Hệ tư vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp trung học phổ thông quốc gia

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÀ RỊA - VŨNG TÀU
--------  --------

LÂM THỊ ANH HOÀNG

HỆ TƯ VẤN CHO HỌC SINH CHỌN TỔ HỢP MÔN THI
TỐT NGHIỆP TRUNG HỌC PHỔ THÔNG QUỐC GIA

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

Bà Rịa – Vũng Tàu, tháng 04/2021


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÀ RỊA - VŨNG TÀU
--------  --------

LÂM THỊ ANH HOÀNG

HỆ TƯ VẤN CHO HỌC SINH CHỌN TỔ HỢP MÔN THI
TỐT NGHIỆP TRUNG HỌC PHỔ THƠNG QUỐC GIA

Chun ngành: Cơng nghệ thơng tin

Mã ngành: 8480201

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN
NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. VĂN THẾ THÀNH

Bà Rịa – Vũng Tàu, tháng 04/2021

Trang 1

LỜI CẢM ƠN
Trong suốt quá trình nghiên cứu và thực hiện đề tài luận văn “Hệ tư vấn
cho học sinh chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia” tôi đã nhận
được sự giúp đỡ rất nhiều của Quý Thầy Cô ở Viện Đào Tạo Quốc Tế Sau Đại
Học của Trường Đại Học Bà Rịa Vũng Tàu, của anh chị đồng nghiệp, của các
bạn cùng lớp và đặc biệt là sự hướng dẫn tận tình của Thầy hướng dẫn, đó là
TS.Văn Thế Thành.
Qua đây, tơi xin cám ơn các trường THPT trên địa bàn Thành phố Vũng
Tàu đã tạo điều kiện, cung cấp số liệu của nhà trường để tơi hồn thành luận
văn tốt hơn.
Trong luận văn, chắc hẳn khơng thể tránh khỏi những hạn chế và thiếu
sót. Tơi rất mong muốn sẽ nhận được nhiều sự góp ý quý báu của Quý Thầy
Cô trong hội đồng, Quý bạn đọc để tơi có thể hồn thiện luận văn tốt hơn nữa
đồng thời có thể áp dụng vào thực tiễn, ít nhiều giúp Q Thầy Cơ tư vấn học
sinh THPT chọn được tổ hợp môn thi tốt nghiệp THPT.
Một lần nữa, tôi xin chân thành cảm ơn Quý Thầy Cô, đồng nghiệp, bạn
bè và đặc biệt là Thầy TS.Văn Thế Thành đã hướng dẫn tơi hồn thành đề tài
luận văn này.


Trang 2

LỜI CAM ĐOAN
Tôi xin cam đoan đề tài luận văn “Hệ tư vấn cho học sinh chọn tổ hợp
môn thi tốt nghiệp THPT Quốc gia” là cơng trình nghiên cứu độc lập của tôi
dưới sự hướng dẫn của giáo viên hướng dẫn. Các số liệu, nêu trong luận văn

được tôi thu thập từ trường THPT Trần Nguyên Hãn trên địa bàn Thành phố
Vũng Tàu, kết quả của luận văn chưa được ai cơng bố trên bất kỳ cơng trình
nghiên cứu nào. Tơi xin hồn tồn chịu trách nhiệm trước hội đồng, khoa, viện
sau đại học về sự cam đoan này.


Trang 3

MỤC LỤC
CHƯƠNG 1. TỔNG QUAN VỀ HỆ TƯ VẤN CHO HỌC SINH CHỌN
MÔN THI ..................................................................................................... 8
1.1. TỔNG QUAN VỀ NHU CẦU HỆ TƯ VẤN CHỌN MÔN THI ............ 8
1.1.1. Sự cần thiết của hệ tư vấn............................................................... 8
1.1.2. Các nghiên cứu liên quan ............................................................... 9
1.1.3. Cơ sở lý thuyết liên quan đến luận văn ......................................... 12
1.1.4. Cấu trúc hệ thống ......................................................................... 19
1.1.5. Sự đóng góp của hệ thống ............................................................ 21
1.2. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU ........................... 22
1.2.1. Đối tượng nghiên cứu ................................................................... 22
1.2.2. Phương pháp nghiên cứu .............................................................. 22
1.3. LĨNH VỰC NGHIÊN CỨU ................................................................ 23
1.4. NỘI DUNG NGHIÊN CỨU................................................................ 24
1.5. QUÁ TRÌNH THỰC HIỆN ................................................................. 24
1.5.1. Các bước thực hiện ...................................................................... 24
1.5.2. Các kỹ thuật cần nghiên cứu......................................................... 25
1.5.3. Các công cụ áp dụng .................................................................... 26
1.5.4. Nội dung các chương trong luận văn ............................................ 27
1.6. TỔNG KẾT CHƯƠNG....................................................................... 28
CHƯƠNG 2. HỆ TƯ VẤN CHỌN MÔN THI TỔ HỢP CHO HỌC SINH
..................................................................................................................... 29

2.1. TỔNG QUAN .................................................................................... 29
2.2. PHÂN CỤM DỮ LIỆU DỰA TRÊN K-MEANS ................................ 30
2.2.1. Thuật toán K-Means ..................................................................... 30
2.2.2. Ví dụ thực nghiệm cho thuật tốn K-means .................................. 32
2.3. MẠNG SOM ...................................................................................... 39


Trang 4

2.3.1. Cấu trúc mạng SOM ..................................................................... 39
2.3.2. Một ví dụ thực nghiệm cho việc huấn luyện mạng SOM ............... 41
2.3.3. Thuật tốn chọn cụm chiến thắng ................................................. 43
2.3.4. Ví dụ thực nghiệm cho việc chọn cụm chiến thắng........................ 44
2.4. PHƯƠNG PHÁP PHÂN LỚP K-NN .................................................. 44
2.4.1. Thuật toán phân lớp k-NN ............................................................ 44
2.4.2. Ví dụ thực nghiệm cho thuật toán k-NN ........................................ 45
2.5. HỆ TƯ VẤN CHO HỌC SINH THI TỐT NGHIỆP THPT .................. 47
2.5.1. Mơ hình hệ thống.......................................................................... 47
2.5.2. Quá trình huấn luyện mạng SOM ................................................. 48
2.5.3. Quá trình phân lớp, tư vấn ........................................................... 49
2.6. TỔNG KẾT CHƯƠNG....................................................................... 49
CHƯƠNG 3. THỰC NGHIỆM ................................................................. 51
3.1. GIỚI THIỆU ....................................................................................... 51
3.2. MƠ HÌNH THỰC NGHIỆM ............................................................... 52
3.3. XÂY DỰNG HỆ THỐNG .................................................................. 53
3.3.1. Thiết kế sơ đồ lớp ......................................................................... 53
3.3.2. Cài đặt cấu trúc lớp...................................................................... 54
3.4. MÔI TRƯỜNG THỰC NGHIỆM ....................................................... 57
3.4.1. Ngơn ngữ lập trình ....................................................................... 57
3.4.2. Mơi trường thực nghiệm ............................................................... 58

3.4.3. Dữ liệu thực nghiệm ..................................................................... 58
3.4.4. Ứng dụng thực nghiệm trên Server ............................................... 58
3.4.5. Ứng dụng thực nghiệm trên Client................................................ 60
3.4.6. Kết quả thực nghiệm trên bộ dữ liệu có 1073 mẫu ........................ 60
3.4.7. Kết quả thực nghiệm 30% trên 5231 mẫu dữ liệu ......................... 63
3.5. TỔNG KẾT CHƯƠNG....................................................................... 65


Trang 5

KẾT LUẬN ................................................................................................. 66
TÀI LIỆU THAM KHẢO.......................................................................... 67
PHỤ LỤC.................................................................................................... 69
CÀI ĐẶT CÁC HÀM CHÍNH CỦA HỆ THỐNG ..................................... 69


Trang 6

BẢNG VIẾT TẮT
GD&ĐT

Giáo dục và Đào tạo

HS

Học sinh

PH

Phụ huynh

THPT

Trung học phổ thông


Trang 7

DANH MỤC CÁC HÌNH ẢNH
Số hiệu

Tên hình vẽ

1.1.

Mơ hình học có giám sát

1.2.

Mơ hình học khơng giám sát

1.3.

Mơ hình gom cụm

1.4.

Mơ hình phân lớp

1.5.

Mơ hình thuật tốn k-NN

1.6.

Mơ hình tổng qt hệ thống tư vấn

2.1.

Mơ hình mạng SOM

2.2.

Mơ hình hệ thống tư vấn học sinh

2.3.

Lưu đồ quá trình huấn luyện mạng SOM

2.4.

Lưu đồ dự báo và tư vấn học sinh

3.1.

Mơ hình thực nghiệm hệ thống dự báo

3.2.

Sơ đồ lớp của hệ thống

3.3.

Phân cụm dữ liệu học sinh (1075 mẫu) trên máy server

3.4.

Một mô tả dữ liệu cho cụm thứ nhất

3.5.

Một cụm Root dùng để quản lý các cụm dữ liệu khác

3.6.

Q trình dự báo chọn mơn thi cho học sinh

3.7.

Mơ tả độ chính xác về học lực của học sinh

3.8.

Mơ tả độ chính xác về dự báo danh hiệu cho học sinh

3.9.

Mơ tả độ chính xác dự báo tổ hợp môn thi cho học sinh

3.10.

Thời gian dự báo trung bình cho mỗi mẫu dữ liệu

3.11.

Mơ tả độ chính xác về học lực của học sinh

3.12.

Mơ tả độ chính xác về dự báo danh hiệu cho học sinh

3.13.

Mô tả độ chính xác dự báo tổ hợp mơn thi cho học sinh

3.14.

Thời gian dự báo trung bình cho mỗi mẫu dữ liệu

Trang


Trang 8

Chương 1. TỔNG QUAN VỀ HỆ TƯ VẤN
CHO HỌC SINH CHỌN MÔN THI
1.1. TỔNG QUAN VỀ NHU CẦU HỆ TƯ VẤN CHỌN MÔN THI
1.1.1. Sự cần thiết của hệ tư vấn
Trước năm 2016, Bộ GD&ĐT đã công bố phương án thi tốt nghiệp đối
với học sinh THPT gồm ít nhất 4 mơn: 3 mơn bắt buộc Tốn, Ngữ văn, Ngoại

ngữ và 1 môn tự chọn trong các môn Vật lý, Hóa học, Sinh học, Lịch sử, Địa
lý [1]. Trên cơ sở này, các trường THPT tiến hành cho học sinh đăng ký chọn
mơn theo năng lực của mình.
Vào ngày 28/9/2016 Bộ GD&ĐT công bố phương án thi THPT Quốc
gia, đó là học sinh THPT thi 4 bài thi gồm: 3 bài thi bắt buộc Toán, Ngữ văn,
Ngoại ngữ và 1 bài thi tự chọn: bài thi Khoa học Tự nhiên hoặc bài thi Khoa
học Xã hội. Với bài thi Ngoại ngữ, học sinh có thể chọn thi một trong các thứ
tiếng: Anh, Nga, Pháp, Trung, Đức, Nhật. Học sinh có thể dự thi cả 5 bài thi để
sử dụng kết quả xét tuyển vào ĐH, CĐ [2].
Với mơ hình thi này, bắt đầu năm học 2016 – 2017, các trường THPT
gặp rất nhiều khó khăn như nhà trường phải sắp xếp và chia lại lớp cho học sinh
lớp 12, phân cơng lại chun mơn, xếp lại thời khóa biểu… Tuy nhiên, tất cả
việc sắp xếp lại của nhà trường đều dựa trên mong muốn của PH và HS, tức là
chỉ dựa trên ý muốn chủ quan. Phương án này mặc dù thỏa mãn được nguyện
vọng của PH và HS nhưng có thể chưa phát huy hết năng lực của học sinh vì
việc đăng ký chọn mơn thi phần lớn dựa vào ý muốn chủ quan hoặc theo ý kiến
của số đông hoặc theo nguyện vọng của PH…
Việc lựa chọn này không theo sự đánh giá năng lực của bản thân cũng
như khơng dựa trên một phương pháp phân tích có cơ sở khoa học nhất định.
Vì vậy, đề tài luận văn xây dựng một hệ thống tư vấn hỗ trợ cho HS và PH chọn
lựa tổ hợp môn theo đúng năng lực học tập.


Trang 9

1.1.2. Các nghiên cứu liên quan
Đối với hệ thống tư vấn cho học sinh hoặc phân loại học sinh theo năng
lực, nhiều nhóm nghiên cứu đã đưa ra các giải pháp khác nhau cho từng bài
toán cụ thể nhằm tư vấn cho học sinh, cho nhà trường chọn lựa những định
hướng để quyết định trong những trường hợp khác nhau như: sử dụng thuật

toán K-means để gom cụm các học sinh theo năng lực (gồm 6 mức năng lực)
dựa trên điểm số của các môn học [3], sử dụng kỹ thuật cây quyết định,
Bayesian, mạng nơ-ron, kỹ thuật láng giềng, K-MEDIODS để phân lớp và gom
cụm học sinh theo các thuộc tính về các mối tương quan giữa học sinh và giáo
viên để phân chia học sinh vào các lớp học phù hợp [4], chia nhóm học sinh
bằng thuật tốn K-means dựa trên điểm trung bình của từng mơn theo học kỳ
để từ đó đưa ra các tư vấn phù hợp [5], phân loại học sinh dựa trên các thơng
tin cá nhân và nguyện vọng để từ đó tư vấn nghề nghiệp cho học sinh THPT
bằng phương pháp phân cụm, phân cấp kết hợp với K-means [6], phân nhóm
học sinh nhằm mở các lớp học phù hợp bằng kỹ thuật bảng đồ tự tổ chức SOM
(Self-Organizing Map) và cấu trúc phân cụm phân cấp [7], sử dụng kỹ thuật
học sâu kết hợp cây FP-Tree trên tiếp cận Adaboost để phân loại học sinh dựa
trên điểm trung bình từng mơn học theo học kỳ để từ đó định hướng cho học
sinh nâng cao hiệu suất học tập [8], phân tích điểm số và đưa ra phương án học
tập phù hợp bằng kỹ thuật phân cụm và phân lớp trên mạng SOM [9], nghiên
cứu phương pháp học không giám sát để phân loại học sinh dựa trên kỹ thuật
luật kết hợp và phân tích thành phần chính PCA (Principal component analysis)
để giảm số chiều dữ liệutừ đó đánh giá hiệu suất học tập của học sinh [10], phân
nhóm học sinh dựa trên mức độ học tập theo từng môn học bằng kỹ thuật SOM
[11]…
Oyelade và cộng sự (2010) đã tiếp cận thuật toán gom cụm K-means để
dự báo hiệu suất học tập cho sinh viên. Trong bài báo này, nhóm tác giả đã thực


Trang 10

hiện phân nhóm các học sinh theo 6 mức độ học lực khác nhau (Excellent, Very
Good, Good, Very Fair, Fair, Poor) để từ đó định hướng cho học sinh có kế
hoạch học tập tiếp theo [3]. Với kết quả này, phương pháp chỉ tiếp cận thuật
toán K-means nhằm phân nhóm các học sinh với số nhóm phải được phân hoạch

từ trước, do đó nếu dữ liệu tăng trưởng thì việc phân hoạch phải thực hiện lại
từ đầu và có thể tạo ra một kết quả khác.
Khadir và cộng sự (2015) đã tiếp cận kỹ thuật phân cụm dựa trên bảng
đồ tự tổ chức SOM nhằm phân tích hiệu suất học tập của học sinh để từ đó theo
dõi định hướng các khóa học kế tiếp [9]. Q trình phân cụm học sinh của
phương pháp này được chọn lựa dựa trên việc gom cụm bộ dữ liệu để từ đó
huấn luyện trọng số cho mơ hình SOM. Tuy nhiên, việc phân cụm dữ liệu chỉ
dựa vào việc gom nhóm các đặc tính tương tự của học sinh, do đó cần phải có
một thuật tốn gom cụm phù hợp cho dữ liệu tăng trưởng.
Z. Fan và cộng sự (2017) sử dụng phương pháp phân cụm K-means để
phân nhóm các học sinh dựa trên điểm trung bình của các mơn học theo từng
học kỳ [5]. Đối với phương pháp của nhóm tác giả này, các tâm cụm khởi tạo
cho thuật toán K-means được chọn bằng cách chia theo từng nhóm dữ liệu, từ
đó các nhóm học sinh được phân loại. Việc áp dụng thuật toán K-means cho bộ
dữ liệu điểm số của học sinh chưa thể bổ sung các phần tử dữ liệu mới, hơn nữa
với mỗi phần tử dữ liệu mới này chưa thể phân loại và phân lớp các học sinh.
Lee và cộng sự (2019) kết hợp mạng SOM và phương pháp phân cụm
phân cấp để thực hiện gom cụm học sinh theo năng lực và phân loại học sinh
trên mạng SOM. Theo kết quả thực nghiệm của bài báo cho thấy việc đánh giá
và phân loại học sinh có độ chính xác cao và có thể theo dõi học sinh theo dữ
liệu của dòng thời gian cho mỗi học sinh [7].
Purbasari và cộng sự (2020) xây dựng một mạng SOM nhằm huấn luyện
các trọng số để từ đó phân loại học sinh qua các giá trị mức độ điểm trung bình


Trang 11

theo từng mơn học [11]. Trong cơng trình này, nhóm tác giả đưa ra các nhóm
phân loại dựa vào véc-tơ chiến thắng trên mạng SOM, chưa kết hợp các phần
tử láng giềng để phân loại học sinh cũng như chưa đưa ra định hướng cho học

sinh về việc nâng cao hiệu suất cũng như kế hoạch học tập tiếp theo.
Theo các cơng trình khảo sát trên, việc phân loại học sinh kết hợp giữa
phân cụm K-means và mạng SOM là một phương pháp khả thi và là một chủ
đề nghiên cứu thời sự. Việc đánh giá và phân loại này giúp cho q trình phân
loại khơng mang tính chủ quan của con người. Hơn nữa, với mỗi bộ dữ liệu
mới của mỗi học sinh, phương pháp này có thể dự báo về năng lực của học
sinh, phân nhóm học sinh để từ đó đưa ra những tư vấn phù hợp.
Trên cơ sở này, nội dung luận văn thực hiện xây dựng một hệ tư vấn
chọn lựa cho học sinh trên cơ sở dữ liệu quá khứ và dữ liệu huấn luyện để phân
loại dự báo và tư vấn cho học sinh. Dữ liệu huấn luyện của học sinh được sưu
tập theo năng lực điểm số và phân cụm dựa trên phương pháp K-means để từ
đó làm đầu vào cho các nhóm phần tử láng giềng của mạng SOM. Trên cơ sở
các phân cụm này, mạng SOM được huấn luyện các véc-tơ trọng số dựa trên
bộ dữ liệu mẫu bằng cách tinh chỉnh trọng số theo phân lớp của cụm đầu ra.
Sau q trình huấn luyện, mơ hình phân loại là các véc-tơ trọng số nhằm phân
loại một học sinh đầu vào bất kỳ. Sau khi phân loại dựa trên véc-tơ chiến thắng,
các phần tử láng giềng trong mạng SOM được trích xuất để làm cơ sở phân lớp
bằng phương pháp láng giềng gần nhất k-NN.
Đối với luận văn này, dữ liệu được thống kê từ các nguồn học sinh khác
nhau tại các trường THPT khác nhau để từ đó xây dựng mơ hình phân loại trên
mạng SOM kết hợp với k-NN. Với việc phân loại này, học sinh được hỗ trợ
trong việc chọn lựa các tổ hợp môn trong kỳ thi tốt nghiệp THPT Quốc gia.
Ngoài ra, hệ thống này là sự kết hợp của việc cải tiến phương pháp K-means
và phương pháp phân nhóm đối tượng bán giám sát theo SOM và k-NN.


Trang 12

1.1.3. Cơ sở lý thuyết liên quan đến luận văn
1.1.3.1. Phương pháp học giám sát

Học có giám sát (Supervised learning)là một kỹ thuật học máy nhằm tạo
ra mơ hình dự báo (có thể sử dụng các phương pháp phân lớp, hồi qui) từ bộ
dữ liệu huấn luyện (training data) bao gồm các cặp đối tượng đầu vào và nhãn
đầu ra mong muốn.Từ đó, mơ hình đã huấn luyện được sử dụng đểdự đoán
nhãn lớp cho đối tượng đầu vào.

Dữ liệu
huấn luyện

Phân lớp
Hồi qui

Kết quả
dự đốn

Hình 1.1. Mơ hình học có giám sát
Cho một tập hợp biến đầu vào 𝑋 = {𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 } và một tập nhãn
tương ứng 𝑌 = {𝑦1 , 𝑦2 , 𝑦3 , … , 𝑦𝑁 }, trong đó 𝑥𝑖 , 𝑦𝑖 là các véc-tơ. Các cặp dữ liệu
biết trước (𝑥𝑖 , 𝑦𝑖 ) ∈ 𝑋 × 𝑌 được gọi là tập dữ liệu huấn luyện (training data).
Trong tập dữ liệu này, chúng ta cần tạo ra một hàm số ánh xạ mỗi phần tử từ
tập 𝑋 sang một phần tử (xấp xỉ) tương ứng của tập 𝑌.
𝑦𝑖 ≈ 𝑓(𝑥𝑖 ), ∀𝑖 = 1, 2, … , 𝑁
Mục đích là xấp xỉ hàm số 𝑓 thật tốt để khi có một dữ liệu 𝑥𝑘 mới, chúng
ta có thể dự đoán nhãn tương ứng 𝑦𝑘 = 𝑓(𝑥𝑘 ).
Thuật toán học có giám sát được chia thành hai loại chính:
 Phân loại (Classification): phân loại dữ liệu là một kỹ thuật dựa
trên tập huấn luyện và những giá trị là nhãn của lớp trong một thuộc tính phân
lớp và sử dụng nó trong việc phân lớp dữ liệu mới. Kỹ thuật phân lớp được tiến
hành gồm hai bước: xây dựng mô hình và sử dụng mơ hình. Xây dựng mơ hình
là mô tả một tập những lớp được định nghĩa trước, trong đó mỗi bộ được gán

nhãn thuộc về một lớp được định nghĩa trước, được xác định bởi thuộc tính


Trang 13

nhãn lớp, tập hợp của những bộ được sử dụng trong việc xây dựng mơ hình
được gọi là tập huấn luyện. Sử dụng mơ hình nhằm mục đích phân lớp dữ liệu
trong tương lai hoặc phân lớp cho những đối tượng chưa được gán nhãn. Trước
khi sử dụng mô hình người ta thường đánh giá tính chính xác của mơ hình,
trong đó: nhãn được biết của bộ kiểm tra được so sánh với kết quả phân lớp của
mơ hình, độ chính xác là phần trăm tập hợp mẫu kiểm tra mà được phân lớp
đúng dựa vào mơ hình đã xây dựng, tập kiểm tra độc lập với tập được sử dụng
để huấn luyện.
 Hồi qui (Regression): là một kỹ thuật xác định mối quan hệ giữa
hai biến số. Mô hình hồi qui cần đưa ra một dự đốn hoặc ước lượng giá trị của
một biến số từ một giá trị của một hay nhiều biến số khác.
1.1.3.2. Phương pháp học không giám sát
Học không giám sát (Unsupervised Learning) là một phương pháp của
ngành học máy nhằm tìm ra một mơ hình phù hợp với các tập dữ liệu ban đầu
chưa được gán nhãn, có nghĩa là khơng có tập dữ liệu đầu ra đúng cho mỗi dữ
liệu đầu vào. Trong phương pháp học khơng giám sát, một mơ hình sẽ được
huấn luyện để tìm ra cấu trúc hoặc các mối quan hệ giữa các tập dữ liệu đầu
vào. Một trong những phương pháp học không giám sát quan trọng nhất là gom
cụm (clustering). Phương pháp gom cụm nhằm tạo ra các cụm khác nhau, với
mỗi cụm biểu diễn một đặc trưng nào đó của dữ liệu và phân các đầu vào mới
vào các cụm theo đặc trưng của cụm đầu vào đó, có nghĩa là các dữ liệu thuộc
một cụm sẽ có đặc trưng tương tự nhau.
Dữ liệu
khơng được
gán nhãn

Thuật tốn
để gom cụm

Hình 1.2. Mơ hình học khơng giám sát

Các cụm chứa
các phần tử
tương tự nhau


Trang 14

1.1.3.3. Phương pháp học bán giám sát
Học bán giám sát (Semi-Supervised Learning) là bao gồm học có giám
sát và học khơng giám sát, điều đó có nghĩa học với tập dữ liệu huấn luyện đã
được gán nhãn và dữ liệu chưa được gán nhãn.Tùy vào từng mục đích cụ thể,
học bán giám sát có thể sử dụng thuật tốn k-NN để phân lớphoặc phân cụm
các đối tượngchưa được gán nhãn, sử dụng thuật toán K-Means để dự đoán kết
quả đầu ra cho dữ liệu đã được gắn nhãn. Sau khi đạt được kết quả mong muốn,
ta sử dụng thuật toán này cho bộ dữ liệu đã được phân cụm trước đó để gắn
nhãn cho các cụm.
1.1.3.4. Gom cụm
Gom cụm (Clustering) là mơ hình gom cụm dữ liệu khơng có nhãn sao
cho các dữ liệu cùng cụm có các tính chất tương đồng nhau và dữ liệu của hai
cụm khác nhau sẽ có tính chất khác nhau. Hay nói cách khác bài toán gom cụm
dữ liệu là phương pháp phân chia tập dữ liệu 𝑋 thành các cụm nhỏ dựa trên sự
liên quan giữa các bộ dữ liệu trong mỗi nhóm. Để thực hiện gom cụm ta thường
sử dụng thuật toán K-means, thuật toán SOM, độ đo tương tự Euclide.
Gom cụm trên thuật toán K-Means: Thuật toán K-Means là một phương

pháp gom cụm thuộc loại học không giám sát và được ứng dụng nhiều trong
các bài toán gom cụm các dữ liệu tương tự. Ý tưởng của thuật toán gom cụm
K-Means là phân chia một tập dữ liệu ban đầu thành các cụm khác nhau. Dữ
liệu trong mỗi cụm có tính chất tương tự nhau. Trong đó số lượng cụm được
cho trước là k. Công việc gom cụm được xây dựng trên quy tắc: các dữ liệu
trong cùng một cụm phải có cùng một số đặc trưng nhất định. Hay nói cách
khác, các dữ liệu trong cùng một cụm phải có sự liên quan lẫn nhau.
Thuật tốn gom cụm K-Means:
Dữ liệu đầu vào: Một bộ dữ liệu 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 , với mỗi dữ liệu là véctơ đặc trưng của đối tượng đầu vào. Số cụm cho trước k cụm.


Trang 15

Dữ liệu đầu ra: Bộ dữ liệu đầu vào được phân thành k cụm
Trước khi thực hiện gom cụm ta chuẩn hóa dữ liệu bằng cách chuyển dữ
liệu về miền giá trị [0,1]
 Bước 1: Chọn k tâm cụm ngẫu nhiên𝑐1, 𝑐2, 𝑐3 , … , 𝑐𝑘
 Bước 2: Với mỗi dữ liệu 𝑥𝑖 , xác định cụm của nó. Tìm tâm cụm gần nhất.
Ta có thể sử dụng độ đo Euclide để tính khoảng cách giữa 𝑥𝑖 đến các tâm
cụm.
 Bước 3: Phân phối các mẫu dữ liệu vào k cụm, tính tốn lại vị trí của tâm
cụm để đảm bảo tâm của cụm nằm ở chính giữa cụm.
 Bước 4: Bước 2 và Bước 3 được lặp cho tới khi vị trí của tâm cụm khơng
thay đổi (hội tụ)

Hình 1.3. Mơ hình gom cụm K-means
1.1.3.5. Phân lớp
Phân lớp (Classification) là quá trình phân lớp cho một đối tượng dữ liệu
vào một hay nhiều lớp đã cho trước. Quá trình phân lớp là quá trình gắn nhãn
cho đối tượng dữ liệu. Quá trình gồm hai bước: (1) Bước học (giai đoạn huấn

luyện) là q trình xây dựng mơ hình phân lớp dữ liệu bằng cách phân tích tập
dữ liệu huấn luyện đã được gán nhãn; (2) Bước phân lớp là quá trình phân lớp
dữ liệu mới dựa trên mơ hình đã xây dựng.


Trang 16

Hình 1.4. Mơ hình phân lớp
Phương pháp phân lớp k-NN
k-NN (K-Nearest Neighbors algorithm) dùng để phân lớp các đối tượng
đã được gắn nhãn dựa vào khoảng cách gần nhất giữa các đối tượng cần xếp
lớp. Mỗi đối tượng được phân lớp dựa vào k láng giềng của nó, ta thường dùng
khoảng cách Euclide để đo khoảng cách giữa các đối tượng.
Thuật tốn k-NN được mơ tả như sau:
 Bước 1: Xác định k láng giềng gần nhất.
 Bước 2: Dùng độ đo Euclide để tính khoảng cách giữa đối tượng cần
phân lớp với tất cả các đối tượng trong training data.
 Bước 3: Sắp xếp khoảng cách theo thứ tự tăng dần và xác định k láng
giềng gần nhất với các đối tượng cần phân lớp.
 Bước 4: Lấy tất cả các lớp của k láng giềng gần nhất đã xác định.
 Bước 5: Dựa vào phần lớn lớp của láng giềng gần nhất để xác định lớp
cho các đối tượng cần phân lớp.

Hình 1.5. Mơ hình thuật tốn k-NN


Trang 17

Trong hình trên, dữ liệu huấn luyện (training data) được mô tả bởi dấu
(+) và dấu (-), đối tượng cần được xác định lớp cho nó (Query point) là hình

trịn xám. Ta thấy rằng:
 Trong trường hợp k láng giềng là 1 thì đối tượng cần được phân lớp sẽ
là lớp –
 Trong trường hợp k láng giềng là 2 thì đối tượng cần được phân lớp sẽ
khơng xác định vì khơng lớp nào có số đối tượng nhiều hơn.
 Trong trường hợp k láng giềng là 5 thì đối tượng cần được phân lớp sẽ
là lớp +
1.1.3.7. Bản đồ tự tổ chức SOM
SOM (Self Organizing Map) là một mạng nơ-ron tự tổ chức, thường
được thiết kế gồm một tầng đầu vào và một tầng đầu ra với véc-tơ có giá trị
trọng số tương ứng với mỗi cụm để từ đó tìm cụm có giá trị nhỏ nhất là cụm
chiến thắng. Tính tự tổ chức của SOM được thực hiện bởi nguyên tắc học cạnh
tranh, không giám sát nhằm tạo ra ánh xạ của dữ liệu từ không gian nhiều chiều
về khơng gian ít chiều hơn. Điều này có nghĩa là các dữ liệu có đặc trưng tương
đồng nhau thì sẽ được đại diện bởi một nơ-ron hoặc các nơ-ron gần nhau. Kết
quả là hình thành nên bản đồ đặc trưng của tập dữ liệu đầu vào.
Thuật toán SOM được mô tả như sau:
Dữ liệu đầu vào: tập 𝑁 véc-tơ đặc trưng của bộ dữ liệu 𝑋 = {𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑁 }.
Trong đó, mỗi véc-tơ 𝑥𝑖 có 𝑑 chiều 𝑥𝑖 = {𝑥𝑖1, 𝑥𝑖2 , 𝑥𝑖3 , … , 𝑥𝑖𝑑 }
Dữ liệu đầu ra: bộ véc-tơ trọng số 𝑊 = {𝑤1 , 𝑤2 , 𝑤3, … , 𝑤𝑚 }.
Trong đó,𝑤𝑖 = {𝑤𝑖1 , 𝑤𝑖2 , 𝑤𝑖3, … , 𝑤𝑖𝑑 }
 Bước 1: Khởi tạo véc-tơ trọng số cho mỗi nơ-ron
Tương ứng với mỗi véc-tơ 𝑥𝑖 có 𝑑 chiều, khởi tạo một véc-tơ trọng số
𝑤𝑖 = {𝑤𝑖1, 𝑤𝑖2, 𝑤𝑖3 , … , 𝑤𝑖𝑑 }. Tập véc-tơ trọng số của 𝑁 bộ dữ liệu là 𝑊 =
{𝑤1, 𝑤2, 𝑤3 , … , 𝑤𝑚 }.


Trang 18

 Bước 2: Chọn ngẫu nhiên một véc-tơ 𝑥𝑖 trong tập dữ liệu làm mẫu huấn

luyện.
 Bước 3: Tìm phần tử nơ-ron chiến thắng
Tìm phần tử khớp nhất giữa các véc-tơ trọng số 𝑤𝑖 và véc-tơ đầu vào 𝑥𝑖 .
Nơ-ron nào có véc-tơ trọng số 𝑤𝑖 gần với véc-tơ đầu vào 𝑥𝑖 nhất là nơ-ron chiến
thắng. Để xác định nơ-ron chiến thắng ta có thể sử dụng khoảng cách Euclide
giữa các véc-tơ trọng số 𝑤𝑖 với véc-tơ đầu vào 𝑥𝑖 .
 Bước 4: Xây dựng các phần tử lân cận
Bước này sẽ xác định các nơ-ron nào thuộc vùng lân cận của nơ-ron chiến
thắng. Để xác định vùng lân cận, sử dụng một ngưỡng 𝛿 ∈ (0,1) gọi là bán kính
lân cận. Tính khoảng cách Euclide từ tâm là phần tử nơ-ron chiến thắng đến
các phần tử nơ-ron lân cận. Những phần tử nằm trong phạm vi bán kính 𝛿 là
các phần tử lân cận của cụm chiến thắng.
 Bước 5: Hiệu chỉnh trọng số các phần tử lân cận
Trọng số của các phần tử lân cận đã được xác định ở bước 4, bao gồm cả
phần tử chiến thắng sẽ được hiệu chỉnh để chúng có giá trị gần với giá trị của
véc-tơ đầu vào 𝑥𝑖 đang xét.
 Bước 6: Lấy bộ dữ liệu 𝑥𝑗 tiếp theo để huấn luyện. Lặp lại bước 2 cho
đến khi thuật toán tối ưu. Kết quả thu được là bộ trọng số 𝑊 =
{𝑤1, 𝑤2, 𝑤3 , … , 𝑤𝑚 } tốt nhất.
Chính nhờ khả năng biểu diễn dữ liệu từ khơng gian nhiều chiều về
khơng gian ít chiều hơn mà vẫn có thể giữ được mối quan hệ của dữ liệu trong
không gian đầu vào nên mạng SOM sẽ biểu diễn được một cách trực quan sự
phân bố giữa các bộ trong khơng gian của tập dữ liệu. Do đó, mạng SOM được
ứng dụng nhiều trong các bài toán gom cụm dữ liệu. SOM là phương pháp gom
cụm theo hướng tiếp cận mạng nơ-ron nhân tạo và theo thuật toán học ganh đua


Trang 19

1.1.4. Cấu trúc hệ thống

Hệ thống này dựa trên kỹ thuật học không giám sát bằng cách phân cụm
năng lực học sinh bằng thuật toán K-means [7], các cụm được tổ chức theo mơ
hình các phần tử láng giềng dựa trên mạng SOM (Self-Organizing Map) [12].
Việc lựa chọn các cụm chiến thắng để phân loại một học sinh được thực hiện
theo quy tắc suy luận mờ, trong trường hợp này sử dụng quy tắc suy luận mờ
Takagi-Sugono [13]. Sau khi suy luận mờ để tìm được cụm chiến thắng, trên
cơ sở kỹ thuật học bán giám sát, phương pháp k-NN (k-nearest neighbour) [14]
được áp dụng để phân lớp năng lực học tập của học sinh trong cùng một cụm
và phân loại mỗi học sinh thuộc về nhóm mơn tổ hợp 1 (Lý, Hóa, Sinh) hoặc
nhóm mơn tổ hợp 2 (Sử, Địa, Cơng dân). Trong Hình 1.6, q trình xử lý dữ
liệu và thực hiện tư vấn gồm 2 pha.Trong pha đầu tiên thực hiện quá trình phân
cụm bằng thuật toán K-means dựa trên bộ dữ liệu điểm số của 2 năm học (lớp
10, lớp 11), trong pha thứ 2, việc phân loại dựa trên sự kết hợp của 2 phương
pháp là mạng SOM và suy luận mờ, sau đó kết quả cụm chiến thắng được sử
dụng để phân lớp cho học sinh. Quá trình phân lớp được thực hiện dựa trên
phương pháp k-NN nhằm phân loại học sinh có năng lực thuộc nhóm mơn tổ
hợp nào (Mơn tổ hợp 1, Môn tổ hợp 2).

DL học sinh

DL một hs

Dữ liệu gom cụm

Phân tích
Dự báo

Kết quả phân tích
Tư vấn chọn tổ hợp mơn

Hình 1.6. Mơ hình tổng qt hệ thống tư vấn


Trang 20

Các bước thực hiện của hệ thống tư vấn chọn tổ hợp môn cho học sinh
được mô tả theo Hình 1.6, trong đó cơ sở dữ liệu điểm trung bình của học sinh
được sưu tập từ các nguồn dữ liệu của các trường THPT, từ đó chuẩn hóa trên
miền giá trị [0,1] làm đầu vào cho thuật toán gom cụm tạo ra các phần tử nhóm
láng giềng ban đầu để huấn luyện trọng số của mạng SOM. Việc dự báo, tư vấn
cho học sinh được thực hiện bằng cách phân loại trên mạng SOM kết hợp với
suy luận mờ để tìm phần tử chiến thắng và cụm chiến thắng. Sau đó, thuật tốn
k-NN được áp dụng trên cụm chiến thắng để phân lớp dữ liệu cho học sinh
nhằm tư vấn chọn tổ hợp môn thi trong kỳ thi tốt nghiệp THPT Quốc gia. Quá
trình xây dựng hệ thống này bao gồm 2 pha được mô tả như sau:
Pha 1: Pha xử lý dữ liệu
 Bước 1: Chuẩn hóa dữ liệu điểm trung bình của học sinh: đây là bước
chuyển những giá trị điểm trung bình về một dạng thứ nguyên để từ
đó áp dụng kỹ thuật phân cụm K-means.
 Bước 2: Thực hiện phân cụm dữ liệu đã được chuẩn hóa bằng thuật
tốn K-means: với dữ liệu đầu vào đã được chuẩn hóa, thuật tốn Kmeans được áp dụng bằng cách dị tìm các tâm cụm là nơi có mật độ
dữ liệu nhiều nhất trong một bán kính  cho trước. Nếu một phần tử
nằm ngồi bán kính  của một cụm gần nhất thì tạo nên một cụm mới.
Do đó, q trình tạo cụm phù hợp dữ liệu tăng trưởng.
 Bước 3: Huấn luyện mạng SOM: các véc-tơ trọng số của mạng SOM
được khởi tạo một cách ngẫu nhiên và được huấn luyện theo mơ hình
véc-tơ chiến thắng trên bộ dữ liệu huấn luyện đã được phân cụm trước
đó bằng thuật tốn K-means. Kết quả của q trình huấn luyện này là
một mơ hình phân loại bao gồm các trọng số của mạng SOM.
Pha 2: Pha tư vấn học sinh

 Bước 1: Chuẩn hóa dữ liệu điểm trung bình mơn cho mỗi học sinh:


Trang 21

với mỗi dữ liệu điểm của một học sinh bất kỳ, thực hiện chuẩn hóa
theo phương pháp đã chuẩn hóa trên cơ sở dữ liệu đã huấn luyện để
từ đó làm đầu vào cho việc phân loại trên mạng SOM.
 Bước 2: Thực hiện phân loại dựa trên kỹ thuật mạng SOM với phương
pháp lựa chọn cụm chiến thắng bằng kỹ thuật suy luận mờ TakagiSugano. Đối với bước này, phương pháp suy luận mờ được kết hợp
để tìm ra cụm chiến thắng ngoài khoảng cách theo độ đo.
 Bước 3: Thực hiện phân lớp bằng kỹ thuật k-NN dựa trên cụm chiến
thắng và các cụm lân cận nhằm tìm ra mơn tổ hợp cho mỗi học sinh.
1.1.5. Sự đóng góp của hệ thống
Việc chọn mơn thi tổ hợp của học sinh ảnh hưởng đến quá trình học tập
cũng như ảnh hưởng đến chất lượng đào tạo của nhà trường. Nếu việc chọn lựa
này không đúng với năng lực của học sinh thì kết quả thi của học sinh không
đạt theo mong muốn và ảnh hưởng đến định hướng nghề nghiệp sau này. Hơn
nữa, nhà trường và phụ huynh khó khăn trong việc giảng dạy, định hướng cho
học sinh nếu như việc chọn lựa không đúng. Mặt khác, số lượng thí sinh trong
cả nước tham gia kỳ thi tốt nghiệp THPT Quốc gia là rất lớn để tạo ra nguồn
lực cho xã hội. Nếu tỷ lệ thí sinh chọn lựa sai nhiều, đặc biệt là các vùng thiếu
thông tin như vùng núi (KV1, KV2-NT) thì ảnh hưởng đến nguồn nhân lực
cũng như định hướng về tương lai nghề nghiệp của mỗi thí sinh vì điểm số này
được sử dụng để xét vào các trường Đại học.
Để giải quyết những khó khăn và sự cấp thiết nêu trên, một hệ thống tư
vấn cần được xây dựng nhằm trợ giúp cho học sinh, nhà trường cũng như phụ
huynh. Với mong muốn hỗ trợ phát hiện năng lực của các em học sinh và tư
vấn các em chọn đúng năng lực của mình dựa vào kết quả học tập theo tổ hợp
mơn thi tốt nghiệp THPT Quốc gia, đề tài luận văn tiến hành thực hiện “Hệ tư

vấn cho học sinh chọn tổ hợp môn thi tốt nghiệp THPT Quốc gia”.


Trang 22

1.2. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
1.2.1. Đối tượng nghiên cứu
Đề tài lần lượt nghiên cứu việc phân tích các thơng tin điểm số của học
sinh, thơng tin cơ sở của việc đánh giá năng lực học sinh để từ đó phân loại học
sinh theo tổ hợp mơn thi phù hợp. Các thuật toán cũng được nghiên cứu đề xuất
để phân cụm học sinh dựa vào kết quả học tập và tư vấn cho học sinh chọn môn
thi phù hợp. Cụ thể, các đối tượng nghiên cứu bao gồm:
(1) Cấu trúc điểm số của học sinh liên quan đến các môn tổ hợp
(2) Véc-tơ đặc trưng mô tả năng lực của học sinh
(3) Phương pháp phân cụm K-means nhằm phân nhóm năng lực học sinh
(4) Phương pháp suy luận mờ kết hợp mạng SOM để chọn lựa cụm chiến
thắng đối với mỗi học sinh.
(5) Phương pháp phân lớp k-NN nhằm phân loại học sinh thuộc năng lực
phù hợp đối với các mơn thi tổ hợp.
(6) Mơ hình và thuật tốn nhằm xây dựng cơng cụ tư vấn cho học sinh
chọn lựa các môn thi tổ hợp.
1.2.2. Phương pháp nghiên cứu
Để thực hiện đề tài này, các phương pháp nghiên cứu sau đây được áp
dụng:
(1) Phương pháp đánh giá, so sánh: các phương pháp đánh giá năng lực
học sinh lần lượt được khảo sát để từ đó phân tích các ưu, khuyết điểm của từng
phương pháp. Trên cơ sở này, một phương pháp cải tiến được đề xuất nhằm
phù hợp với môi trường thực nghiệm cũng như phù hợp với bối cảnh, cụ thể là
kỳ thi tốt nghiệp THPT Quốc gia.
(2) Phân tích cơ sở lý thuyết: dựa trên nền tảng về khoa học dữ liệu, khai

phá dữ liệu, các phương pháp phù hợp được phân tích và lựa chọn nhằm tạo ra
một phương pháp tư vấn chọn môn thi tổ hợp cho học sinh.


Trang 23

(3) Phương pháp mơ hình hóa: dựa trên cơ sở lý thuyết đã được lựa chọn
và cơ sở thực tế của kỳ thi tốt nghiệp THPT Quốc gia, một mơ hình được xây
dựng nhằm làm nền tảng cho q trình tạo ra cơng cụ hỗ trợ tư vấn cho học sinh
cũng như đề xuất các thuật toán phù hợp.
(4) Phương pháp thực nghiệm: trên cơ sở lý thuyết đã được đề xuất, một
ứng dụng thực nghiệm được xây dựng nhằm minh chứng tính đúng đắn của mơ
hình và các thuật tốn. Q trình thực nghiệm được thực hiện theo 2 giai đoạn
gồm huấn luyện mơ hình và kiểm thử tính đúng đắn của dữ liệu.
1.3. LĨNH VỰC NGHIÊN CỨU
Đề tài luận văn tiếp cận xây dựng một hệ tư vấn cho học sinh trong kỳ
thi tốt nghiệp THPT Quốc gia. Công cụ này được xây dựng dựa trên phân tích
dữ liệu, khai phá dữ liệu và trí tuệ nhân tạo. Các lĩnh vực nghiên cứu này được
kết hợp nhằm xây dựng một hệ thống tư vấn để từ đó áp dụng cho học sinh
THPT. Trên cơ sở này, kết quả đề tài có thể áp dụng trong các hệ tư vấn khác:
tư vấn sản phẩm khách hàng, tư vấn chọn sản phẩm, tư vấn trong sản xuất…
Đối với lĩnh vực khai phá dữ liệu, đề tài luận văn thực hiện việc trích
xuất các dữ liệu hữu ích của học sinh để từ đó đưa ra quyết định lựa chọn môn
thi tổ hợp phù hợp. Trong lĩnh vực nghiên cứu này, phương pháp gom cụm Kmeans và phân lớp k-NN được áp dụng làm cơ sở cho hệ thống tư vấn.
Đối với lĩnh vực trí tuệ nhân tạo, đề tài luận văn áp dụng kỹ thuật học
không giám sát, bán giám sát nhằm tạo ra một hệ thống thông minh để trích
xuất dữ liệu phù hợp cho mỗi học sinh. Từ đó, một hệ thống tự động tư vấn cho
học sinh được thực hiện dựa trên một cơ sở khoa học nhất định.
Hệ thống phân tích dữ liệu của học sinh THPT tạo ra các phân nhóm.
Phương pháp phân tích dữ liệu trên mạng SOM và suy luận mờ được áp dụng

nhằm tìm ra dữ liệu phù hợp phục vụ tư vấn cho học sinh. Dữ liệu này được
phân lớp bằng k-NN để phân loại năng lực học sinh đối với các môn thi tổ hợp.