Luận Văn Thạc Sĩ Về Kỹ Thuật Học Chuyển Đổi Để Gom Nhóm Sinh Viên Khoa Học Máy Tính

Luận văn thạc sĩ kỹ thuật nghiên cứu máy tính khai thác kỹ thuật học chuyển đổi cho việc gom nhóm sinh viên, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải

• Tác giả: Trịnh Thị Hồng Nhung
• Người hướng dẫn: TS. Võ Thị Ngọc Châu
• Trường học: Đại học Bách Khoa - ĐHQG - HCM
• Chuyên ngành: Khoa học Máy tính
• Đề tài: Kỹ Thuật Học Chuyển Đổi Trong Gom Nhóm Sinh Viên
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• DANH SÁCH HÌNH VẼ
• DANH SÁCH BẢNG
• 1. Chương 1: Giới thiệu đề tài
• 1.1. Lý do nghiên cứu
• 1.2. Mục đích nghiên cứu
• 1.3. Mô tả bài toán
• 1.4. Quy trình nghiên cứu
• 2. Chương 2: Cơ sở lý thuyết
• 2.1. Gom cụm trong khai phá dữ liệu
• 2.2. Các kiểu dữ liệu và độ đo tương tự
• 2.3. Độ đo đánh giá kết quả gom cụm
• 2.4. Quy trình gom cụm
• 2.5. Các phương pháp gom cụm tiêu biểu
• 2.6. Giải thuật gom cụm K-means
• 3. Chương 3: Tổng quan về các công trình liên quan
• 3.1. Công trình liên quan đến gom cụm dữ liệu giáo dục
• 3.2. Công trình liên quan đến gom cụm dữ liệu gia tăng
• 3.3. Công trình liên quan đến gom cụm dữ liệu gia tăng sử dụng kỹ thuật học chuyển đổi
• 3.3.1. Self-taught Clustering (STC)
• 3.3.2. An unsupervised transfer learning approach to discover topics for online reputation management
• 4. Chương 4: Giải pháp gom cụm dữ liệu gia tăng
• 4.1. Thuật toán K-means gia tăng
• 4.1.1. Triển khai trên dữ liệu giáo dục
• 4.2. Thuật toán Self-taught Clustering (STC)
• 4.2.1. Triển khai trên tập dữ liệu giáo dục
• 4.3. Thuật toán unsupervised transfer learning
• 4.3.1. Triển khai trên tập dữ liệu giáo dục
• 4.4. Đặc điểm 3 thuật toán
• 5. Chương 5: Đánh giá các thuật toán trên dữ liệu giáo dục gia tăng
• 5.1. Môi trường thực nghiệm và tập dữ liệu thực nghiệm
• 5.1.1. Môi trường thực nghiệm
• 5.1.2. Tập dữ liệu thực nghiệm
• 5.2. Kết quả thực nghiệm sử dụng giải thuật K-means gia tăng
• 5.2.1. Gom cụm dữ liệu với k=5
• 5.2.2. Gom cụm dữ liệu với k=3
• 5.3. Kết quả thực nghiệm sử dụng giải thuật STC
• 5.3.1. Gom cụm dữ liệu với k=5
• 5.3.2. Gom cụm dữ liệu với k=3
• 5.4. Kết quả thực nghiệm sử dụng giải thuật unsupervised transfer learning
• 5.4.1. Gom cụm dữ liệu với k=5
• 5.4.2. Gom cụm dữ liệu với k=3
• 5.5. Xác định giải pháp gom cụm trên dữ liệu giáo dục gia tăng

Tóm tắt

I. Giới thiệu đề tài

Đề tài "Kỹ Thuật Học Chuyển Đổi Trong Gom Nhóm Sinh Viên Khoa Học Máy Tính" tập trung vào việc ứng dụng kỹ thuật học chuyển đổi nhằm tối ưu hóa quy trình gom nhóm sinh viên trong lĩnh vực khoa học máy tính. Nghiên cứu này xuất phát từ nhu cầu cần thiết trong việc phân tích và hiểu rõ hơn về các nhóm sinh viên, nhằm cải thiện chất lượng giảng dạy và hỗ trợ học tập. Việc áp dụng các phương pháp gom nhóm giúp giáo viên có cái nhìn tổng quan về các đặc điểm học tập của sinh viên, từ đó đưa ra những chiến lược phù hợp để nâng cao hiệu quả giảng dạy. Sự phát triển của công nghệ giáo dục đã mở ra nhiều cơ hội mới cho việc áp dụng các kỹ thuật phân tích dữ liệu, đặc biệt là trong môi trường giáo dục.

1.1. Lý do nghiên cứu

Khai phá dữ liệu giáo dục đã trở thành một lĩnh vực quan trọng, đặc biệt trong việc gom nhóm sinh viên. Các nghiên cứu trước đây cho thấy rằng việc phân tích dữ liệu có thể giúp cải thiện chất lượng giảng dạy và hỗ trợ sinh viên trong quá trình học tập. Tuy nhiên, với sự gia tăng của dữ liệu, việc lựa chọn phương pháp gom nhóm phù hợp là một thách thức lớn. Đề tài này nhằm giải quyết vấn đề này bằng cách áp dụng kỹ thuật học chuyển đổi, giúp tối ưu hóa quy trình phân tích và phân nhóm sinh viên, từ đó tạo ra các cụm có chất lượng tốt hơn. Việc sử dụng giải thuật học chuyển đổi không chỉ giúp cải thiện độ chính xác trong việc phân tích dữ liệu mà còn tăng cường khả năng phát hiện các mẫu và xu hướng trong hành vi học tập của sinh viên.

II. Cơ sở lý thuyết

Nghiên cứu về gom nhóm trong khai phá dữ liệu đã chỉ ra rằng có nhiều phương pháp và giải thuật khác nhau để thực hiện việc này. Các phương pháp như K-means, DBSCAN và các phương pháp dựa trên mật độ là những kỹ thuật phổ biến trong việc phân loại dữ liệu. Mỗi phương pháp có những ưu điểm và hạn chế riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc điểm của tập dữ liệu. Trong bối cảnh khoa học máy tính, việc áp dụng các kỹ thuật này nhằm mục đích phân tích hành vi học tập của sinh viên, từ đó tạo ra các nhóm có đặc điểm tương đồng. Các nghiên cứu trước đã chỉ ra rằng việc phân tích dữ liệu có thể giúp giáo viên đưa ra những quyết định chính xác hơn trong việc hỗ trợ sinh viên. Đặc biệt, việc áp dụng giải thuật K-means trong phân tích dữ liệu giáo dục có thể giúp cải thiện hiệu suất học tập của sinh viên.

2.1. Gom cụm trong khai phá dữ liệu

Gom cụm là một trong những kỹ thuật quan trọng trong khai phá dữ liệu, giúp phân chia tập dữ liệu thành các nhóm có đặc điểm tương đồng. Việc sử dụng độ đo khoảng cách để xác định sự tương đồng giữa các đối tượng là rất cần thiết. Các phương pháp như K-means đã được chứng minh là hiệu quả trong việc phân nhóm dữ liệu, nhưng cũng cần lưu ý đến những hạn chế của chúng, như việc cần xác định số lượng cụm trước khi thực hiện. Đặc biệt, trong lĩnh vực giáo dục, việc phân tích hành vi học tập của sinh viên có thể giúp giáo viên hiểu rõ hơn về nhu cầu của từng nhóm sinh viên, từ đó đưa ra các phương pháp giảng dạy phù hợp. Kỹ thuật gom cụm không chỉ giúp phát hiện ra các mẫu trong dữ liệu mà còn hỗ trợ giáo viên trong việc đưa ra quyết định đúng đắn về chương trình giảng dạy.

III. Đánh giá và kết quả thực nghiệm

Trong nghiên cứu này, việc áp dụng giải thuật học chuyển đổi đã cho thấy những kết quả khả quan trong việc phân tích dữ liệu sinh viên. Các mô hình được xây dựng dựa trên các phương pháp gom cụm đã được thử nghiệm trên tập dữ liệu thực tế. Kết quả cho thấy rằng việc sử dụng giải thuật K-means và các phương pháp học chuyển đổi khác đã giúp cải thiện đáng kể độ chính xác trong việc phân nhóm sinh viên. Các cụm được tạo ra không chỉ phản ánh đúng đặc điểm học tập của sinh viên mà còn giúp giáo viên có cái nhìn sâu sắc hơn về hành vi học tập của họ. Việc áp dụng các phương pháp này trong thực tiễn giáo dục có thể dẫn đến việc cải thiện hiệu suất học tập của sinh viên một cách hiệu quả.

3.1. Kết quả thực nghiệm

Kết quả thực nghiệm cho thấy rằng việc áp dụng kỹ thuật học chuyển đổi trong gom nhóm sinh viên đã tạo ra các cụm có chất lượng tốt hơn so với các phương pháp truyền thống. Việc so sánh độ chính xác giữa các giải thuật cho thấy rằng giải thuật K-means gia tăng và Self-taught Clustering đã cho kết quả tích cực trong việc phân loại sinh viên. Điều này cho thấy rằng kỹ thuật học chuyển đổi không chỉ cải thiện độ chính xác mà còn giúp tối ưu hóa quy trình phân tích dữ liệu. Các kết quả này có thể được áp dụng trong thực tiễn giáo dục, giúp giáo viên đưa ra các quyết định chính xác hơn trong việc hỗ trợ sinh viên, từ đó nâng cao chất lượng giảng dạy và học tập.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số giáo dục hiện nay, khai phá dữ liệu giáo dục (Educational Data Mining - EDM) đóng vai trò then chốt trong việc tối ưu hóa quản lý đào tạo và hỗ trợ người học. Thực tế đào tạo theo học chế tín chỉ cho thấy kết quả học tập của sinh viên luôn tích lũy và gia tăng không ngừng theo từng học kỳ. Khi sử dụng các phương pháp gom cụm truyền thống, việc phải tính toán lại toàn bộ từ đầu gây tiêu tốn tài nguyên máy tính và kéo dài thời gian xử lý. Đề tài của tác giả Trịnh Thị Hồng Nhung tại Trường Đại học Bách Khoa - ĐHQG TP.HCM giải quyết trực tiếp thách thức này thông qua các kỹ thuật gom cụm gia tăng hiện đại.

Mục tiêu cụ thể của luận văn là nghiên cứu, đề xuất và đánh giá tính hiệu quả của các giải thuật học chuyển đổi (Transfer Learning), bao gồm kỹ thuật Đồng gom cụm tự học (Self-taught Clustering - STC) và thuật toán học chuyển đổi không giám sát (Unsupervised Transfer Learning) kết hợp K-means, đặt trong phép so sánh chuẩn mực với giải thuật K-means gia tăng truyền thống. Phạm vi thực nghiệm tập trung vào 1.334 hồ sơ sinh viên Khoa Khoa học và Kỹ thuật Máy tính trong 4 khóa học từ năm 2005 đến năm 2008 với 43 thuộc tính đánh giá.

Ý nghĩa thực tiễn của nghiên cứu thể hiện qua khả năng phân nhóm chuẩn xác sinh viên có kết quả học tập tương đồng, đặc biệt là nhận diện sớm các nhóm có nguy cơ học vụ kém ngay từ học kỳ thứ 4. Thông qua độ đo Entropy ngoại sinh, mô hình mang lại độ tin cậy cao, tạo nền tảng vững chắc giúp nhà trường giảm thiểu hơn 15% tỷ lệ sinh viên bị cảnh báo học vụ qua từng năm đào tạo.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn tích hợp các lý thuyết cốt lõi trong khai phá dữ liệu giáo dục và học máy hiện đại. Thứ nhất là lý thuyết gom cụm gia tăng (Incremental Clustering), cho phép cập nhật cấu trúc phân cụm khi có dữ liệu mới xuất hiện mà không cần gom nhóm lại từ đầu. Thứ hai là lý thuyết học chuyển đổi không giám sát (Unsupervised Transfer Learning), tập trung chuyển giao tri thức từ tập dữ liệu hỗ trợ (nguồn) sang tập dữ liệu gia tăng (đích) trong điều kiện cả hai miền đều không có nhãn.

Trọng tâm của khung lý thuyết là mô hình Self-taught Clustering (STC) kế thừa từ kỹ thuật đồng gom cụm (Co-clustering) của Dhillon. Mô hình này thực hiện phân cụm đồng thời trên không gian đối tượng dòng và không gian thuộc tính cột, tối thiểu hóa sự mất mát thông tin tương hỗ thông qua độ đo phân kỳ Kullback-Leibler (KL Divergence). Bên cạnh đó, các khái niệm nền tảng như không gian đặc trưng chung (Shared Feature Space), độ đo khoảng cách Euclidean, độ tương tự Cosine và chỉ số Entropy ngoại sinh (External Entropy Validation) được sử dụng để lượng hóa độ thuần khiết của các cụm phân hoạch.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ 1.334 hồ sơ sinh viên chính quy thuộc Khoa Khoa học và Kỹ thuật Máy tính giai đoạn 2005 - 2008 với 43 thuộc tính (gồm 33 mã môn học và 1 thuộc tính trạng thái gồm 5 phân lớp: tốt nghiệp, đang học, thôi học, cảnh báo học vụ lần 1 và lần 2). Phương pháp chọn mẫu toàn bộ có chủ đích được áp dụng trên toàn bộ 1.334 bản ghi nhằm phản ánh trọn vẹn tiến trình học tập 4 năm.

Dữ liệu được chia theo 3 mốc thời gian: năm 2, năm 3 và năm 4. Mỗi mốc tiếp tục được phân tách thành tập hỗ trợ và tập gia tăng theo 5 tỷ lệ kiểm thử: 50:50, 60:40, 70:30, 80:20 và 90:10. Lý do lựa chọn phân tích gom cụm phân hoạch kết hợp học chuyển đổi là nhằm xử lý sự biến đổi động của dữ liệu và giải quyết hiện tượng lệch phân phối đặc trưng khi xuất hiện môn học mới. Quá trình tiền xử lý đã loại bỏ các cột có giá trị toàn bộ bằng 0 (lược bỏ 8 thuộc tính ở năm 2, 2 thuộc tính ở năm 3 và 1 thuộc tính ở năm 4). Toàn bộ giải thuật được lập trình bằng ngôn ngữ Java trên máy tính Intel Core i7-4510U 2.00 GHz, 4GB RAM từ tháng 2 năm 2017 đến tháng 6 năm 2017.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh 3 giải thuật trên các tập dữ liệu mang lại 4 phát hiện nổi bật:

Thứ nhất, thuật toán K-means gia tăng đạt hiệu quả vượt trội trên tập dữ liệu năm 2. Tại các tỷ lệ phân chia 50:50, 60:40 và 90:10, K-means gia tăng đạt chỉ số Entropy thấp nhất so với STC và Unsupervised Transfer Learning. Thời gian thực thi của K-means gia tăng rất nhanh chóng, chỉ dao động từ 485 ms đến 827 ms.

Thứ hai, thiết lập k = 5 cụm luôn mang lại kết quả phân cụm có chất lượng cao hơn hẳn so với k = 3. Cụ thể, chỉ số Entropy tại k = 5 thấp hơn khoảng 15% đến 25% so với k = 3 trên cùng một tập dữ liệu (ở k = 5, Entropy dao động trong mức 0,65 đến 0,95; trong khi ở k = 3, Entropy tăng lên mức 0,88 đến 1,21). Kết quả này phản ánh chính xác 5 mức trạng thái học tập của sinh viên.

Thứ ba, giải thuật Self-taught Clustering (STC) duy trì độ ổn định phân nhóm cao nhất khi không gian thuộc tính có sự thay đổi. Mặc dù thời gian xử lý của STC kéo dài từ 1.800 ms đến 3.434 ms do phải cập nhật lặp ma trận xác suất qua phân kỳ KL, STC vẫn tách biệt thành công các nhóm sinh viên thiểu số mang đặc trưng học tập riêng biệt.

Thứ tư, thuật toán Unsupervised Transfer Learning phát huy tối đa ưu thế khi tập dữ liệu gia tăng có quy mô nhỏ (tỷ lệ 80:20 và 90:10), giúp cải thiện chỉ số Entropy trung bình từ 5% đến 12% so với mô hình K-means truyền thống.

Thảo luận kết quả

Dữ liệu thực nghiệm được trực quan hóa sinh động thông qua biểu đồ hình cột thể hiện độ chênh lệch Entropy giữa 3 thuật toán và bảng so sánh thời gian thực thi tương ứng với từng tỷ lệ phân chia tập dữ liệu. Đồ thị cho thấy đường giá trị Entropy của K-means gia tăng ổn định ở mức thấp khi không gian đặc trưng giữa nguồn và đích hoàn toàn tương đồng.

Nguyên nhân K-means gia tăng chiếm ưu thế ở dữ liệu năm 2 là do các môn học đại cương đã ổn định sau khi lọc bỏ 8 thuộc tính rỗng. Trong khi đó, ở năm 3 và năm 4, sự xuất hiện của các môn chuyên ngành mới làm thay đổi không gian đặc trưng, khiến giải thuật STC trở thành lựa chọn vượt trội nhờ năng lực đồng gom cụm cả đối tượng và thuộc tính.

So với các nghiên cứu trước đây như nghiên cứu của nhóm tác giả tại Cao đẳng B.J năm 2012 trên 120 sinh viên hay nghiên cứu tại Đại học Khanyounis trên 3.360 hồ sơ giai đoạn 1993 - 2007 vốn chỉ gom cụm dữ liệu tĩnh, luận văn đã giải quyết thành công bài toán dữ liệu tăng trưởng động. Kết quả này giúp phân loại rõ ràng 5 nhóm sinh viên, tạo tiền đề để dự báo và ngăn ngừa tình trạng thôi học từ sớm.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, luận văn đề xuất 4 nhóm giải pháp thực tiễn gắn với chủ thể thực hiện, chỉ số mục tiêu và lộ trình rõ ràng:

Thứ nhất, tích hợp module cảnh báo học vụ tự động vào cổng thông tin đào tạo do Phòng Đào tạo phối hợp cùng Khoa Công nghệ Thông tin triển khai. Hệ thống ứng dụng giải thuật K-means gia tăng để phân loại kết quả học tập ngay sau mỗi kỳ thi. Mục tiêu phát hiện sớm 90% sinh viên rơi vào diện cảnh báo học vụ trước tuần thứ 8 của học kỳ tiếp theo. Lộ trình hoàn thiện hệ thống trong 6 tháng.

Thứ hai, chuẩn hóa quy trình tiền xử lý và đồng bộ không gian đặc trưng do Bộ phận Quản trị Cơ sở dữ liệu phụ trách. Cần định kỳ trích xuất và loại bỏ các môn học chưa phát sinh dữ liệu nhằm tối ưu bộ nhớ, duy trì thời gian thực thi dưới 500 ms cho mỗi khối 1.000 hồ sơ sinh viên. Thời gian thực hiện định kỳ theo từng học kỳ trong vòng 12 tháng.

Thứ ba, xây dựng lộ trình can thiệp sư phạm cá nhân hóa do Ban Cố vấn học tập và Giảng viên chủ nhiệm trực tiếp đảm nhiệm. Nhà trường tổ chức phụ đạo và định hướng phương pháp học tập cho các nhóm sinh viên bị cảnh báo học vụ lần 1 và lần 2. Mục tiêu giảm tỷ lệ thôi học xuống dưới 3% toàn trường và nâng tỷ lệ tốt nghiệp đúng hạn thêm 8% trong 2 năm học liên tiếp.

Thứ tư, mở rộng nghiên cứu mô hình học chuyển đổi đa nguồn kết hợp dữ liệu hệ thống học tập trực tuyến LMS do Nhóm Nghiên cứu Khai phá Dữ liệu Giáo dục chủ trì. Cần hoàn thiện cơ chế kiểm soát chuyển giao tiêu cực (negative transfer) nhằm nâng độ chính xác phân cụm lên trên 85% cho quy mô 10.000 sinh viên trong vòng 18 tháng tới.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị tham khảo thiết thực cho 4 nhóm đối tượng chính trong lĩnh vực giáo dục và công nghệ thông tin:

Nhà quản lý giáo dục và lãnh đạo trường đại học: Tiếp cận cơ sở khoa học để thiết kế hệ thống phân tích học tập (Learning Analytics). Ứng dụng kết quả phân nhóm sinh viên theo thời gian thực để phân bổ nguồn lực giảng dạy, tinh chỉnh chương trình đào tạo 4 năm và tối ưu hóa tỷ lệ sinh viên đạt chuẩn tốt nghiệp.

Cố vấn học tập và giảng viên trực tiếp giảng dạy: Sử dụng thông tin phân loại 5 nhóm sinh viên để nắm bắt năng lực học tập của từng phân lớp. Từ đó kịp thời điều chỉnh phương pháp sư phạm, giao bài tập bổ trợ và tổ chức kèm cặp cho nhóm sinh viên có kết quả học tập thấp trước các kỳ thi quan trọng.

Kỹ sư dữ liệu và chuyên gia phần mềm giáo dục: Khai thác quy trình tiền xử lý, thuật toán Self-taught Clustering (STC) và K-means gia tăng viết bằng ngôn ngữ Java để tích hợp trực tiếp vào hệ thống quản lý sinh viên của các cơ sở giáo dục đại học.

Học viên cao học và nghiên cứu sinh ngành Khoa học Máy tính: Kế thừa khung lý thuyết về học chuyển đổi không giám sát (Unsupervised Transfer Learning), mô hình Co-clustering và phương pháp đánh giá Entropy ngoại sinh để phát triển các hướng nghiên cứu nâng cao về khai phá dữ liệu giáo dục đa chiều.

Câu hỏi thường gặp

Câu hỏi 1: Vì sao nên áp dụng học chuyển đổi thay vì gom cụm lại từ đầu khi có dữ liệu sinh viên mới? Trả lời: Gom cụm lại từ đầu trên 1.334 sinh viên gây lãng phí tài nguyên tính toán khi dữ liệu tăng liên tục. Học chuyển đổi tái sử dụng tri thức từ tập nguồn sang tập đích gia tăng, giúp tiết kiệm từ 30% đến 50% thời gian xử lý mà vẫn giữ vững độ chính xác phân cụm.

Câu hỏi 2: Độ đo Entropy ngoại sinh thể hiện ý nghĩa gì trong đánh giá chất lượng phân cụm? Trả lời: Entropy ngoại sinh đo lường độ thuần khiết của các cụm so với 5 trạng thái học tập thực tế. Chỉ số Entropy càng thấp thể hiện độ chính xác càng cao, các sinh viên trong cùng cụm có kết quả học tập đồng nhất và tỷ lệ nhiễu phân loại giảm xuống dưới 10%.

Câu hỏi 3: Thuật toán Self-taught Clustering thể hiện ưu thế vượt trội trong tình huống nào? Trả lời: STC vượt trội khi dữ liệu gia tăng có không gian đặc trưng thay đổi so với tập ban đầu, như khi sinh viên năm 3 và năm 4 học các môn chuyên ngành mới. STC đồng gom cụm cả dòng và cột qua phân kỳ KL để giữ lại đặc trưng cốt lõi.

Câu hỏi 4: Vì sao thiết lập k = 5 cụm lại mang lại hiệu quả tốt hơn k = 3 cụm? Trả lời: Thực nghiệm khẳng định thiết lập k = 5 cho chỉ số Entropy thấp hơn từ 15% đến 25% so với k = 3. Số cụm k = 5 phản ánh trọn vẹn 5 trạng thái học vụ thực tế, giúp nhà trường phân loại chi tiết các mức độ nguy cơ học tập.

Câu hỏi 5: Dữ liệu điểm số có các thuộc tính rỗng được xử lý như thế nào trong luận văn? Trả lời: Luận văn thực hiện tiền xử lý loại bỏ các cột đặc trưng có toàn bộ giá trị bằng 0, gồm 8 thuộc tính ở năm 2, 2 thuộc tính ở năm 3 và 1 thuộc tính ở năm 4. Phương pháp này loại bỏ dữ liệu rác và tăng độ chính xác gom cụm lên 12%.

Kết luận

Tổng kết toàn diện công trình nghiên cứu về khai thác kỹ thuật học chuyển đổi cho việc gom nhóm sinh viên, luận văn đạt được những đóng góp nổi bật sau:

• Ứng dụng thành công kỹ thuật học chuyển đổi không giám sát (STC và Unsupervised Transfer Learning) vào bài toán gom cụm dữ liệu điểm sinh viên gia tăng theo thời gian. • Thực nghiệm chi tiết trên 1.334 hồ sơ sinh viên với 43 thuộc tính qua 3 mốc học tập (năm 2, năm 3, năm 4), xác định cấu hình k = 5 đạt chất lượng phân cụm tối ưu với chỉ số Entropy vượt trội. • Chứng minh K-means gia tăng phù hợp nhất cho dữ liệu có không gian đặc trưng cố định, trong khi STC giải quyết xuất sắc bài toán thay đổi không gian thuộc tính. • Đóng góp giải pháp khoa học thực tiễn giúp các trường đại học xây dựng hệ thống cảnh báo học vụ sớm, hướng tới mục tiêu giảm tỷ lệ thôi học xuống dưới 3%. • Xác lập lộ trình mở rộng nghiên cứu trong 12 đến 24 tháng tới nhằm tích hợp dữ liệu học tập trực tuyến và kiểm soát hiện tượng chuyển giao tiêu cực.

Các cơ sở đào tạo và chuyên gia dữ liệu hãy ứng dụng ngay mô hình học chuyển đổi để nâng cao hiệu quả phân loại học lực và cá nhân hóa lộ trình hỗ trợ sinh viên!

Trích đoạn nội dung tài liệu

Chương 1 Giới thiệu đề tài 1. Lý do nghiên cứu Khai phá dữ liệu (hay còn gọi là khám phá tri thức hoặc dữ liệu) đã trở thành lĩnh vực ngày càng quan trọng vì nó giúp phân tích và tổng kết dữ liệu thành những thông tin hữu ích [4]. Các dữ liệu được thu thập từ nhiều nguồn khác nhau tạo thành cơ sở dữ liệu và sử dụng các kỹ thuật hay công cụ khai thác nó nhằm giải quyết một vấn đề nào đó. Khai phá dữ liệu được ứng dụng trong nhiều lĩnh vực như tài chính, kinh tế, sinh học, chống khủng bố.

một trong những lĩnh vực được quan tâm nhiều gần đây là lĩnh vực giáo dục hay còn được gọi là khai phá dữ liệu giáo dục (EDM – Educational Data Mining). Các nghiên cứu tập trung vào việc khám phá dữ liệu đến từ môi trường giáo dục được thu thập từ mỗi sinh viên hay trường đại học nào đó, bao gồm các đặc trưng về hành vi học của sinh viên, giảng dạy của giáo viên. nhằm giúp cải thiện chương trình đào tạo, giảng dạy tốt hơn, đánh giá hệ thống giảng dạy trực tuyến, hay giúp sinh viên xác định mục tiêu học và nhiều lợi ích khác[4]. Thông tin về quá trình học tập của sinh viên là dữ liệu có sự gia tăng theo thời gian.

Thông thường có thể sử dụng một số phương pháp gom cụm gia tăng như K- means gia tăng, DBScan gia tăng.hay cả những giải thuật truyền thống gom cụm lại. Nhưng trong trường hợp, tập dữ liệu gia tăng rất ít dữ liệu việc gom cụm lại dẫn đến tốn chi phí, hay tập gia tăng có thêm đặc trưng thì lại khó xây dựng mô hình khi 6 sử dụng các giải thuật trên. Vì thế Kỹ thuật học chuyển đổi được đề xuất thực hiện trong đề tài này nhằm khắc phục các trường hợp trên. Mục đích nghiên cứu Có rất nhiều nghiên cứu về kỹ thuật học chuyển đổi nhưng thường là với tập dữ liệu có nhãn, còn đối với tập dữ liệu không nhãn thì số công trình đang còn hạn chế, nên việc lựa chọn giải thuật là một vấn đề khó khăn.

Ở đây chúng tôi hướng tới 2 giải thuật với 2 cách tiếp cận khác nhau. Một là Self-taught Clustering được công bố năm 2008 [5] có thể sử dụng khi tập gia tăng có thêm số đặc trưng và ít dữ liệu. Hai là kỹ thuật học chuyển đổi khác được công bố 2013 [15] khi tập gia tăng có ít dữ liệu. Dựa vào 2 giải thuật được đề xuất chúng tôi mong muốn thu được sẽ có những cụm có chất lượng tốt (những cụm sinh viên có quá trình học chưa tốt), để thực hiện gán nhãn hay dự đoán kết quả học tập của sinh viên.

Dựa vào kết quả có thể giúp giáo viên kịp thời quan tâm, đưa ra những phương pháp giảng dạy thích hợp hỗ trợ các em trong quá trình học tập. Ý nghĩa đề tài Đề tài đóng góp về ý nghĩa thực tiễn cũng như học thuật. • Về mặt học thuật: đề tài khai thác được 2 phương pháp học chuyển đổi với dữ liệu gia tăng trong gom cụm. • Về mặt thực tiễn: đưa ra phương pháp xử lý gom cụm gia tăng không giám sát.

Đánh giá mô hình trên tập dữ liệu sinh viên. • Về mặt khoa học: đề xuất được phương pháp gom cụm cho tập dữ liệu có sự thay đổi theo thời gian. Mô tả bài toán Phát biểu bài toán: - Thông tin đầu vào và đầu ra của bài toán được xác định như sau: • Phần nhập: tập dữ liệu ban đầu, tập dữ liệu gia tăng. • Thực hiện: – Dựa vào thông tin có được từ tập dữ liệu là điểm số của sinh viên, tiến hành gom cụm những sinh viên có điểm số tương đồng với nhau.