Đang tạo bản xem trước...
BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI BÙI VĂN BẮC ỨNG DỤNG TRÍ TUỆ NHÂN TẠO GIẢI THÍCH (XAI) TRONG DỰ BÁO KẾT QUẢ HỌC TẬP VÀ PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG CỦA HỌC SINH LỚP 9 TẠI HÀ NỘI ĐỀ ÁN TỐT NGHIỆP THẠC SĨ HỆ THỐNG THÔNG TIN Hà Nội - 2025
BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI BÙI VĂN BẮC ỨNG DỤNG TRÍ TUỆ NHÂN TẠO GIẢI THÍCH (XAI) TRONG DỰ BÁO KẾT QUẢ HỌC TẬP VÀ PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG CỦA HỌC SINH LỚP 9 TẠI HÀ NỘI Ngành Hệ Thống Thông Tin Mã số: 8480104 ĐỀ ÁN TỐT NGHIỆP THẠC SĨ HỆ THỐNG THÔNG TIN NGƯỚI HƯỚNG DẪN: PGS.TS Nguyễn Thị Kim Sơn Hà Nội - 2025
i LỜI CAM ĐOAN Tôi xin cam đoan đề án này là công trình nghiên cứu của riêng tôi và những nội dung được trình bày trong đề án này là hoàn toàn trung thực. Những nội dung trình bày trong đề án này do tôi tìm hiểu, nghiên cứu và trình bày dưới sự hướng dẫn của PGS.TS Nguyễn Thị Kim Sơn. Những số liệu, bảng biểu phục vụ cho việc phân tích và dẫn dắt được thu thập từ các nguồn tài liệu khác nhau được ghi chú trong mục tài liệu tham khảo hoặc chú thích ngay bên dưới các bảng biểu. Ngoài ra, đối với các tài liệu diễn giải để làm rõ thêm các luận điểm đã phân tích và trích dẫn trong phần phụ lục cũng được chú thích nguồn gốc dữ liệu. Hà Nội, ngày… tháng…năm 2026 Học viên thực hiện Bùi Văn Bắc
ii MỤC LỤC LỜI CAM ĐOAN................................................................................................i MỤC LỤC ................................................................................................. ii DANH MỤC CÁC HÌNH ẢNH .......................................................................vi DANH MỤC BẢNG BIỂU............................................................................. vii DANH MỤC CÁC TỪ VIẾT TẮT................................................................ viii MỞ ĐẦU ..................................................................................................1 1.1 LÝ DO CHỌN ĐỀ TÀI ...........................................................................1 1.2 TỔNG QUAN NGHIÊN CỨU ................................................................3 1.3 MỤC TIÊU CỦA ĐỀ TÀI .......................................................................5 1.4 NỘI DUNG NGHIÊN CỨU ....................................................................6 1.5 PHƯƠNG PHÁP NGHIÊN CỨU............................................................6 1.6 CẤU TRÚC ĐỀ ÁN ................................................................................9 CHƯƠNG 1.TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU GIÁO DỤC ............11 1.1. TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU GIÁO DỤC VÀ HỌC MÁY TRONG DỰ BÁO HỌC TẬP.............................................................11 1.1.1 Khái niệm khai phá dữ liệu.............................................................11 1.1.2 Khái niệm về học máy ....................................................................12 1.1.3 Khai phá dữ liệu giáo dục ...............................................................13 1.1.4 Học máy trong dự báo học tập........................................................17 1.2. KHÁI QUÁT VỀ TRÍ TUỆ NHÂN TẠO GIẢI THÍCH (XAI) VÀ CÁC PHƯƠNG PHÁP PHỔ BIẾN .............................................................18 1.2.1 Phương pháp SHAP........................................................................22 1.2.2 Phương Pháp LIME........................................................................28 1.2.3 So sánh ưu nhược điểm của SHAP và LIME .................................35 1.3. CÁC NGHIÊN CỨU LIÊN QUAN TRONG VÀ NGOÀI NƯỚC....36
iii 1.3.1 Các nghiên cứu trong nước.............................................................36 1.3.2 Các nghiên cứu trên thế giới...........................................................37 1.4 THỰC TIỄN GIÁO DỤC THCS TẠI HÀ NỘI VÀ VẤN ĐỀ DỰ BÁO KẾT QUẢ HỌC TẬP .........................................................................38 1.4.1 Thực trạng.......................................................................................38 1.4.2 Bài toán dự báo kết quả học tập......................................................39 1.5 TIỂU KẾT CHƯƠNG 1 ........................................................................41 CHƯƠNG 2.MÔ HÌNH HỌC MÁY DỰ BÁO KẾT QUẢ HỌC TẬP..........42 2.1. ĐẶC ĐIỂM VÀ NGUỒN DỮ LIỆU HỌC SINH LỚP 9 TẠI HÀ NỘI .............................................................................................................42 2.1.1 Đặc điểm đối tượng ........................................................................42 2.1.2 Nguồn dữ liệu thu thập ...................................................................43 2.2. TIỀN XỬ LÝ VÀ LỰA CHỌN ĐẶC TRƯNG DỮ LIỆU..................43 2.2.1 Tiền xử lý dữ liệu............................................................................43 2.2.2 Đặc trưng dữ liệu ............................................................................50 2.3. MỘT SỐ MÔ HÌNH HỌC MÁY DỰ BÁO KẾT QUẢ HỌC TẬP ....51 2.3.1 Decision Tree ..................................................................................52 2.3.2 Random Forest ................................................................................53 2.3.3 Support Vector Machine .................................................................54 2.3.4 K Nearest Neighbors.......................................................................55 2.4 ỨNG DỤNG XAI ĐỂ PHÂN TÍCH VÀ GIẢI THÍCH CÁC YẾU TỐ ẢNH HƯỞNG.....................................................................................56 2.4.1 Phân tích tổng thể mô hình bằng SHAP .........................................56 2.4.2 Giải thích cục bộ từng học sinh bằng LIME...................................57 2.4.3 Giá trị giải thích mô hình của XAI.................................................57 2.5. PHƯƠNG PHÁP ĐÁNH GIÁ MÔ HÌNH ...........................................58
iv 2.6. TIỂU KẾT CHƯƠNG 2 .......................................................................60 CHƯƠNG 3.THỰC NGHIỆM MÔ HÌNH DỰ BÁO KẾT QUẢ HỌC TẬP.61 3.1. THIẾT LẬP THỰC NGHIỆM .............................................................61 3.1.1. Môi trường thực nghiệm................................................................61 3.1.2. Các thư viện và công cụ sử dụng...................................................63 3.1.3. Nguồn dữ liệu và cách nạp dữ liệu trên Google Colab..................64 3.1.4. Phương pháp chia dữ liệu và xác thực mô hình ............................65 3.1.5. Các mô hình được sử dụng trong thực nghiệm .............................67 3.2. KẾT QUẢ DỰ BÁO VÀ PHÂN TÍCH HIỆU NĂNG MÔ HÌNH ......69 3.2.1. Kết quả...........................................................................................69 3.2.2 Phân tích hiệu năng mô hình ..........................................................70 3.3. PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG BẰNG XAI...................70 3.3.1. Phân tích tổng thể các yếu tố ảnh hưởng bằng SHAP...................71 3.3.2. Phân tích cục bộ bằng SHAP cho từng học sinh ...........................72 3.3.4. So sánh với Permutation Importance.............................................75 3.3.5. Giải thích cục bộ bằng LIME ........................................................75 3.4. BÀN LUẬN, SO SÁNH VÀ ĐÁNH GIÁ MÔ HÌNH .........................77 3.4.1. Bàn luận về kết quả thực nghiệm ..................................................77 3.4.2. So sánh với các nghiên cứu trong nước.........................................77 3.4.3. So sánh với các nghiên cứu quốc tế...............................................78 3.4.4. Đóng góp và điểm khác biệt của nghiên cứu.................................78 3.4.5. Hạn chế của nghiên cứu.................................................................78 3.5. ĐỀ XUẤT ỨNG DỤNG TRONG TƯ VẤN HỌC TẬP VÀ QUẢN LÝ GIÁO DỤC TẠI HÀ NỘI...................................................................79 3.5.1. Hỗ trợ giáo viên trong tư vấn và theo dõi học sinh .......................79 3.5.2. Hỗ trợ nhà trường trong quản lý và ra quyết định .........................79
v 3.5.3. Tăng cường minh bạch và sự chấp nhận của AI trong giáo dục ...79 3.5.4. Định hướng mở rộng và phát triển trong tương lai........................80 3.6. TIỂU KẾT CHƯƠNG 3......................................................................80 KẾT LUẬN VÀ ĐỀ XUẤT.............................................................................81 1. KẾT LUẬN..............................................................................................81 2. KIẾN NGHỊ .............................................................................................82 2.1. Kiến nghị về ứng dụng thực tiễn ......................................................82 2.2. Kiến nghị về dữ liệu và hệ thống......................................................82 2.3. Kiến nghị cho nghiên cứu tiếp theo..................................................82 TÀI LIỆU THAM KHẢO ................................................................................83
vi DANH MỤC CÁC HÌNH ẢNH Hình 1.1: AI có thể giải thích- Explainable AI. ...............................................19 Hình 1.2: XAI cho phép người dùng hiểu, tin cậy và quản lý hiệu quả...........21 Hình 1.3: Logo SHAP(SHapley Additive exPlanations). ................................22 Hình 1.4: Nguyên lý hoạt động của LIME.......................................................31 Hình 2.1: Dữ liệu thông tin liên quan của học sinh..........................................45 Hình 2.2: Dữ liệu học tập, sở thích công việc của học sinh.............................45 Hình 2.3: Dữ liệu học sinh được chuẩn hóa ....................................................50 Hình 2.4: Cây quyết định (Decision Tree) .......................................................53 Hình 2.5: Sơ đồ biểu diễn thuật toán RF..........................................................54 Hình 2.6: Sơ đồ thuật toán KNN. .....................................................................55 Hình 3.1: Nền tảng Google Colaboratory (Google Colab) ..............................62 Hình 3.2: Google Colab chia sẻ notebook qua google drive............................62 Hình 3.3: Google Colab tích hợp đa nền tảng..................................................63 Hình 3.4: Thực hiện import các thư viện cần thiết cho bài toán ......................64 Hình 3.5: Vùng lưu trữ dữ liệu trên Google Drive...........................................65 Hình 3.6: Lệnh kết nối dữ liệu từ Google Colab đến Drive .............................65 Hình 3.7: Tiền xử lý dữ liệu trong Colab .........................................................66 Hình 3.8: Thực hiện chia tập Train/ Test .........................................................67 Hình 3.9: Thuật toán cây quyết định (Decision Tree)......................................67 Hình 3.10: Thuật toán RF.................................................................................68 Hình 3.11: Thuật toán SVM, KNN ..................................................................68 Hình 3.12: Thực hiện bằng TreeExplainer Shap..............................................71 Hình 3.13: Kết quả thực nghiệm TreeExplainer Shap .....................................72 Hình 3.14: Dự đoán cho 1 học sinh cụ thể .......................................................73 Hình 3.15:Giải thích cho 1 học sinh thuộc nhóm đạt.......................................73 Hình 3.16: Giải thích cho 1 học sinh thuộc nhóm chưa đạt. ............................74 Hình 3.17: Kết quả phương pháp Permutation Importance. ............................75 Hình 3.18: Kết quả LIME.................................................................................76 Hình 3.19: Biểu đồ giải thích cục bộ (Local Explanation)...............................76
vii DANH MỤC BẢNG BIỂU Bảng 1.1: So sánh ưu điểm, nhược điểm của SHAP và LIME ........................35 Bảng 2.1: Mô tả các trường dữ liệu sử dụng ....................................................49 Bảng 3.1: Kết quả đánh giá hiệu năng các mô hình........................................69
viii DANH MỤC CÁC TỪ VIẾT TẮT STT Từ viết tắt Tiếng Anh Tiếng Việt 1 AI Artificial Intelligence Trí tuệ nhân tạo 2 ML Machine Learning Học máy 3 EDM Educational Data Mining Khai phá dữ liệu giáo dục 4 XAI Explainable Artificial Intelligence Trí tuệ nhân tạo giải thích 5 RF Random Forest Rừng ngẫu nhiên 6 DT Decision Tree Cây quyết định 7 SVM Support Vector Machine Máy vector hỗ trợ 8 KNN K-Nearest Neighbors K láng giềng gần nhất 9 GB Gradient Boosting Tăng cường theo gradient 10 SHAP SHapley Additive exPlanations Giải thích cộng gộp theo giá trị Shapley 11 LIME Local Interpretable Model-agnostic Explanations Giải thích cục bộ không phụ thuộc mô hình 12 PI Permutation Importance Độ quan trọng hoán vị 13 API Application Programming Interface Giao diện lập trình ứng dụng 14 CSV Comma-Separated Values Tệp dữ liệu phân tách bằng dấu phẩy 15 THCS Secondary School Trung học cơ sở
Hiển thị 10 trang đầu. Tải tài liệu để xem đầy đủ.
Chưa có bình luận nào. Hãy là người đầu tiên!
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!