Nguyen Thi Hong et al. (2023) — Using machine learning to identify influential factors and predict student academic performance in blended learning

Nguồn tham khảo: Nguyen Thi Hong, Tran Hai Long, & Do Trung Kien (2023). Using machine learning to identify influential factors and predict student academic performance in blended learning. Journal of Science Natural Science, 68(1), 63–76. https://doi.org/10.18173/2354-1059.2023-0006

Truy cập toàn văn: https://doi.org/10.18173/2354-1059.2023-0006

Tóm tắt nội dung

Nguyen Thi Hong, Tran Hai Long và Do Trung Kien xác định các yếu tố ảnh hưởng đến kết quả học tập và dùng chúng để xây dựng mô hình dự báo thành tích của sinh viên, nhằm nâng cao chất lượng giáo dục. Theo nhóm tác giả, các nghiên cứu trước chỉ lựa chọn và đánh giá yếu tố trên dữ liệu học trực tuyến. Nghiên cứu này dùng tập thuộc tính chọn lọc từ dữ liệu thực nghiệm thu thập ở cả lớp học trực tiếp lẫn hệ thống học trực tuyến tại Trường Đại học Sư phạm Hà Nội, tức là trong bối cảnh học tập kết hợp.

Để chọn biến, nhóm tác giả dùng hai cách: chọn biến có tương quan cao và dùng hồi quy tuyến tính từng bước (Stepwise). Hai thuật toán được dùng là hồi quy tuyến tính và hồi quy vectơ hỗ trợ (SVR). Thực nghiệm cho thấy mô hình SVR với hàm nhân đa thức, xây dựng từ các biến chọn bằng Stepwise, cho hiệu quả cao nhất. Với bài toán dự báo sinh viên có nguy cơ bỏ học, tài liệu có giá trị ở hai điểm: gợi ý kết hợp dữ liệu lớp học trực tiếp với dữ liệu nền tảng trực tuyến để phản ánh đầy đủ hơn quá trình học, và nhắc rằng bước chọn biến cần được thử nghiệm có hệ thống, vì mô hình tốt nhất phụ thuộc cả vào thuật toán lẫn cách chọn biến.

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