ИИ-прогноз успеваемости и риска отчисления студентов — МГПУ
Описание проекта
МГПУ внедрил систему прогнозирования академической успеваемости студентов на основе методов машинного обучения. Система автоматически анализирует более 20 параметров каждого учащегося и формирует прогноз результатов предстоящей сессии, распределяя студентов по четырём группам: высокие, средние, удовлетворительные результаты и «кандидаты на отчисление». Прогнозы доступны студентам в личных кабинетах на сайте вуза.
Задача
Высокий уровень академических отчислений (5% в семестр) и отсутствие инструментов раннего выявления студентов в зоне риска. Университету требовался превентивный, а не реактивный механизм мониторинга.
Цели внедрения
-
Снизить количество отчислений за неуспеваемость
-
Обеспечить раннее предупреждение и персональную поддержку студентов из группы риска
-
Автоматизировать мониторинг образовательных результатов
Результаты
-
Финансы
-
Данные не раскрыты Время
-
Прогноз формируется автоматически без ручного анализа; студенты получают результаты в режиме реального времени Качество и эффективность
-
Точность работы системы — 87%
-
Количество отчисленных снизилось вдвое: с 5% до 2,5% в семестр Нагрузка и масштаб
-
Модель обучена на данных более 3 500 студентов МГПУ
-
Учитываются: оценки, пол, возраст, место проживания, форма обучения, институт, образовательная программа, регион, результаты ЕГЭ, курсы по выбору, участие в общественной деятельности, использование библиотеки и цифровой среды вуза Надёжность
-
Система не даёт точного балла, а ранжирует риск по группам — что снижает вероятность психологического давления и ошибочной интерпретации Импортозамещение и compliance
-
Собственная разработка, без зависимости от зарубежного ПО Качественный эффект: Дополнительно система выявляет студентов с риском добровольного отчисления через онлайн-опросы (уровень мотивации, удовлетворённость, здоровье). Появился тестовый проект «Умные аудитории» — слежение за вниманием аудитории.