[论文解读] A visualization tool for data analysis on higher education dropout: a case study at UFES

Pedro P. Ladeira, Leandro M. de Lima+1 more|arXiv (Cornell University)|Jan 29, 2022

Evasion and Academic Success Factors被引用 4

一句话总结

本文为维多利亚联邦大学（UFES）开发了一款交互式数据可视化仪表板，用于分析高等教育学生辍学模式。基于历史机构数据，该工具识别出关键的辍学驱动因素——如社会经济状况、课程类型和地理来源——揭示了UFES的累计辍学率为44.1%（TDA），尽管低于全国平均水平，但仍反映出教育政策和机构规划中的严峻挑战。

ABSTRACT

Through the analysis of cultural, socioeconomic and academic performance aspects it is possible to map the profile of the students and their motivations to drop out. This article aims to create a computational tool for data visualization that allows drawing the profile of students to support educational institutions managers in the definition of dropout avoidance policies. We present a method to treat data collected by higher education institutions over the years, analyze them to understand the dropout and provide that information to the university and the general public. Eight questions were proposed to clarify the dropout from the Federal University of Espírito Santo, Brazil. The questions were answered through the dashboard that helps to understand the causes of dropout. It is expected that this tool can be used by others educational institutions to draw student profiles contributing to possible resolution of the problem.

研究动机与目标

• 开发一种计算工具，使教育机构能够利用机构数据可视化和分析学生辍学模式。
• 识别影响UFES学生辍学的关键社会经济、学术和地理因素。
• 通过数据驱动的洞察，支持大学管理者和政策制定者设计针对性的辍学预防策略。
• 创建一个可重用、可更新的仪表板，供机构管理人员和公众访问，以实现透明化和持续监控。
• 通过弥补数据收集和呈现方面的差距，提升高等教育机构的数据质量和可视化实践。

提出的方法

• 本研究使用UFES从多个学年收集的历史数据，重点关注社会经济、学业表现和地理变量。
• 利用Python中的Bokeh库开发了定制的交互式仪表板，以支持动态数据可视化和探索。
• 仪表板包含条形图、饼图和时间序列图等可视化组件，用于展示不同课程、地区和人口群体的辍学趋势。
• 随着新数据的收集，该工具支持实时更新，实现对辍学趋势的持续监控。
• 系统设计时考虑了可访问性，但Bokeh功能的局限性导致需通过HTML和JavaScript实现替代方案。
• 分析中采用INEP定义的累计辍学率（TDA）作为评估各机构辍学水平的主要指标。

实验结果

研究问题

• RQ1 影响UFES学生辍学的主要社会经济和学术因素是什么？
• RQ2 UFES学生群体中，不同学术课程和地理区域的辍学率有何差异？
• RQ3 UFES的累计辍学率（TDA）随时间推移与全国及州平均水平相比呈现何种趋势？
• RQ4 数据可视化工具如何提升机构管理者在制定辍学预防政策时的决策能力？
• RQ5 为提升辍学分析工具的准确性和可用性，数据质量和可视化设计方面需要哪些改进？

主要发现

• UFES在2010至2016年间入学的学生中，累计辍学率（TDA）为44.1%，低于全国平均的56.5%，但仍表明存在显著挑战。
• 仪表板成功可视化了不同课程的辍学模式，揭示部分课程的辍学率高达67%，凸显了特定课程的脆弱性。
• 数据质量问题，如人均收入信息缺失和重复条目，限制了分析的完整性，尤其影响社会经济特征分析。
• 学生住所与大学之间的距离被识别为潜在的辍学影响因素，但因数据限制未能充分捕捉。
• 仪表板功能受Bokeh库功能限制，特别是在饼图中实现交互式类别选择方面存在不足，表明需与基于Web的可视化框架进行更深层次集成。
• 该工具未来可扩展以纳入心理因素和疫情相关因素（如COVID-19危机对心理健康的影响）的潜力，被确定为关键改进方向。