Nguồn tham khảo: Villar, A., & de Andrade, C. R. V. (2024). Supervised machine learning algorithms for predicting student dropout and academic success: a comparative study. Discover Artificial Intelligence, 4(1), 2. https://doi.org/10.1007/s44163-023-00079-z
Truy cập toàn văn: https://doi.org/10.1007/s44163-023-00079-z
Tóm tắt nội dung
Villar và Robledo Velini de Andrade (2024) so sánh hiệu quả của nhiều thuật toán học máy có giám sát trong dự báo bỏ học và thành công học tập, tập trung vào những thuật toán xử lý tốt dữ liệu mất cân bằng. Dữ liệu lấy từ một cơ sở giáo dục đại học. Để giảm chênh lệch giữa các lớp, nhóm tác giả dùng SMOTE, kỹ thuật sinh thêm mẫu tổng hợp cho lớp thiểu số. Các thuật toán được so sánh gồm cây quyết định, máy vectơ hỗ trợ (SVM), rừng ngẫu nhiên và nhóm thuật toán tăng cường (boosting) như Gradient Boosting, XGBoost, CatBoost và LightGBM.
Siêu tham số được tinh chỉnh bằng Optuna, còn Isolation Forest được dùng để phát hiện điểm ngoại lai. Kết quả cho thấy các thuật toán tăng cường, nhất là LightGBM và CatBoost khi tinh chỉnh bằng Optuna, cho kết quả tốt hơn các phương pháp phân loại truyền thống. Các tác giả thừa nhận khả năng khái quát hóa còn hạn chế vì chỉ dùng một bộ dữ liệu. Với bài toán phát hiện sinh viên có nguy cơ bỏ học, tài liệu là bảng so sánh thuật toán đáng tham khảo khi chọn mô hình nền, đồng thời nhắc rằng ưu thế của nhóm boosting cần được kiểm chứng trên dữ liệu từng trường, với thước đo phù hợp cho dữ liệu mất cân bằng như PR-AUC chứ không chỉ độ chính xác tổng thể.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Villar và de Andrade (2024) cũng dùng một bộ dữ liệu của cơ sở giáo dục đại học này để so sánh các thuật toán học có giám sát. Với bài toán tương tự (dự báo bỏ học và thành công học tập trên dữ liệu của một cơ sở giáo dục đại học), Villar và de Andrade (2024) báo cáo LightGBM và CatBoost tinh chỉnh bằng Optuna vượt các phương pháp phân loại truyền thống, nhưng chính các tác giả cũng lưu ý khả năng khái quát bị giới hạn vì chỉ dựa trên một bộ 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