Sáng kiến kinh nghiệm THPT: Sử dụng thuật toán phân lớp cây quyết định để tư vấn định hướng nghề nghiệp cho học sinh THPT

Chia sẻ: Hương Hoa Cỏ Mới | Ngày: | Loại File: PDF | Số trang:40

Thêm vào BST

Báo xấu

24
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu nghiên cứu của sáng kiến kinh nghiệm là hệ thống hỗ trợ các em học sinh ở trường THPT Tây Hiếu có thể có những lựa chọn ngành học phù hợp với thế mạnh của bản thân khi định hướng chọn nghề.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Sáng kiến kinh nghiệm THPT: Sử dụng thuật toán phân lớp cây quyết định để tư vấn định hướng nghề nghiệp cho học sinh THPT

SÁNG KIẾN KINH NGHIỆM SỬ DỤNG THUẬT TOÁN PHÂN LỚP CÂY QUYẾT ĐỊNH ĐỂ TƯ VẤN ĐỊNH HƯỚNG NGHỀ NGHIỆP CHO HỌC SINH THPT SKKN môn: TIN HỌC Nghệ An, 2021
SỞ GD & ĐT NGHỆ AN TRƯỜNG THPT TÂY HIẾU ................... SÁNG KIẾN KINH NGHIỆM SỬ DỤNG THUẬT TOÁN PHÂN LỚP CÂY QUYẾT ĐỊNH ĐỂ TƯ VẤN ĐỊNH HƯỚNG NGHỀ NGHIỆP CHO HỌC SINH THPT SKKN môn: Tin học Người thực hiện: Trần Thị Hiền Chức vụ: Giáo viên Nghệ An, 2021
MỤC LỤC PHẦN I: MỞ ĐẦU .................................................................................................................................. 1 1. Đặt vấn đề .......................................................................................................... 1 2. Mục tiêu nghiên cứu........................................................................................... 2 3. Đối tượng và phạm vi nghiên cứu...................................................................... 2 3.1. Đối tượng nghiên cứu .................................................................................. 2 3.2. Phạm vi nghiên cứu ..................................................................................... 2 3.3. Nhiệm vụ nghiên cứu ................................................................................... 2 4. Nội dung nghiên cứu .......................................................................................... 2 5. Điểm mới của đề tài ........................................................................................... 3 PHẦN II. NỘI DUNG .......................................................................................................................... 4 CHƯƠNG I: CƠ SỞ LÍ LUẬN VÀ THỰC TIỄN CỦA ĐỀ TÀI .............................. 4 1.1. Cơ sở lí luận .................................................................................................... 4 1.1.1. Phân lớp dữ liệu ....................................................................................... 4 1.1.2. Thuật toán phân lớp cây quyết định.......................................................... 6 1.2. Cơ sở thực tiễn ................................................................................................ 9 1.2.1. Thực trạng tình hình vấn đề ...................................................................... 9 1.2.2. Biện pháp giải quyết vấn đề ...................................................................... 9 1.2.3. Hiệu quả của đề tài.................................................................................. 10 CHƯƠNG II. XÂY DỰNG HỆ THỐNG ĐỊNH HƯỚNG NGHỀ NGHIỆP SỬ DỤNG THUẬT TOÁN PHÂN LỚP CÂY QUYẾT ĐỊNH ......................................... 11 2.1. Xây dựng bộ dữ liệu...................................................................................... 11 2.2. Xác định đầu vào và đầu ra của hệ thống ..................................................... 11 2.2.1. Lựa chọn đặc trưng ................................................................................. 11 2.2.2. Xác định nhóm ngành nghề .................................................................... 11 2.2.3. Sơ đồ của hệ thống .................................................................................. 12 2.3. Mô hình phân lớp cho hệ thống định hướng nghề nghiệp ............................ 12 CHƯƠNG III. THỰC NGHIỆM SƯ PHẠM ...................................................................... 17 3.1. Môi trường thực nghiệm WEKA .................................................................. 17 3.2. Phương pháp thực nghiệm ............................................................................ 18 3.3. Kết quả thử nghiệm và đánh giá ................................................................... 22
PHẦN III. KẾT LUẬN...................................................................................................................... 29 1. Kết luận ............................................................................................................ 29 2. Kiến nghị và hướng phát triển ......................................................................... 29 TÀI LIỆU THAM KHẢO .................................................................................... 31 PHỤ LỤC A ........................................................................................................... 32
DANH MỤC CÁC TỪ VIẾT TẮT STT KÍ HIỆU NGHĨA CỦA TỪ VIẾT TẮT 1 THPT Trung học phổ thông 2 ID3 Iterative Dichotomiser 3 3 CLS Concept Learning System 4 CSDL Cơ sở dữ liệu 5 PLDL Phân lớp dữ liệu
PHẦN I: MỞ ĐẦU 1. Đặt vấn đề Chọn nghề cho bản thân là một trong những nhiệm vụ quan trọng nhất trong cuộc sống của mỗi người. Chọn một nghề phù hợp có nghĩa là mình đã chọn một con đường sự nghiệp có thể giúp bản thân đặt ra các mục tiêu chuyên nghiệp và phát triển các chiến lược để đảm bảo một tương lai an toàn. Gần đây, ngày càng có nhiều người bắt đầu đánh giá lại các quyết định nghề nghiệp của mình và thay đổi nghề nghiệp ở giai đoạn sau trong cuộc đời. Sự lựa chọn sai nghề sẽ làm cho chất lượng đào tạo bị giảm sút, bản thân họ không phát huy được hết khả năng của mình làm lãng phí nguồn tài nguyên lao động gây lãng phí cho công tác đào tạo và đào tạo lại. Vì vậy lựa chọn lĩnh vực giáo dục phù hợp sẽ ảnh hưởng đến sự nghiệp của người đó, vì lí do này trước khi chọn con đường học vấn cao hơn người đó phải xác định con đường nghề nghiệp phù hợp với sở thích, khả năng, kỹ năng của mình để tránh được việc đầu tư nhiều công sức, tiền bạc của cá nhân, gia đình nếu thất bại trong việc chọn nghề. Việc định hướng chọn đúng ngành nghề là một việc vô cùng quan trọng và cần thiết với mỗi chúng ta và đặc biệt những em trung học phổ thông. Nó thể hiện vai trò hết sức đặc biệt bởi nghề nghiệp sẽ ảnh hưởng đến thành công hay thất bại cho chính bản thân các em sẽ giúp các em tránh khỏi những vấn đề trên. Kỹ năng, tính cách, sở thích, nền tảng giáo dục… là những yếu tố ảnh hưởng đến sự nghiệp của một con người. Mặc dù các yếu tố đó có thể thay đổi theo thời gian, do sở thích hoặc hoàn cảnh, có một mục tiêu chuyên nghiệp sẽ đóng vai trò là một hướng dẫn để đưa ra các quyết định quan trọng với sự rõ ràng hơn. Hiện nay, học sinh gặp khó khăn trong việc lựa chọn nghề nghiệp. Điều này có thể được ngăn chặn bằng cách tư vấn đúng cách cho thanh thiếu niên trước khi họ bắt đầu bước vào các cấp học sau khi tốt nghiệp THPT. Với lý do đó tôi tập trung nghiên cứu thuật toán phân lớp Cây quyết định để xây dựng mô hình định hướng chọn nghề cho học sinh THPT dựa trên dữ liệu khảo sát. Ở nghiên cứu này các đặc trưng liên quan đến kỹ năng, tính cách, sở thích, nền tảng giáo dục… là những yếu tố cơ bản để xem xét và xây dựng bộ dữ liệu. Kết quả khảo sát sẽ tập trung đến những đối tượng thuộc ngành nghề phổ biến như công an, bộ đội, y tế, giáo dục, kinh doanh, kỹ thuật,…Với cách nhìn như trên Tôi chọn đề tài “SỬ DỤNG THUẬT TOÁN PHÂN LỚP CÂY QUYẾT ĐỊNH ĐỂ TƯ VẤN ĐỊNH HƯỚNG NGHỀ NGHIỆP CHO HỌC SINH THPT” làm đề tài nghiên cứu. 1
2. Mục tiêu nghiên cứu Nghiên cứu hệ thống hỗ trợ các em học sinh ở trường THPT Tây Hiếu có thể có những lựa chọn ngành học phù hợp với thế mạnh của bản thân khi định hướng chọn nghề. 3. Đối tượng và phạm vi nghiên cứu 3.1. Đối tượng nghiên cứu - Học sinh khối 12 trường THPT Tây Hiếu năm học 2018 – 2019; 2019 – 2020 và năm học 2020 – 2021. - Dữ liệu khảo sát kết quả của các ngành nghề. - Tìm hiểu, tham khảo các tài liệu về tư vấn chọn nghề. - Nghiên cứu thuật toán phân lớp cây quyết định. - Nghiên cứu các tài liệu về cách sử dụng phần mềm WEKA. Sử dụng WEKA triển khai các kỹ lựa chọn đặc trưng trên bộ dữ liệu thử nghiệm với thuật toán phân lớp cây quyết định. 3.2. Phạm vi nghiên cứu - Phương pháp phân lớp cây quyết định. - Dữ liệu khảo sát thực tế dựa trên khả năng, sở thích, kỹ năng. - Xây dựng hệ thống tư vấn định hướng nghề nghiệp cho học sinh THPT. 3.3. Nhiệm vụ nghiên cứu - Nghiên cứu về kỹ thuật phân lớp cây quyết định. - Xác định bài toán cụ thể là xây dựng công cụ lựa chọn nghề nghiệp và chuẩn bị nguồn dữ liệu để xây dựng chương trình. - Xây dựng chương trình ứng dụng mô hình được lựa chọn để dự đoán ngành nghề của học sinh dựa vào thông tin đầu vào, từ đó thực hiện tư vấn chọn nghề cho học sinh nhằm đạt được kết quả tốt nhất. 4. Nội dung nghiên cứu - Nghiên cứu các bước trích chọn đặc trưng trong kỹ năng, sở thích,.... - Nghiên cứu các tài liệu liên quan đến thuật toán phân lớp cây quyết định. - Nghiên cứu công cụ WEKA để thử nghiệm với thuật toán phân lớp cây quyết định. 2
5. Điểm mới của đề tài - Đã có nhiều đề tài về hướng nghiệp cho học sinh, tuy nhiên ở đề tài này tính mới được thể hiện ở việc sử dụng các đặc điểm kỹ năng, tính cách, sở thích... và sử dụng thuật toán phân lớp để định hướng tư vấn nghề cho học sinh THPT. - Xây dựng mô hình định hướng chọn ngành nghề của những người đã làm việc dựa vào các đặc điểm của nghề nghiệp từ đó sử dụng các kỹ thuật phân lớp Cây quyết định. - Xây dựng chương trình ứng dụng mô hình được lựa chọn để dự đoán ngành nghề của học sinh dựa vào thông tin đầu vào là kỹ năng, năng lực và sở thích từ đó có thể thực hiện tư vấn chọn nghề cho học sinh. - Sử dụng phần mềm WEKA để phân lớp dựa vào thuật toán cây quyết định hỗ trợ tư vấn định hướng chọn nghề cho học sinh THPT. 3
PHẦN II. NỘI DUNG CHƯƠNG I: CƠ SỞ LÍ LUẬN VÀ THỰC TIỄN CỦA ĐỀ TÀI 1.1. Cơ sở lí luận 1.1.1. Phân lớp dữ liệu Trong quá trình hoạt động, con người sản sinh ra nhiều tập dữ liệu. Các tập dữ liệu được tích lũy có kích thước ngày càng lớn, và có thể chứa nhiều thông tin với những quy luật chưa được khám phá. Chính vì vậy, một nhu cầu đặt ra là cần tìm cách trích lọc từ tập dữ liệu đã có đó thành các luật. PLDL là tiến trình khám phá các luật đặc trưng hay phân loại cho các tập dữ liệu đã được xếp lớp. Tập dữ liệu học bao gồm tập các đối tượng đã được xác định lớp sẽ được sử dụng để tạo mô hình phân lớp dựa trên các đặc trưng của đối tượng trên tập dữ liệu học. Các luật phân lớp sẽ được sử dụng để xây dựng các bộ PLDL. Công nghệ PLDL đã, đang và sẽ phát triển mạnh mẽ trước những khao khát tri thức của con người, có vai trò quan trọng trong tiến trình dự đoán các khuynh hướng, quy luật phát triển cho các hoạt động thực tiễn, cũng như phục vụ đắc lực cho quá trình nghiên cứu khoa học. PLDL là một quá trình gồm: - Bước học (Xây dựng trên một mô hình phân lớp). - Bước phân lớp (mô hình vừa xây dựng được sử dụng để dự đoán nhãn cho những lớp dữ liệu nào đó) Hình 1.2 (a): Bước học/ huấn luyện trong quá trình phân lớp hai bước [7] 4
Hình 1.2 (b): Bước phân lớp trong quá trình phân lớp hai bước Ở bước học/huấn luyện, ta xây dựng mô hình phân lớp mô tả bộ xác định các lớp dữ liệu hoặc khái niệm. Ở bước này một thuật toán phân lớp xây dựng trên mô hình phân lớp bằng cách phân tích một tập huấn luyện hình thành từ bản ghi trong CSDL và các nhãn lớp liên kết giữa chúng. Mỗi bản ghi X được biểu diễn một vector thuộc tính gồm n – chiều, X=(x1, x2, …, xn), mô tả n giá trị đo đã thực hiện trên bản ghi đó từ n thuộc tính tương ứng của CSDL A1, A2, …, An. Mỗi bản ghi X được giả định thuộc về một lớp được quy định trước, như được xác định bởi thuộc tính khác của CSDL gọi là thuộc tính nhãn lớp. Thuộc tính nhãn lớp này có giá trị rời rạc và không có thứ tự. Nó có tính phân loại ở chỗ mỗi giá trị của nó đóng vai trò một loại hoặc lớp. Các bản ghi riêng tạo thành tập huấn luyện được gọi là bản ghi huấn luyện và được lấy mẫu ngẫu nhiên từ CSDL đang phân tích. Trong ngữ cảnh phân lớp, các bản ghi CSDL có thể được gọi tuỳ tài liệu như ví dụ, thể hiện, điểm dữ liệu, mẫu hoặc đối tượng. Do nhãn lớp của mỗi bản ghi huấn luyện đều được cấp sẵn nên bước này gọi là học có giám sát, có nghĩa là việc học của mô hình phân lớp là có giám sát ở chỗ nó được cho biết là mỗi bản ghi huấn luyện thuộc về lớp nào. Nó trái ngược với học không giám sát, trong đó ta không biết nhãn lớp của mỗi bản ghi huấn luyện và có thể cả số lượng hoặc tập hợp các lớp cần học nữa. Mỗi thuộc tính đại diện cho một “đặc điểm” của X. Vì vậy các tài liệu về nhận dạng mẫu dùng thuật ngữ vector đặc điểm thay cho vector thuộc tính. 5
Thuật ngữ vector thuộc tính, bất kỳ biến nào đại diện cho một vector đều được trình bày bằng kiểu chữ đậm và nghiêng, các giá trị đo mô tả vector đó được trình bày bằng kiểu chữ nghiêng (ví dụ: X = (x1, x2,x3)). Trong các tài liệu về máy học, các bản ghi huấn luyện thường được gọi là mẫu huấn luyện hoặc ví dụ huấn luyện. Bước thứ nhất của quá trình phân lớp còn có thể được xem như là việc học (hay tìm kiếm) một ánh xạ y=f (X) mà có thể dự đoán được nhãn lớp y liên kết với một bản ghi X cho trước. Theo cách quan sát này, chúng ta muốn tìm ra một ánh xạ hay hàm mà chia tách các lớp dữ liệu. Thông thường, ánh xạ này được biểu diễn dưới dạng các luật phân lớp, các cây quyết định, các công thức toán học. Trước hết, ta đánh giá độ chính xác dự đoán của mô hình phân loại ấy. Nếu như ta dùng tập huấn luyện để đánh giá độ chính xác của mô hình phân lớp thì việc đánh giá này nhiều khả năng là quá lạc quan, bởi vì mô hình đó có khuynh hướng quá khớp dữ liệu. Vì vậy, ta dùng một tập kiểm tra, bao gồm các bản ghi kiểm tra và các nhãn lớp liên kết chúng. Để thực hiện việc đánh giá này, các bản ghi kiểm tra độc lập với các bản ghi huấn luyện, nghĩa là chúng không được dùng để xây dụng mô hình phân lớp. Độ chính xác của một mô hình phân lớp trên một tập kiểm tra xác định là tỷ lệ các bản ghi của tập kiểm tra được phân loại đúng đắn bởi mô hình phân lớp ấy. Nhãn lớp liên kết của mỗi bản ghi kiểm tra được so sánh với sự dự đoán lớp của mô hình phân lớp học ứng với bản ghi đó. 1.1.2. Thuật toán phân lớp cây quyết định Cây quyết định là việc tìm kiếm các cây quyết định từ những bản ghi huấn luyện đã có nhãn lớp. Mỗi cây quyết định là một cấu trúc cây kiểu lưu đồ, trong đó mỗi nút trong biểu thị một sự kiểm tra trên một thuộc tính nào đó, mỗi nhánh biểu diễn một kết quả của sự kiểm tra đó, còn mỗi nút lá chứa một nhãn lớp. Nút ở trên cùng của cây gọi là nút gốc, chứa tên của một thuộc tính cần kiểm tra. Hình 1.3 cho thấy một cây quyết định tiêu biểu. Các nút trong được biểu diễn bằng hình chữ nhật, còn các nút lá được biểu diễn bằng hình bầu dục. Một số thuật toán cây quyết định chỉ sinh ra các cây nhị phân (Trong đó mỗi nút trong rẽ nhánh đến hai nút khác), trong khi những thuật toán cây quyết định khác có thể sinh ra những cây không nhị phân. Các cây quyết định được dùng cho phân lớp như thế nào? Cho một bản ghi X nào đó mà ta chưa biết nhãn lớp liên kết với nó, các giá trị thuộc tính của bản ghi đó được kiểm tra so với cây quyết định. Dựa theo những cuộc kiểm tra đó, ta lần ra một đường đi từ gốc đến một nút lá chứa kết quả dự đoán lớp dành cho bản ghi ấy. Các cây quyết định có thể dễ dàng được chuyển đổi thành các luật phân lớp, tức hình thức phân loại đơn giản và đễ hiểu nhất đối với con người. 6
Hình 1.3: Một ví dụ về cây quyết định * Thuật toán phân lớp cây quyết định Thuật toán ID3 được phát triển bởi Quinlan và được công bố vào cuối thập niên 70 của thế kỷ XX. Thuật toán ID3 được xem như là một cải tiến của CLS với khả năng lựa chọn thuộc tính tốt nhất để tiếp tục triển khai cây tại mỗi bước.Thuật toán ID3 (I, O, S) được mô hình hóa như sau: Input: Tập dữ liệu huấn luyện S với I là tập đặc trưng và O là thuộc tính phân lớp. Ouput: Cây phân lớp – Tập luật phân lớp. Actions: Bước 1. Nếu S rỗng thì Return “Cây rỗng”; Bước 2. Nếu các bản ghi trong S có cùng giá trị trên O, Return 1 nút với giá trị đó; Bước 3.1. Tính Gain của mỗi thuộc tính trong I. Giả sử X là thuộc tính trong I có Gain lớn nhất; Bước 3.2 Đặt {x_j : j=1, 2, .., m} là các giá trị của X; Bước 3.3. Đặt {S_j : j=1, 2, .., m} là các tập con của S khi S bị phân hoạch theo các giá trị của X; Bước 3.3.1. Return nút gốc với nhãn X và các nhánh là x_1, x_2, .., x_m; Bước 3.3.2. ID3(I-{X}, O, S_1), ID3(I-{X}, O, S_2), .., ID3(I-{X}, O, S_m); - Entropy của một tập S được tính theo công thức (2.1). Entropy được dùng để đo 7
tính thuần nhất của một tập dữ liệu. Entropy(S) = −P+log2(P+) – P−log2(P−) (2.1) + Trong trường hợp các mẫu dữ liệu có 2 thuộc tính phân lớp thì “Yes” (+), “No” (−). Kí hiệu P+ là để chỉ tỷ lệ các mẫu có giá trị thuộc tính quyết định “Yes”, và ký hiệu P− là để chỉ tỷ lệ các mẫu có giá trị thuộc tính quyết định là “No” trong tập S. + Trường hợp tổng quát, đối với tập con S có n phân lớp thì ta có công thức sau: 𝑛 Entropy(S)=∑𝑖=1(−Pi log 2 Pi ) (2.2) Trong đó Pi là tỷ lệ các mẫu thuộc lớp i trên tập S các mẫu kiểm tra. + Các trường hợp đặc biệt: - Nếu tất cả các mẫu thành viên trong tập S đều thuộc cùng một lớp thì Entropy=0. - Nếu trong tập S có số mẫu phân bố đều nhau vào các lớp thì Entropy(S)=1. - Các trường hợp còn lại 0 < Entropy(S)
cây, ID3 được xem là thuật toán cải tiến của thuật toán CLS. Khi áp dụng thuật toán ID3 cho cùng một tập dữ liệu đầu vào và thử nhiều lần thì đều cho cùng một kết quả. Vì thuộc tính ứng viên được lựa chọn ở mỗi bước trong quá trình xây dựng cây được lựa chọn trước. Nhưng thuật toán này cũng chưa giải quyết được vấn đề tính số, liên tục, số lượng các thuộc tính còn bị hạn chế và giải quyết hạn chế với vấn đề dữ liệu bị nhiễu hoặc bị thiếu. 1.2. Cơ sở thực tiễn 1.2.1. Thực trạng tình hình vấn đề Lựa chọn ngành nghề là một bước ngoặt trong cuộc đời của học sinh THPT. Chọn cho mình một nghề nghĩa là chọn cho mình một tương lai. Việc chọn nghề thực sự quan trọng và vô cùng cần thiết. Chọn sai lầm một nghề nghĩa là đặt cho mình một tương lai không thực sự an toàn và vững chắc. Không phải ai cũng có thể trả lời được câu hỏi: Làm thế nào chọn được một nghề phù hợp. Chính những nghĩ suy và trăn trở rằng tôi có phù hợp nghề này hay không, tôi có thực sự yêu thích nghề này hay không, nghề này có tương lai hay không… là những vấn đề cần được giải quyết khi bắt đầu quá trình chọn một nghề phù hợp. Muốn chọn nghề phù hợp thực sự, cần phải chú ý thực hiện thật tốt các khâu trong quá trình hướng nghiệp. Không thể chờ đợi mà bản thân mỗi người phải thực hiện sự tự hướng nghiệp cho chính mình bằng những nỗ lực tốt nhất có thể có của cá nhân. Từ những việc khảo sát bằng những câu hỏi để đánh giá dựa trên năng lực, kỹ năng và sở thích của các ngành nghề được chọn và áp dụng thuật toán phân lớp dữ liệu chạy trên ứng dụng Weka để đưa ra cách nhìn tổng quát đa dạng, có cái nhìn đa chiều hơn có thể hỗ trợ việc định hướng nghề cho các em học sinh THPT. Qua đó hỗ trợ cho giáo viên hướng nghiệp làm công tác tư vấn cho các em trong trường THPT có sự lựa chọn chính xác hơn trong việc định hướng nghề nghề nghiệp trong tương lai của mình. 1.2.2. Biện pháp giải quyết vấn đề Để tiến hành được định hướng nghề nghiệp cho học sinh THPT thì ta phải tiến hành thu thập nghiên cứu các yếu tố ảnh hưởng đến sự lựa chọn nghề. Để giải quyết được vấn đề này, dữ liệu của các ngành nghề hiện tại được sử dụng, trong đó các thông tin chung về kỹ năng, năng lực và thông tin chung của mỗi người được ánh xạ bởi nghề nghiệp của họ. Hệ thống nghề nghiệp trực quan được tạo ra sử dụng cho nhiều câu hỏi mà mỗi người được hỏi phải trả lời để kiểm tra kỹ năng, năng lực cũng như câu hỏi cơ bản của mỗi người. - Kỹ năng ảnh hưởng đến công việc của mỗi con người vì vậy kỹ năng sẽ là một yếu tố ảnh hưởng không nhỏ đến sự lựa chọn nghề của mỗi người. - Năng lực có ảnh hưởng rất lớn đến hiệu quả công việc của mỗi người. 9
Chính vì thế lựa chọn nghề dựa vào năng lực sẽ góp phần tạo thành công cho mỗi học sinh khi có sự định hướng lựa chọn cho sự đúng đắn của bản thân. Các câu trả lời sau đó được đưa vào mô hình đã tạo để dự đoán nghề nghiệp phù hợp với kỹ năng và năng lực của học sinh để góp phần giúp học sinh có sự lựa chọn nghề phù hợp cho tương lai sau này. 1.2.3. Hiệu quả của đề tài Cách tốt nhất để lựa chọn một con đường sự nghiệp là xem xét các kỹ năng, khả năng, sở thích của mỗi người. Đây là những thông số chính để đưa ra quyết định lựa chọn nghề nghiệp phù hợp cho bản thân mỗi học sinh trong tương lai. Khả năng là sức mạnh tinh thần hoặc thể chất cần thiết để làm một việc gì đó, sở thích chỉ ra thói quen tham gia vào một thứ gì đó, sở thích mang đến hướng phát triển cho một thói quen và hoạt động, kỹ năng thể hiện khả năng để làm điều gì đó mà mình mong muốn. Khi một người quyết định lựa chọn một nghề nghiệp, sự lựa chọn này có thể ảnh hưởng hoàn toàn cuộc sống của họ. Gần đây, ngày càng có nhiều người bắt đầu đánh giá lại các quyết định nghề nghiệp của họ và thay đổi nghề nghiệp ở giai đoạn sau trong cuộc đời. Điều này có thể được ngăn chặn bằng cách tư vấn đúng cách cho học sinh THPT trước khi họ bắt đầu có sự lựa chọn theo học đầu tư cho công việc tương lai của bản thân mình. 10
CHƯƠNG 2. XÂY DỰNG HỆ THỐNG ĐỊNH HƯỚNG NGHỀ NGHIỆP SỬ DỤNG THUẬT TOÁN PHÂN LỚP CÂY QUYẾT ĐỊNH 2.1. Xây dựng bộ dữ liệu Để tiến hành được định hướng nghề nghiệp cho học sinh THPT thì ta phải tiến hành thu thập nghiên cứu các yếu tố ảnh hưởng đến sự lựa chọn nghề. Để giải quyết được vấn đề này, dữ liệu của các ngành nghề hiện tại được sử dụng, trong đó các thông tin chung về kỹ năng, năng lực và thông tin chung của mỗi người được ánh xạ bởi nghề nghiệp của họ. Hệ thống nghề nghiệp trực quan được tạo ra sử dụng cho nhiều câu hỏi mà mỗi người được hỏi phải trả lời để kiểm tra kỹ năng, năng lực cũng như câu hỏi cơ bản của mỗi người. Các câu trả lời sau đó được đưa vào mô hình đã tạo để dự đoán nghề nghiệp phù hợp với kỹ năng và năng lực của học sinh để góp phần giúp học sinh có sự lựa chọn nghề phù hợp cho tương lai sau này. 2.2. Xác định đầu vào và đầu ra của hệ thống 2.2.1. Lựa chọn đặc trưng Hệ thống tư vấn định hướng chọn nghề cho học sinh được xây dựng với output (Đầu ra) là một nghề phù hợp với học sinh nào đó. Giá trị của Output phụ thuộc vào các yếu tố độc lập của Input (Đầu vào) là năng lực, tính cách và sở thích của học sinh thông qua những câu hỏi trắc nghiệm định hướng nghề nghiệp. Mẫu câu hỏi trắc nghiệm tư vấn định hướng cho sự lựa chọn nghề của học sinh được xây dựng dựa vào phiếu khảo sát nhóm ngành nghề trên năng lực, tính cách và sở thích của các đối tượng khảo sát thực tế. Các thuộc tính liên quan với hệ thống tư vấn nghề nghiệp được chỉ ra ở Phụ lục A 2.2.2. Xác định nhóm ngành nghề Các nhóm ngành nghề tham gia vào hệ thống tư vấn nghề: • Giáo viên • Công An và Bộ đội • Kinh doanh • Ngành Y • Xây dựng • Ngành công nghệ thông tin 11
2.2.3. Sơ đồ của hệ thống • Khảo sát dữ liệu về các Thông tin của học sinh • cần tư vấn nghề nghiệp nhóm ngành nghề • • • • • • Mô hình phân lớp • dữ liệu Tập Phân lớp dữ liệu • • • • • Kết quả tư vấn • nghề nghiệp • Ví dụ 1: Hình 2.1: Mô hình cấu trúc hệ thống tư vấn chọn ngành nghề 2.3. Mô hình phân lớp cho hệ thống định hướng nghề nghiệp Áp dụng thuật toán phân lớp cây quyết định cho bài toán tư vấn định hướng nghề nghiệp cho học sinh THPT Tây Hiếu Sử dụng thuật toán ID3, xây dựng cây quyết định cho tập dữ liệu huấn luyện sau: * Đầu vào của bài toán: Tập CSDL ngành nghề - Bảng dữ liệu về ngành nghề Khảo sát 14 đối tượng ngành nghề gồm có 5 thuộc tính sau: - Dữ liệu thuộc tính ngành nghề: Giáo viên (GV); Công an và bộ đội (CABĐ) Thuộc tính này có 2 giá trị NN={GV, CABĐ} - Tư duy biện luận của Anh/ Chị như thế nào? Thuộc tính này có 3 giá trị TD={Hơi tốt, Tốt, Rất tốt} - Nghề Anh/ Chị có cần sức chịu đựng tốt không? Thuộc tính này có 3 giá trị SK={Ít cần, Cần thiết, Rất cần} - Nghề của Anh/Chị có cần giao lưu không? Thuộc tính này có 2 giá trị GL={Có, Không} 12
- Anh/Chị có thích công tác xã hội, phục vụ cộng đồng không? Thuộc tính này có 2 giá trị CT={Thích, Rất thích} Ta có CSDL như sau: ID TD SK GL CT NN 1 Hơi tốt Cần thiết Có Thích GV 2 Hơi tốt Cần thiết Có Rất thích GV 3 Tốt Cần thiết Có Thích CABĐ 4 Rất tốt Ít cần Có Thích CABĐ 5 Rất tốt Rất cần Không Thích CABĐ 6 Rất tốt Rất cần Không Rất thích GV 7 Tốt Rất cần Không Rất thích CABĐ 8 Hơi tốt Ít cần Có Thích GV 9 Hơi tốt Rất cần Không Thích CABĐ 10 Rất tốt Ít cần Không Thích CABĐ 11 Hơi tốt Ít cần Không Rất thích CABĐ 12 Tốt Ít cần Có Rất thích CABĐ 13 Tốt Cần thiết Không Thích CABĐ 14 Rất tốt Ít cần Có Rất thích GV Bảng dữ liệu về ngành nghề Giả sử có một học sinh Nguyễn Văn An với thông tin khảo sát theo các thuộc tính trên như sau: Nguyễn Văn An = (TD = Hơi tốt, SK = Tốt, GL= Có, CT= Rất thích) Ta cần xác định xem đối tượng Nguyễn Văn An lớp CGV (Nghề giáo viên) hay thuộc lớp CCABĐ? * Đầu ra: Bộ phân lớp sẽ được thực hiện như sau: - Chọn nút gốc của cây quyết định: Tập dữ liệu hiện tại có 9 kết quả CABĐ và 5 kết quả GV 13
Ta kí hiệu là S: [9+,5−]. - Theo công thức tính Entropy theo công thức (2.1) của một các thuộc tính: Nếu có C lớp trong tập S: Entropy(S)=∑𝑐𝑖=1 −𝑃𝑖 𝑙𝑜𝑔2 𝑃𝑖 Vậy: Entropy(S) = Entropy([9+, 5−]) =−9/14*𝑙𝑜𝑔2 9/14 −5/14*𝑙𝑜𝑔2 5/14 = 0.94 Lưu ý: • Entropy là 0 nếu tất cả các thành viên của S đều thuộc cùng một lớp. • Entropy là 1 nếu tập hợp chứa số lượng bằng nhau các thành viên thuộc lớp âm và dương. • Xét thuộc tính TD, thuộc tính này nhận 3 giá trị là Hơi tốt, Tốt, Rất tốt. Ứng với mỗi thuộc tính, ta có: • SHơi tốt: [2+,3−] (Có nghĩa là trong tập dữ liệu tại (S), có 2 kết quả CABĐ và 3 kết quả GV tại TD = Hơi tốt). Tương tự: • STốt: [4+,0−]. • SRất tốt : [3+,2−]. Tính Information Gain của thuộc tính TD trên tập S. Giá trị này phản ánh mức độ hiệu quả của một thuộc tính trong phân lớp. Công thức tính IG của thuộc tính A trên tập S như sau: │𝑠 │ Gain(S,A)=Entropy(S)−∑𝑣∈𝑉𝑎𝑙𝑢𝑒(𝐴) │𝑠│ 𝑣 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑠𝑣 ) Trong đó: - Value(A) là tập hợp các giá trị có thể có cho thuộc tính A. - Sv là tập con của tập S mà A nhận giá trị v. Lấy ví dụ với thuộc tính A = TD, ta có Value(A) = {Hơi tốt, Tốt, Rất tốt}, và SHơi tốt = [2+,3−] như đã tính ở trên Từ công thức, dễ dàng tính được: │𝑆𝑣 │ Gain(S,TD)=Entropy([9+,5−])−∑𝑣∈𝑉𝑎𝑙𝑢𝑒(𝑇𝐷) 14 𝐸𝑛𝑡𝑟𝑜𝑝𝑦(𝑆𝑣 )=0.246 Tương tự, ta tính được Information Gain cho 3 thuộc tính còn lại: Gain(S,SK)=0.029 Gain(S,GL)=0.152 Gain(S,CT)=0.048 Thuộc tính TD có Information Gain cao nhất, chọn nó làm nút gốc. 14
TD Hơi tốt Tốt Rất tốt [4+, 0−] [3+, 2−] [2+,3−] ? ? CABĐ Hình 2.2: Cây quyết định khi chọn nút gốc Xây dựng tiếp cây quyết định: Sau khi chọn được nút gốc là TD, tiếp theo ta tính tiếp các nút tại mỗi thuộc tính của nút vừa chọn. Trong hình 2.2: • Nhánh bên trái cùng ứng với TD = Hơi tốt, có SHơi tốt là [2+,3−] chưa phân lớp hoàn toàn nên vẫn phải tính toán chọn nút tại đây. Tương tự cho nhánh phải cùng. • Nhánh ở giữa ứng với TD = Tốt, tập dữ liệu tại nhánh này đã hoàn toàn phân lớp dương với 4+ và 0−. Tại đây đã có thể quyết định, khi TD= Tốt thì có thể nghề CABĐ. Ta sẽ thực hiện tính toán với nhánh trái cùng, trên tập SHơi tốt=[2+,3−]. Tương tự như cách tìm nút gốc, ta tính Information Gain cho 3 thuộc tính còn lại là SK, GL và CT (trên tập SHơi tốt ). Xét thuộc tính GL, có: • SKhông: [2+,0−] (Nghĩa là tại những dữ liệu có TD = Tốt và GL= Không, có 2 dữ liệu, tất cả đều cho kết quả CABĐ). • SCó: [0,3−]. Từ đó: • Gain(SHơitốt, GL)= 0.971 • Thực hiện tương tự ta có: • Gain(SHơi tốt ,SK)=0.571 • Gain(SHơi tốt ,CT)=0.019 • Nhận thấy thuộc tính GL có Information Gain cao nhất, chọn thuộc tính này làm nút cho nhánh trái cùng 15