L'Osservatorio Abbandoni nasce all’interno dell' Advanced Analytics Laboratory di Cineca, avviato con l'obiettivo di esplorare le possibili applicazioni delle tecniche di analisi dati e Machine Learning (ML) in diversi contesti che riguardano il mondo delle università.

Osservatorio Abbandoni nasce grazie allo stimolo di alcune università che, rendendosi disponibili ad effettuare alcune sperimentazioni, hanno consentito lo sviluppo e il consolidamento di una infrastruttura che attraverso l’utilizzo di alcuni algoritmi di ML consente di fornire la previsione, per ogni anno accademico, degli studenti a rischio abbandono.

L’analisi predittiva riguarda gli studenti delle lauree triennali dell’ateneo, che rispetto alle altre tipologie di laurea (ciclo unico, magistrale, etc.) rappresentano l’insieme a più alto rischio. La possibilità di conoscere in anticipo quali siano gli studenti a rischio abbandono mette in grado l'Ateneo di intervenire puntualmente per limitare e/o controllare il fenomeno.

I dati di previsione possono essere punto di partenza per: l’attuazione di azioni di contrasto (contatto diretto, corsi di recupero, tutoraggio, questionari); l’identificazione delle principali cause che portano all’abbandono; la possibilità di dare un feedback allo studente della situazione a rischio; il miglioramento della programmazione della didattica.

Principali caratteristiche e funzionalità

Osservatorio Abbandoni è un servizio offerto da Cineca che fornisce dati storici e predittivi sul fenomeno degli abbandoni studenteschi in Ateneo. Il servizio ha la forma di un Portale Osservatorio e attinge dai dati del Data Warehouse Cineca (DWH) - in particolare quelli del Data Mart (DM) Segreteria Studenti - per estrarre alcune informazioni riguardanti le carriere degli studenti utilizzate per effettuare l’analisi predittiva. I dati estratti riguardano tre tipologie di informazioni:

  •     Anagrafica: dati che descrivono le caratteristiche socio-demografiche degli studenti (età, sesso, etc.).
  •     Carriera: dati riguardanti l’attuale percorso accademico intrapreso dello studente e la scuola di provenienza.
  •     Performance: dati non presenti nativamente sul DWH che riguardano il grado di partecipazione dello studente alla vita universitaria (esami, CFU, etc.).