ỨNG DỤNG CÁC MÔ HÌNH HỌC MÁY VÀO DỰ ĐOÁN TÌNH TRẠNG BỎ HỌC CỦA SINH VIÊN

Tóm tắt

Ngày nay, số sinh viên nghỉ học ở các trường đại học ngày càng tăng do nhiều yếu tố bởi nhiều yếu tố ảnh hưởng đến sinh viên. Từ kết quả dự đoán sinh viên bỏ học, các trường học đưa ra các giải pháp hỗ trợ để các sinh viên đó kịp thời. Trong bài báo này, các mô hình học máy mới và hiệu quả nhất được áp dụng trên tập dữ liệu chuẩn để dự đoán các sinh viên bỏ học. Tập dữ liệu chuẩn quốc tế có 36 đặc trưng về kết quả học tập hai năm học đầu tiên và các yếu tố về xã hội. Các đặc trưng quan trọng đã được phân tích để cải thiện hiệu quả phân lớp của các mô hình học máy. Tập dữ liệu được tiền xử lý để phù hợp với các dữ liệu vào của từng mô hình học máy. Neural network, Random Forest, Support Vector Machine là các mô hình học máy được ứng dụng trong nghiên cứu này. Từng mô hình học máy được điều chỉnh bộ tham số để thu được kết quả phân lớp có độ chính xác cao nhất. Kết quả thực nghiệm cho thấy Random Forest là mô hình học máy phù hợp nhất cho bài toán với độ chính xác là 91,33%.