Artigo em revista científica Q1
A data-driven approach to predict first-year students’ academic success in higher education institutions
Paulo Diniz Gil (Gil, P. D.); Susana da Cruz Martins (Martins, S. C.); Sérgio Moro (Moro, S.); Joana Martinho Costa (Costa, J. M.);
Título Revista
Education and Information Technologies
Ano
2021
Língua
Inglês
País
Estados Unidos da América
Mais Informação
Web of Science®

N.º de citações: 0

(Última verificação: 2021-04-18 15:47)

Ver o registo na Web of Science®

Scopus

N.º de citações: 0

(Última verificação: 2021-04-21 20:17)

Ver o registo na Scopus

Abstract/Resumo
This study presents a data mining approach to predict academic success of the first-year students. A dataset of 10 academic years for first-year bachelor’s degrees from a Portuguese Higher Institution (N = 9652) has been analysed. Features’ selection resulted in a characterising set of 68 features, encompassing socio-demographic, social origin, previous education, special statutes and educational path dimensions. We proposed and tested three distinct course stage data models based on entrance date, end of the first and second curricular semesters. A support vector machines (SVM) model achieved the best overall performance and was selected to conduct a data-based sensitivity analysis. The previous evaluation performance, study gaps and age-related features play a major role in explaining failures at entrance stage. For subsequent stages, current evaluation performance features unveil their predictive power. Suggested guidelines include to provide study support groups to risk profiles and to create monitoring frameworks. From a practical standpoint, a data-driven decision-making framework based on these models can be used to promote academic success.
Agradecimentos/Acknowledgements
--
Palavras-chave
Academic success,Data mining,Higher education,Modelling,SVM,Sensitivity analysis
  • Ciências da Computação e da Informação - Ciências Naturais
  • Ciências da Educação - Ciências Sociais
Registos de financiamentos
Referência de financiamento Entidade Financiadora
UIDB/04466/2020 Fundação para a Ciência e a Tecnologia
UIDP/04466/2020 Fundação para a Ciência e a Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.