Tran Thanh Dien et al. (2020) — Deep Learning with Data Transformation and Factor Analysis for Student Performance Prediction

Nguồn tham khảo: Tran Thanh Dien, Sang Hoai, Nguyen Thanh-Hai, & Nguyen Thai-Nghe (2020). Deep Learning with Data Transformation and Factor Analysis for Student Performance Prediction. International Journal of Advanced Computer Science and Applications, 11(8). https://doi.org/10.14569/ijacsa.2020.0110886

Truy cập toàn văn: https://doi.org/10.14569/ijacsa.2020.0110886

Tóm tắt nội dung

Tran Thanh Dien, Nguyen Thai-Nghe và các đồng tác giả coi dự báo kết quả học tập là một trong những vấn đề được quan tâm nhất trong giáo dục, nhất là trong khai phá dữ liệu giáo dục. Dự báo tốt giúp sinh viên chọn học phần và lập kế hoạch học tập, đồng thời giúp giảng viên và nhà quản lý biết cần theo dõi, hỗ trợ sinh viên nào; theo nhóm tác giả, điều này có thể giảm số trường hợp bị cảnh báo học vụ và buộc thôi học do kết quả kém.

Nghiên cứu đề xuất phương pháp dự báo bằng nhiều kỹ thuật học sâu, kèm phân tích một số kỹ thuật tiền xử lý như Quantile Transforms và MinMax Scaler trước khi đưa dữ liệu vào các mô hình học sâu phổ biến là LSTM và CNN. Thực nghiệm dùng 16 bộ dữ liệu thuộc nhiều ngành, với khoảng bốn triệu mẫu từ hệ thống thông tin sinh viên của một trường đại học đa ngành ở Việt Nam. Kết quả cho thấy phương pháp đề xuất dự báo tốt, nhất là khi áp dụng biến đổi dữ liệu, và khả thi khi triển khai thực tế.

Với bài toán dự báo sinh viên bỏ học, tài liệu cho thấy dữ liệu đào tạo của một trường Việt Nam đủ lớn để thử nghiệm học sâu, và nhắc rằng bước biến đổi dữ liệu có thể ảnh hưởng rõ tới kết quả mô hình.

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