2.4.2.1 Các ứng dụng hƣớng đến học sinh, sinh viên
Dự đốn kết quả lựa chọn ngành học: Cho một kho dữ liệu lƣu giữ các thơng tin về kết quả học tập của sinh viên đã tốt nghiệp. Hãy tìm ra những quy luật lựa chọn các chuyên ngành một cách hợp lý sao cho đạt đƣợc kết quả tốt nhất. Nhằm mục đích này ngƣời ta mong muốn nhận đƣợc từ dữ liệu những phát biểu nhƣ: “80% sinh viên học tốt mơn Kinh tế chính trị và Tiếng Anh khá thì tốt nghiệp chuyên ngành Kế tốn ngân hàng loại giỏi”, … Để đạt đƣợc những phát biểu nhƣ trên, chúng ta sử dụng các thuật tốn Khai phá luật kết hợp từ cơ sở dữ liệu. Trong luận văn thạc sĩ "Phương pháp khai phá dữ liệu bằng cây quyết định" (năm 2012) của Phạm Duy An, Học viện Cơng nghệ Bƣu chính Viễn thơng, tác giả đã đề xuất sử dụng cây quyết định để xây dựng ứng dụng tƣ vấn lựa chọn chuyên ngành học cho sinh viên trƣờng Đại học Phƣơng Đơng".
Dự đốn kết quả lựa chọn mơn học:Cho một kho dữ liệu các thơng tin về kết quả học tập của sinh viên. Hãy dự đốn kết quả cho sinh viên lựa chọn các mơn
học cho học kỳ sau dựa trên kết quả của các học kỳ trƣớc sao cho kết quả học tập của kỳ sao là cao nhất. Để thực hiện việc này, chúng ta cần sử dụng các thuật tốn Khai phá dữ liệu ở dạng phân lớp và dự đốn nhƣ Cây quyết định, mạng Naive Bayes, Neural Network hay luật kết hợp. Trong luận văn "Khai phá dữ liệu cho tư vấn lựa chọn mơn học" (năm 2010) của Phạm Thị Phúc, Học viện Cơng nghệ Bƣu chính viễn thơng, tác giả đã sử dụng phần mềm khai phá dữ liệu WEKA để sinh luật kết hợp và ứng dụng để xây dựng một hệ thống tƣ vấn mơn học cho sinh viên.
Dự đốn kết quả lựa chọn lộ trình học:Cho một kho dữ liệu đào tạo (theo hình thức tín chỉ) bao gồm các mơn học (học phần) tƣơng ứng với các ngành học và các học kỳ (gọi là chƣơng trình đào tạo), cùng với các thơng tin về kết quả học tập của các sinh viên đã tốt nghiệp. Hãy dự đốn kết quả cho các sinh viên mới vào trƣờng cách lựa chọn một lộ trình học phù hợp nhất cho ngành học mà sinh viên đã đăng ký sao cho kết quả tốt nghiệp ra trƣờng của sinh viên là cao nhất. Đây chính là bài tốn mà luận văn hƣớng đến. Để thực hiện việc này, chúng ta cần sử dụng các thuật tốn Khai phá dữ liệu ở dạng phân lớp và dự đốn nhƣ Cây quyết định, mạng Naive Bayes, Neural Network hay luật kết hợp. Trong bài báo "Ứng dụng khai phá dữ liệu xây dựng cơng cụ dự đốn kết quả học tập của sinh viên" (năm 2012) của Nguyễn Thị Thanh Thủy, Nguyễn Trần Quốc Vinh, các tác giả cũng sử dụng kỹ thuật khai phá dữ liệu để dự đốn kết quả học tập dựa trên lộ trình học của sinh viên.
2.4.2.2 Các ứng dụng hƣớng đến giáo viên
Phân loại học sinh, sinh viên:Đánh giá, phân loại học sinh, sinh viên để đƣa ra những phƣơng pháp và hình thức dạy học thích hợp là việc thƣờng xuyên phải làm trong quá trình giáo dục. Đánh giá từng mặt, đánh giá một số mặt và đánh giá tồn thể phẩm chất, năng lực của học sinh đều cĩ ý nghĩa vơ cùng quan trọng và đều cĩ ảnh hƣởng lớn tới kết quả giáo dục. Đánh giá đúng sẽ dẫn đến những quyết định đúng đắn. Đánh giá sai hậu quả sẽ khơn lƣờng. Tuy nhiên đánh giá là một việc rất khĩ. Vấn đề càng khĩ khi thơng tin về đối tƣợng đƣợc đánh giá là rất lớn và dàn trải.
Việc phân nhĩm các học sinh, sinh viên (theo năng lực một cách đúng đắn) vào các lớp học khác nhau để đào tạo sẽ nâng cao chất lƣợng giáo dục. Đối với các học sinh giỏi, chƣơng trình đào tạo cĩ thể khác, dạy phần cơ sở nhanh hơn, tập trung vào các phần nâng cao để bồi dƣỡng học sinh giỏi, các học sinh yếu, kém phải dạy thật chậm, giảng giải chi tiết và hƣớng đến các kiến thức căn bản, cơ sở…Nếu trong lớp học các học sinh giỏi và yếu kém học cùng nhau sẽ dễ xảy ra tình trạng ngƣời học giỏi thiếu hứng thú với việc học khi giáo viên ra đề quá dễ và dạy quá chậm, hoặc ngƣời học yếu, kém khơng thể theo đƣợc chƣơng trình khi giáo viên dạy quá nhanh và ra đề quá khĩ…
Để thực hiện việc phân loại học sinh, sinh viên nhƣ trên, một phƣơng pháp tốt nhất đĩ chính là sử dụng các kỹ thuật khai phá dữ liệu với các thuật tốn phân cụm, phân lớp nhƣ Cây quyết định, K-mean, mạng SOM (Kohonen) với thơng tin đầu vào là dữ liệu về các học sinh, sinh viên nhƣ điểm tổng kết các năm trƣớc, điểm thi tuyển sinh, điểm ƣu tiên, vùng, miền, giới tính …Trong luận văn thạc sĩ "Phân cụm dữ liệu bằng mạng Kohonen dựa trên độ đo mức tương tự giữa các tập mờ trực cảm" (năm 2013) của Vƣơng Thị Hải Xuyến, Đại học Sƣ phạm Hà nội, tác giả đã dùng kỹ thuật khai phá dữ liệu với mạng Kohonen để phân cụm học sinh, sinh viên theo năng lực, hỗ trợ các giáo viên trong việc vận dụng phƣơng pháp dạy học hƣớng năng lực.
2.4.2.3 Các ứng dụng hƣớng đến nhà quản lý giáo dục
Dự đốn kết quả hoạch địch các chiến lƣợc, chính sách giáo dục:việc khai phá dữ liệu giáo dục cĩ thể đƣa ra cho những nhà quản lý giáo dục các thơng tin hữu ích nhƣ:
- Xu hƣớng sinh viên đăng ký học các ngành nghề nào đĩ tăng hay giảm: với thơng tin này, nhà quản lý cĩ thể đƣa ra những kế hoạch đào tạo, đầu tƣ cho từng ngành phù hợp hơn theo từng giai đoạn.
- Tỷ lệ nghỉ học, bỏ học và khả năng xuống khĩa, bị đuổi học cĩ chiều hƣớng gia tăng: nhà quản lý sẽ cĩ những biện pháp để cảnh báo và chấn chỉnh lại hoạt động đào tạo một cách kịp thời.
- Kết quả học tập của các khĩa cĩ xu hƣớng giảm xuống hoặc tốt lên: nếu kết quả giảm thì nhà quản lý cần xem lại các chính sách và chƣơng trình đào tạo để xem đã thực sự phù hợp với sinh viên hay chƣa và điều chỉnh kịp thời nếu cần, cịn kết quả tốt thì sẽ tiếp tục duy trì vì chính sách đào tạo đang đi đúng hƣớng...