Dự báo kết quả học tập bằng kỹ thuật học sâu với mạng nơ-ron đa tầng

Abstract

Student performance prediction is one of the most concerned issues in the field of education and training. The prediction of courses results enables students to select courses appropriately. Moreover, this helps education managers and lecturers to indicate the students who should be monitored and supported to complete the courses with good results. Therefore, the student performance prediction is expected to reduce formal warnings and expulsions from universities due to students’ poor performance. In this study, a method was proposed to predict student performance using deep learning techniques exploring and mining data from universities’ student information system. From collected data, the data was analyzed and pre-processed before fetching them into a multi-layer perceptron to do prediction tasks. The obtained results from the proposed model reveal rather accurate forecasts; hence, the model is expected to apply in practical cases.

Tóm tắt

Dự báo kết quả học tập là một chủ đề đang được quan tâm trong lĩnh vực giáo dục đào tạo. Dự báo sớm kết quả học tập có thể giúp sinh viên lựa chọn học phần phù hợp với năng lực cá nhân, giúp nhà quản lý và giảng viên xác định được những sinh viên cần được quan tâm hỗ trợ nhiều hơn để hoàn thành tốt học phần, giảm tình trạng cảnh báo học vụ hoặc buộc thôi học do kết quả học tập kém, từ đó tiết kiệm được thời gian chi phí cho cả sinh viên, gia đình, nhà trường và xã hội. Bài viết này đề xuất một phương pháp dự báo kết quả học tập của sinh viên bằng kỹ thuật học sâu nhằm khai thác cơ sở dữ liệu trong hệ thống quản lý sinh viên tại các trường đại học. Dữ liệu sau khi thu thập được phân tích, tiền xử lý dữ liệu, thiết kế và huấn luyện mạng nơ-ron đa tầng. Kết quả thực nghiệm cho thấy mô hình đề xuất cho kết quả dự đoán khá chính xác và hoàn toàn khả thi để áp dụng vào thực tế.