NỀN TẢNG DỮ LIỆU VÀ TƯƠNG TÁC HỢP NHẤT CHO CHUYỂN ĐỔI SỐ TRONG GIÁO DỤC ĐẠI HỌC
DOI:
https://doi.org/10.59266/houjs.2025.725Từ khóa:
chuyển đổi số giáo dục, tập trung vào người học, nền tảng dữ liệu và tương tác, góc nhìn 360 độTóm tắt
Cuộc cách mạng công nghiệp lần thứ tư buộc các cơ sở giáo dục đại học phải chuyển đổi sang kỹ thuật số để nâng cao nội lực và đáp ứng mong muốn ngày càng cao của người học. Tuy nhiên, một thách thức cố hữu là tình trạng phân mảnh dữ liệu giữa các Khoa, Phòng, Trung tâm và các đơn vị khác trong trường. Điều này dẫn đến trải nghiệm kỹ thuật số thiếu liền mạch của người học và hạn chế khả năng ra quyết định chiến lược của tổ chức giáo dục. Bài báo này đề xuất mô hình khái niệm về "Nền tảng dữ liệu và tương tác hợp nhất cho chuyển đổi số trong giáo dục đại học" như một giải pháp kiến trúc toàn diện cho những thách thức này. Kết hợp đồng thời ba phương pháp: tổng hợp, phân tích và mô hình hóa, bài báo trình bày các cấu phần cốt lõi của nền tảng, bao gồm (1) Lớp nền tảng dữ liệu với một kiến trúc dữ liệu quan hệ linh hoạt; (2) Lớp ứng dụng chuyên biệt cho từng giai đoạn trong vòng đời người học (Tuyển sinh, Trải nghiệm học tập và Gắn kết cựu sinh viên) và (3) Lớp tự động hoá và thông minh hoá nhằm tận dụng sức mạnh của dữ liệu cho việc ra quyết định. Mô hình này không chỉ phá vỡ các "ốc đảo dữ liệu" (data silos) mà còn trợ giúp các bộ phận trong tổ chức giáo dục hợp lực và cùng hướng tới người học. Mô hình này không chỉ đưa người học vào trung tâm của các tương tác và trải nghiệm giáo dục được cá nhân hóa, mà còn hướng tổ chức giáo dục tiếp cận văn hóa quản trị khi ra quyết định dựa trên dữ liệu, đồng thời chú trọng đến thành công của người học. Bài báo cũng thảo luận về các hàm ý thực tiễn, những thách thức trong triển khai và các điểm cần nghiên cứu thêm.
Tài liệu tham khảo
[1]. Brown, J. S., & Adler, R. P. (2008). Minds on fire: Open education, the long tail, and the deep web. Educause Review, 43(1), 16–32.
[2]. Daniel, J. (2020). Education and the COVID-19 pandemic. Prospects, 49(1), 91–96.
[3]. Dawson, S., Jovanović, J., Gašević, D., & Pardo, A. (2017). From prediction to impact: Evaluation of a learning analytics retention program. In Proceedings of the 7th International Conference on Learning Analytics and Knowledge (LAK 2017) (pp. 474–478). ACM. https://doi. org/10.1145/3027385.3027405.
[4]. Greller, W., & Drachsler, H. (2012). Translating learning into numbers: A generic framework for learning analytics. Educational Technology & Society, 15(3), 42–57.
[5]. Seeman, E. D., & O’Hara, M. (2006). Customer relationship management in higher education. Campus-Wide Information Systems, 23(1), 24–34.
[6]. Siemens, G., & Baker, R. S. (2012). Learning analytics and educational data mining: Towards communication and collaboration. In Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (LAK ’12) (pp. 252–254). Association for Computing Machinery.
