studentprognose 1.1.1

Studentprognose tool voor het voorspellen van eerstejaars instroom in het hoger onderwijs

Voorspel je studentinstroom maanden vooruit — met je eigen data, op je eigen machine.

---

📦 Aan de slag

Via pip (aanbevolen voor gebruik):

pip install studentprognose
studentprognose -w 6 -y 2024

Via de broncode (aanbevolen voor ontwikkeling / demodata):

# 1. Installeer uv (zie https://docs.astral.sh/uv/getting-started/installation/)
curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. Clone de repository
git clone https://github.com/cedanl/studentprognose.git
cd studentprognose

# 3. Draai het model met demodata
uv run main.py

[!NOTE] Demodata is meegeleverd in data/input, zodat je direct kunt starten. Controleer welke jaren en weken beschikbaar zijn — zonder specificatie gebruikt het script de huidige week, wat mogelijk niet werkt met de meegeleverde data.

[!TIP] Na pip install studentprognose is het commando studentprognose beschikbaar en kun je alle uv run main.py voorbeelden vervangen door studentprognose.

---

🗃️ Studielink Data

[!IMPORTANT] Dit model werkt met Studielink-telbestanden. Je hebt deze data nodig om voorspellingen te maken voor jouw instelling. Demodata is meegeleverd zodat je het model eerst kunt uitproberen.

---

Waarom dit model?

Dit model is gebouwd voor data-analisten bij Nederlandse onderwijsinstellingen die werken met Studielink-data. Je hebt geen machine learning-expertise nodig.

Bring Your Own Data	Je levert je eigen data aan — er wordt niets extern gedeeld
Privacy-vriendelijk	Draait volledig lokaal op je eigen machine
Open source	Transparant, aanpasbaar en gratis te gebruiken
Demo data inbegrepen	Direct uitproberen zonder eigen data — demobestanden zitten in data/input

---

✨ Gebruik

Jaren en weken

Specificeer jaar en week met -y en -w:

uv run main.py -w 6 -y 2024
uv run main.py -W 1 2 3 -Y 2024
uv run main.py -year 2023 2024
uv run main.py -week 40 41

Gebruik slicing voor een reeks weken:

uv run main.py -w 10 : 20 -y 2023

Datasets

Er zijn twee datasets beschikbaar: individual (per student) en cumulative (geaggregeerd per opleiding/herkomst/jaar/week). Standaard worden beide gebruikt.

uv run main.py -d individual
uv run main.py -D cumulative
uv run main.py -dataset both

Configuratie

Het standaard configuratiebestand is configuration/configuration.json. Dit kan worden overschreven:

uv run main.py -c pad/naar/configuration.json
uv run main.py -configuration langer/pad/naar/config.json

Uitgebreid voorbeeld

Voorspel eerstejaars voor 2023 en 2024, weken 10 t/m 20, met beide datasets:

uv run main.py -y 2023 2024 -w 10 : 20 -d b

Voorspel eerstejaars voor collegejaar 2025/2026, week 5, alleen cumulatief:

uv run main.py -y 2025 -w 5 -d c

Syntax overzicht

Instelling	Korte notatie	Lange notatie	Opties
Voorspellingsjaren	-y of -Y	-year	Eén of meer jaren, bijv. 2023 2024
Voorspellingsweken	-w of -W	-week	Eén of meer weken, bijv. 10 11 12
Slicing			Gebruik : voor reeksen, bijv. 10 : 20
Dataset	-d of -D	-dataset	i/individual, c/cumulative, b/both
Configuratie	-c of -C	-configuration	Pad naar configuratiebestand

---

📁 Beschrijving van bestanden

Input

Bestand	Beschrijving
individual	Individuele (voor)aanmeldingen per student. Wordt gebruikt voor de SARIMA_individual voorspelling.
cumulative	Aantal aanmeldingen per opleiding, herkomst, jaar, week en herinschrijving/hogerejaars. Wordt gebruikt voor de SARIMA_cumulative voorspelling. Verkregen via Studielink.
latest	Per opleiding, herkomst, jaar en week: aanmeldingen, voorspellingen en foutwaarden (MAE/MAPE). Wordt gebruikt voor volume- en hogerjaarsvoorspellingen.
student_count_first-years	Werkelijk aantal eerstejaars studenten per jaar, opleiding en herkomst.
student_count_higher-years	Werkelijk aantal hogerjaars studenten per jaar, opleiding en herkomst.
student_volume	Werkelijk totaal aantal studenten (eerstejaars + hogerjaars) per jaar, opleiding en herkomst.
weighted_ensemble	Gewichten per model voor de ensemble-voorspelling.

Output

Bestand	Beschrijving
output_prelim.xlsx	Voorlopige output met alle voorspellingen van de huidige run.
output_first-years.xlsx	Volledige output met voorspellingen voor eerstejaars studenten.
output_higher-years.xlsx	Volledige output met voorspellingen voor hogerjaars studenten.
output_volume.xlsx	Volledige output met volume-voorspellingen (totaal).

---

🏗️ Architectuur

Pipeline executievolgorde

Gedeelde stappen (alle modi):

Stap	Fase	Bestand
1	CLI parsing	cli.py
2	ETL (skip met --noetl)	etl
3	Configuratie laden	config.py
4	Data laden	loader → preprocessing/add_zero_weeks
5	CI subset (indien --ci)	utils/ci_subset

Modus-specifieke stappen:

Stap	Fase	Individual (-d i)	Cumulative (-d c)	Both (-d b)
6	Preprocessing	strategies/individual	strategies/cumulative	individual → cumulative
7	Filtering	strategies/base	strategies/base	strategies/base
8	Classificatie	xgboost_classifier	—	xgboost_classifier
9	Transformatie	transforms	—	transforms
10	SARIMA	sarima (individual)	sarima → transforms	sarima (both)
11	XGBoost regressor	—	xgboost_regressor	xgboost_regressor
12	Ratio model	—	ratio	ratio
13	Postprocessing + Opslaan	postprocessor	postprocessor	postprocessor

Zie de Technische README voor meer details over de architectuur.

---

🤝 Bijdragen

Dit project wordt actief onderhouden door CEDA. Wil je bijdragen of meedenken? Sluit je aan bij de werkgroep.

🆘 Ondersteuning

Voor vragen of problemen:

• GitHub Issues: Probleem melden

---

_{Gebouwd met ❤️ door de CEDANL community}