Tổng quan luận án

Luận án tiến sĩ kinh tế chuyên ngành Hệ thống thông tin quản lý (mã số: 9340405) với đề tài "Xây dựng mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí" do nghiên cứu sinh Bùi Xuân Huy thực hiện tại Trường Đại học Kinh tế Quốc dân, dưới sự hướng dẫn khoa học của TS. Nguyễn An Tế và PGS.TS. Trần Thị Song Minh, bảo vệ năm 2024.

Sự bùng nổ thông tin và gia tăng số lượng người dùng Internet dẫn đến tình trạng quá tải thông tin, gây khó khăn cho người học trong việc tìm kiếm chính xác và kịp thời các tài nguyên phù hợp trên hệ thống đào tạo trực tuyến (E-learning). Bối cảnh đại dịch Covid-19 đã khiến gần 63 triệu trường học trên thế giới chuyển đổi sang đào tạo trực tuyến. Tại Việt Nam, cơ sở pháp lý cho hình thức này được xác lập thông qua Thông tư số 08/2021/TT-BGDĐT của Bộ Giáo dục và Đào tạo. Khác với đào tạo truyền thống, người học trực tuyến đối mặt với nguy cơ bị cô lập, thiếu tương tác trực tiếp với giảng viên và bạn học, gặp khó khăn khi lựa chọn tài nguyên, đăng ký môn học và xác định phương pháp học tập hiệu quả. Trong khi các hệ thống quản lý học tập (LMS) phổ biến tại Việt Nam chủ yếu triển khai theo hướng tiếp cận đồng nhất ("one size - fits - all"), các giải pháp tư vấn hiện có (như VNPT E-Learning, VioEdu LMS) mới chỉ phân tích lịch sử cá nhân mà chưa khai thác kinh nghiệm cộng đồng người học.

Mục tiêu tổng quát của luận án là xây dựng mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí nhằm cung cấp các kết quả tư vấn như cách thức học tập, tài nguyên học tập, lựa chọn môn học và gợi ý nhóm học tập theo hướng thích nghi cộng đồng. Để đạt được mục tiêu tổng quát, luận án xác định bốn mục tiêu cụ thể:

  1. Xây dựng mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí.
  2. Thực nghiệm để làm rõ tính khả thi của mô hình được đề xuất.
  3. Đưa ra các khuyến nghị để triển khai mô hình vào thực tiễn các cơ sở giáo dục đại học ở Việt Nam.
  4. Đề xuất giải pháp đánh giá hiệu quả của mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí.

Luận án giải quyết bốn câu hỏi nghiên cứu:

  1. Mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng (cụ thể là người học) đa tiêu chí gồm những thành phần nào? Cách thức hoạt động cũng như sự tương tác của phân hệ tư vấn học tập với các phân hệ khác của hệ thống đào tạo trực tuyến như thế nào?
  2. Hồ sơ đặc trưng người học bao gồm những thành phần nào và được khai thác như thế nào để hình thành các cộng đồng đa tiêu chí trong hệ thống tư vấn học tập được luận án đề xuất?
  3. Làm thế nào để triển khai ứng dụng hiệu quả mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến được luận án đề xuất vào thực tiễn các cơ sở giáo dục đại học ở Việt Nam?
  4. Có thể sử dụng phương pháp nào để đánh giá hiệu quả của hệ thống tư vấn học tập được luận án đề xuất trong môi trường đào tạo trực tuyến?

Đối tượng nghiên cứu của luận án là mô hình tư vấn học tập trong hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí, bao gồm: sự hỗ trợ của hệ thống tư vấn đối với quá trình ra quyết định trong hoạt động học tập; mô hình tích hợp hệ thống tư vấn vào hệ thống đào tạo; mô hình kiến trúc - chức năng; và cộng đồng người dùng đa tiêu chí. Phạm vi nghiên cứu giới hạn ở các cơ sở giáo dục đại học, tập trung vào đối tượng người học với dữ liệu thực nghiệm trích xuất từ hệ thống đào tạo trực tuyến của Trường Đại học Kinh tế Quốc dân.

Tổng quan tài liệu và vị trí của luận án

Quy trình tổng quan tài liệu được tác giả thực hiện theo phương pháp PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) của Moher và cộng sự (2009). Dữ liệu thu thập từ các cơ sở dữ liệu Proquest Central, Springer Link, IEEE Xplore, Elsevier và ResearchGate trong giai đoạn 2015-2022. Từ 205 công trình ban đầu, tác giả sàng lọc và chọn ra 70 công trình để phân tích chuyên sâu theo ba hướng tiếp cận chính:

Hướng tiếp cận tư vấn Các nghiên cứu tiêu biểu được điểm luận Đặc trưng hồ sơ người học được khai thác
Tư vấn dựa trên nội dung (Content-based filtering) Wu & Wu (2020), Doja (2020), Morsomme & Alferez (2019), Shu và cộng sự (2018), Kandakatla & Bandi (2018), Albatayneh và cộng sự (2018), Tewari và cộng sự (2015). Lịch sử tương tác, kết quả học tập quá khứ, lộ trình đào tạo, sở thích, phản hồi đánh giá tài nguyên, phong cách học tập.
Tư vấn dựa trên sự cộng tác (Collaborative filtering) Geng (2022), Joy và cộng sự (2021), Yassine và cộng sự (2021), Chen và cộng sự (2020), Xiaoyan & Jie (2019), Wang và cộng sự (2017), Tenison và cộng sự (2022), Wu và cộng sự (2020), Obeidat và cộng sự (2019), Pang và cộng sự (2019), Wan & Niu (2018), Dwivedi và cộng sự (2018), Dias & Wives (2019), Hmedna và cộng sự (2016), Agbonifo & Akinsete (2020), Brik & Touahria (2020), Panda và cộng sự (2020), Tarus và cộng sự (2018), Fu và cộng sự (2015), Bousbahi & Chorfi (2015), Onah & Sinclair (2015), Venkataraman và cộng sự (2015). Lịch sử chọn khóa học, hành vi tương tác, thông tin nhân khẩu học, mục tiêu học tập, phong cách học tập, sở thích tiềm ẩn.
Tư vấn sử dụng phương pháp lai (Hybrid filtering) Ezaldeen và cộng sự (2022), Bhaskaran và cộng sự (2021), Pan và cộng sự (2021), Jordán và cộng sự (2021), Zheng (2021), Cao & Chang (2020), Osadchiy và cộng sự (2019), Vélez-Langs & Caicedo-Castro (2019), Singelmann và cộng sự (2019), Zhang và cộng sự (2019), Pang và cộng sự (2018), Bourkoukou & El Bachari (2018), El Mabrouk và cộng sự (2017), Turnip và cộng sự (2017), Estrela và cộng sự (2017), Trusthi & Nurjanah (2017), Ouertani & Alawadh (2017), Touimi và cộng sự (2020), Son và cộng sự (2021), Aeiad & Meziane (2019), Chenyuan và cộng sự (2021), Hou và cộng sự (2018), Intayoad và cộng sự (2017), Pereira và cộng sự (2018), Werner-Stark & Nagy (2020). Thẻ tài nguyên (tags), ngữ cảnh (thời gian, địa điểm), quy tắc kết hợp, chuỗi thời gian hoạt động, đánh giá của người học xuất sắc.

Tại Việt Nam, các nghiên cứu liên quan gồm có: Nguyễn Thúy Ngọc và Nguyễn An Tế (2015) đề xuất tích hợp cộng đồng đa tiêu chí vào hệ thống tư vấn theo ngữ cảnh; Lê Đức Long nghiên cứu biểu diễn mô hình nội dung tri thức (knowledge graph) để tư vấn cho giảng viên xây dựng bài giảng; Lê Thị Huyền và cộng sự (2009) tiếp cận mô hình người học dựa trên tính hữu ích của đặc trưng theo cộng đồng.

Từ kết quả tổng quan, luận án chỉ ra bốn khoảng trống tri thức:

  1. Các nghiên cứu quốc tế chủ yếu dừng ở mức đề xuất hoặc cải tiến thuật toán, chưa tiếp cận từ góc độ hệ thống thông tin nhằm xem xét hệ thống tư vấn như một phân hệ tích hợp trong kiến trúc đào tạo trực tuyến.
  2. Việc khai thác hồ sơ người học phần lớn chỉ dựa trên một vài đặc trưng riêng lẻ, chưa kết hợp đa chiều các yếu tố nhân khẩu học, kết quả học tập và lịch sử hành vi.
  3. Các ứng dụng tại Việt Nam mới khai thác kinh nghiệm cá nhân người học theo hướng lọc nội dung, chưa khai thác kinh nghiệm cộng đồng đa tiêu chí; đồng thời chưa có cơ sở giáo dục đại học nào tích hợp hệ thống tư vấn vào hệ thống đào tạo trực tuyến.
  4. Thiếu vắng các nghiên cứu đề xuất khung phương pháp đánh giá hiệu quả của hệ thống tư vấn học tập ở cấp độ hệ thống thông tin quản lý trong môi trường giáo dục đại học.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án dựa trên các cơ sở lý thuyết nền tảng sau:

  • Lý thuyết ba chiều của hệ thống thông tin (Laudon & Laudon, 2004): Hệ thống thông tin bao gồm ba chiều cấu thành là tổ chức (con người, cấu trúc quyền hạn, quy trình nghiệp vụ, văn hóa và chính sách), quản lý (ra quyết định, lập kế hoạch hành động, phân bổ nguồn lực) và công nghệ (phần cứng, phần mềm, cơ sở dữ liệu, mạng truyền thông).
  • Lý thuyết ra quyết định và hệ hỗ trợ ra quyết định (DSS): Luận án kế thừa mô hình quá trình ra quyết định 6 bước của Simon (1960): (i) Xác định vấn đề, (ii) Thu thập thông tin, (iii) Xác định các giải pháp, (iv) Chọn lựa giải pháp, (v) Triển khai, và (vi) Đánh giá. Hệ DSS có ba đặc điểm theo Steven Alter (1980): hỗ trợ quá trình ra quyết định, không tự động hóa thay thế con người, và đáp ứng linh hoạt nhu cầu thay đổi. Theo Felsberger và cộng sự (2016), DSS được chia theo mức tương tác thành thụ động, chủ động và hợp tác. Theo Power (2001), DSS phân loại theo cơ chế thành: dựa trên dữ liệu, dựa trên mô hình, dựa trên giao tiếp (CDSS/GDSS), dựa trên tri thức và dựa trên tài liệu. Kiến trúc DSS gồm 4 thành phần: dữ liệu, mô hình, giao tiếp và giao diện.
  • Lý thuyết hệ thống tư vấn thông tin: Lọc dựa trên nội dung sử dụng không gian vector để tính độ tương đồng cosin giữa vector đặc trưng người học và vector thuộc tính tài nguyên (Montaner và cộng sự, 2003). Lọc cộng tác dự đoán mức độ ưa thích thông qua ma trận đánh giá người dùng - tài nguyên $f: \text{user} \times \text{item} \to \text{rating}$. Phương pháp tiếp cận lai kết hợp các cơ chế nhằm khắc phục hạn chế đơn lẻ (Burke, 2007).
  • Khái niệm cộng đồng người dùng đa tiêu chí (Nguyễn Thúy Ngọc & Nguyễn An Tế, 2015): Mở rộng từ cộng đồng đơn tiêu chí sang không gian cộng đồng hình thành từ sự kết hợp của nhiều đặc trưng trong hồ sơ người dùng.
  • Quản trị hồ sơ người dùng (Montaner và cộng sự, 2003): Bao gồm bốn tác vụ: biểu diễn (mô hình nhân khẩu học, lịch sử khai thác, không gian vector, ma trận đánh giá), khởi tạo (xử lý vấn đề khởi động nguội bằng tích lũy dữ liệu trống, khai báo thủ công, khuôn mẫu, hoặc tập huấn luyện), cập nhật và khai thác.
  • Khung phân tích học tập: Vòng đời phân tích học tập (LALC) và Khung tích hợp phân tích dữ liệu trong giáo dục đại học (DAHE).

Phương pháp nghiên cứu chủ đạo của luận án là Phương pháp luận nghiên cứu khoa học thiết kế (Design Science Research Methodology - DSRM) do Peffers và cộng sự (2007) đề xuất, kết hợp với khung nghiên cứu hệ thống thông tin của Hevner và cộng sự (2004) gồm ba thành phần: Ngữ cảnh (bối cảnh giáo dục và nhu cầu người học), Nghiên cứu (thiết kế, phát triển, thực nghiệm, đánh giá artifact), và Cơ sở tri thức (lý thuyết DSS, hệ thống tư vấn, kỹ thuật khai phá dữ liệu). Ngoài ra, luận án áp dụng phương pháp tổng quan tài liệu PRISMA và phương pháp phân tích thiết kế hệ thống thông tin (sử dụng sơ đồ luồng dữ liệu DFD).

Nguồn dữ liệu thực nghiệm được trích xuất từ hệ thống quản lý học tập trực tuyến của Trường Đại học Kinh tế Quốc dân, bao gồm năm tập dữ liệu: danh mục môn học, điểm thi cuối kỳ, thông tin sinh viên, lịch sử hoạt động trên khóa học trực tuyến (log tương tác), và điểm đánh giá quá trình học tập.

Nội dung chính theo từng chương

Chương 1: Tổng quan tình hình nghiên cứu

Chương này trình bày chi tiết quy trình rà soát 70 bài báo khoa học xuất bản từ năm 2015 đến 2022 theo tiêu chuẩn PRISMA. Tác giả phân tích các nghiên cứu tư vấn học tập theo hai hướng tiếp cận chính của đào tạo trực tuyến: hướng tiếp cận quản lý học tập (LMS) và hướng tiếp cận học tập cá nhân hóa (PLS). Nội dung chương đi sâu tổng hợp ba nhóm thuật toán tư vấn: tư vấn dựa trên nội dung, tư vấn dựa trên sự cộng tác và tư vấn sử dụng phương pháp lai; đồng thời phân tích hiện trạng các ứng dụng trong nước (VNPT E-Learning, VioEdu LMS) và các công trình của tác giả Việt Nam. Từ đó, chương xác lập bốn khoảng trống tri thức và luận giải cơ sở định hình các câu hỏi nghiên cứu của đề tài.

Chương 2: Cơ sở lý thuyết

Chương 2 thiết lập khung lý thuyết hoàn chỉnh cho luận án. Tác giả phân tích mô hình ba chiều của hệ thống thông tin (tổ chức, quản lý, công nghệ) theo Laudon & Laudon (2004); mô hình quá trình ra quyết định của Simon (1960); phân loại và cấu trúc 4 thành phần của hệ hỗ trợ ra quyết định (Power, 2001). Tiếp theo, chương trình bày nguyên lý toán học của hệ thống tư vấn thông tin: công thức đo độ tương đồng cosin trong mô hình không gian vector, cơ chế hàm dự đoán ma trận đánh giá trong lọc cộng tác, và các chiến thuật lai ghép (Burke, 2007). Chương cũng làm rõ khái niệm cộng đồng người học đa tiêu chí của Nguyễn Thúy Ngọc và Nguyễn An Tế (2015), quy trình quản trị hồ sơ người dùng 4 bước theo Montaner và cộng sự (2003), cùng hai khung phân tích dữ liệu học tập LALC và DAHE.

Chương 3: Đề xuất mô hình

Dựa trên phân tích thực trạng hệ thống đào tạo trực tuyến tại các trường đại học Việt Nam, tác giả xây dựng Mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người học đa tiêu chí (eCMBLC). Mô hình bao gồm:

  • Mô hình hỗ trợ ra quyết định trong hoạt động học tập: Mô phỏng quá trình ra quyết định của người học từ giai đoạn nhận thức vấn đề, tìm kiếm dữ liệu, nhận gợi ý từ hệ thống đến khi lựa chọn hành động.
  • Mô hình tích hợp phân hệ tư vấn học tập: Biểu diễn vị trí và mối liên kết dữ liệu giữa phân hệ tư vấn với phân hệ quản trị đào tạo, phân hệ quản lý học tập (LMS), kho dữ liệu học tập (ETL/Data Warehouse) và cổng thông tin người học.
  • Mô hình kiến trúc - chức năng: Xác định cơ chế hoạt động của ba chức năng cốt lõi:
    1. Chức năng tư vấn đăng ký môn học: Sử dụng kỹ thuật lọc cộng tác trên ma trận đánh giá mức độ ưa thích môn học (được ánh xạ từ thang điểm chữ) trong cộng đồng người học tương đồng.
    2. Chức năng tư vấn cách thức học tập: Phân tích lịch sử tương tác và điểm quá trình để đề xuất phương pháp học tập tối ưu nhằm đạt mục tiêu điểm số.
    3. Chức năng tư vấn kết hợp đăng ký môn học và cách thức học tập.

Chương 4: Thực nghiệm mô hình

Chương 4 tiến hành thử nghiệm mô hình eCMBLC trên tập dữ liệu thực tế tại Trường Đại học Kinh tế Quốc dân:

  • Dữ liệu và tiền xử lý: Chuẩn hóa 5 tập dữ liệu (danh mục môn học, điểm cuối kỳ, danh sách người học, log hoạt động, điểm quá trình). Xây dựng cấu trúc hồ sơ người học gồm thuộc tính nhân khẩu học, kết quả học tập và tần suất tương tác học tập trực tuyến.
  • Thành lập cộng đồng người học: Thực nghiệm phân cụm người học bằng hai thuật toán K-Means và phân cụm phân cấp (Agglomerative Hierarchical Clustering - AHC). Áp dụng phương pháp khuỷu tay (Elbow method với chỉ số SSE) và phân tích hệ số Silhouette (Silhouette Analysis) để xác định số cụm $K$ tối ưu. Kết quả so sánh điểm Silhouette khẳng định tính hiệu quả của thuật toán trong việc nhóm các sinh viên có đặc trưng tương đồng.
  • Thực nghiệm tư vấn cách thức học tập: Ứng dụng ba thuật toán khai phá dữ liệu gồm Luật kết hợp (Association Rules), Cây quyết định (Decision Tree) và Mạng neural (Neural Network) trên dữ liệu môn Cơ sở dữ liệu. Tác giả đánh giá hiệu năng mô hình qua ma trận nhầm lẫn (Confusion Matrix), độ chính xác, chỉ số ROC và diện tích dưới đường cong AUC.
  • Thực nghiệm tư vấn đăng ký môn học: Xây dựng ma trận đánh giá môn học sau khi chuẩn hóa dựa trên bảng ánh xạ điểm chữ sang mức độ ưa thích, thực nghiệm các thuật toán tư vấn và so sánh độ chính xác dự báo.

Chương 5: Các khuyến nghị

Trên cơ sở lý thuyết ba chiều hệ thống thông tin của Laudon & Laudon (2004) và kết quả thực nghiệm, chương đề xuất các giải pháp triển khai mô hình eCMBLC vào thực tế các trường đại học tại Việt Nam:

  • Khuyến nghị về mặt tổ chức: Hoàn thiện quy chế đào tạo tín chỉ trực tuyến, ban hành chính sách chia sẻ dữ liệu giữa các phòng ban, xây dựng văn hóa học tập tự định hướng cho sinh viên.
  • Khuyến nghị về mặt quản lý: Nâng cao năng lực ra quyết định dựa trên dữ liệu cho cán bộ quản lý đào tạo, thiết lập quy trình giám sát chất lượng tư vấn, phân bổ ngân sách bảo trì và vận hành hệ thống.
  • Khuyến nghị về mặt công nghệ: Xây dựng hạ tầng máy chủ, chuẩn hóa API kết nối giữa LMS hiện hữu với phân hệ tư vấn, xây dựng quy trình ETL tự động làm sạch và đồng bộ dữ liệu.
  • Giải pháp đánh giá hiệu quả hệ thống: Đề xuất mô hình đánh giá đa chiều kết hợp giữa các chỉ số kỹ thuật (độ chính xác thuật toán, thời gian phản hồi) và mức độ hài lòng, cải thiện kết quả học tập của người học.

Kết quả và những đóng góp mới

Luận án tự xác định các đóng góp mới về mặt lý luận và thực tiễn như sau:

Về mặt lý luận:

  • Thứ nhất, luận án tổng hợp hệ thống hóa các nghiên cứu, lý luận và thực tiễn về sự cần thiết của hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến.
  • Thứ hai, luận án phát triển khung lý thuyết cho hệ thống hỗ trợ ra quyết định để làm cơ sở cho hoạt động tư vấn hỗ trợ ra quyết định cho người học trong môi trường đào tạo trực tuyến dựa trên cộng đồng người dùng (người học) đa tiêu chí.
  • Thứ ba, luận án đưa ra giải pháp đánh giá hiệu quả của hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến tại các cơ sở giáo dục đại học ở Việt Nam.

Về mặt thực tiễn:

  • Thứ nhất, luận án đề xuất mô hình tư vấn học tập dựa trên cộng đồng người dùng đa tiêu chí (eCMBLC) cho các cơ sở giáo dục đại học tại Việt Nam để áp dụng, triển khai trong thực tiễn.
  • Thứ hai, luận án đề xuất một cách tiếp cận mới trong việc sử dụng thuật toán khai thác dữ liệu học tập từ hệ thống đào tạo trực tuyến để tư vấn cho người học (tư vấn cách thức học tập và đăng ký môn học).
  • Thứ ba, luận án đưa ra hệ thống các khuyến nghị đồng bộ trên ba chiều tổ chức, quản lý và công nghệ nhằm triển khai mô hình tư vấn học tập dựa trên cộng đồng người dùng đa tiêu chí vào thực tiễn các cơ sở giáo dục đại học ở Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

Về mặt hạn chế, luận án xác định các điểm sau dựa trên phạm vi nghiên cứu:

  • Dữ liệu thực nghiệm của luận án mới chỉ được trích xuất từ hệ thống đào tạo trực tuyến của một cơ sở giáo dục đại học duy nhất là Trường Đại học Kinh tế Quốc dân, do đó cần được kiểm chứng thêm trên các mô hình đào tạo trực tuyến thuộc các khối ngành kỹ thuật, xã hội khác nhau.
  • Về đối tượng phục vụ, nghiên cứu mới tập trung chủ yếu vào đối tượng người học, chưa đi sâu khai thác và thực nghiệm phân hệ tư vấn hỗ trợ giảng viên trong việc thiết kế bài giảng hoặc hỗ trợ cán bộ quản trị đào tạo.
  • Các thuật toán thực nghiệm được lựa chọn dựa trên mức độ phổ biến trong khai phá dữ liệu học tập (K-Means, AHC, Cây quyết định, Mạng neural, Luật kết hợp), chưa mở rộng sang toàn bộ các kiến trúc học sâu phức tạp khác.

Về hướng nghiên cứu tiếp theo:

  • Mở rộng phạm vi thu thập dữ liệu sang nhiều trường đại học có quy mô và phương thức tổ chức đào tạo trực tuyến khác nhau.
  • Phát triển hoàn thiện các mô hình tư vấn hướng tới đối tượng giảng viên nhằm điều chỉnh nội dung học liệu và thiết kế kịch bản giảng dạy thích ứng.
  • Tiếp tục nghiên cứu tích hợp các giải pháp bảo vệ dữ liệu riêng tư của người học trong quá trình chia sẻ thông tin cộng đồng.

Giá trị tham khảo

Luận án mang lại giá trị tham khảo cụ thể cho nhiều nhóm đối tượng:

  • Đối với nghiên cứu sinh và học viên cao học chuyên ngành Hệ thống thông tin quản lý, Khoa học máy tính và Công nghệ giáo dục: Luận án cung cấp bức tranh tổng quan tài liệu theo phương pháp PRISMA với 70 công trình phân loại chi tiết; đồng thời là tài liệu tham khảo về phương pháp luận nghiên cứu khoa học thiết kế (DSRM) kết hợp khai phá dữ liệu giáo dục (Educational Data Mining).
  • Đối với giảng viên và chuyên gia thiết kế hệ thống E-learning: Nội dung Chương 3 và Chương 4 cung cấp quy trình kỹ thuật chi tiết từ việc thiết kế cấu trúc hồ sơ người học, kỹ thuật ánh xạ điểm số sang ma trận ưa thích, đến quy trình phân cụm cộng đồng bằng K-Means/AHC và trích xuất luật tư vấn bằng cây quyết định và mạng neural.
  • Đối với các nhà quản lý và lãnh đạo cơ sở giáo dục đại học: Chương 5 cung cấp khung khuyến nghị toàn diện theo ba chiều tổ chức, quản lý và công nghệ của Laudon & Laudon, hỗ trợ công tác lập kế hoạch chuyển đổi số từ hệ thống quản lý học tập truyền thống (LMS) sang hệ thống học tập cá nhân hóa thích ứng cộng đồng.

Câu hỏi thường gặp

1. Mô hình eCMBLC do luận án đề xuất có điểm gì khác biệt so với các hệ thống tư vấn học tập thông thường?

Các hệ thống tư vấn học tập thông thường tại Việt Nam (như VNPT E-Learning, VioEdu LMS) chủ yếu áp dụng phương pháp lọc theo nội dung, chỉ khai thác kinh nghiệm cá nhân của chính người học dựa trên lịch sử tương tác đơn lẻ. Mô hình eCMBLC (Elearning consult model based on learner community) của luận án tích hợp phương pháp lọc cộng tác dựa trên cộng đồng đa tiêu chí. Mô hình nhóm các sinh viên có sự tương đồng về nhiều đặc trưng (nhân khẩu học, kết quả học tập quá khứ, thói quen tương tác) để khai thác kinh nghiệm thành công của cả cộng đồng, từ đó đưa ra gợi ý về cách thức học tập và lộ trình môn học phù hợp.

2. Luận án giải quyết vấn đề khởi động nguội (cold-start problem) trong quản trị hồ sơ người học như thế nào?

Dựa trên tổng quan lý thuyết của Montaner và cộng sự (2003), luận án phân tích bốn phương pháp giải quyết vấn đề khởi động nguội khi người học mới tham gia hệ thống chưa có dữ liệu lịch sử tương tác: (i) Tích lũy dần dữ liệu từ các hành vi ban đầu; (ii) Cho người học khai báo thông tin thủ công qua bảng hỏi; (iii) Áp dụng khuôn mẫu (stereotyping) dựa trên thông tin nhân khẩu học ban đầu để gán vào nhóm hồ sơ đại diện; và (iv) Sử dụng tập dữ liệu huấn luyện mẫu để người học đánh giá thử nghiệm. Trong thực nghiệm, luận án sử dụng các thuộc tính nhân khẩu học và thông tin tuyển sinh ban đầu để định hình hồ sơ sơ khởi trước khi tích lũy dữ liệu log tương tác.

3. Dữ liệu thực nghiệm của luận án được trích xuất từ đâu và gồm những thành phần nào?

Toàn bộ dữ liệu thực nghiệm được trích xuất từ hệ thống đào tạo trực tuyến của Trường Đại học Kinh tế Quốc dân, bao gồm năm tập tập tin dữ liệu:

  1. Danh mục các môn học (thông tin mã môn, tên môn, số tín chỉ).
  2. Dữ liệu điểm thi cuối kỳ của sinh viên.
  3. Danh sách thông tin người học (thông tin định danh, nhân khẩu học).
  4. Lịch sử hoạt động của người học trên hệ thống (log thời gian, số lượt truy cập tài nguyên, tham gia diễn đàn).
  5. Kết quả đánh giá quá trình học tập (điểm bài tập, kiểm tra định kỳ trên khóa học trực tuyến).

4. Thuật toán nào được sử dụng để xác định số lượng cụm cộng đồng người học trong thực nghiệm?

Trong Chương 4, để xác định số lượng cụm tối ưu ($K$) khi thành lập các cộng đồng người học có đặc trưng tương đồng, tác giả kết hợp hai phương pháp: phương pháp khuỷu tay (Elbow method) dựa trên tổng bình phương khoảng cách Euclidean (SSE - The sum of the squared Euclidean distances) và phương pháp phân tích hệ số Silhouette (Silhouette Analysis). Hai thuật toán phân cụm được thực nghiệm và so sánh là K-Means và phân cụm phân cấp kết hợp (Agglomerative Hierarchical Clustering - AHC).

5. Khung lý thuyết ba chiều hệ thống thông tin của Laudon & Laudon (2004) được ứng dụng như thế nào trong luận án?

Luận án sử dụng mô hình ba chiều của Laudon & Laudon (2004) làm cơ sở xuyên suốt từ khâu phân tích hệ thống (Chương 2) đến đề xuất các khuyến nghị triển khai thực tế (Chương 5). Mô hình xem xét hệ thống thông tin không chỉ đơn thuần là phần mềm công nghệ mà là sự gắn kết hữu cơ giữa: Chiều tổ chức (chính sách, quy chế đào tạo tín chỉ trực tuyến, con người và quy trình); Chiều quản lý (chiến lược ra quyết định của nhà quản lý đào tạo, kế hoạch phân bổ nguồn lực); và Chiều công nghệ (chuẩn kết nối API, kiến trúc cơ sở dữ liệu, kho dữ liệu học tập và các thuật toán khai phá).

Kết luận

Luận án của nghiên cứu sinh Bùi Xuân Huy đã giải quyết vấn đề cấp thiết về quá tải thông tin và nhu cầu hỗ trợ ra quyết định cho sinh viên trong môi trường giáo dục đại học trực tuyến tại Việt Nam. Bằng việc kết hợp phương pháp luận nghiên cứu khoa học thiết kế (DSRM) với các kỹ thuật khai phá dữ liệu trên tập dữ liệu thực tế của Trường Đại học Kinh tế Quốc dân, tác giả đã đề xuất và thực nghiệm thành công mô hình tư vấn học tập dựa trên cộng đồng người học đa tiêu chí (eCMBLC). Công trình cung cấp giải pháp tích hợp hệ thống hỗ trợ ra quyết định vào kiến trúc đào tạo trực tuyến, đồng thời đưa ra hệ thống khuyến nghị đồng bộ trên cả ba chiều tổ chức, quản lý và công nghệ nhằm thúc đẩy ứng dụng thực tiễn trong các cơ sở giáo dục đại học.