用好危机预测模型：把它当作干预的信号，而不是标签

危机学生预测模型是一件强大的工具。因为它能在同样的数据里，早早点出人眼容易漏掉的模式。只是同一个模型，结果怎么处理，既可能成药，也可能成负担。一旦老师开始只用"模型判定为流失风险高"这副眼光去看一个学生，预测就不再是帮助学生的信号，而会变成把未来锁死的标签。关键在于用模型但不被模型困住的运营方式。处理得好，预测就是最早伸出援手的起点。

使用预测模型时该想清楚的几点

以下是现场反复遇到的几个关口。知道了再用，和不知道就用，结果是不一样的。

1. 意识到它是把过去的模式搬到未来：模型是用过去的数据训练出来的。如果某种背景的学生在过去处于结构性的不利位置，模型就可能把那份不利当成事实固化下来并再生产。模型并不公正，它只是忠实于过去，所以结果需要经人过滤一遍再读。
2. 不要把概率读成断言："风险 70%"这个数字同时也意味着"30% 是没问题的"。可是传到老师那里，往往只剩"高风险学生"这么一个词的标签。需要训练自己把数字就当概率来接受。
3. 要求可解释的结果：说不清为什么判定为高风险的分数，既无法验证，也无法反驳。越是把依据一并给出的模型，越值得信赖和使用。

预测不是学生的命运，而是指向"我们可以在哪里介入"的箭头。顺着那支箭头早点伸手，正是使用模型的理由。

把模型接到帮助上的运营原则

同一个模型，运营方式不同，效果也就分了岔。守住下面这些原则，预测就会成为最精准的早期干预工具。

• 不看分数，要连依据一起看：像"出勤良好，但作业完成度连续 3 周骤降"这样，看得见理由，干预才会准。只看分数，剩下的只有一团模糊的不安。
• 不要把风险分类结果原封不动地通知学生本人。干预应当以安静的支持的形式出现，而不是以标签的形式出现。"你属于高风险群"这句话帮不上忙。
• 定期对模型结果做事后验证。追踪被划入高风险的学生后来实际怎么样了，以此检查模型的准确度。经过验证的模型，下一次预测会更精细。
• 最终判断永远由人来做，责任也由人来担。模型只是提出意见，并不做决定。

尤其是在教师办公室里共享风险分数时，请注意措辞。"3 号学生是高风险群"和"3 号学生最近作业完成度下降了，咱们看一看吧"，这两句话出自同一份数据，但投向学生的目光完全不同。前一种说法把学生钉死了，后一种说法指向的是情况。处理数据时用的语言，就是对待学生的态度。模型再准，转述结果的那个人的一句话，也会分出帮助与标签的差别。

要点整理

预测模型的价值不在准确度本身，而是在 处理这份结果的人的态度 中才得以完成。不把概率读成断言，连依据一起看，把结果接到安静的支持而非指责上，预测就会成为最早启动帮助的强力工具。模型只是告诉我们该先帮谁，而把那个信号化作温暖的干预，终究是老师的分内之事。