Tóm tắt Luận án Tiến sĩ: Ứng dụng mô hình Markov ẩn và dữ liệu học tập trên hệ thống LMS để hỗ trợ đánh giá năng lực số của sinh viên sư phạm

Trong bối cảnh kỷ nguyên số và Cách mạng Công nghiệp 4.0, năng lực số đã trở thành yêu cầu thiết yếu đối với đội ngũ giáo viên tương lai, đặc biệt là sinh viên sư phạm. Tuy nhiên, các phương pháp đánh giá hiện hành thường mang tính chủ quan và thiếu tính liên tục, chưa phản ánh đầy đủ khả năng thực tiễn. Sự phổ biến của Hệ thống quản lý học tập (LMS) đã tạo ra nguồn dữ liệu học tập khổng lồ, mở ra tiềm năng lớn cho việc đánh giá năng lực một cách khách quan. Nghiên cứu này ứng dụng mô hình học máy, đặc biệt là mô hình Markov ẩn (HMM), cùng dữ liệu hành vi trên LMS, nhằm phát triển một giải pháp đánh giá năng lực số tự động và liên tục, góp phần nâng cao chất lượng đào tạo giáo viên.

Giảng viên, nhà nghiên cứu về công nghệ giáo dục, học máy trong giáo dục, phân tích học tập, và các nhà hoạch định chính sách giáo dục tại các cơ sở đào tạo giáo viên.

Luận án giải quyết vấn đề cấp thiết về đánh giá năng lực số cho sinh viên sư phạm trong bối cảnh chuyển đổi số giáo dục, khi các phương pháp truyền thống còn hạn chế về tính khách quan và khả năng phản ánh quá trình học tập liên tục. Để khắc phục, nghiên cứu đề xuất một mô hình học máy tiên tiến dựa trên Mô hình Markov ẩn (HMM), tận dụng nguồn dữ liệu hành vi học tập khổng lồ từ Hệ thống quản lý học tập (LMS). Phương pháp nghiên cứu bao gồm việc hệ thống hóa cơ sở lý luận về năng lực số, học tập tự điều chỉnh (SRL) và ứng dụng học máy trong giáo dục. Đồng thời, luận án xây dựng và kiểm định thang đo năng lực số, phân tích và chuẩn hóa chuỗi hành vi học tập từ dữ liệu log LMS. Trọng tâm là thiết kế, huấn luyện và lựa chọn mô hình HMM tối ưu, sau đó thử nghiệm trên dữ liệu thực tế để đánh giá độ tin cậy và tính khả thi. Mô hình này cho phép suy luận các trạng thái năng lực ẩn của sinh viên theo thời gian, cung cấp cái nhìn động về sự tiến bộ và diễn giải bản chất quá trình học tập, một ưu điểm nổi bật so với các mô hình học sâu phức tạp. Đóng góp chính của luận án là phát triển một khung lý thuyết kỹ thuật mới về đánh giá năng lực số dựa trên học máy và cung cấp một mô hình thực tiễn có khả năng phân loại, dự đoán mức độ năng lực số với độ chính xác cao, làm tiền đề cho việc xây dựng các hệ thống hỗ trợ đánh giá năng lực số quy mô lớn, góp phần nâng cao chất lượng đào tạo giáo viên.