BÁO CÁO CUỐI KỲ DỰ ĐOÁN MỨC ĐỘ THÍCH ỨNG CỦA HỌC SINH TRONG GIÁO DỤC TRỰC TUYẾN BẰNG PHƯƠNG PHÁP HỌC MÁY

BỘ GIÁO DỤC VÀ ĐÀO TẠOĐẠI HỌC UEH TRƯỜNG KINH TẾ, LUẬT VÀ QUẢN LÝ NHÀ NƯỚC KHOA: KINH TẾ BÁO CÁO CUỐI KỲ DỰ ĐOÁN MỨC ĐỘ THÍCH ỨNG CỦA HỌC SINH TRONG GIÁO DỤC TRỰC TUYẾN BẰNG PHƯƠNG PHÁP

BỘ GIÁO DỤC VÀ ĐÀO TẠO

ĐẠI HỌC UEH TRƯỜNG KINH TẾ, LUẬT VÀ QUẢN LÝ NHÀ NƯỚC

KHOA: KINH TẾ

BÁO CÁO CUỐI KỲ

DỰ ĐOÁN MỨC ĐỘ THÍCH ỨNG CỦA HỌC SINH TRONG GIÁO DỤC TRỰC TUYẾN BẰNG PHƯƠNG PHÁP HỌC MÁY

Giảng viên hướng dẫn: GV_Trần Trung Nguyên

Mã Học Phần: 22D1INF50905917

Thành phố Hồ Chí Minh - 2022

1.2.2 Đối tượng nghiên cứu

1.3 Phạm vi nghiên cứu của đề tài

1.4 Bố cục bài viết

CHƯƠNG 2: HIỆN TRẠNG CỦA VIỆC HỌC ONLINE VÀ ĐÁNH GIÁ

2.1 Hiện trạng

2.2 Đánh giá tình hình

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Dữ liệu và đánh giá dữ liệu

3.1.1 Dữ liệu

3.1.2 Đánh giá dữ liệu

3.2 Định hướng nghiên cứu

3.3 Quy trình nghiên cứu và mô hình đề xuất3.3.1 Quy trình nghiên cứu

3.3.2 Mô hình đề xuất

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

3.1 Phân tích và tiền xử lý dữ liệu

3.1 Phân tích dữ liệu

3.2 Tiền xử lý dữ liệu

3.2 Phương pháp lấy mẫu

3.3 Đánh giá hiệu suất

3.4 Phân tích hiệu suất của các mô hình ứng dụng

Danh mục các sơ đồ, đồ thị

Hình 3.1 Mức độ thích ứng phân theo độ tuổi

Hình 4.1: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo giới tính

Hình 4.2: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo cấp cơ sở giáo dục

Hình 4.3: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo khả năng học sinh (người học học như một sinh viên công nghệthông tin (IT))

Hình 4.4: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo loại hình tổ chức giáo dục

Hình 4.5: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo điều kiện tài chính gia đình

Hình 4.6: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo loại Internet được sử dụng hầu hết trong thiết bị

Hình 4.7: Biểu đồ sự tương quan giữa mức độ thích nghi của học sinh trong giáo dục trựctuyến bằng máy theo loại kết nối mạng

Danh mục các bảng

Bảng 3.1: Mô tả dữ liệu

Bảng 4.1: Kết quả Test and Score

Bảng 4.1: Kết quả dự đoán mô hình Tree

Bảng 4.2: Ma trận nhầm lẫn được tạo theo mô hình ứng dụng

Bảng 4.3: Tỷ lệ dự đoán của các mô hình ứng dụng

Hình 3.5 Thuật toán Support Vector Machine (SVM)

Trong bối cảnh đó, hình thức học trực tuyến đã trở thành giải pháp tối ưu cho việc giảngdạy của hầu hết các trường học Học trực tuyến, còn gọi là E-learning là hình thức họctập diễn ra thông qua mạng Internet, quá trình học tập và giảng dạy có thể diễn ra trongmột khoảng cách xa, người học và người dạy có thể tương tác thông qua các ứng dụngdạy học Hình thức dạy học này tuy không phải mới ra đời nhưng trong bối cảnh đại dịch

đã phổ cập tài hầu hết các quốc gia và được áp dụng trong mọi việc giảng dạy

Học sinh ở hầu hết các nước đều phải tham gia học trực tuyến trong thời gian cách ly xãhội Tuy nhiên nó có thể học tập từ xa, tiết kiệm chi phí cơ sở vật chất, thời gian linhđộng,… Hình thức học này đối với học sinh còn khá mới và có nhiều bất cập như khôngthể tương tác trực tiếp với giáo viên, và giảng viên không thể giám sát trực tiếp tình hìnhhọc tập của học sinh, đường truyền mạng, cơ sở vật chất không đảm bảo tất cả học sinh,

… Chính vì những ưu nhược điểm của phương pháp học tập này đã gây ra những tranhluận liệu phương pháp này có thật sự hiểu quả ? Học sinh học tập bằng phương pháp này

có tốt bằng phương pháp học tập trực tiếp và có nên tiếp tục việc dạy học trực tuyến haykhông?

Chính vì những lí do trên, nhóm nghiên cứu chọn đề tài: “Dự đoán mức độ thích ứng của học sinh trong giáo dục trực tuyến bằng phương pháp học máy”

2 Mục tiêu và đối tượng nghiên cứu

2.1 Mục tiêu nghiên cứu:

Bài nghiên cứu sẽ tiến hành dự đoán mức độ thích ứng của các nhóm học sinh đối vớiphương pháp học tập trực tuyến thông qua việc phân tích dữ liệu phân lớp và phân cụm

Đồng thời xác định mức độ thích ứng hình thức học tập này với các nhóm tuổi khác nhau

để đưa ra các hướng giải quyết cũng như hình thức học tập phù hợp đảm bảo cho quátrình học tập đảm bảo chất lượng Trên cơ sở đó bài nghiên cứu sẽ trả lời các câu hỏisau:

- Độ tuổi nào thích ứng nhanh với việc học trực tuyến?

- Việc học trực tuyến có mang lại hiệu quả cho tất cả học sinh hay không?

- Có nên tiếp tục áp dụng việc học tập trực tuyến hay không?

- So sánh hiệu quả giữa hai hình thức học tập trực tiếp và trực tuyến

2.2 Đối tượng nghiên cứu:

Đối tượng nghiên cứu của bài là tất cả các học sinh trên toàn thế giới ở các cấp độ khácnhau: đại học, phổ thông, cao đẳng

3 Phạm vi nghiên cứu của đề tài

o Thời gian: Chuỗi dữ liệu được thu thập trong khoảng thời gian từ ngày10/12/2020 đến ngày 5/2/2021

o Không gian: trên phạm vi toàn thế giới

4 Bố cục bài viết

Bài viết được trình bày qua các phần Tổng quan, Hiện trạng của việc học online và đánhgiá, Phương pháp nghiên cứu, Kết quả nghiên cứu và cuối cùng là Kết luận

Các nội dung liên quan về số liệu và orange ở tại đây

CHƯƠNG 2: HIỆN TRẠNG CỦA VIỆC HỌC ONLINE VÀ ĐÁNH GIÁ 2.1 Hiện trạng

Đại dịch Covid – 19 là trường hợp đầu tiên mà cả thế giới gần như ngưng lại tất cả cáchoạt động Không chỉ tác động sâu sắc đến kinh tế, sức khoẻ của con người, đại dịch cònlàm ảnh hưởng nặng nề đến các hoạt động ở lĩnh vực giáo dục Vào lúc cao điểm, hơn

188 quốc gia, chiếm khoảng 91% số người đăng ký học trên toàn thế giới, đã đóng cửa

trường học của họ để cố gắng ngăn chặn sự lây lan của vi rút (UNESCO, n.d.) Kể từ khi

bùng phát cách đây hai năm, đại dịch COVID-19 đã phá vỡ hệ thống giáo dục trên toàn

cầu, ảnh hưởng nặng nề nhất đến những người học dễ bị tổn thương nhất Nó đã làm giatăng bất bình đẳng và làm trầm trọng thêm một cuộc khủng hoảng giáo dục đã có từtrước Việc đóng cửa trường học từ không đóng cửa ở một số quốc gia cho đến hơn mộtnăm học Thiếu kết nối và các thiết bị đã loại trừ ít nhất một phần ba sinh viên theo đuổiviệc học từ xa

Năm 2020, bốn mươi hai triệu học sinh, sinh viên tại Bangladesh đột nhiên bị bỏ lại vì

không có lớp học, trường học nào mở cửa (Hub et al., 2021) Đến tháng 3 năm 2020, chế

độ đóng cửa nghiêm ngặt tránh giao thương dần được gỡ bỏ, các doanh nghiệp hoạt độngtrở lại thì các cơ sở giáo dục tại quốc gia này vẫn đang bị đóng cửa Việc đóng cửa nàythực sự là một cuộc khủng hoảng Vì học sinh không chỉ không được lên lớp mà cònhoàn toàn quên hết những gì mình đã được học ở năm trước Theo UNICEF, chỉ có 46%trong số 95% học sinh tốt nghiệp tiểu học và vào trung học cơ sở Đây là tỷ lệ thấp nhất ởNam Á (Nishat Ahmed Samrin, 2021)

Trên toàn cầu, nhiều nghiên cứuđã được tiến hành liên quan đến các quan sát và quy trìnhđào tạo từ xa hoặc giáo dục trực tuyến trong đại dịch COVID-19 Tuy nhiên, người taquan sát thấy rằng do quy định đóng cửa hoàn toàn, các trường học trên khắp thế giớiphải đối mặt với một thách thức lớn trong việc duy trì hoạt động học tập của học sinh.Trong trường hợp của Bangladesh, tất cả các trường học đều đã trải qua và trải qua tìnhtrạng nguy cấp như vậy Mặc dù chính phủ Bangladesh đã thực hiện một số biện pháp đểđưa sinh viên vào các lớp học trực tuyến thông qua kênh Sangsad TV và đài phát thanhcộng đồng, nhưng trên thực tế, một số lượng lớn sinh viên vẫn nằm ngoài tầm với Do có

sự khác biệt về kỹ thuật số ở cả thành thị và nông thôn, không đủ khả năng tài chính vàthiếu hỗ trợ về cơ sở hạ tầng như điện thoại thông minh và cơ sở internet không bị giánđoạn, nó đã trở thành một thách thức lớn để đảm bảo giáo dục hòa nhập trong đại dịchCOVID-19 Ngay cả những trường học đã bắt đầu các lớp học trực tuyến cũng không thểtiếp cận hết tất cả học sinh bằng các hoạt động học tập trực tuyến một cách hiệu quả Do

đó, hoàn cảnh chưa từng có của đại dịch này đã ảnh hưởng rất nhiều đến khả năng thíchnghi của học sinh và sinh viên

Nghiên cứu của (Farah & Li, 2020) cho thấy rằng trong đại dịch, các trường học đã tiến

hành các hoạt động dạy học theo nhiều cách khác nhau Một số trường tổ chức các lớphọc trực tuyến, trong khi những trường khác tổ chức đồng thời cả các lớp học trực tuyến

và ngoại tuyến Khi được hỏi về phương pháp học trực tuyến trong trường học để đảmbảo trải nghiệm học tập hiệu quả từ giáo viên và học sinh, tỷ lệ phương pháp lớp học trựctuyến cao hơn, bao gồm 56,66% trả lời từ giáo viên và 35% trả lời từ học sinh Bên cạnhhoạt động trực tuyến, một số trường đã cung cấp các ghi chú hỗ trợ để tạo sự thuận tiệncho học sinh của mình

Các hoạt động giáo dục trực tuyến yêu cầu nhiều về vấn đề thiết bị để hỗ trợ,(König et

al., 2020) cũng chứng minh rằng để tiến hành và tham dự các lớp học trực tuyến, học

sinh, giáo viên và phụ huynh tiếp cận điện thoại thông minh cao nhất (lần lượt là 93,84%,55% và 85,54%) Trong khi tính khả dụng của máy tính xách tay và tab tương đối thấp(lần lượt là 12.29%, 5% và 11.76%)

Tuy nhiên, đối với đào tạo từ xa, một điều kiện tiên quyết khác là kết nối internet thôngsuốt và không bị gián đoạn Trong nghiên cứu(Farah & Li, 2020), khảo sát người học vàkết quả cho thấy 65% học sinh sinh viên sử dụng dữ liệu di động và 35% được sử dụngthiết bị Wi-Fi 21,67% học sinh, 40% giáo viên và 30% phụ huynh thích một hệ thốnginternet nhanh Tuy nhiên, 30% người được hỏi cho biết rằng tình trạng internet hiện tại

là “không nhanh”, và 35% trả lời là tình trạng “không nhanh chút nào”

2.2 Nghiên cứu trước đây

Với tình trạng trên, tầm quan trọng của hệ thống giáo dục trực tuyến được làm rõ và đểlại nhiều mối quan tâm Trong (Noor & Shaoun, 2021) (Hopfenbeck, 2022) các tác giả đãnghiên cứu cảia tiến mô hình giáo dục bằng hình thức trực tuyến (Afrouz & Crisp, 2020)chứng minh sự khác biệt đáng kể của học sinh sinh viên cũng như sự hài lòng về nhưnglợi ích mà giáo dục trực tuyến mang lại Khác với 2 nghiên cứu trên, (Hopfenbeck, 2022)tập trung đánh giá thành tích học tập, có 85% học sinh sinh viên cho rằng họ học đượcnhiều thứ hơn khi học trực tuyến

Trong bài nghiên cứu của (Pinheiro Cavalcanti et al., 2019) họ sử dụng thuật toán ML đểlàm rõ sự tồn tại của các bài thực hành, tập trung vào các phản hồi từ các khoá học LMS

(Hopfenbeck, 2022) cũng nghiên cứu việc cải tiến mô hình giáo dục trực tuyến kết hợpvới máy học và phân tích dữ liệu trong hệ thống LMS

Monica và cộng sự (Ciolacu et al., 2017) đã nghiên cứu rằng Giáo dục đang chuyển sangtrực tuyến và nội dung khóa học có sẵn trên các nền tảng kỹ thuật số Vì vậy, họ phântích dựa trên n Neural Networks, Support Vector Machine (SVM), Cây quyết định(Decision Tree) và Phân tích cụm (Cluster Analysis) Độ chính xác dự đoán của họ vềBlended Learning không đạt yêu cầu Kết quả khám phá cho thấy Giáo dục trực tuyến tốthơn so với giáo dục kết hợp

Trong (Farah & Li, 2020) và (Baticulon et al., 2021), nhà nghiên cứu đã nghiên cứu rằngCOVID-19 là mối quan tâm của các hệ thống giáo dục toàn cầu Đối với bệnh Corona,hơn 100 quốc gia đã đóng cửa trường học Nghiên cứu của họ cho thấy tác động củacoronavirus đối với giáo dục là rất kinh khủng và họ tìm thấy nhiều rào cản cản trở sựtương tác của sinh viên và người hướng dẫn trong giáo dục trực tuyến để tiếp tục học tậptrong thời gian COVID-19 bị khóa Ngoài ra, họ nhận thấy khu vực nông thôn khôngđược cập nhật, không có kỹ năng kỹ thuật số, rào cản công nghệ, rào cản cá nhân, rào cảntrong nước, rào cản thể chế, rào cản thông tin liên lạc, điện kém, có vấn đề về mạng, thiếuđào tạo thích hợp, thiếu tài chính, khả năng chống lại sự thay đổi, v.v là những rào cảnlớn đối với giáo dục trực tuyến trong đại dịch COVID-19 Vì vậy, trong công việc củamình, chúng tôi đã cố gắng tìm hiểu khả năng thích ứng của học sinh với giáo dục trựctuyến trong tình huống đại dịch này

CHƯƠNG 3: Phương pháp nghiên cứu 3.1 Dữ liệu và đánh giá dữ liệu

3.1.1 Dữ liệu

Dữ liệu được sử dụng là kết quả khảo sát trực tiếp và trực tuyến được công bố trên trangKaggle(Nishat Ahmed Samrin, 2021) Dữ liệu này là kết quả của cuộc khảo sát được thựchiện ở các bậc học khác nhau( Đại học, THPT và Cao đẳng) Bộ dữ liệu này gồm 1205quan sát và được thu thập trong thời gian từ ngày 10/12/2020 đến ngày 5/2/2021 Tuynhiên trong bài nghiên cứu này nhóm tác giả muốn hướng đến nhóm đối tượng từ 11 tuổi

trở lên để đánh giá hiệu quả một cách trực quan hơn Vì nhóm này đã có một số kiến thức

về công nghệ nhất định có thể tự mình thực hiện hoàn toàn còn dưới 11 tuổi có thể đã cóxuất hiện sự hỗ trợ từ gia đình

Dưới đây là bảng mô tả dữ liệu sau khi được sàn lọc lại:

Bảng 3.1: Mô tả dữ liệu

IT Student Đang theo học chuyên ngành Công

Location Nơi sống có phải là thị trấn/thành

Financial Condition Điều kiện tài chính của gia đình Rich; Mid; Poor

Network Type Thiết bị sử dụng để học Tab; Mobile; Computer

Adaptivity Level Mức độ thích ứng High; Moderate; Low

3.1.2 Đánh giá dữ liệu

Cuộc khảo sát này được tiếp cận bằng tiếp Bengali cho cả hình thức trực tiếp và trựctuyến Vì thế dữ liệu thô thu được là bằng tiếng Bengali nhưng để thuận tiện thì nhóm đãchuyện đổi thủ công và sử dụng các công cụ hỗ trợ như google translate và CambridgeDictionary Ngoài ra, như đã trình bày ở phía trên nhóm tác giả đã lọc bớt dữ liệu lại chỉtập trung vào nhóm đối tượng trên 11 tuổi

Hình 3.1 Mức độ thích ứng phân theo độ tuổiQua hình 3.1 có thể cho thấy mức độ thích ứng ở các độ tuổi khác nhau đã có sự khácbiệt đáng kể

3.2 Định hướng nghiên cứu

Có rất nhiều thuật toán ML có thể sử dụng để dự đoán mức độ thích ứng của học sinhtrong việc học online Các thuật toán có thể kể đến như K-Nearest Neaighbor, Cây quyếtđịnh(Decision Tree), SVM,… Trong bài nghiên cứu này sẽ đánh giá sơ bộ thông số củacác thuật toán này để đưa ra quyết định dùng thuật toán nào để phân tích.

Nhóm tác giả sử dụng excel để thực hiện xử lý số liệu và làm sạch cũng như vẽ các biểu

đồ Orange được nhóm sử dụng trong việc phân tích dữ liệu.

Các nội dung liên quan về số liệu và orange ở tại đây.

3.3 Quy trình nghiên cứu và mô hình đề xuất

3.3.1 Quy trình nghiên cứu

Hình 3.2 Quy trình nghiên cứu

3.3.2 Mô hình đề xuất

Cây quyết định(Decision tree):

Thuật toán cây quyết định là một thuật toán học tập có giám sát không tham số, được sửdụng cho cả nhiệm vụ phân loại và hồi quy Nó có cấu trúc dạng cây, phân cấp, bao gồmnút gốc, các nhánh, các nút bên trong và các nút lá (IBM, n.d.-a; Myles et al., 2004;Nowozin et al., 2011)

Nguồn: mlfromscratch.comHình 3.3 Cây quyết định

Hình 3.3 cho thấy cây quyết định bắt đầu bằng một nút gốc và sẽ không có bất kì đượcnối nào từ nhánh này đến nhánh khác Các nhánh sẽ đi từ nút gốc sau đó đưa vào các nútbên trong hay còn gọi là nút quyết định Dựa trên các tính năng có sẵn, cả hai loại nút đềutiến hành đánh giá để tạo thành các tập con đồng nhất(IBM, n.d.-a; Myles et al., 2004)

Nguồn: IBMHình 3.4 Quy tắc quyết định lựa chọn

Loại cấu trúc này (hình 3.4) cũng tạo ra một đại diện dễ hiểu về việc ra quyết định, chophép các nhóm khác nhau trong một tổ chức hiểu rõ hơn tại sao lại đưa ra quyết định

Support Vector Machine (SVM)

Support Vector Machine (SVM) “là một thuật toán học có giám sát được sử dụng chonhiều vấn đề phân loại và hồi quy, bao gồm các ứng dụng y tế xử lý tín hiệu, xử lý ngônngữ tự nhiên, nhận dạng giọng nói và hình ảnh.”(MATLAB & Simulink, n.d.)