Sử dụng các mô hình Machine Learning dự đoán tình trạng sinh viên tốt nghiệp đúng hạn

Tóm tắt

Nghiên cứu nhằm thực hiện lựa chọn mô hình học máy (Machine
Learning) tối ưu để dự đoán tình trạng sinh viên tốt nghiệp đúng hạn. Bằng
việc sử dụng tập dữ liệu của sinh viên chuyên ngành Ngân hàng của Học viện
Ngân hàng giai đoạn 2010- 2020, thông qua các mô hình học máy như Logistic
Regression, K-Nearest Neighbors, Decision Tree, Random Forest, Support
Vector Machine, XGBoost, CatBoost, nghiên cứu đã lựa chọn được mô hình
Random Forest là mô hình tối ưu nhất. Nghiên cứu đã chỉ ra các thuộc tính
thông tin xử lý học vụ và điểm trung bình các học kỳ 1 đến 4 có tác động mạnh
đến khả năng tốt nghiệp đúng hạn, quá hạn của sinh viên từ đó đề xuất một
số khuyến nghị giúp cho Nhà trường đưa ra các giải pháp nâng cao tỷ lệ tốt
nghiệp của sinh viên.