ỨNG DỤNG PHÂN TÍCH HỌC TẬP VÀ TRÍ TUỆ NHÂN TẠO ĐỂ HỖ TRỢ SINH VIÊN CÓ NGUY CƠ GẶP RỦI RO: MÔ HÌNH THÍ ĐIỂM TẠI TRƯỜNG ĐẠI HỌC ĐỒNG NAI
DOI:
https://doi.org/10.59266/houjs.2025.783Từ khóa:
phân tích học tập, trí tuệ nhân tạo, sinh viên có nguy cơ rủi ro, giáo dục đại học, can thiệp sớmTóm tắt
Việc ứng dụng công nghệ này càng nhiều trong giáo dục đã mở ra những cơ hội mới trong việc xác định và hỗ trợ các sinh viên có nguy cơ rủi ro—những sinh viên có khả năng bỏ học, học tập kém hoặc mất động lực trong quá trình học. Bài báo này giới thiệu một mô hình thí điểm tích hợp Phân tích học tập (Learning Analytics) và Trí tuệ nhân tạo (Artificial Intelligence) nhằm hỗ trợ sinh viên có nguy cơ rủi ro tại Trường Đại học Đồng Nai. Thông qua việc khai thác công cụ học tập, hồ sơ điểm danh, kết quả học tập và các chỉ số hành vi, mô hình hướng đến việc dự kiến sinh viên chưa có kết quả học tập tốt và đưa ra những can thiệp kịp thời. Nghiên cứu sử dụng phương pháp hỗn hợp, kết hợp phân tích dữ liệu định lượng với phản hồi định tính từ cả sinh viên và giảng viên. Mô hình dự đoán ứng dụng AI đạt độ chính xác 86% trong việc nhận diện sinh viên có nguy cơ rủi ro ngay trong sáu tuần đầu của học kỳ. Các biện pháp can thiệp bao gồm tư vấn học tập, cố vấn ngang hàng và cung cấp tài nguyên học tập cá nhân hóa qua hệ thống quản lý học tập. Nghiên cứu nêu rõ sinh viên được can thiệp có mức độ gắn kết cao hơn và kết quả học tập được cải thiện so với nhóm đối chứng. Giảng viên cũng ghi nhận sự gia tăng nhận thức và sự sẵn sàng trong việc hỗ trợ sinh viên gặp khó khăn. Bài báo kết luận với phần thảo luận về các khía cạnh đạo đức, thách thức trong bảo mật dữ liệu và mở rộng cách này tại các trường khác. Mô hình thí điểm này mang lại một khung tiếp cận đầy hứa hẹn trong việc tận dụng công nghệ để thúc đẩy sự công bằng và thành công trong giáo dục đại học, đặc biệt là ở các trường đại học công lập tại các quốc gia đang phát triển như Việt Nam.
Tài liệu tham khảo
[1]. Arnold, K. E., & Pistilli, M. D. (2012). Course signals at Purdue: Using learning analytics to increase student success. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, 267-270. https://doi. org/10.1145/2330601.2330666
[2]. Colvin, C., Rogers, T., Wade, A., Dawson, S., Gašević, D., & Buckingham Shum, S. (2017). Student retention and learning analytics: A snapshot of Australian practices and a framework for advancement. Australian Government Office for Learning and Teaching.
[3]. Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.
[4]. Ferguson, R. (2012). The state of learning analytics in 2012: A review and future challenges. Knowledge Media Institute, The Open University.
[5]. Hirschy, A. S., Bremer, C. D., & Castellano, M. (2011). Career and technical education (CTE) student success in community colleges: A conceptual model. Community College Review, 39(3), 296-318. https://doi. org/10.1177/0091552111416349
[6]. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center f o r Curriculum Redesign.
[7]. Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, R. S., Buckingham Shum, S., & Koedinger, K. (2021). Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education, 31, 1-23. https://doi.org/10.1007/s40593- 020-00239-1
[8]. Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics to support study success in higher education: A systematic review. Educational Technology Research and Development, 68(4), 1961-1990. https:// doi.org/10.1007/s11423-020-09788-z
[9]. Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education.
[10]. Nguyen, T. T., & Pham, H. T. (2022). Digital transformation in Vietnamese higher education: Challenges and policy implications. Vietnam Journal of Education, 6(1), 11-21.
[11]. Papamitsiou, Z., & Economides, A. A. (2014). Learning analytics and educational data mining in practice: A systematic literature review of empirical evidence. Educational Technology & Society, 17(4), 49-64.
[12]. Roll, I., & Winne, P. H. (2015). Understanding, evaluating, and supporting self-regulated learning using learning analytics. Journal of Learning Analytics, 2(1), 7-12. https:// doi.org/10.18608/jla.2015.21.2
[13]. Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380-1400. https://doi. org/10.1177/0002764213498851
[14]. Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30-40.
[15]. Slade, S., & Prinsloo, P. (2013). Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist, 57(10), 1510-1529. https:// doi.org/10.1177/0002764213479366
[16]. Tempelaar, D. T., Rienties, B., & Giesbers, B. (2015). In search for t h e most informative data for feedback generation: Learning analytics in a data-rich context. Computers in Human Behavior, 47, 157-167. https://doi. org/10.1016/j.chb.2014.05.038
[17]. Tinto, V. (1993). Leaving college: Rethinking the causes and cures of student attrition (2nd ed.). University of Chicago Press.
[18]. Zhou, M., Hu, X., Pan, Z., & Yu, Y. (2021). Artificial intelligence in higher education: A bibliometric and knowledge-map analysis. International Journal of Educational Technology in Higher Education, 18(3). https://doi. org/10.1186/s41239-021-00249-0
[19]. Chen, L., et al. (2024). AI Chatbots for Language Learning: A Meta- Analysis. Journal of Educational Technology, 15(3), 45-62.
[20]. Wang, Y., & Li, H. (2023). Enhancing Speaking Skills Through AI-Powered Chatbots. Computers & Education, 185, 104525.
[21]. Nguyen, T. (2025). Ứng dụng AI trong dạy và học ngoại ngữ tại Việt Nam. Tạp chí Giáo dục & Công nghệ, 12(2), 78-90.
