Chương 1. Giới thiệu lý do lựa chọn đề tài, mục tiêu, đối tƣợng, phạm vi nghiên cứu, nhiệm vụ nghiên cứu, phƣơng pháp nghiên cứu, ý nghĩa khoa học, ý nghĩa xã hội, ý nghĩa thực tiễn và cấu trúc luận văn. Tổng quan về các phƣơng pháp biểu diễn trực quan dữ liệu. Trong chƣơng này giới thiệu một số khái niệm về dữ liệu, về trực quan, các tính chất về trực quan.
Một số khái niệm về phân tích trực quan và khung trực quan hóa. Khối trực quan biểu diễn dữ liệu học sinh. Trong chƣơng này, chúng tôi giới thiệu các biến dữ liệu liên quan đến kết quả học tập của học sinh. Xây dựng đƣợc biến trực quan, xây dựng khối nhiều chiều biểu diễn dữ liệu học sinh bằng hình khối.
Phân tích dữ liệu học sinh. Trình bày các qui trình phân tích, đƣa ra câu hỏi phân tích và phân loại các câu hỏi. Từ các câu hỏi phân tích trực quan dữ liệu học sinh, sau đó trả lời câu hỏi giúp ngƣời phân tích (phụ huynh) hiểu đƣợc ý nghĩa kết quả học tập của học sinh và có một số nhận xét khi quan sát bằng biểu đồ. Chương 5: Kết luận.
Đánh giá kết quả đã thực hiện và đề xuất hƣớng phát triển của đề tài. 6 Chương 2 TỔNG QUAN VỀ CÁC PHƢƠNG PHÁP BIỂU DIỄN TRỰC QUAN DỮ LIỆU 2.1 Biểu diễn trực quan dữ liệu 2.1 Dữ liệu Dữ liệu là các giá trị đƣợc thu thập từ các cơ quan, tổ chức, doanh nghiệp. Dữ liệu còn đƣợc thu thập, đo đạc, báo cáo, phân tích, trực quan bằng hình ảnh hoặc công cụ phân tích khác. Tùy vào từng thuộc tính, ngƣời phân tích sẽ sử dụng loại dữ liệu phù hợp với các thuộc tính đó.
Mục đích của việc phân loại dữ liệu là dùng để định hƣớng việc phân tích cũng nhƣ giúp cho việc thu thập dữ liệu đƣợc rõ ràng hơn. Các thành phần dữ liệu của một đối tƣợng gồm: đối tƣợng (What), không gian (Where) và thời gian (When) đƣợc định nghĩa bởi Peuquet (1994) [2]. Mọi sự vật, hiện tƣợng trong tự nhiên đều có thể đƣợc mô tả dựa trên cơ sở bộ ba thành phần what, when, where và mối quan hệ giữa chúng đƣợc thể hiện hình 2.2 Mối quan hệ các thành phần dữ liệu của một đối tượng [2] Trên cơ sở bộ ba thành phần where, what, when của Peuquet (1994), ba loại câu hỏi đƣợc đƣa ra là [2]: When + Where What: Mô tả đối tƣợng hoặc tập đối tƣợng tồn tại ở 1 vị trí hoặc tập vị ví xác định tại 1 thời gian hoặc tập thời gian xác định. 7 When + What Where: Mô tả vị trí hoặc tập vị trí hiện hữu của đối tƣợng hoặc tập đối tƣợng tại thời gian hoặc tập thời gian xác định.
Where + What When: Mô tả thời gian hoặc tập thời gian tại đó một đối tƣợng hoặc một tập đối tƣợng hiện hữu ở tại một vị trí hoặc tập vị trí xác định. Phân loại dữ liệu dựa vào các thuộc tính đƣợc tóm tắt nhƣ sau: Bảng 2.1 Bảng phân loại dữ liệu dựa vào thuộc tính [3,4] Dữ liệu Dữ liệu Dữ liệu Dữ liệu Phép toán thứ tự định danh khoảng cách tỉ lệ cơ bản (Ordinal) (Nominal) (Inteval) (Ratio) ÷ × + - > < = ≠ Trong phân tích dữ liệu, dữ liệu có nhiều cách để phân loại. Tuy nhiên, sử dụng phân loại nào trong nghiên cứu là do dạng phân tích trong thực tiễn. Mỗi loại dữ liệu đều gắn với các thuộc tính khác nhau, có mối quan hệ đối với mỗi tình huống trong thực tế.
Do đó, mỗi loại có ý nghĩa không giống nhau trong quan sát và nghiên cứu. Các loại dữ liệu đƣợc sử dụng trong luận văn là dữ liệu định danh, dữ liệu thứ tự, dữ liệu khoảng cách, dữ liệu tỉ lệ. Các dữ liệu có tính chất nhƣ sau: 8 Dữ liệu định danh (Nominal) là loại dữ liệu dựa vào các thuộc tính mà dữ liệu không có sự hơn kém nhau, chỉ có khác biệt hay bằng nhau về thứ bậc. Các con số trong dữ liệu định danh không có mối quan hệ hơn kém nhau và không thực hiện đƣợc các phép tính toán cơ bản nhƣ cộng, trừ, nhân, chia.
Trong luận văn, dữ liệu định danh đƣợc sử dụng để chỉ sự khác biệt nhau về môn học và đƣợc áp dụng cho biến môn học. Dữ liệu thứ tự (Ordinal) là loại dữ liệu dựa vào các thuộc tính mà dữ liệu có sự so sánh hơn kém nhau, khác biệt nhau, bằng nhau. Giống nhƣ dữ liệu định danh, dữ liệu thứ tự không cho phép thực hiện các phép toán cơ bản nhƣ cộng, trừ, nhân, chia. Dữ liệu thứ tự đƣợc dùng trong nghiên cứu đo lƣờng thái độ, ý kiến, sở thích, nhận thức và quan điểm.
Dữ liệu thứ tự dùng để thể hiện thứ tự trƣớc sau về thời gian và đƣợc áp dụng cho biến thời gian. Dữ liệu khoảng cách (Interval) là loại dữ liệu dựa vào các thuộc tính mà dữ liệu có thể so sánh sự hơn kém nhau, khác biệt nhau, bằng nhau. Ngoài ra, dữ liệu khoảng cách còn thực hiện đƣợc một số phép tính toán cơ bản nhƣ cộng, trừ nhƣng không thực hiện đƣợc các phép tính nhân, chia. Dữ liệu tỉ lệ (Ratio) là loại dữ liệu mang đầy đủ các tính chất của loại dữ liệu định danh, dữ liệu thứ tự, dữ liệu khoảng cách.
Đây là loại dữ liệu thực hiện đầy đủ đƣợc các phép tính toán cơ bản nhƣ cộng, trừ, nhân, chia, so sánh sự khác biệt, bằng nhau giữa các thuộc tính. Đối với loại dữ liệu này, nó cho phép so sánh sự khác biệt về tỉ lệ giữa các giá trị của dữ liệu, xác định xếp hạng thứ tự, so sánh khoảng cách. Dữ liệu tỉ lệ đƣợc sử dụng để tính toán cộng, trừ, nhân, chia, so sánh các điểm số với nhau và đƣợc áp dụng trong biến điểm.2 Trực quan hóa Trực quan hóa là chuyển đổi dữ liệu thành dạng hình ảnh [1]. Trực quan hóa là công cụ cần thiết để hiểu rõ về dữ liệu.
Trực quan hóa với mục đích mô tả, phát triển các ý tƣởng chƣa biết trƣớc đó để giúp con ngƣời thu nhận các thông tin bổ ích, các thông tin tiềm ẩn trong dữ liệu thông qua thị giác và bộ não con ngƣời. Thị giác giúp chúng ta tiếp nhận thông tin từ những mô hình trực quan, bộ não sẽ xử lý giúp chúng ta có đƣợc thông tin hữu ích từ những hình ảnh minh họa. Trực quan hóa dữ liệu là các kỹ thuật đƣợc sử dụng để chuyển đổi dữ liệu thành các đối tƣợng trực quan trên màn hình nhƣ các điểm, đƣờng hoặc các thanh đồ họa [5]. Mục tiêu chính của trực quan hóa dữ liệu là hỗ trợ ngƣời dùng rút trích thông tin hoặc khai phá tri thức từ dữ liệu bằng cách dùng thị giác cảm nhận thông tin hoặc tri thức từ hình ảnh, đồ thị biểu diễn dữ liệu.
Trong phân tích trực quan, ngƣời dùng sử dụng các công cụ đồ họa để rút trích thông tin cần thiết bằng kiến thức và kỹ năng sẵn có của mình.2 Tính trực quan Một đồ thị có tính trực quan phải đảm bảo đƣợc 5 tính chất sau: tính thứ tự, tính chọn lọc, tính phối hợp, tính định lƣợng, tính giá trị [6]. Trong đó: Tính thứ tự: một đồ thị có tính thứ tự khi ngƣời sử dụng đồ thị trực quan có thể biết đƣợc các giá trị trƣớc sau, trên dƣới, trái phải. Tính chọn lọc: một đồ thị có tính chọn lọc khi ngƣời sử dụng đồ thị trực quan có thể nhận biết sự khác nhau trên đồ thị, lấy ra đƣợc một đặc trƣng nào đó. Tính phối hợp: một đồ thị có tính phối hợp khi ngƣời sử dụng đồ thị trực quan có thể nhóm những thông tin có mối quan hệ giống nhau một cách dễ dàng.
10 Tính định lượng: một đồ thị có tính định lƣợng khi ngƣời sử dụng đồ thị trực quan có thể thấy đƣợc kích thƣớc, thời lƣợng của các phần tử trong đồ thị. Tính giá trị: một đồ thị có tính giá trị khi ngƣời sử dụng đồ thị trực quan có thể nhận biết đƣợc các giá trị của đồ thị một cách dễ dàng.3 Phân tích trực quan 2.1 Khái niệm Phân tích trực quan là khoa học về lý luận phân tích thuận tiện bởi các giao diện trực quan [7]. Ngƣời nghiên cứu sử dụng các kỹ thuật và công cụ phân tích trực quan để rút trích thông tin bằng cách nhìn hình ảnh/ đồ thị biểu diễn dữ liệu; phát hiện dự kiến và khám phá những điều bất ngờ; cung cấp các đánh giá kịp thời, dễ hiểu; và truyền đạt một cách có hiệu quả cho mục đích phân tích. Phân tích trực quan là một lĩnh vực đa ngành bao gồm các lĩnh vực trọng tâm sau [7]: Lý luận phân tích: cho phép ngƣời dùng có đƣợc những hiểu biết sâu sắc trực tiếp hỗ trợ đánh giá, lập kế hoạch và ra quyết định Biểu diễn trực quan và kỹ thuật tương tác: lĩnh vực này tận dụng lợi thế của mắt ngƣời để cho phép ngƣời dùng xem, khám phá và hiểu một lƣợng lớn thông tin cùng một lúc.
Biểu diễn và biến đổi dữ liệu: chuyển đổi tất cả các loại dữ liệu thành đồ thị trực quan mà con ngƣời có thể cảm nhận và hiểu đƣợc bằng phƣơng pháp nhìn-hiểu thông qua hệ thống thị giác của con ngƣời. Trình bày và phổ biến kết quả phân tích: để truyền đạt thông tin trong bối cảnh phù hợp tới nhiều đối tƣợng. Phân tích trực quan không chỉ đơn giản là trình bày thông tin mà là một cuộc đối thoại giữa ngƣời phân tích và đồ thị biểu diễn trực quan dữ liệu. Trong 11 phân tích trực quan, ngƣời phân tích quan sát đồ thị biểu diễn dữ liệu, diễn giải và hiểu ý nghĩa của những gì họ nhìn thấy rồi sau đó triển khai câu hỏi tiếp theo.
Câu hỏi phân tích do những ngƣời phân tích dữ liệu đặt ra để tìm kiếm những thông tin mới hoặc qui luật mới bằng phƣơng pháp nhìn–hiểu đồ thị trực quan biểu diễn dữ liệu. Biểu hiện của cuộc đối thoại này là các tƣơng tác của ngƣời phân tích với đồ thị biểu diễn trực quan dữ liệu [7] 2.2 Phân tích trực quan Hình 2.3 Khung trực quan hóa [1] Hình 2.3 là khung trực quan hóa. Khung trực quan hóa gồm hai phần, kỹ thuật trực quan và cảm nhận trực quan [1]. Kỹ thuật trực quan là hiển thị dữ liệu trên đồ thị và áp dụng các kỹ thuật trực quan trên máy tính làm cho ngƣời quan sát cảm nhận đƣợc ý nghĩa của dữ liệu.
