本发明属于人工智能技术领域，具体涉及一种基于自注意力机制并利用学生的在线学习行为信息和自然统计信息进行的学生退课行为可解释预测方法。相比于其他学生退课行为预测方法，本发明关注到人工智能产品的可解释性。在数据处理阶段，本发明基于对大型真实数据集的统计分析，提出了一个可拓展的跨平台特征工程策略，提取与退课行为相关的有效信息，减少无关信息的输入。在预测阶段，本发明利用自注意力机制在特征和时间两个维度上对于序列进行编码，捕捉多种特征之间的相互影响与时间阶段之间的相互依赖，从而得到最终的预测结果。此外，可以根据注意力权重的分布对预测结果进行解释，即权重越大的特征或时间阶段对于该学生的退课行为影响越大。