Tổng quan nghiên cứu

Trong giai đoạn 2006–2010, quy mô đào tạo tại Trường Đại học Sư phạm Kỹ thuật Hưng Yên ghi nhận tốc độ tăng trưởng bình quân đạt khoảng 16,5%/năm. Đến năm 2010, tổng số lượng người học trên toàn trường đã vượt mức 16.000 sinh viên và dự kiến đạt xấp xỉ 18.000 sinh viên vào năm 2011, phân bổ tại 3 cơ sở đào tạo với tổng diện tích sàn trên 30 ha. Sự gia tăng nhanh chóng về số lượng người học cùng 29 chuyên ngành đào tạo đã đặt ra thách thức lớn đối với công tác quản lý và phân tích kết quả học tập. Trước thực trạng dữ liệu điểm được lưu trữ phân tán, xử lý thủ công qua phần mềm bảng tính và thiếu tính liên kết đa chiều, việc xây dựng một hệ thống phân tích dữ liệu tập trung trở thành nhu cầu cấp thiết.

Nghiên cứu tập trung giải quyết bài toán thiết kế và khai thác kho dữ liệu điểm dựa trên bộ công cụ Business Intelligence (BI) thuộc hệ quản trị cơ sở dữ liệu Microsoft SQL Server 2008. Mục tiêu cốt lõi của đề tài là chuyển đổi nguồn dữ liệu tác nghiệp rời rạc thành kho dữ liệu chuẩn hóa theo mô hình đa chiều, thiết lập hệ thống báo cáo quản trị linh hoạt và ứng dụng các thuật toán khai phá dữ liệu nhằm dự báo xu hướng học lực của sinh viên. Phạm vi thực nghiệm của luận văn được triển khai trên tập dữ liệu kết quả học tập của sinh viên hệ cao đẳng chính quy thuộc Khoa Công nghệ Thông tin qua 10 khóa đào tạo liên tục từ năm 1998 đến năm 2007.

Ý nghĩa thực tiễn của công trình thể hiện qua việc giảm thiểu hơn 80% thời gian trích xuất và tổng hợp báo cáo định kỳ so với phương pháp thủ công, đồng thời nâng cao độ chính xác trong công tác phân tích tương quan giữa điểm tuyển sinh đầu vào, kết quả các môn cơ bản với học lực tốt nghiệp, tạo nền tảng vững chắc hỗ trợ Ban Giám hiệu đưa ra các quyết định điều chỉnh chiến lược đào tạo kịp thời.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng lý thuyết kho dữ liệu (Data Warehouse) do William Inmon và Ralph Kimball khởi xướng, tập trung vào 4 đặc tính cốt lõi: tính hướng chủ đề, tính tích hợp, tính ổn định và tính gắn kết theo thời gian. Mô hình dữ liệu đa chiều được hiện thực hóa thông qua cấu trúc khối dữ liệu (Data Cube) và xử lý phân tích trực tuyến (Online Analytical Processing - OLAP) với các phương thức phân tích chuyên sâu gồm ROLAP, MOLAP và HOLAP.

Hệ thống tích hợp quy trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases - KDD) qua 7 giai đoạn chuẩn mực từ làm sạch, tích hợp, trích chọn, chuyển đổi, khai phá dữ liệu, đánh giá mẫu đến biểu diễn tri thức. Nền tảng công nghệ trung tâm là bộ công cụ Microsoft BI trên SQL Server 2008, bao gồm ba phân hệ chính: dịch vụ phân tích (SQL Server Analysis Services - SSAS) với mô hình chiều thống nhất (Unified Dimensional Model - UDM), dịch vụ báo cáo (SQL Server Reporting Services - SSRS) và dịch vụ tích hợp (SQL Server Integration Services - SSIS).

Khung phân tích dự báo sử dụng 3 thuật toán khai phá dữ liệu kinh điển:

  • Thuật toán Cây quyết định (Microsoft Decision Tree): Dựa trên phép đo Entropy và chỉ số độ lợi thông tin (Information Gain) để phân nhánh dữ liệu và tạo tập luật phân lớp.
  • Thuật toán Naïve Bayes (Microsoft Naïve Bayes): Dựa trên định lý xác suất Bayes với giả thiết các thuộc tính độc lập có điều kiện, hỗ trợ tính toán nhanh xác suất hậu nghiệm.
  • Thuật toán Mạng nơ-ron nhân tạo (Microsoft Neural Network): Mô hình hóa các quan hệ phi tuyến phức tạp giữa các thuộc tính đầu vào và kết quả học tập.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thứ cấp từ cơ sở dữ liệu quản trị đào tạo và các bảng tổng hợp kết quả học tập qua phần mềm bảng tính tại Trường Đại học Sư phạm Kỹ thuật Hưng Yên. Cỡ mẫu nghiên cứu bao gồm toàn bộ dữ liệu điểm thi lần 1, điểm thi lần 2, điểm tổng kết môn và thông tin hồ sơ của hàng nghìn sinh viên Khoa Công nghệ Thông tin qua 10 khóa đào tạo (từ khóa tuyển sinh năm 1998 đến năm 2007). Phương pháp chọn mẫu toàn phần theo chuỗi thời gian lịch sử được áp dụng nhằm phản ánh toàn diện quy luật biến động điểm số và đảm bảo tính nhất quán của dữ liệu.

Quy trình xử lý dữ liệu trải qua các công đoạn trích xuất - biến đổi - nạp (ETL) bằng ngôn ngữ T-SQL:

  1. Thu thập và làm sạch dữ liệu nguồn, loại bỏ bản ghi thiếu tính hợp lệ tại vùng đệm (Staging Area).
  2. Thiết kế kho dữ liệu vật lý theo lược đồ hình sao (Star Schema) với bảng sự kiện trung tâm Fact_Diemmon và các bảng chiều Dim_Sinhvien, Dim_Monhoc, Dim_Time, Dim_Khoahoc.
  3. Tạo 3 phân vùng lưu trữ vật lý cho các bảng có mật độ dữ liệu lớn gồm Fact_Diemmon, KQHTtheoky và KQHT_toankhoa.

Lý do lựa chọn phương pháp phân tích đa chiều Star Schema kết hợp dịch vụ SSAS và SSRS là khả năng tối ưu hóa tốc độ truy vấn trên tập dữ liệu hàng triệu dòng, loại bỏ tình trạng kết nối bảng dư thừa của cơ sở dữ liệu quan hệ truyền thống. Đồng thời, việc lựa chọn thuật toán Decision Tree và Naïve Bayes xuất phát từ tính trực quan của các nhánh phân lớp, tốc độ huấn luyện mô hình vượt trội và khả năng diễn giải chính xác các luật phân loại học lực trong môi trường giáo dục đại học. Toàn bộ quá trình nghiên cứu, xây dựng mô hình và đánh giá thực nghiệm được hoàn thành trong giai đoạn 2010–2011 trên hệ thống máy chủ và hơn 600 máy tính trạm của nhà trường.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Nghiên cứu đã đạt được các kết quả thực nghiệm nổi bật thông qua việc triển khai kho dữ liệu và áp dụng các mô hình khai phá dữ liệu chuyên sâu:

  • Tối ưu hóa kiến trúc lưu trữ và hiệu năng truy xuất: Việc tổ chức kho dữ liệu điểm theo lược đồ hình sao kết hợp 3 phân vùng vật lý và đánh chỉ mục Bitmap Index/Cluster Index đã giúp tốc độ thực thi các câu truy vấn đa chiều tăng hơn 75% so với mô hình quan hệ thông thường. Hệ thống khối đa chiều UDM cho phép tổng hợp điểm trung bình theo từng học kỳ của 6 học kỳ liên tiếp một cách tức thời.

  • Xác định các yếu tố trọng yếu ảnh hưởng đến học lực qua Cây quyết định: Quá trình tính toán trên tập mẫu thực nghiệm cho thấy thuộc tính Quê quán có độ lợi thông tin lớn nhất với Gain(Quê quán) = 0,454 trên nền độ bất định thông tin ban đầu I(5,3) = 0,954 (Entropy tương ứng E(Quê quán) = 0,5). Xếp thứ hai là thuộc tính Giới tính với Gain(Giới tính) = 0,347 và Điểm tuyển sinh đầu vào với Gain(Điểm vào) = 0,265. Khi xét tại nhánh con khu vực Hà Nội, thuộc tính Giới tính thể hiện khả năng phân lớp tuyệt đối với Gain(Giới tính) đạt giá trị tối đa bằng 0,954. Mô hình đã tự động chiết xuất tập luật phân loại rõ ràng: nếu sinh viên có quê quán tại Hưng Yên hoặc sinh viên nam có quê quán tại Hà Nội thì xác suất đạt học lực Khá là vượt trội.

  • Hiệu quả phân lớp và tốc độ xử lý của thuật toán Naïve Bayes: Thuật toán Naïve Bayes chứng minh tốc độ sinh mô hình nhanh hơn khoảng 40% so với mô hình Neural Network nhờ việc tính toán trực tiếp ma trận xác suất trong quá trình xử lý khối lập phương. Cụ thể, xác suất có điều kiện đối với sinh viên có quê quán Hưng Yên đạt loại Khá là P(Hưng Yên | Khá) = 0,6 (tương đương 60%), trong khi xác suất đạt loại Trung bình là P(Hưng Yên | Trung bình) = 0. Ngược lại, điều kiện hoàn cảnh kinh tế có sự phân bổ đồng đều giữa các mức (Tốt, Bình thường, Không tốt) với độ lợi Gain(Kinh tế) chỉ đạt 0,015, cho thấy yếu tố tài chính gia đình không tạo ra sự phân hóa mang tính quyết định đến kết quả học tập.

Thảo luận kết quả

Kết quả phân tích cho thấy mối tương quan chặt chẽ giữa môi trường học tập ban đầu, đặc điểm giới tính và điểm tuyển sinh đầu vào đối với năng lực tiếp thu các môn khoa học kỹ thuật. Yếu tố nền tảng tư duy toán học (thể hiện qua điểm môn Toán cao cấp 1 và Toán cao cấp 2) giữ vai trò tiền đề vững chắc cho kết quả học tập các môn chuyên ngành Công nghệ Thông tin như Cơ sở dữ liệu hay Kỹ thuật lập trình. Phát hiện này hoàn toàn phù hợp với các nghiên cứu triển khai kho dữ liệu và khai phá dữ liệu trong lĩnh vực tài chính và ngân hàng tại Việt Nam (tiêu biểu như dự án kho dữ liệu tập trung của Sacombank trên nền tảng Oracle), khẳng định tính đúng đắn của việc ứng dụng kỹ thuật BI vào quản trị hệ thống.

Về mặt trực quan hóa, toàn bộ tri thức khai phá và dữ liệu điểm được hiển thị đa dạng thông qua các công cụ trực quan của SSRS:

  • Biểu đồ đường (Line Chart): Thể hiện xu hướng biến động điểm thi môn Toán cao cấp và điểm tổng kết toàn khóa của sinh viên khóa K03 qua 6 kỳ học, giúp phát hiện sớm các giai đoạn sinh viên có dấu hiệu sa sút học lực.
  • Biểu đồ cột (Column Chart): So sánh tỷ lệ phân bổ lực học (Giỏi, Khá, Trung bình, Yếu) giữa các khóa đào tạo từ năm 1998 đến năm 2007.
  • Biểu đồ thanh (Bar Chart): Thống kê cơ cấu giới tính và điểm tuyển sinh đầu vào tương ứng với từng chuyên ngành.
  • Ma trận phân lớp (Classification Matrix) và Đồ thị nâng (Lift Chart): Trình bày sự so sánh trực quan về độ chính xác dự báo giữa 3 thuật toán Decision Tree, Naïve Bayes và Neural Network, giúp nhà quản trị dễ dàng lựa chọn mô hình tối ưu cho từng bài toán nghiệp vụ cụ thể.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đề xuất 4 nhóm giải pháp mang tính hành động cao nhằm nâng cao hiệu quả quản lý đào tạo:

  1. Chuẩn hóa quy trình ETL và tích hợp tự động dữ liệu toàn trường: Phòng Đào tạo chủ trì phối hợp cùng Khoa Công nghệ Thông tin xây dựng các kịch bản SSIS tự động trích xuất, làm sạch và nạp dữ liệu định kỳ từ phần mềm Edusoft sang kho dữ liệu tập trung. Mục tiêu giảm thiểu 90% lỗi sai lệch dữ liệu nhập liệu thủ công trong khung thời gian 6 tháng đầu năm học.

  2. Nâng cấp hạ tầng công nghệ và mở rộng phân vùng lưu trữ: Ban Giám hiệu phê duyệt kế hoạch huy động nguồn vốn từ 25 đến 35 tỷ đồng (thuộc giai đoạn 2011–2015) để đầu tư hệ thống máy chủ chuyên dụng cho BI, cấu hình lại mạng lưới hơn 600 máy tính trạm và thiết lập bổ sung 5 phân vùng dữ liệu vật lý, sẵn sàng đáp ứng quy mô hơn 18.000 sinh viên tại cả 3 cơ sở đào tạo.

  3. Triển khai hệ thống cảnh báo học tập sớm dựa trên thuật toán Cây quyết định: Giảng viên cố vấn học tập và Ban Chủ nhiệm các Khoa ứng dụng mô hình Decision Tree và Naïve Bayes để dự báo kết quả học tập của sinh viên ngay sau khi kết thúc học kỳ 1. Giải pháp này giúp phát hiện sớm các sinh viên có nguy cơ học lực yếu để áp dụng biện pháp phụ đạo kịp thời, phấn đấu nâng tỷ lệ sinh viên tốt nghiệp loại Khá và Giỏi lên trên 65% trong giai đoạn 2011–2015.

  4. Tự động hóa báo cáo quản trị đa chiều phục vụ công tác tuyển sinh: Phòng Đào tạo và Trung tâm Thông tin Thư viện triển khai cổng báo cáo phân tích trực tuyến SSRS tích hợp trên nền tảng Web và Microsoft SharePoint. Hệ thống cung cấp định kỳ hàng tuần các báo cáo phân tích đa chiều về tương quan điểm tuyển sinh đầu vào của 29 chuyên ngành, hỗ trợ Ban Giám hiệu xác định chính xác chỉ tiêu tuyển sinh và điều chỉnh khung chương trình đào tạo hàng năm.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn cho 4 nhóm đối tượng chính:

  1. Ban Giám hiệu và Cán bộ Quản lý Đào tạo: Cung cấp bức tranh toàn diện về phương pháp luận xây dựng hệ thống hỗ trợ ra quyết định (DSS). Luận văn giúp nhà quản lý nắm vững cách thức khai thác số liệu học lực lịch sử để hoạch định chỉ tiêu tuyển sinh, phân bổ nguồn lực đào tạo hợp lý cho 29 chuyên ngành và đánh giá chất lượng giảng dạy một cách khách quan.

  2. Kỹ sư Dữ liệu và Chuyên viên Triển khai Hệ thống BI: Đóng vai trò là tài liệu hướng dẫn kỹ thuật chi tiết về quy trình thiết kế mô hình hình sao (Star Schema), xây dựng cấu trúc khối UDM trong SSAS, tạo phân vùng bảng sự kiện và cấu hình dịch vụ báo cáo SSRS trên nền tảng Microsoft SQL Server 2008.

  3. Giảng viên và Nghiên cứu sinh chuyên ngành Hệ thống Thông tin: Cung cấp cơ sở lý thuyết và trường hợp nghiên cứu điển hình (case study) về việc ứng dụng các thuật toán khai phá dữ liệu như Decision Tree (ID3/Entropy), Naïve Bayes và Neural Network trong phân loại, dự đoán kết quả học tập của người học.

  4. Chuyên viên Đảm bảo Chất lượng và Khảo thí: Hỗ trợ phương pháp phân tích đa chiều để đối soát chuẩn đầu ra, đánh giá mức độ tương thích giữa chương trình đào tạo với năng lực thực tế của hơn 16.000 sinh viên, từ đó đề xuất các cải tiến kiểm định chất lượng giáo dục phù hợp.

Câu hỏi thường gặp

Tại sao luận văn lựa chọn mô hình hình sao (Star Schema) thay vì mô hình bông tuyết (Snowflake Schema)? Mô hình hình sao được lựa chọn vì cấu trúc dữ liệu đã được phi chuẩn hóa hợp lý, giúp giảm thiểu tối đa các phép kết nối bảng (JOIN) phức tạp khi truy vấn trên bảng sự kiện Fact_Diemmon. Cấu trúc này tối ưu hóa tốc độ xử lý câu hỏi phân tích đa chiều xuống dưới 2 giây và đặc biệt phù hợp với hệ thống chỉ có một chủ đề phân tích tập trung.

Quy trình làm sạch dữ liệu điểm lịch sử từ năm 1998 đến 2007 được thực hiện như thế nào? Dữ liệu điểm từ các file Excel không đồng nhất qua 10 khóa học được nạp vào vùng đệm (Staging Area). Tại đây, các câu lệnh T-SQL tiến hành chuẩn hóa kiểu dữ liệu, khử trùng lặp mã sinh viên, xử lý các giá trị rỗng và đồng nhất mã môn học trước khi nạp vào 4 bảng chiều và bảng sự kiện chính thức.

Thuật toán Cây quyết định đã xác định yếu tố nào chi phối mạnh nhất đến học lực sinh viên? Thông qua tính toán Entropy, thuộc tính Quê quán đạt chỉ số độ lợi thông tin cao nhất với Gain = 0,454 (vượt qua mức Entropy gốc 0,954), tiếp theo là Giới tính với Gain = 0,347. Điều này chứng minh nguồn gốc tuyển sinh và đặc điểm giới tính có ảnh hưởng lớn hơn so với điều kiện kinh tế (Gain = 0,015).

Ưu điểm vượt trội của dịch vụ báo cáo SSRS so với việc lập báo cáo trên Excel truyền thống là gì? SSRS cho phép kết nối trực tiếp với khối dữ liệu đa chiều SSAS, tự động cập nhật số liệu thời gian thực, trực quan hóa linh hoạt bằng biểu đồ đường, cột, ma trận và hỗ trợ xuất báo cáo sang các định dạng PDF, Excel, HTML qua giao diện Web mà không cần thao tác tính toán thủ công.

Hệ thống kho dữ liệu này có khả năng mở rộng cho quy mô toàn trường trong tương lai không? Hệ thống hoàn toàn có khả năng mở rộng nhờ kiến trúc UDM linh hoạt và cơ chế phân vùng dữ liệu vật lý của SQL Server 2008. Khi mở rộng từ Khoa Công nghệ Thông tin sang toàn bộ 29 chuyên ngành với hơn 18.000 sinh viên, hệ thống chỉ cần bổ sung các bảng chiều danh mục mà không phải tái cấu trúc toàn bộ kho dữ liệu.

Kết luận

  • Luận văn đã thiết kế và cài đặt thành công kho dữ liệu điểm hoàn chỉnh theo mô hình hình sao trên hệ quản trị cơ sở dữ liệu Microsoft SQL Server 2008, giải quyết triệt để tình trạng phân tán dữ liệu của 10 khóa đào tạo (1998–2007).
  • Triển khai hiệu quả hệ thống khối dữ liệu OLAP và dịch vụ phân tích SSAS, giúp rút ngắn hơn 75% thời gian tổng hợp và trích xuất báo cáo học vụ đa chiều phục vụ công tác quản lý.
  • Ứng dụng thành công 3 thuật toán khai phá dữ liệu gồm Decision Tree, Naïve Bayes và Neural Network, xác lập các mô hình dự báo học lực sinh viên với độ chính xác cao.
  • Trích xuất thành công các tập luật phân lớp thực nghiệm với chỉ số Gain(Quê quán) đạt 0,454 và Gain(Giới tính) đạt 0,347, cung cấp luận cứ khoa học vững chắc cho công tác tuyển sinh và phân loại đào tạo.
  • Đề xuất lộ trình công nghệ khả thi giai đoạn 2011–2015 nhằm nhân rộng hệ thống kho dữ liệu cho 29 chuyên ngành đào tạo với quy mô hơn 18.000 sinh viên trên nền tảng nguồn vốn đầu tư trang thiết bị từ 25 đến 35 tỷ đồng.

Công trình nghiên cứu đã khẳng định vai trò then chốt của công nghệ Business Intelligence trong hiện đại hóa quản trị đại học. Quý bạn đọc, nhà quản lý và các chuyên viên công nghệ có thể tiếp tục khai thác mô hình này để phát triển các giải pháp phân tích học tập thông minh trong tương lai.