本研究探讨了通过监督机器学习识别高风险学生的挑战，重点分析了参与度、人口统计和表现数据。结果表明，考虑行为因素能够有效提高学生成功率，改善高等教育的保留率和辍学率。

本文提出了一种结合监督机器学习和智能抽样的新方法，构建代理元模型以探索参数空间并进行校准，从而提高模型行为的近似精度，降低计算时间，帮助理解复杂系统的运作。同时，研究展示了大型语言模型在智能代理建模中的有效模拟及其在社会现象研究中的应用潜力和未来发展方向。