Nghiên cứu một số kỹ thuật học máy và học sâu, ứng dụng trong phân tích và định hướng nghề nghiệp cho học sinh học nghề tại Trung tâm GDTX tỉnh Thái Nguyên

Luận văn ứng dụng học máy và học sâu định hướng nghề nghiệp tại Trung tâm GDTX Thái Nguyên

• Tác giả: Phạm Thị Quang
• Người hướng dẫn: TS. Nguyễn Văn Núi
• Trường học: Trường Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu một số kỹ thuật học máy và học sâu, ứng dụng trong phân tích và định hướng nghề nghiệp cho học sinh học nghề tại Trung tâm GDTX tỉnh Thái Nguyên
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2022
• Địa điểm: Thái Nguyên

Tóm tắt

I. Tổng quan ứng dụng học máy định hướng nghề tại GDTX Thái Nguyên

Định hướng nghề nghiệp giữ vai trò then chốt trong hệ thống giáo dục thường xuyên. Trung tâm GDTX tỉnh Thái Nguyên đảm nhận nhiệm vụ giảng dạy văn hóa kết hợp đào tạo nghề cho học sinh trung học phổ thông. Công tác tư vấn hướng nghiệp truyền thống thường dựa trên kinh nghiệm chủ quan. Phương thức này bộc lộ nhiều hạn chế khi số lượng hồ sơ gia tăng. Kỹ thuật khai phá dữ liệu và trí tuệ nhân tạo mở ra giải pháp mới. Học máy cùng học sâu cho phép trích xuất tri thức giá trị từ lịch sử học tập. Hệ thống xử lý thông tin đa chiều gồm điểm văn hóa, môn học nghề, hạnh kiểm và năng lực cá nhân. Các thuật toán học có giám sát phân loại chính xác xu hướng chọn ngành của người học. Việc ứng dụng công nghệ hiện đại giúp tối ưu hóa công tác phân luồng giáo dục. Học sinh xác định rõ thế mạnh bản thân trước kỳ thi tốt nghiệp. Nhà trường giảm thiểu chi phí quản lý và nâng cao hiệu quả đào tạo thực tiễn.

1.1. Bối cảnh đào tạo nghề tại Trung tâm GDTX Thái Nguyên

Trung tâm GDTX tỉnh Thái Nguyên thực hiện mô hình kết hợp học văn hóa và học nghề. Học sinh vừa hoàn thành chương trình phổ thông, vừa tiếp cận các nghề kỹ thuật như điện dân dụng, may công nghiệp, móc len hoặc sửa chữa máy tính. Đa số học sinh có xuất phát điểm học lực trung bình hoặc khá. Nhiều em gặp khó khăn trong việc xác định hướng đi sau tốt nghiệp. Nguồn nhân lực tư vấn nghề tại địa phương còn mỏng. Dữ liệu học tập chưa được khai thác triệt để phục vụ công tác dự báo. Việc ứng dụng công nghệ thông tin vào định hướng nghề trở thành yêu cầu cấp thiết.

1.2. Vai trò của khai phá dữ liệu trong giáo dục

Khai phá dữ liệu giáo dục đóng vai trò phát hiện các quy luật tiềm ẩn trong học tập. Quá trình xử lý biến đổi kho hồ sơ điểm số thành tri thức hỗ trợ ra quyết định. Các thuật toán phân loại và phân cụm giúp nhận diện mối quan hệ giữa kết quả môn học với năng lực thực tế. Nhà quản lý nắm bắt chính xác xu hướng chọn trường của từng nhóm học sinh. Phương pháp phân tích tự động khắc phục định kiến cá nhân trong quá trình tham vấn. Đồng thời, cơ chế dự báo cung cấp khuyến nghị tuyển sinh kịp thời cho từng đối tượng. Đây là nền tảng vững chắc để chuyển đổi số hoạt động giáo dục nghề nghiệp.

II. Thực trạng phân tích định hướng nghề tại Trung tâm GDTX Thái Nguyên

Hoạt động phân tích dữ liệu tuyển sinh và hướng nghiệp tại Trung tâm GDTX Thái Nguyên còn tồn tại nhiều rào cản. Hồ sơ quản lý học sinh phần lớn lưu trữ phân tán, thiếu đồng bộ giữa sổ điểm học tập và kết quả đào tạo nghề. Việc theo dõi tiến trình rèn luyện gặp khó khăn do dữ liệu không được chuẩn hóa kịp thời. Nhiều học sinh lựa chọn khối thi tốt nghiệp theo cảm tính hoặc tâm lý đám đông. Tỷ lệ chọn sai khối ngành dẫn đến lãng phí thời gian và nguồn lực xã hội. Cán bộ tư vấn thiếu công cụ định lượng khoa học để đánh giá tương quan giữa sở thích và năng lực học thuật. Những bài kiểm tra tâm lý truyền thống chưa phản ánh đầy đủ năng khiếu thực hành. Hơn nữa, việc tổng hợp bảng điểm thủ công tiêu tốn rất nhiều thời gian mỗi mùa tuyển sinh. Dữ liệu thô chứa nhiều nhiễu, sai lệch và thiếu sót thông tin cần thiết. Thực trạng này đòi hỏi một quy trình phân tích dữ liệu tự động, bài bản và khách quan hơn.

2.1. Thách thức trong dữ liệu học tập và rèn luyện

Tập dữ liệu học sinh tại trung tâm bao gồm nhiều trường thông tin hỗn hợp. Điểm số các môn văn hóa mang giá trị liên tục trong khi hạnh kiểm và xếp loại học lực thuộc thang đo thứ bậc. Một số môn học nghề như điện hoặc may mặc được đánh giá theo tiêu chí riêng biệt. Sự chênh lệch thang đo giữa các thuộc tính gây khó khăn cho việc xử lý trực tiếp. Bên cạnh đó, dữ liệu thường có hiện tượng mất cân bằng giữa các nhóm nghề đào tạo. Việc thiếu hụt các giá trị thuộc tính quan trọng cũng làm giảm độ tin cậy của phân tích. Tiền xử lý dữ liệu trở thành thách thức lớn trước khi áp dụng thuật toán.

2.2. Khó khăn khi định hướng khối thi và ngành nghề

Học sinh khối 12 thường lúng túng khi chọn khối thi đại học như A, B, C hay D. Tâm lý chọn ngành chịu ảnh hưởng lớn từ gia đình thay vì năng lực thực tế. Nhiều trường hợp chọn khối ngành vượt quá khả năng học tập dẫn đến kết quả thi không mong muốn. Trong khi đó, việc chuyển đổi từ nghề sơ cấp sang bậc cao đẳng hoặc đại học đòi hỏi lộ trình rõ ràng. Đội ngũ giáo viên chủ nhiệm kiêm nhiệm công tác tư vấn nhưng không có công cụ dự báo chuyên sâu. Quyết định định hướng phần lớn mang tính cảm quan. Hệ quả là học sinh mất phương hướng sau khi tốt nghiệp hệ giáo dục thường xuyên.

III. Giải pháp học máy và học sâu phân loại hướng nghiệp học sinh GDTX

Nghiên cứu xây dựng quy trình phân tích và dự báo định hướng nghề nghiệp bằng kỹ thuật học máy kết hợp học sâu. Bộ dữ liệu khảo sát gồm 250 hồ sơ học sinh khối 12 với 20 thuộc tính đặc trưng. Các thuộc tính bao gồm điểm trung bình môn văn hóa, điểm nghề, học lực, hạnh kiểm và nguyện vọng xét tuyển. Dữ liệu được chuẩn hóa thông qua phương pháp Min-Max và Z-Score nhằm loại bỏ sai lệch đơn vị đo. Tập mẫu phân chia thành 190 mẫu huấn luyện và 60 mẫu kiểm thử độc lập. Hệ thống triển khai các mô hình học máy kinh điển như Cây quyết định, K-láng giềng gần nhất (KNN), Rừng ngẫu nhiên và Máy vector hỗ trợ (SVM). Mạng nơ-ron truyền thẳng nhiều lớp đại diện cho nhánh học sâu được áp dụng để học các mẫu phức tạp. Các mô hình thực hiện nhiệm vụ phân lớp dự báo khối thi (A, B, C, D) và nhóm trường đại học hoặc cao đẳng phù hợp. Quá trình kiểm nghiệm sử dụng phương pháp xác thực chéo để đánh giá độ chính xác khách quan.

3.1. Kỹ thuật tiền xử lý và chuẩn hóa dữ liệu

Tiền xử lý dữ liệu đóng vai trò quyết định độ chính xác của các mô hình dự báo. Dữ liệu hồ sơ gốc trải qua bước làm sạch để khử bản ghi trùng lặp và điền giá trị thiếu. Kỹ thuật mã hóa chuyển đổi các biến định tính như hạnh kiểm và môn nghề thành dạng số. Thước đo khoảng cách Euclide được sử dụng phổ biến trong thuật toán lân cận. Để tránh hiện tượng các thuộc tính giá trị lớn chi phối mô hình, phương pháp chuẩn hóa Min-Max đưa toàn bộ dữ liệu số về khoảng 0 đến 1. Chuẩn hóa Z-Score cũng được áp dụng nhằm duy trì phân phối chuẩn của tập dữ liệu. Bước chuẩn bị này đảm bảo tính hội tụ ổn định cho các thuật toán học.

3.2. Triển khai thuật toán phân lớp và học sâu

Các thuật toán phân lớp được cấu hình để giải quyết bài toán đa nhãn trong định hướng nghề. Cây quyết định trực quan hóa luật phân loại giúp giáo viên dễ dàng giải thích kết quả. Thuật toán SVM tìm kiếm siêu phẳng tối ưu nhằm phân tách các nhóm học sinh có năng lực khác biệt. Mô hình Rừng ngẫu nhiên kết hợp nhiều cây phân lớp để giảm thiểu hiện tượng quá khớp dữ liệu. Bên cạnh đó, mạng nơ-ron học sâu nhiều lớp ẩn khai thác tốt các mối tương quan phi tuyến giữa môn học văn hóa và kết quả nghề. Hàm kích hoạt phi tuyến tính và thuật toán lan truyền ngược tinh chỉnh trọng số mạng. Nhờ vậy, hệ thống đạt độ hội tụ cao và khả năng tổng quát hóa vượt trội.

IV. Hiệu quả ứng dụng mô hình học sâu định hướng nghề tại Thái Nguyên

Kết quả thử nghiệm khẳng định tính khả thi cao của mô hình học máy và học sâu trong tư vấn giáo dục. Trên tập kiểm thử 60 học sinh, các mô hình đạt tỷ lệ phân lớp chính xác ấn tượng đối với dự báo khối thi và nhóm trường. Rừng ngẫu nhiên cùng mạng học sâu thể hiện ưu thế vượt trội về độ nhạy và chỉ số F1-score. Giải pháp cung cấp công cụ tự động hóa, giảm tải áp lực tư vấn thủ công cho giáo viên Trung tâm GDTX Thái Nguyên. Học sinh nhận được báo cáo khuyến nghị nghề nghiệp cá nhân hóa dựa trên dữ liệu học tập thực chứng. Độ tin cậy của mô hình giúp hạn chế rủi ro chọn sai nghề nghiệp trong tương lai. Nhà trường chủ động xây dựng kế hoạch phân luồng đào tạo sát với nhu cầu thực tiễn của thị trường lao động. Trong tương lai, mô hình có thể mở rộng tích hợp thêm các tiêu chí tâm lý học đường. Nghiên cứu tạo tiền đề vững chắc cho việc nhân rộng mô hình trí tuệ nhân tạo sang các trung tâm giáo dục lân cận.

4.1. Đánh giá độ chính xác của các mô hình dự báo

Các mô hình được kiểm định nghiêm ngặt qua độ đo Accuracy, Precision, Recall và ROC-AUC. Mạng nơ-ron học sâu đạt hiệu năng vượt trội trong việc phân loại tổ hợp khối thi có cấu trúc phức tạp. Thuật toán Random Forest cho kết quả phân lớp đồng đều đối với các nhóm ngành đào tạo có số lượng học sinh ít. Kỹ thuật K-láng giềng gần nhất thể hiện tốc độ huấn luyện nhanh và phản ánh chính xác nhóm học sinh có học lực đồng nhất. Kết quả kiểm thử thực nghiệm trên 60 học sinh chứng minh tính ổn định của toàn bộ giải pháp. Sai số dự báo giảm thiểu đáng kể so với phương pháp đánh giá định tính.

4.2. Khả năng ứng dụng thực tế trong quản lý đào tạo

Mô hình học máy cung cấp công cụ trợ lý đắc lực cho ban giám đốc và cán bộ hướng nghiệp trung tâm. Nhà trường dễ dàng tích hợp thuật toán vào hệ thống quản lý học sinh hiện hành. Hệ thống tự động phân tích điểm số định kỳ để đưa ra cảnh báo sớm về xu hướng học tập. Cán bộ tư vấn xây dựng kế hoạch bồi dưỡng phù hợp cho từng học sinh ngay từ đầu lớp 12. Việc này nâng cao tỷ lệ đỗ đại học và chuyển tiếp nghề nghiệp thành công. Hơn nữa, kết quả nghiên cứu là tài liệu tham khảo giá trị cho các cơ sở giáo dục thường xuyên trên địa bàn toàn tỉnh.

Nội dung chính

Tổng quan nghiên cứu

Giáo dục hướng nghiệp và phân luồng học sinh sau trung học phổ thông là nhiệm vụ chiến lược được quy định rõ tại Quyết định số 522/QĐ-TTg ngày 14/5/2018 của Thủ tướng Chính phủ phê duyệt đề án "Giáo dục hướng nghiệp và định hướng phân luồng học sinh trong giáo dục phổ thông giai đoạn 2018-2025". Trong bối cảnh khối lượng thông tin giáo dục tăng trưởng vượt bậc, các phương pháp tư vấn thủ công truyền thống bộc lộ rõ sự bất cập khi chỉ đạt độ chính xác hạn chế, thiếu căn cứ định lượng khoa học và dễ dẫn đến tình trạng chọn sai ngành nghề, gây lãng phí nguồn lực xã hội.

Nhằm giải quyết triệt để thách thức này, nghiên cứu của tác giả Phạm Thị Quang tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên đã tập trung xây dựng hệ thống phân tích và dự báo định hướng nghề nghiệp ứng dụng các thuật toán học máy và học sâu hiện đại. Đề tài được triển khai trực tiếp tại Trung tâm Giáo dục thường xuyên tỉnh Thái Nguyên, kết hợp khảo sát từ các trường trung học phổ thông trên địa bàn thành phố trong năm 2022.

Mục tiêu cốt lõi của công trình là khai thác nguồn dữ liệu lớn gồm hơn 1000 hồ sơ học sinh, tiến hành tiền xử lý và trích xuất 250 bộ dữ liệu chuẩn mực để huấn luyện các thuật toán phân lớp thông minh. Nghiên cứu xác lập mô hình phân loại tự động có khả năng dự đoán chính xác nguyện vọng khối thi và nhóm ngành đào tạo đại học, cao đẳng với độ tin cậy vượt trên 85%. Đóng góp thực tiễn của luận văn mang lại giá trị định lượng rõ rệt, cung cấp công cụ trợ giúp đắc lực cho cán bộ giáo dục thường xuyên, tối ưu hóa công tác phân luồng học sinh theo đúng năng lực học tập, sở trường nghề nghiệp và nhu cầu thực tiễn của thị trường lao động.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng quy trình Phát hiện tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases - KDD) do Fayyad và các cộng sự khởi xướng từ năm 1989. Quy trình này bao gồm 5 mắt xích liên hoàn: thu thập dữ liệu thô, lựa chọn dữ liệu mục tiêu, làm sạch tiền xử lý, chuyển đổi dữ liệu và áp dụng các thuật toán khai phá dữ liệu chuyên sâu để chiết xuất tri thức hữu ích.

Trong khuôn khổ bài toán phân loại học sinh, tác giả vận dụng các phương pháp học máy có giám sát (Supervised Learning) kết hợp với các mô hình học sâu. Khung lý thuyết bao gồm 5 thuật toán học máy then chốt: Cây quyết định (Decision Tree), K-láng giềng gần nhất (KNN) dựa trên thước đo khoảng cách không gian Euclidean, Phân lớp Bayes ngây thơ (Naive Bayes) dựa trên xác suất có điều kiện, Máy vector hỗ trợ (Support Vector Machine - SVM) nhằm tối đa hóa khoảng cách biên phân tách giữa các lớp siêu phẳng, và Rừng ngẫu nhiên (Random Forest) hoạt động theo cơ chế tập hợp đa cây quyết định để triệt tiêu hiện tượng quá khớp (overfitting).

Bên cạnh đó, nghiên cứu tích hợp lý thuyết mạng nơ-ron nhân tạo đa tầng truyền thẳng (Multilayer Perceptron - MLP) thông qua gói công cụ Dl4jMlpClassifier. Mô hình sử dụng các hàm kích hoạt phi tuyến hiện đại như ReLU và Tanh để học biểu diễn phức tạp từ vector đặc trưng 20 chiều, phản ánh đầy đủ thuộc tính học lực văn hóa, kỹ năng nghề nghiệp và phẩm chất hạnh kiểm của từng cá nhân.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp nghiên cứu lý luận và phương pháp thực nghiệm khoa học trên dữ liệu thực tế. Quá trình chọn mẫu được thực hiện theo nguyên tắc chọn mẫu mục đích kết hợp phân tầng ngẫu nhiên. Cụ thể, từ hơn 1000 hồ sơ ban đầu thu thập tại các trường trung học phổ thông và Trung tâm Giáo dục thường xuyên tỉnh Thái Nguyên, tác giả tiến hành quy trình sàng lọc chặt chẽ, loại bỏ các bản ghi khuyết thiếu và nhiễu để rút ra tập dữ liệu chuẩn gồm 250 học sinh khối 12 sinh năm 2003 đã có kết quả thi và trúng tuyển đại học, cao đẳng.

Mỗi học sinh được mã hóa thông qua 20 trường thuộc tính cốt lõi, bao gồm: điểm học lực các môn văn hóa (Toán, Văn, Ngoại ngữ, Vật lý, Hóa học, Sinh học, Tin học, Lịch sử, Giáo dục công dân, Công nghệ), kết quả môn học nghề (Điện dân dụng, Nấu ăn, Móc len, Làm hoa), xếp loại hạnh kiểm, nhóm trường đại học mục tiêu (phân chia thành 8 nhóm) và tổ hợp khối thi xét tuyển (A, B, C, D).

Toàn bộ dữ liệu 250 mẫu được phân chia ngẫu nhiên thành 2 tập độc lập: tập huấn luyện gồm 190 học sinh (chiếm 76% dữ liệu) và tập kiểm thử độc lập gồm 60 học sinh (chiếm 24% dữ liệu). Nghiên cứu lựa chọn nền tảng phần mềm Weka (Waikato Environment for Knowledge Analysis) làm môi trường thực nghiệm chính vì đây là bộ công cụ khai phá dữ liệu mã nguồn mở chuẩn mực, tích hợp đầy đủ các thư viện mở rộng của học sâu và học máy. Hiệu năng mô hình được kiểm định nghiêm ngặt qua 2 phương pháp đánh giá: kỹ thuật kiểm định chéo 5 nếp gấp (5-fold cross-validation) trên tập huấn luyện và phương pháp kiểm thử độc lập trên tập mẫu kiểm tra chưa từng tiếp xúc.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích dữ liệu thực nghiệm đã mang lại 4 phát hiện quan trọng có giá trị khoa học và định hướng cao:

Thứ nhất, phân tích cơ cấu môn nghề phản ánh sự tập trung rõ nét của học sinh Trung tâm Giáo dục thường xuyên tỉnh Thái Nguyên vào các ngành kỹ thuật và thủ công ứng dụng. Trong số 250 hồ sơ chuẩn hóa, môn Điện dân dụng chiếm số lượng đông đảo nhất với 64 học sinh (tương đương 25.6%), tiếp theo là môn Móc len với 52 học sinh (tỷ lệ 20.8%), môn Làm hoa với 47 học sinh (tỷ lệ 18.8%), môn Nấu ăn đạt 21 học sinh (chiếm 8.4%), và môn Tin học chiếm 6 học sinh (khoảng 2.4%). Điểm thi môn nghề có tương quan nghịch với tỷ lệ bỏ học và có mối quan hệ chặt chẽ với việc lựa chọn khối ngành nghề thực hành tương lai.

Thứ hai, cấu trúc học lực của đối tượng học sinh hệ giáo dục thường xuyên mang tính đặc thù cao. Tỷ lệ học sinh đạt loại Giỏi chỉ chiếm vỏn vẹn 4.21% tổng số mẫu nghiên cứu, trong khi tỷ lệ học sinh xếp loại Khá và Trung bình chiếm đại đa số với trên 95.79%. Điều này chứng minh rằng việc áp đặt mục tiêu thi vào các trường đại học nghiên cứu hàn lâm là không phù hợp, đòi hỏi mô hình dự báo phải nhận diện chính xác năng lực thực tế để phân luồng vào 8 nhóm trường đại học kỹ thuật, cao đẳng hoặc trung cấp nghề.

Thứ ba, thuật toán Rừng ngẫu nhiên (Random Forest) thể hiện năng lực phân lớp vượt bậc so với các giải thuật học máy truyền thống khác. Khi thực hiện kiểm định chéo 5 nếp gấp (5-fold cross-validation) trên 190 mẫu huấn luyện, Random Forest đạt độ chính xác dự đoán vượt trội xấp xỉ 88.5%, chỉ số diện tích dưới đường cong ROC (AUC) duy trì ổn định ở mức trên 0.92, phản ánh khả năng phân tách cực tốt giữa các nhóm trường và tổ hợp khối thi.

Thứ tư, mô hình học sâu triển khai qua Dl4jMlpClassifier khẳng định sự thích ứng mạnh mẽ với dữ liệu đa chiều, đạt độ chính xác xấp xỉ 85.2% trên tập kiểm thử độc lập 60 mẫu. Khả năng ghi nhớ và khái quát hóa phi tuyến của mạng nơ-ron giúp nhận diện chuẩn xác các trường hợp học sinh có điểm văn hóa trung bình nhưng sở hữu điểm nghề xuất sắc, từ đó đề xuất đúng phân luồng ngành kỹ thuật công nghệ.

Thảo luận kết quả

Kết quả vượt trội của Random Forest được giải thích bởi cơ chế biểu quyết đa số từ hàng trăm cây quyết định riêng lẻ, giúp triệt tiêu phương sai và giảm thiểu tối đa hiện tượng sai lệch do các giá trị ngoại lai trong bảng điểm học sinh gây ra. Trong khi đó, các thuật toán đơn lẻ như Cây quyết định (Decision Tree) dễ bị phân mảnh dữ liệu, còn Naive Bayes gặp giới hạn bởi giả thiết ngây thơ xem các môn học là hoàn toàn độc lập, vốn mâu thuẫn với thực tế giáo dục khi điểm Toán và điểm Tin học luôn có sự tương quan cao.

Mô hình học sâu Dl4jMlpClassifier tuy đòi hỏi thời gian huấn luyện dài hơn nhưng lại thể hiện ưu thế khi số lượng biến số đầu vào tăng lên 20 trường thông tin. Các ma trận nhầm lẫn (Confusion Matrix) và đường cong ROC thu được từ Weka cho thấy mô hình phân biệt rất sắc nét giữa nhóm khối thi A, B và nhóm C, D. Các kết quả này hoàn toàn tương thích và bổ trợ cho các nghiên cứu quốc tế về khai phá dữ liệu giáo dục (Educational Data Mining), đồng thời khẳng định tính khả thi của việc ứng dụng máy học tại các trung tâm đào tạo công lập Việt Nam.

Toàn bộ dữ liệu nghiên cứu có thể được trực quan hóa hiệu quả thông qua hệ thống biểu đồ cột thể hiện tương quan lựa chọn môn nghề và bảng nhiệt (heatmap) ma trận nhầm lẫn phân loại khối thi. Cách thức biểu diễn trực quan này giúp đội ngũ quản lý giáo dục dễ dàng nắm bắt bức tranh toàn cảnh về xu hướng học tập mà không cần nắm vững kỹ thuật toán học phức tạp.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa công tác tư vấn hướng nghiệp tại địa phương:

Thứ nhất, số hóa và triển khai trực tiếp mô hình phân lớp Random Forest vào phần mềm tư vấn tuyển sinh tại Trung tâm Giáo dục thường xuyên tỉnh Thái Nguyên. Ban Giám đốc và tổ chuyên môn cần tiến hành cài đặt hệ thống trong giai đoạn 2023-2024, đặt mục tiêu nâng độ chính xác của công tác định hướng phân luồng học sinh cuối cấp lên mức tối thiểu 90%, giảm thiểu tỷ lệ chuyển ngành hoặc bỏ học sau tốt nghiệp.

Thứ hai, chuẩn hóa quy trình thu thập và quản lý cơ sở dữ liệu học sinh xuyên suốt từ lớp 10 đến lớp 12. Bộ phận giáo vụ cần số hóa toàn diện 20 trường thuộc tính học tập và rèn luyện cho 100% học sinh trên hệ thống phần mềm quản lý học tập điện tử bắt đầu từ năm học 2023-2024, đảm bảo dữ liệu sạch, không trùng lặp và sẵn sàng cho việc cập nhật trọng số mô hình dự báo định kỳ.

Thứ ba, nâng cao năng lực ứng dụng công nghệ thông tin cho 100% đội ngũ cán bộ, giáo viên phụ trách công tác hướng nghiệp. Sở Giáo dục và Đào tạo phối hợp với Trung tâm Giáo dục thường xuyên tỉnh Thái Nguyên tổ chức 02 khóa tập huấn chuyên sâu về cách sử dụng công cụ Weka và kỹ năng diễn giải các tham số dự báo khoa học trong năm học 2023-2024, giúp giáo viên chủ nhiệm kết hợp nhuần nhuyễn giữa nhận định trực quan và chỉ số phân tích dữ liệu.

Thứ tư, mở rộng kết nối mạng lưới dữ liệu việc làm với hơn 50 doanh nghiệp và cơ sở sản xuất trên địa bàn tỉnh Thái Nguyên trước năm 2025. Việc tích hợp dữ liệu nhu cầu tuyển dụng thực tế vào mô hình phân tích sẽ giúp nâng quy mô tập dữ liệu từ 250 hồ sơ lên trên 1500 hồ sơ, tạo lập chu trình hướng nghiệp khép kín từ đánh giá năng lực học đường đến giải quyết việc làm sau đào tạo.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị liên ngành cao, đặc biệt phù hợp cho 4 nhóm đối tượng cụ thể sau:

Nhóm cán bộ quản lý và giáo viên tư vấn hướng nghiệp tại các Trung tâm Giáo dục thường xuyên và các trường trung học phổ thông. Luận văn cung cấp phương pháp luận khoa học và quy trình 4 bước chuẩn xác để đánh giá hồ sơ học sinh, biến các con số học bạ đơn thuần thành công cụ tham vấn chọn ngành, chọn trường khách quan cho từng cá nhân.

Nhóm học viên cao học, nghiên cứu sinh và giảng viên chuyên ngành Khoa học máy tính, Hệ thống thông tin và Công nghệ phần mềm. Tài liệu đóng vai trò như một cẩm nang thực hành chi tiết về việc ứng dụng công cụ Weka, triển khai kỹ thuật đánh giá chéo 5-fold, tinh chỉnh siêu tham số cho Random Forest và thiết lập mạng nơ-ron học sâu Dl4jMlpClassifier trên bài toán phân lớp bảng dữ liệu thực tế.

Nhóm chuyên viên hoạch định chính sách giáo dục tại các Sở Giáo dục và Đào tạo. Bản luận văn mang lại các bằng chứng thực nghiệm rõ ràng về cơ cấu học lực và thị hiếu học nghề của học sinh, hỗ trợ đắc lực cho công tác xây dựng đề án phân luồng học sinh theo Quyết định 522/QĐ-TTg của Chính phủ một cách thực chất và hiệu quả.

Nhóm kỹ sư dữ liệu và các nhà phát triển giải pháp công nghệ giáo dục (EdTech). Mô hình phân loại 20 thuộc tính cùng các tiêu chí phân chia 8 nhóm trường trong luận văn là tài liệu tham khảo giá trị để xây dựng các thuật toán gợi ý nghề nghiệp (Recommendation Systems) thông minh trên các nền tảng giáo dục trực tuyến hiện đại.

Câu hỏi thường gặp

Lý do luận văn thu gọn tập dữ liệu từ hơn 1000 hồ sơ xuống còn 250 học sinh là gì? Tập dữ liệu hơn 1000 hồ sơ ban đầu chứa nhiều dữ liệu khuyết thiếu điểm số và chưa có kết quả xét tuyển đại học. Tác giả đã sàng lọc chọn mẫu 250 học sinh khối 12 sinh năm 2003 nhằm đảm bảo tính toàn vẹn của 20 trường thông tin và có kết quả đậu trường đại học, cao đẳng thực tế làm nhãn phân lớp chuẩn xác.

Thuật toán nào cho kết quả phân loại định hướng nghề nghiệp tối ưu nhất trong nghiên cứu? Thuật toán Rừng ngẫu nhiên (Random Forest) đạt hiệu quả cao nhất với độ chính xác xấp xỉ 88.5% và chỉ số diện tích dưới đường cong AUC đạt trên 0.92 qua kiểm định 5 nếp gấp. Giải thuật này chứng minh khả năng kiểm soát nhiễu vượt trội so với Decision Tree, KNN, Naive Bayes và SVM.

Điểm học nghề đóng vai trò quan trọng như thế nào trong mô hình dự báo của luận văn? Điểm học nghề là một trong những thuộc tính phân lớp then chốt, đặc biệt đối với 64 học sinh theo học Điện dân dụng và 52 học sinh học Móc len. Điểm nghề phản ánh năng khiếu thực hành và thái độ lao động, giúp mô hình phân luồng chính xác học sinh vào các khối ngành kỹ thuật hoặc mỹ thuật ứng dụng.

Tại sao nghiên cứu lại lựa chọn nền tảng Weka để thực nghiệm mô hình? Weka là môi trường khai phá dữ liệu học thuật chuẩn mực, cung cấp giao diện trực quan hóa ma trận nhầm lẫn, đường cong ROC và tích hợp sẵn các gói học sâu mở rộng như Dl4jMlpClassifier. Nền tảng này giúp chuẩn hóa quy trình huấn luyện trên 190 mẫu và kiểm thử trên 60 mẫu một cách minh bạch, độc lập.

Mô hình dự báo của luận văn có thể nhân rộng sang các tỉnh thành khác ngoài Thái Nguyên không? Mô hình hoàn toàn có thể nhân rộng tại các cơ sở giáo dục trên toàn quốc bằng cách giữ nguyên khung kiến trúc 20 trường đặc trưng của quy trình KDD. Các địa phương chỉ cần thu thập dữ liệu học sinh bản địa và tái huấn luyện các trọng số thuật toán để phù hợp với đặc thù kinh tế và nhu cầu lao động tại chỗ.

Kết luận

Nghiên cứu của học viên Phạm Thị Quang đã hoàn thành xuất sắc các mục tiêu học thuật và ứng dụng thực tiễn đề ra với 5 dấu ấn nổi bật:

• Hệ thống hóa toàn diện khung lý thuyết về quy trình KDD, đối sánh sâu sắc các giải thuật học máy có giám sát và kỹ thuật học sâu tiên tiến.
• Chuẩn hóa thành công bộ dữ liệu thực nghiệm gồm 250 hồ sơ học sinh khối 12 tại Thái Nguyên với 20 trường thông tin đặc trưng phản ánh toàn diện năng lực văn hóa và nghề nghiệp.
• Khẳng định giá trị thực nghiệm vượt bậc của giải thuật Random Forest và mạng nơ-ron Dl4jMlpClassifier trên phần mềm Weka với độ chính xác trên 85% và AUC trên 0.92.
• Xây dựng mô hình quy trình 4 bước định hướng nghề nghiệp khoa học, khắc phục triệt để tính cảm tính trong công tác phân luồng giáo dục hiện hành.
• Cung cấp luận cứ thực tiễn vững chắc hỗ trợ việc triển khai Đề án 522/QĐ-TTg của Chính phủ tại địa phương, gắn kết chặt chẽ hoạt động đào tạo với nhu cầu thị trường.

Trong lộ trình 12 tháng tiếp theo của giai đoạn 2023-2024, nghiên cứu mở ra hướng phát triển tích hợp mô hình lên nền tảng ứng dụng web trực tuyến để phục vụ tư vấn tự động cho học sinh trên toàn địa bàn. Các cơ sở giáo dục phổ thông và giáo dục thường xuyên cần đẩy mạnh chuyển đổi số, chủ động ứng dụng trí tuệ nhân tạo và khai phá dữ liệu để kiến tạo tương lai nghề nghiệp vững chắc cho thế hệ trẻ.

Trích đoạn nội dung tài liệu

Chương 1. Tổng quan về khai phá dữ liệu và phát hiện tri thức Giới thiệu một cánh tổng quát về quá trình phát hiện tri thức nói chung và khai phá dữ liệu nói riêng. Một số kỹ thuật học máy và học sâu Trong phần này, sẽ giới thiệu tổng quan về phân lớp dữ liệu và dự báo. Một số kỹ thuật học máy cơ bản theo phân lớp dữ liệu như: Cây quyết định (Decision Tree), K-láng giềng gần nhất (KNN), Naïve Bayes phân lớp dữ liệu Bayesian, phân lớp dữ liệu với Random Forest (rừng ngẫu nhiên), Phân lớp dữ liệu sử dụng máy hỗ trợ vector (SVM).

Và một số kỹ thuật học sâu như mạng neural nhiều lớp, mạng nơron tích chập (CNN), mạng nơron hồi quy (RNN). Ứng dụng trong phân tích và định hướng nghề nghiệp cho học sinh học nghề tại trung tâm GDTX tỉnh Thái Nguyên Giới thiệu về bài toán, giới thiệu về công cụ Weka ứng dụng vào việc phân tích và định hướng nghề nghiệp cho học sinh học nghề tại Trung tâm GDTX tỉnh Thái Nguyên. 2 CHƢƠNG 1 TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU VÀ PHÁT HIỆN TRI THỨC Chương này giới thiệu tổng quan về khai phá dữ liệu, phát hiện tri thức, khái niệm cũng như phân loại một số kỹ thuật khai phá. Giới thiệu tổng quan Theo wikipedia Khai phá dữ liệu (Data Mining) Là quá trình tính toán để tìm ra các mẫu trong các bộ dữ liệu lớn liên quan đến các phương pháp tại giao điểm của máy học, thống kê và các hệ thống cơ sở dữ liệu.

Khai phá dữ liệu là một khái niệm ra đời vào những năm cuối của thập kỷ 80. Nó bao hàm một loạt các kỹ thuật nhằm phát hiện ra các thông tin có giá trị tiềm ẩn trong các tập dữ liệu lớn (các kho dữ liệu). Về bản chất, khai phá dữ liệu liên quan đến việc phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra các mẫu hình có tính chính quy (regularities) trong tập dữ liệu. Năm 1989, Fayyad, Piatestsky-Shapiro và Smyth đã dùng khái niệm Phát hiện tri thức trong cơ sở dữ liệu (Knowledge Discovery in Database – KDD) để chỉ toàn bộ quá trình phát hiện các tri thức có ích từ các tập dữ liệu lớn.

Khai phá dữ liệu là một tiến trình sử dụng các công cụ phân tích dữ liệu khác nhau để khám phá ra các mẫu dưới nhiều góc độ khác nhau nhằm phát hiện ra các mối quan hệ giữa các dữ kiện, đối tượng bên trong cơ sở dữ liệu, kết quả của việc khai phá là xác định các mẫu hay các mô hình đang tồn tại bên trong, nhưng chúng nằm ẩn khuất ở các CSDL. Khai phá dữ liệu và khám phá tri thức (Data mining and Knowledge discovery) là một lĩnh vực quan trọng của ngành Công nghệ thông tin với mục tiêu là tìm kiếm các tri thức có ích, cần thiết, tiềm ẩn và chưa được biết trước trong cơ sở dữ liệu lớn. Đây là lĩnh vực đã và đang thu hút đông đảo các nhà khoa học trên thế giới và trong nước tham gia nghiên cứu. *) Khai Phá dữ liệu: Khai phá dữ liệu là một quá trình tìm kiếm, phát hiện các tri thức mới, tiềm ẩn, hữu dụng trong CSDL lớn.

3 - Trong thời đại ngày nay, mọi lĩnh vực của đời sống thực phải đối mặt với khối lượng ngày càng lớn của dữ liệu được thu thập từ các hoạt động của con người (như dữ liệu giao dịch thị trường, bản ghi việc sử dụng thẻ tín dụng, thông tin về các cuộc gọi điện thoại, các thống kê của chính phủ) tới các dữ liệu thu thập được từ bên ngoài (như hình ảnh các thiên thể, cơ sở dữ liệu về phân tử, hoặc bản ghi y tế). Các công cụ thu thập dữ liệu tự động và các công nghệ cơ sở dữ liệu phát triển mạnh mẽ tạo ra một lượng dữ liệu lớn được lưu trữ trong các cơ sở dữ liệu, kho dữ liệu và các nơi lưu trữ thông tin khác. Sự bùng nổ này đã dẫn tới một yêu cầu cấp thiết là cần có những kĩ thuật và công cụ mới để tự động chuyển đổi lượng dữ liệu lớn kia thành các tri thức có ích. Nếu chỉ sử dụng thao tác thủ công truyền thống thì độ chính xác không cao và mất rất nhiều thời gian Từ đó, các kĩ thuật Khai phá dữ liệu đã trở thành tiêu điểm của một lĩnh vực nghiên cứu và ứng dụng về khám phá tri thức (Knowledge Discovery) và khai phá dữ liệu (Data Mining).

- Việc tự động khai thác những thông tin, những tri thức có tính tiềm ẩn, hữu ích từ những CSDL lớn cho các đơn vị, tổ chức, doanh nghiệp,… từ đó làm thúc đẩy khả năng sản xuất, kinh doanh, cạnh tranh cho các đơn vị, tổ chức này. Ngày nay, khai phá dữ liệu được ứng dụng một cách rộng rãi trong các lĩnh vực như: Thương mại, tài chính, điều trị y học, viễn thông, tin – sinh… Thống kê tóm Tìm Thu tắt Giải Xác kiếm thuật thập Mẫu định dữ khai và nhiệm liệu phá tiền vụ liên xử lý Dữ liệu quan dữ trực tiếp Hình 1. Quá trình khai phá dữ liệu 4 - Quá trình khai phá dữ liệu(KPDL) bắt đầu bằng cách xác định chính xác vấn đề cần giải quyết. Sau đó sẽ xác định các dữ liệu liên quan dùng để xây dựng giải pháp.

Bước tiếp theo là thu thập các dữ liệu có liên quan và xử lý chúng thành dạng sao cho giải thuật KPDL có thể hiểu được. - Tiếp theo là chọn thuật toán KPDL thích hợp và thực hiện việc KPDL để tìm được các mẫu (pattern). - Đặc điểm của mẫu phải là mới (ít nhất là đối với hệ thống đó). Độ mới có thể đuợc đo tương ứng với độ thay đổi trong dữ liệu (bằng cách so sánh các giá trị hiện tại với các giá trị trước đó hoặc các giá trị mong muốn), hoặc bằng tri thức (mối liên hệ giữa phương pháp tìm mới và phương pháp cũ như thế nào).

- Kỹ thuật KPDL thực chất là phương pháp không hoàn toàn mới. Nó là sự kế thừa, kết hợp và mở rộng của các kỹ thuật cơ bản đã được nghiên cứu từ trước như máy học, nhận dạng, thống kê (hồi quy, xếp loại, phân cụm), các mô hình đồ thị, các mạng Bayes, trí tuệ nhân tạo, thu thập tri thức hệ chuyên gia, v.v… Tuy nhiên, với sự kết hợp tài tình của KPDL, kỹ thuật này có ưu thế hơn hẳn các phương pháp trước đó, đem lại nhiều triển vọng trong việc ứng dụng phát triển nghiên cứu khoa học. - Một số ứng dụng của khai phá dữ liệu: + Thương mại: Phân tích dữ liệu bán hàng và thi trường, phân tích đầu tư, quyết định cho vay, phát hiện gian lận. + Thông tin sản xuất: Điều khiển và lập kế hoạch, hệ thống quản lý, phân tích kết quả thử nghiệm.

+ Thông tin khoa học: dự báo thời tiết, CSDL sinh học: Ngân hàng gen, khoa học địa lý: dự báo động đất. + Trong y tế, marketing, ngân hàng, viễn thông, du lịch, internet. *) Phát hiện tri thức Từ các dữ liệu sẵn có phải tìm ra những thông tin tiềm ẩn có giá trị mà trước đó chưa được phát hiện, phải tìm ra những xu hướng phát triển và 5 những yếu tố tác động lên chúng. Thực hiện công việc đó chính là thực hiện quá trình phát hiện tri thức trong cơ sở dữ liệu (Knowledge Discovery in Database - KDD).

Quá trình phát hiện tri thức Trong hình 1.2 quá trình phát hiện tri thức bắt đầu của quá trình là kho dữ liệu thô và kết thúc với tri thức(dữ liệu tinh) được lấy ra. - Gom dữ liệu (Gathering): Tập hợp dữ liệu là bước đầu tiên trong quá trình khai phá dữ liệu. Đây là bước được khai thác trong một cơ sở dữ liệu, một kho dữ liệu và thậm chí các dữ liệu từ các nguồn ứng dụng Web. - Lựa chọn dữ liệu (Selection): Ở giai đoạn này dữ liệu được lựa chọn hoặc phân chia theo một số tiêu chuẩn nào đó phục vụ mục đích khai thác.

- Làm sạch, tiền xử lý và chuẩn bị dữ liệu (Cleaning, Pre-processing and Preparation): Giai đoạn thứ ba này là giai đoạn ít được quan tâm, nhưng thực tế nó là một bước rất quan trọng trong quá trình khai phá dữ liệu. Một số lỗi thường mắc phải trong khi gom dữ liệu là tính không đủ chặt chẽ, logíc. Vì vậy, dữ liệu thường chứa các giá trị vô nghĩa và không có khả năng kết nối dữ liệu. Giai đoạn này sẽ tiến hành xử lý những dạng dữ liệu không chặt chẽ nói trên.

Những dữ liệu dạng này được xem như thông tin dư 6 thừa, không có giá trị. Bởi vậy, đây là một quá trình rất quan trọng vì dữ liệu này nếu không được “làm sạch - tiền xử lý - chuẩn bị trước” thì sẽ gây nên những kết quả sai lệch nghiêm trọng. - Chuyển đổi dữ liệu (Transformation): Tiếp theo là giai đoạn chuyển đổi dữ liệu, dữ liệu đưa ra có thể sử dụng và điều khiển được bởi việc tổ chức lại nó, tức là dữ liệu sẽ được chuyển đổi về dạng phù hợp cho việc khai phá bằng cách thực hiện các thao tác nhóm hoặc tập hợp. - Khai phá dữ liệu (Data mining): Đây là bước mang tính tư duy trong khai phá dữ liệu.

Ở giai đoạn này nhiều thuật toán khác nhau đã được sử dụng để trích ra các mẫu từ dữ liệu. Thuật toán thường dùng là nguyên tắc phân lớp, nguyên tắc kết hợp, v. - Đánh giá các luật và biểu diễn tri thức (Evaluation of Result): Đây là giai đoạn cuối trong quá trình khai phá dữ liệu. Ở giai đoạn này, các mẫu dữ liệu được chiết xuất, không phải bất cứ mẫu dữ liệu nào cũng đều hữu ích, đôi khi nó còn bị sai lệch.

Vì vậy, cần phải ưu tiên những tiêu chuẩn đánh giá để chiết xuất ra các tri thức (Knowlege) cần thiết. Đánh giá sự hữu ích của các mẫu biểu diễn tri thức dựa trên một số phép đó. Sau đó sử dụng các kỹ thuật trình diễn và trực quan hoá dữ liệu để biểu diễn tri thức khai phá được cho người sử dụng. Từ quá trình khám phá tri thức trên chúng ta thấy được sự khác biệt giữa khám phá tri thức và khai phá dữ liệu.

Trong khi khám phá tri thức là nói đến quá trình tổng thể phát hiện tri thức hữu ích từ dữ liệu. Còn KPDL chỉ là một bước trong quá trình khám phá tri thức, các công việc chủ yếu là xác định được bài toán khai phá, tiến hành lựa chọn phương pháp KPDL phù hợp với dữ liệu có được và tách ra các tri thức cần thiết.