大规模开放在线课程（MOOCs）作为一种可获得的教育形式，近年来受到欢迎，吸引了多样化和广泛的学生群体。尽管具有潜力，但MOOCs面临着一个重大挑战：高辍学率，这削弱了它们的有效性和影响力。对解决这一问题日益增长的兴趣导致了众多研究，开发出新的模型以早期和自动预测辍学者，其中许多使用机器学习（ML）方法。该研究对机器学习技术在MOOCs中进行早期辍学预测的表现进行了定量综合。遵循PRISMA指导原则，我们进行了系统评价和元分析。为了分析整体性能，我们使用了随机效应模型对比例进行元分析，分析了两个指标：敏感性和特异性。我们还通过亚组分析研究了一些研究特征与获得性能之间的关系。结果表明，机器学习系统能够准确检测出潜在辍学者的显著比例。然而，这些系统的性能因数据集及各研究中使用的辍学定义而异。尽管结果令人鼓舞，但研究之间观察到的高异质性表明，这些结果应谨慎解读。
Tenorio-Berrio等（周三）研究了这个问题。