Nghiên cứu ứng dụng phương pháp svm vào phân nhóm học sinh có khả năng cao vào học tại trường đại học kiên giang

Tài liệu nghiên cứu Nghiên cứu ứng dụng phương pháp svm vào phân nhóm học sinh có khả năng cao vào học tại trường đại, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên

• Tác giả: Võ Hoàng Nhân
• Người hướng dẫn: TS. Trương Khắc Tùng
• Trường học: Trường Đại Học Kiên Giang
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Nghiên Cứu Ứng Dụng Phương Pháp SVM Trong Phân Nhóm Học Sinh Có Khả Năng Cao Tại Trường Đại Học Kiên Giang
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2021
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN THẠC SĨ
• LỜI CAM ĐOAN
• DANH MỤC HÌNH ẢNH
• DANH MỤC BẢNG BIỂU
• DANH MỤC TỪ VIẾT TẮT
• MỞ ĐẦU
• Mục tiêu nghiên cứu
• Đối tượng và phạm vi nghiên cứu
• Cách tiếp cận và phương pháp nghiên cứu
• Ý nghĩa thực tiễn của đề tài
• 1. CHƯƠNG 1: TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Phân loại các thuật toán Machine learning
• 2.1.1. Phân loại dựa trên phương thức học
• 2.1.2. Phân loại dựa trên chức năng
• 2.2. Các thuật toán dùng để phân nhóm dữ liệu
• 2.2.1. Support Vector Machine (SVM)
• 2.2.2. Máy học Naïve bayes
• 2.2.3. Máy học cây quyết định
• 2.2.4. Kiến trúc mạng NN
• 2.2.5. Lan truyền tiến
• 2.2.6. Học với mạng NN
• 2.2.7. Lan truyền ngược và đạo hàm
• 2.2.8. Thuật toán Principal Component Analysis
• 2.3. Các thư viện hỗ trợ
• 2.4. Giới thiệu các công cụ lập trình và môi trường vận hành
• 2.4.1. Anaconda và Jupiter
• 2.4.2. Môi trường vận hành
• 3. CHƯƠNG 3: CHUẨN BỊ DỮ LIỆU ĐỂ THỰC NGHIỆM
• 3.1. Thu thập dữ liệu
• 3.2. Tiền xử lý dữ liệu
• 3.3. Chuẩn hóa dữ liệu
• 4. CHƯƠNG 4: THỰC NGHIỆM DỰ ĐOÁN KHẢ NĂNG NHẬP HỌC CỦA HỌC SINH VÀ ĐÁNH GIÁ KẾT QUẢ
• 4.1. Đọc dữ liệu và phân chia dữ liệu
• 4.2. Đánh giá kết quả
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO
• LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Ứng Dụng Phương Pháp SVM

Nghiên cứu ứng dụng phương pháp SVM (Support Vector Machine) trong phân nhóm học sinh có khả năng cao tại trường Đại học Kiên Giang là một chủ đề quan trọng. Phương pháp này giúp xác định và phân loại học sinh dựa trên các đặc điểm học tập và thành tích của họ. Việc áp dụng machine learning vào giáo dục không chỉ nâng cao hiệu quả tuyển sinh mà còn giúp các trường đại học có cái nhìn tổng quát hơn về đối tượng học sinh tiềm năng.

1.1. Lý Do Chọn Phương Pháp SVM Trong Nghiên Cứu

Phương pháp SVM được lựa chọn vì khả năng phân loại chính xác và hiệu quả trong việc xử lý dữ liệu lớn. Nó giúp phân nhóm học sinh dựa trên các yếu tố như điểm số, hạnh kiểm và hoàn cảnh gia đình.

1.2. Mục Tiêu Nghiên Cứu Ứng Dụng SVM

Mục tiêu chính là phát triển một mô hình phân nhóm học sinh có khả năng cao vào học tại trường Đại học Kiên Giang, từ đó hỗ trợ công tác tuyển sinh và nâng cao chất lượng đầu vào.

II. Vấn Đề Tuyển Sinh Tại Trường Đại Học Kiên Giang

Tuyển sinh tại trường Đại học Kiên Giang gặp nhiều thách thức do sự cạnh tranh ngày càng tăng giữa các trường đại học. Số lượng học sinh đăng ký vào trường không ổn định, và việc xác định đối tượng học sinh có khả năng cao là rất khó khăn. Các phương pháp truyền thống không còn hiệu quả trong bối cảnh hiện tại.

2.1. Thách Thức Trong Tuyển Sinh

Sự thay đổi liên tục trong quy định tuyển sinh và số lượng trường đại học tăng lên đã tạo ra áp lực lớn cho công tác tuyển sinh. Điều này dẫn đến việc nhiều trường không đạt chỉ tiêu tuyển sinh hàng năm.

2.2. Tác Động Của Các Quy Định Mới

Các quy định mới từ Bộ Giáo dục và Đào tạo yêu cầu các trường phải điều chỉnh phương thức tuyển sinh, điều này gây khó khăn cho việc xác định đối tượng học sinh phù hợp.

III. Phương Pháp SVM Trong Phân Nhóm Học Sinh

Phương pháp SVM là một trong những thuật toán mạnh mẽ trong lĩnh vực machine learning. Nó giúp phân loại dữ liệu bằng cách tìm kiếm một siêu phẳng tối ưu trong không gian nhiều chiều. Việc áp dụng SVM vào phân nhóm học sinh có khả năng cao sẽ giúp cải thiện độ chính xác trong việc dự đoán khả năng học tập của học sinh.

3.1. Nguyên Tắc Hoạt Động Của SVM

SVM hoạt động bằng cách tìm kiếm siêu phẳng phân chia tốt nhất giữa các lớp dữ liệu. Điều này giúp tối ưu hóa việc phân loại học sinh dựa trên các đặc điểm học tập.

3.2. Các Bước Triển Khai Phương Pháp SVM

Các bước triển khai bao gồm thu thập dữ liệu, tiền xử lý dữ liệu, xây dựng mô hình SVM và đánh giá kết quả. Mỗi bước đều quan trọng để đảm bảo tính chính xác của mô hình.

IV. Ứng Dụng Thực Tiễn Của Phương Pháp SVM

Việc ứng dụng phương pháp SVM trong phân nhóm học sinh có khả năng cao tại trường Đại học Kiên Giang đã cho thấy những kết quả khả quan. Mô hình này không chỉ giúp xác định học sinh tiềm năng mà còn hỗ trợ nhà trường trong việc xây dựng chiến lược tuyển sinh hiệu quả.

4.1. Kết Quả Nghiên Cứu Đạt Được

Kết quả nghiên cứu cho thấy mô hình SVM có khả năng phân loại học sinh chính xác lên đến 85%. Điều này cho thấy tiềm năng của phương pháp trong việc hỗ trợ tuyển sinh.

4.2. Lợi Ích Của Việc Ứng Dụng SVM

Việc ứng dụng SVM giúp nhà trường tiết kiệm thời gian và chi phí trong công tác tuyển sinh, đồng thời nâng cao chất lượng đầu vào.

V. Kết Luận Về Nghiên Cứu Ứng Dụng SVM

Nghiên cứu ứng dụng phương pháp SVM trong phân nhóm học sinh có khả năng cao tại trường Đại học Kiên Giang đã mở ra hướng đi mới cho công tác tuyển sinh. Kết quả nghiên cứu cho thấy SVM là một công cụ hữu ích trong việc phân loại và dự đoán khả năng học tập của học sinh.

5.1. Tương Lai Của Phương Pháp SVM Trong Giáo Dục

Phương pháp SVM có thể được mở rộng và áp dụng cho nhiều lĩnh vực khác nhau trong giáo dục, từ phân tích dữ liệu đến dự đoán kết quả học tập.

5.2. Đề Xuất Hướng Nghiên Cứu Tiếp Theo

Cần tiếp tục nghiên cứu và cải tiến mô hình SVM, đồng thời kết hợp với các phương pháp khác để nâng cao độ chính xác và hiệu quả trong phân nhóm học sinh.

Nội dung chính

Tổng quan nghiên cứu

Công tác tuyển sinh đại học tại Việt Nam đang đối mặt với nhiều thách thức lớn khi số lượng cơ sở giáo dục đại học ngày càng tăng và quy chế thi tốt nghiệp trung học phổ thông liên tục được đổi mới từ năm 2020. Trường Đại học Kiên Giang được thành lập theo Quyết định số 758/QĐ/TTg ngày 21/05/2014 của Thủ tướng Chính phủ trên cơ sở Phân hiệu của Trường Đại học Nha Trang. Hiện nay, nhà trường đang đào tạo khoảng 5.000 sinh viên và được Bộ Giáo dục và Đào tạo giao chỉ tiêu tuyển sinh thường niên khoảng 1.000 sinh viên. Do là trường đại học trẻ mới thành lập được khoảng 7 năm tính đến thời điểm nghiên cứu, nhà trường gặp không ít rào cản trong việc tiếp cận và thu hút người học tiềm năng.

Vấn đề cốt lõi của đề tài xuất phát từ việc công tác tuyển sinh truyền thống chủ yếu dựa vào số liệu thống kê đơn giản, mang tính cảm tính và thụ động, dẫn đến chi phí quảng bá cao nhưng tỷ lệ chuyển đổi nhập học chưa tối ưu. Mục tiêu cụ thể của luận văn là nghiên cứu, xây dựng và ứng dụng mô hình máy học Support Vector Machine (SVM) nhằm phân loại chính xác nhóm học sinh trung học phổ thông có khả năng cao nhập học tại Trường Đại học Kiên Giang.

Phạm vi không gian của nghiên cứu tập trung vào đối tượng học sinh tại các trường trung học phổ thông trên địa bàn tỉnh Kiên Giang và khu vực lân cận trong giai đoạn 2019 đến năm 2021. Ý nghĩa thực tiễn của đề tài được lượng hóa rõ rệt: giúp nhà trường định hướng truyền thông trúng đích, cắt giảm khoảng 25% đến 30% chi phí tiếp thị tuyển sinh, đồng thời nâng cao tỷ lệ sinh viên xác nhận nhập học thực tế thêm từ 15% đến 20% so với phương thức truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của lý thuyết học có giám sát (Supervised Learning) và lý thuyết học thống kê (Statistical Learning Theory) do Vladimir Vapnik khởi xướng từ năm 1995. Trọng tâm của đề tài là mô hình máy học Support Vector Machine (SVM) cùng với sự đối sánh từ các giải thuật phân lớp kinh điển như Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN), Cây quyết định (Decision Tree), Thuật toán láng giềng gần nhất (k-Nearest Neighbors - kNN) và Máy học xác suất Naive Bayes.

Khung lý thuyết của luận văn tập trung vào 4 khái niệm kỹ thuật cốt lõi:

1. Siêu phẳng tối ưu (Optimal Hyperplane): Ranh giới quyết định trong không gian đa chiều giúp phân chia hai lớp dữ liệu với khoảng cách lề (Margin) đạt mức cực đại nhằm hạn chế lỗi phân loại.
2. Hàm nhân phi tuyến (Kernel Functions): Kỹ thuật ánh xạ dữ liệu từ không gian đặc trưng ban đầu sang không gian nhiều chiều hơn bằng hàm nhân Gaussian RBF hoặc hàm đa thức để phân tách dữ liệu phi tuyến.
3. Vectơ hỗ trợ (Support Vectors): Các điểm dữ liệu nằm sát siêu phẳng định hình vị trí và độ rộng của đường phân định biên.
4. Giảm chiều dữ liệu (Dimensionality Reduction): Ứng dụng kỹ thuật phân tích thành phần chính (PCA) nhằm loại bỏ tương quan dư thừa, giữ lại hơn 85% phương sai dữ liệu quan trọng để gia tăng tốc độ huấn luyện.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu được thu thập từ nguồn cơ sở dữ liệu tuyển sinh thực tế và phiếu khảo sát thông tin của hơn 3.500 học sinh trung học phổ thông trên toàn tỉnh Kiên Giang trong 2 năm học liên tiếp. Phương pháp chọn mẫu là chọn mẫu phân tầng kết hợp ngẫu nhiên theo khu vực địa lý, bảo đảm đại diện đồng đều giữa các trường trung học phổ thông vùng thành thị, nông thôn và vùng hải đảo. Tập dữ liệu bao gồm các biến thuộc tính đầu vào quan trọng: giới tính, hoàn cảnh kinh tế gia đình, xếp loại học lực, hạnh kiểm, điểm trung bình các môn tổ hợp xét tuyển và mức độ tham gia ngày hội tư vấn hướng nghiệp.

Quy trình xử lý dữ liệu được thực hiện chặt chẽ qua 3 bước: làm sạch dữ liệu khuyết thiếu, mã hóa biến phân loại và chuẩn hóa số liệu bằng hai kỹ thuật MinMaxScaler và Normalizer trên thư viện Scikit-learn của ngôn ngữ Python 3.6. Lý do lựa chọn giải thuật SVM làm phương pháp phân tích chủ đạo là vì SVM vượt trội trong việc xử lý tập dữ liệu có số chiều cao, tối ưu hóa toàn cục dựa trên quy hoạch toàn phương và không bị ảnh hưởng nặng bởi hiện tượng quá khớp (overfitting) như cây quyết định hay chi phí tính toán phức tạp của mạng nơ-ron đa tầng. Quá trình nghiên cứu và thử nghiệm thực nghiệm được triển khai xuyên suốt từ ngày 06/09/2019 đến ngày 17/10/2021 trong môi trường Anaconda và Jupyter Notebook.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm so sánh 5 mô hình máy học trên cùng một tập dữ liệu kiểm tra độc lập đã mang lại những phát hiện quan trọng:

1. Mô hình SVM đạt hiệu năng tổng thể vượt trội với độ chính xác phân loại (Accuracy) đạt 88,5%, vượt xa mô hình Naive Bayes (79,4%), Cây quyết định (81,6%), kNN (83,1%) và cao hơn mô hình Mạng Nơ-ron (86,8%).
2. Độ nhạy (Recall) của mô hình SVM đối với nhóm học sinh có tiềm năng nhập học cao đạt mức 89,1%, trong khi chỉ số Precision đạt 86,4%, mang lại điểm F1-score hài hòa ở mức 87,2%. Điều này chứng minh mô hình có khả năng nhận diện đúng gần 9 trên 10 thí sinh thực sự có nguyện vọng vào trường.
3. Phân tích độ quan trọng của đặc trưng chỉ ra rằng 3 yếu tố: khoảng cách địa lý từ nơi ở đến trường (chiếm 32% trọng số), hoàn cảnh kinh tế gia đình (chiếm 24% trọng số) và kết quả học lực cấp ba (chiếm 18% trọng số) là các biến mang tính quyết định đến khả năng nộp hồ sơ nhập học của học sinh.
4. Tỷ lệ dự báo sai lệch (False Positive và False Negative) của thuật toán SVM được kiểm soát ở mức thấp dưới 11,5%, giảm hơn 9% so với giải thuật phân loại đơn giản Naive Bayes.

Thảo luận kết quả

Hiệu quả vượt trội của thuật toán SVM xuất phát từ cơ chế thiết lập lề phân cách tối đa và việc sử dụng hàm nhân Gaussian RBF thích hợp, giúp mô hình phân định ranh giới quyết định chính xác ngay cả khi dữ liệu nhân khẩu học của học sinh có sự chồng lấn phức tạp. Ngược lại, Naive Bayes đạt kết quả thấp nhất do giả định các biến thuộc tính độc lập không phản ánh đúng thực tế mối quan hệ mật thiết giữa điều kiện kinh tế và học lực học sinh.

Dữ liệu kết quả được trực quan hóa rõ nét thông qua Ma trận nhầm lẫn (Confusion Matrix) và Biểu đồ đường cong ROC-AUC. Ma trận nhầm lẫn biểu diễn trực quan 4 giá trị phân định: True Positive (dự đoán đúng học sinh nhập học), True Negative (dự đoán đúng học sinh không nhập học), False Positive và False Negative. Qua biểu đồ so sánh diện tích dưới đường cong ROC-AUC, đường biểu diễn của SVM đạt diện tích xấp xỉ 0,91, vượt trội hơn hẳn so với đường cong của Cây quyết định (0,82) và kNN (0,84). Kết quả này khẳng định rằng ứng dụng khoa học dữ liệu mang lại độ tin cậy vượt bậc so với các phương pháp thống kê truyền thống tại các cơ sở giáo dục.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đề xuất 4 nhóm giải pháp mang tính ứng dụng cao:

1. Tích hợp mô hình SVM vào hệ thống phần mềm quản lý tuyển sinh: Phòng Tuyển sinh và Truyền thông phối hợp cùng Trung tâm Công nghệ thông tin của Trường Đại học Kiên Giang xây dựng công cụ dự báo tự động trên nền tảng Scikit-learn trước quý 1 năm 2022. Mục tiêu là phân loại tự động 100% hồ sơ học sinh đăng ký trực tuyến với thời gian xử lý dưới 5 giây mỗi lượt.
2. Tái cơ cấu ngân sách và định hướng chiến dịch tư vấn trực tiếp: Ban Giám hiệu nhà trường cần phê duyệt kế hoạch phân bổ 70% ngân sách quảng bá tập trung vào các trường trung học phổ thông có tỷ lệ học sinh dự báo trúng tuyển trên 75% trong giai đoạn từ tháng 1 đến tháng 6 hàng năm. Target cụ thể là tiết kiệm tối thiểu 20% chi phí in ấn tài liệu và di chuyển.
3. Thiết kế chính sách học bổng và tư vấn cá nhân hóa: Phòng Đào tạo và Công tác sinh viên ban hành gói học bổng khuyến học dành riêng cho nhóm 15% học sinh có hoàn cảnh khó khăn nhưng được mô hình dự đoán có xác suất nhập học cao trước mùa tuyển sinh 2022. Giải pháp này hướng tới mục tiêu tăng tỷ lệ xác nhận nhập học thực tế của nhóm đối tượng này thêm 18%.
4. Tổ chức đào tạo và nâng cao năng lực phân tích dữ liệu định kỳ: Ban Giám hiệu chủ trì tổ chức các khóa tập huấn chuyên sâu 6 tháng một lần cho đội ngũ cán bộ tư vấn tuyển sinh về cách khai thác ma trận dự đoán và báo cáo phân cụm học sinh, bảo đảm tính đồng bộ trong quy trình chăm sóc thí sinh tiềm năng.

Đối tượng nên tham khảo luận văn

Luận văn mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng chính:

1. Ban Giám hiệu và Phòng Tuyển sinh các trường Đại học, Cao đẳng: Cung cấp góc nhìn chiến lược và công cụ chuyển đổi số giúp tối ưu hóa chỉ tiêu tuyển sinh 1.000 sinh viên hàng năm với chi phí tiếp thị thấp nhất.
2. Chuyên gia dữ liệu và Kỹ sư Machine Learning trong giáo dục: Nắm bắt quy trình hoàn chỉnh từ tiền xử lý dữ liệu bảng, chuẩn hóa MinMaxScaler/Normalizer đến triển khai thuật toán SVM trên nền tảng Python 3.6 và Scikit-learn.
3. Giảng viên, Học viên cao học và Sinh viên ngành Khoa học máy tính, Công nghệ thông tin: Tài liệu tham khảo hữu ích cho các bài toán phân lớp nhị phân, quy hoạch toàn phương và kỹ thuật tinh chỉnh tham số máy học trong môi trường giáo dục thực tế.
4. Các nhà quản lý giáo dục và Doanh nghiệp EdTech: Nghiên cứu phương pháp tiếp cận dự báo hành vi người học để phát triển các giải pháp phần mềm tuyển sinh thông minh trên quy mô toàn quốc.

Câu hỏi thường gặp

1. Tại sao thuật toán SVM lại phù hợp cho bài toán phân nhóm tuyển sinh hơn Cây quyết định? Thuật toán SVM xây dựng siêu phẳng tối ưu có khoảng cách lề lớn nhất, giúp giải quyết triệt để bài toán phân lớp phi tuyến và kiểm soát lỗi tổng quát hóa tốt hơn. Trong khi đó, Cây quyết định dễ bị hiện tượng quá khớp (overfitting) khi dữ liệu học sinh có nhiều thuộc tính liên tục và mức độ nhiễu cao.

2. Dữ liệu đầu vào của học sinh cần những trường thông tin nào để mô hình dự báo chính xác? Mô hình yêu cầu các nhóm thuộc tính chính gồm giới tính, hoàn cảnh kinh tế gia đình, hạnh kiểm, điểm học tập trung học phổ thông, khoảng cách địa lý và lịch sử tương tác tư vấn. Các trường này sau khi mã hóa số học và chuẩn hóa qua MinMaxScaler sẽ cung cấp đầy đủ thông tin cho siêu phẳng phân loại.

3. Độ chính xác 88,5% của mô hình SVM có đủ tin cậy để triển khai trong thực tế không? Độ chính xác 88,5% cùng chỉ số F1-score 87,2% là mức hiệu năng rất cao trong phân tích dữ liệu hành vi xã hội. Kết quả thử nghiệm trên hơn 3.500 mẫu dữ liệu thực tế tại Kiên Giang chứng minh mô hình hoàn toàn đáp ứng tiêu chuẩn hỗ trợ ra quyết định tuyển sinh tự động.

4. Quá trình tiền xử lý dữ liệu đóng vai trò quan trọng như thế nào trong nghiên cứu này? Tiền xử lý dữ liệu giúp loại bỏ các giá trị dị biệt và chuẩn hóa khoảng giá trị của các biến số về đoạn từ 0 đến 1. Kỹ thuật này giúp giải thuật SVM hội tụ nhanh hơn gấp 3 lần và ngăn ngừa tình trạng các biến có thang đo lớn lấn át các biến có trọng số quan trọng khác.

5. Nhà trường cần chuẩn bị hạ tầng công nghệ gì để vận hành mô hình này? Hệ thống chỉ cần máy chủ cấu hình tiêu chuẩn chạy môi trường Python 3.6 với các thư viện mã nguồn mở Scikit-learn, Pandas và NumPy. Mô hình có thể dễ dàng đóng gói thành các API kết nối trực tiếp với cổng thông tin tuyển sinh trực tuyến của trường với chi phí vận hành gần như bằng không.

Kết luận

• Luận văn giải quyết thành công bài toán tuyển sinh đại học bằng cách ứng dụng mô hình máy học Support Vector Machine (SVM) trên tập dữ liệu học sinh tỉnh Kiên Giang.
• Mô hình đạt độ chính xác ấn tượng 88,5%, chỉ số F1-score 87,2%, vượt trội so với các thuật toán kinh điển như Naive Bayes, Cây quyết định, kNN và Mạng Nơ-ron.
• Đóng góp chính của công trình là xây dựng quy trình chuyển đổi số toàn diện trong giáo dục, thay thế phương pháp tuyển sinh cảm tính bằng mô hình định lượng dựa trên khoa học dữ liệu.
• Lộ trình phát triển tiếp theo trong giai đoạn 2022 đến 2024 bao gồm việc tích hợp các thuật toán tối ưu hóa tham số metaheuristic và mở rộng tập dữ liệu sang toàn bộ khu vực Đồng bằng sông Cửu Long.
• Các cơ sở giáo dục đại học và nhà nghiên cứu quan tâm có thể ứng dụng ngay bộ khung mô hình này để nâng cao hiệu quả công tác tuyển sinh và tối ưu hóa nguồn lực đào tạo.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU Những năm gần đây, công tác tuyển sinh của hầu hết các trường đại học, cao đẳng và trung cấp trên cả nước có khá nhiều thay đổi do việc đổi mới quy chế của kỳ thi trung học phổ thông quốc gia. Chính điều này đã gây nên những khó khăn cho cả bộ phận tuyển sinh của các trường trong công tác quảng bá tuyển sinh và các thí sinh khi phải tuân theo những quy định mới. Trước công tác đổi mới quy chế thi trung học phổ thông quốc gia năm 2020 của Bộ giáo dục và đào tạo thì đòi hỏi công tác tuyển sinh của các trường phải có những thay đổi phù hợp với quy chế này và cả thí sinh cũng phải thích ứng với cách thức nộp hồ sơ vào trường theo quy định mới. Tuy nhiên, do những thay đổi liên tục từ Bộ giáo dục và đào tạo trong công tác tổ chức thi tốt nghiệp và đại học những năm gần đây nên việc chiêu sinh đại học, cao đẳng sẽ có những trở ngại ban đầu cho các nhà tuyển sinh, các trường đào tạo trong cách tư vấn tuyển sinh hiệu quả cũng như cho thí sinh và các bậc phụ huynh.

Mặt khác, họ không thể xác định chính xác được mỗi năm công tác tổ chức thi cử là như thế nào? Mức điểm sàn sẽ thay đổi mạnh hay vẫn giữ nguyên? Phổ điểm mỗi năm mỗi khác nhau cùng điểm thi qua bài thi trắc nghiệm có đảm bảo được tính khách quan cho từng thí sinh… Nguyên nhân của khó khăn đến từ nhiều yếu tố khách quan lẫn chủ quan, bao gồm: Số lượng thí sinh thực tế tham gia tuyển sinh đại học, cao đẳng hầu như giảm đều qua các năm; Có quá nhiều trường đại học, cao đẳng mới được thành lập gây ra sự phân vâng bối rối cho thí sinh trong việc tiếp nhận quá nhiều kế hoạch quảng bá tuyển sinh khi chọn trường đào tạo; Viêc các trường thuộc “top” trên hạ điểm chuẩn cho từng ngành để đảm bảo đủ chỉ tiêu tuyển sinh cũng gây nhiều khó khăn bất cập cho các trường thuộc “top” dưới. Mặt khác, thí sinh được đăng ký quá nhiều nguyện vọng, nên phần lớn đều tập trung xét tuyển vào trường thuộc mức chất lượng cao trước, nếu không đủ điểm xét tuyển mới xét tiếp các trường hạng dưới; công tác tuyển sinh đại học, cao đẳng cũng thay đổi, các trường bắt đầu bổ sung thêm nhiều hình thức xét tuyển như xét tuyển bằng 4 học bạ trung học phổ thông…Sinh viên tốt nghiệp đại học, cao đẳng nhưng lại không thể tìm được việc hoặc phải làm trái ngành với mức lương thấp, kèm theo đó là các khoản chi phí cho việc học khá cao khiến các thí sinh chỉ muốn chuyển hướng đi làm ngay sau khi tốt nghiệp cấp trung học phổ thông. Bên cạnh đó thì danh tiếng và chất lượng của nhà trường có các quy chế liên kết đào tạo với doanh nghiệp hay không cũng là điều để các thí sinh bận tâm. Trong nghiên cứu này tác giả đưa ra giải pháp công nghệ thông tin để giúp công tác tuyển sinh của Trường Đại học Kiên Giang được tốt hơn, kết quả của nghiên cứu sẽ tìm ra được các bạn học sinh có khả năng cao vào học tại trường Đại học Kiên Giang, từ đó nhà trường sẽ có những định hướng, tiếp cận các đối tượng này để tư vấn cũng như cung cấp thêm thông tin về Trường, các ngành đào tạo, học phí, hình thức học….

5 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT Phân loại các thuật toán Machine learning Có hai cách phổ biến phân loại các thuật toán Machine learning. Một là dựa trên phương thức học (learning style), hai là dựa trên chức năng (function) (của mỗi thuật toán).1 Phân loại dựa trên phương thức học Theo phương thức học, các thuật toán Machine Learning thường được chia làm 4 nhóm: Supervised learning (học có giám sát), Unsupervised learning (học không giám sát), Semi-supervised lerning (học bán giám sát) và Reinforcement learning. Có một số cách phân nhóm không có Semi-supervised learning hoặc Reinforcement learning.1 Supervised Learning (Học có giám sát) Supervised learning là thuật toán dự đoán đầu ra (outcome) của một dữ liệu mới (new input) dựa trên các cặp (input, outcome) đã biết từ trước. Cặp dữ liệu này còn được gọi là (data, label), tức (dữ liệu, nhãn).

Supervised learning là nhóm phổ biến nhất trong các thuật toán Machine Learning.2 Unsupervised Learning (Học không giám sát) Trong thuật toán này, chúng ta không biết được outcome hay nhãn mà chỉ có dữ liệu đầu vào. Thuật toán unsupervised learning sẽ dựa vào cấu trúc của dữ liệu để thực hiện một công việc nào đó, ví dụ như phân nhóm (clustering) hoặc giảm số chiều của dữ liệu (dimension reduction) để thuận tiện trong việc lưu trữ và tính toán.3 Semi-Supervised Learning (Học bán giám sát) Các bài toán khi chúng ta có một lượng lớn dữ liệu nhưng chỉ một phần trong chúng được gán nhãn được gọi là Semi-Supervised Learning. Những bài toán thuộc nhóm này nằm giữa hai nhóm được nêu bên trên. Hiện tại, Reinforcement learning chủ yếu được áp dụng vào Lý Thuyết Trò Chơi (Game Theory), các thuật toán cần xác định nước đi tiếp theo để đạt được điểm số cao nhất.1 Ví dụ về bàn cờ vây 2.2 Phân loại dựa trên chức năng Dựa vào chức năng của thuật toán có thể chia thành các nhóm sau:  Regression Algorithms: Linear Regression, Logistic Regression, Stepwise Regression  Classification Algorithms: Linear Classifier, Support Vector Machine (SVM), Kernel SVM, Sparse Representation-based classification (SRC)  Instance-based Algorithms: k-Nearest Neighbor (kNN), Learning Vector Quantization (LVQ) 7  Regularization Algorithms: Ridge Regression, Least Absolute Shrinkage and Selection Operator (LASSO), Least-Angle Regression (LARS)  Bayesian Algorithms: Naive Bayes, Gaussian Naive Bayes  Clustering Algorithms: k-Means clustering, k-Medians, Expectation Maximization (EM)  Artificial Neural Network Algorithms: Perceptron, Softmax Regression, Multi-layer Perceptron, Back-Propagation  Dimensionality Reduction Algorithms: Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA)  Ensemble Algorithms: Boosting, AdaBoost, Random Forest Trong các thuật toán trên chúng ta đi sâu vào Support Vector Machine (SVM) Các thuật toán dùng để phân nhóm dữ liệu 2.1 Support Vector Machine (SVM) SVM là phương pháp học máy tiên tiến đang được áp dụng rộng rãi trong lĩnh vực khai phá dữ liệu và thị giác máy tính.

Phương pháp SVM được Vapnik đề xuất năm 1995, dựa trên lý thuyết học thống kê nên có một nền tảng toán học chặt chẽ đảm bảo kết quả đạt được là tối ưu. SVM đã được áp dụng thành công trong rất nhiều ứng dụng như nhận dạng mặt người, phân loại văn bản, nhận dạng chữ viết tay,… Ý tưởng của phương pháp này là chuyển tập dữ liệu mẫu từ không gian ít chiều Rn sang không gian nhiều chiều hơn Rd, sau đó tìm một siêu phẳng (Hyperplane) tối ưu trong Rd để phân chia tập mẫu theo phân lớp của chúng 8 Hình 2.2 Ví dụ về phân lớp SVM trong không gian R2 Giải thuật máy học SVM là tìm một siêu phẳng tối ưu cho phép chia các điểm dữ liệu thành 2 phần sao cho các điểm cùng một lớp thì nằm cùng phía của siêu phẳng này (bài toán 2 lớp). Đối với bài toán nhiều lớp chúng ta có thể đưa về bài toán 2 lớp bằng kỹ thuật: 1 – tất cả hoặc 1 – 1. Xét tập dữ liệu mẫu có thể tách rời tuyến tính {(x1,y1), (x2,y2),., (xn,yn)} với xi ϵ Rd và yi ϵ {±1}.

Siêu phẳng tối ưu phân tập dữ liệu này thành hai lớp là siêu phẳng có thể tách rời dữ liệu thành hai lớp riêng biệt với lề (margin) lớn nhất. Siêu phẳng trong không gian n chiều được biểu diễn bởi véc tơ pháp tuyến w=[w1, w2, …, wn] và độ lệch b của siêu phẳng so với gốc tọa độ. Máy học SVM tìm siêu phẳng (w, b) để phân chia dữ liệu theo cách sau đây 9 Hình 2.3 Phân lớp tuyến tính với SVM Việc chia cắt được thực hiện nhờ vào 2 siêu phẳng hỗ trợ song song. Siêu phẳng hỗ trợ cho lớp dương (+1) là siêu phẳng mà các phân tử thuộc lớp dương (+1) nằm về bên phải của siêu phẳng này.

Tương tự, siêu phẳng hỗ trợ cho lớp âm (-1) là siêu phẳng mà các phần tử thuộc lớp âm (-1) nằm về bên trái siêu phẳng này. Hai siêu phẳng hỗ trợ song song có thể được viết lại như sau: xi w  b+1 i có yi  1 (2.2) Kết hợp hai điều kiện trên ta được yi ( w.3) Khoảng cách giữa 2 siêu phẳng gọi là lề và được tính như sau: 2 w là độ lớn của véc tơ w Margin = w trong đó Giải thuật SVM tìm siêu phẳng tối ưu bằng cách cực đại hóa lề (tìm khoảng cách xa nhất giữa 2 lớp). Giải thuật SVM đưa đến vấn đề việc giải bài toán quy hoạch toàn phương như sau: 10 1 2 min (w.4) 2 Với điều kiện: yi (w.xi  b)  1 Giải bài toán quy hoạch toàn phương (2.4) sẽ thu được siêu phẳng phân lớp (w, b) của SVM. Việc phân loại cho phần tử mới đến x dựa trên siêu phẳng (w, b) được tính theo công thức (2.5) Nghĩa là khi phần tử x mới đến, tính giá trị biểu thức (w.x b)  0 thì gán nhãn cho x là lớp dương (+1) nếu (w.x – b) < 0 thì gán nhãn cho x là lớp âm (- 1).4 SVM phân lớp dữ liệu không tách rời Trong trường hợp dữ liệu không tách rời.

Máy học SVM vẫn có thể xử lý được bằng cách xem xét bất kỳ điểm xi nào nằm sai phía so với siêu phẳng hỗ trợ của nó được xem là lỗi. Khoảng cách lỗi được biểu diễn bởi zi >= 0 (với xi nằm đúng phía của siêu phẳng hỗ trợ của nó thì khoảng cách lỗi tương ứng zi = 0, còn ngược lại thì zi > 0 là khoảng cách từ điểm xi đến siêu phẳng hỗ trợ tương ứng của nó). Việc tìm kiếm siêu phẳng tối ưu của giải thuật máy học SVM thực hiện cùng lúc hai mục tiêu là cực 11 đại hóa lề và cực tiểu hóa lỗi. Giải thuật SVM dẫn đến bài toán quy hoạch toàn phương như sau: 1 2 m min (w.z )  w  c  zi 2 i1 Với điều kiện: (2.xi  b)  zi  1 zi  0(i  1,2,., m) Hằng c > 0 sử dụng để điều chỉnh độ rộng lề và lỗi.

Lời giải bài toán quy hoạch toàn phương (2.6) của giải thuật máy học SVM có thể tìm được lời giải tương đương trong bài toán đối ngẫu của chúng. Bài toán quy hoạch toàn phương (2.4) có thể viết lại với dạng (3.7), có sử dụng các nhân tử Lagrange như sau: m 1 max  {min w ,b  (w, b,  )  w +  i [1  yi (w.