Multilevel-multivariate and hurdle models to predict academic short-term performance through online admission test

This thesis investigates the effectiveness of university admission system and explores the factors that mainly influence the students' short-term performance by fitting suitable multilevel statistical models. Ultimately, the goal is to support the university in admission decision making. The analysis is performed on a set of students enrolled in Engineering bachelor courses at Politecnico di Milano. The initial focus has been posed to the admission online test (TOL), for which two alternative measures to efficiently summarize its information have been proposed. Then, predictive models to estimate first semester achievements are introduced. In particular, the number of credits (CFU) is modeled alone by means of ordinal models, and jointly with the grade point average (GPA) through Markov chain Monte Carlo techniques. Finally, the introduction of hurdle models provided insights into vulnerable student categories, highlighting the impact of factors such as timing of admission test and high school background. These findings underscore the importance of considering diverse factors in admission decisions and providing targeted support to students at risk.

Questa tesi investiga l'efficacia del sistema di ammissione universitario ed esplora i fattori che influenzano principalmente le performance a breve termine degli studenti mediante l'applicazione di adeguati modelli statistici multi-livello. L'obiettivo finale è supportare l'università nel processo decisionale di ammissione. L'analisi è condotta su un insieme di studenti iscritti ai corsi di laurea triennale in Ingegneria presso il Politecnico di Milano. Inizialmente, l'attenzione è stata rivolta al test online di ammissione (TOL), per il quale sono state proposte due misure alternative che sintetizzano efficacemente le sue informazioni. Successivamente, vengono introdotti modelli predittivi per stimare i risultati del primo semestre. In particolare, il numero di crediti (CFU) è modellato da solo tramite modelli ordinali, e congiuntamente alla media dei voti (GPA) attraverso tecniche di Markov chain Monte Carlo. Infine, l'introduzione dei modelli hurdle ha fornito informazioni sulle categorie di studenti più vulnerabili, evidenziando l'impatto di fattori come il momento in cui è stato sostenuto il test di ammissione e il background scolastico. Questi risultati sottolineano l'importanza di considerare diversi fattori durante il processo decisionale di ammissione e di fornire un supporto mirato agli studenti a rischio.