Document details

Student dropout in Higher Education Institutions poses a critical challenge with profound social and economic implications. While Machine Learning (ML) offers powerful tools for early retention strategies, its deployment is frequently constrained by strict data privacy regulations and the fragmentation of student records across independent organizational silos. This thesis proposes a Novel Institutional Federated Learning (FL) Framework designed to reconcile these conflicting demands, enabling collaborative, privacy-preserving dropout prediction without centralizing sensitive data. To systematize the design space of early-warning modeling, the thesis introduces two taxonomies: (i) dropout prediction strategies organized into admission-, enrollment-, and course-milestone perspectives, and (ii) feature sources structured into general, historical, and current academic contexts. The empirical study leverages a large longitudinal dataset from the University of Coimbra (2010-2023), comprising over one million course enrollments. A key methodological contribution is the statistical validation of course-level exam non-attendance as a robust proxy for program attrition, establishing a scalable target for early warning systems. The study benchmarks a diverse array of architectures, from tree-based ensembles to Deep Learning (DL) models augmented with Autoencoders for latent representation learning. Experimental results demonstrate that standard FL achieves predictive performance comparable to centralized baselines. Crucially, to address the statistical heterogeneity inherent in diverse faculties, a Personalized Federated Learning (PFL) strategy that utilizes Parameter Decoupling is proposed. By retaining personalized feature extractors locally while aggregating a global classifier, this approach significantly mitigates client drift, improving recall and stability across heterogeneous student populations. Finally, the thesis bridges the gap between algorithmic theory and pedagogical practice by integrating the framework into the OnBoard Platform, a Human-in-the-Loop Cyber-Physical System. This operationalization empowers educators with actionable, real-time risk assessments, validating the viability of FL as a scalable, privacy-compliant paradigm for enhancing student retention in Higher Education (HE).

O abandono escolar nas Instituições de Ensino Superior representa um desafio crítico com profundas implicações sociais e económicas. Embora a aprendizagem de máquina ofereça ferramentas poderosas para estratégias de retenção precoce, a sua implementação é frequentemente barrada por regulamentos rigorosos de proteção de dados e pela fragmentação dos registos dos estudantes em silos organizacionais independentes. Esta tese propõe um novo Framework Institucional de Aprendizagem Federada, concebido para conciliar estas exigências conflituantes, permitindo a previsão colaborativa do abandono escolar, sem centralizar dados sensíveis e, ao mesmo tempo, preservar a privacidade dos dados. Para sistematizar o contexto teórico da modelação de aviso prévio, a tese introduz duas taxonomias: (i) estratégias de previsão de abandono organizadas em perspetivas de admissão, inscrição e marcos da unidade curricular; e (ii) fontes de características, estruturadas em contextos académicos gerais, históricos e atuais. O estudo empírico alavanca um grande conjunto de dados longitudinais da Universidade de Coimbra (2010-2023), que abrange mais de um milhão de inscrições em unidades curriculares. Uma contribuição metodológica-chave é a validação estatística do abandono estudantil a exames no nível da unidade curricular, com base no registro de presenças, como indicador robusto do abandono do ciclo de estudos, estabelecendo um alvo escalável para sistemas de aviso prévio. O estudo avalia um conjunto diversificado de arquiteturas, desde ensembles baseados em árvores até modelos de aprendizagem profunda ampliados com Autoencoders para a aprendizagem de representações latentes. Os resultados experimentais demonstram que a Aprendizagem Federada padrão atinge um desempenho preditivo comparável ao dos modelos de referência centralizados. Crucialmente, para abordar a heterogeneidade estatística inerente às diversas faculdades, propõe-se uma estratégia de PFL que utiliza o desacoplamento de parâmetros. Ao manter extratores de características personalizados localmente enquanto agrega um classificador global, esta abordagem mitiga significativamente o desvio do cliente (client drift), melhorando a sensibilidade (recall) e a estabilidade ao longo de populações de estudantes heterogéneas. Finalmente, a tese preenche a lacuna entre a teoria algorítmica e a prática pedagógica integrando a framework na Plataforma OnBoard, um Sistema Ciber-Físico com o Humano no Ciclo. Esta operacionalização capacita os educadores com avaliações de risco acionáveis e em tempo real, validando a viabilidade da Aprendizagem Federada como um paradigma escalável e compatível com a privacidade para potenciar a retenção de estudantes no ensino superior