機械学習に基づく中外合作教育プログラムにおける学生満足度予測モデルの構築と適用

中国の大学における中国と外国のパートナーによる教育プログラムの人気の高まりは、組織体制、社会的期待、学術的要件の違いにより、管理運営上の課題をもたらしています。本研究では、機械学習手法を用いて学生の満足度を評価する予測モデルを提示します。主成分分析（PCA）を組み合わせたGradient Boosting Machine（GBM）フレームワークを使用して、1,237名の学生からデータを収集しました。このアプローチをRandom Forest、Linear Regression、Naïve Bayes、Support Vector Machineなどの他のMLモデルと比較し、5分割交差検証を用いて学習および検証を行いました。PCA+GBMモデルは、主要な指標において最も効果的なスコアを記録し、正解率93%、適合率92%、再現率91%、F1スコア91.5%を達成しました。政策立案者や教育管理者は、この結果を中国と外国の協力によって運営される高等教育（HE）の戦略と水準を向上させるための動機付けとして活用できます。