Nguồn tham khảo: Sandoval-Palis, I., Naranjo, D., Vidal, J., & Gilar-Corbi, R. (2020). Early Dropout Prediction Model: A Case Study of University Leveling Course Students. Sustainability, 12(22), 9314. https://doi.org/10.3390/su12229314
Truy cập toàn văn: https://doi.org/10.3390/su12229314
Tóm tắt nội dung
Iván Sandoval-Palis, David Naranjo, Jack Vidal và Raquel Gilar-Corbi coi bỏ học là vấn đề nghiêm trọng với cả hệ thống giáo dục lẫn nền kinh tế, bởi nhà nước đầu tư lớn cho giáo dục, nên cần nhận diện sớm sinh viên có nguy cơ. Nghiên cứu xây dựng mô hình dự báo bỏ học cho khóa học dự bị (leveling course) của Escuela Politécnica Nacional, dựa trên dữ liệu của 2.097 sinh viên. Nhóm tác giả huấn luyện hồi quy logistic và mạng nơ-ron nhân tạo với bốn biến đầu vào gồm thông tin học tập và kinh tế – xã hội.
Sau khi so sánh, mạng nơ-ron kiến trúc 4–7–1, xác định bằng thực nghiệm và dùng hàm kích hoạt logistic, được chọn để dự báo sớm. Kết quả chỉ ra nhóm có nguy cơ bỏ học cao nhất là sinh viên ở hoàn cảnh dễ tổn thương, có điểm xét tuyển thấp, thuộc chế độ Costa và đăng ký khóa dự bị cho các ngành kỹ thuật. Theo nhóm tác giả, lãnh đạo nhà trường có thể dùng mô hình để nhận diện các trường hợp có khả năng bỏ học và xây dựng chính sách giảm tỷ lệ bỏ học, học không đạt.
Đối với bài toán dự báo sinh viên bỏ học, tài liệu cho thấy mô hình gọn với ít biến vẫn phục vụ được can thiệp sớm, và gợi ý chú ý tới nhóm sinh viên yếu thế khi thiết kế hệ thống cảnh báo.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Sandoval-Palis và cộng sự (2020) xây dựng mô hình cho 2.097 sinh viên khóa dự bị tại Escuela Politécnica Nacional (Ecuador) chỉ với bốn biến học tập và kinh tế – xã hội. - Tôn trọng cấu trúc phân cấp của dữ liệu.
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