Ứng dụng kỹ thuật phân cụm và luật kết hợp phân tích tình hình học tiếng Anh của sinh viên trường Đại học Kinh tế - Đại học Đà Nẵng

Nghiên cứu tập trung vào kỹ thuật phân cụm và luật kết hợp để phân tích tình hình học tiếng Anh của sinh viên nhà Trường nhằm giúp Trường nắm được đặc điểm, thực trạng và mong muốn của sinh viên trong việc học tiếng Anh từ đó đưa ra các tư vấn, định hướng và đề xuất các giải pháp nhằm nâng cao hiệu quả của việc dạy và học tiếng Anh cho sinh viên trong Trường.

Nguyễn Văn Chức, Trần Thị Quỳnh Tiên 175 Ứng dụng kỹ thuật phân cụm luật kết hợp phân tích tình hình học tiếng Anh sinh viên trường Đại học Kinh tế - Đại học Đà Nẵng Nguyễn Văn Chức, Trần Thị Quỳnh Tiên Trường Đại học Kinh tế - Đại học Đà Nẵng chuc.nv@due.edu.vn, quynhtien96@gmail.com Tóm tắt Vấn đề nâng cao lực tiếng Anh cho sinh viên trường Đại học yêu cầu cấp thiết, giúp sinh viên đáp ứng yêu cầu ngày cao thị trường lao động bối cảnh hội nhập quốc tế Một khó khăn trường Đại học việc dạy tiếng Anh cho sinh viên sinh viên có khác đầu tư cho việc học tiếng Anh (thời gian, kinh phí, tâm…) dẫn đến kỹ tiếng Anh người không giống Việc gây khó khăn cho trường đại học việc xây dựng chương trình học tiếng Anh cho sinh viên cách hiệu Để có nhìn tổng quan thực trạng việc học tiếng Anh sinh viên trường Đại học Kinh tế - Đại học Đà Nẵng, nghiên cứu tập trung vào kỹ thuật phân cụm luật kết hợp để phân tích tình hình học tiếng Anh sinh viên nhà Trường nhằm giúp Trường nắm đặc điểm, thực trạng mong muốn sinh viên việc học tiếng Anh từ đưa tư vấn, định hướng đề xuất giải pháp nhằm nâng cao hiệu việc dạy học tiếng Anh cho sinh viên Trường Từ khóa: Phân tích liệu, phân cụm, luật kết hợp, học tiếng Anh, Khai phá liệu Đặt vấn đề Trong xu tồn cầu hóa hội nhập quốc tế ngày nay, khả ngoại ngữ, đặc biệt tiếng Anh đóng vai trị quan trọng tất hoạt động từ giao tiếp, học tập, công việc Ở Việt Nam, tiếng Anh giảng dạy từ sớm trường học từ bậc tiểu học đến đại học Bên cạnh đó, trung tâm ngoại ngữ đóng góp tích cực vào việc đào tạo lực tiếng Anh đáp ứng yêu cầu học tập người học Ở bậc đại học, lực ngoại ngữ (chủ yếu tiếng Anh) sinh viên trường đại học coi trọng có nhiều giải pháp giúp sinh viên hoàn thiện kỹ ngoại ngữ đưa lực ngoại ngữ chuẩn đầu để tốt nghiệp, nhiều chương trình đào tạo dạy tiếng Anh… Vì vậy, việc nắm đặc điểm, xu hướng thực trạng học tiếng Anh sinh viên trường đạị học việc làm cần thiết, giúp trường đại học có nhìn tổng quan lực tiếng Anh sinh viên, từ đề xuất sách, định hướng tư vấn giúp sinh viên nâng cao lực tiếng Anh Để phân tích thực trạng học tiếng Anh sinh viên trường Đại học Kinh tế - Đại học Đà Nẵng, sau trình thu thập liệu tình hình học tiếng Anh sinh viên Trường, nghiên cứu tập trung vào ứng dụng kỹ thuật phân cụm luật kết hợp khai phá liệu để để phân tích, giúp nhà Trường có thơng tin cần thiết thực trạng, đặc điểm mong muốn học tiếng Anh sinh viên Từ đó, đề xuất giải pháp phù hợp tư vấn, định hướng giảng dạy giúp nâng cao lực tiếng Anh cho sinh viên Sơ lược kỹ thuật phân cụm luật kết hợp 2.1 Phân cụm liệu Phân cụm liệu qui trình tìm cách nhóm đối tượng cho vào cụm (clusters), cho đối tượng cụm giống (similar) tốt đối tượng khác cụm khác nhau (Dissimilar) tốt.[1],[2] 176 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Mục đích phân cụm tìm chất bên nhóm liệu Có nhiều kỹ thuật phân cụm phân cụm phân hoạch, phân cụm phân cấp, phân cụm dựa mật độ Tuy nhiên, tiêu chí xem tốt để đánh giá hiệu qủa phân tích phân cụm, điều phụ thuộc vào mục đích tốn phân cụm [1],[2] 2.2 Luật kết hợp Trong lĩnh vực Data Mining, mục đích luật kết hợp (Association Rule - AR) tìm mối quan hệ đối tượng khối lượng lớn liệu Nội dung luật kết hợp tóm tắt đây.[1],[2] Cho sở liệu giao dịch T gồm tập giao dịch t1, t2…, tn T = {t1, t2…, tn} Mỗi giao dịch ti bao gồm tập đối tượng I (gọi itemset) I = {i1, i2 …, im} Một itemset gồm k items gọi k-itemset Mục đích luật kết hợp tìm kết hợp (tương quan) items Những luật kết hợp có dạng X → Y Hai tiêu chí quan trọng việc đánh giá luật kết hợp độ hỗ trợ (support) độ tin cậy (confidence) Cơng thức tính độ hỗ trợ độ tin cậy luật kết hợp X→Y: [2] Support ( X  Y )  P( X  Y )  n( X  Y ) N Confidence( X  Y )  P(Y X )  n( X  Y ) n( X ) Trong đó: - n(X): Số giao dịch chứa X - N: Tổng số giao dịch Các luật kết hợp có độ hỗ trợ độ tin cậy lớn độ hỗ trợ tối thiểu (min_sup) độ tin cậy tối thiểu (min_conf) gọi luật mạnh min_sup min_conf gọi giá trị ngưỡng (threshold) xác định trước sinh luật kết hợp Ứng dụng kỹ thuật phân cụm luật kết hợp phân tích tình hình học tiếng Anh sinh viên Đại học Kinh tế - Đại học Đà Nẵng 3.1 Mơ tả tốn Mục đích: ứng dụng kỹ thuật phân cụm luật kết hợp để đánh giá tình hình học tiếng Anh sinh viên Đại học Kinh tế - Đại học Đà Nẵng Đầu vào: Gồm thông tin sinh viên: giới tính, quê quán, chuyên ngành, năm thứ, kết học tập; thông tin việc học tiếng Anh: mục đích học tiếng Anh, thời gian, chi phí dành cho việc học tiếng Anh… Đầu ra: Đưa đặc trưng việc học tiếng Anh nhóm sinh viên, mối liên hệ thuộc tính liên quan đến việc học tiếng Anh sinh viên, từ đánh giá thực trạng học tiếng Anh họ Nguyễn Văn Chức, Trần Thị Quỳnh Tiên 3.2 177 Kịch triển khai mơ hình phân tích tình hình học tiếng Anh sinh viên Hình Kịch triển khai mơ hình phân tích tình hình học tiếng Anh sinh viên - Bước Thu thập tiền xử lý liệu Dữ liệu thu thập 450 mẫu, từ sinh viên học trường Đại học Kinh tế - Đại học Đà Nẵng từ tháng 2/2017 đến 4/2017 Dữ liệu ban đầu gồm nhiều thuộc tính, sau q trình tiền xử lý liệu (sử dụng phương pháp trích chọn thuộc tính) để đánh giá mức độ ảnh hưởng thuộc tính việc phân tích tình hình học tiếng Anh (TA) sinh viên, mơ hình xác định thuộc tính Bảng Tên thuộc tính Giải thích Tên thuộc tính Giải thích MaSV Mã sinh viên (PK) MDDuDKDuHoc Mục đích học TA: Đủ điều kiện du học GioiTinh Giới tính BatDauHocTA Bắt đầu học TA từ QueQuan Quê quán ThoiGianHocTA Thường học TA vào thời gian ChuyenNganh Chuyên ngành ThoiGianTBHocTrong1Tuan Thời gian trung bình tuần dành cho việc học TA NamThu Năm học thứ ChiPhiHangThang Chi phí hàng tháng dành cho việc học TA KQHT Kết học tập VaiTroTATrongCongViec Vai trị TA cơng việc MDDuChuanTN Mục đích học TA: Đủ chuẩn tốt nghiệp KiNangYeuNhat Kĩ TA yếu MDYeuThich Mục đích học TA: Vì u thích KhoaHocTAQuanTamNhat Khóa học TA quan tâm KeHoachRoRangHocTA Có lên kế hoạch cho việc học TA khơng MDCongViecTuongLa Mục đích học TA: Vì i cơng việc tương lai Bước Xây dựng mơ hình phân cụm luật kết hợp Mơ hình phân cụm luật kết hợp phân tích liệu khách hàng sử dụng dịch vụ khách sạn xây dựng công cụ khai phá liệu Business Intelligence Development Studio (BIDS) Microsoft BIDS công cụ mạnh cho phép triển khai mơ hình khai phá liệu, sử dụng rộng rãi khả kết nối dễ dàng với nhiều nguồn liệu, giao diện dễ sử dụng khả biểu diễn tri thức phát trực quan, dễ hiểu, dễ sử dụng BIDS tích hợp vào SQL SERVER 2005 trở sau phiên Enterprise Development.[5] 178 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Sau thực thao tác tiền xử lý liệu để phù hợp với mô hình khai phá liệu, sử dụng Microsoft Clustering với thuật toán K-means Microsoft Association Rule với thuật toán Apriori BIDS để xây dựng mơ hình phân tích tình hình học tiếng Anh sinh viên Đại học Kinh tế - Đại học Đà Nẵng - Bước Phát tri thức từ mơ hình phân cụm luật kết hợp Mơ hình phân cụm Hình Kết phân cụm liệu Từ mơ hình phân cụm, cho đặc trưng nhóm khách hàng sau: - Cụm 1: Cụm đa số bạn nữ; học năm 3; kết học tập: Khá; có mục đích học TA cơng việc tương lai đủ chuẩn tốt nghiệp; bắt đầu học TA từ tiểu học, trung học sở; thời gian học TA thường buổi tối,10h -