Đề án phát triển hệ thống hỗ trợ cố vấn học tập quản lý sinh viên tại Học viện CNBCVT năm 2026

Đề án thạc sĩ kỹ thuật nghiên cứu phát triển hệ thống hỗ trợ cố vấn học tập trong công tác quản lý sinh viên tại Học viện CNBCVT, hoàn thành năm 2026.

• Tác giả: Đỗ Hương Hà
• Người hướng dẫn: PGS. Ngô Quốc Dũng
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Phát triển hệ thống hỗ trợ cố vấn học tập trong công tác quản lý sinh viên
• Loại tài liệu: Đề án tốt nghiệp thạc sĩ kỹ thuật
• Năm xuất bản: 2026
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan hệ thống hỗ trợ cố vấn học tập sinh viên tại PTIT

Công tác cố vấn học tập đóng vai trò then chốt trong mô hình đào tạo theo hệ thống tín chỉ tại Học viện Công nghệ Bưu chính Viễn thông. Cố vấn học tập hướng dẫn sinh viên xây dựng lộ trình học tập, chọn môn học và giải quyết các vướng mắc học đường. Số lượng sinh viên lớn tạo áp lực công việc rất nặng nề cho đội ngũ cố vấn. Dữ liệu học tập và rèn luyện phân tán trên nhiều hệ sinh thái phần mềm rời rạc. Cố vấn thường gặp khó khăn trong việc nắm bắt kịp thời tình trạng học tập của từng cá nhân. Hệ thống hỗ trợ cố vấn học tập quản lý sinh viên tại PTIT năm 2026 giải quyết triệt để thách thức này. Nền tảng ứng dụng công nghệ dữ liệu hiện đại nhằm thu thập, làm sạch và tích hợp thông tin từ nhiều nguồn đào tạo. Cán bộ quản lý có thể theo dõi sát sao biểu đồ điểm số, mức độ chuyên cần và điểm rèn luyện. Quy trình hỗ trợ sinh viên được chuyển dịch từ ứng phó thụ động sang can thiệp chủ động. Đây là bước đột phá trong chuyển đổi số giáo dục đại học, tối ưu hóa nguồn lực nhân sự và nâng cao chất lượng đào tạo chung của nhà trường.

1.1. Vai trò của cố vấn học tập trong kỷ nguyên đào tạo số

Cố vấn học tập giữ vai trò làm cầu nối giữa nhà trường và người học. Giảng viên cố vấn theo sát tiến trình tích lũy học chỉ và rèn luyện kỹ năng của sinh viên. Mô hình đào tạo theo học chế tín chỉ cho phép sinh viên tự chủ đăng ký kế hoạch học tập. Nhiều sinh viên năm đầu còn bỡ ngỡ và dễ mắc sai lầm khi sắp xếp lịch học. Cố vấn học tập phát hiện sớm các biểu hiện suy giảm kết quả học tập để hướng dẫn kịp thời. Sự đồng hành chặt chẽ giúp sinh viên giảm thiểu rủi ro bị cảnh báo học vụ hoặc buộc thôi học. Vai trò của cố vấn càng trở nên quan trọng khi yêu cầu chuẩn đầu ra ngày một nâng cao.

1.2. Mục tiêu hiện đại hóa công tác quản trị sinh viên tại PTIT

Học viện Công nghệ Bưu chính Viễn thông hướng tới chuyển đổi số toàn diện các hoạt động quản lý đào tạo. Mục tiêu cốt lõi là xây dựng kho dữ liệu tập trung nhằm phục vụ phân tích chuyên sâu. Hệ thống tự động đồng bộ điểm số, thông tin điểm danh và hồ sơ cá nhân của từng sinh viên. Các báo cáo thủ công bằng bảng tính Excel được thay thế hoàn toàn bằng bảng điều khiển trực quan. Nhà trường kỳ vọng giảm bớt thời gian xử lý thủ tục hành chính cho đội ngũ giảng viên. Cố vấn học tập có thể dành nhiều thời gian hơn cho việc tư vấn định hướng nghề nghiệp và chăm sóc sức khỏe tinh thần cho sinh viên.

II. Thực trạng và thách thức hệ thống hỗ trợ cố vấn học tập tại PTIT

Công tác quản lý sinh viên tại các trường đại học quy mô lớn đang đối mặt với nhiều rào cản kỹ thuật. Tại PTIT, dữ liệu sinh viên được lưu trữ rải rác trên hệ thống quản lý đào tạo, cổng thông tin sinh viên và sổ điểm giảng viên. Tình trạng phân mảnh dữ liệu gây khó khăn lớn cho việc tổng hợp báo cáo định kỳ. Cố vấn học tập thường phải xử lý hàng trăm tệp dữ liệu thủ công mỗi kỳ học. Việc nhập liệu thủ công tiềm ẩn nguy cơ sai sót cao và tiêu tốn nhiều công sức. Đặc biệt, vấn đề chất lượng dữ liệu chiếm tới hai mươi đến ba mươi phần trăm tổng chi phí triển khai hệ thống thông tin. Các lỗi sai định dạng ngày tháng, trùng lặp mã hồ sơ và thiếu địa chỉ email làm gián đoạn luồng thông tin liên lạc. Cố vấn học tập không có công cụ cảnh báo sớm nên chỉ phát hiện sinh viên yếu kém khi kỳ học đã kết thúc. Hậu quả là nhiều sinh viên bị tụt lại phía sau mà không nhận được sự can thiệp sư phạm kịp thời. Mô hình quản lý phân tán cũ kỹ không còn đáp ứng được yêu cầu chuyển đổi số năm 2026.

2.1. Thách thức phân mảnh dữ liệu đào tạo và làm sạch hồ sơ

Tích hợp dữ liệu là rào cản lớn nhất khi xây dựng nền tảng hỗ trợ quản lý sinh viên. Các trường dữ liệu giữa các phân hệ thường không đồng nhất về mặt ngữ nghĩa và cấu trúc. Trường mã sinh viên có thể xuất hiện dưới nhiều tên gọi khác nhau như student_id hoặc sid. Xung đột dữ liệu giữa các phòng ban khiến việc xác thực thông tin tốn nhiều thời gian. Quá trình làm sạch dữ liệu đòi hỏi phải chuẩn hóa định dạng thời gian, xử lý bản ghi trống và loại bỏ dữ liệu rác. Nếu chất lượng dữ liệu đầu vào không đảm bảo, các mô hình thống kê phân tích sẽ đưa ra kết luận thiếu chính xác.

2.2. Hạn chế trong cơ chế cảnh báo học tập và giám sát rèn luyện

Hạn chế lớn hiện nay là thiếu vắng cơ chế cảnh báo học vụ tự động theo thời gian thực. Giảng viên cố vấn không thể theo dõi chuyên cần của từng sinh viên trong mỗi tuần học. Dữ liệu điểm danh thường được chốt rất muộn vào cuối học kỳ. Sinh viên vắng mặt quá số tiết quy định thường bị cấm thi bất ngờ. Ngoài ra, việc chấm điểm rèn luyện chủ yếu dựa trên giấy tờ và khai báo thủ công. Quy trình rườm rà này làm chậm tiến độ đánh giá đạo đức và thái độ sinh viên. Cố vấn học tập không thể nắm bắt diễn biến tư tưởng và tình hình sinh hoạt để trợ giúp đúng lúc.

III. Giải pháp thiết kế hệ thống hỗ trợ cố vấn học tập PTIT năm 2026

Đề án xây dựng giải pháp công nghệ dữ liệu tiên tiến nhằm chuẩn hóa quy trình quản lý học viên. Kiến trúc hệ thống bao gồm đường ống xử lý dữ liệu hiện đại theo mô hình ba lớp chặt chẽ. Hệ thống tự động trích xuất, làm sạch và chuyển đổi thông tin từ các cơ sở dữ liệu thành phần. Dữ liệu sau xử lý được lưu trữ tập trung tại kho dữ liệu để phục vụ truy vấn tốc độ cao. Công cụ Apache Superset đóng vai trò trực quan hóa chỉ số học tập trên giao diện web trực quan. Hệ thống tích hợp các mô-đun chức năng nghiệp vụ bám sát nhu cầu thực tế của cố vấn học tập. Mô-đun theo dõi học tập cho phép truy xuất lịch sử điểm số, GPA và tỷ lệ trượt môn qua từng học kỳ. Mô-đun theo dõi rèn luyện cập nhật chính xác điểm phong trào và hoạt động ngoại khóa. Mô-đun cảnh báo sớm tự động quét dữ liệu chuyên cần và gửi email thông báo trực tiếp tới sinh viên có nguy cơ vi phạm. Cố vấn học tập có thể phân quyền truy cập chi tiết theo vai trò để đảm bảo an toàn thông tin cá nhân.

3.1. Xây dựng đường ống dữ liệu và kho lưu trữ tập trung

Đường ống dữ liệu tự động hóa hoàn toàn quy trình trích xuất và biến đổi thông tin. Dữ liệu thô từ cổng đào tạo và hệ thống điểm danh được lập lịch tải về theo chu kỳ cố định. Các thuật toán làm sạch dữ liệu tự động xử lý giá trị thiếu và chuẩn hóa cấu trúc trường thông tin. Quy trình biến đổi tính toán điểm trung bình tích lũy GPA, phân loại học lực và gộp thông tin nhân khẩu học. Kho dữ liệu ba lớp giúp phân tách rành mạch giữa lớp dữ liệu thô, lớp chuẩn hóa và lớp tổng hợp báo cáo. Kiến trúc này mang lại khả năng mở rộng linh hoạt và bảo đảm tính toàn vẹn dữ liệu cho toàn trường.

3.2. Trực quan hóa dữ liệu qua bảng điều khiển Apache Superset

Nền tảng Apache Superset cung cấp giao diện trực quan hóa dữ liệu trực tuyến mạnh mẽ. Cố vấn học tập có thể sử dụng hơn bốn mươi mẫu biểu đồ đa dạng mà không cần kỹ năng lập trình. Công cụ kéo thả trực quan hỗ trợ lọc dữ liệu theo từng khóa học, ngành học và lớp chuyên ngành. Lớp bộ đệm Redis tối ưu hóa tốc độ tải trang, giúp hiển thị biểu đồ chỉ trong vài giây. Tính năng SQL Lab cho phép cán bộ quản lý thực thi các truy vấn phân tích chuyên sâu khi cần. Cơ chế phân quyền chi tiết bảo vệ an toàn thông tin theo từng cấp quản lý từ khoa đến trường.

IV. Đánh giá và ứng dụng hệ thống hỗ trợ cố vấn học tập tại PTIT

Kết quả thử nghiệm thực tế khẳng định tính khả thi và hiệu quả nổi bật của hệ thống mới. Thời gian tạo lập báo cáo học vụ định kỳ giảm đáng kể so với phương pháp thủ công trước đây. Cố vấn học tập dễ dàng khoanh vùng các sinh viên có kết quả học tập sa sút để tư vấn trực tiếp. Hệ thống cảnh báo tự động gửi email nhắc nhở chính xác đến những sinh viên chạm ngưỡng cảnh báo chuyên cần. Việc này giúp giảm rõ rệt tỷ lệ sinh viên bị đình chỉ học tập do thiếu thông tin. Hệ thống hỗ trợ cố vấn học tập quản lý sinh viên tại PTIT năm 2026 đặt nền móng vững chắc cho chuyển đổi số giáo dục. Nền tảng không chỉ nâng cao năng suất làm việc của cán bộ giảng viên mà còn tạo môi trường học tập minh bạch cho sinh viên. Mô hình kiến trúc này hoàn toàn có thể nhân rộng sang các cơ sở giáo dục đại học khác trên cả nước. Trong tương lai, việc tích hợp trí tuệ nhân tạo dự đoán xu hướng học tập sẽ tiếp tục nâng cao giá trị thực tiễn của công trình.

4.1. Hiệu quả thực nghiệm trong công tác hỗ trợ sinh viên

Thực nghiệm hệ thống tại PTIT ghi nhận nhiều phản hồi tích cực từ đội ngũ cố vấn học tập. Tốc độ tra cứu thông tin cá nhân và kết quả rèn luyện của sinh viên nhanh hơn gấp ba lần. Các buổi sinh hoạt lớp định kỳ trở nên hiệu quả hơn nhờ các số liệu biểu đồ trực quan. Cố vấn nhanh chóng phát hiện sinh viên vắng nhiều buổi học để liên hệ động viên và tìm hiểu lý do. Tỷ lệ sinh viên vắng thi và bị cảnh báo học vụ giảm rõ rệt ngay trong học kỳ đầu tiên thử nghiệm. Hệ thống chứng minh tính ứng dụng cao và phù hợp với thực tiễn đào tạo.

4.2. Định hướng phát triển và khả năng mở rộng hệ thống

Định hướng tiếp theo của đề án tập trung vào việc hoàn thiện và tích hợp các thuật toán học máy. Hệ thống sẽ phân tích lịch sử học tập để đưa ra dự đoán sớm về nguy cơ trượt môn của sinh viên. Kênh phản hồi hai chiều giữa sinh viên và cố vấn qua ứng dụng di động sẽ được bổ sung. Khả năng đồng bộ dữ liệu thời gian thực giữa các hệ thống quản trị khác cũng tiếp tục được nâng cấp. Đây sẽ là hình mẫu giải pháp quản lý sinh viên thông minh cho các trường đại học khối kỹ thuật. Sự hoàn thiện này bảo đảm chất lượng đào tạo ổn định trong dài hạn.

Trích đoạn nội dung tài liệu

CHƯƠNG I: TỔNG QUAN VỀ HỆ THỐNG HỖ TRỢ CỐ VẤN HỌC TẬP 1. Tổng quan về công việc cố vấn học tập Cố vấn học tập (CVHT) là một thành tố quan trọng trong mô hình quản lý đào tạo tại các cơ sở giáo dục đại học, đặc biệt trong bối cảnh đào tạo theo học chế tín chỉ. CVHT giữ vai trò là người định hướng, hỗ trợ và đồng hành cùng sinh viên trong suốt quá trình học tập, rèn luyện và phát triển cá nhân. Thông qua hoạt động cố vấn học tập, nhà trường có thể kịp thời nắm bắt tình hình học tập của sinh viên, từ đó đưa ra các biện pháp hỗ trợ phù hợp nhằm nâng cao chất lượng đào tạo và giảm thiểu tỷ lệ sinh viên học tập sa sút, kéo dài thời gian đào tạo hoặc bỏ học.

Về mặt chức năng, công tác cố vấn học tập bao gồm nhiều nhiệm vụ khác nhau, trong đó trọng tâm là theo dõi và đánh giá kết quả học tập của sinh viên qua từng học kỳ. CVHT có trách nhiệm giám sát số lượng tín chỉ tích lũy, điểm trung bình học tập, tình trạng đăng ký học phần, cũng như việc tuân thủ các quy chế đào tạo của sinh viên. Bên cạnh đó, CVHT còn tham gia đánh giá kết quả rèn luyện, mức độ tham gia các hoạt động học thuật, phong trào và công tác xã hội của sinh viên, qua đó góp phần đánh giá toàn diện quá trình phát triển của người học. Ngoài nhiệm vụ theo dõi, CVHT còn đóng vai trò tư vấn và hỗ trợ ra quyết định cho sinh viên.

Điều này thể hiện qua việc hướng dẫn sinh viên xây dựng kế hoạch học tập cá nhân phù hợp với năng lực và mục tiêu nghề nghiệp; tư vấn lựa chọn học phần, chuyên ngành, định hướng nghiên cứu hoặc thực tập; cũng như hỗ trợ sinh viên giải quyết các khó khăn phát sinh trong quá trình học tập. Đối với các trường hợp sinh viên có dấu hiệu học tập yếu kém hoặc vi phạm quy chế, CVHT là người trực tiếp trao đổi, cảnh báo và phối hợp với các đơn vị chức năng để đưa ra giải pháp can thiệp kịp thời. 3 Trong thực tế triển khai, công tác cố vấn học tập phải xử lý một khối lượng lớn thông tin liên quan đến sinh viên, bao gồm dữ liệu học tập, rèn luyện, thông tin cá nhân và các dữ liệu hành chính khác. Các dữ liệu này thường được lưu trữ phân tán tại nhiều hệ thống khác nhau, dẫn đến khó khăn trong việc tổng hợp, theo dõi và phân tích một cách toàn diện.

Khi số lượng sinh viên phụ trách ngày càng tăng, việc theo dõi thủ công hoặc dựa trên các báo cáo rời rạc không còn đáp ứng được yêu cầu về tính kịp thời và chính xác. Do đó, việc xây dựng các hệ thống hỗ trợ công tác cố vấn học tập dựa trên nền tảng dữ liệu tập trung là xu hướng tất yếu, góp phần nâng cao hiệu quả hoạt động của CVHT và chất lượng đào tạo của nhà trường. Tổng quan về trực quan hóa dữ liệu Trực quan hóa dữ liệu (Data Visualization) là một lĩnh vực quan trọng trong khoa học dữ liệu, tập trung vào việc biểu diễn dữ liệu dưới dạng hình ảnh nhằm hỗ trợ con người trong quá trình phân tích và ra quyết định. Thông qua các biểu đồ, bảng tổng hợp, đồ thị và dashboard, dữ liệu được chuyển đổi từ dạng số liệu thô sang dạng trực quan, giúp người dùng dễ dàng nhận biết xu hướng, mối quan hệ và các điểm bất thường tiềm ẩn trong tập dữ liệu.

Trong bối cảnh các hệ thống thông tin ngày càng tạo ra khối lượng dữ liệu lớn, trực quan hóa dữ liệu đóng vai trò cầu nối giữa dữ liệu và người sử dụng cuối. Một hệ thống trực quan hóa hiệu quả không chỉ trình bày dữ liệu một cách rõ ràng mà còn hỗ trợ tương tác, cho phép người dùng lọc, so sánh và phân tích dữ liệu theo nhiều góc nhìn khác nhau. Điều này đặc biệt quan trọng đối với các đối tượng không chuyên sâu về kỹ thuật dữ liệu, như cán bộ quản lý hoặc cố vấn học tập. Đối với lĩnh vực giáo dục đại học, trực quan hóa dữ liệu được ứng dụng rộng rãi trong công tác quản lý đào tạo, đánh giá chất lượng học tập và hỗ trợ sinh viên.

Các dashboard thống kê cho phép tổng hợp nhanh chóng thông tin 4 về kết quả học tập, tiến độ đào tạo, tỷ lệ cảnh báo học vụ, phân bố điểm số và nhiều chỉ tiêu khác. Nhờ đó, người sử dụng có thể nắm bắt tình hình chung cũng như chi tiết của từng nhóm sinh viên hoặc cá nhân sinh viên trong thời gian ngắn. Tổng quan về công nghệ dữ liệu 1. Data Pipeline Data Pipeline là “một kiến trúc hệ thống được thiết kế để tự động hóa quá trình di chuyển và chuyển đổi dữ liệu từ nhiều nguồn khác nhau” đến các hệ thống đích phục vụ mục đích phân tích, lưu trữ hoặc xử lý [7].

Trong bối cảnh bùng nổ dữ liệu hiện nay, Data Pipeline đóng vai trò như xương sống của các hệ thống phân tích dữ liệu, cho phép các tổ chức “tận dụng được giá trị từ dữ liệu có sẵn một cách hiệu quả” [8]. Về bản chất, Data Pipeline là “một chuỗi các bước xử lý dữ liệu được tự động hóa, trong đó đầu ra của bước này trở thành đầu vào của bước tiếp theo” [9]. Mỗi bước trong pipeline có một chức năng riêng như trích xuất từ nguồn, làm sạch, chuyển đổi định dạng, tính toán các chỉ số phái sinh, hoặc tải dữ liệu vào hệ thống lưu trữ. Một Data Pipeline hoàn chỉnh cần đảm bảo các đặc tính quan trọng bao gồm: tính nhất quán của dữ liệu, khả năng xử lý lỗi và phục hồi, mở rộng theo quy mô dữ liệu, và giám sát toàn diện các hoạt động xử lý [10].

Kiến trúc tổng thể của một Data Pipeline thông thường được cấu thành từ năm giai đoạn cơ bản [11]. Giai đoạn đầu tiên là thu thập dữ liệu (Data Ingestion), trong đó dữ liệu được tiếp nhận từ nhiều nguồn: cơ sở dữ liệu quan hệ, các tệp dữ liệu (CSV, Excel), dịch vụ API, cũng như các luồng dữ liệu phát sinh theo thời gian thực. Tiếp theo là giai đoạn lưu trữ dữ liệu (Data Storage), nơi dữ liệu thô sau khi thu thập được tập trung và lưu giữ trong Data Lake nhằm đảm bảo tính đầy đủ, toàn vẹn và khả năng sẵn sàng cho các bước xử lý tiếp theo. Ở giai đoạn xử 5 lý dữ liệu (Data Processing), dữ liệu được làm sạch, chuyển đổi và bổ sung thông tin thông qua các quy trình ETL (Extract, Transform, Load) hoặc ELT (Extract, Load, Transform) [12], qua đó nâng cao chất lượng và giá trị sử dụng của dữ liệu.

Sau khi được xử lý, dữ liệu sẽ được tổ chức và lưu trữ trong kho dữ liệu (Data Warehousing). Tại đây, dữ liệu được xây dựng theo các mô hình phù hợp nhằm tối ưu cho hoạt động truy vấn và phân tích. Cuối cùng, giai đoạn trực quan hóa dữ liệu (Data Visualization) cho phép người dùng cuối khai thác và tương tác với dữ liệu thông qua các dashboard, báo cáo và các công cụ Business Intelligence, hỗ trợ hiệu quả cho công tác phân tích và ra quyết định [13]. Có hai phương pháp xử lý dữ liệu chính trong Data Pipeline là batch processing và stream processing [14].

Batch processing xử lý theo từng lô dữ liệu định kỳ (hàng giờ, hàng ngày), hướng tới với các tác vụ không yêu bắt buộc thời gian thực và có khối lượng dữ liệu lớn. Ngược lại, với stream processing, dữ liệu được xử lý ngay khi chúng được tạo ra và có tính liên tục, hướng tới các ứng dụng yêu cầu với độ trễ thấp như giám sát thời gian thực, phát hiện bất thường, hoặc hệ thống cảnh báo [15]. Trong bối cảnh của hệ thống phục vụ CVHT, phương pháp batch processing thường được ưa chuộng do dữ liệu học tập được cập nhật định kì, không đòi hỏi xử lý tức thời [16]. Data Pipeline đầu tiên giúp tự động hóa các quy trình, giảm công việc thủ công và giảm rủi ro do con người gây ra [17].

Thứ hai, với dữ liệu lớn, pipeline cho phép xử lý một cách hiệu quả bằng cách song song hóa các tác vụ và tối ưu hóa hệ thống [18]. Thứ ba, việc tiêu chuẩn hóa quy trình xử lý dữ liệu trong pipeline “đảm bảo tính nhất quán và chất lượng của dữ liệu đầu ra” [19]. Thứ tư, các công cụ điều phối workflow hiện đại như Apache Airflow hay Prefect cung cấp khả năng giám sát, logging chi tiết và xử lý lỗi tự động [20]. Cuối cùng, kiến trúc pipeline có tính mô-đun cao cho phép dễ dàng mở rộng, 6 bổ sung nguồn dữ liệu mới hoặc điều chỉnh logic xử lý một cách độc lập, tránh ảnh hưởng toàn bộ hệ thống [21].

Tuy nhiên, triển khai Data Pipeline cũng có nhiều thách thức như là đảm bảo chất lượng và chuẩn hóa dữ liệu khi tích hợp từ nhiều nguồn với các định dạng và tiêu chuẩn khác nhau [22]. Vấn đề về data lineage - khả năng truy vết nguồn gốc và quá trình biến đổi của dữ liệu - cũng là một yêu cầu quan trọng nhưng khó thực hiện [23]. Ngoài ra, việc xử lý lỗi và phục hồi khi có sự cố trong pipeline đòi hỏi cơ chế retry thông minh và chiến lược backup phù hợp. Cuối cùng, khi quy mô dữ liệu tăng lên, việc cải thiện hiệu năng và tối ưu chi phí vận hành đòi hỏi kiến thức chuyên sâu về kiến trúc hệ thống phân tán [24].

Trong lĩnh vực giáo dục, Data Pipeline được ứng dụng phổ biến để hỗ trợ các hoạt động quản lý và ra quyết định. Nghiên cứu của Daniel [25] cho thấy các trường đại học tại Mỹ đã triển khai Data Pipeline để tích hợp dữ liệu từ hệ thống quản lý học tập, hệ thống thông tin sinh viên, và các nền tảng học tập trực tuyến nhằm tạo ra thông tin toàn diện về hành trình học tập. Việc sử dụng pipeline phân tích dữ liệu giáo dục (Educational Data Mining) đã giúp các nhà giáo dục nắm bắt được sớm tình trạng các sinh viên học yếu, từ đó kịp thời có các biện pháp hỗ trợ để nâng cao tỷ lệ tốt nghiệp. Trong bối cảnh của đề tài này, Data Pipeline được thiết kế để xử lý dữ liệu học tập và rèn luyện của sinh viên hỗ trợ các công tác của CVHT.

Pipeline sẽ quy trình hóa tự động từ thu thập dữ liệu Excel từ các phòng ban, Data Lake tổng hợp dữ liệu thô, xử lý và chuyển đổi dữ liệu thông qua các bước ETL, dữ liệu đã xử lý được tải lên Data Warehouse, và cuối cùng trình bày thông tin qua dashboard trực quan.