Luận văn: Xây dựng hệ thống thông tin hỗ trợ đánh giá học sinh dùng lý thuyết tập mờ

Luận văn thạc sĩ nghiên cứu xây dựng hệ thống thông tin ứng dụng lý thuyết tập mờ để đánh giá học sinh một cách khách quan, chính xác và công bằng.

• Tác giả: Nguyễn Văn Thông
• Người hướng dẫn: PGS. Bùi Công Cường
• Trường học: Đại học Quốc gia Hà Nội, Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Bảo đảm toán học cho máy tính và hệ thống tính toán
• Đề tài: Xây dựng một hệ thống thông tin hỗ trợ đánh giá học sinh dùng lý thuyết tập mờ
• Loại tài liệu: Luận văn thạc sĩ khoa học
• Năm xuất bản: 2011
• Địa điểm: Hà Nội

Tóm tắt

I. Khái Niệm Cơ Bản Về Lý Thuyết Tập Mờ Trong Đánh Giá Học Sinh

Lý thuyết tập mờ là một nhánh toán học được Lotfi Zadeh đề xuất năm 1965, có ứng dụng rộng rãi trong giáo dục. Khác với phương pháp chấm điểm truyền thống, đánh giá học sinh bằng tập mờ cho phép xử lý tính không chắc chắn của kết quả học tập. Khi một học sinh được ghi 8 điểm, điểm thực tế có thể nằm trong khoảng gần 8 điểm, không phải chính xác 8. Hàm thuộc trong tập mờ đo lường độ thuộc của một giá trị vào một tập hợp, dao động từ 0 đến 1. Phương pháp này giúp đánh giá khách quan hơn, công bằng hơn và chính xác hơn so với chấm điểm truyền thống. Ứng dụng logic mờ và hệ thống thông tin hỗ trợ trong đánh giá học sinh đã mang lại kết quả cụ thể trong nhiều nghiên cứu giáo dục hiện đại.

1.1. Định Nghĩa Tập Mờ Và Không Gian Nền

Trong lý thuyết tập mờ, không gian nền X là tập hợp chứa tất cả các phần tử có thể. Tập mờ A trên không gian X được định nghĩa qua hàm thuộc μ_A: X → [0,1]. Ví dụ, nếu X = [0,100] là điểm số học sinh, tập mờ "điểm giỏi" được mô tả bằng hàm thuộc gán cho mỗi điểm x một giá trị từ 0 đến 1, biểu diễn mức độ "giỏi" của điểm đó. Mức độ thuộc μ_A(x) = 1 thể hiện hoàn toàn thuộc, μ_A(x) = 0 là hoàn toàn không thuộc.

1.2. Ứng Dụng Hàm Thuộc Trong Đánh Giá

Hàm thuộc đóng vai trò quan trọng trong hệ thống đánh giá học sinh. Thay vì gán một điểm cụ thể, hàm thuộc mờ cho phép biểu diễn mức độ đạt được của mục tiêu học tập. Ví dụ, một bài làm của học sinh có thể được đánh giá: nếu thời gian làm bài là 30 phút (ngắn) và độ chính xác là 0.8 (cao) thì độ khó của bài tập là thấp. Cách tiếp cận này giảm tính chủ quan trong chấm điểm và tăng tính minh bạch của quy trình đánh giá.

II. Phương Pháp Đánh Giá Sử Dụng Số Mờ Tam Giác Và Hình Thang

Số mờ tam giác và số mờ hình thang là hai công cụ quan trọng trong đánh giá học sinh dùng tập mờ. Số mờ tam giác M(a,b,c) được xác định bởi ba tham số, với hàm thuộc tuyến tính từng đoạn, tạo hình dạng tam giác. Đây là mô hình phù hợp để biểu diễn các khoảng giá trị điểm số như "điểm khá" (6,7,8) hoặc "điểm giỏi" (8,9,10). Số mờ hình thang có bốn tham số, tạo vùng giữa có độ thuộc bằng 1, phù hợp hơn khi cần biểu diễn khoảng giá trị chắc chắn. Việc sử dụng các loại số mờ này giúp mô hóa hành vi thực tế của điểm số học sinh, từ đó nâng cao chất lượng đánh giá trong các hệ thống hỗ trợ quyết định giáo dục.

2.1. Cấu Trúc Số Mờ Tam Giác

Số mờ tam giác M(a,b,c) với a < b < c có hàm thuộc dạng tuyến tính: giá trị tăng từ 0 tại a đến 1 tại b, sau đó giảm từ 1 tại b về 0 tại c. Cấu trúc này phù hợp cho đánh giá học sinh vì nó phản ánh tính chất của điểm số: có một giá trị "mục tiêu" b (điểm tốt nhất) và các giá trị xung quanh nó vẫn được chấp nhận với độ thuộc giảm dần. Điều này giảm độ cứng nhắc so với đánh giá nhị phân truyền thống.

2.2. Ứng Dụng Số Mờ Hình Thang

Số mờ hình thang mở rộng khái niệm tam giác bằng cách có hai điểm với độ thuộc bằng 1 (b và c), tạo "khoảng chắc chắn". Trong hệ thống đánh giá học sinh, dạng này biểu diễn tốt hơn các mục tiêu kiến thức, ví dụ: từ 7 đến 8 điểm đều được coi là "tốt". Phương pháp này cho phép xây dựng tiêu chí đánh giá linh hoạt, phù hợp với các chuẩn đánh giá khác nhau trong giáo dục.

III. Logic Mờ Và Luật Mờ Trong Quy Trình Đánh Giá

Logic mờ mở rộng logic cổ điển bằng cách cho phép các giá trị chân lý nằm giữa 0 và 1, không chỉ hoàn toàn đúng hoặc sai. Luật mờ là những câu điều kiện "IF-THEN" sử dụng các biến ngôn ngữ mờ để mô tả các quy trình quyết định. Ví dụ: "Nếu thời gian trả lời ngắn VÀ độ chính xác cao THÌ độ khó của bài tập là thấp". Áp dụng luật mờ trong đánh giá học sinh cho phép tự động hóa quy trình ghi nhận, giảm sai sót con người và tăng tính nhất quán. Hệ thống thông tin hỗ trợ sử dụng logic mờ có thể xử lý nhiều tiêu chí đánh giá đồng thời, cung cấp đánh giá tổng quát về kết quả học tập của học sinh một cách toàn diện và khách quan.

3.1. Biến Ngôn Ngữ Và Tập Mờ Trong Luật Mờ

Biến ngôn ngữ như "thời gian" hoặc "độ chính xác" được chia thành các tập mờ như "ngắn", "trung bình", "dài". Mỗi tập mờ có hàm thuộc riêng định nghĩa trên không gian nền. Ví dụ, biến "thời gian trả lời" với không gian [1,45] phút có tập mờ "ngắn" (1,15,25 phút) và "dài" (30,40,45 phút). Cách này cho phép biểu diễn tri thức chuyên gia về đánh giá học sinh dưới dạng ngôn ngữ tự nhiên.

3.2. Cơ Chế Suy Diễn Mờ

Cơ chế suy diễn mờ kết hợp nhiều luật mờ để đưa ra quyết định đánh giá. Khi nhận đầu vào (ví dụ: thời gian 20 phút, độ chính xác 0.85), hệ thống mờ tính mức độ kích hoạt của mỗi luật mờ, sau đó tổng hợp kết quả từ các luật được kích hoạt. Quá trình defuzzification chuyển đổi kết quả mờ thành điểm số cụ thể hoặc nhận xét định tính. Phương pháp này nâng cao độ chính xác của hệ thống đánh giá học sinh.

IV. Ứng Dụng Thực Tiễn Và Lợi Ích Của Hệ Thống Hỗ Trợ Đánh Giá Mờ

Hệ thống thông tin hỗ trợ đánh giá học sinh dùng lý thuyết tập mờ mang lại nhiều lợi ích thiực tiễn cho giáo dục. Phần mềm Matlab được sử dụng để cài đặt chương trình tính các giá trị mờ, từ đó đưa ra kết quả đánh giá cụ thể và nhất quán. Hệ thống này giảm độ chủ quan của giáo viên, tăng tính công bằng trong chấm điểm bài làm, và hỗ trợ ra quyết định về xếp hạng học sinh. Ngoài ra, phương pháp này giúp xác định điểm mạnh và điểm yếu của học sinh qua đánh giá chi tiết các tiêu chí. Ứng dụng logic mờ trong xếp hạng hệ thống giáo dục cũng được chứng minh hiệu quả. Kết quả từ nhiều nghiên cứu cho thấy lý thuyết tập mờ là công cụ hữu ích để hiện đại hóa quy trình đánh giá học sinh.

4.1. Triển Khai Hệ Thống Và Quy Trình Đánh Giá

Triển khai hệ thống bắt đầu từ xác định tiêu chí đánh giá (thời gian làm bài, độ chính xác, cách trình bày). Tiếp theo, xây dựng tập mờ cho mỗi tiêu chí và luật mờ kết nối chúng. Chương trình máy tính sử dụng Matlab thực hiện tính toán mờ tự động. Giáo viên nhập dữ liệu bài làm học sinh, hệ thống xử lý và xuất ra điểm số mờ cùng nhận xét định tính. Quy trình này tiết kiệm thời gian chấm bài và nâng cao chất lượng đánh giá.

4.2. Những Lợi Ích Và Triển Vọng Phát Triển

Lợi ích chính của hệ thống đánh giá mờ là tính khách quan cao, độ chính xác tốt và khả năng xử lý tính không chắc chắn của kết quả học tập. Hệ thống này có thể tích hợp nhiều tiêu chí phức tạp, phù hợp với các chuẩn đánh giá khác nhau. Triển vọng phát triển bao gồm mở rộng ứng dụng sang đánh giá năng lực, xếp hạng học sinh, và dự báo tiến độ học tập. Kết hợp lý thuyết tập mờ với công nghệ mạng nơ-ron sẽ tạo hệ thống đánh giá thông minh hơn.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Từ khi lí thuyết tập mờ đƣợc Zadeh đề xuất năm 1965, lí thuyết tập mờ và logic mờ phát triển rất nhanh và đa dạng. Công nghệ mờ và công nghệ mạng nơ-ron phát triển mạnh, áp dụng vào các ngành công nghiệp làm ra nhiều sản phẩm thông minh, đáp ứng nhu cầu thị trƣờng. Những năm gần đây, một số nghiên cứu ứng dụng lý thuyết tập mờ vào giáo dục đào tạo đã đƣợc tiến hành và có những kết quả cụ thể nhƣ đánh giá học sinh, xếp hạng hệ thống giáo dục. Việc chấm điểm bài làm của học sinh nhƣ hiện tại đạt độ chính xác chƣa cao, vì thực chất điểm mà học sinh đạt đƣợc trong mỗi bài kiểm tra có tính chất "mờ".

Ví dụ trong số những học sinh đƣợc điểm 8 thì có những học sinh đạt “cỡ 8 điểm”, tức là có thể thấp hơn hay cao hơn 8 điểm một chút… Trên cơ sở đã tìm hiểu những kiến thức cơ bản về logic mờ, là ngƣời trực tiếp làm nhiệm vụ quản lý giáo dục, tôi chọn đề tài "Xây dựng một hệ thống thông tin hỗ trợ đánh giá học sinh dùng lý thuyết tập mờ" cho luận văn của mình, nhằm nghiên cứu một cách mới để đánh giá học sinh chính xác hơn, khách quan hơn, công bằng hơn. Tôi dùng phần mềm Matlab để cài đặt chƣơng trình tính và đƣa ra những kết quả đánh giá cụ thể. Luận văn gồm 3 chƣơng: Chƣơng 1: Kiến thức cơ sở về lý thuyết tập mờ và số mờ. Chƣơng 2: Phƣơng pháp mới để đánh giá bài làm của học sinh sử dụng tập mờ.

Chƣơng 3: Đánh giá kết quả học tập của học sinh bằng cách sử dụng hàm thuộc và luật mờ. Do thời gian có hạn và khả năng còn hạn chế nên luận văn khó tránh khỏi những thiếu sót, tôi rất mong nhận đƣợc sự đóng góp ý kiến từ các thầy cô giáo, các bạn học viên để hoàn thiện hơn bản luận văn của mình. KIẾN THỨC CƠ SỞ VỀ LÝ THUYẾT TẬP MỜ VÀ SỐ MỜ 1.1[3]: Cho tập X  , ta sẽ gọi X là không gian nền. A là tập mờ trên không gian nền X nếu A đƣợc xác định bởi hàm: A : X [0,1] ( A (x) [0,1], x X) A gọi là hàm thuộc (membership function); A(x) là độ thuộc của x vào tập mờ A.

Tập A đƣợc gọi là tập rỗng nếu nó không có phần tử nào.1: Cho không gian nền X = [0, 150] là tập chỉ tốc độ của ngƣời đi xe máy (km/h). Tập mờ A = ”Đi nhanh” xác định bởi hàm thuộc A : X [0,1] nhƣ đồ thị sau: A(x) 1 0.8 25 45 50 x Nhƣ vậy: - Với x ≥ 50 (tốc độ từ 50km/h trở lên) A (x) = 1 (đi nhanh); thì - Với x = 45 (km/h) thì A (x) = 0.2 : Vết vân tay của tội phạm trên hiện trƣờng là một ví dụ về tập mờ đƣợc cho trong hình sau: 3 X A (x1 )  1 A (x2 )  0.7 Để cho gọn, ta kí hiệu độ thuộc là A(x) thay A (x). cho Ta cũng kí hiệu A = {(x,  A (x) ) | xX} hoặc A = {(  A (x) /x): xX} - Ví dụ 1.2/6)} Ta kí hiệu: F(X) = {A tập mờ trên X} 1.2 [3]: Tập M trên đƣờng thẳng số thực R1 là một số mờ nếu : a) M chuẩn hóa, tức là có điểm x’ sao cho M (x ') =1; b) Ứng với mỗi   R1, tập mức { x: M (x)   } là đoạn đóng trên R1; c) M (x) là hàm liên tục.4 [3] : Số mờ tam giác: Số mờ tam giác đƣợc xác định bởi 3 tham số. Khi đó hàm thuộc của số mờ tam giác M(a,b,c) cho bởi: 0 nếu z ≤ a  (z  a) / (b  nếu a ≤ z ≤ b a) nếu z = b  (z)  nếu b ≤ z ≤ c M   nếu c ≤ z  (c  z) / (c  b)  0 4 M (z) 1 a z b c Z Hình 1.

Số mờ tam giác - Ví dụ 1. Số mờ hình thang - Ví dụ 1.6 : Số mờ ’Bờ vai’ M(t1,t2) (t1<t2) đƣợc xác định bởi 2 tham số, có hàm thuộc dạng sau: 1 nếu z ≤ t1   1(z)   z t2 nếu t1 ≤ z ≤ t2 M  t tt t 2 1 2 1  nếu t2 ≤ z 0 5 M (z) 1 t t Z 1 mờ ’Bờ vai’2 Hình 1. Luật mờ Xét Ui ≠ là tập nền của biến ngôn ngữ vào xi, i=1,2,.,n V≠ là tập nền của biến ngôn ngữ ra y 1.7: x1 là biến ngôn ngữ thời gian trả lời câu hỏi; tập U1=[1,45] là không gian nền của biến ngôn ngữ x1(phút); A1=’ngắn’ là một tập mờ trên không gian nền U1; x2 là biến ngôn ngữ độ chính xác trong câu trả lời; tập U2=[0,1] là không gian nền của biến ngôn ngữ x2; A2=’cao’ là một tập mờ trên không gian nền U2; y là biến ngôn ngữ độ khó của câu trả hỏi; tập V=[0,1] là không gian nền của biến ngôn ngữ y; B=’thấp’ là một tập mờ trên không gian nền V, Một luật mờ suy ra độ khó của câu hỏi là: IF (x1 is A1)  (x2 is A2) THEN (y is B) (nếu thời gian trả lời ngắn và độ chính xác cao thì độ khó của câu hỏi là thấp (câu hỏi dễ). 6 Chƣơng 2: PHƢƠNG PHÁP MỚI ĐỂ ĐÁNH GIÁ BÀI LÀM CỦA HỌC SINH SỬ DỤNG TẬP MỜ 2.

Phương pháp của Biswas để đánh giá bài làm của học sinh: [7] - Cho 2 tập mờ A, B trên không gian nền X., xn} Để cho gọn, ta dùng vectơ để biểu thị các tập mờ A, B nhƣ sau: A = {fA(x1), fA(x2), ., fB(xn)} Độ tƣơng tự S( A , B ), đƣợc định nghĩa nhƣ sau: A. B chỉ tích vô hƣớng 2 véc tơ biểu thị 2 tập mờ A, B. - Tập không gian nền: X = {0, 20, 40, 60, 80, 100} là tập không gian nền nhằm phân định mức độ hoàn thành công việc của học sinh tƣơng ứng với: 0%, 20%, 40%, 60%, 80%, 100%. - Tập mờ chuẩn: Tuyệt vời, ký hiệu E = {0/0; 0/20; 0.

Rất tốt, ký hiệu V = {0/0; 0/20; 0. Đạt yêu cầu, ký hiệu S = {0. Không đạt yêu cầu, ký hiệu U ={1/0; 1/20; 0. Để cho gọn ta dùng các véc tơ E , V , G , S , U để biểu thị các tập E, V, G, S, U một cách tƣơng ứng: E = {0, 0, 0.2, 0, 0} 7 - Gọi A, B, C, D, E là các chữ chỉ các mức giá trị của 5 điểm mờ nêu trên theo thứ tự tƣơng ứng với E, V, G, S, U với ý nghĩa nhƣ sau: 0≤E<30, 30≤D<50, 50≤C<70, 70≤B<90; 90≤A≤100.

- Trang điểm mờ (Fuzzy grade sheet) để đánh giá bài làm học sinh: Thứ tự Điểm mờ Mức 0% 20% 40% 60% 80% 100% Câu hỏi 1 0 0.4 Câu hỏi 2 Câu hỏi 3. Tổng số điểm: Bảng 2.1: Trang chấm điểm mờ Trang có cấu trúc kiểu ma trận gồm n dòng, 8 cột nhƣ bảng 2.Trong đó: Dòng thứ i ghi câu hỏi i và điểm mờ của học sinh cho câu hỏi i, i=1,2, ., n, với n là số lƣợng câu hỏi của bài kiểm tra. Cột 1: Các câu hỏi của bài kiểm tra theo thứ tự từ trên xuống. Từ cột thứ hai đến cột thứ bảy ghi “điểm mờ” mà giáo viên đánh giá câu trả lời của học sinh cho câu hỏi tƣơng ứng.

Cột 8: Ghi mức đánh giá dành cho mỗi câu hỏi. Dòng cuối cùng là tổng số điểm dành cho bài làm của học sinh. Ví dụ điểm cho câu hỏi 1 là F1={0/0; 0.4/100} (trên không gian nền X = {0, 20, 40, 60, 80, 100} ) thì ghi vào bảng trên dòng 1, các cột từ thứ 2 đến thứ 7 lần lƣợt là 0, 0. Thuật toán đánh giá bài làm của học sinh theo trang điểm mờ Bƣớc 1: - Ngƣời đánh giá điểm cho câu hỏi thứ i bằng điểm mờ Fi và đƣợc biểu thị bởi vectơ Fi : Fi = {fi1/0, fi2/20, fi3/40, fi4/60, fi5/80, fi6/100}, 8 hay viết gọn Fi = {fi1, fi2, …, fi6} - Tính mức tƣơng tự: S( E , Fi ), S(V , Fi ), S( G , Fi ), S( S , Fi ) và S(U , Fi ), với E , V , G , S , U lần lƣợt là các vectơ biểu thị các tập mờ chuẩn E, V, G, S, U - Tìm max {S( E , Fi ), S(V , Fi ), S( G , Fi ), S( S , Fi ), S(U , Fi )}.P(g )] i i 1 i1 Trong đó: T(Qi) là điểm của câu hỏi thứ i.

Các công việc trên có thể thực hiện bằng chƣơng trình máy tính.1: Một bài kiểm tra gồm 3 câu hỏi, điểm của các câu hỏi lần lƣợt là 2, 3, 5 (T(Q1)=2, T(Q2)=3, T(Q3)=5) Một giáo viên đã đánh giá bài làm của một học sinh và ghi vào bảng nhƣ sau: Thứ tự Điểm mờ Mức 0% 20% 40% 60% 80% 100% Câu hỏi 1 0 0 0 0.5 0 Tổng số điểm: Theo thuật toán trên ta tính đƣợc điểm cho học sinh này nhƣ sau: Bƣớc 1: 0. Bƣớc 2: Tính tổng số điểm theo công thức sau: 1 Tổng số điểm = (2 x 80  3 x 60  5 x 60) 100 = 6.4 (nhƣ bảng dƣới đây) Thứ tự Điểm mờ Mức 0% 20% 40% 60% 80% 100% Câu hỏi 1 0 0 0 0.5 0 C Tổng số điểm: 6.4 Nhận xét: Phƣơng pháp chấm điểm đã trình bày ở trên vẫn còn 2 hạn chế: - Thứ nhất: Việc sử dụng hàm S để tính độ tƣơng tự giữa các tập mờ chuẩn và tập mờ là điểm của mỗi câu hỏi cần khá nhiều thời gian, nhất là với số lƣợng câu hỏi lớn; - Thứ hai: Trong thuật toán trên để tính gi chúng ta đã tìm max {S( E , Fi ), S(V , Fi ), S( G , Fi ), S( S , Fi ), S(U , Fi )}. Tuy nhiên có khả năng xảy ra là Fi ≠ Fj 11 nhƣng max{(Y, Fi)} = max{(Y, Fj)}, Y{ E ,V , G , S ,U }, tức là gi=gj, điều này dẫn đến việc đánh giá là không công bằng. Để khắc phục các nhƣợc điểm trên ta có phƣơng pháp mới để đánh giá bài làm của học sinh nhƣ sau.