Nghiên Cứu Kỹ Thuật Lấy Mẫu Dự Đoán Điểm Sinh Viên Đại Học

Nghiên cứu phát triển kỹ thuật lấy mẫu nhằm cải thiện độ chính xác trong dự đoán điểm số sinh viên đại học, hỗ trợ quản lý giáo dục hiệu quả.

• Tác giả: Trần Thị Thu Trang
• Người hướng dẫn: PGS. Thoại Nam
• Trường học: Đại học Bách Khoa - Đại học Quốc gia TP.HCM
• Chuyên ngành: Hệ thống thông tin quản lý
• Đề tài: Nghiên cứu, phát triển kỹ thuật lấy mẫu phục vụ cho bài toán dự đoán điểm sinh viên đại học
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• TÓM TẮT
• ABSTRACT
• LỜI CAM ĐOAN
• MỤC LỤC
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC BẢNG
• DANH MỤC HÌNH VÀ BIỂU ĐỒ
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Giới thiệu đề tài
• 1.2. Giới thiệu vấn đề cần nghiên cứu
• 1.3. Đối tượng nghiên cứu
• 1.4. Phạm vi nghiên cứu
• 1.5. Mục tiêu nghiên cứu
• 1.6. Nội dung nghiên cứu
• 1.7. Ý nghĩa khoa học
• 1.8. Ý nghĩa thực tiễn của luận văn
• 1.8.1. Ý nghĩa thực tiễn đối với nhà trường
• 1.8.2. Ý nghĩa thực tiễn đối với sinh viên đại học
• 1.9. Cấu trúc luận văn
• 1.10. Kết luận chương 1
• 2. CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU
• 2.1. Một số khái niệm
• 2.2. Lấy mẫu (Sampling) là gì?
• 2.3. Cây quyết định (Decision Trees)
• 2.4. Kỹ thuật xuống đồi (Gradient descent)
• 2.5. Ưu điểm, nhược điểm lấy mẫu theo thống kê truyền thống
• 2.6. Phân biệt các phương pháp Lấy mẫu
• 2.7. Phương pháp Lấy mẫu theo nhóm (Clustering Sampling)
• 2.8. Phương pháp dự đoán điểm sinh viên đại học
• 2.8.1. Thuật toán Gradient Boosting tổng quát
• 2.8.2. Hoạt động của mô hình tăng cường độ dốc (Gradient Boosting model)
• 2.8.3. Hoạt động của mô hình XGBoost
• 2.9. Đánh giá độ chính xác của mô hình dự đoán
• 2.10. Các công trình nghiên cứu nổi bật trong giáo dục đại học
• 2.11. Kết luận chương 2
• 3. CHƯƠNG 3: PHÂN TÍCH VÀ GIẢI PHÁP
• 3.1. Mô tả bài toán
• 3.2. Các đặc trưng của dữ liệu sinh viên đại học Bách Khoa
• 3.3. Phân bố điểm sinh viên đại học Bách Khoa
• 3.4. Độ xiên (skewness) và Kurtosis điểm của sinh viên
• 3.5. Xây dựng mô hình dự đoán điểm sinh viên
• 3.5.1. Kiến trúc tổng quan của bài toán
• 3.5.2. Các bước thực hiện Tiền xử lý dữ liệu
• 3.6. Giải pháp cho bài toán
• 3.7. Kết luận chương 3
• 4. CHƯƠNG 4: KẾT QUẢ VÀ ĐÁNH GIÁ
• 4.1. Thực nghiệm dự đoán điểm sinh viên
• 4.1.1. Tiền xử lý dữ liệu
• 4.2. Đánh giá độ chính xác của mô hình dự đoán điểm
• 4.2.1. Phương pháp Gradient Boosting Regression
• 4.2.2. Phương pháp XGBoost
• 4.3. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN
• 5.1. Đối chiếu mục tiêu và nội dung nghiên cứu
• 5.2. Thuận lợi khi thực hiện đề tài
• 5.2.1. Thuận lợi của đề tài
• 5.2.2. Khó khăn khi thực hiện đề tài
• 5.3. Hướng phát triển đề tài
• 5.4. Kết luận chung
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC: BẢNG ĐỐI CHIẾU THUẬT NGỮ ANH - VIỆT

Tóm tắt

I. Tổng Quan Nghiên Cứu Dự Đoán Điểm Sinh Viên Đại Học 55 ký tự

Nghiên cứu dự đoán kết quả học tập sinh viên là một lĩnh vực quan trọng trong khai phá dữ liệu giáo dục. Các trường đại học thu thập lượng lớn dữ liệu sinh viên, nhưng việc sử dụng hiệu quả dữ liệu này để cải thiện chất lượng đào tạo còn hạn chế. Luận văn này tập trung vào việc nghiên cứu và phát triển kỹ thuật lấy mẫu dữ liệu phù hợp để xây dựng mô hình dự đoán điểm chính xác. Mục tiêu là tạo ra một hệ thống dự báo hiệu quả, giúp sinh viên và nhà trường đưa ra quyết định sáng suốt. Ứng dụng machine learning trong giáo dục hứa hẹn mang lại nhiều lợi ích, từ việc cá nhân hóa lộ trình học tập đến việc hỗ trợ nhà trường quản lý và cải tiến chương trình đào tạo.

1.1. Tầm Quan Trọng của Dự Đoán Điểm trong Giáo Dục Đại Học

Dự đoán điểm số đóng vai trò quan trọng trong việc hỗ trợ sinh viên và nhà trường. Sinh viên có thể sử dụng dự đoán để đánh giá kết quả học tập tiềm năng và điều chỉnh phương pháp học. Nhà trường có thể xác định những sinh viên có nguy cơ học kém và cung cấp hỗ trợ kịp thời. Các nghiên cứu về dự đoán điểm thi và khả năng tốt nghiệp giúp cải thiện tỷ lệ thành công của sinh viên.

1.2. Ứng Dụng Dữ Liệu Sinh Viên vào Bài Toán Dự Đoán Kết Quả

Việc ứng dụng dữ liệu sinh viên vào bài toán dự đoán đòi hỏi kỹ năng phân tích dữ liệu sinh viên và hiểu biết về các yếu tố ảnh hưởng đến kết quả học tập. Các yếu tố như điểm đầu vào, kết quả các môn học trước, và thông tin cá nhân có thể được sử dụng để xây dựng mô hình dự đoán điểm.

II. Thách Thức và Hạn Chế Trong Dự Đoán Điểm Sinh Viên 58 ký tự

Mặc dù có tiềm năng lớn, việc dự đoán kết quả học tập sinh viên đối mặt với nhiều thách thức. Dữ liệu thường không đầy đủ, nhiễu, và phân bố không đều. Các yếu tố ảnh hưởng đến điểm sinh viên rất phức tạp và khó đo lường. Việc chọn lựa kỹ thuật lấy mẫu và xây dựng mô hình phù hợp đòi hỏi sự am hiểu sâu sắc về khai phá dữ liệu giáo dục. Bên cạnh đó, vấn đề về quyền riêng tư và bảo mật dữ liệu cũng cần được xem xét cẩn thận.

2.1. Chất Lượng và Độ Tin Cậy của Dữ Liệu Đầu Vào

Chất lượng dữ liệu đầu vào ảnh hưởng trực tiếp đến độ chính xác của mô hình dự đoán. Dữ liệu thiếu sót, sai lệch, hoặc không nhất quán có thể dẫn đến kết quả dự đoán không chính xác. Cần có các kỹ thuật tiền xử lý dữ liệu hiệu quả để làm sạch và chuẩn hóa dữ liệu trước khi đưa vào mô hình.

2.2. Các Yếu Tố Ảnh Hưởng Đến Điểm Số và Mối Tương Quan

Các yếu tố ảnh hưởng đến điểm sinh viên rất đa dạng và phức tạp, bao gồm năng lực cá nhân, động lực học tập, môi trường học tập, và phương pháp giảng dạy. Việc xác định và đo lường các yếu tố này một cách chính xác là một thách thức lớn.

III. Phương Pháp Lấy Mẫu Tiên Tiến Dự Đoán Điểm 52 ký tự

Để giải quyết các thách thức trên, luận văn đề xuất sử dụng các kỹ thuật lấy mẫu tiên tiến kết hợp với các thuật toán học máy dự đoán điểm. Phương pháp này tập trung vào việc chọn ra các mẫu dữ liệu đại diện nhất, giúp giảm thiểu sai số và nâng cao độ chính xác của mô hình dự đoán. Sự kết hợp giữa lấy mẫu dữ liệu thống kê và các thuật toán machine learning trong giáo dục tạo ra một giải pháp mạnh mẽ và hiệu quả.

3.1. Kết Hợp Lấy Mẫu Thống Kê và Học Máy Machine Learning

Sự kết hợp giữa lấy mẫu dữ liệu thống kê truyền thống và các thuật toán machine learning mang lại lợi ích vượt trội. Lấy mẫu thống kê giúp đảm bảo tính đại diện của dữ liệu, trong khi học máy dự đoán điểm cho phép xây dựng các mô hình phức tạp và chính xác.

3.2. Heuristic Nghiên Cứu Giáo Dục Đại Học trong Lấy Mẫu

Ứng dụng heuristic trong nghiên cứu giáo dục đại học giúp chọn ra các mẫu dữ liệu phù hợp với đặc điểm của môi trường giáo dục. Heuristic có thể dựa trên kinh nghiệm của các chuyên gia hoặc các quy tắc được rút ra từ các nghiên cứu trước đó.

3.3. Kỹ Thuật Lấy Mẫu Theo Nhóm Clustering Sampling

Kỹ thuật lấy mẫu theo nhóm là một phương pháp hiệu quả khi dữ liệu được chia thành các nhóm tự nhiên. Việc chọn mẫu từ mỗi nhóm giúp đảm bảo tính đại diện của dữ liệu và giảm thiểu sai số. Phương pháp này đặc biệt hữu ích khi phân tích dữ liệu sinh viên.

IV. Xây Dựng Mô Hình Dự Đoán Điểm Bằng Machine Learning 60 ký tự

Luận văn sử dụng các thuật toán machine learning như Gradient Boosting và XGBoost để xây dựng mô hình dự đoán điểm. Các thuật toán này có khả năng xử lý dữ liệu phức tạp và tìm ra các mối quan hệ phi tuyến tính giữa các biến. Quá trình tối ưu hóa mô hình dự đoán được thực hiện thông qua việc điều chỉnh các tham số và đánh giá độ chính xác trên tập dữ liệu kiểm tra.

4.1. Sử Dụng Thuật Toán Gradient Boosting và XGBoost

Gradient Boosting và XGBoost là các thuật toán học máy dự đoán điểm mạnh mẽ, có khả năng xử lý dữ liệu phức tạp và cho kết quả dự đoán chính xác. Các thuật toán này được sử dụng rộng rãi trong các bài toán phân loại dữ liệu và hồi quy.

4.2. Tối Ưu Hóa và Đánh Giá Độ Chính Xác của Mô Hình

Việc tối ưu hóa mô hình dự đoán là một bước quan trọng để nâng cao độ chính xác của mô hình. Quá trình này bao gồm việc điều chỉnh các tham số và sử dụng các kỹ thuật regularization để tránh overfitting. Độ chính xác của mô hình được đánh giá bằng các chỉ số như MAE, RMSE và R-squared.

V. Kết Quả Thực Nghiệm và Đánh Giá Mô Hình Dự Đoán 55 ký tự

Kết quả thực nghiệm cho thấy mô hình dự đoán điểm được xây dựng có độ chính xác cao. Việc sử dụng kỹ thuật lấy mẫu phù hợp giúp giảm thiểu sai số và nâng cao hiệu quả dự đoán. So sánh với các phương pháp truyền thống, mô hình đề xuất cho thấy sự vượt trội về độ chính xác của mô hình và khả năng ứng dụng thực tiễn.

5.1. Đánh Giá Độ Chính Xác của Mô Hình trên Dữ Liệu Thực Tế

Độ chính xác của mô hình được đánh giá trên tập dữ liệu thực tế từ trường Đại học Bách Khoa. Các chỉ số như MAE, RMSE và R-squared được sử dụng để so sánh hiệu quả của các phương pháp khác nhau.

5.2. So Sánh với Các Phương Pháp Dự Đoán Truyền Thống

Kết quả của mô hình được so sánh với các phương pháp dự đoán truyền thống để đánh giá tính ưu việt của phương pháp đề xuất. So sánh này giúp chứng minh hiệu quả của việc sử dụng machine learning trong giáo dục.

VI. Kết Luận và Hướng Phát Triển Nghiên Cứu Dự Đoán 57 ký tự

Luận văn đã thành công trong việc nghiên cứu và phát triển kỹ thuật lấy mẫu phù hợp cho bài toán dự đoán điểm sinh viên. Kết quả nghiên cứu có ý nghĩa khoa học và thực tiễn, đóng góp vào việc cải thiện chất lượng đào tạo và hỗ trợ sinh viên. Hướng phát triển tiếp theo là mở rộng phạm vi nghiên cứu, tích hợp thêm các yếu tố ảnh hưởng đến kết quả học tập, và ứng dụng các kỹ thuật khai phá dữ liệu giáo dục tiên tiến hơn.

6.1. Đánh Giá Tổng Quan và Những Đóng Góp Của Luận Văn

Luận văn đã đạt được các mục tiêu đề ra, đóng góp vào việc nghiên cứu và ứng dụng machine learning trong giáo dục. Kết quả nghiên cứu có thể được sử dụng để cải thiện hệ thống hỗ trợ sinh viên và nâng cao chất lượng đào tạo.

6.2. Các Hướng Nghiên Cứu Mở Rộng và Ứng Dụng Trong Tương Lai

Các hướng nghiên cứu mở rộng bao gồm tích hợp thêm các yếu tố ảnh hưởng đến kết quả học tập, ứng dụng các kỹ thuật khai phá dữ liệu giáo dục tiên tiến hơn, và phát triển các hệ thống dự đoán cá nhân hóa cho từng sinh viên.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh nền kinh tế tri thức và toàn cầu hóa, việc nâng cao chất lượng giáo dục đại học trở thành ưu tiên hàng đầu nhằm đáp ứng nhu cầu nguồn nhân lực chất lượng cao. Tại Việt Nam, quá trình số hóa và đổi mới toàn diện giáo dục đại học đang diễn ra mạnh mẽ, trong đó việc ứng dụng dữ liệu học tập sinh viên để dự đoán kết quả học tập là một hướng nghiên cứu thiết thực. Trường Đại học Bách Khoa - Đại học Quốc gia TP. Hồ Chí Minh (ĐHBK) sở hữu một kho dữ liệu lớn về điểm số sinh viên từ năm 2014 đến 2017, với gần 3.000 sinh viên và hơn 60.000 bản ghi điểm các môn học thuộc 12 khoa và 2 trung tâm đào tạo. Tuy nhiên, việc khai thác dữ liệu này để dự báo điểm số sinh viên và hỗ trợ quản lý đào tạo còn nhiều hạn chế.

Mục tiêu nghiên cứu là phát triển kỹ thuật lấy mẫu dữ liệu kết hợp giữa thống kê truyền thống và học máy (Machine Learning) nhằm xây dựng mô hình dự đoán điểm số các môn học của sinh viên đại học dựa trên dữ liệu quá khứ. Phạm vi nghiên cứu tập trung trên bộ dữ liệu sinh viên chính quy của ĐHBK trong giai đoạn 2014-2017. Nghiên cứu hướng đến việc xây dựng tập dữ liệu huấn luyện nhỏ gọn nhưng vẫn đảm bảo độ chính xác dự đoán cao, từ đó hỗ trợ sinh viên trong việc lựa chọn môn học phù hợp, đồng thời giúp nhà trường cải thiện công tác quản lý đào tạo và tư vấn học tập.

Ý nghĩa nghiên cứu thể hiện rõ qua việc ứng dụng kỹ thuật lấy mẫu và mô hình dự đoán điểm nhằm nâng cao hiệu quả học tập, giảm thiểu rủi ro điểm thấp, đồng thời cung cấp công cụ hỗ trợ cho cố vấn học tập và quản lý đào tạo trong việc phát hiện sớm các môn học có tỷ lệ sinh viên đạt thấp để có biện pháp cải thiện kịp thời.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai nền tảng lý thuyết chính: kỹ thuật lấy mẫu trong thống kê và các thuật toán học máy, đặc biệt là mô hình tăng cường độ dốc (Gradient Boosting) và XGBoost.

• Kỹ thuật lấy mẫu (Sampling): Là phương pháp chọn một tập con đại diện từ tổng thể dữ liệu lớn nhằm giảm chi phí và thời gian xử lý, đồng thời đảm bảo tính đại diện và độ chính xác của phân tích. Phương pháp lấy mẫu theo nhóm (Clustering Sampling) được áp dụng để gom nhóm các sinh viên học chung các môn học hoặc thuộc cùng khoa, từ đó chọn mẫu đại diện phù hợp.

• Mô hình Gradient Boosting: Thuật toán học máy tăng cường độ dốc xây dựng mô hình dự đoán bằng cách kết hợp nhiều mô hình đơn giản (weak learners) theo chuỗi, mỗi mô hình mới tập trung cải thiện các lỗi của mô hình trước đó, giúp tăng độ chính xác dự đoán.

• XGBoost: Là phiên bản tối ưu của Gradient Boosting với khả năng xử lý song song, tăng tốc độ huấn luyện và cải thiện hiệu suất dự đoán, đặc biệt phù hợp với dữ liệu dạng bảng (tabular data) như dữ liệu điểm sinh viên.

Các khái niệm chính bao gồm: lấy mẫu ngẫu nhiên đơn giản, lấy mẫu theo nhóm, cây quyết định (Decision Trees), hàm mất mát (Loss function), kỹ thuật xuống đồi (Gradient Descent), và các chỉ số đánh giá mô hình như MAE, RMSE, MSE.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là bộ dữ liệu điểm học tập của sinh viên chính quy ĐHBK từ năm 2014 đến 2017, gồm 2.995 sinh viên với 60.610 bản ghi điểm các môn học thuộc 12 khoa và 2 trung tâm đào tạo. Dữ liệu được thu thập từ hệ thống quản lý đào tạo của trường, bao gồm các thuộc tính như năm học, học kỳ, mã môn học, điểm kiểm tra, điểm thi, điểm tổng kết, v.v.

Phương pháp nghiên cứu bao gồm:

• Tiền xử lý dữ liệu: Loại bỏ dữ liệu thiếu, dữ liệu không hợp lệ (điểm lớn hơn 10, điểm 0 không hợp lệ), chuẩn hóa định dạng, loại bỏ trùng lặp, chuyển đổi điểm chữ sang điểm số, và phân loại các môn học thành nhóm môn học chung và chuyên ngành.

• Lấy mẫu theo nhóm: Áp dụng kỹ thuật lấy mẫu theo nhóm để chọn mẫu dữ liệu đại diện dựa trên các nhóm môn học chung và chuyên ngành, nhằm xây dựng tập dữ liệu huấn luyện nhỏ gọn nhưng vẫn đảm bảo tính đại diện.

• Xây dựng mô hình dự đoán: Sử dụng thuật toán Gradient Boosting và XGBoost để huấn luyện mô hình dự đoán điểm số các môn học dựa trên dữ liệu mẫu đã chọn.

• Đánh giá mô hình: Sử dụng các chỉ số MAE, RMSE, MSE để đánh giá độ chính xác của mô hình dự đoán trên tập kiểm thử.

Thời gian nghiên cứu kéo dài từ tháng 2 đến tháng 6 năm 2023, với các giai đoạn thu thập và tiền xử lý dữ liệu, xây dựng mô hình, thực nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Phân bố điểm sinh viên: Dữ liệu điểm sinh viên có phân phối bất đối xứng trái với chỉ số skewness khoảng -0,6375 và độ nhọn kurtosis khoảng 0,343, cho thấy phần lớn sinh viên có điểm tập trung ở mức cao hơn trung bình. Biểu đồ phân bố điểm của từng khoa cho thấy sự khác biệt rõ rệt về mức độ phân bố điểm giữa các khoa, phản ánh đặc thù đào tạo và mức độ khó của từng ngành.

2. Hiệu quả lấy mẫu theo nhóm: Việc áp dụng kỹ thuật lấy mẫu theo nhóm dựa trên các môn học chung và chuyên ngành giúp giảm kích thước tập dữ liệu huấn luyện xuống còn khoảng 30-40% so với toàn bộ dữ liệu nhưng vẫn giữ được độ chính xác dự đoán cao. Ví dụ, mô hình Gradient Boosting với tập mẫu nhóm các môn học chung đạt RMSE giảm khoảng 15% so với lấy mẫu ngẫu nhiên đơn giản.

3. Độ chính xác mô hình dự đoán: Mô hình XGBoost cho kết quả dự đoán điểm sinh viên với độ chính xác cao hơn so với Gradient Boosting truyền thống, với chỉ số MAE trung bình khoảng 0,35 điểm và RMSE khoảng 0,45 điểm trên thang điểm 10. Việc kết hợp lấy mẫu theo nhóm với XGBoost giúp cải thiện độ chính xác dự đoán thêm khoảng 10% so với không áp dụng lấy mẫu nhóm.

4. Ứng dụng thực tiễn: Mô hình dự đoán có thể cảnh báo sớm các môn học mà sinh viên có nguy cơ đạt điểm thấp, hỗ trợ cố vấn học tập và sinh viên trong việc lựa chọn môn học phù hợp, từ đó nâng cao hiệu quả học tập và giảm tỷ lệ học lại.

Thảo luận kết quả

Kết quả phân tích phân bố điểm cho thấy đặc trưng dữ liệu có sự bất đối xứng và phân tán không đồng đều giữa các khoa, điều này đòi hỏi kỹ thuật lấy mẫu phải đảm bảo tính đại diện cho từng nhóm ngành để mô hình dự đoán không bị lệch. Việc áp dụng lấy mẫu theo nhóm đã giải quyết hiệu quả vấn đề này, giúp giảm thiểu bias và tăng tính tổng quát của mô hình.

So sánh với các nghiên cứu trước trong lĩnh vực giáo dục đại học, kết quả sử dụng XGBoost và kỹ thuật lấy mẫu nhóm tương đồng với các báo cáo cho thấy XGBoost là thuật toán mạnh mẽ trong dự đoán kết quả học tập với dữ liệu phức tạp và đa dạng. Việc giảm kích thước tập huấn luyện mà vẫn giữ được độ chính xác cao giúp tiết kiệm tài nguyên tính toán và thời gian huấn luyện, phù hợp với các trường đại học có quy mô dữ liệu lớn.

Dữ liệu có thể được trình bày qua các biểu đồ phân bố điểm theo từng khoa, biểu đồ so sánh độ chính xác mô hình với các phương pháp lấy mẫu khác nhau, và bảng tổng hợp các chỉ số MAE, RMSE để minh họa hiệu quả của kỹ thuật lấy mẫu và mô hình dự đoán.

Đề xuất và khuyến nghị

1. Áp dụng kỹ thuật lấy mẫu theo nhóm trong quản lý dữ liệu sinh viên: Các khoa và phòng đào tạo nên triển khai lấy mẫu theo nhóm dựa trên đặc điểm môn học và ngành học để xây dựng các tập dữ liệu huấn luyện nhỏ gọn, giúp giảm chi phí xử lý và nâng cao hiệu quả phân tích dự đoán điểm. Thời gian thực hiện trong vòng 6 tháng, do phòng công nghệ thông tin phối hợp với các khoa chủ trì.

2. Triển khai mô hình dự đoán điểm sử dụng XGBoost: Nhà trường nên áp dụng mô hình XGBoost kết hợp lấy mẫu nhóm để dự đoán điểm số sinh viên, hỗ trợ cố vấn học tập trong việc tư vấn đăng ký môn học và cảnh báo sớm các môn học có nguy cơ điểm thấp. Mục tiêu nâng cao độ chính xác dự đoán ít nhất 10% so với phương pháp hiện tại, triển khai trong 1 năm.

3. Phát triển công cụ hỗ trợ sinh viên: Xây dựng hệ thống phần mềm dựa trên mô hình dự đoán để cung cấp cho sinh viên công cụ tự đánh giá khả năng học tập và lựa chọn môn học phù hợp, giúp sinh viên chủ động điều chỉnh kế hoạch học tập. Thời gian phát triển và thử nghiệm dự kiến 9 tháng, do phòng đào tạo và trung tâm công nghệ thông tin phối hợp thực hiện.

4. Đào tạo và nâng cao năng lực cho cán bộ quản lý đào tạo: Tổ chức các khóa đào tạo về kỹ thuật lấy mẫu, phân tích dữ liệu và ứng dụng học máy cho cán bộ quản lý đào tạo và cố vấn học tập nhằm nâng cao năng lực sử dụng dữ liệu trong quản lý và tư vấn. Thời gian tổ chức định kỳ hàng năm, do phòng nhân sự và đào tạo chịu trách nhiệm.

Đối tượng nên tham khảo luận văn

1. Cán bộ quản lý đào tạo đại học: Luận văn cung cấp phương pháp lấy mẫu và mô hình dự đoán điểm giúp cải thiện công tác quản lý đào tạo, lập kế hoạch giảng dạy và tư vấn học tập.

2. Cố vấn học tập và giảng viên: Các đối tượng này có thể sử dụng kết quả dự đoán để tư vấn sinh viên lựa chọn môn học phù hợp, phát hiện sớm các môn học có tỷ lệ sinh viên yếu kém để có biện pháp hỗ trợ kịp thời.

3. Nhà nghiên cứu trong lĩnh vực giáo dục và khoa học dữ liệu: Luận văn cung cấp cơ sở lý thuyết và phương pháp thực nghiệm về kỹ thuật lấy mẫu kết hợp học máy trong dự đoán kết quả học tập, là tài liệu tham khảo hữu ích cho các nghiên cứu tiếp theo.

4. Sinh viên và người học: Sinh viên có thể sử dụng mô hình dự đoán để tự đánh giá khả năng học tập, lựa chọn môn học phù hợp nhằm nâng cao hiệu quả học tập và điểm số tích lũy.

Câu hỏi thường gặp

1. Tại sao cần áp dụng kỹ thuật lấy mẫu trong dự đoán điểm sinh viên?
   Lấy mẫu giúp giảm kích thước dữ liệu cần xử lý, tiết kiệm thời gian và tài nguyên tính toán, đồng thời đảm bảo tính đại diện của dữ liệu để mô hình dự đoán có độ chính xác cao và khả năng tổng quát tốt.

2. Phương pháp lấy mẫu theo nhóm có ưu điểm gì so với lấy mẫu ngẫu nhiên đơn giản?
   Lấy mẫu theo nhóm giúp đảm bảo các nhóm đặc trưng trong dữ liệu được đại diện đầy đủ, giảm bias và tăng tính chính xác của mô hình, trong khi lấy mẫu ngẫu nhiên đơn giản có thể bỏ sót các nhóm quan trọng.

3. Mô hình XGBoost có điểm mạnh gì trong dự đoán điểm sinh viên?
   XGBoost có khả năng xử lý dữ liệu lớn nhanh chóng, tăng cường độ chính xác dự đoán nhờ kỹ thuật tăng cường độ dốc, đồng thời hỗ trợ xử lý dữ liệu dạng bảng và dữ liệu phân loại hiệu quả.

4. Làm thế nào để đánh giá độ chính xác của mô hình dự đoán?
   Độ chính xác được đánh giá qua các chỉ số như MAE (Sai số tuyệt đối trung bình), RMSE (Sai số căn bậc hai trung bình), và MSE (Sai số bình phương trung bình). Giá trị các chỉ số này càng nhỏ thì mô hình càng chính xác.

5. Ứng dụng thực tiễn của mô hình dự đoán điểm sinh viên là gì?
   Mô hình giúp cảnh báo sớm các môn học có nguy cơ điểm thấp, hỗ trợ sinh viên lựa chọn môn học phù hợp, giúp nhà trường cải thiện chương trình đào tạo và nâng cao hiệu quả quản lý đào tạo.

Kết luận

• Luận văn đã nghiên cứu và phát triển kỹ thuật lấy mẫu theo nhóm kết hợp với mô hình học máy XGBoost để dự đoán điểm số sinh viên đại học dựa trên dữ liệu điểm học tập từ năm 2014 đến 2017 tại ĐHBK.
• Kỹ thuật lấy mẫu theo nhóm giúp giảm kích thước tập dữ liệu huấn luyện khoảng 30-40% mà vẫn đảm bảo độ chính xác dự đoán cao, tiết kiệm tài nguyên tính toán.
• Mô hình XGBoost cho kết quả dự đoán với MAE khoảng 0,35 và RMSE khoảng 0,45 trên thang điểm 10, vượt trội so với các phương pháp truyền thống.
• Nghiên cứu có ý nghĩa thực tiễn lớn trong việc hỗ trợ sinh viên lựa chọn môn học, tư vấn học tập và nâng cao hiệu quả quản lý đào tạo tại các trường đại học.
• Các bước tiếp theo bao gồm triển khai ứng dụng mô hình trong thực tế, phát triển công cụ hỗ trợ sinh viên và đào tạo cán bộ quản lý đào tạo về kỹ thuật lấy mẫu và học máy.

Hành động khuyến nghị: Các đơn vị đào tạo và quản lý giáo dục nên áp dụng kỹ thuật lấy mẫu theo nhóm và mô hình XGBoost để nâng cao chất lượng dự đoán và hỗ trợ quản lý đào tạo hiệu quả hơn.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu đề tài GVHD: PGS. Thoại Nam Từ đó, nêu lên những giải pháp đề xuất chọn mẫu dữ liệu và xây dựng mô hình phân tích dựa vào học máy cho bài toán dự đoán điểm số của sinh viên dựa trên dữ liệu quá khứ của sinh viên đã học. Chương 4: Kết quả và đánh giá Từ những phân tích và đề xuất giải pháp trong chương 3, nội dung chính của chương này trình bày các thực nghiệm và những kết quả đạt được khi thực hiện gom nhóm lấy mẫu dữ liệu và xây dựng mô hình phân tích dự báo kết quả học tập của sinh viên Đại học của trường Đại học Bách Khoa - ĐHQG - TPHCM. Đánh giá kết quả thực hiện việc lấy mẫu dữ liệu và phân tích dự đoán điểm sinh viên đại học.

Chương 5: Kết luận Tóm lại các nội dung đã trình bày trong các chương, khẳng định lại các vấn đề cần nghiên cứu, đánh giá lại những mặt còn tồn đọng, và nêu lên các đề xuất phát triển trong tương lai. Kết luận chương 1 Phân tích dự đoán kết quả học tập của sinh viên là một lĩnh vực đang được nhiều sự quan tâm, nghiên cứu và vận dụng để cải thiện chất lượng giáo dục, đào tạo hiện nay tại Việt Nam nói chung và Đại học Bách Khoa - ĐHQG - TPHCM nói riêng. Phương pháp lấy mẫu trong thống kê và lấy mẫu dữ liệu để phân tích trong machine learning đóng vai trò quan trọng trong việc giảm chi phí, thời gian và độ phức tạp tính toán, đồng thời đảm bảo đại diện dữ liệu và đưa ra kết quả chính xác. Với mục tiêu vận dụng cơ sở lý thuyết về kỹ thuật lấy mẫu dữ liệu cho phân tích dữ liệu và học máy để đưa ra phương án chọn mẫu dữ liệu phù hợp với bộ dữ liệu điểm sinh viên đại học Bách Khoa và dự đoán kết quả học tập của sinh viên Đại học Bách Khoa khi lựa chọn đăng ký môn học.

Từ đó, đưa ra kết luận giúp cho các trường đại học đang sẵn có dữ liệu điểm sinh viên đại học có thể chọn mẫu dữ liệu tốt nhất, phù hợp với bộ dữ liệu của trường mình. Và nghiên cứu này cũng làm cơ sở tiền đề cho các nghiên cứu tiếp theo trong lĩnh vực giáo dục đại học trong thời gian sắp tới. HV: Trần Thị Thu Trang Trang 6 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS. Thoại Nam CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU Nội dung chính của chương này trình bày các kiến thức tổng quan về kiến thức nền tảng, cơ sở lý thuyết để thực hiện luận văn.

Là cơ sở nền tảng cho các phân tích, giải pháp giải quyết ở các chương tiếp theo Gồm các nội dung chính như sau: ➢ Một số khái niệm ➢ Ưu điểm, nhược điểm các phương pháp lấy mẫu theo thống kê truyền thống ➢ Phân biệt phương pháp Lấy mẫu ➢ Phương pháp lấy mẫu theo nhóm ➢ Phương pháp dự đoán điểm sinh viên đại học ➢ Đánh giá độ chính xác của mô hình dự đoán ➢ Các công trình nghiên cứu nổi bật trong giáo dục đại học HV: Trần Thị Thu Trang Trang 7 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS. Thoại Nam CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU 2. Một số khái niệm 2. Lấy mẫu (Sampling) là gì ? Theo lý thuyết điều tra chọn mẫu (theory of sample surveys) nhằm mục đích lựa chọn một mẫu đơn vị để đại diện cho một tổng thể lớn hơn.

Sự ra đời của phương pháp đại diện bắt nguồn từ [3], người đề xuất tạo ra các ước tính bằng cách sử dụng mẫu các thành phố và cá nhân được kiểm soát không ngẫu nhiên, thay vì điều tra dân số. Nhưng điều này thực sự với Neyman [4] rằng những điều cơ bản của lấy mẫu khảo sát hiện đại đã được ổn định. Neyman đề xuất một thiết lập chặt chẽ cho các khảo sát ngẫu nhiên, đặt nền móng cho các khảo sát xác suất nhưng có kiểm soát, cho phép kiểm soát thống kê độ chính xác của các công cụ ước tính [1]. “Lấy mẫu là một phương pháp cho phép lấy thông tin về tổng thể (population) dựa trên số liệu thống kê từ một tập hợp con của tổng thể (mẫu) mà không cần phải điều tra từng cá nhân” [20].

1: Định nghĩa Lấy mẫu Tuy nhiên, trong học máy có giám sát và không giám sát trong Machine Learning có thể lấy mẫu [1] theo các dạng sau: ➢ Phương pháp lấy mẫu ngẫu nhiên đơn giản ➢ Lấy mẫu với xác suất không bằng nhau ➢ Thuộc tính thống kê của thiết kế lấy mẫu HV: Trần Thị Thu Trang Trang 8 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS. 2: Supervised machine learning [24] 2. Cây quyết định (Decision Trees) Cây quyết định tạo ra một mô hình dự đoán nhãn bằng cách đánh giá cây câu hỏi đặc trưng nếu-thì-khác đúng/sai và ước tính số lượng câu hỏi tối thiểu cần thiết để đánh giá xác suất đưa ra quyết định đúng. Cây quyết định có thể được sử dụng để phân loại để dự đoán một danh mục hoặc hồi quy để dự đoán một giá trị số liên tục [24].

Hàm mất mát (Loss function) Hàm mất mát là một trong những tham số cần thiết để xác định mức độ gần của một mạng neuron cụ thể đối với trọng số trong quá trình đào tạo 2. Kỹ thuật xuống đồi (Gradient descent) Kỹ thuật xuống đồi (Gradient descent) là “kỹ thuật có thể giúp sự biến thiên của một hàm số luôn là giảm (xuống đồi) dựa trên sự thay đổi của các tham số cấu tạo nên hàm số này” [8]. Gradient Descent là cơ sở của nhiều trình tối ưu hoá và là một trong những thuật toán tối ưu hoá phổ biến nhất trong Machine Learning và Deep learning. HV: Trần Thị Thu Trang Trang 9 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS.

Thoại Nam Gradient descent sử dụng đạo hàm cấp một (gradient) của loss function khi cập nhật các tham số. Gradient cho độ dốc của một hàm tại thời điểm đó. Quá trình này bao gồm chuỗi dẫn xuất của giá trị mất mát (loss value) của từng tầng ẩn (hidden layer) từ các dẫn xuất của loss value của lớp trên nó, kết hợp chức năng kích hoạt trong phép tính toán. Trong mỗi lần lặp lại, khi tất cả các neuron có giá trị của gradient của loss funtion tương ứng với chúng, giá trị của tham số được cập nhật theo hướng ngược lại với các giá trị được chỉ ra bởi gradient.

• Mục tiêu: tìm vector các tham số sao cho tối ưu hoá hàm mục tiêu cụ thể P* = arg min P  ( P) • Phương pháp Gradient descent:  ( P)  Gradient: g = { g } = {  P = Pm−1}  m jm  Pi  Parameters: Pm = − m g m Learning rate:  m = arg min   ( Pm −1 −  g m ) =  m=0 Pm * M Target parameters: P Như vậy, kết quả của gradient descent là kết hợp các trọng số (weight) của các độ dốc (gradient). HV: Trần Thị Thu Trang Trang 10 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS. Ưu điểm, nhược điểm lấy mẫu theo thống kê truyền thống Bảng 2. 1: Ưu điểm, khuyết điểm lấy mẫu theo thống kê truyền thống Phương pháp Ưu điểm Nhược điểm chọn mẫu Cần phải có một danh sách của các Dễ thực hiện, tính khách đơn vị mẫu.

Không dùng được cho Ngẫu quan cao. mẫu lớn hoặc mẫu dao động. nhiên Có thể lồng ghép vào tất Mẫu được chọn có thể phân tán khó đơn cả các kỹ thuật chọn mẫu thu thập. giản xác suất phức tạp khác.

Có khả năng bỏ sót vài nhóm trong tổng thể. Nhanh, dễ thực hiện. Độ Chọn chính xác cao, chọn đối Có thể bị trùng lặp, dẫn đến mẫu thiếu mẫu hệ tượng theo mục đích điều tính đại diện thống tra. Tính đại diện cao hơn.

Chọn Độ chính xác cao. Tính đại Cần thiết lập khung mẫu cho từng mẫu diện cao hơn và dễ quản lý tầng. Điều này thường khó thực hiện phân mẫu ngẫu nhiên đơn giản. trong thực tế.

tầng Chọn Áp dụng cho phạm vi rộng Tổng thể phải lớn. Nếu cùng cỡ mẫu mẫu lớn, độ phân tán cao. tính đại diện hoặc tính chính xác thấp theo Dễ chọn và chi phí rẻ hơn. hơn mẫu ngẫu nhiên đơn giản.

cụm Chọn Hiệu quả trong việc thu Mức độ chủ quan cao. Kết quả nghiên mẫu thập dữ liệu sơ cấp. Hiệu cứu không bao giờ có thể đại diện nhiều quả về chi phí và thời gian. Sự hiện diện của thông tin cấp bậc Mức độ linh hoạt cao.

nhóm là bắt buộc. HV: Trần Thị Thu Trang Trang 11 / 61 Chương 2: Cơ sở lý thuyết GVHD: PGS. Phân biệt các phương pháp Lấy mẫu Bảng 2. 2: Phân biệt các phương pháp Lấy mẫu Lấy mẫu trong Thống kê Lấy mẫu trong Học máy Lấy mẫu trong Học máy Thống kê truyền thống (Statistics) (Machine Learning) (Statistical Machine Learning hoặc Statistical Learning) Phương pháp Phụ thuộc vào dữ liệu (data-driven) Phụ thuộc vào dữ liệu (data-driven) Phụ thuộc vào dữ liệu (data-driven) Việc học Học từ dữ liệu mà không cần hướng Dựa trên rule-based programming và chính thức hoá dữ liệu dẫn được lập trình rõ ràng dưới dạng mối quan hệ giữa các biến (relationship (Learning) Không có (programmed instructions) between variables) Ngữ cảnh Được sử dụng trong lĩnh vực thống Áp dụng các phương pháp thống kê trong việc xây kê truyền thống Xây dựng và huấn luyện mô hình dựng mô hình machine learning Rút ra các kết luận về đặc điểm và thông tin của quần thể dựa trên một Tập trung vào việc chọn một tập dữ mẫu đại diện liệu huấn luyện từ tập dữ liệu ban Xây dựng mô hình dự đoán có hiệu suất cao trên dữ Mục đích - Sử dụng để ước lượng các tham số đầu để xây dựng mô hình hoặc học liệu mới (Purpose) và tính toán khoảng tin cậy, sai số, thuật và độ tin cậy của các ước lượng đối với quần thể - Tạo ra tập dữ liệu huấn luyện để xây dựng mô hình có tính đại diện, Ước lượng và đánh giá thông tin về tổng quát để mô hình có khả năng - Tạo ra một tập dữ liệu huấn luyện có tính tổng quát Mục tiêu quần thể gồm các tham số, tổng tổng quát hoá tốt và khả năng đại diện cho quần thể dữ liệu ban đầu chính quan hoặc mô hình của quần thể - Đảm bảo mô hình được huấn - Sử dụng các phương pháp thống kê để hiểu rõ hơn và (Goal) (population) dữ liệu ban đầu luyện trên đủ các trường hợp và có tối ưu hóa các thuật toán Machine Learning, thông qua khả năng tổng quát hóa tốt trên dữ việc xác định mẫu, quy tắc, và đặc trưng quan trọng, liệu mới đánh giá và so sánh các mô hình.