Nguồn tham khảo: Nguyen Thai Nghe, Janecek, P., & Haddawy, P. (2007). A comparative analysis of techniques for predicting academic performance. In 2007 37th annual frontiers in education conference - global engineering: knowledge without borders, opportunities without passports (tr. T2G–7–T2G–12). https://doi.org/10.1109/fie.2007.4417993
Truy cập toàn văn: https://doi.org/10.1109/fie.2007.4417993
Tóm tắt nội dung
Nguyen Thai Nghe, Paul Janecek và Peter Haddawy so sánh độ chính xác của cây quyết định và mạng Bayes trong dự báo kết quả học tập của sinh viên đại học và sau đại học tại hai cơ sở rất khác nhau: Trường Đại học Cần Thơ (CTU), một đại học quốc gia quy mô lớn ở Việt Nam, và Viện Công nghệ châu Á (AIT), một viện sau đại học quốc tế quy mô nhỏ tại Thái Lan với sinh viên từ 86 quốc gia.
Dù hai nhóm khác nhau về độ đa dạng, các công cụ khai phá dữ liệu đạt độ chính xác tương đương: 73% và 71% khi phân thành bốn mức (trượt, trung bình, khá, giỏi), 94% và 93% khi phân thành hai mức (trượt, đạt), lần lượt tại CTU và AIT. Dự báo hữu ích nhất cho việc nhận diện và hỗ trợ sinh viên trượt tại CTU (chính xác 64%) và chọn sinh viên loại giỏi để trao học bổng tại AIT (chính xác 82%).
Cây quyết định luôn chính xác hơn mạng Bayes từ 3 đến 12%. Nghiên cứu cũng cho thấy các công cụ mã nguồn mở đã đủ trưởng thành. Với bài toán dự báo sinh viên bỏ học, công trình có dữ liệu Việt Nam này, qua khoảng cách giữa 64% và 94%, gợi ý rằng độ chính xác tổng thể có thể che khuất hiệu năng thấp hơn ở nhóm cần phát hiện.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Ngay từ 2007, cây quyết định và mạng Bayes đã được so sánh trên dữ liệu Đại học Cần Thơ và Viện Công nghệ châu Á (Nguyen Thai Nghe và cộng sự, 2007).
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