Mô hình máy học TOPSIS – AHP– Kansei nâng cao hiệu quả đánh giá khóa học tại Trường Đại học Kinh tế TP. Hồ Chí Minh

Phương Trương Việt; Hà Trần Thị Thu; Đạt Nguyễn Tiến

doi:10.24311/jabes/2023.34.5.7

Các tác giả

Trương Việt Phương Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả
Trần Thị Thu Hà Trường Đại học Kinh Tế Quốc Dân Tác giả
Nguyễn Tiến Đạt Tác giả

DOI:

https://doi.org/10.24311/jabes/2023.34.5.7

Từ khóa:

Hỗ trợ ra quyết định, TOPSIS – AHP – Kansei, Đánh giá khóa học

Tóm tắt

Việc đánh giá chất lượng các khóa học tại các trường đại học đóng vai trò quan trọng trong đảm bảo chất lượng giáo dục. Công việc này liên quan đến tìm hiểu mong muốn và mục tiêu của sinh viên, vấn đề họ đang gặp phải và đưa ra lời khuyên phù hợp. Đánh giá khóa học dựa trên các phương pháp truyền thống sẽ không thể áp dụng cho các tiêu chí có mức độ quan trọng khác nhau. Bài báo này sẽ trình bày một cách tiếp cận mới sử dụng mô hình máy học TOPSIS – AHP và Kansei để nâng cao hiệu quả đánh giá chất lượng khóa học. Trong đó, mô hình TOPSIS – AHP nhằm đánh giá khóa học được lượng hóa bằng cả yếu tố định tính và định lượng kết hợp đề xuất mô hình Kansei được áp dụng để định lượng mức độ đánh giá của sinh viên cho từng khoa thuộc các trường đại học. Mô hình máy học TOPSIS – AHP – Kansei được triển khai tại Trường Đại học Kinh tế TP. Hồ Chí Minh cho kết quả thực nghiệm cải tiến hơn so với phương pháp truyền thống đã có, góp phần giúp sinh viên lựa chọn được các khóa học thuận lợi, giúp cho nhà quản lý ra quyết định kịp thời với nhiều mục tiêu theo các tiêu chí khác nhau.

Tài liệu tham khảo

Akoka, & Jacky. (1981). A framework for decision support systems evaluation. Journal Information Management, 4(3), 133–141.

Chang, D.-Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95(3), 649–655. doi: 10.1016/0377-2217(95)00300-2

Hwang, C.-L., & Yoon, K. (1981). Methods for Multiple Attribute Decision Making. In Multiple Attribute Decision Making: Methods and Applications A State-of-the-Art Survey (pp. 58–191). Berlin: Springer Berlin Heidelberg.

Kaynak, S., Altuntas, S., & Dereli, T. (2017). Comparing the innovation performance of EU candidate countries: An entropy-based TOPSIS approach. Economic Research-Ekonomska Istraživanja, 30(1), 31–54. doi: 10.1080/1331677X.2016.1265895

Ksenija, M., Boris, D., Snežana, K., & Sladjana, B. (2017). Analysis of the efficiency of insurance companies in Serbia using the fuzzy AHP and TOPSIS methods. Economic Research-Ekonomska Istraživanja, 30(1), 550–565. doi: 10.1080/1331677X.2017.1305786

Kumar, A., Baldea, M., Edgar, T. F., & Ezekoye, O. A. (2015). Smart manufacturing approach for efficient operation of industrial steam-methane reformers. Industrial & Engineering Chemistry Research, 54(16), 4360–4370. doi: 10.1021/ie504087z

Li, S.-T. T., Klein, M. D., Balmer, D. F., & Gusic, M. E. J. A. P. (2020). Scholarly evaluation of curricula and educational programs: Using a systematic approach to produce publishable scholarship. Academic Pediatrics, 20(8), 1083–1093.

Li, X., Su, J., Zhang, Z., & Bai, R. (2021). Product innovation concept generation based on deep learning and Kansei engineering. Journal of Engineering Design, 32(10), 559–589. doi: 10.1080/09544828.2021.1928023

Lin, C., & Kou, G. (2021). A heuristic method to rank the alternatives in the AHP synthesis. Journal Applied Soft Computing, 100, 106916. doi: 10.1016/j.asoc.2020.106916

Marković, L., Marković, L. M., Mitrović, S., & Stanarević, S. (2017). Vrednovanje varijantnih rešenja trase autoputa E-763 Beograd - Južni Jadran: studija slučaja u Srbiji. Journal Tehnički vjesnik – Technical Gazette, 24, 1951–1958.

Oliva, G., Setola, R., & Scala, A. (2017). Sparse and distributed Analytic Hierarchy Process. Journal Automatica, 85, 211–220. doi: 10.1016/j.automatica.2017.07.051

Popkova, E. G., Ragulina, Y. V., & Bogoviz, A. V. (2019). Industry 4.0: Industrial Revolution of the 21st Century (Vol. 169). Springer.

Rădulescu, C. Z., & Rădulescu, I. C. (2017). An extended TOPSIS approach for ranking cloud service providers. Journal Studies in Informatics Control, 26(2), 183–192.

Saaty, T. L. (1984). The Analytic Hierarchy Process: Decision Making in Complex Environments. In R. Avenhaus & R. K. Huber (Eds.), Quantitative Assessment in Arms Control: Mathematical Modeling and Simulation in the Analysis of Arms Control Problems (pp. 285–308). Boston, MA: Springer US.

Seyedmohammadi, J., Sarmadian, F., Jafarzadeh, A. A., Ghorbani, M. A., & Shahbazi, F. (2018). Application of SAW, TOPSIS and fuzzy TOPSIS models in cultivation priority planning for maize, rapeseed and soybean crops. Journal Geoderma, 310, 178–190. doi: 10.1016/j.geoderma.2017.09.012

Somasundaram, M., Junaid, K. M., & Mangadu, S. (2020). Artificial intelligence (AI) enabled intelligent quality management system (IQMS) for personalized learning path. Procedia Computer Science, 172, 438–442.

Vavrek, R., & Bečica, J. (2020). Population size and transport company efficiency – Evidence from Czech Republic. Transportation Research Interdisciplinary Perspectives, 6, 100145. doi: 10.1016/j.trip.2020.100145

Yin, J., Yang, X., Zheng, X., & Jiao, N. (2017). Analysis of the investment security of the accommodation industry for countries along the B&R: An empirical study based on panel data. Tourism Economics, 23(7), 1437–1450. doi: 10.1177/1354816617698523