Ứng dụng các mô hình học máy vào dự đoán tình trạng bỏ học của sinh viên

Tình trạng sinh viên bỏ học ở các trường đại học ngày càng gia tăng do nhiều yếu tố khác nhau như kết quả học tập, tài chính, chuyên ngành và các yếu tố kinh tế xã hội. Việc dự đoán sớm khả năng bỏ học của sinh viên là cần thiết để nhà trường có thể kịp thời đưa ra các giải pháp hỗ trợ phù hợp. Mặc dù đã có một số nghiên cứu dự đoán sinh viên bỏ học ở nước ngoài sử dụng các mô hình học máy như CatBoost, XGBoost, Random Forest, nhưng tại Việt Nam, các nghiên cứu này còn hạn chế và chủ yếu tập trung vào dự đoán điểm học tập. Bài báo này áp dụng các mô hình học máy tiên tiến nhất để dự đoán tình trạng bỏ học của sinh viên, sử dụng tập dữ liệu chuẩn và xác định Random Forest là mô hình hiệu quả nhất.

Bài báo này hướng đến các nhà nghiên cứu học thuật, các nhà quản lý giáo dục và các tổ chức đại học quan tâm đến việc ứng dụng trí tuệ nhân tạo và học máy để cải thiện công tác quản lý sinh viên, đặc biệt là trong việc dự đoán và hỗ trợ sinh viên có nguy cơ bỏ học.

Nghiên cứu này tập trung vào việc ứng dụng các mô hình học máy để dự đoán tình trạng bỏ học của sinh viên đại học, một vấn đề ngày càng nghiêm trọng. Mục tiêu chính là cung cấp công cụ hỗ trợ các trường học đưa ra giải pháp kịp thời cho sinh viên có nguy cơ. Bài báo sử dụng một tập dữ liệu chuẩn từ UCI Machine Learning Repository, bao gồm 4424 mẫu với 36 đặc trưng liên quan đến kết quả học tập hai năm đầu tiên và các yếu tố xã hội của sinh viên (ví dụ: tình trạng hôn nhân, chế độ nhập học, điểm đầu vào, thông tin tài chính, tuổi tác, giới tính, số tín chỉ đạt được, tỷ lệ thất nghiệp, lạm phát). Quy trình nghiên cứu bao gồm tiền xử lý dữ liệu để cân bằng số lượng mẫu giữa các lớp (Dropout và Graduate), chuẩn hóa dữ liệu, và lựa chọn đặc trưng quan trọng để cải thiện hiệu suất phân loại. Ba mô hình học máy hàng đầu – Mạng nơ-ron (Neural Network), Rừng ngẫu nhiên (Random Forest) và Máy vector hỗ trợ (Support Vector Machine) – đã được áp dụng. Các tham số của từng mô hình được điều chỉnh tối ưu để đạt độ chính xác cao nhất. Kết quả thực nghiệm cho thấy, mặc dù Mạng nơ-ron đạt độ chính xác 81.78% và SVM đạt 87.40% (phiên bản tuyến tính) hoặc 86.83% (phiên bản nhân), mô hình Rừng ngẫu nhiên (Random Forest) thể hiện hiệu suất vượt trội với độ chính xác lên đến 91.33%. Điều này chứng tỏ Random Forest là phương pháp phù hợp nhất cho bài toán dự đoán tình trạng bỏ học của sinh viên nhờ khả năng tối ưu hóa việc lựa chọn đặc trưng và nguyên tắc bầu cử đa số của các cây quyết định con.