[Podcast] Mô hình hỗ trợ ra quyết định nâng cao hiệu quả đánh giá khóa học tại Đại học Kinh tế Thành phố Hồ Chí Minh 

14 Tháng Mười Một, 2024

Từ khóa: Hỗ trợ ra quyết định, TOPSIS  -AHP và Kansei, Đánh giá khóa học.

Việc đánh giá chất lượng các khóa học tại các trường đại học đóng vai trò quan trọng trong đảm bảo chất lượng giáo dục. Công việc này liên quan đến tìm hiểu mong muốn và mục tiêu của sinh viên, vấn đề họ đang gặp phải và đưa ra lời khuyên phù hợp, đánh giá khóa học dựa trên các phương pháp truyền thống sẽ không thể áp dụng cho các tiêu chí có mức độ quan trọng khác nhau. Bài nghiên cứu của tác giả Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) sẽ trình bày một cách tiếp cận mới sử dụng mô hình máy học TOPSIS – AHP và Kansei để nâng cao hiệu quả đánh giá chất lượng khóa học, góp phần giúp sinh viên lựa chọn được các khóa học thuận lợi, giúp cho nhà quản lý ra quyết định kịp thời với nhiều mục tiêu tiêu chí.

Trong thời đại phát triển và hội nhập mới đang diễn ra, với những đột phá về khoa học và công nghệ, cuộc cách mạng công nghiệp lần thứ tư được hình thành trên nền tảng của nền kinh tế tri thức và xu thế chủ động hội nhập tác động mạnh mẽ đến mọi lĩnh vực. Giáo dục và đào tạo được coi là chìa khóa mở để phát triển tiềm năng con người và là đòn bẩy mạnh nhất trong việc cung cấp nguồn nhân lực và nhân tài cho sự phát triển của khoa học và công nghệ. Mặt khác, sự phát triển của khoa học và công nghệ tác động đến toàn bộ cấu trúc và chất lượng của hệ thống giáo dục. Vì vậy, nâng cao chất lượng giáo dục và đào tạo là yêu cầu và vấn đề được quan tâm hàng đầu trong lĩnh vực này.

Đánh giá chất lượng giáo trình trong trường đại học là một khâu không thể thiếu trong quá trình phát triển nâng cao chất lượng giáo dục và đào tạo. Việc thực hiện kiểm định chất lượng trước, trong và sau khóa học được triển khai trong những năm gần đây đã có tác động tích cực đến chất lượng của hệ thống giáo dục phổ thông. Đánh giá chất lượng khóa học là khâu đầu tiên của công tác kiểm định chất lượng toàn diện các hoạt động giúp thấy được những ưu điểm, hạn chế trong công tác đào tạo do cơ sở đào tạo đảm nhận, từ đó phát huy, điều chỉnh quy trình cho phù hợp với đối tượng học viên, tạo tiền đề nâng cao chất lượng chương trình các khóa học tiếp theo. Trong bài báo báo này, tác giả UEH đã đề xuất mô hình máy học TOPSIS – AHP– Kansei nhằm nâng cao đánh giá chất lượng khóa học nhằm cung cấp cho sinh viên trong quá trình chọn lựa môn học khi bước vào học kỳ mới. Trong đó mô hình TOPSIS – AHP nhằm đánh giá khóa học được lượng hóa bằng cả yếu tố định tính và định lượng kết hợp đề xuất mô hình Kansei được áp dụng để định lượng mức độ đánh giá của sinh viên cho từng khoa học tại các trường Đại học. 

Hình 1. Khung làm việc tổng quát

Mô hình đề xuất như trong Hình 1 bao gồm 9 module chính như sau:

  • Dữ liệu đầu vào: Bao gồm thông tin khóa học, đánh giá khóa học của chuyên gia và sinh viên
  • Bộ phận nhận dữ liệu Chuyên gia: Nhận dữ liệu dưới dạng các giá trị đầu vào – tương ứng với từng tiêu chí trong cơ sở dữ liệu là dữ liệu huấn luyện.
  • Tính toán TOPSIS: Thuật toán TOPSIS tính toán để đưa ra thứ tự sắp xếp và đánh giá đầu vào của chuyên gia và học viên
  • Chuyển đổi mức độ quan trọng: Tính toán và chuyển đổi dữ liệu từ “cơ chế nhận dữ liệu chuyên nghiệp” sang các mức độ quan trọng tương ứng
  • Tính toán AHP: Sử dụng thuật toán AHP để đánh giá khóa học
  • Sinh viên đánh giá người nhận dữ liệu: Người dùng sẽ tham gia khảo sát.
  • Tính toán mô hình Kansei: Tính toán kết quả bộ từ đánh giá Kansei theo từng tiêu chí.
  • Tính toán TOPSIS: Xây dựng ma trận quyết định và Tính toán khoảng cách từ phương án đánh giá chuyên gia.
  • Dữ liệu đầu ra: Khóa học phù hợp nhất hay kết quả đánh giá khóa học phù hợp nhất.

Mô hình đề xuất đã được thử nghiệm để đánh giá chất lượng 03 khóa học tại Đại học Kinh tế Thành phố Hồ Chí Minh. Trong quy trình đánh giá chất lượng khóa học, các chuyên gia/sinh viên lựa chọn khóa học và đánh giá khóa học theo các tiêu chí đánh giá các học phần. Hệ thống được đề xuất sẽ phân tích, tính toán và đưa ra xếp hạng (hoặc đánh giá) của dữ liệu đã thu thập để tìm ra chuyên gia có xếp hạng tích cực nhất. Để đánh giá đa chiều theo mức độ tích cực hay tiêu cực của chuyên gia, có thể lựa chọn chuyên gia có bộ chỉ số đánh giá tốt nhất như sau:

  • Chuyên gia có đánh giá tích cực nhất (bộ số liệu cao nhất) 
  • Các chuyên gia có đánh giá trung bình (giá trị trung bình của xếp hạng) 

Người ra quyết định có thể lựa chọn kết quả đánh giá tích cực hoặc trung bình có ảnh hưởng để tiếp tục đánh giá chất lượng khóa học. Tổng hợp kết quả đánh giá của sinh viên với khóa học vừa hoàn thành được liệt kê dưới đây như trong các hình dưới đây:

Hình 2. Màn hình xếp hạng chuyên gia thực hiện theo mô hình đề xuất

Kết quả đánh giá chất lượng khóa học theo 5 mức độ Rất tốt, Tốt, Khá tốt, Bình thường, Kém như hình dưới đây: 

Hình 3. Kết quả đánh giá chất lượng khóa học

Nghiên cứu này đưa ra mô hình TOPSIS-AHP-Kansei nâng cao đánh giá các khóa học tại Đại học Kinh tế TP. Hồ Chí Minh kết hợp kiến thức từ chuyên gia/giảng viên/sinh viên để đưa ra quy trình đánh giá. Kết quả thực nghiệm cho thấy mô hình đánh giá chất lượng khóa học đề xuất đã thể hiện tác động đa chiều đến sự thể hiện tích cực của chuyên gia/học viên trong mô hình đánh giá. Phương pháp đánh giá này kết hợp với đánh giá truyền thống sẽ đưa ra những đánh giá đúng đắn cho khóa học và gợi ý cho nhà quản lý trong việc nâng cao chất lượng khóa học tại Nhà trường nói riêng và đơn vị đào tạo nói chung. Mở rộng mô hình nghiên cứu này, tác giả tiếp tục mở rộng mô hình TOPSIS-AHP-Kansei với kết quả đánh giá trực quan hơn. Cơ sở tri thức sẽ được xây dựng để lưu trữ tri thức chuyên môn nhằm giảm chi phí dịch vụ và nâng cao chất lượng tư vấn cho các khóa học chất lượng.

Xem toàn bộ bài nghiên cứu Xây dựng mô hình hỗ trợ ra quyết định sử dụng TOPSIS – AHP kết hợp bộ chỉ số ICT Newhouse lựa chọn khóa học thông minh tại Đại học Kinh tế Thành phố Hồ Chí Minh TẠI ĐÂY.

Tác giả: TS. Trương Việt Phương – Đại học Kinh tế Thành phố Hồ Chí Minh.

Đây là bài viết nằm trong Chuỗi bài lan tỏa nghiên cứu và kiến thức ứng dụng từ UEH với thông điệp “Research Contribution For All – Nghiên Cứu Vì Cộng Đồng”, UEH trân trọng kính mời Quý độc giả cùng đón xem bản tin UEH Research Insights tiếp theo.

Tin, ảnh: Tác giả, Ban Truyền thông và Phát triển đối tác UEH

Giọng đọc: Thanh Kiều

Chu kỳ giảm giá của đồng USD?

TS. Đinh Thị Thu Hồng và nhóm nghiên cứu

26 Tháng Sáu, 2021

Việt Nam cần kịch bản cho thương mại tương lai

ThS. Tô Công Nguyên Bảo

26 Tháng Sáu, 2021

Hệ thống tiền tệ tiếp theo như thế nào?

TS. Lê Đạt Chí và nhóm nghiên cứu

26 Tháng Sáu, 2021

Chuyển đổi số trong khu vực công tại Việt Nam

Khoa Quản lý nhà nước

26 Tháng Sáu, 2021

Cần đưa giao dịch công nghệ lên sàn chứng khoán

Bộ Khoa học và Công nghệ

5 Tháng Sáu, 2021

Thiết kế đô thị: tầm nhìn vững chắc cho đô thị bền vững

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

Phục hồi du lịch và nỗ lực thoát khỏi vòng xoáy ảnh hưởng bởi Covid-19

Viện Đô thị thông minh và Quản lý

5 Tháng Sáu, 2021

2021 sẽ là năm khởi đầu của chu kỳ tăng trưởng mới

PGS.TS Nguyễn Khắc Quốc Bảo

5 Tháng Sáu, 2021

Quỹ vaccine sẽ khả thi khi có người dân đóng góp

Phạm Khánh Nam, Việt Dũng

5 Tháng Sáu, 2021

Kích thích kinh tế, gia tăng vận tốc dòng tiền

Quách Doanh Nghiệp

5 Tháng Sáu, 2021

Đi tìm chiến lược hậu Covid-19 cho doanh nghiệp bảo hiểm Việt Nam

PGS TS Nguyễn Khắc Quốc Bảo, ThS Lê Văn

5 Tháng Sáu, 2021

Insurtech – Cơ hội và thách thức cho Startup Việt

Ths. Lê Thị Hồng Hoa

5 Tháng Sáu, 2021