4 ứng dụng của Data Science trong ngành giáo dục

Data Science – hay còn gọi là Khoa học dữ liệu, gần đây đã nổi lên như một hiện tượng toàn cầu – thứ đã cách mạng hóa các ngành công nghiệp và đã tăng hiệu suất của làm việc của các doanh nghiệp đáng kể. Trước đây chúng ta đã thấy nhiều ứng dụng Khoa học dữ liệu vào các ngành công nghiệp. Theo đó, ngành giáo dục cũng không ngoại lệ. Hãy cùng khám phá tầm quan trọng của data science và ứng dụng của nó vào vận hành các tổ chức và hoạt động trong ngành giáo dục nhé.

Giáo dục là chìa khóa cho kho tàng tri thức của mỗi người, bởi nó nắm giữ sức mạnh để biến đổi và làm phong phú cuộc sống của con người hơn. Kể từ buổi đầu của nền văn minh nhân loại, con người đã tiến hóa thông qua học hỏi và đã hình thành các cơ chế và hệ thống để xây dựng giáo dục. Trong thế kỷ 21, với những tiến bộ trong kỹ thuật điện toán, ta đã có thể thu thập tất cả thông tin thông qua các nền tảng dữ liệu lớn mạnh để phát triển các ngành công nghiệp, trong đó ngành giáo dục cũng không ngoại lệ.

 

Phát triển kỹ năng Social-Emotional

Kỹ năng Social-Emotional hay còn gọi là cảm xúc xã hội là một lĩnh vực quan trọng cần được phát triển thông qua giáo dục. Thông qua đó, một đứa trẻ học được cách hiểu, phân tích, thể hiện và quản lý cảm xúc cũng như phát triển mối quan hệ trong xã hội. Tạo điều kiện phát triển các kỹ năng cảm xúc xã hội là một nhiệm vụ quan trọng của hệ thống giáo dục. Đây là một ví dụ về một kỹ năng phi học thuật đóng vai trò chính trong việc xác định khả năng học tập của học sinh.

Với những tiến bộ trong phương pháp tính toán ngày nay, ta có thể thu thập một lượng lớn dữ liệu. Với các mô hình nghiên cứu tri thức chính thức trong các kỹ thuật Data Science và Data Mining, việc thu thập số lượng thông tin lớn và kết hợp với các công cụ hiện có để tạo ra kết quả tốt hơn. Hơn nữa, với dữ liệu được trích xuất, các chuyên gia khoa học dữ liệu có thể áp dụng các kỹ thuật phân tích dự đoán khác nhau để giúp giáo viên hiểu được động lực của sinh viên khi học.

Giám sát các nhu cầu của sinh viên

Có một vài kỹ thuật xem xét và đánh giá được sử dụng bởi các tổ chức giáo dục. Tuy nhiên, các phương pháp truyền thống như vậy thường không thể nắm bắt gói gọn tất cả các xu hướng và mô hình quan trọng của sự phát triển sinh viên. Hơn nữa, hầu hết các kỹ thuật đánh giá không theo thời gian thực. Với những tiến bộ trong phân tích Dữ liệu lớn, giờ đây các giáo viên có thể xem xét kỹ lưỡng các yêu cầu của sinh viên dựa trên hiệu suất và đánh giá của họ.

Dựa trên kết quả của việc theo dõi các nhu cầu của học sinh, giáo viên có thể đưa ra các câu trả lời phù hợp và thậm chí thay đổi phương pháp giảng dạy để đáp ứng mong đợi của học sinh. Một nền tảng dữ liệu sẽ đánh giá hiệu suất người dùng với độ lệch bằng 0, nghĩa là sẽ không có bất kỳ sự thiên vị nào trong việc đánh giá hiệu suất của sinh viên. Điều này sẽ cung cấp một nền tảng bình đẳng cho tất cả các sinh viên tham gia và phát triển các kỹ năng của mình.

Đổi mới chương trình giảng dạy

Các trường đại học khác nhau phải tự cập nhật yêu cầu của ngành để cung cấp các khóa học phù hợp cho sinh viên của họ. Hơn nữa, đây là một thách thức cho các trường đại học để theo kịp sự phát triển của các ngành công nghiệp. Để phù hợp với điều này, các trường đại học đang sử dụng hệ thống data science để phân tích các xu hướng đang phát triển trên thị trường.

Sử dụng các biện pháp thống kê và kỹ thuật giám sát khác nhau, data science có thể hữu ích cho việc phân tích các mô hình công nghiệp và giúp người tạo khóa học tiếp thu các chủ đề hữu ích. Hơn nữa, bằng cách sử dụng các phân tích dự đoán, các trường đại học có thể phân tích nhu cầu rèn luyện các kỹ năng mới và sắp xếp khóa học tương ứng.

Đo lường hiệu suất của giảng viên

Hiệu suất của học sinh phụ thuộc vào giáo viên. Mặc dù có nhiều kỹ thuật đánh giá đã được sử dụng để đánh giá hiệu suất của giáo viên, nhưng phần lớn chúng đều là thủ công. Ví dụ, đánh giá của sinh viên về hiệu suất của giáo viên, là công cụ tiêu chuẩn để định lượng phương pháp giảng dạy. Tuy nhiên, tất cả các kỹ thuật này không phải là một phương pháp hiệu quả và thường mất thời gian để đánh giá. Hơn nữa, đọc đánh giá của sinh viên và tạo ra một sự tương tự là một nhiệm vụ mệt mỏi.

Với sự đột phá trong data science, ta có thể theo dõi hiệu suất của giáo viên trong quy trình giám sát theo thời gian thực tế, cùng thu thập dữ liệu một cách nghiêm ngặt. Hơn nữa, hệ thống cho phép có thể lưu trữ và quản lý dữ liệu phi cấu trúc như đánh giá của sinh viên trên nền tảng dữ liệu lớn. Và, với công cụ  Natural Language Processing, ta có thể phân tích cảm xúc của các feedback và cung cấp một đánh giá toàn diện về hiệu suất của giáo viên.

Case Study về Data Science

Trường Đại học Florida – Sử dụng phân tích Big Data để giảm thiểu học sinh bỏ học

Có rất nhiều sinh viên ghi danh vào các trường đại học, cao đẳng với hy vọng kiếm được một công việc tốt. Tuy nhiên, nhiều sinh viên bỏ học vì những khó khăn trong học tập hoặc tài chính. Theo một khảo sát gần đây được thực hiện tại Hoa Kỳ, ít nhất 54,8% sinh viên sắp tới sẽ không thể hoàn thành chương trình học trong vòng 6 năm. Tỷ lệ đáng kinh ngạc này có nghĩa là các ngành công nghiệp sẽ có ít lựa chọn hơn cho các cá nhân đủ điều kiện yêu cầu. Điều này cũng sẽ cản trở sự tăng trưởng quốc gia.

Để giải quyết vấn đề này, các viện giáo dục đang hướng tới giải pháp Data Science. Một trong số đó là trường Đại học Florida. Trường sử dụng IBM InfoSphere để trích xuất, truyền tải dữ liệu từ nhiều nguồn. Trường cũng sử dụng Trình tạo mô hình SPSS của IBM để phân tích dự đoán và mô hình hóa dữ liệu và chúng cũng liên kết hai nền tảng này với Phân tích Cognos của IBM.

Sử dụng IBM Cognos Analytics, trường đại học có thể phân tích và dự đoán dựa trên khả năng của sinh viên. Nó sử dụng các biến khác nhau như background, nhân khẩu học, điểm số, nền tảng kinh tế để đánh giá xác suất bỏ học của học sinh. Do đó, nó sẽ giúp các trường đại học đưa ra các chính sách phù hợp và cung cấp sự can thiệp sớm cho những sinh viên đang trên bờ vực nghỉ học.

Viện ISB

>> Xem thêm Tương lai của ngành Data Science <<