Nguồn tham khảo: Lopez-Muñoz, G. L., Gonzalez Serrano, C., & Sanchez-Ferreira, C. (2026). Student Dropout Prediction in Higher Education: A Systematic Review of Machine Learning Methods and Risk Factors. Journal of Information Technology Education: Research, 25, 20. https://doi.org/10.28945/5776
Truy cập toàn văn: https://doi.org/10.28945/5776
Tóm tắt nội dung
Gloria L. Lopez-Muñoz, Carolina Gonzalez Serrano và Camilo Sanchez-Ferreira tổng quan có hệ thống các nghiên cứu dùng học máy dự báo sinh viên đại học bỏ học, cùng các yếu tố nguy cơ và khoảng trống phương pháp. Quy trình theo Kitchenham, PRISMA 2020 và khung PICO-C. Tìm kiếm trên tám cơ sở dữ liệu giai đoạn 2019–2024 cho 301 bản ghi; sau sàng lọc, đánh giá kép (kappa của Cohen) và thang chất lượng có trọng số 16 tiêu chí, còn 75 nghiên cứu.
Số công trình tăng nhanh. Kết quả học tập và mức độ gắn kết là yếu tố nguy cơ được dùng nhiều nhất, còn các yếu tố tâm lý – xã hội như niềm tin vào năng lực bản thân, cảm giác thuộc về, động lực và khả năng phục hồi ít được đưa vào. Các phương pháp tổ hợp, nhất là rừng ngẫu nhiên và XGBoost, chiếm ưu thế với độ chính xác khoảng 86–88%. Tuy nhiên, phần lớn nghiên cứu chỉ dùng dữ liệu một trường, bỏ qua biến đổi theo thời gian và hiếm khi đánh giá tác động hay tính công bằng của can thiệp dựa trên dự báo.
Nhóm tác giả khuyến nghị coi mô hình là công cụ hỗ trợ quyết định, áp dụng học máy tính đến công bằng và AI có thể giải thích. Với bài toán dự báo sinh viên bỏ học, đây là tài liệu nền từ chọn thuật toán tới yêu cầu công bằng và kiểm chứng can thiệp.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Tổng quan hệ thống năm 2026 ghi nhận nhiều nghiên cứu báo cáo độ chính xác cao nhưng ít chuyển được dự báo thành can thiệp đã kiểm chứng trong thực tế nhà trường (Lopez-Muñoz và cộng sự, 2026). Tổng quan này cũng chỉ ra phần lớn nghiên cứu dựa trên dữ liệu của một trường, không tính tới thay đổi theo thời gian và hiếm khi đánh giá tác động hay tính công bằng của các can thiệp được kích hoạt bởi dự báo (Lopez-Muñoz và cộng sự, 2026).
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp