Luận văn thạc sĩ phân lớp dựa trên luật kết hợp để dự báo khả năng bỏ học của sinh viên trường đại học bình dương

Luận văn thạc sĩ luật học nghiên cứu phân lớp dựa trên luật kết hợp để dự báo khả năng bỏ học của sinh viên trường đại học bình dương, khảo sát thực trạng, phân tích nguyên nhân,

• Tác giả: Thái Thanh Hùng
• Người hướng dẫn: Ts. Nguyễn Thành Sơn
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Dự báo khả năng bỏ học của sinh viên bằng phân lớp luật kết hợp
• Loại tài liệu: Luận văn tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu của đề tài
• 1.3. Nhiệm vụ của đề tài
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Cách tiếp cận và phương pháp nghiên cứu
• 1.6. Ý nghĩa thực tiễn của đề tài
• 1.7. Các công trình nghiên cứu gần đây
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. CÁC KHÁI NIỆM CƠ BẢN TRONG KHAI PHÁ LUẬT KẾT HỢP
• 2.2. CÁC KHÁI NIỆM CƠ BẢN TRONG PHÂN LỚP
• 2.3. MỘT SỐ THUẬT GIẢI PHÂN LỚP DỰA TRÊN LUẬT KẾT HỢP
• 2.3.1. Thuật giải CARIM (An Efficient Algorithm for Mining ClassAssociation Rules with Interestingness Measures)
• 2.3.2. Thuật giải MMAC (Multi-class, multi-label associative classification)
• 2.3.3. Thuật giải CBA (Classification Based on Associations)
• 2.3.4. Thuật giải CPAR (Classification based on Predictive Association Rules)
• 2.3.5. Thuật giải MISFP (Multiple Item Support Frequent Patterns)
• 2.3.6. Thuật giải FCBA (Fast Classification Based on Association Rules)
• 2.3.7. Thuật giải CMAR (Classification based on Multiple Association Rules)
• 2.3.8. Thuật giải MCAR (Multi class Classification based on Association Rule)
• 2.3.9. Thuật giải CPAR-GR (Predictive association rule based classifier using gain ratio)
• 2.3.10. Thuật giải WCBA (Weighted Classification Based on Association Rules)
• 2.4. MỘT SỐ PHƯƠNG PHÁP TIỀN XỬ LÝ DỮ LIỆU
• 2.4.1. Phương pháp lọc (filter method)
• 2.4.2. Phương pháp bao bọc (wrapper method)
• 2.4.3. Phương pháp nhúng (embedded method)
• 2.4.4. Phương pháp làm sạch dữ liệu bằng SPSS
• 3. CHƯƠNG 3: PHÂN LỚP DỰA TRÊN LUẬT KẾT HỢP
• 3.1. Mô tả thuật giải CPAR-GR
• 3.2. ỨNG DỤNG THUẬT GIẢI VÀO BÀI TOÁN DỰ BÁO KHẢ NĂNG BỎ HỌC CỦA SINH VIÊN, KẾT QUẢ THỰC NGHIỆM
• 3.2.1. Mô tả bài toán
• 3.2.2. Phương pháp thực hiện
• 3.2.3. Xây dựng và lựa chọn mô hình
• 3.2.4. Minh họa thuật giải CPAR-GR
• 3.2.5. Giao diện chương trình demo
• 3.2.6. Mô tả dữ liệu tập huấn luyện, tập dữ liệu kiểm tra
• 3.2.7. Kết quả tạo luật từ thuật giải CPAR-GR trên tập huấn luyện
• 3.2.8. Đánh giá độ chính xác các luật từ thuật giải CPAR-GR trên tập huấn luyện
• 3.2.9. Sử dụng luật vào dự báo khả năng bỏ học của sinh viên
• 3.2.10. Kết quả đạt được
• 3.2.11. Hạn chế của đề tài
• 3.2.12. Hướng phát triển đề tài
• 4. CHƯƠNG 4: ỨNG DỤNG THUẬT GIẢI VÀO BÀI TOÁN DỰ BÁO KHẢ NĂNG BỎ HỌC CỦA SINH VIÊN
• 5. CHƯƠNG 5: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về dự báo khả năng bỏ học của sinh viên

Trong bối cảnh giáo dục đại học hiện nay, việc dự báo khả năng bỏ học của sinh viên trở thành một vấn đề cấp thiết. Nghiên cứu này tập trung vào việc ứng dụng phương pháp phân lớp dựa trên luật kết hợp để dự đoán khả năng bỏ học của sinh viên tại Trường Đại học Bình Dương. Việc áp dụng công nghệ thông tin trong giáo dục không chỉ giúp nâng cao chất lượng đào tạo mà còn hỗ trợ sinh viên trong việc lập kế hoạch học tập hiệu quả.

1.1. Tầm quan trọng của việc dự báo khả năng bỏ học

Dự báo khả năng bỏ học giúp các cơ sở giáo dục nhận diện sớm những sinh viên có nguy cơ cao, từ đó có thể đưa ra các biện pháp hỗ trợ kịp thời. Việc này không chỉ giảm tỷ lệ bỏ học mà còn nâng cao chất lượng giáo dục.

1.2. Các yếu tố ảnh hưởng đến khả năng bỏ học

Nhiều yếu tố có thể ảnh hưởng đến khả năng bỏ học của sinh viên, bao gồm tình trạng học tập, áp lực tài chính, và sự hỗ trợ từ gia đình. Việc phân tích các yếu tố này là cần thiết để xây dựng mô hình dự báo chính xác.

II. Thách thức trong việc dự báo khả năng bỏ học của sinh viên

Mặc dù có nhiều phương pháp dự báo, nhưng việc áp dụng chúng trong thực tế gặp nhiều thách thức. Các vấn đề như dữ liệu không đầy đủ, sự phức tạp trong việc phân tích và tính toán là những rào cản lớn. Đặc biệt, việc xử lý dữ liệu lớn và không đồng nhất là một thách thức không nhỏ.

2.1. Dữ liệu không đầy đủ và không chính xác

Dữ liệu không đầy đủ có thể dẫn đến những dự đoán sai lệch. Việc thu thập và làm sạch dữ liệu là rất quan trọng để đảm bảo tính chính xác của mô hình dự báo.

2.2. Sự phức tạp trong mô hình hóa

Mô hình hóa dự báo khả năng bỏ học yêu cầu sự kết hợp giữa nhiều yếu tố khác nhau. Việc lựa chọn thuật toán phù hợp và tối ưu hóa mô hình là rất cần thiết để đạt được kết quả tốt nhất.

III. Phương pháp phân lớp luật kết hợp trong dự báo

Phương pháp phân lớp dựa trên luật kết hợp (Association Rule Classification) đã được chứng minh là hiệu quả trong việc dự đoán khả năng bỏ học. Thuật giải CPAR-GR (Predictive Association Rule based Classifier using Gain Ratio) là một trong những phương pháp nổi bật trong lĩnh vực này.

3.1. Giới thiệu về thuật giải CPAR GR

Thuật giải CPAR-GR sử dụng các quy tắc kết hợp để phân loại dữ liệu. Phương pháp này không chỉ giúp dự đoán khả năng bỏ học mà còn cung cấp thông tin chi tiết về các yếu tố ảnh hưởng.

3.2. Quy trình thực hiện dự báo

Quy trình thực hiện dự báo bao gồm các bước như thu thập dữ liệu, tiền xử lý, áp dụng thuật giải CPAR-GR và đánh giá kết quả. Mỗi bước đều đóng vai trò quan trọng trong việc đảm bảo tính chính xác của dự báo.

IV. Ứng dụng thực tiễn của mô hình dự báo

Mô hình dự báo khả năng bỏ học của sinh viên đã được áp dụng thực tế tại Trường Đại học Bình Dương. Kết quả cho thấy mô hình này có thể giúp nhà trường đưa ra các quyết định kịp thời nhằm hỗ trợ sinh viên.

4.1. Kết quả thực nghiệm từ mô hình

Kết quả thực nghiệm cho thấy mô hình dự báo có độ chính xác cao, giúp nhà trường nhận diện sớm những sinh viên có nguy cơ bỏ học. Điều này cho phép nhà trường có những can thiệp kịp thời.

4.2. Các biện pháp hỗ trợ sinh viên

Dựa trên kết quả dự báo, nhà trường có thể triển khai các biện pháp hỗ trợ như tư vấn học tập, hỗ trợ tài chính, và các chương trình khuyến khích học tập để giảm tỷ lệ bỏ học.

V. Kết luận và hướng phát triển tương lai

Nghiên cứu này đã chỉ ra rằng việc dự báo khả năng bỏ học của sinh viên là rất cần thiết và có thể thực hiện hiệu quả thông qua phương pháp phân lớp dựa trên luật kết hợp. Hướng phát triển trong tương lai có thể bao gồm việc cải tiến mô hình và mở rộng ứng dụng vào các lĩnh vực khác.

5.1. Tóm tắt kết quả nghiên cứu

Nghiên cứu đã đạt được những kết quả khả quan trong việc dự báo khả năng bỏ học của sinh viên. Mô hình CPAR-GR đã chứng minh được tính hiệu quả và khả năng ứng dụng thực tiễn.

5.2. Định hướng phát triển trong tương lai

Trong tương lai, cần tiếp tục nghiên cứu và cải tiến mô hình dự báo, đồng thời mở rộng ứng dụng vào các lĩnh vực khác như giáo dục phổ thông và đào tạo nghề.

Nội dung chính

Tổng quan nghiên cứu

Trong hệ thống giáo dục đại học hiện nay, phương thức đào tạo theo hệ thống tín chỉ mang lại tính mềm dẻo cao, cho phép người học chủ động hoạch định tiến độ và chiến lược tích lũy học phần. Tuy nhiên, theo các thống kê giáo dục gần đây, có khoảng 15% đến 25% sinh viên gặp khó khăn trong việc tự xây dựng kế hoạch học tập, dẫn đến tình trạng nợ môn, điểm trung bình tích lũy giảm sút và nguy cơ bị cảnh báo học vụ tăng cao. Việc thiếu định hướng lâu dần biến thành quyết định thôi học hoặc bỏ học giữa chừng, gây lãng phí nguồn lực đào tạo của nhà trường và ảnh hưởng tiêu cực đến tương lai của người học.

Nhằm giải quyết bài toán cấp bách này, đề tài nghiên cứu tập trung ứng dụng kỹ thuật khai phá dữ liệu, cụ thể là phương pháp phân lớp dựa trên luật kết hợp thông qua thuật giải CPAR-GR (Predictive association rule based classifier using gain ratio) kết hợp công cụ thống kê SPSS để dự báo khả năng bỏ học của sinh viên tại Trường Đại học Bình Dương. Mục tiêu trọng tâm của nghiên cứu là xây dựng mô hình phân lớp có độ chính xác cao, tạo ra các tập luật dự báo trực quan và phát triển chương trình thực nghiệm bằng ngôn ngữ Python.

Phạm vi nghiên cứu bao quát dữ liệu học tập thực tế của sinh viên hệ đại học chính quy từ năm thứ nhất đến năm thứ tư thuộc 13 ngành đào tạo tiêu biểu (như Công nghệ thông tin, Quản trị kinh doanh, Ngôn ngữ Anh, Kỹ thuật ô tô) trong 4 khóa tuyển sinh liên tiếp từ năm 2017 đến năm 2020. Về mặt thực tiễn, mô hình giúp các đơn vị chuyên trách tăng tỷ lệ nhận diện sớm sinh viên có nguy cơ bỏ học lên trên 85%, tạo tiền đề thiết lập các biện pháp hỗ trợ học vụ kịp thời và giảm tỷ lệ thôi học khoảng 5% đến 10% qua từng năm học.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của hai nhánh lý thuyết trụ cột trong khai phá dữ liệu: khai phá luật kết hợp (Association Rule Mining) và học máy phân lớp (Machine Learning Classification).

Khai phá luật kết hợp là phương pháp phát hiện các mối quan hệ tiềm ẩn giữa các thuộc tính trong cơ sở dữ liệu lớn. Hai chỉ số đo lường nền tảng bao gồm độ hỗ trợ (Support) nhằm xác định tần suất xuất hiện đồng thời của các tập mục, và độ tin cậy (Confidence) phản ánh độ chắc chắn của quy tắc suy diễn. Từ các tập mục phổ biến (Frequent Itemsets), các luật kết hợp dạng tiền đề suy ra kết luận được trích xuất.

Phân lớp dựa trên luật kết hợp (Associative Classification) là sự kết hợp giữa luật kết hợp và phân lớp truyền thống. Khác với các thuật toán sơ khai như CBA (Classification Based on Associations) thường tạo ra quá nhiều luật dư thừa gây quá tải bộ nhớ, thuật giải CPAR (Classification based on Predictive Association Rules) kế thừa tư tưởng thuật toán FOIL, áp dụng chiến lược tham lam để sinh trực tiếp các luật dự báo có độ lợi thông tin cao.

Trên cơ sở đó, thuật giải cải tiến CPAR-GR tích hợp thêm tỷ số độ lợi thông tin (Gain Ratio) và thước đo độ chính xác Laplace (Laplace Accuracy). Mô hình tập trung vào 5 khái niệm cốt lõi: thuộc tính nhị phân, luật phân lớp kết hợp (CAR), hệ số suy giảm trọng số mẫu (Decay Factor), ngưỡng bao phủ (Coverage Threshold), và độ chính xác phân lớp Laplace cho phép đánh giá công bằng chất lượng từng tập luật.

Phương pháp nghiên cứu

Nguồn dữ liệu của đề tài được trích xuất từ hệ thống quản lý đào tạo thực tế tại Trường Đại học Bình Dương với quy mô hơn 2.500 hồ sơ sinh viên chính quy thuộc 13 ngành đào tạo, trải dài qua 4 khóa học từ năm 2017 đến năm 2020. Dữ liệu bao gồm các nhóm biến nhân khẩu học, kết quả học tập từng học kỳ, điểm rèn luyện và tình trạng tích lũy tín chỉ (toàn bộ thông tin cá nhân đã được mã hóa định danh để đảm bảo tính bảo mật). Phương pháp chọn mẫu là chọn mẫu toàn bộ theo chuỗi thời gian đào tạo từ năm 1 đến năm 4.

Quy trình phân tích dữ liệu được thực hiện chặt chẽ qua 3 giai đoạn:

Giai đoạn 1: Tiền xử lý dữ liệu và giảm chiều thuộc tính. Thay vì sử dụng toàn bộ biến số ban đầu, nghiên cứu sử dụng kiểm định Independent Samples T-test trên phần mềm SPSS để đánh giá mức độ tương quan giữa từng biến độc lập với biến phụ thuộc (tình trạng tiếp tục học hoặc bỏ học). Các thuộc tính có giá trị mức ý nghĩa p < 0.05 được giữ lại, trong khi các thuộc tính có p >= 0.05 bị loại bỏ. Phương pháp này giúp tinh gọn bộ dữ liệu, giảm hơn 35% chi phí tính toán và tài nguyên hệ thống.

Giai đoạn 2: Tạo và đánh giá tập luật phân lớp. Dữ liệu sau khi làm sạch được đưa vào thuật giải CPAR-GR lập trình trên Python với hệ số suy giảm Decay Factor đặt ở mức 2/3 và tỷ lệ tương đồng Gain Similarity Ratio đạt 0.99. Thuật giải tính toán Gain Ratio, sinh tập luật dự tuyển và sắp xếp các luật theo độ chính xác Laplace giảm dần.

Giai đoạn 3: Phân lớp và kiểm thử. Mô hình lựa chọn k = 5 luật tốt nhất từ mỗi lớp tương ứng với từng tuple kiểm tra để tính độ chính xác Laplace trung bình và gán nhãn dự báo cuối cùng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm mô hình trên tập dữ liệu thực tế của Trường Đại học Bình Dương mang lại 3 phát hiện khoa học quan trọng:

Thứ nhất, nguy cơ sinh viên bỏ học tập trung cao nhất vào giai đoạn chuyển tiếp năm thứ nhất và năm thứ hai, chiếm khoảng 65% tổng số trường hợp thôi học của toàn khóa. Điển hình tại khóa tuyển sinh 2017 của ngành Ngôn ngữ Anh, quy mô sinh viên giảm mạnh từ 220 sinh viên ở năm thứ nhất xuống còn 169 sinh viên ở năm thứ ba (tương đương mức sụt giảm 23.18%). Tương tự, ngành Công nghệ kỹ thuật Điện, Điện tử khóa 2017 giảm từ 73 sinh viên xuống 50 sinh viên ở năm 3 (giảm 31.51%).

Thứ hai, kết quả kiểm định T-test trên SPSS chỉ ra rằng hai thuộc tính có tác động chi phối mạnh nhất đến khả năng bỏ học là điểm trung bình tích lũy học kỳ đầu tiên (GPA < 2.0 trên thang điểm 4) và số lượng tín chỉ không đạt vượt quá 12 tín chỉ trong năm học đầu tiên. Hai thuộc tính này đạt mức ý nghĩa thống kê vượt trội (p < 0.001) và xuất hiện trong hơn 82% các luật phân lớp được CPAR-GR trích xuất.

Thứ ba, mô hình CPAR-GR kết hợp tiền xử lý dữ liệu bằng SPSS đạt độ chính xác dự báo bình quân trên tập kiểm thử lên đến 88.5%, đồng thời giảm thời gian thực thi khoảng 40% so với thuật toán CBA truyền thống nhờ việc loại bỏ sớm các thuộc tính nhiễu.

Thảo luận kết quả

Nguyên nhân chính dẫn đến hiện tượng sinh viên bỏ học nhiều trong hai năm đầu bắt nguồn từ sự mất thích nghi với phương pháp học đại học. Nhiều sinh viên đăng ký môn học theo cảm tính hoặc theo số đông bạn bè mà không nắm rõ cây tiến trình môn học tiên quyết. Khi bị rớt môn ở học kỳ 1, tâm lý chán nản xuất hiện, kéo theo kết quả học tập giảm sút ở các học kỳ tiếp theo.

Khi so sánh với công trình nghiên cứu của Nguyễn Văn Chiến (2020) về dự báo học sinh trung học bỏ học tại Thành phố Hồ Chí Minh, luận văn này có bước phát triển vượt bậc khi đưa bước tiền xử lý lọc biến bằng kiểm định T-test trên SPSS vào thực nghiệm. Điều này giúp mô hình vừa bảo đảm độ chính xác học thuật cao, vừa phù hợp với năng lực khai thác thực tế của đội ngũ cán bộ văn phòng tại các trường đại học.

Về mặt trực quan hóa, toàn bộ dữ liệu biến động sinh viên qua 4 khóa đào tạo 2017, 2018, 2019 và 2020 có thể được thể hiện trực quan qua các biểu đồ cột phân tầng theo ngành học. Đồng thời, bảng ma trận nhầm lẫn (Confusion Matrix) và bảng đối sánh giá trị độ chính xác Laplace của 5 luật tốt nhất minh chứng rõ nét khả năng phân tách chuẩn xác giữa hai trạng thái sinh viên tiếp tục học và có nguy cơ bỏ học.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đề xuất 4 nhóm giải pháp mang tính ứng dụng cao cho các cơ sở giáo dục đại học:

Thứ nhất, tích hợp chương trình dự báo CPAR-GR vào hệ thống quản lý đào tạo trực tuyến của nhà trường. Ban Giám hiệu chỉ đạo Trung tâm Công nghệ Thông tin triển khai tích hợp công cụ trong thời gian 6 tháng, đặt mục tiêu tự động quét dữ liệu và gắn cờ cảnh báo sớm cho 100% sinh viên có nguy cơ bỏ học ngay sau khi có điểm thi kết thúc mỗi học kỳ.

Thứ hai, nâng cao năng lực và chuẩn hóa quy trình làm việc của đội ngũ cố vấn học tập. Phòng Đào tạo và các Ban Chủ nhiệm Khoa ban hành quy chế tư vấn học vụ từ học kỳ 1 năm học mới, đảm bảo 100% sinh viên bị cảnh báo học vụ được gặp cố vấn trực tiếp để điều chỉnh kế hoạch học tập, phấn đấu giảm ít nhất 30% tỷ lệ sinh viên đăng ký sai lộ trình học phần.

Thứ ba, tổ chức các khóa tập huấn phương pháp học tập tín chỉ và kỹ năng tự học cho tân sinh viên. Đoàn Thanh niên phối hợp với Phòng Công tác Sinh viên thực hiện ngay trong tuần sinh hoạt công dân đầu khóa, giúp sinh viên làm quen với cách phân bổ thời gian và quản lý việc làm thêm, hướng đến mục tiêu nâng điểm trung bình tích lũy năm nhất của sinh viên lên tối thiểu 0.5 điểm.

Thứ tư, hoàn thiện chính sách hỗ trợ tài chính và học bổng khuyến khích học tập. Phòng Kế hoạch Tài chính xây dựng quy trình xét duyệt giãn nộp học phí hoặc cấp học bổng vượt khó trong vòng 15 ngày kể từ khi tiếp nhận danh sách sinh viên gặp rủi ro học vụ do áp lực kinh tế.

Đối tượng nên tham khảo luận văn

Luận văn thạc sĩ này mang lại giá trị học thuật và ứng dụng thực tiễn đa dạng cho 4 nhóm đối tượng chính:

Nhóm 1: Ban Giám hiệu và các nhà quản trị giáo dục đại học. Tài liệu cung cấp cơ sở khoa học để hoạch định chiến lược duy trì sĩ số, nâng cao chất lượng đào tạo và xây dựng các chính sách quản lý học vụ hiện đại.

Nhóm 2: Giảng viên chủ nhiệm và chuyên viên cố vấn học tập. Luận văn cung cấp bảng tiêu chí nhận diện sớm các dấu hiệu sinh viên sa sút học lực, từ đó chủ động xây dựng kế hoạch can thiệp và hỗ trợ cá nhân hóa cho từng sinh viên.

Nhóm 3: Các kỹ sư phần mềm, chuyên viên phân tích dữ liệu và các công ty EdTech. Bản mô tả chi tiết thuật giải CPAR-GR và mã nguồn chương trình demo bằng Python là tài liệu tham khảo giá trị để phát triển các mô hình phân tích học tập (Learning Analytics) trong các hệ thống đại học thông minh.

Nhóm 4: Học viên cao học và nhà nghiên cứu trong lĩnh vực Khoa học máy tính và Giáo dục học. Công trình là tài liệu tham khảo hữu ích về phương pháp kết hợp giữa kiểm định thống kê SPSS và kỹ thuật khai phá luật kết hợp dự báo trên các tập dữ liệu mất cân bằng.

Câu hỏi thường gặp

Thuật giải CPAR-GR có điểm gì vượt trội so với thuật toán phân lớp luật kết hợp truyền thống? Thuật giải CPAR-GR khắc phục được nhược điểm sinh ra quá nhiều luật dư thừa của thuật toán CBA bằng cách sử dụng tỷ số độ lợi thông tin (Gain Ratio) để tìm kiếm trực tiếp các luật dự báo tiềm năng, đồng thời áp dụng độ chính xác Laplace để chọn lọc 5 luật tốt nhất, giúp tối ưu hóa thời gian xử lý và nâng cao độ chính xác dự báo.

Tại sao luận văn lại kết hợp công cụ SPSS trong giai đoạn tiền xử lý dữ liệu? SPSS cung cấp công cụ kiểm định Independent Samples T-test trực quan, giúp nhanh chóng xác định các thuộc tính có ý nghĩa thống kê ở mức p < 0.05. Việc này không chỉ giảm kích thước tập dữ liệu đầu vào mà còn rất phù hợp với trình độ thao tác của cán bộ quản lý giáo dục mà không đòi hỏi kỹ năng lập trình phức tạp.

Những yếu tố học tập nào ảnh hưởng lớn nhất đến nguy cơ bỏ học của sinh viên? Dữ liệu thực nghiệm trên hơn 2.500 sinh viên tại Đại học Bình Dương cho thấy kết quả học tập năm thứ nhất, đặc biệt là điểm trung bình tích lũy GPA dưới 2.0 và số tín chỉ không đạt vượt quá 12 tín chỉ, là hai yếu tố cốt lõi quyết định đến hơn 80% khả năng sinh viên rời bỏ chương trình đào tạo.

Chỉ số độ chính xác Laplace được tính toán và sử dụng như thế nào trong mô hình? Độ chính xác Laplace được tính dựa trên số mẫu thỏa mãn cả tiền đề và kết luận của luật chia cho tổng số mẫu thỏa mãn tiền đề cộng với số lượng lớp phân loại. Chỉ số này giúp xếp hạng khách quan chất lượng của các luật phân lớp, từ đó hệ thống lấy giá trị trung bình của các luật tốt nhất để gán nhãn dự báo chính xác.

Mô hình dự báo của luận văn có thể áp dụng cho các trường đại học khác hay không? Mô hình hoàn toàn có khả năng nhân rộng sang các cơ sở giáo dục đại học khác đang vận hành theo học chế tín chỉ. Khi áp dụng cho đơn vị mới, hệ thống chỉ cần nhập bộ dữ liệu lịch sử của trường đó, chạy lại bước tiền xử lý T-test trên SPSS và huấn luyện lại bộ luật CPAR-GR trên Python để đạt độ chính xác tối ưu.

Kết luận

Nghiên cứu đã giải quyết trọn vẹn bài toán dự báo khả năng bỏ học của sinh viên đại học chính quy thông qua việc ứng dụng phương pháp phân lớp dựa trên luật kết hợp CPAR-GR. 5 đóng góp và định hướng trọng tâm của công trình bao gồm:

• Hoàn thiện khung quy trình kết hợp giữa kiểm định thống kê T-test trong SPSS để giảm chiều dữ liệu và thuật giải CPAR-GR để trích xuất luật phân lớp dự báo.
• Xây dựng thành công ứng dụng demo bằng ngôn ngữ Python có khả năng tự động xử lý tập dữ liệu huấn luyện, tạo luật và dự báo nhãn lớp với độ chính xác đạt trên 88.5%.
• Đánh giá thực nghiệm toàn diện trên cơ sở dữ liệu thực tế gồm 4 khóa đào tạo 2017 đến 2020 của 13 ngành học tại Trường Đại học Bình Dương, chỉ ra chính xác giai đoạn năm 1 và năm 2 là thời điểm rủi ro cao nhất.
• Về lộ trình phát triển trong 12 tháng tới, mô hình sẽ tiếp tục được tích hợp vào hệ thống máy chủ dữ liệu lớn của nhà trường và mở rộng thêm các thuộc tính về học phí, tương tác học tập trực tuyến E-learning.
• Kêu gọi các nhà quản lý giáo dục và các cơ sở đào tạo tích cực ứng dụng các kỹ thuật khai phá dữ liệu học tập nhằm nâng cao chất lượng đào tạo và xây dựng môi trường đại học thân thiện, hỗ trợ tối đa cho người học.

Trích đoạn nội dung tài liệu

Chương 1 TỔNG QUAN 1. Lý do chọn đề tài Trong môi trường giáo dục đại học hiện nay, đặc biệt là giáo dục đại học đào tạo theo hệ thống tín chỉ. Sinh viên chưa biết và chưa hiểu hết được tầm quan trọng của việc đào tạo theo hệ thống tín chỉ, một lựa chọn đào tạo mang tính chất mềm dẻo giúp người học tự hoạch định chiến lược học tập, quyết định được tiến độ học tập và ra trường của bản thân. Hầu hết sinh viên khi tham gia học tại các cơ sở giáo dục đại học hiện nay chỉ biết đăng ký môn học để tích lũy tín chỉ theo cảm tính, theo lời của bạn bè, lơ là việc học để làm thêm, chán việc học vì không hiểu bài,… Sinh viên không biết lập kế hoạch học tập, kế hoạch bản thân, từ đó kết quả học tập của sinh viên ngày càng đi xuống, tinh thần học tập qua các năm giảm, dẫn đến tình trạng bỏ học tăng cao, tỉ lệ cảnh báo học vụ vì vi phạm quy chế phần lớn liên quan đến điểm tích lũy từng học kỳ và khóa học.

Chính vì lý do đó, việc ứng dụng công nghệ thông tin trong việc khai phá dữ liệu học tập của sinh viên, bằng kỹ thuật phân lớp dựa trên luật kết hợp dự báo được khả năng bỏ học của sinh viên cũng như đưa ra các giải pháp phù hợp giúp cải thiện và làm giảm tỉ lệ bỏ học, tỉ lệ sinh viên bị cảnh báo học vụ rất hữu ích và cấp thiết. Mục tiêu của đề tài Nghiên cứu bài toán phân lớp dựa trên luật kết hợp và ứng dụng vào dự báo khả năng bỏ học của sinh viên Trường Đại học Bình Dương. Nhiệm vụ của đề tài Tìm hiểu và trình bày về thuật giải CPAR-GR [1]. Sử dụng thuật giải CPAR-GR để xây dựng chương trình demo dự báo khả năng bỏ học của sinh viên.

Đánh giá bằng thực nghiệm với cơ sở dữ liệu sinh viên thực tế (sinh viên từ năm 1 đến năm 4). Đối tượng và phạm vi nghiên cứu 4. Đối tượng nghiên cứu Nghiên cứu các vấn đề cơ bản của khai phá dữ liệu; kỹ thuật phân lớp dựa trên luật kết hợp dự báo khả năng bỏ học của sinh viên tại Trường Đại học Bình Dương. Phạm vi nghiên cứu Nghiên cứu thuật giải phân lớp dựa trên luật kết hợp CPAR-GR và ứng dụng vào bài toán dự báo khả năng bỏ học của sinh viên Trường Đại học Bình Dương.

Cách tiếp cận và phương pháp nghiên cứu Kết hợp các phương pháp: nghiên cứu lý thuyết, thu thập phân tích dữ liệu và lập trình ứng dụng. Sử dụng bộ dữ liệu thực tế về quá trình học tập của sinh viên chính quy năm 1 đến năm 4 tại Trường Đại học Bình Dương để phân tích và thực nghiệm (dữ liệu được mã hóa thành mã định danh để mang tính bảo mật thông tin). Ý nghĩa thực tiễn của đề tài Nghiên cứu này nhằm góp phần nâng cao chất lượng đào tạo, giúp các đơn vị chuyên trách có cơ sở để hoạch định được các chiến lược, phương pháp hỗ trợ sinh viên kịp thời trong quá trình học tập, làm giảm tỉ lệ bỏ học, kết quả học tập kém của sinh viên. Các công trình nghiên cứu gần đây Đại dịch cúm là một mối quan tâm lớn trên toàn thế giới.

Lần đầu tiên, một thuật giải khai thác phân lớp dựa trên luật kết hợp (CBA) đã được sử dụng để khám phá các quy tắc củng cố sự thay đổi của các chuỗi không nhiễm bệnh để dự báo các đại dịch. Ebrahimie [2] giả định rằng các quy tắc 2 trích xuất có thể dẫn đến sự phát triển của một hệ thống chuyên gia hiệu quả để dự đoán đại dịch cúm. Nhóm tác giả đã sử dụng một bộ dữ liệu lớn chứa 5373 HA (hemagglutinin) trong các chuỗi dịch cúm và đại dịch cúm 2009. Phân tích được thực hiện trình tự nucleotide và protein.

Nhóm tác giả đã tìm thấy một số quy tắc mới có khả năng trình bày các vị trí kháng nguyên chưa được khám phá ở cấu trúc cúm. Ở cấp độ nucleotide, sự thay đổi của thymine (T) ở vị trí 260 là đặc điểm phân biệt chính trong việc phân biệt không gây đại dịch với hậu quả của đại dịch. Ở cấp độ protein, các quy tắc bao gồm I233K, M334L là các tính năng khác biệt. CBA phân loại hiệu quả các chuỗi đại dịch và không đại dịch với độ chính xác cao ở cả mức độ nucleotide và protein.

Tìm các điểm nóng trong các chuỗi cúm là một phát hiện quan trọng vì chúng đại diện cho các vùng có khả năng phản ứng kháng thể thấp. Nhóm tác giả lập luận rằng virus phá vỡ phản ứng miễn dịch của vật chủ bằng các đột biến tại các điểm. Dựa trên các quy tắc được phát hiện, nhóm tác giả đã phát triển phần mềm "Dự đoán dịch cúm" để phân biệt đại dịch từ các chuỗi không nhiễm bệnh. Nghiên cứu này mở ra một khám phá mới về các quy tắc kết hợp giữa các điểm đột biến trong quá trình tiến hóa của đại dịch cúm.

Trong cơ sở dữ liệu mất cân bằng về lớp, mặc dù các thiểu số cũng đóng vai trò quan trọng nhưng chúng sẽ không được khai thác khi dựa vào phân lớp luật kết hợp. Minh Thúy, and G. Côn đề xuất một phương pháp biến đổi cơ sở dữ liệu sao cho phân lớp được cân bằng, sau đó khai thác luật kết hợp dựa trên dữ liệu đã biến đổi [3]. Để biến đổi dữ liệu, nhóm tác giả đã chia tập dữ liệu thành m tập con, mỗi tập con tương ứng với một giá trị của thuộc tính lớp.

Với mỗi tập dữ liệu, nhóm tác giả sử dụng K-means để gom chúng thành k nhóm (k chính là số dòng dữ liệu của tập dữ liệu có ít dòng nhất). Với mỗi nhóm, nhóm tác giả chọn dòng đại diện chính là dòng có khoảng cách gần với trọng tâm nhất. Sau khi gom nhóm, nhóm tác giả tập hợp dữ liệu lại và sử dụng CAR-Miner để khai thác phân lớp luật kết 3 hợp. Kết quả thực nghiệm cho thấy phương pháp của nhóm tác giả thường có độ chính xác cao hơn với phương pháp khai thác phân lớp luật kết hợp từ toàn bộ cơ sở dữ liệu.

Phân lớp dựa trên luật kết hợp được chứng minh là rất hiệu quả trong các vấn đề phân lớp. Tuy nhiên, các thuật giải được sử dụng để phân lớp không thể quản lý thỏa đáng dữ liệu lớn do sự phức tạp về thời gian và bộ nhớ. Để khắc phục nhược điểm đó, năm 2016, A. Segatori đề xuất một sơ đồ phân lớp dựa trên quy tắc kết hợp được định hình theo mô hình MapReduce [4].

Giải pháp đề xuất cho các bộ phân lớp luật kết hợp có thể phù hợp để giải quyết thực tế các bộ dữ liệu lớn. Ngày nay, với lượng dữ liệu ngày càng lớn và phức tạp với nhiều cấu trúc khác nhau. Tuy nhiên, không phải dữ liệu nào cũng sẽ hữu ích và có độ quan trọng như nhau, vì vậy rất cần phương pháp để loại bỏ các thuộc tính không hữu ích hoặc kém quan trọng nhằm làm tăng độ chính xác, giảm chi phí xử lý. Kerdprasop nghiên cứu vấn đề tìm kiếm tập hợp các thuộc tính tối ưu có ảnh hưởng đến khám phá lớp và đề xuất một phương pháp mới để lựa chọn thuộc tính [5].

Nghiên cứu nhằm mục đích đề xuất một thuật toán hiệu quả để phân loại dữ liệu được tích hợp với quy trình lựa chọn thuộc tính dựa trên khai thác luật kết hợp để tạo ra các luật có tác động cao đến thuộc tính lớp. Năm 2020, tác giả Nguyễn Văn Chiến thực hiện nghiên cứu đề tài luận văn tốt nghiệp ngành Khoa học máy tính về việc ứng dụng phân lớp dựa trên luật kết hợp dự báo vào giải bài toán “Dự báo tình hình nghỉ, bỏ học của học sinh trung học trên địa bàn Thành phố Hồ Chí Minh” [6]. Đề tài ứng dụng thuật giải CPAR-GR do tác giả Nandhini Manoharan đề xuất năm 2015 [1]. Đề tài nhằm giúp phân tích, phục vụ cho kế hoạch giáo dục của nhà trường như xếp lớp, chăm lo chính sách cho học sinh,… Sự khác nhau giữa đề tài của tác giả Nguyễn Văn Chiến và đề tài luận văn tốt nghiệp này: 4 - Đề tài luận văn tốt nghiệp này tác giả ứng dụng phương pháp tiền xử lý dữ liệu (làm sạch dữ liệu) bằng phần mềm SPSS.

Đề tài của tác giả Nguyễn Văn Chiến chưa ứng dụng bước tiền xử lý dữ liệu vào trong thực nghiệm. - Ứng dụng chức năng thống kê (T-test bằng phần mềm SPSS) đánh giá tác động giữa biến độc lập với biến phụ thuộc, với mục đích để loại bỏ các biến có thuộc tính kém quan trọng, làm tăng khả năng xử lý và không tiêu tốn quá nhiều tài nguyên hệ thống (loại bỏ thủ công). - Đề tài ứng dụng thực tế vào môi trường tại cơ quan tác giả đang công tác, với tập cơ sở dữ liệu thật được trích xuất mới nhất. Các yếu tố ảnh hưởng đến khả năng bỏ học của sinh viên trong môi trường giáo dục đại học (đào tạo theo tín chỉ) bao quát hơn so với các yếu tố đối với học sinh phổ thông theo đề tài của tác giả Nguyễn Văn Chiến.

- Phương pháp tiền xử lý dữ liệu bằng phần mềm SPSS phù hợp với thực trạng hệ thống (tài nguyên máy tính,…) tại cơ quan của tác giả đang công tác, đồng thời phù hợp với khả năng của cán bộ nhân viên tại đơn vị, không đòi hỏi người dùng phải chuyên sâu vào lĩnh vực công nghệ thông tin. - Ngoài ra với phương pháp phân tích dữ liệu bằng SPSS được nhiều công trình nghiên cứu khoa học trong lĩnh vực giáo dục, xã hội, kinh tế ứng dụng để phân tích. Vì vậy, mức độ phổ biến và dễ tiếp cận với người dùng, trực quan trong quá trình sử dụng dễ dàng phân tích dữ liệu đem đến kết quả phân tích chính xác với độ tương đối cao. 5 Chương 2 CƠ SỞ LÝ THUYẾT I.

CÁC KHÁI NIỆM CƠ BẢN TRONG KHAI PHÁ LUẬT KẾT HỢP 1. Ví dụ: Ta có dữ liệu giao dịch sau Bảng 2.1: Cơ sở dữ liệu D, ví dụ itemset TID Transaction 1 {bread; egg; roasted pork; butter} 2 {bread; sausage; egg; butter} 3 {bread; sausage; milk; butter} 4 {bread; sausage; egg; milk; butter} Trong đó: Mỗi giao dịch được gọi là tập mục, như sau: ● {bread,egg,roasted pork,butter} là tập mục. ● {bread; sausage; egg; butter} là tập mục. ● {bread; sausage; milk; butter} là tập mục.

● {bread; sausage; egg; milk; butter} là tập mục. k-tập mục (k-itemset) K-tập mục là một itemset có k phần tử.