Luận văn thạc sĩ hệ thống thông tin quản lý khai phá dữ liệu bình luận trên nền tảng xã hội video số nhằm phục vụ dự báo và đề xuất xu hướng video tri thức

Luận văn thạc sĩ về khai phá dữ liệu bình luận video trên mạng xã hội. Nghiên cứu dự báo xu hướng video tri thức, ứng dụng trong hệ thống thông tin quản lý.

• Tác giả: Phan Thị Yến
• Người hướng dẫn: Ts. Nguyễn Trung Tuấn
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Hệ Thống Thông Tin Quản Lý
• Đề tài: Khai Phá Dữ Liệu Bình Luận Trên Nền Tảng Xã Hội Video Số Nhằm Phục Vụ Dự Báo Và Đề Xuất Xu Hướng Video Tri Thức
• Loại tài liệu: Đề Án Tốt Nghiệp Thạc Sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ KHAI PHÁ DỮ LIỆU BÌNH LUẬN TRÊN NỀN TẢNG XÃ HỘI VIDEO SỐ
• 1.1. Xác định nền tảng xã hội video số
• 1.2. Khai phá dữ liệu bình luận trên nền tảng xã hội video số
• 1.2.1. Khái niệm về khai phá dữ liệu
• 1.2.2. Khai phá dữ liệu bình luận trên nền tảng xã hội video YouTube
• 1.2.3. Thách thức trong việc phân tích đánh giá dữ liệu bình luận trực tuyến
• 1.2.4. Các phương pháp truyền thống và hạn chế của chúng
• 1.2.5. Ứng dụng của khai phá dữ liệu bình luận trên nền tảng xã hội video số
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Các mô hình mạng nơ-ron dùng trong học sâu
• 2.2. Mô hình nhận diện cảm xúc trong văn bản
• 2.2.1. Tiếp cận theo phương pháp học máy
• 2.2.2. Tiếp cận theo xử lý ngôn ngữ tự nhiên
• 2.2.3. Tổng quan mô hình nhận diện cảm xúc
• 2.3. Sơ đồ huấn luyện mô hình nhận diện cảm xúc văn bản Tiếng Việt
• 2.3.1. Tiền xử lý dữ liệu
• 2.3.2. Chuẩn hóa các đặc trưng văn bản
• 2.3.3. Huấn luyện mô hình
• 3. CHƯƠNG 3: THỰC NGHIỆM, ĐÁNH GIÁ KẾT QUẢ ĐỂ DỰ BÁO VÀ ĐỀ XUẤT VIDEO TRI THỨC
• 3.1. Thu thập dữ liệu bình luận
• 3.2. Tiền xử lý dữ liệu
• 3.3. Phân lớp các bình luận
• 3.4. Đánh giá Hiệu suất và Kết quả Thử nghiệm
• 3.5. Dự báo và đề xuất video tri thức trên nền tảng xã hội video số
• 3.6. Dự báo và đề xuất xu hướng video tri thức
• 3.7. Xây dựng mô hình dự báo và đề xuất xu hướng video tri thức
• 3.8. Kết quả đạt được
• 3.8.1. Đánh giá những đóng góp của nghiên cứu
• 3.8.2. Những hạn chế của nghiên cứu
• 3.9. Hướng phát triển tiếp theo
• 3.9.1. Phát triển với các chủ đề và lĩnh vực
• 3.9.2. Hướng phát triển của đề án
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khám Phá Dữ Liệu Bình Luận Video Tổng Quan Tiềm Năng

Trong kỷ nguyên số, mạng xã hội video đã trở thành một phần không thể thiếu trong cuộc sống, đặc biệt là đối với giới trẻ và sinh viên. Các nền tảng như YouTube, TikTok, Facebook đang chứa một lượng lớn dữ liệu video và bình luận khổng lồ, mở ra cơ hội to lớn cho việc khai phá dữ liệu. Đề tài “Khai Phá Dữ Liệu Bình Luận Video: Dự Báo Xu Hướng Video Tri Thức” hướng đến việc tận dụng nguồn dữ liệu này để hiểu rõ hơn về nhu cầu và sở thích của người xem, đặc biệt là trong lĩnh vực giáo dục. Việc phân tích bình luận video có thể cung cấp thông tin giá trị về những ảnh hưởng của video đến học tập và đời sống của sinh viên, từ đó giúp các nhà quản lý giáo dục, nhà sáng tạo nội dung đưa ra các quyết định thông minh hơn về nội dung và chiến lược phát triển. Nghiên cứu này không chỉ có ý nghĩa về mặt học thuật mà còn có giá trị ứng dụng thực tiễn cao trong việc nâng cao chất lượng và hiệu quả của giáo dục trực tuyến.

1.1. YouTube Nền Tảng Video Số Tiềm Năng Cho Nghiên Cứu

YouTube, với hơn 50 triệu người trưởng thành sử dụng tại Việt Nam, là một nền tảng video số hàng đầu với nội dung đa dạng từ giải trí đến giáo dục. Khảo sát của Kantar cho thấy, nếu chỉ được chọn một dịch vụ video, người dùng Việt Nam sẽ ưu tiên YouTube. Theo Mai Trâm (2023), YouTube cho phép truy cập vào nhiều định dạng như video ngắn, video dài, livestream. Số lượng kênh tại Việt Nam với hơn 100.000 người đăng ký đã tăng hơn 30% so với năm 2022. Nghiên cứu này lựa chọn YouTube làm kênh chính để khai thác dữ liệu do số lượng video tri thức lớn và tiềm năng tác động đến học sinh, sinh viên.

1.2. Video Tri Thức Định Nghĩa và Tầm Quan Trọng Trên YouTube

Video tri thức là các video tập trung truyền tải thông tin, kiến thức, kỹ năng trong một lĩnh vực cụ thể, có cấu trúc rõ ràng, ví dụ thực tiễn và giải thích dễ hiểu. Các video tri thức trên YouTube cung cấp nội dung giáo dục, hướng dẫn, thông tin học thuật giúp sinh viên nâng cao kiến thức. Sinh viên có thể tiếp cận chúng mọi lúc, mọi nơi, dễ dàng ôn tập và tương tác qua phần bình luận, tạo cộng đồng học tập rộng lớn. Nhiều giảng viên khuyến khích sinh viên tìm kiếm video trên YouTube để bổ trợ bài giảng, biến nền tảng này thành nguồn tài liệu học tập quan trọng.

II. Thách Thức Hạn Chế Phân Tích Dữ Liệu Bình Luận Video

Việc khai phá dữ liệu bình luận video không phải là một nhiệm vụ dễ dàng. Có nhiều thách thức cần phải vượt qua, bao gồm việc xử lý lượng dữ liệu khổng lồ, đảm bảo tính chính xác và khách quan của phân tích, và đối phó với sự phức tạp của ngôn ngữ tự nhiên. Bên cạnh đó, vấn đề bảo mật và quyền riêng tư của người dùng cũng cần được đặt lên hàng đầu. Nghiên cứu này sẽ tập trung vào việc giải quyết những thách thức này bằng cách sử dụng các phương pháp và công cụ tiên tiến trong lĩnh vực khai phá dữ liệu và xử lý ngôn ngữ tự nhiên (NLP). Mục tiêu là tạo ra một quy trình phân tích hiệu quả và đáng tin cậy, giúp các nhà nghiên cứu và nhà quản lý giáo dục hiểu rõ hơn về những xu hướng và vấn đề quan trọng trong lĩnh vực video tri thức.

2.1. Xử Lý Dữ Liệu Lớn Vấn Đề Tốc Độ và Hiệu Quả

Lượng dữ liệu bình luận video trên YouTube là rất lớn và liên tục tăng lên. Điều này đặt ra thách thức về tốc độ và hiệu quả xử lý dữ liệu. Các phương pháp truyền thống có thể không đủ khả năng để phân tích lượng dữ liệu này trong một khoảng thời gian hợp lý. Do đó, cần phải áp dụng các kỹ thuật tiên tiến như học máy và khai phá dữ liệu song song để tăng tốc quá trình phân tích. Bài toán đặt ra là làm sao để trích xuất thông tin hữu ích từ big data một cách nhanh chóng và chính xác, giúp đưa ra các quyết định kịp thời.

2.2. Đảm Bảo Tính Khách Quan Trong Phân Tích Cảm Xúc Bình Luận

Phân tích cảm xúc (sentiment analysis) là một phần quan trọng trong việc khai phá dữ liệu bình luận video. Tuy nhiên, việc đảm bảo tính khách quan trong phân tích cảm xúc là một thách thức lớn. Ngôn ngữ tự nhiên rất phức tạp và đa nghĩa, và cảm xúc của người viết có thể được thể hiện một cách gián tiếp hoặc ẩn ý. Các thuật toán phân tích cảm xúc cần phải được huấn luyện kỹ lưỡng để có thể hiểu được ngữ cảnh và sắc thái của ngôn ngữ, tránh đưa ra những kết luận sai lệch. Đồng thời, cần phải có các biện pháp để giảm thiểu sự thiên vị của người phân tích.

2.3. Hạn Chế Về Thu Thập Dữ Liệu và Thang Đo Cảm Xúc

Nghiên cứu của đề án tập trung vào dữ liệu bình luận video về lĩnh vực giáo dục trên YouTube. Về thang đo, chỉ tập trung vào hướng Tích cực (Positive). Nghiên cứu có thể phát triển thêm về hướng tiêu cực (Negative) và Trung lập (Neutral). Về kỹ thuật phân loại nội dung bình luận, nghiên cứu chỉ sử dụng phương pháp học máy có giám sát, nếu kết hợp với phương pháp từ vựng dựa trên ngữ nghĩa có thể sẽ có những kết quả tốt hơn.

III. Phương Pháp Học Máy Dự Báo Xu Hướng Video Tri Thức

Để vượt qua những thách thức trên, nghiên cứu này sẽ sử dụng các phương pháp học máy tiên tiến để phân tích bình luận video và dự báo xu hướng video tri thức. Các thuật toán như xử lý ngôn ngữ tự nhiên (NLP), phân tích cảm xúc, và học sâu sẽ được áp dụng để trích xuất thông tin hữu ích từ các bình luận và xây dựng các mô hình dự đoán chính xác. Đặc biệt, nghiên cứu sẽ tập trung vào việc phân loại các bình luận theo chủ đề, cảm xúc, và mức độ liên quan đến nội dung video, từ đó đưa ra những nhận định sâu sắc về nhu cầu và sở thích của người xem. Kết quả của nghiên cứu này sẽ cung cấp một công cụ mạnh mẽ cho các nhà quản lý giáo dục và nhà sáng tạo nội dung để tạo ra những video tri thức chất lượng cao và phù hợp với nhu cầu của thị trường.

3.1. Ứng Dụng NLP Trong Phân Tích Ngữ Nghĩa Bình Luận Video

Xử lý ngôn ngữ tự nhiên (NLP) đóng vai trò then chốt trong việc hiểu ý nghĩa của các bình luận video. NLP giúp phân tích cú pháp, ngữ nghĩa, và ngữ cảnh của ngôn ngữ, từ đó trích xuất thông tin quan trọng như chủ đề, ý kiến, và cảm xúc. Các kỹ thuật NLP như tokenization, stemming, và part-of-speech tagging sẽ được sử dụng để tiền xử lý dữ liệu văn bản và chuẩn bị cho các bước phân tích tiếp theo. NLP cũng cho phép xác định các thực thể quan trọng (named entities) trong bình luận, giúp hiểu rõ hơn về nội dung và mục đích của người viết.

3.2. Phân Tích Cảm Xúc Đo Lường Phản Ứng Của Người Xem Video

Phân tích cảm xúc là quá trình xác định và đo lường cảm xúc của người viết trong một đoạn văn bản. Trong bối cảnh bình luận video, phân tích cảm xúc giúp hiểu rõ hơn về phản ứng của người xem đối với nội dung video. Các bình luận có thể được phân loại thành tích cực, tiêu cực, hoặc trung lập, tùy thuộc vào cảm xúc được thể hiện. Kết quả phân tích cảm xúc có thể được sử dụng để đánh giá chất lượng video, xác định những điểm mạnh và điểm yếu, và đưa ra những cải tiến phù hợp. Nghiên cứu này sẽ sử dụng các thuật toán sentiment analysis tiên tiến để đảm bảo tính chính xác và khách quan của phân tích.

3.3. Học Sâu Deep Learning Cho Dự Báo Xu Hướng Video Thịnh Hành

Học sâu (Deep Learning) là một lĩnh vực của học máy sử dụng mạng nơ-ron nhân tạo nhiều lớp để học các biểu diễn phức tạp của dữ liệu. Trong bối cảnh dự báo xu hướng video, học sâu có thể được sử dụng để phân tích lượng lớn dữ liệu bình luận và xác định các mẫu và xu hướng tiềm ẩn. Các mô hình học sâu như mạng nơ-ron hồi quy (RNN) và mạng nơ-ron tích chập (CNN) có thể được sử dụng để học các biểu diễn văn bản phức tạp và dự đoán sự thay đổi trong sở thích của người xem. Kết quả dự đoán có thể được sử dụng để đề xuất những video tri thức phù hợp và nâng cao hiệu quả của giáo dục trực tuyến.

IV. Kết Quả Ứng Dụng Đề Xuất Video Tri Thức Phù Hợp

Nghiên cứu này không chỉ dừng lại ở việc phân tích dữ liệu mà còn hướng đến việc ứng dụng kết quả vào thực tiễn. Mục tiêu cuối cùng là xây dựng một hệ thống đề xuất video tri thức thông minh, có khả năng gợi ý những video phù hợp với nhu cầu và sở thích của từng người xem. Hệ thống này sẽ sử dụng thông tin từ bình luận video, phân tích cảm xúc, và dự báo xu hướng để đưa ra những đề xuất chính xác và hữu ích. Ngoài ra, nghiên cứu cũng sẽ đánh giá hiệu quả của hệ thống đề xuất thông qua các thử nghiệm thực tế, nhằm đảm bảo rằng nó có thể mang lại giá trị thực sự cho người dùng. Kết quả của nghiên cứu này sẽ đóng góp vào việc nâng cao chất lượng và hiệu quả của giáo dục trực tuyến, giúp sinh viên tiếp cận những nguồn tài liệu học tập tốt nhất và phù hợp nhất.

4.1. Xây Dựng Mô Hình Đề Xuất Video Tri Thức Tự Động

Việc xây dựng mô hình đề xuất video tri thức tự động đòi hỏi sự kết hợp giữa các kỹ thuật khai phá dữ liệu, xử lý ngôn ngữ tự nhiên, và học máy. Mô hình sẽ sử dụng thông tin từ bình luận video, lịch sử xem video của người dùng, và thông tin về nội dung video để đưa ra những đề xuất phù hợp. Các thuật toán đề xuất phổ biến như lọc cộng tác (collaborative filtering) và đề xuất dựa trên nội dung (content-based recommendation) sẽ được sử dụng và tùy chỉnh để phù hợp với đặc thù của video tri thức. Mô hình cũng sẽ được đánh giá và tinh chỉnh liên tục để đảm bảo tính chính xác và hiệu quả.

4.2. Ứng Dụng Thực Tế Trong Giáo Dục và Đào Tạo Trực Tuyến

Hệ thống đề xuất video tri thức có thể được ứng dụng rộng rãi trong lĩnh vực giáo dục và đào tạo trực tuyến. Nó có thể được tích hợp vào các nền tảng học trực tuyến (LMS) để gợi ý những video liên quan đến các bài học và khóa học. Nó cũng có thể được sử dụng để tạo ra các danh sách phát video cá nhân hóa cho từng sinh viên, giúp họ tiếp cận những tài liệu học tập phù hợp với trình độ và sở thích của mình. Ngoài ra, hệ thống đề xuất có thể được sử dụng để đánh giá chất lượng video và đưa ra những phản hồi cho các nhà sáng tạo nội dung, giúp họ cải thiện chất lượng sản phẩm của mình.

V. Đánh Giá Nghiên Cứu Đóng Góp Hướng Phát Triển Tương Lai

Nghiên cứu này đã có những đóng góp nhất định trong việc khai phá dữ liệu bình luận video và dự báo xu hướng video tri thức. Tuy nhiên, vẫn còn nhiều hạn chế cần khắc phục và nhiều hướng phát triển tiềm năng. Trong tương lai, nghiên cứu có thể được mở rộng sang các lĩnh vực khác, sử dụng các phương pháp phân tích tiên tiến hơn, và kết hợp với các nguồn dữ liệu khác để tạo ra những kết quả chính xác và hữu ích hơn. Mục tiêu là tạo ra một công cụ mạnh mẽ và toàn diện để giúp các nhà quản lý giáo dục, nhà sáng tạo nội dung, và người học khai thác tối đa tiềm năng của video tri thức.

5.1. Đánh Giá Đóng Góp Của Nghiên Cứu Lý Thuyết và Thực Tiễn

Nghiên cứu đã tiến hành lược khảo cơ sở lý thuyết về phương pháp phân loại các bình luận và những đề xuất ứng dụng phương pháp máy học có giám sát cho việc khai thác nội dung những bình luận một cách tự động. Nghiên cứu có giá trị là tài liệu tham khảo cho các ứng dụng khai thác nội dung bình luận trong lĩnh vực giáo dục.

5.2. Hướng Phát Triển Tiếp Theo Mở Rộng Phạm Vi Nghiên Cứu

Nghiên cứu có thể được phát triển với các chủ đề và lĩnh vực khác nhau, từ đó tạo ra một bức tranh toàn diện hơn về xu hướng video tri thức. Nghiên cứu cũng có thể kết hợp với các nguồn dữ liệu khác như thông tin về người dùng, thông tin về video, và thông tin về các sự kiện xã hội để cải thiện độ chính xác của dự đoán. Ngoài ra, nghiên cứu có thể tập trung vào việc phát triển các phương pháp phân tích mới, chẳng hạn như sử dụng mạng nơ-ron phức tạp hơn và kết hợp với các kỹ thuật học máy không giám sát.

VI. Tổng Kết Tương Lai Khai Phá Dữ Liệu Video Tri Thức

Tóm lại, việc khai phá dữ liệu bình luận video là một lĩnh vực đầy tiềm năng, có thể mang lại những lợi ích to lớn cho giáo dục và đào tạo. Nghiên cứu này đã góp phần vào việc khám phá tiềm năng đó bằng cách sử dụng các phương pháp học máy tiên tiến để phân tích bình luận video và dự báo xu hướng video tri thức. Trong tương lai, lĩnh vực này hứa hẹn sẽ còn phát triển mạnh mẽ hơn nữa, với sự ra đời của các công nghệ mới và các phương pháp phân tích sáng tạo hơn. Điều quan trọng là chúng ta cần tiếp tục đầu tư vào nghiên cứu và phát triển trong lĩnh vực này, nhằm khai thác tối đa tiềm năng của video tri thức và mang lại những lợi ích thiết thực cho xã hội.

6.1. Tầm Quan Trọng Của Khai Phá Dữ Liệu Trong Giáo Dục Số

Khai phá dữ liệu đóng vai trò ngày càng quan trọng trong giáo dục số, giúp các nhà quản lý giáo dục, giảng viên và sinh viên hiểu rõ hơn về quá trình học tập và đưa ra những quyết định thông minh hơn. Khai phá dữ liệu có thể được sử dụng để phân tích hiệu quả học tập của sinh viên, dự đoán khả năng thành công của sinh viên, cá nhân hóa trải nghiệm học tập, và cải thiện chất lượng nội dung giảng dạy.

6.2. Hướng Đi Mới Cho Nghiên Cứu và Ứng Dụng Video Tri Thức

Trong tương lai, nghiên cứu và ứng dụng video tri thức sẽ tập trung vào việc tạo ra những trải nghiệm học tập tương tác và hấp dẫn hơn cho sinh viên. Các công nghệ như thực tế ảo (VR) và thực tế tăng cường (AR) có thể được sử dụng để tạo ra những môi trường học tập sống động và chân thực hơn. Ngoài ra, video tri thức có thể được kết hợp với các công cụ đánh giá tự động để cung cấp phản hồi cá nhân hóa cho sinh viên và giúp họ theo dõi tiến trình học tập của mình.

Nội dung chính

It seems that this video doesn't have a transcript, please try another video.

Trích đoạn nội dung tài liệu

CHƯƠNG I: KHÁI QUÁT VỀ KHAI PHÁ DỮ LIỆU BÌNH LUẬN TRÊN NỀN TẢNG XÃ HỘI VIDEO SỐ 1.1 Xác định nền tảng xã hội video số Ngày nay, những cách kể chuyện sinh động, trực quan luôn dễ dàng tiếp cận đông đảo người dùng trên các nền tảng xã hội video số. Vì thế có nhiều nền tảng video số phổ biến trên internet, mỗi nền tảng có đặc điểm và đối tượng người dùng khác nhau với những dấu mốc về ứng dụng nền tảng xã hội video số như: Năm 1976 ghi nhận sự phổ biến của băng video. Năm 1988 xuất hiện kỹ thuật số lưu giữ. Năm 2004 có mạng xã hội Facebook phổ biến dưới dạng text và ảnh.

Năm 2005 ghi nhận sự bùng nổ của nền tảng chia sẻ video YouTube. Năm 2012 đánh dấu sự xuất hiện của nền tảng chia sẻ ảnh Instagram. Năm 2015 xuất hiện video trên Facebook. Năm 2017 có video ngắn trên TikTok (Huy Linh, 2024).

Trong đó, YouTube là một trong những nền tảng video lớn nhất và phổ biến nhất trên thế giới. YouTube cho phép người dùng tạo, xem, tương tác và chia sẻ video trực tuyến. YouTube cung cấp đa dạng nội dung từ giải trí, giáo dục, thể thao, âm nhạc đến tin tức và nhiều loại khác. Tại lễ trao giải YouTube Works Awards vinh danh những chiến dịch có video quảng cáo nổi bật nhất Việt Nam trên YouTube ngày 3/10/2023, YouTube công bố đã tiếp cận hơn với 50 triệu người trưởng thành (trong tổng số ước tính đối với 68 triệu người trưởng thành) ở Việt Nam.

Theo khảo sát của Kantar (Công ty nghiên cứu thị trường), nếu người dùng ở Việt Nam chỉ có thể xem video một dịch vụ trong cả năm, thì nền tảng mà người dùng lựa chọn là YouTube. YouTube là kênh mạng xã hội có nhiều nội dung đa dạng, cho phép người dùng truy cập vào những nội dung khác nhau, ví dụ như: video ngắn, video dài hay video trực tiếp (Mai Trâm, 2023). YouTube đã liên tục cải tiến để có thể đáp ứng thị hiếu luôn thay đổi của người Việt, đồng thời cũng tăng trưởng mạnh mẽ cả về nội dung, hình thức và mức độ tương 3 tác của khán giả. Dựa trên dữ liệu nội bộ của Google và khảo sát của với 2.063 người xem video hằng tuần, trong đội tuổi từ 18 đến 64 tuổi tại Việt Nam.

Khảo sát này được thực hiện trong khoảng thời gian từ ngày 26/5/2023 đến ngày 13/6/2023, tổng số giờ những nội dung được tải lên YouTube bởi các kênh khác ở Việt Nam đã tăng gấp đôi so với cùng kỳ năm 2022. Thời gian người dùng xem các video phim truyền hình trên YouTube trong quý II năm 2023 tăng trưởng hơn 60% so với cùng kỳ năm 2022. Ở Việt Nam đã có thêm hơn 15.000 kênh cùng với hơn 100.000 người đăng ký, tỉ lệ tăng là hơn 30% so với cùng kỳ năm 2022. Theo tác giả tìm hiểu, các nền tảng xã hội video số nói chung, video YouTube nói riêng tác động khá nhiều đến thói quen giải trí, tiêu khiển của giới trẻ, điển hình là học sinh, sinh viên.

YouTube không chỉ là để giải trí mà còn có tác động lớn đến tâm lý, lối sống, hành vi, cách ứng xử và cả kết quả học tập của sinh viên. Do vậy, tác giả đã lựa chọn YouTube là kênh mạng xã hội để khai thác những nội dung bình luận từ video trong lĩnh vực giáo dục cho nghiên cứu này. Bảng so sánh tính năng video trên các nền tảng mạng xã hội Facebook TikTok YouTube Watch - Trẻ trung, năng động, - Thiết kế cứng cáp, chưa - Thiết kế đơn hợp giới trẻ quá thân thiện và có dấu ấn giản, dễ theo dõi Giao - Caption vừa phải, riêng diện không chiếm không - Caption cỡ chữ to, dễ đọc gian khung hình nhiều - Có thể like, comment, - Có thể like, comment, - Có thể like, share, lưu video share, lưu video comment, share, Tính - Được dừng và tua - Được dừng nhưng không lưu video tương tác video được tua video - Được dừng và tua video Thời Ngắn Ngắn, dài hoặc rất dài Ngắn lượng Thời 2017 2005 2007 gian 4 Một số lý do lựa chọn Youtube: - Nền tảng Video lâu đời. - Tích lũy kho dữ liệu video tri thức hơn là các video mang tính giải trí so với nền tảng khác như Tiktok, Facebook.

Đề tài tập trung vào gợi ý, đề xuất video tri thức phục vụ cho học tập. Do đó tác giả lựa chọn nền tảng Youtube.2 Khai phá dữ liệu bình luận trên nền tảng xã hội video số 1.1 Khái niệm về khai phá dữ liệu Định nghĩa về khai phá dữ liệu của Giáo sư Tom Mitchell: “Khai phá dữ liệu là việc sử dụng dữ liệu lịch sử để khám phá những quy tắc và cải thiện những quyết định trong tương lai” (Tom M Mitchell, 1999) chính là định nghĩa gần nhất với đề tài nghiên cứu này. Khai phá dữ liệu là quá trình tìm hiểu và khám phá các thông tin ẩn trong các tập dữ liệu lớn. Đây là một phương pháp sử dụng các thuật toán và kỹ thuật trong lĩnh vực khoa học dữ liệu để khám phá ra các mẫu, quy luật hoặc thông tin quan trọng từ dữ liệu đã có sẵn.

Khai phá dữ liệu giáo dục là lĩnh vực nghiên cứu có sự kết hợp của các phương pháp tính toán và phương pháp tâm lý nhằm mục đích hiểu thêm về hành vi học tập của người học (Cristobal Romero & Sebastian Ventura, 2013). Mục tiêu của việc khai phá dữ liệu giáo dục là: (1) Dự đoán hành vi học tập trong tương lai bằng cách tạo ra mô hình dựa trên sự kết hợp các thông tin như kiến thức, thái độ, động lực, nhận thức của người học; (2) Xác định được các nội dung quan trọng cần học và tối ưu hóa được trình tự giảng dạy; (3) Nghiên cứu sự ảnh hưởng của các hình thức giảng dạy đến quá trình học tập của người học; (4) Thúc đẩy được các nghiên cứu khoa học về quá trình học tập thông qua việc xây dựng các mô hình tính toán dựa trên các dữ liệu giáo dục (Ryan SJD Baker & Kalina Yacef, 2009).2 Khai phá dữ liệu bình luận trên nền tảng xã hội video YouTube Video tri thức thường được định nghĩa là các video có nội dung tập trung vào việc truyền tải thông tin, kiến thức hoặc kỹ năng trong một lĩnh vực cụ thể. Đây có thể là các bài giảng, hướng dẫn, hoặc các tài liệu tham khảo học thuật được thiết kế để giúp người xem hiểu sâu hơn về một chủ đề cụ thể. Các video này thường có cấu trúc rõ ràng, có thể bao gồm các ví dụ thực tiễn, bài tập ứng dụng, hoặc giải thích lý thuyết một cách trực quan và dễ hiểu.

Video tri thức đặc biệt hữu ích trong giáo dục và đào tạo, phục vụ cho cả việc tự học và giảng dạy chính quy. Trên YouTube, các video tri thức dành cho sinh viên thường được hiểu là những video cung cấp nội dung giáo dục, hướng dẫn hoặc thông tin học thuật nhằm giúp sinh viên học tập và nâng cao kiến thức. Các video này có thể đến từ nhiều nguồn khác nhau như giảng viên, các tổ chức giáo dục, hoặc những người có chuyên môn trong lĩnh vực cụ thể. Đặc điểm của video tri thức trên YouTube dành cho sinh viên: - Video YouTube dành cho sinh viên có nội dung chuyên sâu và đa dạng bao trùm nhiều lĩnh vực như khoa học tự nhiên, toán học, công nghệ, lịch sử, kinh tế, nghệ thuật, ngôn ngữ, và kỹ năng mềm.

Sinh viên có thể tìm thấy bài giảng, hướng dẫn thực hành, hoặc phân tích về các chủ đề mà họ quan tâm. - Video YouTube rất linh hoạt giúp sinh viên có thể tiếp cận những video này bất cứ lúc nào, từ mọi nơi có kết nối Internet ngoài ra còn giúp sinh viên chủ động trong việc học và dễ dàng ôn tập khi cần. - Nhiều giảng viên khuyến khích sinh viên tìm kiếm thêm các video trên YouTube để bổ trợ cho bài giảng trên lớp. Đây là nguồn tài liệu phong phú giúp sinh viên có thể ôn luyện, nghiên cứu thêm, hoặc hiểu rõ hơn về các khái niệm đã học.

- Video trên YouTube cho phép sinh viên tương tác qua phần bình luận, nơi sinh viên có thể đặt câu hỏi, chia sẻ ý kiến và thảo luận với những người cùng quan tâm giúp tạo ra một cộng đồng học tập rộng lớn. Đối với các video trên YouTube luôn có rất nhiều những bình luận về nội dung được cập nhật hàng ngày từ người xem. Việc thống kê và phân tích những bình luận, 6 nhận xét đó sẽ giúp nhà sản xuất nội dung, nhà quản lý hay nhà nghiên cứu đánh giá được tác động của video. Khai phá dữ liệu bình luận từ các video về lĩnh vực giáo dục trên YouTube có thể mang lại những thông tin về ý kiến, cảm xúc và sự tương tác của người xem từ đó có thể dự báo và đề xuất xu hướng video tri thức.

Phân tích dữ liệu bình luận là quá trình quan trọng giúp hiểu sâu hơn về ý kiến, quan điểm và cảm xúc của người dùng đối với một sản phẩm, dịch vụ hoặc sự kiện nào đó. Bằng cách thu thập, xử lý và phân tích dữ liệu từ các bình luận trên mạng xã hội, diễn đàn hoặc các trang web đánh giá, chúng ta có thể nhận biết được những xu hướng chung, phản ứng tích cực hoặc tiêu cực từ cộng đồng. Quá trình này bắt đầu bằng việc thu thập dữ liệu từ các nguồn khác nhau, có thể là sử dụng các công cụ tự động hoặc thu thập thủ công. Sau đó, dữ liệu thu thập được sẽ được xử lý và làm sạch để loại bỏ các thông tin không cần thiết như ký tự đặc biệt, từ không liên quan hoặc bình luận trùng lặp.

Tiếp theo, dữ liệu sẽ được phân tích bằng cách áp dụng các phương pháp thống kê và máy học. Các phương pháp này giúp hiểu rõ hơn về nội dung của các bình luận, bao gồm phân tích ngữ cảnh, phân loại cảm xúc, phát hiện ý kiến chính, phân tích ngữ nghĩa và phân tích đồng thuận và phản đối. Cuối cùng, kết quả của quá trình phân tích sẽ được trình bày thông qua các biểu đồ, báo cáo hoặc tóm tắt. Những thông tin này giúp cho doanh nghiệp hoặc tổ chức hiểu rõ hơn về ý kiến của khách hàng và điều chỉnh chiến lược tiếp thị, sản phẩm hoặc dịch vụ của họ một cách hiệu quả.

Đánh giá dữ liệu trong phân tích bình luận là một bước quan trọng giúp đảm bảo tính chính xác và độ tin cậy của kết quả. Đầu tiên, cần kiểm tra tính đầy đủ của dữ liệu, đảm bảo rằng mẫu dữ liệu thu thập đủ lớn và đại diện cho cả phổ biến ý kiến.