Chương 1 TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1 Giới thiệu đề tai 1.1 Ngữ cảnh đề tài Cùng với sự phát triển nhanh chóng của nền khoa học, công nghệ, các hình thức học tập hiện đại, đổi mới đã ra đời và trở nên phổ biến rộng rãi, dẫn đến một cuộc cách mạng chuyển đổi các phương pháp học tập truyền thống. Các hình thức học tập như mới như học tập trực tuyến, đào tạo từ xa đã đóng một vị trí quan trọng trong các nền giáo dục đương đại. Các hình thức học tập này trao cho người học khả năng tự do sắp xếp lịch trình, thời gian và không gian học tập để phù hợp với mục tiêu của bản thân. Các mô hình học này giúp người học vừa có thể sắp xếp cuộc sống cá nhân trong khi vẫn có thời gian hoàn thành các khóa học và tiếp thu kiến thức cần thiết cho bản thân.
Một phương pháp học trực tuyến phổ biến, cung cấp nguồn học liệu và tham khảo lớn trong nhiều lĩnh vực học thuật, tiếp cận mọi người học trên thế giới là hình thức giáo dục thông qua các mô hình học tập trực tuyến MOOC (Massive open online courses). Một số nền tảng MOOC nổi tiếng được biết đến với sự lâu đời, số lượng khóa học và số lượng học viên đăng ký có thể kể đến như Coursera, edX và XuetangX (một nền tảng MOOC của Đại học Thanh Hoa, Trung Quốc). Theo nhiều báo cáo thống kê, tính đến năm 2020, có hàng chục nghìn khóa học trực tuyến được triển khai cung cấp cho người học bởi các nền tang MOOCSs toàn cầu (chưa bao gồm Trung Quốc).000 trường đại học đã hợp tác với các nền tảng 1. Giới thiệu đề tài nay, tổng số lượng học viên đạt 180 triệu, gấp hơn 90 lần so với năm 2012 [44].
Hoàn toàn không thể phủ nhận những lợi ích hiện hữu mà các mô hình học tập MOOCs mang; tuy nhiên, chúng luôn đối mặt với những thách thức lớn với tỷ lệ hoàn thành khóa học liên tục thấp và sự khó khăn trong việc quản lý hành vi, các loại dữ liệu phức tạp khác nhau trên nền tang MOOC. Nhiều nghiên cứu thực nghiệm thống kê cho thấy rằng con số tỷ lệ các học viên bỏ học trên MOOC luôn ở mức rất cao qua các năm, dao động từ 80% đến 90% [31], [30], [54], [5]. Điều nay gây ra do các nền tang này chưa có một phương pháp tập trung cho việc quản lý và phân tích hành vi học viên để phát hiện những bất thường trong hành vi trong quá trình học tập để kịp thời ngăn chặn. Tỉ lệ bỏ học cao đã ảnh hưởng xấu tới chất lượng giáo dục thực chất của các nền tảng này.
Có nhiều đóng góp bằng phương pháp mô hình từ nghiên cứu đã triển khai, tập trung vào việc phát triển các học máy và học sâu cho bài toán dự đoán bỏ học nhằm cải thiện tỷ lệ hoàn thành khóa học [24], [41], [19]. Tuy nhiên, một điểm chung của các nghiên cứu này là chúng chỉ tập trung vào cải thiện kết quả dự đoán của các mô hình bỏ học dựa trên dữ liệu clickstream của sinh viên từ các video bài giảng mà chưa có một phương pháp cụ thể hoặc khung kiến trúc cho việc ứng dụng các mô hình này nhằm giải quyết trình trạng tỉ lệ bỏ học cao một cách có hiệu quả. Vì vậy với nhu cầu thực tế nhằm cải thiện chất lượng giáo dục, hiệu quả phổ cập kiến thức giáo dục của các nền tảng MOOC, đề tài này hướng tới mục tiêu đề xuất các giải pháp thiết thực nhằm giải quyết các van đề về dữ liệu, quản lý, phân tích hành vi và vấn nạn bỏ học của học viên trên MOOC bằng các phương pháp học máy và kỹ thuật phân tích xử lý dif liệu lớn.2 Định nghĩa bài toán Hình 1.1 mô tả tổng quan về định nghĩa bài toán gồm ngữ cảnh áp dụng, các công nghệ sử dụng, đầu vào và kết quả của bài toán mà chúng tôi thực hiện trong đề tài. ¢ Bài toán: Đề xuất giải pháp cho việc giải quyết các vấn dé khó khăn, thách thức trong quản lý, phân tích dữ liệu và giám sát hành vi học viên 4 1.
Giới thiệu đề tài Dữ liệu các nền Hệ thống xử lý dữ liệu cho ứng dụng phân tích, giám sát dữ tảng MOOCs liệu và hành vi học viên giúp giảm tỉ lệ bỏ học ———===—=—=—=—=—=—=——_—— Các nền tảng học tập trực tuyến, — —~ — — ——————————_— MOOC Hình 1.1: Định nghĩa bài toán dự đoán hành vi bỏ học trên MOOC trong bối cảnh van nạn tỉ lệ bỏ học trên các nền tảng MOOC cao báo động. ¢ Input: Đầu vào là dữ liệu các nền tảng MOOC. ° Output: Dau ra là hệ thong xử lý dữ liệu cho ứng dung phân tích, giám sát dữ liệu và hành vi học viên giúp giảm tỉ lệ bỏ học. «Ổ Các công nghệ sử dụng: Chúng tôi sẽ tiến hành huấn luyện và thử nghiệm các mô hình máy học và học sâu cho việc dự đoán bỏ học dựa trên loại dữ liệu clickstream.
Đồng thời ứng dụng công nghệ xử lý dữ liệu và các quy trình luồng dữ liệu trên kiến trúc dit liệu lớn được xây dựng trên môi trường điện toán đám mây giúp xử lý các loại dữ liệu phức tạp trên MOOC. Từ những phát hiện trong quá trình khảo sát bản chất dữ liệu các nền tảng MOOC cũng như bản chất hành vi học tập của học viên, chúng tôi đã dé xuất xây dựng một kiến trúc trên các công nghệ dữ liệu lớn hiện đại triển khai trên nền tảng dich vụ ha tầng điện toán đám mây. Kiến trúc này đáp ứng được xây dựng với mục tiêu đáp ứng cho mọi dạng dữ liệu trên MOOC từ unstructure, semi-structured, structured, từ những dữ liệu có thể được tổng hợp theo lô tới 5 1. Lý do thực hiện đề tài nghiên cứu dữ liệu có dạng streaming, ở MOOC dữ liệu này thường là dữ liệu clickstream.
Kiến trúc đữ liệu lớn được đề xuất sẽ đóng vai trò cốt lõi trong tích hợp liên tục luồng các dif liệu từ các nền tảng MOOC và đáp ứng các quy trình từ thu thập dữ liệu, xử lý và biến đổi dữ liệu thô, sau đó lưu trữ vào kho dữ liệu phân tích, dữ liệu sau đó được dùng cho các mục đích phân tích, trực quan hóa, tạo báo cáo. Dựa trên kiến trúc được triển khai hoạt động với dữ liệu đã được tích hợp, chuyển đổi từ các nguồn, một hình học sâu dựa trên cơ chế attention đã được huấn luyện, tối hóa ưu các tham số và triển khai trên kiến trúc để dự đoán học viên bỏ học sớm ở các khóa học. Bộ dữ liệu mà chúng tôi dùng cho quá trình thực nghiệm trên mô hình cũng như kiến trúc là bộ dữ liệu "User Activity" được thu thập từ dữ liệu hoạt động của nền tang MOOC XuetangX. "User Activity" gồm các thông tin dữ liệu về hành vi học tập, thông tin cơ bản các học viên và thông tin về khóa học [19].
Mô hình dự đoán bỏ học huấn luyện trên bộ dữ liệu này sau khi được triển khai trên kiến trúc dữ liệu lớn dé xuất của chúng tôi sẽ cho phép cảnh báo kịp thời đến những người chủ quản khóa học và người học nguy cơ không thể hoàn thành khóa học. Giúp người quản lý các khóa học có thể đưa ra các biện pháp can thiệp nhanh chóng để ngăn chặn hành vi bỏ học. Đồng thời, khi người học nhận được cảnh báo về thái độ học tập, họ có thể điều chỉnh hành vi học tập của mình để hoàn thành lộ trình học tập của khóa học.2 Lý do thực hiện đề tài nghiên cứu Đề tài được thực hiện với mong muốn giải quyết tình trạng cấp thiết của nền tảng học tập MOOC, cu thể là van nan tỉ lệ bỏ học cao. Bằng việc ứng dụng thực nghiệm các phương pháp, công nghệ phù hợp mang lại hiệu quả thiết thực hỗ trợ người quản lý các khóa học trực tuyến kịp thời nắm bắt hành vi người học và có hướng giải quyết ngăn chặn sớm các trường hợp có nguy cơ bỏ học sớm, giúp cho người học viên kịp thời tự điều chỉnh lộ trình học để hoàn thành tốt các khóa học.
Giải pháp kiến trúc dữ liệu lớn đề xuất có khả năng mở rộng và tính thiết thực cao khi các mô hình học tập như MOOC vẫn luôn là xu thé và ngày càng phát triển và có độ phức tạp về việc xử lý dữ liệu. Với kiến trúc dữ 1. Đối tượng, phạm vi nghiên cứu liệu lớn triển khai có thể áp dụng với mọi loại dữ liệu trên các nền tảng MOOC, mang đến khả năng mở rộng các giải pháp khác trên nhiều khía cạnh cho mô hình MOOC. Hơn nữa, các mô hình học tập trực tuyến hay học tập kết hợp tại môi trường giáo dục Việt Nam cũng dần trở nên phổ biến có những nét tương đồng với mô hình học tập MOOC, đây cũng chính là động lực và lý do để chúng tôi thực hiện dé tài này để có thể ứng dụng những kết quả nghiên cứu và hiểu biết cho môi trường giáo dục tại Việt Nam.3 Đối tượng, phạm vi nghiên cứu Học viên MOOC: đăng ký học các khóa học của các nhà cung cấp MOOC, cung cấp các dữ liệu hành vi tương tác trên video bài giảng, thông tin cơ bản, nhân khẩu học, và điểm số trong khóa học.
Nhận thông báo hiệu suất học theo các tuần theo khóa học, từ đó điều chỉnh được hành vi học tập đúng đắn, đảm bảo tiền độ và tỉ lệ hoàn thành khóa học. Người giảng dạy và quản lý khóa học: Những người quản lý các khóa học, giảng viên lên kế hoạch bài giảng, giảng dạy trên video, thiết kế học liệu trên nền tảng MOOC. Được cung cấp cái thông tin về hiệu quả các học phần trong khóa học, học phần nào được người học quan tâm nhất hay các khóa học nào có nhiều người bỏ học và lý do vì sao họ không thể hoàn thành khóa học. Từ đó có thể điều chỉnh, thiết kế lại chương trình giảng dạy.
Phạm vi nghiên cứu: Thuật toán học máy, các framework học sâu để huấn luyện, triển khai mô hình dự đoán hành vi người học; Kiến trúc các công nghệ dé liệu lớn triển khai trên ha tầng dịch vụ điện toán đám mây; 1.4 Mục tiêu của đề tài nghiên cứu Phân tích dữ liệu hành vi tương tác người học trên video bài giảng dẫn tới hành vi bỏ học. Từ đó, áp dụng mô hình học máy và học sâu cho tác vụ 1. Cầu trúc của bài khóa luận dự đoán hành vi bỏ học đạt hiệu suất huấn luyện và hiệu quả dự đoán cao.