Khai phá dữ liệu người học hỗ trợ công tác quản lí đào tạo và tư vấn: Nghiên cứu tại Trường đại học Công nghiệp Hà Nội

Trường Đại học Công nghiệp Hà Nội đang sử dụng hệ thống đại học điện tử trong công tác quản lý và đào tạo, với nguồn dữ liệu khổng lồ được thu thập và tổng hợp trong thời gian gần đây; tuy nhiên, việc phân tích và khai thác dữ liệu này vẫn chưa được thực hiện. Do đó, việc tiến hành nghiên cứu dữ liệu người học tại Trường Đại học Công nghiệp Hà Nội để hỗ trợ công tác quản lý đào tạo và tư vấn cho sinh viên là có ý nghĩa và cần thiết. Trong nghiên cứu này, mô hình nghiên cứu đầu tiên kết hợp dữ liệu nhân khẩu học và kết quả học tập 4 học kỳ, dự đoán tỷ lệ tốt nghiệp đúng hạn là 88% và dự đoán phân loại tốt nghiệp là 89%.
Nội dung trích xuất từ tài liệu:
Khai phá dữ liệu người học hỗ trợ công tác quản lí đào tạo và tư vấn: Nghiên cứu tại Trường đại học Công nghiệp Hà Nội VJE Tạp chí Giáo dục (2024), 24(16), 53-58 ISSN: 2354-0753 KHAI PHÁ DỮ LIỆU NGƯỜI HỌC HỖ TRỢ CÔNG TÁC QUẢN LÍ ĐÀO TẠO VÀ TƯ VẤN: NGHIÊN CỨU TẠI TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI Đặng Ngọc Hùng+, Hoàng Anh, Trung tâm Đảm bảo chất lượng - Trường Đại học Công nghiệp Hà Nội Mai Văn Thanh, +Tác giả liên hệ ● Email: dangngochung@haui.edu.vn Vũ Quý Trung, Bùi Thanh Huyền Article history ABSTRACT Received: 31/5/2024 Hanoi University of Industry is using an electronic university system in Accepted: 11/6/2024 management and training, with a huge source of data collected and synthesized Published: 20/8/2024 in recent times; however, the analysis and mining of this data has not been done yet. Therefore, conducting research on learner data at Hanoi University of Keywords Industry to support training management and student consulting is meaningful On-time graduation, and necessary. In this study, the first research model incorporates demographic graduation classification, data and 4-semester academic results, predicting an on-time graduation rate of data mining, Hanoi 88% and a graduation classification prediction of 89%. The second model University of Industry includes learning outcome data of 6 semesters, resulting in an increased prediction rate. It projected an on-time graduation rate of 90% and a graduation classification prediction of 95%. The research findings proposed several recommendations aimed at improving on-time graduation rates and achieving good and excellent graduation results for the University and its students; providing students with personalized learning that takes into account students skills, goals and interests to create their ideal learning journey. 1. Mở đầu Trong những năm gần đây, việc ứng dụng các kĩ thuật khai phá dữ liệu và phát hiện tri thức trong các lĩnh vựcgiáo dục, tài chính, ngân hàng, marketing… rất được quan tâm nghiên cứu. Đối với GD-ĐT sinh viên trong cáctrường đại học theo hình thức đào tạo tín chỉ đòi hỏi sinh viên phải có sự chủ động cao. Sinh viên trong quá trình họctập phải tự mình lựa chọn, phân bổ các môn học cho từng kì sao cho tích lũy đủ số tín chỉ theo quy chế đào tạo, sinhviên hoàn toàn có thể ra trường sớm hoặc đúng hạn. Khai phá dữ liệu là trích xuất và khai thác những thông tin hữu ích, tiềm ẩn của dữ liệu. Công việc này giải quyết cácvấn đề bằng cách phân tích lượng dữ liệu lớn hiện có để khám phá ra các xu hướng và các quy tắc có ý nghĩa (Baradwaj& Pal, 2011). Theo Nguyễn Trí Thành và cộng sự (2013), khai phá dữ liệu là một bước trong quy trình khai phá tri thứctrong cơ sở dữ liệu được tiến hành qua 6 giai đoạn sau: Gom dữ liệu; Trích lọc dữ liệu; Làm sạch, tiền xử lí dữ liệu;Chuyển đổi dữ liệu; Khai phá dữ liệu; Đánh giá luật và biểu diễn tri thức. Nghiên cứu tổng quan chung về phân tích dữ liệu trong giáo dục đại học của Mai (2018) cho rằng, phân tích dữliệu giáo dục được xem là một giải pháp khá hữu hiệu. Bài viết được thực hiện nhằm đưa ra cái nhìn bao quát về dữliệu lớn trong ngữ cảnh của giáo dục đại học, đặc biệt tại Việt Nam như là một mối quan tâm mới xuất hiện gần đâytrong các nghiên cứu liên ngành. Bài báo xác định rõ các loại dữ liệu cần được thu thập, lưu trữ và phân tích tại cáccơ sở giáo dục đại học, qua đó nêu lên những vấn đề tồn tại và gợi ý những định hướng ban đầu cho việc ứng dụnglĩnh vực nghiên cứu này vào thực tiễn giáo dục đại học. Một số nghiên cứu sử dụng các ứng dụng khai phá dữ liệu để hỗ trợ cho công tác quản lí trong các cơ sở đào tạo,như nghiên cứu của Đinh Chung Dũng (2017), Romero & Ventura (2020) đã tổng quan các nghiên cứu với tiêu đề“khai thác dữ liệu trong giáo dục”, về cách áp dụng Phân tích học tập và Khai thác dữ liệu giáo dục trên dữ liệu giáodục. Yağcı (2022) đề xuất một mô hình mới dựa trên thuật toán học máy như Random Forests, Nearest Neighbour,Support Vector Machines, Logistic Regression, Naïve Bayes và K-Nearest Neighbour Algorithms để dự đoán điểmthi cuối kì của sinh viên đại học, lấy điểm thi giữa kì làm dữ liệu nguồn. Mai Thu Giang (2020) đã ứng dụng khaiphá dữ liệu trong dự báo kết quả học tập tại Trường Đại học Kinh tế - Đại học Huế bằng việc sử dụng kĩ thuật tríchchọn thuộc tính và kĩ thuật phân lớp dựa trên các thuật toán Cây quyết định (Decision Tree) trong phần mềm WEKA 53 VJE Tạp chí Giáo dục (2024), 24(16), 53-58 ISSN: 2354-0753(Waikato Environment for Knowledge Analysis) để xây dựng các mô hình dự báo kết quả cuối khóa sau khi kết thúctừng học kì. Các nghiên cứu Nguyễn Xuân Hải (2016), Nguyễn Văn Thủy (2023), Huỳnh Lê Uyên Minh và cộng sự(2024), đã sử dụng các công cụ máy học trong nghiên cứu kết quả tốt nghiệp, nâng cao chất lượng học tập và hiệuquả đào tạo của nhà trường. Như vậy trên cơ sở nghiên cứu trong và ngoài nước, chúng tôi nhận thấy khai phá dữ liệu trong lĩnh vực GD-ĐTđang rất được quan tâm và mang lại nhiều ý nghĩa. Trường Đại học Công nghiệp Hà Nội đang sử dụng hệ thống đạihọc điện tử trong công tác quản lí và đào tạo, với nguồn dữ liệu rất lớn được thu thập và tổng hợp trong thời gianqua, tuy nhiên việc phân tích và khai phá dữ liệu này chưa được t ...