XÂY DỰNG HỆ THỐNG DỰ ĐOÁN NGUY CƠ NGHỈ HỌC CỦA SINH VIÊN TRƯỜNG CAO ĐẲNG SỬ DỤNG HỌC MÁY
cây quyết định (Decision Tree), rừng ngẫu nhiên (Random Forest) và mạng nơ-ron nhân tạo (Artificial Neural Network)
Sở hữu ngay hôm nay
1.000.000 ₫
Nhận tài liệu tức thì qua email
Thanh toán an toàn, bảo mật
Tài liệu chuẩn, đầy đủ nội dung
Hỗ trợ gửi lại nếu thất lạc email
Mô tả chi tiết
Trong bối cảnh giáo dục hiện nay, hiện tượng sinh viên gián đoạn hoặc chấm dứt quá trình học tập trước khi hoàn thành chương trình đào tạo đang có xu hướng gia tăng, đặc biệt tại các cơ sở đào tạo hệ cao đẳng. Thực trạng này không chỉ tác động tiêu cực đến hiệu quả đào tạo của nhà trường mà còn gây lãng phí nguồn lực và ảnh hưởng đến cơ hội phát triển nghề nghiệp của người học. Vì vậy, việc nghiên cứu các giải pháp dựa trên dữ liệu nhằm phát hiện sớm sinh viên có nguy cơ nghỉ học được xem là một hướng tiếp cận cần thiết và có ý nghĩa thực tiễn.
Xuất phát từ yêu cầu đó, luận văn tập trung nghiên cứu và xây dựng một hệ thống dự đoán nguy cơ nghỉ học của sinh viên Trường Cao đẳng Công nghệ cao Đồng Nai dựa trên các kỹ thuật học máy có giám sát. Dữ liệu nghiên cứu được thu thập từ hệ thống quản lý đào tạo của nhà trường, bao gồm các thông tin liên quan đến kết quả học tập, tình trạng đăng ký học phần, mức độ chuyên cần và một số đặc điểm hỗ trợ khác. Trên cơ sở dữ liệu ban đầu, luận văn thực hiện các bước tiền xử lý như làm sạch dữ liệu, xử lý giá trị thiếu, chuẩn hóa và lựa chọn các đặc trưng có ý nghĩa nhằm nâng cao chất lượng đầu vào cho mô hình.
Trong quá trình xây dựng mô hình, một số thuật toán học máy tiêu biểu như cây quyết định (Decision Tree), rừng ngẫu nhiên (Random Forest) và mạng nơ-ron nhân tạo (Artificial Neural Network) được triển khai, huấn luyện và đánh giá. Hiệu quả của các mô hình được phân tích thông qua các chỉ số đánh giá phổ biến trong bài toán phân loại, bao gồm Accuracy, Precision, Recall, F1-score và AUC-ROC. Kết quả thực nghiệm cho thấy các mô hình học máy đều có khả năng tiếp cận bài toán dự đoán nguy cơ nghỉ học, trong đó mô hình Random Forest thể hiện hiệu năng ổn định và phù hợp hơn với đặc thù của dữ liệu nghiên cứu.
Dựa trên mô hình dự đoán đạt hiệu quả cao, luận văn đề xuất kiến trúc một hệ thống hỗ trợ giúp nhà trường theo dõi tình trạng học tập của sinh viên, nhận diện sớm các trường hợp có nguy cơ nghỉ học và cung cấp thông tin phục vụ công tác tư vấn, quản lý học tập. Kết quả của luận văn góp phần làm rõ khả năng ứng dụng học máy trong lĩnh vực giáo dục, đồng thời mang lại giá trị thực tiễn trong việc nâng cao hiệu quả quản lý đào tạo tại Trường Cao đẳng Công nghệ cao Đồng Nai.