Dự báo khả năng tốt nghiệp đúng hạn của sinh viên: nghiên cứu trường hợp tại Trường Đại học Đồng Tháp
Tóm tắt
Currently, data mining and knowledge discovery are areas of interest to scientists. The applications of data mining are implemented in many different fields such as: education, healthcare, finance, banking, trading, etc. Particularly in the field of education, the application of data mining has obtained multiple practical results. This study presents a 6-step data mining process and applies this process to predict the likelihood of on-time graduation of Computer Science students at Dong Thap University. The results obtained will help students timely determine their possibility to graduate on time so that they can adjust their study plans accordingly, thereby increasing the proportion of students graduating on time, improving the learning quality and training efficiency of the school.
Tài liệu tham khảo
Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32.
Bukralia, R., A-V., Deokar, A-V., Sarnikar, S., & Hawkes, M. (2012). Using Machine Learning Techniques in Student Dropout Prediction. Chapter 7 in Cases on Institutional Research Systems, Hansel Burley Eds., IGI Global.
Đỗ Thanh Nghị, Phạm Nguyên Khang, Nguyễn Minh Trung, Trịnh Trung Hưng (2014). Phát hiện môn học quan trọng ảnh hưởng đến kết quả học tập sinh viên ngành Công nghệ thông tin. Tạp chí Khoa học, Trường Đại học Cần Thơ, 33(1), 49-57.
Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery in Databases. AI Magazine, 17(3), 37-54.
Lưu Hoài Sang, Trần Thanh Điện, Nguyễn Thanh Hải, Nguyễn Thái Nghe (2020). Dự báo kết quả học tập bằng kĩ thuật học sâu với mạng nơ-ron đa tầng. Tạp chí Khoa học, Trường Đại học Cần Thơ, 56(3A), 20-28.
Nguyễn Thị Uyên, Nguyễn Minh Tâm (2019). Dự đoán kết quả học tập của sinh viên bằng kĩ thuật khai phá dữ liệu. Tạp chí Khoa học, Trường Đại học Vinh, 48(3A), 68-73.
Pal, A. K. & Pal, S. (2013). Analysis and Mining of Educational Data for Predicting the Performance of Students. In International Journal of Electronics Communication and Computer Engineering, 4(5), 2278-4209.
Quinlan, R. (1993). C4.5: Programs for Machine Learning. San Mateo: Morgan Kaufmann.
Shafer, J., Agrawal, R., & Mehta, M. (1996). SPRINT: a scalable parallel classifier for data mining. In Proceedings of 22nd International Conference on Very Large Data Bases.
Trường Đại học Đồng Tháp (2018). Quy chế đào tạo đại học và cao đẳng hệ chính quy theo hệ thống tín chỉ (ban hành kèm theo Quyết định số 1465/QĐ-ĐHĐT ngày 23/10/2018 của Hiệu trưởng Trường Đại học Đồng Tháp).
Tải xuống
Đã Xuất bản
Cách trích dẫn
Số
Chuyên mục
Giấy phép
Tác phẩm này được cấp phép theo Ghi nhận tác giả của Creative Commons Giấy phép quốc tế 4.0 .
