学生辍学率和学业成功率预测数据集

摘要：该学生辍学率和学业成功率预测数据集包含三个子集：主评估集（4,424行，35列，包含辍学1,421、毕业2,209、在校794三类目标）、大学生管理数据集（1,545行，15列，包含高/中/低三级风险等级）、大型表格数据集（999,997行，21列，无标签用于推断）。

数据集概述

该学生辍学率和学业成功率预测数据集包含三个子集：主评估集（4,424行，35列，包含辍学1,421、毕业2,209、在校794三类目标）、大学生管理数据集（1,545行，15列，包含高/中/低三级风险等级）、大型表格数据集（999,997行，21列，无标签用于推断）。数据涵盖学生人口统计学、学术表现、社会经济背景、课程参与度、在线学习行为等多维度特征，支持二元分类（辍学vs非辍学）和三级风险预测任务。。

数据结构与关键特征

主数据集包含35个特征：人口学信息（婚姻状况、性别、年龄、国籍）、学术背景（申请方式、先前学历、课程类型）、家庭背景（父母教育程度和职业）、经济状况（是否欠债、学费缴纳、奖学金）、学业表现（第一/第二学期学分、成绩、评估情况）、宏观经济指标（失业率、通货膨胀率、GDP）。大学生管理数据集包含学习管理系统（LMS）参与度指标（登录次数、会话时长、作业提交率、论坛参与、视频完成率）。大型数据集包含考试成绩、出勤率、学习时间、课外活动等标准化特征。

应用价值与研究方向

该数据集可用于学生辍学预测、学业成功率分析、教育数据挖掘等研究。研究方向包括机器学习分类模型（随机森林、XGBoost、神经网络）、不平衡数据处理、多类别分类、风险分层预测、特征重要性分析、早期预警系统、在线学习行为分析、社会经济因素影响研究、时序预测（学期进展跟踪）、可解释AI在教育中的应用等，对高校学生管理、个性化干预、资源优化配置、提高毕业率、减少辍学损失、推动教育公平具有重要实际应用价值。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-355
文件大小：60M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。