Leveraging Metaheuristic Optimized Classifier Exploitability to Detect and Understand Student Dropout/Iskorištavanje metaheuristički optimizirane iskoristivosti klasifikatora za otkrivanje i razumijevanje ispisivanja studenata

Abstract

Abstract
Education is crucial for social progress, fostering knowledge, skills, and cognitive
development, and is closely linked to long-term economic growth. By enhancing the
general knowledge and skills of the population, education fuels innovation and the
adoption of new ideas, making human capital a key driver of economic development.
A well-educated workforce significantly contributes to research and development,
integrating innovations into production and promoting economic growth. Despite
extensive research, maintaining high enrolment and low dropout rates remains
challenging. The potential of artificial intelligence (AI) in addressing this issue is
underexplored. This work aims to fill this gap by leveraging metaheuristic optimized
deep neural networks to detect students at risk of dropping out. A modified version
of the firefly algorithm (FA) is introduced specifically to meet the demands of this
optimization. Additionally, explainable AI (XAI) techniques are employed to better
understand the factors influencing student decisions, thereby aiding in the formulation
of effective retention policies. The introduced methodology is evaluated on a real
world dataset, with the best models achieving an accuracy exceeding 82% for dropout
detection.
Key words: Academia; Deep Neural Networks; Explainable Artificial Intelligence;
Firefly Algorithm; Legal regulation and Ethical Principles

---

Sažetak
Obrazovanje je ključno za društveni napredak, poticanje znanja, vještina i
kognitivnoga razvoja te je usko povezano s dugoročnim ekonomskim rastom.
Povećanjem općega znanja i vještina stanovništva, obrazovanje potiče inovacije i
usvajanje novih ideja, čineći ljudski kapital ključnim pokretačem gospodarskoga
razvoja. Dobro obrazovana radna snaga značajno doprinosi istraživanju i razvoju,
integrirajući inovacije u proizvodne procese i potičući ekonomski rast. Unatoč opsežnim
istraživanjima, održavanje visoke stope upisa i niske stope ispisivanja studenata
ostaje izazov. Potencijal umjetne inteligencije (AI) u rješavanju ovoga problema još
uvijek nije dovoljno istražen. Ovim radom nastoji se popuniti ta praznina koristeći
metaheuristički optimizirane duboke neuronske mreže za otkrivanje studenata koji
su u riziku od ispisivanja. U tu svrhu, predstavljena je modificirana verzija algoritma
krijesnica (FA) kako bi se zadovoljili specifični zahtjevi optimizacije. Dodatno, tehnike
objašnjive umjetne inteligencije (XAI) koriste se za bolje razumijevanje čimbenika
koji utječu na odluke studenata, čime se olakšava formuliranje učinkovitih strategija
zadržavanja studenata. Predložena metodologija evaluirana je na stvarnom skupu
podataka, pri čemu su najbolji modeli postigli točnost veću od 82 % u predviđanju
ispisivanja studenata.
Ključne riječi: akademska zajednica; algoritam krijesnica; duboke neuronske mreže;
objašnjiva umjetna inteligencija; pravna regulativa i etička načela