Tạo đúng 10 slide tiếng Việt báo cáo Case Study 1: "Phân tích nguy cơ bỏ học của sinh viên" (dữ liệu Predict students' dropout and academic success, 4.424 sinh viên). Người nghe: giảng viên. Mỗi slide một thông điệp, tối đa 4 ý ngắn, nhấn số liệu, chừa chỗ chèn hình biểu đồ. Chỉ dùng số liệu dưới đây, không bịa thêm. Không dùng biểu đồ hộp (box plot). 1. Tiêu đề và bối cảnh: tỷ lệ bỏ học đang tăng. Ba câu hỏi: nhóm nào nguy cơ cao, điểm hai kỳ đầu phản ánh gì, có dự đoán sớm được không. 2. Dữ liệu: 4.424 sinh viên, 35 cột, không thiếu, không trùng. Failure (Dropout) 32,1%, Success (Enrolled + Graduate) 67,9%. Ngoại lệ gần như toàn điểm 0 (718 ở kỳ 1, 870 ở kỳ 2) vì không có môn nào được đánh giá, giữ lại vì là dấu hiệu sớm ngừng học. 3. So sánh nhóm (thẻ số lớn): nợ học phí: có nợ bỏ học 62,0%, không nợ 28,3%. Học bổng: có 12,2%, không có 38,7%. Điểm TB kỳ 1/kỳ 2: Failure 7,26/5,90; Success 12,24/12,28. 4. Phân phối điểm kỳ 1 (chèn Histogram và Violin theo học bổng): có hai phần tách biệt, cột cao ở điểm 0 và đỉnh quanh 12-13; gần như không có điểm giữa 0 và 10. Nhóm không học bổng có nhiều điểm 0 hơn. 5. Cột nhóm tỷ lệ Target theo nợ học phí (chèn hình): có nợ: Dropout 62,0%, Enrolled 17,9%, Graduate 20,1%; không nợ: 28,3%, 18,0%, 53,8%. Nợ học phí đẩy sinh viên sang bỏ học thay vì tốt nghiệp. 6. Phân tán điểm kỳ 1 và kỳ 2 (chèn hình): điểm rơi vào hai vùng, bằng 0 hoặc từ 10 trở lên. Nhiều sinh viên Dropout có điểm kỳ 1 bình thường (10-16) nhưng kỳ 2 bằng 0, nên điểm trung bình dễ bỏ sót. 7. Ridgeline điểm kỳ 1 theo Target (chèn hình): Dropout có hai đỉnh ngang nhau (điểm 0 và khoảng 12); Enrolled đỉnh khoảng 12; Graduate đỉnh khoảng 13, gần như không có điểm 0. Khác biệt nằm ở hình dạng phân phối. 8. Mô hình Dropout và Graduate, chỉ dùng thông tin kỳ 1, 3.630 sinh viên (2.904 huấn luyện, 726 kiểm tra) (chèn ma trận nhầm lẫn). Bảng Logistic và Cây quyết định: Accuracy 0,832 và 0,840; ROC-AUC 0,894 và 0,877; Recall Dropout 0,81 và 0,82; số Dropout bị bỏ sót 54 và 50. 9. Yếu tố ảnh hưởng (chèn hệ số Logistic và cây quyết định): mạnh nhất là số tín chỉ đạt kỳ 1, tiếp theo nợ học phí, học bổng. Cây: tín chỉ đạt từ 4 trở xuống thì gần như bỏ học; trên 4 nhưng có nợ và không học bổng vẫn nguy cơ. 10. Kết luận: 3 yếu tố là tín chỉ đạt kỳ 1, nợ học phí, học bổng. Đề xuất 1: cảnh báo cuối kỳ 1, gắn cờ sinh viên đạt từ 4 tín chỉ trở xuống hoặc điểm kỳ 1 bằng 0. Đề xuất 2: hỗ trợ tài chính (giãn hoặc hoãn học phí, ưu tiên học bổng). Hạn chế: chỉ là mối liên hệ thống kê, chưa chứng minh nhân quả. Thiết kế: nền sáng, xanh dương chuyên nghiệp, đỏ cho Dropout, xanh lá cho Graduate, chữ lớn, bố cục thoáng, không ảnh người.
Tạo đúng 10 slide tiếng Việt báo cáo Case Study 1: "Phân tích nguy cơ bỏ học của sinh viên" (dữ liệu Predict students' dropout and academic success, 4.424 sinh viên). Người nghe: giảng viên. Mỗi slide một thông điệp, tối đa 4 ý ngắn, nhấn số liệu, chừa chỗ chèn hình biểu đồ. Chỉ dùng số liệu dưới đây, không bịa thêm. Không dùng biểu đồ hộp (box plot).
1. Tiêu đề và bối cảnh: tỷ lệ bỏ học đang tăng. Ba câu hỏi: nhóm nào nguy cơ cao, điểm hai kỳ đầu phản ánh gì, có dự đoán sớm được không.
2. Dữ liệu: 4.424 sinh viên, 35 cột, không thiếu, không trùng. Failure (Dropout) 32,1%, Success (Enrolled + Graduate) 67,9%. Ngoại lệ gần như toàn điểm 0 (718 ở kỳ 1, 870 ở kỳ 2) vì không có môn nào được đánh giá, giữ lại vì là dấu hiệu sớm ngừng học.
3. So sánh nhóm (thẻ số lớn): nợ học phí: có nợ bỏ học 62,0%, không nợ 28,3%. Học bổng: có 12,2%, không có 38,7%. Điểm TB kỳ 1/kỳ 2: Failure 7,26/5,90; Success 12,24/12,28.
4. Phân phối điểm kỳ 1 (chèn Histogram và Violin theo học bổng): có hai phần tách biệt, cột cao ở điểm 0 và đỉnh quanh 12-13; gần như không có điểm giữa 0 và 10. Nhóm không học bổng có nhiều điểm 0 hơn.
5. Cột nhóm tỷ lệ Target theo nợ học phí (chèn hình): có nợ: Dropout 62,0%, Enrolled 17,9%, Graduate 20,1%; không nợ: 28,3%, 18,0%, 53,8%. Nợ học phí đẩy sinh viên sang bỏ học thay vì tốt nghiệp.
6. Phân tán điểm kỳ 1 và kỳ 2 (chèn hình): điểm rơi vào hai vùng, bằng 0 hoặc từ 10 trở lên. Nhiều sinh viên Dropout có điểm kỳ 1 bình thường (10-16) nhưng kỳ 2 bằng 0, nên điểm trung bình dễ bỏ sót.
7. Ridgeline điểm kỳ 1 theo Target (chèn hình): Dropout có hai đỉnh ngang nhau (điểm 0 và khoảng 12); Enrolled đỉnh khoảng 12; Graduate đỉnh khoảng 13, gần như không có điểm 0. Khác biệt nằm ở hình dạng phân phối.
8. Mô hình Dropout và Graduate, chỉ dùng thông tin kỳ 1, 3.630 sinh viên (2.904 huấn luyện, 726 kiểm tra) (chèn ma trận nhầm lẫn). Bảng Logistic và Cây quyết định: Accuracy 0,832 và 0,840; ROC-AUC 0,894 và 0,877; Recall Dropout 0,81 và 0,82; số Dropout bị bỏ sót 54 và 50.
9. Yếu tố ảnh hưởng (chèn hệ số Logistic và cây quyết định): mạnh nhất là số tín chỉ đạt kỳ 1, tiếp theo nợ học phí, học bổng. Cây: tín chỉ đạt từ 4 trở xuống thì gần như bỏ học; trên 4 nhưng có nợ và không học bổng vẫn nguy cơ.
10. Kết luận: 3 yếu tố là tín chỉ đạt kỳ 1, nợ học phí, học bổng. Đề xuất 1: cảnh báo cuối kỳ 1, gắn cờ sinh viên đạt từ 4 tín chỉ trở xuống hoặc điểm kỳ 1 bằng 0. Đề xuất 2: hỗ trợ tài chính (giãn hoặc hoãn học phí, ưu tiên học bổng). Hạn chế: chỉ là mối liên hệ thống kê, chưa chứng minh nhân quả.
Thiết kế: nền sáng, xanh dương chuyên nghiệp, đỏ cho Dropout, xanh lá cho Graduate, chữ lớn, bố cục thoáng, không ảnh người.
Created using ChatSlide
Bài thuyết trình này bao gồm ba phần chính. Phần 1 giới thiệu bối cảnh và dữ liệu liên quan đến nguy cơ bỏ học, với tỷ lệ tăng. Phần 2 thực hiện phân tích khám phá dữ liệu (EDA) để nhận diện các yếu tố nguy cơ, cho thấy 62% sinh viên có nguy cơ bỏ học. Cuối cùng, phần 3 trình bày dự đoán và khuyến nghị, với kết quả từ mô hình logistic cho độ chính xác 0,832 và ROC-AUC 0,894, nhằm cải thiện tình hình bỏ học.