Xây dựng hệ tư vấn hỗ trợ sinh viên khóa 57 trường đại học vinh lựa chọn ngành học

CƠ SỞ LÝ THUYẾT CỦA ĐỀ TÀI

KHÁI NIỆM LOGIC MỜ

Lôgic mờ đƣợc phát triển từ lý thuyết tập mờ để thực hiện lập luận một cách xấp x thay vì lập luận chính xác theo lôgic cổ điển

Logic mờ có ứng dụng thực tiễn trong việc điều khiển các thiết bị gia dụng, chẳng hạn như máy giặt, bằng cách cảm nhận kích thước tải và mật độ bột giặt để điều chỉnh các chu kỳ giặt phù hợp Ngoài ra, nó còn được sử dụng trong tủ lạnh để tối ưu hóa hiệu suất hoạt động.

Một ứng dụng cơ bản có thể xác định các khoảng con của một biến liên tục, chẳng hạn như đo đạc nhiệt độ cho phanh chống bó cứng Các hàm liên thuộc riêng biệt sẽ xác định những khoảng nhiệt độ cụ thể để điều khiển phanh một cách chính xác Mỗi hàm ánh xạ nhiệt độ tới một chân giá trị trong khoảng từ 0 đến 1, giúp quyết định cách thức điều khiển phanh.

Trong hình, các thuật ngữ cold (lạnh), warm (ấm), và hot (nóng) đại diện cho một thang nhiệt độ Mỗi điểm trên thang nhiệt độ này có ba "chân giá trị", tương ứng với ba hàm ánh xạ khác nhau Đối với nhiệt độ cụ thể trong hình, ba chân giá trị này có thể được hiểu là ba miêu tả: "tương đối lạnh", "hơi hơi ấm", và "nóng".

Trong quá trình tư vấn hướng nghiệp và tuyển sinh, việc xác định sở thích về toán học là rất quan trọng Những thí sinh có IQ cao và đạt điểm đầu vào từ 19 trở lên, cùng với điểm tích lũy 2.9, nên xem xét việc theo học chuyên ngành Sư phạm Toán.

Trần Thị Phượng - Lớp 53K1 Page 12

2.1.2 Sự hình thành logic mờ

Sự phát triển của khoa học kỹ thuật đã nâng cao năng suất lao động và mở rộng khả năng tư duy của con người Thế giới thực tại và tri thức khoa học là vô hạn và phức tạp, trong khi ngôn ngữ mà con người sử dụng để nhận thức và biểu đạt lại có giới hạn.

Con người thường phải đối mặt với thực tế là không thể có được thông tin đầy đủ và chính xác để đưa ra quyết định Điều này khiến cho việc đưa ra những quyết định đúng đắn trở nên khó khăn, vì thông tin thường chứa đựng những yếu tố không chắc chắn và không đầy đủ Tính không chắc chắn này liên quan đến nguyên lý của Heisenberg, người đã phát triển logic đa trị vào năm 1920.

Năm 1930, nhà toán học Max Black đã áp dụng logic liên tục vào tập hợp các phần tử và ký hiệu, đặt tên cho nó là tính không chắc chắn Trong đó, giá trị đúng và sai được coi là hai cực trị của phổ liên tục về tính không chắc chắn.

1965, trong buổi thuyết trình e-mi-na của mình với tiên đề " các tập mờ "

Lotfi Zadeh đã giới thiệu lý thuyết đa trị, nền tảng cho thuật ngữ Lý thuyết tập mờ, mà ông đã phát triển thành lý thuyết khả năng, khác biệt rõ rệt so với lý thuyết xác suất Mặc dù ban đầu bị chỉ trích là lý thuyết xác suất trá hình, lý thuyết logic mờ đã nhanh chóng được áp dụng rộng rãi tại Nhật Bản, mang lại lợi ích kinh tế lớn Kosko cho rằng các nguyên lý của logic mờ có mối liên hệ chặt chẽ hơn với khái niệm logic của người phương Đông, giải thích lý do tại sao người Nhật dễ dàng tiếp cận và áp dụng logic mờ hơn.

Lý thuyết logic mờ đóng vai trò quan trọng trong việc biểu diễn tri thức và phát triển các quyết định cho việc điều khiển thiết bị Kể từ sau năm 1970, logic mờ đã được ứng dụng rộng rãi trong sản xuất công nghiệp, hệ thống điều khiển giao thông và đường sắt, và ngày nay còn được sử dụng trong các máy móc phục vụ cho gia đình và cuộc sống hàng ngày.

Các kỹ thuật điều khiển mờ là những nhân tố cơ bản nhất của logic mờ cần được tìm hiểu Ngày nay, không chỉ các nước phát triển mà cả các nước đang phát triển như Trung Quốc và Singapore cũng đang tích cực nghiên cứu và phát triển ứng dụng trong lĩnh vực "khoa học mờ" Điều này chứng tỏ ý nghĩa thực tiễn quan trọng của lĩnh vực này.

2.1.3 Sự cần thiết của Logic mờ

Trong thế giới xung quanh, có nhiều yếu tố khó định lượng chính xác trong việc xử lý thông tin đầu vào.

Trong các môi trường chứa đựng nhiều thông tin mờ và không chính xác, việc áp dụng Logic mờ để suy luận từ các dữ liệu này là cần thiết, nhằm đạt được kết quả với sai số chấp nhận được.

LÝ THUYẾT MỜ

Lý thuyết tập mờ lần đầu tiên đƣợc giáo sƣ Lotfi.A.Zadeh giới thiệu trong một công trình nghiên cứu vào năm 1965

Một số tóm tắt quan trọng trong lý thuyết logic mờ

Ký hiệu X là tập vũ trụ Khi đó, X là miền xác định của các biến trong hệ thống (cả biến đầu vào và biến đầu ra)

2.2.2 Khái niệm tập hợp mờ

Khái niệm "Tập hợp mờ" (Fuzzy Set) là một sự mở rộng của tập hợp cổ điển, nhằm thể hiện những tri thức không chính xác Trong lý thuyết tập hợp cổ điển, quan hệ thành viên của các phần tử được đánh giá theo kiểu nhị phân rõ ràng: mỗi phần tử thuộc vũ trụ tham chiếu U sẽ hoặc thuộc tập A, hoặc không thuộc tập A Để xác định thành viên của một phần tử trong tập A, ta gán giá trị 1 nếu phần tử đó thuộc A và giá trị 0 nếu không, từ đó xây dựng hàm thành viên để đánh giá sự thuộc về của phần tử.

Hàm thuộc μA xác định tập con cổ điển A trong tập vũ trụ U, với giá trị μA nằm trong tập hợp {0,1} Trong khi đó, lý thuyết tập mờ cho phép đánh giá nhiều mức độ khác nhau về khả năng một phần tử thuộc về một tập hợp Chúng ta sử dụng hàm thành viên để xác định các phần tử, ví dụ, trong vũ trụ tham chiếu là các nhân viên trong một công ty, tập A là "những người có".

mức độ mà một phần tử u thuộc về tập A : ,0 ( ) 1 A mức lương từ 6 triệu đến 8 triệu đồng, thì A là 1 ‗tập rõ‘, gồm tất cả những người có mức lương

Mức lương từ 6.000.000đ trở lên được coi là "thu nhập cao", nhưng những người có lương thấp hơn, chỉ vài chục đến vài trăm ngàn đồng, vẫn có thể thuộc vào nhóm "những người có thu nhập cao" Tập hợp A được định nghĩa theo nghĩa cổ điển, trong khi tập hợp B có thể bao gồm cả những người có mức lương thấp hơn.

Tập mờ "những người có thu nhập cao" bao gồm các cá nhân với mức độ thuộc khác nhau Ví dụ, một nhân viên có mức lương 6.800.000 đồng chắc chắn thuộc về tập này với độ thuộc bằng 1, trong khi một người có mức lương 2.000.000 đồng có độ thuộc rất thấp Độ thuộc vào tập này sẽ tăng dần theo mức lương, với những người có thu nhập dưới 1.000.000 đồng gần như không thuộc vào tập mờ này.

Trần Thị Phượng - Lớp 53K1 Page 15 chắc chắn không thể thuộc tập B (mức độ là thành viên đối với tập B là bằng 0)

Ta có định nghĩa hình thức cho một tập con mờ trên một vũ trụ tham chiếu nhƣ sau :

Một tập mờ A là một hàm số, ký hiệu là A (hàm thuộc) xác định độ thuộc của x trong tập A, cho bởi: A(x): X [0.0, 1.0]

Giá trị A(x) càng lớn thì độ thuộc của x trong A càng cao.

2.2.3 Các định nghĩa đặc trƣng của một tập mờ

Tập mờ A trên U có những đặc trƣng quan trọng để mô tả các phần tử liên quan, giúp phân biệt với các tập con cổ điển khác Giá đỡ của tập mờ A (Support) được định nghĩa là tập hợp các phần tử có giá trị hàm lớn hơn 0, ký hiệu là supp(A) = {u | u ∈ U | μA(u) > 0} Chiều cao của tập mờ A (Height) là giá trị lớn nhất mà hàm thuộc có thể đạt được trong tập mờ A, được ký hiệu là h(A) = sup{μA(u) | u ∈ U}.

Chú ý rằng nếu U là tập rời rạc thì h(A) = max A { ( ), } Định nghĩa 3 Tập mờ A gọi là chuẩn hóa nếu chiều cao của nó h(A) = 1

Nhƣ vậy tập mờ A trên U đƣợc gọi là chuẩn hóa, nếu chắc chắn có ít nhất

Hạt nhân của tập mờ A, ký hiệu là ker(A), là tập hợp các phần tử u thuộc U mà tại đó giá trị hàm A(u) bằng 1.

Tập mờ A có nhân khác rỗng khi A là tập mờ chuẩn hóa Lực lượng của tập mờ A được ký hiệu và xác định theo cách cụ thể.

Nếu A là tập rõ, thì μA(u) = 1 cho mọi u thuộc A, và tổng này tương ứng với số phần tử của A, phù hợp với định nghĩa lực lượng của tập hợp cổ điển Định nghĩa 6: α - nhát cắt của tập mờ A (hay tập mức α của A) là tập hợp các phần tử có giá trị hàm lớn hơn hoặc bằng α, với α nằm trong khoảng [0, 1].

Aα = {u | uU | A(u) } Chú ý rằng - nhát cắt của tập mờ A là 1 tập ―rõ‖, các phần tử của Aα hoàn toàn đƣợc xác định

2.2.4 Một số dạng hàm thuộc thường gặp

Kiểu của tập mờ phụ thuộc vào các loại hàm thuộc khác nhau, và đã có nhiều hàm thuộc được đề xuất Dưới đây là một số hàm thuộc tiêu biểu.

Các tập mờ được xác định bởi hàm thuộc với ba tham số: cận dưới a, cận trên b và giá trị m (tương ứng với đỉnh tam giác), trong đó a < m < b Hàm thuộc này được gọi là hàm thuộc tam giác và được coi là đối xứng nếu b - m bằng m - a, tức là m = (a + b) / 2.

Hàm thuộc của tập mờ này gọi là hàm thuộc hình thang, xác định bởi bộ 4 giá trị a, b, c, d

+ Tập mờ Gamma tuyến tính (hay L trái)

Hàm thuộc Singleton là hàm xác định cho tập A chỉ có một phần tử u = m, với giá trị 0 tại tất cả các điểm trong tập vũ trụ, ngoại trừ tại điểm m, nơi hàm nhận giá trị 1.

Biến ngôn ngữ là một khái niệm quan trọng trong lý thuyết mờ, cho phép nhận các giá trị ngôn ngữ, mỗi giá trị này được xác định bởi một tập mờ và hàm thuộc Điều này có nghĩa là biến ngôn ngữ có thể nhận các giá trị là mệnh đề từ cả ngôn ngữ tự nhiên và ngôn ngữ nhân tạo.

Nói chung giá trị của một biến ngôn ngữ đƣợc đặc tả thông qua các thuật ngữ sau:

• Các thuật ngữ sơ cấp là các nhãn của tập mờ , chẳng hạn nhƣ "cao",

"thấp", "nhỏ", "Trung bình", "bằng không"

• Phủ định NOT và các liên kết AND và OR

• Các từ nhấn chẳng hạn nhƣ " rất ", "gần ", "hầu hết"

• Các điểm gì chú (markers), chẳng hạn nhƣ đóng mở ngặc ()

2.2.6 Các phép toán cơ bản trên tập mờ

Tính toán trên tập mờ là một lĩnh vực quan trọng, tuy nhiên, chúng ta vẫn chưa phát hiện ra cấu trúc đại số của tập gốc T( ) Trong phần này, chúng tôi sẽ định nghĩa một cấu trúc đại số trên tập F(U, [0, 1]) Mục tiêu chính của lý thuyết tập mờ là mô hình hóa toán học ngữ nghĩa của các khái niệm mờ và phản ánh phương pháp lập luận của con người, một vấn đề phức tạp và đầy thách thức.

Trần Thị Phượng - Lớp 53K1 chỉ ra rằng việc tìm một cấu trúc toán học chặt chẽ cho tập F(U, [0, 1]) là rất khó khăn do tính chất yếu của nó Điều này dẫn đến việc không có ràng buộc rõ ràng trong định nghĩa các phép toán trong F(U, [0, 1]) Tuy nhiên, sự đa dạng trong cách định nghĩa các phép tính mang lại tính linh hoạt và khả năng thích ứng với nhiều bài toán ứng dụng khác nhau, đặc biệt là trong lĩnh vực trí tuệ nhân tạo.

Trước khi định nghĩa các phép tính trong F(U, [0, 1]), chúng ta xem đoạn [0, 1] như một cấu trúc dàn L[0,1] = ([0, 1], ∪, ∩, –) với thứ tự tự nhiên Trong đó, với mọi a, b thuộc [0, 1], ta có: a ∪ b = max {a, b}, a ∩ b = min {a, b} và – a = 1 − a.

Chúng ta có thể kiểm chứng rằng L[0,1] = ([0, 1], ∪, ∩, –) là một đại số

De Morgan, hơn nữa nó có các tính chất sau:

+ Các phép tính hợp ∪ và giao ∩ có tính giao hoán a ∪ b = b ∪ a và a ∩ b = b ∩ a + Các phép tính hợp ∪ và giao ∩ có tính chất phân phối lẫn nhau a ∪ (b ∩ c) = (a ∪ b) ∩ (a ∪ c) và a ∩ (b ∪ c) = (a ∩ b) ∪ (a ∩ c)

- Tính chất nuốt (absorption) và nuốt đối ngẫu (dual absorption):

+ Tính chất nuốt đối ngẫu : a ∪ (a ∩ b) = a

+ Tính lũy đẳng : a ∪ a = a và a ∩ a = a + Tính chất phủ phủ định : –(–a) = a

+ Tính chất De Morgan : –(a ∪b)= –a∩–b; –(a ∩ b) = –a ∪ –b Dựa trên cấu trúc L[0,1] chúng ta sẽ định nghĩa các phép tính trên tập mờ thông qua các phép tính của dàn L[0,1]

QUAN HỆ MỜ

Giả sử X, Y là hai tập vũ trụ Một quan hệ mờ R là ánh xạ của tích Descartes X x Y vào đoạn [0;1], trong đó hàm thuộc của quan hệ ký hiệu

R(x,y), và đƣợc tính bằng công thức:

2.3.2 Các phép toán trên quan hệ mờ

Cho R={A1,A2, ,An, }, fr là quan hệ mờ trên R AR, c D(A) Phép chọn mờ Fs đƣợc định nghĩa nhƣ sau:

Fs Ac( fr )={ (t,fr(t))  SP(t[A] c) | (t,fr(t))fr và fr(t)SP (t[A]c)

Trong đó : là ngƣỡng đƣợc chọn và  (0,1],  {=, ,  ,,, },  : Phép Min

Cho quan hệ mờ fr={(t,fr(t))} trên lƣợc đồ quan hệ R, với mỗi bộ (t,fr(t)) thuộc fr, ký hiệu tx là tập các bộ (t1, fr(t1)) thuộc fr sao cho t1[ ]=t[ ] Điều này có nghĩa là tx={t1 | (t1, fr(t1)) thuộc fr và SP(t1[X]=t[X]) =1}.

Phép chiếu mờ của quan hệ fr trên là một quan hệ mờ trên   đƣợc định nghĩa nhƣ sau:

+ Phép kết nối tự nhiên mờ

Cho 2 quan hệ fr1= (t1,fr1(t1)) và fr2=(t2,fr2(t2)) trên R1, R2, AR1, BR2, R1R2=R3, R1R2=R

• Nếu R3 ta định nghĩa phép nối tự nhiên mờ nhƣ sau:

FNJ  fr1fr2={(t, fr1(t1)fr2(t2) SP (t1[C],t2[C]))   |

(t1,fr1(t1))fr1 và (t2,fr2(t2))fr2 mà t[A]=t1[A] và t[B]=t2[B]và t[C]=t 1 [C]=t 2 [C]}

Trong đó fr 1 xác định trên AC và fr2 xác định trên CB và A  B  C=

• Nếu R3= thì ta có phép nối tự nhiên mờ sẽ thành tích Descarts mờ

Trong trường hợp  ={, , , } thì phép kết nối tự nhiên sẽ thành phép kết nối mờ 

Phép kết nối mờ  giữa hai quan hệ mờ fr1 và fr2 trên các thuộc tính A và B được định nghĩa như sau: fJ  fr1fr2 = {(t, fr1(t1)  fr2(t2)  SP(t1[A]  t2[B])) | t[R1]=t1, t[R2]=t2, (t1, fr1(t1))fr1, (t2, fr2(t2))fr2, fr1(t1)  fr2(t2)  SP(t1[A]  t2[B]) ≥ ε} Quan hệ fJ được xác định trên R=R1R2 với R1R2=.

2.3.3 Một số tính chất quan hệ mờ

Với các quan hệ hai ngôi cổ điển, chúng ta quan tâm đến các tính chất sau:

• Phản xạ: Quan hệ R có tính phản xạ nếu: aRa, a X

• Đối xứng: Quan hệ R có tính đối xứng nếu: aRb bRa

Quan hệ R được coi là có tính bắc cầu khi thỏa mãn điều kiện: nếu aRb và bRc thì aRc Tương tự như các quan hệ cổ điển, các tính chất đặc biệt của quan hệ mờ hai ngôi cũng được chú trọng, và những tính chất này là sự mở rộng của các tính chất tương ứng trong các quan hệ cổ điển.

Tương tự như trên tập mờ, các tính chất: giao hoán, kết hợp, phân phối hai bên, lũy đẳng, đồng nhất, các luật De Morgan cũng đúng

2.3.4 Các phép toán T-norm và T-conorm

+ Phép toán t-norm àA∩B = àA∧àB =min{àA, àB} nếu chọn t-norm là Min àA∩B = àA∧àB =àA.àB nếu chọn t-norm là Product

+ Phép toán t-conorm àA∪B = àA∨àB =max{àA, àB} nếu chọn t-conorm là Max àA∪B = àA∨àB =àA+ àB nếu chọn t-conorm là Sum

Giả sử có các tập mờ A, B, C Nếu R là một quan hệ mờ trên A x B và S là một quan hệ mờ trên B x C, thì phép hợp thành, ký hiệu RoS, sẽ tạo thành một quan hệ mờ trên A x C.

Các phép hợp thành hay dùng là:

MỆNH ĐỀ MỜ VÀ LUẬT MỜ

Trong logic rõ, mệnh đề được định nghĩa là một câu phát biểu có giá trị đúng hoặc sai Ngược lại, trong logic mờ, mỗi mệnh đề không nhất thiết phải có giá trị đúng hoặc sai, mà có thể nằm trong khoảng giữa hai giá trị này.

Mệnh đề mờ đƣợc gán cho một giá trị trong khoảng từ 0 đến 1 để ch mức độ đúng (độ thuộc về) của nó

Ví dụ : " Nam trông khá đẹp trai"

" Chiếc xe này chạy cũng đƣợc đấy"

" Cô ấy sống tạm gọi là hạnh phúc"

Cho Ω = {P1, P2, } với P1, P2, là các mệnh đề Tập mờ A trên Ω tươngứng với ánh xạ v như sau: v : Ω → [0, 1]

Chân trị của mệnh đề mờ Pi trên khoảng [0, 1] được ký hiệu là v(Pi) Các phép toán trên mệnh đề mờ là các phép toán logic mờ dựa vào các tập mờ Mức độ đúng (chân trị) của mệnh đề mờ P được biểu thị bằng v(P), với điều kiện 0 ≤ v(P) ≤ 1.

Suy diễn mờ, hay còn gọi là suy luận xấp x, là quá trình rút ra kết luận dưới dạng mệnh đề mờ dựa trên quy tắc "Nếu Thì ", trong bối cảnh dữ liệu đầu vào không rõ ràng Phương pháp này thường áp dụng các luật như Modus Ponens hoặc Modus Tollens Trong logic rõ, Modus Ponens được diễn đạt như sau:

Mệnh đề 1 (Luật hoặc tri thức): P → Q

Mệnh đề 2 (sự kiện): P đúng

Trong suy diễn mờ, luật được diễn đạt dưới dạng sau :

Trong đó A, A' là các tập mờ trên không gian nền U, B và B' là các tập mờ trên không gian nền V

Luật mờ : Nếu góc tay quay ga lớn thì xe đi nhanh

Sự kiện mờ : Góc tay quay khá lớn

Kết luận : e đi khá nhanh

Trong logic rõ Modus Tollen có dạng:

Mệnh đề 1 (Luật hoặc tri thức): P → Q

Mệnh đề 2 (sự kiện): ơQ đỳng

Trong suy diễn mờ, luật được diễn đạt dưới dạng sau :

Luật mờ (hoặc tri thức mờ): P → Q

Sự kiện mờ : ơQ khỏ đỳng

Kết luận : ơP khỏ đỳng

HỆ CHUYÊN GIA MỜ

Mỗi mô hình đều bao gồm các đầu vào, đầu ra và một bộ xử lý Đối với mô hình mờ, đầu vào nhận giá trị số rõ ràng, trong khi đầu ra có thể là một tập mờ hoặc một giá trị số cụ thể Bộ xử lý được mô tả thông qua một tập luật mờ thay vì một hàm số tường minh Cấu trúc cơ bản của hệ mờ bao gồm năm thành phần chủ đạo.

Cơ sở luật, bộ tham số, cơ chế suy diễn, giao dhiện mờ hóa, giao diện khử mờ

2.5.2 Cơ chế hoạt động của hệ mờ

• Mô hình mờ Takagi-Sugeno

KẾT LUẬN CHƯƠNG

Lý thuyết tập mờ được áp dụng cho các lớp hoặc nhóm dữ liệu có ranh giới không rõ ràng Việc mở rộng lý thuyết và các phương pháp giải tích thành kỹ thuật mờ mang lại lợi ích trong việc giải quyết các bài toán thực tiễn, nơi luôn tồn tại các yếu tố không chính xác và nhiễu, là hệ quả của quá trình đo đạc và xử lý trong thực tế.

TỔNG QUAN VỀ HỆ THỐNG TRỢ GIÚP TƯ VẤN HƯỚNG NGHIỆP CHỌN NGÀNH

KHÁI NIỆM NGHỀ NGHIỆP VÀ HƯỚNG NGHIỆP

3.1.1 Khái niệm nghề nghiệp và việc làm

Nghề nghiệp là một loại lao động yêu cầu con người phải trải qua quá trình đào tạo chuyên sâu, trang bị kiến thức, kỹ năng và kỹ xảo chuyên môn Đồng thời, người lao động cũng cần có phẩm chất và đạo đức phù hợp với yêu cầu của nghề.

Nghề nghiệp được định nghĩa là công việc ổn định và có tính chất lâu dài, trong khi những công việc tạm thời, không ổn định, chỉ yêu cầu sức lao động giản đơn và được trả công để sinh sống thì không được coi là nghề nghiệp.

Hướng nghiệp là quá trình mà trường học, gia đình và xã hội tác động đến thế hệ trẻ, giúp các em làm quen và hiểu biết về các ngành nghề phổ biến Điều này giúp các em có thể lựa chọn nghề nghiệp một cách có ý thức khi tốt nghiệp.

Tự hướng nghiệp là tự mình định hướng nghề nghiệp, tự mình xác định đúng ngành nghề phù hợp với bản thân và xã hội

Tư vấn hướng nghiệp là sự hỗ trợ khách quan và nỗ lực chủ quan trong quá trình định hướng nghề nghiệp Mục tiêu chính của tư vấn hướng nghiệp là giúp người tìm việc tránh những quyết định sai lầm và lựa chọn đúng con đường sự nghiệp phù hợp.

3.1.4 Sự cần thiết của tư vấn hướng nghiệp

Hướng nghiệp hiệu quả giúp tạo ra một lực lượng lao động có định hướng rõ ràng và năng lực nghề nghiệp tốt, từ đó nâng cao năng suất lao động và góp phần vào sự phát triển kinh tế - xã hội toàn diện.

3.1.5 Cơ sở lý luận của John Holland

John L Holland là một tiến sĩ tâm lý học nổi tiếng người Mỹ, được biết đến với nghiên cứu về lý thuyết lựa chọn nghề nghiệp Lý thuyết của ông đã ảnh hưởng sâu sắc đến nhiều trường học và tổ chức trên toàn thế giới, giúp định hướng sự nghiệp cho hàng triệu người.

Trần Thị Phượng - Lớp 53K1, đại học đã áp dụng công trình của John Holland để phát triển bộ kiểm tra nhằm hỗ trợ học sinh tìm hiểu về trường và giúp sinh viên xác định công việc phù hợp sau khi tốt nghiệp.

HIỆN TRẠNG TRƯỜNG ĐẠI HỌC VINH

3.2.1 Một số khó khăn hiện hữu

Theo số liệu thống kê từ 2004-2008, của phòng Đào tạo cho thấy số lượng tuyển sinh hằng năm của trường đang có chiều hướng giảm

Nhận thức của xã hội về học nghề đang còn nhiều hạn chế

+ Vấn đề học sinh bỏ học:

Theo số liệu thống kê, việc tuyển sinh ngày càng khó khăn;

Tuy nhiên, số lƣợng sinh viên bỏ học hàng năm không giảm mà còn có chiều hướng tăng lên

+ Vấn đề mức độ hài lòng với công việc sau khi ra trường

Nâng cao sự hài lòng của người học với công việc sau khi tốt nghiệp là mục tiêu quan trọng Tuy nhiên, tỷ lệ hài lòng hiện nay vẫn chưa đạt yêu cầu, điều này ảnh hưởng tiêu cực đến uy tín đào tạo của nhà trường Đây là một trong những nguyên nhân chính tác động đến số lượng và chất lượng đào tạo sinh viên hàng năm.

3.2.2 Hậu quả, nguyên nhân và biện pháp khắc phục

Nhà trường phải đối mặt với nhiều thách thức trong công tác tuyển sinh và đào tạo, bao gồm việc tiêu tốn thời gian và nhân lực Điều này dẫn đến việc năng lực đào tạo bị đánh giá thấp, khi mà khả năng làm việc của người học không đạt yêu cầu Hơn nữa, số lượng tuyển sinh không đáp ứng chỉ tiêu đề ra, ảnh hưởng đến kế hoạch đào tạo khi xếp lớp.

Gia đình và người học thường phải đối mặt với chi phí và thời gian đáng kể khi theo học, trong khi năng lực của người học không được phát huy tối đa Sau khi tốt nghiệp, nhiều người gặp khó khăn trong việc tìm kiếm việc làm và làm việc hiệu quả Đánh giá năng lực của người lao động hiện nay vẫn còn nặng về bằng cấp, gây khó khăn cho những người có kỹ năng thực sự nhưng không có chứng chỉ.

Việc giải quyết khó khăn này cần sự phối hợp giữa nhiều ngành, nhiều cấp từ trung ương đến địa phương

Tuy nhiên, ngoài các nguyên nhân khách quan trên còn một số khó khăn mang tính chủ quan tại nhà trường chưa có biện pháp hợp lý

3.2.3 Hướng giải quyết bằng CNTT ứng dụng Logic mờ

Xây dựng CSDL các câu hỏi trắc nghiệm để xác định tính cách, năng lực, sở thích của mỗi người

Xây dựng cơ sở dữ liệu tri thức nhằm xác định nghề nghiệp phù hợp với tính cách, năng lực và sở thích cá nhân Sử dụng logic mờ để giải quyết các vấn đề không rõ ràng khi thực hiện trắc nghiệm về tính cách, năng lực và sở thích của người học.

3.2.4 Mục tiêu cần đạt đến của hệ trợ giúp

Hình thành CSDL tri thức về tư vấn hướng nghiệp và ngân hàng câu hỏi trắc nghiệm để xác định tính cách, năng lực, sở thích của mỗi người

Nâng cao số lƣợng và chất lƣợng tuyển sinh Giảm thiểu số lƣợng học sinh bỏ học

Giảm thiểu số lƣợng học sinh thay đổi nghề khi nhập học

Gia tăng số lượng học sinh hài lòng với công việc sau khi ra trường.

PHÂN TÍCH HỆ THỐNG

3.3.1 Hệ trợ giúp tư vấn hướng nghiệp

Chương trình máy tính này được thiết kế để hỗ trợ người học xác định rõ ràng hơn về nghề nghiệp phù hợp với bản thân, đồng thời cung cấp công cụ cho cán bộ tư vấn hướng nghiệp trong việc tìm kiếm nghề nghiệp thích hợp cho người học.

3.3.2 Đặc tả đầu vào/đầu ra và yêu cầu của hệ thống

Hệ thống tư vấn hướng nghiệp giúp xác định ngành nghề phù hợp với từng cá nhân, dựa trên các yếu tố đầu vào như tính cách, năng lực, sở thích và điểm số của người học thông qua trắc nghiệm Giá trị đầu ra của hệ thống này phụ thuộc vào việc phân tích chính xác các yếu tố trên.

Trần Thị Phượng - Lớp 53K1 Page 27 Để đơn giản hóa, ta chia bài toán này thành bài toán con là:

Xác định mức độ phù hợp của người học đối với ngành học thông qua bộ câu hỏi về tính cách, năng lực, sở thích

Bài toán được trình bày như sau: Sử dụng Logic mờ để phát triển hệ thống tư vấn hướng nghiệp, với đầu vào là các câu trả lời từ bộ câu hỏi trắc nghiệm về tính cách, năng lực và sở thích của người học, và đầu ra là mức độ phù hợp của người học với ngành học.

3.3.3 Phương pháp xây dựng hệ thống

Hệ thống đƣợc thiết kế theo kiểu mô hình Mamdani, bao gồm các thành phần sau:

Các định nghĩa biến mờ tương ứng với các biến hệ thống; Cơ sở luật; Bộ xử lý mờ; Cơ chế khử mờ

3.3.4 Tóm tắt các bước xây dựng hệ thống

• ác định tất cả các biến vào và ra

• ác định miền giá trị biến vào và ra và các hàm thuộc của chúng

• ác định các luật mờ

• Chọn phương pháp suy diễn

• Tối ƣu hóa hệ luật và thử nghiệm mô hình.

KẾT LUẬN CHƯƠNG

Những nội dung trong chương đã trình bày các quan điểm cơ bản về định hướng nghề nghiệp dựa trên tính cách, năng lực và sở thích

Trong chương này cũng đã trình bày một cách khái quát cách thức xây dựng một hệ thống mờ để giải quyết bài toán tư vấn định hướng

CHƯƠNG 4 XÂY DỰNG HỆ TƯ VẤN CHỌN NGÀNH CHO SINH VIÊN KHÓA 57 TRƯỜNG ĐẠI HỌC VINH LỰA CHỌN NGÀNH HỌC

Theo quy chế mới của trường, sinh viên khóa 57 sẽ học theo chương trình mới, với thời gian 1,5 năm đầu để học tập Sau thời gian này, các em sẽ được phân ngành dựa trên sự lựa chọn của mình.

Để giúp sinh viên chọn ngành học phù hợp, cần xem xét năng lực cá nhân, điều kiện khách quan và nhu cầu của xã hội Việc định hướng ngành học không chỉ dựa vào sở thích mà còn phải cân nhắc đến khả năng phát triển nghề nghiệp trong tương lai.

Trong trường hợp bạn có sở thích và đủ điều kiện, hãy xem xét đăng ký vào một ngành học phù hợp với bản thân Việc lựa chọn ngành học không chỉ dựa trên sở thích mà còn cần phù hợp với năng lực và mục tiêu nghề nghiệp của bạn Điều này sẽ giúp bạn phát triển bền vững trong tương lai.

4.1.2 Các hoạt động trong việc tƣ vấn chọn ngành

- Nói chuyện, giao lưu tư vấn

- Làm trắc nghiệm hướng nghiệp

4.1.3 Mục tiêu cần đạt đến của hệ tƣ vấn

Hình thành CSDL tri thức về tư vấn hướng nghiệp và ngân hàng câu hỏi trắc nghiệm để xác định tính cách, năng lực, sở thích của mỗi người

Nâng cao số lƣợng và chất lƣợng sinh viên chọn ngành học

Giảm thiểu số lƣợng học sinh bỏ học giãm bớt gánh nặng tuyển sinh cho việc chuẩn bị công tác phân ngành

Sau khi nghiên cứu tài liệu, tôi quyết định xây dựng một bài trắc nghiệm hướng nghiệp Chương trình sẽ yêu cầu người dùng cung cấp một số thông tin cá nhân Dựa trên câu trả lời của họ, chương trình sẽ đưa ra lời khuyên phù hợp và cần giải thích lý do cho những gợi ý đó.

4.2.1 Thuật toán xây dựng CSDL và các lớp đối tƣợng

- Thu thập thông tin về người học

Hệ thống tiếp nhận đầu vào từ giá trị trả lời của bộ câu hỏi trắc nghiệm về tính cách, năng lực và sở thích, được xây dựng dựa trên lý thuyết của John Holland cùng với kiến thức của các cán bộ tư vấn hướng nghiệp tại trường.

Định nghĩa các biến mờ là yếu tố then chốt trong việc xây dựng hệ thống mờ, vì từ những định nghĩa này, chúng ta có thể phát triển tập luật mờ cho hệ thống một cách hiệu quả.

Trong thuật toán, mỗi biến hệ thống được gán một biến mờ tương ứng Cụ thể, đối với biến đầu vào Vi của hệ thống, ta xác định biến mờ tương ứng với nó.

Xi với i=1, ,n của hệ thống. Đối với biến số đầu ra R của hệ thống, ta có biến mờ tương ứng là Xn+1 của hệ thống

Như vậy, vector biến trạng thái rõ của mỗi biến hệ thống sẽ tương ứng với một vector biến trạng thái mờ của hệ thống mờ:

Biến hệ thống: [V1, V2, Vn; R] Hệ thống mờ: [X1, Xi, với i=1 n+1]

Các biến mờ đều đƣợc tham số hoá theo nguyên tắc sau:

+ Tham số hóa biến mờ

Mỗi thành phần biến mờ Xi, i=1, n+1 trong vector biến trạng thái của hệ thống đƣợc xác định thông qua bộ tứ sau:

Xi x, U, Ti (x), MFi (x) + Tham số hóa giá trị ngôn ngữ

Mỗi giá trị ngôn ngữ Ti,j(x) với j=1, ,k tương ứng với một biến mờ Xi có nhãn x, trong đó k là số giá trị ngôn ngữ được sử dụng để biểu diễn biến mờ Xi, được xác định bởi bộ tham số T(t, P).

Trong đó: t : là nhãn text xác định tên giá trị ngôn ngữ

P : là tập tham số định nghĩa hàm thuộc Tj(w) của giá trị ngôn ngữ, với w là một giá trị rõ thuộc tập vũ trụ U

Xác định biến mờ hệ thống Đầu vào: Tính_cách; Năng_lực; Sở thích Đầu ra: Ngành học

Ta sử dụng các thuật ngữ tiếng Anh để biểu diễn hàm thuộc của các biến mờ, bao gồm: very_low (Không phù hợp), low (hơi phù hợp), medium (phù hợp), high (khá phù hợp) và very_high (rất phù hợp).

Tham số hóa các hàm thuộccủa biến mờ Tính_cách:

Các biến mờ Năng_lực Sở_thích và việc làm được tham số hóa tương tự nhƣ trên

- Xây dựng cơ sở luật mờ

Để xác định các luật mờ phổ biến, có thể dựa vào ý kiến của các chuyên gia trong lĩnh vực ứng dụng hoặc thông qua quan sát và thực nghiệm thống kê Việc này giúp thu thập các tập dữ liệu mẫu đầu vào và đầu ra tương ứng, từ đó áp dụng các kỹ thuật khai phá dữ liệu để rút ra các luật.

- Xây dựng bộ suy diễn mờ

+ Suy diễn mờ cho một luật

+ Suy diễn mờ từ tập cơ sở luật mờ

Mờ hoá là quá trình biến đổi một vector x=(x1,x2,…,xn) X Rn thành một tập mờ A' trên X A' sẽ là đầu vào cho bộ suy diễn mờ

Một số phương pháp mờ hoá thông dụng:

+ Mờ hoá đơn trị Mờ hoá Gaus

Qua tìm hiểu, em rút ra cách xây dựng hệ chuyên gia tư vấn hướng nghiệp nhƣ sau

Trần Thị Phượng - Lớp 53K1 Page 31 Đầu tiên phải xây dựng được 1 tập luật để làm cơ sở tri thức cho chương trình

Cần cài đặt một thuật toán suy diễn, có thể là suy diễn tiến hoặc suy diễn lùi, để thao tác trên tập luật và đưa ra lời khuyên Thuật toán này giữ vai trò quan trọng như một mô tơ suy diễn.

Như vậy có 2 bước chính cần làm đó là:

- ây dựng cơ sở tri thức

Dựa vào các câu hỏi trắc nghiệm khách quan đƣợc xây dựng dƣ trên các chuyên gia tư vấn trường Đại Học Vinh

- Xây dựng mô tơ suy diễn (Cài đặt thuật toán suy diễn – cụ thể là suy diễn lùi)

4.4 CẤU TRÚC DỮ LIỆU VÀ CÁCH BIỂU DIỄN CÁC TRẠNG THÁI CỦA BÀI TOÁN

Bài toán yêu cầu thao tác với các đối tượng nút và luật, do đó nhóm đã xây dựng một số cấu trúc dữ liệu dưới dạng các lớp (class) để biểu diễn thông tin liên quan.

Một nút sẽ có dạng: e1 Điểm đầu vào 19đ

Nút e1 được định nghĩa với tên là e1 và giá trị text là "Điểm đầu vào 19đ" Để mô tả nút này, nhóm đã sử dụng một lớp Node với các thuộc tính bao gồm: name (tên nút), text (giá trị text của nút) và value (giá trị của nút, có thể là đúng hoặc sai).

Một luật sẽ có dạng: r1 ~e1&~e2&~e3&~e4=>c9

Trong bài viết này, luật được mô tả với tên r1, trong đó ~e1&~e2&~e3&~e4 là giả thiết và c9 là kết luận Để thể hiện một luật nhóm, một lớp Rule được sử dụng với các thuộc tính name (tên luật), suppose (giả thiết) và conclusion (kết luận) Để xác định một node thuộc về luật nào, nhóm đã phát triển lớp Road để lưu trữ thông tin của hai đối tượng này.

Do lượng dữ liệu hạn chế, hai tập nút và luật được lưu trữ trong hai file văn bản có tên lần lượt là “nodes.txt” và “rule.txt”, và được đặt trong cùng thư mục với chương trình.

4.5 CÁC THUẬT TOÁN ĐƢỢC SỬ DỤNG

Y DỰNG HỆ TƯ VẤN CHỌN NGÀNH CHO SINH VIÊN KH A 57 TRƯỜNG ĐẠI HỌC VINH LỰA CHỌN NGÀNH HỌC

CÀI ĐẶT HỆ THỐNG

4.2.1 Thuật toán xây dựng CSDL và các lớp đối tƣợng

- Thu thập thông tin về người học

Hệ thống tiếp nhận đầu vào từ giá trị trả lời của bộ câu hỏi trắc nghiệm về tính cách, năng lực và sở thích, được xây dựng dựa trên lý thuyết của John Holland và kinh nghiệm của các cán bộ tư vấn hướng nghiệp tại trường.

Định nghĩa các biến mờ là yếu tố quan trọng trong việc xây dựng hệ thống mờ, vì từ những định nghĩa này, chúng ta có thể phát triển tập luật mờ cho hệ thống.

Trong thuật toán, mỗi biến hệ thống sẽ được gán một biến mờ tương ứng Cụ thể, đối với biến đầu vào Vi của hệ thống, sẽ có một biến mờ tương ứng được xác định.

Xi với i=1, ,n của hệ thống. Đối với biến số đầu ra R của hệ thống, ta có biến mờ tương ứng là Xn+1 của hệ thống

Như vậy, vector biến trạng thái rõ của mỗi biến hệ thống sẽ tương ứng với một vector biến trạng thái mờ của hệ thống mờ:

Biến hệ thống: [V1, V2, Vn; R] Hệ thống mờ: [X1, Xi, với i=1 n+1]

Các biến mờ đều đƣợc tham số hoá theo nguyên tắc sau:

+ Tham số hóa biến mờ

Mỗi thành phần biến mờ Xi, i=1, n+1 trong vector biến trạng thái của hệ thống đƣợc xác định thông qua bộ tứ sau:

Xi x, U, Ti (x), MFi (x) + Tham số hóa giá trị ngôn ngữ

Mỗi giá trị ngôn ngữ Ti,j(x) với j=1, ,k tương ứng với biến mờ Xi có nhãn x, trong đó k là số giá trị ngôn ngữ được sử dụng để biểu diễn biến mờ Xi, được xác định bởi bộ tham số T (t, P).

Trong đó: t : là nhãn text xác định tên giá trị ngôn ngữ

P : là tập tham số định nghĩa hàm thuộc Tj(w) của giá trị ngôn ngữ, với w là một giá trị rõ thuộc tập vũ trụ U

Xác định biến mờ hệ thống Đầu vào: Tính_cách; Năng_lực; Sở thích Đầu ra: Ngành học

Ta biểu diễn hàm thuộc của các biến mờ bằng các mức độ phù hợp như sau: very_low (Không phù hợp), low (hơi phù hợp), medium (phù hợp), high (khá phù hợp) và very_high (rất phù hợp).

Tham số hóa các hàm thuộccủa biến mờ Tính_cách:

Các biến mờ Năng_lực Sở_thích và việc làm được tham số hóa tương tự nhƣ trên

- Xây dựng cơ sở luật mờ

Để xác định các luật mờ phổ biến, có thể dựa vào ý kiến của các chuyên gia trong lĩnh vực áp dụng hoặc thông qua quan sát và thực nghiệm thống kê Quá trình này giúp thu thập các tập dữ liệu mẫu đầu vào và đầu ra tương ứng, từ đó áp dụng các kỹ thuật khai phá dữ liệu để rút ra các luật mờ.

- Xây dựng bộ suy diễn mờ

+ Suy diễn mờ cho một luật

+ Suy diễn mờ từ tập cơ sở luật mờ

Mờ hoá là quá trình biến đổi một vector x=(x1,x2,…,xn) X Rn thành một tập mờ A' trên X A' sẽ là đầu vào cho bộ suy diễn mờ

Một số phương pháp mờ hoá thông dụng:

+ Mờ hoá đơn trị Mờ hoá Gaus

CÁCH LÀM

Qua tìm hiểu, em rút ra cách xây dựng hệ chuyên gia tư vấn hướng nghiệp nhƣ sau

Trần Thị Phượng - Lớp 53K1 Page 31 Đầu tiên phải xây dựng được 1 tập luật để làm cơ sở tri thức cho chương trình

Sau khi cài đặt, cần sử dụng một thuật toán suy diễn, có thể là suy diễn tiến hoặc suy diễn lùi, để thao tác trên tập luật và đưa ra lời khuyên Thuật toán này giữ vai trò quan trọng như một mô tơ suy diễn.

Như vậy có 2 bước chính cần làm đó là:

- ây dựng cơ sở tri thức

Dựa vào các câu hỏi trắc nghiệm khách quan đƣợc xây dựng dƣ trên các chuyên gia tư vấn trường Đại Học Vinh

- Xây dựng mô tơ suy diễn (Cài đặt thuật toán suy diễn – cụ thể là suy diễn lùi)

CẤU TRÚC DỮ LIỆU VÀ CÁCH BIỂU DIỄN CÁC TRẠNG THÁI CỦA BÀI TOÁN

Bài toán yêu cầu thao tác với các đối tượng nút và luật, do đó nhóm đã xây dựng một số cấu trúc dữ liệu dưới dạng các lớp (class) để biểu diễn thông tin liên quan.

Một nút sẽ có dạng: e1 Điểm đầu vào 19đ

Nút e1 được định nghĩa với tên là e1 và giá trị text là "Điểm đầu vào 19đ" Để mô tả nút này, nhóm đã sử dụng một lớp Node, trong đó có các thuộc tính: name (tên nút), text (giá trị text của nút) và value (giá trị của nút, có thể là đúng hoặc sai).

Một luật sẽ có dạng: r1 ~e1&~e2&~e3&~e4=>c9

Trong bài viết này, r1 là tên của luật, trong khi ~e1&~e2&~e3&~e4=>c9 là giả thiết, và c9 là kết luận của luật Để mô tả một luật nhóm, chúng tôi sử dụng một lớp (class) có tên là Rule, với thuộc tính name để chỉ tên của luật, suppose để chỉ giả thiết, và conclusion để chỉ kết luận của luật Để xác định một node được chọn tại rule nào, nhóm đã phát triển lớp Road để lưu trữ thông tin về hai đối tượng trên.

Do kích thước dữ liệu hạn chế, hai tập hợp nút và luật được lưu trữ trong hai tệp văn bản có tên lần lượt là "nodes.txt" và "rule.txt", và chúng được đặt trong cùng thư mục với chương trình.

CÁC THUẬT TOÁN ĐƢỢC SỬ DỤNG

4.5.1 Thuật toán Suy diễn lùi Đây là thuật toán quan trọng nhất trong chương trình Suy diễn lùi là quá trình xuất phát từ sự kiện cần chứng minh và thay vào đó là những sự kiện ở vế trái của 1 luật có vế phải là sự kiện cần chứng minh Quá trình này đƣợc thực hiện cho đến khi đƣa về các sự kiện là tập sự kiện con của tập sự kiện giả thiết Thuật toán Suy diễn lùi đƣợc cài đặt bằng hàm Process() private void Process()

//Voi moi ket luan c, ta duyet qua no for (int i = conclusionNodeList.Count - 1; i >= 0;i ) { parentNode = conclusionNodeList[i]; for (int j = 0; j < ruleList.Count; j++)

// Sử dụng nút tạm danh sách để thêm các nút danh sách các kết luận tại mỗi biến i đó tempNodeList.Add(conclusionNodeList[i]);

// Sau do ta di tim luat sinh ra ket luan tren va cho vao tap Vet(roadList)

// Kiem tra xem node nay co value = 1 chua if (conclusionNodeList[i].Value == 1)

{ string str = "Theo tôi, " + conclusionNodeList[i].Text.ToLower();

WhyForm whyForm = new WhyForm(str); whyForm.ShowDialog();// fomt hiện kết quả isHasAnswer = true; break;

{ string str = "Không khớp luật nào trong cơ sở tri thức!";

WhyForm whyForm = new WhyForm(str); whyForm.ShowDialog();

Trần Thị Phượng - Lớp 53K1 Page 35 catch (Exception ex)

Định dạng
Số trang	41
Dung lượng	0,93 MB