Sử dụng phương pháp học máy để dự đoán tình trạng bỏ học của sinh viên Khoa Công nghệ thông tin - Trường Đại học Nam Cần Thơ

Tóm tắt

Tình trạng bỏ học của sinh viên tại các trường Đại học hiện nay đang là một vấn đề đáng lo ngại, việc bỏ học với nhiều nguyên nhân khác nhau trong đó có một nguyên nhân phổ biến bao gồm việc điểm số học phần thấp, rớt môn hoặc học lại hay tốt nghiệp không đúng tiến độ sẽ gây chán nản trong việc học dẫn đến bỏ học. Để giải quyết vấn đề này, đề tài đã nghiên cứu sử dụng phương pháp học máy tiên tiến nhằm dự đoán tình trạng tốt nghiệp đúng tiến độ hoặc khả năng bỏ học của sinh viên, tạo điều kiện cho việc can thiệp xử lý sớm nhằm nâng cao chất lượng giáo dục. Bộ dữ liệu về sinh viên khoa Công nghệ thông tin của Trường Đại học Nam Cần Thơ qua các năm được thu thập từ Phòng đào tạo thuộc Trường Đại học Nam Cần Thơ, bao gồm thông tin về điểm số, các học phần đã hoàn thành và tình trạng học tập của sinh viên. Các phương pháp tiền xử lý dữ liệu đã được áp dụng để xử lý các giá trị thiếu (missing data) và làm sạch dữ liệu (cleaning data). Đề tài nghiên cứu phương pháp học liên tục (continuous learning), sử dụng thuật toán EKI (Evolving with Klinkenberg’s Idea), một phương pháp học máy tiên tiến thuộc nhóm học liên tục để huấn luyện mô hình học máy. Thực nghiệm đề tài cho thấy mô hình RandomForest kết hợp cùng phương pháp xử lý dữ liệu thiếu nội suy bậc hai (Quadratic Interpolation) đạt kết quả 97,56% cho thấy mô hình dự đoán có độ chính xác cao, cung cấp những dự đoán khả quan về khả năng tốt nghiệp đúng tiến độ của sinh viên.