PHÂN TÍCH VÀ TRỰC QUAN HÓA DỮ LIỆU LỚN. PHÂN HỆ 1: XÂY DỰNG HỆ THỐNG VỚI SỰ KẾT HỢP KAFKA, LOGSTASH, ELASTICSEARCH, VÀ KIBANA

Abstract

Ngày nay, việc phân tích dữ liệu điểm của sinh viên là một vấn đề quan trọng để có thể kiểm soát được chất lượng của sinh viên cũng như môn học, trong đó vấn đề sinh viên trễ tiến độ do không hoàn thành học phần theo đúng thời gian của chương trình đào tạo là một vấn đề thách thức đối với ngành giáo dục. Mô hình sử dụng trực quan hóa dữ liệu để tạo ra các biểu đồ, bảng điều khiển, và báo cáo có tính tương tác, giúp giảng viên dễ dàng theo dõi và đánh giá hiệu suất của sinh viên. Các yếu tố ảnh hưởng đến điểm số như điểm không đạt trong học kỳ, và kết quả các bài kiểm tra được trực quan hóa để có cái nhìn toàn diện chất lượng môn học. Để phát triển mô hình phân tích dữ liệu lớn và trực quan hóa về điểm học phần không đạt của sinh viên là một hệ thống thông tin đối với giáo dục đại học, nhằm cải thiện hiệu suất học tập và hỗ trợ sinh viên đạt được thành công hơn trong quá trình học. Mô hình này bao gồm các bước chính để thu thập, xử lý, và hiển thị dữ liệu về điểm học phần không đạt của sinh viên. Nhìn chung phân tích dữ liệu của sinh viên là một lĩnh vực nghiên cứu mang tính cấp thiết. Đóng vai trò quan trọng trong việc đánh giá sinh viên hoặc môn học nhằm mục đích đưa ra giải pháp để nâng cao chất lượng sinh viên, ngành học.