Bài toán

Hiện nay, phần lớn các trường đại học vẫn quản lý sinh viên bằng phương pháp thủ công hoặc tổng hợp dữ liệu trên Excel. Việc theo dõi điểm số, chuyên cần, hoạt động học tập và các dấu hiệu bất thường chưa được thực hiện theo thời gian thực. Vì vậy, khi sinh viên có dấu hiệu giảm sút kết quả học tập hoặc nguy cơ bỏ học, nhà trường thường chỉ phát hiện khi đã quá muộn, dẫn đến việc bỏ lỡ "giai đoạn vàng" để can thiệp.

Bên cạnh đó, sau khi cố vấn học tập hỗ trợ sinh viên, nhà trường cũng chưa có công cụ để đánh giá mức độ cải thiện hay hiệu quả của các biện pháp tư vấn. Điều này khiến quá trình quản lý phụ thuộc nhiều vào kinh nghiệm của từng cố vấn, thiếu dữ liệu để đưa ra quyết định chính xác.

Giải pháp kỹ thuật

MentorMind được xây dựng như một hệ thống Early Warning System (EWS) ứng dụng AI và Machine Learning nhằm phát hiện sớm sinh viên có nguy cơ bỏ học.

Hệ thống thu thập và đồng bộ dữ liệu từ nhiều nguồn như điểm học tập, tỷ lệ chuyên cần, lịch sử môn học, hoạt động trên LMS và các thông tin học vụ. Sau khi tiền xử lý dữ liệu, mô hình Machine Learning sẽ tính toán Risk Score cho từng sinh viên và phân loại mức độ rủi ro (Thấp – Trung bình – Cao).

Khi phát hiện sinh viên có nguy cơ cao, hệ thống sẽ tự động gửi cảnh báo đến cố vấn học tập, đồng thời cung cấp dashboard trực quan giúp theo dõi diễn biến của từng sinh viên theo thời gian. Sau khi cố vấn can thiệp, hệ thống tiếp tục cập nhật dữ liệu mới để đánh giá hiệu quả của quá trình hỗ trợ và điều chỉnh mức độ rủi ro.