Đang tải... (xem toàn văn)
Hệ thống bắt đầu bằng việc nhận thông tin từ phía học viên và lưu trữ chúng vào trong cơ sở dữ liệu học viên trong thành phần thứ 1, những nhu cầu của học viên có liên quan đến tài nguyê[r]
(1)BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG
Họ tên tác giả:
TRẦN NAM THÀNH
Tên đề tài:
HỆ THỐNG TƯ VẤN TÀI NGUYÊN HỌC TẬP
Chuyên ngành: Khoa học máy tính Mã số:……
ĐỀ CƯƠNG NGHIÊN CỨU LUẬN VĂN THẠC SĨ:
Ngành Khoa học máy tính
(2)1 Tóm tắt mục tiêu & nội dung thực hiện
Dạy học điện tử (E – Learning) nước ta năm gần có bước phát triển đáng kể Mơ hình áp dụng thành công số đơn vị
Tuy khác với phương pháp dạy truyền thống, dạy điện tử với khả tương tác cao dựa multimedia, tạo điều kiện cho người học trao đổi thông tin dễ dàng đưa nội dung học tập phù hợp với khả sở thích người [10]
Với phương pháp dạy học truyền thống, hay qua tương tác chúng có mặt thuận lợi hạn chế riêng Cụ thể trình học, giáo viên học viên gặp nhiều khó khăn việc chọn lựa tài nguyên học tập
Cho nên cần có qui trình tự động trao đổi thông tin tài nguyên học tập giáo viên học viên Hệ thống tư vấn làm tăng thêm hoạt động dạy học điện tử tăng nhanh số lượng chất lượng [1]
Mục tiêu đề tài đặt ra:
Đề xuất mơ hình hệ thống tư vấn tài ngun học tập, cơng cụ hỗ trợ tốt học viên việc tìm tài liệu cần thiết phục vụ cho việc học Hai kỹ thuật sử dụng kèm theo mơ hình là: phương pháp dùng để ước lượng đa tiêu chuẩn cho yêu cầu học viên, phương pháp tìm kiếm sử dụng logic mờ để tìm tài liệu học tốt theo yêu cầu học viên
Phỏng theo mơ hình phát triển hệ thống hỗ trợ lớp học trực tuyến với số lượng học viên đông học tập có hiệu
2 Cơ sở lý thuyết
1.1 Các kỹ thuật thiết kế hệ thống tư vấn
Những nghiên cứu hệ thống tư vấn chia làm loại: nghiên cứu phát triển kỹ thuật cho hệ thống, nghiên cứu hoạt động người dùng vấn đề riêng tư [1] Một dãy kỹ thuật tư vấn chẳng hạn data mining, agents suy luận, phát triển tích hợp vào hệ thống [3], [4], [5], [6]
(3)Hệ thống tư vấn content – based cung cấp lời tư vấn cho khách hàng cách tự động dựa việc đối sánh sở thích phù hợp với nội dung sản phẩm
Trong hệ thống content – based, sản phẩm mô tả tập thuộc tính thơng dụng sở thích khách hàng dùng để tiên đốn phân tích mối quan hệ đánh giá sản phẩm phụ thuộc nhiều vào thuộc tính sản phẩm Một vấn đề trọng tâm content – based cần thiết phát nhận diện tập thuộc tính phải đủ lớn Trong trường hợp tập nhỏ, ngược lại làm cho thông tin không đủ để biết thông tin khách hàng Chính vậy, content – based sử dụng cho khách hàng mua lần, khách hàng tiềm người ghé thăm web site chưa tạo giao dịch mua bán khác hàng người muốn mua không thường xuyên
Hệ thống collaborative đánh giá sở thích khách hàng cho sản phẩm dựa chồng chéo nhiều sở thích sản phẩm nhiều người khác [8][11][12]
Điểm khác biệt hệ thống collaborative content – based collaborative lần vết theo hoạt động khứ nhóm khách hàng có đề nghị cho thành viên nhóm Sử dụng cách tiếp cận này, khách hàng nhận lời tư vấn sản phẩm thường không giống nội dung [11][12]
Collaborative phải đối đầu với thử thách mà vấn đề liệu thưa, khó khăn cho collaborative phải tính tốn cách xác neighborhood nhận sản phẩm tư vấn, vấn đề sản phẩm thêm vào hệ thống liệu đánh giá khách hàng hồn tồn chưa có
Học viên cần lưu trữ lại học kỹ thuật hỗ trợ lời đề nghị Chất lượng lời tư vấn phải đảm bảo hệ thống tư vấn thương mại điện tử (e – commerce), lời tư vấn tồi dẫn đến tình trạng:
false negative: tài nguyên học tập không giới thiệu học viên cần đến
(4)1.2 Mơ hình hệ thống
1.3 Mơ tả mơ hình
Có thành phần chính:
1 – getting student information: nhận thơng tin học viên
2 – identifying student requirement: nhận biết nhu cầu học viên – learning material matching analysis: tìm tài nguyên học – generaing reccommendation: phát sinh lời tư vấn
4 thành phần kết nối với giao diện người dùng, sở liệu học viên, sở liệu tài nguyên học Hệ thống bắt đầu việc nhận thơng tin từ phía học viên lưu trữ chúng vào sở liệu học viên thành phần thứ 1, nhu cầu học viên có liên quan đến tài nguyên học phân tích thành phần Bộ phân tích nhu cầu học viên dùng để phân tích để nhận nhu cầu học viên Trong thành phần 3, đối sánh tập luật sử dụng để khám phá liên kết, kết hợp nhu cầu học viên tài nguyên học Trong thành phần 4, danh sách tài nguyên xuất phù hợp với nhu cầu học viên
Định nghĩa
Trong trường hợp này, học viên biểu diễn vector X = (x1, x2,
…, xn) Đa tiêu chuẩn tiêu chí cho việc đánh giá yêu cầu học viên
được biểu diễn biến độc lập, viết vector tiêu chuẩn C = (c1, c2, … cm)
Student Interface
1: Getting student information
2: student require identification
3: Learning material analysis
4: Learning recommendation generation
Student database
Matching Rules Multi-criteria
student require
analysis model Learning material tree Learning material
management Intensional information
(5)Một yêu cầu sinh viên xi cho tài nguyên học biểu diễn dạng
một vector Ri1 = (n1, f1, …, fp) Trong đó:
1<= i <= n
ri1 yêu cầu nội dung học
f1, , fp: đặc điểm yêu cầu tài nguyên học tập
Những lời tư vấn cho sinh viên xi tìm thấy danh sách tài nguyên
học tập Li = (li1, li2, …, lik) từ kết phân loại tài nguyên học
Tập tài nguyên học Li đối sánh với yêu cầu học viên Ri (i = 1, 2, 3, …n) với
một luật đối sánh mờ FMm {(Rm,Lmj,(Rm,Lmj))},m1, ,k Trong phép đối sánh mờ này,
FMm, Rm thuộc R
lmj thuộc L
thành viên lmj cho rm, rm phân cấp tiêu chuẩn phân
loại tài nguyên học m = 1, … k
1.4 Phân tích thành phần (1) Nhận thông tin học viên
Thành phần mục tiêu dùng để lấy thông tin học viên nhận học viên học viên đăng kí vào sở liệu
Thơng tin lấy lấy từ nhiều nguồn thông tin khác
Intensional information: thơng tin học viên quan tâm để tài nguyên học tập chẳng hạn chủ đề từ khóa mà học viên quan tâm
Extensional Information: thông tin lấy từ họat động khác học viên, chẳng hạn từ tài nguyên học truy cập trước đó, thơng tin lớp học mà học viên học quan tâm …
Trên sở thông tin lấy từ nguồn trực tiếp gián tiếp, tất nhằm mục đích chuyển giao thơng tin nhận cho thành phần để giúp nhận yêu cầu học viên
(2) Nhận biết yêu cầu học viên
(6)phương pháp phân tích đa tiêu chuẩn cung cấp cho mơ hình phân tích u cầu học viên
Thành phần tìm thơng tin từ nhiều nguồn thông tin khác cung cấpmột mô hình phân tích đa tiêu chuẩn u cầu học viên Cơ sở liệu học viên có nhiều mẩu tin liên quan đến cách học, cách truy cập đến tài nguyên học lưu trữ nhóm học viên khác (chẳng hạn nhóm học viên kinh tế, học viên tư nhiên xã hội nhân văn …) Những mẩu tin sử dụng nhằm giúp hệ thống nhận sở thích riêng học viên học viên lân cận nhóm
Dùng cách tiếp cận này, học viên nhận lời tư vấn tài nguyên học tập mà người bạn khóa học thích Ngồi ra, thành phần tìm kiếm dựa theo mối quan hệ có ý nghĩa, liệu yêu cầu sinh viên liên quan đến tài ngun học lớp
Mơ hình phân tích yêu cầu học viên đa tiêu chuẩn đề việc sử dụng khái niệm mô hình định đa tiêu chuẩn xây dựng nhằm phục vụ cho tất học viên Nhưng học viên có số khác tiêu chuẩn mà thấy qua đặc điểm riêng trình học tập
Có nhiều phương pháp khác để giải vấn đề đa tiêu chuẩn Cách tiếp cận nghiêm ngặt đề nghị dùng kiểm tra điều kiện khác phát triển hàm định trị đa tiêu chuẩn Trong tình thực tế, giá trị tiêu chuẩn thường không chắn biểu diễn từ cụm từ “important”, “more important”, “strong background”, “weak background”
Chính vậy, tập mờ sử dụng để nhằm đưa giải pháp cho việc lưu trữ vấn đề đa tiêu chuẩn
(3) Tìm kiếm tài nguyên học
Thành phần sử dụng tập luật đối sánh mờ để tìm tài nguyên học phù hợp với yêu cầu học viên cung cấp Trong hầu hết trang Web e – learning, phân loại tài nguyên học có sẵn phân loại tài nguyên học trình bày phần thực hành có khả phân lớp với tập tài nguyên học từ thấp đến cao
Nút dùng để mô tả thể tài nguyên học nút nút dùng để biểu diễn phân lớp tài nguyên học cách kết hợp nút cấp thấp vào nút cha
(7)khiển phân lớp không chắn phân lớp tài nguyên học mô tả để làm nhiệm vụ phân tích liệu đế hiệu nâng cao Tập mờ dựa sở độ đo khoảng cách mờ [16] giới thiệu hướng phát triển việc đối sánh yêu cầu học viên đến tài nguyên học chúng phụ thuộc nhiều vào tính co giãn tập mờ
Trong thành phần này, cung cấp tập yêu cầu Ri sinh viên xi, luật kết hợp rút ngắn từ mẫu Ri Li (tìm Li dựa Ri) Li
là tập tài nguyên học chủ đề dựa tiêu chuẩn đánh giá Nhiệm vụ thành phần tìm cho tập tài nguyên học Li = (li1, li2, …, lik) cho
học viên xi, lim một phân lớp tài nguyên học có cấp
(4) Phát sinh tư vấn tài nguyên học
Bằng việc sử dụng tập luật tìm kiếm để khám phá kết hợp yêu cầu học viên danh sách tài nguyên học (N) Ngồi ra, thành phần cịn nhắm đến việc làm để định N cho top – N giới thiệu tài nguyên học định dạng riêng tư vấn Những tư vấn xử lí mẩu tin lưu trữ vào sở liệu học viên 3 Phạm vi ứng dụng
Mơ hình đề xuất để mục tiêu phục vụ rộng rãi lĩnh vực giáo dục, tập trung vào mơ hình E – Learning, phát triển mơ dịch vụ hỗ trợ trường học trung tâm có tổ chức lớp học trực tuyến mạng 4 Dự kiến kết đạt được
Kết dự kiến tập trung việc phát triển ứng dụng từ mô hình đề xuất, thử nghiệm mơ hình Trung Tâm Phát Triển CNTT ĐHQG TP HCM đơn vị có kinh nghiệm thành cơng lĩnh vực áp dụng mơ hình E-learning vào việc đào tạo qua mạng máy tính viễn thơng
Một số minh họa ý tưởng phác thảo bảng liệu cho hệ thống SID Name Background Style Type …
102 Nam CNTT A PT
103 Lan Kỹ thuật B FT
104 Hoa Kinh tế B FT
… … … … …
Bảng 1: ví dụ thơng tin học viên
(8)102 L-234 07/06/05 104 L-133 03/04/05
… … …
Bảng 2: Ví dụ bảng lưu trữ lại tài nguyên học viên truy cập
SID Access possibility List
102 96 L-234, L-343, L-355
103 90 ER transformation
104 80 L-311, L-322
Bảng 3: Ví dụ đề xuất
Cây tài nguyên học
5 Hướng phát triển
Mặc dù kỹ thuật thiết kế cho hệ thống tư vấn: content – based collaborative filtering cho số hạn chế sử dụng (đã nêu), nhiên hướng đến mục
Database subject
Introduction
ER- Modeling
Normalization
SQL
Transaction
Businness Rules
Draw ER Model
ER-Tranformation
L-221,3,. L-222.
L-223,3,.
L-224,2,.
L-231,1,. L-232,2,.
…
…
L-533,1,.
(9)tiêu kết hợp kỹ thuật vào hệ thống để hệ thống hồn chỉnh hơn, giảm độ sai sót lỗi mà hệ thống tư vấn thường gặp phải false positive false negative
6 Tài liệu tham khảo
[1] Jei Lu, A Personalized E – Learning Material Recommender System, Proceedings of the 2nd International Conference on Information Technology for Application (ICITA 2004)
[2] S.W Changchien, and T Lu, “Mining association rules procedure to support on-line recommendation by customers and products fragmentation” Expert Systems with Applications Vol 20 (2001), pp 325–335
[3] K.W Cheung, J.T Kwok, M.H Law and K.C Tsui, “Mining customer product ratings for personalized marketing” Decision Support Systems Vol 35 (2003), pp 231-243 Research Vol 34 (1988), pp 152-159
[4] T.H Cho, J K Kin and S H Kim, “A personalized recommender system based on web usage mining and decision tree induction” Expert Systems with Applications 23 (2002), pp 329-342
[5] O.B Kwon, “I know what you need to buy” context –aware multimedia-based recommendation system” In Expert Systems with Applications, 2002, (Article in Press)
[6] R.D Lawrence, G.S Almasi, V Kotlyar, M.S Viveros and S Duri, “Personalization of supermarket product recommendations” Data Mining and Knowledge Discovery Vol (2001), pp 11–32
[7] T.H Roh, K.J Oh and I Han, “The collaborative filtering recommendation based on SOM cluster-indexing CBR” Expert Systems with Applications, 2003, (Article in Press)
[8] Loren Terveen and Will Hill, Beyond Recommender Systems: Helping People Help Each Other, AT&T Labs - Research
[9] Võ Tâm Vân, Luận văn thạc sỹ: Ứng dụng tính toán lưới cho dạy học điện tử, CH K12, ĐHKHTN ĐHQG TP Hồ Chí Minh, hướng dẫn khoa học TS Lê Hoài Bắc
[10] Web site http://el.edu.net.vn/ E – Learning Trung Tâm Tin Học, Bộ Giáo Dục & Đào Tạo
(10)[12] Nguyễn Công Phú, Using Trust In Reccomender System: An experimental Analysis, CH K13 trường ĐHKHTN ĐHQG TP Hồ Chí Minh, GVHD: PGS TS Đồng Thị Bích Thủy
[13] L A Zadeh, “Fuzzy sets” Inform & Control Vol 8(1965), pp 338-353 [14] O.R Zaiane “Web usage mining for better web-based learning environment” In Prof of Conference on Advanced Technology for Education, pp 60-64, Banff, AB, June 2001
[15] R.R Yager, “Fuzzy logic methods in recommender systems” Fuzzy Sets and Systems Vol 136 (2003), pp 133-149
[16] G.QZhang “On fuzzy number-valued fuzzy measures defined by fuzzy number-valued fuzzy integrals I” Fuzzy Sets and Systems Vol 45 (1992), pp 227-237
Giảng viên hướng dẫn Học viên cao học
http://el.edu.net.vn/