Đánh giá các phương pháp xây dựng cộng đồng người học trên hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến

Huy Bùi Xuân; Tế Nguyễn An; Minh Trần Thị Song

doi:10.24311/jabes/2023.34.5.5

Các tác giả

Bùi Xuân Huy Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả
Nguyễn An Tế Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả
Trần Thị Song Minh Trường Đại học Kinh Tế Quốc Dân Tác giả

DOI:

https://doi.org/10.24311/jabes/2023.34.5.5

Từ khóa:

Đào tạo trực tuyến, Hệ thống tư vấn, Hồ sơ người học, Cộng đồng người học

Tóm tắt

Đào tạo trực tuyến đang phát triển mạnh mẽ nhưng cũng khiến người học dễ bị lạc lõng, mất phương hướng trong môi trường học tập ảo rộng lớn vì không được tiếp xúc với giảng viên và bạn đồng học cụ thể. Từ đó dẫn đến tình trạng người học bị suy giảm động lực học tập. Vì vậy, nhu cầu phát triển các hệ thống tư vấn để giải quyết vấn đề quá tải thông tin, giúp cho người học dễ dàng truy cập chính xác, kịp thời những tài nguyên, dịch vụ mình quan tâm. Nguyên tắc của hệ tư vấn học tập là dựa trên cộng đồng những người học có đặc trưng tương tự và đạt kết quả học tập tốt để đưa ra tư vấn phù hợp cho một người học cụ thể trong các vấn đề cần ra quyết định như chọn cách thức học tập, tài nguyên học tập, nhóm học tập, đăng ký môn học. Mức độ chính xác của việc xây dựng cộng đồng người học sẽ ảnh hưởng đến chất lượng tư vấn. Nội dung của bài báo này sẽ trình bày về các phương pháp xây dựng cộng đồng người học trên hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến cũng như vấn đề đánh giá hiệu quả của các phương pháp.

Tài liệu tham khảo

Ali, H. A., Mohamed, C., Abdelhamid, B., & El Alami, T. (2021). A course recommendation system for MOOCs based on online learning. Paper presented at the 2021 XI International Conference on Virtual Campus (JICV), Salamanca, Spain.

Brusilovsky, P., & Millán, E. (2007). User models for adaptive hypermedia and adaptive educational systems. In Brusilovsky, P., Kobsa, A., Nejdl, W. (eds), The Adaptive Web. Lecture Notes in Computer Science (pp. 3–53). Berlin, Heidelberg: Springer.

Bùi Xuân Huy, Nguyễn An Tế, & Trần Thị Song Minh. (2020). Mô hình tư vấn học tập trong đào tạo trực tuyến dựa trên cộng đồng người học đa tiêu chí. Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á, 31(11), 21–35.

Bùi Xuân Huy, Nguyễn An Tế, & Trần Thị Song Minh. (2021). Phát triển mô hình tư vấn học tập trong đào tạo trực tuyến dựa trên cộng đồng người học đa tiêu chí. Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á, 32(7), 45–64.

Geng, L. (2022). The recommendation system of innovation and entrepreneurship education resources in universities based on improved collaborative filtering model. Computational Intelligence Neuroscience, 2022. doi: 10.1155/2022/7228833

JothiPrabha, A., Bhargavi, R., & Rani, B. D. (2023). Prediction of dyslexia severity levels from fixation and saccadic eye movement using machine learning. Biomedical Signal Processing Control, 79(1), 104094.

Joy, J., Raj, N. S., & Renumol, V. G. (2021). Ontology-based E-learning content recommender system for addressing the pure cold-start problem. ACM Journal of Data Information Quality, 13(3),

1–27.

Kaufman, L., & Rousseeuw, P. J. (2009). Finding Groups in Data: An Introduction to Cluster Analysis. New Jersey: John Wiley & Sons.

Morsomme, R., & Alferez, S. V. (2019). Content-based course recommender system for liberal arts education. Proceedings of The 12th International Conference on Educational Data Mining (EDM 2019), July 2–5, 2019, Montréal, Canada.

Rodrigues, H., Almeida, F., Figueiredo, V., & Lopes, S. L. (2019). Tracking e-learning through published papers: A systematic review. Computers & Education, 136, 87–98.

Valverde-Berrocoso, J., Garrido-Arroyo, M. d. C., Burgos-Videla, C., & Morales-Cevallos, M. B. J. S. (2020). Trends in educational research about e-learning: A systematic literature review (2009–2018). Sustainability, 12(12), 5153.

van der Aalst, W. (2011). Process Mining: Discovery, Conformance and Enhancement of Business Processes. Berlin: Springer.

Wu, Y. H., & Wu, E. H. (2020). AI-based college course selection recommendation system: Performance prediction and curriculum suggestion. Paper presented at The 2020 International Symposium on Computer, Consumer and Control (IS3C), 13–16 November, 2020, Taichung City, Taiwan.

Yassine, A., Mohamed, L., & Al Achhab, M. (2021). Intelligent recommender system based on unsupervised machine learning and demographic attributes. Simulation Modelling Practice Theory, 107, 102198.

Zhu, X., & Li, L. (2023). Estimating the number of clusters in high-dimensional large datasets. International Journal of Data Warehousing Mining, 19(2), 1–14.