En este documento se ha propuesto y verificado un modelo agregado multidisciplinario aplicable. Este modelo utiliza técnicas tradicionales, por un lado, y algoritmos de aprendizaje automático como técnicas modernas, por otro lado, a lo largo del proceso de determinación de la relevancia de los atributos del modelo para resolver cualquier problema de decisión multicriterio. El objetivo principal de este modelo es aprovechar ambas aproximaciones y llevar a mejores resultados que cuando se utilizan las técnicas por separado. Además, el modelo propuesto utiliza una metodología de selección de características para reducir el número de atributos, aumentando así la precisión del modelo. Se ha utilizado el método tradicional de análisis de regresión combinado con el conocido método matemático Proceso Analítico Jerárquico (AHP). Este enfoque se ha combinado con la aplicación del método de clasificación moderno ReliefF de clasificación de aprendizaje automático. Por último, se ha utilizado el clasificador de árbol de decisiones J48 con fines de agregación. La información sobre las calificaciones de los estudiantes de primer año de posgrado en la Universidad de Criminalística y Policía de Belgrado, después de que eligieron y completaron uno de los tres módulos de estudio posibles, se utilizó para la evaluación del modelo propuesto. Hasta donde saben los autores, este trabajo es el primero en considerar la minería de árboles frecuentes cerrados en caso de la transmisión de datos variables en el tiempo.