Với các đánh giá mơ hình ở mục 3.3.2, em nhận thấy mơ hình Nạve Bayes cho kết quả dự đốn kết quả học tập của sinh viên với độ chính xác cao nhất nên em lựa chọn mơ hình này để xây dựng hệ thống dự đốn kết quả học tập. Trong khuơn khổ luận văn, để giúp ngƣời dùng thấy đƣợc sự khác biệt về kết quả dự đốn giữa các mơ hình, em cĩ đƣa thêm vào chức năng cho phép ngƣời dùng chọn các mơ hình khác nhau (trong 04 mơ hình đã xây dựng) để kiểm tra và so sánh kết quả.
Hệ thống đƣợc xây dựng bằng ngơn ngữ Visual C#.NET với hệ quản trị CSDL MS SQL Server 2008 trên nền Windows Forms (việc xây dựng trên nền Web cũng tƣơng tự). Nếu là ứng dụng triển khai trong thực tế thì nên xây dựng trên nền Web sẽ dễ dàng trong việc triển khai và sử dụng hệ thống đối với các sinh viên cũng nhƣ các giáo viên muốn sử dụng hệ thống tại nhà thơng qua mạng internet, tuy nhiên đây chỉ là một ứng dụng minh họa cho các kết quả đã nghiên cứu của luận văn nên em chọn giải pháp xây dựng trên nền Windows Forms.
Hệ thống đƣợc triển khai sẽ hỗ trợ tốt cho các tân sinh viên lựa chọn lộ trình học phù hợp để đạt đƣợc kết quả học tập cao nhất. Ngồi ra, hệ thống sẽ hỗ trợ các giáo viên, các nhà quản lý giáo dục trong việc định hƣớng cho sinh viên cũng nhƣ lựa chọn các học phần xuất hiện nhiều trong các lộ trình để cĩ kế hoạch mở lớp và đầu tƣ cho học phần đĩ tốt hơn nhằm cải thiện chất lƣợng đào tạo.
Hình 3.11: Sơ đồ hoạt động của hệ thống
Begin
Đọc dữ liệu nhập vào
- Duyệt tồn bộ các lộ trình học tƣơng ứng với ngành học nhập vào.
- Kết hợp dữ liệu nhập vào với các lộ trình
Kết nối đến Analysis Services
Kết nối thành cơng
Thực thi lệnh truy vấn DMX dự đốn kết quả học với từng lộ trình học
Hiển thị kết quả dự đốn lên GridView theo tất cả các lộ trình
Đĩng kết nối
End
Để sử dụng hệ thống, ngƣời dùng nhập vào các thơng tin nhƣ: ngành học, điểm thi tuyển sinh, giới tính và lựa chọn mơ hình sử dụng để dự báo (nếu khơng lựa chọn thì mặc định hệ thống sẽ sử dụng mơ hình Nạve Bayes) . Trong phạm vi thử nghiệm, chƣơng trình vẫn cho hiển thị kết quả dự đốn của cả 03 mơ hình khơng đƣợc lựa chọn là Luật kết hợp, Neural Network và Decision Tree để mang tính chất tham khảo cũng nhƣ đánh giá lại các mơ hình trong dự đốn thực tế. Tuy nhiên, nhƣ đã phân tích ở trên, ngƣời dùng cần tin tƣởng ở mơ hình Nạve Bayes hơn do nĩ đƣợc đánh giá là dự đốn kết quả học tập với độ chính xác tốt nhất.
CHƢƠNG IV - THỰC NGHIỆM VÀ ĐÁNH GIÁ
4.1. Thực nghiệm, đánh giá trên hệ thống
Ví dụ 1: Sử dụng hệ thống để đƣa ra kết quả học tập dự đốn cho một sinh viên mới nhập học với các giá trị thuộc tính đầu vào nhƣ sau:
- Giới tính: Nữ
- Ngành học: Kế tốn.
- Điểm thi tuyển sinh đầu vào: 24. - Khối thi: A
Sau khi chạy chƣơng trình, kết quả dự đốn kết quả với các mơ hình khác nhau:
Hình 4.2: Kết quả dự đốn kết quả học tập với mơ hình Cây quyết định
Hình 4.4: Kết quả dự đốn kết quả học tập với mơ hình Neural Network
Đánh giá kết quả:
- 04 mơ hình đều đƣa ra kết quả dự báo cho sinh viên với 12 lộ trình đƣa ra tƣơng ứng với ngành học của sinh viên và kết quả xếp loại ra trƣờng ứng với từng lộ trình.
- Mơ hình Nạve Bayes cho kết quả là 9 lộ trình học đều giúp sinh viên đạt loại giỏi, chỉ cĩ 3 lộ trình khiến sinh viên đạt loại khá.
- 02 mơ hình Cây quyết định và Luật kết hợp đều cho dự báo là 01 lộ trình giúp sinh viên đạt loại giỏi cịn 11 lộ trình cịn lại khiến sinh viên chỉ xếp loại khá.
- Mơ hình Neural Network cho 02 lộ trình giúp sinh viên đạt loại giỏi và 10 lộ trình cịn lại đạt loại khá.
- Theo đánh giá mơ hình từ trƣớc thì mơ hình Nạve Bayes cho kết quả dự báo tốt nhất nên sinh viên cần lấy kết quả của mơ hình này để tham khảo chính. Cũng theo cảm tính, vì sinh viên thi điểm đầu vào cao và là học sinh nữ, học ngành kế tốn nên tỷ lệ sinh viên này học đạt kết quả giỏi là cao (sinh viên nữ thƣờng chăm chỉ hơn sinh viên nam và ngành kế tốn hợp với sinh viên nữ hơn).
- Do trong kết quả dự đốn cĩ tới 9 lộ trình cho ra kết quả dự báo đạt loại Giỏi mà sinh viên chỉ đƣợc phép chọn cho mình một lộ trình để học nên lúc này
sinh viên cần tham khảo thêm ở cột “Xác suất dự đốn” và “Trƣờng hợp hỗ trợ”. Nếu cùng kết quả dự đốn, sinh viên nên chọn các lộ trình cĩ xác suất dự đốn và trƣờng hợp hỗ trợ cao hơn. Trên hệ thống, chỉ cần bấm vào các cột tƣơng ứng thì các giá trị trong cột sẽ sắp xếp theo thứ tự để sinh viên dễ dàng lựa chọn.
Ví dụ 2: Sử dụng hệ thống để đƣa ra kết quả học tập dự đốn cho hai sinh viên cùng ngành với điểm thi nhƣ nhau nhƣng giới tính khác nhau nhƣ sau:
- Giới tính: Nữ, Nam
- Ngành học: Ngơn ngữ Anh. - Điểm thi tuyển sinh đầu vào: 22. - Khối thi: D1.
- Mơ hình dự đốn: Nạve Bayes
Sau khi chạy chƣơng trình, kết quả dự đốn với các mơ hình khác nhau:
Hình 4.6: Kết quả dự đốn học tập với sinh viên nữ
Đánh giá kết quả:
- Với cùng một mơ hình dự báo Nạve Bayes, hai sinh viên cĩ các thuộc tính đầu vào nhƣ nhau nhƣng chỉ khác nhau giới tính, cho ra kết quả tƣơng đối khác nhau. Cụ thể, trong 24 lộ trình cĩ thể học, cĩ tới 17 lộ trình cĩ thể giúp sinh viên nữ đạt loại giỏi, 7 lộ trình đạt loại khá. Cịn với sinh viên nam thì chỉ cĩ 1 lộ trình giúp sinh viên đạt loại giỏi và 23 lộ trình cịn lại đều là loại khá.
Để xem chi tiết một lộ trình học, sinh viên chỉ cần bấm chuột vào hàng tƣơng ứng trên bảng kết quả dự đốn. Lộ trình hiển thị theo đúng định dạng đã giới thiệu ở mục 3.1:
Hình 4.7: Xem chi tiết một lộ trình học
Sau mỗi năm học, nhà trƣờng lại cĩ một khĩa sinh viên ra trƣờng, và dữ liệu của các sinh viên này lại cĩ thể đƣợc sử dụng để xây dựng mơ hình dự đốn kết quả học tập. Việc xây dựng mơ hình trên dữ liệu sinh viên qua nhiều khĩa học sẽ giúp mơ hình đạt độ chính xác cao hơn và khách quan hơn. Để thực hiện việc này, ngƣời quản trị hệ thống chỉ cần bấm nút “Xây dựng CSDL” trên phần mềm để hệ thống cập nhật thêm dữ liệu mới cho mơ hình và tiến hành chạy lại các mơ hình.