Dự báo kết quả học tập và tìm ra các yếu tố có ảnh hưởng đến kết quả đó có ý nghĩa vô cùng quan trọng đối với không chỉ các nhà quản lý giáo dục mà cả đối với sinh viên. Tuy nhiên, các nghiên cứu về ứng dụng khai phá dữ liệu trong dự báo kết quả học tập tại Trường Đại học kinh tế, Đại học Huế còn chưa được khai thác tương xứng với tiềm năng của dữ liệu được lưu trữ. Nghiên cứu này sử dụng kỹ thuật trích chọn thuộc tính và kỹ thuật phân lớp dựa trên các giải thuật cây quyết định được trong phần mềm WEKA (Waikato Environment for Knowledge Analysis) để xây dựng các mô hình dự báo kết quả cuối khóa sau khi kết thúc từng kỳ học. Kết quả cho thấy các thuộc tính bao gồm giới tính, số tín chỉ tích lũy ngành và điểm trung bình chung của mỗi học kỳ là các thuộc tính được giữ lại ở hầu hết trong các tập dữ liệu con sau khi trích chọn. Đặc biệt, J48 là giải thuật phù hợp nhất trong xây dựng mô hình cây quyết định dự báo kết quả cuối khóa của sinh viên., Tóm tắt tiếng anh, The prediction of the learning outcome and finding the factors that influence the outcome are extremely important for not only educational managers but also students. However, research on data mining applications in predicting learning outcomes at University of Economics, Hue University, has not been adequately exploited with the stored data. The purpose of this study is to apply the attribute selection technique and the classification technique with the decision tree algorithm, supported by the Waikato Environment for Knowledge Analysis (WEKA) software to build prediction models at the end of each semester. The results show that attributes including gender, cumulative major credits, and the average score of each semester are frequently retained in almost subsets results. Especially, the J48 algorithm returns the best model in predicting final results with the highest accuracy.