为了促进学生跨学科的成功，加州州立大学富勒顿分校人工智能专家 Kanika Sood 和 Rakesh Mahto 正在开发一种机器学习模型，以识别有退学风险或需要额外学术支持的学生。
工程与计算机科学学院的教职人员因其项目获得了加州州立大学创建响应、公平、积极的教学和参与 (CREATE) 奖。
他们的获奖提案“LUMINATEE：利用机器学习/人工智能实现响应式且公平的教学和参与”获得了 108,242 美元的资助。
该项目涉及开发一个机器学习警报系统，当学生面临风险时，该系统可以向教师、顾问和其他支持人员提供实时通知。
拉克什·马赫托
Rakesh Mahto，计算机工程副教授
“随着时间的推移，这个警报系统的引入有可能提高毕业率，”该项目的首席研究员、计算机工程副教授 Mahto说。
“通过主动识别有风险的学生并为他们提供必要的支持，所提出的方法旨在增强教师和学生的能力，最终提高学业成绩。”
CSU CREATE 项目致力于缩小全系统学生的公平差距，特别是服务不足的有色人种学生、第一代大学生和来自中等收入家庭的学生。在大学未来基金会的资助下，今年的七个获奖提案将获得 50,000 至 150,000 美元的奖金。
通过 CSUF 项目，学生将获得教师的个性化支持，并通过形成性评估获得持续反馈，从而提高毕业率和保留率。
马赫托说：“该项目将通过提供及时的干预、个性化的帮助、学生反馈的环境以及克服挑战和实现教育目标的有针对性的支持，为学业成功做出贡献。”
Mahto 解释说，影响学生成功的关键因素之一是及早发现表现不佳的学生。
他说：“识别高风险学生的传统方法，例如关注成绩和出勤记录，可能不足以捕捉有助于学生成功的复杂因素。”
该大学八个学院的学生和教师将参与该项目，以促进跨学科合作。
这项工作还包括聘请两名本科生研究助理来收集数据以开发机器学习和人工智能算法，以及聘请一名研究生研究助理来帮助创建一个警报应用程序来通知参与的教师。学生助理还将在会议上展示他们的发现。