A Preventive Analytical Big Data Approach for Education

Abstract

In recent years, the rapid expansion of digital learning platforms, including Learning Management Systems (LMSs) and Massive Open Online Courses (MOOCs), has generated large volumes of heterogeneous learner data, making digital education an important domain of Big Data analytics. Within this context, Learning Analytics and Educational Data Mining have emerged as major research areas for analysing student engagement, behaviour, and performance through educational traces. However, the early identification of students at risk of dropout remains a major challenge in digital learning environments. This thesis proposes a preventive analytics approach for education that aims to transform learner-generated data into actionable knowledge for the early detection of dropout risk and the provision of timely and targeted interventions. The proposed framework relies on large-scale behavioural data extracted from online and distance-learning virtual environments, where student interactions are represented as time-dependent clickstream sequences. In addition, a comparative feature selection study is conducted to identify the most informative behavioural attributes, reduce dimensionality, and improve the efficiency and interpretability of early dropout prediction. To enhance predictive performance, this thesis develops two optimisation-driven hybrid approaches: GA–XGBoost and GA–TabNet. In these approaches, Genetic Algorithms are used to optimise the configurations of Extreme Gradient Boosting and the TabNet deep learning architecture in order to improve robustness, stability, and predictive effectiveness across successive weekly prediction windows, while supporting early dropout prediction for personalised prevention. The experimental results, obtained on real-world educational data, show that the proposed framework outperforms traditional machine learning and deep learning baseline models from the early stages of course progression. These findings demonstrate that the integration of feature selection, evolutionary optimisation, and interpretable predictive modelling within a preventive analytics framework provides an effective approach to improving student retention in digital learning environments.

شهدت السنوات الأخيرة توسعًا متسارعًا في منصات التعلم الرقمي، ولا سيما أنظمة إدارة التعلم (LMS) والدورات التعليمية المفتوحة واسعة النطاق (MOOCs)، مما أدى إلى توليد كميات كبيرة من البيانات المتنوعة المتعلقة بالمتعلمين، وجعل التعليم الرقمي مجالًا رئيسيًا لتطبيق تحليلات البيانات الضخمة. وفي هذا السياق، برز كلٌّ من تحليلات التعلم والتنقيب في البيانات التعليمية بوصفهما مجالين بحثيين أساسيين لتحليل انخراط الطلبة وسلوكياتهم وأدائهم اعتمادًا على الآثار الرقمية التعليمية. ومع ذلك، لا يزال الكشف المبكر عن الطلبة المعرّضين لخطر الانقطاع عن الدراسة يمثل تحديًا رئيسيًا في بيئات التعلم الرقمي. تقترح هذه الأطروحة مقاربة للتحليلات الوقائية في مجال التعليم، تهدف إلى تحويل البيانات التي يولدها المتعلمون إلى معارف قابلة للاستثمار، بما يتيح الكشف المبكر عن خطر الانقطاع وتقديم تدخلات موجهة وفي الوقت المناسب. يعتمد الإطار المقترح على بيانات سلوكية واسعة النطاق مستخرجة من بيئات التعلم الافتراضية عبر الإنترنت وعن بُعد، حيث تُمثَّل تفاعلات الطلبة في شكل تسلسلات زمنية للنقرات. كما تُجرى دراسة مقارنة لأساليب اختيار السمات بهدف تحديد الخصائص السلوكية الأكثر دلالة، وتقليل أبعاد البيانات، وتحسين كفاءة التنبؤ المبكر بالانقطاع وقابليته للتفسير. ولتعزيز الأداء التنبؤي، تطوّر هذه الأطروحة مقاربتين هجينتين موجهتين بالتحسين، هما: GA–XGBoost وGA–TabNet. وفي هاتين المقاربتين، تُستخدم الخوارزميات الجينية لتحسين إعدادات خوارزمية Extreme Gradient Boosting ومعمارية التعلم العميق TabNet. ويتمثل الهدف في تحسين متانة النماذج واستقرارها وكفاءتها التنبؤية عبر نوافذ تنبؤ أسبوعية متتالية، مع دعم الكشف المبكر عن خطر الانقطاع في إطار وقاية مخصّصة لكل متعلم. تُظهر النتائج التجريبية، المستندة إلى بيانات تعليمية واقعية، أن الإطار المقترح يتفوق على النماذج المرجعية التقليدية في التعلم الآلي والتعلم العميق منذ المراحل الأولى من تقدم المقرر الدراسي. وتؤكد هذه النتائج أن دمج اختيار السمات، والتحسين التطوري، والنمذجة التنبؤية القابلة للتفسير ضمن إطار للتحليلات الوقائية يمثل مقاربة فعالة لتعزيز استبقاء الطلبة واستمرارهم في بيئات التعلم الرقمي.