辍学风险与早期预警
学生的学习参与信号、一个逐维度展示计算过程的辍学风险分，以及始终附带生成依据的预警。数据缺失时，界面会直说，而不是编造一个数字。属于教育行业方案，可选，管理员开启前默认关闭。
教育页面新增“辍学风险与早期预警”板块：每名学生的学习参与信号、基于六个维度计算的风险分，以及团队要处理的预警列表。
风险分会展示自己的计算过程
辍学风险不是凭空出现的数字。它是六个维度的加权平均：学习参与、学业、费用、关系、材料，以及出勤与行为。对每名学生，界面会显示各维度自身的分数、它在模型中的权重，以及总分中有多少来自它。各维度的贡献相加恰好等于所显示的总分，中间没有任何隐藏。
与这个数字一同保存的，还有产生它的模型版本、喂给每个维度的输入数据，以及那次计算所用的权重。正因如此，几个月后仍能回答：那一周这名学生为什么处于高风险。
分数越高，风险越高。区间为低、中等、高、危急。
没有数据的维度不会被填补
这是本页面最重要的一条规则，值得慢慢读。当某个维度对该学生没有数据时，它不会以零参与计算，也不会用其他学生的平均值代替。它会被排除在外，在“没有数据的维度”列表中具名出现，并附上原因和它本该拥有的权重，同时模型覆盖度下降。
原因很简单：零意味着“我们测量过，完全没有风险”。在没有测量的地方写下零，等于把无知包装成好消息；而无法被衡量的学生，恰恰是学校最该主动接触的那一位。
当六个维度都没有数据时，就没有分数。界面会显示“无数据”并给出说明，而不是摆出一个令人安心的零。数据库本身也会拒绝在这种情况下保存数字。
没有学习平台时，分数含金量更低，并会明说
学习参与是预测辍学最有效的维度，它依赖贵校关于登录、作业提交和平台停留时长的信号。如果你尚未连接任何学习平台，也没有导入信号，风险分仍会用其余五个维度计算，但含金量更低；界面会持续提示这一点，而不是把它藏起来。
这是刻意为之。一个坦白自身局限的保守数字，胜过一个建立在空洞之上的自信数字。
如何导入学习参与信号
你可以粘贴一份文件，按学生和周期各汇总成一行：多少次登录、多少分钟、多少次提交、多少次缺勤。列为 person_ref、signal_type、value、unit、occurred_at 和 course_ref。学生标识可以是系统中的人员 id，也可以是已登记的邮箱。
这些是汇总后的信号，绝不是逐次点击：目的是跟进行为，而不是监视浏览。重复上传同一份文件不会产生重复数据，因此可以放心重来。
任何未匹配到学生的标识都会在界面上原样返回，并列出未导入的内容。系统不会靠猜测创建数据，也不会让任何东西悄无声息地消失。
界面读取的始终是汇总数据，旁边会显示它的生成时间。原始信号表用于承接数据量，任何界面和任何预警都不会查询它。正是这一点让该功能在多年之后依然保持快速。
每条预警都附带生成它的依据
没有依据的预警在这里无法创建。每条预警都会保存支撑它的依据：观察到了什么、阈值是多少、实测值是多少，以及哪一行记录证明了这一事实。这项要求写在数据库本身，因此即使直接访问数据库也无法创建空预警。
严重程度不由创建者填写，而是从依据推导：超过阈值一倍的值判为危急，超出一成的判为低。界面也始终会说明依据是由系统实测还是由人员填报，因为二者分量不同。仅凭人员填报的依据，永远不会自行升级为危急。
由风险分生成的预警，会把分数本身以及贡献最大的几个维度作为依据一并带上。完全没有数据的学生不会产生预警：我们不对未知之事发出警报。
系统只提示，绝不惩罚
这里的一切都不会取消学籍、削减助学金、封锁访问，也不会给学生留下不利标签。自动化的工作仅限于汇总信号、重算风险分，并在风险上升时为每名学生每周开出一条有依据的预警。之后要怎么做，由人决定。
续读名单也从此按风险排序，让学校先从最需要谈一谈的学生开始。