Báo Cáo Nghiên Cứu: Ứng Dụng Phân Tích Dữ Liệu Và Machine Learning Trong Dự Báo Khả Năng Tốt Nghiệp Và Nguy Cơ Bỏ Học Của Sinh Viên

Tóm tắt nghiên cứu (200-250 từ)

  • Câu hỏi nghiên cứu chính (Research Question): Những yếu tố nhân khẩu học, kinh tế - xã hội và học thuật nào đóng vai trò then chốt chi phối quyết định tiếp tục theo học, tốt nghiệp hay bỏ học của sinh viên? Làm thế nào để ứng dụng công nghệ phân tích dữ liệu và học máy (Machine Learning) nhằm xây dựng hệ thống dự báo sớm nguy cơ bỏ học một cách chính xác?
  • Phương pháp nghiên cứu (Methodology Snapshot): Đề tài tích hợp quy trình khai phá dữ liệu toàn diện (Data Mining Pipeline): kết hợp phân tích mô tả trực quan hóa trên Microsoft Power BI và mô hình hóa dự báo với các thuật toán học máy có giám sát (Logistic Regression, Random Forest, K-Nearest Neighbors - KNN) trên tập dữ liệu chuẩn hóa gồm 4.425 quan sát với 17 biến số đa chiều.
  • Phát hiện chính (Key Findings): Nợ học phí, tình trạng duy trì học bổng và điểm trung bình học tập (GPA) trong hai học kỳ đầu tiên là các biến số có trọng số tác động mạnh nhất đến nguy cơ thôi học. Trong các mô hình thực nghiệm, thuật toán KNN đạt độ chính xác ấn tượng lên tới 85% cùng chỉ số F1-Score đạt 0.88 cho nhóm sinh viên có nguy cơ bỏ học.
  • Hàm ý thực tiễn (Implications): Kết quả nghiên cứu cung cấp cơ sở khoa học vững chắc giúp các trường đại học chủ động triển khai hệ thống cảnh báo sớm (Early Warning Systems), từ đó kịp thời can thiệp thông qua các chính sách hỗ trợ tài chính, tư vấn học thuật và chăm sóc sức khỏe tinh thần trước khi sinh viên đưa ra quyết định dừng học.

Bối cảnh và tầm quan trọng (300-350 từ)

Thực trạng và khoảng trống nghiên cứu

Trong chiến lược phát triển kinh tế - xã hội bền vững, giáo dục đại học đóng vai trò trung tâm trong việc nâng cao chất lượng nguồn nhân lực. Tuy nhiên, tình trạng sinh viên bỏ học giữa chừng tại các đô thị lớn, đặc biệt là khu vực TP. Hồ Chí Minh, đang trở thành vấn đề nan giải. Theo các số liệu thống kê từ các trường đại học lớn như Đại học Bách Khoa, Đại học Sư phạm Kỹ thuật hay Đại học Khoa học Tự nhiên TP.HCM, tỷ lệ sinh viên bị cảnh báo học vụ hoặc buộc thôi học mỗi năm dao động từ 10% đến 20%.

Khoảng trống nghiên cứu lớn nhất hiện nay nằm ở chỗ: phần lớn các cơ sở đào tạo vẫn quản lý và xử lý tình trạng sinh viên thôi học theo hướng bị động – nghĩa là chỉ ghi nhận khi sinh viên đã phát sinh nợ môn nghiêm trọng, nợ học phí kéo dài hoặc đã nộp đơn xin thôi học. Việc ứng dụng khoa học dữ liệu (Data Science) và phân tích hành vi học tập (Learning Analytics) để dự báo chủ động rủi ro ngay từ năm nhất vẫn còn sơ khai và chưa được chuẩn hóa thành quy trình tự động tại Việt Nam.

+-----------------------------------------------------------------------------------+
|               QUẢN TRỊ TRUYỀN THỐNG vs. QUẢN TRỊ DỰA TRÊN DỮ LIỆU                 |
+-----------------------------------------------------------------------------------+
| [Truyền thống] Bị động ghi nhận -> Cảnh báo học vụ -> Buộc thôi học (Trễ)        |
| [Tiếp cận mới] Thu thập đa chiều -> Phân tích Power BI -> ML Cảnh báo sớm (Kịp thời)|
+-----------------------------------------------------------------------------------+

Tính cấp thiết và tác động kỳ vọng

Sinh viên bỏ học gây ra tổn thất đa chiều:

  1. Đối với gia đình và người học: Lãng phí thời gian, chi phí tài chính và gánh nặng tâm lý.
  2. Đối với cơ sở giáo dục: Làm suy giảm chỉ số duy trì sinh viên (Retention Rate), ảnh hưởng uy tín học thuật và thất thoát nguồn thu học phí.
  3. Đối với xã hội: Làm gián đoạn chuỗi cung ứng lao động trình độ cao phục vụ công nghiệp hóa, hiện đại hóa.

Việc ứng dụng các công cụ phân tích hiện đại như Power BI kết hợp thuật toán Machine Learning giúp chuyển đổi mô hình quản trị giáo dục từ "ứng phó hậu quả" sang "dự báo và phòng ngừa", mang lại giá trị thực tiễn to lớn cho nền giáo dục đại học.

Methodology và tiếp cận nghiên cứu (350-400 từ)

Thiết kế nghiên cứu và Nguồn dữ liệu

Nghiên cứu áp dụng thiết kế định lượng thực nghiệm (Quantitative Experimental Design). Bộ dữ liệu nghiên cứu chuẩn hóa từ tập dữ liệu "Higher Education Predictors of Student Retention" bao gồm 4.425 dòng quan sát và 17 trường thuộc tính, phản ánh toàn diện bức tranh của người học qua 4 nhóm biến độc lập và 1 biến mục tiêu:

  • Nhân khẩu học (Demographics): Tình trạng hôn nhân, quốc tịch, giới tính, độ tuổi khi nhập học.
  • Kinh tế - Xã hội (Socio-economic): Nghề nghiệp của cha/mẹ, nhu cầu giáo dục đặc biệt, tình trạng nợ học phí, việc duy trì học bổng.
  • Kinh tế vĩ mô (Macro-economic): Tỷ lệ thất nghiệp, tỷ lệ lạm phát, chỉ số tăng trưởng GDP.
  • Kết quả học thuật (Academic Performance): Số tín chỉ tích lũy, số tín chỉ hoàn thành và điểm trung bình (GPA) ở Học kỳ 1 và Học kỳ 2.
  • Biến mục tiêu (Target): Phân loại thành 3 trạng thái chính: Bỏ học (Dropout), Đang theo học (Enrolled), và Tốt nghiệp (Graduate).
                         CẤU TRÚC DỮ LIỆU ĐẦU VÀO (17 THUỘC TÍNH)
                             [ BIẾN MỤC TIÊU: TARGET ]
                        (Bỏ học | Đang học | Tốt nghiệp)

Kỹ thuật tiền xử lý và Phân tích dữ liệu

Quy trình thực nghiệm được tiến hành tuần tự qua 4 bước:

  1. Trích xuất và Tiền xử lý (ETL - Power Query): Xử lý giá trị rỗng (missing values), chuẩn hóa kiểu dữ liệu (Data types), mã hóa dữ liệu danh mục (Categorical Encoding) và loại bỏ các biến không có tính phân tách cao (như giới tính, quốc tịch).
  2. Trực quan hóa và Phân tích mô tả (Power BI Desktop): Thiết lập Data Model (Star Schema), xây dựng hệ thống Dashboard tương tác với các biểu đồ phân tích phân phối, tương quan chéo giữa biến độc lập và biến mục tiêu.
  3. Huấn luyện mô hình Machine Learning (Python/Scikit-learn): Xây dựng và đánh giá 3 thuật toán phân loại kinh điển:
    • Hồi quy Logistic (Logistic Regression)
    • Rừng ngẫu nhiên (Random Forest)
    • K láng giềng gần nhất (K-Nearest Neighbors - KNN)
  4. Đánh giá hiệu năng: Đo lường mô hình dựa trên Confusion Matrix, Accuracy, Precision, Recall và F1-Score trên tập dữ liệu kiểm thử (Test set).

Phát hiện chính của nghiên cứu (400-450 từ)

Qua quá trình phân tích khám phá dữ liệu (EDA) trên Power BI kết hợp chạy mô hình dự báo, nghiên cứu đã rút ra 5 phát hiện cốt lõi:

                            CÁC PHÁT HIỆN TRỌNG TÂM TỪ DỮ LIỆU
                             
  [Tài chính - Học phí]          [Kết quả học tập]           [Nhân khẩu - Xã hội]
  • Có nợ SV -> Bỏ học 7.05%     • GPA HK1 & HK2 < 10        • Nhập học 17-23 tuổi:
    (Gấp 3 lần tỷ lệ tốt nghiệp)   -> Nguy cơ bỏ học >18%      Tỷ lệ tốt nghiệp 41.11%
  • Không học bổng:              • GPA > 13.5:               • Học buổi tối & kết hôn:
    Bỏ học 29.09% vs 3.03%         Tỷ lệ giữ chân cao          Gia tăng rủi ro thôi học

1. Áp lực tài chính và nợ học phí là nhân tố kích hoạt rủi ro lớn nhất

Dữ liệu chỉ ra sự phân hóa sâu sắc về khả năng duy trì học tập dựa trên tình trạng tài chính:

  • Sinh viên có nợ học phí có tỷ lệ bỏ học lên tới 7,05% (312 sinh viên), cao gấp hơn 3 lần so với tỷ lệ tốt nghiệp của chính nhóm này (2,28% - 101 sinh viên).
  • Nhóm sinh viên cập nhật học phí đúng hạn có tỷ lệ tốt nghiệp áp đảo (2.180 sinh viên), trong khi việc chậm nộp học phí làm tăng đột biến nguy cơ thôi học.

2. Học bổng đóng vai trò là "màng lọc bảo vệ" bền vững

Có sự chênh lệch mang tính bước ngoặt giữa hai nhóm sinh viên nhận và không nhận học bổng:

  • Ở nhóm không có học bổng, tỷ lệ bỏ học chiếm tới 29,09% (1.287 sinh viên).
  • Ngược lại, ở nhóm có giữ học bổng, tỷ lệ bỏ học giảm xuống mức thấp kỷ lục là 3,03% (134 sinh viên), cho thấy chính sách khuyến khích học tập có tác động phòng ngừa rủi ro bỏ học lên đến 26,06%.

3. Kết quả học tập năm thứ nhất (GPA Kỳ 1 & Kỳ 2) quyết định lộ trình đào tạo

Điểm trung bình của hai kỳ học đầu là thước đo định lượng có độ nhạy cao nhất:

  • Sinh viên có GPA dưới mức trung bình chuẩn (< 10 điểm) ghi nhận tỷ lệ bỏ học cao nhất: 17,68% ở Kỳ 1 và 18,33% ở Kỳ 2.
  • Khi điểm trung bình cải thiện lên mức từ 10 đến 13,5 điểm, tỷ lệ bỏ học giảm mạnh xuống chỉ còn 8,97%.

4. Độ tuổi nhập học, chế độ học và bối cảnh gia đình

  • Độ tuổi: Nhóm tuổi truyền thống (17–23 tuổi) có tỷ lệ tốt nghiệp đạt đỉnh (41,11%). Sinh viên lớn tuổi hơn (> 24 tuổi) đối mặt với áp lực gia đình và việc làm, khiến tỷ lệ thôi học tăng cao.
  • Hình thức tham gia: Sinh viên học ban ngày có tỷ lệ tốt nghiệp vượt trội (45,39%) so với nhóm học ban tối (4,54%), do sinh viên lớp tối thường là người vừa đi làm vừa đi học, dễ bị phân tán nguồn lực.
  • Nghề nghiệp phụ huynh: Sinh viên có cha mẹ làm nghề lao động phổ thông/dịch vụ chiếm 35% và có nguy cơ bỏ học cao hơn đáng kể so với nhóm có cha mẹ là chuyên gia hoặc kỹ sư.

5. Đánh giá hiệu năng vượt trội của thuật toán KNN

Trong số các thuật toán phân loại được thử nghiệm trên tập dữ liệu gồm 3.627 mẫu huấn luyện, mô hình K-Nearest Neighbors (KNN) đạt hiệu năng cao nhất:

  • Độ chính xác tổng thể (Accuracy): Đạt 85%.
  • Độ chuẩn xác (Precision) cho nhóm Bỏ học: Đạt 0.88.
  • Ma trận nhầm lẫn (Confusion Matrix) chứng minh mô hình có khả năng nhận diện chính xác phần lớn sinh viên có nguy cơ bỏ học thực tế, hạn chế tối đa sai lầm loại II (False Negatives).

Đóng góp khoa học và giá trị học thuật (250-300 từ)

Trụ cột Giá trị đóng góp chính
Đóng góp lý thuyết Nghiên cứu làm sâu sắc thêm mô hình lý thuyết hội nhập sinh viên (Tinto’s Student Integration Model) trong bối cảnh giáo dục số, khẳng định áp lực kinh tế và kết quả học thuật năm đầu là hai vector lực chính quyết định hành vi rời bỏ trường học.
Đổi mới phương pháp luận Thiết lập quy trình phân tích dữ liệu khép kín (End-to-End Pipeline): kết hợp tính trực quan, linh hoạt trong phân tích báo cáo quản trị của Power BI với khả năng tính toán dự báo nâng cao của Machine Learning, tạo ra khung nghiên cứu chuẩn có thể nhân rộng.
Giá trị ứng dụng thực tiễn Đề xuất giải pháp xây dựng bảng điều khiển quản trị rủi ro học vụ (Retention Dashboard) theo thời gian thực, cho phép phòng Đào tạo và Công tác sinh viên lọc danh sách sinh viên nguy cơ cao chỉ sau kỳ thi học kỳ 1.
Hàm ý chính sách Khuyến nghị các trường đại học đổi mới chính sách hỗ trợ tài chính: mở rộng quỹ học bổng vượt khó, đa dạng hóa gói vay ưu đãi học tập và thiết kế chương trình trợ giảng, bổ trợ kiến thức riêng cho nhóm sinh viên có điểm đầu vào hoặc GPA kỳ 1 thấp.

Đối tượng hưởng lợi và Quan tâm (200-250 từ)

  • Ban Giám hiệu và Nhà quản lý giáo dục: Sử dụng báo cáo làm căn cứ khoa học để hoạch định chiến lược giữ chân người học, tối ưu hóa doanh thu đào tạo và nâng cao tỷ lệ sinh viên tốt nghiệp đúng hạn.
  • Phòng Đào tạo & Khảo thí: Ứng dụng mô hình phân tích để giám sát biến động điểm số giữa các học kỳ, từ đó điều chỉnh khối lượng chương trình hoặc tiêu chí đánh giá phù hợp.
  • Phòng Công tác sinh viên và Cố vấn học tập: Trực tiếp tiếp cận danh sách cảnh báo từ hệ thống để chủ động thực hiện các can thiệp kịp thời: tư vấn tâm lý, hướng nghiệp, giãn tiến độ đóng học phí hoặc hỗ trợ vay vốn sinh viên.
  • Các nhà nghiên cứu khoa học dữ liệu giáo dục (Educational Data Mining / Learning Analytics): Tài liệu tham khảo hữu ích về cấu trúc bộ dữ liệu dự báo retention, cách tiền xử lý thuộc tính danh mục và phương pháp tối ưu hóa mô hình phân loại KNN/Random Forest.

Câu hỏi thường gặp - FAQ (250-300 từ)

1. Yếu tố nào là nguyên nhân hàng đầu dẫn đến việc sinh viên bỏ học?

Nghiên cứu chỉ ra rằng áp lực tài chính (nợ học phí, không có học bổng) và kết quả học tập kém trong năm đầu (GPA < 10) là hai yếu tố có tính quyết định nhất, chiếm trọng số phân loại cao nhất trong tất cả các mô hình.

2. Phương pháp tiếp cận của nghiên cứu này có gì khác biệt?

Nghiên cứu không dừng lại ở các thống kê mô tả thông thường mà kết hợp sức mạnh trực quan hóa phân tầng của Power BI cùng khả năng dự báo phân loại của thuật toán Machine Learning (KNN), đạt độ chính xác lên tới 85%.

3. Kết quả nghiên cứu có thể khái quát hóa (generalize) cho các trường đại học tại Việt Nam không?

Có. Dù bộ dữ liệu gốc mang tính chuẩn hóa quốc tế, các biến số cốt lõi (tài chính, điểm GPA, học bổng, độ tuổi, hình thức học) phản ánh rất chính xác thực trạng phân hóa sinh viên tại các trường đại học ở Việt Nam hiện nay.

4. Bước tiếp theo để phát triển nghiên cứu này là gì?

Nhóm nghiên cứu hướng tới việc thu thập dữ liệu nội bộ thực tế tại các trường đại học trong nước (tuân thủ bảo mật thông tin cá nhân), tích hợp thêm dữ liệu hành vi học tập trực tuyến (LMS logs) và thử nghiệm các mô hình Deep Learning/XGBoost.

5. Ứng dụng thực tế của mô hình này trong nhà trường là gì?

Mô hình có thể được đóng gói thành một phân hệ cảnh báo sớm (Early Warning System) tích hợp trực tiếp vào phần mềm quản lý đào tạo, tự động gửi thông báo cho cố vấn học tập khi phát hiện sinh viên rơi vào vùng rủi ro.

Kết luận (150 từ)

Đề tài nghiên cứu đã chứng minh tính khả thi và hiệu quả vượt trội của việc ứng dụng khoa học dữ liệu và mô hình Machine Learning trong việc giải quyết bài toán dự báo sinh viên bỏ học. Việc phát hiện sớm các dấu hiệu nguy cơ liên quan đến tài chính và kết quả học tập năm nhất mở ra cơ hội vàng để các cơ sở giáo dục thực hiện các can thiệp hỗ trợ mang tính cá nhân hóa.

Trong giai đoạn tiếp theo, việc tích hợp nguồn dữ liệu thực tế tại các trường đại học Việt Nam và phát triển hệ thống cảnh báo tự động theo thời gian thực sẽ là chìa khóa then chốt để nâng cao tỷ lệ giữ chân sinh viên, góp phần nâng tầm chất lượng giáo dục đại học nước nhà.