Khai phá dữ liệu giáo dục để dự toán những học sinh không có khả năng tốt nghiệp áp dụng tại môi trường cao đẳng ở bình dương

Luận văn khai phá dữ liệu giáo dục dự đoán khả năng tốt nghiệp của học sinh cao đẳng Bình Dương. Ứng dụng học máy, phân tích yếu tố ảnh hưởng, hỗ trợ nâng cao chất lượng đào tạo.

• Tác giả: Nguyễn Thị Bích Ngọc
• Người hướng dẫn: PGS.TS Trần Vĩnh Phước
• Trường học: Trường Đại học Thủ Dầu Một
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Khai phá dữ liệu giáo dục để dự đoán những học sinh không có khả năng tốt nghiệp - Áp dụng tại một trường cao đẳng ở Bình Dương
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Bình Dương

Mục lục chi tiết

• LỜI CAM ĐOAN
• TÓM TẮT LUẬN VĂN THẠC SĨ
• 1. CHƯƠNG 1: BỐI CẢNH VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 1.1. Tình trạng bỏ học và khả năng tốt nghiệp của học sinh tại các trường nghề
• 1.2. Tổng quan tình hình nghiên cứu
• 1.3. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Khai phá dữ liệu trong giáo dục
• 2.2. Các phương pháp trong khai phá dữ liệu
• 2.3. Các thuật toán học máy cổ điển
• 2.3.1. Hồi quy Logistic
• 2.3.2. Support Vector Machine – SVM
• 2.4. Học kết hợp
• 2.5. Kỹ thuật lấy mẫu OverSampling SMOTE
• 2.6. Phương pháp đánh giá và đo lường hiệu suất mô hình
• 2.7. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: MÔ HÌNH DỰ ĐOÁN NHỮNG HỌC SINH KHÔNG CÓ KHẢ NĂNG TỐT NGHIỆP
• 3.1. Phát biểu bài toán
• 3.2. Thu thập bộ dữ liệu
• 3.3. Tiền xử lý và phân tích dữ liệu
• 3.3.1. Phân tích tương quan
• 3.3.2. Chuẩn hóa và giảm chiều dữ liệu
• 3.4. Thực nghiệm và đánh giá kết quả
• 3.5. KẾT LUẬN CHƯƠNG 3
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Ứng Dụng Khai Phá Dữ Liệu Dự Đoán Tốt Nghiệp

Nghiên cứu về dự đoán tốt nghiệp bằng khai phá dữ liệu giáo dục đang ngày càng trở nên quan trọng. Tại các trường cao đẳng, đặc biệt là trường Cao đẳng Bình Dương, việc dự đoán sớm khả năng tốt nghiệp của sinh viên giúp nhà trường và giáo viên có thể can thiệp kịp thời, hỗ trợ những sinh viên có nguy cơ bỏ học. Tỷ lệ bỏ học cao gây lãng phí nguồn lực và ảnh hưởng đến chất lượng đào tạo. Ứng dụng các thuật toán học máy (machine learning) trong giáo dục để phân tích dữ liệu học vụ, dữ liệu cá nhân của sinh viên có thể mang lại những thông tin hữu ích. Khai phá dữ liệu giáo dục cho phép xác định các yếu tố ảnh hưởng đến kết quả học tập, từ đó xây dựng các mô hình dự đoán chính xác. Nghiên cứu này tập trung vào ứng dụng khai phá dữ liệu tại một trường cao đẳng ở Bình Dương, nhằm cải thiện tỷ lệ tốt nghiệp và nâng cao chất lượng đào tạo.

1.1. Tầm quan trọng của dự đoán khả năng tốt nghiệp

Việc dự đoán tốt nghiệp sớm giúp các trường cao đẳng chủ động hơn trong việc hỗ trợ sinh viên. Nhận biết sinh viên có nguy cơ thấp tốt nghiệp cho phép nhà trường cung cấp các chương trình tư vấn, hỗ trợ học tập, hoặc điều chỉnh phương pháp giảng dạy phù hợp. Điều này góp phần giảm thiểu tình trạng sinh viên bị buộc thôi học, tiết kiệm chi phí đào tạo và nâng cao uy tín của nhà trường. Theo nghiên cứu của Nguyễn Thị Bích Ngọc, các biện pháp hỗ trợ kịp thời có thể cải thiện đáng kể kết quả học tập và tỷ lệ tốt nghiệp. Việc này cũng góp phần nâng cao chất lượng đào tạo và đảm bảo nguồn nhân lực chất lượng cao cho xã hội.

1.2. Giới thiệu trường Cao đẳng Bình Dương và bối cảnh nghiên cứu

Nghiên cứu này được thực hiện tại một trường Cao đẳng Bình Dương, nơi đang đối mặt với thách thức về tỷ lệ sinh viên không tốt nghiệp. Ngành Kế toán doanh nghiệp hệ TCCN là đối tượng chính của nghiên cứu, với 660 sinh viên được khảo sát. Dữ liệu học vụ, bao gồm điểm số, thông tin cá nhân, và các yếu tố khác, được thu thập và phân tích để xây dựng mô hình dự đoán. Mục tiêu là cung cấp một công cụ hỗ trợ nhà trường xác định sớm sinh viên có nguy cơ, từ đó có những can thiệp phù hợp. Bối cảnh nghiên cứu phản ánh nhu cầu thực tế của các trường cao đẳng trong việc phân tích dữ liệu sinh viên và dự báo học lực.

II. Vấn Đề Vì Sao Cần Dự Đoán Khả Năng Tốt Nghiệp

Tỷ lệ sinh viên không tốt nghiệp hoặc bị buộc thôi học là một vấn đề nhức nhối tại nhiều trường cao đẳng, đặc biệt là trường Cao đẳng Bình Dương. Việc này không chỉ gây lãng phí nguồn lực của nhà trường mà còn ảnh hưởng tiêu cực đến tương lai của sinh viên. Các yếu tố như kết quả học tập kém, khó khăn tài chính, hoặc thiếu động lực học tập đều có thể dẫn đến tình trạng này. Việc phân tích rủi ro học tập và xác định các yếu tố ảnh hưởng tốt nghiệp là rất quan trọng. Ứng dụng khai phá dữ liệu để giải quyết vấn đề này giúp nhà trường có thể chủ động hơn trong việc hỗ trợ sinh viên và cải thiện tỷ lệ tốt nghiệp.

2.1. Tỷ lệ thôi học và những hệ quả tiêu cực

Tỷ lệ sinh viên thôi học hoặc không tốt nghiệp đúng hạn gây ra nhiều hệ quả tiêu cực. Đối với sinh viên, đó là sự mất mát về thời gian, tiền bạc, và cơ hội nghề nghiệp. Đối với nhà trường, đó là sự giảm sút về uy tín, hiệu quả đào tạo, và khả năng thu hút sinh viên. Tình trạng này cũng gây ảnh hưởng đến xã hội, khi nguồn nhân lực chất lượng cao không được đảm bảo. Việc dự đoán tốt nghiệp và có các biện pháp can thiệp sớm có thể giúp giảm thiểu những hệ quả này. Nguyễn Thị Bích Ngọc đã chỉ ra rằng, việc giảm thiểu tình trạng thôi học góp phần vào sự phát triển bền vững của nhà trường và xã hội.

2.2. Các yếu tố chính ảnh hưởng đến khả năng tốt nghiệp

Nhiều yếu tố có thể ảnh hưởng đến khả năng tốt nghiệp của sinh viên. Kết quả học tập là một yếu tố quan trọng, nhưng không phải là yếu tố duy nhất. Các yếu tố khác như hoàn cảnh gia đình, điều kiện kinh tế, sự tham gia vào các hoạt động ngoại khóa, và khả năng thích nghi với môi trường học tập cũng đóng vai trò quan trọng. Việc phân tích dữ liệu sinh viên giúp xác định những yếu tố này, từ đó xây dựng các mô hình dự đoán chính xác hơn. Các nghiên cứu đã chỉ ra rằng, việc kết hợp nhiều yếu tố khác nhau trong mô hình dự đoán sẽ mang lại kết quả tốt hơn.

III. Cách Dự Đoán Mô Hình Khai Phá Dữ Liệu Cho Tốt Nghiệp

Để dự đoán tốt nghiệp hiệu quả, cần xây dựng một mô hình dự đoán tốt nghiệp dựa trên các kỹ thuật khai phá dữ liệu giáo dục. Quá trình này bao gồm thu thập dữ liệu, tiền xử lý dữ liệu, lựa chọn thuật toán, huấn luyện mô hình, và đánh giá hiệu quả mô hình. Các thuật toán học máy (machine learning) trong giáo dục như AdaBoost, XGBoost, Logistic Regression, SVM, và Naive Bayes thường được sử dụng. Việc lựa chọn thuật toán phù hợp và tối ưu hóa các tham số của mô hình là rất quan trọng để đạt được độ chính xác cao.

3.1. Các bước xây dựng mô hình dự đoán

Quá trình xây dựng mô hình dự đoán tốt nghiệp bao gồm nhiều bước. Đầu tiên, cần thu thập dữ liệu từ nhiều nguồn khác nhau, bao gồm dữ liệu học vụ, dữ liệu cá nhân, và dữ liệu về hoạt động ngoại khóa của sinh viên. Sau đó, dữ liệu cần được tiền xử lý để loại bỏ các giá trị thiếu, các giá trị ngoại lệ, và chuẩn hóa dữ liệu. Bước tiếp theo là lựa chọn thuật toán và huấn luyện mô hình. Cuối cùng, mô hình cần được đánh giá để đảm bảo độ chính xác và tin cậy. Việc thực hiện đúng các bước này là rất quan trọng để xây dựng một mô hình dự đoán hiệu quả.

3.2. Lựa chọn và đánh giá thuật toán học máy

Việc lựa chọn thuật toán học máy (machine learning) trong giáo dục phù hợp là rất quan trọng để xây dựng một mô hình dự đoán chính xác. Các thuật toán như AdaBoost, XGBoost, Logistic Regression, SVM, và Naive Bayes có những ưu điểm và nhược điểm riêng. Việc đánh giá hiệu quả của các thuật toán này trên bộ dữ liệu cụ thể giúp xác định thuật toán phù hợp nhất. Các phương pháp đánh giá như ma trận nhầm lẫn, độ chính xác, độ tin cậy, và F1-score thường được sử dụng. Việc lựa chọn thuật toán và đánh giá hiệu quả mô hình cần được thực hiện cẩn thận để đảm bảo độ tin cậy của kết quả dự đoán.

IV. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu Tại Cao Đẳng Bình Dương

Nghiên cứu ứng dụng khai phá dữ liệu tại trường Cao đẳng Bình Dương đã mang lại những kết quả đáng khích lệ. Dữ liệu từ 660 sinh viên ngành Kế toán doanh nghiệp hệ TCCN đã được phân tích, và các mô hình dự đoán đã được xây dựng. Kết quả cho thấy, các yếu tố như điểm trung bình, điểm thi, và sự tham gia vào các hoạt động ngoại khóa có ảnh hưởng lớn đến khả năng tốt nghiệp. Các mô hình AdaBoost và XGBoost cho kết quả dự đoán tốt nhất, với độ chính xác cao. Nghiên cứu này cung cấp những thông tin hữu ích cho nhà trường trong việc hỗ trợ sinh viên và cải thiện tỷ lệ tốt nghiệp.

4.1. Phân tích dữ liệu và xác định các yếu tố quan trọng

Việc phân tích dữ liệu sinh viên đã giúp xác định những yếu tố quan trọng ảnh hưởng đến khả năng tốt nghiệp. Các yếu tố như điểm trung bình, điểm thi, số tín chỉ tích lũy, và sự tham gia vào các hoạt động ngoại khóa được xác định là có ảnh hưởng lớn. Các yếu tố khác như hoàn cảnh gia đình và điều kiện kinh tế cũng có thể đóng vai trò quan trọng. Việc xác định các yếu tố này giúp nhà trường tập trung vào những biện pháp can thiệp phù hợp để hỗ trợ sinh viên. Kết quả phân tích tương quan giữa các yếu tố và biến mục tiêu (khả năng tốt nghiệp) cung cấp những thông tin quan trọng cho việc xây dựng mô hình dự đoán.

4.2. Đánh giá hiệu quả các mô hình dự đoán tại trường

Các mô hình dự đoán đã được đánh giá hiệu quả trên bộ dữ liệu của trường Cao đẳng Bình Dương. Các mô hình AdaBoost và XGBoost cho kết quả dự đoán tốt nhất, với độ chính xác cao. Điều này cho thấy rằng, các thuật toán học máy (machine learning) trong giáo dục có thể được ứng dụng hiệu quả trong việc dự đoán tốt nghiệp. Việc đánh giá hiệu quả mô hình cần được thực hiện một cách cẩn thận, sử dụng các phương pháp đánh giá phù hợp, để đảm bảo độ tin cậy của kết quả dự đoán.

V. Hướng Phát Triển Tương Lai Của Dự Đoán Tốt Nghiệp

Việc dự đoán tốt nghiệp bằng khai phá dữ liệu giáo dục có tiềm năng phát triển rất lớn trong tương lai. Với sự phát triển của big data trong giáo dục và học máy (machine learning) trong giáo dục, các mô hình dự đoán sẽ ngày càng chính xác và hiệu quả hơn. Các trường cao đẳng có thể sử dụng những mô hình này để cảnh báo học vụ, hỗ trợ sinh viên, và cải thiện nâng cao chất lượng đào tạo. Ngoài ra, việc tích hợp các mô hình dự đoán vào hệ thống quản lý học vụ sẽ giúp nhà trường quản lý sinh viên một cách hiệu quả hơn.

5.1. Ứng dụng trí tuệ nhân tạo để cải thiện dự đoán

Sự phát triển của trí tuệ nhân tạo, đặc biệt là học máy (machine learning) trong giáo dục, đang mở ra những cơ hội mới cho việc dự đoán tốt nghiệp. Các thuật toán học sâu có thể được sử dụng để phân tích dữ liệu phức tạp và xây dựng các mô hình dự đoán chính xác hơn. Ngoài ra, việc sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên có thể giúp phân tích các bài luận, phản hồi của sinh viên, từ đó cung cấp thêm thông tin cho mô hình dự đoán. Ứng dụng khai phá dữ liệu kết hợp với trí tuệ nhân tạo có thể mang lại những kết quả đột phá trong việc hỗ trợ sinh viên và cải thiện tỷ lệ tốt nghiệp.

5.2. Đề xuất chính sách và biện pháp hỗ trợ sinh viên hiệu quả

Kết quả dự đoán tốt nghiệp có thể được sử dụng để đề xuất các chính sách và biện pháp hỗ trợ sinh viên hiệu quả hơn. Ví dụ, sinh viên có nguy cơ thấp tốt nghiệp có thể được cung cấp các chương trình tư vấn, hỗ trợ học tập, hoặc điều chỉnh phương pháp giảng dạy phù hợp. Ngoài ra, nhà trường có thể xây dựng các chương trình học bổng, hỗ trợ tài chính cho sinh viên có hoàn cảnh khó khăn. Việc thực hiện các biện pháp hỗ trợ sinh viên dựa trên kết quả dự đoán tốt nghiệp sẽ giúp cải thiện tỷ lệ tốt nghiệp và nâng cao chất lượng đào tạo.

VI. Kết Luận Khai Phá Dữ Liệu Giáo Dục Cho Tương Lai Tốt Nghiệp

Nghiên cứu về dự đoán tốt nghiệp bằng khai phá dữ liệu giáo dục tại trường Cao đẳng Bình Dương đã chứng minh tính khả thi và hiệu quả của phương pháp này. Việc phân tích dữ liệu sinh viên và xây dựng các mô hình dự đoán giúp nhà trường chủ động hơn trong việc hỗ trợ sinh viên và cải thiện tỷ lệ tốt nghiệp. Trong tương lai, với sự phát triển của công nghệ, ứng dụng khai phá dữ liệu sẽ ngày càng trở nên quan trọng trong việc nâng cao chất lượng đào tạo và đảm bảo tương lai tốt đẹp cho sinh viên.

6.1. Tổng kết các kết quả nghiên cứu chính

Nghiên cứu đã xác định các yếu tố quan trọng ảnh hưởng đến khả năng tốt nghiệp của sinh viên trường Cao đẳng Bình Dương, bao gồm điểm trung bình, điểm thi, và sự tham gia vào các hoạt động ngoại khóa. Các mô hình AdaBoost và XGBoost cho kết quả dự đoán tốt nhất, với độ chính xác cao. Kết quả nghiên cứu cung cấp những thông tin hữu ích cho nhà trường trong việc hỗ trợ sinh viên và cải thiện tỷ lệ tốt nghiệp. Việc ứng dụng khai phá dữ liệu đã chứng minh được hiệu quả trong việc giải quyết vấn đề tỷ lệ sinh viên không tốt nghiệp.

6.2. Khuyến nghị và hướng nghiên cứu tiếp theo

Nghiên cứu khuyến nghị các trường cao đẳng nên đầu tư vào việc thu thập và phân tích dữ liệu sinh viên để xây dựng các mô hình dự đoán. Ngoài ra, việc đào tạo cán bộ, giảng viên về khai phá dữ liệu giáo dục là rất quan trọng. Hướng nghiên cứu tiếp theo có thể tập trung vào việc sử dụng các thuật toán học sâu, tích hợp các nguồn dữ liệu khác nhau, và phát triển các công cụ hỗ trợ dự đoán tốt nghiệp trực quan và dễ sử dụng. Việc ứng dụng hiệu quả khai phá dữ liệu giáo dục sẽ góp phần quan trọng vào sự phát triển của ngành giáo dục.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh giáo dục nghề nghiệp tại Việt Nam, tỷ lệ học sinh - sinh viên (HSSV) không có khả năng tốt nghiệp hoặc bị buộc thôi học đang có xu hướng gia tăng, với tỷ lệ bỏ học tại một số trường nghề lên đến 40%. Điều này gây ra lãng phí lớn về thời gian, công sức và tài chính cho xã hội. Đặc biệt, nhiều học sinh bỏ học ngay từ những học kỳ đầu hoặc khi chỉ còn vài tháng là tốt nghiệp, làm giảm hiệu quả đào tạo và ảnh hưởng đến phát triển bền vững của các cơ sở giáo dục nghề nghiệp. Nghiên cứu này tập trung khai phá dữ liệu giáo dục nhằm dự đoán những học sinh không có khả năng tốt nghiệp tại một trường cao đẳng ở Bình Dương, với mục tiêu phát hiện sớm các học sinh có nguy cơ, từ đó nhà trường và giáo viên có thể can thiệp kịp thời, nâng cao chất lượng giáo dục và giảm thiểu tình trạng thôi học.

Phạm vi nghiên cứu bao gồm 660 mẫu dữ liệu của học sinh ngành Kế toán doanh nghiệp hệ trung cấp chuyên nghiệp (TCCN) tại trường Cao đẳng Việt Nam – Hàn Quốc Bình Dương, thu thập trong các khóa T16 đến T21. Nghiên cứu áp dụng các kỹ thuật khai phá dữ liệu và học máy hiện đại như AdaBoost, XGBoost, Logistic Regression, SVM, Naive Bayes, cùng các phương pháp xử lý dữ liệu mất cân bằng (SMOTE) và giảm chiều dữ liệu (PCA). Kết quả dự kiến cung cấp thông tin dự báo chính xác về khả năng tốt nghiệp, hỗ trợ học sinh điều chỉnh kế hoạch học tập và giúp nhà quản lý giáo dục xây dựng chính sách phù hợp nhằm nâng cao tỷ lệ tốt nghiệp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình khai phá dữ liệu giáo dục (Educational Data Mining - EDM), tập trung vào việc trích xuất tri thức từ dữ liệu học tập để dự đoán kết quả học tập và khả năng tốt nghiệp của học sinh. Các khái niệm chính bao gồm:

• Khai phá dữ liệu trong giáo dục (EDM): Quá trình sử dụng các kỹ thuật học máy, thống kê để phân tích dữ liệu giáo dục nhằm phát hiện các mẫu, quy luật và dự đoán kết quả học tập.
• Phân lớp (Classification): Phân loại học sinh thành các nhóm có khả năng tốt nghiệp hoặc không dựa trên các đặc trưng đầu vào.
• Xử lý dữ liệu mất cân bằng: Sử dụng kỹ thuật SMOTE để tạo thêm mẫu dữ liệu cho lớp thiểu số, giúp cân bằng dữ liệu và cải thiện hiệu suất mô hình.
• Giảm chiều dữ liệu (PCA): Phân tích thành phần chính để giảm số lượng biến đầu vào, giảm thiểu hiện tượng đa cộng tuyến và overfitting.
• Các thuật toán học máy: Bao gồm AdaBoost, XGBoost (thuật toán học kết hợp nâng cao), Logistic Regression, Support Vector Machine (SVM), và Naive Bayes, mỗi thuật toán có ưu nhược điểm riêng trong việc xử lý dữ liệu và dự đoán.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu thứ cấp gồm 660 mẫu học sinh ngành Kế toán doanh nghiệp hệ TCCN tại trường Cao đẳng Việt Nam – Hàn Quốc Bình Dương, thu thập từ hồ sơ nhập học và điểm số các môn học năm nhất. Dữ liệu bao gồm 26 thuộc tính như giới tính, tuổi, điểm trung bình học kỳ, số tín chỉ nợ môn, nơi ở, và trạng thái tốt nghiệp.

Phương pháp nghiên cứu gồm các bước:

• Tiền xử lý dữ liệu: Loại bỏ dữ liệu trùng lặp, xử lý ngoại lệ bằng phương pháp IQR, chuẩn hóa dữ liệu bằng kỹ thuật Robust Scaling để giảm ảnh hưởng của outliers.
• Xử lý mất cân bằng: Áp dụng kỹ thuật SMOTE để sinh thêm mẫu cho lớp học sinh không tốt nghiệp (chiếm khoảng 30.9% dữ liệu).
• Giảm chiều dữ liệu: Sử dụng PCA để giảm từ 26 biến xuống còn 14 thành phần chính, giữ lại trên 90% phương sai dữ liệu.
• Phân chia dữ liệu: Bộ dữ liệu được chia thành tập huấn luyện (448 mẫu), tập kiểm thử (112 mẫu) và tập kiểm tra (100 mẫu).
• Xây dựng và đánh giá mô hình: Áp dụng các thuật toán AdaBoost, XGBoost, Logistic Regression, SVM, Naive Bayes trên dữ liệu đã xử lý. Đánh giá hiệu suất mô hình bằng k-fold cross-validation (k=5), ma trận nhầm lẫn, các chỉ số Accuracy, Recall, Precision, F2-Score, với trọng số ưu tiên Recall nhằm phát hiện chính xác học sinh có nguy cơ không tốt nghiệp.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Tỷ lệ học sinh không tốt nghiệp chiếm 30.9% trong bộ dữ liệu 660 mẫu, cho thấy vấn đề mất cân bằng dữ liệu nghiêm trọng, cần xử lý bằng kỹ thuật SMOTE để cải thiện hiệu quả dự đoán.
2. Các biến số tín chỉ nợ môn (N1, N2) có tương quan tiêu cực mạnh với khả năng tốt nghiệp (hệ số tương quan khoảng -0.7), cho thấy học sinh có nhiều tín chỉ nợ có nguy cơ không tốt nghiệp cao hơn.
3. Điểm trung bình các môn học như Kế toán doanh nghiệp 2 (KTDN22_4) và Giáo dục quốc phòng (GDQP2_2) có tương quan tích cực cao nhất với kết quả tốt nghiệp (hệ số tương quan 0.73), chứng tỏ điểm số các môn học chuyên ngành và giáo dục quốc phòng là yếu tố quan trọng trong dự đoán.
4. Mô hình AdaBoost và XGBoost đạt hiệu suất dự đoán tốt nhất, với độ chính xác trên 85% và F2-Score ưu tiên Recall cao hơn các mô hình khác, cho thấy khả năng phát hiện học sinh có nguy cơ không tốt nghiệp hiệu quả hơn so với Logistic Regression, SVM và Naive Bayes.

Thảo luận kết quả

Kết quả phân tích tương quan và mô hình dự đoán cho thấy số tín chỉ nợ môn là chỉ số quan trọng nhất phản ánh nguy cơ không tốt nghiệp, phù hợp với các nghiên cứu trước đây trong lĩnh vực giáo dục nghề nghiệp. Việc áp dụng kỹ thuật SMOTE giúp cân bằng dữ liệu, giảm thiểu sai số phân loại lớp thiểu số, từ đó nâng cao độ nhạy (Recall) của mô hình.

Mô hình học kết hợp như AdaBoost và XGBoost thể hiện ưu thế vượt trội nhờ khả năng xử lý dữ liệu phức tạp, giảm thiểu overfitting và tận dụng hiệu quả các mẫu dữ liệu khó phân loại. So sánh với các nghiên cứu trong nước và quốc tế, kết quả này đồng nhất với xu hướng sử dụng các thuật toán boosting trong dự đoán kết quả học tập.

Việc giảm chiều dữ liệu bằng PCA giúp giảm thiểu đa cộng tuyến và tăng tính ổn định của mô hình, đồng thời giảm thời gian huấn luyện mà vẫn giữ lại phần lớn thông tin quan trọng. Các biến như tuổi, giới tính và nơi ở có tương quan thấp với kết quả tốt nghiệp, cho thấy yếu tố học tập và tín chỉ nợ môn đóng vai trò quyết định hơn trong dự đoán.

Dữ liệu có sự mất cân bằng giới tính (87% nữ) và độ tuổi chủ yếu 15 tuổi (71%) phản ánh đặc thù ngành học kế toán và hệ TCCN, tuy nhiên không ảnh hưởng lớn đến hiệu quả mô hình dự đoán.

Biểu đồ và bảng ma trận nhầm lẫn minh họa rõ ràng hiệu suất của từng mô hình, trong đó AdaBoost và XGBoost có tỷ lệ True Positive (TP) và Recall cao nhất, giảm thiểu tối đa số học sinh có nguy cơ không tốt nghiệp bị bỏ sót.

Đề xuất và khuyến nghị

1. Triển khai hệ thống dự báo sớm học sinh có nguy cơ không tốt nghiệp dựa trên mô hình AdaBoost hoặc XGBoost, nhằm hỗ trợ giáo viên và nhà trường can thiệp kịp thời. Thời gian thực hiện: trong vòng 6 tháng, chủ thể: phòng đào tạo và bộ phận CNTT trường cao đẳng.
2. Tăng cường tư vấn học tập và hỗ trợ học sinh có số tín chỉ nợ môn cao, tập trung vào các môn chuyên ngành có ảnh hưởng lớn như Kế toán doanh nghiệp và Giáo dục quốc phòng. Thời gian: liên tục trong năm học, chủ thể: giáo viên chủ nhiệm và cố vấn học tập.
3. Đào tạo nâng cao năng lực sử dụng công cụ khai phá dữ liệu và học máy cho cán bộ quản lý giáo dục, giúp họ hiểu và vận dụng hiệu quả các mô hình dự báo trong quản lý học sinh. Thời gian: 3 tháng, chủ thể: ban giám hiệu và phòng đào tạo.
4. Xây dựng chính sách khuyến khích học sinh tham gia các lớp học văn hóa bổ sung và các hoạt động hỗ trợ học tập, nhằm nâng cao điểm trung bình và giảm số tín chỉ nợ. Thời gian: triển khai ngay từ đầu khóa học, chủ thể: nhà trường và các tổ chức đoàn thể.
5. Tiếp tục thu thập và cập nhật dữ liệu học sinh để cải tiến mô hình dự báo, đảm bảo mô hình luôn phù hợp với thực tế và nâng cao độ chính xác. Thời gian: hàng năm, chủ thể: phòng đào tạo và bộ phận CNTT.

Đối tượng nên tham khảo luận văn

1. Nhà quản lý giáo dục nghề nghiệp: Sử dụng kết quả nghiên cứu để xây dựng chính sách đào tạo, giảm tỷ lệ thôi học và nâng cao chất lượng tốt nghiệp.
2. Giáo viên và cố vấn học tập: Áp dụng mô hình dự báo để phát hiện sớm học sinh có nguy cơ, từ đó có biện pháp hỗ trợ phù hợp.
3. Chuyên gia phân tích dữ liệu và phát triển phần mềm giáo dục: Tham khảo phương pháp khai phá dữ liệu, xử lý mất cân bằng và giảm chiều dữ liệu để phát triển các công cụ hỗ trợ giáo dục thông minh.
4. Học viên, sinh viên ngành Hệ thống thông tin và Khoa học dữ liệu: Nghiên cứu mô hình học máy ứng dụng thực tế trong lĩnh vực giáo dục, nâng cao kiến thức và kỹ năng chuyên môn.

Câu hỏi thường gặp

1. Tại sao phải sử dụng kỹ thuật SMOTE trong nghiên cứu này?
   Dữ liệu có sự mất cân bằng nghiêm trọng giữa học sinh tốt nghiệp (69.1%) và không tốt nghiệp (30.9%). SMOTE giúp tạo thêm mẫu cho lớp thiểu số, cải thiện khả năng học của mô hình và tăng độ nhạy trong phát hiện học sinh có nguy cơ không tốt nghiệp.

2. Mô hình nào cho kết quả dự đoán tốt nhất?
   Mô hình AdaBoost và XGBoost đạt độ chính xác trên 85% và F2-Score cao, ưu tiên Recall, giúp phát hiện chính xác học sinh có nguy cơ không tốt nghiệp hơn các mô hình Logistic Regression, SVM và Naive Bayes.

3. Tại sao phải giảm chiều dữ liệu bằng PCA?
   PCA giúp giảm số lượng biến đầu vào từ 26 xuống 14 thành phần chính, giảm đa cộng tuyến và nguy cơ overfitting, đồng thời giữ lại trên 90% thông tin dữ liệu, giúp mô hình học máy hoạt động hiệu quả hơn.

4. Các yếu tố nào ảnh hưởng nhiều nhất đến khả năng tốt nghiệp?
   Số tín chỉ nợ môn (N1, N2) có tương quan tiêu cực mạnh với khả năng tốt nghiệp, trong khi điểm các môn chuyên ngành như Kế toán doanh nghiệp 2 và Giáo dục quốc phòng có tương quan tích cực cao nhất.

5. Làm thế nào để áp dụng kết quả nghiên cứu vào thực tế?
   Nhà trường có thể triển khai hệ thống dự báo dựa trên mô hình AdaBoost hoặc XGBoost để phát hiện sớm học sinh có nguy cơ, từ đó tổ chức tư vấn, hỗ trợ học tập và xây dựng chính sách phù hợp nhằm nâng cao tỷ lệ tốt nghiệp.

Kết luận

• Nghiên cứu đã phân tích 660 mẫu dữ liệu học sinh ngành Kế toán doanh nghiệp hệ TCCN tại Bình Dương, phát hiện tỷ lệ học sinh không tốt nghiệp chiếm khoảng 30.9%.
• Áp dụng kỹ thuật SMOTE và PCA giúp xử lý dữ liệu mất cân bằng và giảm chiều dữ liệu hiệu quả, nâng cao chất lượng mô hình dự đoán.
• Mô hình AdaBoost và XGBoost cho kết quả dự đoán tốt nhất với độ chính xác trên 85% và ưu tiên Recall, phù hợp cho việc phát hiện học sinh có nguy cơ không tốt nghiệp.
• Kết quả nghiên cứu cung cấp cơ sở khoa học để nhà trường và giáo viên can thiệp kịp thời, nâng cao chất lượng giáo dục và giảm thiểu tình trạng thôi học.
• Hướng phát triển tiếp theo là triển khai hệ thống dự báo tự động, đào tạo cán bộ quản lý và tiếp tục cập nhật dữ liệu để cải tiến mô hình.

Các cơ sở giáo dục nghề nghiệp nên áp dụng mô hình dự báo này để nâng cao hiệu quả quản lý học sinh, đồng thời phối hợp với các bên liên quan xây dựng các chương trình hỗ trợ học tập phù hợp nhằm tăng tỷ lệ tốt nghiệp và giảm thiểu lãng phí nguồn lực giáo dục.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 Kết thúc chương này, chúng ta đã có cái nhìn tổng quan về tình trạng thôi học tại các trường nghề và vai trò của khai phá dữ liệu trong việc giải quyết vấn đề này. Các nghiên cứu liên quan đã cho thấy tiềm năng của việc sử dụng dữ liệu để dự báo và cải thiện hiệu quả giáo dục, mở ra hướng đi mới cho nghiên cứu và ứng dụng trong lĩnh vực giáo dục nghề nghiệp. 8 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT Chương này giới thiệu về các kỹ thuật và thuật toán cốt lõi trong khai phá dữ liệu giáo dục. Bắt đầu với một cái nhìn tổng quan về khái niệm và ứng dụng của khai phá dữ liệu trong giáo dục, chương tiếp tục giới thiệu các phương pháp trong khai phá dữ liệu các thuật toán học máy.1 Khai phá dữ liệu trong giáo dục Khai phá dữ liệu là lĩnh vực nghiên cứu để trích xuất thông tin từ một bộ dữ liệu và chuyển nó thành một cấu trúc dễ hiểu để sử dụng tiếp.

Quá trình khai phá dữ liệu là quá trình khám phá kiến thức có trong cơ sở dữ liệu [7]. Khai phá dữ liệu trong giáo dục (EDM) là quá trình sử dụng các phương pháp và kỹ thuật khai phá dữ liệu để khám phá thông tin hữu ích, mẫu mực, và tri thức từ dữ liệu liên quan đến lĩnh vực giáo dục. Mục tiêu của khai phá dữ liệu trong giáo dục là tìm ra các mẫu, quy luật, và thông tin tiềm ẩn từ các tập dữ liệu về học tập, hành vi của học sinh, hiệu suất học tập, và các yếu tố khác liên quan đến quá trình giảng dạy và học tập. Các kỹ thuật khai phá dữ liệu trong giáo dục thường sử dụng các phương pháp học máy, thống kê, và trí tuệ nhân tạo để phân tích dữ liệu và tạo ra các mô hình dự đoán hoặc mô hình tìm hiểu từ dữ liệu học tập.

Các kết quả của khai phá dữ liệu có thể giúp người quản lý giáo dục, giáo viên và học sinh có cái nhìn sâu sắc hơn về quá trình học tập, giúp cải thiện chất lượng giảng dạy và hỗ trợ định hướng học tập cho học sinh.1: Khai phá dữ liệu trong giáo dục 2.2 Các phương pháp trong khai phá dữ liệu Phân lớp (Classification): xác định một hàm ánh xạ các mục dữ liệu vào một trong nhiều lớp đã được xác định trước. Trong giáo dục, phân lớp thường được sử dụng để xác định học sinh có khả năng cao hoặc thấp trong việc đạt được các kết quả học tập nhất định. 9 Phân cụm (Clustering): là việc nhóm các đối tượng tương tự nhau dựa trên các đặc điểm của chúng mà không cần thông tin về nhãn lớp. Phân cụm có thể được sử dụng để phát hiện các nhóm học sinh có hành vi học tập tương tự.

Hồi quy (Regression): được sử dụng để mô hình hóa và phân tích mối quan hệ giữa các biến số. Trong hồi quy, chúng ta cố gắng xác định hàm ánh xạ từ một hoặc nhiều biến độc lập (predictors) đến một biến phụ thuộc (target). Trong giáo dục, hồi quy thường được sử dụng để dự đoán kết quả học tập dựa trên một loạt các biến đầu vào. Luật kết hợp (Association Rule Mining): tìm ra các mối quan hệ hay quy luật giữa các biến trong dữ liệu.

Phương pháp này giúp phát hiện các mối quan hệ và quy luật không rõ ràng giữa các yếu tố ảnh hưởng đến kết quả học tập.3 Các thuật toán học máy cổ điển 2.1 Hồi quy Logistic Hồi quy Logistic là một phương pháp hồi quy được sử dụng cho các biến phụ thuộc nhị phân, nơi biến đầu ra là dạng phân loại với hai lớp (0 hoặc 1). Mô hình này ước lượng xác suất để một sự kiện cụ thể xảy ra dựa trên một hoặc nhiều biến độc lập.2: Hồi quy Logistic Hồi quy Logistic sử dụng một hàm logistic để mô hình hóa xác suất p của một sự kiện, với công thức: 𝑒 (𝑏0 +𝑏1 𝑋1 +𝑏2 𝑋2 +.+𝑏𝑛𝑋𝑛 ) Trong đó: 𝑝(𝑋): xác suất để sự kiện '1' xảy ra cho một điểm dữ liệu cụ thể. , 𝑋𝑛 là các biến độc lập 𝑏0 là hệ số chặn (intercept) 𝑏1 , 𝑏2 ,. , 𝑏𝑛 là hệ số của mỗi biến độc lập 𝑋1 , 𝑋2 ,.

Ưu điểm và nhược điểm của hồi quy Logistic: Ưu điểm: Cung cấp xác suất liên quan đến mỗi lớp, điều này hữu ích trong việc hiểu rõ sự chắc chắn của mô hình về các dự đoán của mình. Nếu mối quan hệ giữa biến độc lập và biến phụ thuộc là tuyến tính, hồi quy logistic thường hoạt động rất tốt. Nhược điểm: Giới hạn bởi mối quan hệ tuyến tính Không giải quyết tốt với dữ liệu phức tạp Không phù hợp với số lượng lớn các tính năng. Khi có quá nhiều tính năng, mô hình có thể trở nên quá phức tạp và có nguy cơ overfitting.

Nhạy cảm với dữ liệu mất cân đối 2.2 Support Vector Machine – SVM SVM là một mô hình học máy có giám sát được sử dụng phổ biến trong các bài toán phân loại và hồi quy. Trong bối cảnh phân loại, SVM phân loại dữ liệu bằng cách tìm ra siêu phẳng (hyperplane) tối ưu nhất trong không gian đa chiều (n-dimensional space) để phân tách các lớp dữ liệu. Siêu phẳng này được chọn sao cho khoảng cách từ siêu phẳng đến điểm dữ liệu gần nhất từ mỗi lớp (các support vectors) là lớn nhất.3: Phân loại với SVM 11 Trong trường hợp đơn giản nhất với phân loại tuyến tính và hai lớp, mô hình SVM tìm cách tối ưu hóa hàm mục tiêu sau: 1 min ∥ w ∥2 s.2) w,𝑏 2 Trong đó: w là vector trọng số của siêu phẳng. b là độ lệch (bias) x𝑖 là điểm dữ liệu thứ i 𝑦𝑖 là nhãn của điểm dữ liệu x𝑖 , thường được mã hóa là +1 hoặc -1 Trong trường hợp dữ liệu không tuyến tính, SVM sử dụng hàm nhân (kernel functions) để biến đổi dữ liệu vào không gian đặc trưng cao chiều, nơi việc phân tách lớp trở nên dễ dàng hơn.

Công thức sau đây tính toán quyết định cho một điểm dữ liệu mới x: 𝑓(x) = sign(∑𝑛𝑖=1 𝛼𝑖 𝑦𝑖 𝐾(x𝑖 , x) + 𝑏 ) (2.3) Ở đây, K là hàm nhân, và 𝛼𝑖 là các hệ số Lagrange tìm được từ quá trình huấn luyện. Ưu điểm và nhược điểm của SVM: Ưu điểm: SVM hiệu quả trong việc phân loại các tập dữ liệu phức tạp và có chiều cao, thường cho kết quả tốt trong thực tế, đặc biệt với dữ liệu có nhiều chiều. Do việc tối ưu hóa margin, SVM có khả năng chống lại việc overfitting tốt hơn các thuật toán khác. Có thể sử dụng nhiều loại hàm nhân khác nhau để xử lý các mối quan hệ dữ liệu phi tuyến.

Nhược điểm: Việc sử dụng hiệu quả SVM đòi hỏi sự cân nhắc và chuyên môn kỹ thuật. Việc lựa chọn hàm nhân, một quyết định quan trọng trong SVM, cần phải dựa trên hiểu biết về cấu trúc và tính chất của dữ liệu. Các hàm nhân khác nhau có thể phản ánh các mối quan hệ tính năng một cách khác nhau và có ảnh hưởng lớn đến hiệu suất của mô hình. SVM không cung cấp ước lượng xác suất tự nhiên, hiệu suất giảm khi xử lý dữ liệu lớn, và mô hình có thể trở nên khó giải thích, đặc biệt khi sử dụng kernel phi tuyến.3 Naive Bayes Naive Bayes là một nhóm các thuật toán phân loại dựa trên định lý Bayes với giả định "naive" về độc lập giữa các tính năng.

Nói cách khác, Naive Bayes giả định rằng sự hiện diện (hoặc giá trị) của một tính năng cụ thể của một lớp là không liên quan đến 12 sự hiện diện của các tính năng khác, điều này thường không đúng trong thực tế, nhưng thuật toán này vẫn hoạt động tốt trong nhiều trường hợp.4: Phân loại với Naive Bayes Định lý Bayes được biểu diễn bằng công thức sau: 𝑃(𝑋∣𝑌)𝑃(𝑌) 𝑃(𝑌|𝑋 ) = (2.4) 𝑃(𝑋) Trong đó: 𝑃(𝑌|𝑋 ): xác suất xảy ra sự kiện Y khi sự kiện X xảy ra 𝑃(𝑋 ∣ 𝑌): xác suất xảy ra sự kiện X khi sự kiện Y xảy ra 𝑃(𝑌): xác suất của việc xuất hiện lớp Y trước khi quan sát dữ liệu 𝑃(𝑋): xác suất tổng thể của việc quan sát dữ liệu X mà không phụ thuộc vào lớp của dữ liệu. Trong phân loại Naive Bayes, chúng ta sử dụng công thức này để tính xác suất mỗi lớp cho một điểm dữ liệu cụ thể và dự đoán lớp có xác suất cao nhất. Công thức cuối cùng cho việc dự đoán lớp 𝐶𝑘 ới điểm dữ liệu x là: 𝑦̂ = 𝑎𝑟𝑔 𝑚𝑎𝑥 𝑃(𝐶𝑘 ) ∏𝑛𝑖=1 𝑃(𝑥𝑖 |𝐶𝑘 ) (2.,𝐾} Trong đó: 𝑃 (𝑥𝑖 |𝐶𝑘 ) là xác suất mà một tính năng cụ thể 𝑥𝑖 , n là số lượng tính năng. Ưu điểm và nhược điểm của Naive Bayes: Ưu điểm: Thuật toán này đơn giản để hiểu và dễ dàng để triển khai, thường chạy nhanh.

Hoạt động tốt với tập dữ liệu lớn. Yêu cầu ít dữ liệu huấn luyện. 13 Có thể xử lý dễ dàng dữ liệu có nhiều chiều. Nhược điểm: Giả định độc lập có thể không thực tế.

Trong thực tế, các tính năng thường phụ thuộc lẫn nhau. Điều này khiến dự đoán xác suất có thể không chính xác. Thường kém hơn so với các mô hình phức tạp khác khi các tính năng có sự tương quan mạnh mẽ. Naive Bayes có thể không hoạt động tốt nếu tập dữ liệu không cung cấp thông tin đủ về các mối quan hệ thực tế giữa các tính năng và nhãn.4 Học kết hợp Học máy (Machine Learning) là một ngành khoa học nghiên cứu các thuật toán cho phép máy tính có thể học được các khái niệm.

Học kết hợp (Ensemble learning) là một kỹ thuật trong học máy, kết hợp các dự đoán từ nhiều mô hình khác nhau để tạo ra một dự đoán cuối cùng tốt hơn. Cách hoạt động chính của Ensemble Learning là sử dụng nhiều mô hình độc lập để tạo ra một dự đoán chung, thường dựa trên sự kết hợp hoặc biểu quyết của dự đoán từ các mô hình con (weak learner). Sự đa dạng trong cách mà các mô hình con hoạt động và sự khác biệt trong cách chúng học từ dữ liệu là yếu tố quan trọng để tăng hiệu suất của Ensemble Learning.5: Tổng quát về Ensemble Learning Phương pháp tăng cường (Boosting): Boosting là một kỹ thuật trong học máy thuộc lĩnh vực Ensemble Learning. Boosting xây dựng các mô hình tuần tự, mỗi mô hình cố gắng cải thiện các dự đoán sai của mô hình trước đó bằng cách tập trung vào các mẫu bị dự đoán sai.6: Quá trình huấn luyện một mô hình boosting Boosting tiến hành đánh trọng số cho các mô hình mới được thêm vào dựa trên các cách tối ưu khác nhau.