DỰ ĐOÁN KHẢ NĂNG BỎ HỌC CỦA SINH VIÊN

Từ khóa:
Bỏ học Dự báo Học máy
Tóm tắt
Tỷ lệ sinh viên bỏ học gia tăng tại các cơ sở giáo dục đại học đang trở thành một vấn đề nghiêm trọng, gây ra tổn thất đáng kể về thời gian và chi phí cho sinh viên cũng như gia đình họ, đồng thời ảnh hưởng tiêu cực đến chất lượng giáo dục và sự phát triển chung của xã hội. Việc xác định sớm những sinh viên có nguy cơ bỏ học cho phép các cơ sở giáo dục và phụ huynh triển khai các biện pháp can thiệp kịp thời, qua đó góp phần vào nỗ lực giảm thiểu tình trạng bỏ học. Nghiên cứu này đề xuất ứng dụng hai kỹ thuật học máy—Logistic Regression (LR) và Random Forest (RF)—để dự đoán khả năng bỏ học của sinh viên dựa trên bộ dữ liệu thu thập từ Trường Đại học Phan Thiết. Kết quả thực nghiệm cho thấy mô hình RF đạt độ chính xác 90,66%, trong khi mô hình LR đạt 85,16%. Những kết quả này cho thấy cả hai mô hình đều có tính khả thi cao trong việc hỗ trợ các chiến lược giảm tỷ lệ sinh viên bỏ học tại các cơ sở giáo dục.
Tài liệu tham khảo
  1. [1]. Kemper L., Vorhoff G., Wigger B.U., (2020). “Predicting student dropout: A machine learning approach” European Journal of Higher Education, vol.10, no.1, p.28–47, DOI:10.1080/21568235.2020.1718520.
    DOI: doi.org/10.1080/21568235.2020.1718520
  2. [2]. Lưu Hoài Sang, Trần Thanh Điện, Nguyễn Thanh Hải và Nguyễn Thái Nghe (2020). “Dự báo kết quả học tập bằng kỹ thuật học sâu với mạng nơ-ron đa tầng”. Tạp chí Khoa học Trường Đại học Cần Thơ, Tập 56, Số 3A, tr. 20-28.
  3. [3]. Nguyễn Thị Uyên, Nguyễn Minh Tâm (1019). “Dự đoán kết quả học tập của sinh viên bằng kỹ thuật khai phá dữ liệu”. Tạp chí khoa học trường Đại học Vinh, Tập 48 - Số 3A, tr. 68-73.
  4. [4]. Nurdaulet S., Alibek O. Yershat Sapazhanov, Shirali K., (2021). “Prediction of Student’s Dropout from a University Program”. International Conference on Electronics Computer
  5. and Computation (ICECCO). DOI:10.1109/ICECCO53203.2021.9663763
    DOI: doi.org/10.1109/icecco53203.2021.9663763
  6. [5]. Nurmalitasari N., Zalizah A. L., Faizuddin M. N., (2023). “Factors Influencing Dropout Students in Higher Education”. Education Research International. DOI:10.1155/2023/7704142.
    DOI: doi.org/10.1155/2023/7704142
  7. [6]. Selvan M.P., Navadurga N., Prasanna N.L., (2019). “An Efficient Model for Predicting Student Dropout using Data Mining and Machine Learning Techniques” . IJITEE , 8 , 9S2 , pp. 750 – 752