्ष के छात्रों की सफलता को प्रभावित करने वाले महत्वपूर्ण कारकों की पहचान की गई और चर्चा की गई ताकि इन्हें संबंधित निकायों द्वारा नीति विकास के लिए उपयोग किया जा सके। प्रयोगात्मक विश्लेषणों में उपयोग किया गया डेटासेट 11,698 फ्रेशमैन छात्रों के डेटा को शामिल करता है। समस्या को वर्गीकरण मॉडलों के रूप में निर्मित किया गया है जो यह पूर्वानुमान लगाते हैं कि क्या कोई छात्र पहले वर्ष के अंत में सफल होगा या असफल। मॉडलों में कुल 69 इनपुट वेरिएबल का उपयोग किया गया है। नैव बायेस, निर्णय वृक्ष और रैंडम फॉरेस्ट एल्गोरिदम मॉडेल भविष्यवाणी प्रदर्शन पर तुलना की गई है। रैंडम फॉरेस्ट मॉडल अन्य मॉडलों से बेहतर प्रदर्शन करता है और 90.2% सटीकता प्राप्त करता है। निष्कर्ष दिखाते हैं कि जिन मॉडलों में गिरावट सेमेस्टर CGPA वेरिएबल जोड़ा गया था, वे नाटकीय रूप से बेहतर प्रदर्शन करते हैं। इसके अलावा, छात्र के कार्यक्रम का नाम और विश्वविद्यालय प्रवेश परीक्षा का स्कोर अन्य सबसे महत्वपूर्ण वेरिएबल के रूप में पहचाने गए हैं। निष्कर्षों के आधार पर एक महत्वपूर्ण चर्चा प्रदान की गई है। विकसित मॉडल को एक प्रारंभिक चेतावनी प्रणाली के रूप में उपयोग किया जा सकता है, ताकि दूसरे सप्ताह के बाद असफल होने का पूर्वानुमान लगाए गए छात्रों के लिए आवश्यक कार्रवाई की जा सके और उन्हें सफल बनाने तथा गिरावट को रोकने के लिए कदम उठाए जा सकें।