Анализ успеваемости и раннее выявление риска отчисления

Отчисление студента — потеря для вуза и для самого студента: по отраслевым публикациям, до 20–30 % поступивших на бакалавриат не доходят до диплома, а на первом курсе теряется больше всего. Признаки проблем видны заранее — пропуски, снижение баллов по контрольным точкам, отсутствие активности в LMS, — но деканат узнаёт о них по итогам сессии, когда вмешиваться поздно.

Данные разбросаны по разным системам: приёмная кампания, электронный деканат, LMS, пропускная система, общежитие. Сводных отчётов по каждому студенту в реальном времени нет, а ручной анализ тысяч учётных записей невозможен.

Система еженедельно собирает признаки по каждому студенту из всех источников и оценивает вероятность академических проблем на горизонте семестра. Тьюторы и кураторы получают ранжированный список с объяснением, какие факторы повлияли на оценку, и рекомендуемые меры: консультация, перевод на индивидуальный график, направление к психологу.

• Единая витрина данных студента с историей за 3–5 лет выпусков.
• Градиентный бустинг и модели выживаемости для прогноза риска по неделям.
• Объяснимость через SHAP: понятные причины для куратора, а не «чёрный ящик».
• Дашборды по группам, направлениям, преподавателям; оценка эффекта вмешательств.
• Контроль дрейфа модели после изменения учебных планов.

Какие данные нужны

• Оценки по контрольным точкам и сессиям
• Посещаемость и активность в LMS
• Данные приёмной кампании
• Обращения в деканат, справки, академические отпуска