Giảm tỉ lệ sinh viênbỏ học
Mô hình dự đoán nguy cơ bỏ học của sinh viên do nhóm IIU-ZeroDropOut, Trường Đại học Quốc tế TPHCM nghiên cứu và phát triển. Trần Trung Kỳ, trưởng nhóm chia sẻ, việc sinh viên bỏ học là một vấn đề lớn, ảnh hưởng nhiều đến sinh viên, gia đình và cơ sở đào tạo. Vì vậy, các trường đại học hiện nay đều có các cơ chế cảnh báo, khiển trách, thông báo đến gia đình khi phát hiện sinh viên có học lực quá kém, hoặc không đăng ký học trong học kỳ. Bên cạnh đó, các trường đều có đội ngũ giảng viên để tư vấn, hướng dẫn các sinh viên gặp khó khăn trong học tập. Trực tiếp hơn nữa, khi nhận được đơn xin nghỉ học của sinh viên, có xác nhận của phụ huynh, giảng viên đều cố gắng phân tích hậu quả, và cố gắng thuyết phục sinh viên tiếp tục việc học. Tuy nhiên, tỷ lệ sinh viên bỏ học vẫn lớn.
Nguyên nhân đến từ việc các cơ chế cảnh báo và thuyết phục của các trường đại học đều quá trễ, và không phù hợp với nhóm sinh viên có học lực kém. Về cơ chế cảnh báo dựa trên điểm số, việc này thực hiện sau khi tổng kết điểm của năm học, hoặc của học kỳ. Trong khi bản thân sinh viên, trong quá trình học đã có thể tự đánh giá được sức học của mình, việc tổng kết điểm xấu và nhận thêm cảnh cáo từ nhà trường càng làm xấu hơn tâm lý của sinh viên. Khi sinh viên đã nộp đơn xin nghỉ học, việc thuyết phục đi học lại là rất khó.
Hoạt động tư vấn, hỗ trợ sinh viên hiện rất hữu ích, tuy nhiên giảng viên lại rất bị động, sinh viên cần chủ động gặp giảng viên để được hỗ trợ. Nhưng chủ động được như vậy thường là sinh viên khá giỏi. Các sinh viên đang gặp khó khăn trong học tập, hoặc đã bị cảnh cáo phần lớn bị động, và gặp nhiều vấn đề tâm lý…
Để khắc phục thực tế này, nhóm đã phát triển sản phẩm ứng dụng công nghệ Internet Vạn vật (IoT) để giám sát và thu thập dữ liệu. Hệ thống được xây dựng bằng cách sử dụng camera quan sát dựa trên IP với khả năng phát hiện và nhận dạng con người. Ngoài ra, hệ thống cũng tích hợp cảm biến trong thẻ sinh viên và công nghệ đọc thẻ RFID để điểm danh cũng như xác định vị trí của sinh viên ở trong trường một cách tự động. Thông qua đó, bộ cơ sở dữ liệu lớn về hành vi, mức độ đi học đều, thời gian sử dụng thư viện, và tương tác bạn bè của từng sinh viên sẽ được xây dựng. Đây là dữ liệu đầu vào cho các mô hình máy học nhằm mục đích hỗ trợ sinh viên.
Sản phẩm cho phép dự đoán sớm việc bỏ học của sinh viên năm thứ nhất dựa vào các dữ liệu thực tế được thu thập tại trường đại học như: Điểm số trong học kỳ đầu tiên; các buổi tham gia hoạt động tư vấn, hỗ trợ; thông tin cá nhân; điểm trung học phổ thông của sinh viên…
Giám sát quá trình học
Theo nhóm tác giả, yêu cầu đối với cơ sở hạ tầng cần thiết để triển khai ứng dụng sản phẩm là hệ thống máy chủ, hệ thống camera IP, hệ thống cảm biến, bộ đọc RFID và mạng kết nối các thiết bị. Hệ thống này có thể tích hợp với các hệ thống quản lý giáo dục có sẵn của những trường đại học như Edusoft… Điểm khác biệt so với các hệ thống hiện có trên thế giới là tích hợp công nghệ IoT để thu thập các dữ liệu khác như: Mức độ đi học đều, thời gian sử dụng thư viện, hành vi… Vì vậy, hệ thống này sẽ tạo ra bộ dữ liệu lớn qua thời gian, để không chỉ quản lý sinh viên về mặt điểm số mà còn theo dõi việc học tập, rèn luyện của sinh viên xuyên suốt học kỳ đầu tiên của năm thứ nhất. Sản phẩm có thể đưa ra dự đoán với độ chính xác cao khả năng nghỉ học của sinh viên so với các mô hình máy học giám sát hiện nay, và các sản phẩm tương tự hiện có trên thế giới.
Hệ thống BI (Business Intelligence) platform sẽ giúp biểu diễn những đồ thị và minh họa những chiều hướng của cả khoa và giúp giảng viên quan sát được tình hình của sinh viên để đưa ra can thiệp phù hợp như thay đổi phương pháp giảng dạy hay cách tiếp cận để cải thiện tình hình lớp học.
Sản phẩm có thể áp dụng đơn giản và thuận tiện cho phần lớn cho những hệ thống quản lý cũ của các trường đại học, đặc biệt trong Khu đô thị Đại học Quốc gia TPHCM vì cấu trúc hệ thống giống nhau. Bên cạnh đó, với khả năng dự đoán việc bỏ học của sinh viên, hệ thống sẽ giúp giảm tỉ lệ bỏ học, giảm thiểu thiệt hại về kinh tế và tâm lý của bản thân sinh viên, gia đình, trường học và cả xã hội.
Ngoài khả năng dự đoán việc bỏ học của sinh viên đại học năm thứ nhất, hệ thống có thể được sử dụng cho khâu tuyển sinh của các trường đại học để nâng cao chất lượng tuyển sinh. Hệ thống sẽ không chỉ mang lại giá trị kinh tế cho các trường đại học mà còn cho các cơ sở đào tạo chuyên và không chuyên.
Với tính năng tự động hóa thông báo hệ thống sẽ giảm tải công việc của các giảng viên trong thời gian quản lý sinh viên và tập trung nhiều thời gian cải thiện giáo trình và hoàn thành các công tác khác của khoa.
