1. Trang chủ
  2. » Luận Văn - Báo Cáo

Xây dựng phương pháp dự đoán kết quả học tập sinh viên hỗ trợ hệ thống quản lý học vụ

79 3 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 79
Dung lượng 2,01 MB

Nội dung

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THÀNH XUÂN TRÂM XÂY DỰNG PHƯƠNG PHÁP DỰ ĐOÁN KẾT QUẢ HỌC TẬP SINH VIÊN HỖ TRỢ HỆ THỐNG QUẢN LÝ HỌC VỤ Chuyên ngành: HỆ THỐNG THÔNG TIN QUẢN LÝ Mã số: 60.34.48 LUẬN VĂN THẠC SĨ TP.HỒ CHÍ MINH, tháng năm 2019 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THÀNH XUÂN TRÂM XÂY DỰNG PHƯƠNG PHÁP DỰ ĐOÁN KẾT QUẢ HỌC TẬP SINH VIÊN HỖ TRỢ HỆ THỐNG QUẢN LÝ HỌC VỤ Chuyên ngành: HỆ THỐNG THÔNG TIN QUẢN LÝ Mã số: 60.34.48 LUẬN VĂN THẠC SĨ TP.HỒ CHÍ MINH, tháng năm 2019 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG HCM Cán hướng dẫn khoa học: đồng hướng dẫn PGS TS Thoại Nam TS Lê Thanh Vân Cán chấm nhận xét 1: PGS.TS Nguyễn Thanh Bình Cán chấm nhận xét 2: PGS.TS Huỳnh Trung Hiếu Luận văn thạc sĩ bảo vệ trường Đại học Bách Khoa, ĐHQG TP.HCM Ngày 03 tháng 07 năm 2019 Thành phần hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS Trần Văn Hoài TS Trần Minh Quang PGS.TS Huỳnh Trung Hiếu PGS.TS Nguyễn Thanh Bình PGS.TS Trần Mạnh Hà Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KH&KTMT ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Thành Xuân Trâm MSHV: 7141144 Ngày, tháng, năm sinh: 20/08/1988 Nơi Sinh: Tiền Giang Chuyên ngành: Hệ thống thông tin quản lý I Mã số: 60.34.48 TÊN ĐỀ TÀI Xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ Phòng Đào Tạo – Trường Đại học Bách Khoa Tp.HCM II NHIỆM VỤ VÀ NỘI DUNG - Tìm hiểu trạng tình hình học tập sinh viên hệ thống hỗ trợ quản lý học vụ có PĐT - Tìm hiểu phương pháp phân loại, dự đoán liệu để áp dụng mục tiêu nghiên cứu - Thu thập, xử lý phân tích liệu - Xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ áp dụng PĐT, Trường đại học Bách Khoa Tp HCM - Đánh giá kết việc xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ PĐT từ cung cấp dự đốn tình hình học tập sinh viên đến Ban chủ nhiệm Khoa, cố vấn học tập, sinh viên, gia đình III NGÀY GIAO NHIỆM VỤ: 03/01/2019 IV NGÀY HỒN THÀNH NHIỆM VỤ: 02/06/2019 V CÁN BỘ HƯỚNG DẪN: TS Lê Thanh Vân PGS.TS Thoại Nam Tp.HCM, ngày tháng năm 2019 CÁN BỘ HƯỚNG DẪN TRƯỞNG KHOA KH&KTMT LỜI CẢM ƠN Trước hết, xin gửi lời cám ơn đến Ban chủ nhiệm khoa Khoa Học Kỹ Thuật Máy Tính trường Đại học Bách Khoa Tp.HCM tồn thể q Thầy Cơ khoa tham gia giảng dạy chương trình hệ thống thơng tin quản lý truyền đạt kiến thức, kinh nghiệm quý báo cho tơi q trình học tập trường Cảm ơn ban lãnh đạo đồng nghiệp PĐT – trường đại học Bách Khoa tạo điều kiện hỗ trợ tơi nhiều suốt q trình thực luận văn Tôi xin chân thành cảm ơn thầy hướng dẫn: PGS TS Thoại Nam TS Lê Thanh Vân hỗ trợ nhiều thông tin cần thiết q trình thực luận văn Cuối cùng, tơi xin cảm ơn chuyên gia, bạn bè gia đình động viên, giúp đỡ, tạo điều kiện thuận lợi cho tơi q trình học tập hồn thành luận văn Chân thành cảm ơn Tp.HCM, ngày tháng năm 2019 TÓM TẮT NỘI DUNG LUẬN VĂN Trường Đại học Bách Khoa Tp.HCM với bề dày hoạt động 60 năm đào tạo đội ngũ tri thức có lực lãnh đạo, sáng tạo tri thức thông qua nghiên cứu khoa học chuyển giao cơng nghệ Với tầm nhìn sứ mệnh đó, Phịng Đào Tạo – Trường Đại học Bách Khoa chịu trách nhiệm quản lý học vụ, tổ chức giảng dạy học tập bao gồm hệ đào tạo đại học quy, cao đẳng, 2, vừa làm vừa học; tư vấn cho Ban Giám Hiệu Ban chủ nhiệm Khoa chun mơn chương trình đào tạo cho phù hợp với thực tiễn Phòng Đào Tạo chưa có hệ thống hỗ trợ Khoa báo cáo tiến độ học tập sinh viên, dự đốn kết học tập; nhằm có hoạt động tư vấn thích hợp cho sinh viên đăng ký mơn học, đăng ký số tín tối đa, đăng ký môn tự chọn … giúp sinh viên đạt kết học tập tốt Dữ liệu đào tạo lưu trữ sử dụng với mục đích tra cứu, báo cáo thực excel với liệu thô… Các hệ thống quản lý PĐT sử dụng chưa trả lời mối quan hệ kết tuyển sinh đầu vào, kết môn học, vùng miền, giới tính …với kết học tập sinh viên, hỗ trợ BCN Khoa BGH đưa chiến lược tuyển sinh, chương trình đào tạo Đề tài xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ Trường ĐHBK – Tp.HCM nhằm đáp ứng nhu cầu thực tiễn nhà Trường nâng cao công tác quản lý sinh viên, giúp sinh viên có kế hoạch học tập phù hợp với thân để đạt kết tốt nhất, cung cấp thông tin hỗ trợ cố vấn học tập nắm kiến thức sinh viên từ có tư vấn phù hợp ABSTRACT Ho Chi minh City University of Technology, with more than 60 years of experience, has been training a team of knowledgeable and creative knowledge leaders through scientific research and technology transfer With that vision and mission, Office of Academic Affairs - Ho Chi minh City University of Technology is responsible for academic management, organization of teaching and learning, college, college 2, work and study at the same time; Advising the School leader and Department leader to specialize in training programs to suit the practice Office of Academic Affairs does not yet have a system to support the Faculties to report on the academic progress of each student, as well as the academic results; in order to have appropriate advisory activities for students on subject registration, maximum number of credits registration, electives for electives help students achieve the best academic results possible Study data is stored and used for search purposes, and reports are made in Excel with raw data The current management systems of the working offices are not yet able to answer the relationship between the results of the entrance exam, the results of each subject, region, gender with the learning outcomes of the students, also as support School leader and Department leader offer strategies for enrollment and training programs The project builds the student learning outcome method to support the school management system in Ho Chi minh City University of Technology to meet the practical needs of the University to improve student management, help students plan to study best practice for yourself to achieve the best results, provide information to support academic advisors to understand the background of each student, and then have the most appropriate advice LỜI CAM ĐOAN Tơi xin cam đoan tồn nội dung luận văn tự nghiên cứu, khảo sát thực hướng dẫn thầy Thoại Nam cô Lê Thanh Vân Mọi thông tin tài liệu tham khảo dùng luận văn điều trích dẫn rõ ràng tác giả, tên cơng trình thời gian công bố MỤC LỤC DANH MỤC CÁC TỪ VIẾT TẮT 10 Chương 1: TỔNG QUAN ĐỀ TÀI 15 1.1 Sơ lược tình hình học tập sinh viên Trường Đại học Bách Khoa – Tp.HCM : 15 1.2 Sơ lược hệ thống quản lý học vụ Phòng Đào Tạo - Trường Đại học Bách Khoa – Tp.HCM: 16 1.3 Mục tiêu nghiên cứu đề tài 23 1.4 Ý nghĩa đề tài 23 Chương 2: TỔNG QUAN VỀ CÁC NGHIÊN CỨU LIÊN QUAN ĐẾN ĐỀ TÀI24 2.1 Tình hình nghiên cứu giới 24 2.2 Tình hình nghiên cứu nước: 26 Chương 3: CƠ SỞ LÝ THUYẾT LIÊN QUAN ĐẾN ĐỀ TÀI 29 3.1 Collaborative Filtering 29 3.2 Matrix factorization: 31 3.3 Các công nghệ sử dụng: 34 3.4 Độ đo đánh giá: 41 Chương 4: THU THẬP, PHÂN TÍCH VÀ XỬ LÝ DỮ LIỆU 43 4.1 Quy trình lưu trữ bảng điểm 43 4.2 Phân hệ quản lý điểm hệ thống quản lý học vụ PĐT 43 4.3 Thu thập liệu điểm sinh viên 45 4.4 Tiền xử lý liệu 47 Chương 5: XÂY DỰNG PHƯƠNG PHÁP DỰ ĐOÁN KẾT QUẢ HỌC TẬP SINH VIÊN 57 5.1 Đặc tả cơng cụ phân tích liệu đại học 57 5.2 Thực nghiệm cơng cụ phân tích liệu đại học 58 5.3 Kết thực nghiệm cơng cụ phân tích liệu đại học 59 Chương 6: ĐÁNH GIÁ PHƯƠNG PHÁP DỰ ĐOÁN KẾT QUẢ HỌC TẬP CỦA SINH VIÊN 66 6.1 Đánh giá kết dự đoán kết học tập sinh viên 66 6.2 Tiêu chí đánh giá phương pháp dự đoán kết học tập áp dụng vào thực tiễn 73 Chương 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 75 7.1 Kết luận 75 7.2 Hướng phát triển 75 TÀI LIỆU THAM KHẢO 76 Khoa BD CK DC DD Model RMSE MSE MAE Khoa Model RMSE MSE MAE als_nn 1.1898556 1.4157564 0.8711528 als_nn 1.1468594 1.3152864 0.8451272 als_nn_ibcf 1.3314787 1.7728354 1.0032765 als_nn_ibcf 1.4946568 2.233999 baseline 1.3482042 1.8176546 1.0231764 baseline 1.5019583 2.2558786 1.2398857 ibcf 1.3347043 1.7814355 1.0107302 ibcf 1.4660157 2.1492019 1.2008917 ubcf 1.2715598 1.6168643 0.9096361 ubcf 1.1850399 1.4043195 0.8441313 als_nn 1.1553992 1.3349473 0.8676345 als_nn 1.2149732 1.4761599 0.8778131 als_nn_ibcf 1.4931534 2.2295072 1.1088095 als_nn_ibcf 1.4653367 2.1472115 1.0624522 baseline 1.5112666 2.2839266 1.2338462 baseline 1.5715554 2.4697863 1.2676978 ibcf 1.4340802 2.056586 ibcf 1.4862178 2.2088435 1.1212479 ubcf 1.2339399 1.5226077 0.8766673 ubcf 1.3907383 1.9341531 0.9908558 als_nn 1.1554899 1.3351569 0.8841136 als_nn 1.063535 als_nn_ibcf 1.4746894 2.1747088 1.184319 als_nn_ibcf 1.4577319 2.1249823 1.098372 baseline 1.4930585 2.2292237 1.22998 baseline 1.5138231 2.2916604 1.2361487 ibcf 1.4751912 2.1761891 1.19056 ibcf 1.4846574 2.2042075 1.1422035 ubcf 1.2377876 1.532118 ubcf 1.1424129 1.3051073 0.803237 als_nn 1.2152793 1.4769038 0.9104888 als_nn 1.1161549 1.2458018 0.8467727 als_nn_ibcf 1.4325165 2.0521034 1.1531442 als_nn_ibcf 1.4805605 2.1920593 1.2010778 baseline 1.5044141 2.2632618 1.223506 baseline 1.5308615 2.3435371 1.238633 ibcf 1.4399255 2.0733855 1.1420711 ibcf 1.4514221 2.1066262 1.1496145 MO MT 1.1240577 QL 0.8939545 UD 64 1.2402237 1.1311067 0.8032758 GT HC ubcf 1.2952286 1.6776171 0.9210513 ubcf 1.2112238 1.4670631 0.8643809 als_nn 1.167733 1.3636005 0.8832914 als_nn 1.1200181 1.2544406 0.8496481 als_nn_ibcf 1.4556099 2.1188002 1.1585695 als_nn_ibcf 1.4090942 1.9855464 1.132266 baseline 1.50223 2.2566951 1.2070921 baseline 1.4194207 2.0147551 1.1432252 ibcf 1.4506218 2.1043035 1.1429526 ibcf 1.3982674 1.9551517 1.1157878 ubcf 1.2450525 1.5501558 0.8934446 ubcf 1.1558507 1.3359909 0.8354398 als_nn 1.1523519 1.327915 als_nn 1.2065129 1.4556735 0.8941881 als_nn_ibcf 1.4934864 2.2305015 1.1307701 als_nn_ibcf 1.4592933 2.129537 baseline 1.5371346 2.3627829 1.2593887 baseline 1.49545 ibcf 1.4901689 2.2206032 1.1518435 ibcf 1.4605123 2.1330963 1.1170602 ubcf 1.2652795 1.6009322 0.8947621 ubcf 1.2621166 1.5929383 0.8998647 VL 0.8744505 XD Bảng 17: Kết thực nghiệm Locality SV từ K14 điểm không đậu quy 65 1.1466326 2.2363708 1.1796132 Chương 6: ĐÁNH GIÁ PHƯƠNG PHÁP DỰ ĐOÁN KẾT QUẢ HỌC TẬP CỦA SINH VIÊN Để ứng dụng vào thực tế, dự đoán kết học tập sinh viên Trường Đại học Bách Khoa – Tp.HCM cần lựa chọn giải thuật phù hợp với tập liệu nhằm đạt kết dự đốn có độ lỗi tối ưu Ở chương này, trực quan hóa kết thực nghiệm đề xuất số tiêu chí đánh giá kết phương pháp dự đoán kết học tập 6.1 Đánh giá kết dự đốn kết học tập sinh viên Có nhiều phương pháp dùng để đánh giá hiệu giải thuật dự đoán tùy vào dạng tốn Do đó, thực đánh giải thuật cần chọn phương pháp phù hợp Bài toán dự đoán kết học tập sinh viên thuộc dạng dự đoán xếp hạng từ đánh giá tường minh (rating prediction), nên có độ đo thường sử dụng là: Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), MSE Hơn nữa, giải thưởng lớn lĩnh vực hệ thống dự đoán dùng MAE để đánh Netflix Prize [9 ], KDD Cup 2010 [10], Từ nhận xét trên, chọn phương pháp MAE cho đánh giá hiệu giải thuật toán dự đoán kết học tập sinh viên, áp dụng với 12 Khoa, Trung tâm Trường BD 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 BASE_LIN E IBCF UBCF ALS ALS_NN ALS_NN_I ALS_IBCF BCF Trường hợp Locality 1.54 1.48 1.38 1.37 1.33 1.45 1.43 Trường hợp Global 1.54 1.46 1.4 1.4 1.46 1.51 SV từ K12 trở lên 1.49 1.43 1.35 1.24 1.26 1.41 1.43 SV từ K14, điểm không đậu quy 1.02 1.01 0.9 0.87 Hình 27: Trực quan hóa độ đo đánh giá giải thuật khoa BD 66 CK 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.33 1.32 1.28 1.26 1.1 1.17 1.27 1.15 1.15 1.26 1.26 1.27 1.26 1.49 1.4 1.05 1.2 1.12 1.41 1.39 1.02 1.12 0.9 0.86 Hình 28: Trực quan hóa độ đo đánh giá giải thuật khoa CK DC 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.25 1.26 1.22 1.19 1.13 1.14 1.61 1.09 1.11 1.2 1.21 1.21 1.22 1.41 1.35 1.13 1.14 1.09 1.38 1.34 1.22 1.19 0.89 0.88 1.18 Hình 29: Trực quan hóa độ đo đánh giá giải thuật khoa BD 67 DD 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.34 1.34 1.3 1.29 1.16 1.16 1.19 1.14 1.16 1.28 1.28 1.27 1.28 1.48 1.39 1.12 1.16 1.11 1.4 1.39 1.22 1.14 0.92 0.91 1.15 Hình 30: Trực quan hóa độ đo đánh giá MAE giải thuật khoa DD GT 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.35 1.35 1.31 1.29 1.18 1.21 1.61 1.19 1.19 1.31 1.29 1.31 1.32 1.45 1.36 1.13 1.15 1.13 1.4 1.35 1.2 1.14 0.89 0.88 1.15 Hình 31: Trực quan hóa độ đo đánh giá giải thuật khoa GT 68 HC 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy KHOA BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IB _IBCF CF 0 1.24 1.24 1.2 1.19 1.02 1.05 1.21 1.01 1.05 1.19 1.19 1.18 1.18 1.4 1.32 0.97 1.05 1.02 1.33 1.3 1.25 1.15 0.89 0.87 1.13 Hình 32: Trực quan hóa độ đo đánh giá giải thuật khoa HC MO 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global Trường hợp loại bỏ điểm SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.21 1.22 1.14 1.18 1.15 1.11 1.05 0.89 1.02 1.04 0.95 1.03 1.04 0.94 1.18 1.17 1.11 1.18 1.16 1.11 1.39 1.31 0.99 1.01 0.98 1.35 1.36 1.23 1.2 0.84 0.84 1.24 Hình 33: Trực quan hóa độ đo đánh giá giải thuật khoa MO 69 MT 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global Trường hợp loại bỏ điểm SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.37 1.37 1.23 1.33 1.3 1.2 1.22 1.08 1.21 1.26 1.09 1.19 1.22 1.06 1.31 1.31 1.18 1.3 1.31 1.18 1.6 1.5 1.17 1.24 1.22 1.46 1.46 1.26 1.12 0.99 0.87 1.06 Hình 34: Trực quan hóa độ đo đánh giá giải thuật khoa MT QL 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN ALS_IBC _IBCF F 1.18 1.17 1.15 1.1 1.02 1.04 1.1 1.02 1.05 1.12 1.12 1.13 1.21 1.34 1.28 0.91 0.97 0.95 1.28 1.31 1.23 1.14 1.23 0.8 1.09 Hình 35: Trực quan hóa độ đo đánh giá giải thuật khoa QL 70 UD 1.6 1.4 1.2 0.8 0.6 0.4 0.2 BASE_LI NE IBCF UBCF ALS ALS_NN 1.35 1.35 1.31 1.28 1.13 1.13 1.2 1.12 1.15 1.31 1.31 1.3 1.3 1.45 1.39 1.07 1.11 1.09 1.42 1.38 1.23 1.14 0.86 0.84 1.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy ALS_NN ALS_IBC _IBCF F Hình 36: Trực quan hóa độ đo đánh giá giải thuật khoa UD VL 1.6 1.4 1.2 0.8 0.6 0.4 0.2 Trường hợp Locality Trường hợp Global SV từ K12 trở lên SV từ K14, điểm không đậu quy BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN_ ALS_IBCF IBCF 1.26 1.26 1.23 1.21 1.1 1.09 1.12 1.09 1.1 1.21 1.22 1.21 1.22 1.4 1.35 1.08 1.12 1.08 1.37 1.35 1.14 1.11 0.83 0.84 1.13 Hình 37: Trực quan hóa độ đo đánh giá giải thuật khoa VL 71 XD 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 BASE_LI NE IBCF UBCF ALS ALS_NN ALS_NN_ ALS_IBCF IBCF Trường hợp Locality Trường hợp Global SV từ K12 trở lên 1.41 1.41 1.35 1.34 1.2 1.26 1.24 1.25 1.24 1.33 1.33 1.33 1.33 1.61 1.52 1.2 1.45 1.28 1.51 1.5 SV từ K14, điểm không đậu quy 1.17 1.11 0.89 0.89 1.14 Hình 38: Trực quan hóa độ đo đánh giá giải thuật khoa XD Ở tất trường hợp Khoa, nhìn chung phương pháp ALS_NN cho kết tốt so với phương pháp lại Giữa trường hợp Locality Global kết đánh giá khơng có nhiều chênh lệch Sự phân bố điểm Khoa có ảnh hưởng nhiều đến kết dự đốn – điển hình số lượng điểm Vì thế, việc dự đốn dự đoán tốt cho trường hợp điểm từ trở lên, điểm qua môn Trường hợp Locality với liệu từ khóa 2012 trở lên cho thấy liệu năm học cách xa năm gần ảnh hưởng đến kết dự đoán Trường hợp SV từ khóa 2014 , khóa áp dụng CTDT 140 tín quy điểm khơng đậu ( điểm 5) điểm cho thấy điểm không đậu ảnh hưởng xấu đến q trình dự đốn Bên cạnh đó, CTDT thay đổi số tín chỉ, mơn học thay đổi tỷ lệ đánh giá ảnh hưởng đến kết dự đoán 72 Trường hợp dự đoán cho SV từ khóa 2014 điểm khơng đậu quy điểm: cho thấy độ đo lỗi thấp tất Khoa với giải thuật ALS_NN 6.2 Tiêu chí đánh giá phương pháp dự đốn kết học tập áp dụng vào thực tiễn  Tiêu chí 1: Tính xác cơng cụ dự đốn Áp dụng nhiều giải thuật cho trường hợp khác nhằm tìm kiếm phương pháp phù hợp có độ lỗi nhỏ để vận hành Kết dự đoán điểm sử dụng giải thuật Non – negative Alternatie Least Square ( Matrix Facorization) tốt kỹ thuật khác đa số trường hợp với độ đo lỗi MAE = 0.8  Tiêu chí 2: Phù hợp với thực tiễn Đối với sinh viên: dự đốn xác điểm mạnh, điểm yếu thân để cải thiện chất lượng học tập Đối với PĐT: dự đoán tình hình học tập sinh viên, từ có kế hoạch tổ chức giảng dạy phù hợp Ví dụ: dự đốn mơn học có nhiều sinh viên đăng ký, PĐT chủ động mở lớp phù hợp Đối với cố vấn học tập, Ban chủ nhiệm Khoa: nắm tình hình học tập sinh viên cụ thể Từ có kế hoạch cho sinh viên phát huy lực thân, đảm bảo chất lượng giảng dạy Đối với nhà Trường: chất lượng giảng dạy nâng cao, tỷ lệ tốt nghiệp hạn cải thiện, hoàn thành sứ mệnh đào tạo nguồn nhân lực chất lượng cao  Tiêu chí 4: Hỗ trợ cho sinh viên học môn học tương lai Giúp sinh viên định hướng cho môn học tương lai, cách dự đoán kết học tập trước dự định học Sinh viên có nhìn tổng quan q trình học đưa chiến lược riêng cho cá nhân  Tiêu chí 5: Hỗ trợ định cấp quản lý Nắm bắt tình hình học tập 73 Dự đoán đưa định tuyển sinh Dự đoán đưa định chương trình đào tạo phù hợp Tư vấn định hướng học cho sinh viên  Tiêu chí 6: công cụ tiện dụng, xử lý thời gian thực Dễ triển khai Có thể triển khai theo qui mơ khác 74 Chương 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 7.1 Kết luận Khai phá, phân tích liệu lĩnh vực giáo dục để đưa công cụ có ích phục vụ cơng tác đào tạo nhu cầu thiết thực cần thiết ngày nay, thời đại công nghệ thông tin phát triển, kỹ thuật học máy đem lại thành tựu khoa học bật nhiều lĩnh vực Trên sở khảo sát tình hình học tập sinh viên hệ thống quản lý học vụ Trường Đại học Bách Khoa – Tp.HCM, đề tài nghiên cứu đề xuất xây dựng mơ hình dự đốn kết học tập sinh viên áp dụng kỹ thuật học máy: Collaborative Filtering, Matrix Factorization, Item – based Collaborative Filtering on Item Factor Matrix of Alternative Least Square,…Đề tài so sánh kỹ thuật áp dụng cho trường hợp liệu vụ thể, qua đánh giá mơ hình dự đốn triển khai áp dụng PĐT 7.2 Hướng phát triển Dựa vào tập liệu kết học tập kết hợp điểm trúng tuyển đại học, hình thức trúng tuyển…… trực quan hóa để nhà Trường có chiến lược tuyển sinh, chương trình đào tạo tương lai Dựa vào tập liệu kết học tập, xây dựng module phân tích mức độ tương quan kết học tập trường trung học phổ thơng, từ có điều chỉnh hình thức giảng dạy cho phù hợp 75 TÀI LIỆU THAM KHẢO [1] Abeer Badr El Din Ahmed , Ibrahim Sayed Elaraby, data mining: a for prediction for student’s performance using classification method, World Journal of Computer Application and Technology 2(2): 43-47, 2014 [2] Z Iqbal, J Qadir, A N Mian, and F Kamiran, “Machine learning based student grade prediction: A case study,” CoRR, Aug 2017 [3] Nguyễn Thái Nghe.Hệ thống dự báo lực học tập hỗ trợ sinh viên lựa chọn môn học Đề tài NCKH cấp trường Đại học Cần Thơ, 2013 [4] D Lee and H Seung, “Algorithms for non-negative matrix factorization,” in Proceedings of the 13th International Conference on Neural Information Processing Systems, pp 535–541, vol.13,Jan 2000 [5] N Thai-nghe, L Drumond, R Nanopoulos, and L Schmidt-thieme, “Recommender system for predicting student performance,” in In Proceedings of the 3rd International Conference on Computer Supported Education (CSEDU), 2011 [6] D Nurjanah, “Good and similar learners’ recommendation in adaptive learning systems,” Conference on Computer Supported Education, vol 1, pp 434–440, 2016 [7] Internation Educational Data mining Society, accessed on 01/07/19 Available: http://educationaldatamining.org/ [8] Website MymediaLite, accessed on 01/07/19 Available: http://mymedialite.net [9] [10] http://www.netflixprize.com/ accessed on 01/07/19 Toscher A and Jahrer M.Collaborative filtering applied to educational data mining Proceedings of the KDD Cup 2010 Workshop on Improving Cognitive Models with Educational Data Mining, Washington, DC, USA, 2010 [11] HerlockerJ.Letal Evaluating collaborative filtering recommender systems ACM Trans.Inf.Syst, vol.22, 1, pp.5-53 2004 [12] C Romero, S Ventura, P G Espejo, and C Hervás, “Data mining algorithms to classify students,” 1st International Conference on Educational Data Mining, p 8–17, Jun 2008 76 [13] N Thai-nghe, L Drumond, R Nanopoulos, and L Schmidt-thieme, “Recommender system for predicting student performance,” in In Proceedings of the 3rd International Conference on Computer Supported Education, 2011 [14] Vo Thi Ngoc Chau, Nguyen Hua Phung,A Random Forest-Based Self-training Algorithm for Study Status Prediction at the Program Level: minSemi-R, This research is funded by Vietnam National University HCM city under grant number C2016-20-16 , pp.01-12, 2016 [15] Vo Thi Ngoc Chau, Nguyen Hua Phung, Transfer learning-based case base preparation for a case-based reasoning-based decision making support model in the educational domain, This research is funded by Vietnam National University Ho Chi Minh city , Viet Nam, under grant number C2016-2016,pp.01-14, 2016 [16] R Turnip, D Nurjanah, and D Kusumo, “Hybrid recommender system for learning material using content-based filtering and collaborative filtering with good learners’ rating,” in 2017 IEEE Conference on e-Learning, eManagement and e-Services (IC3e), Nov 2017, pp 61–66 77 LÝ LỊCH TRÍCH NGANG Họ tên: Nguyễn Thành Xuân Trâm Ngày sinh: 1988 Nơi sinh: Tiền Giang Địa liên lạc: B12/10W Tân Kiên, Bình Chánh, TPHCM Q TRÌNH ĐÀO TẠO Chương trình Thời gian Địa điểm 2006 - 2010 Bậc đào tạo: Cử nhân Trường Đại học Tôn Đức Thắng Tp.HCM Trường: Đại học Tôn Đức Thắng Ngành: Công nghệ thông tin 2014 - 2019 Bậc đào tạo: Thạc sĩ Trường đại học Bách Trường: Đại học Bách Khoa, ĐHQG, TP.HCM Khoa, ĐHQG, TP.HCM Ngành: Hệ thống thơng tin quản lý Q TRÌNH CƠNG TÁC Địa điểm cơng tác Thời gian 2010 - Nay Phịng đào tạo – Trường đại học Bách Khoa, ĐHQG, TP.HCM 78 ... học tập sinh viên hỗ trợ hệ thống quản lý học vụ áp dụng PĐT, Trường đại học Bách Khoa Tp HCM - Đánh giá kết việc xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ. .. học sinh viên học học kỳ  Phân hệ quản lý học phí, học bổng: chức quản lý học phí sinh viên học kỳ, khoản nợ sinh viên? ??  Phân hệ quản lý lịch thi: chức xếp lịch thi cho sinh viên  Phân hệ quản. .. TÀI Xây dựng phương pháp dự đoán kết học tập sinh viên hỗ trợ hệ thống quản lý học vụ Phòng Đào Tạo – Trường Đại học Bách Khoa Tp.HCM II NHIỆM VỤ VÀ NỘI DUNG - Tìm hiểu trạng tình hình học tập sinh

Ngày đăng: 04/03/2021, 20:45

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[2] Z. Iqbal, J. Qadir, A. N. Mian, and F. Kamiran, “Machine learning based student grade prediction: A case study,” CoRR, Aug. 2017 Sách, tạp chí
Tiêu đề: Machine learning based student grade prediction: A case study,” "CoRR
[4] D. Lee and H. Seung, “Algorithms for non-negative matrix factorization,” in Proceedings of the 13th International Conference on Neural Information Processing Systems, pp. 535–541, vol.13,Jan. 2000 Sách, tạp chí
Tiêu đề: Algorithms for non-negative matrix factorization,” in "Proceedings of the 13th International Conference on Neural Information Processing Systems
[5] N. Thai-nghe, L. Drumond, R. Nanopoulos, and L. Schmidt-thieme, “Recommender system for predicting student performance,” in In Proceedings of the 3rd International Conference on Computer Supported Education (CSEDU), 2011 Sách, tạp chí
Tiêu đề: Recommender system for predicting student performance,” in "In Proceedings of the 3rd International Conference on Computer Supported Education (CSEDU)
[6] D. Nurjanah, “Good and similar learners’ recommendation in adaptive learning systems,” Conference on Computer Supported Education, vol. 1, pp.434–440, 2016 Sách, tạp chí
Tiêu đề: Good and similar learners’ recommendation in adaptive learning systems,” "Conference on Computer Supported Education
[7] Internation Educational Data mining Society, accessed on 01/07/19 Available: http://educationaldatamining.org/ Link
[1] Abeer Badr El Din Ahmed , Ibrahim Sayed Elaraby, data mining: a for prediction for student’s performance using classification method, World Journal of Computer Application and Technology 2(2): 43-47, 2014 Khác
[3] Nguyễn Thái Nghe.Hệ thống dự báo năng lực học tập và hỗ trợ sinh viên lựa chọn môn học. Đề tài NCKH cấp trường. Đại học Cần Thơ, 2013 Khác

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w