Mô Hình Tìm Kiếm Và Gợi Ý Tài Nguyên Học Tập Trong Luận Án Tiến Sĩ Chuyên Ngành Hệ Thống Thông Tin

Chuyên khảo kỹ thuật phân tích Xây dựng mô hình tìm kiếm và gợi ý tài nguyên học tập, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

Trường đại học

Trường Đại Học Cần Thơ

Chuyên ngành

Hệ Thống Thông Tin

Người đăng

Ẩn danh

Thể loại

luận án

2022

149
2
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CẢM TẠ

LỜI CAM ĐOAN

1. CHƯƠNG 1: Tính cấp thiết của nghiên cứu

1.1. Mục tiêu, đối tượng, phạm vi và phương pháp nghiên cứu

1.2. Nội dung nghiên cứu và hướng tiếp cận của luận án

1.3. Xây dựng mô hình phân loại tài nguyên học tập

1.4. Xây dựng mô hình tìm kiếm tài nguyên học tập

1.5. Xây dựng mô hình dự đoán kết quả học tập

1.6. Xây dựng mô hình gợi ý tài nguyên học tập

1.7. Các đóng góp của luận án

1.8. Bố cục của luận án

2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN

2.1. Khái quát về hệ thống quản lý tài nguyên học tập

2.2. Tài nguyên học tập và hệ thống quản lý tài nguyên học tập

2.3. Hệ thống quản lý tài nguyên học tập có quan tâm ngữ nghĩa

2.4. Hệ thống gợi ý tài nguyên học tập

2.5. Một số kỹ thuật phân loại văn bản

2.6. Phân loại với máy véc-tơ hỗ trợ SVM

2.7. Phân loại sử dụng giải thuật cây quyết định và rừng ngẫu nhiên

2.8. Phân loại với các kỹ thuật học sâu

2.9. Các kỹ thuật tính toán độ tương đồng văn bản

2.10. Một số phương pháp tính độ tương đồng văn bản

2.11. Các kỹ thuật xây dựng mạng ngữ nghĩa phục vụ tìm kiếm

2.12. Khái quát về web ngữ nghĩa

2.13. Mô hình dữ liệu biểu diễn về lĩnh vực (ontology)

2.14. Hệ thống gợi ý và các kỹ thuật trong hệ thống gợi ý

2.15. Tổng quan về hệ thống gợi ý

2.16. Các nhóm giải thuật của hệ thống gợi ý

2.17. Một số kỹ thuật trong hệ thống gợi ý

2.18. Các nghiên cứu liên quan

2.19. Nghiên cứu về phân loại văn bản

2.20. Nghiên cứu về tìm kiếm tài liệu

2.21. Nghiên cứu về dự đoán xếp hạng và gợi ý

2.22. Thảo luận và đề xuất các nghiên cứu của luận án

3. MÔ HÌNH PHÂN LOẠI TÀI NGUYÊN HỌC TẬP

3.1. Mô hình phân loại tài nguyên học tập

3.2. Phân loại tài nguyên học tập

3.3. Tiền xử lý dữ liệu

3.4. Mô hình phân loại tài nguyên học tập

3.5. Mô tả tập dữ liệu và độ đo đánh giá mô hình

3.6. Cài đặt các siêu tham số và môi trường thực nghiệm

3.7. Kết quả thực nghiệm

3.8. Tổng kết chương

4. MÔ HÌNH TÌM KIẾM TÀI NGUYÊN HỌC TẬP

4.1. Tìm kiếm tài nguyên học tập dựa trên độ tương đồng văn bản

4.2. Mô hình đề xuất

4.3. Mô tả dữ liệu và phương pháp đánh giá

4.4. Kết quả thực nghiệm

4.5. Tìm kiếm tài nguyên học tập dựa trên mạng ngữ nghĩa ontology

4.6. Mô hình đề xuất

4.7. Mô tả dữ liệu

4.8. Kết quả thực nghiệm

4.9. Tăng tốc xử lý dữ liệu tìm kiếm bằng kỹ thuật xử lý dữ liệu lớn

4.10. Tổng kết chương

5. MÔ HÌNH DỰ ĐOÁN KẾT QUẢ HỌC TẬP

5.1. Khái quát về dự đoán kết quả học tập

5.2. Dự đoán kết quả học tập dựa trên hồ sơ cá nhân

5.3. Dự đoán kết quả học tập theo kỹ thuật lọc cộng tác của hệ thống gợi ý

5.4. Mô hình dự đoán kết quả học tập trên toàn bộ dữ liệu sinh viên

5.5. Mô hình đề xuất

5.6. Mô tả dữ liệu

5.7. Tiền xử lý dữ liệu

5.8. Kết quả thực nghiệm

5.9. Mô hình dự đoán kết quả học tập theo nhóm năng lực học tập

5.10. Mô hình đề xuất

5.11. Mô tả dữ liệu

5.12. Kết quả thực nghiệm

5.13. Mô hình dự đoán kết quả học tập theo từng sinh viên

5.14. Mô tả dữ liệu thực nghiệm và tiền xử lý dữ liệu

5.15. Mô hình đề xuất và chuẩn hóa dữ liệu

5.16. Kết quả thực nghiệm

5.17. Tổng kết chương

6. MÔ HÌNH GỢI Ý TÀI NGUYÊN HỌC TẬP

6.1. Khái quát về vấn đề gợi ý tài nguyên học tập

6.2. Đối với dữ liệu về tài nguyên học tập

6.3. Đối với dữ liệu về môn học

6.4. Mô hình gợi ý tài nguyên học tập bằng mô hình phân rã ma trận sâu

6.5. Các phương pháp trong hệ thống gợi ý

6.6. Mô tả dữ liệu thực nghiệm

6.7. Kết quả thực nghiệm

6.8. Kết quả thực nghiệm trên các tập dữ liệu về tài nguyên học tập

6.9. Kết quả thực nghiệm trên các tập dữ liệu về kết quả học tập

6.10. Tổng kết chương

7. KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO

7.1. Hướng nghiên cứu tiếp theo

CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ

TÀI LIỆU THAM KHẢO

DANH SÁCH HÌNH

DANH SÁCH BẢNG

DANH MỤC TỪ VIẾT TẮT

Tóm tắt

I. Tổng Quan Về Mô Hình Tìm Kiếm Tài Nguyên Học Tập 55

Trong bối cảnh giáo dục hiện đại, mô hình tìm kiếm tài nguyên học tập đóng vai trò then chốt, đặc biệt trong các luận án tiến sĩ hệ thống thông tin. Sự phát triển của công nghệ thông tin và giáo dục trực tuyến đã tạo ra một lượng lớn tài nguyên học tập cho nghiên cứu sinh. Tuy nhiên, việc tìm kiếm và lựa chọn tài nguyên học tập cho nghiên cứu sinh phù hợp, hiệu quả lại trở thành một thách thức lớn. Bài viết này sẽ đi sâu vào các khía cạnh của mô hình tìm kiếm tài nguyên học tập, từ tổng quan đến các phương pháp và ứng dụng cụ thể trong luận án tiến sĩ hệ thống thông tin. Mục tiêu là cung cấp một cái nhìn toàn diện và sâu sắc về chủ đề này, giúp các nhà nghiên cứu và học viên có thể tiếp cận và áp dụng các công cụ hỗ trợ nghiên cứu luận án một cách hiệu quả nhất.

1.1. Tầm quan trọng của tài nguyên học tập cho nghiên cứu sinh

Việc tiếp cận tài nguyên học tập cho nghiên cứu sinh chất lượng và phù hợp là yếu tố then chốt để đảm bảo sự thành công của một luận án tiến sĩ hệ thống thông tin. Các tài nguyên học tập cho nghiên cứu sinh này không chỉ cung cấp kiến thức nền tảng mà còn giúp nghiên cứu sinh cập nhật những xu hướng mới nhất trong lĩnh vực của mình. Theo UNESCO (2019), tài nguyên giáo dục mở tạo điều kiện cho người học tiếp cận môi trường học tập số hóa đa dạng, nguồn tài liệu học tập có chất lượng được cập nhật thường xuyên.

1.2. Thách thức trong quản lý tài nguyên học tập hiện nay

Sự bùng nổ của thông tin trên internet đã tạo ra một thách thức lớn trong việc quản lý tài nguyên học tập. Nghiên cứu sinh thường gặp khó khăn trong việc xác định nguồn thông tin đáng tin cậy và phù hợp với nhu cầu nghiên cứu của mình. Việc quản lý tài nguyên học tập hiệu quả đòi hỏi các công cụ và phương pháp tìm kiếm thông minh, có khả năng lọc và sắp xếp thông tin một cách chính xác và nhanh chóng.

II. Các Vấn Đề Cần Giải Quyết Trong Tìm Kiếm Tài Liệu 58

Việc xây dựng một mô hình tìm kiếm tài nguyên học tập hiệu quả không chỉ đơn thuần là việc thu thập và lưu trữ thông tin. Nó còn đòi hỏi việc giải quyết một loạt các vấn đề phức tạp, từ việc hiểu ngữ nghĩa của truy vấn đến việc đánh giá độ tin cậy của nguồn thông tin. Các vấn đề này càng trở nên phức tạp hơn trong bối cảnh luận án tiến sĩ hệ thống thông tin, nơi mà yêu cầu về tính chính xác và độ sâu của thông tin là rất cao. Do đó, việc nghiên cứu và phát triển các phương pháp mô hình hóa tìm kiếm thông tin tiên tiến là vô cùng cần thiết.

2.1. Vấn đề mô hình hóa tìm kiếm thông tin ngữ nghĩa

Một trong những thách thức lớn nhất trong mô hình hóa tìm kiếm thông tin là làm thế nào để hiểu được ý nghĩa thực sự của truy vấn. Các công cụ tìm kiếm truyền thống thường chỉ dựa vào việc so khớp từ khóa, dẫn đến việc trả về những kết quả không liên quan hoặc không đáp ứng được nhu cầu thực sự của người dùng. Việc tích hợp các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) và semantic web trong giáo dục là cần thiết để giải quyết vấn đề này.

2.2. Đảm bảo độ tin cậy của tài liệu khoa học

Trong môi trường học thuật, độ tin cậy của tài liệu khoa học là yếu tố sống còn. Nghiên cứu sinh cần phải có khả năng phân biệt giữa các nguồn thông tin đáng tin cậy và các nguồn thông tin không chính xác hoặc thiên vị. Việc xây dựng các hệ thống đánh giá và xếp hạng độ tin cậy của tài liệu khoa học là một yêu cầu quan trọng trong mô hình tìm kiếm tài nguyên học tập.

2.3. Cá nhân hóa mô hình tìm kiếm cá nhân hóa theo nhu cầu

Mỗi nghiên cứu sinh có một nhu cầu và mục tiêu nghiên cứu riêng. Do đó, một mô hình tìm kiếm cá nhân hóa có khả năng thích ứng với nhu cầu cụ thể của từng người là vô cùng quan trọng. Việc sử dụng các kỹ thuật học máy trong tìm kiếm thông tin và khai thác dữ liệu học tập có thể giúp xây dựng các mô hình tìm kiếm cá nhân hóa hiệu quả.

III. Phương Pháp Tìm Kiếm Tài Liệu Khoa Học Hiệu Quả 52

Để giải quyết các vấn đề trên, cần có những phương pháp tìm kiếm tài liệu khoa học tiên tiến và hiệu quả. Các phương pháp này không chỉ giúp nghiên cứu sinh tiết kiệm thời gian và công sức mà còn đảm bảo rằng họ có thể tiếp cận được những nguồn thông tin tốt nhất. Các phương pháp này bao gồm việc sử dụng các công cụ tìm kiếm chuyên dụng, áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên và xây dựng các ontology tài nguyên học tập.

3.1. Sử dụng công cụ hỗ trợ nghiên cứu luận án chuyên dụng

Hiện nay, có rất nhiều công cụ hỗ trợ nghiên cứu luận án được thiết kế đặc biệt cho việc tìm kiếm và quản lý tài liệu khoa học. Các công cụ này thường cung cấp các tính năng như tìm kiếm nâng cao, lọc kết quả theo tiêu chí cụ thể và quản lý thư mục tài liệu. Ví dụ, Google Scholar và Mendeley là hai công cụ hỗ trợ nghiên cứu luận án phổ biến được nhiều nghiên cứu sinh sử dụng.

3.2. Ứng dụng NLP trong mô hình tìm kiếm ngữ nghĩa

Xử lý ngôn ngữ tự nhiên (NLP) là một lĩnh vực của trí tuệ nhân tạo tập trung vào việc giúp máy tính hiểu và xử lý ngôn ngữ của con người. Việc ứng dụng NLP trong mô hình tìm kiếm ngữ nghĩa có thể giúp cải thiện đáng kể khả năng hiểu truy vấn và trả về kết quả phù hợp hơn. Các kỹ thuật NLP như phân tích cú pháp, phân tích ngữ nghĩa và nhận dạng thực thể có thể được sử dụng để trích xuất thông tin quan trọng từ truy vấn và tài liệu khoa học.

3.3. Xây dựng ontology tài nguyên học tập

Một ontology tài nguyên học tập là một mô hình biểu diễn tri thức về một lĩnh vực cụ thể. Việc xây dựng một ontology tài nguyên học tập có thể giúp tổ chức và quản lý tài liệu khoa học một cách hiệu quả hơn. Ontology có thể được sử dụng để mô tả các khái niệm, mối quan hệ giữa các khái niệm và các thuộc tính của các khái niệm trong một lĩnh vực cụ thể. Điều này giúp cho việc tìm kiếm và truy xuất thông tin trở nên dễ dàng và chính xác hơn.

IV. Ứng Dụng Hệ Thống Thông Tin Trong Nghiên Cứu 53

Việc ứng dụng hệ thống thông tin trong giáo dục đóng vai trò quan trọng trong việc nâng cao hiệu quả của quá trình nghiên cứu và học tập. Các hệ thống thông tin trong giáo dục có thể cung cấp các công cụ và dịch vụ hỗ trợ cho việc tìm kiếm, quản lý và chia sẻ tài liệu khoa học. Ngoài ra, chúng còn có thể giúp cá nhân hóa trải nghiệm học tập và cung cấp phản hồi kịp thời cho người học. Trong bối cảnh luận án tiến sĩ hệ thống thông tin, việc ứng dụng hệ thống thông tin trong nghiên cứu là vô cùng cần thiết để đảm bảo tính chính xác và hiệu quả của quá trình nghiên cứu.

4.1. Hệ thống thông tin trong giáo dục hỗ trợ tìm kiếm

Hệ thống thông tin trong giáo dục có thể cung cấp các công cụ tìm kiếm nâng cao, cho phép người dùng tìm kiếm tài liệu khoa học theo nhiều tiêu chí khác nhau, như từ khóa, tác giả, năm xuất bản và lĩnh vực nghiên cứu. Các hệ thống thông tin trong giáo dục này cũng có thể tích hợp các kỹ thuật xử lý ngôn ngữ tự nhiên để cải thiện khả năng hiểu truy vấn và trả về kết quả phù hợp hơn.

4.2. Quản lý tài nguyên học tập hiệu quả

Hệ thống thông tin trong giáo dục có thể giúp quản lý tài nguyên học tập một cách hiệu quả bằng cách cung cấp các công cụ để lưu trữ, sắp xếp và chia sẻ tài liệu khoa học. Các hệ thống thông tin trong giáo dục này cũng có thể tích hợp các tính năng quản lý phiên bản, cho phép người dùng theo dõi các thay đổi của tài liệu khoa học theo thời gian.

4.3. Cá nhân hóa trải nghiệm học tập với khai thác dữ liệu học tập

Hệ thống thông tin trong giáo dục có thể sử dụng các kỹ thuật khai thác dữ liệu học tập để cá nhân hóa trải nghiệm học tập cho từng người dùng. Các kỹ thuật khai thác dữ liệu học tập này có thể được sử dụng để phân tích hành vi học tập của người dùng và đề xuất các tài liệu khoa học phù hợp với nhu cầu và mục tiêu của họ.

V. Đánh Giá Hiệu Quả Mô Hình Tìm Kiếm Tài Nguyên 57

Việc đánh giá hiệu quả mô hình tìm kiếm là một bước quan trọng để đảm bảo rằng mô hình tìm kiếm tài nguyên đáp ứng được nhu cầu của người dùng. Việc đánh giá hiệu quả mô hình tìm kiếm này có thể được thực hiện bằng cách sử dụng các độ đo hiệu suất khác nhau, như độ chính xác, độ phủ và thời gian phản hồi. Ngoài ra, việc thu thập phản hồi từ người dùng cũng là một cách quan trọng để cải thiện mô hình tìm kiếm tài nguyên.

5.1. Các độ đo hiệu suất trong đánh giá hiệu quả mô hình

Có nhiều độ đo hiệu suất khác nhau có thể được sử dụng để đánh giá hiệu quả mô hình. Độ chính xác đo lường tỷ lệ các kết quả tìm kiếm đúng so với tổng số kết quả tìm kiếm. Độ phủ đo lường tỷ lệ các tài liệu khoa học liên quan được tìm thấy so với tổng số tài liệu khoa học liên quan có trong cơ sở dữ liệu. Thời gian phản hồi đo lường thời gian cần thiết để mô hình tìm kiếm tài nguyên trả về kết quả tìm kiếm.

5.2. Thu thập phản hồi từ người dùng

Việc thu thập phản hồi từ người dùng là một cách quan trọng để cải thiện mô hình tìm kiếm tài nguyên. Phản hồi từ người dùng có thể được sử dụng để xác định các vấn đề trong mô hình tìm kiếm tài nguyên và đề xuất các cải tiến. Phản hồi từ người dùng có thể được thu thập thông qua các khảo sát, phỏng vấn và các hình thức phản hồi trực tuyến.

VI. Kết Luận và Hướng Phát Triển Mô Hình Đề Xuất 59

Bài viết đã trình bày một cái nhìn tổng quan về mô hình tìm kiếm tài nguyên học tập trong bối cảnh luận án tiến sĩ hệ thống thông tin. Các vấn đề cần giải quyết, các phương pháp tìm kiếm hiệu quả và các ứng dụng của hệ thống thông tin trong nghiên cứu đã được thảo luận chi tiết. Việc đánh giá hiệu quả mô hình tìm kiếm cũng được nhấn mạnh như một bước quan trọng để đảm bảo rằng mô hình tìm kiếm tài nguyên đáp ứng được nhu cầu của người dùng. Trong tương lai, cần tiếp tục nghiên cứu và phát triển các mô hình đề xuất tài nguyên học tập tiên tiến hơn, có khả năng cá nhân hóa trải nghiệm học tập và cung cấp phản hồi kịp thời cho người học.

6.1. Hướng phát triển mô hình tìm kiếm thích ứng

Trong tương lai, cần tập trung vào việc phát triển các mô hình tìm kiếm thích ứng, có khả năng tự động điều chỉnh theo nhu cầu và hành vi của người dùng. Các mô hình tìm kiếm thích ứng này có thể sử dụng các kỹ thuật học máy trong tìm kiếm thông tin và khai thác dữ liệu học tập để cải thiện khả năng hiểu truy vấn và trả về kết quả phù hợp hơn.

6.2. Tích hợp trí tuệ nhân tạo vào mô hình tìm kiếm

Việc tích hợp trí tuệ nhân tạo vào mô hình tìm kiếm có thể giúp cải thiện đáng kể khả năng hiểu ngôn ngữ tự nhiên, phân tích ngữ nghĩa và đánh giá độ tin cậy của tài liệu khoa học. Các kỹ thuật trí tuệ nhân tạo như học sâu, mạng nơ-ron và xử lý ngôn ngữ tự nhiên có thể được sử dụng để xây dựng các mô hình tìm kiếm thông minh và hiệu quả hơn.

06/06/2025

Trích đoạn nội dung tài liệu

CHƯƠNG 1. Tính cấp thiết của nghiên cứu Học tập mở (open learning) đã trở thành phong trào đổi mới trong giáo dục vào những năm 1970 và nhanh chóng được phát triển không ngừng. Thuật ngữ open learning thường dùng để chỉ các hoạt động tăng cường cơ hội học tập trong các hệ thống giáo dục chính thức hoặc mở rộng cơ hội học tập bên ngoài các hệ thống giáo dục chính thức (Susan, 2009). Học tập mở có thể bao gồm, nhưng không giới hạn, phương thức giảng dạy trong lớp học, phương pháp tiếp cận học tập tương tác, văn hóa và hệ sinh thái của cộng đồng học tập và sự phát triển, sử dụng các nguồn tài nguyên giáo dục mở (Chang, 2010).

Tài nguyên giáo dục mở (open educational resources) không thể thiếu trong học tập mở. Tài nguyên giáo dục mở là tài liệu học tập, giảng dạy và nghiên cứu ở bất kỳ định dạng và phương tiện nào được công bố công khai hoặc có bản quyền đã được phát hành theo giấy phép mở, cho phép truy cập, sử dụng hoặc tái sử dụng, thay đổi và chia sẻ lại nội dung hoàn toàn miễn phí và hợp pháp (UNESCO, 2019). Đối với giáo viên, tài nguyên giáo dục mở có thể giúp tăng cường nội dung và đa dạng hóa nguồn tài liệu đang được sử dụng cho quá trình giảng dạy, tiết kiệm chi phí mua tài nguyên học tập. Trong khi đó, tài nguyên giáo dục mở tạo điều kiện cho người học có cơ hội tiếp cận được môi trường học tập số hóa đa dạng, nguồn tài liệu học tập có chất lượng được cập nhật thường xuyên; có thể hỗ trợ cho việc tự học, tự nghiên cứu và có thể học nhóm, học cộng tác (Jisc, 2016).

Nói đến tài nguyên học tập (learning resources) là muốn đề cập đến tài nguyên giáo dục được phát triển và cung cấp cho quá trình dạy và học, đáp ứng mục tiêu học tập (Smith, 2016). Tài nguyên học tập có thể được cung cấp thông qua các hệ thống như hệ thống học trực tuyến, hệ thống quản lý giáo trình/bài giảng, hệ thống quản lý đào tạo, hệ thống quản lý các công trình nghiên cứu/công bố khoa học,… Các hệ thống quản lý tài nguyên học tập có những đặc điểm riêng nhưng có chung mục đích là cung cấp các tính năng dựa trên nền web để hỗ trợ quá trình dạy và học của các viện, trường hoặc nhu cầu tự học tập của người học (Barajas and Gannaway, 2007; Muñoz-Merino et al., 2009; Santos and Boticario, 2011). Trong thời gian qua, với sự phát triển rất nhanh của công nghệ thông tin và công nghệ hỗ trợ giáo dục trực tuyến, nhu cầu học tập mở ngày càng gia tăng, trong đó có nhu cầu học tập trực tuyến nhằm ứng phó với những thay đổi của thực tế, chẳng hạn như tình trạng hạn chế đi lại do dịch bệnh, từ đó đã làm gia tăng nhu cầu về sử dụng các tài liệu phục vụ giảng dạy và học tập. Vấn đề đặt ra là cần có các mô hình tìm kiếm tài nguyên học tập, giúp cho việc tìm kiếm và sử dụng tài nguyên học tập hiệu quả hơn trong bối cảnh tài nguyên học tập ngày càng đa dạng và không ngừng gia tăng.

Xuất phát từ nhu cầu đó, vấn đề tìm kiếm tài nguyên học tập có quan tâm ngữ nghĩa nhằm giúp người học tìm kiếm tài nguyên được 1 hiệu quả hơn, trong đó tìm kiếm dựa trên độ tương đồng văn bản và dựa trên mạng ngữ nghĩa được chú trọng. Một vấn đề khác là, với sự gia tăng liên tục của tài nguyên học tập, việc người học tìm kiếm thông tin phù hợp với nhu cầu và năng lực của mình càng trở nên khó khăn hơn. Để hỗ trợ cho người học, các hệ thống gợi ý ra đời nhằm tăng khả năng đề xuất các tài nguyên phù hợp với người học dựa trên nhu cầu, năng lực và các đặc điểm cá nhân khác (Imran et al., 2014; Xiao et al. Hệ thống gợi ý giúp giải quyết vấn đề quá tải thông tin thông qua việc cung cấp các đề xuất được xếp hạng từ cao xuống thấp để người học chọn được tài nguyên học tập phù hợp nhất.

Trong những năm gần đây, mặc dù có những nghiên cứu liên quan về tìm kiếm và gợi ý tài nguyên học tập, tuy nhiên vẫn còn một số vấn đề tồn tại cần được nghiên cứu cải tiến hoặc đề xuất giải pháp mới để việc tìm kiếm tài nguyên học tập được hiệu quả hơn, đáp ứng nhu cầu của người học. Vấn đề đặt ra đối với các hệ thống quản lý tài nguyên học tập là: 1. Việc tìm kiếm tài nguyên học tập không chỉ ở dạng cơ sở dữ liệu quan hệ mà chủ yếu ở dạng dữ liệu phi cấu trúc (như word, powerpoint, pdf, web, audio, video) và nguồn dữ liệu ngày càng lớn. Vì vậy, cần giải quyết vấn đề tìm kiếm các tài liệu phi cấu trúc có quan tâm đến vấn đề ngữ nghĩa nhằm giúp người học tìm được nguồn tài nguyên học tập tốt hơn, phù hợp hơn với năng lực người học.

Tài nguyên học tập đa dạng thuộc nhiều lĩnh vực và không ngừng gia tăng, vì vậy cần có phương pháp tìm kiếm tài liệu hiệu quả hơn. Một vấn đề quan trọng trong tìm kiếm là cần phân loại truy vấn và tài nguyên học tập trước khi thực hiện tìm kiếm nhằm giới hạn không gian tìm kiếm, giúp cho quá trình tìm kiếm nhanh và hiệu quả hơn. Ngoài ra, vấn đề tìm kiếm có quan tâm ngữ nghĩa cần được quan tâm, đây là vấn đề còn mới trong lĩnh vực giáo dục, đặc biệt đối với các hệ thống quản lý tài nguyên học tập. Thực tế, bài toán tìm kiếm và gợi ý không thể tách rời nhau.

Ngoài kết quả tìm kiếm, các hệ thống cần đề xuất các tài nguyên học tập có liên quan đến người học. Ngoài ra, dự đoán xếp hạng và gợi ý thường được gắn kết nhau. Để gợi ý thì cần có kết quả dự đoán xếp hạng, từ kết quả dự đoán có thể chọn ra các kết quả có hạng thuộc tốp đầu để gợi ý. Hiện nay, có nhiều nghiên cứu dự đoán xếp hạng với các cách tiếp cận khác nhau.

Tuy nhiên, trong lĩnh vực giáo dục, các bài toán về dự đoán xếp hạng và gợi ý sử dụng dữ liệu thực tế về kết quả học tập của sinh viên và tài nguyên học tập có ít nghiên cứu. Các hệ thống dự đoán xếp hạng và gợi ý được sử dụng chủ yếu là các kỹ thuật lọc cộng tác như k láng giềng, phân rã ma trận, phân rã ma trận thiên vị,. Tuy vậy, với các tập dữ liệu lớn và giàu thuộc tính thì cần nghiên cứu phương pháp dự đoán xếp hạng và gợi ý hiệu quả hơn, đặc biệt là sử dụng các kỹ thuật tiên tiến như học sâu. Từ những lý do trên, luận án “Xây dựng mô hình tìm kiếm và gợi ý tài nguyên học tập” được thực hiện.

Đây là luận án có ý nghĩa khoa học và thực tiễn trong quá trình triển khai các hệ thống quản lý tài nguyên học tập. Mục tiêu, đối tượng, phạm vi và phương pháp nghiên cứu Từ sự cần thiết được nêu trên, mục tiêu tổng quát của luận án là đề xuất các mô hình tìm kiếm và gợi ý tài nguyên học tập nhằm đáp ứng nhu cầu của người học, giúp cho việc học tập đạt kết quả tốt hơn. Mục tiêu cụ thể của luận án là: 1. Nghiên cứu xây dựng mô hình tìm kiếm tài nguyên học tập có quan tâm đến vấn đề ngữ nghĩa nhằm nâng cao hiệu quả tìm kiếm đáp ứng nhu cầu của người học.

Nghiên cứu xây dựng các mô hình dự đoán kết quả học tập và gợi ý tài nguyên học tập phù hợp với từng người học. Đối tượng nghiên cứu chính của luận án là các mô hình tìm kiếm và gợi ý tài nguyên học tập. Để giải quyết hai vấn đề tìm kiếm và gợi ý tài nguyên học tập, mô hình phân loại tài nguyên học tập, tìm kiếm dựa trên độ tương đồng về nội dung văn bản và dựa trên mạng ngữ nghĩa của văn bản và một số vấn đề có liên quan được nghiên cứu. Tài nguyên học tập rất rộng và đa dạng với các nguồn học liệu ở dạng văn bản như bài giảng, giáo trình, sách, bài báo; dạng hình ảnh, video hay các nguồn học liệu số khác.

Với mong muốn đề xuất các giải pháp xây dựng mô hình tìm kiếm và gợi ý tài nguyên học tập trong các hệ thống quản lý tài nguyên học tập, luận án này giới hạn phạm vi của tài nguyên học tập là dạng văn bản. Phương pháp nghiên cứu của luận án này là tổng hợp, phân tích các nghiên cứu có liên quan được công bố trên tạp chí và kỷ yếu hội nghị, sách có uy tín và các nguồn công bố khác đáng tin cậy, từ đó đề xuất các mô hình và phương pháp tiếp cận mới nhằm nâng cao hiệu quả tìm kiếm và gợi ý tài nguyên học tập. Các vấn đề đặt ra của luận án được giải quyết bằng các cách tiếp cận khác nhau như máy học, phân loại dữ liệu, mạng nơ-ron truyền thẳng, mạng ngữ nghĩa ontology, hệ thống gợi ý,. Dữ liệu thực nghiệm được thu thập từ nhiều nguồn như bài báo khoa học đã xuất bản, tin tức đăng trên báo điện tử, dữ liệu về kết quả học tập của sinh viên thuộc trường đại học, dữ liệu được công bố công khai từ các nguồn cung cấp dữ liệu tin cậy.

Kết quả thực nghiệm từ các mô hình đều được đo đạc bằng các độ đo khác nhau tùy thuộc vào kỹ thuật được sử dụng, từ đó đánh giá một cách khách quan về các mô hình đề xuất. Nội dung nghiên cứu và hướng tiếp cận của luận án Như đã đề cập, mục tiêu tổng quát của luận án là đề xuất các mô hình tìm kiếm và gợi ý tài nguyên học tập nhằm đáp ứng nhu cầu của người học. Để đạt được mục tiêu này thì cần giải quyết hai vấn đề quan trọng là tìm kiếm và gợi ý, trong đó kết hợp phân loại và dự đoán xếp hạng nhằm đạt hiệu quả tốt nhất các mô hình đề xuất, cụ thể: Vấn đề thứ nhất là xây dựng các mô hình tìm kiếm tài nguyên học tập. Trong đó, cần kết hợp phân loại truy vấn và tài nguyên học tập nhằm giới hạn không gian trước khi thực hiện tìm kiếm.

Ngoài ra, vấn đề ngữ nghĩa cũng được quan tâm nhằm giúp cho quá trình tìm kiếm hiệu quả hơn. 3 Vấn đề thứ hai là xây dựng các mô hình gợi ý tài nguyên học tập. Sau khi có kết quả tìm kiếm hệ thống quản lý tài nguyên học tập cần đề xuất các tài nguyên học tập có liên quan đến người học.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Tài liệu có tiêu đề Mô Hình Tìm Kiếm Tài Nguyên Học Tập Trong Luận Án Tiến Sĩ Chuyên Ngành Hệ Thống Thông Tin cung cấp một cái nhìn sâu sắc về cách thức tối ưu hóa việc tìm kiếm tài nguyên học tập trong lĩnh vực hệ thống thông tin. Tài liệu này không chỉ trình bày các mô hình và phương pháp tìm kiếm hiệu quả mà còn nhấn mạnh tầm quan trọng của việc áp dụng công nghệ thông tin trong nghiên cứu và học tập. Độc giả sẽ nhận được những lợi ích từ việc hiểu rõ hơn về các công cụ và kỹ thuật có thể hỗ trợ trong việc tìm kiếm thông tin, từ đó nâng cao hiệu quả học tập và nghiên cứu của mình.

Để mở rộng thêm kiến thức, bạn có thể tham khảo tài liệu Luận văn nghiên cứu một số vấn đề bảo vệ thông tin trong hệ thống tính toán lưới, nơi cung cấp cái nhìn sâu sắc về bảo mật thông tin trong hệ thống tính toán, một khía cạnh quan trọng trong việc phát triển và ứng dụng công nghệ thông tin. Những tài liệu này sẽ giúp bạn có thêm nhiều góc nhìn và kiến thức bổ ích trong lĩnh vực này.