Luận văn hệ tư vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp trung học phổ thông quốc gia

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÀ RỊA - VŨNG TÀU - BARIA VUNGTAU UNJVkRSHY LÂM THỊ ANH HOÀNG HỆ TƯ VẤN CHO HỌC SINH CHỌN TỔ HỢP MÔN THI TỐT NGHIỆP TRUNG HỌC PHỔ THÔNG QUỐC GIA LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Bà Rịa - Vũng Tàu, tháng 04/2021 ' BỘ GIÁO DỤC VÀ ĐÀO TẠO ' TRƯỜNG ĐẠI HỌC BÀ RỊA - VŨNG TÀU - BARIA VUNGTAU UNJVkRSHY LÂM THỊ ANH HOÀNG HỆ TƯ VẤN CHO HỌC SINH CHỌN TỔ HỢP MÔN THI TỐT NGHIỆP TRUNG HỌC PHỔ THƠNG QUỐC GIA Chun ngành: Cơng nghệ thông tin Mã ngành: 8480201 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS VĂN THẾ THÀNH Bà Rịa - Vũng Tàu, tháng 04/2021 Trang LỜI CẢM ƠN Trong suốt trình nghiên cứu thực đề tài luận văn “Hệ tư vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia” nhận giúp đỡ nhiều Quý Thầy Cô Viện Đào Tạo Quốc Tế Sau Đại Học Trường Đại Học Bà Rịa Vũng Tàu, anh chị đồng nghiệp, bạn lớp đặc biệt hướng dẫn tận tình Thầy hướng dẫn, TS.Văn Thế Thành Qua đây, xin cám ơn trường THPT địa bàn Thành phố Vũng Tàu tạo điều kiện, cung cấp số liệu nhà trường để tơi hồn thành luận văn tốt Trong luận văn, hẳn tránh khỏi hạn chế thiếu sót Tơi mong muốn nhận nhiều góp ý q báu Q Thầy Cơ hội đồng, Q bạn đọc để tơi hồn thiện luận văn tốt đồng thời áp dụng vào thực tiễn, nhiều giúp Quý Thầy Cô tư vấn học sinh THPT chọn tổ hợp môn thi tốt nghiệp THPT Một lần nữa, xin chân thành cảm ơn Quý Thầy Cô, đồng nghiệp, bạn bè đặc biệt Thầy TS.Văn Thế Thành hướng dẫn tơi hồn thành đề tài luận văn LỜI CAM ĐOAN Tôi xin cam đoan đề tài luận văn “Hệ tư vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia” công trình nghiên cứu độc lập tơi hướng dẫn giáo viên hướng dẫn Các số liệu, nêu luận văn thu thập từ trường THPT Trần Nguyên Hãn địa bàn Thành phố Vũng Tàu, kết luận văn chưa công bố cơng trình nghiên cứu Tơi xin hoàn toàn chịu trách nhiệm trước hội đồng, khoa, viện sau đại học cam đoan MỤC LỤC •• CHƯƠNG TỔNG QUAN VỀ HỆ TƯ VẤN CHO HỌC SINH CHỌN 1.1.1 1.1.2 1.1.3 1.1.4 1.1.5 1.2.1 1.2.2 1.5.1 1.5.2 1.5.3 1.5.4 2.2.1 2.2.2 2.3.1 2.3.2 2.3.3 2.3.4 2.4.1 2.4.2 2.5.1 2.5.2 2.5.3 MÔN THI 1.1 TỔNG QUAN VỀ NHU CẦU HỆ TƯ VẤN CHỌN MÔN THI Sự cần thiết hệ tư vấn Các nghiên cứu liên quan Cơ sở lý thuyết liên quan đến luận văn 12 Cấu trúc hệ thống 19 Sự đóng góp hệ thống 21 1.2 ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 22 Đối tượng nghiên cứu 22 Phương pháp nghiên cứu 22 1.3 LĨNH VỰC NGHIÊN CỨU 23 1.4 NỘI DUNG NGHIÊN CỨU 24 1.5 QUÁ TRÌNH THỰC HIỆN 24 Các bước thực 24 Các kỹ thuật cần nghiên cứu 25 Các công cụ áp dụng 26 Nội dung chương luận văn 27 1.6 TỔNG KẾT CHƯƠNG .28 CHƯƠNG HỆ TƯ VẤN CHỌN MÔN THI TỔ HỢP CHO HỌC SINH 29 2.1 TỔNG QUAN 29 2.2 PHÂN CỤM DỮ LIỆU DỰA TRÊN K-MEANS 30 Thuật toán K-Means 30 Ví dụ thực nghiệm cho thuật toán K-means 32 2.3 MẠNG SOM 39 Cấu trúc mạng SOM 39 Một ví dụ thực nghiệm cho việc huấn luyện mạng SOM 41 Thuật toán chọn cụm chiến thắng 43 Ví dụ thực nghiệm cho việc chọn cụm chiến thắng 44 2.4 PHƯƠNG PHÁP PHÂN LỚP K-NN 44 Thuật toán phân lớp k-NN 44 Ví dụ thực nghiệm cho thuật toán k-NN 45 2.5 HỆ TƯ VẤN CHO HỌC SINH THI TỐT NGHIỆP THPT 47 Mơ hình hệ thống 47 Quá trình huấn luyện mạng SOM 48 Quá trình phân lớp, tư vấn 49 3.3.1 3.3.2 3.4.1 3.4.2 3.4.3 3.4.4 3.4.5 3.4.6 3.4.7 2.6 TỔNG KẾT CHƯƠNG .49 CHƯƠNG THỰC NGHIỆM 51 3.1 GIỚI THIỆU 51 3.2 MƠ HÌNH THỰC NGHIỆM 52 3.3 XÂY DỰNG HỆ THỐNG 53 Thiết kế sơ đồ lớp 53 Cài đặt cấu trúc lớp 54 3.4 MÔI TRƯỜNG THỰC NGHIỆM 57 Ngơn ngữ lập trình 57 Môi trường thực nghiệm 58 Dữ liệu thực nghiệm 58 Ứng dụng thực nghiệm Server 58 Ứng dụng thực nghiệm Client 60 Kết thực nghiệm liệu có 1073 mẫu 60 Kết thực nghiệm 30% 5231 mẫu liệu 63 3.5 TỔNG KẾT CHƯƠNG 65 KẾT LUẬN 66 TÀI LIỆU THAM KHẢO 67 PHỤ LỤC 69 CÀI ĐẶT CÁC HÀM CHÍNH CỦA HỆ THỐNG 69 BẢNG VIẾT TẮT GD&ĐT Giáo dục Đào tạo HS Học sinh PH THPT Phụ huynh Trung học phổ thơng DANH MỤC CÁC HÌNH ẢNH Số hiệu Tên hình vẽ 1.1 Mơ hình học có giám sát 1.2 1.3 Mơ hình học khơng giám sát 1.4 Mơ hình phân lớp 1.5 Mơ hình thuật tốn k-NN 1.6 Mơ hình tổng qt hệ thống tư vấn 2.1 Mơ hình mạng SOM Mơ hình hệ thống tư vấn học sinh 2.2 2.3 Mơ hình gom cụm Lưu đồ q trình huấn luyện mạng SOM 2.4 Lưu đồ dự báo tư vấn học sinh 3.1 Mơ hình thực nghiệm hệ thống dự báo 3.2 Sơ đồ lớp hệ thống 3.3 Phân cụm liệu học sinh (1075 mẫu) máy server 3.4 Một mô tả liệu cho cụm thứ 3.5 Một cụm Root dùng để quản lý cụm liệu khác 3.6 Quá trình dự báo chọn mơn thi cho học sinh 3.7 Mơ tả độ xác học lực học sinh 3.8 Mô tả độ xác dự báo danh hiệu cho học sinh 3.9 Mơ tả độ xác dự báo tổ hợp môn thi cho học sinh 3.10 Thời gian dự báo trung bình cho mẫu liệu 3.11 Mơ tả độ xác học lực học sinh 3.12 Mơ tả độ xác dự báo danh hiệu cho học sinh 3.13 Mơ tả độ xác dự báo tổ hợp môn thi cho học sinh 3.14 Thời gian dự báo trung bình cho mẫu liệu Trang Chương TỔNG QUAN VỀ HỆ TƯ VẤN CHO HỌC SINH CHỌN MƠN THI •• 1.1 TỔNG QUAN VỀ NHU CẦU HỆ TƯ VẤN CHỌN MÔN THI 1.1.1 Sự cần thiết hệ tư vấn Trước năm 2016, Bộ GD&ĐT công bố phương án thi tốt nghiệp học sinh THPT gồm mơn: mơn bắt buộc Tốn, Ngữ văn, Ngoại ngữ mơn tự chọn mơn Vật lý, Hóa học, Sinh học, Lịch sử, Địa lý [1] Trên sở này, trường THPT tiến hành cho học sinh đăng ký chọn mơn theo lực Vào ngày 28/9/2016 Bộ GD&ĐT công bố phương án thi THPT Quốc gia, học sinh THPT thi thi gồm: thi bắt buộc Toán, Ngữ văn, Ngoại ngữ thi tự chọn: thi Khoa học Tự nhiên thi Khoa học Xã hội Với thi Ngoại ngữ, học sinh chọn thi thứ tiếng: Anh, Nga, Pháp, Trung, Đức, Nhật Học sinh dự thi thi để sử dụng kết xét tuyển vào ĐH, CĐ [2] Với mơ hình thi này, bắt đầu năm học 2016 - 2017, trường THPT gặp nhiều khó khăn nhà trường phải xếp chia lại lớp cho học sinh lớp 12, phân cơng lại chun mơn, xếp lại thời khóa biểu Tuy nhiên, tất việc xếp lại nhà trường dựa mong muốn PH HS, tức dựa ý muốn chủ quan Phương án thỏa mãn nguyện vọng PH HS chưa phát huy hết lực học sinh việc đăng ký chọn môn thi phần lớn dựa vào ý muốn chủ quan theo ý kiến số đông theo nguyện vọng PH Việc lựa chọn không theo đánh giá lực thân khơng dựa phương pháp phân tích có sở khoa học định Vì vậy, đề tài luận văn xây dựng hệ thống tư vấn hỗ trợ cho HS PH chọn lựa tổ hợp môn theo lực học tập 1.1.2 Các nghiên cứu liên quan Đối với hệ thống tư vấn cho học sinh phân loại học sinh theo lực, nhiều nhóm nghiên cứu đưa giải pháp khác cho toán cụ thể nhằm tư vấn cho học sinh, cho nhà trường chọn lựa định hướng để định trường hợp khác như: sử dụng thuật toán K-means để gom cụm học sinh theo lực (gồm mức lực) dựa điểm số môn học [3], sử dụng kỹ thuật định, Bayesian, mạng nơ-ron, kỹ thuật láng giềng, K-MEDIODS để phân lớp gom cụm học sinh theo thuộc tính mối tương quan học sinh giáo viên để phân chia học sinh vào lớp học phù hợp [4], chia nhóm học sinh thuật tốn K-means dựa điểm trung bình mơn theo học kỳ để từ đưa tư vấn phù hợp [5], phân loại học sinh dựa thông tin cá nhân nguyện vọng để từ tư vấn nghề nghiệp cho học sinh THPT phương pháp phân cụm, phân cấp kết hợp với Kmeans [6], phân nhóm học sinh nhằm mở lớp học phù hợp kỹ thuật bảng đồ tự tổ chức SOM (Self-Organizing Map) cấu trúc phân cụm phân cấp [7], sử dụng kỹ thuật học sâu kết hợp FP-Tree tiếp cận Adaboost để phân loại học sinh dựa điểm trung bình mơn học theo học kỳ để từ định hướng cho học sinh nâng cao hiệu suất học tập [8], phân tích điểm số đưa phương án học tập phù hợp kỹ thuật phân cụm phân lớp mạng SOM [9], nghiên cứu phương pháp học không giám sát để phân loại học sinh dựa kỹ thuật luật kết hợp phân tích thành phần PCA (Principal component analysis) để giảm số chiều liệutừ đánh giá hiệu suất học tập học sinh [10], phân nhóm học sinh dựa mức độ học tập theo môn học kỹ thuật SOM [11] Oyelade cộng (2010) tiếp cận thuật toán gom cụm K-means để dự báo hiệu suất học tập cho sinh viên Trong báo này, nhóm tác giả thực phân nhóm học sinh theo mức độ học lực khác (Excellent, Very Good, Trang 54 Trang 55 public GetCenter(){ } public GetWeight(){ } } Lớp Clusteringnhằm thực phân cụm liệu huấn luyện dựa thuật tốn K-Means, sau lưu trữ cụm tập tin nhằm thực việc tìm kiếm cụm chiến thắng phân loại liệu d Lớp SOM-kNN classSOM-kNN { HocSinhCluster HSc; public SOM(){ } public kNN(){ } } Lớp SOM-kNN thiết kế nhằm thực trình huấn luyện tạo mạng SOM, sau phân lớp để dự báo khuyến nghị cho học sinh e Lớp HocSinh classHocSinh { string MasoHocSinh; List Diem; List MonHoc; double khtn; double khxh; string HocLuc; string DanhHieu; public HocSinh(){ } publicstring MASOHS {get;set;} publicList DIEM {get;set;} publicList MONHOC {get;set;} publicdouble KHTN {get;set;} publicdouble KHXH {get;set;} publicstring HOCLUC {get;set;} publicstring DANHHIEU {get;set;} } Lớp HocSinh thiết kế nhằm lưu trữ liệu cho đối tượng học sinh bao gồm mã số học sinh, điểm, môn học, học lực, danh hiệu Các đối tượng học sinh gom cụm dựa thuật toán K-Means thiết kế lớp Clustering, sau đánh dấu láng giềng huấn luyện Trang 56 trọng số dựa phương thức lớp SOM-kNN f Lớp CenterWeight classCenterWeight { List Center; List Weight; public CenterWeight(){ } publicList CENTER {get;set} publicList WEIGHT {get;set} } Lớp CenterWeight lưu trữ đối tượng chứa liệu tâm cụm trọng số kết nối cụm để làm sở cho lớp HocSinhCluster g Lớp RootCluster Lớp RootClusterđược thiết kế nhằm quản lý tra cứu nhanh cụm q trình phân loại tìm kiếm thơng tin classRootCluster { List ListCW; List ListFilenameCluster; public RootCluster() { } publicList LISTCW {get;set} publicList LISTFILE {get;set} } 3.4 MÔI TRƯỜNG THỰC NGHIỆM 3.4.1 Ngơn ngữ lập trình Tồn chương trình thực ngơn ngữ lập trình C# sở tảng dotNetFramework 4.6.1, lớp phương thức lớp mã hóa ngơn ngữ cấu trúc C# nhằm giúp cho phía người dùng dễ dàng ứng dụng hệ điều hành Windows Ngồi ra, trình Client trình Server thực ngơn ngữ C# để thuận tiện q trình đóng gói chương trình, triển khai dễ dàng 3.4.2 Mơi trường thực nghiệm Hệ thống chương trình tư vấn cho học sinh chia thành hai phân Trang 57 hệ thực thi Client Server mơ tả sau: • Phân hệ Server thực máy tính có hệ điều hành Windows 10 Pro; xử lý Intel(R) Core(TM) i9-9880H CPU @ 2.30GHz 2.30 GHz; RAM 16.0 GB (15.9 GB usable); hệ điều hành 64bit • Phân hệ Client thực thi máy tính có hệ điều hành Windows 10 Home; xử lý Intel(R) Core(TM) i5-5200U CPU @ 2.20GHz 2.20 GHz; RAM 8.0 GB (7.89 GB usable); hệ điều hành 64bit 3.4.3 Dữ liệu thực nghiệm Dữ liệu sưu tập từ nhiều nguồn khác trường THPT Thành phố Vũng Tàu từ 2015 đến 2019 Mỗi liệu chia thành hai phần gồm liệu huấn luyện (—70%) liệu kiểm thử ( -30%) Trong luận văn này, hai liệu sưu tập có 1075 mẫu 5231 mẫu 3.4.4 Ứng dụng thực nghiệm Server Hình 3.3 Phân cụm liệu học sinh (1075 mẫu) máy server Trang 58 Hình 3.4 Một mơ tả liệu cho cụm thứ Hình 3.3 hình 3.4 mơ tả q trình thực phân cụm liệu kết sau thực Trong đó, hình 3.3 thực trình phân cụm liệu từ sưu tập liệu học sinh, sau trình phân cụm KMeans thực hiện, sở trọng số cụm trích xuất theo tầng suất xuất liệu tương ứng với học lực học sinh Hình 3.4 mơ tả kết cụm gồm tâm cụm, trọng số, phần tử liệu j *RootCluster - Notepad — □X File Edit Format View Help Clusterl.txt@Center@8.58928571428571 8.49821428571428 8.54285714285714 9.01160714285714 8.68303571428571 8.82946428571429 A @Weight@0.0664727392879333 0.0657679258711589 0.9661134182323229 0.0697410880245438 9.0671982642463775 9.96833 Cluster2.txt@Center@7.92391394347826 7.68260869565218 7.87934782608696 8.54782608695652 8.03695652173914 8.08894347826087 @Weight@0.6663934426229568 0.0643715846994536 0.9660200364298725 0.0716211293260473 9.9673496193978325 6.06776 Cluster3.txt@Center@6.98931496962992 7.17716535433971 6.83464566929134 7.91574803149696 7.01102362294724 8.44645669291339 @Weight@0.0696863469524983 0.0623977436866353 0.9594199029292369 0.060994393444643 0.9699533197799237 0.073432 Cluster4.txt@Center@6.74274869166365 6.73053435114504 7.21679389312977 7.86641221374946 7.27022999763359 7.14589152671756 @Weight@6.0629594162506463 0.0619389128133078 0.9664128357873441 0.0723999744857817 9.9669045745756997 0.06575 Cluster5.txt@Center@6.48526315789474 8.13894736842105 7.5621952631579 8.54526315789474 8.0821052631579 8.41999999999999 @Weight@0.6579727188513291 0.07162575266327 0.9665493283927745 9.0752914821676702 9.9711255210745716 0.074999] Cluster6.txt@Center@5.07962962962963 4.78981481481482 5.11944444444445 6.31851851851852 5.40833333333333 6.175 5.044444444 @Weight@0.0566261702501006 0.0533954026073224 0.057070013728182 0.0704369277773764 0.0602904594296095 0.068837 Cluster7.txt@Center@8.29857142857143 8.22095238995238 7.67142857142857 7.6752380952381 7.86095238995238 8.56199476190476 @Weight@6.0669916864769992 9.0679619879839543 6.9625232861469894 0.0625543343268753 6.9649679334326875 9.96978 Cluster8.txt@Center@7.8448275862069 8.98793163448276 7.83163448275862 8.66034482758621 8.18965517241379 8.54310344827586 @Weight@6.0590692900409119 9.0678154771370332 6.9656614575659959 9.0726159376592023 9.06866841198525 9.9716319 Cluster9.txt@Center@5.69969696966666 5.75696969696999 6.67575757575758 7.23999999696969 6.35151515151515 6.79636363636364 @Weight@6.0557274234886175 9.9572229769289462 6.9694552992612694 9.9719493441881561 9.9631991557364691 9.66762 Clusterl6.txt@Center@7.44878648786488 8.41585365853658 7.7169756997561 8.69512195121951 8.27682926829268 8.61219512195122 JS)Weight@e.6619963953937192 9.9796452696769574 6.9641785591635565 9.6723696239283591 6.9688881671698841 6.87167 Ln 20, Col 100% Windows (CRLF) UTF-8 Hình 3.5 Một cụm Root dùng để quản lý cụm liệu khác v Trang 59 Để quản lý trích xuất nhanh danh sách cụm, lớp RootCluster thiết kế Hình 3.5 kết mơ tả cho q trình phân cụm tạo thành RootCluster, cụm quản lý định danh cụm (tên tập tin cụm), tâm cụm trọng số cụm 3.4.5 Ứng dụng thực nghiệm Client Hình 3.6 Quá trình dự báo chọn mơn thi cho học sinh Hình 3.6 mơ tả trình dự báo khuyến nghị chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia với đầu vào thông tin học sinh, kết dự báo học lực, danh hiệu, điểm tổ hợp mơn KHTN, điểm tổ hợp mơn KHXH từ đưa kiến nghị chọn môn tổ hợp phù hợp với lực học sinh 3.4.6 Kết thực nghiệm liệu có 1073 mẫu Bảng 3.1 Độ xác dự báo 30% mẫu liệu Bộ liệu Mẫu liệu Dự báo Dự báo danh Dự báo tổ học lực hiệu hợp môn thi TB thời gian Bộ Mẫu đến 50 68.00% 100.00% 78.00% 344.88 Bộ Mẫu 51 đến 100 100.00% 32.00% 96.00% 484.37 Bộ Mẫu 101 đến 150 92.00% 78.00% 74.00% 334.06 Bộ Mẫu 151 đến 200 100.00% 92.00% 92.00% 392.40 Bộ Mẫu 201 đến 250 100.00% 24.00% 96.00% Bộ Bộ Mẫu 251 đến 300 Mẫu 301 đến 359 562.82 378.39 74.00% 56.00% 81.36% 50.85% 89.83% 359.44 88.00% Trang 60 Theo kết dự báo 30% liệu Bảng 3.1, có tổng số liệu kiểm thử 359 mẫu liệu chia thành liệu ngẫu nhiên khác nhau, trung bình có 50 mẫu liệu để thực dự báo tư vấn tổ hợp môn thi Theo kết dự báo học lực độ xác dao động khoảng 68% đến 100% (giá trị trung bình 87.91%), độ xác dự báo cho danh hiệu học sinh từ 24% đến 100% (độ xác trung bình 61.84%) dự báo tư vấn chọn tổ hợp môn thi có độ xác từ 74% đến 96% (trung bình 87.69%); tương ứng với thời gian dự báo trung bình 408 milli giây Hình 3.7 hình 3.11 đồ thị mơ tả độ xác trung bình việc dự báo học lực theo nhóm học sinh ứng với liệu có 1073 mẫu Theo đồ thị cho thấy, độ xác việc dự báo tương đối cao áp dụng cho liệu lớn Hình 3.8 hình 3.12 đồ thị mơ tả dự báo danh hiệu cho học sinh theo từ nhóm liệu Qua kết dự báo cho thấy, phương pháp đề xuất cho kết dự báo với độ xác chấp nhận cải thiện độ xác số liệu nhiều DỰ BÁO HỌC LỰC 60.00% 40.00% 20.00% 0.00 % — —Dự báo học lực Bộ 68.00 % Bộ 100.00 % Bộ 92.00 % Bộ 100.00 % Bộ 100.00 % Hình 3.7 Mơ tả độ xác học lực học sinh Bộ 74.00 % Bộ 81.36 % Trang 61 0.00 % — —Dự báo danh hiệu Bộ 100.0 0% Bộ 32.00 % ' — Bộ 78.00 % Bộ 92.00 % _ Bộ 24.00 % Bộ 56.00 % Bộ 50.85 % S'- DỰ BÁO DANH HIỆU 120.00% Hình 3.8 Mơ tả độ xác dự báo danh hiệu cho học sinh Hình 3.9 hình 3.13 mơ tả độ xác việc chọn tổ hợp mơn thi KHTN KHXH Theo kết đồ thị cho thấy, độ xác tương đối cao nhóm học sinh Từ đó, kết phương pháp đề xuất mang tính khả thi cao ứng dụng vào việc tư vấn, khuyến nghị cho học sinh chọn tổ hợp mô thi 120.00% _ r _ -*> ■*>• DỰ BÁO TỔ HỢP MÔN THI 100.00% 60.00% 40.00% 20.00% 0.00 % — —Dự báo tổ hợp môn thi Bộ 78.00 % Bộ 96.00 % Bộ 74.00 % Bộ 92.00 % Bộ 96.00 % Bộ 88.00 % Hình 3.9 Mơ tả độ xác dự báo tổ hợp mơn thi cho học sinh Bộ 89.83 % Trang 62 V _ _ _ _ —>_ THỜI GIAN TRUNG BÌNH 200.00 100.00 0.00 — —Thời gian trung bình Bộ 344.8 Bộ 484.3 Bộ 334.0 Bộ 392.4 Bộ 562.8 Bộ 378.3 Bộ 359.4 Hình 3.10 Thời gian dự báo trung bình cho mẫu liệu Theo hình 3.10 hình 3.14, thời gian dự báo cho mẫu liệu tương đối nhanh áp dụng cho liệu thực tế triển khai cho người dung để thực trình tư vấn chọn lựa môn thi tổ 3.4.7 hợp Kết q uả thực nghiệm 30% 5231 mẫu liệu Bảng 3.2 Độ xác dự báo 30% mẫu liệu Bộ Dự báo Dự báo Dự báo tổ liệu học lực danh hiệu hợp môn thi Mẫu đến 250 97.60% 97.60% 91.60% 3643.57875 Mẫu 251 đến 500 Mẫu 501 đến 750 91.60% 96.00% 91.60% 96.00% 97.60% 91.60% 3394.22455 3821.56515 Mẫu 751 đến 1000 95.20% 95.20% 92.00% 3679.713 Mẫu 1001 đến 1250 99.20% 99.20% 95.20% 3158.87446 Mẫu 1251 đến 1500 92.40% 92.40% 95.20% 3904.67071 Mẫu 1501 đến 1750 96.40% 96.40% 78.00% 3835.79677 Bộ Bộ Bộ Bộ Bộ Bộ Bộ TB thời gian 90.00% 88.00% 86.00 % — — Dự báo học lực Bộ 97.60 % Bộ 91.60 % Bộ 96.00 % Bộ 95.20 % Bộ 99.20 % Bộ 92.40 % Bộ 96.40 % Hình 3.11 Mơ tả độ xác học lực học sinh 90.00% 88.00% 86.00 % — —Dự báo danh hiệu Bộ 97.60 % Bộ 91.60 % Bộ 96.00 % Bộ 95.20 % Bộ 99.20 % Bộ 92.40 % Bộ 96.40 % Hình 3.12 Mơ tả độ xác dự báo danh hiệu cho học sinh _ _ - ' _ DỰ BÁO TỔ HỢP MÔN THI 120.00% 60.00% 40.00% 20.00% 0.00 % — — Dự báo tổ hợp môn thi Bộ 91.60 % Bộ 97.60 % Bộ 91.60 % Bộ 92.00 % Bộ 95.20 % Bộ 95.20 % Bộ 78.00 % Hình 3.13 Mơ tả độ xác dự báo tổ hợp mơn thi cho học sinh 4500 4000 3500 3000 2500 2000 1500 1000 500 _ Bộ Bộ Bộ Bộ Bộ Bộ Bộ TB thời gian 3643.57883394.22453821.5652 3679.713 3158.87453904.67073835.7968 TB THỜI GIAN Hình 3.14 Thời gian dự báo trung bình cho mẫu liệu 3.5 TỔNG KẾT CHƯƠNG Trong chương này, ứng dụng thực nghiệm xây dựng dựa sở lý thuyết đề xuất chương Dữ liệu đầu vào điểm học sinh thu thập nhiều năm khác từ nhiều trường THPT địa bàn thành phố Vũng Tàu Sau xử lý liệu, hệ thống thực thi trình gom cụm theo thuật tốn K-Means để từ làm sở huấn luyện cho mạng SOM Sau đó, q trình chọn cụm chiến thắng phân lớp học sinh thực nhằm dự báo lực học sinh, dự báo điểm tổ hợp môn KHTN KHXN đồng thời tư vấn chọn môn thi cho học sinh Quá trình thực nghiệm hai liệu có 1073 5231 để từ đánh giá kết Theo tổng hợp kết thực nghiệm cho thấy, phương pháp đề xuất hiệu áp dụng dự báo nhiều liệu khác KẾT LUẬN • Trong luận văn này, hệ tư vấn dự báo tiếp cận xây dựng nhằm tạo cơng cụ hữu ích hỗ trợ cho học sinh đánh giá lực đồng thời chọn tổ hợp mơn phù hợp để thực trình thi tốt nghiệp THPT Để thực xây dựng hệ tư vấn này, phương pháp gom cụm, học bán giám sát, học không giám sát thực áp dụng cho trình phân lớp dự báo cho học sinh Hệ thống tư vấn chia làm hai giai đoạn bao gồm (1) thực tiền xử lý liệu server, kết giai đoạn tập cụm liệu học sinh với trọng số cho cụm để chọn cụm chiến thắng theo nguyên lý mạng SOM; (2) thực trình phân lớp dự báo dựa việc chọn cụm chiến thắng mạng SOM để từ phân lớp liệu theo phương pháp láng giềng gần k-NN để tạo kết dự báo học lực tư vấn chọn môn thi cho học sinh kỳ thi THPT Quốc gia Luận văn tiếp cận sở lý thuyết thuật toán phân cụm K-Means, nguyên lý đồ tự tổ chức SOM, thuật toán phân lớp theo láng giềng gần k-NN để từ kết hợp lại cho việc xây dựng hệ tư vấn Nội dung luận văn tiếp cận thực thành phần bao gồm (1) Xây dựng mơ hình hệ dự báo tư vấn cho học sinh THPT; (2) Tiếp cận phân cụm K-Means để phân cụm liệu cho học sinh; (3) Tiếp cận mạng SOM để chọn cụm chiến thắng để từ làm liệu đầu vào cho toán phân lớp; (4) Áp dụng thuật toán láng giềng gần để phân lớp học sinh sở phương pháp học bán giám sát; (5) Xây dựng thực nghiệm áp dụng liệu học sinh khác địa bàn thành phố Vũng Tàu Hướng phát triển luận văn bổ sung thêm thuộc tính kết hợp phương pháp phân lớp khác để đưa định hỗ trợ cho học sinh việc thi tốt nghiệp THPT Quốc gia TÀI LIỆU THAM KHẢO [1] Bộ Giáo dục Đào tạo,Thông tư số 02/2016/TT-BGDĐTcủa Bộ trưởng Bộ Giáo dục Đào tạo, việc sửa đổi, bổ sung số điều quy chế thi trung học phổ thông quốc gia, ngày 10 tháng 03 năm 2016 [2] Bộ Giáo dục Đào tạo,Thông tư số 04/2017/TT-BGDĐT Bộ trưởng Bộ Giáo dục Đào tạo, việc sửa đổi, bổ sung số điều quy chế thi trung học phổ thông quốc gia, ngày 25 tháng 01 năm 2017 [3] Oyelade, O J., Oladipupo, O O., Obagbuwa, I C (2010), “Application of k Means Clustering algorithm for prediction of Students Academic Performance”, Inter Journal of Computer Science and Information Security, 7(1), pp 292-295 [4] Shaukat, K., Nawaz, I., Aslam, S., Zaheer, S and Shaukat, U (2016), “Student's performance in the context of data mining”, International MultiTopic Conference (INMIC), IEEE, pp 1-8 [5] Zhongxiang Fan, Yan Sun, Hong Luo (2017), “Clustering of College Students Based on Improved K-means Algorithm”, Journal of Computers, 28(6), pp 195-203 [6] Sari, I., Maseleno, A., Satria, F., & Muslihudin, M (2018), “Application model of k-means clustering: insights into promotion strategy of vocational high school”, Inter Journal of Engineering & Tech., 7(2.27), pp 182-187 [7] Lee, Y (2019) “Using self-organizing map and clustering to investigate problem-solving patterns in the massive open online course: an exploratory study”, Journal of Educational Computing Research, 57(2), pp 471-490 [8] Hussain, S., Muhsion, Z F., Salal, Y K., Theodoru, P., KurtoẨỶlu, F., & Hazarika, G C (2019), “Prediction model on student performance based on ... học sinh tư vấn em chọn lực dựa vào kết học tập theo tổ hợp môn thi tốt nghiệp THPT Quốc gia, đề tài luận văn tiến hành thực ? ?Hệ tư vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia? ??... cụ tư vấn cho lĩnh vực 1.6 TỔNG KẾT CHƯƠNG Trong chương này, nội dung luận văn tiếp cận trình xây dựng hệ tư vấn cho học sinh chọn tổ hợp môn thi cho kỳ thi tốt nghiệp THPT Quốc gia Các đối tư? ??ng... phù hợp phục vụ tư vấn cho học sinh Dữ liệu phân lớp k-NN để phân loại lực học sinh môn thi tổ hợp Như vậy, công cụ tư vấn cho học sinh chọn môn thi tổ hợp kết hợp lĩnh vực khoa học liệu, khai