Tổng quan nghiên cứu

Trong bối cảnh đổi mới và nâng cao chất lượng giáo dục đại học, các cơ sở đào tạo chuyên nghiệp đang đối mặt với sự cạnh tranh ngày càng gay gắt trong công tác tuyển sinh và duy trì chuẩn đầu ra. Trường Cao đẳng Sư phạm Hưng Yên với bề dày hơn 50 năm truyền thống đào tạo giáo viên cho tỉnh nhà và khu vực lân cận đang đứng trước yêu cầu cấp thiết phải nâng cao chất lượng giáo dục, mở rộng quy mô đào tạo đa ngành để hướng tới mục tiêu phát triển thành trường đại học. Hiện nay, nhà trường đã được trang bị hạ tầng kỹ thuật đồng bộ với 3 phòng máy tính gồm 150 máy tính cấu hình cao kết nối mạng Internet, phục vụ đắc lực cho công tác quản lý và giảng dạy. Hàng năm, phòng Đào tạo lưu trữ một khối lượng dữ liệu khổng lồ về hồ sơ dự thi, điểm thi tuyển sinh và bảng điểm học tập toàn khóa của hàng nghìn sinh viên.

Tuy nhiên, nguồn dữ liệu quý giá này chủ yếu được lưu trữ phục vụ các thủ tục hành chính, pháp lý theo quy định của Bộ Giáo dục và Đào tạo trên các hệ thống cơ sở dữ liệu truyền thống như Visual FoxPro và Microsoft Excel. Nhà trường vẫn chưa có công cụ chuyên sâu để phân tích, tổng hợp và tìm ra các mối liên hệ tiềm ẩn giữa chất lượng đầu vào với kết quả học tập đầu ra. Vấn đề đặt ra là làm sao biến dữ liệu lưu trữ thành tri thức hữu ích phục vụ công tác dự báo và hỗ trợ ra quyết định.

Nghiên cứu tập trung giải quyết bài toán phân tích mối tương quan giữa kết quả tuyển sinh đầu vào và kết quả học tập toàn khóa của sinh viên niên khóa 2004 - 2007 tại Trường Cao đẳng Sư phạm Hưng Yên. Ý nghĩa thực tiễn của đề tài là xây dựng công cụ khai phá dữ liệu hỗ trợ lãnh đạo nhà trường tối ưu hóa chính sách tuyển sinh, nâng tỷ lệ sinh viên đạt học lực khá giỏi lên mức 15% đến 20%, giảm tỷ lệ lưu ban và cảnh báo học vụ xuống dưới 5%, đồng thời nâng cao hiệu quả phân bổ chương trình đào tạo một cách khoa học.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết khai phá tri thức từ cơ sở dữ liệu (KDD - Knowledge Discovery in Databases) và khai phá dữ liệu (Data Mining). Quá trình KDD bao gồm chuỗi 7 bước chuẩn mực: làm sạch dữ liệu, tích hợp dữ liệu, chọn lọc dữ liệu, biến đổi dữ liệu, khai phá dữ liệu, đánh giá mẫu và biểu diễn tri thức.

Trọng tâm lý thuyết của luận văn là kỹ thuật khai phá luật kết hợp (Association Rules) nhằm tìm kiếm các mẫu thường xuyên xuất hiện đồng thời trong tập dữ liệu giao tác. Một luật kết hợp có dạng A kéo theo B, được đánh giá thông qua hai tham số cốt lõi là độ hỗ trợ tối thiểu (min_sup) và độ tin cậy tối thiểu (min_conf). Để giải quyết bài toán này, luận văn nghiên cứu sâu hai thuật toán tiêu biểu:

Thuật toán Apriori: Hoạt động dựa trên nguyên lý tập con của một tập mục thường xuyên cũng phải là tập mục thường xuyên, sử dụng phương pháp duyệt lặp qua cơ sở dữ liệu để sinh và tỉa các tập mục ứng viên. Khi xử lý tập dữ liệu lớn với 100 mục thường xuyên, thuật toán có thể phải tạo ra tới hơn 10 mũ 30 tập ứng viên, gây tốn kém chi phí tính toán.

Thuật toán FP-growth (Frequent Pattern Growth): Khắc phục nhược điểm của Apriori bằng cách nén cơ sở dữ liệu vào cấu trúc cây mẫu thường xuyên (FP-Tree) và sử dụng chiến lược chia để trị để khai phá đệ quy các đoạn mẫu điều kiện mà không cần sinh tập ứng viên, giúp tăng tốc độ xử lý vượt trội.

Bên cạnh đó, nghiên cứu tích hợp các độ đo tương quan như Lift, Chi-square, all_confidence và Cosine nhằm loại bỏ các luật giả mạo, kết hợp cùng mô hình phân tích trực tuyến đa chiều OLAP (gồm MOLAP, ROLAP và HOLAP) để đa dạng hóa góc nhìn quản trị.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực tế từ phòng Đào tạo Trường Cao đẳng Sư phạm Hưng Yên, bao gồm toàn bộ hồ sơ tuyển sinh và kết quả học tập chi tiết của sinh viên chính quy niên khóa 2004 - 2007.

Cỡ mẫu nghiên cứu bao gồm toàn bộ các hồ sơ sinh viên trúng tuyển và theo học tại trường trong suốt khóa học 3 năm với hàng chục nghìn bản ghi điểm thi thành phần thuộc các khối kiến thức đại cương, chuyên ngành và nghiệp vụ sư phạm. Phương pháp chọn mẫu toàn bộ (census sampling) được áp dụng cho niên khóa mục tiêu nhằm đảm bảo tính toàn vẹn, phản ánh chính xác bức tranh thực tế của nhà trường mà không bị sai số do chọn mẫu ngẫu nhiên.

Lý do lựa chọn phương pháp phân tích luật kết hợp và cây FP-growth xuất phát từ đặc tính dữ liệu đào tạo mang tính giao tác cao, nhiều thuộc tính phân loại đan xen như ngành học, khu vực cư trú, đối tượng ưu tiên, năm tốt nghiệp và điểm số. Phương pháp này cho phép tìm ra các mối quan hệ đa chiều phức tạp mà các phương pháp thống kê mô tả truyền thống không thể phát hiện.

Dữ liệu thô trải qua quy trình tiền xử lý nghiêm ngặt: làm sạch các giá trị khuyết thiếu, chuẩn hóa mã ngành và thực hiện rời rạc hóa các thuộc tính liên tục. Cụ thể, điểm thi đầu vào từ thang điểm 30 và điểm trung bình tích lũy từ thang điểm 10 được chuyển đổi thành các nhãn phân loại học lực như Xuất sắc, Giỏi, Khá, Trung bình và Yếu. Toàn bộ quy trình nghiên cứu, xây dựng phần mềm và đánh giá thực nghiệm được tiến hành trong thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình áp dụng thuật toán Apriori và FP-growth trên tập dữ liệu niên khóa 2004 - 2007 đã trích xuất được nhiều luật kết hợp có giá trị quản lý cao:

Thứ nhất, điểm thi đầu vào có tương quan thuận rõ nét với kết quả học tập toàn khóa. Các luật kết hợp chỉ ra rằng những sinh viên đạt tổng điểm tuyển sinh thuộc nhóm cao có xác suất đạt kết quả tốt nghiệp loại khá và giỏi lên tới trên 75%, với độ tin cậy của luật đạt từ 65% đến 80%. Điều này khẳng định kỳ thi tuyển sinh phản ánh tương đối chính xác năng lực học tập thực chất của người học.

Thứ hai, yếu tố giới tính thể hiện sự khác biệt rõ rệt trong kết quả rèn luyện và học tập ngành sư phạm. Sinh viên nữ chiếm tỷ lệ áp đảo trên 70% tổng chỉ tiêu tuyển sinh và có tỷ lệ đạt kết quả khá giỏi ở các môn nghiệp vụ sư phạm cao hơn sinh viên nam khoảng 18% đến 25%.

Thứ ba, thời điểm tốt nghiệp phổ thông có ảnh hưởng trực tiếp đến phong độ học tập. Nhóm sinh viên thi đỗ ngay trong năm đầu tiên tốt nghiệp trung học phổ thông đạt tỷ lệ tốt nghiệp đúng hạn loại khá giỏi ở mức 68%, cao hơn khoảng 15% so với nhóm thí sinh tự do thi đỗ sau 2 hoặc 3 năm.

Thứ tư, xuất hiện mối quan hệ kế thừa mật thiết giữa các khối kiến thức. Sinh viên đạt điểm khá giỏi ở các môn đại cương nền tảng như Toán học và Tin học có xác suất trên 82% tiếp tục đạt điểm cao ở các môn chuyên ngành phân tích và công nghệ ở các kỳ học tiếp theo.

Thảo luận kết quả

Các kết quả khai phá được giải thích bởi nhiều yếu tố sư phạm và tâm lý học đường. Sinh viên đỗ ngay năm đầu duy trì được mạch kiến thức liên tục và phương pháp học tập tích cực từ bậc phổ thông. Tính chất ngành sư phạm đòi hỏi sự tỉ mỉ, kiên nhẫn và kỹ năng truyền đạt, tạo lợi thế tự nhiên cho sinh viên nữ trong các học phần nghiệp vụ.

Kết quả này hoàn toàn tương thích với các nghiên cứu khai phá dữ liệu giáo dục trong nước và quốc tế, chứng minh rằng điểm tuyển sinh vẫn là biến số dự báo then chốt cho chất lượng đầu ra.

Về mặt biểu diễn trực quan, dữ liệu tương quan giữa điểm thi đầu vào và kết quả học tập có thể được thể hiện sinh động qua các biểu đồ phân tán (scatter plot) kết hợp đường xu hướng hồi quy. Đồng thời, một ma trận nhiệt (heatmap) thể hiện độ đo Lift giữa các môn học tiên quyết và môn chuyên ngành với chỉ số Lift đều đạt trên 1.2, minh chứng cho mối tương quan dương mạnh mẽ. Bảng phân phối chéo giữa 4 khu vực ưu tiên (Khu vực 1, Khu vực 2 nông thôn, Khu vực 2 và Khu vực 3) với kết quả rèn luyện cho thấy sinh viên đến từ các vùng nông thôn có sự nỗ lực vượt bậc, đạt tỷ lệ khá giỏi xấp xỉ nhóm sinh viên khu vực đô thị dù điểm đầu vào có thể thấp hơn từ 1 đến 2 điểm ưu tiên.

Đề xuất và khuyến nghị

Dựa trên kết quả phân tích dữ liệu, luận văn đưa ra 4 nhóm giải pháp chiến lược nhằm đổi mới công tác quản lý đào tạo tại Trường Cao đẳng Sư phạm Hưng Yên:

Thứ nhất, tối ưu hóa công tác tuyển sinh và phân luồng chỉ tiêu. Phòng Đào tạo cần chủ trì xây dựng đề án tuyển sinh có điểm sàn linh hoạt theo từng tổ hợp môn chuyên ngành thay vì lấy điểm sàn chung cho toàn trường. Mục tiêu nâng tỷ lệ thí sinh đăng ký nguyện vọng 1 đạt từ 18 điểm trở lên tăng thêm 15% trong vòng 2 năm học tiếp theo.

Thứ hai, nâng cấp hạ tầng phần mềm và xây dựng kho dữ liệu tích hợp. Bộ phận Quản trị Công nghệ thông tin cần chuyển đổi toàn bộ 100% cơ sở dữ liệu rời rạc từ FoxPro và Excel sang hệ quản trị cơ sở dữ liệu quan hệ mạnh mẽ như SQL Server, tích hợp khối phân tích trực tuyến HOLAP cùng module khai phá luật kết hợp tự động. Thời gian triển khai hoàn thiện trong vòng 6 đến 9 tháng.

Thứ three, điều chỉnh chương trình khung và tổ chức dạy học phân hóa. Các Khoa chuyên môn và Giảng viên bộ môn cần rà soát lại mối quan hệ giữa các môn học tiên quyết, bổ sung các lớp bồi dưỡng kiến thức đại cương cho nhóm sinh viên có điểm đầu vào thấp. Mục tiêu giảm tỷ lệ sinh viên trượt môn ở năm thứ nhất xuống dưới 8% trong vòng 1 năm học.

Thứ tư, thiết lập hệ thống cảnh báo học vụ sớm dựa trên dữ liệu. Ban Giám hiệu và Cố vấn học tập cần áp dụng mô hình phân tích để phát hiện sớm các dấu hiệu sa sút học tập của sinh viên ngay sau học kỳ 1. Mục tiêu kéo giảm tỷ lệ sinh viên bị cảnh cáo học vụ từ mức 12% xuống dưới 5% trong lộ trình 3 năm.

Đối tượng nên tham khảo luận văn

Tài liệu này mang lại giá trị thực tiễn và học thuật sâu sắc cho 4 nhóm đối tượng chính:

Nhóm 1: Ban Giám hiệu và các nhà quản lý giáo dục tại các trường đại học, cao đẳng. Sử dụng luận văn như một tài liệu tham khảo chiến lược để xây dựng chính sách tuyển sinh, quy hoạch ngành đào tạo và đưa ra các quyết định quản trị dựa trên bằng chứng dữ liệu thực tế thay vì cảm tính.

Nhóm 2: Cán bộ, chuyên viên phòng Đào tạo và phòng Khảo thí - Đảm bảo chất lượng. Ứng dụng quy trình chuẩn hóa, rời rạc hóa dữ liệu và trích xuất luật kết hợp để tối ưu hóa việc phân chia thời khóa biểu, quản lý điểm số và đánh giá chuẩn đầu ra của các khóa sinh viên.

Nhóm 3: Giảng viên và đội ngũ cố vấn học tập. Khai thác các phát hiện về mối liên hệ giữa các môn học để thiết kế giáo án phù hợp, chủ động theo dõi và tư vấn định hướng học tập cho những sinh viên có nguy cơ học lực yếu kém.

Nhóm 4: Học viên cao học, sinh viên và nghiên cứu sinh chuyên ngành Công nghệ thông tin, Khoa học dữ liệu và Giáo dục học. Luận văn cung cấp khung tham chiếu hoàn chỉnh về việc lập trình cài đặt thuật toán Apriori, thuật toán FP-growth và cấu trúc FP-Tree áp dụng trong bài toán khai phá dữ liệu giáo dục thực tế.

Câu hỏi thường gặp

Thuật toán FP-growth có ưu điểm vượt trội gì so với Apriori trong phân tích dữ liệu đào tạo? Thuật toán FP-growth nén toàn bộ cơ sở dữ liệu điểm thi vào cấu trúc cây FP-Tree nhỏ gọn và khai phá đệ quy mà không cần sinh tập ứng viên. Kỹ thuật này chỉ cần quét cơ sở dữ liệu đúng 2 lần, giúp tiết kiệm bộ nhớ và rút ngắn thời gian xử lý gấp nhiều lần so với thuật toán Apriori khi khối lượng bản ghi học sinh sinh viên tăng lên hàng chục nghìn.

Dữ liệu điểm số học tập dạng số thực được xử lý thế nào để đưa vào thuật toán khai phá luật kết hợp? Dữ liệu điểm số liên tục từ thang điểm 0 đến 10 được xử lý thông qua kỹ thuật rời rạc hóa thuộc tính. Toàn bộ điểm số được ánh xạ thành 5 khoảng giá trị định tính tương ứng với các mức xếp loại học lực: Xuất sắc, Giỏi, Khá, Trung bình và Yếu, từ đó tạo thành các mục giao tác phù hợp cho thuật toán khai phá.

Độ đo tương quan Lift có ý nghĩa gì trong việc chọn lọc các luật kết hợp? Độ đo Lift giúp đo lường mức độ phụ thuộc giữa hai biến cố thay vì chỉ dựa vào độ tin cậy. Khi chỉ số Lift lớn hơn 1, hai tập mục có tương quan dương mạnh; ví dụ sinh viên đạt điểm Toán cao có khả năng vượt trội khi học Tin học so với mức trung bình, giúp nhà quản lý loại bỏ các luật ngẫu nhiên không có giá trị thực tiễn.

Nhà trường cần chuẩn bị hạ tầng công nghệ thông tin như thế nào để triển khai hệ thống phân tích dữ liệu này? Cơ sở đào tạo cần xây dựng một kho dữ liệu tập trung trên hệ quản trị cơ sở dữ liệu hiện đại, trang bị máy chủ xử lý có bộ nhớ RAM đủ lớn để lưu trữ cấu trúc cây FP-Tree và cài đặt các module phân tích trực tuyến OLAP kết nối đồng bộ với hệ thống phần mềm quản lý đào tạo hiện hành.

Kết quả nghiên cứu tại Trường Cao đẳng Sư phạm Hưng Yên có thể nhân rộng sang các cơ sở đào tạo khác không? Mô hình nghiên cứu và quy trình 7 bước khai phá tri thức trong luận văn có tính khái quát rất cao. Bất kỳ cơ sở giáo dục đại học hoặc cao đẳng nào cũng có thể kế thừa bộ khung thuật toán, phương pháp tiền xử lý và cách đánh giá luật để phân tích dữ liệu tuyển sinh và đào tạo đặc thù của đơn vị mình.

Kết luận

  • Luận văn đã hệ thống hóa hoàn chỉnh cơ sở lý luận về kỹ thuật khai phá dữ liệu, luật kết hợp, các thuật toán Apriori, FP-growth và các mô hình phân tích trực tuyến OLAP.
  • Đề tài ứng dụng thành công các thuật toán khai phá trên bộ dữ liệu thực tế của sinh viên niên khóa 2004 - 2007 tại Trường Cao đẳng Sư phạm Hưng Yên.
  • Nghiên cứu đã phát hiện các luật kết hợp có độ tin cậy cao trên 70%, chứng minh mối tương quan chặt chẽ giữa điểm thi tuyển sinh, giới tính và thời điểm tốt nghiệp với kết quả học tập toàn khóa.
  • Lộ trình 3 đến 5 năm tới cần mở rộng nghiên cứu sang các thuật toán phân lớp, phân cụm và mạng nơ-ron nhằm xây dựng hệ sinh thái dự báo toàn diện về việc làm của sinh viên sau khi tốt nghiệp.
  • Các cơ sở giáo dục đại học và cao đẳng hãy chủ động ứng dụng công nghệ khai phá dữ liệu ngay hôm nay để chuyển hóa nguồn tài nguyên dữ liệu sẵn có thành công cụ đắc lực nâng tầm chất lượng đào tạo.