TRƯỜNG ĐẠI HỌC HÀ NỘI KỶ YẾU HỘI THẢO KHOA HỌC GIÁO VIÊN KHOA CÔNG NGHỆ THÔNG TIN

TRƯỜNG ĐẠI HỌC HÀ NỘI KỶ YẾU HỘI THẢO KHOA HỌC GIÁO VIÊN KHOA CÔNG NGHỆ THÔNG TIN 5/2020 DỰ ĐOÁN DỮ LIỆU DẠNG CHUỖI SỬ DỤNG MẠNG THẦN KINH LSTM MẠNG NƠ-RON HỒI QUY 12 MỘT SỐ GIẢI PHÁP NÂNG CAO HIỆU QUẢ HOẠT ĐỘNG GIẢNG DẠY TRỰC TUYẾN MÔN TIN HỌC CƠ SỞ - KHOA CÔNG NGHỆ THÔNG TIN 18 MỘT SỐ Ý KIẾN NHẰM PHÁT HUY VAI TRỊ, VỊ TRÍ CỦA TỔ CHỨC CƠNG ĐỒN TẠI KHOA CƠNG NGHỆ THƠNG TIN – ĐẠI HỌC HÀ NỘI 23 ỨNG DỤNG HỌC MÁY XÂY DỰNG MODULE GIẢI BÀI TOÁN DỰ ĐOÁN GIÁ BẤT ĐỘNG SẢN 28 NGHIÊN CỨU VÀ THỬ NGHIỆM THUẬT TOÁN PHÂN CỤM K-MEANS 36 NHỮNG HOẠT ĐỘNG THỰC TIỄN GIÚP TĂNG HIỆU QUẢ CỦA HỌC TRỰC TUYẾN 42 SỬ DỤNG PHẦN MỀM MÔ PHỎNG CHO VI ĐIỀU KHIỂN ỨNG DỤNG TRONG GIẢNG DẠY 47 DÙNG PHẦN MỀM MÔ PHỎNG XÂY DỰNG CÁC BÀI LAB ARDUINO 52 XÂY DỰNG CÁC BÀI TẬP THỰC HÀNH TRÊN KIT PHÁT TRIỂN AT89S52 CHO MÔN HỆ THỐNG NHÚNG 57 ỨNG DỤNG CHUỖI MARKOV ĐỂ DỰ ĐOÁN XU HƯỚNG CỦA THỊ TRƯỜNG 63 KỸ THUẬT XỬ LÝ ẢNH BẰNG PHƯƠNG PHÁP PHÂN TÍCH SUY BIẾN 70 PHƯƠNG PHÁP GIÁ TRỊ TỐI ƯU TRONG ƯỚC LƯỢNG THAM SỐ 79 BỘ LỌC QUERYSTRING CHUYÊN DỤNG VÀ TÁC DỤNG TRONG VIỆC BẢO TRÌ, MỞ RỘNG HỆ THỐNG 87 ĐÁNH GIÁ KẾT QUẢ HỌC TẬP BẰNG THI TRẮC NGHIỆM KHÁCH QUAN ONLINE 93 NÂNG CAO CHẤT LƯỢNG ĐÀO TẠO CỦA KHOA CÔNG NGHỆ THÔNG TIN102 IMPROVING TWO-WAY COMMUNICATION WITH MOODLE CHAT AND FORUM MODULE 111 NGHIÊN CỨU SƠ BỘ VỀ XÂY DỰNG CHƯƠNG TRÌNH GIẢNG DẠY CƠNG NGHỆ PHẦN MỀM BẰNG PHƯƠNG PHÁP PHÁT TRIỂN PHẦN MỀM HƯỚNG MIỀN 116 ỨNG DỤNG CÔNG CỤ ĐÁM MÂY- TIỆN ÍCH CỦA GOOGLE HỖ TRỢ KHẢO SÁT Ý KIẾN PHẢN HỒI TỪ SINH VIÊN TRONG GIẢNG DẠY TRỰC TUYẾN CỦA GIẢNG VIÊN TẠI TRƯỜNG ĐẠI HỌC HÀ NỘI 130 GIẢI PHÁP NÂNG CAO HIỆU QUẢ TRONG VIỆC DẠY THỰC HÀNH MICROSOFT WORD 136 ÁP DỤNG DẠY HỌC DỰA THEO VẤN ĐỀ ĐỂ GIẢNG DẠY MÔN THIẾT KẾ HỆ THỐNG THÔNG TIN 144 VÍ DỤ VỀ DẠY HỌC DỰA TRÊN VẤN ĐỀ (PLOBLEM-BASED LEARNING) TẠI KHOA CÔNG NGHỆ THÔNG TIN – TRƯỜNG ĐẠI HỌC HÀ NỘI 153 QUẢN LÝ TÀI NGUN HỆ THỐNG TÍNH TỐN SONG SONG DỰA TRÊN GANGLIA 160 ỨNG DỤNG OPENVPN ĐỂ NÂNG CAO BẢO MẬT CHO CÔNG NGHỆ THOẠI QUA IP (VOICEIP) 169 ỨNG DỤNG GOOGLE CLASSROOM CHO THI TRỰC TUYẾN MÔN TIN HỌC CƠ SỞ 177 ỨNG DỤNG HỆ THỐNG MOODLE ĐỂ RA ĐỀ THI VÀ TỔ CHỨC THI CUỐI KỲ TRỰC TUYẾN MƠN MẠNG MÁY TÍNH – KHOA CƠNG NGHỆ THƠNG TIN – ĐẠI HỌC HÀ NỘI 190 TÁI CẤU TRÚC CONTROLLER VÀ ACTIONS TRONG THỰC TẾ 200 CHUYỂN ĐỔI ĐỊNH DẠNG VIDEO SANG MP4 SỬ DỤNG LARAVEL 207 NHÚNG HTML CODE TRONG JAVASCRIPT SỬ DỤNG HANDLEBARS 215 TẦM QUAN TRỌNG - VAI TRÒ CỦA GIẢNG VIÊN CHỦ NHIỆM – CỐ VẤN HỌC TẬP TRONG VIỆC ĐÀO TẠO THEO HÌNH THỨC TÍN CHỈ TẠI ĐẠI HỌC222 TẦM QUAN TRỌNG CỦA KỸ NĂNG CÔNG NGHỆ THÔNG TIN CƠ BẢN - TIN HỌC VĂN PHÒNG 226 DỰ ĐOÁN DỮ LIỆU DẠNG CHUỖI SỬ DỤNG MẠNG THẦN KINH LSTM Bùi Quốc Khánh* *Trường Đại học Hà Nội Tóm tắt: Mạng thần kinh ứng dụng phổ biến ngành khoa học nhằm cải thiện suất chất lượng sống Một ứng dụng phổ biến dự đốn kết q trình sản xuất dựa vào liệu thu thập thời gian trước Bài báo sử dụng liệu sản lượng sữa cập nhật hàng tháng nhà máy sản xuất sữa dựa vào đó, dự đoán sản lượng sữa khoảng thời gian tương lại Dữ liệu chia thành phần: Một phần dùng cho việc tập huấn liệu (training data) phần dùng để kiểm thử (testing data), liệu xếp theo thứ tự thời gian nên testing data bao gồm mốc thời gian tương lai so với training data Tác giả sau sử dụng mạng thần kinh LSTM, hỗ trợ gói sklearn Keras – kit tiếng việc hỗ trợ thuật toán liên quan đến học máy – để dự đoán sản lượng testing data Hiệu việc đoán đánh giá dựa vào hàm tính sai số RMSE Sai sơ thấp dự đốn xác Để việc so sánh trở nên dễ nhìn, tác giả mơ kết thành dạng biểu đồ so sánh giá trị thực giá trị đoán Kết cho thấy giá trị thực giá trị đoán xấp xỉ Chứng tỏ việc sử dụng LSTM cho liệu dạng chuỗi xếp theo thứ tự thời gian hiệu tiền đề tốt để phát triển tốn tương tự mang tính ứng dụng cao Từ khóa: Artificial Neural Networks (ANN), Sequential Data, Long Short-Term Memory (LSTM), Keras Abstract: This paper examines the outstanding application of Long Short-Term Memory (LSTM) Neural Network in predicting temporal data using Keras The performance of the prediction is then evaluated by Root Mean Squared Error (RMSE) and the visualization of the result is also presented Keywords: Artificial Neural Networks (ANN), Sequential Data, Long Short-Term Memory (LSTM), Keras SEQUENCE PREDICTION USING LONG SHORTTERM MEMORY NEURAL NETWORK I INTRODUCTION With the development of computer science in the last two decades, the Artificial Neural Network models have been widely used in various aspects of science and engineering because of the simplicity of its model structure Researchers have applied various neural network model techniques such as using them alone or in combination with process-based models to reduce errors and improve the models’ prediction accuracy Philip Doganis [1] reviewed papers on the application of Artificial Intelligence (AI) based on the hybrid model of the radial basis function (RBF) neural network architecture and a specially designed genetic algorithm indicated that the AI had exhibited significant progress in forecasting and modeling sales data of fresh milk provided by a major manufacturing company of dairy products This paper also recommends the potential application of ANNs in modeling and forecasting milk production given a time series data Recently, owing to the breakthrough in the field of computational science, deep learning or deep neural network (DNN) methods based on ANNs have received a growing interest both academically and practicality from scientists [2] Moreover, the Long Short-Term Memory (LSTM) neural network, one of the state-of-the-art applications of DNN, has been successfully applied in various fields (especially for time sequence problems) such as: Speech recognition [3], machine translation [4] [5], language modeling [6], tourism field [7] [8], stock prediction [9], and rainfall-runoff simulation [10] [11] Several LSTM studies listed above suggest that LSTM-based models have been successfully used in various fields and can be applicable to milk production forecasting II METHODOLOGY A Dataset The dataset used in this paper is the report of monthly milk production from January 1962 to December 1975 in UK There are features: Month which is in yyyymm form and Production which is calculated in pound The dataset is then split into training set and test set to served for the training and test phases, respectively The data has total 168 observation and is clean, which is suitable for research purpose B Technology The encoder-decoder architecture has been implemented using Googles framework for distributed machine learning TensorFlow We used Keras on top of TensorFlow Keras was chosen as it is designed for fast prototyping and experimentation with a simple API It allows to configure NNs in a modular way by combining different layers, activation functions, loss functions, and optimizers, etc Keras provides out of the box solutions for most of the standard deep learning building blocks However, if someone wants to build a custom or novel implementation, Keras API could be quite limited, and libraries like TensorFlow will be a better choice For evaluation, different metrics have been used, that were partly taken from the scikit-learn library for Python C Long Short-Term Memory (LSTM) Neural Networks A typical LSTM network is comprised of memory blocks called cells Two states are being transferred to the next cell, the cell state and the hidden state The cell state is the main chain of data flow, which allows the data to flow forward essentially unchanged However, some linear transformations may occur The data can be added to or removed from the cell state via sigmoid gates A gate is similar to a layer or a series of matrix operations, which contain different individual weights LSTMs are designed to avoid the long-term dependency problem because it uses gates to control the memorizing process Figure The structure of the Long Short-Term Memory (LSTM) neural network Reproduced from Yan [12] The first step in constructing an LSTM network is to identify information that is not required and will be omitted from the cell in that step This process of identifying and excluding data is decided by the sigmoid function, which takes the output of the last LSTM unit (ht−1) at time t−1 and the current input (Xt) at time t Additionally, the sigmoid function determines which part from the old output should be eliminated This gate is called the forget gate (or ft); where ft is a vector with values ranging from to 1, corresponding to each number in the cell state, Ct−1 ft = σ(Wf [ht−1,Xt] +bf) Herein, σ is the sigmoid function, and Wf and bf are the weight matrices and bias, respectively, of the forget gate The following step is deciding and storing information from the new input (X t) in the cell state as well as to update the cell state This step contains two parts, the sigmoid layer and second the layer First, the sigmoid layer decides whether the new information should be updated or ignored (0 or 1), and second, the function gives weight to the values which passed by, deciding their level of importance (−1 to 1) The two values are multiplied to update the new cell state This new memory is then added to old memory Ct−1 resulting in Ct it = σ(Wi [ht−1, Xt] +bi) Nt = tanh(Wn [ht−1, Xt] +bn) Ct = Ct−1 ft +Nt it Here, Ct−1 and Ct are the cell states at time t−1 and t, while W and b are the weight matrices and bias, respectively, of the cell state In the final step, the output values (ht) is based on the output cell state (Ot) but is a filtered version First, a sigmoid layer decides which parts of the cell state make it to the output Next, the output of the sigmoid gate (Ot) is multiplied by the new values created by the layer from the cell state (Ct), with a value ranging between −1 and Ot = σ(Wo [ht−1, Xt] +bo) ht = Ot tanh(Ct) Here, Wo and bo are the weight matrices and bias, respectively, of the output gate D Model Evaluation Criteria To evaluate the performance of forecasting models, NSE and RMSE are statistical methods often used to compare predicted values with observed values The NSE measures the ability to predict variables different from the mean and gives the proportion of the initial variance accounted for by the model The RMSE is frequently used to evaluate how closely the predicted values match the observed values, based on the relative range of the data 𝑁𝑆𝐸 = (1 − ∑𝑛𝑖=1(𝑂𝑖 − 𝑃𝑖 )2 ) × 100 ∑𝑛𝑖=1(𝑂𝑖 − 𝑂̅𝑖 )2 𝑛 𝑅𝑀𝑆𝐸 = √ ∑(𝑂𝑖 − 𝑃𝑖 )2 𝑛 𝑖=1 In the above equations, Oi and Pi are observed discharges and simulated discharges at time t, respectively; O i is the mean of observed discharges; and n is the total number of observations The NSE values range from −∞ to 1, and an RMSE equal to zero implies a perfect fit The LSTM model produces reliable results when the RMSE values are small, and the NSE values are approximately 1.IMPLEMENTATION We create a data set function that takes two arguments: the dataset, which is a NumPy array that we want to convert into a dataset, and the look_back, which is the number of previous time steps to use as input variables to predict the next time period, in this case defaulted to This default will create a dataset where X is the quantity of the item at a given time (t) and Y is quantity of the item at the next time (t + 1) LSTMs are sensitive to the scale of the input data, specifically when the sigmoid or activation functions are used We rescale the data to the range of 0-to-1 This is also called normalizing We will normalize the dataset using the MinMaxScaler preprocessing class from the scikit-learn library After we model our data and estimate the accuracy of our model on the training dataset, we need to get an idea of the skill of the model on new unseen data For a normal classification or regression problem, we would this using cross validation With time series data, the sequence of values is important A simple method that we used is to split the ordered dataset into train and test datasets We calculate the index of the split point and separates the data into the training datasets with 67% of the observations that we can use to train our model, leaving the remaining 33% for testing the model The LSTM network expects the input data (X) to be provided with a specific array structure in the form of: [samples, time steps, features] Currently, our data is in the form: [samples, features] and we are framing the problem as one-time step for each sample We can transform the prepared train and test input data into the expected structure using numpy.reshape() We build the LSTM network by creating one visible layer with one input, one hidden layer with four LSTM blocks or neurons and an output layer that makes a single value prediction Once the model is fit, we can estimate the performance of the model on the train and test datasets After that, we invert the predictions before calculating error scores to ensure that performance is reported in the same units as the original data The Error Score – RMSE is then calculated for the model We can see from result that Train Score and Test Score have the approximate Error Score, which means that our model is quite good To present the visualization of the predicted values and the trained ones, we use matplotlib library to show the comparison among them, in which, the original dataset in blue, the predictions for the training dataset in orange, and the predictions on the unseen test dataset in green Figure The comparison of predicted data versus the original and training ones III CONCLUSION AND FUTURE WORK The result of the experiment has proved the efficiency of LSTM in predicting the sequential data More challenging tasks with LSTM networks such as anomaly detection and text prediction are more of interest and require the variations of the LSTM for optimal results In the future, the hybrid of neural networks will be introduced so that we can get the better insight and hopefully the research models can be applied in the empirical affair REFERENCE [1] Philip Doganis, Alex Alexandridis, Panagiotis Patrinos, Haralambos Sarimveis, "Time series sales forecasting for short shelf-life food products based on artificial neural networks and evolutionary computing," Journal of Food and Engineering, vol 75, no 2, pp 196-204, 2006 [2] Y B a G H Y LeCun, "Deep Learning," Nature, vol 521, no 7553, pp 436-444, 2015 [3] Graves,A.;Mohamed,A.;Hinton,G, "Speech recognition with deep recurrent neural networks," in IEEE International Conference on Acoustics, Speech and Signal Processing, Vancouver, BC, Canada, 2631 May 2013 [4] Cho, K.; van Merrienboer, B.; Gỹlỗehre, Ç.; Bougares, F.; Schwenk, H.; Bengio, Y, "Learning phrase representations using RNN encoder-decoder for statistical machine translation," arXiv:1406.1078, 2014 [5] Sutskever, I.; Vinyals, O.; Le, Q.V, "Sequence to sequence learning with neural networks," in 27th International Conference on Neural Information Processing Systems, Montreal, QC, Canada, 8–13 December 2014 [6] Mikolov, T.; Joulin, A.; Chopra, S.; Mathieu, M.; Ranzato, M.A, " Learning 10 Handlebars có ưu điểm  Tách biệt HTML code khỏi code JS, giúp cho việc maintain trở nên dễ dàng  Đẩy data vào handlebars template dễ dàng, tạo điều kiện thuận lợi để thực số phép tính tốn logic loop với {{#each}}, điều kiện {{#if}}  Thực thi hiển thị escaped tags sử dụng {{{ … }}} Cài đặt Để cài đặt sử dụng Handlebars, trước hết tạo Handlebars template, kết thúc hbs sau > npm i handlebars Figure 42: Cài đặt handlebars Sau tạo template handlebars, kết thúc hbs Figure 43: Tạo template handlebars Để tối ưu vấn đề load trang sử dụng Handlebars, thay biên dịch lúc chạy biên dịch TRƯỚC lúc chạy để sinh file javascript, tạm gọi template.js Sau sử dụng file js để gọi template file javascript bên ngồi Tồn q trình mô tả sau 216 Tạo template hbs Gọi handlebars để dịch hbs sang js Cần template gọi tên template render Để biên dịch template hbs sang js, cần câu lệnh sau để thêm vào package.json Figure 44: Câu lệnh cần chạy để thêm vào package.json (vạch đỏ) Ở tiến hành dịch tất file *.hbs có thư mục templates sang file js có tên templates.js Cách chạy Figure 45: Chạy command Đầu tiên cần copy template hbs từ node_modules vào directory local qua câu lệnh cp./node_modules/handlebars/dist/handlebars.runtime.min.js /handlebars.runtime.min.js 217 sau tiến hành dịch template sang js việc chạy lệnh npm run compile:hbs Triển khai Kết thu Figure 46: Template compiled Sau tiến hành nhúng file JS vời file handlebars.runtime.js lúc copy để tiến hành chạy template Figure 47: Nạp file runner template Kết thu Figure 48: Kết 218 Làm việc với số operator hbs template Như đề cập trên, gía trị đẩy vào template được, sử dụng số operators if-else, loop Figure 49: Truyền data vào template thông qua {} () Sau truyền xong template cần viết lại sau Figure 50: Hbs template Mỗi lần sau chỉnh sửa xong template hbs, cần recompile lại template npm run compile:hbs 219 Figure 51: Output Sử dụng với Jquery Ajax Cách sử dụng với Jquery Ajax tương tự cách dùng trên, sau Figure 52: Ajax request Do DOM load dòng 46 trên, nên dùng Ajax chèn content bình thường 220 Figure 53: File hbs cập nhật Cần ý sau thay đổi nội dung file hbs cần compile lại hbs npm run compile:hbs C Kết luận Viết HTML Javascript vấn đề trọng vấn đề phát triển website Vì thế, việc ứng dụng Handlebars vào Javascript / Jquery giúp cho code Javascript dễ bảo trì Link Github cho phần 3: https://gitlab.com/nguyenhuucam91/demo-handlebars Link tham khảo document Handlebars: https://handlebarsjs.com/guide/builtinhelpers.html 221 TẦM QUAN TRỌNG - VAI TRÒ CỦA GIẢNG VIÊN CHỦ NHIỆM – CỐ VẤN HỌC TẬP TRONG VIỆC ĐÀO TẠO THEO HÌNH THỨC TÍN CHỈ TẠI ĐẠI HỌC Hoàng Phương Thảo Trường Đại học Hà Nội Tóm tắt: Cơng tác giảng viên chủ nhiệm – cố vấn học tập công tác quan trọng nhằm giúp nhà trường thực tốt nhiệm vụ giáo dục đào tạo Một người giảng viên chủ nhiệm – cố vấn học tập làm tốt nhiệm vụ góp phần xây dựng nên tập thể tốt; nhiều tập thể tốt xây dựng nhà trường vững mạnh Bài báo nghiên cứu tầm quan trọng, vai trò người giảng viên chủ nhiệm – cố vấn học tập việc đào tạo theo hình thức tín trường đại học I VAI TRỊ CỦA GIẢNG VIÊN CHỦ NHIỆM – CỐ VẤN HỌC TẬP Giảng viên chủ nhiệm lớp có vai trị quan trọng việc thực nhiệm vụ giáo dục, cầu nối nhà trường với sinh viên Giảng viên chủ nhiệm lớp kiêm cố vấn học tập có vai trò quan trọng việc đào tạo theo hệ thống tín Cố vấn học tập người tư vấn hỗ trợ sinh viên phát huy tối đa khả học tập, lựa chọn học phần cho phù hợp để đáp ứng mục tiêu tốt nghiệp tìm việc làm phù hợp Ngồi giáo viên chủ nhiệm kiêm cố vấn học tập có nhiệm vụ theo dõi thành tích học tập sinh viên nhắm giúp sinh viên điều chỉnh kịp thời đưa lựa chọn trình học tập; quản lý, hướng dẫn, đạo lớp phân công phụ trách đảm bảo quyền nghĩa vụ sinh viên Để làm tốt trách nhiệm giảng viên chủ nhiệm kiêm cố vấn học tập, làm thu hút thúc đẩy sinh viên tích cực học tập để có kết tốt, tự tin, sẵn sàng vượt qua khó khăn, yên tâm học tập II GIẢI PHÁP Xác định vai trò, nhiệm vụ giảng viên chủ nhiệm – cố vấn học tập Là giảng viên - cố vấn học tâp giảng viên phải xác định quản lý sinh viên phương diện, tạo môi trường học tập thân thiện, hình thành nên tích cực sinh viên Công tác chủ nhiệm kiêm cố vấn học tập nhiệm vụ vơ khó khăn, đặc biệt em sinh viên năm đầu bước chân vào trường Để làm tốt công tác chủ nhiệm trước hết giảng viên phải sinh viên tin yêu, quý trọng Vì giảng viên cần phải mẫu mực đạo đức, tác phong sư phạm, cư chỉ, hành động mực, lời nói phải có tính thuyết phục sinh viên 222 Hướng dẫn cách thức học tập, nắm bắt thông tin, động viên, giúp đỡ sinh viên kịp thời Năm sinh viên bỡ ngỡ với cách học tập khác phổ thông, với bạn mới, thầy cô mới, với sống tự lập học xa nhà vơ vàn khó khăn khác Phần lớn em bước chân vào giảng đường rụt rè, lúng túng với phương pháp học đại học Đặc biệt số em đến từ vùng nơng thơn chưa sử dụng máy tính nhiều nên cịn lúng túng việc đăng ký mơn học trực tuyến, hình thức học tín cịn xa lạ Lúc trách nhiệm cố vấn học tập hỗ trợ hướng dẫn em cách thức đăng ký học qua website lựa chọn môn học cho phù hợp Ngoài cố vấn học tập cịn có nhiệm vụ hướng dẫn em cách thức học tập cho khoa học, tạo cho em động lực học tập Khi sinh viên nhập học cố vấn học tập có trách nhiệm tạo hồ sơ thông tin cá nhân cho sinh viên lớp bao gồm: hình ảnh, họ tên, địa chỉ, điện thoại phụ huynh để dùng cần thiết, cịn tạo kênh liên lạc thơng báo facebook, forum để thơng báo, trao đổi, chia sẻ tâm tư, nguyện vọng sinh viên kịp thời nhanh chóng Ngồi tìm hiểu rõ hồn cảnh gia đình số sinh viên có biểu khơng bình thường lơ học tập để kịp thời báo cáo tình hình cho phụ huynh vào cuối kỳ để gia đình nắm rõ tình hình học tập em Việc thiết lập mối quan hệ gia đình, nhà trường lớp giúp phụ huynh nắm bắt kịp thời tình hình học tập em củng cố thêm niềm tin cho phụ huynh Khi hiểu hoàn cảnh gia đình, tạo dựng thân thiện, đồng cảm với phụ huynh họ sẵn sàng hợp tác tạo điều kiện học tập khích lệ em học tốt Như kênh để quảng bá hình ảnh trường tốt Lên kế hoạch định hướng phấn đấu lớp năm học Để giúp cho sinh viên tiếp cận tốt với hình thức học mới, quy định mới, cố vấn học tập phải có trách nhiệm thơng báo cho sinh viên quy định nhà trường, khoa cách đầy đủ, xác để sinh viên nắm đủ nhằm hạn chế sinh viên thi lại vi phạm quy định nhà trường, khoa, khơng có sinh viên yếu lưu ban Hướng dẫn sinh viên tham gia hoạt động đồn thể, hoạt động ngoại khóa, phong trào đoàn niên, hội sinh viên nhà trường giúp em có kỹ sống cần thiết Khuyến khích em tích cực tham gia phong trào nhà trường, việc giúp em học tốt thiết lập mối quan hệ hữu ích cho nghiệp tương lai Từ giúp em có động học tập tốt, vạch mục tiêu học tập hiệu Kết thúc học kỳ cố vấn học tập nên tham gia lớp thực đánh giá kết rèn luyện sinh viên Tư vấn giúp đỡ sinh viên chế độ, sách, học bổng, 223 hướng dẫn sinh viên thủ tục bảo lưu kết học tập, chuyển đổi ngành học, học thêm chuyên ngành song song Giúp sinh viên rèn luyện tính tự lập qua hình thức hướng dẫn cho sinh viên phương pháp tự học, cách tìm kiếm lựa chọn thông tin mạng Giúp sinh viên nhận thức rõ cố vấn học tập người đóng vai trị tư vấn cho em định hướng người cầm tay việc cho em Nắm bắt kịp thời, quan tâm tình hình lớp cá nhân sinh viên Bên cạnh việc định hướng cho sinh viên cố vấn học tập cần nắm bắt kịp thời tình hình chung lớp, tổ chức sinh hoạt lớp định kỳ, liên tục đổi nội dung sinh hoạt để khơng bị lặp lặp lại tạo khơng khí sơi động, lơi em sinh viên tham gia tích cực, sẵn sàng chia sẻ thông tin Cố vấn học tập họp lớp lần học kỳ (giữa kỳ cuối kỳ), ngồi họp đột xuất cần thiết Bên cạnh cố vấn học tập thường xuyên trao đổi tình hình học tập lớp với thầy cô môn để có hướng điều chỉnh phương pháp giảng dạy phương pháp học tập cho phù hợp Xây dựng tập thể lớp vững mạnh, phát huy tinh đoàn kết kỹ làm việc nhóm Để quản lý lớp tốt cố vấn học tập cần tổ chức lớp thành lực lượng tự quản, đoàn kết, phát huy kỹ học nhóm, xây dựng ban cán lớp, ban chấp hành đồn, hội để hỗ trợ việc quản lý lớp phổ biến phong trào nhà trường Thành lập nhóm học tập giúp sinh viên khá, giỏi giúp đỡ sinh viên yếu tiến Nhấn mạnh phần đóng góp cộng thêm điểm rèn luyện để khuyến khích em tham gia Cố vấn học tập kết hợp với Ban chủ nhiệm khoa tìm nơi thực tập cho sinh viên năm cuối, đồng thời rà sốt nhắc nhở sinh viên trả nợ mơn học để kịp thời xét tốt nghiệp Học nhóm phương pháp hữu hiệu để tạo dựng lớp học thân thiện Vì cố vấn học tập nên định hướng cho em tham gia học nhóm Tổ chức học nhóm để bạn giúp đỡ, tạo nhiệt tình, đồn kết, hợp tác học tập hoạt động tập thể lớp trường Từ tạo phấn chấn tinh thần cá nhân tập thể lớp Học nhóm kỹ vô quan trọng học đại học phát huy tư sáng tạo Việc thảo luận nhóm chủ đề giúp sinh viên có nhìn tồn diện vấn đề Tất người học hỏi lẫn từ việc chia sẻ ý kiến Việc học nhóm tổ chức hàng tuần, hàng tháng trước tập lớn quan trọng kỳ kiểm tra 224 Người giảng viên muốn giảng dạy tốt khơng có chun mơn, tri thức, phương pháp mà phải truyền đạt nhiệt huyết, lòng đam mê yêu nghề Định hướng giúp sinh viên làm việc độc lập, tự học, tự nghiên cứu để em thấy muốn có nghiệp thành cơng từ học đại học phải xây dựng cho tảng, hành trang kiến thức vững chắc, kinh nghiệm làm việc thực tế Có tìm cho việc làm tốt hội việc làm phải tự thân nỗ lực phấn đấu học tập, rèn luyện trau dồi kiến thức học trường III KẾT LUẬN Để làm tốt công tác cố vấn học tập khơng phải người chủ nhiệm cần hoàn thành đầy đủ nhiệm vụ chung mà cịn phải thực tâm huyết, nhiệt tình, gần gũi, quan tâm tới lớp để hiểu rõ sinh viên giúp đỡ cần thiết 225 TẦM QUAN TRỌNG CỦA KỸ NĂNG CÔNG NGHỆ THÔNG TIN CƠ BẢN - TIN HỌC VĂN PHỊNG Hồng Phương Thảo Trường Đại học Hà Nội Tóm tắt: Xã hội đại mở cho ngày nhiều hội nghề nghiệp, đồng thời địi hỏi phải có nhiều kỹ Khi tìm kiếm thơng tin tuyển dụng công ty thấy hầu hết cơng việc văn phịng kế tốn, hành chính, nhân sự, tài chính, … u cầu khơng thể thiếu cho vị trí phải “thành thạo tin học văn phịng” Bời tất công việc hàng ngày liên quan đến máy tính như: Chuẩn bị tài liệu, in ấn, tập hợp liệu, tính tốn, báo cáo, thuyết trình, …Tin học văn phịng giúp dễ dàng tìm kiếm nội dung liên quan đến công việc, quản lý theo dõi lúc nhiều công việc thay phải ghi nhớ đầu phải dùng sổ sách, tạo hiệu ứng tốt trình bày vấn đề với mầu sắc hình ảnh đa dạng, tiết kiệm chi phí in ấn nháp, chỉnh sửa văn đến văn đẹp, xác in, gửi file cho người khác thay việc phải in gửi Tiết kiệm thời gian bạn làm nhiều phép tính phức tạp cách tự động excel với nhiều thông tin I MỤC TIÊU Ngày nay, với tiến phát triển khoa học kỹ thuật, công nghệ thông tin xuất lĩnh vực, ngành nghề sống địi hỏi phải thành thạo kỹ Công nghệ Thơng tin có Tin học Văn phịng Tin học Văn phịng cơng cụ khơng thể thiếu hầu hết vị trí tuyển dụng doanh nghiệp Đặc biệt nhà quản lý họ sử dụng Excel để thực việc quản trị, nhân viên văn phòng sử dụng Excel để tối ưu hóa cơng việc họ phải làm, …Sau tốt nghiệp chắn phải vào thị trường lao động, muốn xin việc theo ngành nghề u thích Vì muốn đánh giá cao cần phải có kỹ nghề nghiệp tốt để nhà tuyển dụng thấy khả bạn Ngoài kĩ làm việc nhóm, kĩ truyền đạt thơng tin,… kỹ sử dụng Công nghệ Thông tin vô cần thiết giúp suất làm việc trở nên hiệu Không sinh viên chưa trường mà tất nhân viên văn phịng, người làm hành …đều cần sử dụng đến công cụ Microsoft Word – Microsoft Excel – Microsoft PowerPoint để làm việc II TIN HỌC VĂN PHỊNG LÀ GÌ? Tin học Văn phịng mảng nhỏ ngành Công nghệ Thông tin trọng đến khả xử lý công việc thường sử dụng văn phòng thao tác với văn bản, bàng tính, trình chiếu, …Tin học Văn phịng bao gồm cơng cụ Microsoft Office có MS Word, MS Excel, MS PowerPoint, MS Access, MS Outlook nhiều công cụ khác với nhiều phiên khác 2003, 226 2007, 2010, 2013, 2016 chúng có mục đích phục vụ cho cơng việc văn phịng Đặc biệt nói đến Tin học Văn phịng cơng cụ khơng thể thiếu mang lại tính ứng dụng rộng rãi áp dụng phổ biến việc thực tất công việc văn phịng, văn bản, giấy tờ Word, Excel, PowerPoint Đứng trước tính đa dạng cơng cụ mang lại khơng người bất ngờ, đươc cách tiếp cận sử dụng cho hiệu tối ưu Việt thành thạo Tin học Văn phòng mang đến giá trị không thời mà kéo dài sau bổ trợ cho công việc sống Nắm vững kiến thức kỹ Tin học Văn phòng chìa khóa quan trọng việc hội nhập nguồn chi thức xã hội III SỰ CẦN THIẾT CỦA TIN HỌC VĂN PHÒNG Xã hội đại mở ngày nhiều hội nghề nghiệp đồng thời đòi hỏi phải có nhiều kỹ vai trò Tin học ngày trở nên quan trọng nhân tố vô cần thiết lĩnh vực Trong năm gần tin học phổ cập rộng rãi đưa vào chương trình học tất cấp, hỗ trợ việc giảng dạy, doanh nghiệp sử dụng phần mềm quản lý riêng nhằm đáp ứng công việc đặc thù ngành nghề C Đối với công việc: Hầu hết doanh nghiệp yêu cầu nhân viên phải thành thạo kỹ tin học nói chung tin học văn phịng nói riêng để hồn thành trôi chảy công việc như: giao dịch văn bản, giấy tờ, hoạt động quản lý hành – nhân sự, hoạt động kế tốn, kiểm tốn, marketing, … Tất vị trí tuyển dụng doanh nghiệp có yêu cầu tối thiểu thành thạo tin học văn phòng Đây kỹ mà dễ dàng có ngồi ghế nhà trường thực có ý thức rèn luyện thực hành D.2 Đối với đời sống: Nhờ có tin học mà sống người trở nên dễ dàng thú vị nhiều Chúng ta kết nối, liên lạc chia sẻ khắp tồn cầu Tìm kiếm nguồn tài nguyên mở phong phú Xử lý thông tin, văn thuyết trình trở nên hay ho hết E Đối với giáo dục: Khi ngồi ghế nhà trường hẳn phải dùng đến MS Word, MS Excel, MS PowerPoint Tin học xử dụng xuyên suốt trình học để làm tiểu luận, báo cáo thực tập, luận văn, thuyết trình Đây hội tốt để bạn thực hành rèn luyện kỹ tin học văn phịng trước bước vào thị 227 trường lao động thực Các bạn tự đặt yêu cầu cho phải trình bày tiểu luận, luận văn, đề án hay slide thuyết trình đẹp, quy cách, chuyên nghiệp Thực tế cho thấy việc học kỹ Tin học Văn phịng lại gặp khơng khó khăn hầu hết chưa nhận thấy tầm quan trọng kỹ nên chưa thực tập trung vào học Lượng kiến thức cần học nhiều nên cần thời gian dài đủ để tiếp thu IV KỸ NĂNG TIN HỌC VĂN PHỊNG Nói đến kỹ Tin học Văn phòng nghĩ đến thao tác với văn bản, bảng tính, trình chiếu, …Tin học Văn phịng cơng cụ hỗ trợ đắc lực cho bạn Nếu bạn thành thạo hiệu cơng việc bạn đánh giá cao chun nghiệp nhanh chóng mà mang lại Thành thạo kỹ Tin học Văn phịng giúp bạn có lợi tốt công việc Những kỹ Tin học Văn phịng cần có: - Kỹ Word: Trình bày, soạn thảo văn MS Word - Kỹ Excel: Tổ chức liệu, tính tốn báo cáo Microsoft Excel - Kỹ PowerPoint: Trình bày nội dung báo cáo, thuyết trình Microsoft PowerPoint - Cách lưu liệu an toàn - Kỹ gõ bàn phím 10 ngón - Học cách sử dụng Email hiệu - Sử dụng phần mềm diệt virus Kỹ Microsoft Word Tin học Văn phòng Microsoft Word công cụ soạn thảo phổ biến nay, cho phép người dùng làm việc với văn bản, hiệu ứng phơng chữ, mầu sắc, hình ảnh đồ họa nhiều hiệu ứng đa phương tiện khác âm thanh, video khiến cho việc soạn thảo văn thuận tiện - Nhập liệu văn bản, định dạng văn bản, đoạn văn bản: Gõ văn phạm tiếng Việt, font chữ, cỡ chữ, mầu chữ - Lập, chèn, định dạng bảng: Bullet, Numbering, đoạn, Line Spacing, tab, chia cột văn bản, trộn, tách, đường viền bảng - Chèn hình ảnh, vẽ hình khối, sơ đồ - Chèn ký tự đặc biệt , chèn liên kết, ghi - Thiết lập trang in: Khổ giấy, lề in, tiêu đề đầu trang, tiêu đề chân trang, đánh số trang văn 228 - Trộn văn - Bảo mật file Kỹ Microsoft Excel Tin học Văn phịng Microsoft Excel chương trình xử lý bảng tính Bảng tính Excel bao gồm nhiều tạo dịng cơt, việc nhập liệu lập cơng thức tính tốn excel có điểm tương tự Tuy nhiên excel có nhiều tính ưu việt có giao diện thân thiện với người dùng, chủ yếu thiết lập, xử lý bảng tính tốn theo hàm - Tạo bảng tính, định dạng liệu bảng tính: Định dạng số, định dạng bảng, trộn, xóa cột,… - Định dạng tự động theo yêu cầu - Sử dụng hàm số thông dụng: If, Vlookup, Hlookup, sum, sumif, Average, Count, CountIf, Min Max, Year, Month, Day, Now, … - Sử dụng lọc liệu: Lọc theo yêu cầu - Vẽ biểu đồ: Chart - Tạo liên kết - Thiết lập in, bảo mật file Kỹ Microsoft PowerPoint Tin học Văn phòng Gồm soạn thảo thiết lập trình chiếu - Chỉnh sửa, vẽ hình khối, biểu đồ PowerPoint - Tạo liên kết - Sử dụng kiểu trình chiếu, thiết kế - Tạo hiệu ứng - Sử dụng slide Master - Bảo mật file - Trình chiếu, xuất file sang định dạng PDF Cách lưu liệu an toàn Bạn sử dụng máy tính cơng ty hay máy tính cá nhân việc lưu liệu cần thiết, đặc biệt liệu quan trọng Mọi việc xảy khơng có kế hoạch xử lý Bạn tưởng tượng ngày mai họp quan trọng mà hơm máy tính bị hỏng toàn liệu cần thiết bạn để hết máy tính, bạn khơng có cách để lấy liệu Vì nên sử dụng thiết bị hay dịch vụ lưu trữ liệu internet để tránh 229 rủi ro không đáng có Bạn dùng USB, Ổ cứng di động, đĩa CD, DVD,…Hay dịch vụ lưu trữ internet để đảm bảo an toàn cho liệu bạn đặc biệt đâu bạn lấy được: OneDriver, Dropbox, GoogleDriver, website Mediafile,… Kỹ gõ bàn phím 10 ngón Trong cơng việc ngày, bạn phải sử dụng thành thạo chương trình Word, bạn gõ bàn phím ngón để soạn văn nhiều thời gian Việc làm ảnh hưởng đến tiến độ công việc chung bạn cơng ty Vì vây bạn cần phải sử dụng bàn phím cách thành thạo Hoàn thành thảo dự án thời gian ngắn Bạn tin tưởng đánh giá cao mà bạn làm cho công ty Học cách sử dụng email hiệu Với công nghệ đại ngày khơng cịn phải mang tài liệu văn bưu điện để gửi mà hầu hết văn chuyển tiếp Email Như cần biết phải sử dụng email cho hiệu chuyên nghiệp Chúng ta cần phải biết cách cài đặt chữ ký, cài đặt chế độ tự động trả lời email, chức lọc email, chức đánh dấu ưu tiên email quan trọng,…và nhiều Những kỹ giúp bạn khơng bỏ lỡ giây phút có thơng tin Sử dụng phần mềm diệt virus Nếu máy tính khơng cài chế độ bảo vệ tốt, chẳng may máy tính bị virus xâm nhập, liệu quan trọng bị đánh cắp phá hủy ảnh hưởng lớn đến công việc bạn công ty Do vậy, bạn cần phải biết sử dụng phần mềm diệt virus để bảo vệ cho máy tính, tránh việc liệu Kỹ tin học quan trọng cho cơng việc văn phịng bạn, bạn phải học để sử dụng chúng cách thành thạo V KẾT LUẬN Với tiến khoa học kỹ thuật ngày nay, hẳn thấy tầm quan trọng Công nghệ Thơng tin Sự có mặt Cơng nghệ Thơng tin góp phần tích cực cho nhiều vấn đề sống Việc trọng đến phát triển Tin học đem lại lợi ích to lớn, đáp ứng nhu cầu đất nước người thời kỳ hội nhập quốc tế 230