Luận án tiến sĩ về giải pháp gợi ý trong cố vấn học tập - Huỳnh Lý Thanh Nhàn

BỘ GIÁO DỤC VÀ ÀO TẠO TRƯỜNG ẠI HỌC LẠC HỒNG HUỲNH LÝ THANH NHÀN GIẢI PHÁP GỢI Ý TRONG VIỆC CỐ VẤN HỌC TẬP LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH ồng Nai, năm 2024 BỘ GIÁO DỤC VÀ ÀO TẠO TRƯỜNG ẠI HỌC LẠC HỒNG HUỲNH LÝ THANH NHÀN GIẢI PHÁP GỢI Ý TRONG VIỆC CỐ VẤN HỌC TẬP LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Bản luận án ược bảo vệ cấp trường Chuyên ngành: Khoa học Máy tính Mã số ngành: 9480101 NGƯỜI HƯỚNG DẪN KHOA HỌC 1. NGUYỄN THÁI NGHE 2. LÊ HUY THẬP ồng Nai, năm 2024 i LỜI CAM OAN Tôi xin cam oan ây là công trình nghiên cứu do tôi thực hiện dưới sự hướng dẫn của PGS. Nguyễn Thái Nghe và PGS.

Lê Huy Thập. Tôi cam oan các kết quả nghiên cứu ược trình bày trong luận án là trung thực và không sao chép từ bất kỳ công trình nghiên cứu nào khác. Một số kết quả là thành quả tập thể và ã ược các ồng tác giả ồng ý cho sử dụng trong luận án. Mọi trích dẫn trong luận án ều có ghi nguồn gốc xuất xứ rõ ràng và ầy ủ.

ồng Nai, tháng 01 năm 2024 Người viết Huỳnh Lý Thanh Nhàn ii LỜI CẢM ƠN ể hoàn thành luận án này, tôi ã nhận ược sự hướng dẫn tận tình, quan tâm ặc biệt, giúp ỡ nhiệt tình từ quý Thầy Cô, ồng nghiệp, bạn bè và người thân. Tôi xin gửi lời cảm ơn chân thành và sâu sắc ến: Thầy PGS. Nguyễn Thái Nghe và Thầy PGS. Lê Huy Thập ã tận tình chß bảo, hướng dẫn, chßnh sửa, ộng viên và tạo mọi iều kiện tốt nhất cho tôi trong quá trình học tập và nghiên cứu.

Ban giám hiệu trường ại học Lạc Hồng, quý Thầy, Cô và anh chị của Khoa CNTT và Khoa Sau ại học của Trường ại học Lạc Hồng, ã cung cấp kiến thức, hướng dẫn, và tạo mọi ều kiện cho tôi và cũng như ặc biệt quan tâm và hỗ trợ tôi trong suốt quá trình học tập. Ban giám hiệu trường ại học An Giang ại học Quốc gia TP. HCM, Ban chủ nhiệm khoa Công nghệ Thông tin, Bộ môn Kỹ thuật phần mềm ã tạo iều kiện ể tôi tham gia học tập nâng cao trình ộ chuyên môn, các bạn ồng nghiệp ã không ngừng ộng viên và giúp ỡ tôi trong suốt thời gian học tập. Sau cùng tôi xin chân thành cảm ơn sâu sắc ến gia ình và người thân ã giúp ỡ và luôn ộng viên tôi trong suốt quá trình học tập và tạo iều kiện tốt nhất ể tôi hoàn thành luận án.

NCS Huỳnh Lý Thanh Nhàn iii TÓM TẮT Gần ây, ở các trường Cao ẳng ại học, số lượng sinh viên bị cảnh báo học vụ và buộc thôi học có chiều hướng gia tăng. ây là một tổn thất lớn cho sinh viên, gia ình, nhà trường và xã hội. Một trong những nguyên nhân hàng ầu là do sinh viên không tự oán trước ược năng lực của mình cũng như lựa chọn môn học không hợp lý ể có kế hoạch học tập phù hợp theo khả năng của họ. Nhằm ưa ra những giải pháp gợi ý lựa chọn môn học tự chọn trong việc cố vấn học tập là vấn ề cấp thiết cần ược giải quyết.

Bên cạnh ó, nhờ vào sự phát triển của trí tuệ nhân tạo nói chung và hệ thống gợi ý nói riêng ã giải quết nhiều vấn ề thực tiễn trong gợi ý học tập của cố vấn học tập. Tuy nhiên, kết quả của những nghiên cứu này chưa cao vì chưa khai thác hết các mối quan hệ dữ liệu và chưa cải tiến mô hình dự oán. ây cũng là lý do ể chúng tôi thực hiện nghiên cứu. Trong luận án này, chúng tôi ã giải quyết các vấn ề bằng những óng góp sau: Thiết kế mô hình dự oán kết quả học tập của sinh viên theo hướng tiếp cận hệ thống gợi ý.

Mỗi sinh viên sẽ ược dự oán kết quả học tập của tất cả các môn học mà sinh viên này chưa học, sau ó sẽ lọc ra những môn học ược dự oán với kết quả cao ể gợi ý cho sinh viên lựa chọn. Kết quả dự oán của phương pháp này là khá tốt và hoàn toàn có thể áp dụng rộng rãi trong việc cố vấn học tập tự ộng. Nhằm nâng cao hiệu quả của dự oán, nhiều nhà nghiên cứu cũng quan tâm nhiều ến nguồn dữ liệu bổ sung. Theo xu hướng này, luận án ã ề xuất một số phương pháp tích hợp như: tích hợp mối quan hệ bạn bè giữa những người học cùng lớp với nhau; tích hợp mối liên quan giữa các môn học nhờ vào chủ ề hay nội dung kiến thức của những môn học liên quan nhau.

Việc tích hợp các nguồn dữ liệu bổ sung này, làm cho mô hình học tăng cường và ã ưa ra dự oán chính xác hơn các phương pháp phân rã ma trận thông thường. Hiện nay kỹ thuật học sâu ang là những tuyệt tác trong các bài toán dự oán, nhận dạng, phân loại ược áp dụng trong nhiều lĩnh vực. Với ý tưởng dựa trên sự ưu việt của kỹ thuật học sâu, chúng tôi kết hợp kiến trúc học sâu với kỹ thuật phân rã ma trận trong iv hệ thống gợi ý, nhằm ưa ra kết quả dự oán chính xác hơn. Từ ó có thể áp dụng vào bài toán dự oán kết quả học tập của sinh viên ể làm cơ sở chọn môn học tự chọn một cách phù hợp.

Qua kết quả thử nghiệm trên các giải thuật khác nhau và các tập dữ liệu khác nhau cho thấy những ề xuất của luận án có kết quả dự oán chính xác hơn. Ứng dụng thử nghiệm sử dụng các phương pháp ã ề xuất có thể hoàn toàn ứng dụng cho việc gợi ý lựa chọn môn học của cố vấn học tập ở các trường học mong muốn bắt kịp xu hướng của cuộc cách mạng công nghệ lần thứ tư trong giáo dục. Từ khóa: Dự oán iểm sinh viên, Khai phá dữ liệu giáo dục, Giải pháp gợi ý cho cố vấn học tập v ABSTRACT Recently, in colleges and universities, the number of students warned and forced to drop out of school has been on the rise. This problem is a great loss for students, families, schools and society.

One of the top reasons is that students can’t predict their abilities and choose unreasonable subjects to have an appropriate study plan according to their ability. To provide course recommendation in the academic counselling is an urgent problem that needs to be solved. In addition, thanks to the development of artificial intelligence in general and the suggestion system in particular, many practical issues have been solved in the study advisor’s suggestions. However, the results of these studies are not high because they have not fully exploited the data relationships and have not improved the predictive model.

This is also the reason for us to do the research. In this thesis, we have solved these problems with the following contributions: Design a model to predict student learning outcomes in the direction of a suggested system approach. The system will predict the learning results of all subjects that this student has not studied and then will filter out the predicted subjects with high marks to suggest students choose. The prediction results of this method are quite good and can be widely applied in automatic learning mentoring.

In order to improve the efficiency of predictions, many researchers are also interested in additional data sources. Following this trend, the thesis has proposed several inte- gration methods such as: integrating the friendship relationship between students in the same class; integrate the relationship between subjects thanks to the subject or content of subject knowledge. The integration of these additional data sources made the learning model more robust and gave more accurate predictions than the standard matrix factor- ization method. Currently, deep learning techniques are the masterpieces in prediction, identification and classification problems applied in many fields.

With the idea based on the superi- ority of the deep learning technique, we combine deep learning architecture with matrix decomposition technique in the recommender system to give more accurate prediction vi results. From there, it can be applied to the problem of predicting student learning out- comes to serve as a basis for choosing elective subjects appropriately. The thesis’s proposals have more accurate prediction results by testing results on different algorithms and data sets. The experimental application using the proposed methods can be applied entirely to suggest the subject selection of academic advisors in schools wishing to catch up with the industry 4.

Key words: Predicting Student Performance, Educational Data Mining, Academic ad- vising vii MỤC LỤC LỜI CẢM ƠN. vii DANH MỤC CÁC HÌNH VẼ. xiii DANH MỤC CÁC BẢNG BIỂU. xiv CHƯƠNG 1 GIỚI THIỆU 1 1.1 Tính cấp thiết của luận án .2 Bài toán nghiên cứu .1 Sự tương quan giữa bài toán xếp hạng và bài toán dự oán kết quả học tập .2 Bài toán dự oán kết quả học tập của sinh viên .3 Gợi ý lựa chọn môn học tự chọn .3 Thách thức của bài toán nghiên cứu .4 Các vấn ề nghiên cứu .5 Mục tiêu nghiên cứu và hướng tiếp cận của luận án .6 ối tượng, phương pháp và phạm vi nghiên cứu .7 Các óng góp của luận án .8 Bố cục của luận án.

11 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN 13 2.1 Các nghiên cứu liên quan .1 Các nghiên cứu về khai thác dữ liệu giáo dục .2 Các nghiên cứu về hệ thống gợi ý .3 Các nghiên cứu về dự oán năng lực học tập của sinh viên .4 Các nghiên cứu về cải tiến các mô hình dự oán .5 Các nghiên cứu về tích hợp mối quan hệ dữ liệu .2 Tổng quan về hệ thống gợi ý .1 Giới thiệu về hệ thống gợi ý .2 Các lĩnh vực ứng dụng của hệ thống gợi ý .3 Giới thiệu hệ thống trợ giảng thông minh .4 Các nguồn tài nguyên về hệ thống gợi ý .5 Các hướng tiếp cận ể xây dựng hệ thống gợi ý .3 Bài toán dự oán kết quả học tập của sinh viên .1 Dự oán theo cá nhân hóa .2 Dự oán quy luật chung (không cá nhân hóa) .3 Các giải pháp gợi ý của cố vấn học tập .4 Tổng kết chương. 41 CHƯƠNG 3 DỰ OÁN KẾT QUẢ HỌC TẬP CỦA SINH VIÊN THEO HƯỚNG TIẾP CẬN HỆ THỐNG GỢI Ý 43 3.1 Giải bài toán dự oán kết quả học tập sinh viên theo hướng tiếp cận hệ thống gợi ý .1 Phát biểu bài toán hệ thống gợi ý trong ngữ cảnh giáo dục .2 Quy trình xây dựng hệ thống gợi ý .3 ánh giá hệ thống gợi ý .4 ộ o ánh giá ộ chính xác của dự oán kết quả học tập .2 Phương pháp lọc cộng tác dựa vào sinh viên tương tự (Student-kNNs) .3 Phương pháp lọc cộng tác dựa vào môn học tương tự (Course-kNNs) .4 Phương pháp phân rã ma trận trong dự oán kết quả học tập sinh viên (PSP-MF) .5 Phương pháp phân rã ma trận thiên vị - Biased Matrix Factorization .