Nghiên Cứu Hệ Thống Cảnh Báo Hiệu Suất Học Tập Tại Một Trường Đại Học

• Tác giả: Trần Thị Mỹ Linh
• Người hướng dẫn: ThS. Nguyễn Văn Kiệt
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Cử nhân ngành Khoa học dữ liệu
• Đề tài: Hệ Thống Cảnh Báo Hiệu Suất Học Tập Tại Trường Đại Học
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Mô tả bài toán
• 1.2. Bài toán 1: Cảnh báo lần 1 - cảnh báo đầu mỗi học kỳ
• 1.3. Bài toán 2: Cảnh báo lần 2 - Cảnh báo trước khi thi cuối kỳ
• 1.4. Tính ứng dụng của đề tài
• 2. CHƯƠNG 2: CÔNG TRÌNH LIÊN QUAN
• 3. CHƯƠNG 3: BỘ DỮ LIỆU
• 3.1. Quy trình xây dựng
• 3.2. Tính toán các thuộc tính cần thiết
• 3.3. Gán nhãn dữ liệu
• 3.4. Đánh giá và rà soát lại bộ dữ liệu
• 3.5. Tăng cường dữ liệu
• 4. CHƯƠNG 4: PHƯƠNG PHÁP TIẾP CẬN
• 4.1. Xử lý dữ liệu thiếu
• 4.2. Gradient Boosting Decision Tree (GB)
• 4.3. Gradient Based One Side Sampling (GOSS)
• 4.4. Exclusive Feature Bundling (EFB)
• 4.5. Support Vector Machine (SVM)
• 4.6. Thuật toán cơ sở
• 4.7. Stochastic Gradient Descent Classifier (SGD)
• 4.8. Neural Support Vector Machine (N-SVM)
• 4.9. Tạo đặc trưng
• 4.10. Chọn đặc trưng
• 4.11. Xử lý dữ liệu mất cân bằng
• 4.12. Phương pháp tiếp cận mới - Phương pháp tiếp cận phân chia
• 4.13. Chiến lược đánh giá
• 5. CHƯƠNG 5: CÀI ĐẶT THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Quy trình thực nghiệm
• 5.2. Kết quả thực nghiệm
• 5.3. Đầu học kỳ
• 5.4. Trước khi thi cuối kỳ
• 5.5. Phân tích trực quan kết quả
• 5.6. Lựa chọn đặc trưng
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Hướng phát triển
• DANH MỤC CÔNG TRÌNH TÁC GIẢ
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT

I. Tổng quan về Hệ Thống Cảnh Báo Hiệu Suất Học Tập

Hệ thống cảnh báo hiệu suất học tập tại trường đại học là một công cụ quan trọng giúp sinh viên nhận biết được tình trạng học tập của mình. Hệ thống này không chỉ giúp sinh viên cải thiện kết quả học tập mà còn giảm thiểu nguy cơ bị xử lý học vụ. Việc áp dụng công nghệ trong giáo dục, đặc biệt là trong việc phân tích dữ liệu học tập, đã trở thành xu hướng tất yếu trong thời đại số.

1.1. Định nghĩa và vai trò của hệ thống cảnh báo

Hệ thống cảnh báo hiệu suất học tập là một công cụ giúp sinh viên theo dõi và đánh giá kết quả học tập của mình. Nó cung cấp thông tin kịp thời về nguy cơ bị xử lý học vụ, từ đó giúp sinh viên điều chỉnh phương pháp học tập.

1.2. Lợi ích của việc áp dụng công nghệ trong giáo dục

Việc áp dụng công nghệ trong giáo dục giúp nâng cao chất lượng giảng dạy và học tập. Hệ thống cảnh báo không chỉ giúp sinh viên mà còn hỗ trợ giảng viên trong việc theo dõi tiến độ học tập của sinh viên.

II. Vấn đề và thách thức trong việc cảnh báo hiệu suất học tập

Mặc dù hệ thống cảnh báo hiệu suất học tập mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong việc triển khai. Các vấn đề như dữ liệu không đầy đủ, thiếu chính xác và sự chấp nhận của sinh viên đối với hệ thống cảnh báo là những yếu tố cần được xem xét.

2.1. Dữ liệu không đầy đủ và thiếu chính xác

Một trong những thách thức lớn nhất là việc thu thập và xử lý dữ liệu học tập. Dữ liệu không đầy đủ có thể dẫn đến những cảnh báo sai lệch, ảnh hưởng đến quyết định của sinh viên.

2.2. Sự chấp nhận của sinh viên đối với hệ thống

Sự chấp nhận của sinh viên đối với hệ thống cảnh báo là rất quan trọng. Nếu sinh viên không tin tưởng vào độ chính xác của hệ thống, họ sẽ không chú ý đến các cảnh báo được đưa ra.

III. Phương pháp xây dựng hệ thống cảnh báo hiệu suất học tập

Để xây dựng một hệ thống cảnh báo hiệu suất học tập hiệu quả, cần áp dụng các phương pháp phân tích dữ liệu hiện đại. Việc sử dụng các thuật toán học máy giúp cải thiện độ chính xác của các cảnh báo và dự đoán tình trạng học tập của sinh viên.

3.1. Sử dụng thuật toán học máy trong phân tích dữ liệu

Các thuật toán như Random Forest, Support Vector Machine và Gradient Boosting Decision Tree được sử dụng để phân tích dữ liệu học tập. Những thuật toán này giúp dự đoán chính xác hơn về nguy cơ bị xử lý học vụ.

3.2. Tạo và lựa chọn đặc trưng trong dữ liệu

Việc tạo và lựa chọn các đặc trưng phù hợp từ dữ liệu học tập là rất quan trọng. Các thuộc tính như điểm trung bình, số tín chỉ và lịch sử học tập sẽ được sử dụng để xây dựng mô hình dự đoán.

IV. Ứng dụng thực tiễn của hệ thống cảnh báo hiệu suất học tập

Hệ thống cảnh báo hiệu suất học tập đã được áp dụng tại nhiều trường đại học và mang lại kết quả tích cực. Sinh viên nhận được cảnh báo kịp thời đã có sự điều chỉnh trong phương pháp học tập, từ đó nâng cao kết quả học tập.

4.1. Kết quả nghiên cứu từ các trường đại học

Nghiên cứu cho thấy rằng sinh viên nhận được cảnh báo sớm có khả năng cải thiện điểm số cao hơn so với những sinh viên không nhận được cảnh báo.

4.2. Phản hồi từ sinh viên và giảng viên

Phản hồi từ sinh viên cho thấy họ cảm thấy tự tin hơn trong việc quản lý học tập của mình khi có hệ thống cảnh báo. Giảng viên cũng có thể theo dõi tiến độ học tập của sinh viên một cách hiệu quả hơn.

V. Kết luận và hướng phát triển của hệ thống cảnh báo

Hệ thống cảnh báo hiệu suất học tập là một công cụ hữu ích trong việc nâng cao chất lượng giáo dục. Trong tương lai, cần tiếp tục nghiên cứu và phát triển hệ thống này để đáp ứng tốt hơn nhu cầu của sinh viên và giảng viên.

5.1. Đề xuất cải tiến hệ thống cảnh báo

Cần cải tiến hệ thống để thu thập dữ liệu chính xác hơn và phát triển các thuật toán học máy mới nhằm nâng cao độ chính xác của cảnh báo.

5.2. Tương lai của hệ thống cảnh báo trong giáo dục

Hệ thống cảnh báo có thể được mở rộng để áp dụng cho nhiều lĩnh vực khác nhau trong giáo dục, từ việc theo dõi tiến độ học tập đến việc hỗ trợ tư vấn học tập cho sinh viên.