Nghiên cứu xây dựng hệ thống dự đoán kết quả học tập cho học sinh trung học phổ thông

Luận văn thạc sĩ kỹ thuật phân tích xây dựng hệ thống dự đoán kết quả học tập của học sinh trung học phổ thông, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho

• Tác giả: Nguyễn Thị Lan
• Người hướng dẫn: PGS.TS Trần Văn Lăng
• Trường học: Trường Đại Học Bà Rịa-Vũng Tàu
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Hệ Thống Dự Đoán Kết Quả Học Tập Cho Học Sinh Trung Học Phổ Thông
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Bà Rịa-Vũng Tàu

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CÁM ƠN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG BIỂU
• DANH MỤC CÁC HÌNH VẼ
• 1. Chương 1: TỔNG QUAN VỀ ĐỀ TÀI
• 1.1. Sự cần thiết của đề tài
• 1.2. Một số nghiên cứu liên quan
• 1.3. Mục tiêu của đề tài
• 1.4. Đối tượng và phương pháp nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phương pháp nghiên cứu
• 1.5. Nội dung nghiên cứu
• 2. Chương 2: PHƯƠNG PHÁP VÀ KỸ THUẬT SỬ DỤNG
• 2.1. Hệ số tương quan Pearson
• 2.2. Hồi quy tuyến tính
• 2.2.1. Phương pháp giải
• 2.3. Mạng thần kinh nhân tạo
• 2.3.1. Giới thiệu mạng thần kinh nhân tạo
• 2.3.2. Hàm kích hoạt
• 2.3.3. Kiến trúc của mạng thần kinh nhân tạo
• 2.3.4. Học có giám sát trong các mạng thần kinh nhân tạo
• 2.4. Học phối hợp (Ensemble Learning)
• 3. Chương 3: HỆ THỐNG DỰ BÁO KẾT QUẢ HỌC TẬP
• 3.1. Giai đoạn huấn luyện
• 3.2. Giai đoạn dự báo
• 3.3. Sơ đồ của hệ thống
• 3.4. Phương pháp thực hiện
• 3.4.1. Phương pháp hồi quy tuyến tính
• 3.4.2. Phương pháp mạng nơ-ron
• 3.4.3. Phương pháp học phối hợp
• 4. Chương 4: KẾT QUẢ THỰC NGHIỆM
• 4.1. Tiền xử lý dữ liệu
• 4.1.1. Thu thập dữ liệu
• 4.1.2. Tiền xử lý dữ liệu
• 4.2. Giao diện hệ thống
• 4.2.1. Menu Huấn luyện
• 4.3. Kết quả dự báo
• 4.3.1. Kết quả môn Anh
• 4.3.2. Kết quả môn Toán
• 4.3.3. Kết quả môn Văn
• 4.4. So sánh, đánh giá các phương pháp dùng để dự báo
• 4.5. Kết quả kiểm tra
• 4.5.1. Kết quả kiểm tra môn chuyên của lớp chuyên
• 4.5.2. Kết quả kiểm tra môn không chuyên của lớp chuyên
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về đề tài

Đề tài "Hệ thống dự đoán kết quả học tập cho học sinh trung học phổ thông" nhằm xây dựng một hệ thống thông minh giúp dự đoán kết quả học tập của học sinh dựa trên dữ liệu quá khứ. Sự cần thiết của đề tài này xuất phát từ việc trường chuyên là nơi tập trung những học sinh có năng khiếu, cần có công cụ hỗ trợ để phát huy tối đa khả năng học tập. Việc dự đoán kết quả học tập không chỉ giúp học sinh có kế hoạch học tập hiệu quả mà còn tạo điều kiện cho phụ huynh và giáo viên theo dõi tiến bộ của học sinh. Hệ thống này sẽ áp dụng các công nghệ giáo dục và phân tích dữ liệu để đưa ra những dự đoán chính xác, từ đó nâng cao hiệu quả học tập và động lực học tập cho học sinh.

1.1. Sự cần thiết của đề tài

Trường THPT chuyên Lê Quý Đôn, tỉnh Bà Rịa - Vũng Tàu, là nơi đào tạo những học sinh xuất sắc, cần một hệ thống hỗ trợ trong việc dự đoán kết quả học tập. Việc này giúp học sinh định hướng rõ ràng hơn trong quá trình học tập. Theo công văn số 05/2013/QĐ-UBND của tỉnh, học sinh giỏi sẽ được nhận học bổng, tạo động lực cho các em. Hệ thống dự đoán sẽ giúp học sinh cải thiện kết quả học tập và đạt được học bổng, đồng thời giúp phụ huynh theo dõi quá trình học tập của con em mình một cách hiệu quả hơn.

1.2. Một số nghiên cứu liên quan

Nghiên cứu về dự đoán kết quả học tập đã được thực hiện nhiều, tuy nhiên phần lớn tập trung vào sinh viên đại học. Một số nghiên cứu sử dụng các thuật toán hồi quy và phân loại để dự đoán điểm thi. Đặc biệt, có rất ít nghiên cứu liên quan đến học sinh trung học phổ thông, điều này cho thấy sự cần thiết trong việc phát triển các phương pháp dự đoán cho đối tượng này. Các nghiên cứu trước đó cho thấy rằng việc dự đoán kết quả học tập có thể giúp học sinh cải thiện thành tích và định hướng học tập tốt hơn.

II. Phương pháp và kỹ thuật sử dụng

Chương này trình bày các phương pháp và kỹ thuật được sử dụng trong nghiên cứu. Đầu tiên, hệ số tương quan Pearson được sử dụng để phân tích mối quan hệ giữa các môn học, giúp lựa chọn thuộc tính đầu vào cho mô hình dự đoán. Hệ số tương quan này có thể xác định mối quan hệ giữa điểm số của các môn học, từ đó đưa ra những dự đoán chính xác hơn. Bên cạnh đó, các kỹ thuật học máy như hồi quy tuyến tính, mạng nơ-ron, và học phối hợp sẽ được áp dụng để xây dựng mô hình dự đoán. Những phương pháp này giúp phát hiện ra các mẫu trong dữ liệu, từ đó tạo ra các dự đoán chính xác về kết quả học tập của học sinh.

2.1. Hệ số tương quan Pearson

Hệ số tương quan Pearson là một công cụ mạnh mẽ để đánh giá mức độ liên kết giữa hai biến. Nó giúp xác định xem có mối quan hệ đồng biến hay nghịch biến giữa điểm số của các môn học. Việc tính toán hệ số này cho phép xác định các môn học nào có ảnh hưởng lớn đến kết quả học tập của học sinh, từ đó giúp tối ưu hóa các yếu tố đầu vào cho mô hình dự đoán. Ví dụ, nếu điểm môn Toán và Lý có mối tương quan cao, chỉ cần sử dụng một trong hai môn để dự đoán môn còn lại.

2.2. Học máy

Học máy là một lĩnh vực quan trọng trong nghiên cứu này. Các phương pháp học có giám sát sẽ được sử dụng để dự đoán kết quả học tập dựa trên dữ liệu đã có. Các kỹ thuật như hồi quy tuyến tính và mạng nơ-ron sẽ được áp dụng để xây dựng các mô hình dự đoán. Học máy không chỉ giúp cải thiện độ chính xác của các dự đoán mà còn cho phép hệ thống tự động cập nhật và điều chỉnh theo dữ liệu mới. Điều này đảm bảo rằng hệ thống luôn phản ánh chính xác tình hình học tập của học sinh.

III. Hệ thống dự báo kết quả học tập

Hệ thống dự báo kết quả học tập được xây dựng nhằm mục đích cung cấp thông tin chính xác về khả năng học tập của học sinh trong tương lai. Hệ thống sẽ trải qua các giai đoạn huấn luyện và dự báo, trong đó dữ liệu quá khứ sẽ được sử dụng để đào tạo mô hình. Các phương pháp như hồi quy tuyến tính, mạng nơ-ron, và học phối hợp sẽ được áp dụng để tạo ra các dự đoán chính xác về điểm số của các môn học trong học kỳ tiếp theo. Hệ thống không chỉ giúp học sinh có kế hoạch học tập tốt hơn mà còn cung cấp cho giáo viên và phụ huynh thông tin cần thiết để hỗ trợ học sinh.

3.1. Giai đoạn huấn luyện

Trong giai đoạn huấn luyện, hệ thống sẽ sử dụng dữ liệu từ các học kỳ trước để xây dựng mô hình dự đoán. Dữ liệu này bao gồm điểm số của học sinh ở các môn học khác nhau, giúp xác định các yếu tố có ảnh hưởng đến kết quả học tập. Việc phân tích dữ liệu sẽ giúp tối ưu hóa mô hình dự đoán, từ đó đưa ra những kết quả chính xác hơn. Các kỹ thuật học máy sẽ được áp dụng để cải thiện khả năng dự đoán của hệ thống.

3.2. Giai đoạn dự báo

Sau khi mô hình được huấn luyện, giai đoạn dự báo sẽ được thực hiện. Hệ thống sẽ sử dụng dữ liệu đầu vào mới để dự đoán kết quả học tập của học sinh trong học kỳ tiếp theo. Kết quả dự báo sẽ được cung cấp cho học sinh, giáo viên và phụ huynh, giúp họ có những điều chỉnh cần thiết trong kế hoạch học tập. Hệ thống dự đoán không chỉ mang lại lợi ích cho học sinh mà còn hỗ trợ giáo viên trong việc đánh giá và điều chỉnh phương pháp giảng dạy.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số giáo dục đang diễn ra mạnh mẽ, việc ứng dụng học máy để dự báo năng lực học sinh đóng vai trò then chốt trong công tác định hướng đào tạo. Tại Trường THPT chuyên Lê Quý Đôn tỉnh Bà Rịa - Vũng Tàu, thống kê năm học 2020-2021 ghi nhận 51% học sinh trúng tuyển đại học thông qua phương thức xét tuyển học bạ. Bên cạnh đó, theo Quyết định số 05/2013/QĐ-UBND của Ủy ban Nhân dân tỉnh Bà Rịa - Vũng Tàu, học sinh trường chuyên đạt danh hiệu học sinh giỏi, hạnh kiểm tốt và điểm môn chuyên từ 8.5 trở lên được nhận học bổng khuyến khích tài năng trị giá 600.000 đồng một tháng trong suốt 9 tháng của năm học. Vấn đề nghiên cứu đặt ra là làm thế nào để phỏng đoán chính xác kết quả học tập của học kỳ kế tiếp nhằm giúp học sinh chủ động cải thiện điểm số và duy trì điều kiện nhận học bổng danh giá này. Mục tiêu cụ thể của đề tài là xây dựng một chương trình máy tính ứng dụng các kỹ thuật học máy hiện đại để dự đoán điểm trung bình 12 môn học trong học kỳ tương lai cho học sinh các khối lớp 10, 11 và 12. Phạm vi nghiên cứu tập trung vào nguồn dữ liệu điểm số thực tế được lưu trữ qua 8 năm học từ năm 2015 đến năm 2022 tại 7 lớp chuyên gồm Toán, Vật lý, Hóa học, Sinh học, Tin học, Ngữ văn và Tiếng Anh. Ý nghĩa của nghiên cứu thể hiện qua việc giảm thiểu tỷ lệ học sinh bị sụt giảm học lực xuống dưới 10%, đồng thời nâng cao độ chính xác dự báo với sai số tuyệt đối trung bình kiểm soát ở mức dưới 0.35 điểm, tạo tiền đề vững chắc cho 100% học sinh khối 12 tối ưu hóa hồ sơ xét tuyển đại học.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn vận dụng hệ thống lý thuyết đa tầng kết hợp giữa khoa học thống kê và trí tuệ nhân tạo. Mô hình đầu tiên là phân tích tương quan Pearson, cung cấp thước đo định lượng từ âm 1.0 đến dương 1.0 nhằm xác định độ mạnh yếu của mối quan hệ tuyến tính giữa các môn học. Tiếp đó, phương pháp Hồi quy tuyến tính (Linear Regression) được triển khai thông qua việc giải hệ phương trình đạo hàm cực tiểu hàm tổn thất bình phương nhỏ nhất để tìm bộ trọng số tối ưu. Đóng vai trò hạt nhân là lý thuyết Mạng thần kinh nhân tạo tổng quát (ANN-M) gồm tầng đầu vào, nhiều tầng ẩn và tầng đầu ra 1 nơ-ron hồi quy, vận hành dựa trên cơ chế lan truyền xuôi và thuật toán lan truyền ngược (Backpropagation) kết hợp tối ưu Gradient Descent. Hệ thống tích hợp 4 hàm kích hoạt kinh điển gồm Sigmoid, Tanh, ReLU và LeakyReLU nhằm xử lý triệt để tính phi tuyến tính của dữ liệu điểm số. Cuối cùng, lý thuyết Học phối hợp (Ensemble Learning) với 3 kỹ thuật mũi nhọn là Bagging, Gradient Boosting và Stacking được áp dụng để kết hợp sức mạnh của nhiều mô hình thành phần, giảm thiểu phương sai và loại bỏ hiện tượng đa cộng tuyến khi hệ số tương quan giữa 2 biến đầu vào vượt ngưỡng 0.8.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu được trích xuất trực tiếp từ hệ thống quản lý điểm của Trường THPT chuyên Lê Quý Đôn giai đoạn từ năm 2015 đến năm 2022, bao gồm đầy đủ kết quả 6 học kỳ của 12 môn học. Cỡ mẫu thực nghiệm phục vụ huấn luyện và kiểm thử bao gồm 496 hồ sơ học sinh cho bài toán dự báo điểm chi tiết và các tập dữ liệu mẫu chuẩn hóa gồm 20 đến 25 học sinh cho từng lớp chuyên. Phương pháp chọn mẫu là chọn mẫu toàn bộ theo từng khối chuyên ngành nhằm bảo toàn tính logic liên thông kiến thức từ lớp 10 đến lớp 12. Luận văn lựa chọn phương pháp phân tích định lượng kết hợp học máy có giám sát (Supervised Learning) vì đây là giải pháp tối ưu nhất cho bài toán hồi quy dữ liệu chuỗi thời gian học tập có nhãn rõ ràng. Timeline nghiên cứu được thực hiện tuần tự và chặt chẽ: giai đoạn thu thập, làm sạch và chuẩn hóa dữ liệu sang định dạng CSV diễn ra trong 5 tháng, giai đoạn thiết kế thuật toán và huấn luyện mạng nơ-ron kéo dài 4 tháng, và giai đoạn thử nghiệm kiểm chứng độ tin cậy hoàn tất trong 2 tháng trước khi nghiệm thu vào tháng 09 năm 2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu mang lại 4 phát hiện quan trọng có giá trị thực tiễn cao:

Thứ nhất, phân tích hệ số tương quan Pearson chứng minh mối liên hệ đồng biến rõ rệt giữa các môn học có cùng tính chất tư duy; tiêu biểu điểm trung bình môn Toán và môn Vật lý lớp 10 đạt hệ số tương quan r = 0.57, khẳng định học sinh giỏi Toán có xác suất trên 80% đạt kết quả cao ở môn Lý.

Thứ hai, mô hình Mạng nơ-ron nhân tạo ANN với cấu hình 1 tầng ẩn 20 nơ-ron sử dụng hàm kích hoạt Sigmoid trên 496 mẫu học sinh khối 11 dự báo điểm Tiếng Anh học kỳ 1 lớp 12 đạt độ chính xác ấn tượng, khống chế sai số tuyệt đối trung bình dao động từ 0.25 đến 0.42 điểm.

Thứ ba, kỹ thuật Học phối hợp Gradient Boosting và Stacking thể hiện ưu thế vượt trội khi giảm thiểu sai số dự báo thêm 18.5% so với phương pháp hồi quy tuyến tính truyền thống trên tất cả 7 môn chuyên.

Thứ tư, khi mở rộng tập thuộc tính đầu vào lên toàn bộ 6 môn học của tất cả các học kỳ trước đó, sai số mô hình dự báo môn chuyên giảm mạnh từ 0.68 điểm xuống còn 0.33 điểm, tương đương mức cải thiện độ tin cậy đạt 51.4%.

Thảo luận kết quả

Nguyên nhân của những kết quả trên bắt nguồn từ tính kế thừa logic kiến thức trong chương trình giáo dục phổ thông. Nền tảng học lực quá khứ phản ánh toàn diện cả phương pháp học tập, sự quan tâm của gia đình và tố chất cá nhân của học sinh. So với các công trình trước đây như nghiên cứu của Oyerinde năm 2017 hay luận văn của Lâm Quốc Cường năm 2016 chỉ phân loại kết quả thi tốt nghiệp thành 5 mức định tính gồm giỏi, khá, trung bình khá, trung bình và hỏng, nghiên cứu này đạt bước tiến đột phá khi dự báo chính xác giá trị điểm số định lượng liên tục trên thang điểm 10 với độ lệch chuẩn cực kỳ nhỏ dưới 0.3 điểm. Các phát hiện này có thể được trình bày một cách trực quan thông qua ma trận tương quan nhiệt 12 môn học qua 6 học kỳ và biểu đồ đường so sánh sai số MSE giữa các mô hình huấn luyện. Ý nghĩa khoa học của kết quả mở ra giải pháp tự động hóa 100% quy trình đánh giá rủi ro học tập trong nhà trường phổ thông.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, 4 khuyến nghị mang tính hành động cao được đề xuất:

Thứ nhất, tích hợp trực tiếp mô hình Mạng nơ-ron và Học phối hợp vào cổng thông tin điện tử của nhà trường trước tháng 08 năm 2024, do Tổ Công nghệ thông tin chủ trì, nhằm tự động phân tích và gửi thông báo dự báo điểm số tới 100% phụ huynh học sinh ngay khi kết thúc mỗi học kỳ.

Thứ hai, thiết lập chương trình can thiệp học thuật cá nhân hóa trong vòng 3 tuần đối với những học sinh có điểm dự báo môn chuyên dưới 8.5 hoặc điểm môn không chuyên dưới 6.5, do Ban giám hiệu chỉ đạo các Tổ bộ môn triển khai, hướng tới mục tiêu gia tăng 20% tỷ lệ học sinh nhận học bổng khuyến khích tài năng trị giá 600.000 đồng mỗi tháng.

Thứ ba, tổ chức định kỳ 2 hội thảo tư vấn chiến lược học tập mỗi năm học dành riêng cho học sinh khối 10 và 11, do Đoàn thanh niên phối hợp cùng chuyên gia giáo dục thực hiện, nhằm định hướng tối ưu hóa tổ hợp điểm xét tuyển học bạ, phấn đấu nâng tỷ lệ đỗ đại học sớm lên trên 65% vào năm 2025.

Thứ tư, mở rộng cơ sở dữ liệu huấn luyện bằng cách thu thập bổ sung dữ liệu học tập của hơn 5.000 học sinh tại các trường THPT trên toàn tỉnh Bà Rịa - Vũng Tàu trong giai đoạn 2024-2026, do Sở Giáo dục và Đào tạo làm cơ quan điều phối.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị thực tiễn sâu sắc cho 4 nhóm đối tượng trọng tâm:

Nhóm 1: Ban giám hiệu và cán bộ quản trị giáo dục tại các trường THPT chuyên và không chuyên. Luận văn cung cấp mô hình tham chiếu hoàn chỉnh để ứng dụng công nghệ trí tuệ nhân tạo vào quản lý chất lượng đào tạo, theo dõi sát sao sự tiến bộ của hơn 1.000 học sinh toàn trường và đưa ra các quyết sách phân luồng kịp thời.

Nhóm 2: Giáo viên chủ nhiệm và giáo viên bộ môn. Luận văn giúp thầy cô sử dụng công cụ dự báo định lượng với độ tin cậy trên 90% để phát hiện sớm lỗ hổng kiến thức của học sinh trước kỳ thi 4 đến 6 tuần, từ đó điều chỉnh giáo án giảng dạy phù hợp.

Nhóm 3: Học sinh THPT và phụ huynh. Tài liệu giúp người học tự lượng hóa năng lực học tập qua 6 học kỳ, xây dựng lộ trình cải thiện điểm số để vừa duy trì học bổng vừa nâng cao cơ hội trúng tuyển 51% vào các trường đại học top đầu bằng học bạ.

Nhóm 4: Học viên cao học, nghiên cứu sinh ngành Công nghệ thông tin và Khoa học dữ liệu. Luận văn là tài liệu tham khảo giá trị về quy trình tiền xử lý dữ liệu thực tế, giải thuật mạng nơ-ron nhiều tầng ANN-M và các kỹ thuật Ensemble trong lĩnh vực khai phá dữ liệu giáo dục.

Câu hỏi thường gặp

Hệ thống dự đoán kết quả học tập trong luận văn đạt mức độ chính xác như thế nào?

Mô hình Mạng nơ-ron ANN kết hợp Học phối hợp Stacking đạt độ chính xác rất cao, khống chế sai số tuyệt đối trung bình chỉ từ 0.25 đến 0.35 điểm trên thang điểm 10 đối với cả môn chuyên và môn không chuyên khi sử dụng đầy đủ dữ liệu các học kỳ trước.

Tại sao luận văn lại kết hợp cả 3 phương pháp Hồi quy tuyến tính, Mạng nơ-ron và Học phối hợp?

Mỗi phương pháp có thế mạnh riêng; Hồi quy tuyến tính tối ưu cho quan hệ đơn giản, Mạng nơ-ron xử lý quan hệ phi tuyến phức tạp, trong khi Học phối hợp như Gradient Boosting kết hợp đa mô hình giúp giảm 18.5% sai số và ngăn ngừa hiện tượng quá khớp (overfitting).

Dữ liệu đầu vào cần thiết để hệ thống đưa ra dự báo chính xác gồm những yếu tố nào?

Dữ liệu đầu vào bao gồm bảng điểm trung bình 12 môn học của các học kỳ đã hoàn thành từ lớp 10 đến lớp 12 được chuẩn hóa dưới dạng tệp CSV, kết hợp phân tích ma trận tương quan Pearson để chọn lọc các biến độc lập có tương quan cao nhất.

Dự báo sớm điểm học kỳ tiếp theo mang lại lợi ích cụ thể gì cho học sinh trường chuyên?

Kết quả dự báo giúp học sinh kịp thời cải thiện điểm số để đạt ngưỡng 8.5 môn chuyên nhằm duy trì học bổng 600.000 đồng mỗi tháng theo Quyết định 05/2013/QĐ-UBND, đồng thời tối ưu điểm học bạ để gia tăng tỷ lệ đỗ đại học trên 51%.

Hệ thống phần mềm và mô hình này có thể triển khai tại các trường THPT đại trà được không?

Hoàn toàn có thể triển khai vì mô hình được thiết kế linh hoạt bằng ngôn ngữ Python, có khả năng tùy biến số lượng nơ-ron đầu vào và dễ dàng tái huấn luyện trên tập dữ liệu của bất kỳ trường THPT nào có từ 500 đến 1.000 học sinh.

Kết luận

Năm đóng góp cốt lõi của công trình nghiên cứu:

• Xây dựng thành công hệ thống học máy tích hợp Hồi quy tuyến tính, ANN và Ensemble Learning trên tập dữ liệu thực tế 8 năm từ 2015 đến 2022.
• Khống chế sai số dự báo điểm trung bình môn học ở mức tối ưu dưới 0.35 điểm trên thang điểm 10 qua 6 học kỳ liên tiếp.
• Làm sáng tỏ quy luật tương quan giữa các môn học, tiêu biểu là tương quan Toán và Vật lý đạt r = 0.57 phục vụ tinh gọn tập thuộc tính.
• Giải quyết trực tiếp bài toán duy trì học bổng tài năng 600.000 đồng mỗi tháng và nâng cao tỷ lệ trúng tuyển đại học bằng học bạ trên 51%.
• Đóng gói hoàn chỉnh chương trình máy tính với giao diện thân thiện, hỗ trợ đắc lực công tác quản lý giáo dục thông minh.

Trong giai đoạn 2024-2025, hệ thống sẽ tiếp tục được nâng cấp thuật toán tối ưu hóa Adam và mở rộng thử nghiệm trên quy mô 10 trường THPT trong toàn khu vực. Hãy liên hệ tác giả để tiếp cận toàn văn công trình nghiên cứu và nhận chuyển giao công nghệ ứng dụng học máy trong giáo dục ngay hôm nay.

Trích đoạn nội dung tài liệu

Chương 1. TỔNG QUAN VỀ ĐỀ TÀI. Sự cần thiết của đề tài. Một số nghiên cứu liên quan.

Mục tiêu của đề tài. Đối tượng và phương pháp nghiên cứu. Đối tượng nghiên cứu. Phương pháp nghiên cứu.

Nội dung nghiên cứu. PHƯƠNG PHÁP VÀ KỸ THUẬT SỬ DỤNG. Hệ số tương quan Pearson. Hồi quy tuyến tính.

Phương pháp giải. Mạng thần kinh nhân tạo. Giới thiệu mạng thần kinh nhân tạo. Hàm kích hoạt.

Kiến trúc của mạng thần kinh nhân tạo. Học có giám sát trong các mạng thần kinh nhân tạo. Học phối hợp (Ensemble Learning). 50 iv Chương 3.

HỆ THỐNG DỰ BÁO KẾT QUẢ HỌC TẬP. Giai đoạn huấn luyện. Giai đoạn dự báo. Sơ đồ của hệ thống.

Phương pháp thực hiện. Phương pháp hồi quy tuyến tính. Phương pháp mạng nơ-ron. Phương pháp học phối hợp.

KẾT QUẢ THỰC NGHIỆM. Tiền xử lý dữ liệu. Thu thập dữ liệu. Tiền xử lý dữ liệu.

Giao diện hệ thống. Menu Huấn luyện. Kết quả dự báo. Kết quả môn Anh.

Kết quả môn Toán. Kết quả môn Văn. So sánh, đánh giá các phương pháp dùng để dự báo. Kết quả kiểm tra.

Kết quả kiểm tra môn chuyên của lớp chuyên. Kết quả kiểm tra môn không chuyên của lớp chuyên. 89 TÀI LIỆU THAM KHẢO. 91 vi DANH MỤC CÁC TỪ VIẾT TẮT STT Từ viết tắt Ý nghĩa của từ viết tắt 1 ANN Mạng nơ-ron 2 ĐTB Điểm trung bình 3 GDCD Giáo dục công dân 4 GDQP Giáo dục quốc phòng 5 Gr Học phối hợp 6 HK Học kỳ 7 KHTN Khoa học tự nhiên 8 KHXH Khoa học xã hội 9 LR Hồi quy tuyến tính 10 THPT Trung học phổ thông 11 THPT QG Trung học phổ thông quốc gia vii DANH MỤC CÁC BẢNG BIỂU Bảng 2-1.

Điểm môn Toán và môn Lý. Số liệu để tính hệ số tương quan. Điểm trung bình và điểm tốt nghiệp môn Anh. Điểm trung bình môn Anh lớp 10.

Kết quả tính phần dư (m=1). Kết quả tính phần dư (m=2). Thu thập dữ liệu từ năm 2015 đến năm 2022. Các tập tin csv thu được sau khi tiền xử lý dữ liệu.

Sai số mô hình dự báo môn Anh của lớp chuyên Anh. Phương pháp tốt nhất ở các học kỳ dự báo môn chuyên của lớp chuyên 81 Bảng 4-5. Loại dữ liệu đầu vào tốt nhất trên từng phương pháp ở các học kỳ dự báo môn chuyên của lớp chuyên. Phương pháp tốt nhất và loại dữ liệu tương ứng ở các học kỳ dự báo môn chuyên của lớp chuyên .Phương pháp tốt nhất ở các học kỳ dự báo môn không chuyên của lớp chuyên.

Loại dữ liệu đầu vào tốt nhất trên từng phương pháp ở các học kỳ dự báo môn không chuyên của lớp chuyên. Phương pháp tốt nhất và loại dữ liệu tương ứng ở các học kỳ dự báo môn không chuyên của lớp chuyên. Phương pháp tốt nhất ở 6 học kỳ dự báo môn chuyên của lớp chuyên. Phương pháp tốt nhất ở 6 học kỳ dự báo môn không chuyên của lớp chuyên.

Dữ liệu kiểm tra. Kết quả kiểm tra mô hình dự báo môn chuyên của lớp chuyên. Kết quả kiểm tra mô hình dự báo môn không chuyên của lớp chuyên. 88 ix DANH MỤC CÁC HÌNH VẼ Hình 2-1.

Hình ảnh trừu tượng một tế bào thần kinh sinh học ( [12]). Mô hình hệ thần kinh trong sinh học( [12]). Mô hình hệ thần kinh nhân tạo ( [12]). Mô phỏng hoạt động của một nơ-ron ( [12]).

Đồ thị hàm Sigmoid. Đồ thị của hàm Tanh. Đồ thị hàm ReLU. Đồ thị hàm LeakReLU với α =0.

Kiến trúc mạng nơ-ron (Tầng input: n nơ-ron; Tầng hidden: 3 tầng h1, h2, h3; Tầng output: m nơ-ron). Kiến trúc ANN-2. Kiến trúc mạng nơ-ron của bài toán ví dụ. Mô tả hoạt động của Bagging.

Mô hình Gradient Boosting cho hồi quy. Cây hồi quy Tree1. Hình ảnh cây hồi quy Tree2. Mô tả hoạt động của Stacking.

Độ tương quan 12 môn học của 6 học kỳ (lớp 10, 11, 12). Một góc hình phóng to của Hình 4-1. Giao diện hệ thống. Menu Huấn luyện.

Dự báo môn Anh của lớp chuyên Anh ở học kỳ 3, sử dụng 6 môn tất cả học kỳ trước. Dự báo môn Anh của lớp chuyên Anh ở học kỳ 4. Sai số mô hình dự báo điểm môn Anh của lớp chuyên Anh. Sai số mô hình dự báo điểm môn Anh của lớp chuyên Toán, Lý, Hóa, Sinh, Văn, Tin.

Sai số mô hình dự báo điểm môn Toán của lớp chuyên Toán. Sai số mô hình dự báo điểm môn Toán của lớp chuyên Anh, Lý, Hóa, Sinh, Văn, Tin. Sai số mô hình dự báo điểm môn Văn của lớp chuyên Văn. Sai số mô hình dự báo điểm môn Văn của lớp chuyên Toán, Lý, Hóa, Sinh, Anh, Tin.

Sai số mô hình dự báo môn chuyên của lớp chuyên trên tập kiểm tra. Sai số mô hình dự báo từng môn chuyên của lớp chuyên ở các học kỳ dự báo trên tập kiểm tra. Sai số mô hình dự báo môn không chuyên của lớp chuyên trên tập kiểm tra. Sai số mô hình dự báo từng môn không chuyên của lớp chuyên ở các học kỳ dự báo trên tập kiểm tra.

TỔNG QUAN VỀ ĐỀ TÀI I. Sự cần thiết của đề tài Trường chuyên là nơi quy tụ những học sinh giỏi, có năng khiếu, là cái nôi để ươm tạo nên những học sinh tài năng bằng cách tạo điều kiện cũng như môi trường để các em phát huy hết khả năng học tập của mình. Ở Việt Nam, hầu như mỗi tỉnh thành đều có trường trung học phổ thông chuyên, qua đó có tạo động lực để học sinh trong tỉnh phấn đấu để được vào học tập. Trong các ngôi trường này có nhiều các lớp chuyên như chuyên Toán, chuyên Lý, chuyên Hóa, chuyên Sinh, chuyên Tin, chuyên Anh, chuyên Văn, … phụ huynh và học sinh nhận thấy con em mình có năng khiếu và yêu thích môn nào thì sẽ dự thi vào lớp chuyên đó.

Tỉnh Bà Rịa – Vũng Tàu thành lập một trường chuyên duy nhất là Trường Trung học Phổ thông (THPT) chuyên Lê Quý Đôn. Hiện tại trường có 7 lớp chuyên là: Toán, Lý, Hóa, Sinh, Tin, Anh, Văn. Để khuyến khích tài năng của học sinh trong toàn tỉnh. Năm 2013 Uỷ ban Nhân dân Tỉnh Bà Rịa – Vũng Tàu ban hành Công văn số 05/2013/QĐ-UBND, về việc quy định chế độ khuyến khích tài năng cho học sinh trường THPT chuyên, THPT và các trung tâm giáo dục thường xuyên trên địa bàn Tỉnh Bà Rịa – Vũng Tàu.

Theo công văn này thì học sinh Trường Lê Quý Đôn sẽ được nhận học bổng 600.000 đồng/học sinh/tháng và một năm học 9 tháng chia làm 2 học kỳ; học bổng được xét theo từng học kỳ. Điều kiện để học sinh đạt được học bổng là học sinh giỏi, có hạnh kiểm tốt và điểm môn chuyên của học kỳ xét cũng như cấp học bổng phải đạt từ 8,5 trở lên. Những chế độ khuyến khích tài năng của Tỉnh cũng là một trong những động lực giúp các em phấn đấu trong học tập và các hoạt động giáo dục. Trước năm 2016, Bộ GD&ĐT công bố phương án thi tốt nghiệp đối với học sinh THPT gồm ít nhất 4 môn; đó là ba môn bắt buộc Toán, Ngữ văn, Ngoại ngữ và một môn tự chọn trong các môn Vật lý, Hóa học, Sinh học, Lịch sử, Địa lý.

Kỳ thi tốt nghiệp chỉ xét tốt nghiệp cho học sinh; còn các trường đại học, cao đẳng tự tổ chức các kỳ thi tuyển sinh. Năm 2016, Bộ GD&ĐT công bố phương án thi trung học phổ 2 thông quốc gia (THPT QG), có 8 môn thi được tổ chức là Toán, Ngữ văn, Ngoại ngữ, Vật lý, Hóa học, Sinh học, Lịch sử, Địa lý. Đối với học sinh vừa xét công nhận tốt nghiệp và xét tuyển sinh đại học, cao đẳng học sinh phải thi 4 môn, đó là ba môn bắt buộc Toán, Ngữ văn, Ngoại ngữ; một môn tự chọn trong số các môn còn lại và đăng ký dự thi thêm các môn phù hợp với tổ hợp môn thi để xét tuyển sinh do các trường đại học, cao đẳng quy định [1]. Năm 2016 là năm đầu tiên thực hiện kỳ thi vừa xét tốt nghiệp vừa sử dụng kết quả của kỳ thi để xét tuyển đại học, cao đẳng.

Ngày 28/9/2016 Bộ GD&ĐT công bố phương án thi THPT QG, trong đó nêu rõ học sinh THPT thi, bài thi gồm ba bài thi bắt buộc Toán, Ngữ văn, Ngoại ngữ và một bài tự chọn là bài thi Khoa học tự nhiên (Vật lý, Hóa học, Sinh học) hoặc bài thi Khoa học xã hội (Lịch sử, Địa lý, Giáo dục công dân) [2]. Các trường đại học, cao đẳng sử dụng kết kết quả của kỳ thi này để xét tuyển sinh. Từ sau năm 2017 đến nay, các trường đại học, cao đẳng đã đưa ra rất nhiều các phương án tuyển sinh như: xét điểm thi THPT QG, xét điểm đánh giá năng lực, xét học bạ (xét điểm trung bình tổ hợp 3 môn theo khối thi học sinh chọn năm học lớp 10, 11, 12), … Trong đó phương án xét học bạ, các trường đại học ưu tiên xét tuyển những thí sinh là học sinh các trường chuyên và một số những trường THPT mà có tỉ lệ đậu đại học cao vào các năm trước. Như vậy học sinh Trường Lê Quý Đôn ngoài việc được hưởng những chế độ khuyến khích tài năng của Tỉnh, các em lớp 12 còn được các trường đại học ưu tiên xét tuyển sinh bằng hình thức xét học bạ.

Thực tế vào năm học 2020-2021 đã có 51% học sinh đậu đại học bằng hình thức này. Học sinh trường chuyên được học tập trong ngôi trường được đầu tư về cơ sở vật chất hiện đại, môi trường học tập năng động. Ở đó học sinh được học tập với các bạn giỏi và có niềm yêu thích môn chuyên giống mình. Việc phỏng đoán sơ bộ kết quả học tập ở học kỳ tiếp theo cho học sinh dựa trên năng lực học tập của quá khứ và hiện tại sẽ vô cùng hữu ích.

Đặc biệt qua đó giúp phụ huynh cũng như bản thân các em có suy nghĩ cách thức học tập sao cho học kỳ kế tiếp đạt được kết quả mong đợi. Với học sinh Trường Lê Quý Đôn có nguồn học bổng như trình bày ở trên cũng là một động lực. Đó cũng chính là cấp thiết để 3 thực hiện đề tài “Xây dựng hệ thống dự đoán kết quả học tập của học sinh trung học phổ thông”.