Page 282 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL
P. 282
đoán kết quả học tập, gợi ý môn học và lập kế hoạch học tập phù hợp với
năng lực người học; việc này rất có ý nghĩa cho khu vực với khoảng 15 trường
đại học với hơn 150.000 sinh viên như ĐBSCL. Mặc khác, theo Thông tư
09/2021/TT-BGDĐT của Bộ Giáo dục và Đào tạo (2021), việc quản lý và tổ
chức dạy học trực tuyến trong cơ sở giáo dục phổ thông và cơ sở giáo dục
thường xuyên đang được triển khai sẽ thúc đẩy việc ứng dụng những kỹ thuật
học sâu liên quan đến nhận dạng định danh người học và các hành vi liên
quan đến người học, từ đó giúp quản lý người học tốt hơn.
13.4 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
Các nghiên cứu gần đây cho thấy các mô hình được đề xuất cho kết quả
dự đoán khả thi và được cải thiện dần qua thời gian. Từ đó có thể thấy, các
mô hình và kỹ thuật dự đoán được đề xuất, đặc biệt là các kỹ thuật học sâu có
thể vận dụng vào thực tế để dự đoán kết quả học tập, làm tiền đề cho gợi ý
môn học và lập kế hoạch học tập phù hợp với năng lực học tập của người học.
Các nghiên cứu này cần thực nghiệm trên những tập dữ liệu lớn hơn và
thực tiễn để có thể đánh giá toàn diện và khách quan các kỹ thuật được đề
xuất, đặc biệt là kỹ thuật học sâu. Các dữ liệu về sinh viên từ các hệ thống
quản lý của các trường đại học cần được thực nghiệm để xác định các thuộc
tính có yếu tố thời gian, thuộc tính có ảnh hưởng tích cực đến kết quả dự đoán
để cải thiện dần hiệu quả các mô hình học sâu. Từ đó, các hệ thống được xem
xét triển khai xây dựng để gợi ý môn học tại các trường đại học, hỗ trợ cho
sinh viên chọn lựa môn học phù hợp hơn, giúp cho quá trình học tập của sinh
viên được tốt hơn, hạn chế đến mức thấp nhất số lượng sinh viên bị cảnh báo
học vụ và bị buộc thôi học đang diễn ra tại nhiều trường, trong đó có các
trường khu vực ĐBSCL.
TÀI LIỆU THAM KHẢO
Al-Shabandar, R., Hussain, A., Laws, A., Keight, R., Lunn, J. L., & Radi, N. (2017).
Machine learning approaches to predict learning outcomes in Massive open
online courses. https://doi.org/10.1109/IJCNN.2017.7965922
Altabrawee, H., Ali, O., & Qaisar, S. (2019). Predicting Students’ Performance
Using Machine Learning Techniques. Journal of University of Babylon for Pure
and Applied Sciences, 27, 194-205. https://doi.org/10.29196/jubpas.v27i1.2108
268
