{"id":{"repo_id":"corvinus","oai_identifier":"oai:phd.lib.uni-corvinus.hu:1300"},"canonical_url":"https://search.dev.ndltd.org/etd/corvinus/oai:phd.lib.uni-corvinus.hu:1300","repository":{"repo_id":"corvinus","name":"Corvinus University of Budapest","base_url":"http://phd.lib.uni-corvinus.hu/cgi/oai2"},"display":{"title":"Predikciós-modellalkotás a hallgatói lemorzsolódás korai azonosítása érdekében a felsőoktatási intézményekben elérhető adatok alapján","abstract":"Az értekezés a hazai felsőoktatásra jellemző magas lemorzsolódási aránnyal kapcsolatos diskurzusba kapcsolódik be adatbányász módszertan alkalmazásával. Az értékezés alaptézise, hogy a hallgatói lemorzsolódás hatékony csökkentése érdekében idejekorán szükséges azonosítani a végzés nélküli képzéselhagyásban veszélyeztetett hallgatókat annak érdekében, hogy az intézmények által egyébként egyre szélesebb körben kínált prevenciós szolgáltatások ténylegesen azon hallgatók körében hasznosuljanak, akiknek erre szüksége van. Ez a célkitűzés kapcsolódik a hazai és nemzetközi lemorzsolódás kutatások eredményeihez. A hazai kutatások egyrészt megerősítik, hogy a kutatási területet megalapozó elméleti modellek (Tinto 1975; Bean 1982; Cabrera et al. 1993; Bennett 2003) ma is érvényesek hazánkban, másrészt az empirikus eredményekből jól látható, hogy a gyors beavatkozás a képzési területtől függetlenül is kulcsfontosságú, hiszen a második aktív félév végére már a hallgatók túlnyomó többségének eldől a lemorzsolódást érintő sorsa (Demcsákné 2016; Keller 2020). A kortárs nemzetközi eredmények – néhány magyar úttörő munkával együtt (Nagy-Molontay 2018) – jelzik, hogy az EDM (educational data-mining) módszertanok társadalomtudományi megközelítésű használata új lendületet ad a kutatási területnek és magas megbízhatóságú empirikus eredményekkel segít a felsőoktatás esetleges diszfunkcióinak mérséklésében (Hellas et al. 2018). Az értekezés a szakirodalmi előzményekre építve az alábbi három célkitűzésnek igyekszik eleget tenni: 1. A lemorzsolódás előrejelzését olyan adathalmazokon valósítja meg, amelyek a felsőoktatási intézményekben gazdaságos módon elérhetőek. 2. Olyan adatköröket használ a lemorzsolódás előrejelzésére, amelyek már idejekorán, az első tanulmányi évben rendelkezésre állnak. 3. Az így létrehozott becslési módszertant a társadalomtudományi elmélethez köti, amely egyrészt támogatja az intézményi felhasználást, különösen a beavatkozás tervezésére tekintettel, másrészt irányt mutat a modellek fejlesztési lehetőségeivel kapcsolatban. Ezeknek a céloknak az együttes elérése érdekében túlélési analízis (survival analysis) módszertanra épülő modellezést alkalmaz az értekezés. A modellépítésre szolgáló tanuló-minta egy magyarországi felsőoktatási intézmény 2016/17. őszén induló évfolyamának nappali munkarendben, alapképzési szinten tanuló hallgatóit tartalmazza. A modell validálására szolgáló tesztminta egyetlen eltérése a fent leírtakhoz képest, hogy a rákövetkező tanév, tehát 2017/18. őszén induló képzések hallgatóit tartalmazza. Ennek megfelelően mindkét minta – néhány technikai szűkítéstől eltekintve – teljeskörű (Nt=1860; Nv=1935). Az adatbázisban elérhetők a 2016/17-es tanév első félévében beiratkozó, valamint a következő év szeptemberében tanulmányaikat elkezdő hallgatóknak az adatai. Ezeket két külön mintaként kezeli az értekezés, tulajdonképpen szimulálva azt a helyzetet, hogy egy ismert évfolyam lemorzsolódási adataira építve egy intézmény mekkora sikerességgel tudna egy másik évfolyam tagjainak lemorzsolódási valószínűségére becslést adni. A tanuló-minta eseteinek a Neptun rendszerből, a Gólya adatbázisból, valamint a Hallgatói Önkormányzatnál elérhető adatai kerültek felhasználásra a modellépítéshez. A Cox-féle proporcionális regresszió módszerével négy becslőmodell került kidolgozásra. Kettőnél az adott évfolyam első félév elején rendelkezésre álló, míg a másik kettőnél a második félév elején rendelkezésre álló adatokat használja az értekezés a lemorzsolódás valószínűségének meghatározására. Félévenként készült egy az egész hallgatói sokaságot összevontan kezelő modell, valamint egy a képzési területenként külön illesztett modell összesítésére épülő becslés is. A modellezés eredményei igazolják, hogy a tanulmányi rendszerre épülő korai jelzőrendszer megvalósítható a túlélés analízis jól interpretálható eszközkészletének segítségével. Az interpretálhatóság nemcsak az egyes magyarázó változók hatásának Kaplan-Meier görbékre épülő grafikus leírásával, hanem a társadalomtudományi elméleti alapokhoz való kapcsolással is erősíthető. A társadalomtudományi elméleti háttér és az adatbányász módszer összekapcsolása új lehetőségeket nyit ki a lemorzsolódás korai azonosításában, hiszen az elméleti megállapításokat szem előtt tartva akár új adatforrásokkal is bővíthetők az intézmények által gyűjtött adatkörök. Az értekezés számos fejlesztési és további kutatási lehetőséget is feltár a becslési pontosság, így az alkalmazhatóság javítására. Ugyanakkor már most elmondható, hogy mind a négy modell teljesítménye alkalmazható lenne bizonyos beavatkozások tervezésére, noha igazán magas találati eredményeket a második félév adataira épülő modellek eredményeznek. A képzési területenként illesztett modell a teszt minta lemorzsolódóinak 71%-át képes helyesen azonosítani.","abstract_html":"Az értekezés a hazai felsőoktatásra jellemző magas lemorzsolódási aránnyal kapcsolatos diskurzusba kapcsolódik be adatbányász módszertan alkalmazásával. Az értékezés alaptézise, hogy a hallgatói lemorzsolódás hatékony csökkentése érdekében idejekorán szükséges azonosítani a végzés nélküli képzéselhagyásban veszélyeztetett hallgatókat annak érdekében, hogy az intézmények által egyébként egyre szélesebb körben kínált prevenciós szolgáltatások ténylegesen azon hallgatók körében hasznosuljanak, akiknek erre szüksége van. Ez a célkitűzés kapcsolódik a hazai és nemzetközi lemorzsolódás kutatások eredményeihez. A hazai kutatások egyrészt megerősítik, hogy a kutatási területet megalapozó elméleti modellek (Tinto 1975; Bean 1982; Cabrera et al. 1993; Bennett 2003) ma is érvényesek hazánkban, másrészt az empirikus eredményekből jól látható, hogy a gyors beavatkozás a képzési területtől függetlenül is kulcsfontosságú, hiszen a második aktív félév végére már a hallgatók túlnyomó többségének eldől a lemorzsolódást érintő sorsa (Demcsákné 2016; Keller 2020). A kortárs nemzetközi eredmények – néhány magyar úttörő munkával együtt (Nagy-Molontay 2018) – jelzik, hogy az EDM (educational data-mining) módszertanok társadalomtudományi megközelítésű használata új lendületet ad a kutatási területnek és magas megbízhatóságú empirikus eredményekkel segít a felsőoktatás esetleges diszfunkcióinak mérséklésében (Hellas et al. 2018). Az értekezés a szakirodalmi előzményekre építve az alábbi három célkitűzésnek igyekszik eleget tenni: 1. A lemorzsolódás előrejelzését olyan adathalmazokon valósítja meg, amelyek a felsőoktatási intézményekben gazdaságos módon elérhetőek. 2. Olyan adatköröket használ a lemorzsolódás előrejelzésére, amelyek már idejekorán, az első tanulmányi évben rendelkezésre állnak. 3. Az így létrehozott becslési módszertant a társadalomtudományi elmélethez köti, amely egyrészt támogatja az intézményi felhasználást, különösen a beavatkozás tervezésére tekintettel, másrészt irányt mutat a modellek fejlesztési lehetőségeivel kapcsolatban. Ezeknek a céloknak az együttes elérése érdekében túlélési analízis (survival analysis) módszertanra épülő modellezést alkalmaz az értekezés. A modellépítésre szolgáló tanuló-minta egy magyarországi felsőoktatási intézmény 2016/17. őszén induló évfolyamának nappali munkarendben, alapképzési szinten tanuló hallgatóit tartalmazza. A modell validálására szolgáló tesztminta egyetlen eltérése a fent leírtakhoz képest, hogy a rákövetkező tanév, tehát 2017/18. őszén induló képzések hallgatóit tartalmazza. Ennek megfelelően mindkét minta – néhány technikai szűkítéstől eltekintve – teljeskörű (Nt=1860; Nv=1935). Az adatbázisban elérhetők a 2016/17-es tanév első félévében beiratkozó, valamint a következő év szeptemberében tanulmányaikat elkezdő hallgatóknak az adatai. Ezeket két külön mintaként kezeli az értekezés, tulajdonképpen szimulálva azt a helyzetet, hogy egy ismert évfolyam lemorzsolódási adataira építve egy intézmény mekkora sikerességgel tudna egy másik évfolyam tagjainak lemorzsolódási valószínűségére becslést adni. A tanuló-minta eseteinek a Neptun rendszerből, a Gólya adatbázisból, valamint a Hallgatói Önkormányzatnál elérhető adatai kerültek felhasználásra a modellépítéshez. A Cox-féle proporcionális regresszió módszerével négy becslőmodell került kidolgozásra. Kettőnél az adott évfolyam első félév elején rendelkezésre álló, míg a másik kettőnél a második félév elején rendelkezésre álló adatokat használja az értekezés a lemorzsolódás valószínűségének meghatározására. Félévenként készült egy az egész hallgatói sokaságot összevontan kezelő modell, valamint egy a képzési területenként külön illesztett modell összesítésére épülő becslés is. A modellezés eredményei igazolják, hogy a tanulmányi rendszerre épülő korai jelzőrendszer megvalósítható a túlélés analízis jól interpretálható eszközkészletének segítségével. Az interpretálhatóság nemcsak az egyes magyarázó változók hatásának Kaplan-Meier görbékre épülő grafikus leírásával, hanem a társadalomtudományi elméleti alapokhoz való kapcsolással is erősíthető. A társadalomtudományi elméleti háttér és az adatbányász módszer összekapcsolása új lehetőségeket nyit ki a lemorzsolódás korai azonosításában, hiszen az elméleti megállapításokat szem előtt tartva akár új adatforrásokkal is bővíthetők az intézmények által gyűjtött adatkörök. Az értekezés számos fejlesztési és további kutatási lehetőséget is feltár a becslési pontosság, így az alkalmazhatóság javítására. Ugyanakkor már most elmondható, hogy mind a négy modell teljesítménye alkalmazható lenne bizonyos beavatkozások tervezésére, noha igazán magas találati eredményeket a második félév adataira épülő modellek eredményeznek. A képzési területenként illesztett modell a teszt minta lemorzsolódóinak 71%-át képes helyesen azonosítani.","abstract_has_math":false,"creators":["Duráczky, Bálint"],"institution":"Budapesti Corvinus Egyetem","degree_name":"phd","degree_level":"doctoral","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023-06","date_published":"2023-06","updated_at":"2026-07-24T01:49:44Z","subjects":["Oktatás","Szociológia"],"languages":["hu","en"],"rights":[],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Duráczky, Bálint"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023-06-27"]},{"key":"dc:date.issued","label":"Date","values":["2023-06"]},{"key":"dc:publisher.department","label":"Dc Publisher Department","values":["Szociológia- és Kommunikációtudományi Doktori Iskola"]},{"key":"dc:publisher.institution","label":"Dc Publisher Institution","values":["Budapesti Corvinus Egyetem"]},{"key":"dc:relation.isreferencedby","label":"Dc Relation Isreferencedby","values":["https://phd.lib.uni-corvinus.hu/1300/"]},{"key":"dc:type","label":"Dc Type","values":["Disszertáció"]},{"key":"dc:type.qualificationlevel","label":"Dc Type Qualificationlevel","values":["doctoral"]},{"key":"dc:type.qualificationname","label":"Dc Type Qualificationname","values":["phd"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Oktatás","Szociológia"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["hu","en"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://phd.lib.uni-corvinus.hu/1300/1/Duraczky_Balint_dhu.pdf","https://phd.lib.uni-corvinus.hu/1300/2/Duraczky_Balint_thu.pdf","https://phd.lib.uni-corvinus.hu/1300/3/Duraczky_Balint_ten.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Az értekezés a hazai felsőoktatásra jellemző magas lemorzsolódási aránnyal kapcsolatos diskurzusba kapcsolódik be adatbányász módszertan alkalmazásával. Az értékezés alaptézise, hogy a hallgatói lemorzsolódás hatékony csökkentése érdekében idejekorán szükséges azonosítani a végzés nélküli képzéselhagyásban veszélyeztetett hallgatókat annak érdekében, hogy az intézmények által egyébként egyre szélesebb körben kínált prevenciós szolgáltatások ténylegesen azon hallgatók körében hasznosuljanak, akiknek erre szüksége van. Ez a célkitűzés kapcsolódik a hazai és nemzetközi lemorzsolódás kutatások eredményeihez. A hazai kutatások egyrészt megerősítik, hogy a kutatási területet megalapozó elméleti modellek (Tinto 1975; Bean 1982; Cabrera et al. 1993; Bennett 2003) ma is érvényesek hazánkban, másrészt az empirikus eredményekből jól látható, hogy a gyors beavatkozás a képzési területtől függetlenül is kulcsfontosságú, hiszen a második aktív félév végére már a hallgatók túlnyomó többségének eldől a lemorzsolódást érintő sorsa (Demcsákné 2016; Keller 2020). A kortárs nemzetközi eredmények – néhány magyar úttörő munkával együtt (Nagy-Molontay 2018) – jelzik, hogy az EDM (educational data-mining) módszertanok társadalomtudományi megközelítésű használata új lendületet ad a kutatási területnek és magas megbízhatóságú empirikus eredményekkel segít a felsőoktatás esetleges diszfunkcióinak mérséklésében (Hellas et al. 2018). Az értekezés a szakirodalmi előzményekre építve az alábbi három célkitűzésnek igyekszik eleget tenni: 1. A lemorzsolódás előrejelzését olyan adathalmazokon valósítja meg, amelyek a felsőoktatási intézményekben gazdaságos módon elérhetőek. 2. Olyan adatköröket használ a lemorzsolódás előrejelzésére, amelyek már idejekorán, az első tanulmányi évben rendelkezésre állnak. 3. Az így létrehozott becslési módszertant a társadalomtudományi elmélethez köti, amely egyrészt támogatja az intézményi felhasználást, különösen a beavatkozás tervezésére tekintettel, másrészt irányt mutat a modellek fejlesztési lehetőségeivel kapcsolatban. Ezeknek a céloknak az együttes elérése érdekében túlélési analízis (survival analysis) módszertanra épülő modellezést alkalmaz az értekezés. A modellépítésre szolgáló tanuló-minta egy magyarországi felsőoktatási intézmény 2016/17. őszén induló évfolyamának nappali munkarendben, alapképzési szinten tanuló hallgatóit tartalmazza. A modell validálására szolgáló tesztminta egyetlen eltérése a fent leírtakhoz képest, hogy a rákövetkező tanév, tehát 2017/18. őszén induló képzések hallgatóit tartalmazza. Ennek megfelelően mindkét minta – néhány technikai szűkítéstől eltekintve – teljeskörű (Nt=1860; Nv=1935). Az adatbázisban elérhetők a 2016/17-es tanév első félévében beiratkozó, valamint a következő év szeptemberében tanulmányaikat elkezdő hallgatóknak az adatai. Ezeket két külön mintaként kezeli az értekezés, tulajdonképpen szimulálva azt a helyzetet, hogy egy ismert évfolyam lemorzsolódási adataira építve egy intézmény mekkora sikerességgel tudna egy másik évfolyam tagjainak lemorzsolódási valószínűségére becslést adni. A tanuló-minta eseteinek a Neptun rendszerből, a Gólya adatbázisból, valamint a Hallgatói Önkormányzatnál elérhető adatai kerültek felhasználásra a modellépítéshez. A Cox-féle proporcionális regresszió módszerével négy becslőmodell került kidolgozásra. Kettőnél az adott évfolyam első félév elején rendelkezésre álló, míg a másik kettőnél a második félév elején rendelkezésre álló adatokat használja az értekezés a lemorzsolódás valószínűségének meghatározására. Félévenként készült egy az egész hallgatói sokaságot összevontan kezelő modell, valamint egy a képzési területenként külön illesztett modell összesítésére épülő becslés is. A modellezés eredményei igazolják, hogy a tanulmányi rendszerre épülő korai jelzőrendszer megvalósítható a túlélés analízis jól interpretálható eszközkészletének segítségével. Az interpretálhatóság nemcsak az egyes magyarázó változók hatásának Kaplan-Meier görbékre épülő grafikus leírásával, hanem a társadalomtudományi elméleti alapokhoz való kapcsolással is erősíthető. A társadalomtudományi elméleti háttér és az adatbányász módszer összekapcsolása új lehetőségeket nyit ki a lemorzsolódás korai azonosításában, hiszen az elméleti megállapításokat szem előtt tartva akár új adatforrásokkal is bővíthetők az intézmények által gyűjtött adatkörök. Az értekezés számos fejlesztési és további kutatási lehetőséget is feltár a becslési pontosság, így az alkalmazhatóság javítására. Ugyanakkor már most elmondható, hogy mind a négy modell teljesítménye alkalmazható lenne bizonyos beavatkozások tervezésére, noha igazán magas találati eredményeket a második félév adataira épülő modellek eredményeznek. A képzési területenként illesztett modell a teszt minta lemorzsolódóinak 71%-át képes helyesen azonosítani."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Predikciós-modellalkotás a hallgatói lemorzsolódás korai azonosítása érdekében a felsőoktatási intézményekben elérhető adatok alapján"]}]}],"canonical_facts":{"dc:creator":["Duráczky, Bálint"],"dc:date":["2023-06-27"],"dc:date.issued":["2023-06"],"dc:description.abstract":["Az értekezés a hazai felsőoktatásra jellemző magas lemorzsolódási aránnyal kapcsolatos diskurzusba kapcsolódik be adatbányász módszertan alkalmazásával. Az értékezés alaptézise, hogy a hallgatói lemorzsolódás hatékony csökkentése érdekében idejekorán szükséges azonosítani a végzés nélküli képzéselhagyásban veszélyeztetett hallgatókat annak érdekében, hogy az intézmények által egyébként egyre szélesebb körben kínált prevenciós szolgáltatások ténylegesen azon hallgatók körében hasznosuljanak, akiknek erre szüksége van. Ez a célkitűzés kapcsolódik a hazai és nemzetközi lemorzsolódás kutatások eredményeihez. A hazai kutatások egyrészt megerősítik, hogy a kutatási területet megalapozó elméleti modellek (Tinto 1975; Bean 1982; Cabrera et al. 1993; Bennett 2003) ma is érvényesek hazánkban, másrészt az empirikus eredményekből jól látható, hogy a gyors beavatkozás a képzési területtől függetlenül is kulcsfontosságú, hiszen a második aktív félév végére már a hallgatók túlnyomó többségének eldől a lemorzsolódást érintő sorsa (Demcsákné 2016; Keller 2020). A kortárs nemzetközi eredmények – néhány magyar úttörő munkával együtt (Nagy-Molontay 2018) – jelzik, hogy az EDM (educational data-mining) módszertanok társadalomtudományi megközelítésű használata új lendületet ad a kutatási területnek és magas megbízhatóságú empirikus eredményekkel segít a felsőoktatás esetleges diszfunkcióinak mérséklésében (Hellas et al. 2018). Az értekezés a szakirodalmi előzményekre építve az alábbi három célkitűzésnek igyekszik eleget tenni: 1. A lemorzsolódás előrejelzését olyan adathalmazokon valósítja meg, amelyek a felsőoktatási intézményekben gazdaságos módon elérhetőek. 2. Olyan adatköröket használ a lemorzsolódás előrejelzésére, amelyek már idejekorán, az első tanulmányi évben rendelkezésre állnak. 3. Az így létrehozott becslési módszertant a társadalomtudományi elmélethez köti, amely egyrészt támogatja az intézményi felhasználást, különösen a beavatkozás tervezésére tekintettel, másrészt irányt mutat a modellek fejlesztési lehetőségeivel kapcsolatban. Ezeknek a céloknak az együttes elérése érdekében túlélési analízis (survival analysis) módszertanra épülő modellezést alkalmaz az értekezés. A modellépítésre szolgáló tanuló-minta egy magyarországi felsőoktatási intézmény 2016/17. őszén induló évfolyamának nappali munkarendben, alapképzési szinten tanuló hallgatóit tartalmazza. A modell validálására szolgáló tesztminta egyetlen eltérése a fent leírtakhoz képest, hogy a rákövetkező tanév, tehát 2017/18. őszén induló képzések hallgatóit tartalmazza. Ennek megfelelően mindkét minta – néhány technikai szűkítéstől eltekintve – teljeskörű (Nt=1860; Nv=1935). Az adatbázisban elérhetők a 2016/17-es tanév első félévében beiratkozó, valamint a következő év szeptemberében tanulmányaikat elkezdő hallgatóknak az adatai. Ezeket két külön mintaként kezeli az értekezés, tulajdonképpen szimulálva azt a helyzetet, hogy egy ismert évfolyam lemorzsolódási adataira építve egy intézmény mekkora sikerességgel tudna egy másik évfolyam tagjainak lemorzsolódási valószínűségére becslést adni. A tanuló-minta eseteinek a Neptun rendszerből, a Gólya adatbázisból, valamint a Hallgatói Önkormányzatnál elérhető adatai kerültek felhasználásra a modellépítéshez. A Cox-féle proporcionális regresszió módszerével négy becslőmodell került kidolgozásra. Kettőnél az adott évfolyam első félév elején rendelkezésre álló, míg a másik kettőnél a második félév elején rendelkezésre álló adatokat használja az értekezés a lemorzsolódás valószínűségének meghatározására. Félévenként készült egy az egész hallgatói sokaságot összevontan kezelő modell, valamint egy a képzési területenként külön illesztett modell összesítésére épülő becslés is. A modellezés eredményei igazolják, hogy a tanulmányi rendszerre épülő korai jelzőrendszer megvalósítható a túlélés analízis jól interpretálható eszközkészletének segítségével. Az interpretálhatóság nemcsak az egyes magyarázó változók hatásának Kaplan-Meier görbékre épülő grafikus leírásával, hanem a társadalomtudományi elméleti alapokhoz való kapcsolással is erősíthető. A társadalomtudományi elméleti háttér és az adatbányász módszer összekapcsolása új lehetőségeket nyit ki a lemorzsolódás korai azonosításában, hiszen az elméleti megállapításokat szem előtt tartva akár új adatforrásokkal is bővíthetők az intézmények által gyűjtött adatkörök. Az értekezés számos fejlesztési és további kutatási lehetőséget is feltár a becslési pontosság, így az alkalmazhatóság javítására. Ugyanakkor már most elmondható, hogy mind a négy modell teljesítménye alkalmazható lenne bizonyos beavatkozások tervezésére, noha igazán magas találati eredményeket a második félév adataira épülő modellek eredményeznek. A képzési területenként illesztett modell a teszt minta lemorzsolódóinak 71%-át képes helyesen azonosítani."],"dc:format":["application/pdf"],"dc:identifier.uri":["https://phd.lib.uni-corvinus.hu/1300/1/Duraczky_Balint_dhu.pdf","https://phd.lib.uni-corvinus.hu/1300/2/Duraczky_Balint_thu.pdf","https://phd.lib.uni-corvinus.hu/1300/3/Duraczky_Balint_ten.pdf"],"dc:language":["hu","en"],"dc:publisher.department":["Szociológia- és Kommunikációtudományi Doktori Iskola"],"dc:publisher.institution":["Budapesti Corvinus Egyetem"],"dc:relation.isreferencedby":["https://phd.lib.uni-corvinus.hu/1300/"],"dc:subject":["Oktatás","Szociológia"],"dc:title":["Predikciós-modellalkotás a hallgatói lemorzsolódás korai azonosítása érdekében a felsőoktatási intézményekben elérhető adatok alapján"],"dc:type":["Disszertáció"],"dc:type.qualificationlevel":["doctoral"],"dc:type.qualificationname":["phd"]},"updated_at":"2026-07-24T01:49:44Z"}