DỰ BÁO KẾT QUẢ HỌC TẬP BẰNG MÔ HÌNH MULTIVARIATE LSTM

Abstract

Trong thời đại kinh tế tri thức, hội nhập quốc tế sâu sắc về tất cả các lĩnh vực, yêu cầu về nguồn nhân lực có khả năng cạnh tranh ngày càng trở nên gay gắt, quyết định sự thành bại của một quốc gia. Khả năng cạnh tranh của nguồn nhân lực phụ thuộc rất nhiều vào quá trình đào tạo của hệ thống giáo dục, đáng quan tâm trong đó là bậc giáo dục đại học. Vấn đề cần thiết đặt ra là phải tối ưu hóa được chất lượng giáo dục, tiết kiệm thời gian đào tạo, hạn chế tối đa các rủi ro về kết quả học tập của người đi học. Vì vậy, quản lý và giám sát kết quả học tập của sinh viên là cần thiết đối với giảng viên nói riêng, nhà trường nói chung. 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, thiết kế và huấn luyện bằng mạng nơ-ron bộ nhớ ngắn hạn dài hạn với đa biến đầu vào. 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.