Jonathan Pollack: Prediktion av studieframgång inom kursen Matematik I på Stockholms universitet

I denna uppsats använder vi oss av data insamlad under höstterminen 2013 på Stockholms universitet i syfte att prediktera studieframgång och genomströmning i kursen Matematik I. Vi utvecklar prediktiva modeller med hjälp av linjär och logistisk regression, naiv Bayesiansk klassifikation samt klassifikationsträd. Modellerna jämförs sedan och analyseras, särskilt utifrån deras AUC, Brier score och precision. Vi anpassar även modeller på äldre och yngre studenter separat.Av metoderna som används finner vi att logistisk regression och klassifikationsträd är särskilt bra lämpade, och att den prediktiva styrkan allmänt är högre för yngre studenter i jämförelse med äldre. Vi jämför även våra modeller med den allmänt tillämpade urvalsmodellen där man går enbart efter gymnasiebetyg och finner att även denna metod har en godtagbar prediktionsförmåga, särskilt för kursmomentet analys.