Mở đầu 1.1 Ly do chọn đề tài Giáo dục trực tuyến đã trở thành xu hướng trong các hình thức giáo dục hiện nay, với các nền tảng học trực tuyến mở (MOOCs) đóng vai trò tiên phong trong việc mang đến cơ hội tiếp cận tri thức cho mọi người trên toàn cầu. Sự phong phú và đa dạng của các khóa học trên các nền tảng này đã đặt ra một thách thức không nhỏ cho người học: làm thé nao dé tim được những khóa học thực sự phù hợp với nhu cầu, sở thích và năng lực của bản thân Để giải quyết bài toán này, việc xây dựng một hệ thống khuyến nghị môn học hiệu quả là vô cùng cần thiết. Tuy nhiên, việc phát triển hệ thống khuyến nghị cho MOOCs không hề đơn giản, do những đặc thù của dữ liệu lớn (Big Data) từ các nền tảng này. Cụ thé, dữ liệu MOOCs thường có những đặc điểm sau: 1.
Khối lượng dữ liệu (volume) lớn: Các nền tảng MOOC lưu trữ một lượng dữ liệu khổng lồ, bao gồm thông tin về khóa học, người dùng, tương tác của người dùng với hệ thống và với nhau. Việc xử lý và lưu trữ hiệu quả khối lượng dữ liệu này đòi hỏi một hệ thống khuyến nghị phải có khả năng mở rộng và tính toán phân tán cao. Tốc độ sinh dw liệu (velocity) nhanh: Dữ liệu trên MOOCs được tạo ra liên tục với tốc độ chóng mặt, do sự gia tăng không ngừng của người dùng mới, khóa học mới và các tương tác mới. Hệ thống khuyến nghị cần có khả năng cập nhật và xử 1.
Mục tiêu lý dữ liệu theo thời gian thực để nắm bắt được sự thay đổi trong sở thích và hành vi của người dùng. Da dang dif liệu (variety): Dữ liệu trên MOOCs bao gồm nhiều loại dữ liệu khác nhau, từ dữ liệu có cấu trúc (thông tin người dùng, khóa học) đến dữ liệu bán cầu trúc (tương tác của người dùng) và dữ liệu không cấu trúc (nội dung khóa học, video, hình ảnh). Việc khai thác và kết hợp hiệu quả các loại dữ liệu này là chìa khóa để xây dựng một hệ thống khuyến nghị cá nhân hóa và chính xác. Nhằm giải quyết các thách đặc điểm đó, khoá luận này đề xuất nghiên cứu đề tài "Nghiên cứu phương pháp cải tiến hệ thống khuyến nghị môn học dựa trên dữ liệu lớn từ các nền tảng MOOCS".
Đề tài này tập trung vào hai mục tiêu chính: 1. Giải quyết các thách thức từ dữ liệu lớn trên MOOCs: Nghiên cứu này sé đi sâu vào nghiên cứu phương pháp xử lý và khai thác đữ liệu lớn hiệu quả. Mục tiêu là hiểu sâu hơn về hành vi và sở thích của người học, từ đó xây dựng các mô hình khuyến nghị chính xác và cá nhân hóa hơn. Xây dựng một hệ thống khuyến nghị khoá học mới: Dé tận dụng lượng dif liệu đa dạng đã được khai thác, khoá luận này đề xuất một framework mới tên là H-BERT4Rec, được cải tiến từ mô hình BERT4Rec[29] để xây dựng hệ thống khuyến nghị khoá học cho MOOCs.
Với những mục tiêu nêu trên, khoá luận này hy vọng sẽ đóng góp một phần vào việc cải thiện chất lượng giáo dục trực tuyến, giúp người học khai thác tối đa tiềm năng của các nền tảng MOOCs và đạt được thành công trong hành trình học tập của minh.2 Mục tiêu Đặc thù của các nền tang MOOC trong thực tế là sự phát triển không ngừng của dữ liệu. Doi hỏi một hệ thống lưu trữ, phân tích và xử lý dữ liệu mạnh mẽ, từ đó mới có thể khai thác được những thông tin giá trị để nâng cao hiệu quả của hệ thống đề xuất. Do đó, mục tiêu của nghiên cứu này là xây dựng một hệ thống đề xuất khóa học tiên tiến trên nền tảng MOOC, giải quyết các thách thức của dif liệu lớn và cải thiện độ chính xác của dé xuất thông qua việc phân tích và xử lý dif liệu lớn. Cụ thể, khoá luận này để ra các mục tiêu cụ thể như sau: 6 1.
Phạm vi đề tài và đối tượng nghiên cứu 1. Nghiên cứu và phân tích các phương pháp hiện tại: Để bắt đầu nghiên cứu, tiến hành một khảo sát toàn diện về các phương pháp khuyến nghị khóa học cho các nền tảng MOOC đã được công bố trong các nghiên cứu trước đây. Mục tiêu của gia đoạn này bao gồm việc tìm hiểu về các mô hình khuyến nghị phổ biến, cốt lõi của các mô hình đó, ưu nhược điểm và hiệu quả thực tế của các mô hình đó trong bài toán cụ thể là khuyến nghị khoá học cho các nền tảng MOOC. Phân tích dữ liệu lớn từ các nền tang MOOC: Tiếp theo, khoá luận sẽ tập trung vào việc phân tích dữ liệu lớn từ các nền tảng MOOC.
Quá trình này bao gồm thu thập, làm sạch, tiền xử lý và phân tích dữ liệu về hành vi học tập của người dùng, thông tin về các khóa học, và các dif liệu khác có thể ảnh hưởng đến việc lựa chọn khóa học của người dùng. Mục tiêu là khám phá các đặc trưng của khoá học, xu hướng người dùng và mối quan hệ tiềm ẩn trong dữ liệu, từ đó tạo nền tảng cho việc xây dựng phương pháp để khai thác dif liệu từ MOOCs hiệu qua. Đề xuất một mô hình khuyến nghị khoá học mới: Dựa trên kết quả phân tích dữ liệu và đánh giá các phương pháp cơ sở hiện có, khoá luận này đề xuất mô hình khuyến nghị khóa học cải tiến, tận dụng các kỹ thuật học máy và trí tuệ nhân tạo tiên tiến. Mô hình này sẽ được thiết kế để xử lý hiệu qua dif liệu lớn và có khả năng thích ứng với sự thay đổi liên tục của dữ liệu trên MOOCs.
Thực nghiệm và đánh giá hiệu suất: Cuối cùng, để đánh giá chứng minh tính hiệu quả, phần cuối của khoá luận trình bày các kịch bản thực nghiệm để đánh giá hiệu suất của mô hình được dé xuất một cách toàn diện.3 Phạm vi đề tài và đối tượng nghiên cứu 1.1 Di liệu lớn từ nền tảng MOOC Tập trung vào khai thác dữ liệu được tạo ra từ hoạt động của người dùng trên các nền tảng MOOCs. Dữ liệu này này bao gồm thông tin về hành vi học tập của người dùng, chi tiết về khóa học và giảng viên, nội dung khóa học đa phương tiện, tương tác đa dạng của người dùng với nền tảng (như đăng ký khóa học, làm bài tập, tương tác với video,.) và phản hồi của họ về khóa học và giảng viên. Phạm vi đề tài và đối tượng nghiên cứu Nghiên cứu này sẽ sử dụng dif liệu từ các nền tảng MOOCs thực tế như Coursera!, edX*, XuetangX,. để đảm bảo tính thực tiễn khi đánh giá.
Mô hình khuyến nghị nghiên cứu sé tập trung vào phát triển va cải tiến các mô hình khuyến nghị môn học. Đây là những thuật toán học máy hoặc học sâu phức tạp, có khả năng dự đoán sở thích và mức độ phù hợp của người dùng với các khóa học khác nhau, dựa trên dữ liệu về người dùng, khóa học và tương tác của họ. Các mô hình này thường được phân loại theo phương pháp tiếp cận, bao gồm lọc cộng tác, lọc dựa trên nội dung và các phương pháp kết hợp. Nghiên cứu nay tập trung vào các mô hình khuyến nghị tuần tự như SASRec[15] và BERT4Rec[29] đồng thời cũng đánh giá với các mô hình cổ điển như BPR[24] va NCF[10].org/ https://www.org/ 3https://www.com/ Chương 2 Tổng quan 2.1 Giới thiệu tổng quan nghiên cứu Các nền tảng MOOC đã tạo nên một cuộc cách mạng trong lĩnh vực giáo dục, phá võ rào can địa lý và kinh tế để mang đến cơ hội học tập linh hoạt và dé tiếp cận cho người học trên toàn thé giới [40].
Tan dụng sức mạnh của các tiễn bộ trong công nghệ, MOOCs đã vượt qua các hạn chế của lớp học truyền thống, mở ra một cánh cửa linh hoạt và dễ dàng tiếp cận tri thức cho người học trên toàn cầu. Phương pháp tiếp cận sáng tạo này cho phép người học học được những kỹ năng mới, phát triển kiến thức chuyên ngành và có thể có được các chứng chỉ chuyên môn hỗ trợ cho công việc của họ. Khác biệt hoàn toàn với mô hình giáo dục truyền thống, các nền tảng MOOC sở hữu những đặc điểm nổi bật và ưu việt đã được chứng minh qua nhiều nghiên cứu [39, 1, 17, 42, 5]: » Tính mở rộng: Nghiên cứu [17] đề cập đến việc MOOCs có khả năng tiếp nhận lượng lớn người học cùng tham gia một khóa học duy nhất. Điều này không chỉ tạo ra một môi trường học tập đa dạng và phong phú, mà còn thúc đẩy sự hình thành các cộng đồng học tập trực tuyến sôi động, nơi mọi người có thể giao lưu, trao đổi kiến thức và kinh nghiệm với nhau.
¢ Tính linh hoạt: Một trong những ưu điểm vượt trội của MOOCs là tính linh hoạt trong học tập. Người học có toàn quyển quyết định lựa chọn khóa học phù hợp với sở thích và mục tiêu cá nhân, không bị gò bó bởi các điều kiện tiên quyết hay 2. Giới thiệu tổng quan nghiên cứu yêu cầu chuyên môn. Họ có thể học theo tốc độ riêng, lựa chọn thời gian và địa điểm học tập phù hợp với lịch trình của mình.
« Tính đa dạng: MOOCs cung cấp kho tàng kiến thức phong phú, bao gồm nhiều chủ dé và lĩnh vực khác nhau từ khoa học, công nghệ, kỹ thuật đến nghệ thuật, nhân văn và xã hội. Sự đa dạng này đáp ứng nhu cầu học tập ngày càng cao và đa dạng của người học, cho phép họ khám phá và phát triển bản thân ở nhiều lĩnh vực khác nhau. Các nền tảng MOOC đã mang đến những lợi ích vượt bậc trong việc phổ cập tri thức, nhưng việc tham gia đầy đủ và hoàn thành các khoá học còn phụ thuộc vào nhiều yếu tố của người dùng, việc thúc đẩy và nâng cao khả năng hoàn thành khoá học là một bài toán cần được giải quyết để vận hành một hệ thống giáo dục hiệu quả. Các hệ thống gợi ý khoá học, với khả năng sử dụng dữ liệu người dùng để cung cấp các để xuất khóa học phù hợp với sở thích và mục tiêu học tập của từng cá nhân, đây được xem là chìa khóa để giải quyết bài toán này.
Song song với lợi ích đó, trong bối cảnh MOOCs, các hệ thống khuyến nghị cũng phải đối mặt với không ít thách thức. Phản hồi ngầm khó nắm bắt|3]: Trong môi trường MOOCs, việc thu thập phản hồi rõ ràng từ người dùng thường gặp khó khăn do các quy định bảo mật dữ liệu. Các nền tảng thường không chủ động đưa ra các phản hồi tiêu cực như đánh giá thấp khóa học hay bày tỏ sự không thích.