CHƯƠNG 1: GIỚI THIỆU CHUNG 1. Lí do chọn đề tài Hiện tượng học sinh, sinh viên (HSSV) thi lại hay rớt môn là một hiện tượng thường thấy ở các trường đại học, cao đẳng. Theo khảo sát, không ít trường hợp HSSV nợ môn dẫn đến bị cảnh cáo học vụ hoặc bị đuổi học. Nhiều trường có tỷ lệ tốt nghiệp đúng hạn khoảng 60-80%.
Chẳng hạn, sau học kì 2 năm học 2021- 2022, trường đại học Ngân hàng đã ra quyết định buộc thôi học 346 sinh viên, trong đó, có nhiều HSSV nợ tới 50-60 tín chỉ, nhiều HSSV khác học quá thời gian đào tạo 2-3 năm vẫn chưa hoàn thành tín chỉ. Còn ở trường đại học Luật TP HCM, tỷ lệ tốt nghiệp đúng hạn của trường trong năm 2021 -2022 khoảng 73%; ngoài ra trong năm 2021 – 2022 dự kiến bị đuổi học khoảng 76 sinh viên có học lực kém, bị nợ trên 24 tín chỉ hoặc bị cảnh cáo 2 lần liên tiếp. Trong học kỳ 2 năm học 2021-2022, Trường Đại học Sư phạm Kỹ thuật TP HCM đã cảnh cáo hơn 400 sinh viên trong trường. Trường Đại học Công nghiệp Thực phẩm trong năm học 2021-2022 công bố danh sách 1036 sinh viên bị cảnh cáo học vụ và buộc thôi học [1].
Theo số liệu thống kê chưa đầy đủ tại trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu, cuối năm học 2021-2022, có gần 200 HSSV nghỉ học, bỏ học giữa chừng, số HSSV không được tốt nghiệp chiếm gần 40% tổng số HSSV ra trường. Nguyên nhân của việc bỏ học, không được tốt nghiệp một phần do rớt môn hoặc thi lại nhưng vẫn không đủ điểm đậu. Trong quá trình giảng dạy và chủ nhiệm, tác giả nhận thấy rằng HSSV bị rớt môn do một số nguyên nhân sau: nghiện games, bạn bè rủ rê đi chơi; đi làm thêm nhiều, không cân bằng giữa việc đi làm thêm và học tập; kế hoạch học tập và định hướng ngành không rõ ràng;… Từ những nguyên nhân vừa liệt kê trên dẫn đến HSSV nghỉ học, tỉ lệ ra trường thấp. Với phương châm “Luôn luôn đổi mới vì nguồn nhân lực chất lượng cao”, trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu luôn chú trọng vào việc nâng cao chất lượng cơ sở vật chất, đào tạo bồi dưỡng giáo viên tiếp cận với các chương trình đào tạo tiên tiến của các nước phát triển như Nhật Bản, Hàn Quốc, Úc, Đức, 2 Đan Mạch.
Trong những năm qua, trường Cao Đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu đã đạt được nhiều thành tựu, tạo dựng được thương hiệu uy tín, và là trường cao đẳng đầu tiên tại Việt Nam được Hội đồng giáo dục ở Vương quốc Anh đánh giá đạt loại tốt theo khung Ofsted. Là một giáo viên trong trường, ý thức được vai trò quan trọng trong việc đào tạo HSSV trở thành một người có trình độ, vững chuyên môn, tác giả muốn góp một phần nào đó giúp nhắc nhở một số HSSV còn lơ là trong việc học để cải thiện kết quả học tập. Với những lý do trên, tác giả chọn đề tài: “Xây dựng mô hình dự đoán và khuyến cáo kết quả môn học của sinh viên Trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu”. Tính cấp thiết của đề tài Nghỉ học hay bỏ học giữa chừng sẽ làm ảnh hưởng đến tương lai của HSSV.
HSSV không qua đào tạo, không có bằng cấp sẽ khó có thể xin việc, năng suất lao động thấp, chưa kể HSSV dễ bị lôi kéo vào các tệ nạn xã hội. Để không xảy ra hiện tượng HSSV nghỉ học, bỏ học thì rất cần sự quan tâm, động viên đúng lúc của Giáo viên chủ nhiệm (GVCN), Giáo viên bộ môn (GVBM) và phụ huynh bằng việc thường xuyên nhắc nhở vấn đề học tập thông qua các bài kiểm tra, nhắc nhở việc nghỉ học thường xuyên,…. Kết quả từ các bài kiểm tra quá trình, kiểm tra định kì sẽ phản ánh được một phần nào đó việc học của HSSV. Nếu HSSV lơ là việc học thì điểm số sẽ thấp.
Việc đưa ra khuyến cáo kết quả học tập HSSV thông qua các điểm thường xuyên và định kì trong lớp sẽ giúp cải thiện phần nào đó việc rớt môn dẫn đến bỏ học, nghỉ luôn. Vì vậy xây dựng mô hình dự đoán và khuyến cáo kết quả môn học của sinh viên Trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu dựa vào điểm quá trình và điểm định kì trong khoảng thời gian từ đầu học kì đến giữa học kì và áp dụng các thuật toán Support Vector Machine, Logistic Regression, Cây quyết định là cần thiết và mang tính khả thi cao. Mục tiêu, nội dung và phương pháp nghiên cứu − Đối tượng nghiên cứu: Đề tài lần lượt nghiên cứu các điểm của HSSV (điểm quá trình, điểm định kì từ đầu học kì đến giữa học kì), từ đó đưa ra dự đoán kết quả 3 cuối kì của môn học đó; − Phạm vi nghiên cứu: Thu thập điểm của HSSV trong 2 năm học 2020 - 2021 và năm học 2021 - 2022. Phân tích đánh giá dữ liệu của HSSV; − Mục tiêu tổng quát: Sử dụng các thuật toán máy học để xây dựng mô hình dự đoán kết quả học tập của HSSV từ đó đưa ra khuyến cáo đến HSSV; − Mục tiêu cụ thể: • Phân tích các điểm của HSSV để lựa chọn các đặc trưng phù hợp cho mô hình; • Xây dựng được mô hình dự đoán và khuyến cáo kết quả môn học của HSSV Trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu.
Nội dung nghiên cứu − Nghiên cứu cơ sở lý luận về các thuật toán: SVM, Logistic Regression, Cây quyết định; − Nghiên cứu về các công cụ: Google Colab, các thư viện trong Python: Numpy, Pandas, Matplotlib, Seaborn, Sklearn…; − Nghiên cứu các đặc trưng sẽ ảnh hưởng đến kết quả môn học của HSSV; − Xác định được tầm quan trọng của việc dự đoán kết quả môn học của HSSV; − Sử dụng nhiều thuật toán để đưa kết quả dự đoán, từ các thuật toán xác định thuật toán nào đưa ra kết quả chính xác nhất. Phương pháp luận và phương pháp nghiên cứu Tiếp cận lí thuyết: Tìm kiếm, tổng hợp lí thuyết Machine Learning và các thuật toán: SVM, Logistic Regression, Cây quyết định từ nhiều nguồn khác nhau như sách, báo, giáo trình, và Internet. Tiếp cận thực tế: − Thu thập thông tin điểm của HSSV tại trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu; − Dựa trên những thông tin thu thập được, tác giả sẽ sử dụng thuật toán dự đoán khả năng thi không đạt của HSSV và đưa ra những khuyến cáo học tập cho HSSV. Kết cấu luận văn Luận văn bao gồm các phần chính sau đây: − Giới thiệu chung: Lí do chọn đề tài, tính cấp thiết của đề tài đối với trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu; nêu lên mục tiêu, các phương pháp sẽ nghiên cứu; − Tổng quan về bài toán phân loại: Gồm 2 phần: Phần thứ nhất giới thiệu về máy học và phân nhóm các thuật toán máy học.
Phần thứ hai đi sâu vào phân tích lí thuyết của 3 thuật toán phân loại: thuật toán Logistic Regression, thuật toán SVM, thuật toán Cây quyết định; − Các công cụ áp dụng: Giới thiệu về môi trường lập trình Google Colab, giới thiệu một số thư viện sử dụng trong luận văn: thư viện Pandas, thư viện Matplotlib, thư viện Numpy, thư viện Seaborn, thư viện Sklearn; − Xây dựng mô hình dự đoán và khuyến cáo kết quả môn học của sinh viên trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu: Tác giả sử dụng thuật toán Logistic Regression, thuật toán SVM, thuật toán Cây quyết định để xây dựng mô hình dự đoán và khuyến cáo kết quả môn học của sinh viên trường Cao đẳng Kỹ thuật Công nghệ Bà Rịa Vũng Tàu. Từ thực nghiệm đưa ra kết luận thuật toán nào tối ưu nhất cho việc dự đoán đối với dữ liệu của Trường; − Kết luận: Tác giả tổng kết lại những ưu điểm, nhược điểm và phạm vi ứng dụng của mô hình, đồng thời tác giả đề ra hướng phát triển cho mô hình. 5 CHƯƠNG 2: TỔNG QUAN VỀ BÀI TOÁN PHÂN LOẠI 2. Giới thiệu về Máy học 2.
Khái niệm về Máy học Trong cuốn sách “Machine Learning”, tác giả Tom Mitchell đưa ra khái niệm Máy học (Machine Learning) như sau: “Machine learning is the study of computer algorithms that allow computer programs to automatically improve through experience” [2]. Theo khái niệm này, Máy học là tìm ra các thuật toán cho phép máy tính tự học từ các kiến thức có sẵn, từ những kiến thức đó máy tính tự cải thiện, nâng cấp. Máy học là một lĩnh vực nghiên cứu được giao thoa bởi nhiều lĩnh vực nghiên cứu: Thống kê, Trí tuệ nhân tạo, Khoa học máy tính. Máy học hiện tại đang rất phổ biến trong cuộc sống hiện nay.
Ví dụ: khi truy cập vào Youtube, sau một khoảng thời gian quan sát “lịch sử truy cập”, Youtube đã có thể đưa ra đề xuất Video có nội dung tương tự, hoặc các kênh Youtube có nội dung sáng tạo gần giống nhau. Hoặc khi mua hàng trên Tiki hoặc Shopee, sau một khoảng thời gian sẽ có đề xuất các sản phẩm tương tự như sản phẩm từng mua. Ngoài các ứng dụng thương mại, Máy học còn có những ảnh hưởng to lớn đối với cách thực hiện nghiên cứu theo hướng dữ liệu ngày nay như: trong thiên văn học giúp hỗ trợ tìm kiếm các hành tinh, vì sao xa xôi; trong y tế giúp đề xuất các phương pháp điều trị ung thư, hỗ trợ phân tích DNA. Máy học có mối liên hệ với AI, Big data và khả năng nhìn trước tương lai của máy học: a) Máy học và AI AI (Artificial Intelligence) là viết tắt của trí tuệ nhân tạo đề cập đến các máy tính, các cỗ máy, robot “bắt chước” trí thông minh của con người để thực hiện các nhiệm vụ và có khả năng tự cải thiện “tư duy” thông qua các dữ liệu mà chúng tìm hiểu được.
AI thể hiện mục tiêu của con người mong muốn tạo ra được một robot có trí thông minh của con người, có thể hỗ trợ con người phát triển cuộc sống. Còn Máy học là một công cụ hứa hẹn sẽ giúp con người “bước đi” trên con đường chinh phục AI [3]. 6 b) Machine learning và Big Data Big Data là thuật ngữ chỉ dữ liệu có kích thước rất lớn mà các phần mềm quản lí truyền thống khó có thể xử lí được. Trong thời kì bùng nổ của dữ liệu hiện nay, giới truyền thông thường nhắc tới một thuật ngữ khoa học là Big Data, tuy nhiên Big Data không thực sự là một ngành khoa học chính thống.
