Author:
Lê Khánh Duy,Nguyễn Ngọc Đăng Khoa,Trương Huỳnh Kỳ,Huỳnh Phước Nghĩa,Lê Phương Thảo
Abstract
Bài toán phân loại đã được vận dụng trong nhiều lĩnh vực khác nhau, đặc biệt trong y học. Thái độ học tập tích cực là một trong những yếu tố chủ chốt quyết định trực tiếp đến kết quả học tập của sinh viên trong môi trường học tập tự chủ ở bậc đại học. Nghiên cứu này xây dựng bộ dữ liệu đánh giá tính tích cực trong học tập, sau đó áp dụng mô hình phân loại hiệu quả cho bộ dữ liệu này và đề xuất mô hình phân loại để chẩn đoán kịp thời "bệnh chán học" cho cá nhân sinh viên, từ đó có các biện pháp hỗ trợ kịp thời.
Reference10 articles.
1. Cortes, C., & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273-297. https://doi.org/10.1007/BF00994018
2. Huang, S., N. Cai, P., Pacheco, P., Narrandes, S., Wang, Y., & Xu, W. (2018). Applications of supportvector machine (SVM) learning in cancer geometrics. Cancer Genomics-Proteomics, 15(1), 41-51. https://doi.org/10.21873/cgp.20063
3. Imandoust, S. B., & Bolandraftar, M. (2013). Application of k-nearest neighbor (KNN) approach for pre-dicting economic events: Theoretical background. International Journal of Engineering Research and Applications, 3(5), 605-610.
4. Ma, Y., Zhang, Q., Li, D., & Tian, Y. (2019). LINEX support vector machine for large-scale classification. IEEE Access, 7, 70319-70331. https://doi.org/10.1109/ACCESS.2019.2919185
5. Noble, W. S. (2004). Support Vector Machine Applications in Computational Biology. In: Schoelkopf, B., Tsuda, K., Vert, J. P. (eds.) Kernel Methods in Computational Biology, pp. 71-92. MIT Press, Cambridge. https://doi.org/10.7551/mitpress/4057.003.0005