Collection and predictive analysis of student data

V posledních letech, vysokoškolské instituce čelí problému vysokého počtu studentů, kteří nedokončí studium. Paralelně dochází k rozmachu využití ICT technologií ve výuce a využívání různých online systémů výuky Tyto systémy ukládají informace o studentech a ty pak mohou být dále analyzována. Tato práce prezentuje výsledky řešení problému retence studentů prvního ročníku na Fakultě strojní (FS), Českého vysokého učení technického v Praze. Pro analýzu byla použita data z informačního systému KOS kombinovaná s informacemi o docházce a výsledcích semestrálních testů studentů. Pro zjednodušení evidence docházky učitelem byla vytvořena webová aplikace - *Seminarist*. Výsledky analýzy metodami strojového učení byly komunikovány zpět zaměstnancům strojní fakulty, kde byly použity pro identifikaci studentů, kteří mohou mít problémy se studiem. Pro snadnější a rychlejší přístup k výsledkům analýzy byl vytvořen online nástoj - *Analyst*. FS následně reportovala zlepšení retence studentů prvního ročníku.In past decade, the higher education institutions face the problem of low student retention. At the same time, the education has become digitalized as various ICT systems such as Virtual Learning Environments have been employed. These systems collect a student-related data, which can be further analysed. This thesis presents results achieved when solving a task of identification first-year engineering students at risk of failing their studies at Faculty of Mechanical Engineering (FME), Czech Technical University in Prague (CTU). For the analysis, data from CTU study information system KOS combined with the records of student attendance and in-semester tests have been used. Additionally, web application - Seminarist, has been implemented to provide lecturers with a comfortable way of a collection of the student attendance and results. The collected data has been analysed using machine learning methods, and the results have been communicated back to FME lecturers, to help them identify those students, who may gain from an early help. To provide FME staff convenient way of accessing analysis results, web application - Analyst has been created. The FME reported improvement of the retention rate in the first study year