Frugal Artificial Intelligence for Educational Early-Warning Systems: A Constrained Feature-Set Modeling Framework for Resource-Constrained Environments
Rafael Beto Mpfumo iDInstituto Superior de Transportes e Comunicações (ISUTC) Maputo, Mozambique
Abstract
A inteligência artificial (IA) é cada vez mais aplicada à previsão educacional, à analítica de aprendizagem e à tomada de decisões institucionais. No entanto, muitos sistemas baseados em IA pressupõem conectividade contínua e infraestrutura em nuvem, limitando a sua implementação em ambientes com restrições de recursos. Este estudo propõe e avalia o framework Constrained Feature-Set Modeling (CFSM), uma arquitetura de IA frugal concebida para sistemas de alerta precoce educacionais sob restrições computacionais e de conectividade. Adotámos uma abordagem de Design Science Research e utilizámos um benchmark sintético contendo 12.450 perfis de estudantes. O CFSM utiliza três indicadores comportamentais — Tendência de Assiduidade, Frequência de Entrega de Tarefas e Desempenho Académico Ponderado — com um classificador Random Forest restrito composto por 50 árvores e uma profundidade máxima de 10. O framework alcançou 90,0% de exatidão (accuracy), 69,2% de precisão (precision), 92,1% de sensibilidade (recall), 79,0% de F1-score e 0,941 de AUC-ROC. O modelo requereu aproximadamente 1,8 MB de armazenamento e 42 MB de pico de memória RAM em hardware legado. O CFSM suportou com sucesso a inferência local sem necessidade de conectividade de rede contínua. Os resultados sugerem que a IA frugal oferece uma alternativa de design viável para aplicações de alerta precoce educacional em contextos onde o processamento e a conectividade são limitados, enfatizando a utilidade preditiva, a execução local, o controlo institucional e a supervisão humana.
Cite this article
Zotero and Mendeley: open the RIS file, or use the Zotero Connector on this page (it reads the article metadata).
Share
Related articles
- Media Framing of Artificial Intelligence in Education: A Content Analysis of US News Coveragecorey basch, Grace C. Hillyer, Victoria H. Wagner · v. 7 (2026)
- Navigating AI in K–12 Education: Educator and Administrator Insights on Implementation and UseBrittany Rivera, Lauren Eutsler · v. 7 (2026)
- An AI-Driven Approach to Developing Free, Inclusive, and Engaging Digital Learning Resources for Hearing-Impaired and Economically Disadvantaged StudentsSachin Sharma · v. 7 (2026)
- Developing an Integrated AI Pedagogical Framework for Pre-Service TeachersBindu Dua, Adit Gupta · v. 7 (2026)