Nghiên cứu này nhằm mục đích xác định các nhân tố ảnh hưởng đến kết quả học tập và sử dụng chúng để xây dựng mô hình dự đoán kết quả học tập của sinh viên nhằm hỗ trợ nâng cao chất lượng đào tạo. Trong các nghiên cứu trước đây, việc chọn và đánh giá các nhân tố chỉ được thực hiện trên dữ liệu học tập trực tuyến. Trong nghiên cứu này, chúng tôi đề xuất sử dụng tập thuộc tính được lựa chọn từ dữ liệu thực nghiệm thu thập được cả trên lớp học trực tiếp và trên hệ thống học tập trực tuyến tại Trường Đại học Sư phạm Hà Nội. Để xây dựng mô hình dự đoán kết quả học tập, chúng tôi đã thực hiện hai phương pháp lựa chọn biến: một là chọn các biến có mức độ tương quan cao
hai là sử dụng phương pháp phân tích hồi quy tuyến tính Stepwise. Ngoài ra, hai thuật toán học máy được sử dụng để xây dựng mô hình dự đoán là hồi quy tuyến tính và hồi quy véc tơ hỗ trợ. Kết quả thực nghiệm cho thấy mô hình hồi quy véc tơ hỗ trợ với hàm nhân poly được xây dựng dựa trên các biến lựa chọn bằng phương pháp Stepwise có hiệu quả cao nhất.This study aims to identify the factors that influence academic performance and use them to develop a predictive model for student academic achievement, in order to support the improvement of education quality. In previous studies, the selection and evaluation of factors were only conducted on online learning data. In this study, we propose using a selected set of attributes from experimental data collected both in face-to-face classes and on the online learning system at Hanoi National University of Education. To build the predictive model for academic performance, we employed two variable selection methods: one is to choose highly correlated variables, and the other is to use the Stepwise linear regression analysis. Furthermore, two machine learning algorithms, linear regression, and support vector regression were used to construct the predictive model. The experimental results show that the support vector regression model with a polynomial kernel function built from the Stepwise-selected variables is the most effective.