本科生的退学现象导致美国高等教育机构（公立和私立大学）的保留率下降，产生学术、财务和机构的后果。本次范围评估对证据进行了映射，针对机器学习（ML）模型在美国的本科生退学预测中的应用。该评估还使用TRIPOD + AI检查表评估了纳入研究的报告质量。我们在五个电子数据库中搜索了涵盖该领域的文章，并有14项研究符合纳入标准。此评估根据数据来源、退学指标、模式、ML模型和建模技术对研究进行了映射。在纳入的研究中，退学的时间范围从一个学期到几年不等，而随机森林和逻辑回归是最常用的ML模型。该评估确定了退学模式，使用的ML方法，突出了对于研究人员和实践者利用ML进行退学预测的意义，并提出了未来研究的方向.
Farotimi等人（Mon，）研究了这个问题.