Thành tích học tập của sinh viên đại học sau một học kỳ hoặc một năm học trực tiếp thể hiện quá trình phấn đấu, rèn luyện của mỗi sinh viên trong trường đại học. Các kết quả này sẽ có tác động đến những chuỗi các hoạt động giáo dục của bản thân các em những kỳ kế tiếp hay xa hơn là cơ hội phát triển bản thân trong việc tìm kiếm việc làm và học tập ở bậc cao hơn. Trên thực tế, các em sinh viên năm thứ nhất là có sự thay đổi một cách đáng kể nhất về thành tích học tập so với các em sinh viên khóa trên. Do có nhiều yếu tố tác động đến thành tích học tập của sinh viên như nơi ở, gia đình, mối quan hệ khác giới,...và quan trọng nhất là sự chuyển đổi từ giáo dục phổ thông lên bậc Đại học. Nghiên cứu này thu thập dữ liệu với các em sinh viên năm thứ nhất nhằm phân tích tích dữ liệu để xác định những yếu tố chủ yếu tác động đến kết quả học tập của các em. Sau đó, nghiên cứu sẽ sử dụng mô hình cây quyết định trong khai phá dữ liệu để dự đoán thành tích học tập của các em với mục đích giúp cho các em nhận thức được việc học và có chiến lược học trong những năm học kế tiếp. Thêm vào đó, nghiên cứu hi vọng có thể trợ giúp cho các nhà quản lý trong công tác quản lý sinh viên ở bậc đại học.
Tài liệu tham khảo
Amershi, S., and Conati, C. (2006). Automatic Recognition of Learner Groups in Exploratory Learning Environments. Proceedings of ITS 2006. 8th International Conference on Intelligent Tutoring Systems.
Baker, R.S.J.D. (2010). Mining Data for Student Models. In: Advances in Intelligent Tutoring Systems. Studies in Computational Intelligence. Vol 3.08. Springer.
Baker, R.S.J.D., and Yacef, K. (2009). The state of educational data mining: A review and future vision. Journal of Educational Data Mining. Vol. 1. No. 1. Pp: 3-17.
Beal, C., Qu, L., and Lee, H. (2007). Classifying learner engagement through integration of multiple data sources. Proceedings of the 21st National Conference on Artificial Intelligence (AAAI-2007).
Bharadwaj, B.K., and Pal, S. (2011). Mining Educational Data to Analyze Student’s Performance. International Journal of Advance Computer Science and Applicati. Vol. 2. No. 6. Pp: 63-69.
Dekker, G., Pechenizkiy M., and Vleeshouwers, J. (2009). Predicting students drop out: A case study. Proceedings of the 2nd International Conference on Educational Data Mining. Pp:41-50.
Lee, S. J. and Siau. K. (2001). A review of data mining techniques. Industrial Management & Data Systems. Vol. 101/1. Pp: 41-46
Lin, S. H. (2012). Data Mining for student retention management. ACM journal of ComputingSciences in Colleges. Vol.27. No.4. Pp: 92-99.
Romero, C., and Ventura, S. (2007). Educational Data Mining: A Survey from 1995 to 2005. Expert Systems with Applications. Vol. 33. No. 1,. Pp: 135-146.
Witten, I.H., and Frank, E. (2005). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann publisher.
