Trong bối cảnh giáo dục đại học chuyển mình mạnh mẽ theo hướng số hóa và cá nhân hóa, một nghiên cứu mới từ sinh viên Trường Đại học Hà Tĩnh đã chứng minh rằng trí tuệ nhân tạo (AI) không chỉ là công nghệ tương lai, mà còn là công cụ thiết thực để nâng cao hiệu quả học tập của sinh viên ngay hôm nay.

AI "thấu hiểu" sinh viên như thế nào?

Nghiên cứu với tên gọi "Ứng dụng AI để dự báo kết quả học tập của sinh viên" do sinh viên Nguyễn Mạnh Cường thực hiện dưới sự hướng dẫn của ThS. Trần Công Mậu, đã phát triển mô hình dự đoán kết quả học tập năm thứ ba của sinh viên dựa trên dữ liệu học tập hai năm đầu, kết hợp các yếu tố như thói quen học tập, sinh hoạt, mức độ chuyên cần và hoạt động ngoại khóa.

Các thuật toán học máy được sử dụng bao gồm Linear Regression, Decision Tree, Random Forest, Artificial Neural Network (ANN) và XGBoost. Mỗi mô hình đều được huấn luyện trên dữ liệu thực tế và đánh giá bằng các chỉ số MSE, MAE và R² để kiểm chứng hiệu quả dự đoán.

Những con số biết nói

Mô hình Linear Regression đạt kết quả ấn tượng với MSE = 0.0118, MAE = 0.0652 và R² = 0.9817, cho thấy tính đơn giản nhưng chính xác cao khi dữ liệu có xu hướng tuyến tính. Ngược lại, mô hình ANN dù hiện đại nhưng lại không phù hợp với đặc điểm dữ liệu hiện tại khi chỉ đạt R² = 0.4525.

Điểm đáng chú ý là các mô hình đã chỉ ra yếu tố "giờ chơi game" có ảnh hưởng tiêu cực rõ rệt tới kết quả học tập, trong khi "điểm trung bình năm 1, năm 2", "số giờ tự học" và "mức độ chuyên cần" lại đóng vai trò tích cực.

Từ mô hình đến hành động

Kết quả nghiên cứu không chỉ dừng lại ở học thuật. Mô hình có thể tích hợp vào hệ thống quản lý đào tạo tại trường, giúp giảng viên phát hiện sớm sinh viên có nguy cơ học kém và đưa ra hỗ trợ kịp thời. Với sinh viên, đây là công cụ giúp tự nhận thức và điều chỉnh thói quen học tập phù hợp.

Tác giả cũng đề xuất các hướng cải tiến như tích hợp thêm các yếu tố tâm lý học, phản hồi từ giảng viên và kết quả thi đầu ra để mô hình trở nên toàn diện hơn.

Góc nhìn từ chuyên gia

Theo các chuyên gia giáo dục, nghiên cứu này là minh chứng rõ nét cho tiềm năng của AI trong lĩnh vực giáo dục cá nhân hóa. PGS.TS. Nguyễn Văn Lợi, chuyên gia CNTT giáo dục nhận xét: "Việc sinh viên áp dụng thành công mô hình học máy vào dự báo học tập cho thấy năng lực công nghệ của thế hệ trẻ và mở ra nhiều hướng đi mới cho chuyển đổi số đại học ở Việt Nam."

Một tương lai học tập thông minh hơn

Dự báo kết quả học tập bằng AI không chỉ là bài toán công nghệ, mà là lời giải nhân văn cho một nền giáo dục lấy người học làm trung tâm. Trong bối cảnh Việt Nam đang đẩy mạnh chiến lược quốc gia về chuyển đổi số, những nghiên cứu thực tiễn như thế này chính là mảnh ghép quan trọng để hiện thực hóa giấc mơ giáo dục thông minh, bình đẳng và hiệu quả.

Tài liệu tham khảo:

[1]. Huỳnh Lê Uyên Minh et al, Dự báo khả năng tốt nghiệp đúng hạn của sinh viên nghiên cứu trường hợp tại trường đại học đồng tháp, Tạp chí Giáo dục, 24(1), 48-53, 2024

[2]. Nguyễn Thị Uyên, Nguyễn Minh Tâm, Dự đoán kết quả học tập của sinh viên bằng kỹ thuật khai phá dữ liệu, Tạp chí khoa học Trường Đại học Vinh, 2019

[3]. Trần Bá Tuấn, Ứng dụng machine learning dự báo sinh viên diện cảnh báo học tập tại trường đại học kinh tế huế, Tạp chí Khoa học Quản lý và Kinh tế, số p.h 21, 2022

[4] https://www.elcom.com.vn/10-cach-tri-tue-nhan-tao-ai-lam-thay-doi-nen-giao-duc-tuong-lai-1676543943

[5] https://www.analyticsvidhya.com/blog/2021/09/gradient-boosting -algorithm-a-complete-guide-for-beginners/#h-what-is-boosting