Μεθοδολογία ανάλυσης εκπαιδευτικών δεδομένων μεγάλης κλίμακας για τη μοντελοποίηση και πρόβλεψη της διαρροής στην εκπαίδευση

Abstract

The problem of educational drop-out exists worldwide at all levels of education and is difficult to deal with, because, on the one hand, the factors that affect it are many and varied, e.g. social, economic, educational, etc., and on the other, each pupil or student is influenced in a different way and to a varying degree. However, the study of the attendance of students, who attempt to complete their studies but ultimately abandon them, with the science of data mining, could make a significant contribution to understanding the phenomenon of educational drop-out. By extracting data from the study of these students’ attendance, we could probably predict the problem, so as to develop strategies to deal with it in time.

Το πρόβλημα της εκπαιδευτικής Διαρροής υφίσταται παγκοσμίως σε όλες τις βαθμίδες εκπαίδευσης και είναι δύσκολο στην αντιμετώπισή του, διότι αφενός οι παράγοντες που το επηρεάζουν είναι πολλοί και ποικίλοι, π.χ. κοινωνικοί, οικονομικοί, εκπαιδευτικοί κ.τ.λ., αφετέρου, δε, κάθε μαθητής ή φοιτητής επηρεάζεται με διαφορετικό τρόπο και σε διαφορετικό βαθμό. Ωστόσο, η μελέτη της «φοίτησης» των σπουδαστών, οι οποίοι προσπαθούν να ολοκληρώσουν τις σπουδές τους, αλλά τελικά τις εγκαταλείπουν, με την επιστήμη της εξόρυξης δεδομένων, θα μπορούσε να συνεισφέρει σημαντικά στην κατανόηση του φαινομένου της εκπαιδευτικής Διαρροής. Με την εξόρυξη δεδομένων από τη μελέτη της φοίτησης αυτών των σπουδαστών, θα μπορούσαμε ίσως να προβλέψουμε την εμφάνιση του προβλήματος, ώστε να αναπτύξουμε στρατηγικές έγκαιρης αντιμετώπισής του.