Luận văn Nghiên cứu xây dựng mô hình hệ thống thích nghi

LỜI CẢM ƠN W X Tôi xin chân thành cảm ơn các Thầy Cô thuộc khoa Toán-Tin trường Đại học Khoa học Tự nhiên đã tận tình dạy dỗ, truyền đạt cho tôi nhiều kiến thức quý báu. Tôi xin gửi lời cảm ơn sâu sắc đến Thầy hướng dẫn của tôi, TS. Nguyễn Đình Thúc, vì sự tận tình hướng dẫn, cung cấp các tài liệu tham khảo; vì sự khích lệ, động viên và giúp đỡ tôi trong suốt thời gian thực hiện đề tài. Tôi xin gửi lời cảm ơn trân trọng đến TS. Nguyễn An Tế vì sự quan tâm, chỉ bảo và hỗ trợ tôi vượt qua những khó khăn trong khi thực hiện đề tài. Tôi xin gửi lời cảm ơn đến ThS. Lê Đức Long, ThS. Trần Ngọc Bảo vì sự hỗ trợ cung cấp các tài liệu tham khảo trong giai đoạn đầu tiếp cận đề tài. Tôi xin gửi lời cảm ơn đến TS. Trần Nam Dũng và PGS.TS Dương Anh Đức vì những nhận xét, góp ý quý báu cho luận văn. Tôi xin gửi lời cảm ơn đến các anh chị và các bạn cùng khóa đã có những ý kiến đóng góp và động viên tôi trong quá trình thực hiện đề tài. Tôi xin gửi lời cảm ơn đến Ban giám hiệu trường và Ban giám đốc Trung tâm Tin học, ĐH Sư phạm TPHCM đã tạo mọi điều kiện thuận lợi để tôi có thể dành nhiều thời gian cho luận. Cuối cùng, lời cảm ơn sâu sắc nhất tôi xin gửi đến tất cả thành viên trong gia đình, đặc biệt là ông xã, vì sự động viên, ủng hộ về mặt tinh thần to lớn và quý báu. Tác giả 1 MỤC LỤC Trang MỤC LỤC 1 Danh mục các ký hiệu, các chữ viết tắt 4 Danh mục các bảng biểu, đồ thị 5 Danh mục các hình vẽ 6 Chương 1. Giới thiệu 7 Chương 2. Hiện trạng nghiên cứu 12 2.1. Cấu trúc profile 12 2.1.1. Cấu trúc profile cho hệ thống tư vấn thông tin (Recommender System) của Montainer 12 2.1.2. Cấu trúc profile cho hệ thống đào tạo trực tuyến (e-Learning System) của Brusilouvsky 13 2.1.3. Cấu trúc profile cho hệ thống đào tạo trực tuyến (e-Learning System) của nhóm Lê Đức Long và cộng sự 15 2.2. Chọn đặc trưng 16 2.2.1. Bài toán chọn đặc trưng (Feature selection) 17 2.2.2. Phương pháp phân tích thành phần chính (Principal Component Analysis-PCA) 20 Chương 3. Phát biểu bài toán 23 3.1. Các định nghĩa 23 2 3.1.1. Cấu trúc profile 23 3.1.2. Miền giá trị của đặc trưng 24 3.1.3. Ý nghĩa của miền giá trị 24 3.2. Bài toán luận văn giải quyết 25 Chương 4. Đánh giá tính hữu ích của đặc trưng và tinh chỉnh miền giá trị đặc trưng 27 4.1. Cách tiếp cận 27 4.1.1. Ý tưởng của giải pháp 27 4.1.2. Ví dụ minh họa 28 4.2. Cơ sở lý luận 30 4.2.1. Extra value 31 4.2.2. Mệnh đề 34 4.2.3. Đặc trưng hữu ích 35 4.2.4. Đặc trưng không hữu ích 35 4.3. Đánh giá tính hữu ích của đặc trưng 35 4.3.1. Ý tưởng giải thuật 35 4.3.2. Thủ tục đánh giá tính hữu ích của đặc trưng fi với ngưỡng θi 36 4.3.3. Lưu đồ thủ tục đánh giá đặc trưng 37 4.4. Tinh chỉnh miền giá trị của đặc trưng 38 4.4.1. Rare value 38 4.4.2. Cách tiếp cận dựa trên độ lệch nhỏ nhất 38 4.4.3. Cách tiếp cận dựa trên giá trị trung vị 39 4.4.4. Thủ tục tìm rare value trong DOM(fi), với ngưỡng βi>1 42 4.4.5. Lưu đồ thủ tục tìm rare value 44 3 Chương 5. Thực nghiệm 45 5.1. Profile của sinh viên sư phạm- trường ĐH Sư phạm TPHCM 47 5.1.1. Đặc trưng ‘nguồn gốc cư trú’ 48 5.1.2. Đặc trưng ‘nơi sống’ 48 5.1.3. Đặc trưng ‘người sống cùng’ 51 5.1.4. Tình trạng hôn nhân 53 5.2. Đánh giá kết quả giải thuật 54 5.2.1. Ưu điểm 54 5.2.2. Hạn chế 54 Chương 6. Kết luận và hướng nghiên cứu tương lai 55 6.1. Những đóng góp của luận văn 55 6.2. Hướng phát triển 56 TÀI LIỆU THAM KHẢO 58 PHỤ LỤC 61 4 Danh mục các ký hiệu, các chữ viết tắt profile/user profile đặc trưng người dùng user người dùng learner profile user profile trong hệ thống e-Learning AHS Adaptive Hypermedia System AeHS Adaptive elearing Hypermedia System AeLS Adaptive e-Learning System item các tài nguyên, thông tin, món hàng,… feature selection chọn đặc trưng PCA Principal Component Analysis: phương pháp phân tích thành phần chính e-Commerce hệ thống kinh doanh trực tuyến e-Learning hệ thống đào tạo trực tuyến Recommender System hệ thống tư vấn 5 Danh mục các bảng biểu, đồ thị Bảng 2.1. So sánh bài toán luận văn và PCA 21 Bảng 4.1. Bảng kết quả khảo sát các đặc trưng. 28 Bảng 4.2. Bảng các cặp giá trị (ni,θi) ban đầu 33 Bảng 4.3. Bảng các cặp giá trị (ni,θi) 33 Bảng 5.1. Bảng các giá trị của đặc trưng ‘nguồn gốc cư trú’ 48 Bảng 5.2. Bảng các giá trị của đặc trưng ‘nơi sống’ 48 Bảng 5.3. Bảng các giá trị của đặc trưng ‘người sống cùng’ 51 Bảng 5.4. Bảng các giá trị của đặc trưng ‘tình trạng hôn nhân’ 53 6 Danh mục các hình vẽ Hình 2.1. Cấu trúc learner profile của Lê Đức Long (2009) 15 Hình 2.2. Thủ tục chọn đặc trưng của Liu (2002) 18 Hình 4.1. Biểu đồ phân bố miền giá trị của đặc trưng ‘tình trạng hôn nhân’ 29 Hình 4.2. Biểu đồ phân bố miền giá trị của đặc trưng ‘ca học’ 30 Hình 4.3. Biểu đồ phân bố miền giá trị của đặc trưng ‘giới tính’ 32 Hình 4.4. Biểu đồ phân bố miền giá trị của đặc trưng ‘nguồn gốc cư trú’ 33 Hình 4.5. Cách tiếp cận dựa trên độ lệch nhỏ nhất 39 Hình 4.6. Hình minh họa phân đánh giá miền giá trị thuộc tính 41 Hình 4.7. Trường hợp giá trị v1=vmed 42 Hình 4.8. Trường hợp giá trị vn=vmed 42 Hình 5.1. Biểu đồ phân bố miền giá trị của đặc trưng ‘nguồn gốc cư trú’ 48 Hình 5.2. Biểu đồ phân bố miền giá trị của đặc trưng ‘nơi sống’ 49 Hình 5.3. Biểu đồ phân bố miền giá trị đã tinh chỉnh của đặc trưng nơi sống 50 Hình 5.4. Biểu đồ phân bố miền giá trị của đặc trưng ‘người sống cùng’ 51 Hình 5.5. Biểu đồ phân bố miền giá trị đã tinh chỉnh của đặc trưng ‘người sống cùng’ 52 Hình 5.6. Biểu đồ phân bố miền giá trị của đặc trưng ‘tình trạng hôn nhân’ 53 7 Chương 1. Giới thiệu Trong thời gian gần đây, các hệ thống thích nghi cá nhân (Personalized Systems/ Adaptive System) đã được nghiên cứu và ứng dụng nhiều vào các lĩnh vực như: thương mại điện tử (e-Commerce), hệ thống tư vấn (Recommender Systems), hệ thống tìm kiếm thông tin (Information Retrieval) và gần đây là hệ thống đào tạo trực tuyến (e-Learning). Hệ thống thích nghi cá nhân là các hệ thống cung cấp thông tin, tài nguyên hoặc các dịch vụ cho người dùng một cách linh động, phù hợp với đặc trưng riêng của từng người. Chẳng hạn, hệ thống bán hàng trực tuyến sẽ tư vấn cho các khách hàng khác nhau chọn mua những sản phẩm khác nhau phù hợp với sở thích từng người. Hệ thống tư vấn thông tin sẽ tư vấn cho các người dùng khác nhau những tài liệu khác nhau phù hợp với chủ đề mà từng người quan tâm. Hệ thống đào tạo trực tuyến sẽ tư vấn cho các người học khác nhau phương pháp học phù hợp với trình độ và khả năng tiếp thu của từng người. Trong các hệ thống thích nghi này, mỗi người dùng (user) sở hữu một thành phần mô tả đặc trưng người dùng (profile). Đặc trưng người dùng chính là cơ sở để hệ thống cung cấp những thông tin, dịch vụ, tài nguyên,… phù hợp với từng người dùng. Điều này đem đến sự tiện nghi, thoải mái cho người dùng trong quá trình khai thác hệ thống. Người dùng có cảm giác là hệ thống rất thông minh, hiểu được mình và đáp ứng đúng nhu cầu riêng của mình. Profile được biết đến như là một tập hợp gồm những thông tin của một cá nhân, dùng để biểu diễn cá nhân đó trên máy tính. Hệ thống sẽ khai thác profile để 8 biết được tính cách và sở thích của người dùng và phục vụ cho người dùng tốt hơn. [14], [15]. Profile được sử dụng bởi các hệ thống thích nghi siêu truyền thông (adaptive hypermedia system) nhằm cá nhân hóa các tương tác giữa người dùng và máy tính. Profile được tìm thấy trong các hệ điều hành (operating system), các chương trình máy tính (computer program) hay các website động (dynamic website). Trong các hệ điều hành windows, profile của một người dùng bao gồm các thông tin định nghĩa môi trường làm việc của người đó, chẳng hạn như: cách thiết lập chế độ hiển thị, cách thiết lập các ứng dụng, các kết nối mạng,… nghĩa là tất cả những gì người dùng nhìn thấy trên màn hình máy tính cũng như tất cả các tập tin, các thư mục, các ứng dụng mà họ truy cập,…. Trong các website động, chẳng hạn như trang mail.yahoo.com, người dùng có thể tùy ý thay đổi cách hiển thị như màu sắc, font chữ,… theo cách riêng của họ. Các thông tin đó được lưu trữ trong profile và người dùng luôn nhận được cách thể hiện đó dù truy cập từ bất cứ máy tính nào. Những thông tin được lưu trữ trong profile rất đa dạng như thông tin cá nhân, những đặc điểm, sở thích, thói quen, trình độ tri thức,…. Tùy theo lĩnh vực ứng dụng cụ thể, profile sẽ có những thông tin khác nhau phù hợp cho miền ứng dụng đó. Trong hệ thống bán hàng qua mạng, profile thường gồm: sở thích, thói quen mua sắm, các sản phẩm đã từng mua …Trong hệ thống giáo dục, profile thường gồm: tên, tuổi, trình độ học vấn, kết quả khóa trước, thói quen học tập, kiến thức nền, ngành học, …Trong hệ thống tư vấn thông tin, profile có thể chứa những chủ đề mà người dùng quan tâm, trình độ tri thức, ngành nghề của người dùng,… Chính những thông tin được lưu trữ trong profile này đã giúp hệ thống phục vụ cho người dùng tốt hơn, thông minh hơn. Nói cách khác, sự thông minh và chất lượng của các 9 hệ thống thích nghi được xây dựng trên nền tảng chính là profile. Nếu profile được xây dựng tốt thì hệ thống sẽ tư vấn tốt hơn. Để xây dựng được profile tốt cho hệ thống thì cần phải xác định được những đặc trưng nào của người dùng sẽ cần thiết, hữu ích cho hệ thống. Điều này không phải đơn giản bởi vì trong từng miền ứng dụng khác nhau, profile sẽ có những đặc trưng khác nhau. Chẳng hạn, trong e- Commerce, các đặc trưng của profile về sở thích là quan trọng nhất để giúp cho việc tư vấn hiệu quả. Trong khi đó với hệ e-Learning thì các đặc trưng liên quan đến trình độ học tập, kiến thức nền,… mới là quan trọng nhất. Ngay cả khi trong cùng một miền ứng dụng, profile của hệ thống này có thể sẽ khác profile của hệ thống kia. Nói riêng trong miền e-Commerce, profile của một hệ thống tư vấn bán đĩa CD sẽ cần có các thông tin liên quan đến âm nhạc, thể loại nhạc, … nhưng profile của một hệ thống tư vấn bán tranh cần có các thông tin liên quan đến màu sắc, hội họa, kiến trúc,… Do vậy, xây dựng cấu trúc profile là một trong số những khía cạnh quan trọng quyết định đến sự thành công của hệ thống thích nghi. Ngoài ra, các vấn đề liên quan đến profile như khởi tạo profile và cập nhật profile cũng không kém phần quan trọng. Cấu trúc profile Việc xây dựng profile là vấn đề đầu tiên và cũng là vấn đề then chốt quyết định đến sự thành công của các hệ thống thích nghi. Profile cần lưu trữ những thông tin gì của người dùng? Các chuyên gia trong các miền ứng dụng đã dựa trên kiến thức chuyên môn và kinh nghiệm về lĩnh vực của họ để cho ra đời các cấu trúc profile tổng quát của từng miền ứng dụng, chẳng hạn: cấu trúc profile cho hệ thống tư vấn thông tin được đề xuất bởi Montainer [15], cấu trúc profile cho hệ thống e- 10 Learning được đề xuất bởi Brusilouvsky [6] và cấu trúc profile cho hệ thống e- Learning được đề xuất bởi Lê Đức Long [8]. Khởi tạo profile cho người sử dụng Đây thuộc về dạng bài toán ‘cold-start problem’ (dạng bài toán có khởi đầu khó khăn) đã được đề cập trong [11], [12]. Trong giai đoạn đầu, hệ thống còn thiếu thông tin để khởi tạo profile, thậm chí có khi phải khởi tạo profile rỗng. Do vậy, chất lượng của profile đầu tiên thường chưa được tốt và ảnh hưởng đến chất lượng tư vấn, phục vụ của hệ thống. Một số giải pháp cho vấn đề này cũng được đề cập đến trong [16] và [17]. Cập nhật Profile Sau khi hoạt động được một thời gian, profile cần phải được cập nhật lại để đảm bảo các thông tin về đặc trưng của người dùng luôn mới, phản ánh đúng thực tại. Việc cập nhật này được thực hiện dựa trên quá trình người dùng tương tác với hệ thống. Có hai loại cập nhập là cập nhật tường minh và cập nhật ngầm. Cập nhật tường minh nghĩa là hệ thống hỏi trực tiếp và yêu cầu người dùng điều chỉnh các thông tin thay đổi. Cập nhật ngầm nghĩa là hệ thống tự động ghi nhận những sự thay đổi thông qua quá trình quan sát người dùng tương tác với hệ thống. Việc cập nhật profile là chìa khóa quan trọng giúp cho hệ thống luôn có được thông tin mới và chính xác của người dùng vì những đặc trưng của người dùng thường xuyên thay đổi (như các đặc trưng về sở thích, mục tiêu,…) Trên cơ sở đó, giúp cho hệ thống cung cấp thông tin và dịch vụ phù hợp hơn. Các kỹ thuật cập nhật profile được trình bày chi tiết trong [14], [15]. 11 Mục tiêu đề tài Trong những vấn đề liên quan đến profile được nêu trên, luận văn tập trung vào vấn đề thứ nhất: nghiên cứu xây dựng mô hình đặc trưng người dùng ( hay nói cách khác là cấu trúc profile). Tính đến thời điểm hiện nay, đã có nhiều cấu trúc profile tổng quát được đề xuất cho những miền ứng dụng cụ thể. Tuy vậy, trong một ứng dụng cụ thể nếu áp dụng máy móc cấu trúc profile tổng quát của miền tương ứng sẽ không tránh khỏi tình trạng có những đặc trưng không cần thiết. Việc lưu trữ, xử lý các thông tin dư thừa làm hao tốn tài nguyên hệ thống trong quá trình hỗ trợ thích nghi người dùng. Hiện nay, vẫn chưa có nghiên cứu nào đề cập đến các phương pháp chọn ra những thuộc tính hữu ích nhất, ngoài kinh nghiệm của các chuyên gia. Các thuộc tính còn được chọn theo kinh nghiệm nên còn mang tính chủ quan cao. Do vậy, bài toán đặt ra là cần tinh chỉnh cấu trúc tổng quát để tạo ra cấu trúc profile mới phù hợp với những hệ thống cụ thể. Công việc này cần được khảo sát và nghiên cứu một cách khách quan vì nếu chỉ dựa vào kinh nghiệm thì cấu trúc profile vẫn không thuyết phục về tính hiệu quả. Đề tài nhằm hướng đến việc hỗ trợ cho người phát triển hệ thống chọn được những đặc trưng hữu ích trong profile tổng quát. Cụ thể là sẽ tập trung nghiên cứu đề xuất những tiêu chí để đánh giá chất lượng của các đặc trưng nhằm lọc ra được những đặc trưng thật sự hữu ích, cần thiết cho một ứng dụng cụ thể, qua đó giúp xây dựng mô hình profile tốt hơn, tinh gọn hơn. Phần tiếp theo của luận văn gồm các chương sau: chương 2 phân tích hiện trạng nghiên cứu, chương 3 phát biểu bài toán, chương 4 cách tiếp cận giải quyết bài toán, chương 5 thực nghiệm giải pháp đề xuất trên các ứng dụng cụ thể và chương 6 là kết luận và xác định hướng nghiên cứu trong tương lai. 12 Chương 2. Hiện trạng nghiên cứu Trong phần này, chúng tôi sẽ giới thiệu một số cấu trúc profile tổng quát và phân tích thực trạng về các cách tiếp cận liên quan đến việc chọn đặc trưng đã được nghiên cứu. Qua một số mô hình profile tổng quát chúng ta thấy được nhu cầu tinh chỉnh tập đặc trưng và nhu cầu về phương pháp để chọn đặc trưng. 2.1. Cấu trúc profile Nhiều mô hình về cấu trúc profile đã được nghiên cứu và phát triển trong một thời gian dài. Trong phạm vi luận văn, chúng tôi giới thiệu những mô hình profile được đề xuất trong [6], [8] và [14] cho các miền ứng dụng khác nhau. 2.1.1. Cấu trúc profile cho hệ thống tư vấn thông tin (Recommender System) của Montainer Theo [14], Montainer xem profile như là sự đánh giá trong quá khứ (kinh nghiệm) của user về đối tượng mà user quan tâm (item). Tùy trường hợp, item có thể là món hàng, tài liệu, tài nguyên, thông tin,…. Profile được chia thành 2 phần: một tập các đặc trưng mục tiêu mô tả item và một tập các đặc trưng về sở thích mô tả sự quan tâm, sự đánh giá của user đối với các item đó. Ví dụ trong lĩnh vực nhà hàng, tập các đặc trưng về item là {tên nhà hàng, địa chỉ, cách nấu nướng, giá cả, số chỗ, máy điều hòa,…} và tập các đặc trưng về sở thích của user đối với nhà hàng là {đánh giá chung, sự tương xứng giữa giá cả và chất lượng, số lượng món ăn, lượng người vào website của nhà hàng, …} 13 Những website bán hàng trực tuyến nổi tiếng đã ứng dụng profile nhằm giúp hệ thống tư vấn tốt như: Hệ thống tư vấn sách Amazon.com, Hệ thống tư vấn album nhạc CDNOW, Hệ thống tư vấn mua sắm qua mạng eBay, Hệ thống tư vấn mua sắm quần áo Levis, Hệ thống tư vấn phim ảnh Moviefinder.com, Hệ thống tư vấn phim ảnh Reel.com,… Nếu bạn đã từng vào các website này để chọn mua hàng và đã cung cấp email liên lạc, thì về sau bạn sẽ nhận được những lời quảng cáo về các món hàng mới phù hợp với sở thích của bạn và có những nét giống với các món hàng bạn đã mua. 2.1.2. Cấu trúc profile cho hệ thống đào tạo trực tuyến (e-Learning System) của Brusilouvsky Lĩnh vực e-Learning lấy vai trò của người học làm trọng tâm và việc tự học của người học quyết định lớn đến chất lượng đào tạo. Khác với hình thức giáo dục cổ điển với bảng đen, phấn trắng và người Thầy luôn bên cạnh học trò, hệ thống e- Learning đôi khi khiến người học cảm thấy bơ vơ, mất phương hướng. Do vậy, việc tư vấn của hệ thống là rất cần thiết. Và để thực hiện được việc tư vấn tốt cho từng người học, hệ thống e-Learning cần phải biết rõ đặc trưng riêng của từng người học, đó chính là nhu cầu cần thiết về profile trong e-Learning. User profile trong lĩnh vực e-learning được gọi là learner profile. Theo [6], cấu trúc learner profile gồm các nhóm đặc trưng về kiến thức (knowledge), sở thích (interests), mục tiêu (goals), kiến thức nền (background) và những nét tiêu biểu của người dùng (individual traits). Kiến thức (Knowledge) là kiến thức của người học về chủ đề đang học. Đây là thành phần quan trọng nhất của learner profile và kiến thức có thể thay đổi theo 14 chiều hướng tăng (tiếp thu) hoặc giảm (quên) khi chuyển từ bài này này bài khác hoặc trong cùng một môn học. Sở thích/ mối quan tâm (Interests) được xem như là thành phần quan trọng của profile trong các hệ thống tìm kiếm thông tin, tinh lọc thông tin. Trái lại, trong các hệ AHS thời điểm đầu thường không chú trọng vào thành phần này mà chỉ quan tâm đến mục đích học tập. Tuy nhiên, khoảng vài năm gần đây, thành phần này được chú trọng nhiều hơn và có khả năng cạnh tranh với thành phần knowledge để trở thành đặc trưng quan trọng nhất. Mục đích (Goals/tasks) thể hiện mục đích tức thời của người dùng cho một tác vụ trong hệ thống thích nghi. Cụ thể là thể hiện những gì mà người dùng mong muốn đạt được. Tùy thuộc loại hệ thống, mục đích có thể là mục tiêu của công việc (trong hệ thống ứng dụng), nhu cầu thông tin tức thời (trong hệ thống tìm kiếm thông tin), mục tiêu học tập (trong hệ thống đào tạo)…Mục đích là đặc trưng dễ thay đổi nhất. Đặc trưng này luôn luôn thay đổi từ nội dung này sang nội dung khác (from section to section) và thậm chí thay đổi vài lần trong một nội dung học. Kiến thức nền (background) là tên gọi chung của một tập hợp những đặc trưng liên quan đến kinh nghiệm trước đây của người dùng và những đối tượng liên quan. Thành phần này trong các hệ thống web thích nghi (adaptive web system) thường gồm: nghề nghiệp, trách nhiệm công việc, kinh nghiệm làm việc trong lĩnh vực có liên quan và thậm chí là quan điểm cụ thể trong phạm vi công tác. Thành phần này thường là cố định trong suốt quá trình làm việc với hệ thống và cũng khó suy ra bằng cách quan sát quá trình người dùng tương tác với hệ thống. Nét riêng (Individual traits) là tên gọi chung của những đặc trưng giúp hình dung ra từng cá thể. Ví dụ đặc trưng về nhân cách (hướng nội/hướng ngoại), cách 15 nhận thức, cách học,…Đây là đặc trưng tĩnh, nghĩa là không thay đổi sau một khoảng thời gian dài và thậm chí không bao giờ thay đổi. Khác với background, đặc trưng này có thể thu được qua những bài kiểm tra về tâm lý được thiết kế riêng. 2.1.3. Cấu trúc profile cho hệ thống đào tạo trực tuyến (e-Learning System) của nhóm Lê Đức Long và cộng sự Đây là mô hình mở rộng của mô hình profile do Brusilouvsky đề xuất. Nhóm nghiên cứu của Lê Đức Long và cộng sự dựa trên kinh nghiệm của các chuyên gia sư phạm, các chuyên gia tâm lý đã đề xuất một cấu trúc chung cho learner profile ứng dụng trong hệ thống đào tạo trực tuyến thích nghi (Adaptive e-Learning System – AeLS), gồm 4 nhóm đặc trưng chính: demograp