Olaya et al. (2020) — Uplift Modeling for preventing student dropout in higher education

Nguồn tham khảo: Olaya, D., Vásquez, J., Maldonado, S., Miranda, J., & Verbeke, W. (2020). Uplift Modeling for preventing student dropout in higher education. Decision Support Systems, 134, 113320. https://doi.org/10.1016/j.dss.2020.113320

Truy cập toàn văn: https://doi.org/10.1016/j.dss.2020.113320

Tóm tắt nội dung

Olaya, Vásquez, Maldonado, Miranda và Verbeke (2020) áp dụng mô hình tác động gia tăng (uplift modeling) để phòng ngừa sinh viên bỏ học ở bậc đại học. Mô hình uplift ước lượng hiệu quả tăng thêm của một biện pháp can thiệp ở cấp từng cá nhân, và được giới marketing quan tâm vì mô hình hóa tốt tác động của tiếp thị trực tiếp. Nghiên cứu đưa khung uplift vào việc tối đa hóa hiệu quả giữ chân sinh viên, cụ thể là cải thiện kết quả học tập qua các buổi phụ đạo.

Mục tiêu là hướng chương trình tới những sinh viên có nhiều khả năng ở lại hơn nếu được hỗ trợ. Dữ liệu được thu thập từ ba chương trình cử nhân của một trường đại học ở Chile; sinh viên tham gia phụ đạo được xếp vào nhóm can thiệp, số còn lại vào nhóm không can thiệp. Kết quả cho thấy mô hình uplift có ưu thế so với cách tiếp cận mô hình dự báo thông thường khi định hướng nỗ lực giữ chân sinh viên.

Với bài toán cảnh báo sớm, tài liệu nêu ra một phân biệt quan trọng: sinh viên có nguy cơ cao nhất chưa chắc là người hưởng lợi nhiều nhất từ can thiệp. Vì vậy, khi nguồn lực tư vấn có hạn, nhà trường nên cân nhắc không chỉ xác suất bỏ học mà cả khả năng kết quả thay đổi nhờ được hỗ trợ.

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