Predicting preschool problems

At kunne forudsige, hvilke børn der vil udvikle socio-emotionelle problemer, er vigtigt for at målrette interventioner og allokere ressourcer effektivt til børnehaver. Vi anvendte Strengths and Difficulties Questionnaire (SDQ) samt børnehavepædagogers vurderinger af 908 børn i alderen 2-–7 år fra 16 børnehaver i én dansk kommune, administrative registerdata og en række prædiktionsmodeller til at undersøge, hvor godt socio-emotionelle problemer i børnehaver kan forudsiges.

Selvom machine learning-modeller typisk giver bedre forudsigelser end lineær eller logistisk regression, kunne ingen model forudsige hverken børne- eller børnehaveniveauet af socio-emotionelle problemer præcist. Dog opnåede vi med den bedst præsterende machine learning-model en forudsagt rangering af børnehaver tæt på den observerede rangering (Spearmans r = 0,69), hvilket forbedrede forudsigelser baseret på indkomst og tidligere SDQ-målinger.
Vores resultater indikerer, at selvom det er vanskeligt at bruge registerdata til at målrette interventioner til individuelle børn, kan prædiktionsmodeller forbedre identifikationen af børnehaver med behov for ekstra ressourcer.