大学の履修・出席・成績・面談の記録から退学や休学のおそれを毎月見込み、学生支援の担当が声をかける順番と理由の候補を出す

処理の起点を決める

毎月第1営業日の朝6時に動かします。 教務の出席の集計と経理の納入の締めが前月末に終わり、その書き出しがそろった後の時刻にします。担当4名が朝から一覧を読み始められるよう、始業前に終えます。

見込む先は「次の学期の始まりまで」です。 2学期制なら、4月から9月の月は後期の始まりまで、10月から3月の月は翌年度の前期の始まりまでです。月ごとに見込む先の長さが変わるので、「残りの日数」を特徴に入れます。 3月の見込みと10月の見込みでは、同じ点数でも意味が違います。

学期の境目の月は、もう一度動かします。 4月と10月は、履修登録の締めの直後にも動かします。履修登録をしなかった学生、登録した単位が極端に少ない学生は、学期の初めにしか見えない変化です。 ここを月初の1回に任せると、1か月遅れます。

入力データを集める

質を決めるのは、在籍の状態の「日付」です。 退学・休学の届けが出た日が分からないと、「その月の時点で、次の学期の始まりまでに届けが出たか」という答えが作れません。教務システムの書き出しに、届けの受付日が入っているかを最初に確かめます。 学期の終わりの日付にまとめて記録している大学もあり、その場合は答えの粒度が粗くなります。

面談の記録は、区分と日付と回数だけを使います。 面談の中身（学生が話したこと）は使いません。中身には、家庭の事情や体調のことが書かれていることがあり、第13章のとおり、要配慮個人情報にあたる記述が混ざりうるからです。

学生相談室と保健管理センターの記録は、入力に含めません。 ここは第1章で書いたとおりで、データの取得元の一覧にも最初から載せません。

データの取得方法を決める

各システムの帳票の機能で、前月末時点の記録をCSVで書き出します。システムによって書き出しの方法と列の名前が違います。 API を持つものは定時に取りに行き、持たないものは書き出しを定時の設定にして、学生支援課だけが読める共有フォルダに置かれたファイルを読みます。

過去の分は「その月の時点で見えていた記録」で作ります。 いまの教務システムから過去の学期の成績を取ると、後から入った追試の結果や成績の訂正まで含まれます。 その月の時点では見えていなかった値で学ばせると、当たりすぎるモデルになり、本番では外れます。月末の書き出しを毎月保管しておき、それを過去の分に使います。 保管が無い期間は、学期の確定値で代え、その期間を記録に残します。

AIへ渡す前に整形する

1. 学籍番号でそろえる … 3つの部署の書き出しで桁と書式が違うので、教務システムの書式に直します。そろわなかった行は捨てず、件数を記録します
2. 対象外の学生を外す … 学籍の区分で、飛び入学の学生、科目等履修生、交換留学で受け入れている学生を外します。休学中の学生も、その期間は見込みの対象から外します
3. 修得単位の遅れを作る … 卒業要件の表から「この学年のこの時点で、標準なら修得している単位数」を出し、実際の修得単位との差を作ります。単位数そのものではなく、差を特徴にします
4. 出席の推移を作る … 直近4週の出席率と、その前の4週の出席率の差を作ります。下がり方を見ます。 出席率そのものは学部や授業の形式で大きく違うからです
5. 学費の動きを作る … 分納・延納の申請があったか、奨学金が止まったか、前の期から変わったかを0と1で作ります。金額は使いません
6. つながりの記録を作る … 前回の面談からの日数、来なかった呼び出しの回数、学修支援システムに直近2週ログインしていないかを作ります
7. 標準化する … 数値の特徴を、学部ごとの平均とばらつきで標準化します。係数と値を掛けた寄与を、記録どうしで比べられるようにするためです
8. 学ばせる組を作る … 過去の各月末の時点の特徴と、「次の学期の始まりまでに退学・休学・除籍の届けが出たか」を組にします

3番目で単位数そのものを使わないでください。 4年生の修得単位は1年生より必ず多く、そのまま入れると学年を見ているだけのモデルになります。卒業要件に対する遅れにすると、学年をまたいで比べられます。

8番目で、検証の分け方を年度で切ります。 同じ学生の別の月の組が、学ばせる側と確かめる側の両方に入ると、その学生を覚えているだけで当たります。 古い2年度で学ばせ、直近の1年度で確かめます。

AIに処理させる

させるのは、学生ごとに、次の学期の始まりまでに届けが出る確率を見込むことと、その確率を押し上げた記録を区分ごとに足し上げることだけです。 窓口の候補は、決めた規則で選びます。

右端の列が、担当が先に見る学生を決めます。 missing_data は、点数を押し上げたのが「出席の記録が無い」ことだった学生です。授業に出ていないのか、出席の仕組みの書き出しが漏れたのかは、記録だけでは区別できません。

4行目がいちばん大事です。 出席が急に落ちた学生の一部は、体調を崩しているかもしれません。しかし、それを記録から推し量って相談室へ回すのは、この構成の仕事ではありません。 担当が会って話を聞き、本人が望めばつなぎます。

指示内容を固定する

この構成は生成AIを使わないので、プロンプトの代わりに、モデルの設定と、寄与の足し上げ・窓口の選び方の規則を書いておきます。

【モデル】
- LogisticRegression(C=0.5, l1_ratio=0, class_weight="balanced", max_iter=2000)
  （l1_ratio=0 は L2 の正則化。penalty 引数は使わない）
- CalibratedClassifierCV(estimator=上記, method="sigmoid", cv=5)
- 学ばせる組：古い2年度の各月末の時点
- 確かめる組：直近1年度の各月末の時点
- 目的変数：次の学期の始まりまでに 退学・休学・除籍 の届けが受け付けられたか（1/0）

【特徴と区分】
- 学業：修得単位の遅れ、前の学期のGPA、GPAの前の学期からの差、
        履修の取り消しの数、不可の科目数、今学期の登録単位の少なさ
- 出席：直近4週の出席率の下がり方、欠席が続いた最長の週数、遅刻の増え方
- 経済：分納・延納の申請、奨学金の停止・休止、前の期からの変化
- つながり：前回の面談からの日数、来なかった呼び出しの回数、
            学修支援システムに直近2週ログインしていない
- 共通：次の学期の始まりまでの残りの日数、学部、学年

【寄与の足し上げ】
- 寄与 = 較正前のロジスティック回帰の係数 × 標準化した特徴の値
- 区分ごとに、正の寄与だけを足し上げる
- 共通の特徴は、どの区分にも足さない

【窓口の候補】
- 学業がいちばん大きい → 教務（アドバイザーの教員へのつなぎを含む）
- 経済がいちばん大きい → 奨学金・学費の窓口
- 出席・つながりがいちばん大きい → 学生支援課
- 1位と2位の差が 1位の2割未満 → mixed、学生支援課

【印を付ける条件】
- jump：前月から順位が 200位以上上がった
- unlisted：出席不良・成績不振・学費の未納の3つの一覧のどれにも載っていない
- new_student：入学して最初の学期で、成績の記録が無い
- missing_data：上位3つの理由に、欠損を埋めた値が入っている

「正の寄与だけを足し上げる」を書いておかないと、区分の合計が打ち消し合います。 出席は落ちているが成績は良い学生では、出席の区分の正の寄与と、学業の区分の負の寄与が並びます。学業の区分に負の寄与があっても、出席の区分の理由は消えません。 区分ごとに、押し上げた側だけを数えます。

寄与を較正前の係数で出すのは、較正が確率の目盛りを直すだけだからです。 較正の後の確率は順位を変えずに目盛りを直したもので、どの記録が押し上げたかは、較正前のロジスティック回帰の係数で読むのが素直です。 sigmoid の較正は確率の大小の並びを保つので、順位と寄与の説明が食い違いません。

出力形式を固定する

学生ごとに、次の形のJSONを作り、表にして共有フォルダへ置きます。

{
  "student_id": "",
  "faculty": "",
  "year": 0,
  "as_of": "",
  "horizon_end": "",
  "probability": 0.0,
  "rank": 0,
  "rank_prev": 0,
  "contrib_by_group": {
    "academic": 0.0, "attendance": 0.0, "financial": 0.0, "connection": 0.0
  },
  "top_reasons": [
    { "feature": "", "value": "", "contribution": 0.0 }
  ],
  "suggested_desk": "academic_affairs | financial_aid | student_support",
  "flags": ["jump | unlisted | new_student | missing_data | mixed"],
  "model_version": "",
  "staff_decision": { "contact": null, "desk": "", "reason": "" }
}

top_reasons には寄与の大きい順に3つの要素を並べます。value には、その学生の実際の値（「修得単位が標準より14単位少ない」「直近4週の出席率が前の4週より31ポイント低い」）を入れます。

1つ目の理由は、top_reasons に実際の値を入れられることです。 「修得単位の遅れ」と書くだけでは、担当は教務システムを開き直します。値まで書かれていれば、一覧を読むだけで判断できます。 第4章の①の3分が消えるのはここです。

2つ目は、suggested_desk と staff_decision.desk を分けて持てることです。 モデルの候補と、担当が決めた窓口が両方残ります。担当が候補を変えた学生を集めると、窓口の選び方の規則のどこが実態と合っていないかが見えます。

3つ目は、rank と rank_prev を並べられることです。 確率そのものより、前月から急に上がった学生のほうが声をかける意味が大きいことがあります。jump の印はこの2つから作ります。

システムへ連携する

各窓口への依頼は、担当が送ります。 依頼に書くのは、学生の氏名と学籍番号、そして窓口が対応するのに要る事実（「後期の学費を延納している」「修得単位が卒業要件に対して遅れている」）だけです。確率や順位は書きません。 窓口の職員が「退学のおそれの高い学生」という先入観で学生に会うと、話の入り方が変わります。

人が確認する

人が見るのは、一覧の上位と印の付いた学生だけです。 8,000名すべてを見る設計にはしません。

1. unlisted と jump を先に見る … どの一覧にも載っていなかった学生と、前月から急に上がった学生です。これまでの運用で見落としていた層なので、ここに時間を使います
2. 上位から理由を読む … top_reasons の値を読み、事情を知っていれば（留学から戻った、教育実習の期間だった）声をかけないと決めます
3. missing_data を確かめる … 出席の記録が無い学生は、出席の仕組みの側の漏れでないかを教務に確かめます
4. 窓口を決める … 候補のとおりでよければそのまま、変えたら staff_decision.reason に理由を書きます
5. 翌月、結果を書く … 会えた／会えない／届けが出た、を書き込みます

確認の量の目安は、600件をならして1件2分です。 上位と印の付いた学生は理由を読んで窓口を決めるので数分、それ以外の一覧の学生は流し見るので数十秒です。印の付く学生が多すぎる月は、出席の仕組みの書き出しが漏れているか、学期の境目で特徴の作り方がずれています。

例外に対処する

上から1行目を軽く見ないでください。 学費の記録の書き出しだけが届かなかった月に、前月の書き出しで代えると、今月に分納を申請した学生が見えません。 欠けた月は欠けたと知らせ、届いてから出し直します。

記録を残す

• 実行ごとに、読み込んだ書き出しのファイル名と書き出し日時、行数、そろわなかった行の数
• 学ばせたモデルの版（学ばせた年度、特徴の一覧、係数、C の値、較正の方法）
• 確かめる年度での外れ方（較正の曲線と、上位の何名に届けの出た学生が何名入っていたか）
• 学生ごとの出力のJSON（probability、contrib_by_group、top_reasons、flags）
• 担当の判断の記録（声をかけたか、窓口、変えた理由）
• 学期の終わりの、届けが出た学生と見込みの突き合わせ

外れ方は、較正の曲線で見ます。 scikit-learn の説明では、予測した確率を区間に分け、区間ごとに実際に届けが出た割合を並べる図で、確率が目盛りどおりかを確かめられます。「確率0.3と出た学生のうち、実際に3割前後に届けが出たか」を学期ごとに見ます。 目盛りがずれ始めたら、学ばせ直す時期です。

担当の判断の記録は、モデルより大事な資産になります。 声をかけた学生のうち、どの窓口につないだ学生が翌学期も在籍していたかは、この記録が無いと誰にも分かりません。 ただし、声をかけた結果で次のモデルを学ばせると、声かけが効いた学生を「届けが出なかった例」として覚えます。声をかけたかどうかを特徴の列に入れ、その影響を分けて見ます。