Данная статья представляет собой сравнительный анализ двух методов машинного обучения — модели дерева решений и градиентного бустинга — для прогнозирования риска отчисления студентов в колледжах на основе данных об их демографических характеристиках, образовательном фоне и социально-экономическом статусе. Авторы исследования оценили точность, precision, recall и F1-оценки обеих моделей на тестовых данных, выявили значимые факторы, влияющие на риск отчисления, и предложили рекомендации для образовательных учреждений по снижению этого риска. В ходе анализа были учтены также социальные факторы, такие как уровень вовлеченности студентов в учебный процесс и наличие финансовых трудностей. Особое внимание уделено оценке влияния образовательного фона родителей на академическую успеваемость учащихся. Полученные результаты могут быть полезны для разработки новых стратегий поддержки студентов с целью повышения уровня завершения обучения.

Машинное обучение, модель дерева решений, градиентный бустинг, прогнозирование риска отчисления, студенты колледжей, точность моделей, образовательные данные