NHIEM VỤ VÀ NỘI DUNG Tìm hiểu thuật toán khai thác luật tuần tự trên cơ sở dữ liệu chuỗi :Xây dựng ứng dụng dự đoán kết quả học tập của sinh viên.. Chính vi thế, luận văn quyết định chon
DANH MUC CAC TU VIET TAT
TONG QUAN 1.1 Đặt van dé bài toán
Trong những năm gần đây, vai trò của máy tính trong việc lưu trữ và xử lý thông tin ngày càng trở nên quan trọng và không thể thiếu trong nhiều lĩnh vực khác nhau Dữ liệu thu thập và lưu trữ từ thực tế ngày càng nhiều nhưng để người dùng ra quyết định lại cần có thông tin bồ ich là “tri thức” rút ra từ nguồn dữ liệu lớn Thực tế, chỉ có một lượng nhỏ dữ liệu được sử dụng dé phân tích, số còn lại người sử dụng không biết sẽ phải xử lý gì với chúng nhưng họ vẫn tiếp tục thu thập, lưu trữ và nghĩ đến một lúc nào đó sẽ cần đến Mặt khác, thông tin cần được đưa ra trong môi trường cạnh tranh là rất cần thiết, việc này giúp việc đưa ra quyết định nhanh và chính xác là rất cần, và ngày càng có nhiều câu hỏi đặt ra mang tính chất định tính dựa trên khối lượng dữ liệu không lỗ đã có sẵn trong quá khứ Với những lý do như trên, việc quản trị và khai thác CSDL truyền thông ngày càng không đáp ứng được van đề thực tế.
Dự báo là một khoa học và nghệ thuật tiên đoán những sự việc sẽ xảy ra trong tương lai, trên cơ sở phân tích khoa học về các dữ liệu đã thu thập được Khi tiễn hành dự báo cần căn cứ vào việc thu thập xử lý số liệu trong quá khứ và hiện tại để xác định xu hướng vận động của các hiện tượng trong tương lai nhờ vào một số mô hình toán học Thực tế liên quan đến vấn đề dự báo, có những dự báo chỉ dựa trên những mỗi liên hệ thiếu căn cứ, đây là loại dự báo không có cơ sở khoa học Dự báo dựa trên chuỗi thông tin lịch sử ở mức độ ít nhiều có cơ sở khách quan, tuy nhiên cũng có nhược điểm là loại dự báo này không giải thích được xu thé vận động của đối tượng nghiên cứu và đa sé dừng lại ở bước định tính, loại dự báo này chỉ dựa trên kinh nghiệm Các nghiên cứu khoa học về dự báo dựa trên phân tích mối liên hệ qua lại giữa các đói tượng nghiên cứu và phương pháp xử lý thông tin khoa học nhằm phát hiện tính quy luật của đối tượng Trong khai thác dữ liệu, dự báo được sử dụng để dự đoán tương lai dựa vào dữ liệu lịch sử Dữ liệu chuỗi thời gian là phương pháp điển hình của dự báo dùng để dự đoán giá trị của biến liên tục theo thời gian.
Khai phá dữ liệu ra đời là bước quan trọng trong việc khám phá các tri thức mới và các tri thức có ích ở dạng tiềm năng trong nguồn dữ liệu đã có; ngày càng được nhiều nhà nghiên cứu phát triển và ứng dụng thực tế Các tính toán thông minh phát hiện ra tri thức và khai thác dữ liệu đã và đang được nghiên cứu, ứng dụng trong nhiều lĩnh vực
-2- khác nhau ở các nước trên thế giới nói chung Tại Việt Nam kỹ thuật này tương đối còn mới tuy nhiên cũng đang được nhiều nhà nghiên cứu đặt van dé, xử lý và dan dan đưa vào ứng dụng Khai phá dữ liệu là quá trình trích xuất thông tin có giá trị ân chứa trong khối dữ liệu không lỗ trong thực tế Khai phá dữ liệu nhân mạnh hai khía cạnh chính là trích xuất thông tin có ích và thông tin mang tính dự đoán liên quan chặt chẽ đến các lĩnh vực như:
- Thong kê — kiểm định mô hình và đánh giá tri thức;
- May học — nghiên cứu xây dựng các thuật toán trên nên tang của trí tuệ nhân tạo giúp cho máy tính có thể suy luận, dự đoán kết quả tương lai thông qua quá trình huấn luyện dt liệu lịch su;
- _ CS§DL — công nghệ quản trị CSDL nhất là kho dữ liệu;
- Truc quan hóa — giúp dữ liệu dễ hiểu, dễ sử dụng như chart, map
Khai thác dữ liệu là quá trình xác định thông tin hợp lệ từ một CSDL lớn Có rất nhiều các khai thác dữ liệu khác nhau như phân loại, phân cụm, dự đoán, phân tích chuỗi thời gian, khai thác các mẫu tuần tự Khai thác dữ liệu chuỗi là một trong những hướng chính trong lĩnh vực khai thác dữ liệu và đang được nhiều nhà khoa học tập trung nghiên cứu Khai thác mẫu tuân tự là khai thác các mẫu pho biến liên quan đến thời gian hoặc các sự kiện khác, với yêu câu là các mẫu pho biến là những chuỗi con trong CSDL chuỗi mà sự xuất hiện của chúng lớn hơn ngưỡng hỗ trợ do người dùng chỉ ra Đây là một phan quan trọng trong khai thác dữ liệu và được ứng dụng rộng rãi trong nhiều lĩnh vực như y khoa, giáo dục đào tạo, kinh tế, khoa hoc, xã hội
CSDL, chuỗi là một tập lớn những dòng dữ liệu mà mỗi dòng dữ liệu là danh sách các sự kiện được sắp xếp Trong thé giới thực, người ta can thu thập liên tục dit liệu và lưu trữ để có được một CSDL không 16 nên nhiễu ngành công nghiệp đang dan quan tâm đến việc khai thác các mẫu tuân tự từ CSDL khong 16 này Tuy nhiên, quá trình khai thác này gặp phải hai thách thức chính Thách thức thứ nhất là thời gian khai thác và thứ hai là vấn đề rút trích được tập luật tuần tự trong SỐ lượng lớn các luật tuần tự được sinh từ mẫu tuần tự, nó biểu diễn mối quan hệ giữa hai loạt sự kiện, loạt sự kiện này sẽ xảy ra sau loạt sự kiện kia Luật tuần tự mở rộng kha năng sử dung và ý nghĩa biêu đạt của mau tuân tự, thê hiện tri thức tiêm ân cua dữ liệu tuân tự Với tập luật tuần tự rút trích được từ dữ liệu nguén là căn cứ để xây dựng hệ thống dự báo.
1.2 Lý do chọn đề tài
Hiện trạng thực tế tại các trường đại học hiện nay, sinh viên học tập tại trường hầu hết theo hình thức tín chỉ Dé được xét công nhận tốt nghiệp, sinh viên phải hoàn thành và tích lũy điểm tổng kết của các môn học được qui định trong chương trình đào tạo.bao gom những môn bắt buộc và những mon tự chọn Do đó, sinh viên phải có định hướng học như thé nao đối với các môn bắt buộc và chọn lựa những môn tự chọn phù hợp với sở thích, khả năng của mình để có thé đạt được kết quả tốt nhất. Đối với các môn học ké cả bắt buộc và tự chọn, sinh viên phải hoàn thành một số môn học tiên quyết thì mới được phép đăng ký các môn học theo sau Chính vì thế, sinh viên cần có một định hướng cụ thể trong việc chọn lựa, sắp xếp các môn học như thé nào cho hợp lý để có thể hoàn thành chương trình học trong thời gian qui định Việc định hướng này cần được thực hiện ngay từ khi các em sinh viên vẫn còn là sinh viên năm thứ nhất dé sinh viên có kế hoạch và lựa chọn đăng ký học phan trong từng học ky một cách hợp lý nhất.
Việc phân loại những môn hoc nào là phù hợp, là cân thiệt và hap dan các em sinh viên; những môn học nào khiên cho các em có hứng thú học tập tôt hơn ở những môn học sau cũng đang là một vân đê lớn với các nhà quản lý giáo dục tại trường đại học.
Từ những van dé nêu trên, luận văn nhận thay cần có một công cụ hỗ trợ để sinh viên có thé dự đoán được kết quả học tập của chính ban thân mình nhằm điều chỉnh kha năng học tập và có căn cứ khoa học hơn trong việc chọn lựa môn học phan can dang ky ở mỗi hoc kỳ Chính vi thế, luận văn quyết định chon dé tài "Ứng dụng luật tuần tự trong việc dự đoán kết quả học tập của sinh viên" với mục tiêu là tìm hiểu các thuật toán khai thác dữ liệu tuần tự và ứng dụng trong việc dự đoán kết quả học tập của sinh viền.
1.3 Mục tiêu, nội dung và phương pháp nghiên cứu
Mục tiêu của đề tài là nghiên cứu khai phá dữ liệu; tim các tập luật tuần tự từ CSDL chuỗi; xây dựng ứng dụng dự đoán kết quả học tập của sinh viên để hỗ trợ cho 02 nhóm đối tượng chính:
Cán bộ tư van: Với nhiệm vụ tư van các vẫn dé về học tập của sinh viên, học viên khi có nhu cau; hỗ trợ sinh viên trong van dé học tập để có được phương pháp học tập tốt hơn, hiệu quả hơn, hòa nhập với môi trường Đại học; lẫy ý kiến phản hồi của người học về nội dung đào tạo, chương trình đào tạo để góp phân phục vụ đào tạo ngày một tốt hơn Ứng dụng dự đoán kết quả học tập của sinh viên sẽ giúp giảm bớt lượng công việc tư vẫn hé trợ sinh viên trong quá trình sinh viên học tập tại trường.
Sinh viên: Ứng dụng hỗ trợ sinh viên trong việc lựa chọn môn học ở các học phan tự chọn sao cho kết quả học tập của sinh viên có thể đạt được là cao nhất nhăm nâng cao điểm tích lũy học tập của sinh viên Bên cạnh do, kết quả dự đoán còn giúp cho sinh viên có một định hướng trong việc học tập nhằm cải thiện kết quả học tập với mục tiêu đạt được điểm tong kết môn hoc cao hon kết quả dự đoán.
Dé làm được điều này, dé tài can thực hiện các nội dung sau:
Tìm hiểu khái niệm, vai trò và các đặc tính của mẫu tuân tự trong khai phá dữ liệu;
Thu thập dữ liệu là kết quả học tập của sinh viên theo học chế tín chỉ;
Nghiên cứu phương pháp phân tích dữ liệu, nhất là quá trình tiền xử lý dữ liệu đã thu thập được sang dữ liệu rời rạc phục vụ cho quá trình dự đoán kết quả học tập:
Nghiên cứu và thực hiện việc khai thác các mẫu tuần tự tương ứng từ CSDL đã xử lý.
Nghiên cứu và thực hiện việc khai thác các luật tuần tự không dư thừa từ tập mâu tuân tự sinh và mâu tuân tự đóng, luật tuần tự đây đủ từ tập mâu tuân tự.
- _ Xây dựng ứng dụng dự đoán kết qua học tập của sinh viên theo học chế tín dựa trên các tập luật tuần tự đã được khai thác.
- Nghiên cứu các đặc tính, vai trò của mẫu tuần tự trong khai phá dữ liệu.
CO SO LY THUYET
Lĩnh vực khai thác dữ liệu trên CSDL chuỗi là một trong những lĩnh vực đã và đang được nhiều nhà khoa học tập trung nghiên cứu Khai thác dữ liệu chuỗi tuần tự được dé xuất từ năm 1995 [2], cho đến nay nhiều kết quả nghiên cứu trong lĩnh vực này được công bồ và ứng dụng thực tiễn [5], [8] [11] [13] [14] [17] [20] Khai thác mẫu tuần tự trong CSDL chuỗi là xác định những mẫu mà sự xuất hiện của chúng trong CSDL thỏa ngưỡng hỗ trợ tối thiểu Khai thác mẫu tuần tự được ứng dụng trong nhiều lĩnh vực thực tế như: phân tích thị trường, phân tích mẫu truy cập Web, dự đoán nhu cầu mua săm của khách hàng
Từ tập dữ liệu mẫu tuần tự có thể dùng nhiều thuật toán khác nhau khai thác được luật tuần tự, luật tuần tự được xem như việc biéu diễn mối quan hệ giữa hai loạt sự kiện, loạt sự kiện nay sẽ xảy ra sau loạt sự kiện kia Luật tuần tự mở rộng khả năng sử dụng và ý nghĩa biểu đạt của mẫu tuần tự, thé hiện tri thức tiềm ân của đữ liệu tuần tự.
Dữ liệu chuỗi rất phố biến trong cuộc sống của chúng ta, ví dụ như những việc làm trong một ngày là một chuỗi các hoạt động hàng ngày Nếu người dùng đầu tư vào các công ty, chuỗi dữ liệu liên quan đến lịch sử tăng giảm giá trị cổ phiếu của công ty đó là một trong những mối quan tâm Trong lĩnh vực y học, chuỗi tuần tự chính là các chuỗi dữ liệu sinh học bao gồm các chuỗi DNA và RNA.
2.1.1 Đặc điểm dữ liệu chuỗi
Dữ liệu chuỗi có một số đặc điểm riêng biệt so với các loại dữ liệu khác Do đó, khai thác dữ liệu chuỗi đặt ra nhiều cơ hội và thách thức, thu hút nhiều quan tâm nghiên cứu Dữ liệu chuỗi có đặc diém như sau [8]:
Kích thước chuỗi có thé rất dài Trong cùng một CSDL, kích thước của mỗi chuỗi là khác nhau thậm chí có sự chênh lệch lớn Ví dụ các chuỗi gen có độ dài tối thiểu là vài trăm nhưng độ dài tối đa lên đến hàng trăm nghìn.
Một mẫu là một chuỗi con, nghĩa là các thành phần trong chuỗi con phải liên tục kể nhau trong chuỗi cha ban đầu Một mẫu cũng có thé là một tập hợp con của chuỗi,các thành phần của mẫu không liên tục trong chuỗi cha.
Vị trí tuyệt đối của các thành phần trong chuỗi thường không quan trọng.
Chăng hạn, khi cần kiểm tra một chuỗi dữ liệu có chứa một mẫu hay không thì không cân quan tâm mau đó xuât hiện trong chuôi ở vị trí tuyệt đôi nào.
Môi quan hệ về thứ tự/vị trí giữa các thành phan trong chuỗi đóng vai trò quan trọng Ví dụ chuỗi XY hoàn toàn khác với chuỗi YX Hơn nữa, khoảng cách giữa hai thành phân trong chuỗi cũng có ý nghĩa Mối quan hệ về thứ tự/vị trí giữa các thành phân trong chuỗi là đặc điểm duy nhất chỉ có ở dữ liệu chuỗi Đây chính là điểm khác biệt cơ bản của dữ liệu chuỗi so với các loại dữ liệu khác.
2.1.2 Một số ví dụ về dữ liệu chuỗi
Chuỗi sinh học: DNA, RNA, Protein [8]: Chuỗi sinh học giúp chúng ta hiểu rõ về cầu trúc và chức năng của các loại tế bào khác nhau, hỗ trợ cho việc chân đoán và chữa bệnh Có ba loại chuỗi sinh học là chuỗi DNA, chuỗi protein và chuỗi RNA Hình 2.1 và 2.2 minh họa một phan của chuỗi DNA và protein.
Hình 2.1 - Một phân đoạn cua chuỗi DNA [8]
Hình 2.2 - Một phân đoạn của chuỗi protein [8]
Chuỗi sự kiện: Weblogs, System Traces, lịch sử mua hàng và lịch sử bán hàng [8]: Chiếm phan lớn các loại chuỗi là chuỗi sự kiện Những chuỗi này có thé được sử dung dé khai thác cách thức các đối tượng hoạt động, từ đó tìm ra cách tốt nhất dé giải quyét chung Một sô ví dụ vê chuôi sự kiện: e Chuỗi truy cập web (Weblogs) là chuỗi các cặp gồm định danh người dùng và các sự kiện (có thể là một số thông tin liên quan khác) Một sự kiện là một yêu
- 12 - cầu về một tải nguyên web, chăng hạn như một trang web (thường được xác định bởi URL của trang web) hay một dịch vụ trên web Với mỗi trang web được yêu cau, có thé có sẵn một số thông tin bé sung, như loại và nội dung cua trang web, thời lượng mà người dùng đã tiêu tốn trên trang đó Các sự kiện trong một mẫu truy cập web được liệt kê dưới dạng danh sách thứ tự thời gian tăng dần (timestamp) Hình 2.3 minh họa một chuỗi truy cập web, trong đó a, b, c, đ, e là các sự kiện và 100, 200, 300, 400 là các định danh của người dùng.
Hình 2.3 - Một chuỗi truy cập Web [8]
Chuỗi vết hệ thống (System traces) là các chuỗi tương tự như chuỗi truy cập web Các chuỗi vết hệ thống ghi nhận các hoạt động được thực hiện bởi các người dùng hoặc các tiến trình khác nhau với các dit liệu và tài nguyên khác nhau trong một hoặc nhiều hệ thống.
Chuối lịch sử mua sam của khách hàng là các chuôi các bộ, môi bộ chứa định danh khách hàng địa chỉ, thời gian, các mặt hàng đã mua Hình 2.4 mô tả một ví dụ vê các chuôi lịch sử mua săm hàng hóa của khách hàng có định danh là 223100.
(223100, 05/26/06, 10am, CentralStation, {WholeMealBread, AppleJuice} ), (223100, 05/26/06, 1 lam, CentralStation, {Burger, Pepsi, Banana }),
(223100, 05/26/06, 4am, WalMart, {Milk, Cereal, Vegetable} ), (223100, 05/26/06, 10am, CentralStation, {WholeMealBread, AppleJuice} ), (223100, 05/27/06, 12noon, CentralStation, { Burger, Coke, Apple} )
Hình 2.4 - Chuối lich sử mua sắm của một khách hàng [8]
Chuỗi lịch sử bán hàng là chuỗi các bộ, mỗi bộ gồm một ID định danh của cửa hàng, thời gian (chu kỳ), tổng số mặt hàng đã bán và doanh thu tương ứng với thời gian đó và một số thông tin liên quan khác Các chuỗi lịch sử bán hàng cũng có thé bao gồm thông tin nhóm khách hang va một vai thông tin khác cho việc bán hàng Hình 2.5 mô tả một ví dụ về chuỗi lịch sử bán hàng.
(97100, 05/06, { (Apple : $85K), (Bread : $100K), (Cereal : $150K), }), (90089, 05/06, { (Apple : $65K), (Bread : $105K), (Diaper : $20K), }), (97100, 05/06, { (Apple : $95K), (Bread : $110K), (Cereal : $160K), }), (90089, 05/06, { (Apple : $66K), (Bread : $95K), (Diaper : $22K), })
Hình 2.5 - Chuối lịch sử bán hang [8]
2.1.3 Khai thác dữ liệu chuỗi
Khai thác dữ liệu phụ thuộc vào loại thông tin mà chúng ta cần tìm kiếm thông qua hệ thống khai phá tri thức và khai thác dữ liệu Mỗi nhiệm vụ khai thác dữ liệu có đặc tính riêng và được thực hiện theo các bước trong quá trình khai thác tri thức Sau đây là các nhiệm vụ khai thác dữ liệu thường được sử dụng pho bién trong ung dung khai thac di liệu chuỗi [8].
TỰ DAY ĐỦ VA LUẬT TUAN TU KHONG DƯ THỪA
VIÊN
KET LUẬN VÀ HƯỚNG PHÁT TRIEN
Mục đích chính của luận văn là nghiên cứu thuật toán khai thác luật tuần tự và luật tuần tự không dư thừa, xây dựng ứng dụng dự đoán kết quả học tập của sinh viên Ứng dụng sử dụng kỹ thuật khai thác luật tuần tự không dư thừa dựa trên kết quả học tập của những sinh viên đã hoàn thành các môn học trong chương trình đào tạo và đã tốt nghiệp từ năm 2005 đến tháng 1/2017.
Luận văn đã trình bày tong quan về CSDL chuỗi, khai thác luật tuần tự - luật tuần tự không dư thừa trên CSDL chuỗi, thực hiện mô hình dự đoán kết quả học tập của sinh viên dựa trên khai thác luật tuần tự không dư thừa Trong đó, luận văn mô tả chị tiết và xây dựng thực nghiệm cho thuật toán khai thác luật tuần tự IMSR_PreTree và thuật toán khai thác luật tuần tự không dư thừa MNSR_PreTree Dựa trên kết quả thực nghiệm, luận văn đã đề xuất sử dụng thuật toán khai thác luật tuần tự không dư thừa MNSR_PreTree dé xây dung ứng dụng dự đoán kết quả học tập của sinh viên khoa
CNTT trường Dai học Công nghiệp Tp.HCM.
Trên phương diện quản lý hệ thông thông tin, luận văn đã xây dựng được một ứng dụng có thể dự đoán được kết quả học tập của sinh viên Ứng dụng này có thể hỗ trợ sinh viên trong suốt quá trình các em theo học tại trường Việc lựa chọn môn học như thế nào ở các môn học tự chọn hoặc phải thay đổi phương pháp học đối với những môn bắt buộc là những vấn đề mà các em sinh viên quan tâm trong quá trình học tập của mình Ung dụng dự đoán nay sẽ giúp các em có cái nhìn tong quan hơn trong con đường học tập của bản thân để có thể có được những chọn lựa chính xác nhằm dem lại hiệu quả cao nhất trong việc học của bản thân Đối với bộ phận tư vấn sinh viên của trường, ứng dụng này mang lại cho giảng viên cái nhìn cụ thể hơn về khả năng học tập trình độ của sinh viên để có thể hướng dẫn sinh viên một cách rõ ràng, cụ thé hon; phat huy tôi đa khả năng hỗ trợ sinh viên của mình Đối với lãnh đạo khoa, trường, ứng dụng này hỗ trợ việc quản lý sinh viên, quản lý được những môn học nào sinh viên sẽ có thé có nhiều khả năng học tập tot, những môn hoc có thể tạo khả năng học tập cho sinh viên học tập ngày một tốt hơn; qua đó có thé điều chỉnh lại chương trình đào tạo, phương pháp giảng dạy để có thé hỗ trợ và tạo điều kiện tốt nhất cho sinh viên khi các em đã quyết định học tại khoa CNTT trường Dai học Công nghiệp Tp.HCM
Luận van chi mới tập trung khai thác luật dựa trên dữ liệu chuỗi, đặc biệt là luật tuần tự day đủ và luật tuần tự không dư thừa Thực tế ngày nay, việc khai thác thông tin trên chuỗi dữ liệu đang là vấn đề được nhiều nhà nghiên cứu quan tâm Các khái niệm về chuỗi lần lượt được ra đời theo thời gian và có nhiều nghiên cứu thực hiện việc khai phá đữ liệu này.
Hơn nữa, với tình trạng bùng no thông tin như hiện nay, khối lượng thông tin trên thế giới mỗi ngày một mở rộng không ngừng Do đó, việc khai thác tập luật tuần tự sao cho hiệu quả và tốn ít thời gian nhất là cần thiết Trong tương lai, luận văn sẽ tìm hiểu thêm nhiều thuật toán nữa trong việc khai thác thông tin trên chuỗi đặc biệt là khai thác luật dé có thé tối ưu hơn trong việc khám phá những tri thức tiềm an trong nguồn dữ liệu ở dạng tuần tự.
Luận văn đề xuất và xây dựng ứng dụng nhằm hỗ trợ sinh viên trong việc học tập để có thể đạt được kết quả cao hơn Nhưng ứng dụng xây dựng mới chỉ có thể hoạt động được ở tình trạng nội bộ Luận văn hướng đến việc phát triển ứng dụng trên website để sinh viên có thể tự dự đoán được kết quả học tập của mình mà không cần phải nhờ đến nhân viên tư vẫn hỗ trợ của trường Việc này cũng làm giảm áp lực công việc của những giảng viên phụ trách nhiệm vụ tư vấn, hỗ trợ sinh viên, để giảng viên có thời gian hỗ trợ sinh viên trên những phương diện khác như đời sống, tâm lý chứ không chỉ riêng việc học tập.
Dé xác định được tính ứng dụng thực tế của hệ thống khi tiến hành áp dụng trong thực tế cân tiễn hành khảo sát ý kiến người sử dụng đánh giá mức độ hài lòng của người dùng dé có thê cải tiên ứng dụng nhăm dap ứng nhu câu thực tê của người dùng. Ứng dụng dé xuất chỉ dự đoán được kết quả học tập của sinh viên đang theo học tại khoa CN T Hướng phát triển của luận văn sẽ mở rộng việc dự đoán kết quả học tập cho sinh viên của toàn trường cho dù là sinh viên học ngành nào đi chăng nữa.
Chương trình đào tạo của các trường đại học đều phát triển theo hướng đổi mới, cập nhật cho phù hợp với nhu cầu của xã hội Do đó, ứng dụng dự đoán kết quả học tập của sinh viên cũng sẽ phải được phát triển theo để có thé phù hợp hơn với sự déi mới của chương trình nhăm mục đích hô trợ sinh viên một cách chính xác nhat.