Nghiên cứu sinh Hàn Minh Phương bảo vệ luận án tiến sĩ
Đề tài luận án: Nghiên cứu đề xuất mô hình hệ thống trí tuệ doanh nghiệp với tính năng dự báo dựa trên dữ liệu người học tại cơ sở giáo dục đại học Việt Nam
Chuyên ngành: Hệ thống thông tin quản lý Mã số: 9340405
Nghiên cứu sinh: Hàn Minh Phương Mã NCS: TS4141TT
Người hướng dẫn: TS. Phạm Minh Hoàn, TS. Nguyễn Trung Tuấn
Cơ sở đào tạo: Đại học Kinh tế Quốc dân
Những đóng góp mới về mặt học thuật, lý luận
Thứ nhất: Luận án sử dụng phương pháp tiếp cận mới thông qua việc xây dựng khung lý thuyết đa ngành liên kết hệ thống các tầng lý thuyết về Hệ thống trí tuệ doanh nghiệp (Business Intelligence - BI), Phân tích học tập, Học máy và Dự báo nhằm làm rõ vai trò, cấu trúc và nguyên lý vận hành của hệ thống BI trong giáo dục có tích hợp chức năng dự báo và dựa trên dữ liệu người học.
Thứ hai: Luận án đã mở rộng cơ sở lý thuyết về hệ thống BI trong giáo dục thông qua việc đề xuất một mô hình hệ thống tập trung vào hai năng lực cốt lõi còn thiếu vắng trong các nghiên cứu trước: (i) khả năng dự báo dựa trên dữ liệu người học và (ii) khả năng tự phục vụ thông minh dựa trên ứng dụng trí tuệ nhân tạo (AI). Mô hình được cụ thể hóa trên ba phương diện: (1) Kiến trúc hệ thống được kế thừa và điều chỉnh từ các nghiên cứu của Kimball, van Dyk (2008), Muntean và cộng sự (2010), Scholtz và cộng sự (2018); (2) Quy trình phát triển hệ thống vận dụng có chọn lọc mô hình của Moss và Atre (2003); (3) Logic phân tích và dự báo được tổ chức theo cấu trúc SIPOC từ nghiên cứu của Villegas-Ch và cộng sự (2020). Mô hình được điều chỉnh để phù hợp với điều kiện hạ tầng dữ liệu, năng lực công nghệ và yêu cầu triển khai thực tiễn tại các cơ sở giáo dục đại học (CSGD ĐH) Việt Nam, bảo đảm tính khả thi, linh hoạt, khả năng mở rộng và năng lực phân tích thông minh.
Thứ ba: Luận án đề xuất một phương pháp dự báo động cho phép lựa chọn linh hoạt thuật toán phân loại và dữ liệu môn học đầu vào trong quá trình dự báo sớm kết quả học tập. Tính linh hoạt này phù hợp với sự thay đổi thường xuyên của chương trình đào tạo trong giáo dục đại học. Đồng thời, luận án xây dựng mô hình mạng nơron học sâu nhằm hỗ trợ dự báo lựa chọn chuyên ngành, kết hợp dữ liệu học thuật và phi học thuật từ quy trình đào tạo và tuyển sinh đặc thù tại Việt Nam. Mặc dù mới thử nghiệm tại một đơn vị, kết quả bước đầu cho thấy mô hình có tiềm năng ứng dụng rộng rãi trong các CSGD ĐH khác trên toàn quốc.
Thứ tư: Luận án sử dụng phương pháp nghiên cứu hỗn hợp, kết hợp ba phương pháp: (1) tổng hợp lý thuyết, (2) nghiên cứu định tính để phân tích bối cảnh thực tiễn, và (3) Design Science Research (DSR) trong thiết kế mô hình và phát triển hệ thống. Nghiên cứu dựa trên hai nguồn dữ liệu chính: 36 báo cáo kiểm định chất lượng giáo dục đại học (2018–2023) và dữ liệu người học từ một trường đại học (2015–2021). Các nguồn dữ liệu này đóng vai trò then chốt, làm cơ sở cho quá trình thiết kế, triển khai, và cung cấp bằng chứng thực nghiệm, đánh giá tính hiệu quả của mô hình dự báo được đề xuất trong luận án.
Những phát hiện, đề xuất mới rút ra được từ kết quả nghiên cứu, khảo sát của luận án
Luận án đã đề xuất mô hình hệ thống BI tích hợp tính năng dự báo dành riêng cho các CSGD ĐH Việt Nam. Mô hình có khả năng tích hợp với hệ thống dữ liệu hiện có, vận hành linh hoạt nhờ công nghệ hiện đại. Điểm nổi bật là việc thử nghiệm thành công mô hình hệ thống có tính năng dự báo động và sử dụng mạng nơ-ron học sâu để hỗ trợ sinh viên lựa chọn chuyên ngành dựa trên cả dữ liệu học thuật và phi học thuật.
Các CSGD ĐH nên triển khai hệ thống BI dự báo để hỗ trợ quản trị, cảnh báo sớm rủi ro học tập và cá nhân hóa tư vấn học tập. Nhà quản lý cần ưu tiên đầu tư hạ tầng dữ liệu và đào tạo nhân lực phân tích dữ liệu phù hợp với bối cảnh tự chủ và chuyển đổi số. Nghiên cứu của luận án cũng mở ra hướng nghiên cứu mới về ứng dụng AI trong giáo dục đại học Việt Nam.
-----------------------------------------------------------------------------
NOVEL CONTRIBUTIONS OF THE DISSERTATION
Dissertation Title: Research and Proposal of a Business Intelligence System Model with Predictive Capabilities Based on Student Data at Vietnamese Higher Education Institutions
Major: Management Information Systems Code: 9340405
PhD Candidate: Hàn Minh Phương PhD Code: TS4141TT
Supervisors: TS. Phạm Minh Hoàn, TS. Nguyễn Trung Tuấn
Training Institution: National Economics University
Novel Academic and Theoretical Contributions
First: The dissertation employs a new methodological approach through the construction of a multidisciplinary theoretical framework that interconnects theoretical layers of Business Intelligence (BI) systems, Learning Analytics, Machine Learning, and Forecasting to clarify the role, structure, and operational principles of BI systems in education with integrated predictive functions based on student data.
Second: The dissertation has expanded the theoretical foundation of BI systems in education by proposing a system model focused on two core capabilities missing in previous research: (i) predictive capability based on student data and (ii) intelligent self-service capability based on artificial intelligence (AI) applications. The model is specified in three aspects: (1) System architecture inherited and adapted from studies by Kimball, van Dyk (2008), Muntean et al. (2010), Scholtz et al. (2018); (2) System development process selectively applying the model of Moss and Atre (2003); (3) Analysis and prediction logic organized according to SIPOC structure from research by Villegas-Ch et al. (2020). The model is adapted to suit data infrastructure conditions, technological capabilities, and practical implementation requirements at Vietnamese higher education institutions (HEIs), ensuring feasibility, flexibility, scalability, and intelligent analytical capabilities.
Third: The dissertation proposes a dynamic prediction method that allows flexible selection of classification algorithms and input course data during the early prediction process of learning outcomes. This flexibility aligns with the frequent changes in training programs in higher education. Simultaneously, the dissertation develops a deep neural network model to support major selection prediction, combining academic and non-academic data from training and admission processes specific to Vietnam. Although tested at only one institution, preliminary results show the model has potential for widespread application in other HEIs nationwide.
Fourth: The dissertation uses a mixed research method, combining three approaches: (1) theoretical synthesis, (2) qualitative research to analyze practical context, and (3) Design Science Research (DSR) in model design and system development. The research is based on two main data sources: 36 higher education quality accreditation reports (2018-2023) and student data from one university (2015-2021). These data sources play a pivotal role, serving as the foundation for the design and implementation process, and providing empirical evidence to evaluate the effectiveness of the predictive model proposed in the dissertation.
Novel Findings and Proposals Derived from Research Results and Surveys
The dissertation has proposed a BI system model with integrated predictive capabilities specifically designed for Vietnamese HEIs. The model can integrate with existing data systems and operate flexibly thanks to modern technology. The highlight is the successful testing of the system model with dynamic prediction capabilities and the use of deep neural networks to support students in major selection based on both academic and non-academic data.
HEIs should implement predictive BI systems to support management, provide early warning of learning risks, and personalize academic counseling. Managers need to prioritize investment in data infrastructure and training of data analysis personnel suitable for the context of autonomy and digital transformation. The dissertation research also opens new research directions on AI applications in Vietnamese higher education.
