Luận văn phân tích sự kiện đánh giá biến động học tập sinh viên Đại học Thủy Lợi Hà Nội

Luận văn thạc sĩ phân tích sự kiện đánh giá biến động học tập sinh viên trường Đại học Thủy lợi Hà Nội, cung cấp cái nhìn sâu sắc về quá trình học.

• Tác giả: Bùi Thị Huệ
• Người hướng dẫn: TS. Trịnh Quốc Anh
• Trường học: Đại học Quốc gia Hà Nội
• Chuyên ngành: Lý thuyết Xác suất và Thống kê Toán học
• Đề tài: Phương Pháp Phân Tích Sự Kiện Dùng Đánh Giá Các Biến Động Trong Quá Trình Học Tập Của Sinh Viên Trường Đại Học Thủy Lợi
• Loại tài liệu: luận văn thạc sĩ khoa học
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI NÓI ĐẦU
• 1. CHƯƠNG 1: PHÂN TÍCH SỐNG SÓT
• 1.1. Giới thiệu chung
• 1.2. Kiểm duyệt và các loại kiểm duyệt
• 1.3. Hàm sống sót và hàm nguy cơ
• 1.4. Mô hình tham số
• 1.5. Mô hình phi tham số
• 1.6. So sánh mô hình tham số và phi tham số
• 1.7. Kiểm định của các mô hình
• 1.7.1. Ước lượng Kaplan-Meier của hàm sống sót
• 2. CHƯƠNG 2: MÔ HÌNH NGUY CƠ THEO TỶ LỆ
• 2.1. Giới thiệu về mô hình nguy cơ theo tỷ lệ
• 2.2. Tác giả mô hình Cox
• 2.3. Mô hình Cox
• 2.4. Hàm sống sót của Cox PHM
• 2.5. Ước lượng các tham số của Cox PHM
• 2.6. Hàm hợp lý từng phần
• 2.6.1. Hàm hợp lý từng phần cho lần thất bại là duy nhất
• 2.6.2. Hàm hợp lý từng phần cho lần thất bại lặp đi lặp lại
• 2.6.3. Ước lượng các tham số
• 2.6.4. Kiểm định giả thuyết cho PHM
• 3. CHƯƠNG 3: THỰC NGHIỆM PHÂN TÍCH DỮ LIỆU SINH VIÊN TRƯỜNG ĐẠI HỌC THỦY LỢI HÀ NỘI BẰNG PHƯƠNG PHÁP PHÂN TÍCH SỐNG SÓT
• 3.1. Mô tả số liệu
• 3.2. Các biến số trong mô hình
• 3.3. Mô hình của phân tích sống sót trong R
• 3.3.1. Giới thiệu về R
• 3.3.2. Ước lượng Kaplan-Meier trong R
• 3.3.3. Kiểm định Log-rank bằng R
• 3.3.4. Mô hình Cox trong R
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Phân Tích Biến Động Học Tập Sinh Viên Thủy Lợi

Quản lý sinh viên là một bài toán quan trọng trong mỗi trường đại học. Các trường thu thập dữ liệu từ khi sinh viên nhập học đến khi tốt nghiệp. Tin học hóa giúp công việc này dễ dàng và chính xác hơn. Tuy nhiên, việc quản lý hiện tại chủ yếu tập trung vào thông tin hồ sơ. Vấn đề quan trọng hơn là sử dụng các phương pháp phân tích thống kê để hiểu sâu hơn về dữ liệu này. Ví dụ, xác định số lượng sinh viên nhập học từ các khu vực khác nhau, tỷ lệ tốt nghiệp, và các yếu tố ảnh hưởng đến kết quả học tập. Đại học Thủy Lợi đặt mục tiêu giải quyết vấn đề này. Luận văn này sử dụng phương pháp phân tích sự kiện để đánh giá các biến động trong quá trình học tập của sinh viên.

1.1. Giới Thiệu Phương Pháp Phân Tích Sự Kiện Trong Giáo Dục

Phân tích sự kiện (Event History Analysis) là một phương pháp thống kê mạnh mẽ để nghiên cứu thời gian cho đến khi một sự kiện xảy ra. Trong bối cảnh giáo dục, sự kiện có thể là tốt nghiệp, thôi học, hoặc chuyển ngành. Phương pháp này cho phép các nhà nghiên cứu xác định các yếu tố ảnh hưởng đến thời gian cho đến khi sự kiện xảy ra. Nó cũng cho phép so sánh thời gian cho đến khi sự kiện xảy ra giữa các nhóm sinh viên khác nhau. Ví dụ, so sánh thời gian tốt nghiệp giữa sinh viên nam và nữ, hoặc giữa sinh viên thuộc các chương trình đào tạo khác nhau.

1.2. Ứng Dụng Phân Tích Dữ Liệu Học Tập Tại Đại Học Thủy Lợi

Việc ứng dụng phân tích dữ liệu học tập tại Đại học Thủy Lợi có thể mang lại nhiều lợi ích. Nó giúp nhà trường hiểu rõ hơn về quá trình học tập của sinh viên, từ đó đưa ra các quyết định chính sách phù hợp. Ví dụ, nếu phân tích cho thấy tỷ lệ thôi học cao ở một số ngành, nhà trường có thể điều chỉnh chương trình đào tạo hoặc cung cấp hỗ trợ học tập tốt hơn. Ngoài ra, phân tích dữ liệu cũng có thể giúp dự đoán kết quả học tập sinh viên và xác định những sinh viên có nguy cơ gặp khó khăn, từ đó có biện pháp can thiệp kịp thời.

II. Thách Thức Đánh Giá Biến Động Kết Quả Học Tập Sinh Viên

Việc đánh giá kết quả học tập sinh viên và xác định các yếu tố ảnh hưởng đến biến động kết quả học tập là một thách thức lớn. Dữ liệu học tập thường phức tạp và đa dạng, bao gồm điểm số, thông tin cá nhân, và các hoạt động ngoại khóa. Một trong những khó khăn là xử lý dữ liệu bị thiếu hoặc không đầy đủ. Ngoài ra, việc xác định các yếu tố nhân quả cũng rất khó khăn, vì nhiều yếu tố có thể tương quan với nhau. Ví dụ, sinh viên có điểm đầu vào cao thường có học lực sinh viên tốt hơn, nhưng điều này không có nghĩa là điểm đầu vào là yếu tố duy nhất quyết định kết quả học tập.

2.1. Vấn Đề Kiểm Duyệt Dữ Liệu Trong Phân Tích Học Tập

Trong phân tích dữ liệu học tập, vấn đề kiểm duyệt (censoring) thường xuyên xảy ra. Kiểm duyệt xảy ra khi không có thông tin đầy đủ về thời gian cho đến khi một sự kiện xảy ra. Ví dụ, một sinh viên có thể thôi học giữa chừng, hoặc chuyển sang trường khác. Trong những trường hợp này, không biết chính xác thời gian sinh viên đó sẽ tốt nghiệp nếu tiếp tục học. Việc xử lý dữ liệu kiểm duyệt đòi hỏi các phương pháp thống kê đặc biệt, chẳng hạn như phân tích sống sót.

2.2. Khó Khăn Trong Xác Định Yếu Tố Ảnh Hưởng Kết Quả Học Tập

Việc xác định yếu tố ảnh hưởng kết quả học tập là một nhiệm vụ phức tạp. Có rất nhiều yếu tố có thể ảnh hưởng đến học lực sinh viên, bao gồm năng lực cá nhân, điều kiện kinh tế, môi trường học tập, và chất lượng giảng dạy. Việc phân tích các yếu tố này đòi hỏi các phương pháp thống kê đa biến, chẳng hạn như hồi quy đa biến hoặc mô hình cấu trúc tuyến tính. Tuy nhiên, ngay cả khi sử dụng các phương pháp này, việc xác định các mối quan hệ nhân quả vẫn rất khó khăn.

III. Phương Pháp Phân Tích Sống Sót Đánh Giá Biến Động Học Tập

Phân tích sống sót là một phương pháp thống kê mạnh mẽ để phân tích thời gian cho đến khi một sự kiện xảy ra. Phương pháp này đặc biệt hữu ích khi có dữ liệu kiểm duyệt. Trong bối cảnh giáo dục, phân tích sống sót có thể được sử dụng để nghiên cứu thời gian cho đến khi sinh viên tốt nghiệp, thôi học, hoặc chuyển ngành. Phương pháp này cho phép xác định các yếu tố ảnh hưởng đến thời gian cho đến khi sự kiện xảy ra, và so sánh thời gian cho đến khi sự kiện xảy ra giữa các nhóm sinh viên khác nhau. Ước lượng Kaplan-Meier và mô hình Cox là hai công cụ quan trọng trong phân tích sống sót.

3.1. Ước Lượng Kaplan Meier Phân Tích Thời Gian Tốt Nghiệp

Ước lượng Kaplan-Meier là một phương pháp phi tham số để ước tính hàm sống sót. Trong bối cảnh giáo dục, hàm sống sót có thể được hiểu là xác suất một sinh viên còn tiếp tục học tại trường sau một khoảng thời gian nhất định. Ước lượng Kaplan-Meier cho phép tính toán xác suất này tại các thời điểm khác nhau, và so sánh xác suất này giữa các nhóm sinh viên khác nhau. Ví dụ, so sánh xác suất tốt nghiệp giữa sinh viên nam và nữ.

3.2. Mô Hình Cox Đánh Giá Các Yếu Tố Ảnh Hưởng Thời Gian Học

Mô hình Cox là một phương pháp bán tham số để phân tích các yếu tố ảnh hưởng đến thời gian cho đến khi một sự kiện xảy ra. Trong bối cảnh giáo dục, mô hình Cox có thể được sử dụng để xác định các yếu tố ảnh hưởng đến thời gian tốt nghiệp, thôi học, hoặc chuyển ngành. Các yếu tố này có thể bao gồm điểm đầu vào, giới tính, điều kiện kinh tế, và các hoạt động ngoại khóa. Mô hình Cox cho phép ước tính tỷ lệ rủi ro (hazard ratio) cho mỗi yếu tố, cho biết mức độ ảnh hưởng của yếu tố đó đến thời gian cho đến khi sự kiện xảy ra.

3.3. Kiểm Định Log Rank So Sánh Các Nhóm Sinh Viên

Kiểm định Log-rank là một phương pháp thống kê để so sánh hàm sống sót giữa hai hoặc nhiều nhóm. Trong bối cảnh giáo dục, kiểm định Log-rank có thể được sử dụng để so sánh thời gian tốt nghiệp giữa các nhóm sinh viên khác nhau. Ví dụ, so sánh thời gian tốt nghiệp giữa sinh viên thuộc các chương trình đào tạo khác nhau. Kiểm định Log-rank cho phép xác định xem có sự khác biệt đáng kể về thống kê giữa các nhóm hay không.

IV. Thực Nghiệm Phân Tích Dữ Liệu Sinh Viên Đại Học Thủy Lợi

Luận văn này sử dụng dữ liệu sinh viên Đại học Thủy Lợi do phòng Quản lý và Công tác sinh viên cung cấp. Dữ liệu này bao gồm thông tin về điểm đầu vào, giới tính, ngành học, và kết quả học tập của sinh viên. Phần mềm R được sử dụng để thực hiện phân tích thống kê. Các phương pháp phân tích sống sót, bao gồm ước lượng Kaplan-Meier và mô hình Cox, được áp dụng để nghiên cứu thời gian tốt nghiệp của sinh viên và xác định các yếu tố ảnh hưởng đến thời gian này. Mục tiêu là cung cấp thông tin hữu ích cho nhà trường để cải thiện chất lượng đào tạo đại học.

4.1. Mô Tả Dữ Liệu Sinh Viên Sử Dụng Trong Nghiên Cứu

Dữ liệu sử dụng trong nghiên cứu bao gồm thông tin về sinh viên nhập học Đại học Thủy Lợi trong một khoảng thời gian nhất định. Các biến số trong mô hình bao gồm điểm đầu vào, giới tính, ngành học, học lực sinh viên (GPA), và tình trạng tốt nghiệp (đã tốt nghiệp, thôi học, hoặc vẫn đang học). Dữ liệu được làm sạch và chuẩn hóa trước khi đưa vào phân tích. Các trường hợp dữ liệu bị thiếu được xử lý bằng các phương pháp phù hợp.

4.2. Ứng Dụng Phần Mềm R Trong Phân Tích Thống Kê Học Tập

Phần mềm R là một công cụ mạnh mẽ để thực hiện phân tích thống kê. R cung cấp nhiều gói (package) hỗ trợ phân tích sống sót, bao gồm các hàm để ước lượng Kaplan-Meier, xây dựng mô hình Cox, và thực hiện kiểm định Log-rank. R cho phép tạo ra các biểu đồ trực quan để trình bày kết quả phân tích. Ngoài ra, R là một phần mềm mã nguồn mở, miễn phí và có cộng đồng người dùng lớn, cung cấp nhiều tài liệu hướng dẫn và hỗ trợ.

V. Kết Quả Phân Tích Biến Động Học Tập Sinh Viên Thủy Lợi

Kết quả phân tích dữ liệu học tập cho thấy có sự khác biệt đáng kể về thời gian tốt nghiệp giữa các nhóm sinh viên khác nhau. Ví dụ, sinh viên có điểm đầu vào cao thường tốt nghiệp sớm hơn so với sinh viên có điểm đầu vào thấp. Ngoài ra, có sự khác biệt về thời gian tốt nghiệp giữa sinh viên nam và nữ, và giữa sinh viên thuộc các ngành học khác nhau. Mô hình Cox cho thấy điểm đầu vào, giới tính, và ngành học là các yếu tố quan trọng ảnh hưởng đến thời gian tốt nghiệp. Các kết quả này có thể được sử dụng để đưa ra các khuyến nghị nhằm cải thiện kết quả học tập và tỷ lệ tốt nghiệp của sinh viên.

5.1. Phân Tích Thống Kê Các Yếu Tố Ảnh Hưởng Tốt Nghiệp

Phân tích thống kê cho thấy điểm đầu vào có ảnh hưởng lớn đến thời gian tốt nghiệp. Sinh viên có điểm đầu vào cao có tỷ lệ rủi ro tốt nghiệp sớm cao hơn so với sinh viên có điểm đầu vào thấp. Điều này cho thấy năng lực đầu vào là một yếu tố quan trọng quyết định học lực sinh viên và khả năng hoàn thành chương trình đào tạo đúng thời hạn. Ngoài ra, phân tích cũng cho thấy giới tính và ngành học có ảnh hưởng đáng kể đến thời gian tốt nghiệp.

5.2. Đề Xuất Giải Pháp Cải Thiện Kết Quả Học Tập Sinh Viên

Dựa trên kết quả phân tích, có thể đề xuất một số giải pháp để cải thiện kết quả học tập và tỷ lệ tốt nghiệp của sinh viên. Thứ nhất, cần tăng cường công tác tư vấn và hỗ trợ học tập cho sinh viên có điểm đầu vào thấp. Thứ hai, cần có các biện pháp hỗ trợ đặc biệt cho sinh viên nữ, đặc biệt là trong các ngành kỹ thuật. Thứ ba, cần điều chỉnh chương trình đào tạo để phù hợp hơn với năng lực và sở thích của sinh viên. Cuối cùng, cần tăng cường phân tích dữ liệu học tập để theo dõi và đánh giá hiệu quả của các giải pháp này.

VI. Kết Luận Và Hướng Nghiên Cứu Phân Tích Biến Động Học Tập

Luận văn này đã trình bày một phương pháp phân tích sự kiện để đánh giá các biến động trong quá trình học tập của sinh viên Đại học Thủy Lợi. Kết quả phân tích cho thấy có nhiều yếu tố ảnh hưởng đến thời gian tốt nghiệp của sinh viên. Các kết quả này có thể được sử dụng để đưa ra các quyết định chính sách nhằm cải thiện chất lượng đào tạo và kết quả học tập của sinh viên. Trong tương lai, có thể mở rộng nghiên cứu bằng cách sử dụng phân tích dữ liệu lớn và các phương pháp học máy để dự đoán kết quả học tập và xác định các sinh viên có nguy cơ gặp khó khăn.

6.1. Tổng Kết Các Phát Hiện Chính Về Biến Động Học Tập

Các phát hiện chính của nghiên cứu bao gồm: điểm đầu vào, giới tính, và ngành học là các yếu tố quan trọng ảnh hưởng đến thời gian tốt nghiệp; sinh viên có điểm đầu vào cao thường tốt nghiệp sớm hơn; có sự khác biệt về thời gian tốt nghiệp giữa sinh viên nam và nữ, và giữa sinh viên thuộc các ngành học khác nhau. Các phát hiện này cung cấp thông tin hữu ích cho nhà trường để đưa ra các quyết định chính sách phù hợp.

6.2. Đề Xuất Hướng Nghiên Cứu Tiếp Theo Về Phân Tích Dữ Liệu

Trong tương lai, có thể mở rộng nghiên cứu bằng cách sử dụng phân tích dữ liệu lớn và các phương pháp học máy để dự đoán kết quả học tập và xác định các sinh viên có nguy cơ gặp khó khăn. Ngoài ra, có thể nghiên cứu sâu hơn về các yếu tố ảnh hưởng đến biến động điểm số và năng lực sinh viên. Cuối cùng, cần có các nghiên cứu đánh giá hiệu quả của các giải pháp cải thiện kết quả học tập và tỷ lệ tốt nghiệp của sinh viên.

Nội dung chính

Tổng quan nghiên cứu

Trong quản trị giáo dục đại học, biến động học tập của sinh viên như bảo lưu, chuyển ngành hoặc thôi học là thách thức lớn đối với việc tối ưu hóa nguồn lực đào tạo. Tại các cơ sở giáo dục đại học kỹ thuật, tỷ lệ hao hụt sinh viên hoặc chậm tiến độ tốt nghiệp trong toàn khóa học thường dao động từ 15% đến 22%, gây lãng phí ngân sách và ảnh hưởng trực tiếp đến chỉ số phát triển của nhà trường. Phương thức quản lý truyền thống trước đây chủ yếu dừng lại ở việc thống kê các biến số định danh tĩnh như họ tên, quê quán hay mã số sinh viên mà chưa theo dõi được quá trình vận động của người học theo trục thời gian thực.

Nghiên cứu này được thực hiện nhằm giải quyết bài toán cốt lõi: ứng dụng phương pháp phân tích sự kiện (Survival Analysis) để mô hình hóa quá trình học tập, xác định chính xác các mốc thời gian có nguy cơ biến động cao nhất và lượng hóa mức độ ảnh hưởng của các biến nhân khẩu học, vùng miền, ngành học đến khả năng tốt nghiệp đúng hạn. Phạm vi nghiên cứu bao quát toàn bộ 1.598 sinh viên thuộc Khóa 48 (niên khóa 2006-2011) tại Trường Đại học Thủy Lợi Hà Nội, được theo dõi liên tục trong khoảng thời gian 60 tháng.

Ý nghĩa của công trình thể hiện ở việc chuyển dịch phương thức đánh giá kết quả đào tạo từ thống kê mô tả thụ động sang mô hình hóa rủi ro động. Kết quả nghiên cứu cung cấp cơ sở định lượng vững chắc giúp nhà trường nâng cao tỷ lệ tốt nghiệp đúng hạn từ mức 78% lên mục tiêu trên 85%, đồng thời hỗ trợ các nhà quản trị thiết lập các điểm can thiệp học vụ chính xác tại từng học kỳ.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn vận dụng hệ thống lý thuyết phân tích sống sót hiện đại, tập trung vào việc mô hình hóa thời gian dẫn đến một sự kiện quan tâm (thôi học hoặc dừng chương trình đào tạo). Ba khái niệm toán học nền tảng được triển khai bao gồm: hàm sống sót biểu thị xác suất một sinh viên tiếp tục theo học vượt qua mốc thời gian xác định, hàm phân phối tích lũy phản ánh xác suất xảy ra biến cố trước thời điểm quan sát, và hàm nguy cơ đo lường xác suất xảy ra biến cố ngay tại thời điểm khảo sát với điều kiện sinh viên đó vẫn đang duy trì việc học.

Khung phân tích xử lý triệt để hiện tượng kiểm duyệt dữ liệu (Censoring), trong đó kiểm duyệt phải (Right Censoring) là trường hợp chủ đạo khi sinh viên vẫn đang học tập bình thường hoặc đã tốt nghiệp tại thời điểm nghiên cứu kết thúc sau 60 tháng. Luận văn kết hợp hai phương pháp tiếp cận chính:

1. Mô hình phi tham số với phương pháp ước lượng tích số giới hạn Kaplan-Meier (1958) và kiểm định Log-rank (Mantel-Cox) để so sánh đường cong sống sót giữa các phân nhóm độc lập.
2. Mô hình bán tham số hồi quy rủi ro tỷ lệ Cox (Cox Proportional Hazards Model - 1972), cho phép đưa các biến giải thích liên tục và rời rạc vào đánh giá mà không cần giả định trước dạng phân phối cụ thể của hàm nguy cơ cơ bản.

Phương pháp nghiên cứu

Nguồn dữ liệu thứ cấp được thu thập chính quy từ hệ thống quản lý của Phòng Công tác sinh viên thuộc Trường Đại học Thủy Lợi Hà Nội. Cỡ mẫu nghiên cứu gồm toàn bộ 1.598 sinh viên trúng tuyển nhập học Khóa 48, phân bổ trên 24 lớp chuyên ngành kỹ thuật và kinh tế. Phương pháp chọn mẫu toàn diện được áp dụng nhằm loại bỏ hoàn toàn sai số do lấy mẫu ngẫu nhiên, bảo đảm tính đại diện tuyệt đối cho toàn bộ khóa đào tạo.

Timeline nghiên cứu được chia thành các mốc thời gian rời rạc tính theo đơn vị tháng, trải dài từ tháng 0 (thời điểm nhập học tháng 9/2006) đến tháng thứ 60 (thời điểm kết thúc khóa đào tạo tháng 9/2011). Lý do lựa chọn phương pháp phân tích sống sót thay vì mô hình hồi quy Logistic thông thường là bởi vì hồi quy Logistic chỉ đánh giá được kết cục nhị phân tĩnh (hoàn thành hay bỏ học) mà bỏ qua yếu tố thời gian và không xử lý được các quan sát bị mất dấu theo dõi. Toàn bộ quy trình ước lượng tham số, hàm hợp lý từng phần theo phương pháp Efron và thuật toán lặp Newton-Raphson được thực thi trên môi trường lập trình thống kê mã nguồn mở R thông qua gói lệnh chuyên dụng survival.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phân tích dữ liệu thực nghiệm trên 1.598 sinh viên mang lại những phát hiện quan trọng về cấu trúc và động thái biến động học tập:

Thứ nhất, cơ cấu nhân khẩu học mang đặc trưng rõ nét của trường đại học kỹ thuật chuyên ngành với 1.293 sinh viên nam (chiếm 80,91%) và 305 sinh viên nữ (chiếm 19,09%). Độ tuổi nhập học dao động từ 17 đến 29 tuổi, trong đó tập trung cao nhất ở lứa tuổi 18 với 686 sinh viên (chiếm 42,93%) và lứa tuổi 19 với 555 sinh viên (chiếm 34,73%). Sinh viên đến từ 53 tỉnh thành trên cả nước, quy tụ đông đảo nhất từ Nam Định (212 sinh viên), Thanh Hóa (187 sinh viên), Thái Bình (153 sinh viên) và Nghệ An (133 sinh viên).

Thứ hai, kết quả ước lượng Kaplan-Meier cho thấy xác suất duy trì học tập và tốt nghiệp đúng hạn ở tháng thứ 60 có sự phân hóa theo diện đối tượng ưu tiên. Nhóm sinh viên thuộc đối tượng 1 (con em đồng bào dân tộc thiểu số) có xác suất tốt nghiệp đạt khoảng 85% với khoảng tin cậy 95% hẹp từ 78,8% đến 91,1%. Nhóm đối tượng 4 (thương bệnh binh, con liệt sĩ) và đối tượng 10 (con em lao động phổ thông) đạt tỷ lệ khoảng 79%. Đối tượng 6 đạt mức 78%, trong khi đối tượng 3 (công nhân ưu tú) và đối tượng 5 đạt tỷ lệ hoàn thành thấp hơn, lần lượt ở mức 67% và 50%.

Thứ ba, phân tích theo phân vùng địa lý ghi nhận khu vực 4 (nông thôn, chiếm 57,51% với 919 sinh viên) và khu vực 1 (miền núi, hải đảo với 279 sinh viên) có xác suất hoàn thành khóa học tương đương nhau ở mức xấp xỉ 80%. Ngược lại, sinh viên thuộc khu vực 3 (đô thị lớn trực thuộc trung ương với 104 sinh viên) lại có xác suất tốt nghiệp đúng hạn thấp nhất, chỉ đạt khoảng 72% đến 75%.

Thứ tư, hàm nguy cơ xác định hai điểm rơi biến động học tập lớn nhất của sinh viên nằm ở mốc tháng thứ 11 (kết thúc năm thứ nhất) và tháng thứ 23 (kết thúc năm thứ hai), chiếm trên 65% tổng số ca thôi học hoặc bảo lưu trong toàn khóa học.

Thảo luận kết quả

Khi trực quan hóa qua biểu đồ đường cong sống sót Kaplan-Meier, đồ thị biểu diễn dưới dạng hàm bậc thang suy giảm đều qua từng năm nhưng dốc đứng rõ rệt tại các mốc kết thúc học kỳ 2 và học kỳ 4. Điều này phản ánh áp lực sàng lọc học vụ đối với các môn đại cương khoa học cơ bản (Toán cao cấp, Vật lý đại cương, Cơ học lý thuyết). Bảng so sánh kiểm định Log-rank giữa các nhóm khu vực và đối tượng cho thấy giá trị kiểm định có ý nghĩa thống kê với p-value nhỏ hơn 0,05, khẳng định sự khác biệt về tiến độ học tập giữa các nhóm là hoàn toàn có thực chất.

Kết quả sinh viên khu vực đô thị có nguy cơ dừng học cao hơn sinh viên nông thôn và miền núi phản ánh tính kiên định và động lực học tập vượt khó của nhóm sinh viên ngoại tỉnh. Đồng thời, sinh viên thành thị có xu hướng chuyển đổi định hướng nghề nghiệp hoặc tìm kiếm cơ hội du học, việc làm sớm ngoài ngành. Hiện tượng biến động tập trung cao điểm vào năm thứ nhất hoàn toàn tương đồng với các công bố giáo dục đại học quốc tế, khẳng định tính quy luật của giai đoạn chuyển giao môi trường từ phổ thông lên đại học.

Đề xuất và khuyến nghị

Dựa trên các bằng chứng định lượng từ mô hình Cox và Kaplan-Meier, bốn nhóm giải pháp can thiệp cụ thể được đề xuất nhằm tối ưu hóa công tác quản trị đào tạo:

1. Thiết lập hệ thống giám sát và cảnh báo học vụ sớm tại các mốc tháng thứ 6 và tháng thứ 11. Phòng Đào tạo cùng Phòng Công tác Sinh viên cần triển khai phần mềm tự động rà soát điểm rèn luyện và số tín chỉ tích lũy, đặt mục tiêu giảm 30% tỷ lệ sinh viên bị buộc thôi học sau năm thứ nhất, áp dụng ngay từ đầu năm học mới.
2. Xây dựng chương trình gia sư đồng đẳng và hỗ trợ học thuật chuyên biệt cho sinh viên có nguy cơ cao trong 24 tháng đầu khóa. Đoàn Thanh niên và Hội Sinh viên chủ trì tổ chức các lớp ôn tập chuyên đề các môn cơ sở ngành, phấn đấu nâng tỷ lệ qua môn lần đầu của khối ngành kỹ thuật công trình lên mức tối thiểu 85% trong giai đoạn 2 năm tới.
3. Hoàn thiện chính sách học bổng khuyến khích và trợ cấp xã hội đúng trọng tâm cho sinh viên khu vực 1 và sinh viên diện chính sách khó khăn. Ban Giám hiệu nhà trường phê duyệt kế hoạch phân bổ ngân sách hỗ trợ tài chính định kỳ vào đầu mỗi học kỳ nhằm bảo đảm 100% sinh viên nghèo vượt khó không phải bỏ học vì lý do kinh tế.
4. Ứng dụng định kỳ mô hình phân tích sống sót trên phần mềm R vào cơ sở dữ liệu sinh viên toàn trường 6 tháng một lần. Trung tâm Công nghệ Thông tin phối hợp cùng các bộ môn Thống kê xây dựng dashboard theo dõi tỷ số nguy cơ (Hazard Ratio) để Ban Giám hiệu chủ động điều chỉnh chỉ tiêu tuyển sinh theo từng ngành và địa phương.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

1. Cán bộ quản lý đào tạo và chuyên viên công tác sinh viên: Vận dụng mô hình dự báo để nhận diện nhóm sinh viên có nguy cơ bỏ học cao theo từng mốc thời gian, từ đó chủ động xây dựng phương án tư vấn tâm lý và hỗ trợ học vụ phù hợp.
2. Giảng viên và nhà nghiên cứu chuyên ngành Thống kê - Xác suất: Tham khảo khung phương pháp luận chi tiết về việc ứng dụng mô hình Cox, hàm hợp lý từng phần Efron và kỹ thuật xử lý dữ liệu kiểm duyệt trên phần mềm R trong lĩnh vực khoa học xã hội.
3. Học viên cao học và sinh viên các ngành Khoa học Dữ liệu, Giáo dục học: Sử dụng tài liệu như một nghiên cứu điển hình (case study) mẫu mực về xử lý dữ liệu hành chính thực tế, kết hợp nhuần nhuyễn giữa cơ sở toán học lý thuyết và phân tích thực nghiệm.
4. Lãnh đạo các cơ sở giáo dục đại học khối kỹ thuật: Khai thác bức tranh phân bố sinh viên theo vùng miền và ngành đào tạo để tối ưu hóa chiến lược tuyển sinh, mở rộng chuyên ngành đào tạo gắn liền với nhu cầu thực tế của từng địa phương.

Câu hỏi thường gặp

1. Phương pháp phân tích sống sót có ưu thế gì vượt trội so với hồi quy Logistic trong nghiên cứu giáo dục? Phân tích sống sót khắc phục nhược điểm của hồi quy Logistic nhờ khả năng tích hợp yếu tố thời gian dẫn đến biến cố và xử lý dữ liệu kiểm duyệt khi sinh viên chưa tốt nghiệp hoặc mất dấu theo dõi. Phương pháp này cho phép ước lượng chính xác xác suất sống sót tại từng tháng cụ thể thay vì chỉ dự báo một kết cục nhị phân đóng tại cuối kỳ nghiên cứu.

2. Tại sao nghiên cứu lại chọn tập dữ liệu 1.598 sinh viên Khóa 48 Trường Đại học Thủy Lợi? Khóa 48 là khóa học hoàn chỉnh với quy mô 1.598 sinh viên theo học 24 chuyên ngành, cung cấp dữ liệu toàn diện trong suốt 60 tháng từ khi nhập học năm 2006 đến khi kết thúc năm 2011. Tập dữ liệu này bảo đảm tính chuẩn hóa về hồ sơ quản lý, phản ánh đầy đủ chu kỳ đào tạo đại học kỹ thuật 5 năm tại Việt Nam.

3. Hiện tượng kiểm duyệt phải (Right Censoring) trong đề tài này được xác định như thế nào? Kiểm duyệt phải xuất hiện đối với những sinh viên vẫn đang tiếp tục theo học bình thường hoặc đã tốt nghiệp đúng hạn tại thời điểm kết thúc quan sát 60 tháng. Ngoài ra, các trường hợp chuyển trường, mất liên lạc mà không rõ nguyên nhân trước khi kết thúc thời gian nghiên cứu cũng được gán nhãn kiểm duyệt phải theo đúng chuẩn thống kê.

4. Mốc thời gian nào sinh viên có nguy cơ thôi học cao nhất và nguyên nhân do đâu? Nguy cơ thôi học tập trung đột biến tại mốc tháng thứ 11 và tháng thứ 23, chiếm trên 65% tổng biến cố. Nguyên nhân chủ yếu xuất phát từ việc sinh viên không vượt qua được các môn khoa học cơ bản đại cương, bị cảnh báo học vụ do nợ tín chỉ hoặc nhận ra bản thân không phù hợp với ngành học kỹ thuật sau 1 đến 2 năm trải nghiệm.

5. Mô hình rủi ro tỷ lệ Cox giúp ích gì cho việc hoạch định chính sách của nhà trường? Mô hình Cox cho phép tính toán tỷ số nguy cơ (Hazard Ratio) của từng yếu tố độc lập như giới tính, độ tuổi, khu vực sau khi đã kiểm soát các yếu tố nhiễu. Điều này giúp nhà trường xác định chính xác biến số nào đóng vai trò quyết định đến sự biến động học tập, từ đó phân bổ nguồn lực hỗ trợ đúng đối tượng mục tiêu.

Kết luận

• Công trình đã xây dựng thành công quy trình ứng dụng lý thuyết phân tích sống sót vào bài toán quản trị sinh viên với cỡ mẫu 1.598 cá thể theo dõi trong 60 tháng.
• Khẳng định tính ưu việt của việc kết hợp ước lượng phi tham số Kaplan-Meier và mô hình bán tham số hồi quy rủi ro tỷ lệ Cox trên môi trường phần mềm thống kê R.
• Lượng hóa chính xác hai mốc thời gian khủng hoảng học vụ then chốt tại tháng thứ 11 và tháng thứ 23 của chương trình đào tạo kỹ sư.
• Chứng minh sự phân hóa rõ nét về tiến độ tốt nghiệp giữa các khu vực địa lý và diện chính sách, trong đó sinh viên nông thôn và vùng khó khăn đạt tỷ lệ hoàn thành khoảng 80% đến 85%.
• Cung cấp hệ thống giải pháp can thiệp sớm có tính khả thi cao, đóng góp thiết thực cho quá trình chuyển đổi số và nâng cao chất lượng giáo dục đại học.

Kế hoạch phát triển tiếp theo cần mở rộng mô hình cho các khóa đào tạo theo học chế tín chỉ linh hoạt trong giai đoạn 24 tháng tới, đồng thời tích hợp thêm các biến phụ thuộc thời gian như điểm trung bình tích lũy (GPA) và tình trạng rèn luyện từng kỳ. Các nhà quản lý giáo dục và chuyên gia phân tích dữ liệu được khuyến khích khai thác toàn văn tài liệu để hoàn thiện hệ thống cảnh báo học vụ tại đơn vị mình.

Trích đoạn nội dung tài liệu

Chương 1 (Phân tích sống sót): Trong chương này, tác giả sẽ đưa ra những vấn đề trong phân tích sống sót, cách ước lượng cho mô hình tham số, phi tham số của phân tích sống sót. Chương 2 (Mô hình Cox): Đối với chương này, tác giả trình bày mô hình Cox, tìm hệ số của mô hình bằng phương pháp hợp lý từng phần và kiểm định lại mô hình. Chương 3 (Thực nghiệm phân tích dữ liệu sinh viên trường Đại học Thủy Lợi Hà Nội bằng phương pháp phân tích sống sót): Chương này, tác giả ứng dụng các mô hình tham số, phi tham số của phân tích sống sót dựa trên phần mềm thống kê R vào số liệu sinh viên Đại học Thủy Lợi để đưa ra kết quả của bản luận văn. 2 z NộI DUNG CHƢƠNG 1.

PHÂN TÍCH SốNG SÓT 1.1 Giới thiệu chung Trong nghiên cứu khoa học, và đặc biệt là y học và kĩ thuật, các nhà nghiên cứu muốn tìm hiểu ảnh hưởng đến các biến phụ thuộc mang tính thời gian. Ởđây việc theo dõi hay mô tả các biến thứ bậc như sống hay chết, hay đánh giá ảnh hưởng của một thuật điều trị hay một yếu tố nguy cơ tuy quan trọng và có ý nghĩa lâm sàn nhất định nhưng cái quan trọng hơn là thời gian dẫn đến việc sự kiện xảy ra. Và thời gian này giữa các bệnh nhân là khác nhau. Mô hình chính để thể hiện mối liên hệ giữa thời gian dẫn đến sự kiện xảy ra và các yếu tố nguy cơ là mô hình có tên là “survival analysis” dịch là phân tích sống sót (PTSS) hay phân tích sự kiện hay phân tích biến cố.

Ví dụ khi so sánh hai phương pháp điều trị của các bệnh có tần số tử vong cao như bệnh AIDS, các bệnh ung thư. Nếu mô hình phân tích như phân tích hồi qui logistic, chỉ để ý đến biến kết cục (sống/chết hoặc khỏi bệnh/không khỏi bệnh) mà không quan tâm đến yếu tố thời gian thì đôi khi không tìm thấy sự khác biệt giữa hai phương pháp điều trị vì tỉ lệ tử vong gần như nhau, nhưng thời gian dẫn đến tử vong ở hai nhóm có thể khác nhau. Một ví dụ khác, khi so sánh hai loại kháng sinh điều trị bệnh thương hàn, tỉ lệ khỏi bệnh của hai loại kháng sinh có thể như nhau nhưng thời gian cắt sốt của hai nhóm có thể khác nhau, vì vậy chúng ta phải sử dụng mô hình PTSS thì mới thấy sự khác biệt này. Như vậy mô hình nghiên cứu mô tả kết cục là biến nhị phân (sống/chết-hết sốt/còn sốt) tuy quan trọng nhưng không chính xác.

Một ưu điểm của PTSS là xử lý được các trường hợp đối tượng nghiên cứu bỏ cuộc giữa chừng (như mất dấu theo dõi, ngưng điều trị do tác dụng phụ của thuốc hoặc tử vong do bệnh lý khác. Trong mô hình phân tích này các đối tượng còn sống kể cả đối tượng bỏ cuộc được gọi là censored hoặc sự kiện chưa xảy ra. Các đối tượng tử vong hoặc hết sốt (ví dụ trong nghiên cứu bệnh thương hàn) được gọi 3 z là events hoặc sự kiện đã kết thúc. Và sự phân bố thời gian sống sót được gọi là thời gian thất bại hay thời gian sự kiện.

Phép ước tính thường được dùng để PTSS được gọi là ước lượng Kaplan- Meier (1958). Phép ước tính này giúp ta tính được xác suất sống sót tích lũy tại các mốc thời gian khác nhau. Nếu muốn so sánh sự khác biệt giữa hai nhóm điều trị, dùng kiểm định Log-rank, bằng cách so sánh hai hàm xác suất tích lũy của hai nhóm.