Tăng cường dự đoán kết quả học tập của sinh viên có nguy cơ bằng cách giải quyết bài toán mất cân bằng dữ liệu – Công bố quốc tế trên Applied Computational Intelligence and Soft Computing
Khoa Công nghệ số ứng dụng trân trọng giới thiệu công bố quốc tế mới nhất với tiêu đề: "Increment of Academic Performance Prediction of At-Risk Student by Dealing With Data Imbalance Problem" trên Applied Computational Intelligence and Soft Computing. Bài báo được thực hiện bởi Tiến sĩ Cù Nguyên Giáp, Tiến sĩ Nghiêm Thị Lịch (Giảng viên Khoa Công nghệ số ứng dụng) và cộng sự.
Bối cảnh và chủ đề nghiên cứu
Trong quản lý giáo dục đại học, việc sớm phát hiện và dự đoán chính xác sinh viên có nguy cơ học业 kém hoặc bỏ học (at-risk students) đóng vai trò then chốt giúp nhà trường đưa ra các biện pháp can thiệp kịp thời. Tuy nhiên, các tập dữ liệu học tập thực tế thường gặp tình trạng mất cân bằng nghiêm trọng (số lượng sinh viên học lực tốt chiếm áp đảo so với số sinh viên gặp khó khăn). Nghiên cứu tập trung giải quyết bài toán mất cân bằng dữ liệu này nhằm nâng cao độ chính xác và độ tin cậy của các mô hình dự đoán kết quả học tập.
Phương pháp nghiên cứu
Nghiên cứu đề xuất các giải pháp kỹ thuật tiên tiến để xử lý triệt để hiện tượng mất cân bằng dữ liệu trong hệ thống thông tin giáo dục:
Ứng dụng và cải tiến các thuật toán lấy mẫu lại kết hợp với các mô hình học máy hiện đại để cân bằng phân phối giữa các lớp dữ liệu.
Xây dựng khung đánh giá toàn diện nhằm kiểm chứng hiệu suất dự đoán trên tập dữ liệu sinh viên thực tế.
Các phát hiện chính
Kết quả thực nghiệm và xử lý mô hình mang lại những điểm nhấn cốt lõi:
Khắc phục hiệu quả độ lệch dữ liệu: Chứng minh các phương pháp đề xuất giúp cải thiện đáng kể khả năng nhận diện chính xác nhóm sinh viên có nguy cơ học kém mà không làm tăng tỷ lệ dự báo sai.
Nâng cao hiệu suất dự đoán: Các chỉ số đánh giá mô hình thể hiện sự vượt trội rõ rệt về độ nhạy (Sensitivity) và độ đo F1-score so với các phương pháp truyền thống khi áp dụng trên dữ liệu mất cân bằng.
Ý nghĩa thực tiễn
Từ kết quả nghiên cứu, nhóm tác giả đóng góp các hàm ý ứng dụng thiết thực:
Đối với các cơ sở giáo dục đại học: Cung cấp giải pháp kỹ thuật đáng tin cậy để tích hợp vào hệ thống quản lý đào tạo, giúp nhà trường tự động sàng lọc và hỗ trợ kịp thời cho sinh viên cần trợ giúp.
Đối với nghiên cứu khoa học dữ liệu: Đóng góp tài liệu tham khảo giá trị về cách xử lý bài toán mất cân bằng dữ liệu trong lĩnh vực phân tích học tập (Learning Analytics).
Tổng kết
Công bố trên tạp chí quốc tế uy tín Applied Computational Intelligence and Soft Computing (Scopus/ESCI) tiếp tục khẳng định năng lực nghiên cứu khoa học chuyên sâu của đội ngũ giảng viên Khoa Công nghệ số ứng dụng, Trường Đại học Thương mại trong lĩnh vực trí tuệ tính toán và hệ thống thông tin quản lý giáo dục.
Chi tiết bài báo xem tại: Link