Tổng quan nghiên cứu

Trong bối cảnh giáo dục đại học ngày càng phát triển đa dạng với hàng trăm ngành nghề mới, việc lựa chọn ngành học phù hợp trở thành một thách thức lớn đối với thí sinh và các cơ sở đào tạo. Theo thống kê của Phòng Thương mại và công nghiệp Việt Nam năm 2023, khoảng 38% sinh viên mới ra trường không có định hướng nghề nghiệp rõ ràng, trong khi 60% làm trái ngành, gây ra sự lãng phí nguồn lực và ảnh hưởng đến chất lượng nguồn nhân lực. Nghiên cứu này nhằm ứng dụng kỹ thuật khai phá dữ liệu để xác định các nhân tố tác động đến quyết định chọn ngành học của thí sinh đại học, từ đó hỗ trợ các trường đại học và trung học phổ thông trong công tác tư vấn hướng nghiệp và tuyển sinh.

Dữ liệu nghiên cứu được thu thập từ 693 sinh viên đang học tại Trường Đại học Kinh tế Quốc dân trong khoảng thời gian từ tháng 4/2023 đến tháng 4/2024. Mục tiêu cụ thể là phân tích các yếu tố như sở thích cá nhân, năng lực cá nhân, định hướng cá nhân, đặc điểm trường học và nhu cầu xã hội ảnh hưởng đến quyết định chọn ngành học. Nghiên cứu sử dụng các kỹ thuật khai phá dữ liệu như cây quyết định và phân cụm K-Medoids để xây dựng mô hình dự đoán và phân tích các nhân tố ảnh hưởng.

Ý nghĩa của nghiên cứu thể hiện qua việc cung cấp thông tin khoa học, chính xác giúp các nhà quản lý giáo dục, chuyên viên tư vấn và các trường đại học tối ưu hóa chiến lược tuyển sinh, xây dựng chương trình đào tạo phù hợp, đồng thời nâng cao hiệu quả tư vấn hướng nghiệp cho học sinh trung học phổ thông. Qua đó, góp phần nâng cao chất lượng đào tạo và đáp ứng nhu cầu nhân lực chất lượng cao của xã hội.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên cơ sở lý luận về khai phá dữ liệu (data mining), được định nghĩa là quá trình trích xuất các mẫu, tri thức hữu ích từ các bộ dữ liệu lớn, kết hợp các phương pháp máy học, thống kê và quản lý dữ liệu. Khai phá dữ liệu giúp phát hiện các mối quan hệ ẩn, hỗ trợ ra quyết định và dự báo trong nhiều lĩnh vực, trong đó có giáo dục.

Hai kỹ thuật chính được áp dụng trong nghiên cứu là:

  • Cây quyết định (Decision Tree): Phương pháp phân loại dựa trên các luật rẽ nhánh, giúp dự đoán lựa chọn ngành học dựa trên các đặc trưng như sở thích, năng lực, định hướng cá nhân. Cây quyết định dễ hiểu, trực quan và có khả năng xử lý dữ liệu định tính và định lượng.

  • Thuật toán K-Medoids: Thuật toán phân cụm dữ liệu nhằm nhóm các sinh viên có đặc điểm tương đồng về các nhân tố ảnh hưởng đến quyết định chọn ngành. K-Medoids ưu việt hơn K-Means trong việc xử lý dữ liệu có nhiễu và điểm ngoại lai.

Các khái niệm chính trong nghiên cứu bao gồm: ngành học, quyết định chọn ngành học, các nhóm nhân tố tác động (sở thích cá nhân, năng lực cá nhân, định hướng cá nhân, đặc điểm trường học, nhu cầu xã hội và cơ hội việc làm).

Phương pháp nghiên cứu

Nguồn dữ liệu chính là kết quả khảo sát trực tuyến qua Google Forms với 693 sinh viên thuộc 26 khoa/viện và 70 ngành học khác nhau tại Trường Đại học Kinh tế Quốc dân. Tỷ lệ nữ chiếm 65,1%, nam chiếm 34,9%, phân bố năm học đa dạng với năm tư chiếm 61,5%.

Quy trình nghiên cứu gồm các bước:

  1. Thu thập dữ liệu: Thiết kế bảng hỏi dựa trên các mô hình nghiên cứu trước đó và phỏng vấn chuyên sâu để xác định các nhân tố tác động.

  2. Tiền xử lý dữ liệu: Làm sạch, loại bỏ dữ liệu thiếu, trùng lặp, chuẩn hóa định dạng và chuyển đổi dữ liệu văn bản sang dạng số để phù hợp với thuật toán khai phá.

  3. Phân tích dữ liệu: Áp dụng thuật toán K-Medoids để phân cụm dữ liệu, xác định số cụm tối ưu bằng phương pháp Elbow. Tiếp đó, xây dựng mô hình cây quyết định trên toàn bộ dữ liệu và trên từng cụm riêng biệt.

  4. Đánh giá mô hình: So sánh độ chính xác giữa mô hình cây quyết định toàn bộ và mô hình cây quyết định theo từng cụm để lựa chọn phương pháp hiệu quả nhất.

  5. Rút ra kết luận và đề xuất: Dựa trên các luật được sinh ra từ cây quyết định để đưa ra các khuyến nghị cho các bên liên quan.

Thời gian nghiên cứu kéo dài từ tháng 4/2023 đến tháng 4/2024, đảm bảo tính cập nhật và phù hợp với thực tiễn giáo dục hiện nay.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Ảnh hưởng của sở thích cá nhân: 67,1% sinh viên cho biết sở thích cá nhân là nhân tố quan trọng nhất trong quyết định chọn ngành học. 45,7% chọn ngành vì đây là nghề muốn làm sau khi tốt nghiệp, và 44,4% hứng thú với các môn học chuyên ngành. Yếu tố ngoại hình ít ảnh hưởng (8,5%).

  2. Năng lực cá nhân: 77,1% sinh viên đánh giá điểm đầu vào phù hợp với năng lực học tập, 58,2% dựa trên việc tìm hiểu thông tin ngành học, 44,2% cho biết sức khỏe phù hợp với ngành. Tuy nhiên, chỉ 14,7% có năng khiếu và 20,6% có kiến thức nền tảng về ngành, cho thấy nhiều sinh viên chưa dựa vào năng khiếu khi chọn ngành.

  3. Định hướng cá nhân: Gia đình có ảnh hưởng lớn với 53,7% sinh viên được bố mẹ hoặc người thân định hướng chọn ngành, trong khi chỉ 1,3% cảm thấy bị ép buộc. Bạn bè cũng đóng vai trò quan trọng với 36,4% sinh viên chọn ngành theo lời khuyên bạn bè.

  4. Đặc điểm trường và sự hấp dẫn ngành học: 87,6% sinh viên chọn trường vì đây là trường top đầu đào tạo ngành học, 69,4% bị thu hút bởi danh tiếng giảng viên, 57,6% quan tâm học phí và cơ sở vật chất. Vị trí địa lý và học bổng có ảnh hưởng thấp hơn (29,3% và 24,4%).

  5. Nhu cầu xã hội và cơ hội việc làm: 74,7% sinh viên chọn ngành vì triển vọng phát triển, 40,7% do nhu cầu nhân sự cao, 36,5% quan tâm thu nhập và cơ hội xin việc, 34,5% chú ý đến sự thu hút đầu tư trong ngành.

Mô hình cây quyết định xây dựng trên toàn bộ dữ liệu đạt độ chính xác khoảng 78%, trong khi mô hình cây quyết định theo từng cụm (sử dụng K-Medoids với số cụm tối ưu là 7) cho độ chính xác cao hơn, khoảng 85%. Biểu đồ Elbow minh họa rõ điểm khuỷu tay tại 7 cụm, cho thấy phân cụm giúp cải thiện hiệu quả mô hình.

Thảo luận kết quả

Kết quả cho thấy sở thích cá nhân và năng lực học tập là hai nhân tố chủ đạo ảnh hưởng đến quyết định chọn ngành, phù hợp với các nghiên cứu trước đây. Ảnh hưởng của gia đình và bạn bè cũng được khẳng định, tuy nhiên mức độ ép buộc thấp, phản ánh xu hướng lựa chọn có sự tham khảo nhưng vẫn giữ tính tự chủ cao.

Việc phân cụm dữ liệu giúp mô hình cây quyết định phân loại chính xác hơn, do đó, việc phân nhóm thí sinh theo đặc điểm cá nhân và xã hội có thể giúp các trường đại học xây dựng các chiến lược tuyển sinh và tư vấn hướng nghiệp hiệu quả hơn. So sánh với các nghiên cứu trong nước và quốc tế, kết quả này củng cố vai trò của khai phá dữ liệu trong việc phân tích hành vi lựa chọn ngành học.

Các biểu đồ heatmap và cây quyết định minh họa trực quan các nhân tố quan trọng và các luật lựa chọn ngành học, hỗ trợ việc truyền đạt kết quả cho các nhà quản lý giáo dục và chuyên viên tư vấn.

Đề xuất và khuyến nghị

  1. Tăng cường tư vấn hướng nghiệp dựa trên phân cụm thí sinh: Các trường trung học phổ thông và đại học nên áp dụng phân tích phân cụm để phân loại học sinh theo nhóm sở thích, năng lực và định hướng, từ đó cung cấp tư vấn cá nhân hóa, nâng cao hiệu quả định hướng nghề nghiệp trong vòng 1-2 năm tới.

  2. Phát triển chương trình đào tạo linh hoạt: Các trường đại học cần điều chỉnh chương trình đào tạo phù hợp với các nhóm sinh viên có đặc điểm khác nhau, tập trung vào phát triển năng lực và sở thích cá nhân, nhằm giảm tỷ lệ sinh viên học trái ngành, thực hiện trong 3-5 năm.

  3. Tăng cường truyền thông về cơ hội nghề nghiệp: Cần xây dựng các kênh thông tin minh bạch, cập nhật về nhu cầu thị trường lao động và triển vọng ngành học để sinh viên có cơ sở lựa chọn chính xác, triển khai ngay trong năm học tới.

  4. Ứng dụng kỹ thuật khai phá dữ liệu trong quản lý tuyển sinh: Các trường đại học nên áp dụng các mô hình khai phá dữ liệu để dự báo xu hướng tuyển sinh, tối ưu hóa chiến lược tuyển sinh và phân bổ nguồn lực, thực hiện trong 2-3 năm tới.

Các chủ thể thực hiện bao gồm Ban giám hiệu các trường đại học, phòng đào tạo, các tổ chức tư vấn hướng nghiệp, và các cơ quan quản lý giáo dục.

Đối tượng nên tham khảo luận văn

  1. Nhà quản lý giáo dục đại học: Giúp hiểu rõ các nhân tố ảnh hưởng đến quyết định chọn ngành học, từ đó xây dựng chính sách tuyển sinh và đào tạo phù hợp, nâng cao chất lượng nguồn nhân lực.

  2. Chuyên viên tư vấn hướng nghiệp: Cung cấp cơ sở khoa học để tư vấn cá nhân hóa cho học sinh, giúp họ lựa chọn ngành học phù hợp với sở thích và năng lực, giảm thiểu tình trạng học trái ngành.

  3. Giảng viên và nhà nghiên cứu trong lĩnh vực hệ thống thông tin quản lý: Tham khảo phương pháp khai phá dữ liệu ứng dụng trong giáo dục, mở rộng nghiên cứu về hành vi lựa chọn ngành học và phát triển các mô hình dự báo.

  4. Sinh viên và học sinh trung học phổ thông: Hiểu rõ các yếu tố ảnh hưởng đến quyết định chọn ngành, từ đó có cái nhìn toàn diện và chuẩn bị tốt hơn cho quá trình lựa chọn ngành học đại học.

Câu hỏi thường gặp

  1. Khai phá dữ liệu là gì và tại sao lại quan trọng trong nghiên cứu này?
    Khai phá dữ liệu là quá trình trích xuất các mẫu và tri thức hữu ích từ dữ liệu lớn. Trong nghiên cứu này, nó giúp phát hiện các nhân tố ảnh hưởng đến quyết định chọn ngành học, từ đó hỗ trợ tư vấn và hoạch định chính sách giáo dục hiệu quả.

  2. Tại sao lại sử dụng cây quyết định và thuật toán K-Medoids?
    Cây quyết định giúp phân loại và dự đoán lựa chọn ngành học dựa trên các đặc trưng, dễ hiểu và trực quan. Thuật toán K-Medoids phân cụm dữ liệu giúp nhóm sinh viên có đặc điểm tương đồng, cải thiện độ chính xác mô hình so với phân tích toàn bộ dữ liệu.

  3. Các nhân tố nào được xác định là quan trọng nhất trong quyết định chọn ngành?
    Sở thích cá nhân và năng lực học tập được xác định là hai nhân tố quan trọng nhất, tiếp theo là ảnh hưởng của gia đình, đặc điểm trường học và nhu cầu xã hội về cơ hội việc làm.

  4. Làm thế nào để các trường đại học áp dụng kết quả nghiên cứu này?
    Trường đại học có thể sử dụng mô hình khai phá dữ liệu để phân tích thí sinh, xây dựng chương trình đào tạo phù hợp, tối ưu hóa chiến lược tuyển sinh và tăng cường tư vấn hướng nghiệp dựa trên đặc điểm từng nhóm sinh viên.

  5. Nghiên cứu có thể áp dụng cho các trường đại học khác không?
    Có, quy trình khai phá dữ liệu và mô hình phân tích có thể được điều chỉnh và áp dụng cho các trường đại học khác nhằm hiểu rõ hơn về hành vi lựa chọn ngành học của thí sinh, từ đó nâng cao hiệu quả quản lý và đào tạo.

Kết luận

  • Nghiên cứu đã xác định rõ các nhân tố chính ảnh hưởng đến quyết định chọn ngành học của thí sinh đại học, trong đó sở thích cá nhân và năng lực học tập đóng vai trò chủ đạo.
  • Việc áp dụng kỹ thuật khai phá dữ liệu, đặc biệt là cây quyết định kết hợp phân cụm K-Medoids, giúp nâng cao độ chính xác trong phân tích và dự báo hành vi lựa chọn ngành học.
  • Kết quả nghiên cứu cung cấp cơ sở khoa học cho các trường đại học và trung học phổ thông trong việc tư vấn hướng nghiệp và xây dựng chương trình đào tạo phù hợp.
  • Đề xuất các giải pháp cụ thể nhằm cải thiện hiệu quả tư vấn, tuyển sinh và phát triển nguồn nhân lực chất lượng cao trong vòng 1-5 năm tới.
  • Khuyến khích các nhà quản lý giáo dục, chuyên viên tư vấn và nhà nghiên cứu tiếp tục ứng dụng và phát triển các kỹ thuật khai phá dữ liệu trong lĩnh vực giáo dục để nâng cao chất lượng đào tạo và đáp ứng nhu cầu xã hội.

Hành động tiếp theo là triển khai các mô hình phân tích dữ liệu trong thực tiễn tại các trường đại học và trung học phổ thông, đồng thời mở rộng nghiên cứu để cập nhật các yếu tố mới ảnh hưởng đến quyết định chọn ngành học trong tương lai.