7.1. Kết luận
Để thực hiện được mục tiêu tổng quát của luận án là xây dựng các mơ hình tìm kiếm và gợi ý tài nguyên học tập, luận án đề xuất các mơ hình phân loại, tìm kiếm tài nguyên học tập, dự đốn kết quả học tập và gợi ý tài nguyên học tập với các kỹ thuật khác nhau nhằm giải quyết các vấn đề tồn tại cần được nghiên cứu. Các kết quả của luận án cĩ thể được tĩm tắt như sau:
Đề xuất mơ hình phân loại tài nguyên học tập dựa trên tiếp cận kỹ thuật học sâu với mạng nơ-ron truyền thẳng đa tầng MLP. Thực nghiệm cũng so sánh cách tiếp cận kỹ thuật học sâu với các kỹ thuật học máy nổi bật khác, kết quả cho thấy cách tiếp cận mới này cho kết quả phân loại tài liệu khả thi và hiệu quả hơn.
Đề xuất hai cách tiếp cận tìm kiếm tài nguyên học tập dựa trên sự tương đồng về nội dung văn bản và dựa trên mạng ngữ nghĩa ontology. Ở mỗi cách tiếp cận, truy vấn và tài nguyên học tập được phân loại để xác định lĩnh vực nhằm thu hẹp khơng gian tìm kiếm trước khi tìm trên lĩnh vực tương ứng của tài nguyên học tập được xây dựng sẵn.
Đề xuất các mơ hình dự đốn kết quả học tập sử dụng các kỹ thuật học sâu gồm mơ hình dự đốn kết quả học tập trên tồn bộ dữ liệu sinh viên sử dụng mạng nơ-ron tích chập CNN, mơ hình dự đốn theo nhĩm năng lực học tập sử dụng mạng nơ-ron truyền thẳng đa tầng MLP và rừng ngẫu nhiên RF, và mơ hình dự đốn theo từng sinh viên sử dụng mạng bộ nhớ ngắn dài hạn LSTM. Kết quả thực nghiệm cho thấy các mơ hình đề xuất cho kết quả dự đốn khá tốt và được cải thiện dần theo trình tự các cách tiếp cận nêu trên. Điều này cho thấy các mơ hình và kỹ thuật được đề xuất, đặc biệt là các kỹ thuật học sâu rất cĩ tiềm năng để xây dựng các mơ hình dự đốn kết quả học tập hay tài nguyên học tập nĩi chung.
Nghiên cứu đề xuất mơ hình gợi ý tài nguyên học tập sử dụng kỹ thuật phân rã ma trận sâu DMF được mở rộng từ kỹ thuật phân
rã ma trận chuẩn MF. Mơ hình được kiểm chứng với hai nhĩm dữ liệu gồm các tập dữ liệu về tài nguyên học tập và các tập dữ liệu về kết quả học tập của sinh viên ở một trường đại học. Mơ hình DMF cũng được so sánh với các kỹ thuật khác của hệ thống gợi ý. Kết quả cho thấy mơ hình DMF cĩ hiệu suất dự đốn xếp hạng khá tốt so với các kỹ thuật khác, từ đĩ cĩ thể gợi ý tài nguyên học tập hay mơn học phù hợp với từng người học.
7.2. Hướng nghiên cứu tiếp theo
Luận án đã đề xuất hai các tiếp cận tìm kiếm tài nguyên học tập dựa trên độ tương đồng văn bản và dựa trên mạng ngữ nghĩa. Thời gian tới, việc nghiên cứu phương pháp đánh giá hiệu quả của mơ hình tìm kiếm dựa trên mạng ngữ nghĩa ontology là cần thiết.
Việc so sánh hiệu quả tìm kiếm giữa hai cách tiếp cận này cũng cần
được xem xét.
Cần triển khai thực nghiệm trên nhiều tập dữ liệu khác nhau đối với các mơ hình dự đốn xếp hạng kết quả học tập, gợi ý tài nguyên học tập để cĩ đánh giá tồn diện, khách quan hơn đối với các kỹ thuật đề xuất, đặc biệt là kỹ thuật học sâu. Ngồi ra, cần nghiên cứu bổ sung nhiều thuộc tính (đa thuộc tính) cĩ yếu tố thời gian, chọn lọc các thuộc tính cĩ ảnh hưởng tính cực đến kết quả dự đốn để cải thiện hiệu quả của mơ hình học sâu.
Các mơ hình tìm kiếm, dự đốn và gợi ý tập trung ở tài nguyên học tập dạng văn bản. Một vấn đề cĩ thể nghiên cứu trong thời gian tới là nghiên cứu cải tiến các mơ hình này cho dạng tài nguyên học tập khác, chẳng hạn video.
Nghiên cứu tạo sự gắn kết cho các kết quả nghiên cứu của
luận án là cần thiết. Ngồi ra, cĩ thể nghiên cứu tích hợp các mơ
hình tìm kiếm, dự đốn xếp hạng và gợi ý tài nguyên học tập thành một hệ thống quản lý tài nguyên học tập để áp dụng vào trường hợp thực tiễn của cơ sở giáo dục, đặc biệt là giáo dục đại học.