Luận văn Nghiên cứu và ứng dụng phương pháp khai khoáng luật kết hợp trên dữ liệu giáo dục

1.1 Giới thiệu: Trong thời đại ngày nay, với sựphát triển vượt bậc của công nghệthông tin, lượng dữliệu tại các hệthống thông tin ngày càng trởnên phong phú, đa dạng và thực sựkhổng lồ. Trong tình hình đó, việc chắt lọc được những tri thức quý giá từ những khối lượng dữliệu khổng lồnày càng có ý nghĩa hơn bao giờhết, đóng vai trò chìa khóa thành công cho sựphát triển của các tổchức. Các tri thức tìm được có thể được vận dụng đểcải thiện hiệu quảhoạt động của hệthống thông tin ban đầu, hay đưa ra dự đoán giúp cải thiện những quyết định trong tương lai Các kỹthuật khai khoáng dữliệu (data mining) ngày càng được quan tâm và các ứng dụng khai khoáng dữliệu được ứng dụng rộng rãi trong nhiều lĩnh vực của cuộc sông, như kinh tế, tài chính, y tế, khoa học, giáo dục Ngoài ra, các hệquản trịcơsởdữliệu cũng đang được phát triển theo hướng hỗtrợcác hoạt động khai khoáng dữliệu ngày càng tích cực hơn. Khái niệm sựthông minh kinh doanh (business intelligence) được nhắc đến và hỗtrợrộng rãi trong các hệquản trịcơsởdữliệu và các công cụphát triển ứng dụng. Trong việc ứng dụng khai khoáng dữliệu vào các lĩnh vực khác nhau của đời sống, khai khoáng dữliệu trong lĩnh vực giáo dục đang dần có được sựquan tâm đúng mức của cảgiới khoa học và các tổchức giáo dục. Từviệc khai khoáng các nguồn dữliệu truyền thống đến nguồn dữliệu từcác khóa học trực tuyến, các kỹ thuật khai khoáng dữliệu trong giáo dục đào tạo đang được tập trung nghiên cứu tại nhiều nơi tạo nên một cộng đồng riêng trong cộng đồng nghiên cứu vềlĩnh vực khai khoáng dữliệu. Tại Việt Nam, việc nghiên cứu khai khoáng dữliệu trong lĩnh vực giáo dục đào tạo còn rất ít. Việc định hướng và hoạch định chính sách trong giáo dục đào tạo là một nhu cầu bức thiết hiện nay. ðối tượng của giáo dục đào tạo là con người, là thếhệtrẻ, là lực lượng kếthừa của việc xây dựng, bảo vệvà phát triển đất nước trong tương lai. Chính vì vậy, việc định hướng và xây dựng chính sách trong giáo dục đào tạo cần phải được hỗtrợbởi các công cụkhoa học đểtránh những sai lầm đáng tiếc. Trong sốnhững công cụhỗtrợ đó, khai khoáng dữliệu là một công cụ hữu ích và có tính khoa học cao, giúp các nhà quản lý giáo dục có được những tri thức quý giá phục vụcho công tác quản lý. Luận văn này, qua việc nghiên cứu các phương pháp khai khoáng dữliệu ứng dụng vào lĩnh vực giáo dục đào tạo, cũng muốn đóng góp một phần nhỏvào sự phát triển của cơsở đào tạo. 1.2 Mục tiêu - Nghiên cứu phương pháp khai khoáng tìm luật kết hợp trên dữliệu giáo dục. - Ứng dụng thực hiện nghiên cứu trên dữliệu kết quảhọc tập của sinh viên trường ðH Tôn ðức Thắng, nhằm hỗtrợ đánh giá và dự đoán kết quảhọc tập của sinh viên, qua đó nâng cao chất lượng đào tạo. 1.3 Nội dung thực hiện của luận văn - Tìm hiểu khai khoáng dữliệu và các giải thuật khai khoáng dữliệu cơbản. Trong đó, tập trung vào các thuật toán theo phương pháp luật kết hợp. - Tìm hiểu cơsởdữliệu điểm của sinh viên trường ðại học Tôn ðức Thắng. - Xây dựng ứng dụng phù hợp với thực tế. 1.4 ðóng góp của luận văn Luận văn đã tìm hiểu việc khai khoáng dữliệu trong môi trường giáo dục đào tạo, nắm vững phương pháp khai khoáng bằng luật kết hợp và các phương pháp đánh giá độthú vịcủa luật, đồng thời khai khoáng luật theo hướng luật kết hợp cho nhóm con vào bài toán giáo dục. Qua việc rút trích được những luật hữu ích, luận văn giúp ích được việc phát hiện các bất thường giữa các môn học và hỗtrợcông tác dựbáo kết quảhọc tập cho sinh viên. 1.5 Cấu trúc luận văn Luận văn gồm 5 chương, được tổchức nhưsau: Chương 1: Mở đầu Chương 2: Tổng quan vềbài toán khai khoáng dữliệu giáo dục đào tạo Chương 3: Khai khoáng dữliệu bằng luật kết hợp. Chương 4: Chương trình và kết quả. Chương 5: Kết luận và hướng phát triển

pdf14 trang | Chia sẻ: tuandn | Ngày: 17/04/2013 | Lượt xem: 1403 | Lượt tải: 2download
Bạn đang xem nội dung tài liệu Luận văn Nghiên cứu và ứng dụng phương pháp khai khoáng luật kết hợp trên dữ liệu giáo dục, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
-57- CHƯƠNG 4: CHƯƠNG TRÌNH VÀ KẾT QUẢ 4.1 Giới thiệu bài toán ðại học Tôn ðức Thắng ñược thành lập hơn 10 năm và có quy mô gần 28000 sinh viên, gồm 10 khoa chuyên ngành và 1 phòng trung học chuyên nghiệp. Dữ liệu về kết quả học tập của sinh viên hơn 10 năm qua là rất lớn. Tính ñến hết học kỳ 1 năm học 2007-2008, nguồn dữ liệu về ñiểm của sinh viên với các môn học ñã là hơn 900.000 mẫu tin cho khối sinh viên chính quy. Tại trường còn có các môn học mà sinh viên toàn trường ñều phải học, ñó là các môn tiếng Anh, các môn toán cao cấp, các môn tin học văn phòng, các môn triết. Và hiện nay, sau khi trường ñã chuyển sang mô hình công lập tự chủ tài chính và ñang tiến hành mở rộng quy mô ñào tạo với các cơ sở mới ñược xây dựng ở phường Tân Phong, quận 7 và cơ sở Nha Trang ñã ñi vào hoạt ñộng, số lượng sinh viên của trường sẽ phát triển nhanh chóng. ðó chính là ñộng cơ thúc ñẩy luận văn tiến hành nghiên cứu khai khoáng dữ liệu ñể khai thác nguồn dữ liệu to lớn này. Tác giả muốn nghiên cứu về mối quan hệ giữa sinh viên và các môn học, cùng với việc tìm ra các mối quan hệ tiềm tàng bên trong khối dữ liệu khổng lồ. Việc nghiên cứu này sẽ góp phần trong việc dự báo kết quả học tập của sinh viên, qua ñó có thể giúp việc cải thiện chất lượng ñào tạo tại trường. 4.2 Quy trình khám phá tri thức: Luận văn tiến hành quy trình khai khoáng dữ liệu theo các bước sau ñây: Hình 4.1: Quy trình khai khoáng dữ liệu giáo dục Dữ liệu Foxpro Tiền xử lý Dữ liệu SQL Server Khai khoáng Tập luật Ứng dụng Lượng giá mẫu Kho luật Biểu diễn tri thức -58- 4.2.1 Giai ñoạn tiền xử lý:  Làm sạch dữ liệu: Tại giai ñoạn này thực hiện chuẩn hóa dữ liệu, xử lý dữ liệu bị thiếu mất, dữ liệu không thích hợp, ñiển hình là việc chuẩn hóa dữ liệu về ñiểm thi của sinh viên về dạng số thay cho các dạng chuỗi khác nhau.  Tích hợp dữ liệu: do dữ liệu ñược cung cấp thuộc một nguồn duy nhất và theo một ñịnh dạng duy nhất, nên trong quy trình của chương trình không thực hiện bước này.  Lựa chọn dữ liệu: luận văn chỉ chọn dữ liệu liên quan ñến kết quả học tập của sinh viên ñể nghiên cứu, gồm dữ liệu về sinh viên, dữ liệu về các môn học, dữ liệu về ñiểm của sinh viên.  Chuyển ñổi dữ liệu: dữ liệu gốc ở dạng Foxpro trên nền DOS, ñược chuyển sang hệ quản trị SQL Server 2005. Kết quả của bước này là một cơ sở dữ liệu gồm 7 bảng như sau: Hình 4.2: Lược ñồ quan hệ của các bảng trong cơ sở dữ liệu -59- Trong ñó, lượng dữ liệu của các bảng như sau: Tinh: 64 mẫu tin He: 2 mẫu tin Khoa: 10 mẫu tin Lop: 319 mẫu tin Monhoc: 1434 mẫu tin Sinhvien: 18106 mẫu tin Diem: 926583 mẫu tin  Chuẩn bị dữ liệu khai khoáng: tiến hành chọn các bảng, các thuộc tính cần thiết ñể chạy thuật toán khai khoáng. Tại bước này, luận văn tạo ra hai view dữ liệu chính: một là view sinh viên khoa CNTT-TUD với ñầy ñủ các môn học gồm 2435 bản ghi với 139 thuộc tính, hai là view sinh viên toàn trường với các môn học chung là Toán, Ngoại ngữ, Triết, Tin học văn phòng gồm 18106 bản ghi với 118 thuộc tính. 4.2.2 Giai ñoạn khai khoáng: - Chọn thuật toán khai khoáng luật kết hợp: FP-Growth, với phương án tìm tất cả luật, ngưỡng ñộ hỗ trợ tối thiểu là 0.03 và ñộ tin cậy tối thiểu là 0.4. - Bên cạnh ñó, thuật toán SD-Map thực hiện khai khoáng nhóm con cũng ñược dùng ñể hỗ trợ công tác sinh luật với vế phải ñược xác ñịnh trước. 4.2.3 Giai ñoạn lượng giá mẫu: - Xây dựng 2 bộ lọc luật: (1) lọc dựa trên ràng buộc về nhóm môn học và thứ tự trước sau của các cặp môn học, (2) lọc dựa trên các ñộ ño khách quan là chỉ số cosine và lift. - Luật sau khi ñã qua 2 bộ lọc, sẽ ñược ñánh giá bởi chuyên gia trước khi chuyển sang kho luật. -60- 4.2.4 Giai ñoạn biểu diễn tri thức: - Dựa trên các luật trong kho luật, chương trình có thể khuyến cáo về các sự bất thường giữa các môn học. ðể tìm sự bất thường trong kết quả học tập giữa các môn học của sinh viên, chương trình xây dựng một mô hình về sự bất thường và giải pháp ñề nghị tương ứng. Cụ thể, xét luật X Y thuộc tập luật thu ñược và X là môn học trước của Y. Nếu có sự chênh lệch về xếp loại giữa X và Y từ 2 mức trở lên (ví dụ: X trung bình, Y giỏi), luật XY cho thấy có sự bất thường giữa kết quả học tập của X và Y. - Ứng dụng kho luật ñể tiến hành dự báo kết quả học tập cho sinh viên. Từ tập luật thu ñược, chương trình tạo ra một ñồ thị giữa các môn học với các ñỉnh là các môn học, các cạnh có hướng tương ứng với các luật thu ñược, ví dụ: cạnh XY ứng với có luật XY trong tập luật thu ñược. ðồ thị ñược lưu trữ dưới dạng ma trận kề, tạm gọi là ma trận luật. Trước ñó, chương trình cũng ñã xây dựng một ñồ thị có hướng dựa trên danh sách ràng buộc giữa các môn học. ðồ thị này cũng ñược lưu trữ dạng ma trận kề, tạm gọi là ma trận chuẩn. Sau ñó, chương trình thực hiện phép AND giữa ma trận luật và ma trận chuẩn ñể tạo ra ma trận luật chuẩn hóa và dùng ñể tìm ñường ñi phục vụ công tác dự báo. Chương trình cho phép người dùng thực hiện 2 dạng dự báo: có vế trái và tìm kiếm vế phải (chiều xuôi), có vế phải và tìm kiếm vế trái (chiều ngược). Kết quả dự báo có 2 dạng: trực tiếp (nếu tìm thấy ñường ñi từ vế trái sang vế phải) và từ xa (chưa tìm thấy ñường ñi, vẫn còn nhiều tiềm ẩn bên trong). 4.3 Một số kết quả 4.3.1 Tập luật ñược tạo ra Sau khi khai khoáng trên dữ liệu sinh viên khoa CNTT-TUD, tập thô thu ñược khoảng hơn 15000 luật, sau ñó còn khoảng 6700 luật sau khi thực hiện ràng -61- buộc trên các vế của luật. Trong số này, sau khi tiến hành lọc bằng số cosine và lift, tập luật thu ñược còn khoảng 6600. Trong tập luật thu ñược, do ñặc thù của dữ liệu giáo dục, tập luật thu ñược có 3370 luật có ñộ hỗ trợ trên ngưỡng 0.1, 226 luật có ñộ hỗ trợ trên ngưỡng 0.2, và chỉ có 3 luật có ñộ hỗ trợ trên ngưỡng 0.3. ðiều này cho thấy việc ñặt ngưỡng ñộ hỗ trợ tối thiểu cao, sẽ có thể gây mất nhiều luật tốt. Trong khi tìm kiếm sự bất thường giữa các môn học, chương trình thu ñược một số kết quả, tiêu biểu là các luật sau: Bảng 4.1: Kết quả tìm sự bất thường giữa các môn học của ngành CNTT STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 6242 PT thiết kế hệ thống thông tin = TRUNG BINH, Cơ sở dữ liệu nâng cao = TRUNG BINH ðồ án môn học 1 = GIOI 0.069 0.445 0.439 2.912 6335 Quản lý dự án phần mềm = TRUNG BINH ðồ án môn học 1 = GIOI 0.077 0.434 0.46 2.839 6399 ðồ họa máy tính = TRUNG BINH, Lập trình Windows = TRUNG BINH ðồ án môn học 1 = GIOI 0.073 0.425 0.442 2.782 6414 PT thiết kế hệ thống thông tin = TRUNG BINH, Phái = Nam ðồ án môn học 1 = GIOI 0.068 0.424 0.426 2.774 6426 PT thiết kế hệ thống thông tin = TRUNG BINH, Lý thuyết hệ ñiều hành = TRUNG BINH ðồ án môn học 1 = GIOI 0.067 0.423 0.424 2.764 6464 PT thiết kế hệ thống thông tin = TRUNG BINH, Phân tích thiết kế thuật giải = TRUNG BINH ðồ án môn học 1 = GIOI 0.079 0.418 0.457 2.732 6488 PT thiết kế hệ thống thông tin = TRUNG BINH ðồ án môn học 1 = GIOI 0.097 0.415 0.503 2.715 6531 ðồ họa máy tính = TRUNG BINH, Lập trình web = TRUNG BINH ðồ án môn học 1 = GIOI 0.074 0.411 0.438 2.687 6561 PT thiết kế hệ thống thông tin = TRUNG BINH, Mạng máy tính = TRUNG BINH ðồ án môn học 1 = GIOI 0.072 0.407 0.43 2.661 6572 PT thiết kế hệ thống thông tin = TRUNG BINH, Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH ðồ án môn học 1 = GIOI 0.070 0.406 0.424 2.656 6601 Lập trình Windows = TRUNG BINH, Phân tích thiết kế thuật giải = TRUNG BINH ðồ án môn học 1 = GIOI 0.091 0.401 0.481 2.625 6608 ðồ họa máy tính = TRUNG BINH, Cơ sở dữ liệu nâng cao = TRUNG BINH ðồ án môn học 1 = GIOI 0.084 0.401 0.46 2.621 -62- Tri thức mô tả này cho thấy có sự bất thường trong môn học “ðồ án môn học 1”. ðiều này ñặt ra vấn ñề cho nhà giáo dục: liệu yêu cầu và ñánh giá của môn “ðồ án môn học 1” này có thỏa ñáng hay chưa? Giảng viên thường cảm tính trong việc cho ñiểm môn học này? Liệu môn “ðồ án môn học 1” có cần thiết? “ðồ án môn học 1” là môn giúp sinh viên nâng cao kỹ năng thông qua việc thực hiện một ñồ án dựa trên kiến thức ñã học về: công nghệ phần mềm, phân tích thiết kế hệ thống thông tin, lập trình Windows, lập trình Hướng ñối tượng,… Vì vậy, việc loại bỏ môn này là không thể. Tuy nhiên, luận văn ñề xuất một yêu cần cụ thể hơn ñối với môn này. Cụ thể là ñồ án này phải có yêu cầu về kiến thức, về kỹ năng ñạt ñược sau khi hoàn thành ñồ án. Ngoài ra, phải có một khung ñiểm rõ ràng cho việc ñánh giá. Việc ñánh giá môn học này, trước ñến nay vẫn phụ thuộc vào từng giảng viên hướng dẫn. ðiều này dẫn ñến việc chấm cảm tính và ñánh giá theo sự “thân quen”. Như vậy, trong chương trình ñào tạo ngành CNTT, cần có sự thay ñổi ñối với môn “ðồ án môn học 1” ñể môn này ñược ñánh giá ñúng và thực sự hiệu quả trong ñào tạo sinh viên. Chuyển sang xem xét luật liên quan ñến thông tin cá nhân của sinh viên khoa CNTT-TUD, chương trình có ñược một vài luật thú vị sau: Bảng 4.2: Quan hệ trong thông tin cá nhân sinh viên ngành CNTT STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 5979 Phái = Nam Tỉnh = TPHCM 0.373 0.474 0.621 1.07 6589 Phái = Nu Tỉnh = TPHCM 0.086 0.404 0.275 0.913 Trong hai luật này, chỉ có luật số 5979 ñược thông qua do thỏa ñiều kiện lọc với cosine và lift. Luật 6589 có số cosine nhỏ hơn 0.65 và số lift dưới 1 nên cần xét lại. Khi xét lại ñộ hỗ trợ và ñộ tin cậy, luật 6589 có ñộ hỗ trợ quá thấp và ñộ tin cậy chỉ xấp xỉ 0.4 nên bị loại. Ta thu ñược luật: nếu sinh viên khoa CNTT-TUD có giới tính là nam thì ña số là cư dân TPHCM. Một diễn giải khác là, sinh viên nam ở khoa CNTT-TUD là thường là cư dân của TPHCM. -63- Liên quan ñến việc ñánh giá sinh viên học kém, chương trình có một số luật thu ñược như sau: Bảng 4.3: Các luật thu ñược từ dữ liệu khoa CNTT-TUD STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 345 Phân tích thiết kế thuật giải = KEM, Lập trình nâng cao = KEM Tổ chức máy tính = KEM 0.070 0.867 0.576 4.920 469 Lập trình nâng cao = KEM, Tổ chức máy tính = KEM Cấu Trúc dữ liệu và Thuật giải = KEM 0.087 0.858 0.584 4.064 937 Ngôn ngữ lập trình = KEM Phân tích thiết kế thuật giải = KEM 0.090 0.826 0.675 5.254 1145 Ngôn ngữ lập trình = KEM, Phái = Nam Phân tích thiết kế thuật giải = KEM 0.077 0.813 0.619 5.169 3591 Toán cao cấp A2 = KEM, Phái = Nam Toán cao cấp A3 = KEM 0.087 0.681 0.622 4.580 4034 Tổ chức máy tính = KEM Phân tích thiết kế thuật giải = KEM 0.119 0.649 0.688 4.129 4168 Lập trình nâng cao = KEM Cấu Trúc dữ liệu và Thuật giải = KEM 0.110 0.639 0.568 3.026 4179 Lập trình nâng cao = KEM, Phái = Nam Cấu Trúc dữ liệu và Thuật giải = KEM 0.092 0.638 0.518 3.022 4763 Lập trình nâng cao = KEM Tổ chức máy tính = KEM 0.101 0.587 0.571 3.328 4765 Cấu Trúc dữ liệu và Thuật giải = KEM, Phái = Nam Tổ chức máy tính = KEM 0.109 0.586 0.591 3.325 4951 Cấu Trúc dữ liệu và Thuật giải = KEM Tổ chức máy tính = KEM 0.125 0.570 0.624 3.235 5054 Tổ chức máy tính = KEM, Cấu Trúc dữ liệu và Thuật giải = KEM Hệ ñiều hành Unix = KEM 0.070 0.563 0.497 3.640 5176 Phân tích thiết kế thuật giải = KEM Ngôn ngữ lập trình = KEM 0.090 0.552 0.675 5.254 5255 Cấu Trúc dữ liệu và Thuật giải = KEM, Phái = Nam Phân tích thiết kế thuật giải = KEM 0.101 0.544 0.581 3.460 5343 Phân tích thiết kế thuật giải = KEM, Phái = Nam Ngôn ngữ lập trình = KEM 0.077 0.537 0.616 5.118 5383 Toán cao cấp A3 = KEM Toán cao cấp A4 = KEM 0.082 0.533 0.555 3.891 5448 Cấu Trúc dữ liệu và Thuật giải = KEM Phân tích thiết kế thuật giải = KEM 0.115 0.527 0.611 3.352 5466 Toán cao cấp A3 = KEM, Phái = Nam Toán cao cấp A4 = KEM 0.070 0.526 0.510 3.838 5639 Tổ chức máy tính = KEM Ngôn ngữ lập trình = KEM 0.093 0.508 0.658 4.837 -64- 5651 Cấu Trúc dữ liệu và Thuật giải = KEM, Phái = Nam Hệ ñiều hành Unix = KEM 0.094 0.507 0.545 3.279 5817 Toán cao cấp A2 = KEM Toán cao cấp A4 = KEM 0.072 0.490 0.498 3.576 5838 Cấu Trúc dữ liệu và Thuật giải = KEM Hệ ñiều hành Unix = KEM 0.107 0.488 0.570 3.157 5931 Lập trình nâng cao = KEM, Phái = Nam Phân tích thiết kế thuật giải = KEM 0.069 0.479 0.450 3.043 6002 Phân tích thiết kế thuật giải = KEM, Phái = Nam Hệ ñiều hành Unix = KEM 0.067 0.471 0.445 3.050 6011 Tổ chức máy tính = KEM, Phái = Nam Hệ ñiều hành Unix = KEM 0.074 0.470 0.467 3.043 6032 Phân tích thiết kế thuật giải = KEM Cơ sở dữ liệu = KEM 0.076 0.469 0.624 5.279 6056 Lập trình nâng cao = KEM Phân tích thiết kế thuật giải = KEM 0.080 0.466 0.479 2.960 6073 Phân tích thiết kế thuật giải = KEM Hệ ñiều hành Unix = KEM 0.076 0.463 0.468 3.000 6135 Tổ chức máy tính = KEM Hệ ñiều hành Unix = KEM 0.084 0.458 0.490 2.967 6463 Phân tích thiết kế thuật giải = KEM Công nghệ phần mềm = KEM 0.068 0.418 0.618 5.799 6560 Cấu Trúc dữ liệu và Thuật giải = KEM, Phái = Nam Ngôn ngữ lập trình = KEM 0.076 0.407 0.532 3.877 6592 Lập trình nâng cao = KEM Ngôn ngữ lập trình = KEM 0.070 0.404 0.509 3.846 Xét luật 345: sinh viên học kém môn Lập trình nâng cao và môn Phân tích thiết kế thuật giải thì sẽ học kém môn Tổ chức máy tính. Luật này có số cosine nhỏ hơn 0.65 nhưng có số lift là 4.92 rất cao so với 1, chứng tỏ vế trái và vế phải của luật có liên quan chặt chẽ. Luật ñược chấp nhận. Một cái nhìn tổng quát hơn, các luật ñược nêu trên ñây ñều có hệ số lift khá cao, chứng tỏ vế trái và vế phải của các luật có liên quan. Việc học kém các môn ở vế trái sẽ dẫn ñến học kém các môn ở vế phải. Bảng 4.4 dưới ñây cho thấy một số luật thông thường thu ñược từ kết quả học tập trung bình của sinh viên. Bảng 4.4: Một số luật thông thường từ khoa CNTT-TUD STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 2254 Tổ chức máy tính = Cấu Trúc dữ liệu và 0.261 0.750 0.710 2.001 -65- TRUNG BINH Thuật giải = TRUNG BINH 4785 Toán rời rạc = TRUNG BINH Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH 0.090 0.584 0.367 1.559 3585 Toán rời rạc = TRUNG BINH Cơ sở dữ liệu = TRUNG BINH 0.104 0.681 0.439 1.916 2466 Lập trình nâng cao = TRUNG BINH Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH 0.191 0.739 0.603 1.972 3140 Lập trình nâng cao = TRUNG BINH Cơ sở dữ liệu = TRUNG BINH 0.182 0.704 0.590 1.982 2466 Lập trình nâng cao = TRUNG BINH Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH 0.191 0.739 0.603 1.972 3777 Lập trình nâng cao = TRUNG BINH Lập trình hướng ñối tượng = TRUNG BINH 0.172 0.668 0.598 2.147 5775 Lập trình nâng cao = TRUNG BINH Lập trình Windows = TRUNG BINH 0.128 0.494 0.490 1.950 1938 Lập trình nâng cao = TRUNG BINH Phân tích thiết kế thuật giải = TRUNG BINH 0.198 0.766 0.616 1.988 6258 Lập trình nâng cao = TRUNG BINH ðồ họa máy tính = TRUNG BINH 0.115 0.444 0.445 1.791 3185 Cơ sở dữ liệu = TRUNG BINH Công nghệ phần mềm = TRUNG BINH 0.259 0.702 0.700 1.961 6126 Cơ sở dữ liệu = TRUNG BINH PT thiết kế hệ thống thông tin = TRUNG BINH 0.169 0.459 0.578 2.048 1076 Lập trình Windows = TRUNG BINH Công nghệ phần mềm = TRUNG BINH 0.215 0.817 0.688 2.282 6067 Lập trình Windows = TRUNG BINH Trí tuệ nhân tạo = TRUNG BINH 0.122 0.464 0.553 2.603 6191 Lập trình Windows = TRUNG BINH Quản lý dự án phần mềm = TRUNG BINH 0.119 0.453 0.551 2.641 590 Lập trình hướng ñối tượng = TRUNG BINH Hệ ñiều hành Unix = TRUNG BINH 0.274 0.850 0.775 2.274 1450 Lập trình hướng ñối tượng = TRUNG BINH Công nghệ phần mềm = TRUNG BINH 0.256 0.795 0.741 2.219 2140 Lập trình hướng ñối tượng = TRUNG BINH Cơ sở dữ liệu = TRUNG BINH 0.244 0.755 0.707 2.126 2736 Lập trình hướng ñối tượng = TRUNG BINH Cơ sở dữ liệu nâng cao = TRUNG BINH 0.234 0.725 0.773 2.648 3708 Lập trình hướng ñối tượng = TRUNG BINH Lý thuyết hệ ñiều hành = TRUNG BINH 0.217 0.673 0.708 2.398 3860 Lập trình hướng ñối tượng = TRUNG BINH Lập trình Unix = TRUNG BINH 0.214 0.662 0.748 2.719 4014 Lập trình hướng ñối tượng = TRUNG BINH Lập trình Windows = TRUNG BINH 0.210 0.651 0.721 2.567 4287 Lập trình hướng ñối tượng = TRUNG BINH ðồ họa máy tính = TRUNG BINH 0.203 0.629 0.705 2.541 5493 Lập trình hướng ñối Thi tốt nghiệp ( Cơ sở) 0.169 0.524 0.668 2.742 -66- tượng = TRUNG BINH = TRUNG BINH 5779 Lập trình hướng ñối tượng = TRUNG BINH PT thiết kế hệ thống thông tin = TRUNG BINH 0.159 0.494 0.582 2.204 6273 Lập trình hướng ñối tượng = TRUNG BINH Trí tuệ nhân tạo = TRUNG BINH 0.143 0.442 0.584 2.479 6322 Lập trình hướng ñối tượng = TRUNG BINH Quản lý dự án phần mềm = TRUNG BINH 0.140 0.436 0.587 2.540 3313 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Cơ sở dữ liệu = TRUNG BINH 0.270 0.696 0.714 1.957 3273 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Lập trình hướng ñối tượng = TRUNG BINH 0.271 0.698 0.766 2.243 3670 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Ngôn ngữ lập trình = TRUNG BINH 0.262 0.675 0.682 1.839 4294 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Cơ sở dữ liệu nâng cao = TRUNG BINH 0.244 0.629 0.736 2.297 4638 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Lý thuyết hệ ñiều hành = TRUNG BINH 0.232 0.597 0.690 2.129 5092 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Lập trình Windows = TRUNG BINH 0.217 0.559 0.680 2.205 5229 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH ðồ họa máy tính = TRUNG BINH 0.212 0.547 0.672 2.207 6554 Cấu Trúc dữ liệu và Thuật giải = TRUNG BINH Trí tuệ nhân tạo = TRUNG BINH 0.159 0.408 0.592 2.289 5025 PT thiết kế hệ thống thông tin = TRUNG BINH Quản lý dự án phần mềm = TRUNG BINH 0.131 0.565 0.646 3.296 5754 PT thiết kế hệ thống thông tin = TRUNG BINH Thi tốt nghiệp ( Cơ sở) = TRUNG BINH 0.115 0.496 0.538 2.600 3984 Trí tuệ nhân tạo = TRUNG BINH Thi tốt nghiệp ( Cơ sở) = TRUNG BINH 0.121 0.653 0.631 3.421 6223 Trí tuệ nhân tạo = TRUNG BINH Thi tốt nghiệp ( Chuyên ngành) = TRUNG BINH 0.083 0.449 0.523 3.423 ðối với dữ liệu sinh viên toàn trường, chương trình tiến hành khai khoáng trên kết quả các môn học chung cho toàn trường, ñó là các môn thuộc nhóm Toán, Ngoại ngữ, Triết và Tin học văn phòng. Chương trình có một số kết quả như sau: -67- Số lượng luật thu ñược chưa qua lọc là 700. sau khi lọc qua các ràng buộc, số lượng luật còn khoảng 300. Chương trình thu ñược tập luật cuối sau khi lọc với cosine và lift với số lượng là 45. Trong nỗ lực tìm kiếm sự bất thường giữa các môn học, chương trình thu ñược các luật sau: Bảng 4.5: Tìm sự bất thường trong các môn học chung STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 82 Thực hành internet = GIOI, Anh văn giao tiếp 3 = TRUNG BINH Anh văn giao tiếp 4 = TRUNG BINH 0.027 0.711 0.381 0.744 87 Thực hành internet = GIOI, Anh văn giao tiếp 2 = TRUNG BINH Anh văn giao tiếp 3 = TRUNG BINH 0.023 0.705 0.336 0.678 Tuy nhiên, khi ñánh giá trên cơ sở hai số cosine và lift, các luật này không thỏa mãn yêu cầu. Tuy nhiên, các luật này cũng ñáng ñược lưu tâm bởi các nhà giáo dục, vì chúng có ñộ tin cậy cao (>0.7). Dưới ñây là một số luật thu ñược sau khi ñã chọn lọc và ñánh giá qua toàn quy trình lượng giá: Bảng 4.6: Một số luật thu ñược trong các môn học chung STT VẾ TRÁI VẾ PHẢI HỖ TRỢ TIN CẬY COSINE LIFT 44 Toán cao cấp A1 = KEM Toán cao cấp A3 = KEM 0.024 0.746 0.493 1.400 93 Toán cao cấp A2 = KEM Toán cao cấp A3 = KEM 0.036 0.699 0.584 1.312 113 Anh văn giao tiếp 3 = KEM Anh văn giao tiếp 4 = KEM 0.028 0.680 0.564 1.563 115 Anh văn giao tiếp 3 = TRUNG BINH Anh văn giao tiếp 4 = TRUNG BINH 0.098 0.6

Các file đính kèm theo tài liệu này:

  • pdf8.pdf
  • pdf1.pdf
  • pdf2.pdf
  • pdf3.pdf
  • pdf4.pdf
  • pdf5.pdf
  • pdf6.pdf
  • pdf7.pdf
  • pdf9.pdf
  • pdf10.pdf
Luận văn liên quan