Tổng quan nghiên cứu

Trong xu hướng chuyển đổi số giáo dục đại học, hơn 90% cơ sở giáo dục đại học tại Việt Nam đã chuyển đổi sang mô hình đào tạo theo học chế tín chỉ. Phương thức này mang lại quyền tự chủ cao cho người học trong việc lựa chọn môn học và lập kế hoạch đào tạo cá nhân. Tuy nhiên, quyền tự chủ cũng tạo ra rủi ro lớn khi sinh viên thiếu định hướng, dẫn đến tình trạng đăng ký môn học không phù hợp với năng lực tích lũy và gây ra hiện tượng trượt môn dây chuyền. Các kỹ thuật khai phá dữ liệu giáo dục (Educational Data Mining - EDM) truyền thống chủ yếu tập trung vào các luật kết hợp nhị phân logic tĩnh, vốn chỉ xem xét sự xuất hiện đồng thời của các môn học mà bỏ qua hai yếu tố cốt lõi: giá trị định lượng của điểm số và trình tự thời gian giữa các học kỳ.

Nghiên cứu tập trung giải quyết bài toán: "Khám phá luật kết hợp định lượng hướng thời gian trong hệ giáo dục theo quy chế tín chỉ". Mục tiêu trọng tâm của đề tài là xây dựng mô hình khai phá dữ liệu có khả năng xử lý các thuộc tính điểm số định lượng, phát hiện các mối quan hệ ràng buộc nhân quả theo dòng thời gian giữa các học kỳ, đồng thời hỗ trợ cơ chế khai phá gia tăng khi cơ sở dữ liệu điểm sinh viên liên tục cập nhật sau mỗi học kỳ. Phạm vi nghiên cứu được thực nghiệm trên tập dữ liệu kết quả học tập của sinh viên hệ đại học chính quy trong 6 học kỳ tích lũy liên tiếp tại Trường Đại học Bách khoa - Đại học Quốc gia TP. Hồ Chí Minh.

Về mặt học thuật và thực tiễn, nghiên cứu đóng góp thuật toán TCISpan tối ưu hóa quá trình xử lý dữ liệu gia tăng, giúp tiết kiệm từ 40% đến 65% thời gian tính toán so với các giải pháp quét lại dữ liệu từ đầu. Kết quả của mô hình hỗ trợ xây dựng hệ thống tư vấn học tập thông minh, nâng cao độ chính xác trong dự báo rủi ro học tập lên trên 80% và góp phần giảm thiểu từ 15% đến 25% tỷ lệ sinh viên bị cảnh báo học vụ hàng năm.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa của ba nền tảng lý thuyết chính trong lĩnh vực khoa học dữ liệu:

  1. Lý thuyết khai phá dữ liệu giáo dục (Educational Data Mining - EDM): Tập trung vào việc trích xuất tri thức ẩn từ hệ thống thông tin quản lý sinh viên để cải thiện hiệu quả giảng dạy và hỗ trợ ra quyết định quản trị đào tạo.
  2. Khai phá dãy phổ biến hướng thời gian (Temporal Sequential Pattern Mining): Kế thừa và phát triển từ thuật toán PrefixSpan và mô hình ràng buộc thời gian của Hirate & Yamana. Phương pháp này mô hình hóa dữ liệu dưới dạng cơ sở dữ liệu dãy mở rộng nhãn thời gian, cho phép xác định chính xác khoảng cách thời gian giữa các sự kiện học tập ở vế trái và vế phải của luật.
  3. Khai phá dữ liệu gia tăng (Incremental Data Mining): Ứng dụng nguyên lý cấu trúc dàn tiền tố từ thuật toán CISpan để duy trì và cập nhật cây mẫu phổ biến khi có tập giao dịch mới mà không cần duyệt lại toàn bộ cơ sở dữ liệu lịch sử.

Các khái niệm then chốt trong đề tài bao gồm:

  • Luật kết hợp định lượng: Dạng quy tắc mô tả mối quan hệ giữa các khoảng giá trị số liên tục của điểm môn học (ví dụ: điểm từ 0 đến 4 là không đạt, điểm từ 4 đến 5 là trung bình yếu) thay vì chỉ gán nhãn nhị phân có/không.
  • Nhãn thời gian tương đối: Giá trị thời gian được chuẩn hóa gắn liền với từng sự kiện môn học, phản ánh số học kỳ cách biệt giữa môn điều kiện và môn kết quả.
  • Hệ thống độ đo tương quan: Sử dụng kết hợp độ hỗ trợ (Support), độ tin cậy (Confidence), độ nâng (Lift), Added Value, Hệ số tương quan (Correlation) và Cosine để đánh giá bản chất tương quan và loại bỏ luật rác.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực nghiệm từ cơ sở dữ liệu điểm tích lũy của hơn 2.000 sinh viên đại học chính quy, tương ứng với hơn 15.000 bản ghi giao dịch môn học qua 6 học kỳ liên tục.

Phương pháp chọn mẫu là chọn mẫu toàn bộ (census sampling) đối với sinh viên cùng khóa học đã tích lũy đủ dữ liệu tối thiểu qua 6 học kỳ, đảm bảo tính liên tục của chuỗi thời gian học tập và loại bỏ các trường hợp bảo lưu hoặc gián đoạn học tập bất thường.

Lý do lựa chọn phương pháp phân tích dựa trên cây tiền tố (Prefix Tree) và phép chiếu giả (pseudo-projection) là nhằm tối ưu hóa bộ nhớ RAM và giảm thiểu số lần truy xuất đĩa cứng. So với các giải pháp dựa trên thuật toán Apriori vốn sinh ra lượng tập ứng viên khổng lồ theo hàm mũ, kỹ thuật chiếu tiền tố giúp phân rã không gian tìm kiếm thành các cơ sở dữ liệu chiếu nhỏ hơn, từ đó tăng tốc độ tính toán lên gấp nhiều lần.

Quy trình nghiên cứu được triển khai chặt chẽ qua 4 bước:

  1. Tiền xử lý và rời rạc hóa dữ liệu: Làm sạch dữ liệu khuyết thiếu, phân đoạn thang điểm 0 - 10 thành các khoảng điểm chuẩn hóa và gán nhãn thời gian theo học kỳ.
  2. Xây dựng thuật toán TCISpan: Khai phá tập mẫu định lượng hướng thời gian trên tập dữ liệu gia tăng thông qua việc trộn dàn cây tiền tố giữa dữ liệu cũ và dữ liệu mới.
  3. Sinh tập luật kết hợp định lượng hướng thời gian: Áp dụng thủ tục duyệt cây tiền tố với ngưỡng độ hỗ trợ tối thiểu (min_sup từ 5% đến 30%) và độ tin cậy tối thiểu (min_conf từ 50% đến 80%).
  4. Hậu xử lý và lọc luật: Ứng dụng các độ đo tương quan để giữ lại các luật có ý nghĩa sư phạm cao nhất.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm với thuật toán TCISpan trên tập dữ liệu điểm sinh viên qua 6 học kỳ đã mang lại các phát hiện khoa học nổi bật:

  • Phát hiện 1 - Ràng buộc nhân quả mạnh giữa các môn học nền tảng và môn chuyên ngành: Sinh viên có kết quả điểm thi môn Giải tích hoặc Vật lý đại cương nằm trong khoảng từ 0 đến 4 điểm ở học kỳ 1 có xác suất lên tới 78.5% tiếp tục trượt các môn Cơ sở ngành ở học kỳ 3 (độ nâng Lift đạt 1.42, vượt xa ngưỡng độc lập thống kê).
  • Phát hiện 2 - Hiệu năng xử lý vượt trội của thuật toán đề xuất: Khi kích thước dữ liệu tăng thêm từ 1 đến 2 học kỳ mới, thuật toán TCISpan tiết kiệm từ 45% đến 65% thời gian thực thi CPU so với giải pháp chạy lại từ đầu bằng thuật toán Hirate & Yamana. Thời gian khai phá trên tập dữ liệu tích lũy học kỳ 6 chỉ mất khoảng 12.4 giây đối với TCISpan, trong khi phương pháp truyền thống mất hơn 31.8 giây.
  • Phát hiện 3 - Độ chính xác vượt trội của luật định lượng: Việc phân chia thang điểm thành các khoảng cụ thể (0 đến 4 điểm, 4 đến 5 điểm, 5 đến 7 điểm, 7 đến 8.5 điểm, 8.5 đến 10 điểm) giúp tăng độ mịn của thông tin. Tập luật định lượng hướng thời gian mang lại độ chính xác trong dự báo lộ trình học tập cao hơn 32% so với các luật nhị phân thông thường.
  • Phát hiện 4 - Hiệu quả khử nhiễu của bộ lọc tương quan: Khi áp dụng kết hợp độ đo Cosine (ngưỡng trên 0.6) và Lift (ngưỡng trên 1.2), hệ thống đã loại bỏ 58% số lượng luật hiển nhiên hoặc luật ngẫu nhiên, cô đọng lại khoảng 120 luật cốt lõi có giá trị thực tiễn cao nhất cho công tác tư vấn.

Thảo luận kết quả

Nguyên nhân chính của các mối liên kết điểm số này bắt nguồn từ bản chất cấu trúc cây kiến thức trong chương trình đào tạo tín chỉ. Các môn học đại cương đóng vai trò cung cấp công cụ tư duy; khi sinh viên bị hổng kiến thức ở mức điểm 0 đến 4 điểm tại các kỳ đầu, sự thiếu hụt này sẽ tạo ra hiệu ứng dây chuyền tiêu cực lên các môn học có tính tiếp nối ở các kỳ tiếp theo.

So sánh với các công trình nghiên cứu trước đây: Các nghiên cứu của Phạm Cẩm Vân hay Abdul Fattah Mashat chỉ dừng lại ở các luật phân lớp tĩnh hoặc luật Apriori nhị phân, không thể chỉ ra được mối liên kết giữa các mốc thời gian học kỳ cụ thể. Trong khi đó, thuật toán của Agathe Merceron có xét đến yếu tố thời gian nhưng lại bị giới hạn bởi không gian tìm kiếm của Apriori. Thuật toán TCISpan trong luận văn đã giải quyết triệt để bài toán kết hợp giữa tính định lượng, nhãn thời gian và khả năng mở rộng dữ liệu gia tăng.

Về mặt trực quan hóa, kết quả phân tích có thể được biểu diễn hiệu quả thông qua biểu đồ đường thể hiện sự chênh lệch thời gian thực thi giữa hai thuật toán theo từng mức min_sup (từ 0.05 đến 0.30), kết hợp cùng bảng ma trận phân bố tần suất rủi ro môn học theo khoảng cách học kỳ, giúp các nhà quản trị giáo dục nắm bắt trực tiếp bức tranh toàn cảnh về tiến độ học tập của sinh viên.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu thành giá trị thực tiễn, 4 giải pháp hành động cụ thể được đề xuất:

  1. Tích hợp module tư vấn đăng ký môn học tự động vào cổng thông tin đào tạo:

    • Hành động: Phòng Đào tạo phối hợp cùng Trung tâm Công nghệ Thông tin tích hợp thuật toán TCISpan vào phần mềm đăng ký tín chỉ để tự động đưa ra khuyến nghị khi sinh viên chọn môn.
    • Mục tiêu: Giảm tỷ lệ sinh viên đăng ký môn học vượt quá năng lực xuống dưới 10% trong vòng 12 tháng triển khai.
    • Chủ thể thực hiện: Ban Giám hiệu, Phòng Đào tạo và đội ngũ kỹ thuật phần mềm.

  2. Thiết lập hệ thống cảnh báo học vụ sớm theo thời gian thực:

    • Hành động: Cố vấn học tập sử dụng bộ lọc quy tắc để tự động rà soát danh sách sinh viên có điểm số rơi vào vùng rủi ro (điểm dưới 5.0 ở các môn tiên quyết).
    • Mục tiêu: Tiếp cận và tư vấn trực tiếp cho 100% sinh viên thuộc diện nguy cơ trong khung thời gian 2 tuần trước khi mở cổng đăng ký học kỳ mới.
    • Chủ thể thực hiện: Đội ngũ Cố vấn học tập và Trợ lý sinh viên các Khoa chuyên ngành.

  3. Tái cấu trúc và chuẩn hóa sơ đồ cây môn học tiên quyết:

    • Hành động: Hội đồng Khoa học Khoa tiến hành rà soát các cặp môn học có chỉ số liên kết trượt cao (Lift > 1.5), điều chỉnh đề cương chi tiết và bổ sung các học phần bồi dưỡng kiến thức nền tảng.
    • Mục tiêu: Hoàn thành rà soát 100% chương trình đào tạo của các ngành trọng điểm trong thời hạn 6 tháng.
    • Chủ thể thực hiện: Hội đồng Khoa học và Đào tạo, Trưởng bộ môn chuyên môn.

  4. Định kỳ nâng cấp và bảo trì cơ sở dữ liệu cây tiền tố gia tăng:

    • Hành động: Thực hiện quy trình cập nhật dữ liệu gia tăng tự động sau mỗi kỳ thi chính thức, duy trì dàn cây tiền tố để phục vụ khai phá tức thì.
    • Mục tiêu: Giữ thời gian xử lý toàn bộ dữ liệu điểm của hơn 20.000 sinh viên toàn trường dưới 15 phút cho mỗi chu kỳ cập nhật.
    • Chủ thể thực hiện: Bộ phận Quản trị Cơ sở dữ liệu và Phân tích Dữ liệu trường đại học.

Đối tượng nên tham khảo luận văn

Nghiên cứu này là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính:

  • Sinh viên đại học hệ đào tạo tín chỉ: Giúp người học hiểu rõ mối liên hệ giữa các môn học nền tảng và chuyên ngành, từ đó tự xây dựng chiến lược đăng ký môn học phù hợp với năng lực cá nhân, tránh tình trạng quá tải và tối ưu hóa điểm trung bình tích luỹ (GPA).
  • Cố vấn học tập và Giảng viên phụ trách học vụ: Sử dụng các mẫu quy tắc định lượng hướng thời gian làm công cụ hỗ trợ tư vấn lộ trình học tập, cá nhân hóa kế hoạch học tập cho sinh viên có học lực trung bình yếu để phòng ngừa nguy cơ buộc thôi học.
  • Cán bộ quản lý đào tạo và Ban Giám hiệu các trường đại học: Nắm bắt quy luật phân hóa học tập của sinh viên qua từng học kỳ để tối ưu hóa thời khóa biểu, sắp xếp môn tiên quyết hợp lý và nâng tỷ lệ tốt nghiệp đúng hạn lên trên 85%.
  • Các nhà nghiên cứu và Kỹ sư phát triển phần mềm trong lĩnh vực Data Mining/EDM: Khai thác thuật toán TCISpan, kỹ thuật chiếu tiền tố gia tăng và phương pháp xử lý dữ liệu chuỗi thời gian để mở rộng ứng dụng trong các bài toán y tế, tài chính hoặc quản trị chuỗi cung ứng.

Câu hỏi thường gặp

Khai phá luật kết hợp định lượng hướng thời gian khác gì so với khai phá luật kết hợp thông thường?

Luật kết hợp thông thường chỉ phân tích mối quan hệ đồng thời dạng nhị phân có hoặc không giữa các phần tử trong cùng một giao dịch. Ngược lại, luật kết hợp định lượng hướng thời gian xác định rõ khoảng giá trị số cụ thể (ví dụ: điểm từ 0 đến 4) và chỉ ra chính xác khoảng cách thời gian giữa các học kỳ (ví dụ: trượt môn A ở học kỳ 1 dẫn đến trượt môn B ở học kỳ 3 với độ trễ 2 kỳ học).

Tại sao thuật toán TCISpan lại tiết kiệm thời gian tính toán hơn các giải pháp khác?

Khi cơ sở dữ liệu tiếp nhận điểm của một học kỳ mới, thuật toán TCISpan tận dụng lại dàn cây tiền tố đã xây dựng từ dữ liệu gốc và chỉ khai phá trên phần dữ liệu gia tăng thay vì duyệt lại toàn bộ cơ sở dữ liệu từ đầu. Thực nghiệm chứng minh phương pháp này giúp giảm từ 45% đến 65% thời gian xử lý của CPU.

Điểm số liên tục của sinh viên được xử lý như thế nào trước khi đưa vào thuật toán?

Dữ liệu điểm số liên tục từ 0 đến 10 được rời rạc hóa thành các khoảng giá trị định lượng có ý nghĩa sư phạm, chẳng hạn như khoảng 0 đến 4 điểm (không đạt), khoảng 4 đến 5 điểm (trung bình yếu), khoảng 5 đến 7 điểm (trung bình khá), khoảng 7 đến 8.5 điểm (khá giỏi) và trên 8.5 điểm (xuất sắc). Mỗi khoảng kết hợp cùng mã môn và học kỳ tạo thành một thuộc tính định lượng đầu vào.

Các độ đo tương quan nào được áp dụng để loại bỏ các luật không có giá trị?

Bên cạnh hai độ đo cơ bản là độ hỗ trợ tối thiểu (min_sup từ 5%) và độ tin cậy tối thiểu (min_conf từ 50%), nghiên cứu ứng dụng các độ đo tương quan thống kê như Lift (lớn hơn 1.2), Added Value (dương), Cosine và Conviction. Nhờ đó, hệ thống loại bỏ hơn 50% các luật rác hoặc các luật ngẫu nhiên không phản ánh đúng quy luật học tập.

Thuật toán TCISpan có thể áp dụng cho các hệ thống giáo dục khác ngoài trường đại học không?

Hoàn toàn khả thi. Thuật toán được thiết kế tổng quát hóa cho mọi cơ sở dữ liệu chuỗi có nhãn thời gian và giá trị số. Mô hình này có thể mở rộng áp dụng hiệu quả cho các nền tảng học trực tuyến (LMS, MOOCs), các khóa đào tạo nghề theo module tích lũy hoặc hệ thống đánh giá năng lực liên tục của học sinh phổ thông.

Kết luận

Nội dung và kết quả chính của luận văn được tổng hợp qua các điểm cốt lõi:

  • Giải quyết trọn vẹn bài toán khai phá luật kết hợp có đồng thời yếu tố định lượng và yếu tố ràng buộc chuỗi thời gian trong môi trường đào tạo đại học theo học chế tín chỉ.
  • Đề xuất thành công thuật toán TCISpan với cơ chế xử lý dữ liệu gia tăng thông minh dựa trên cấu trúc dàn cây tiền tố, giúp giải quyết bài toán bùng nổ dữ liệu điểm số sau mỗi học kỳ.
  • Xây dựng quy trình tiền xử lý, phân khoảng điểm định lượng và bộ lọc luật tương quan chặt chẽ, đảm bảo tập luật đầu ra cô đọng và mang giá trị ứng dụng sư phạm cao.
  • Chứng minh hiệu năng thực nghiệm vượt trội, giảm từ 45% đến 65% thời gian tính toán so với các phương pháp khai phá truyền thống khi dữ liệu cập nhật liên tục qua 6 học kỳ.
  • Đặt nền móng kỹ thuật vững chắc cho việc xây dựng các hệ thống khuyến nghị học tập tự động và nâng cao hiệu quả quản trị giáo dục đại học.

Đóng góp lớn nhất của nghiên cứu là sự kết hợp hoàn chỉnh giữa thuật toán khai phá gia tăng TCISpan và bài toán giáo dục tín chỉ thực tiễn. Kế hoạch phát triển trong 6 đến 12 tháng tới tập trung vào việc tích hợp thuật toán thành một sidecar service hoàn chỉnh trong hệ thống quản lý đào tạo trực tuyến của nhà trường. Quý thầy cô, các nhà quản lý đào tạo và các chuyên gia dữ liệu hãy khai thác và ứng dụng ngay mô hình này để tối ưu hóa lộ trình học tập cho sinh viên và nâng cao chất lượng giáo dục đại học.