Hỗ trợ chọn chuyên ngành cho sinh viên Việt Nam sử dụng phương pháp học máy

Abstract

Chọn đúng chuyên ngành phù hợp năng lực giúp sinh viên có định hướng nghề nghiệp tốt trong tương lai, tránh việc làm sai ngành, sai nghề cũng như giảm thiểu tình trạng thất nghiệp và tạo ra gánh nặng cho nền kinh tế - xã hội. Trong nghiên cứu này, tác giả đề xuất hỗ trợ việc lựa chọn chuyên ngành phù hợp cho sinh viên Việt Nam dựa trên kết quả học tập và nhóm môn học đặc trưng có ảnh hưởng đến các chuyên ngành bằng các mô hình học máy như Hồi quy Logistic (Logistic Regression), Láng giềng gần (K-Nearest Neighbors), Máy véc-tơ hỗ trợ (Support Vector Machine) và Rừng ngẫu nhiên (Random Forest). Sau khi thực nghiệm các mô hình trên hơn 15.000 dữ liệu kết quả môn học của sinh viên ngành Quản trị kinh doanh của Đại học Duy Tân (Đà Nẵng) và sử dụng các phương pháp đánh giá mô hình, kết quả thực nghiệm với độ chính xác lần lượt cao nhất là Random Forest: 83%, Logistic Regression: 78%, K-Nearest Neighbors: 77%, và cuối cùng là Support Vector Machine: 72%. Trong đó, mô hình Random Forest có độ chính xác cao nhất cùng với các chỉ số độ chuẩn xác (Precision), độ nhạy (Recall), F1-score cũng cao hơn các mô hình còn lại được chọn để triển khai thành mô hình chính thức cho việc hỗ trợ lựa chọn chuyên ngành phù hợp cho sinh viên ngành Quản trị kinh doanh nói riêng và khối ngành kinh tế nói chung.