逾百萬學生資料研究：分區訓練AI，預測成績毋須集中原始紀錄

研究運用逾109萬名學生的考試資料，結合31項學業、教學及社會經濟因素，比較不同成績預測模型。分區訓練只交換模型更新，各區保留原始資料；個人化模型的整體預測表現略高於兩個集中訓練模型。過往成績的預測力最強，環境因素的影響則因地區而異。研究使用模擬分區資料，著重預測準確程度，未測試模型能否改善學生學習。