在所谓的 MINT 科目——数学、计算机科学、自然科学和技术——中，高达 40% 的学生在入门阶段就辍学了。图宾根大学经济与社会科学学院方法中心的一个研究小组现已开发出一种统计方法，学生可以使用该方法平均提前八周预测他们是否会辍学。

该团队还使用新开发的算法在方法上取得了一般性进展。在预测过程中，算法能够考虑到课程开始时已经存在的个别学生之间的差异——例如一般认知表现——并将这些差异与个别学生的心理状态区分开来。时间。这使得预测辍学概率成为可能，即使对于原则上适合的学生也是如此。对于来自其他领域的许多问题，这种不同影响程度的分离也很有趣。该团队在Psychometrika杂志上发表了一篇关于该方法开发的文章。

一开始，STEM学科的学生有不同的要求，这对基本的辍学概率有影响。“很明显，例如，高中的数学表现和一般认知表现在个别学生之间存在差异。较​​低的表现最初会导致在初始阶段更频繁地终止，”方法中心的 Augustin Kelava 教授说。“然而，我们想解决一个问题，即如何确定那些相当合格的第一学期学生很快就辍学了。”

122名学生的纵向学习

在这项研究中，图宾根大学第一学期数学的 122 名学生被问及他们以前的数学知识、兴趣、在大型初步研究中的学校职业和财务背景，以及性格变量，包括情绪稳定性、被收集。“初步检查的结果让我们了解了每个学生的稳定特征，”Kelava 说。随后每周进行 3 次五分钟的调查，在 131 个学期内共进行 50 次调查，学生们在其中陈述了他们目前的感受以及他们是否认为自己可以跟上课堂进度。“为了检查所做的预测，我们还知道学期结束前谁在场，并知道期末考试的成绩。

研究小组没有专门干预研究的个人课程，“这将是未来基于过程开发的面向个人的应用程序，”这位科学家说。预测是使用新开发的统计方法计算的，该算法使用实时收集的数据，即到一个时间点，以高概率确定个别学生的未来行为和经历——一个如此-称为前向过滤法。后向采样 (FFBS) 算法。“影响的程度很复杂。它们相互交织，许多变量在决定坚持还是退出的过程中发挥作用。”

放弃意图的早期预测

结果，研究小组能够提前八周预测退出的意图，即在人们仍在参加活动的时候。“冬季学期开始后，学生们通常在圣诞节后就不再在那里，”克拉瓦说。“我们已经成功地把两个层面的影响分开了，一方面是学生的稳定特征，另一方面是他们在预测隐藏意图时的心理状态随时间的变化。我们可以说当他们根据他们自己关于自己的感受和学习情况的陈述，发展出一种潜在的辍学倾向，这在当时还不能直接观察到。”

在实践中，统计方法为专门接触个别学生提供了一种工具，例如提供咨询服务，这些学生原则上符合该科目的资格，但有辍学的倾向。一般来说，该方法也适用于其他领域的某些研究问题，例如在经济学或工程应用中将稳定的影响变量与股价的情境发展分离。