Márquez-Vera et al. (2015) — Early dropout prediction using data mining: a case study with high school students

Nguồn tham khảo: Márquez‐Vera, C., Cano, A., Romero, C., Noaman, A. Y. M., Mousa Fardoun, H., & Ventura, S. (2015). Early dropout prediction using data mining: a case study with high school students. Expert Systems, 33(1), 107–124. https://doi.org/10.1111/exsy.12135

Truy cập toàn văn: https://doi.org/10.1111/exsy.12135

Tóm tắt nội dung

Márquez-Vera, Cano, Romero, Noaman, Fardoun và Ventura (2015) nghiên cứu cách dự báo bỏ học càng sớm càng tốt. Việc này khó vì có nhiều yếu tố ảnh hưởng tới việc người học ở lại trường, còn cách phân loại truyền thống thường phải chờ đến cuối khóa để có đủ thông tin và độ chính xác cao nhất, khi đó đã muộn để can thiệp. Nhóm tác giả đề xuất một phương pháp luận và một thuật toán phân loại riêng để tìm mô hình dự báo dễ hiểu ở thời điểm sớm nhất.

Dữ liệu gồm 419 học sinh trung học ở Mexico. Các thí nghiệm dự báo bỏ học ở nhiều thời điểm trong khóa học, chọn các chỉ báo tốt nhất, và so sánh thuật toán đề xuất với các thuật toán phân loại kinh điển và các thuật toán quen thuộc cho dữ liệu mất cân bằng. Kết quả cho thấy thuật toán đề xuất có thể dự báo bỏ học ngay trong 4–6 tuần đầu của khóa học và đủ tin cậy để dùng trong hệ thống cảnh báo sớm.

Khi tham khảo cần lưu ý cỡ mẫu nhỏ và đối tượng là học sinh trung học, không phải sinh viên đại học. Dù vậy, tài liệu nêu rõ đánh đổi giữa thời điểm dự báo và độ chính xác, và cho thấy mô hình dễ hiểu có thể đủ dùng khi mục tiêu chính là can thiệp sớm.

Luận điểm liên quan trong bài viết chính

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