การทำนายความเสี่ยงทางการศึกษา (Academic Risk) มักประสบปัญหาเรื่องโมเดลที่เป็น 'กล่องดำ' ซึ่งยากต่อการที่ครูผู้สอนจะเชื่อถือและนำไปปรับปรุงการสอน งานวิจัยนี้นำเสนอ EduRiskX ซึ่งเป็นเฟรมเวิร์กแบบ Neuro-symbolic ที่รวมข้อดีของสองโลกเข้าด้วยกัน
ในส่วนของ 'Neural' ระบบใช้ Transformer ในการวิเคราะห์พฤติกรรมการเรียนรายสัปดาห์ ส่วน 'Symbolic' ใช้ F-Logic ซึ่งเป็นระบบกฎเกณฑ์ที่สร้างขึ้นจากทฤษฎีทางการศึกษาจริง เพื่อจำลองตรรกะการวินิจฉัยของครูที่เป็นมนุษย์ ผลลัพธ์ที่ได้จากทั้งสองส่วนจะถูกนำมาประมวลผลร่วมกันเพื่อให้ได้การทำนายที่ทั้งแม่นยำและมีเหตุผลประกอบ
จากการทดสอบกับชุดข้อมูล OULAD พบว่า EduRiskX สามารถทำนายความเสี่ยงได้ล่วงหน้าเฉลี่ยที่สัปดาห์ที่ 9 จากทั้งหมด 38 สัปดาห์ โดยมีความแม่นยำสูงถึง 90% และให้คำอธิบายที่เชื่อมโยงพฤติกรรมของนักเรียนเข้ากับทฤษฎีการเรียนรู้ ซึ่งช่วยให้การแทรกแซงและช่วยเหลือของสถาบันการศึกษามีประสิทธิภาพมากขึ้น
