Studie-uitval in het mbo voorspellen met AI

Artificial Intelligence (AI) kan voorspellingen doen over studie-uitval in het mbo. Daarbij worden de voorspellingen naarmate de tijd vordert steeds accurater. Ook docenten kunnen goede voorspellingen doen over studie-uitval. Dat zijn enkele uitkomsten van het promotieonderzoek dat Irene Eegdeman, sportdocent bij ROC TOP, deed bij de Sportacademie van ROC TOP in Amsterdam.

Eegdeman was benieuwd of ze aan de hand van studentdata voorspellingen kon doen over studiesucces en studie-uitval. Ze begon met traditionele voorspellers als de AMN Talentscan en verwachtingen van studenten zelf. Beiden bleken geen goede voorspellers van succes. Vervolgens testte Eegdeman verschillende algoritmen die ze voedde met beschikbare data over studenten. Bij het onderzoek lag de focus op twee aspecten:

• Hoe goed zijn de voorspellingen (precisie)? Met andere woorden: hoe vaak had het algoritme het bij het rechte eind?
• Hoeveel potentiële uitvallers signaleert het algoritme bij een bepaald percentage van de steekproef (sensitiviteit)?

Daarnaast onderzocht ze hoe goed docenten zijn in het voorspellen van uitval.

Combinatie van docentinformatie en algoritme

Het leverde de volgende uitkomsten op:

• Kunstmatige intelligentie kan voorspellingen doen over studie-uitval.
• Hoe verder in de tijd, hoe accurater de voorspellingen met AI worden.
• Bij de start van deze opleiding blijken ook docenten goede voorspellingen te doen over uitval.

Eerdeman is tevreden met de uitkomsten van dit onderzoek. Tegelijkertijd is er meer onderzoek nodig om algemene uitspraken te doen. “Dit gaat natuurlijk maar over één opleiding met één type studenten (en docenten). Mijn aanname is dat de combinatie van docentinformatie en het algoritme het beste resultaat zal geven, maar dat moeten we verder onderzoeken.”

Datamanagement beter regelen

Eerdeman kan nog geen factoren aanwijzen die bepalend zijn voor studie-uitval. Wel noemt ze een aantal variabelen die goed zijn om mee te nemen. “Hoe hoger het gemiddelde eindexamencijfer waarmee studenten binnenkomen, hoe lager het uitvalpercentage tijdens de opleiding. Ook lijkt het erop dat hoe eerder studenten zich aanmelden voor een studie, hoe lager de kans is op uitval. En ook aanwezigheid/afwezigheid van een student lijkt een goede indicatie te geven.” Ze heeft daarbij nog wel een voorwaarde: het datamanagement kan op scholen nog beter worden geregeld. Begin 2023 wil Eegdeman van haar proefschrift over dit onderwerp verdedigen. Ze werkt toe naar een methode waarmee ze bij de juiste studenten effectieve interventies kan doen, op basis van goede data en effectstudies.

Bron: Kennisnet