No Intelliboard, podem ser avaliadas situações de alunos em risco de não completar uma disciplina ou um curso por meio de 3 metodologias:

1. Modelos baseados em regras: cada instituição estabelece com seu melhor critério quais devem ser essas regras, quantificando os valores limites de diversas variáveis. Não requer dados históricos e baseia-se em critérios do tipo IF ->THEN. 

2. Análise preditiva baseada em "machine learning": utiliza um algoritmo que, a partir de dados históricos dos estudantes da instituição, calcula por meio de inteligência artificial o peso de cada parâmetro usado para prever se um aluno está ou não em situação de risco. Fornece, portanto, um maior grau de objetividade e ainda quantifica estatisticamente a confiabilidade de suas previsões. Esta metodologia está disponível em um módulo complementar à solução padrão do Intelliboard Pro.

3. Pontos de Risco: calcula estatisticamente o risco do estudante utilizando três categorias principais: Participação (visitas, tempo, participações), Assistência (dias desde a última visita, % de dias conectado...) e Progresso (nota atual, % de atividades concluídas...). Utilizam pontuações Z, revelando se o desempenho de um estudante é típico ou atípico em relação à média do curso, o que permite identificar os estudantes que possam necessitar de apoio adicional.