Sovellus käyttää datana oppilaitosten järjestelmien (Primus) opiskelijatietoja, joiden joukosta koneoppimista hyödyntäen tunnistettiin ennusteen kannalta kahdeksan opintojen keskeyttämisalttiudelle merkittävintä tekijää. Keskeyttämisen todennäköisyyden kannalta merkittävimmiksi tekijöiksi opiskelijan taustatiedoista nousivat opiskelijan tavoitetutkinto ja ikä. Opintojen etenemisen seurantaan käytetyistä mittareista merkittävimmät olivat kumuloitunut opintojen kesto, hyväksytyt ja hylätyt suoritukset, näytöt, poissaolot ja työssäoppimispäivien lukumäärä.

Uusi tekoälysovellus muodostaa näistä tekijöistä ja opiskelijatiedosta mallit kuvaamaan sekä valmistuneita että opintonsa keskeyttäneitä opiskelijoita. Läsnä olevien opiskelijoiden opintojen etenemistä verrataan mallinnettuun opintopolkuun. Vertailun tuloksena saadaan ennuste siitä, millä todennäköisyydellä opiskelija tulee joko valmistumaan tai keskeyttämään opintonsa. Tällöin keskeyttämisvaarassa olevat opiskelijat voidaan tunnistaa ajoissa ja tilanteeseen puuttua ennaltaehkäisevästi.

– Keskityimme erityisesti löytämään ne tekijät, joista keskeytyminen johtuu, jotta niihin voidaan puuttua ennakoivasti. Olemme hyvin ylpeitä lopputuloksesta, sillä kun mallia testattiin kolmen koulutuksenjärjestäjän aineistolla, saavutimme parhaimmillaan 93–94 % tarkkuuden, totesivat Jukka Soininen ja Arto Pärnänen TCD:lta.

Mallia testattiin Etelä-Savon Koulutus Oy:n (ESEDU), Ylä-Savon koulutuskuntayhtymän (YSAO) ja Itä-Savon koulutuskuntayhtymän (SAMiEDU) aineistoilla ja se on uudelleenkoulutettavissa datan muuttuessa. Tämä mahdollistaa sovelluksen helpon käyttöönoton laajamittaisesti toisen asteen oppilaitoksissa, joissa on yleisesti samat tietojärjestelmät käytössä opiskelijatietojen tallentamiseen. Sovellukselle on nähtävissä hyödyntämismahdollisuuksia opintojen keskeytymisen ennustamiseen myös muiden asteiden oppilaitoksissa. Tämä kuitenkin edellyttää muutoksia malliin oppilaitoksissa käytettävien järjestelmien ja datan asettamien vaatimusten mukaisesti.

– Keskeyttämisen vähentäminen ja sen tunnistaminen ovat erittäin tärkeitä niin opiskelijan kuin koulutuksen järjestäjän näkökulmasta. Tekoälysovellus tarjoaa mahdollisuuden reagoida keskeyttämisriskiin, kertoo toimitusjohtaja Arja Flinkman Etelä-Savon Koulutus Oy:stä.

Tekoälyratkaisun kehittämiseen hyödynnettiin Jyväskylän yliopistossa kehitettyä ECCOLA-menetelmää, joka on luotettavien tekoälyjen kehittämiseen rakennettu menetelmä.

– Meidän tutkimukselle on elintärkeää, että saamme ratkaistavaksemme todellisia ongelmia elinkeinoelämän kanssa. TCD:n ja yliopiston saumaton yhteistyö on hyvä osoitus siitä, miten tutkimuksen keinoin voidaan edistää innovointia yrityksissä, iloitsee tutkimushankkeen vastuullinen johtaja informaatioteknologian tiedekunnan professori Pekka Abrahamsson.

Business Finlandin rahoittamaan APPIA-tutkimushankkeeseen osallistuivat Jyväskylän yliopiston puolelta lisäksi projektitutkijat Joni Kultanen ja Antti Kariluoto.