Nguồn tham khảo: Realinho, V., Machado, J., Baptista, L., & Martins, M. V. (2022). Predicting Student Dropout and Academic Success. Data, 7(11), 146. https://doi.org/10.3390/data7110146
Truy cập toàn văn: https://doi.org/10.3390/data7110146
Tóm tắt nội dung
Bài báo của Realinho, Machado, Baptista và Martins (2022) công bố một bộ dữ liệu phục vụ dự báo bỏ học và kết quả học tập ở bậc đại học. Theo nhóm tác giả, trường đại học lưu giữ nhiều dữ liệu về sinh viên nhưng chưa khai thác hết, trong khi bỏ học và thất bại học tập gây thiệt hại cho sinh viên, gia đình, nhà trường và xã hội. Bộ dữ liệu được ghép từ nhiều nguồn rời rạc, gồm thông tin nhân khẩu học, kinh tế – xã hội, kinh tế vĩ mô, tuyển sinh và kết quả học tập cuối học kỳ một và học kỳ hai.
Dữ liệu được dùng để xây dựng mô hình học máy dự báo kết quả học tập và bỏ học trong một công cụ phân tích học tập (learning analytics) của Học viện Bách khoa Portalegre (Bồ Đào Nha), giúp đội cố vấn học tập ước lượng rủi ro bỏ học và rủi ro trượt của sinh viên. Các tác giả cho rằng bộ dữ liệu hữu ích cho nghiên cứu so sánh và cho việc đào tạo học máy. Với bài toán cảnh báo sớm, đây là bộ dữ liệu có cấu trúc gần với hồ sơ đào tạo mà nhiều trường Việt Nam đang lưu giữ, phù hợp để thử quy trình xử lý dữ liệu mất cân bằng, so sánh XGBoost, rừng ngẫu nhiên, hồi quy logistic và giải thích mô hình trước khi dùng dữ liệu thật.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Bộ dữ liệu "Predict Students' Dropout and Academic Success" do Realinho và cộng sự (2022) công bố, tổng hợp từ nhiều nguồn rời rạc của Học viện Bách khoa Portalegre (Bồ Đào Nha).
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