オンラインスクールの生徒満足度向上に向けた Positive and Unlabeled data による退学予測

抄録

本研究では、オンラインスクールに籍を置く生徒の日々の学習状況に関するデータを分析し、機械学習による退学予測を試みた。具体的には、過去三ヶ月の生徒の履修データやSlackでの会話データを元に、一ヶ月後の退学を予測する試みを行ったが、通常の機械学習のアプローチではあくまで予測できるのは一ヶ月後の時点の退学となり、それ以降の退学を考慮できないことが問題となった。つまり、退学予測を実施するタイミングだけではなく、将来の退学可能性も考慮する必要がある。この問題を解決するため、単なるPositive, Negativeの二値分類の問題ではなく、Learning from Positive and Unlabeled dataというアプローチで、Positiveとラベルなしという分類で予測を行った。この結果、休学・退学者の予測再現率を63%から72%に改善することができた。