Link tải luận văn miễn phí cho ae Kết nối
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2008
Tổng quan về e-learning và nhu cầu cần thiết phải xây dựng các hệ thống e-learning có khả năng thích ứng cao. Trình bày hệ tư vấn trong e-learning và một số kỹ thuật tư vấn cụ thể. Nghiên cứu kỹ thuật tư vấn dựa trên lọc cộng tác, đó là lọc công tác nguyên thủy, lọc cộng tác dựa trên mạng Bayesian và mô hình quan hệ xác suất. Trình bày phần quan trọng nhất của hệ tư vấn là đưa ra tư vấn tác vụ học cho từng sinh viên dựa trên dữ liệu có sẵn về quá trình học tập của sinh viên. Trình bày mô hình quan hệ xác suất dựa trên việc xác định sự phụ thuộc giữa các thuộc tính của sinh viên, của khoa học và việc học tập. Tiến hành cài đặt thử nghiệm hệ tư vấn E-Recommender sử dụng lọc cộng tác dựa trên mô hình quan hệ xác suất; trình bày kết quả thực nghiệm và hướng phát triển tiếp theo, đó là tích hợp hệ tư vấn này vào một hệ thống giáo dục trực tuyến
Giáo dục điện tử (e-learning) đã trở nên gần gũi và ngày càng đóng một vai trò
quan trọng trong việc nâng cao chất lượng đào tạo ngày nay. E-learning hứa hẹn sẽ
mang lại một bộ mặt mới không những cho giáo dục trong trường học mà còn trong
đào tạo, huấn luyện nghiệp vụ ở các doanh nghiệp. Mặc dù các hệ e-learning hiện nay
đã góp phần cải tiến đáng kể cho việc học tập giảng dạy, nhưng nhiều vấn đề cần tiếp
tục nghiên cứu và phát triển để nâng cao chất lượng dịch vụ như tư vấn học tập, quản
lý học viên...Do không có người thầy hướng dẫn trực tiếp nên người học cần nhiều đến
sự tư vấn như kiến thức nào nên bổ sung, các khóa học nào cần học cho ngành nghề
của mình...Do đó, tự động hỗ trợ tư vấn trong học tập đang trở thành nhu cầu cần thiết
cho các hệ e-learning và đã thu hút nhiều quan tâm nghiên cứu trong những năm gần
đây.
Tư vấn đã và đang được nghiên cứu và sử dụng trong rất nhiều lĩnh vực, đặc
biệt trong các ứng dụng trên Web nơi có lượng dữ liệu khổng lồ. Việc tìm ra đúng sản
phẩm, thông tin mà người dùng cần trong kho dữ liệu Web thực sự là một cản trở lớn
với người sử dụng. Do đó, ý tưởng sinh ra các gợi ý cho người dùng khi tham gia vào
các hệ thống trên đã thu hút được nhiều sự quan tâm. Trong lĩnh vực thương mại điện
tử, chúng ta có thể bắt gặp trong các website như Amazon.com, MovieFinder.com
những gợi ý như: “Người mua quyển sách x cũng đã từng mua các quyển sách sau
đây...” hay “Những người từng xem phim Tomb Raider đã từng xem các phim như
Wanted, Might Heart...”. Đó chính là các ví dụ điển hình của hệ tư vấn. Trong lĩnh vực
giáo dục điện tử, hệ tư vấn thường biết đến là các hệ tư vấn tác vụ e-learning. Hệ thống
có thể tư vấn các hoạt động học tập cho một người học dựa trên các nhiệm vụ đã được
thiết kế cho người học, những thành công của họ và dựa trên các nhiệm vụ của những
người học “tương tự” khác. hay hệ thống có thể gợi ý một số khóa học mà sinh viên
yêu thích và có khả năng đạt kết quả tốt...
Có rất nhiều mô hình đã được đề xuất để thực hiện sinh tư vấn như lọc dựa trên
nội dung, lọc demographic, lọc cộng tác...trong đó lọc cộng tác đang được sử dụng
rộng rãi nhất. Nhiều mô hình đã được áp dụng vào lọc cộng tác như mô hình mạng
Bayesian, mô hình quan hệ xác suất...trong đó mô hình quan hệ xác suất tỏ ra có nhiều
ưu điểm. Mô hình này dựa trên mối quan hệ phụ thuộc giữa các thuộc tính xác suất của
các thực thể để từ các dữ liệu đã quan sát được, phân tích và tổng hợp sinh ra các dự
đoán cho tương lai.
Mục đích của luận văn nhằm trình bày những kết quả nghiên cứu và phát triển
hệ tư vấn trong e-learning dựa trên kỹ thuật lọc cộng tác. Hê ̣tư vấn phân tích các đánh
giá và xác định tính tương tự của những người học với nhau sau đó đưa ra các dự đoán
và tư vấn về khóa học cho ngườ i hoc ̣ . Luận văn được cấu trúc như sau.
Chƣơng 1. Hệ tƣ vấn trong e-learning: Trình bày tổng quan về e-learning và nhu
cầu cần thiết phải xây dựng các hệ thống e-learning có khả năng thích ứng cao. Hệ
tư vấn đưa ra các gợi ý tác vụ học cho sinh viên dựa trên tiểu sử sinh viên và các
hoạt động của các sinh viên tương tự là một trong những giải pháp cho vấn đề này.
Chƣơng 2. Kỹ thuật tƣ vấn dựa trên lọc cộng tác: Chương này trình bày một số
kỹ thuật đã được áp dụng cho lọc cộng tác sinh tư vấn như kỹ thuật lọc cộng tác
nguyên thủy, lọc dựa trên mạng Bayesian và mô hình quan hệ xác suất (PRM)…
Chƣơng 3. Tƣ vấn dựa trên PRM: Phần quan trọng nhất của hệ tư vấn là đưa ra
tư vấn tác vụ học cho từng sinh viên dựa trên dữ liệu có sẵn về quá trình học của
các sinh viên khác cũng như tiểu sử của chính sinh viên đó. Có nhiều phương pháp
đã được đề xuất, trong đó mô hình quan hệ xác suất đang thu hút được nhiều sự
quan tâm chú ý. Mô hình quan hệ xác suất hoạt động dựa trên việc xác định sự phụ
thuộc giữa các thuộc tính của sinh viên, của khóa học và việc học của sinh viên.
Chương này cũng trình bày minh họa việc áp dụng mô hình quan hệ xác suất vào
ngữ cảnh trường học.
Chƣơng 4: Hệ tƣ vấn E-Recommender: Chương này trình bày cài đặt thử
nghiệm một hệ tư vấn sử dụng lọc cộng tác dựa trên mô hình quan hệ xác suất để
đưa ra các tư vấn. Chúng tui trình bày một số thuật toán cơ bản và cài đặt chương
trình cũng như một số kết quả đã đạt được và đánh giá các kết quả đó.
Cuối cùng, phần kết luận trình bày một số kết quả của luận văn và hướng phát triển
trong tương lai.
Chƣơng 1. Hệ tƣ vấn trong e-learning
1.1. E-Learning
1.1.1. E-learing - Môi trường học tập chủ động
Ngày nay, với sự phát triển vượt bậc của Internet, những lớp học thực với phấn
trắng, bảng đen và việc gặp gỡ trực tiếp thầy trò đã giảm đi đáng kể. Thay vào đó là
các hệ thống giáo dục điện tử (E-learning) với các công cụ hỗ trợ đắc lực là máy tính,
Internet và công nghệ thông tin. Môi trường học dựa trên web đang trở nên rất phổ
biến, có thể kể đến một số ví dụ điển hình như Virtual-U [3] và Web-CT[17]…Các hệ
thống này bao gồm các công cụ phân phát nội dung khóa học, các hệ thống hội thảo
đồng bộ và không đồng bộ, các mođun kiểm tra, khảo sát, không gian chia sẻ tài
nguyên ảo, bảng trắng, hệ thống báo cáo điểm, bộ phận chấm điểm…Trong lớp học
ảo, giáo viên cung cấp các tài liệu như văn bản, multimedia và các mô phỏng và điều
hành các diễn đàn thảo luận. Những sinh viên từ xa được khuyến khích tự đọc các tài
liệu và tham gia các hoạt động học trực tuyến.
Tuy nhiên, việc học trên các hệ thống học dựa trên Web có thể gặp một số khó
khăn như:
Việc giáo viên theo dõi và đánh giá được tất cả các hoạt động mà sinh viên đã
thực hiện là rất vất vả và tốn thời gian.
Đánh giá cấu trúc nội dung của khóa học và hiệu quả của quá trình học là rất
khó khăn. Những người cung cấp tài liệu cố hết sức để cấu trúc nội dung sao
cho có hiệu quả. Khi giáo viên sắp xếp chúng thành một khóa học online, họ
cần các ghi chép khóa học tương tác, mô phỏng, ví dụ minh họa, bài tập, bài
kiểm tra, diễn đàn, công cụ chat…Tập hỗn độn các tài liệu có liên kết trực
tuyến có thể tạo nên một cấu trúc phức tạp làm cho việc điều hướng trở nên
khó khăn. Người thiết kế và giáo viên khi cấu trúc một khóa học, họ đề ra một
mẫu điều hướng và giả thiết rằng tất cả sinh viên sẽ tuân theo một đường dẫn
thống nhất; đường dẫn được thiết kế từ trước và được gắn với tài nguyên nhờ
các siêu liên kết. Tuy nhiên, sinh viên có thể theo các đường dẫn khác nhau tạo
ra từ chuỗi các hành động học trực tuyến của họ. Chuỗi các hành động này
thường không tối ưu và không theo ý tưởng của người thiết kế. Vì vậy, khó mà
đánh giá được các hoạt động trực tuyến trong một hệ thống dựa trên web.
Cái phân biệt dữ liệu là kết quả của các hành động dựa trên Web với dữ liệu
của các hoạt động e-learning chính là độ phức tạp của thông tin và kích thước
lớn của dữ liệu thu thập được và việc trích rút ra các thông tin đơn giản là
không thể. Thông tin phải được suy diễn bằng việc khai phá dữ liệu tương tác
và các kỹ thuật trực quan hóa đi kèm. Trực quan hóa có thể được sử dụng để
biểu diễn các mẫu được tìm thấy nhờ khai phá dữ liệu hay để biểu diễn chính
các dữ liệu. Trực quan hóa còn có thể trở thành một quá trình tương tác trong
khai phá dữ liệu [10]. Để hiểu rõ hành vi truy cập vào các tài liệu online của
sinh viên, sự trực quan hóa là hết sức quan trọng. Tuy nhiên, cách thức để phân
tích và trực quan hóa dữ liệu về việc sử dụng web của sinh viên liên quan tới
một chuỗi nhiều hành động trực tuyến mà không làm mất đi bức tranh tổng thể
là chưa rõ ràng. Có một số công cụ như liên kết nối của tài nguyên web [13],
các công cụ để trực quan hóa các mẫu điều hướng web [4], và các công cụ để
trực quan hóa sự thay đổi của web sites và cách sử dụng qua thời gian [6]. Tuy
nhiên, không có công cụ nào trong số đó đủ tốt để đánh giá các hoạt động e
learning hay các khóa học liên quan. Vấn đề trực quan hóa dữ liêu web e
learning một cách hiệu quả vẫn đang là vấn đề mở.
Đối với sinh viên, sẽ rất hữu ích nếu hệ thống có thể tự động hướng dẫn các hoạt
động của sinh viên và tư vấn một cách thông minh các hoạt động trực tuyến hay các
tài liệu ưa thích để cải thiện việc học. Tư vấn tự động có thể dựa trên một chuỗi dự
định của người dạy về sự điều hướng trong tài liệu khóa học hay dựa trên các mô
hình điều hướng của những người học đã thành công trước đó.
1.1.2. Khai phá web để phát triển hệ thống học thông minh
Tất cả những truy cập tới một trang web hay một ứng dụng dựa trên web được
theo dõi bởi máy chủ web bằng cách lưu trữ bản ghi và sắp xếp có thứ tự theo thời
gian biểu các URL đã được yêu cầu từ máy máy khách. Máy chủ web lưu các tệp tin
chứa thông tin: tên miền (hay địa chỉ IP) yêu cầu, tên người dùng sử dụng (nếu thích
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Luận văn ThS. Công nghệ thông tin -- Trường Đại học Công nghệ. Đại học Quốc gia Hà Nội, 2008
Tổng quan về e-learning và nhu cầu cần thiết phải xây dựng các hệ thống e-learning có khả năng thích ứng cao. Trình bày hệ tư vấn trong e-learning và một số kỹ thuật tư vấn cụ thể. Nghiên cứu kỹ thuật tư vấn dựa trên lọc cộng tác, đó là lọc công tác nguyên thủy, lọc cộng tác dựa trên mạng Bayesian và mô hình quan hệ xác suất. Trình bày phần quan trọng nhất của hệ tư vấn là đưa ra tư vấn tác vụ học cho từng sinh viên dựa trên dữ liệu có sẵn về quá trình học tập của sinh viên. Trình bày mô hình quan hệ xác suất dựa trên việc xác định sự phụ thuộc giữa các thuộc tính của sinh viên, của khoa học và việc học tập. Tiến hành cài đặt thử nghiệm hệ tư vấn E-Recommender sử dụng lọc cộng tác dựa trên mô hình quan hệ xác suất; trình bày kết quả thực nghiệm và hướng phát triển tiếp theo, đó là tích hợp hệ tư vấn này vào một hệ thống giáo dục trực tuyến
Giáo dục điện tử (e-learning) đã trở nên gần gũi và ngày càng đóng một vai trò
quan trọng trong việc nâng cao chất lượng đào tạo ngày nay. E-learning hứa hẹn sẽ
mang lại một bộ mặt mới không những cho giáo dục trong trường học mà còn trong
đào tạo, huấn luyện nghiệp vụ ở các doanh nghiệp. Mặc dù các hệ e-learning hiện nay
đã góp phần cải tiến đáng kể cho việc học tập giảng dạy, nhưng nhiều vấn đề cần tiếp
tục nghiên cứu và phát triển để nâng cao chất lượng dịch vụ như tư vấn học tập, quản
lý học viên...Do không có người thầy hướng dẫn trực tiếp nên người học cần nhiều đến
sự tư vấn như kiến thức nào nên bổ sung, các khóa học nào cần học cho ngành nghề
của mình...Do đó, tự động hỗ trợ tư vấn trong học tập đang trở thành nhu cầu cần thiết
cho các hệ e-learning và đã thu hút nhiều quan tâm nghiên cứu trong những năm gần
đây.
Tư vấn đã và đang được nghiên cứu và sử dụng trong rất nhiều lĩnh vực, đặc
biệt trong các ứng dụng trên Web nơi có lượng dữ liệu khổng lồ. Việc tìm ra đúng sản
phẩm, thông tin mà người dùng cần trong kho dữ liệu Web thực sự là một cản trở lớn
với người sử dụng. Do đó, ý tưởng sinh ra các gợi ý cho người dùng khi tham gia vào
các hệ thống trên đã thu hút được nhiều sự quan tâm. Trong lĩnh vực thương mại điện
tử, chúng ta có thể bắt gặp trong các website như Amazon.com, MovieFinder.com
những gợi ý như: “Người mua quyển sách x cũng đã từng mua các quyển sách sau
đây...” hay “Những người từng xem phim Tomb Raider đã từng xem các phim như
Wanted, Might Heart...”. Đó chính là các ví dụ điển hình của hệ tư vấn. Trong lĩnh vực
giáo dục điện tử, hệ tư vấn thường biết đến là các hệ tư vấn tác vụ e-learning. Hệ thống
có thể tư vấn các hoạt động học tập cho một người học dựa trên các nhiệm vụ đã được
thiết kế cho người học, những thành công của họ và dựa trên các nhiệm vụ của những
người học “tương tự” khác. hay hệ thống có thể gợi ý một số khóa học mà sinh viên
yêu thích và có khả năng đạt kết quả tốt...
Có rất nhiều mô hình đã được đề xuất để thực hiện sinh tư vấn như lọc dựa trên
nội dung, lọc demographic, lọc cộng tác...trong đó lọc cộng tác đang được sử dụng
rộng rãi nhất. Nhiều mô hình đã được áp dụng vào lọc cộng tác như mô hình mạng
Bayesian, mô hình quan hệ xác suất...trong đó mô hình quan hệ xác suất tỏ ra có nhiều
ưu điểm. Mô hình này dựa trên mối quan hệ phụ thuộc giữa các thuộc tính xác suất của
các thực thể để từ các dữ liệu đã quan sát được, phân tích và tổng hợp sinh ra các dự
đoán cho tương lai.
Mục đích của luận văn nhằm trình bày những kết quả nghiên cứu và phát triển
hệ tư vấn trong e-learning dựa trên kỹ thuật lọc cộng tác. Hê ̣tư vấn phân tích các đánh
giá và xác định tính tương tự của những người học với nhau sau đó đưa ra các dự đoán
và tư vấn về khóa học cho ngườ i hoc ̣ . Luận văn được cấu trúc như sau.
Chƣơng 1. Hệ tƣ vấn trong e-learning: Trình bày tổng quan về e-learning và nhu
cầu cần thiết phải xây dựng các hệ thống e-learning có khả năng thích ứng cao. Hệ
tư vấn đưa ra các gợi ý tác vụ học cho sinh viên dựa trên tiểu sử sinh viên và các
hoạt động của các sinh viên tương tự là một trong những giải pháp cho vấn đề này.
Chƣơng 2. Kỹ thuật tƣ vấn dựa trên lọc cộng tác: Chương này trình bày một số
kỹ thuật đã được áp dụng cho lọc cộng tác sinh tư vấn như kỹ thuật lọc cộng tác
nguyên thủy, lọc dựa trên mạng Bayesian và mô hình quan hệ xác suất (PRM)…
Chƣơng 3. Tƣ vấn dựa trên PRM: Phần quan trọng nhất của hệ tư vấn là đưa ra
tư vấn tác vụ học cho từng sinh viên dựa trên dữ liệu có sẵn về quá trình học của
các sinh viên khác cũng như tiểu sử của chính sinh viên đó. Có nhiều phương pháp
đã được đề xuất, trong đó mô hình quan hệ xác suất đang thu hút được nhiều sự
quan tâm chú ý. Mô hình quan hệ xác suất hoạt động dựa trên việc xác định sự phụ
thuộc giữa các thuộc tính của sinh viên, của khóa học và việc học của sinh viên.
Chương này cũng trình bày minh họa việc áp dụng mô hình quan hệ xác suất vào
ngữ cảnh trường học.
Chƣơng 4: Hệ tƣ vấn E-Recommender: Chương này trình bày cài đặt thử
nghiệm một hệ tư vấn sử dụng lọc cộng tác dựa trên mô hình quan hệ xác suất để
đưa ra các tư vấn. Chúng tui trình bày một số thuật toán cơ bản và cài đặt chương
trình cũng như một số kết quả đã đạt được và đánh giá các kết quả đó.
Cuối cùng, phần kết luận trình bày một số kết quả của luận văn và hướng phát triển
trong tương lai.
Chƣơng 1. Hệ tƣ vấn trong e-learning
1.1. E-Learning
1.1.1. E-learing - Môi trường học tập chủ động
Ngày nay, với sự phát triển vượt bậc của Internet, những lớp học thực với phấn
trắng, bảng đen và việc gặp gỡ trực tiếp thầy trò đã giảm đi đáng kể. Thay vào đó là
các hệ thống giáo dục điện tử (E-learning) với các công cụ hỗ trợ đắc lực là máy tính,
Internet và công nghệ thông tin. Môi trường học dựa trên web đang trở nên rất phổ
biến, có thể kể đến một số ví dụ điển hình như Virtual-U [3] và Web-CT[17]…Các hệ
thống này bao gồm các công cụ phân phát nội dung khóa học, các hệ thống hội thảo
đồng bộ và không đồng bộ, các mođun kiểm tra, khảo sát, không gian chia sẻ tài
nguyên ảo, bảng trắng, hệ thống báo cáo điểm, bộ phận chấm điểm…Trong lớp học
ảo, giáo viên cung cấp các tài liệu như văn bản, multimedia và các mô phỏng và điều
hành các diễn đàn thảo luận. Những sinh viên từ xa được khuyến khích tự đọc các tài
liệu và tham gia các hoạt động học trực tuyến.
Tuy nhiên, việc học trên các hệ thống học dựa trên Web có thể gặp một số khó
khăn như:
Việc giáo viên theo dõi và đánh giá được tất cả các hoạt động mà sinh viên đã
thực hiện là rất vất vả và tốn thời gian.
Đánh giá cấu trúc nội dung của khóa học và hiệu quả của quá trình học là rất
khó khăn. Những người cung cấp tài liệu cố hết sức để cấu trúc nội dung sao
cho có hiệu quả. Khi giáo viên sắp xếp chúng thành một khóa học online, họ
cần các ghi chép khóa học tương tác, mô phỏng, ví dụ minh họa, bài tập, bài
kiểm tra, diễn đàn, công cụ chat…Tập hỗn độn các tài liệu có liên kết trực
tuyến có thể tạo nên một cấu trúc phức tạp làm cho việc điều hướng trở nên
khó khăn. Người thiết kế và giáo viên khi cấu trúc một khóa học, họ đề ra một
mẫu điều hướng và giả thiết rằng tất cả sinh viên sẽ tuân theo một đường dẫn
thống nhất; đường dẫn được thiết kế từ trước và được gắn với tài nguyên nhờ
các siêu liên kết. Tuy nhiên, sinh viên có thể theo các đường dẫn khác nhau tạo
ra từ chuỗi các hành động học trực tuyến của họ. Chuỗi các hành động này
thường không tối ưu và không theo ý tưởng của người thiết kế. Vì vậy, khó mà
đánh giá được các hoạt động trực tuyến trong một hệ thống dựa trên web.
Cái phân biệt dữ liệu là kết quả của các hành động dựa trên Web với dữ liệu
của các hoạt động e-learning chính là độ phức tạp của thông tin và kích thước
lớn của dữ liệu thu thập được và việc trích rút ra các thông tin đơn giản là
không thể. Thông tin phải được suy diễn bằng việc khai phá dữ liệu tương tác
và các kỹ thuật trực quan hóa đi kèm. Trực quan hóa có thể được sử dụng để
biểu diễn các mẫu được tìm thấy nhờ khai phá dữ liệu hay để biểu diễn chính
các dữ liệu. Trực quan hóa còn có thể trở thành một quá trình tương tác trong
khai phá dữ liệu [10]. Để hiểu rõ hành vi truy cập vào các tài liệu online của
sinh viên, sự trực quan hóa là hết sức quan trọng. Tuy nhiên, cách thức để phân
tích và trực quan hóa dữ liệu về việc sử dụng web của sinh viên liên quan tới
một chuỗi nhiều hành động trực tuyến mà không làm mất đi bức tranh tổng thể
là chưa rõ ràng. Có một số công cụ như liên kết nối của tài nguyên web [13],
các công cụ để trực quan hóa các mẫu điều hướng web [4], và các công cụ để
trực quan hóa sự thay đổi của web sites và cách sử dụng qua thời gian [6]. Tuy
nhiên, không có công cụ nào trong số đó đủ tốt để đánh giá các hoạt động e
learning hay các khóa học liên quan. Vấn đề trực quan hóa dữ liêu web e
learning một cách hiệu quả vẫn đang là vấn đề mở.
Đối với sinh viên, sẽ rất hữu ích nếu hệ thống có thể tự động hướng dẫn các hoạt
động của sinh viên và tư vấn một cách thông minh các hoạt động trực tuyến hay các
tài liệu ưa thích để cải thiện việc học. Tư vấn tự động có thể dựa trên một chuỗi dự
định của người dạy về sự điều hướng trong tài liệu khóa học hay dựa trên các mô
hình điều hướng của những người học đã thành công trước đó.
1.1.2. Khai phá web để phát triển hệ thống học thông minh
Tất cả những truy cập tới một trang web hay một ứng dụng dựa trên web được
theo dõi bởi máy chủ web bằng cách lưu trữ bản ghi và sắp xếp có thứ tự theo thời
gian biểu các URL đã được yêu cầu từ máy máy khách. Máy chủ web lưu các tệp tin
chứa thông tin: tên miền (hay địa chỉ IP) yêu cầu, tên người dùng sử dụng (nếu thích
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links