Tên luận án:
XÂY DỰNG MÔ HÌNH TÌM KIẾM VÀ GỢI Ý TÀI NGUYÊN HỌC TẬP
Ngành:
Hệ thống thông tin (Mã ngành: 62 48 01 04)
Tóm tắt nội dung tài liệu:
Luận án này tập trung giải quyết nhu cầu ngày càng tăng về các phương pháp tìm kiếm và gợi ý tài nguyên học tập hiệu quả trong bối cảnh giáo dục mở và học trực tuyến phát triển mạnh mẽ. Nghiên cứu chỉ ra những thách thức hiện hữu như xử lý tài nguyên dạng phi cấu trúc, sự đa dạng của các lĩnh vực tài nguyên, yêu cầu về tìm kiếm ngữ nghĩa, và nhu cầu cá nhân hóa gợi ý.
Mục tiêu tổng quát của luận án là đề xuất các mô hình tìm kiếm và gợi ý tài nguyên học tập nhằm đáp ứng tốt hơn nhu cầu của người học, góp phần nâng cao hiệu quả học tập. Các mục tiêu cụ thể bao gồm: (1) Nghiên cứu và xây dựng mô hình tìm kiếm tài nguyên học tập có tính đến yếu tố ngữ nghĩa để tăng cường hiệu quả tìm kiếm; (2) Phát triển các mô hình dự đoán kết quả học tập và gợi ý tài nguyên học tập phù hợp với từng cá nhân người học.
Nghiên cứu tập trung vào tài nguyên học tập dạng văn bản và sử dụng phương pháp tổng hợp, phân tích các nghiên cứu liên quan để đề xuất các mô hình và phương pháp tiếp cận mới. Các đóng góp chính của luận án bao gồm:
- Đề xuất cách tiếp cận phân loại tài nguyên học tập sử dụng kỹ thuật học sâu với mạng nơ-ron truyền thẳng đa tầng (MLP), cho thấy hiệu suất vượt trội so với các kỹ thuật học máy truyền thống.
- Đưa ra hai cách tiếp cận tìm kiếm tài nguyên học tập: dựa trên độ tương đồng nội dung văn bản và dựa trên mạng ngữ nghĩa ontology, với các giải pháp tiền xử lý và phân loại truy vấn để thu hẹp không gian tìm kiếm.
- Phát triển các mô hình dự đoán kết quả học tập dựa trên kỹ thuật học sâu, bao gồm mạng nơ-ron tích chập (CNN) cho toàn bộ dữ liệu sinh viên, MLP và rừng ngẫu nhiên (RF) cho nhóm năng lực, và mạng bộ nhớ ngắn dài hạn (LSTM) cho từng sinh viên, cho kết quả dự đoán khả quan.
- Đề xuất mô hình phân rã ma trận sâu (DMF) để gợi ý tài nguyên học tập, được mở rộng từ kỹ thuật phân rã ma trận chuẩn (MF) và chứng minh hiệu suất dự đoán xếp hạng tốt hơn so với các phương pháp gợi ý khác.
Các mô hình và kỹ thuật được đề xuất trong luận án có tiềm năng ứng dụng thực tiễn trong việc xây dựng các hệ thống quản lý tài nguyên học tập hiệu quả.
Mục lục chi tiết:
- Chương 1: Giới thiệu
- Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan đến phân loại tài liệu, vấn đề tìm kiếm tài liệu, dự đoán xếp hạng và gợi ý.
- Chương 3: Đề xuất mô hình phân loại tài nguyên học tập sử dụng kỹ thuật học sâu.
- Chương 4: Đề xuất các mô hình tìm kiếm tài nguyên học tập dựa trên độ tương đồng văn bản và tìm kiếm dựa trên mạng ngữ nghĩa.
- Chương 5: Đề xuất các mô hình dự đoán kết quả học tập dựa trên toàn bộ dữ liệu sinh viên, theo nhóm năng lực học tập và theo từng sinh viên sử dụng các kỹ thuật học sâu.
- Chương 6: Đề xuất mô hình gợi ý tài nguyên học tập với kỹ thuật phân rã ma trận sâu, được so sánh với các phương pháp khác trong hệ thống gợi ý.
- Chương 7: Trình bày tóm tắt các kết quả cũng như những hạn chế và hướng nghiên cứu tiếp theo của luận án.