Il problema dell’abbandono degli studi universitari è una rilevante difficoltà con la quale il sistema universitario italiano deve confrontarsi. In questo lavoro, utilizzando opportune tecniche di simulazione, abbiamo esplorato i limiti e le possibilità di alcuni algoritmi di Machine Learning per prevedere gli abbandoni sulla base di una serie di variabili che sono immediatamente disponibili per ciascuno studente.

The phenomenon of dropping out is one the most significant problems faced by the Italian university system. In this paper, using suitable simulation techniques, we have explored the limits and the possibilities of some Machine Learning Algorithms to predict the probability of abandonment in a timely and efficient way, using an information set that is available at the time of matriculation.

A Monte Carlo study on learning algorithms for predicting student dropouts in higher education

Massimo Bilancia
;
Paola Perchinunno;Domenico Vitale
2019-01-01

Abstract

Il problema dell’abbandono degli studi universitari è una rilevante difficoltà con la quale il sistema universitario italiano deve confrontarsi. In questo lavoro, utilizzando opportune tecniche di simulazione, abbiamo esplorato i limiti e le possibilità di alcuni algoritmi di Machine Learning per prevedere gli abbandoni sulla base di una serie di variabili che sono immediatamente disponibili per ciascuno studente.
2019
9788894281088
The phenomenon of dropping out is one the most significant problems faced by the Italian university system. In this paper, using suitable simulation techniques, we have explored the limits and the possibilities of some Machine Learning Algorithms to predict the probability of abandonment in a timely and efficient way, using an information set that is available at the time of matriculation.
File in questo prodotto:
File Dimensione Formato  
paper ANNALI 2019.pdf

non disponibili

Tipologia: Documento in Versione Editoriale
Licenza: NON PUBBLICO - Accesso privato/ristretto
Dimensione 8.09 MB
Formato Adobe PDF
8.09 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11586/305845
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact