尼日利亚高等教育机构在学生支持方面面临由于手动流程和知识碎片化所造成的长期延误。本文提出了一种智能工单系统，该系统采用数据库中的知识发现（KDD）和随机森林分类器来自动化工单优先级和响应。该系统在尼日利亚一所远程学习机构的5000个真实历史工单上进行了训练。通过TF-IDF提取文本特征，并通过图结构建模工单关系。分类器在预测优先级方面实现了91.2%的精确度。通过动态增长的知识库自动回答重复查询，平均响应时间减少到1.3秒。通过5点李克特调查（n = 50）测得的用户满意度平均为4.7/5。该系统可扩展至超过10,000个并发工单，并在资源有限的环境中有效运行.
Oliver等人（星期二）研究了这个问题.