I. Tổng quan luận văn hệ thống tư vấn tuyển sinh CĐCĐ Vĩnh Long
Luận văn thạc sỹ kỹ thuật “Xây dựng hệ hỗ trợ tư vấn tuyển sinh tại Trường Cao đẳng Cộng đồng Vĩnh Long” là một công trình nghiên cứu khoa học tiêu biểu trong lĩnh vực ứng dụng CNTT trong giáo dục. Đề tài này giải quyết một bài toán thực tiễn và cấp thiết: cải thiện hiệu quả công tác tuyển sinh trường cao đẳng trong bối cảnh cạnh tranh và nhu cầu thông tin ngày càng cao. Luận văn tập trung vào việc áp dụng các kỹ thuật khai phá dữ liệu hiện đại để xây dựng một hệ thống thông tin quản lý tuyển sinh thông minh, có khả năng hỗ trợ thí sinh lựa chọn ngành học phù hợp và dự báo kết quả học tập. Đây không chỉ là một đồ án tốt nghiệp CNTT thông thường, mà còn là một giải pháp công nghệ cho tuyển sinh toàn diện, hứa hẹn mang lại nhiều giá trị thực tiễn. Nghiên cứu này mở ra một hướng đi mới cho việc tự động hóa và tối ưu hóa quy trình tuyển sinh CĐCĐ Vĩnh Long, thay thế phương pháp tư vấn thủ công truyền thống vốn tồn tại nhiều hạn chế. Trọng tâm của luận văn là việc sử dụng luật kết hợp và cây quyết định, hai công cụ mạnh mẽ trong khai phá dữ liệu, để trích xuất tri thức ẩn từ cơ sở dữ liệu tuyển sinh và kết quả học tập của sinh viên các khóa trước. Thông qua việc phân tích thiết kế hệ thống thông tin, tác giả đã xây dựng một mô hình có khả năng dự báo, giúp thí sinh có cái nhìn rõ ràng hơn về con đường học tập tương lai. Ý nghĩa khoa học của đề tài thể hiện ở việc áp dụng thành công các thuật toán phức tạp vào một lĩnh vực đặc thù là giáo dục, trong khi ý nghĩa thực tiễn nằm ở khả năng nâng cao hiệu quả tuyển sinh, tiết kiệm chi phí và nguồn lực cho nhà trường, đồng thời cung cấp công cụ hỗ trợ tuyển sinh trực tuyến hữu ích cho học sinh. Luận văn được cấu trúc logic, bắt đầu từ việc tổng quan lý thuyết, phân tích bài toán, đề xuất giải pháp, triển khai hệ thống và cuối cùng là đánh giá kết quả, tạo thành một khóa luận tốt nghiệp CĐCĐ Vĩnh Long hoàn chỉnh và có giá trị tham khảo cao.
1.1. Bối cảnh và lý do thực hiện đồ án tốt nghiệp CNTT
Công tác tuyển sinh là yếu tố sống còn đối với sự phát triển của các trường đại học và cao đẳng, đặc biệt là các trường ở khu vực. Trường Cao đẳng Cộng đồng Vĩnh Long, trong những năm gần đây, đã đối mặt với không ít khó khăn trong việc thu hút sinh viên. Theo tài liệu gốc, phương thức tư vấn tuyển sinh truyền thống bộc lộ nhiều hạn chế về thời gian, chi phí và hiệu quả tiếp cận. Trong khi đó, lượng dữ liệu nghiệp vụ về tuyển sinh và kết quả học tập của sinh viên qua các năm ngày càng lớn, chứa đựng nhiều thông tin ẩn chưa được khai phá. Nhận thấy thực trạng này, việc xây dựng một hệ thống ứng dụng công nghệ thông tin để hỗ trợ tư vấn là vô cùng cần thiết. Đề tài xây dựng website tư vấn tuyển sinh này ra đời nhằm mục đích áp dụng các kỹ thuật tiên tiến của khoa học máy tính, cụ thể là khai phá dữ liệu, để giải quyết bài toán thực tiễn của nhà trường, góp phần nâng cao hiệu quả đào tạo.
1.2. Mục tiêu nghiên cứu và ý nghĩa của giải pháp công nghệ
Mục tiêu chính của luận văn công nghệ thông tin này là xây dựng một hệ hỗ trợ tư vấn tuyển sinh dựa trên mô hình khai phá dữ liệu. Cụ thể, đề tài hướng đến việc ứng dụng luật kết hợp và thuật toán cây quyết định để phân tích tập dữ liệu mẫu, từ đó đưa ra các dự báo và tư vấn cho thí sinh. Về mặt khoa học, luận văn đóng góp vào việc nghiên cứu ứng dụng các thuật toán khai phá dữ liệu trong lĩnh vực giáo dục. Về mặt thực tiễn, hệ thống giúp tự động hóa công tác tư vấn, cung cấp thông tin chính xác và cá nhân hóa cho từng thí sinh dựa trên năng lực của họ. Điều này không chỉ giúp học sinh định hướng nghề nghiệp tốt hơn mà còn góp phần nâng cao chất lượng đầu vào và sự phát triển bền vững của Trường Cao đẳng Cộng đồng Vĩnh Long. Giải pháp này có thể thay thế hiệu quả cho các phương pháp tư vấn thủ công, tiết kiệm nguồn lực và nâng cao tính chuyên nghiệp trong công tác tuyển sinh.
II. Phân tích thách thức trong công tác tuyển sinh trường cao đẳng
Thực trạng công tác tuyển sinh trường cao đẳng hiện nay đối mặt với nhiều thách thức lớn, đặc biệt tại các trường ngoài nhóm đầu. Luận văn đã chỉ ra những khó khăn cốt lõi mà Trường Cao đẳng Cộng đồng Vĩnh Long đang gặp phải. Thách thức đầu tiên đến từ phương pháp tư vấn thủ công, truyền thống. Phương pháp này đòi hỏi nhiều nhân lực, tốn kém chi phí cho các hoạt động quảng bá, hội thảo, và không thể tiếp cận được một lượng lớn thí sinh tiềm năng một cách hiệu quả. Thông tin cung cấp thường mang tính đại trà, thiếu sự cá nhân hóa, khiến học sinh khó khăn trong việc xác định ngành học nào thực sự phù hợp với năng lực và sở thích. Thách thức thứ hai là sự bùng nổ thông tin và sự cạnh tranh gay gắt từ nhiều cơ sở đào tạo khác. Thí sinh bị "ngợp" trong một biển thông tin và cần một công cụ hỗ trợ tuyển sinh trực tuyến đáng tin cậy để đưa ra quyết định. Thách thức thứ ba nằm ở việc quản lý và tận dụng khối lượng dữ liệu khổng lồ mà nhà trường đã tích lũy qua nhiều năm. Dữ liệu về điểm thi đầu vào, kết quả học tập, và thông tin cá nhân của hàng ngàn sinh viên là một "mỏ vàng" tri thức nhưng chưa được khai thác hiệu quả. Việc ứng dụng CNTT trong giáo dục để phân tích nguồn dữ liệu này và rút ra các quy luật có giá trị là một nhu cầu cấp thiết. Nếu không có một hệ thống thông tin quản lý tuyển sinh hiện đại, nhà trường sẽ bỏ lỡ cơ hội thấu hiểu xu hướng học tập của sinh viên và dự báo các yếu tố ảnh hưởng đến thành công trong học tập, từ đó cải thiện chương trình đào tạo và chiến lược tuyển sinh.
2.1. Hạn chế của quy trình tư vấn tuyển sinh thủ công
Quy trình tư vấn thủ công tại nhiều trường cao đẳng, bao gồm cả CĐCĐ Vĩnh Long, thường phụ thuộc vào các buổi tư vấn trực tiếp, phát tờ rơi, hoặc trả lời qua điện thoại. Quy trình này có nhiều hạn chế. Thứ nhất, nó bị giới hạn về không gian và thời gian, khó tiếp cận học sinh ở các khu vực xa. Thứ hai, chất lượng tư vấn không đồng đều, phụ thuộc nhiều vào kinh nghiệm và kiến thức của từng cán bộ tư vấn. Thứ ba, chi phí tổ chức các sự kiện tuyển sinh là rất lớn. Cuối cùng, phương pháp này không có khả năng cung cấp những phân tích sâu dựa trên dữ liệu, ví dụ như "với phổ điểm này, ngành nào có tỷ lệ tốt nghiệp loại giỏi cao nhất?". Những hạn chế này làm giảm hiệu quả của quy trình tuyển sinh CĐCĐ Vĩnh Long và đòi hỏi một giải pháp công nghệ đột phá.
2.2. Nhu cầu cấp thiết về ứng dụng CNTT trong giáo dục
Sự phát triển của xã hội đặt ra yêu cầu phải ứng dụng công nghệ thông tin vào mọi lĩnh vực, và giáo dục không phải là ngoại lệ. Việc số hóa và xây dựng các hệ thống thông tin quản lý tuyển sinh không còn là một lựa chọn mà đã trở thành một yêu cầu bắt buộc để nâng cao năng lực cạnh tranh. Một hệ thống tư vấn trực tuyến có thể hoạt động 24/7, cung cấp thông tin tức thì, và tiếp cận hàng ngàn người dùng cùng lúc. Quan trọng hơn, nó có thể tích hợp các thuật toán thông minh để phân tích dữ liệu và đưa ra những gợi ý mang tính cá nhân hóa cao. Đây chính là giải pháp công nghệ cho tuyển sinh mà luận văn hướng tới, đáp ứng nhu cầu thực tế của cả nhà trường và thí sinh trong kỷ nguyên số.
III. Phương pháp khai phá dữ liệu xây dựng hệ chuyên gia tư vấn
Để giải quyết các thách thức đã nêu, luận văn đề xuất một phương pháp tiếp cận cốt lõi là sử dụng Khai phá dữ liệu (Data Mining) để xây dựng một hệ chuyên gia tư vấn tự động. Khai phá dữ liệu là quá trình trích xuất các mẫu thông tin có giá trị, tiềm ẩn và hữu ích từ các tập dữ liệu lớn. Quá trình này được mô tả trong luận văn là một phần của quy trình phát hiện tri thức trong cơ sở dữ liệu (KDD - Knowledge Discovery in Databases). Quy trình KDD không chỉ đơn thuần là chạy thuật toán mà bao gồm nhiều giai đoạn phức tạp và lặp đi lặp lại. Theo tài liệu gốc, tác giả đã tuân thủ chặt chẽ các bước này. Đầu tiên là giai đoạn tìm hiểu nghiệp vụ và dữ liệu, bao gồm việc xác định bài toán, thu thập dữ liệu tuyển sinh và kết quả học tập của sinh viên CĐCĐ Vĩnh Long. Giai đoạn tiếp theo và chiếm nhiều thời gian nhất là chuẩn bị và tiền xử lý dữ liệu. Ở bước này, dữ liệu thô từ cơ sở dữ liệu tuyển sinh được làm sạch, loại bỏ nhiễu, xử lý các giá trị thiếu, và rời rạc hóa các thuộc tính số để phù hợp với các thuật toán. Đây là bước nền tảng quyết định đến chất lượng của mô hình. Sau khi dữ liệu đã sẵn sàng, giai đoạn mô hình hóa dữ liệu được thực hiện. Tác giả đã lựa chọn các phương pháp khai phá dữ liệu phù hợp, cụ thể là luật kết hợp và cây quyết định, để tìm ra các quy luật và xây dựng mô hình dự báo. Các mô hình này sau đó được đánh giá và hậu xử lý để đảm bảo tính chính xác và dễ hiểu. Cuối cùng, mô hình tốt nhất được chọn để triển khai thành một ứng dụng thực tế, tạo thành hệ thống hỗ trợ tuyển sinh hoàn chỉnh.
3.1. Các bước chính trong quy trình phát hiện tri thức KDD
Luận văn đã trình bày chi tiết các bước trong quá trình phát hiện tri thức, được tóm tắt như sau: (1) Tìm hiểu nghiệp vụ và dữ liệu: Xác định rõ mục tiêu là tư vấn ngành học và dự báo kết quả, đồng thời thu thập dữ liệu liên quan. (2) Chuẩn bị dữ liệu: Giai đoạn này bao gồm các kỹ thuật tiền xử lý như làm sạch, xử lý dữ liệu thiếu, khử nhiễu, và đặc biệt là rời rạc hóa dữ liệu số (ví dụ: tổng điểm thi) thành các khoảng giá trị có ý nghĩa. (3) Mô hình hóa dữ liệu: Lựa chọn và áp dụng các thuật toán khai phá dữ liệu (luật kết hợp, cây quyết định) để xây dựng mô hình. (4) Đánh giá mô hình: Sử dụng các kỹ thuật như đánh giá chéo (cross-validation) để kiểm tra độ chính xác của mô hình trên tập dữ liệu thử. (5) Triển khai mô hình: Xây dựng ứng dụng web cho phép người dùng cuối tương tác và nhận tư vấn.
3.2. Tiền xử lý và chuẩn bị cơ sở dữ liệu tuyển sinh
Đây là một giai đoạn cực kỳ quan trọng được nhấn mạnh trong luận văn. Dữ liệu tuyển sinh gốc thường không đồng nhất và chứa nhiều thông tin không cần thiết. Quá trình tiền xử lý bao gồm các bước: Lọc thuộc tính (Filtering Attributes) để loại bỏ các cột dữ liệu không liên quan, giúp giảm chiều dữ liệu và tăng tốc độ xử lý. Tiếp theo là Rời rạc hóa dữ liệu (Discretization), một kỹ thuật biến đổi các thuộc tính có giá trị liên tục (như điểm số) thành các thuộc tính có giá trị rời rạc (ví dụ: 'Yếu', 'Trung bình', 'Khá', 'Giỏi'). Việc này giúp các thuật toán như Apriori và C4.5 hoạt động hiệu quả hơn. Quá trình chuẩn hóa này đảm bảo rằng cơ sở dữ liệu tuyển sinh đầu vào cho các thuật toán là sạch và có cấu trúc, tối ưu cho việc khai phá tri thức.
IV. Hướng dẫn ứng dụng Luật kết hợp và Cây quyết định tối ưu
Trọng tâm của luận văn công nghệ thông tin này là việc áp dụng hai kỹ thuật khai phá dữ liệu kinh điển: Luật kết hợp và Cây quyết định. Đây là hai phương pháp mạnh mẽ để khám phá các mối quan hệ ẩn và xây dựng các mô hình dự báo từ dữ liệu. Luật kết hợp (Association Rules) được sử dụng để tìm ra các mối liên hệ thú vị giữa các mục trong một tập dữ liệu lớn. Ví dụ kinh điển là phân tích giỏ hàng, nhưng trong bối cảnh này, nó được dùng để tìm ra các quy luật như: "Nếu thí sinh có điểm Toán cao VÀ điểm Lý cao THÌ có khả năng cao sẽ đạt kết quả tốt ở ngành Công nghệ thông tin". Luận văn đã sử dụng thuật toán Apriori, một thuật toán phổ biến để khai phá các tập mục phổ biến (frequent itemsets) và từ đó sinh ra các luật kết hợp đáng tin cậy. Các luật này phải thỏa mãn hai ngưỡng quan trọng do người dùng định nghĩa: độ hỗ trợ tối thiểu (minimum support) và độ tin cậy tối thiểu (minimum confidence). Bằng cách phân tích các luật này, hệ chuyên gia tư vấn có thể đưa ra những gợi ý logic dựa trên bằng chứng từ dữ liệu quá khứ. Bên cạnh đó, Cây quyết định (Decision Tree) được dùng cho nhiệm vụ phân lớp và dự báo. Luận văn đã áp dụng thuật toán C4.5 để xây dựng một mô hình cây dự báo kết quả học tập của sinh viên. Cây quyết định có cấu trúc dễ hiểu, trong đó mỗi nút đại diện cho một thuộc tính (ví dụ: 'Tổng điểm thi'), mỗi nhánh là một giá trị của thuộc tính đó, và mỗi lá là một lớp quyết định (ví dụ: 'Tốt nghiệp loại Giỏi', 'Khá', 'Trung bình'). Hệ thống sẽ dựa vào thông tin đầu vào của thí sinh để duyệt cây từ gốc đến lá và đưa ra dự đoán. Sự kết hợp giữa hai phương pháp này tạo ra một giải pháp công nghệ cho tuyển sinh toàn diện, vừa khám phá quan hệ, vừa đưa ra dự báo chính xác.
4.1. Khai phá các luật kết hợp từ dữ liệu tuyển sinh
Để khai phá luật kết hợp, luận văn sử dụng thuật toán Apriori. Quá trình này gồm hai bước chính. Bước đầu tiên là tìm tất cả các tập mục phổ biến, tức là các tổ hợp thuộc tính (ví dụ: {Điểm Toán > 8, Ngành CNTT}) xuất hiện thường xuyên hơn một ngưỡng hỗ trợ tối thiểu trong cơ sở dữ liệu tuyển sinh. Bước thứ hai là từ các tập mục phổ biến này, sinh ra các luật kết hợp có độ tin cậy cao. Ví dụ, từ tập phổ biến {Điểm Toán > 8, Ngành CNTT, Tốt nghiệp loại Giỏi}, hệ thống có thể sinh ra luật "{Điểm Toán > 8, Ngành CNTT} => {Tốt nghiệp loại Giỏi}" nếu độ tin cậy của nó vượt ngưỡng. Các luật này cung cấp tri thức hữu ích cho việc tư vấn.
4.2. Xây dựng mô hình dự báo bằng thuật toán cây quyết định
Cây quyết định là một công cụ phân lớp mạnh mẽ. Thuật toán C4.5 được chọn để xây dựng cây vì khả năng xử lý cả thuộc tính liên tục và rời rạc, cũng như xử lý các giá trị bị thiếu. Quá trình xây dựng cây bắt đầu từ gốc, thuật toán sẽ chọn ra thuộc tính phân chia tốt nhất (dựa trên độ lợi thông tin - information gain) để rẽ nhánh. Quá trình này lặp lại một cách đệ quy cho đến khi tất cả các mẫu trong một nút lá đều thuộc cùng một lớp, hoặc không thể phân chia được nữa. Kết quả là một mô hình dạng cây có thể diễn giải thành các luật IF-THEN, ví dụ: "IF Tổng điểm < 15 AND Ngành = 'Kế toán' THEN Kết quả dự báo = 'Trung bình'". Mô hình này là cốt lõi của chức năng dự báo trong hệ thống hỗ trợ tuyển sinh trực tuyến.
V. Quy trình xây dựng website tư vấn tuyển sinh CĐCĐ Vĩnh Long
Từ những cơ sở lý thuyết và mô hình đã phân tích, luận văn tiến hành xây dựng website tư vấn tuyển sinh hoàn chỉnh. Quá trình này bao gồm các bước từ phân tích, thiết kế đến triển khai và đánh giá. Giai đoạn đầu tiên là phân tích thiết kế hệ thống thông tin. Ở giai đoạn này, tác giả đã xác định các yêu cầu chức năng và phi chức năng của hệ thống. Các biểu đồ UML (Use Case, Biểu đồ tuần tự, Biểu đồ lớp) được sử dụng để mô hình hóa các tương tác của người dùng và cấu trúc của hệ thống. Điều này đảm bảo rằng hệ thống được thiết kế một cách logic, có cấu trúc và đáp ứng đúng nhu cầu bài toán. Tiếp theo là thiết kế cơ sở dữ liệu tuyển sinh. Một cơ sở dữ liệu quan hệ được xây dựng để lưu trữ thông tin về thí sinh, các ngành học, dữ liệu học tập lịch sử và các luật đã được khai phá. Cấu trúc CSDL được tối ưu để đảm bảo tính toàn vẹn dữ liệu và hiệu quả truy vấn. Giai đoạn triển khai chương trình là việc hiện thực hóa thiết kế bằng các công nghệ cụ thể. Luận văn đã sử dụng ngôn ngữ lập trình ASP.NET và hệ quản trị CSDL SQL Server, những công nghệ phổ biến và mạnh mẽ để phát triển ứng dụng web. Giao diện người dùng được thiết kế đơn giản, trực quan, cho phép thí sinh dễ dàng nhập thông tin (như điểm thi các môn) và nhận lại kết quả tư vấn, dự báo. Cuối cùng là giai đoạn đánh giá kết quả. Luận văn đã thực hiện các thử nghiệm để đo lường độ chính xác của các mô hình dự báo. Kết quả cho thấy các mô hình phân lớp đạt độ chính xác cao, chứng tỏ tính hiệu quả của việc áp dụng khai phá dữ liệu. Toàn bộ quy trình này đã tạo ra một mã nguồn website tư vấn tuyển sinh không chỉ mang tính học thuật mà còn sẵn sàng để ứng dụng vào thực tiễn.
5.1. Phân tích thiết kế hệ thống thông tin và mô hình CSDL
Phần này của luận văn tập trung vào việc áp dụng các nguyên lý của công nghệ phần mềm. Tác giả đã sử dụng biểu đồ ca sử dụng (Use Case Diagram) để xác định các tác nhân (người dùng, quản trị viên) và các chức năng chính của hệ thống như 'Tư vấn ngành học', 'Dự báo kết quả', 'Quản lý dữ liệu mẫu'. Các biểu đồ tuần tự và biểu đồ lớp làm rõ hơn luồng xử lý và mối quan hệ giữa các đối tượng trong hệ thống. Về CSDL, các bảng dữ liệu được thiết kế để lưu trữ thông tin về sinh viên, điểm số, ngành học và các luật suy diễn, đảm bảo cấu trúc chặt chẽ và chuẩn hóa, là nền tảng vững chắc cho toàn bộ hệ thống thông tin quản lý tuyển sinh.
5.2. Đánh giá kết quả và hiệu quả của hệ thống hỗ trợ tuyển sinh
Để đánh giá hiệu quả, luận văn đã sử dụng ma trận nhầm lẫn (Confusion Matrix) và đo độ chính xác (Accuracy) của các mô hình dự báo trên tập dữ liệu kiểm tra. Kết quả thực nghiệm cho thấy các thuật toán được lựa chọn mang lại độ chính xác cao trong việc dự đoán kết quả học tập. Giao diện của chương trình demo được trình bày rõ ràng, cho thấy hệ thống hoạt động đúng như thiết kế: người dùng nhập điểm, chọn ngành và hệ thống trả về kết quả tư vấn dựa trên các luật đã được khai phá. Việc đánh giá này khẳng định rằng hệ thống hỗ trợ tuyển sinh được xây dựng là một công cụ hữu ích và đáng tin cậy, sẵn sàng để triển khai tại Trường CĐCĐ Vĩnh Long.
VI. Kết luận khóa luận tốt nghiệp CĐCĐ Vĩnh Long và tương lai
Luận văn “Xây dựng hệ hỗ trợ tư vấn tuyển sinh tại Trường Cao đẳng Cộng đồng Vĩnh Long” đã hoàn thành xuất sắc các mục tiêu đề ra, mang lại một giải pháp công nghệ có giá trị cao cho công tác tuyển sinh. Đây là một khóa luận tốt nghiệp CĐCĐ Vĩnh Long tiêu biểu, thể hiện sự kết hợp nhuần nhuyễn giữa lý thuyết khoa học máy tính và ứng dụng thực tiễn trong giáo dục. Đề tài đã thành công trong việc tìm hiểu sâu sắc về các kỹ thuật khai phá dữ liệu, đặc biệt là luật kết hợp và cây quyết định. Từ đó, tác giả đã xây dựng và triển khai một hệ thống tư vấn thông minh, có khả năng đưa ra dự báo kết quả học tập và gợi ý ngành học phù hợp cho thí sinh. Kết quả đạt được không chỉ dừng lại ở một sản phẩm phần mềm. Quan trọng hơn, luận văn đã xây dựng được một kho cơ sở dữ liệu tuyển sinh được tiền xử lý và chuẩn hóa, sẵn sàng cho các phân tích sâu hơn trong tương lai. Hệ thống góp phần nâng cao hiệu quả và tính chuyên nghiệp trong công tác tuyển sinh trường cao đẳng, giúp nhà trường tiết kiệm chi phí và thu hút được những sinh viên phù hợp nhất. Đồng thời, nó cung cấp một công cụ hỗ trợ tuyển sinh trực tuyến minh bạch và hữu ích cho học sinh và phụ huynh. Hướng phát triển của đề tài rất rộng mở, cho thấy tiềm năng to lớn của việc ứng dụng CNTT trong giáo dục. Hệ thống hiện tại có thể được cải tiến và mở rộng theo nhiều hướng để trở nên thông minh và thân thiện hơn, đáp ứng tốt hơn nữa nhu cầu của xã hội.
6.1. Tổng kết những đóng góp chính của luận văn công nghệ thông tin
Những đóng góp chính của luận văn bao gồm: (1) Nghiên cứu và áp dụng thành công các thuật toán khai phá dữ liệu (luật kết hợp, cây quyết định) vào bài toán tư vấn tuyển sinh. (2) Thiết kế và xây dựng được một kho dữ liệu phục vụ cho quá trình tư vấn và dự báo. (3) Phát triển một chương trình ứng dụng hoàn chỉnh, có khả năng tư vấn và dự báo với độ chính xác cao. (4) Đề xuất một giải pháp công nghệ cho tuyển sinh hiện đại, góp phần nâng cao hiệu quả tuyển sinh và đào tạo tại Trường Cao đẳng Cộng đồng Vĩnh Long. Đây là những kết quả có ý nghĩa cả về mặt khoa học và thực tiễn.
6.2. Hướng phát triển Tích hợp chatbot tư vấn tuyển sinh
Để hệ thống trở nên thân thiện và thông minh hơn, một hướng phát triển tiềm năng được đề xuất là tích hợp chatbot tư vấn tuyển sinh. Chatbot có thể sử dụng công nghệ xử lý ngôn ngữ tự nhiên (NLP) để tương tác với thí sinh một cách trực quan, trả lời các câu hỏi thường gặp về quy chế, học phí, cơ hội việc làm. Hơn nữa, chatbot có thể được kết nối với hệ chuyên gia tư vấn cốt lõi của luận văn để đưa ra những lời khuyên cá nhân hóa dựa trên phân tích dữ liệu. Một hướng khác là mở rộng mô hình để phân tích thêm các yếu tố khác như sở thích, tính cách, hoặc dữ liệu từ mạng xã hội để việc tư vấn trở nên toàn diện hơn. Việc liên tục cập nhật mã nguồn website tư vấn tuyển sinh và mô hình dữ liệu sẽ giúp hệ thống luôn phù hợp với thực tế.
