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。

本研究利用机器学习和深度学习模型分析学术、人口统计和社会经济数据，以预测大学生辍学风险。结果表明，学术数据对预测模型的影响最大，尤其在学生第二年末的辍学预测中表现突出。研究还探讨了通过数据收集框架和算法公平性来改善教育结果，识别高风险学生以提升毕业率。