5 XÂY DỰNG MƠ HÌNH PHẢN HỒI CỦA NGƯỜI HỌC
5.2 Thiết kế môn học thử nghiệm
Mã Chủ đề Mã Khái niệm Thời gian
(phút)
Trọng số chủ đề
Trọng số khái niệm
T01 Giới thiệu C01 Giới thiệu trình soạn thảo VBC02 Các thành phần cơ bản 126 0.072 0.330.67 T02 Làm quen với văn bản
C03 Tạo mới văn bản 6
0.128
0.19
C04 Mở văn bản có sẵn 5 0.16
C05 Lưu văn bản 9 0.28
C06 Lưu văn bản lên đám mây 12 0.38
T03 Các thao tác cơ bản C07 Sao chép/di chuyểnC08 Sao chép định dạng 66 0.12 0.200.20
C09 Sử dụng bàn phím và phím tắt 18 0.60
T04 Xử lý với văn bản C10 Chuyển đổi cách xem tài liệuC11 Phóng to thu nhỏ tài liệu 55 0.08 0.250.25
C12 Đánh dấu văn bản 10 0.50
T05 Lưu trữ văn bản C13 Lưu và khôi phục văn bản 10 0.04 1.00
T06 Chia sẻ văn bản C14 Chia sẻ các định dạng văn bản 10 0.04 1.00
T07 Làm việc với trang văn bản C15 Định dạng trang văn bảnC16 Thiết lập chủ đề (Theme) 1010 0.12 0.330.33
C17 Thiết lập Footer và Header 10 0.33
T08 In ấn và tạo mẫu C18 In ra máy inC19 Xuất văn bản ra các định dạng 1012 0.136 0.290.35
C20 Tạo các văn bản mẫu 12 0.35
T09 Kiểm tra chính tả C21 Kiểm tra lỗi chính tả 16 0.064 1.00
T10 Định dạng văn bản C22 Định dạng phông chữC23 Định dạng đoạn văn bản 1515 0.2 0.300.30
C24 Tạo khung, đường viền 20 0.40
5.1.4 Biến đo trạng thái học
Để thu thập thông tin về trạng thái của người học, nghiên cứu sử dụng một biến ngẫu nhiên P dựa theo phân phối Bernoulli, biến này mang hai giá trị 0 và 1 tương ứng với việc nếu người học tiếp thu được khái niệm C, ngược lại, nếu không tiếp thu được, biến này sẽ mang giá trị 0.
Xác suất của P được cho bởi:
P(P = x) =Px(1−P)1−x,
Trong đó, P là xác suất người học đang tập trung học tập, x mang hai giá trị có hoặc khơng (tương ứng là 1 hoặc 0).
Ứng với mỗi thời điểm học tập, mức độ tập trung của người học được biểu diễn bằng một biến hai trạng thái:
• interest: Trạng thái người học đang tập trung vào bài học.
• not_interest: Trạng thái người học không tập trung vào bài học. như vậy ta có:
P(P = interest) +P(P = not_interest) = 1
5.1.5 Mơ hình hóa mối quan hệ giữa các nút
Sau khi đã định nghĩa được các nút mạng, các mối quan hệ nhân quả giữa chúng được xác định gồm: Mối quan hệ giữa các biến kiến thức ở các mức độ chi tiết khác nhau và mối quan hệ giữa các nút trạng thái người học và kiến thức của người học.
Để đơn giản hóa mối quan hệ giữa các nút này, thuật ngữ đơn vị kiến thức - KI được sử dụng để biểu diễn cho các Khái niệm, Môn học, Chủ đề đã đề cập ở trên. Mối quan hệ toàn thể-bộ phận này là sự liên kết giữa KI và các KI con của nó. Trong biểu đồ hình cây ta đó chính là nút và các nút con của nó, ví dụ mối quan hệ giữa Môn học và Chủ đề. Giả sử rằng I là một KI có thể chia nhỏ thành các KIs và được biểu diễn bằng một bộ I1, ..., In . Nếu như người học biết được càng nhiều các thành phần Ii có nghĩa là người học sẽ nắm rõ hơn kiến thức tổng quát I. Mỗi KI được biểu diễn bằng một biến ngẫu nhiên nhị phân là 1 hoặc 0, tương ứng với giá trị known và unknown. Có hai lựa chọn để mơ hình hóa mối quan hệ nhân quả như sau:
• Lựa chọn 1: Coi việc hiểu càng nhiều các các khái niệm bộ phận sẽ giúp cho việc hiểu được khái niệm tổng quát tốt hơn.
• Lựa chọn 2: Coi việc hiểu càng nhiều các khái niệm bộ phận sẽ giúp cho việc hiểu được miền tri thức mà khái niệm bộ phận cấu thành nên.
(a) Lựa chọn 1. (b) Lựa chọn 2.
Hình 5.4. Các lựa chọn để mơ hình hóa mối quan hệ nhân quả.
Trong nghiên cứu này, hướng tiếp cận thứ nhất được lựa chọn bởi lý do: Dưới góc độ biểu diễn tri thức, hướng tiếp cận thứ nhất cho rằng việc học tập của học sinh diễn ra theo hướng tích lũy tăng dần, cách tiếp cận này là rất tự nhiên và thực tế. Ví dụ, khi một học sinh học một chủ đề, tiến trình thơng thường là nghiên cứu từng phần tạo nên chủ đề (thường theo trình tự mơn học được cấu trúc sẵn bởi giáo viên). Một bài học có nhiều mơ-đun con thì việc học hết các mơ-đun con sẽ tích lũy thành một bài học hồn thiện.
Tuy nhiên hướng tiếp cận này cũng có khó khăn đó là số lượng tham số cần để biểu diễn là rất lớn bởi xác suất tiền nghiệm để biết được mỗi biến Ii là {P(Ii), i = 1, ..., n} và phân phối xác suất có điều kiện của I
cho bởi các nút cha của chúng, đó là P(I|{I1, ..., In}). Tổng số giá trị tạo ra là n+ 2n −1 với giả thiết các giá trị Ii là độc lập với nhau.
Như vậy mơ hình mối quan hệ giữa các khái niệm với chủ đề được mơ tả như Hình 5.5, với Ci biểu diễn các khái niệm và T biểu diễn cho chủ đề. Các tham số trong mơ hình này bao gồm:
• Xác suất tiền nghiệm của mỗi khái niệm {p, i = 1, ..., n}
• Xác suất có điều kiện P({T|{Ci}i=1,...,n}, được xác định bởi:
P(T = x|({Ci = 1}i∈S,{Cj = 0}j /∈S})) = 1 nếu x =
P
i∈Swi
0 nếu ngược lại (5.2) Với S = {j ∈ {1, ...n} để cho khái niệm Cj = 1}.
Để khởi tạo mạng này, một luật phân phối xác suất cho biến ngẫu nhiên T được thiết lập như sau:
Nếu T mang một giá trị ngẫu nhiên x ∈ [0,1], điều đó có nghĩa khi một sinh viên tiếp nhận tri thức của chủ đề T trong n tình huống nào đó.
5.1.6 Mơ hình hóa mối quan hệ tiên quyết
Để xác định một chủ đề Ti được hoàn thành bởi người học, biến ngưỡng θ được sử dụng. Hàm xác định việc hồn thành một chủ đề phải có giá trị lớn hơn ngưỡng này. Trong các nghiên cứu của luận án này, giá trị được thiết lập bằng 0.8.
Hàm Complete(Ti) và P rerequisite(Ti) được định nghĩa lần lượt là hàm xác định một người học hoàn thành hoặc vượt qua điều kiện tiên
quyết của chủ đề, khi đó chúng được xác định như sau: Complete(Ti) = 1 nếuP jWij > θ,
0 nếu ngược lại. (5.3) Với Wij là trọng số của các khái niệm hình thành nên chủ đề Tj
P rerequisite(Ti) = Y
j thuộc tập tiên quyết củaTi
Complete(Tj) (5.4)
Với Tj is điều kiện tiên quyết của Ti.
5.1.7 Thuật tốn lựa chọn tiến trình học
Tiến trình học của người học phụ thuộc vào mức độ tích lũy kiến thức của người học. Mỗi bài học được chia thành các chủ đề, các chủ đề chưa được tích lũy sẽ là mục tiêu tiếp theo trong tiến trình học. Mơ tả tổng quát cho tiến trình học được thể hiện trong hình Hình 5.3. Tại
bước Bắt đầu, các chủ đề (bao gồm các đơn vị kiến thức thành phần là các khái niệm) được đánh trị số nhỏ hơn sẽ được ưu tiên lựa chọn trước tiên với điều kiện chúng thỏa mãn điều kiện tiên quyết (nếu có). Ở đây các chủ đề T1, T2, T3, T4, T9 khơng có điều kiện tiên quyết nên người học có thể tùy ý lựa chọn điểm bắt đầu, tuy nhiên Chủ đề T1 được đánh trọng số nhỏ nhất, nó sẽ được ưu tiên lựa chọn đầu tiên.
5.1.8 Thuật toán lựa chọn hình thức bài học
Luận án đề xuất thuật tốn xây dựng tiến trình học (Thuật tốn
2) dựa theo tập luật và bảng trọng số mơ hình học (Bảng 5.1). Dữ liệu
thu thập được sau khi thực hiện khảo sát phong cách học như Bảng 3.7
sẽ được sử dụng cùng với Bảng 5.1 để tính giá trị trong Thuật tốn 2.
Algorithm 1: Thuật tốn lựa chọn tiến trình học trong hệ dạy học thông minh.
Input : Tập các chủ đề của môn học T = {T1, T2, ...Ts},
Areq: Tri thức cần để hồn thành mơn học
Output : Tiến trình học
1 L = {} // L: Tập các chủ đề đã học
2 A = 0 // A: Tri thức tích lũy của mơn học
3 while T 6= ∅ do 4 if P rerequisite(Ti) then 5 L = L ∪Ti; 6 Complete(Ti) = 1; 7 T = remove(Ti); 8 A = A+ αiτi ; 9 end 10 if A ≥Areq then 11 Exit; 12 end 13 end
người học được chuẩn hóa lại trong miền [0,1]. Giá trị lớn nhất của các miền phong cách học là 11, do vậy nghiên cứu thực hiện chia các giá trị trong Bảng 3.7 cho 11. Giá trị này sau đó lần lượt được nhân với hệ số trong bảng 5.1 để có được giá trị của các biến SV, ST, SQ, SA trong phạm vi phong cách học. Trong mơ hình này, nếu tại mỗi bước chuyển, số lượng biến phụ thuộc vào mỗi định dạng dạng bài học mà hệ thống học cung cấp. Nếu tại mỗi bước, nếu như định dạng bài học tương ứng với biến v lớn nhất khơng tồn tại, biến có giá trị lớn tiếp theo sẽ được sử dụng.
Tham số Năng lực người học được sử dụng để đánh giá tiến trình của người học. Tại mỗi điểm kiểm tra (check-point), hệ thống sẽ đánh giá lại khả năng của người học thông qua các bài trắc nghiệm hoặc các bài tập lớn. Lúc này có thể người học sẽ phải quay trở lại bước trước hoặc thực hiện lại bài học vừa học tùy theo năng lực được ước lượng (Các đường màu đỏ, nét liền trong Hình 5.3).
Algorithm 2: Thuật toán lựa chọn học liệu dựa trên phong cách học.
Input : Tập các thuộc tính người học
Output : Hình thức học
/* Khởi tạo các biến */
1 vV ← khởi tạo biến lựa chọn học liệu video
2 vT ← khởi tạo biến lựa chọn học liệu văn bản
3 vQ ← khởi tạo biến lựa chọn học liệu câu hỏi tương tác
4 vA ← khởi tạo biến lựa chọn làm bài kiểm tra
5 for các thuộc tính in Tập các thuộc tính người học do
6 vV ← vV +SV
7 vT ← vT +ST
8 vQ ← vQ+SQ
9 vA ←vA +SA
// giá trị SV, ST, SQ, SA được lấy từ Bảng 5.1
10 end
11 vmax = M AX(vV, vT, vQ, vA)
12 if vmax = vV then chuyển đến T iV;
13 if vmax = vT then chuyển đến T iT;
14 if vmax = vQ then chuyển đến T iQ;
15 if vmax = vA then chuyển đến T iA;
5.2 Xây dựng hệ thống dạy học thông minh
Dựa trên mơ hình phản hồi đã đề xuất, luận án xây dựng một hệ thống dạy học thơng minh có khả năng thích nghi với từng sinh viên. Cấu trúc tổng thể của hệ thống được mơ tả trong Hình 5.6. Hệ thống
này bao gồm:
• Phân hệ Giới thiệu: Giới thiệu về mơ hình của hệ thống và cấu trúc của bài học
• Phân hệ Phong cách học: Phân hệ đầu tiên mà mỗi sinh viên phải thực hiện khi lần đầu tham gia vào hệ thống. Tại pha này sẽ xác định phng cách người học thông qua làm trắc nghiệm với bộ
câu hỏi của Felder-Soloman.
• Phân hệ Kiểm tra: Phân hệ này đánh giá lại năng lực của người học, đồng thời xác định các chủ đề nào đã được hoàn thành. Phân hệ này sẽ tính giá trị hàm Complete(Ti) cho mỗi sinh viên.
• Phân hệ Học tập: Phân hệ quan trọng nhất, cho phép người học tương tác với hệ thống dạy học thông minh. Phân hệ này được tích hợp mơ hình phản hồi của người học.
• Phân hệ đánh giá: Bộ câu hỏi khảo sát người học được tích hợp vào phân hệ này để thu thập các ý kiến phản hồi của người học, giúp nhà quản trị có thể điều chỉnh các chức năng của hệ thống.
Hệthống dạy học thông minh Phong cách học Người học Nhận dạng Năng lực Kết quảhọc tập Hồsơcá nhân Bộchỉsốphong cách học Hành vi Học liệu
Kiểm tra đánh giá
Khảo sát
Thích nghi
Mơ hình phản hồi của người học
Hình 5.6. Mơ hình phản hồi của người học và mối quan hệ giữa cácphân hệ trong hệ thống học thông minh. phân hệ trong hệ thống học thông minh.
Phân hệ Học tập là phân hệ lõi tích hợp mơ hình người học có chức năng lựa chọn các nguồn học liệu phù hợp với phong cách của người học
và trạng thái của người học tại từng thời điểm. Bằng việc thử và sai các giá trị tham số, nghiên cứu thực hiện thay đổi giá trị bảng trọng số (Bảng 5.1) để phù hợp với đa số người học và các phong cách học khác
nhau. Các giá trị này có thể điều chỉnh được bởi giáo viên hoặc quản trị hệ thống.
Các Chủ đề có thể có các ràng buộc khác nhau bởi điều kiện tiên quyết, Hình 5.3 sử dụng công thức (5.4) bằng việc khai báo các trọng số cho mỗi Chủ đề (mỗi cặp (T, W)) để biểu diễn cho mối quan hệ này.
Mơ hình phản hồi của người học được xây dựng dựa trên cơ chế kết hợp giữa phong cách học và trạng thái của người học trong lớp. Trong nghiên cứu này 4 biến SA, SQ, ST, SV được sử dụng để đo mức ảnh hưởng của phong cách học đối với mỗi sinh viên. Những biến này lần lượt biểu diễn cho các loại học liệu xây dựng sẵn gồm: Bài tập (Assignment), Câu hỏi tương tác (Quiz), Văn bản (Text) và các đoạn phim dựng sẵn (Video clip).
Trong nghiên cứu ở Chương 4, nghiên cứu đã phân loại các hành
động trong lớp học (theo phương thức học truyền thống và học trực tuyến) thành 8 nhóm phổ biến, bao gồm "đang viết", "đang đọc", "đang giơ tay", "đang nhìn thẳng" và "sử dụng điện thoại", "nhìn lên", "nhìn sang ngang" và "cúi đầu xuống". 4 hành động đầu tiên được xếp vào nhómTập trung, 4 hành động sau được xếp vào nhóm Khơng tập trung. Trong hệ thống đề xuất, những trạng thái này được gán cho biếnInteresting_Level
với các giá trị từ 1 đến 8. Để phân loại các hành động này, một phân hệ nhận dạng hành vi trong lớp học sử dụng một mạng nơ-ron tích chập được triển khai và cài đặt. Hệ thống này được xây dựng trên nền tảng Linux, sử dụng thư viện Keras [17] trên nền tảng Tensorflow. Phân hệ độc lập này được gọi thông qua một API để kết nối giữa hai hệ thống. hệ thống dạy học thông minh sẽ gửi chuỗi ảnh đến máy chủ nhận dạng và nhận lại giá trị hành vi đã được phân loại (từ 1 đến 8) tương ứng với mức độ tập trung của người học. Giá trị này được cập nhật sau mỗi khoảng thời gian, cho phép hệ thống dạy học thơng minh tính lại các
biến vV, vT, vQ, vA dựa trên cột "INT" trong Bảng 5.1. Để quyết định
việc lựa chọn loại học liệu nào, ta tính giá trị lớn nhất các biến này bằng một hàm được xác định bởi thuật toán số 2.
max
{SA,SQ,ST,SV} = maxX
(vLS ∗wLS +vIL ∗wIL) (5.5) với vLS, wLS, vIL, wIL lần lượt là các biến phong cách học, trọng số của phong cách học, mức độ tập trung của người học và trọng số độ tập trung.
Việc xây dựng bảng trọng số và các biến này cho phép nếu một hệ thống cần đưa thêm các tham số thì chỉ cần mở rộng bảng trọng số với các biến tương ứng. Điều này cho phép người soạn bài có thể linh hoạt trong việc cung cấp học liệu cho từng bài học.
5.3 Thực nghiệm và đánh giá
Để thử nghiệm hệ thống, dựa vào bài học đã được thiết kế ở trên, toàn bộ 3 lớp tín chỉ bao gồm 63 sinh viên đang học ở học kỳ 2 năm học 2019-2020 của trường Đại học Sư phạm Hà Nội được lựa chọn để tham gia thực nghiệm. Những sinh viên này đăng ký vào 3 lớp tín chỉ của mơn học "Tin học đại cương" từ đầu học kỳ. Trong q trình thử nghiệm, có 2 sinh viên nghỉ học và không tham gia đầy đủ vào các bài học nên đã được loại bỏ khỏi danh sách. Việc lựa chọn sinh viên được dựa vào phương pháp lấy mẫu hạn ngạch [117], là phương pháp lấy mẫu phi xác