Nghiên cứu phát triển mô hình dự báo kết quả học tập của sinh viên bằng các mô hình học máy
Main Article Content
Tóm tắt
Nghiên cứu này tập trung dự báo điểm trung bình tích lũy hệ 4 của sinh viên năm thứ hai dựa trên dữ liệu học tập năm thứ nhất, nhằm cung cấp thêm cơ sở định lượng hỗ trợ công tác theo dõi và cảnh báo sớm trong quản lý đào tạo. Bộ dữ liệu gồm 1.433 sinh viên khóa 75 của Trường Đại học Công nghệ Giao thông vận tải, với các biến đầu vào phản ánh kết quả học tập, tiến độ tích lũy tín chỉ và một số thông tin liên quan đến quá trình học tập. Năm mô hình học máy gồm hồi quy Ridge, cây quyết định (DT), rừng ngẫu nhiên (RF), tăng cường độ dốc (GB) và tăng cường thích ứng AdaBoost (AB) được xây dựng và đánh giá. Đồng thời, các kỹ thuật tối ưu hóa siêu tham số gồm tìm kiếm lưới, tìm kiếm ngẫu nhiên và tối ưu hóa Bayes được sử dụng nhằm lựa chọn cấu hình phù hợp cho từng mô hình. Kết quả cho thấy các mô hình dựa trên cây và mô hình học tổ hợp cho hiệu quả dự báo tốt hơn mô hình tuyến tính. Trong đó, mô hình GB sau tối ưu hóa bằng tìm kiếm ngẫu nhiên đạt kết quả tốt nhất với R² = 0,954 và RMSE = 0,102 trên tập kiểm chứng. Phân tích SHAP và PDP cho thấy các biến liên quan đến điểm trung bình tích lũy, tổng số đơn vị học trình tích lũy và số học phần học lại có ảnh hưởng rõ rệt đến kết quả dự báo. Kết quả nghiên cứu cho thấy học máy có thể hỗ trợ nhận diện sớm xu hướng học tập của sinh viên và cung cấp thêm thông tin phục vụ tư vấn, theo dõi và quản lý đào tạo.