Luận Án Tiến Sĩ Về Mô Hình Tư Vấn Học Tập Trên Hệ Thống Đào Tạo Trực Tuyến

Luận án tiến sĩ kỹ thuật nghiên cứu xây dựng mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa, phân tích chuyên sâu, xây dựng mô hình lý

• Tác giả: Bùi Xuân Huy
• Người hướng dẫn: TS. Nguyễn An Tư
• Trường học: Đại học Kinh tế Quốc dân
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Mô Hình Tư Vấn Học Tập Trực Tuyến Dựa Trên Cộng Đồng Người Dùng
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 1.1. Phương pháp thực hiện
• 1.2. Kết quả thực hiện
• 1.3. Tư vấn học tập trên hệ thống đào tạo trực tuyến được xây dựng theo cách tiếp cận quản lý học tập
• 1.4. Tư vấn học tập trên hệ thống đào tạo trực tuyến được xây dựng theo cách tiếp cận học tập cá nhân hóa
• 1.5. Các nghiên cứu về tư vấn dựa trên nội dung
• 1.6. Các nghiên cứu về tư vấn dựa trên sự cộng tác
• 1.7. Các nghiên cứu về tư vấn sử dụng phương pháp lai
• 1.8. Các nghiên cứu trong nước
• 1.9. Các khoảng trống tri thức
• 1.10. Tổng kết Chương 1
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Ba chiều quan trọng của hệ thống thông tin
• 2.2. Quá trình ra quyết định và hệ hỗ trợ ra quyết định
• 2.3. Phân loại hệ hỗ trợ ra quyết định
• 2.4. Kiến trúc hệ hỗ trợ ra quyết định
• 2.5. Tổng quan về hệ thống tư vấn thông tin
• 2.6. Tư vấn dựa trên nội dung
• 2.7. Tư vấn dựa trên sự cộng tác
• 2.8. Các phương pháp khác và cách tiếp cận lai
• 2.9. Cảng đẳng người dùng đa tiêu chí trong hệ thống tư vấn thông tin
• 2.10. Quản trị hệ sử người dùng trong hệ thống tư vấn thông tin
• 2.11. Cấu trúc hệ sử người học trong hệ thống tư vấn học tập
• 2.12. Đánh giá hiệu quả của hệ thống thông tin
• 2.13. Đánh giá hệ thống tư vấn thông tin
• 2.14. Khung phân tích học tập trong giáo dục đại học
• 2.15. Tổng kết Chương 2
• 3. CHƯƠNG 3: ĐỀ XUẤT MÔ HÌNH
• 3.1. Mô hình phổ biến của hệ thống đào tạo trực tuyến ở các cơ sở giáo dục đại học Việt Nam hiện nay
• 3.2. Đặc điểm của cảng đẳng người học trực tuyến
• 3.3. Mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cảng đẳng người dùng đa tiêu chí
• 3.4. Mô hình hỗ trợ ra quyết định trong hoạt động học tập
• 3.5. Mô hình tích hợp phân hệ tư vấn học tập
• 3.6. Mô hình kiến trúc-chức năng
• 3.7. Tổng kết Chương 3
• 4. CHƯƠNG 4: THỰC NGHIỆM MÔ HÌNH
• 4.1. Mô tả dữ liệu thực nghiệm
• 4.2. Thiết kế thực nghiệm
• 4.3. Tiền xử lý dữ liệu
• 4.4. Biểu diễn cấu trúc và xây dựng hệ sử người học
• 4.5. Thành lập cảng đẳng người học
• 4.6. Xây dựng các phân hệ tư vấn học tập
• 4.7. Kết quả thực nghiệm
• 4.8. Kết quả biểu diễn cấu trúc và xây dựng hệ sử người học
• 4.9. Kết quả thực nghiệm thành lập cảng đẳng người học
• 4.10. Kết quả thực nghiệm tư vấn cách thức học tập
• 4.11. Kết quả thực nghiệm tư vấn đăng ký môn học
• 4.12. Tổng kết Chương 4
• 5. CHƯƠNG 5: CÁC KHUYẾN NGHỊ
• 5.1. Các khuyến nghị triển khai
• 5.2. Khuyến nghị và giải pháp đánh giá hiệu quả hệ thống
• 5.3. Tổng kết quá trình nghiên cứu
• 5.4. Những đóng góp mới của luận án
• 5.5. Hạn chế và hướng phát triển
• DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về mô hình tư vấn học tập trực tuyến

Mô hình tư vấn học tập trực tuyến dựa trên cộng đồng người dùng đã trở thành một xu hướng quan trọng trong giáo dục hiện đại. Sự phát triển của công nghệ thông tin đã tạo ra nhiều cơ hội cho việc học tập từ xa, giúp người học có thể tiếp cận kiến thức một cách dễ dàng và linh hoạt. Mô hình này không chỉ giúp người học tìm kiếm thông tin mà còn tạo ra một môi trường học tập tương tác, nơi mà họ có thể chia sẻ kinh nghiệm và hỗ trợ lẫn nhau. Theo nghiên cứu của Konstan & Riedl (2012), các hệ thống tư vấn học tập có thể giảm thiểu tình trạng quá tải thông tin bằng cách cung cấp những thông tin cần thiết dựa trên sở thích và hành vi của người dùng. Điều này đặc biệt quan trọng trong bối cảnh giáo dục trực tuyến, nơi mà người học thường gặp khó khăn trong việc tìm kiếm tài nguyên học tập phù hợp.

1.1. Tình hình nghiên cứu và ứng dụng

Các nghiên cứu về học tập trực tuyến đã chỉ ra rằng việc áp dụng các mô hình tư vấn học tập có thể cải thiện hiệu quả học tập. Các phương pháp tư vấn dựa trên nội dung và sự cộng tác đã được phát triển để đáp ứng nhu cầu của người học. Phương pháp tư vấn dựa trên nội dung cho phép người học nhận được các tài nguyên học tập phù hợp với sở thích và nhu cầu của họ. Ngược lại, phương pháp tư vấn dựa trên sự cộng tác khai thác kinh nghiệm của các thành viên trong cộng đồng để đưa ra các gợi ý học tập. Việc áp dụng các phương pháp này không chỉ giúp người học tìm kiếm thông tin một cách hiệu quả mà còn tạo ra một môi trường học tập tích cực và hỗ trợ lẫn nhau.

II. Mô hình tư vấn học tập dựa trên cộng đồng

Mô hình tư vấn học tập dựa trên cộng đồng người dùng được xây dựng trên nền tảng của các hệ thống quản lý học tập (LMS) và hệ thống học tập cá nhân hóa (PLS). Mô hình này cho phép người học tương tác với nhau, chia sẻ tài nguyên và kinh nghiệm học tập. Theo nghiên cứu của Brusilovski, Kobsa, & Nejdl (2007), việc cá nhân hóa nội dung học tập giúp người học có thể tiếp cận thông tin một cách hiệu quả hơn. Mô hình này không chỉ giúp người học tìm kiếm thông tin mà còn tạo ra một môi trường học tập tương tác, nơi mà họ có thể chia sẻ kinh nghiệm và hỗ trợ lẫn nhau. Hệ thống tư vấn học tập cũng có thể giúp giảng viên thiết kế bài giảng phù hợp với đặc điểm của từng nhóm sinh viên khác nhau, từ đó nâng cao chất lượng giảng dạy.

2.1. Các phương pháp tư vấn học tập

Các phương pháp tư vấn học tập hiện nay có thể được phân loại thành hai nhóm chính: tư vấn dựa trên nội dung và tư vấn dựa trên sự cộng tác. Tư vấn dựa trên nội dung tập trung vào việc cung cấp tài nguyên học tập phù hợp với sở thích và nhu cầu của người học. Trong khi đó, tư vấn dựa trên sự cộng tác khai thác kinh nghiệm của các thành viên trong cộng đồng để đưa ra các gợi ý học tập. Việc áp dụng các phương pháp này không chỉ giúp người học tìm kiếm thông tin một cách hiệu quả mà còn tạo ra một môi trường học tập tích cực và hỗ trợ lẫn nhau.

III. Kết luận và khuyến nghị

Mô hình tư vấn học tập trực tuyến dựa trên cộng đồng người dùng đã chứng minh được giá trị và tính ứng dụng trong giáo dục hiện đại. Việc áp dụng các hệ thống tư vấn học tập không chỉ giúp người học tìm kiếm thông tin một cách hiệu quả mà còn tạo ra một môi trường học tập tích cực và hỗ trợ lẫn nhau. Để phát triển mô hình này, cần có sự đầu tư vào công nghệ và xây dựng các nền tảng học tập trực tuyến hiệu quả. Đồng thời, việc đào tạo giảng viên và người học về cách sử dụng các công cụ này cũng là rất cần thiết. Các cơ sở giáo dục nên xem xét việc tích hợp các mô hình tư vấn học tập vào chương trình giảng dạy để nâng cao chất lượng giáo dục.

3.1. Đề xuất cho các cơ sở giáo dục

Các cơ sở giáo dục nên đầu tư vào việc phát triển các hệ thống quản lý học tập và hệ thống học tập cá nhân hóa để hỗ trợ người học. Việc xây dựng một cộng đồng học tập trực tuyến sẽ giúp người học có cơ hội chia sẻ kinh nghiệm và hỗ trợ lẫn nhau. Đồng thời, cần có các chương trình đào tạo cho giảng viên và người học về cách sử dụng các công cụ này để nâng cao hiệu quả học tập.

Nội dung chính

Tổng quan luận án

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

Về tính cấp thiết, sự phát triển của công nghệ thông tin và Internet đã dẫn đến tình trạng bùng nổ thông tin, tạo ra thách thức quá tải thông tin cho người dùng khi tìm kiếm tài nguyên phù hợp. Trong giáo dục, đào tạo trực tuyến (E-learning) chuyển dịch từ phương thức truyền thống sang nền tảng kỹ thuật số, được thúc đẩy mạnh mẽ sau đại dịch Covid-19 và có cơ sở pháp lý tại Việt Nam qua Thông tư số 08/2021/TT-BGDĐT của Bộ Giáo dục và Đào tạo. Tuy nhiên, người học trực tuyến thường đối mặt với khó khăn như mất phương hướng trong môi trường ảo rộng lớn, thiếu tương tác trực tiếp với giảng viên và bạn học, dẫn đến cảm giác bị cô lập, thụ động và suy giảm động lực học tập.

Hệ thống đào tạo trực tuyến hiện nay chủ yếu được xây dựng theo cách tiếp cận quản lý học tập (LMS - Learning Management System) với các khóa học dạng đồng nhất cho mọi người học ("one size - fits - all") theo kịch bản có sẵn. Hướng tiếp cận học tập cá nhân hóa (PLS - Personalized Learning System) đòi hỏi hệ thống phải có khả năng thích nghi theo nhu cầu và đặc trưng của từng cá nhân. Để giải quyết vấn đề quá tải thông tin và hỗ trợ người học ra quyết định, việc phát triển các hệ thống tư vấn học tập (Recommender System) trở thành nhu cầu cần thiết.

Khoảng trống nghiên cứu được tác giả xác định từ thực tế: các nghiên cứu trên thế giới về hệ thống tư vấn học tập phần lớn dừng lại ở việc đề xuất hoặc cải tiến thuật toán, chưa tiếp cận từ góc độ hệ thống thông tin nhằm tích hợp hệ thống tư vấn như một phân hệ của hệ thống đào tạo trực tuyến và đánh giá hiệu quả toàn diện. Tại Việt Nam, các ứng dụng như VNPT E-Learning hay VioEdu LMS chủ yếu khai thác dữ liệu cá nhân đơn lẻ để tư vấn lộ trình, chưa khai thác kinh nghiệm từ cộng đồng người học, và các cơ sở giáo dục đại học chưa tích hợp phân hệ tư vấn học tập vào hệ thống đào tạo trực tuyến.

Mục tiêu nghiên cứu 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. Luận án xác định 4 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 tại 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 đặt ra 4 câu hỏi nghiên cứu tương ứng:

• Thứ nhất: 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 và tương tác của phân hệ tư vấn với các phân hệ khác của hệ thống đào tạo trực tuyến như thế nào?
• Thứ hai: 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 đề xuất?
• Thứ ba: Làm thế nào để triển khai ứng dụng hiệu quả mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến vào thực tiễn các cơ sở giáo dục đại học ở Việt Nam?
• Thứ tư: Có thể sử dụng phương pháp nào để đánh giá hiệu quả của hệ thống tư vấn học tập được đề xuất trong môi trường đào tạo trực tuyến?

Đối tượng nghiên cứu 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 ra quyết định trong hoạt động học tập, mô hình tích hợp phân hệ 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 bậc giáo dục đại học, tập trung vào đối tượng người học (quản trị hồ sơ, thành lập cộng đồng, các phân hệ tư vấn nhóm học tập, môn học, cách thức học tập), với dữ liệu thực nghiệm được rút trích 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 của luận án được thực hiện theo phương pháp PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) do Moher và cộng sự (2009) đề xuất. Tác giả đã tìm kiếm trên 5 cơ sở dữ liệu học thuật quốc tế gồm ProQuest Central, SpringerLink, IEEE Xplore, Elsevier và ResearchGate trong giai đoạn 2015–2022. Kết quả thu được 205 công trình, sau khi loại bỏ trùng lặp và sàng lọc nội dung còn lại 70 bài báo để phân tích chuyên sâu. Đối với các nghiên cứu trong nước, tác giả mở rộng khung thời gian trước năm 2015.

Tác giả phân loại các nghiên cứu về hệ thống tư vấn học tập cá nhân hóa thành 3 hướng tiếp cận chính:

1. Hướng nghiên cứu tư vấn dựa trên nội dung (Content-based filtering): Hệ thống đưa ra gợi ý dựa trên đặc trưng cá nhân và lịch sử tương tác của người học. Nhóm này bao gồm các nghiên cứu của: Wu & Wu (2020) áp dụng dữ liệu lớn và trí tuệ nhân tạo để phân tích điểm số quá khứ phục vụ tư vấn môn học; Doja (2020) đề xuất hệ thống tư vấn dựa trên hồ sơ phong cách học tập và trình độ kiến thức; Morsomme & Alferez (2019) sử dụng mô hình dự đoán thưa thớt về điểm số để tư vấn khóa học; Shu và cộng sự (2018) dùng mạng neural tích chập định hướng tài nguyên theo sở thích; Kandakatla & Bandi (2018) cùng Albatayneh và cộng sự (2018) phân tích ngữ nghĩa và đánh giá tiêu cực để cảnh báo tài nguyên kém phù hợp; Tewari và cộng sự (2015) phân tích ý kiến người học để khuyến nghị giảng viên điều chỉnh bài giảng.

2. Hướng nghiên cứu tư vấn dựa trên sự cộng tác (Collaborative filtering): Khai thác kinh nghiệm tập thể bằng cách định vị người học trong cộng đồng có đặc trưng tương đồng. Nhóm nghiên cứu cải tiến thuật toán gồm: Geng (2022) phân tích hành vi người học đưa vào hồ sơ bản thể học; Joy và cộng sự (2021) dùng ontology giải quyết vấn đề khởi động nguội; Yassine và cộng sự (2021) kết hợp học không giám sát với dữ liệu nhân khẩu học; J. Chen và cộng sự (2020) dùng phân cụm tiến hóa xử lý độ thưa dữ liệu; Xiaoyan & Jie (2019) dùng biểu đồ lượng cực; Yuqin Wang và cộng sự (2017) dùng thuật toán trọng số đa biến. Nhóm khai thác hồ sơ đặc trưng gồm: Tenison và cộng sự (2022) mô hình hóa sở thích tiềm ẩn; Y. Wu và cộng sự (2020) dùng số mờ; Obeidat và cộng sự (2019) dùng thuật toán SPADE phân cụm theo lịch sử chọn khóa học; Pang và cộng sự (2019) dùng chuỗi thời gian; Wan & Niu (2018) đánh giá sự tương ứng giữa đối tượng học tập và người học; Dwivedi và cộng sự (2018) dùng thuật toán di truyền; da S Dias & Wives (2019) kết hợp tín hiệu xã hội qua K-Nearest Neighbours (KNN); Hmedna và cộng sự (2016) phân loại phong cách học tập qua học có giám sát; Agbonifo & Akinsete (2020) kết hợp lọc cộng tác với bảo vệ quyền riêng tư; Panda và cộng sự (2020), Tarus và cộng sự (2018), Bousbahi & Chorfi (2015), Onah & Sinclair (2015), Venkataraman và cộng sự (2015).

3. Hướng nghiên cứu tư vấn sử dụng phương pháp lai (Hybrid filtering): Kết hợp nhiều kỹ thuật để khắc phục nhược điểm đơn lẻ. Điển hình gồm: Ezaldeen và cộng sự (2022), Ouertani & Alawadh (2017), Touimi và cộng sự (2020), Son và cộng sự (2021) tư vấn dựa trên tri thức; Aeiad & Meziane (2019) kết hợp ontology; Chenyuan và cộng sự (2021) kết hợp mạng neural; Intayoad và cộng sự (2017), Hou và cộng sự (2018), Pereira và cộng sự (2018), Werner-Stark & Nagy (2020) tư vấn theo ngữ cảnh; Bhaskaran và cộng sự (2021) dùng phân cụm; Y. Pan và cộng sự (2021) dùng hệ thống gán thẻ TRS; Jordán và cộng sự (2021) kết hợp nội dung và cộng tác để tư vấn video bài giảng; Zheng (2021) tư vấn đa cấp độ; Cao & Chang (2020) kết hợp KNN với nội dung; Osadchiy và cộng sự (2019) phân tích quy tắc kết hợp theo cặp; Vélez-Langs & Caicedo-Castro (2019) dùng K-means và Apriori; Singelmann và cộng sự (2019) dùng SVM và hồi quy; Zhang và cộng sự (2019) dùng tính toán phân tán Hadoop và Spark; Bourkoukou & El Bachari (2018), El Mabrouk và cộng sự (2017), Turnip và cộng sự (2017), Estrela và cộng sự (2017), Trusthi & Nurjanah (2017).

Hướng tiếp cận tư vấn	Ưu điểm chính ghi nhận	Hạn chế phổ biến theo tổng quan của luận án
Lọc theo nội dung (Content-based)	Tận dụng sở thích, kết quả cá nhân; không phụ thuộc cộng đồng	Bỏ qua kinh nghiệm tập thể; chỉ khai thác một vài đặc trưng riêng lẻ
Lọc cộng tác (Collaborative)	Gợi ý dựa trên sự tương đồng giữa các thành viên cộng đồng	Gặp vấn đề khởi động nguội (cold-start); chỉ xét cộng đồng đơn tiêu chí
Phương pháp lai (Hybrid)	Kết hợp đa kỹ thuật (tri thức, ngữ cảnh, luật kết hợp, phân cụm)	Chỉ tập trung thuật toán, thiếu khung tích hợp hệ thống thông tin

Đối với các nghiên cứu trong nước, tác giả khảo sát công trình của Nguyễn Thúy Ngọc và Nguyễn An Tế (2015) về tích hợp cộng đồng đa tiêu chí trong hệ thống tư vấn theo ngữ cảnh; luận án của Lê Đức Long về biểu diễn đồ thị tri thức (knowledge graph) cho bài giảng của giảng viên; và nghiên cứu của Lê Thị Huyền và cộng sự (2009) về tính hữu ích của đặc trưng người học. Tác giả nhận định các nghiên cứu này chưa gắn với bài toán tích hợp hệ thống tư vấn học tập đa tiêu chí cho đào tạo trực tuyến.

Từ kết quả tổng quan, luận án chỉ ra 4 khoảng trống tri thức:

• Khoảng trống thứ nhất: Các nghiên cứu hiện hành chủ yếu dừng ở việc đề xuất hoặc cải tiến thuật toán, chưa tiếp cận từ góc độ hệ thống thông tin để xem xét hệ thống tư vấn như một phân hệ tương tác trong hệ thống đào tạo trực tuyến.
• Khoảng trống thứ hai: Các mô hình hồ sơ người học chỉ sử dụng một vài đặc trưng riêng lẻ (lịch sử, phong cách, điểm số), chưa xây dựng cấu trúc hồ sơ toàn diện đa thuộc tính để thành lập cộng đồng đa tiêu chí.
• Khoảng trống thứ ba: Thực tiễn ứng dụng tại Việt Nam chỉ dừng ở tư vấn thích nghi cá nhân đơn lẻ, chưa có cơ sở đại học nào tích hợp hệ thống tư vấn khai thác kinh nghiệm cộng đồng vào hệ thống đào tạo trực tuyến.
• Khoảng trống thứ tư: Chưa có phương pháp luận đánh giá hiệu quả toàn diện của hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến, mà mới chỉ đánh giá độ chính xác kỹ thuật của thuật toán.

Cơ sở lý thuyết và phương pháp nghiên cứu

Về cơ sở lý thuyết, luận án xây dựng nền tảng dựa trên các trụ cột:

1. Ba chiều quan trọng của hệ thống thông tin: Tiếp cận theo khung lý thuyết của Kenneth P. Laudon và Jane P. Laudon (2004), bao gồm ba thành phần tương tác:
   • Tổ chức (Organization): Con người, cơ cấu tổ chức, quy trình nghiệp vụ, văn hóa và chính sách thúc đẩy hệ thống.
   • Quản lý (Management): Nhận thức tình huống, ra quyết định, lập kế hoạch chiến lược và phân bổ nguồn lực.
   • Công nghệ (Technology): Hạ tầng phần cứng, phần mềm, quản trị cơ sở dữ liệu và hạ tầng mạng kết nối.
2. Quá trình ra quyết định và hệ hỗ trợ ra quyết định (DSS): Kế thừa mô hình quá trình ra quyết định 6 bước của Simon (1960) (xác định vấn đề, thu thập thông tin, xác định giải pháp, chọn giải pháp, triển khai, đánh giá) và các đặc tính của DSS theo Steven Alter (1980). Luận án áp dụng phân loại DSS theo mối quan hệ với người dùng của Felsberger và cộng sự (2016) (gồm DSS thụ động, DSS chủ động, DSS hợp tác) và phân loại theo cơ chế hỗ trợ của Power (2001) gồm 5 loại: dựa trên dữ liệu (Data-driven), dựa trên mô hình (Model-driven), dựa trên giao tiếp/nhóm (Communication-driven/GDSS/CDSS), dựa trên tri thức (Knowledge-driven), và dựa trên tài liệu (Document-driven). Kiến trúc tổng quát của DSS gồm 4 thành phần: thành phần dữ liệu, thành phần mô hình, thành phần giao tiếp và thành phần giao diện.
3. Lý thuyết hệ thống tư vấn thông tin và cộng đồng đa tiêu chí:
   • Tư vấn dựa trên nội dung: Biểu diễn hồ sơ người dùng $u$ và nội dung $i$ dưới dạng vector không gian, tính toán độ tương đồng qua hàm Cosin: $$\text{Cosin}(u, i) = \frac{\vec{u} \cdot \vec{i}}{|\vec{u}| |\vec{i}|}$$
   • Tư vấn dựa trên sự cộng tác: Dự đoán điểm đánh giá chưa biết $f(\text{user}, \text{item}) \to \text{rating}$ dựa trên ma trận đánh giá người dùng - tài nguyên.
   • Cộng đồng người dùng đa tiêu chí: Kế thừa mô hình của Nguyễn Thúy Ngọc và Nguyễn An Tế (2015), mở rộng quan niệm cộng đồng truyền thống (vốn chỉ dựa vào một tiêu chí duy nhất) thành không gian cộng đồng đa tiêu chí, trong đó mỗi thuộc tính hoặc sự kết hợp nhiều thuộc tính trong hồ sơ người dùng cấu thành một tiêu chí tạo nhóm.
   • Quản trị hồ sơ người dùng: Tiếp cận theo Montaner và cộng sự (2003) qua 4 tác vụ: biểu diễn (nhân khẩu học, lịch sử khai thác, không gian vector, ma trận đánh giá), khởi tạo (xử lý vấn đề khởi động nguội cold-start bằng tích lũy dữ liệu rỗng, thủ công, khuôn mẫu hoặc tập huấn luyện), cập nhật và khai thác.
4. Phân tích học tập trong giáo dục đại học: Sử dụng vòng đời phân tích học tập LALC (Learning Analytics Life Cycle) và khung tích hợp phân tích dữ liệu giáo dục đại học DAHE (Integrated Framework for Data Analytics in Higher Education) làm công cụ xử lý dữ liệu phục vụ tư vấn.

Về phương pháp luận nghiên cứu, phương pháp chủ đạo của luận án là Phương pháp luận nghiên cứu khoa học thiết kế (Design Science Research Methodology - DSRM) trong lĩnh vực hệ thống thông tin do Peffers và cộng sự (2007) đề xuất.

Khung nghiên cứu tổng quát được xây dựng dựa trên mô hình nghiên cứu hệ thống thông tin của Hevner, March, Park & Ram (2004), gồm ba khối chức năng:

• Môi trường/Ngữ cảnh (Context): Bối cảnh giáo dục đại học, thực trạng hệ thống đào tạo trực tuyến tại Việt Nam và nhu cầu hỗ trợ học tập của người học.
• Nghiên cứu khoa học thiết kế (Research): Quy trình lặp gồm phân tích yêu cầu, thiết kế và phát triển mô hình (các phân hệ eCMBLC), thực nghiệm trên dữ liệu thực tế, đánh giá và điều chỉnh.
• Cơ sở tri thức (Knowledge Base): Lý thuyết về hệ thống thông tin (Laudon & Laudon), hệ hỗ trợ ra quyết định (Simon, Power), hệ thống tư vấn (Montaner, Ricci, Burke), phân tích học tập (DAHE, LALC); phương pháp PRISMA; phương pháp phân tích thiết kế hệ thống (DFD); các thuật toán máy học và thư viện ngôn ngữ lập trình.

Nguồn dữ liệu thực nghiệm được trích xuất trực tiếp từ cơ sở dữ liệu hệ thống đào tạo trực tuyến của Trường Đại học Kinh tế Quốc dân, bao gồm 5 tập tin cấu trúc dữ liệu: danh mục môn học, điểm cuối kỳ, danh sách sinh viên, lịch sử hoạt động trên khóa học trực tuyến (log tương tác LMS) và điểm đánh giá quá trình.

Nội dung chính theo từng chương

Chương 1: Tổng quan tình hình nghiên cứu

Chương 1 thực hiện rà soát hệ thống 70 công trình quốc tế (2015–2022) và các nghiên cứu tiêu biểu tại Việt Nam. Tác giả khảo sát toàn diện theo ba trục: góc độ tiếp cận (hệ thống thông tin hay thuần túy thuật toán), phương pháp đánh giá (đo lường kỹ thuật hay đánh giá tác động hệ thống) và cấu trúc hồ sơ người học. Kết quả rà soát chỉ rõ phần lớn công trình chỉ tập trung tối ưu hóa các chỉ số thuật toán phân lớp, hồi quy hoặc phân cụm; rất hiếm công trình thiết kế cấu trúc phân hệ tư vấn hoàn chỉnh tương tác với LMS. Đồng thời, các nghiên cứu chưa kết hợp đồng thời các thuộc tính tĩnh (thông tin cá nhân, ngành học) với các thuộc tính động (hành vi trực tuyến, điểm thành phần) để thành lập cộng đồng đa tiêu chí, từ đó xác lập 4 câu hỏi nghiên cứu định hướng cho các chương tiếp theo.

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) làm thước đo cho việc thiết kế và triển khai giải pháp. Chương này trình bày chi tiết lý thuyết quá trình ra quyết định của Simon và kiến trúc 4 thành phần của DSS theo Power (2001). Nội dung trọng tâm là phân tích bản chất của hệ thống tư vấn thông tin (lọc nội dung, lọc cộng tác, tiếp cận lai) và cơ chế hình thành cộng đồng người dùng đa tiêu chí theo đề xuất của Nguyễn Thúy Ngọc và Nguyễn An Tế (2015). Luận án cũng hệ thống hóa các kỹ thuật quản trị hồ sơ người học (biểu diễn vector, ma trận, giải pháp cho vấn đề khởi động nguội) và ứng dụng khung phân tích học tập DAHE để xử lý dữ liệu tương tác học tập.

Chương 3: Đề xuất mô hình

Từ thực trạng hệ thống đào tạo trực tuyến tại các trường đại học Việt Nam chủ yếu là LMS cung cấp nội dung cố định, chương 3 đề xuất Mô hình tư vấn học tập trên hệ thống đào tạo trực tuyến dựa trên cộng đồng người dùng đa tiêu chí (ký hiệu là mô hình eCMBLC - Elearning Consult Model based on Learner Community).

Mô hình eCMBLC được biểu diễn qua ba khía cạnh cấu trúc:

1. Mô hình hỗ trợ ra quyết định trong hoạt động học tập: Minh họa cách thức thu nhận dữ liệu hành vi, ánh xạ nhu cầu của người học và trả về quyết định tư vấn tối ưu.
2. Mô hình tích hợp phân hệ tư vấn học tập: Mô tả mối quan hệ giữa phân hệ tư vấn với các phân hệ hiện hữu của hệ thống đào tạo trực tuyến (phân hệ quản lý đào tạo, phân hệ quản lý người dùng, phân hệ ngân hàng học liệu, phân hệ đánh giá).
3. Mô hình kiến trúc - chức năng: Thể hiện chi tiết quy trình luồng dữ liệu (DFD) và cơ chế vận hành của 3 phân hệ tư vấn cụ thể:
   • Phân hệ tư vấn đăng ký môn học (dựa trên năng lực, tiến độ và đánh giá cộng đồng).
   • Phân hệ tư vấn cách thức học tập (dựa trên đối sánh hành vi học tập của cá nhân với các nhóm học viên đạt kết quả cao trong cộng đồng).
   • Phân hệ tư vấn kết hợp đăng ký môn học và cách thức học tập.

+-------------------------------------------------------------------+
|               HỆ THỐNG ĐÀO TẠO TRỰC TUYẾN HIỆN HỮU                |
|  [QL Đào tạo]    [QL Khóa học/LMS]    [QL Người học]    [Đánh giá]|
+---------------------------------+---------------------------------+
                                  |
            Tích hợp trao đổi dữ liệu hai chiều (APIs/ETL)
                                  |
                                  v
+-------------------------------------------------------------------+
|                    PHÂN HỆ TƯ VẤN HỌC TẬP (eCMBLC)                |
|                                                                   |
|  1. QUẢN TRỊ HỒ SƠ NGƯỜI HỌC (Thuộc tính tĩnh & hành vi động)      |
|                                  |                                |
|  2. THÀNH LẬP CỘNG ĐỒNG ĐA TIÊU CHÍ (Phân cụm: K-means / AHC)     |
|                                  |                                |
|  3. CÁC CƠ CHẾ TƯ VẤN THỰC THI:                                   |
|     * Tư vấn đăng ký môn học (Ma trận đánh giá / Điểm số kỳ vọng) |
|     * Tư vấn cách thức học tập (Cây quyết định / Mạng neural)     |
|     * Tư vấn gợi ý nhóm học tập (Độ tương đồng đặc trưng)         |
+-------------------------------------------------------------------+

Chương 4: Thực nghiệm mô hình

Chương 4 thực hiện kiểm chứng tính khả thi của mô hình eCMBLC bằng quy trình thực nghiệm trên bộ dữ liệu của Trường Đại học Kinh tế Quốc dân. Dữ liệu thực nghiệm bao gồm hồ sơ của sinh viên, lịch sử truy cập học liệu, thời gian làm bài, điểm quá trình và điểm thi kết thúc học phần (minh họa cụ thể với môn Cơ sở dữ liệu).

Quá trình tiền xử lý dữ liệu bao gồm trích xuất, làm sạch, chuyển đổi và tính toán vector đặc trưng người học. Tác giả tiến hành:

• Thành lập cộng đồng người học: Sử dụng phương pháp phân cụm K-means và gom cụm thứ bậc (AHC). Để xác định số cụm tối ưu ($K$), tác giả áp dụng phương pháp khuỷu tay (Elbow method với tổng bình phương khoảng cách Euclidean - SSE) kết hợp phân tích hệ số Silhouette (Silhouette Analysis). Kết quả so sánh điểm Silhouette giữa K-means và AHC trên tập dữ liệu thực nghiệm đã xác định giá trị $K$ tối ưu để phân nhóm học viên có đặc tính tương đồng.
• Thực nghiệm phân hệ tư vấn cách thức học tập: So sánh ba thuật toán khai thác dữ liệu gồm Cây quyết định (Decision Tree), Mạng neural nhân tạo (Neural Network) và Khai phá luật kết hợp (Association Rules). Kết quả phân lớp được đo lường thông qua ma trận nhầm lẫn (Confusion Matrix), diện tích dưới đường cong ROC (AUC - ROC) cùng các chỉ số đo lường hiệu năng.
• Thực nghiệm phân hệ tư vấn đăng ký môn học: Xây dựng ma trận đánh giá môn học (được ánh xạ từ thang điểm chữ sang mức độ ưa thích), chuẩn hóa ma trận và so sánh kết quả thực nghiệm giữa các thuật toán tư vấn.

Thuật toán / Kỹ thuật thực nghiệm	Nhiệm vụ trong phân hệ eCMBLC	Công cụ / Tiêu chí đánh giá thực nghiệm
K-means & AHC	Phân cụm thành lập cộng đồng người học đa tiêu chí	Phương pháp khuỷu tay (SSE), hệ số Silhouette
Cây quyết định (Decision Tree)	Trích xuất tập luật tư vấn cách thức học tập	Ma trận nhầm lẫn, độ chính xác phân lớp, chỉ số AUC - ROC
Mạng Neural (Neural Network)	Phân lớp dự đoán kết quả dựa trên hành vi học tập	Ma trận nhầm lẫn, đường cong ROC, so sánh độ nhạy
Luật kết hợp (Association Rules)	Khai phá mẫu hành vi học tập trực tuyến đặc thù	Độ hỗ trợ (Support), độ tin cậy (Confidence)
Lọc cộng tác dựa trên ma trận	Tư vấn môn học phù hợp theo cộng đồng	Ma trận đánh giá môn học sau khi chuẩn hóa

Chương 5: Các khuyến nghị

Dựa trên nền tảng ba chiều của hệ thống thông tin (Laudon & Laudon, 2004) và kết quả thực nghiệm, chương 5 đưa ra hệ thống khuyến nghị đồng bộ để triển khai mô hình eCMBLC tại các trường đại học Việt Nam:

• Khuyến nghị về chiều tổ chức: Xây dựng quy chế sử dụng hệ thống tư vấn, hoàn thiện chính sách đào tạo trực tuyến, phân định rõ thẩm quyền và trách nhiệm của các đơn vị quản lý đào tạo, giảng viên và người học; thúc đẩy văn hóa chia sẻ và tương tác học tập trực tuyến.
• Khuyến nghị về chiều quản lý: Đào tạo nâng cao năng lực cho đội ngũ quản trị; xây dựng kế hoạch phân bổ nguồn lực vận hành; tích hợp kết quả phân tích học tập vào công tác ra quyết định quản trị đào tạo.
• Khuyến nghị về chiều công nghệ: Nâng cấp hạ tầng máy chủ và đường truyền; thiết kế chuẩn giao tiếp (APIs) để đồng bộ dữ liệu giữa LMS và phân hệ tư vấn; tích lũy kho dữ liệu học tập lớn phục vụ huấn luyện mô hình.
• Đề xuất giải pháp đánh giá hiệu quả: Luận án xây dựng khung đánh giá hiệu quả toàn diện kết hợp giữa các chỉ tiêu kỹ thuật (độ chính xác, thời gian đáp ứng, độ bao phủ) và các chỉ tiêu tổ chức - người dùng (mức độ chấp nhận công nghệ, sự hài lòng, kết quả cải thiện học tập của sinh viên).

Kết quả và những đóng góp mới

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

Về mặt lý luận:

1. Luận án đã tổng hợp hệ thống các nghiên cứu, cơ sở lý thuyết và thực tiễn để khẳng định sự cần thiết của hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến.
2. Luận án đã phát triển khung lý thuyết cho hệ thống hỗ trợ ra quyết định (DSS) 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 đa tiêu chí.
3. 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, vượt ra ngoài việc chỉ đo lường thuật toán thuần túy.

Về mặt thực tiễn:

1. Luận án đã đề xuất mô hình tư vấn học tập dựa trên cộng đồng người dùng (người học) đa tiêu chí (eCMBLC) có khả năng tích hợp và triển khai thực tế vào các cơ sở giáo dục đại học tại Việt Nam.
2. Luận án đề xuất một cách tiếp cận mới trong việc áp dụng các thuật toán khai phá dữ liệu học tập (học máy, phân cụm, luật kết hợp) từ hệ thống đào tạo trực tuyến để đưa ra các tư vấn đa dạng (môn học, cách thức học tập, nhóm học tập).
3. Luận án đã đưa ra các nhóm khuyến nghị khả thi theo ba chiều (tổ chức, quản lý, công nghệ) nhằm chuyển giao và ứng dụng mô hình tư vấn vào thực tiễn quản trị đào tạo tại các trường đại học.

Hạn chế và hướng nghiên cứu tiếp

Căn cứ theo nội dung văn bản luận án công bố, các hạn chế và định hướng nghiên cứu tiếp theo bao gồm:

• Về đối tượng nghiên cứu: Khái niệm người dùng của hệ thống về lý thuyết bao gồm cả người học và giảng viên, nhưng phạm vi thực nghiệm và thiết kế chi tiết của luận án mới chỉ tập trung giới hạn vào đối tượng người học. Hướng nghiên cứu tiếp theo cần mở rộng xây dựng các phân hệ tư vấn hỗ trợ giảng viên trong việc thiết kế bài giảng, điều chỉnh nội dung môn học và quản lý lớp học.
• Về phạm vi và dữ liệu thực nghiệm: Dữ liệu thực nghiệm của luận án mới chỉ được trích xuất từ hệ thống đào tạo trực tuyến của một đơn vị cụ thể là Trường Đại học Kinh tế Quốc dân, tập trung trên một số học phần đại diện (như môn Cơ sở dữ liệu). Nghiên cứu tiếp theo cần mở rộng thu thập và kiểm thử dữ liệu đa dạng từ nhiều cơ sở giáo dục đại học khác nhau với các khối ngành đào tạo khác nhau để kiểm chứng tính phổ quát.
• Về triển khai đánh giá dài hạn: Khung đánh giá hiệu quả hệ thống mới dừng ở mức đề xuất giải pháp lý thuyết kết hợp thực nghiệm kỹ thuật; cần tiếp tục triển khai hệ thống hoạt động thực tế trong thời gian dài để đánh giá đầy đủ tác động đối với kết quả học tập định lượng và hành vi của người học.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng học thuật và thực tiễn:

• Nghiên cứu sinh, học viên cao học và giảng viên ngành Hệ thống thông tin quản lý, Khoa học máy tính, Công nghệ giáo dục: Cung cấp phương pháp tổng quan tài liệu theo chuẩn PRISMA trong lĩnh vực E-learning, cấu trúc ứng dụng phương pháp luận nghiên cứu khoa học thiết kế (DSRM), cách thức kết hợp lý thuyết hệ thống thông tin (Laudon & Laudon) với các mô hình toán học và thuật toán khai phá dữ liệu.
• Cán bộ quản lý đào tạo và ban giám hiệu các trường đại học: Cung cấp căn cứ thực tiễn và các khuyến nghị theo ba chiều (tổ chức, quản lý, công nghệ) để xây dựng chiến lược chuyển đổi số từ hệ thống LMS truyền thống sang hệ thống học tập cá nhân hóa thích ứng với năng lực người học.
• Kỹ sư công nghệ thông tin và nhóm phát triển phần mềm giáo dục: Cung cấp chi tiết mô hình kiến trúc - chức năng, sơ đồ luồng dữ liệu (DFD), cấu trúc hồ sơ đặc trưng người học và quy trình xử lý dữ liệu log để lập trình tích hợp phân hệ tư vấn vào các hệ thống quản trị học tập hiện hành.

Câu hỏi thường gặp

1. Khái niệm "cộng đồng người dùng đa tiêu chí" trong luận án được định nghĩa như thế nào?
Trong luận án, cộng đồng người dùng đa tiêu chí được xây dựng dựa trên nguyên tắc: mỗi đặc trưng trong hồ sơ người học (nhân khẩu học, kết quả học tập quá khứ, lịch sử tương tác, thói quen học tập) đều có thể trở thành một tiêu chí đơn lẻ hoặc kết hợp đa tiêu chí để thành lập nhóm. Người học có thể đồng thời thuộc về nhiều cộng đồng khác nhau, cho phép hệ thống khai thác kinh nghiệm tập thể đa chiều thay vì chỉ giới hạn trong một tiêu chí sở thích đơn lẻ như các hệ thống lọc cộng tác truyền thống.

2. Mô hình eCMBLC của luận án cung cấp những chức năng tư vấn cụ thể nào cho người học?
Mô hình eCMBLC được thiết kế để cung cấp ba chức năng tư vấn chính: (1) Tư vấn đăng ký môn học (gợi ý các môn tự chọn hoặc lộ trình phù hợp với năng lực và điểm số kỳ vọng dựa trên ma trận đánh giá); (2) Tư vấn cách thức học tập (đối sánh hành vi trực tuyến của cá nhân với các quy luật thành công được trích xuất từ cộng đồng để điều chỉnh phương pháp học môn học cụ thể); (3) Tư vấn nhóm học tập (gợi ý kết nối các bạn học có đặc trưng tương đồng để trao đổi kiến thức).

3. Luận án đã sử dụng những thuật toán máy học và khai phá dữ liệu nào trong giai đoạn thực nghiệm?
Luận án sử dụng thuật toán K-means và gom cụm thứ bậc (AHC) để phân cụm cộng đồng người học (được tối ưu hóa số cụm qua phương pháp khuỷu tay và hệ số Silhouette). Đối với phân hệ tư vấn cách thức học tập và phân loại kết quả, luận án thực nghiệm và so sánh giữa ba thuật toán: Cây quyết định (Decision Tree), Mạng neural nhân tạo (Neural Network) và Khai phá luật kết hợp (Association Rules).

4. Dữ liệu thực nghiệm của luận án có nguồn gốc từ đâu và bao gồm những thông tin gì?
Dữ liệu thực nghiệm được rút trích từ hệ thống đào tạo trực tuyến của Trường Đại học Kinh tế Quốc dân. Bộ dữ liệu bao gồm 5 cấu trúc tập tin chính: danh mục các môn học, dữ liệu điểm thi cuối kỳ, danh sách thông tin người học, lịch sử hoạt động (logs) của người học trên khóa học trực tuyến và kết quả điểm đánh giá quá trình học tập.

5. Luận án dựa trên khung phương pháp luận nghiên cứu chủ đạo nào để thực hiện đề tài?
Luận án sử dụng Phương pháp luận nghiên cứu khoa học thiết kế (Design Science Research Methodology - DSRM) của Peffers và cộng sự (2007) làm phương pháp nghiên cứu chủ đạo, phối hợp cùng phương pháp phân tích tổng quan tài liệu hệ thống PRISMA (Moher và cộng sự, 2009) và phương pháp phân tích thiết kế hệ thống thông tin.

Kết luận

Luận án tiến sĩ của tác giả Bùi Xuân Huy đã giải quyết bài toán hỗ trợ người học ra quyết định trong môi trường đào tạo trực tuyến thông qua việc xây dựng mô hình tư vấn học tập dựa trên cộng đồng người dùng đa tiêu chí (eCMBLC). Nghiên cứu đã tiếp cận vấn đề dưới góc độ hệ thống thông tin hoàn chỉnh, kết hợp hài hòa giữa cơ sở lý thuyết hệ hỗ trợ ra quyết định, kỹ thuật khai phá dữ liệu học tập và phương pháp luận khoa học thiết kế DSRM. Kết quả thực nghiệm trên dữ liệu của Trường Đại học Kinh tế Quốc dân chứng minh tính khả thi của mô hình trong việc tư vấn môn học và cách thức học tập. Đây là công trình có giá trị học thuật và ứng dụng thực tiễn rõ rệt, cung cấp cơ sở khoa học cùng hệ thống khuyến nghị đồng bộ cho việc nâng cấp các hệ thống đào tạo trực tuyến tại các cơ sở giáo dục đại học ở Việt Nam.

Trích đoạn nội dung tài liệu

B GIÁO D C VÀ ÀO T O TR¯ NG  I H C KINH T QU C DÂN --------------------------------- Bùi Xuân Huy Xây dÿng mô hình t± v¿n hßc t¿p trên hß thßng ñào t¿o trÿc tuy¿n dÿa trên cßng ñßng ng±ßi dùng ña tiêu chí LU N ÁN TI N S) KINH T HÀ N I – 2024 B GIÁO D C VÀ ÀO T O TR¯ NG  I H C KINH T QU C DÂN --------------------------------- Bùi Xuân Huy Xây dÿng mô hình t± v¿n hßc t¿p trên hß thßng ñào t¿o trÿc tuy¿n dÿa trên cßng ñßng ng±ßi dùng ña tiêu chí Chuyên ngành: H th ng thông tin qu n lý Mã s : 9340405 LU N ÁN TI N S) KINH T Ng± i h± ng d n khoa h c: 1. Tr n Th Song Minh HÀ N I – 2024 i LÞI CAM OAN Tôi ã ßc và hißu vß các hành vi vi ph¿m sÿ trung thÿc trong hßc thu¿t. Tôi cam k¿t b¿ng danh dÿ cá nhân r¿ng lu¿n án ti¿n s) này do tôi tÿ thÿc hißn và không vi ph¿m yêu c¿u vß sÿ trung thÿc trong hßc thu¿t. “Nghi ên Hà Nßi, ngày tháng nm 2024 Nghiên cÿu sinh Bùi Xuân Huy ii LÞI C¾M ¡N ß hoàn thành lu¿n án này, nghiên cÿu sinh xin ±ÿc gÿi lßi c¿m ¡n chân thành ¿n TS Nguyßn An T¿ và PGS TS Tr¿n Thß Song Minh ã hß trÿ, h±ßng d¿n và ßng hành trong sußt quá trình thÿc hißn nghiên cÿu.

Xin c¿m ¡n Ban giám hißu, Vißn ào t¿o Sau ¿i hßc - tr±ßng ¿i hßc Kinh t¿ TP. Hß Chí Minh và tr±ßng ¿i hßc Kinh t¿ Qußc dân ã t¿o ißu kißn ß ch±¡ng trình hÿp tác ào t¿o ti¿n s) ngành Hß thßng thông tin qu¿n lý ±ÿc dißn ra thu¿n lÿi. Xin c¿m ¡n quý Th¿y Cô khoa Tin hßc kinh t¿ tr±ßc kia và Vißn Công nghß thông tin và Kinh t¿ sß - tr±ßng ¿i hßc Kinh t¿ Qußc dân ã trang bß cho nghiên cÿu sinh nhÿng ki¿n thÿc chuyên ngành nâng cao và kh¿ nng nghiên cÿu chuyên sâu trong l)nh vÿc Hß thßng thông thông tin qu¿n lý. Xin c¿m ¡n các ßng nghißp trong Khoa Công nghß thông tin kinh doanh - tr±ßng ¿i hßc Kinh t¿ TP.

Hß Chí Minh ã gánh vác mßt ph¿n công vißc và ¿c bißt là gia ình, b¿n bè thân thi¿t ã luôn quan tâm, ßng viên nghiên cÿu sinh trong nhÿng lúc khó khn nh¿t. Xin trân trßng c¿m ¡n! Hà Nßi, ngày tháng nm 2024 Nghiên cÿu sinh Bùi Xuân Huy iii MþC LþC LÞI CAM OAN. iii DANH MþC Tþ VI¾T T¾T. vi DANH MþC HÌNH .vii DANH MþC B¾NG.

C¡ sß hình thành ß tài. Bßi c¿nh cÿa ngành giáo dÿc. Tình hình nghiên cÿu, ÿng dÿng. Mÿc tiêu nghiên cÿu.

ßi t±ÿng và ph¿m vi nghiên cÿu. Câu hßi nghiên cÿu. Ph±¡ng pháp nghiên cÿu. Khung nghiên cÿu tßng quát.

Nhÿng óng góp mßi cÿa lu¿n án. Bß cÿc cÿa lu¿n án. 8 CH¯¡NG 1 TÞNG QUAN TÌNH HÌNH NGHIÊN CþU. Ph±¡ng pháp thÿc hißn.

K¿t qu¿ thÿc hißn. T± v¿n hßc t¿p trên hß thßng ào t¿o trÿc tuy¿n ±ÿc xây dÿng theo cách ti¿p c¿n qu¿n lý hßc t¿p. T± v¿n hßc t¿p trên hß thßng ào t¿o trÿc tuy¿n ±ÿc xây dÿng theo cách ti¿p c¿n hßc t¿p ±ÿc cá nhân hóa. Các nghiên cÿu vß t± v¿n dÿa trên nßi dung.

Các nghiên cÿu vß t± v¿n dÿa trên sÿ cßng tác. Các nghiên cÿu vß t± v¿n sÿ dÿng ph±¡ng pháp lai. Các nghiên cÿu trong n±ßc. Các kho¿ng trßng tri thÿc.

Tßng k¿t Ch±¡ng 1. 26 CH¯¡NG 2 C¡ SÞ LÝ THUY¾T. Ba chißu quan trßng cÿa hß thßng thông tin. Quá trình ra quy¿t ßnh và hß hß trÿ ra quy¿t ßnh.

Phân lo¿i hß hß ra trÿ quy¿t ßnh. Ki¿n trúc hß hß trÿ ra quy¿t ßnh. Tßng quan vß hß thßng t± v¿n thông tin. T± v¿n dÿa trên nßi dung.

T± v¿n dÿa trên sÿ cßng tác. Các ph±¡ng pháp khác và cách ti¿p c¿n lai. Cßng ßng ng±ßi dùng a tiêu chí trong hß thßng t± v¿n thông tin. Qu¿n trß hß s¡ ng±ßi dùng trong hß thßng t± v¿n thông tin.

C¿u trúc hß s¡ ng±ßi hßc trong hß thßng t± v¿n hßc t¿p. ánh giá hißu qu¿ cÿa hß thßng thông tin. ánh giá hß thßng t± v¿n thông tin. Khung phân tích hßc t¿p trong giáo dÿc ¿i hßc.

Tßng k¿t Ch±¡ng 2. 47 CH¯¡NG 3 Þ XU¾T MÔ HÌNH. Mô hình phß bi¿n cÿa hß thßng ào t¿o trÿc tuy¿n ß các c¡ sß giáo dÿc ¿i hßc Vißt Nam hißn nay. ¿c ißm cÿa cßng ßng ng±ßi hßc trÿc tuy¿n.

Mô hình t± v¿n hßc t¿p trên hß thßng ào t¿o trÿc tuy¿n dÿa trên cßng ßng ng±ßi dùng (cÿ thß là ng±ßi hßc) a tiêu chí. Mô hình hß trÿ ra quy¿t ßnh trong ho¿t ßng hßc t¿p. Mô hình tích hÿp phân hß t± v¿n hßc t¿p. Mô hình ki¿n trúc-chÿc nng.

Tßng k¿t Ch±¡ng 3. 67 CH¯¡NG 4 THþC NGHIÞM MÔ HÌNH. Mô t¿ dÿ lißu thÿc nghißm. Thi¿t k¿ thÿc nghißm.

Tißn xÿ lý dÿ lißu. Bißu dißn c¿u trúc và xây dÿng hß s¡ ng±ßi hßc. Thành l¿p cßng ßng ng±ßi hßc. Xây dÿng các phân hß t± v¿n hßc t¿p.

K¿t qu¿ thÿc nghißm. K¿t qu¿ bißu dißn c¿u trúc và xây dÿng hß s¡ ng±ßi hßc. K¿t qu¿ thÿc nghißm thành l¿p cßng ßng ng±ßi hßc. K¿t qu¿ thÿc nghißm t± v¿n cách thÿc hßc t¿p.

K¿t qu¿ thÿc nghißm t± v¿n ng ký môn hßc. Tßng k¿t Ch±¡ng 4. 96 CH¯¡NG 5 CÁC KHUY¾N NGHÞ. Các khuy¿n nghß trißn khai.

Khuy¿n nghß vß gi¿i pháp ánh giá hißu qu¿ hß thßng. Tßng k¿t Ch±¡ng 5. Tßng k¿t quá trình nghiên cÿu. Nhÿng óng góp mßi cÿa lu¿n án.

H¿n ch¿ và h±ßng phát trißn. 104 DANH MþC CÁC CÔNG TRÌNH KHOA HÞC à CÔNG BÞ. 106 TÀI LIÞU THAM KH¾O. 121 Dÿ lißu môn hßc.

121 Dÿ lißu ißm cußi kÿ. 121 Dÿ lißu sinh viên. 121 Dÿ lißu lßch sÿ ho¿t ßng trên khóa hßc trÿc tuy¿n. 122 Dÿ lißu ißm ánh giá quá trình trên khóa hßc trÿc tuy¿n.

122 vi DANH MþC Tþ VI¾T T¾T Tÿ vi¿t t¿t Ngh)a ti¿ng Anh Ngh)a ti¿ng Vißt AI Artificial Intelligence Trí tuß nhân t¿o API Application Programming Interface Các ph±¡ng thÿc, giao thÿc k¿t nßi vßi các ÿng dÿng và th± vißn BI Business Intelligence Trí tuß kinh doanh CDSS Collaborative Decision Support System Hß hß trÿ ra quy¿t ßnh cßng tác DAHE Integrated Framework for Data Khung tích hÿp phân tích dÿ lißu Analytics in Higher Education hßc t¿p b¿c ¿i hßc DFD Data Flow Diagram S¡ ß lußng dÿ lißu DSRM Design Science Research Methodology Ph±¡ng pháp lu¿n nghiên cÿu khoa hßc thi¿t k¿ DSS Decision Support System Hß hß trÿ ra quy¿t ßnh eCMBLC Elearning consult model based on Mô hình t± v¿n hßc t¿p trên hß learner community thßng ào t¿o trÿc tuy¿n dÿa trên cßng ßng ng±ßi hßc ETL Extract transform load Công cÿ trích xu¿t chuyßn ßi và t¿i dÿ lißu GDSS Group Decision Support System Hß hß trÿ ra quy¿t ßnh theo nhóm LALC Learning Analytics Life Cycle Vòng ßi phân tích hßc t¿p LMS Learning management system Hß thßng qu¿n lý hßc t¿p OLAP On-line Analytical Processing Xÿ lý phân tích trÿc tuy¿n PLS Personalized learning system Hß thßng hßc t¿p cá nhân hóa PRISMA Preferred reporting items for sytematic Ph±¡ng pháp phân lo¿i tßng hÿp reviews and meta-analyses tài lißu nghiên cÿu SSE The sum of the squared Euclidean Tßng bình ph±¡ng kho¿ng cách distances vii DANH MþC HÌNH Hình 1: Khung nghiên cÿu tßng quát cÿa lu¿n án .1: Quá trình tìm ki¿m và tßng hÿp tài lißu theo ph±¡ng pháp PRISMA .2: Khung phân lo¿i các nghiên cÿu .1: Ba chißu cÿa hß thßng thông tin .2: Phân lo¿i các hß hß trÿ ra quy¿t ßnh .3: Ki¿n trúc cÿa hß hß trÿ ra quy¿t ßnh .4: Ph±¡ng pháp ti¿p c¿n lai .5: Mô hình cßng ßng ng±ßi dùng a tiêu chí trong hß thßng t± v¿n thông tin .6: Qu¿n trß hß s¡ ng±ßi dùng trong hß thßng t± v¿n .7: Mô hình ánh giá hißu qu¿ cÿa hß thßng thông tin .8: Khung phân tích hßc t¿p LALC .9: Khung tích hÿp phân tích dÿ lißu trong giáo dÿc ¿i hßc (DAHE) .1: Mô hình phß bi¿n cÿa hß thßng ào t¿o trÿc tuy¿n ß các c¡ sß giáo dÿc ¿i hßc Vißt Nam hißn nay.2: Quá trình ra quy¿t ßnh cÿa ng±ßi hßc .3: Mô hình hß trÿ ra quy¿t ßnh trong ho¿t ßng hßc t¿p.4: Mô hình tích hÿp phân hß t± v¿n hßc t¿p .5: Mô hình ki¿n trúc-chÿc nng cÿa hß thßng t± v¿n hßc t¿p .6: C¡ ch¿ ho¿t ßng cÿa chÿc nng t± v¿n ng ký môn hßc .7: C¡ ch¿ ho¿t ßng cÿa chÿc nng t± v¿n cách thÿc hßc t¿p .8: C¡ ch¿ ho¿t ßng cÿa chÿc nng t± v¿n ng ký môn hßc k¿t hÿp vßi t± v¿n cách thÿc hßc t¿p .1: Quy trình thÿc nghißm nghiên cÿu cÿa lu¿n án .2: Quy trình xây dÿng và c¿p nh¿t hß s¡ ng±ßi hßc .3: Ph±¡ng pháp khuÿu tay xác ßnh sß cÿm (K) tßt nh¿t .4: Ph±¡ng pháp Silhouette Analysis xác ßnh sß cÿm K tßt nh¿t .5: Quy trình thÿ nghißm phân hß t± v¿n cách thÿc hßc t¿p .6: ß thß bißu dißn chß sß AOC và ROC trong thu¿t toán phân lßp .7: Mô hình c¡ ch¿ ho¿t ßng cÿa phân hß t± v¿n ng ký môn hßc và cách thÿc hßc t¿p .8: So sánh k¿t qu¿ thÿc nghißm các thu¿t toán t± v¿n .1: Mô hình ánh giá hißu qu¿ .100 ix DANH MþC B¾NG B¿ng 1.1: Tßng hÿp các nghiên cÿu vß t± v¿n dÿa trên nßi dung.2: B¿ng tßng hÿp các nghiên cÿu vß t± v¿n dÿa trên sÿ cßng tác .3: B¿ng tßng hÿp các nghiên cÿu vß hß thßng t± v¿n sÿ dÿng ph±¡ng pháp lai .1: Phân lo¿i hß hß trÿ ra quy¿t ßnh .2: Vector bißu dißn hß s¡ ¿c tr±ng cÿa ng±ßi dùng u ßi vßi các thß lo¿i sách .3: Vector bißu dißn ¿c tr±ng cÿa hai quyßn sách A và B .4: Ma tr¿n ánh giá .5: Các ßnh ngh)a ±ÿc ß xu¿t cho phân tích dÿ lißu trong giáo dÿc ¿i hßc 46 B¿ng 2.6: Ví dÿ vß phân tích ß mßi c¿p ß ÿng dÿng cÿa DAHE.1: C¿u trúc hß s¡ ¿c tr±ng cÿa ng±ßi hßc .2: Các ph±¡ng pháp lÿa chßn k¿t qu¿ t± v¿n khi khi nh¿n ±ÿc nhißu k¿t qu¿ t± v¿n khác nhau .1: Mô t¿ dÿ lißu thÿc nghißm .2: C¿u trúc t¿p tin danh mÿc các môn hßc .3: C¿u trúc t¿p tin dÿ lißu ißm cußi kÿ .4: C¿u trúc t¿p tin danh sách ng±ßi hßc.5: C¿u trúc t¿p tin lßch sÿ ho¿t ßng cÿa ng±ßi hßc .6: C¿u trúc t¿p tin k¿t qu¿ ánh giá quá trình hßc t¿p cÿa ng±ßi hßc.7: Minh hßa vß k¿t qu¿ phân lo¿i cách thÿc hßc t¿p cho môn hßc C¡ sß dÿ lißu .8: Các ph±¡ng pháp hu¿n luyßn dÿ lißu .