“Logic mờ” (Fuzzy Logic) - Tiềm năng cho hoạt động đánh giá trong giáo dục đại học

Nguồn gốc và khái niệm về “Logic mờ”

“Logic mờ” (Fuzzy Logic) được công bố lần đầu tiên tại Mỹ vào năm 1965 do giáo sư Lotfi Zadeh. Kể từ đó, “Logic mờ” đã có nhiều phát triển qua các chặng đường sau từ phát minh ở Mỹ tới áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật. Ứng dụng đầu tiên của “Logic mờ” vào công nghiệp được thực hiện ở Châu Âu, khoảng sau năm 1970 (Sangalli, 2024).

“Logic mờ” là được mô tả là logic xác định sự không chắc chắn. Công nghệ này áp dụng trí thông minh của con người và cố gắng mô tả quá trình ra quyết định và nói của con người. Khác với logic nhị phân truyền thống (chỉ có đúng hoặc sai), “Logic mờ” cho phép sự tồn tại của các giá trị trung gian, tạo điều kiện cho việc đánh giá trong các tình huống không rõ ràng hay không chắc chắn. Điều này đặc biệt hữu ích trong giáo dục, nơi mà năng lực của sinh viên không phải lúc nào cũng có thể đánh giá chính xác bằng các tiêu chí cứng nhắc. Trong giáo dục, việc áp dụng “Logic mờ” rất hữu ích, không chỉ trong học tập mà còn trong quá trình ra quyết định (Ilahi và cộng sự, 2018).

Hiệu quả vượt trội của “Logic mờ” trong kiểm tra, đánh giá sinh viên

Khả năng xử lý những loại thông tin mơ hồ và không chắc chắn: Một trong những ưu điểm lớn nhất của “Logic mờ” là khả năng xử lý các tình huống mơ hồ và không chắc chắn. Trong giáo dục, sự mơ hồ thường xuất hiện khi giảng viên phải đánh giá các yếu tố không thể đo lường chính xác, chẳng hạn như mức độ hiểu biết hay khả năng sáng tạo của sinh viên. “Logic mờ” cho phép giảng viên đưa ra những đánh giá dựa trên các giá trị trung gian, thay vì chỉ giới hạn trong các giá trị "đúng" hoặc "sai". “Logic mờ” cho phép giáo viên đưa ra các tiêu chí đánh giá với các mức độ khác nhau thay vì chỉ dựa vào các con số hoặc điểm cụ thể. Ví dụ, thay vì xếp hạng năng lực của sinh viên dựa trên một con số tuyệt đối, ta có thể sử dụng các thuật ngữ như "rất tốt", "khá", "trung bình", "yếu", sau đó gán cho chúng các giá trị mờ tương ứng. Điều này giúp phản ánh chính xác hơn năng lực thực sự của sinh viên.

Tính linh hoạt trong đánh giá: “Logic mờ” mang lại tính linh hoạt cao trong việc xác định và điều chỉnh các tiêu chí đánh giá. Giảng viên có thể thiết lập các bộ quy tắc đánh giá khác nhau dựa trên mục tiêu cụ thể của khóa học hoặc đặc điểm của sinh viên. Ví dụ, một sinh viên có thể được đánh giá dựa trên cả thành tích học tập và sự tham gia vào các hoạt động nhóm. Sự linh hoạt này giúp giảng viên tạo ra những hệ thống đánh giá đa chiều, phù hợp với từng đối tượng sinh viên và các tình huống cụ thể

Cải thiện độ chính xác và công bằng: Bằng cách cho phép các giảng viên đánh giá dựa trên nhiều tiêu chí và mức độ khác nhau, “Logic mờ” giúp cải thiện độ chính xác và tính công bằng trong quá trình đánh giá. Thay vì dựa vào một điểm số cố định, sinh viên được đánh giá trên nhiều khía cạnh khác nhau, điều này giúp tránh được sự thiên vị và đảm bảo rằng mọi yếu tố ảnh hưởng đến kết quả học tập đều được xem xét. Đồng thời, một số môn học đòi hỏi giáo viên đánh giá bằng cảm nhận cá nhân, chẳng hạn như các môn nghệ thuật hoặc các bài thuyết trình. “Logic mờ” giúp chuyển hóa các đánh giá mang tính chất định tính này thành định lượng với mức độ mờ, từ đó làm giảm tính cảm tính trong đánh giá.

Tự động hóa và giảm gánh nặng cho giảng viên: Việc áp dụng “Logic mờ” vào các hệ thống đánh giá tự động giúp giảm bớt gánh nặng cho giảng viên trong việc chấm điểm và đánh giá. Hệ thống có thể tự động xử lý các thông tin phức tạp và đưa ra kết quả đánh giá mà không cần sự can thiệp trực tiếp từ con người. Điều này không chỉ giúp tiết kiệm thời gian mà còn tăng tính khách quan, giảm thiểu lỗi sai trong quá trình đánh giá.

Tối ưu hóa quá trình đánh giá: “Logic mờ” có thể được áp dụng để xây dựng các mô hình tự động hóa đánh giá, ví dụ trong việc chấm bài tập hay phân tích các yếu tố thành công trong các dự án của sinh viên. Hệ thống này có thể ra quyết định dựa trên các tập luật mờ, giúp giáo viên có cái nhìn toàn diện hơn. Đồng thời, “Logic mờ” có thể được sử dụng để xây dựng hệ thống đánh giá tự động trong việc xét duyệt tốt nghiệp hoặc phân loại bằng cấp, giúp đảm bảo tính công bằng và khách quan khi các tiêu chí không hoàn toàn rõ ràng.

Đánh giá toàn diện hơn về năng lực sinh viên: “Logic mờ” cho phép đánh giá một cách toàn diện hơn về năng lực của sinh viên. Không chỉ dừng lại ở kiến thức lý thuyết, “Logic mờ” còn có thể được sử dụng để đánh giá các kỹ năng mềm, khả năng tư duy sáng tạo, và mức độ tham gia của sinh viên vào các hoạt động học tập. “Logic mờ” giúp tổng hợp và đánh giá các tiêu chí này một cách linh hoạt bằng cách cho phép mô hình hóa mức độ không chắc chắn giữa các tiêu chí, từ đó giúp đánh giá tổng thể chính xác hơn. Điều này giúp giảng viên có cái nhìn đầy đủ và chính xác hơn về năng lực thực sự của sinh viên, từ đó đưa ra những phương pháp giảng dạy và hỗ trợ phù hợp hơn.

Như vậy, nói chung, việc ứng dụng “Logic mờ” giúp cho việc đánh giá sinh viên trở nên linh hoạt hơn và phản ánh chính xác hơn khả năng của họ trong các hoàn cảnh thực tế phức tạp.

Hình 1. Website của Trung tâm Đào tạo từ xa - Đại học Thái Nguyên 

Một số trường đại học trên thế giới đã áp dụng “Logic mờ” trong việc đánh giá sinh viên, đặc biệt là trong môi trường đào tạo từ xa (distance learning). Các trường đại học này đã sử dụng “Logic mờ” để nâng cao tính khách quan và công bằng trong việc đánh giá sinh viên học từ xa. “Logic mờ” cho phép xử lý các thông tin không rõ ràng hoặc không chính xác một cách hiệu quả, từ đó giúp đánh giá sinh viên một cách toàn diện hơn, đặc biệt là trong môi trường học tập trực tuyến với nhiều yếu tố biến đổi.

Trường Đại học Công nghệ Malaysia (Universiti Teknologi Malaysia - UTM) đã được sử dụng “Logic mờ” để nhằm phân tích hiệu suất học tập dựa trên nhiều tiêu chí như kết quả bài tập, thảo luận trực tuyến, và hoạt động tham gia lớp học. Trong đó, mô hình đánh giá mờ cho phép giáo viên nhập các dữ liệu không hoàn toàn rõ ràng như "mức độ tham gia" hoặc "độ sáng tạo", rồi chuyển đổi chúng thành các giá trị mờ. Từ đó, hệ thống tự động đưa ra kết quả đánh giá cuối cùng với mức độ chính xác và công bằng cao hơn.

Trường Đại học Khoa học Ứng dụng Kaiserslautern (University of Applied Sciences Kaiserslautern, Đức) đã triển khai “Logic mờ” trong các khóa học trực tuyến để đánh giá sự tham gia và năng lực của sinh viên trong quá trình học tập từ xa. Các yếu tố như thời gian sinh viên dành cho bài học, mức độ tham gia vào các bài thảo luận và mức độ hoàn thành các bài tập được đánh giá thông qua các mô hình mờ. Dựa vào các giá trị mờ được gán cho từng yếu tố tham gia học tập, hệ thống đánh giá giúp giáo viên có cái nhìn chi tiết về hiệu suất học tập của từng sinh viên, đồng thời cải thiện sự chính xác trong việc ra quyết định xếp loại.

Đại học Bách khoa Bucharest (Politehnica University of Bucharest, Romania)  đã nghiên cứu và áp dụng “Logic mờ” trong việc đánh giá sinh viên qua các khóa học từ xa, đặc biệt là trong các ngành kỹ thuật. Các mô hình mờ giúp đánh giá các bài tập phức tạp và sự tương tác của sinh viên trong các hoạt động trực tuyến, đồng thời hỗ trợ quá trình chấm điểm tự động. Hệ thống đánh giá dựa trên “Logic mờ” phân tích các yếu tố như mức độ hoàn thành bài tập, mức độ chính xác của bài giải, và khả năng tham gia vào các dự án nhóm. Điều này giúp cải thiện sự công bằng và giảm bớt áp lực cho giáo viên trong quá trình đánh giá.

Một số hạn chế khi ứng dụng “Logic mờ” trong kiểm tra, đánh giá sinh viên

Mặc dù có nhiều ưu điểm, việc áp dụng “Logic mờ” trong kiểm tra và đánh giá sinh viên cũng tồn tại một số hạn chế. Thứ nhất, độ phức tạp trong thiết kế hệ thống. Xây dựng một hệ thống đánh giá dựa trên “Logic mờ” đòi hỏi sự hiểu biết sâu về cả toán học và công nghệ. Điều này có thể trở thành rào cản đối với những giảng viên không có nền tảng về các lĩnh vực này. Thứ hai, khó khăn trong việc xác định các quy tắc mờ. Một trong những thách thức lớn là việc xác định các quy tắc và tham số cho hệ thống “Logic mờ”. Quá trình này có thể đòi hỏi nhiều thời gian và công sức, và nếu không được thực hiện đúng cách, nó có thể dẫn đến kết quả đánh giá không chính xác. Thứ ba, giới hạn trong tính minh bạch. Các quyết định được đưa ra bởi hệ thống “Logic mờ” đôi khi có thể khó giải thích, đặc biệt là đối với sinh viên và các bên liên quan. Điều này có thể dẫn đến sự thiếu tin tưởng vào kết quả đánh giá, làm giảm hiệu quả của phương pháp. Thứ tư, tính linh hoạt có thể gây nhầm lẫn. Mặc dù tính linh hoạt của “Logic mờ” là một lợi thế, nó cũng có thể dẫn đến những đánh giá không đồng nhất khi các giảng viên khác nhau sử dụng các bộ quy tắc khác nhau. Điều này có thể gây khó khăn trong việc đảm bảo tính công bằng và nhất quán trong đánh giá.

Nhìn chung, việc áp dụng “Logic mờ” trong kiểm tra và đánh giá sinh viên dù có những hạn chế nhất định nhưng đều cơ bản mang lại nhiều ưu điểm vượt trội, từ khả năng xử lý thông tin mơ hồ, tính linh hoạt, độ chính xác và công bằng cao, đến việc giảm bớt gánh nặng cho giảng viên và giảm căng thẳng cho sinh viên. Những lợi ích này không chỉ cải thiện chất lượng giáo dục mà còn mở ra những cơ hội mới cho việc cá nhân hóa và nâng cao hiệu quả giảng dạy trong môi trường học đường hiện đại.

Các cơ sở giáo dục đại học ở Việt Nam đang triển khai các hệ thống LMS trong đào tạo trực tuyến có thể tham khảo kinh nghiệm và mô hình khai thác, ứng dụng “Logic mờ” trong đánh giá người học ở các trường đại học trên thế giới, để thiết kế các mô hình thí điểm cho hệ thống đào tạo từ xa của mình. Điều này có thể giảm công lao động của giảng viên, nâng cao hiệu quả hoạt động đào tạo cũng như chất lượng của hoạt động đánh giá người học. Trong số đó, Trung tâm Đào tạo Từ xa của Đại học Thái Nguyên là đơn vị tiên phong trong việc triển khai các chương trình đào tạo từ xa và trực tuyến, nhằm đáp ứng nhu cầu học tập của người học trên khắp cả nước. Trung tâm tập trung vào việc khai thác và ứng dụng công nghệ tiên tiến, như hệ thống quản lý học tập (LMS), các công cụ hội nghị trực tuyến, và nền tảng học tập tích hợp để hỗ trợ giảng dạy và học tập từ xa. Ngoài ra, trung tâm còn áp dụng các công nghệ hiện đại như trí tuệ nhân tạo (AI) và dữ liệu lớn (Big Data) trong việc cá nhân hóa lộ trình học tập và đánh giá sinh viên. Điều này giúp tạo điều kiện cho người học có thể học tập linh hoạt, mọi lúc, mọi nơi với chất lượng đào tạo không thua kém hình thức học truyền thống.

Lương Ngọc, Hồng Anh

Hameed, I. A., & Sorensen, C. G. (2010). Fuzzy systems in education: a more reliable system for student evaluation (pp. 978-953). ISBN.

Ilahi, R & Widiaty, Isma & Gafar Abdullah, Ade. (2018). Fuzzy system application in education. IOP Conference Series: Materials Science and Engineering. 434. 012308. 10.1088/1757-899X/434/1/012308.

Rashid, M. A., & Chhikara, S. (2018). A fuzzy logic-based student performance evaluation model for engineering education.  International Journal of Information and Decision Sciences, 10(3), 231-247.

Sangalli, A. (2024, August 5). fuzzy logic. Encyclopedia Britannica. https://www.britannica.com/science/fuzzy-logic

Yaakub, M. F. M., & Ali, M. B. (2020). "Fuzzy logic in education: The potential and applications." Journal of Modern Education Review, 10(6), 419-429.