Page 276 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

chuẩn MF do giải quyết được tình trạng thiên vị nói trên. Iqbal et al. (2017)
cũng so sánh kết quả dự đoán khi sử dụng các kỹ thuật lọc cộng tác
(collaborative filtering-CF), phân rã ma trận MF và máy Boltzmann bị hạn
chế (restricted boltzmann machines-RBM) để phân tích một cách có hệ thống
dữ liệu được thu thập từ một trường đại học. Kết quả cho thấy kỹ thuật RBM
dự đoán kết quả học tập của sinh viên tốt hơn so với các kỹ thuật còn lại. Một
trong những lý do các nhà nghiên cứu sử dụng kỹ thuật CF trong các hệ thống
gợi ý là do tính chất đơn giản trong ứng dụng, tuy nhiên khi gặp phải dữ liệu
thưa (sparse) thì tính hiệu quả trong gợi ý của kỹ thuật gặp nhiều hạn chế.

Ngày nay, hình thức học thông qua các khóa học trực tuyến mở đại
chúng (massive open online courses - MOOCs) khá là phổ biến với số lượng
người tham gia đông đảo do lợi thế về việc loại bỏ các rào cản địa lý và tài
chính với người tham gia. Tuy nhiên, số người tham gia đông nhưng tỷ lệ
hoàn thành khóa học khá thấp, có rất nhiều nguyên do dẫn đến tình trạng này.
Một nhóm tác giả đã thực hiện một nghiên cứu để dự đoán kết quả khóa học
của người tham gia MOOCs bằng cách sử dụng các thuật toán học máy khác
nhau, kết quả cho thấy rừng ngẫu nhiên đạt được hiệu suất cao nhất trong số
các mô hình thử nghiệm và phân tích phân biệt tuyến tính (Linear
Discriminant Analysis) có hiệu suất tương đối thấp nhất (Al-Shabandar et
al., 2017).
Nghiên cứu về việc dự đoán kết quả học tập của người học các khóa
học MOOCs là cơ sở để đưa ra các quyết định can thiệp giáo dục trực tiếp
nhằm đảm bảo tăng cường sự tham gia, tạo động lực và đảm bảo các học viên
hoàn thành khóa học. Kim (2019) đã đề xuất một kiến trúc học sâu gọi là
GritNet để thực hiện dự đoán kết quả học tập của người học theo thời gian
thực trong một khóa học đang diễn ra và sử dụng khung thích ứng miền không
giám sát để chuyển GritNet được đào tạo trong khóa học trước sang khóa học
mới mà không có nhãn kết quả nào của học viên. Kết quả dự đoán tốt nghiệp
thực tế của học viên Udacity - một nền tảng học trực tuyến cho thấy mạng
học sâu được đề xuất không chỉ khái quát tốt từ khóa học này sang khóa học
khác trong các chương trình Nanodegree khác nhau mà còn nâng cao khả
năng dự đoán theo thời gian thực. Qua đại dịch COVID-19, chúng ta đã trải
nghiệm các lớp học trực tuyến. Nhiều lớp học trực tuyến hiện nay vẫn tiếp
tục được duy trì thông qua các quy định mới của Bộ Giáo dục và Đào tạo yêu
cầu các chương trình đào tạo cung cấp khoảng 20% các khóa học trực tuyến
như một báo cáo được nêu tại Hội thảo chuyển đổi số trong giáo dục đại học
(Dũng, 2023).

262