Modelování odchodů studentů

Jiří Maruška

Master's thesis

Student dropout modelling

Abstract:

MBA práce se věnuje modelováním odchodů studentů (Student Dropout). V rámci pilotní fáze je analyzován studijní programu Aplikovaná informatika, vyučovaným na fakultě informatiky a statistiky na VŠE. V první části práce jsou představeny definice, koncepty a způsoby měření studijní neúspěšnosti. Jsou představeny zdroje dat pro porovnání jednotlivých vysokých škol v České republice a je ukázán časový vývoj ukazatelů spojených se studijní neúspěšností. Druhá část popisuje stavbu prediktivního modelu v souladu s metodikou CRISP-DM, která je i teoreticky vysvětlena. Zároveň je prakticky ukázána provázanost dat, jejich pochopení, přípravy dat a modelování. Dostupnost (resp. spíš nedostupnost) dat zapříčinila i dílčí redefinice původních cílů. Vlastní praktická část přípravy dat a modelování je provedena v programovacím jazyku Python. Součástí práce je i teoretická kapitola s popisem modelů používaných pro predikci. Třetí část ukazuje návrh reálného použití modelu včetně intervenčních opatření. Závěrem jsou nastíněny některé kroky, které by mohly přinést zlepšení predikce a diskutován další vývoj modelu.

Abstract:

The MBA thesis is focused on the modelling of student dropouts. The pilot phase analyses the study program Applied Computer Science, taught at the Faculty of Computer Science and Statistics at the University of Economics. The first part of the thesis presents definitions, concepts and methods of measuring student dropout. Data sources for comparison of individual universities in the Czech Republic are presented and the development of indicators related to academic failure over time is shown. The second part describes the construction of a predictive model in accordance with the CRISP-DM methodology, which is also explained theoretically. At the same time, the interdependence of data, data understanding, data preparation and modelling is demonstrated in a practical way. The availability (or rather unavailability) of data has also caused a partial redefinition of the original objectives. The actual hands-on part of data preparation and modelling is done in the Python programming language. The theoretical chapter describing the models used for prediction is also part of the thesis. The third part shows the design of a real application of the model including intervention measures. In conclusion, several actions that could improve the prediction are outlined and further development of the model is discussed.

Keywords

příprava dat, studijní neúspěšnost, prediktivní modelování, strojové učení

Keywords

Student Dropout, Data Preparation, Predictive Modeling, Machine Learning

Language used: Czech

Date on which the thesis was submitted / produced: 31. 3. 2023

Thesis defence

• Date of defence: 19. 5. 2023
• Supervisor: Ota Novotný
• Reader: Pavel Zimmermann

Vysoká škola ekonomická v Praze

Master programme:
Data & Analytics for Business Management