Leveraging Metaheuristic Optimized Classifier Exploitability to Detect and Understand Student Dropout/Iskorištavanje metaheuristički optimizirane iskoristivosti klasifikatora za otkrivanje i razumijevanje ispisivanja studenata

Abstract Education is crucial for social progress, fostering knowledge, skills, and cognitive development, and is closely linked to long-term economic growth. By enhancing the general knowledge and skills of the population, education fuels innovation and the adoption of new ideas, making human capital a key driver of economic development. A well-educated workforce significantly contributes to research and development, integrating innovations into production and promoting economic growth. Despite extensive research, maintaining high enrolment and low dropout rates remains challenging. The potential of artificial intelligence (AI) in addressing this issue is underexplored. This work aims to fill this gap by leveraging metaheuristic optimized deep neural networks to detect students at risk of dropping out. A modified version of the firefly algorithm (FA) is introduced specifically to meet the demands of this optimization. Additionally, explainable AI (XAI) techniques are employed to better understand the factors influencing student decisions, thereby aiding in the formulation of effective retention policies. The introduced methodology is evaluated on a realworld dataset, with the best models achieving an accuracy exceeding 82% for dropout detection. Key words: Academia; Deep Neural Networks; Explainable Artificial Intelligence; Firefly Algorithm; Legal regulation and Ethical Principles---Sažetak Obrazovanje je ključno za društveni napredak, poticanje znanja, vještina i kognitivnoga razvoja te je usko povezano s dugoročnim ekonomskim rastom. Povećanjem općega znanja i vještina stanovništva, obrazovanje potiče inovacije i usvajanje novih ideja, čineći ljudski kapital ključnim pokretačem gospodarskoga razvoja. Dobro obrazovana radna snaga značajno doprinosi istraživanju i razvoju, integrirajući inovacije u proizvodne procese i potičući ekonomski rast. Unatoč opsežnim istraživanjima, održavanje visoke stope upisa i niske stope ispisivanja studenata ostaje izazov. Potencijal umjetne inteligencije (AI) u rješavanju ovoga problema još uvijek nije dovoljno istražen. Ovim radom nastoji se popuniti ta praznina koristeći metaheuristički optimizirane duboke neuronske mreže za otkrivanje studenata koji su u riziku od ispisivanja. U tu svrhu, predstavljena je modificirana verzija algoritma krijesnica (FA) kako bi se zadovoljili specifični zahtjevi optimizacije. Dodatno, tehnike objašnjive umjetne inteligencije (XAI) koriste se za bolje razumijevanje čimbenika koji utječu na odluke studenata, čime se olakšava formuliranje učinkovitih strategija zadržavanja studenata. Predložena metodologija evaluirana je na stvarnom skupu podataka, pri čemu su najbolji modeli postigli točnost veću od 82 % u predviđanju ispisivanja studenata. Ključne riječi: akademska zajednica; algoritam krijesnica; duboke neuronske mreže; objašnjiva umjetna inteligencija; pravna regulativa i etička načela