Bối cảnh và vấn đề nghiên cứu

Tại Trường Quốc tế – Đại học Quốc gia Hà Nội (VNU-IS), sinh viên theo học các chương trình cử nhân chính quy được yêu cầu phải đạt chứng chỉ tiếng Anh chuẩn trình độ B2 theo khung tham chiếu trước khi chuyển tiếp vào các học phần chuyên ngành. Đối với những sinh viên chưa có chứng chỉ ngoại ngữ quốc tế hợp lệ tại thời điểm nhập học, nhà trường tổ chức các khóa học tiếng Anh dự bị (Pre-English - PE) và kỳ thi đánh giá năng lực phân lớp đầu vào (Placement Test). Các khóa học này được tổ chức theo từng giai đoạn học tập, thường được gọi là các "intake" (từ Intake 1 đến Intake 5).

Quy trình xếp lớp và đánh giá học tập truyền thống chủ yếu dựa vào điểm số của bài kiểm tra phân lớp (bao gồm ba kỹ năng: Nghe, Đọc, Viết) kết hợp với đánh giá định kỳ. Tuy nhiên, phương thức này bộc lộ một số hạn chế nhất định: tính chủ quan trong đánh giá, phản hồi kết quả chưa kịp thời, và chưa nắm bắt được toàn diện lộ trình học tập của người học. Việc phân loại sinh viên vào các lớp PE chưa thực sự tương xứng với tốc độ tiếp thu thực tế có thể dẫn đến việc kéo dài thời gian học tập, gia tăng áp lực học vụ và gây khó khăn trong công tác phân bổ nguồn lực giảng dạy của nhà trường.

Trong bối cảnh khai phá dữ liệu giáo dục (Educational Data Mining - EDM) ngày càng phát triển, việc áp dụng các mô hình học máy và học sâu cho phép khai thác các tập dữ liệu lớn về hồ sơ học tập và nhân khẩu học để dự báo chính xác tiến độ của người học. Khóa luận tập trung giải quyết 4 nhiệm vụ và câu hỏi nghiên cứu cụ thể:

  1. Phân tích tính hiệu quả của các khóa học Tiếng Anh dự bị (PE) đối với kết quả học tập của sinh viên.
  2. Kiểm tra độ chính xác và độ tin cậy của bài kiểm tra xếp lớp (Placement Test) để xác định giá trị thông tin của bài kiểm tra này trong việc phân loại sinh viên.
  3. Ứng dụng mô hình Mạng nơ-ron truyền thẳng (Feedforward Neural Network - FFNN) để xác định các đặc trưng dữ liệu có ảnh hưởng lớn nhất đến kết quả phân loại (giữa nhóm dữ liệu điểm số học thuật và nhóm dữ liệu nhân khẩu học cá nhân).
  4. Cung cấp các phát hiện thực nghiệm và khuyến nghị quản lý nhằm cải tiến quy trình xếp lớp và tối ưu hóa chương trình giảng dạy tiếng Anh dự bị tại nhà trường.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các đặc trưng dữ liệu cá nhân, kết quả thi tuyển sinh, điểm thi xếp lớp, quá trình học các kỳ PE và thời gian (số lượng intake) để sinh viên đạt chuẩn chứng chỉ B2.
  • Phạm vi không gian: Trường Quốc tế – Đại học Quốc gia Hà Nội (VNU-IS).
  • Phạm vi thời gian và dữ liệu: Tập dữ liệu gốc gồm 1.429 bản ghi sinh viên thuộc các đợt tuyển sinh và theo học các kỳ PE từ năm 2020 đến năm 2023.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình ứng dụng

Khóa luận xây dựng trên nền tảng lý thuyết của Khai phá dữ liệu giáo dục (EDM), Học có giám sát (Supervised Learning) và Học sâu (Deep Learning). Mô hình thuật toán cốt lõi được tác giả lựa chọn và triển khai là Mạng nơ-ron truyền thẳng (Feedforward Neural Network - FFNN) phục vụ bài toán phân loại đa lớp (Multiclass Classification).

Cấu trúc FFNN bao gồm ba thành phần chính:

  • Lớp đầu vào (Input Layer): Tiếp nhận các vectơ đặc trưng sau khi đã xử lý tiền kỳ.
  • Các lớp ẩn (Hidden Layers): Thực hiện các phép biến đổi phi tuyến thông qua việc kết hợp trọng số (weights), độ lệch (biases) và hàm kích hoạt ReLU (Rectified Linear Unit, với công thức $f(x) = \max(0, x)$) nhằm mô hình hóa các mối quan hệ phức tạp trong dữ liệu.
  • Lớp đầu ra (Output Layer): Sử dụng hàm kích hoạt Softmax để chuyển đổi các giá trị đầu ra thành phân phối xác suất trên 5 lớp tương ứng với các kỳ intake (tổng xác suất các lớp bằng 1).

Quá trình huấn luyện sử dụng thuật toán lan truyền ngược (Backpropagation) dựa trên quy tắc đạo hàm chuỗi (Chain Rule) để tính toán gradient và hàm mất mát Phân loại Entropy chéo (Categorical Cross-Entropy Loss). Để cập nhật trọng số và tối ưu hóa tốc độ hội tụ, tác giả tiến hành thực nghiệm so sánh hai thuật toán tối ưu hóa thích ứng: Adam (Adaptive Moment Estimation) và RMSprop (Root Mean Square Propagation).

Phương pháp nghiên cứu và quy trình xử lý dữ liệu

Khóa luận sử dụng phương pháp nghiên cứu thực nghiệm định lượng trên môi trường ngôn ngữ lập trình Python, khai thác các thư viện chuyên dụng như Pandas, Keras và TensorFlow. Quy trình thực nghiệm bao gồm các bước:

[Dữ liệu thô: 1429 bản ghi, 44 cột]
[Tập dữ liệu khả dụng: 886 bản ghi]
  • Xử lý dữ liệu: Lựa chọn dữ liệu hợp lệ, loại bỏ các dòng chứa giá trị khuyết thiếu ở các trường thông tin tuyển sinh quan trọng (236 dòng), chuyển đổi các biến phân loại bằng kỹ thuật mã hóa One-Hot Encoding (OHE) và chuẩn hóa dữ liệu số bằng kỹ thuật StandardScaler.
  • Xử lý mất cân bằng lớp: Áp dụng kỹ thuật sinh mẫu nhân tạo cho lớp thiểu số SMOTE (Synthetic Minority Over-sampling Technique) trên tập huấn luyện nhằm khắc phục tình trạng chênh lệch số lượng mẫu giữa các intake.
  • Kiểm định mô hình: Phân chia tập dữ liệu theo phương pháp phân tầng (Stratified Split) thành tập huấn luyện (Training Set), tập xác thực (Validation Set) và tập kiểm thử (Test Set); kết hợp kiểm định chéo K-fold (K-fold Cross-Validation).
  • Chỉ số đánh giá: Độ chính xác tổng thể (Accuracy), Độ chuẩn xác (Precision), Độ thu hồi (Recall), Điểm F1 (F1-score), Ma trận nhầm lẫn (Confusion Matrix) và Diện tích dưới đường cong ROC (ROC-AUC).

Nguồn dữ liệu

Dữ liệu nghiên cứu được cung cấp chính thức bởi Phòng Đào tạo (Academic Department) của Trường Quốc tế – Đại học Quốc gia Hà Nội. Tập dữ liệu gốc chứa 1.429 bản ghi và 44 trường thông tin, bao gồm các nhóm: thông tin nhân khẩu học (ngày sinh, giới tính, nơi sinh/vùng miền, ngành học), thông tin tuyển sinh THPT (tổ hợp môn, điểm thi từng môn, điểm trúng tuyển, điểm trung bình lớp 12, hạnh kiểm, học lực), điểm kỳ thi xếp lớp tiếng Anh (Nghe, Đọc, Viết), quá trình học các lớp PE (từ Intake 1 đến Intake 5) và thông tin cấp chứng chỉ B2.


Nội dung chính theo từng chương

Chương 1: Giới thiệu (Chapter 1: Introduction)

Chương 1 thiết lập cơ sở thực tiễn và lý luận của bài toán dự đoán hiệu suất học tập trong giáo dục đại học. Tác giả phân tích các hạn chế của phương pháp đánh giá truyền thống (dễ bị ảnh hưởng bởi tính chủ quan của giảng viên, thiếu tính liên tục, không cung cấp phản hồi kịp thời cho can thiệp cá nhân hóa). Đồng thời, tác giả tổng thuật các nghiên cứu ứng dụng phương pháp dựa trên dữ liệu (EDM), học máy có giám sát (cây quyết định, hồi quy logistic, SVM, ANN) và các mô hình học sâu (CNN, RNN).

Chương này nhấn mạnh lý do lựa chọn mạng nơ-ron truyền thẳng (FFNN) cho bài toán phân loại đa lớp tại VNU-IS: FFNN có khả năng phát hiện các mối quan hệ phi tuyến phức tạp giữa các biến đầu vào đa dạng (nhân khẩu học, kết quả học tập phổ thông, điểm thi phân lớp) mà các mô hình thống kê tuyến tính truyền thống khó nắm bắt được.

Chương 2: Cơ sở lý thuyết về mạng nơ-ron nhân tạo (Chapter 2: Fundamentals of Artificial Neural Networks)

Chương 2 trình bày chi tiết nền tảng toán học và cấu trúc vận hành của mạng nơ-ron truyền thẳng (FFNN). Các nội dung trọng tâm bao gồm:

  • Cơ chế nơ-ron và tham số: Giải thích vai trò của ma trận trọng số ($W$) và vectơ độ lệch ($b$), quá trình khởi tạo trọng số ngẫu nhiên nhằm hạn chế hiện tượng triệt tiêu đạo hàm (vanishing gradient).
  • Hàm kích hoạt: So sánh đặc tính của các hàm Sigmoid, Tanh, LeakyReLU, ReLU ($f(x) = \max(0, x)$) và Softmax. Tác giả giải thích lý do sử dụng ReLU ở các lớp ẩn để tăng tốc độ hội tụ và Softmax ở lớp đầu ra để xuất xác suất phân loại đa lớp.
  • Lan truyền xuôi và lan truyền ngược: Mô tả toán học quá trình lan truyền tín hiệu từ lớp đầu vào qua các lớp ẩn đến lớp đầu ra, kết hợp việc tính toán sai số thông qua hàm mất mát Categorical Cross-Entropy và cơ chế lan truyền ngược cập nhật tham số dựa trên đạo hàm riêng.
  • Thuật toán tối ưu hóa: Phân tích nguyên lý của Gradient Descent có Momentum, thuật toán RMSprop (sử dụng trung bình động có trọng số mũ của bình phương gradient) và thuật toán Adam (kết hợp ước lượng moment bậc một và bậc hai).
  • Kỹ thuật chống quá khớp và đánh giá: Giới thiệu kỹ thuật ngắt nơ-ron ngẫu nhiên (Dropout), kỹ thuật kiểm định chéo phân tầng (Stratified K-fold Cross-Validation), phân tích đường cong học tập (Learning Curves) cùng các thước đo phân loại đa lớp (Precision, Recall, F1-score, ROC-AUC).

Chương 3: Ứng dụng mạng nơ-ron để dự đoán thời gian đạt chứng chỉ B2 (Chapter 3: Applying Neural Networks for Predicting Time to Achieve B2 Certification)

Chương 3 là phần thực nghiệm cốt lõi của khóa luận, mô tả toàn bộ quá trình xử lý dữ liệu và xây dựng mô hình dự báo thời gian (số lượng intake) đạt chuẩn B2:

  1. Lọc dữ liệu và gán nhãn:

    • Loại bỏ 73 sinh viên đã thôi học, 113 sinh viên đã có chứng chỉ B2 tại thời điểm nhập học, 92 sinh viên chưa có chứng chỉ đến thời điểm thống kê, 30 sinh viên đạt chứng chỉ trước tháng 11/2020 và 17 sinh viên thiếu thông tin chứng chỉ.
    • Loại bỏ 236 dòng thiếu dữ liệu tuyển sinh do không thể điền khuyết một cách tin cậy. Tổng số mẫu sau lọc còn lại 886 bản ghi hợp lệ.
    • Gán nhãn biến mục tiêu Số Intake thành 5 lớp (từ 1 đến 5 intake).
  2. Phân tích tương quan và lựa chọn đặc trưng:

    • Điểm bài thi xếp lớp tiếng Anh đầu vào có tương quan yếu với điểm tổng kết Intake 1.
    • Điểm môn thi thứ 3 (tiếng Anh tuyển sinh) có tương quan chặt chẽ hơn với môn thi thứ 1 (Toán) và điểm trung bình học tập lớp 12.
    • Bộ đặc trưng đưa vào mô hình gồm 8 biến số (Điểm thi xếp lớp Nghe/30, Đọc/35, Viết/30; Điểm tổng kết Intake 1; Điểm môn 1, 2, 3 kỳ tuyển sinh; Điểm TB lớp 12) và 4 biến phân loại (Giới tính, Level Intake 1, Level Intake 2, Vùng miền/Nơi sinh). Sau khi mã hóa One-Hot Encoding, không gian đặc trưng mở rộng thành 29 chiều.
  3. Cân bằng dữ liệu và chia tập dữ liệu:

    • Dữ liệu 886 mẫu được chia theo tỷ lệ phân tầng thành: Tập huấn luyện (708 mẫu), Tập xác thực (89 mẫu) và Tập kiểm thử (89 mẫu).
    • Áp dụng kỹ thuật SMOTE trên tập huấn luyện (708 mẫu, 29 chiều), mở rộng kích thước lên 1.095 mẫu để cân bằng số lượng mẫu giữa các intake.
Tập xác thực: 89 mẫu
Tập kiểm thử: 89 mẫu
Tổng dữ liệu đưa vào mô hình: 886 bản ghi
  1. Thực nghiệm mô hình cơ sở và tinh chỉnh siêu tham số:
    • Mô hình cơ sở ban đầu (Base Model gồm 2 lớp ẩn 64-64 nơ-ron, Adam, ReLU) xuất hiện hiện tượng quá khớp từ epoch thứ 10 khi validation loss tăng lên ~0.5.
    • Thực nghiệm loại bỏ biến Vùng miền khiến validation loss tăng rõ rệt, chứng minh nơi sinh là biến dự báo có đóng góp quan trọng.
    • So sánh thuật toán tối ưu hóa cho thấy RMSprop giúp đồ thị đường cong học tập hội tụ mượt mà và ổn định hơn Adam trong khoảng từ 40 đến 50 epoch.
    • Khảo sát các cấu trúc mạng ẩn: Các cấu trúc nơ-ron nhỏ ([5], [10], [15], [5,5], [5,10], [10,10], [5,5,5]) cho độ chính xác thấp (tối đa ~0.70) và loss cao (>1.0). Cấu trúc mạng có dung lượng lớn hơn giúp mô hình tiếp thu tốt hơn các mối quan hệ phức tạp.
    • Quy trình tìm kiếm lưới (GridSearch) đã xác định bộ siêu tham số tối ưu:
      • Hàm kích hoạt: relu
      • Kích thước batch: 16
      • Tỷ lệ Dropout: 0.0
      • Số Epochs: 50
      • Cấu trúc lớp ẩn: (128, 64) nơ-ron
      • Tốc độ học (Learning Rate): 0.01
      • Thuật toán tối ưu: rmsprop
      • Độ chính xác trung bình trên tập huấn luyện đạt xấp xỉ 0.71 (71%).

Kết quả và đóng góp

Kết quả định lượng trên tập kiểm thử

Mô hình FFNN sau khi tối ưu hóa được đánh giá độc lập trên tập kiểm thử ($N = 89$). Kết quả phân loại chi tiết được tổng hợp qua ma trận nhầm lẫn:

Lớp thực tế Dự đoán Intake 1 Dự đoán Intake 2 Dự đoán Intake 3 Dự đoán Intake 4 Dự đoán Intake 5 Tổng số mẫu thực tế
Intake 1 21 0 3 0 0 24
Intake 2 3 1 2 0 0 6
Intake 3 1 0 5 1 2 9
Intake 4 4 2 2 8 6 22
Intake 5 1 1 0 5 21 28

Phân tích hiệu năng phân loại cho thấy:

  • Mô hình thể hiện khả năng phân loại vượt trội ở hai nhóm cực đoan: Lớp Intake 1 (nhóm sinh viên tiến độ nhanh, đạt chuẩn ngay sau 1 kỳ) và Lớp Intake 5 (nhóm sinh viên tiến độ chậm, cần 5 kỳ). Ở Lớp Intake 1, mô hình phân loại chính xác 21/24 mẫu; ở Lớp Intake 5, phân loại chính xác 21/28 mẫu.
  • Đường cong ROC và chỉ số AUC đạt mức cao nhất ở Lớp 1 (AUC = 0.87), tiếp theo là Lớp 5.
  • Mô hình gặp khó khăn trong việc nhận diện chính xác các lớp trung gian, đặc biệt là Lớp Intake 2 (chỉ phân loại chính xác 1/6 mẫu) do số lượng mẫu thực tế của các lớp này rất thấp và ranh giới phân tách giữa các intake liền kề (Intake 2 và 3, Intake 4 và 5) có độ chồng lấn dữ liệu lớn.

Phát hiện nghiên cứu quan trọng

  1. Điểm thi xếp lớp (Placement Test Score): Có vai trò là biến số dự báo quan trọng hàng đầu đối với tiến độ đạt chứng chỉ B2 của sinh viên.
  2. Yếu tố Vùng miền / Nơi sinh (Birthplace): Là thuộc tính nhân khẩu học có ảnh hưởng đáng kể đến độ chính xác của mô hình. Sinh viên xuất thân từ khu vực Hà Nội và các tỉnh thuộc Đồng bằng sông Hồng có xu hướng đạt kết quả tốt hơn và hoàn thành chuẩn B2 trong thời gian ngắn hơn.

Đóng góp và khuyến nghị thực tiễn

  • Đóng góp khoa học: Khóa luận chứng minh tính khả thi của việc ứng dụng mạng nơ-ron truyền thẳng (FFNN) trong bài toán phân loại đa lớp tiến độ học tập sinh viên tại môi trường đại học quốc tế tại Việt Nam; khẳng định tầm quan trọng của việc kết hợp biến nhân khẩu học (địa lý) với dữ liệu khảo thí đầu vào.
  • Kiến nghị đối với nhà trường:
    1. Sử dụng điểm thi xếp lớp làm chỉ số trọng yếu: Cần coi trọng kết quả bài thi phân lớp đầu vào để sớm thiết kế các biện pháp can thiệp học tập có mục tiêu cho nhóm sinh viên có điểm đầu vào thấp, giúp rút ngắn thời gian hoàn thành chuẩn đầu ra.
    2. Định hướng công tác tuyển sinh: Nhà trường có thể chú trọng đẩy mạnh hoạt động tuyển sinh tại các khu vực địa bàn trọng điểm như Hà Nội và các tỉnh Đồng bằng sông Hồng, nơi sinh viên có nền tảng tiếng Anh đầu vào tốt và khả năng hoàn thành chương trình đúng hạn cao.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

  • Quy mô tập dữ liệu còn nhỏ: Sau các bước sàng lọc và loại bỏ dữ liệu thiếu, kích thước tập dữ liệu huấn luyện khả dụng chỉ còn 886 mẫu. Điều này làm tăng nguy cơ quá khớp (overfitting) trong quá trình huấn luyện các mạng nơ-ron có dung lượng tham số lớn.
  • Mất cân bằng dữ liệu giữa các lớp: Mặc dù đã áp dụng kỹ thuật SMOTE, sự thiếu hụt mẫu thực tế ở các lớp trung gian (Intake 2 và Intake 3) vẫn dẫn đến độ chuẩn xác (Precision) và độ thu hồi (Recall) ở các lớp này thấp hơn đáng kể so với hai lớp cực đoan (Intake 1 và Intake 5).

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình thuật toán: Thử nghiệm các kiến trúc học sâu khác như mạng nơ-ron tích chập (CNN), mạng nơ-ron hồi quy (RNN/LSTM) hoặc các mô hình học máy dạng kết hợp (Ensemble Learning) như Random Forest, XGBoost để đối sánh hiệu năng.
  • Kỹ nghệ đặc trưng và tăng cường dữ liệu: Khai thác thêm các kỹ thuật trích xuất đặc trưng chuyên sâu và các chiến lược tăng cường dữ liệu (Data Augmentation) nâng cao nhằm cải thiện khả năng phân loại đối với các lớp thiểu số.

Giá trị tham khảo

Tài liệu khóa luận mang lại giá trị tham khảo thiết thực cho các nhóm đối tượng sau:

  • Sinh viên và nhà nghiên cứu ngành Phân tích dữ liệu kinh doanh (Business Data Analytics), Khoa học dữ liệu và Hệ thống thông tin: Có thể tham khảo quy trình thực nghiệm hoàn chỉnh từ khâu tiền xử lý dữ liệu giáo dục thực tế (xử lý dữ liệu bảng đa kiểu, mã hóa OHE, chuẩn hóa StandardScaler, cân bằng dữ liệu bằng SMOTE) đến khâu thiết kế, tinh chỉnh siêu tham số mô hình mạng nơ-ron bằng GridSearch trên Keras/TensorFlow.
  • Cán bộ quản lý giáo dục, phòng đào tạo và trung tâm khảo thí đại học: Có thể tham khảo phương pháp tiếp cận định lượng để xây dựng hệ thống dự báo sớm tiến độ học tập của sinh viên, tối ưu hóa quy trình kiểm tra xếp lớp ngoại ngữ và đưa ra các chính sách tuyển sinh, hỗ trợ học vụ dựa trên bằng chứng dữ liệu.

Câu hỏi thường gặp

1. Thuật toán tối ưu hóa nào cho kết quả tốt nhất trong khóa luận và vì sao?

Khóa luận đã so sánh hai thuật toán tối ưu hóa là Adam và RMSprop. Kết quả thực nghiệm cho thấy RMSprop được lựa chọn vì mang lại đường cong học tập (Learning Curve) hội tụ mượt mà và ổn định hơn so với Adam trong khoảng từ 40 đến 50 epoch, giúp hạn chế sự dao động lớn của hàm mất mát trên tập xác thực.

2. Dữ liệu nghiên cứu ban đầu gồm bao nhiêu mẫu và đã được làm sạch như thế nào?

Tập dữ liệu gốc gồm 1.429 bản ghi và 44 cột thuộc tính. Tác giả đã loại bỏ 73 sinh viên đã thôi học, 113 sinh viên đã có chứng chỉ B2 khi nhập học, 92 sinh viên chưa có chứng chỉ, 30 sinh viên đạt chứng chỉ trước tháng 11/2020, 17 sinh viên thiếu thông tin chứng chỉ và 236 bản ghi thiếu dữ liệu điểm tuyển sinh. Tổng số mẫu hợp lệ cuối cùng đưa vào phân chia mô hình là 886 bản ghi.

3. Kỹ thuật nào được sử dụng để xử lý tình trạng mất cân bằng giữa 5 lớp intake?

Tác giả đã áp dụng kỹ thuật SMOTE (Synthetic Minority Over-sampling Technique) trên tập huấn luyện. Kỹ thuật này tạo ra các mẫu tổng hợp nhân tạo cho các lớp thiểu số thông qua phép nội suy giữa các mẫu hiện có, giúp tăng kích thước tập huấn luyện từ 708 mẫu lên 1.095 mẫu trước khi đưa vào mạng nơ-ron.

4. Bộ siêu tham số tối ưu (Best Hyperparameters) của mô hình FFNN được xác định qua GridSearch là gì?

Bộ siêu tham số tối ưu gồm:

  • Hàm kích hoạt: ReLU
  • Kích thước batch (Batch size): 16
  • Tỷ lệ Dropout: 0.0
  • Số Epochs: 50
  • Cấu trúc lớp ẩn (Hidden layer sizes): (128, 64) nơ-ron
  • Tốc độ học (Learning rate): 0.01
  • Thuật toán tối ưu (Optimizer): RMSprop

5. Hai biến đầu vào nào có ảnh hưởng mạnh nhất đến thời gian sinh viên đạt chuẩn B2?

Kết quả phân tích mô hình xác định hai yếu tố có ảnh hưởng lớn nhất là Điểm thi phân lớp đầu vào (Placement Test Score) và Nơi sinh / Vùng miền (Birthplace). Đặc biệt, sinh viên thuộc khu vực Hà Nội và Đồng bằng sông Hồng có tỷ lệ đạt chuẩn B2 nhanh hơn đáng kể.


Kết luận

Khóa luận tốt nghiệp của tác giả Lê Quỳnh Hoa đã ứng dụng thành công mô hình Mạng nơ-ron truyền thẳng (FFNN) trong việc dự đoán thời gian đạt chuẩn chứng chỉ tiếng Anh B2 của sinh viên tại Trường Quốc tế – Đại học Quốc gia Hà Nội. Thông qua quy trình tiền xử lý dữ liệu chặt chẽ kết hợp kỹ thuật cân bằng dữ liệu SMOTE và tối ưu hóa siêu tham số bằng GridSearch, mô hình đạt khả năng phân loại tốt ở các nhóm tiến độ nhanh (Intake 1) và tiến độ chậm (Intake 5) với chỉ số AUC cao nhất đạt 0.87. Kết quả nghiên cứu đã chỉ ra vai trò then chốt của điểm thi xếp lớp và yếu tố vùng miền trong dự báo học tập, đồng thời cung cấp cơ sở dữ liệu tin cậy để nhà trường nâng cao chất lượng xếp lớp và tối ưu hóa chính sách đào tạo tiếng Anh dự bị.