NGHIÊN CỨU XÂY DỰNG MÔ HÌNH DỰ BÁO NGUỒN NHÂN LỰC THUYỀN VIÊN XUẤT KHẨU VIỆT NAM
Khoa học Hàng hải
Luận án "Nghiên cứu xây dựng mô hình dự báo nguồn nhân lực thuyền viên xuất khẩu Việt Nam" giải quyết tính cấp thiết của việc dự báo nguồn nhân lực thuyền viên xuất khẩu (NNLTVXK) tại Việt Nam. Hiện tại, các dự báo thường mang tính cảm tính, thiếu cơ sở khoa học, trong khi nhu cầu về thông tin chính xác để hoạch định chính sách, chiến lược phát triển NNLTVXK bền vững ngày càng cao. Luận án đặt mục tiêu xây dựng một mô hình dự báo NNLTVXK dựa trên lý luận khoa học và thực tiễn, ứng dụng kỹ thuật khai phá dữ liệu và máy học.
Đối tượng nghiên cứu là mô hình dự báo NNLTVXK cho Việt Nam, với phạm vi nghiên cứu tập trung vào cơ sở khoa học, thực tiễn, khái niệm thuyền viên xuất khẩu, đề xuất mô hình và phần mềm dự báo. Dữ liệu sử dụng chủ yếu từ năm 2005 đến 2018. Các phương pháp nghiên cứu bao gồm duy vật lịch sử, duy vật biện chứng, thống kê, tổng hợp dữ liệu, mô hình toán học, so sánh, chuyên gia và khảo sát.
Luận án có ý nghĩa khoa học trong việc hệ thống hóa cơ sở lý luận, làm rõ khái niệm, phân tích xu hướng thị trường và lựa chọn mô hình toán học (kỹ thuật khai phá dữ liệu, máy học, phân lớp dữ liệu TVXK). Về mặt thực tiễn, luận án cung cấp một công cụ khoa học, linh hoạt, khả thi và ổn định, hỗ trợ ra quyết định, xây dựng chính sách, định hướng thị trường và kế hoạch đào tạo. Đóng góp nổi bật là xây dựng khái niệm NNLTVXK, phân tích các yếu tố tác động, xây dựng bộ tiêu chí và thang đánh giá chất lượng thuyền viên, đề xuất mô hình dự báo sử dụng kỹ thuật khai phá dữ liệu (thuật toán C4.5) và phát triển phần mềm minh họa.
Kết quả kiểm tra độ chính xác của mô hình cho thấy khả năng phân lớp đạt 84,5% cho dữ liệu chung Việt Nam và 93,56% cho từng doanh nghiệp xuất khẩu thuyền viên, khẳng định tính tin cậy. Luận án kiến nghị xây dựng hệ thống thông tin dữ liệu thuyền viên thống nhất, tăng cường phối hợp và nâng cao năng lực cho đội ngũ làm công tác dự báo. Hướng phát triển tiếp theo là nâng cấp mô hình thành hệ hỗ trợ ra quyết định hoàn chỉnh và bổ sung dữ liệu để tăng độ chính xác.