1. Trang chủ
  2. » Giáo Dục - Đào Tạo

Phân tích, khai phá dữ liệu dạy học và thông tin phản hồi của sinh viên nhằm nâng cao chất lượng và hiệu quả quản lý đào tạo phụ lục 2

137 137 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 137
Dung lượng 14,89 MB

Nội dung

ĐẠI HQC QUỐC GIA HÀ NỘI PHỤ LỤC CÁC BÁO CÁO CHUYÊN ĐỀ Tên đề tài: Phân tích, khai phá dũ liệu dạy học thông tiu phàn hõt sinh viẽtt nhằm nâng cao chất Ệrợng hiệu qua quản ìỷ tạo Mã số: QG.15.29 Chủ nhiệm: PGS.TS Phan Xuân Riêu Hà Nội, 02/2018 MỤC LỤC TH Ứ T ự CÁC BÁ O CÁO C H U Y Ê N ĐÈ — C ác b o o đ ợ c n g ă n c c h b i tr a n g b ìa c ứ n g — TT T ên b áo cáo Thu thập tiền xử lý liệu đào tạo Nghiên cửu đề xuất mơ hình phương pháp phân tích khai phá liệu đào tạo Thực trạng quản lý hoạt động đào tạo Đại học Quốc gia Hà N ội Tổng hợp thông tin phản hồi sinh viên Tổng hợp thông tin phản hồi cán Khung tư vấn m ôn học xử lý đa ràng buộc X ây dựng mô hình dự đốn điểm cho sinh viên ĐẠI HỌC QUỐC GIA HÀ NỘI BÁO CÁO 01 THƯ THẬP VÀ TIÈN x LÝ DỮ LIỆU ĐÀO TẠO • • • Thuộc đề tài PHÂN TÍCH, PHAI KHÁ DỮ LIỆU DẠY HỌC VÀ THƠNG TIN PHẢN HỊI CỦA SINH VIÊN NHẰM NÂNG CAO CHÁT LƯỢNG VÀ HIỆU QUẢ QUẢN LÝ ĐÀO TẠO Mã số QG.15.29 Thành viên thực hiện: Trần Thị Oanh Phan Xuân Hiếu Trương Thị Minh Ngọc ữAÍ học q u ố c g ĨÃ hà nội TRUNG TÂM THỊNG ĨÌN THƯ VIỆ N 0006000050/1 Hà Nội 2015 MỤC LỤC THU THẬP VÀ TIỀN x LÝ DỮ LIỆU ĐÀO T Ạ O Khảo sát thực trạng quản lý đào tạo a) Khung chương trình năm 2007 b) Khung chương trình năm 2010 c) Khung chương trình năm 2012 Thu thập liệu .7 Chuẩn hóa liệ u Bộ liệu tổng hợp THU THẬP VÀ TIÈN x LÝ DỮ LIỆU ĐÀO TẠO Báo cáo trình bày việc thu thập tiền xử lý liệu đào tạo phục vụ cho nhiệm vụ phân tích khai phá tiếp theo.Trong báo cáo này, tập trung vào liệu ghi lại hoạt động dạy-học đơn vị đào tạo môn học (course), sinh viên, đánh giá cuối kỳ môn học Đây liệu có cấu trúc truy xuất từ sở liệu đào tạo đơn vị Dữ liệu thu thập làm sạch, chuẩn hóa, tích hợp để thuận tiện cho việc khai phá tìm nhìn mẻ trích rút tri thức có giá trị phục vụ cho việc nâng cao hoạt động dạy-học hiệu quản lý đào tạo nhà trường Báo cáo bao gồm phần Phần mơ tả thực trạng quản lý đào tạo đơn vị ĐHQG làm sờ cho việc thu thập liệu đào tạo Phần mơ tả q trình thu thập liệu Phần trình bày bước chuẩn hóa liệu thành liệu tổng họp - chi tiết hóa Phần báo cáo Khảo sát thực trạng quản lý đào tạo Đe tài tiến hành thu thập liệu đào tạo Khoa Công nghệ Thông tin - Đại học Quốc gia Hà Nội (Hệ chuẩn đào tạo quy) Dữ liệu thu thập từ học kỳ I năm học 2007-2008 tới hết học kỳ II năm học 2013-2014 Theo đó, khóa đào tạo theo tín chi Khoa thực dựa khung chương trình (KCT) chính: • KCT CNTT 2007: Áp dụng cho sinh viên khóa K54 trở trước • KCT CNTT 2010: Áp dụng cho sinh viên khóa K55 K56 • KCT CNTT 2012: Áp dụng cho sinh viên thuộc khóa K57 trở Các KCT thiết kế cho năm học tập trung Phần tiếp theo, báo cáo trình bày tóm tắt khung chương trình làm sở để chuẩn hóa tổng hợp liệu đào tạo: a) K chương trình năm 2007 Sinh viên ngành Cơng nghệ thông tin trang bị kiến thức chuyên sâu Công nghệ thông tin, định hướng số vấn đề đại tiệm cận với kiến thức chung Công nghệ thông tin giới Sinh viên ngành Công nghệ thông tin đào tạo kỹ thực hành cao hầu hết lĩnh vực Công nghệ thông tin, cho phép sinh viên tốt nghiệp dễ dàng hòa nhập phát triển mơi trường làm việc Ngồi ra, sinh viên ngành Công nghệ thông tin trang bị kỹ tự học tập, nghiên cứu, làm việc theo nhóm kỹ giao tiếp Ngồi mục tiêu chung, sinh viên đào tạo với mục tiêu bô sung cho môi chuyên ngành: Chuyên ngành Các hệ thống thông tin Nắm vững kiến thức chuyên sâu Hệ thống thông tin, đáp ứng yêu cầu nghiên cứu phát triển ứng dụng Công nghệ thông tin xã hội Xây dựng hệ thống thông tin cho việc quản lý kinh tế, hành dịch vụ Chuyên ngành Công nghệ phần mềm Nắm vững kiến thức chun sâu Cơng nghệ phần mềm: quy trình xây dựng, quản lý bảo trì hệ thống phần mềm; phân tích, thiết kế quản lý dự án phần mềm Tổ chức thục quản lý công việc lĩnh vực công nghệ phần mềm, có khả xây dựng mơ hình áp dụng nguyên tắc công nghệ phần mềm vào thực tế Chuyên ngành Khoa học máy tính Nắm vững kiến thức chuyên môn sâu Khoa học máy tính Đáp ứng vấn đề Dhân tích, thiết kế thuật tốn, xây dựng giải nháp đặt tàng đe giải toán ứng dụng thực tế Thực việc nghiên cứu, phát triển ứng dụng Công nghệ thông tin khoa học xã hội Chuyên ngành Mạng truyền thông máy tính Nắm vững kiến thức chuyên sâu Mạng truyền thơng máy tính, đáp ứng yêu cẩu nghiên cứu, ứng dụng lĩnh vực mạng truyền thơng máy tính Có khả thiết kế, chế tạo, bảo trì, sản xuất, thử nghiệm, quản lý hệ thống mạng truyền thơng máy tính Tổng số tín phải tích lũy: 132 tín chỉ, đó: - Khối kiến thức chung: 33 tín chì {Không tỉnh môn học GDTC GDQP-AN) - Khối kiến thức xã hội nhân văn: tín chi - Khối kiến thức nhóm ngành: 35 tín chi - Khối kiến thức sở ngành: 42 tín chi - Khối kiến thức chuyên ngành: 11 tín chi + Bắt buộc: tín + Tự chọn: tín - Khóa luận tốt nghiệp tương đương: 07 tín chi b) K chương trình năm 2010 Sinh viên tốt nghiệp ngành Cơng nghệ thông tin trang bị kiến thức chuyên sâu Công nghệ thông tin, đuợc định hướng số vấn đề đại tiệm cận với kiến thức chung Công nghệ thông tin giới Sinh viên tốt nghiệp ngành Công nghệ thông tin đào tạo kỹ thực hành cao hầu hết lĩnh vực cùa Công nghệ thông tin, cho phép sinh viên tốt nghiệp dễ dàng hòa nhập phát triển môi trường làm việc Ngồi ra, sinh viên ngành Cơng nghệ thơng tin trang bị kỹ tự học tập, nghiên cứu, làm việc theo nhóm vả kỹ giao tiếp Ngồi mục tiêu chung, sinh viên đào tạo vói mục tiêu bô sung cho moi chuyên ngành: Chuyên ngành Công nghệ phần mềm Nắm vững kiến thức chuyên sâu Công nghệ phần mềm: quy trình xây dựng, quản lý bảo trì hệ thống phần mềm; phân tích, thiết kế quản lý dự án phần mềm.Tổ chức thực quản lý công việc lĩnh vực công nghệ phần mềm, có khả xây dựng mơ hình áp dụng nguyên tắc công nghệ phần mềm vào thực tế C hun ngành Hệ thống thơng tín Nắm vững kiến thức chuyên sâu Hệ thống thông tin, đáp ứng yêu cầu nghiên cứu phát triển ứng dụng công nghệ thông tin xã hội Xây dựng hệ thống thông tin cho việc quản lý kinh tế, hành dịch vụ C huyên ngành M ạng truyền thông máy tính Nắm vững kiến thức chuyên sâu Mạng truyền thơng máy tính, đáp ứng yêu cầu nghiên cứu, ứng dụng lĩnh vực mạng truyền thơng máy tính.Có khả thiết kế, chế tạo, bảo trì, sản xuất, thử nghiệm, quản lý hệ thống mạng truyền thơng máy tính C huyên ngành Khoa học dịch vụ / Dịch vụ Công nghệ thông tin Nắm vững kiến thức chuyên sâu nghiên cứu triển khai Dịch vụ Côngnghệ thông tin, đáp ứngcác vấn đề phân tích, xây dựng giải pháp tảng cho dịch vụ Công nghệ thông tin dịch vụ dựa trênCông nghệthông tin thực tế Tổ chức thực quản lý công việc lĩnh vực Dịch vụ Cơng nghệ thơng tin, có khả xây dựng mơ hình áp dụng ngun tắc Dịch vụ Công nghệ thông tin vào thực tế Tồng so tín phải tích lũy' 136 tín chỉ, đó: - Khối kiến thức chung 29 tín chi (Khơng tính mơn GDTC vị GDQP-AN) - Khối kiến thức khoa học xã hội nhân văn 04 tín - Khối kiến thức nhóm ngành 35 tín chi - Khối kiến thức sở ngành 43 tín chi - Khối kiến thức chuyên ngành 18 tín chi + Bắt buộc 06 tín + Tự chọn 12 tín - Khóa ln - tot nehiện w • i Ạioăc \ ■ mơn thay J thể)/ tín c) Khung chương trình năm 2012 v ề kiến thức, KCT nhằm trang bị cho sinh viên kiến thức: - Kiến thức ĐHQG Hà Nội bao gồm kiến thức lý luận trị, tin học ngoại ngữ - Kiến thức chung theo lĩnh vực - Kiến thức chung khối ngành - Kiến thức chung nhóm ngành - Kiến thức ngành bổ trợ - Kiến thức thực tập tốt nghiệp v ề kỹ năng, KCT trang bị kỹ cứng kỹ mềm Kỹ cứng gồm kỹ nghề nghiệp, kỹ lập luận tư giải vấn đề, kỹ nghiên cứu khám phá kiến thức, Các kỹ mềm gồm lực cánhân, làm việc nhóm, kỹ lãnh đạo, giao tiếp, Đ ây tóm tắt yêu đào tạo: cầu chương trình Tổng số tín phải tích lũy 128 tín chỉ, đó: 29 tín chi • Khối kiến thức chung: (Khơng tính từ 10-12) • Khối kiến thức chung theo lĩnh vực: 20 tín chi • Khối kiến thức chung cùa khối ngành (CNTT, ĐTVT): tín chi • Khối kiến thức chung nhóm ngành: 22 tín chi • Khối kiến thức ngành bổ trợ: 38 tín chi • + Bắt buộc 18 tín + Bổ trợ tín chi + Tự chọn 15 tín Khối kiến thức thực tập tốt nghiệp: 10 tín chi Thu thập liệu Được hỗ trợ phịng Đào tạo trường Đại học Cơng nghệ, đề tài trích xuất liệu dạng file excel có định dạng Hình Dữ liệu thu thập từ học kỳ I năm học 2007-2008 tới hết học kỳ II năm học 2013-2014 Bảng - Dữ liệu điểm - môn học sinh viên lớp QH-2007-I/CQ-C-A, học kỳ năm học 2008-2009 BĂNGĐltAILỚPQB-2007-I/CQ-C-A HỌCri' ĩ NẢMHOCaaonỊM CT Ho tia N| ìt linh Vú Tuân Anh Nam 06/01-1989 80 6.4 6.7 7.4 5.5 Nam 30-07/1588 Trtn Nịọc Đá 5í 7,4 5.Ố 52 1.0 Tria Níuvèn Đinh Xam 30/01/1991 5.1 6.8 6.1 4.5 3.8 80 Trần Đai Hiệp Nam 20/09'1988 5J 5J 7.8 5.6 Ptậm Trunj£ Hĩéo Nam 06*10/19» 5.1 7.1 s.ỗ í í s.o Neuvỉn Thỉng Huv Nam 27/10^1988 6.1 7.0 tf.l 7.5 tf.t Dỏ Vin Chann 7.8 7.0 Nam 27/12^1988 4.0 6.8 5.2 Bach Nsoc Minh Nam 25/12/1980 6.8 70 6.1 7.7 5.6 Nsuvỉo Trung Tho Nam OMI7/I989 12 1.5 tf 5.1 6.1 Đmh Thi Thu 7.0 6.1 10 Xừ 11/11/1989 6.1 7J Đina Mmh Tôãn Nua 2&'11/]9M 8.0 51 69 6.5 6.7 11 Nam 01/11/1989 6.3 12 Neuvỉa Taấn Toin 69 7.0 5.4 7.3 Dịu Ọuỏc Toãa Nam 08'lS8g 7.4 65 7.8 8.0 6.9 13 5.4 14 70204« Đino Thanh TÌWP Nam 13/02/1918 80 4.7 4-2 7.4 7.0 Nam 2&w/ig88 7.4 6.7 51 65 15 702M77 Chu Quóc Vin 5TC(2)_TẾniuẾn rrúc mrv rinh PEC1001: STQ3) TẽalLmh tẻ danh tn Mác - Lítco IS T 0 STC(3)_Tétil4p ninh hướng dổi tưọng 3~MAT1089: STC(3)"_JẻnJ>hương pbip iQ u l F l F l 115 STC(4)_Tèn'Tícng Anh chuyện ũgãnh ỉ IXTIQSỮ STCOO TỊL Tốn học rời rạc jổ~E L T l05fl STC(2)_TèrXừ Ịỷ ân Inệu si TT m sv 7020024 7o:ooaa 7020100 7020155 7020150 7020194 7020212 7Q2053Ể 7020388 7020393 7010420 7020423 j0_H.T200J ja 4.9 7.2 4-S 72 63 83 7.4 7.Ổ 78 12 5.7 5.C 6.5 ố.s 5.1 é SẮTCU* 48 4.4 5.2 50 5.4 6.3 6.0 Ổ.2 7.4 5.7 5.4 18 5.4 7.8 5.6 Biim TBC 2.12 2J6 1.45 2J6 150 2.64 2.36 2.55 2.50 2.62 2-26 2.12 2.71 2.31 2.31 S ắT C IL 21 21 1S 21 21 21 21 21 21 21 21 19 21 21 21 TBCTL 2.62 2.65 2.64 2.73 2.78 2.70 2.58 2.71 2.59 2.58 2.63 2.53 2.64 2.67 2.61 Dữ liệu thu thập dạng file excel Bảng mô tả định dạng file dừ liệu thu Mỗi file excel bảng thông tin điểm sinh viên lớp học học kỳ Các file sau chuyển sang định dạng tiện cho việc tiền xử lý Một số thống kê liệu: CVS để thuận - Tổng số khóa: từ K52 đến K58 - Tổng số sinh viên: 1264 sinh viên Thông tin sinh viên lấy bao gồm: - Họ tên sinh viên - Mã sinh viên - Giới tính - Ngày sinh - Môn học - Lần thứ - Điểm - Học - Tổng số điểm tích lũy, số tín tích lũy, điểm TBC, số tín chi liệt Thông tin môn học gồm: - Tên môn học - Mã mơn học - Số tín - Điều kiện tiên (dựa vào khung chương trình) Ví dụ mơn học thuộc KCT 2012 có tên “Trí tuệ nhân tạo” có mã “INT340T’ thiết kế gồm tín chi điều kiện mơn tiên môn INT2203c.âu trúc d ữ liêu g iả i thuật Chuẩn hóa liệu Mục tiêu đề tài xây dựng hệ phát triển thử nghiệm mô đun tự động gợi ý môn học, lớp môn học cho sinh viên dựa nhiều tiêu chí hồ sơ sinh viên, lực khả tiếp thu kiến thức, sở thích định hướng nghề nghiệp, môn học thường học nhau, kế thừa phụ thuộc lẫn môn học, tình trạng sinh viên (ví dụ: bị cảnh báo học vụ, bị tải, bị nợ mơn, V.V.), nhóm sinh viên có tương đồng học lực, sờ thích, lựa chọn nghề nghiệp Do đó, đề tài bám sát theo khung chương trình hành KCT 2012 để thực Hai khung chương trình năm 2007 2010 chuẩn hóa đưa KCT 2012 cho thay đổi khơng làm sai lệch nội dung KCT Việc làm tư vấn hỗ trợ đắc lực từ Phòng Đào tạo đơn vị trực tiếp tham gia xây dựng, quản lý thực thi KCT Cụ thể, áp KCT cũ cho KCT 2012 thấy số không đồng thực việc chuẩn hóa sau: dự đoán điểm đánh giá hệ thống recommender , Items - I Students Course Course w Course Course Rating Figure 2: Hình 5: Sự tương đồng dự đốn điểm đánh giá hệ thống recommender (s_ij: điểm số sinh viên tơi học khóa j) (Sjị' điểm sinh vỉêníhọc mơn ý) Ý tưởng đằng sau kỹ thuật lọc cộng tác tính tốn điểm số khóa chưa học sinh viên dựa điểm số sinh viên có môn học tuơng đồng khứ với sinh viên dự đoán Xem xét học sinh X mà muốn dự đốn điểm sốtrên khóa học cụ thể Chúng ta cần tìm tập hợp sinh viên khác (được gọi tập N) có khóa học tương tự học học Những sinh viên gọi khu lân cận cùa học sinh X Thù thuật tính tốn tương đồng sinh viên Để làm điều này, có số lựa chọn, độ tương tự Jaccard, cosinusity, cosinicity centered (cịn gọi Pearson Coưelation), w Ví dụ, sử dụng Pearson coưelation để tính độ tương tự sim (x , y ) hai sinh viên X y cơng thức sau: sim(x,y) = ]ie c (s x ,i sx ) ( s y j iec(sx,i - sx) a iec(sy,i - SyJ Trong âósXii điểm số sinh viên X cho môn học i, học bời hai học sinh X y, s~x (4) Sy) điểm trung c tập khóa học bình học sinh X Đ ể dự đoán kết học tập học sinh X học môn học cụ thểi, s^i„ đo+ điểm trung bình theo giá trị tương tự Công thức 5: c~~ — x ,l £ yeNsim (x(y)sy (st - Siy nZ _i 1=1 Trong n số sinh viên dự đoánCị 15 (7> c) Kết thực nghiệm Đe đánh giá hiệu suất mơ hình đề xuất, chúng tơi tính độ đoRMSE trung bình khóa học Chúng tơi tính RMSE trung bình hai tập mơn học: • Tất khóa học: bao gồm tất khóa học chương trình đào tạo, hai bắt buộc khóa học tự chọn • Các mơn tự chọn: chi bao gồm môn tự chọn Thông tin có ý nghĩa sinh viên việc lựa chọn khóa học tùy chọn để học tập Bảngl: Độ đo RMSE hai phương pháp lấy liệu huấn luyện sử dụng phương pháp tiếp cận CF số baselines Tất môn học Phương pháp Baseli Trung bình học nes sinh T rData TrData_Subse _A11 t TrData_All TrData_Subs et 1.914 1.917 2.020 2.025 1.956 2.088 2.045 2.200 Trung bình tât 2.076 2.088 2.183 2.200 Phân rã ma trận 1.909 1.917 2.022 2.028 Trung bình mơn học CF Mơn học tự chọn Kết thực nghiệm sử dụng phương pháp lọc cộng tác mốt số baselines Trong phần này, trình bày kết thực nghiệm sử dụng phương pháp tiếp cận CF so với số baseline đề xuất [36] Ba phương pháp sử dụng bao gồm mức trung bình học sinh, trung bình khóa học mức trung bình tất Ket thực nghiệm Bảng cho thấy phương pháp tiếp cận CF kỹ thuật phân rã ma trận tốt hai phương pháp hai cách lấy liệu huấn luyện Đối với tất khóa học, cách tiếp cận CF tốt Tuy nhiên, môn tự chọn, baseline trung bình học sinh có hiệu cao Nhìn chung, phương pháp tiếp cận CF có RMSE thấp 1.909 cho tất môn học, 2.022 cho môn tự chọn sử dụng phương pháp để thu thập liệu Có thể nói hệ thống học thuật, cách tiếp cận CF không hiệu hệ thống eleaming K t thử nghiệm cho thấy sử dụng tất khóa học học 16 sinh viên để đào tạo mơ hình cho hiệu tốt chì sử dụng khóa học học trước khóa học dự đốn định Nói cách khác, làm phong phú thêm mơ hình dự đốn cách cung cấp thêm thơng tin.Ket thí nghiệm cho thấy việc thực dự đốn mơn tự chọn tồi hom dự đốn tất mơn học Điều số lượng sinh viên tham gia khóa học bắt buộc lớn Đặc biệt, số mơn học tự chọn có số lượng nhỏ sinh viên học tập (ví dụ khóa học INT3207, chi có 185 học sinh tham gia khóa học đó, khóa học bắt buộc POLIOI, hầu hết sinh viên (1134 sinh viên số 1268 học sinh) học) Hiệu tập thuộc tính kỹ đê xuất cho phương pháp hồi quy Đê ước tính hiệu thuộc tính bổ sung kỹ năn, tiến hành hai loại thực nghiệm Đầu tiên, không sử dụng thuộc tính bổ sung Thơng tin sẵn có sử dụng để dự đốn thành tích học sinh bao gồm giới tính, ID học sinh, điểm số, học kỳ, CGPA, GPA học kỳ trước điểm trung bình mơn học bắt buộc Trong cài đặt thứ hai, chúng tơi thêm thuộc tính bổ sung đề xuất Phần 3.1 Chúng thực thí nghiệm hai phương pháp lấy liệu huấn luyện cách sử dụng bốn phương pháp học máy phổ biến Bốn phương pháp bao gồm Linear Regression [30], mạng thần kinh nhân tạo [40], định [25], SVM [9] Các kết thí nghiệm minh họa Bảng Bảng 4.Bảng2: Tất môn học: Điểm RMSE hai tập liệu thuật toán học máy khác hồi quy T rData_All Khơng có thuộc tính kỹ Có thuộc tính kỹ TrData_Subset LR ANN DT SVM LR ANN DT SVM 1.982 2.026 1.996 1.901 2.023 2.098 2.031 1.970 1.889 1.945 1.848 1.703 2.160 2.120 2.092 1.723 Bảng3: Môn tự chọn: Điểm RMSE hai tập liệu thuật toán học máy khác hồi quy TrData_AH 17 TrData_Subset Khơng có thuộc tính kỹ Có thuộc tính kỹ LR ANN DT SVM LR ANN DT SVM 2.121 2.160 2.115 2.054 2.154 2.217 2.126 2.114 1.994 2.046 1.848 1.791 2.320 2.120 2.092 1.825 Các kết thực nghiệm cho thấy thuộc tính đề xuất thực làm phong phú thêm mơ hình dự đốn Trong hai bảng, chúng tơi có điểm RMSE thấp thêm tính liên quan đến kỹ Trong so sánh phương pháp học tập máy khác nhau, SVM vượt trội phương pháp lại cà hai cài đặt tập liệu huấn luyện Chúng tơi có điểm số RMSE thấp đo tất môn học môn tự chọn tương ứng 1,703 1,791 Các kết thực nghiệm củng cố kết luận rút từ phần trước sử dụng tất khóa học học sinh viên học tnrớc giúp suất hiệu suất tốt 18 cách sử dụng chi tập hợp chúng cho bốn thuật toán 2.100 ■ Collaborative Filteríng (Matrix Factorization) ■ Regression-based (SVM) ■ Hybrid approach 1.600 All courses Elective courses Approaches grouped by the type of courses Hình3: Kết thực nghiệm phương pháp lai sử dụng kết tốt lọc cộng tác hồi quy Kết hợp lọc cộng tác hồi quy Chúng chọn kết tốt cách tiếp cận để thực kết hợp Trong phương pháp hồi quy, đầu tốt phương pháp xây dựng dựa thuật toán SVM sử dụng tập liệu huấn luyện TrData_All thêm thuộc tính liên quan đến kỹ Trong phương pháp tiếp cận lọc hợp tác, đầu phương pháp sử dụng hệ số phân rã ma trận Sau đó, chúng tơi tiến hành kết họp kết dự đoán để nâng cao hiệu suất hệ thống cuối Phương pháp kết hợp trình bày Phần 3.3 Trong thực nghiệm, thay đổi thông số a (với bước 0.1) đo điểm số RMSE Các thông số điểm số RMSE tốt phát triển sử dụng để kết hợp kết đầu với liệu thử nghiệm Các kết thực nghiệm Hình 6cho thấy a (0,3) (3 (0,7) cho điểm RMSE tốt 1,669 Trên mơn tự chọn, chúng tơi có điểm số RMSE thấp 1.748 so với phương pháp 19 tiếp cận cá nhân Những kết chứng minh phương pháp lai đơn giản hiệu cho nhiệm vụ dự đoán điểm M Targeted Elective C o u rses Ễ Protessional Knovvtedge - Comptementary CL ì I l I 1,7)18 1.485 41 “ Pressional Knowtedge - Compulsory 11,363 £ ễ B asic Proíessional Knowledge of ĨT + E T 1.72ỉ Ẽ £ Basic Professional Knowledge Ề G eneral Educatìon Knowledge s«1 1,801 367 1,300 1,400 1,500 1,600 1,700 1,800 1.900 RMSE scores Hình4: Kết thực nghiệm độ xác dự đốn khối kiến thức So sánh RMSE khối kiến thức Chúng thực số thống kê nhóm kiến thức khác chương trình đào tạo 2012 dựa ứên kết hệ thống dự đoán cuối tốt - phương pháp lai Ket thí nghiệm ứên nhóm kiến thức khác minh họa Hỉnh Nó cho thâv nhnm đâi.1tiện nhóm thứ có kểt ouá tốt Các khóa học

Ngày đăng: 14/02/2019, 23:57

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w