Trung tâm nghiên cứu sáng tạo về công nghệ giáo dục

1. Mở đầu: Dữ liệu — Xương sống của chuyển đổi số giáo dục đại học

Trong kỷ nguyên số, dữ liệu đã trở thành một trong những tài sản chiến lược quan trọng nhất của mọi tổ chức, và trường đại học không phải là ngoại lệ. Sự chuyển đổi số (digital transformation) trong giáo dục đại học không chỉ đơn thuần là việc áp dụng công nghệ thông tin vào quy trình giảng dạy và quản lý, mà còn là sự thay đổi sâu sắc về cách thức một trường đại học vận hành, ra quyết định và tạo giá trị. Ở trung tâm của quá trình chuyển đổi này chính là dữ liệu — nguồn tài nguyên thô cần được thu thập, tổ chức và làm sạch một cách có hệ thống trước khi có thể được sử dụng để tạo ra những thông tin chi tiết có ý nghĩa.

Theo nghiên cứu của Hanelt và cộng sự (2020), chuyển đổi số không phải là một khái niệm đơn lẻ mà là một quá trình biến đổi toàn diện, đòi hỏi sự thay đổi đồng bộ về chiến lược, cấu trúc tổ chức và năng lực công nghệ. Trong bối cảnh giáo dục đại học, khía cạnh công nghệ thường được chú trọng nhất, nhưng nhiều nghiên cứu đã chỉ ra rằng yếu tố con người, quy trình và đặc biệt là chất lượng dữ liệu mới là những yếu tố quyết định thành bại (Loglo, 2024).

Trường đại học là một hệ sinh thái phức tạp, tạo ra và tiêu thụ khối lượng dữ liệu khổng lồ mỗi ngày. Từ dữ liệu sinh viên (thông tin cá nhân, điểm số, kết quả nghiên cứu), dữ liệu giảng viên (nghiên cứu, giảng dạy, hoạt động dịch vụ), dữ liệu tài chính (ngân sách, thu phí, chi phí), cho đến dữ liệu cơ sở hạ tầng (phòng học, thiết bị, năng lượng). Mỗi loại dữ liệu này lại được tạo ra từ nhiều nguồn khác nhau: hệ thống quản lý học tập (Learning Management System — LMS), hệ thống thông tin sinh viên (Student Information System — SIS), hệ thống quản lý nhân sự, hệ thống tài chính, và ngày càng nhiều hơn từ các thiết bị Internet of Things (IoT) được trang bị trên khuôn viên trường.

Vấn đề cốt lõi mà các trường đại học đang phải đối mặt không phải là thiếu dữ liệu, mà là dữ liệu đang phân tán, thiếu nhất quán và thường có chất lượng thấp. Omar và Almaghthawi (2020) đã chỉ ra rằng một trong những rào cản lớn nhất đối với chuyển đổi số trong giáo dục đại học chính là thiếu một mô hình quản trị và tích hợp dữ liệu thống nhất. Dữ liệu nằm rải rác trong các hệ thống độc lập, không thể giao tiếp với nhau, dẫn đến tình trạng "ốc đảo dữ liệu" (data silos) — nơi mỗi đơn vị sở hữu một kho dữ liệu riêng nhưng không có cách nào kết nối thành một bức tranh toàn cảnh.

Tại Việt Nam, bối cảnh này càng phức tạp hơn do nhiều lý do. Uoc (2023) đã phân tích thực trạng chuyển đổi số trong giáo dục đại học Việt Nam và chỉ ra rằng phần lớn các trường đại học vẫn đang trong giai đoạn đầu của quá trình chuyển đổi số, với hạ tầng công nghệ chưa đồng bộ và nhận thức về vai trò của dữ liệu chưa đủ sâu sắc. Quyết định số 749/QĐ-TTg của Thủ tướng Chính phủ về "Chương trình chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030" đã đặt ra mục tiêu rõ ràng cho giáo dục, nhưng việc triển khai thực tế vẫn gặp nhiều khó khăn, đặc biệt là trong khâu xây dựng cơ sở dữ liệu và đảm bảo chất lượng dữ liệu.

Bài viết này được thực hiện nhằm hệ thống hóa các vấn đề liên quan đến thu thập và làm sạch dữ liệu phục vụ chuyển đổi số trường đại học. Thông qua việc phân tích các khái niệm cốt lõi, phương pháp tiếp cận hiện đại, và kinh nghiệm thực tiễn từ các quốc gia, bài viết cung cấp một khung tham chiếu toàn diện cho các nhà quản lý giáo dục, nhà nghiên cứu và những người đang trực tiếp tham gia vào quá trình chuyển đổi số tại các trường đại học.

2. Vai trò của dữ liệu trong chuyển đổi số trường đại học

2.1. Dữ liệu như một tài sản chiến lược

Trong quản trị giáo dục hiện đại, dữ liệu không còn được xem là "phế phẩm" (byproduct) của các hoạt động hành chính mà đã được công nhận là một tài sản chiến lược có giá trị tương đương với nhân lực và tài chính. Khái niệm "data-driven university" (trường đại học dựa trên dữ liệu) đã trở thành một mục tiêu chiến lược của nhiều cơ sở giáo dục trên thế giới.

Trường đại học vận hành dựa trên dữ liệu chất lượng cao có thể đạt được những lợi thế cạnh tranh rõ rệt. Trước hết, năng lực ra quyết định được nâng cao đáng kể khi các quyết định về tuyển sinh, phân bổ ngân sách, phát triển chương trình đào tạo được đưa ra dựa trên bằng chứng thực tế thay vì trực giác hay kinh nghiệm chủ quan. Alyahyan và Düştegör (2020) đã tổng hợp các nghiên cứu về dự đoán thành công học tập trong giáo dục đại học và chỉ ra rằng các mô hình phân tích dữ liệu có thể dự báo hiệu suất học tập của sinh viên với độ chính xác đáng kể, giúp trường can thiệp sớm cho những sinh viên có nguy cơ kém.

Thứ hai, dữ liệu cho phép cá nhân hóa trải nghiệm học tập. Thông qua việc thu thập và phân tích dữ liệu tương tác trên hệ thống quản lý học tập (LMS), trường có thể hiểu rõ hơn về cách sinh viên học tập, những khó khăn họ gặp phải và điều chỉnh phương pháp giảng dạy cho phù hợp. Aitdaoud và cộng sự (2023) đã đề xuất một phương pháp tiền xử lý dữ liệu mới dựa trên việc phân cụm theo phong cách học tập của sinh viên trên nền tảng Moodle, cho thấy tiềm năng của dữ liệu trong việc cải thiện trải nghiệm giáo dục cá nhân hóa.

Thứ ba, dữ liệu hỗ trợ tối ưu hóa vận hành. Các phân tích về dữ liệu cơ sở hạ tầng (sử dụng phòng học, tiêu thụ năng lượng, luồng giao thông trên khuôn viên) giúp trường quản lý tài nguyên hiệu quả hơn, giảm chi phí và nâng cao chất lượng dịch vụ. Trong bối cảnh ngân sách giáo dục đại học ngày càng eo hẹp ở nhiều quốc gia, khả năng tối ưu hóa dựa trên dữ liệu trở thành yếu tố sống còn.

2.2. Dữ liệu trong chiến lược chuyển đổi số quốc gia

Tại Việt Nam, chiến lược chuyển đổi số giáo dục được đặt trong bối cảnh chuyển đổi số quốc gia rộng lớn hơn. Quyết định số 131/QĐ-TTg ngày 25 tháng 1 năm 2022 của Thủ tướng Chính phủ về "Chương trình chuyển đổi số ngành giáo dục" đã xác định rõ dữ liệu là một trong năm trụ cột chính của chuyển đổi số giáo dục, bên cạnh hạ tầng số, an toàn thông tin, nhân lực số và thể chế, chính sách. Chương trình đặt mục tiêu đến năm 2025, 100% cơ sở giáo dục sử dụng cơ sở dữ liệu liên thông; đến năm 2030, cơ sở dữ liệu ngành giáo dục được xây dựng hoàn chỉnh, đồng bộ và bảo đảm phục vụ công tác quản lý, điều hành, dự báo, hoạch định chính sách.

Đồng thời, Nghị định số 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, có hiệu lực từ tháng 7 năm 2023, đã tạo ra một khung pháp lý quan trọng cho việc quản lý dữ liệu, bao gồm cả trong lĩnh vực giáo dục. Điều này đặt ra yêu cầu cấp thiết về việc xây dựng quy trình thu thập, lưu trữ và xử lý dữ liệu tuân thủ pháp luật ngay từ đầu quá trình chuyển đổi số.

Quy, Thanh và cộng sự (2023) đã phân tích tầm nhìn và cách tiếp cận của một trường đại học cụ thể tại Việt Nam trong việc ứng dụng trí tuệ nhân tạo và chuyển đổi số, cho thấy rằng các trường đại học Việt Nam đã bắt đầu nhận thức tầm quan trọng của dữ liệu nhưng cần một chiến lược tổng thể hơn, đặc biệt trong việc xây dựng hạ tầng dữ liệu và đảm bảo chất lượng dữ liệu đầu vào.

2.3. Mối liên hệ giữa dữ liệu và các thành tố chuyển đổi số

Chuyển đổi số trong trường đại học bao gồm nhiều thành tố: chuyển đổi số trong giảng dạy và học tập, chuyển đổi số trong quản trị, chuyển đổi số trong nghiên cứu, và chuyển đổi số trong dịch vụ sinh viên. Tất cả các thành tố này đều phụ thuộc vào dữ liệu chất lượng.

Le, Chu và Nguyen (2024) đã nghiên cứu các yếu tố ảnh hưởng đến chuyển đổi số trong giáo dục đại học Việt Nam và phát hiện ra rằng "hạ tầng công nghệ và dữ liệu" là một trong những yếu tố then chốt, có ảnh hưởng đáng kể đến sự thành công của quá trình chuyển đổi số. Nghiên cứu cho thấy các trường đại học có nền tảng dữ liệu tốt hơn, có khả năng tích hợp các hệ thống thông tin hiệu quả hơn thường đạt được kết quả chuyển đổi số tích cực hơn.

Hình minh hoạ sau đây thể hiện mối quan hệ giữa dữ liệu và các thành tố chuyển đổi số trong trường đại học:

3. Phân loại dữ liệu trong môi trường đại học

3.1. Phân loại theo cấu trúc dữ liệu

Dữ liệu trong trường đại học có thể được phân thành ba loại chính theo cấu trúc: dữ liệu có cấu trúc (structured data), dữ liệu bán cấu trúc (semi-structured data) và dữ liệu phi cấu trúc (unstructured data).

Dữ liệu có cấu trúc là loại dữ liệu được tổ chức theo một mô hình định nghĩa sẵn, thường được lưu trữ trong các cơ sở dữ liệu quan hệ. Đây là loại dữ liệu phổ biến nhất trong các hệ thống quản lý của trường đại học: thông tin sinh viên (họ tên, ngày sinh, mã sinh viên, điểm số), dữ liệu nhân sự (học vị, chuyên môn, lịch giảng dạy), dữ liệu tài chính (thu, chi, ngân sách), và dữ liệu cơ sở hạ tầng (phòng học, thiết bị). Đặc điểm của dữ liệu có cấu trúc là dễ dàng truy vấn, phân tích và tích hợp, nhưng đòi hỏi phải tuân thủ chặt chẽ các quy tắc định nghĩa schema (lược đồ dữ liệu).

Dữ liệu bán cấu trúc không tuân theo một mô hình dữ liệu cứng nhắc nhưng vẫn chứa các thẻ hoặc dấu hiệu phân tách cấu trúc. Các ví dụ phổ biến bao gồm dữ liệu từ các biểu mẫu khảo sát trực tuyến (về cả nội dung câu trả lời lẫn siêu dữ liệu như thời gian trả lời, trình duyệt sử dụng), dữ liệu log hệ thống (ghi nhận các hoạt động người dùng trên LMS, thư viện điện tử), và dữ liệu từ các hệ thống XML/JSON API. Dữ liệu bán cấu trúc ngày càng phổ biến khi các trường đại học triển khai các ứng dụng web và mobile cho sinh viên.

Dữ liệu phi cấu trúc không có cấu trúc định trước và chiếm phần lớn dung lượng lưu trữ trong các trường đại học. Bao gồm: tài liệu giảng dạy (slide bài giảng, tài liệu PDF, video bài giảng), bài luận và khóa luận nghiên cứu, email và thông điệp trên các diễn đàn học thuật, hình ảnh và âm thanh từ các hoạt động học thuật. Việc xử lý dữ liệu phi cấu trúc đòi hỏi các kỹ thuật tiên tiến hơn như xử lý ngôn ngữ tự nhiên (NLP), thị giác máy tính (computer vision) và học sâu (deep learning).

3.2. Phân loại theo lĩnh vực hoạt động

Dữ liệu trong trường đại học cũng có thể được phân loại theo lĩnh vực hoạt động mà nó phục vụ:

Dữ liệu học thuật và đào tạo bao gồm: điểm số, kết quả đánh giá, tiến độ học tập, dữ liệu tương tác trên hệ thống quản lý học tập (thời gian truy cập, bài tập nộp, thảo luận trên diễn đàn), và dữ liệu về chương trình đào tạo. Loại dữ liệu này đặc biệt quan trọng cho việc đánh giá chất lượng giáo dục và hỗ trợ sinh viên. Romero và Ventura (2020) trong bản khảo sát cập nhật về khai phá dữ liệu giáo dục (educational data mining) và phân tích học tập (learning analytics) đã nhấn mạnh rằng dữ liệu học thuật là cơ sở cho việc xây dựng các mô hình dự đoán và cảnh báo sớm.

Dữ liệu nghiên cứu và phát triển bao gồm: ấn phẩm khoa học, dữ liệu nghiên cứu (research data), thông tin dự án, tài trợ nghiên cứu và bằng sáng chế. Dữ liệu nghiên cứu thường có đặc thù phức tạp, đa dạng về định dạng (từ số liệu thống kê, chuỗi gen, hình ảnh y tế đến dữ liệu khảo sát xã hội) và đòi hỏi các tiêu chuẩn quản lý dữ liệu nghiên cứu (Research Data Management — RDM) nghiêm ngặt.

Dữ liệu hành chính và quản trị bao gồm: thông tin nhân sự, tài chính, tuyển sinh, phòng ốc, thiết bị, và các quy trình hành chính khác. Đây thường là loại dữ liệu có cấu trúc nhất, được quản lý trong các hệ thống ERP (Enterprise Resource Planning) hoặc phần mềm quản lý giáo dục (Student Management System).

Dữ liệu trải nghiệm sinh viên bao gồm: phản hồi khảo sát về sự hài lòng, dữ liệu sử dụng các dịch vụ (thư viện, y tế, thể thao), dữ liệu tham gia hoạt động ngoại khóa, và thông tin về cơ hội việc làm sau tốt nghiệp. Loại dữ liệu này ngày càng được chú trọng khi các trường đại học hướng tới mô hình "student-centric" (lấy sinh viên làm trung tâm).

3.3. Đặc điểm của dữ liệu giáo dục đại học

Dữ liệu trong môi trường giáo dục đại học có một số đặc điểm đáng lưu ý:

Khối lượng lớn và tốc độ phát triển nhanh: Một trường đại học quy mô trung bình có thể có hàng chục nghìn sinh viên và nhân viên, tạo ra hàng triệu bản ghi dữ liệu mỗi học kỳ.
Tính đa dạng: Dữ liệu đến từ nhiều hệ thống khác nhau, với các định dạng, tiêu chuẩn và quy ước riêng.
Tính phân tán: Dữ liệu thường nằm rải rác trong nhiều hệ thống không tích hợp, thuộc các đơn vị quản lý khác nhau.
Tính nhạy cảm: Nhiều dữ liệu giáo dục có tính cá nhân, cần được bảo vệ theo quy định pháp luật.
Tính thời vụ: Dữ liệu có tính chu kỳ theo năm học, học kỳ, đòi hỏi các phương pháp xử lý đặc thù.

Nhiều nghiên cứu về tích hợp dữ liệu dị biệt (heterogeneous data integration) đã chỉ ra rằng những đặc điểm này tạo ra những thách thức đáng kể cho việc thu thập, tích hợp và làm sạch dữ liệu trong các tổ chức giáo dục, đòi hỏi các chiến lược tiếp cận linh hoạt và có hệ thống (Gkrimpizi et al., 2023).

4. Hệ sinh thái dữ liệu trong trường đại học

4.1. Các nguồn dữ liệu chính

Hệ sinh thái dữ liệu trong một trường đại học hiện đại được hình thành từ nhiều nguồn khác nhau, mỗi nguồn đóng góp một phần vào bức tranh toàn cảnh về hoạt động của trường.

Hệ thống quản lý học tập (LMS) là một trong những nguồn dữ liệu phong phú nhất. Các nền tảng như Moodle, Canvas, Blackboard, và Google Classroom ghi nhận chi tiết mọi tương tác của người dùng: thời gian truy cập, nội dung được xem, bài tập được nộp, kết quả quiz, thảo luận trên diễn đàn, và video được xem. Aitdaoud và cộng sự (2023) đã sử dụng dữ liệu từ hệ thống Moodle để phân cụm theo phong cách học tập của sinh viên, chứng minh tiềm năng của dữ liệu LMS trong việc hiểu rõ hơn về hành vi học tập. Những dữ liệu này, sau khi được làm sạch và phân tích, có thể cung cấp thông tin chi tiết về hiệu quả giảng dạy và sự tham gia của sinh viên.

Hệ thống thông tin sinh viên (SIS) quản lý toàn bộ vòng đời của sinh viên, từ khi đăng ký tuyển sinh, quá trình học tập, đến khi tốt nghiệp và theo dõi nghề nghiệp. Các hệ thống này lưu trữ thông tin cá nhân, kết quả học tập, tín chỉ tích lũy, học phí, và các hoạt động kỷ luật. SIS thường là hệ thống lõi của trường đại học, cung cấp dữ liệu nền tảng cho nhiều hoạt động khác.

Hệ thống quản lý nhân sự (HRIS) quản lý thông tin về giảng viên và nhân viên, bao gồm hồ sơ cá nhân, trình độ chuyên môn, lịch giảng dạy, kết quả nghiên cứu, và đánh giá hiệu suất. Dữ liệu nhân sự đặc biệt quan trọng cho việc phân bổ nguồn lực và đánh giá năng lực giảng dạy.

Hệ thống tài chính theo dõi mọi dòng tiền liên quan đến hoạt động của trường: thu học phí, ngân sách phân bổ, chi phí vận hành, tài trợ nghiên cứu, và đầu tư cơ sở hạ tầng. Dữ liệu tài chính có cấu trúc cao và thường được quản lý trong các phần mềm kế toán chuyên dụng.

Hệ thống thư viện điện tử ngày càng phát triển và tạo ra lượng dữ liệu đáng kể: lịch sử mượn trả tài liệu, truy cập cơ sở dữ liệu điện tử, tìm kiếm tài liệu, và dữ liệu sử dụng không gian thư viện. Dữ liệu này phản ánh hành vi học thuật và nhu cầu thông tin của cộng đồng trường.

Hệ thống IoT (Internet of Things) đang ngày càng phổ biến trên các khuôn viên trường đại học "thông minh". Các cảm biến kiểm soát ra vào, hệ thống điều hòa thông minh, camera giám sát, hệ thống quản lý năng lượng, và cảm biến môi trường tạo ra luồng dữ liệu liên tục về cách sử dụng không gian và tài nguyên. Li, Weiguang (2021) đã phân tích thiết kế hệ thống quản lý khuôn viên thông minh dựa trên công nghệ IoT, cho thấy tiềm năng của dữ liệu IoT trong việc tối ưu hóa vận hành.

4.2. Hạ tầng dữ liệu truyền thống và các điểm nghẽn

Trong phần lớn các trường đại học, hạ tầng dữ liệu được xây dựng theo mô hình "phát triển theo nhu cầu" (organic growth) — các hệ thống được triển khai dần dần theo từng nhu cầu cụ thể, thường bởi các nhà cung cấp khác nhau, với các kiến trúc và tiêu chuẩn dữ liệu riêng. Điều này dẫn đến một loạt vấn đề:

Không đồng nhất về định nghĩa dữ liệu: Cùng một khái niệm (ví dụ: "sinh viên đang học") có thể được định nghĩa khác nhau trong các hệ thống khác nhau.
Không có định danh thống nhất: Sinh viên có thể được xác định qua mã sinh viên trong SIS, email trong LMS, và số CMND trong hệ thống tài chính, mà không có một cơ chế liên kết nhất quán.
Lặp trùng dữ liệu: Cùng một thông tin được lưu trữ ở nhiều nơi, với các phiên bản khác nhau.
Không có metadata (siêu dữ liệu) chuẩn: Nhiều dữ liệu thiếu mô tả về nguồn gốc, ngữ cảnh và ý nghĩa.

Chen và Liu (2021) đã nghiên cứu việc xây dựng nền tảng quản trị dữ liệu cho trường đại học trong môi trường khuôn viên thông minh và chỉ ra rằng việc thiết kế lại hạ tầng dữ liệu, chuyển từ các hệ thống độc lập sang một nền tảng dữ liệu thống nhất, là một bước then chốt trong quá trình chuyển đổi số. Hidayat và Sensuse (2022) trong mô hình quản lý tri thức cho khuôn viên thông minh tại Indonesia cũng khẳng định rằng việc tích hợp dữ liệu từ nhiều nguồn khác nhau là yêu cầu tiên quyết để xây dựng khả năng phân tích và ra quyết định dựa trên dữ liệu.

5. Các phương pháp thu thập dữ liệu trong trường đại học

5.1. Thu thập tự động từ hệ thống nội bộ

Phương pháp thu thập dữ liệu hiệu quả nhất trong môi trường đại học hiện đại là thu thập tự động (automated data collection) từ các hệ thống thông tin nội bộ. Khác với việc nhập liệu thủ công — dễ sai sót, tốn thời gian và khó mở rộng — thu thập tự động đảm bảo tính nhất quán, kịp thời và có thể xử lý khối lượng dữ liệu lớn.

Trích xuất, chuyển đổi và tải (ETL — Extract, Transform, Load) là kỹ thuật nền tảng để thu thập dữ liệu từ nhiều hệ thống khác nhau. Trong ngữ cảnh trường đại học, quy trình ETL bao gồm: trích xuất dữ liệu từ SIS (điểm số, thông tin sinh viên), LMS (hoạt động học tập), HRIS (thông tin nhân sự) và các hệ thống khác; chuyển đổi dữ liệu sang một định dạng và cấu trúc thống nhất; và tải dữ liệu đã chuyển đổi vào một kho dữ liệu trung tâm (data warehouse) hoặc hồ dữ liệu (data lake). Hasanati, Khudzaeva và Nurmiati (2021) đã trình bày thiết kế kho dữ liệu cho tích hợp dữ liệu học thuật tại một trường đại học ở Indonesia, minh họa cách tiếp cận ETL trong việc kết nối dữ liệu từ nhiều hệ thống quản lý học vụ.

API (Application Programming Interface) là phương tiện hiện đại để thu thập dữ liệu theo thời gian thực (real-time). Hầu hết các hệ thống quản lý giáo dục hiện đại đều cung cấp API RESTful hoặc GraphQL cho phép truy xuất dữ liệu có cấu trúc một cách hiệu quả. Việc thiết lập các pipeline API tự động, chạy định kỳ hoặc theo sự kiện (event-driven), cho phép trường thu thập dữ liệu liên tục mà không cần can thiệp thủ công.

Log collection (thu thập nhật ký hệ thống) là một hình thức thu thập dữ liệu đặc biệt quan trọng. Các hệ thống web, ứng dụng, mạng máy tính và thiết bị IoT tạo ra các file log ghi nhận chi tiết mọi hoạt động. Công cụ như ELK Stack (Elasticsearch, Logstash, Kibana), Splunk, hoặc Fluentd được sử dụng rộng rãi để thu thập, phân tích và trực quan hóa dữ liệu log. Dữ liệu log từ hệ thống quản lý học tập, ví dụ, có thể cung cấp thông tin chi tiết về hành vi học tập của sinh viên: thời gian học, tần suất truy cập, các nội dung được xem, và các hoạt động trên diễn đàn.

Web scraping và crawling có thể được sử dụng để thu thập dữ liệu từ các nguồn công khai, bao gồm thông tin tuyển sinh từ các trang web đối thủ, xu hướng thị trường lao động từ các nền tảng việc làm, và các tài nguyên học thuật từ thư viện số. Tuy nhiên, phương pháp này cần được thực hiện cẩn thận, tuân thủ các quy định pháp luật và chính sách của trang web nguồn.

5.2. Thu thập dữ liệu từ khảo sát và biểu mẫu

Dù thu thập tự động đang trở thành phương pháp chủ đạo, khảo sát (survey) vẫn đóng vai trò không thể thay thế trong việc thu thập dữ liệu về nhận thức, thái độ và trải nghiệm — những thông tin không thể trích xuất trực tiếp từ các hệ thống thông tin.

Khảo sát trực tuyến sử dụng các nền tảng như Google Forms, Microsoft Forms, SurveyMonkey, hoặc các hệ thống khảo sát chuyên dụng cho giáo dục. Các khảo sát có thể được triển khai để thu thập dữ liệu về: mức độ hài lòng của sinh viên (student satisfaction survey), đánh giá giảng viên (teaching evaluation), khảo sát tốt nghiệp (graduation survey), và khảo sát về nhu cầu đào tạo của doanh nghiệp. Zenodo (2022) đã công bố bộ dữ liệu về khảo sát chuyển đổi số tại các trường đại học Đức, cung cấp một ví dụ thực tiễn về cách thiết kế và triển khai khảo sát chuyển đổi số trong giáo dục đại học.

Biểu mẫu nhập liệu số (digital forms) được sử dụng để số hóa các quy trình truyền thống: đăng ký học phần, đăng ký tham gia hoạt động ngoại khóa, yêu cầu hỗ trợ, và phản hồi sự cố. Dữ liệu từ các biểu mẫu này, sau khi được thu thập, có thể được tích hợp vào hệ thống dữ liệu trung tâm thông qua API hoặc file export.

Một thách thức lớn trong thu thập dữ liệu khảo sát là tỷ lệ phản hồi thấp (low response rate) và thiên kiến phản hồi (response bias). Để giải quyết, các trường đại học cần áp dụng các chiến lược như: thiết kế khảo sát ngắn gọn và thân thiện, gửi lời nhắc tự động, sử dụng các cơ chế khuyến khích phù hợp, và đảm bảo tính ẩn danh để khuyến khích phản hồi trung thực.

5.3. Thu thập dữ liệu từ cảm biến IoT

Internet of Things (IoT) đang mở ra một kỷ nguyên mới trong thu thập dữ liệu tại trường đại học. Các thiết bị cảm biến được lắp đặt trên khuôn viên trường có thể thu thập dữ liệu về:

Sử dụng không gian: Cảm biến ở cửa phòng học và khu vực chung ghi nhận số lượng người ra vào, thời gian sử dụng và mật độ.
Môi trường vật lý: Cảm biến nhiệt độ, độ ẩm, chất lượng không khí, và mức độ ánh sáng.
Tiêu thụ năng lượng: Đồng hồ thông minh theo dõi mức tiêu thụ điện năng, nước và các nguồn năng lượng khác.
An ninh: Camera giám sát, hệ thống kiểm soát ra vào bằng thẻ/biómet.
Giao thông: Cảm biến ở bãi đỗ xe và đường nội khu theo dõi lưu lượng xe.

Li, Weiguang (2021) đã phân tích thiết kế hệ thống quản lý khuôn viên thông minh dựa trên IoT và chỉ ra rằng dữ liệu từ các thiết bị IoT có thể cung cấp thông tin chi tiết về cách sử dụng không gian, giúp trường tối ưu hóa phân bổ tài nguyên và cải thiện trải nghiệm của sinh viên. Tuy nhiên, dữ liệu IoT có đặc thù khối lượng lớn (volume), tốc độ phát triển nhanh (velocity) và tính đa dạng cao (variety), đòi hỏi hạ tầng lưu trữ và xử lý đặc thù như hệ thống xử lý luồng dữ liệu (stream processing) và cơ sở dữ liệu chuỗi thời gian (time-series database).

5.4. Thu thập dữ liệu nghiên cứu khoa học

Trường đại học là trung tâm nghiên cứu khoa học, và dữ liệu nghiên cứu (research data) là một nguồn tài nguyên quan trọng nhưng thường bị bỏ qua trong chiến lược dữ liệu của trường.

Dữ liệu nghiên cứu bao gồm: dữ liệu từ các thí nghiệm trong phòng lab, dữ liệu khảo sát thực tế, dữ liệu quan sát, dữ liệu mô phỏng, và các bộ dữ liệu thứ cấp từ các nguồn bên ngoài. Việc quản lý dữ liệu nghiên cứu (Research Data Management — RDM) ngày càng được yêu cầu bởi các cơ quan tài trợ và các tạp chí khoa học.

Open data (dữ liệu mở) trong giáo dục đang trở thành một xu hướng quan trọng. Các bộ dữ liệu mở về giáo dục — như dữ liệu từ PISA (Programme for International Student Assessment), dữ liệu tuyển sinh và việc làm từ Bộ Giáo dục các nước — cung cấp nguồn tài nguyên giá trị cho nghiên cứu và hoạch định chính sách. Việc thu thập và tích hợp dữ liệu mở vào hệ thống dữ liệu của trường có thể mở rộng đáng kể khả năng phân tích và so sánh.

5.5. Thu thập dữ liệu từ nguồn bên ngoài

Ngoài dữ liệu nội bộ, trường đại học cũng cần thu thập dữ liệu từ các nguồn bên ngoài để phục vụ chiến lược chuyển đổi số:

Dữ liệu thị trường lao động: Thông tin về nhu cầu tuyển dụng, mức lương, và kỹ năng yêu cầu từ các nền tảng việc làm và báo cáo ngành.
Dữ liệu xếp hạng và đánh giá: Thông tin từ các bảng xếp hạng đại học (QS, THE, ARWU) và đánh giá chất lượng giáo dục.
Dữ liệu chính sách giáo dục: Quy định, thông tư, quyết định từ Bộ Giáo dục & Đào tạo và các cơ quan quản lý.
Dữ liệu đối thủ và ngành: Thông tin về chương trình đào tạo, học phí, và chiến lược của các trường đại học khác.

Zhukovskaya (2022) đã phân tích vai trò của các nền tảng số trong giáo dục đại học và chỉ ra rằng khả năng thu thập và sử dụng dữ liệu từ nhiều nguồn khác nhau, bao gồm cả dữ liệu bên ngoài, là một yếu tố quan trọng cho việc xây dựng năng lực cạnh tranh trong giáo dục đại học hiện đại.

6. Thách thức trong thu thập dữ liệu

6.1. Vấn đề "ốc đảo dữ liệu" (Data Silos)

Thách thức lớn nhất trong thu thập dữ liệu tại trường đại học là tình trạng "ốc đảo dữ liệu" (data silos) — khi dữ liệu bị mắc kẹt trong các hệ thống và đơn vị riêng lẻ, không thể chia sẻ hoặc tích hợp một cách dễ dàng. Nguyên nhân của tình trạng này thường bao gồm:

Lịch sử triển khai hệ thống "đứt đoạn" — mỗi đơn vị tự triển khai giải pháp theo nhu cầu riêng.
Các nhà cung cấp phần mềm sử dụng định dạng dữ liệu độc quyền.
Thiếu chiến lược dữ liệu cấp trường (institutional data strategy).
Yếu tố văn hóa — các đơn vị ngần ngại chia sẻ dữ liệu do lo ngại về quyền kiểm soát và trách nhiệm.

Omar và Almaghthawi (2020) đã phân tích cụ thể vấn đề này trong bối cảnh chuyển đổi số tại các trường đại học Ả Rập Xê Út và đề xuất một mô hình tích hợp quản trị dữ liệu, nhấn mạnh rằng việc phá vỡ các "ốc đảo dữ liệu" là điều kiện tiên quyết để triển khai thành công chuyển đổi số.

6.2. Thiếu tiêu chuẩn hóa

Nhiều trường đại học thiếu các tiêu chuẩn thống nhất về định nghĩa dữ liệu, định dạng và quy ước đặt tên. Ví dụ, một sinh viên có thể được biểu diễn với các mã khác nhau trong các hệ thống khác nhau; trường đại học có thể được gọi bằng nhiều tên khác nhau trong các bộ dữ liệu; và cùng một điểm số có thể được tính trên các thang điểm khác nhau.

Syed và cộng sự (2023) trong nghiên cứu tổng quan về các vấn đề chất lượng dữ liệu y tế — một lĩnh vực có nhiều điểm tương đồng với giáo dục về tính phức tạp của dữ liệu — đã chỉ ra rằng thiếu tiêu chuẩn hóa là một trong những nguyên nhân chính dẫn đến chất lượng dữ liệu thấp, ảnh hưởng trực tiếp đến khả năng phân tích và ra quyết định.

6.3. Vấn đề quyền riêng tư và bảo mật

Thu thập dữ liệu trong giáo dục đại học phải đối mặt với thách thức đáng kể về quyền riêng tư và bảo mật. Dữ liệu sinh viên đặc biệt nhạy cảm: thông tin cá nhân, kết quả học tập, thông tin tài chính, và thậm chí dữ liệu về hành vi trực tuyến. Các quy định như GDPR (General Data Protection Regulation) của Liên minh Châu Âu và Nghị định 13/2023/NĐ-CP của Việt Nam về bảo vệ dữ liệu cá nhân đặt ra các yêu cầu nghiêm ngặt về việc thu thập, xử lý và lưu trữ dữ liệu cá nhân.

Fernandes, Machado và Amaral (2022) đã nghiên cứu các yếu tố then chốt cho việc thực hiện GDPR trong các cơ sở giáo dục đại học và phát hiện ra rằng nhận thức và năng lực về bảo vệ dữ liệu vẫn còn thấp ở nhiều trường, dẫn đến rủi ro vi phạm pháp luật và mất niềm tin từ sinh viên.

6.4. Hạn chế về nguồn lực

Nhiều trường đại học, đặc biệt là ở các nước đang phát triển, đối mặt với hạn chế nghiêm trọng về nguồn lực cho việc xây dựng hạ tầng dữ liệu. Gkrimpizi, Peristeras và Magnisalis (2023) đã phân loại các rào cản đối với chuyển đổi số trong giáo dục đại học và chỉ ra rằng rào cản về nguồn lực (tài chính, nhân lực, hạ tầng) là một trong những nhóm rào cản phổ biến nhất, đặc biệt ảnh hưởng đến khả năng thu thập và quản lý dữ liệu hiệu quả.

Loglo (2024) trong nghiên cứu về chuyển đổi số tại các trường đại học Ghana cũng xác nhận rằng thiếu hụt nguồn lực tài chính và hạn chế về hạ tầng công nghệ là những rào cản đáng kể, đồng thời nhấn mạnh vai trò then chốt của lãnh đạo trong việc ưu tiên đầu tư cho hạ tầng dữ liệu.

7. Chất lượng dữ liệu — Khái niệm và tầm quan trọng

7.1. Các chiều chất lượng dữ liệu

Trước khi bàn về làm sạch dữ liệu, cần hiểu rõ thế nào là "chất lượng dữ liệu" (data quality). Miller và cộng sự (2025) đã thực hiện một khảo sát so sánh các khuôn khổ chất lượng dữ liệu và xác định các chiều chất lượng dữ liệu phổ biến nhất:

Tính đầy đủ (Completeness): Dữ liệu có chứa tất cả các giá trị cần thiết không? Một bản ghi sinh viên thiếu ngày sinh, thiếu địa chỉ, hoặc thiếu điểm số là không đầy đủ. Tính đầy đủ thường được đo bằng tỷ lệ phần trăm các trường dữ liệu không bị thiếu.
Tính chính xác (Accuracy): Dữ liệu có phản ánh đúng thực tế không? Điểm số bị ghi sai, địa chỉ không hợp lệ, hoặc ngày sinh không hợp lý là các ví dụ về dữ liệu không chính xác.
Tính nhất quán (Consistency): Dữ liệu có đồng nhất giữa các hệ thống và các thời điểm khác nhau không? Một sinh viên có địa chỉ khác nhau trong SIS và hệ thống tài chính, hoặc có số tín chỉ khác nhau trong hai học kỳ liền kề, là ví dụ về dữ liệu không nhất quán.
Tính kịp thời (Timeliness): Dữ liệu có được cập nhật đúng thời điểm không? Điểm số được nhập chậm, thông tin sinh viên tốt nghiệp không được cập nhật, hoặc dữ liệu tài chính chậm nhiều tháng là các ví dụ về dữ liệu không kịp thời.
Tính duy nhất (Uniqueness): Có sự trùng lặp không? Cùng một sinh viên xuất hiện hai lần trong cơ sở dữ liệu, hoặc cùng một khóa học được đăng ký hai lần là các ví dụ về thiếu tính duy nhất.
Tính hợp lệ (Validity): Dữ liệu có tuân thủ các quy tắc và giới hạn được định nghĩa không? Điểm số nằm ngoài thang điểm cho phép, email không đúng định dạng, hoặc ngày tháng không hợp lệ là các ví dụ về dữ liệu không hợp lệ.

7.2. Tại sao chất lượng dữ liệu quan trọng trong giáo dục đại học?

Garbage In, Garbage Out (GIGO) — nguyên tắc cơ bản của tin học nói rằng kết quả phân tích chỉ tốt bằng dữ liệu đầu vào. Trong giáo dục đại học, quyết định dựa trên dữ liệu kém chất lượng có thể dẫn đến hậu quả nghiêm trọng:

Đánh giá sai thành tích sinh viên: Dữ liệu điểm số không chính xác có thể dẫn đến việc sinh viên bị đánh giá không công bằng, ảnh hưởng đến cơ hội học bổng, cơ hội việc làm và tương lai học tập.
Lập kế hoạch sai lệch: Dữ liệu tuyển sinh không đầy đủ hoặc không kịp thời có thể dẫn đến việc lập kế hoạch không phù hợp về giảng viên, phòng học và tài nguyên.
Phân bổ nguồn lực kém hiệu quả: Dữ liệu về sử dụng không gian không chính xác có thể dẫn đến việc đầu tư sai chỗ — xây phòng học mới trong khi phòng học hiện tại vẫn còn trống.
Mất uy tín: Dữ liệu nghiên cứu không chính xác có thể dẫn đến việc thu hồi bài báo, mất tài trợ và tổn hại nghiêm trọng đến uy tín của trường.

Alyahyan và Düştegör (2020) đã chỉ ra rằng chất lượng dữ liệu đầu vào là yếu tố quyết định accuracy của các mô hình dự đoán thành công học tập trong giáo dục đại học. Các mô hình được huấn luyện trên dữ liệu có nhiều giá trị thiếu, trùng lặp hoặc sai lệch sẽ cho kết quả dự đoán kém tin cậy, có thể dẫn đến các quyết định hỗ trợ sinh viên sai lệch.

Syed và cộng sự (2023) trong nghiên cứu tổng quan về chất lượng dữ liệu y tế — lĩnh vực có những yêu cầu khắt khe tương tự giáo dục — đã phân loại các vấn đề chất lượng dữ liệu thành bốn nhóm chính: vấn đề về giá trị thiếu, vấn đề về không nhất quán, vấn đề về tính chính xác, và vấn đề về tính kịp thời. Phân loại này hoàn toàn applicable đối với dữ liệu giáo dục đại học.

8. Quy trình làm sạch dữ liệu phục vụ chuyển đổi số

8.1. Khái niệm và nguyên tắc cơ bản

Làm sạch dữ liệu (data cleaning hoặc data cleansing) là quá trình phát hiện, sửa chữa hoặc loại bỏ các bản ghi dữ liệu bị lỗi, không đầy đủ, không chính xác hoặc không liên quan khỏi một bộ dữ liệu. Trong bối cảnh chuyển đổi số trường đại học, làm sạch dữ liệu không phải là một hoạt động đơn lẻ mà là một quy trình liên tục, được thực hiện xuyên suốt vòng đời dữ liệu — từ khi dữ liệu được thu thập, tích hợp, cho đến khi được sử dụng để phân tích và ra quyết định.

Nguyên tắc nền tảng của làm sạch dữ liệu là không thay đổi bản chất của dữ liệu. Mục tiêu là đưa dữ liệu về trạng thái phản ánh đúng thực tế, chứ không phải tạo ra dữ liệu "đẹp" nhưng không còn trung thực. Điều này đặc biệt quan trọng trong giáo dục, nơi dữ liệu ảnh hưởng trực tiếp đến sinh viên và giảng viên.

Một nguyên tắc quan trọng khác là tính có thể tái tạo (reproducibility). Mọi quy trình làm sạch dữ liệu cần được ghi nhận chi tiết: các quy tắc áp dụng, các quyết định được đưa ra, và lý do cho những quyết định đó. Điều này đảm bảo rằng quy trình có thể được kiểm tra, xác minh và tái hiện lại trong tương lai.

8.2. Xác định và xử lý giá trị thiếu (Missing Values)

Giá trị thiếu (missing values) là một trong những vấn đề phổ biến nhất trong dữ liệu giáo dục đại học. Một bản ghi sinh viên có thể thiếu ngày sinh, thiếu địa chỉ email, thiếu điểm số môn học, hoặc thiếu thông tin về khóa học đã đăng ký.

Nguyên nhân của giá trị thiếu rất đa dạng: sinh viên không cung cấp đầy đủ thông tin khi đăng ký, lỗi trong quá trình nhập liệu, lỗi tích hợp hệ thống, hoặc do thiết kế biểu mẫu không yêu cầu các trường bắt buộc. Syed và cộng sự (2023) đã phân tích các vấn đề chất lượng dữ liệu trong lĩnh vực y tế — một lĩnh vực tương tự giáo dục về độ phức tạp — và xác định rằng giá trị thiếu có thể xuất phát từ nhiều nguồn: thiếu nhập liệu, lỗi hệ thống, hoặc do bản chất của dữ liệu (ví dụ: sinh viên chưa hoàn thành khóa học nên chưa có điểm).

Các chiến lược xử lý giá trị thiếu bao gồm:

Liệt kê và phân tích mẫu thiếu (Listwise/Pairwise Deletion): Loại bỏ toàn bộ bản ghi có chứa giá trị thiếu, hoặc chỉ loại bỏ trong phân tích cụ thể. Phương pháp này đơn giản nhưng có thể dẫn đến mất mát thông tin đáng kể, đặc biệt khi tỷ lệ giá trị thiếu cao.

Gán giá trị đơn (Single Imputation): Thay thế giá trị thiếu bằng một giá trị cụ thể — có thể là giá trị trung bình, giá trị trung vị, hoặc giá trị mode (giá trị xuất hiện nhiều nhất). Phương pháp này giữ nguyên kích thước bộ dữ liệu nhưng có thể làm sai lệch phân phối dữ liệu và đánh lừa các phân tích thống kê.

Gán giá trị nhiều (Multiple Imputation): Tạo nhiều bộ dữ liệu khác nhau, mỗi bộ sử dụng các giá trị được gán khác nhau, rồi kết hợp kết quả từ nhiều bộ dữ liệu. Đây là phương pháp thống kê phức tạp nhưng cho kết quả đáng tin cậy hơn.

Sử dụng mô hình dự đoán: Xây dựng mô hình học máy (machine learning) để dự đoán giá trị thiếu dựa trên các biến khác. Các thuật toán như Random Forest, K-Nearest Neighbors (KNN), hoặc Expectation-Maximization (EM) có thể được sử dụng.

Đánh dấu và giữ nguyên: Trong một số trường hợp, đặc biệt khi giá trị thiếu có ý nghĩa (ví dụ: sinh viên không trả lời câu hỏi khảo sát vì lý do chính đáng), cách tốt nhất là đánh dấu giá trị đó và giữ nguyên, không gán giá trị thay thế.

Việc lựa chọn chiến lược phù hợp phụ thuộc vào bản chất của dữ liệu, tỷ lệ giá trị thiếu, và mục đích phân tích. Yamsani (2022) đã nghiên cứu việc sử dụng học máy để tự động phát hiện chất lượng và bất thường trong pipeline dữ liệu doanh nghiệp, cho thấy tiềm năng của các phương pháp tự động hóa trong việc xử lý giá trị thiếu.

8.3. Xác định và xử lý dữ liệu trùng lặp (Duplicate Detection)

Dữ liệu trùng lặp là một vấn đề phổ biến trong các trường đại học do dữ liệu được nhập từ nhiều nguồn khác nhau. Một sinh viên có thể được đăng ký hai lần trong cơ sở dữ liệu (với mã sinh viên khác nhau), cùng một khóa học có thể tồn tại trong cả hệ thống SIS và LMS, hoặc cùng một giảng viên có thể có hai hồ sơ trong hệ thống nhân sự.

Các loại trùng lặp bao gồm:

Trùng lặp chính xác (Exact duplicates): Hai bản ghi hoàn toàn giống nhau — thường là kết quả của lỗi nhập liệu hoặc lỗi tích hợp hệ thống. Xử lý đơn giản: giữ một bản và xóa các bản còn lại.
Trùng lặp cận (Near-duplicates/Fuzzy duplicates): Hai bản ghi gần giống nhau nhưng có sai khác nhỏ — ví dụ: "Nguyễn Văn An" và "Nguyen Van An", hoặc "nguyenvanan@email.com" và "n.v.an@email.com". Phát hiện trùng lặp cận đòi hỏi các kỹ thuật so khớp mờ (fuzzy matching) như Levenshtein distance, Soundex, hoặc Jaro-Winkler similarity.
Trùng lặp theo thực thể (Entity-level duplicates): Cùng một thực thể được biểu diễn trong nhiều bản ghi khác nhau với các mức độ thông tin khác nhau — ví dụ: hồ sơ sinh viên trong SIS có địa chỉ nhà, trong hệ thống tài chính có thông tin ngân hàng, và trong hệ thống thư viện có lịch sử mượn sách.

Quy trình phát hiện và xử lý trùng lặp bao gồm:

Xác định tiêu chí trùng lặp: Quyết định hai bản ghi được coi là trùng lặp khi nào — dựa trên ID sinh viên, email, hoặc kết hợp nhiều trường.
Chạy thuật toán phát hiện: Sử dụng các kỹ thuật matching để tìm các cặp bản ghi có khả năng trùng lặp.
Xác minh thủ công: Rất nhiều trường hợp cần xác minh thủ công, đặc biệt khi quyết định gộp bản ghi có thể ảnh hưởng đến dữ liệu cá nhân.
Gộp (Merge) hoặc xóa: Gộp thông tin từ các bản ghi trùng lặp thành một bản ghi hoàn chỉnh, hoặc xóa các bản ghi thừa.

8.4. Chuẩn hóa định dạng dữ liệu (Data Standardization)

Chuẩn hóa định dạng là bước quan trọng để đảm bảo tính nhất quán của dữ liệu, đặc biệt khi dữ liệu đến từ nhiều nguồn khác nhau. Các vấn đề chuẩn hóa phổ biến trong dữ liệu giáo dục đại học bao gồm:

Chuẩn hóa văn bản: Tên sinh viên viết hoa, viết thường, hoặc lẫn lộn (NGUYỄN VĂN AN vs. nguyễn văn An vs. Nguyễn Văn An). Tên địa danh sử dụng các cách viết khác nhau (Hà Nội vs. Ha Noi vs. hn). Giải pháp bao gồm: áp dụng quy tắc viết hoa nhất quán, sử dụng bộ từ điển chuẩn cho địa danh, và loại bỏ các khoảng trắng thừa.

Chuẩn hóa ngày tháng: Cùng một ngày có thể được biểu diễn theo nhiều định dạng khác nhau — DD/MM/YYYY, MM/DD/YYYY, YYYY-MM-DD, hoặc thậm chí bằng chữ. Chuyển đổi tất cả về một định dạng chuẩn (thường là ISO 8601: YYYY-MM-DD) là bước quan trọng.

Chuẩn hóa số và đơn vị: Điểm số trên thang điểm 10 vs. thang điểm 4 vs. chữ (A, B, C). Hệ thống tín chỉ theo quy chế cũ vs. quy chế mới. Giải pháp là xác định quy tắc chuyển đổi giữa các thang đo và áp dụng nhất quán.

Chuẩn hóa phân loại: Cùng một khung phân loại được gọi khác nhau — ví dụ: "Khoa Công nghệ thông tin" vs. "CNTT" vs. "Faculty of IT". Cần xây dựng một bộ từ điển phân loại chuẩn và sử dụng kỹ thuật ánh xạ (mapping) để thống nhất.

8.5. Xử lý giá trị ngoại lệ (Outlier Detection)

Giá trị ngoại lệ (outlier) là các giá trị dữ liệu khác biệt đáng kể so với phần lớn dữ liệu. Trong giáo dục đại học, outlier có thể là: một sinh viên đạt điểm 150/100 (không hợp lệ), một khóa học có 5,000 sinh viên đăng ký (có thể là lỗi), hoặc một giảng viên dạy 200 giờ trong một tuần (không hợp lý).

Các phương pháp phát hiện outlier bao gồm:

Phương pháp thống kê: Sử dụng trung bình ± 3 độ lệch chuẩn (z-score), khoảng tứ phân vị (IQR — Interquartile Range), hoặc biểu đồ hộp (box plot) để xác định các giá trị nằm ngoài phạm vi bình thường.
Phương pháp học máy: Sử dụng các thuật toán như Isolation Forest, Local Outlier Factor (LOF), hoặc One-Class SVM để phát hiện các điểm dữ liệu bất thường.
Quy tắc nghiệp vụ: Xác định các giới hạn hợp lý dựa trên kiến thức về lĩnh vực — ví dụ: điểm số phải nằm trong [0,10], số tín chỉ đăng ký mỗi kỳ không vượt quá 25.

Việc xử lý outlier cần cẩn trọng — không phải mọi giá trị ngoại lệ đều là lỗi. Một sinh viên thực sự xuất sắc có thể có điểm số cao bất thường, và việc loại bỏ có thể dẫn đến mất thông tin quan trọng. Yamsani (2022) đã đề xuất sử dụng học máy để tự động phát hiện bất thường trong pipeline dữ liệu doanh nghiệp, cho thấy tiềm năng của các phương pháp tự động hóa.

8.6. Xác thực dữ liệu (Data Validation)

Xác thực dữ liệu là quá trình kiểm tra xem dữ liệu có tuân thủ các quy tắc và ràng buộc được định nghĩa hay không. Trong giáo dục đại học, xác thực dữ liệu nên được thực hiện ở nhiều cấp độ:

Xác thực cấp trường (Field-level validation): Kiểm tra từng trường dữ liệu riêng lẻ — email có đúng định dạng không, điểm số có nằm trong phạm vi cho phép không, ngày tháng có hợp lệ không.
Xác thực cấp bản ghi (Record-level validation): Kiểm tra tính hợp lý của từng bản ghi — ngày tốt nghiệp phải sau ngày nhập học, số tín chỉ tích lũy phải lớn hơn số tín chỉ đã đăng ký, v.v.
Xác thực cấp bộ dữ liệu (Dataset-level validation): Kiểm tra tính nhất quán của toàn bộ bộ dữ liệu — tổng số sinh viên đăng ký có khớp với tổng số trong báo cáo hành chính không, có bản ghi nào nằm ngoài phạm vi thời gian dự kiến không.
Xác thực chéo giữa các hệ thống (Cross-system validation): Kiểm tra tính nhất quán giữa các hệ thống khác nhau — thông tin sinh viên trong SIS có khớp với thông tin trong hệ thống tài chính không, danh sách khóa học trong LMS có khớp với kế hoạch học tập trong SIS không.

8.7. Quy trình làm sạch dữ liệu — Khuyến nghị thực hành

Dựa trên các phân tích trên, quy trình làm sạch dữ liệu phục vụ chuyển đổi số trường đại học có thể được tổng hợp như sau:

Bước 1 — Đánh giá ban đầu (Data Profiling): Phân tích thống kê mô tả cho từng trường dữ liệu, xác định tỷ lệ giá trị thiếu, phát hiện phân phối bất thường, và đánh giá chất lượng dữ liệu tổng thể. Đây là bước quan trọng để có bức tranh toàn cảnh trước khi bắt đầu làm sạch.

Bước 2 — Xác định quy tắc làm sạch: Dựa trên kết quả đánh giá ban đầu và yêu cầu của ứng dụng đích, xác định các quy tắc làm sạch cụ thể. Các quy tắc này cần được tài liệu hóa rõ ràng.

Bước 3 — Thực hiện làm sạch: Áp dụng các quy tắc đã xác định theo thứ tự phù hợp — thường bắt đầu với việc xử lý trùng lặp (để tránh xử lý nhiều lần), sau đó xử lý giá trị thiếu, chuẩn hóa, xử lý outlier, và cuối cùng xác thực.

Bước 4 — Ghi nhận và kiểm tra: Ghi nhận chi tiết mọi thay đổi được thực hiện, tạo báo cáo chất lượng dữ liệu trước và sau khi làm sạch, và kiểm tra kết quả.

Bước 5 — Tự động hóa: Xây dựng các pipeline tự động cho các bước làm sạch lặp lại, sử dụng các công cụ như Apache Airflow, dbt (data build tool), hoặc các script Python/R.

9. Công cụ và nền tảng hỗ trợ thu thập và làm sạch dữ liệu

9.1. Công cụ mã nguồn mở

Python với các thư viện như pandas, numpy, scikit-learn, và Great Expectations đã trở thành tiêu chuẩn de facto cho làm sạch dữ liệu. Pandas cung cấp các chức năng mạnh mẽ cho việc xử lý giá trị thiếu (`fillna`, `dropna`), phát hiện trùng lặp (`duplicated`, `drop_duplicates`), chuẩn hóa (`str.lower`, `str.strip`), và xử lý outlier. Great Expectations là một framework mã nguồn mở giúp xác thực dữ liệu, tạo các "expectations" (kỳ vọng) về dữ liệu và kiểm tra xem dữ liệu có đáp ứng các kỳ vọng đó hay không.

Apache Spark là framework xử lý dữ liệu lớn (big data) phù hợp cho các trường đại học có khối lượng dữ liệu lớn. Spark hỗ trợ cả xử lý batch và streaming, có thể xử lý dữ liệu từ nhiều nguồn (CSV, JSON, Parquet, cơ sở dữ liệu) và tích hợp tốt với hệ sinh thái big data (Hadoop, Kafka, Elasticsearch).

OpenRefine (trước đây là Google Refine) là một công cụ miễn phí, thân thiện với người dùng, đặc biệt phù hợp cho việc làm sạch dữ liệu dạng bảng (tabular data). OpenRefine cung cấp giao diện trực quan cho các hoạt động như: phân cụm và gộp giá trị tương tự, chuyển đổi định dạng, và undo/redo dễ dàng.

dbt (data build tool) là một công cụ giúp biến đổi dữ liệu trong kho dữ liệu (data warehouse) bằng cách viết các truy vấn SQL. dbt cho phép version control các quy trình chuyển đổi dữ liệu, testing tự động, và tài liệu hóa data lineage (dòng chảy dữ liệu).

9.2. Nền tảng thương mại

Các nền tảng thương mại như Informatica, Talend, Microsoft SQL Server Integration Services (SSIS), và IBM InfoSphere cung cấp các giải pháp ETL toàn diện, phù hợp cho các trường đại học có ngân sách đầu tư lớn và nhu cầu tích hợp hệ thống phức tạp. Các nền tảng này cung cấp giao diện kéo-thả (drag-and-drop) giúp đơn giản hóa quy trình ETL, tích hợp với nhiều nguồn dữ liệu, và có khả năng giám sát chất lượng dữ liệu.

Microsoft Power Platform (bao gồm Power BI, Power Apps, Power Automate) đang ngày càng phổ biến trong giáo dục đại học do tính dễ sử dụng và khả năng tích hợp với hệ sinh thái Microsoft 365 (mà nhiều trường đang sử dụng). Power BI cung cấp khả năng trực quan hóa dữ liệu mạnh mẽ, Power Apps cho phép xây dựng ứng dụng thu thập dữ liệu tùy chỉnh, và Power Automate tự động hóa các quy trình thu thập và xử lý dữ liệu.

9.3. Nền tảng dữ liệu chuyên dụng cho giáo dục

Một số nền tảng được thiết kế đặc biệt cho giáo dục đại học, tích hợp cả khả năng thu thập và làm sạch dữ liệu:

Banner (Ellucian): Hệ thống quản lý giáo dục toàn diện, phổ biến ở các trường đại học Việt Nam, có khả năng quản lý dữ liệu sinh viên, tài chính và nhân sự trong một nền tảng thống nhất.
Oracle PeopleSoft Campus Solutions: Giải pháp ERP cho giáo dục đại học, cung cấp các module quản lý sinh viên, tài chính, nhân sự và nghiên cứu.
Unit4 ERP: Giải pháp quản trị doanh nghiệp dành riêng cho các tổ chức dịch vụ công và giáo dục.

Việc lựa chọn công cụ phù hợp phụ thuộc vào nhiều yếu tố: ngân sách, năng lực kỹ thuật của đội ngũ, quy mô dữ liệu, và mức độ phức tạp của yêu cầu tích hợp.

10. Kiến trúc dữ liệu cho chuyển đổi số trường đại học

10.1. Từ hệ thống độc lập đến nền tảng dữ liệu thống nhất

Chuyển đổi số trong giáo dục đại học đòi hỏi một sự chuyển đổi cơ bản trong kiến trúc dữ liệu — từ các hệ thống độc lập (siloed systems) sang một nền tảng dữ liệu thống nhất (unified data platform). Sự chuyển đổi này không chỉ là một thay đổi về công nghệ mà còn là một thay đổi về tư duy quản trị dữ liệu.

Kho dữ liệu (Data Warehouse) là một kiến trúc dữ liệu đã được sử dụng rộng rãi trong giáo dục đại học từ nhiều năm. Kho dữ liệu tích hợp dữ liệu từ nhiều nguồn khác nhau vào một kho trung tâm, được tổ chức theo các chiều (dimensions) và sự kiện (facts) phục vụ phân tích và báo cáo. Hasanati, Khudzaeva và Nurmiati (2021) đã trình bày thiết kế kho dữ liệu cho tích hợp dữ liệu học thuật tại trường đại học ở Indonesia, minh họa cách tiếp cận này giúp trường tạo ra các báo cáo thống nhất từ nhiều nguồn dữ liệu khác nhau.

Hồ dữ liệu (Data Lake) là một kiến trúc linh hoạt hơn, cho phép lưu trữ cả dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc ở dạng thô (raw data). Hồ dữ liệu đặc biệt phù hợp cho các trường đại học có nhu cầu phân tích đa dạng: từ phân tích dữ liệu học tập có cấu trúc đến phân tích nội dung bài thảo luận (phi cấu trúc). Tuy nhiên, hồ dữ liệu đòi hỏi cơ chế quản trị chặt chẽ hơn để tránh tình trạng "data swamp" (đầm lầy dữ liệu) — nơi dữ liệu được lưu trữ nhưng không thể tìm thấy hoặc sử dụng.

Data Lakehouse là một kiến trúc kết hợp ưu điểm của cả kho dữ liệu và hồ dữ liệu, sử dụng các công nghệ mới như Delta Lake, Apache Iceberg, hoặc Apache Hudi để cung cấp cả khả năng lưu trữ linh hoạt và khả năng phân tích có cấu trúc.

10.2. Kiến trúc quản trị dữ liệu (Data Governance Framework)

Quản trị dữ liệu (data governance) là khung chính sách, quy trình và tiêu chuẩn đảm bảo dữ liệu được quản lý như một tài sản tổ chức. Omar và Almaghthawi (2020) đã đề xuất một mô hình tích hợp quản trị và tích hợp dữ liệu cho chuyển đổi số trong giáo dục đại học, bao gồm các thành tố: chính sách dữ liệu, vai trò và trách nhiệm, tiêu chuẩn chất lượng dữ liệu, và cơ chế giám sát.

Các thành tố chính của một kiến trúc quản trị dữ liệu cho trường đại học bao gồm:

Con người và tổ chức: Thiết lập vai trò như Chief Data Officer (CDO), Data Stewards (người quản lý dữ liệu) cho từng đơn vị, và Data Owners (người sở hữu dữ liệu). Xây dựng văn hóa chia sẻ và trách nhiệm về dữ liệu.
Chính sách và tiêu chuẩn: Xác định các quy tắc về định nghĩa dữ liệu, tiêu chuẩn đặt tên, quy trình đảm bảo chất lượng, và chính sách bảo mật.
Kiến trúc kỹ thuật: Thiết kế hạ tầng dữ liệu, các pipeline thu thập và xử lý, và cơ chế tích hợp giữa các hệ thống.
Đo lường và giám sát: Xác định các chỉ số chất lượng dữ liệu (KPI), thiết lập cơ chế giám sát tự động, và tạo báo cáo định kỳ.

Chen và Liu (2021) đã nghiên cứu việc xây dựng nền tảng quản trị dữ liệu cho trường đại học trong môi trường khuôn viên thông minh và đề xuất một kiến trúc bao gồm nhiều lớp: lớp thu thập dữ liệu, lớp tích hợp và lưu trữ, lớp xử lý và phân tích, và lớp phục vụ ứng dụng.

11. Bảo vệ dữ liệu và tuân thủ pháp luật trong giáo dục đại học

11.1. Khung pháp lý về dữ liệu giáo dục

Trong quá trình thu thập và xử lý dữ liệu phục vụ chuyển đổi số, trường đại học phải tuân thủ các quy định pháp luật về bảo vệ dữ liệu cá nhân. Đây không chỉ là nghĩa vụ pháp lý mà còn là yếu tố xây dựng niềm tin với sinh viên, giảng viên và toàn xã hội.

Tại Việt Nam, hệ thống pháp luật về bảo vệ dữ liệu cá nhân đang ngày càng hoàn thiện. Nghị định số 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, có hiệu lực từ ngày 1 tháng 7 năm 2023, quy định chi tiết các nghĩa vụ của cơ sở dữ liệu và bên thứ ba trong việc thu thập, xử lý, lưu trữ và chia sẻ dữ liệu cá nhân. Đối với trường đại học, Nghị định đặt ra các yêu cầu cụ thể về: nguyên tắc thu thập dữ liệu (chỉ thu thập khi có sự đồng ý hoặc theo quy định pháp luật), nghĩa vụ thông báo cho người dùng về mục đích xử lý dữ liệu, và biện pháp bảo mật dữ liệu.

Luật An ninh mạng năm 2018 quy định về bảo vệ an ninh quốc gia, trật tự an toàn xã hội trên không gian mạng, yêu cầu các tổ chức — bao gồm trường đại học — phải có các biện pháp bảo vệ hệ thống thông tin và dữ liệu quan trọng. Thông tư số 27/2018/TT-BTTTT quy định chi tiết về việc bảo đảm an toàn hệ thống thông tin theo cấp độ.

Ngoài ra, đối với các trường đại học có chương trình liên kết quốc tế hoặc có sinh viên, giảng viên quốc tế, các quy định về bảo vệ dữ liệu của Liên minh Châu Âu (GDPR), California (CCPA) hoặc các quy định địa phương khác cũng có thể áp dụng.

11.2. Nguyên tắc bảo vệ dữ liệu trong thu thập và làm sạch

Các nguyên tắc bảo vệ dữ liệu cần được tích hợp vào quy trình thu thập và làm sạch dữ liệu ngay từ đầu — khái niệm "privacy by design" (quyền riêng tư theo thiết kế) và "security by default" (bảo mật theo mặc định).

Thu thập tối thiểu (Data Minimization): Chỉ thu thập dữ liệu thực sự cần thiết cho mục đích đã xác định. Không thu thập dữ liệu "dự phòng" với hy vọng sử dụng trong tương lai — điều này không chỉ vi phạm nguyên tắc bảo vệ dữ liệu mà còn tăng gánh nặng cho việc quản lý và làm sạch.

Xóa dữ liệu nhận dạng (De-identification): Khi dữ liệu được sử dụng cho mục đích phân tích thống kê hoặc nghiên cứu, các thông tin nhận dạng cá nhân (tên, số CMND, email cá nhân) cần được xóa hoặc che giấu trước khi đưa vào quy trình làm sạch và phân tích. Các kỹ thuật như anonymization (ẩn danh hóa) và pseudonymization (giả danh hóa) cần được áp dụng.

Kiểm soát truy cập (Access Control): Quy trình làm sạch dữ liệu cần được thực hiện bởi nhân viên được ủy quyền, trong môi trường bảo mật. Dữ liệu thô (raw data) cần được bảo vệ nghiêm ngặt hơn dữ liệu đã được xử lý (processed data).

Ghi nhận quá trình xử lý (Audit Trail): Mọi thao tác trên dữ liệu cá nhân — bao gồm cả các thao tác làm sạch như gộp bản ghi, xóa dữ liệu trùng lặp, và gán giá trị thay thế — cần được ghi nhận để phục vụ kiểm toán.

Fernandes, Machado và Amaral (2022) đã phát hiện ra rằng việc thực hiện GDPR trong các trường đại học đòi hỏi không chỉ thay đổi về kỹ thuật mà còn cần thay đổi về văn hóa tổ chức — từ việc nâng cao nhận thức của nhân viên đến việc thiết lập các quy trình quản lý rủi ro về dữ liệu.

11.3. Bảo mật trong luồng dữ liệu

Quy trình thu thập và làm sạch dữ liệu tạo ra một luồng dữ liệu (data pipeline) — từ nguồn dữ liệu, qua các bước xử lý, đến kho lưu trữ. Bảo mật cần được đảm bảo xuyên suốt luồng này:

Mã hóa dữ liệu khi truyền tải (Encryption in Transit): Sử dụng HTTPS/TLS cho API, SSH cho các kết nối server, và mã hóa cho các file được truyền.
Mã hóa dữ liệu khi lưu trữ (Encryption at Rest): Mã hóa database, file system và backup.
Quản lý khóa (Key Management): Sử dụng hệ thống quản lý khóa chuyên nghiệp (KMS), xoay vòng khóa định kỳ.
Sao lưu và phục hồi (Backup & Recovery): Sao lưu dữ liệu định kỳ, kiểm tra khả năng phục hồi, và lưu trữ bản sao ở vị trí an toàn.

12. Kinh nghiệm quốc tế và bài học cho Việt Nam

12.1. Các mô hình chuyển đổi số dữ liệu trên thế giới

Mô hình Châu Âu — Tập trung vào tiêu chuẩn và tuân thủ: Các trường đại học Châu Âu tiếp cận chuyển đổi số dữ liệu với sự chú trọng đặc biệt đến tiêu chuẩn hóa và tuân thủ quy định (đặc biệt là GDPR). Nhiều trường đã triển khai các hệ thống dữ liệu thống nhất từ đầu, sử dụng các tiêu chuẩn quốc tế như Bologna Process cho dữ liệu đào tạo, và CERIF (Common European Research Information Format) cho dữ liệu nghiên cứu. Fernandes và cộng sự (2022) đã phân tích việc thực hiện GDPR trong giáo dục đại học và chỉ ra rằng mặc dù các yêu cầu tuân thủ tạo ra áp lực ban đầu, nhưng về lâu dài chúng giúp xây dựng nền tảng dữ liệu chất lượng cao hơn.

Mô hình Hoa Kỳ — Đa dạng và hướng tới phân tích nâng cao: Các trường đại học Hoa Kỳ, với ngân sách đầu tư lớn hơn, thường sử dụng các nền tảng thương mại toàn diện như Ellucian Banner, PeopleSoft, hoặc Salesforce Education Cloud. Trọng tâm đặc biệt được đặt vào phân tích học tập (learning analytics) và học máy để dự đoán và hỗ trợ sinh viên. Alyahyan và Düştegör (2020) đã tổng hợp các nghiên cứu về dự đoán thành công học tập, chủ yếu dựa trên dữ liệu từ các trường đại học Hoa Kỳ, và chỉ ra rằng các mô hình dự đoán đạt hiệu quả tốt nhất khi được huấn luyện trên dữ liệu đa dạng, sạch và được cập nhật thường xuyên.

Mô hình Đông Nam Á — Chuyển đổi số với nguồn lực hạn chế: Các trường đại học tại Đông Nam Á đối mặt với bối cảnh đặc thù: nguồn lực hạn chế, hạ tầng không đồng đều, và văn hóa tổ chức đa dạng. Loglo (2024) đã nghiên cứu chuyển đổi số tại các trường đại học Ghana — một bối cảnh tương tự Đông Nam Á — và phát hiện ra rằng lãnh đạo đóng vai trò quyết định: các trường có lãnh đạo cam kết đầu tư vào hạ tầng dữ liệu và xây dựng văn hóa chia sẻ dữ liệu đạt kết quả chuyển đổi số tốt hơn đáng kể so với các trường chỉ đầu tư vào công nghệ mà bỏ qua tổ chức và con người.

12.2. Kinh nghiệm từ Việt Nam

Quy, Thanh và cộng sự (2023) đã trình bày tầm nhìn và cách tiếp cận chuyển đổi số tại một trường đại học cụ thể tại Việt Nam, bao gồm việc ứng dụng trí tuệ nhân tạo vào quản lý giáo dục. Bài học rút ra từ nghiên cứu này là các trường đại học Việt Nam cần:

Xây dựng chiến lược dữ liệu tổng thể trước khi đầu tư vào công nghệ cụ thể. Omar và Almaghthawi (2020) đã nhấn mạnh rằng một mô hình quản trị dữ liệu rõ ràng là nền tảng cho mọi nỗ lực chuyển đổi số.

Bắt đầu từ dữ liệu lõi (core data) — dữ liệu sinh viên, dữ liệu đào tạo, dữ liệu nhân sự — trước khi mở rộng sang các lĩnh vực khác.

Đầu tư vào năng lực con người — không chỉ kỹ năng kỹ thuật mà còn kỹ năng quản lý dữ liệu, bảo vệ dữ liệu và tư duy dựa trên dữ liệu.

Hợp tác và chia sẻ kinh nghiệm giữa các trường đại học, đặc biệt trong việc phát triển các tiêu chuẩn dữ liệu chung và các giải pháp mã nguồn mở phù hợp với bối cảnh Việt Nam.

Tri và Hoang (2023) trong nghiên cứu về tác động của chuyển đổi số trong giáo dục đại học Việt Nam đã chỉ ra rằng các yếu tố công nghệ (bao gồm hạ tầng dữ liệu) có tác động đáng kể đến chất lượng giáo dục, nhưng tác động này chỉ thực sự rõ rệt khi đi kèm với sự thay đổi về phương pháp giảng dạy và quản lý.

Trần, Thị Xuân Anh và cộng sự (2023) đã tổng hợp kinh nghiệm triển khai chuyển đổi số tại một số cơ sở giáo dục đại học trên thế giới và rút ra bài học cho Việt Nam, nhấn mạnh rằng quản trị dữ liệu là một trong những yếu tố then chốt quyết định thành bại của chuyển đổi số, bên cạnh lãnh đạo, hạ tầng và nhân lực.

12.3. Khuyến nghị cho các trường đại học Việt Nam

Dựa trên phân tích các kinh nghiệm quốc tế và bối cảnh thực tiễn tại Việt Nam, bài viết đề xuất các khuyến nghị sau:

Về chiến lược: Xây dựng chiến lược dữ liệu (data strategy) như một phần không thể tách rời của chiến lược chuyển đổi số tổng thể. Chiến lược này cần xác định rõ mục tiêu, lộ trình, nguồn lực và cơ chế đo lường.

Về tổ chức: Thiết lập đơn vị chuyên trách về quản lý dữ liệu (Data Management Office), báo cáo trực tiếp cho ban lãnh đạo, chịu trách nhiệm về tiêu chuẩn dữ liệu, chất lượng dữ liệu và bảo mật dữ liệu.

Về công nghệ: Ưu tiên đầu tư vào nền tảng tích hợp dữ liệu (data integration platform) thay vì tiếp tục đầu tư vào các hệ thống độc lập. Khai thác các giải pháp mã nguồn mở để giảm chi phí và tăng tính linh hoạt.

Về quy trình: Thiết lập quy trình thu thập và làm sạch dữ liệu chuẩn, có tài liệu hóa và có thể tự động hóa. Xây dựng các checklist chất lượng dữ liệu cho các hoạt động nghiệp vụ thường xuyên.

Về con người: Đào tạo kỹ năng dữ liệu (data literacy) cho toàn bộ cán bộ, giảng viên và nhân viên. Xây dựng văn hóa "dữ liệu là tài sản chung" thay vì "dữ liệu là tài sản của đơn vị".

13. Kết luận

Dữ liệu là nền tảng của chuyển đổi số trong giáo dục đại học. Không có dữ liệu chất lượng, mọi nỗ lực áp dụng công nghệ — từ trí tuệ nhân tạo đến phân tích học tập — đều trở nên vô nghĩa. Bài viết đã hệ thống hóa các vấn đề cốt lõi liên quan đến thu thập và làm sạch dữ liệu phục vụ chuyển đổi số trường đại học, bao gồm: phân loại dữ liệu, các phương pháp thu thập, các thách thức thực tiễn, quy trình làm sạch dữ liệu, công cụ hỗ trợ, kiến trúc dữ liệu, bảo vệ dữ liệu, và kinh nghiệm quốc tế.

Nghiên cứu chỉ ra rằng các vấn đề về dữ liệu trong giáo dục đại học — từ "ốc đảo dữ liệu" đến thiếu tiêu chuẩn hóa, từ giá trị thiếu đến trùng lặp — không chỉ là vấn đề kỹ thuật mà còn là vấn đề tổ chức và văn hóa. Giải quyết các vấn đề này đòi hỏi một cách tiếp cận toàn diện, kết hợp chiến lược, tổ chức, công nghệ và quy trình.

Đối với các trường đại học Việt Nam, việc đầu tư vào hạ tầng dữ liệu — đặc biệt là các nền tảng tích hợp dữ liệu — cần được ưu tiên song song với việc xây dựng năng lực con người và văn hóa chia sẻ dữ liệu. Chuyển đổi số không phải là một điểm đến mà là một quá trình, và chất lượng dữ liệu chính là thước đo sự thành công của quá trình đó.

Le, Chu và Nguyen (2024) đã khẳng định rằng chuyển đổi số trong giáo dục đại học Việt Nam đang ở giai đoạn phát triển nhanh, và khả năng quản lý dữ liệu hiệu quả sẽ là yếu tố phân biệt giữa các trường thành công và các trường tụt lại trong cuộc đua chuyển đổi số.

Tài liệu tham khảo

Alyahyan, E. & Düştegör, D. (2020). Predicting academic success in higher education: literature review and best practices. International Journal of Educational Technology in Higher Education, 17(1). DOI: 10.1186/s41239-020-0177-7

Aitdaoud, M., Namir, A. & Talbi, M. (2023). New Pre-Processing Approach Based on Clustering Users Traces According to their Learning Styles in Moodle LMS. International Journal of Emerging Technologies in Learning, 18(7). DOI: 10.3991/ijet.v18i07.37635

Chen, Z. & Liu, Y. (2021). Research and Construction of University Data Governance Platform Based on Smart Campus Environment. Proceedings of the 2021 International Conference on Big Data and Artificial Intelligence. DOI: 10.1145/3495018.3495097

Fernandes, J., Machado, C. & Amaral, L. (2022). Identifying critical success factors for the General Data Protection Regulation implementation in higher education institutions. Data Protection and Privacy. DOI: 10.1108/dprg-03-2021-0041

Gkrimpizi, T., Peristeras, V. & Magnisalis, I. (2023). Classification of Barriers to Digital Transformation in Higher Education Institutions: Systematic Literature Review. Education Sciences, 13(7), 746. DOI: 10.3390/educsci13070746

Hanelt, A., Bohnsack, R., Marz, D. & Antunes Marante, C. (2020). A Systematic Review of the Literature on Digital Transformation: Insights and Implications for Strategy and Organizational Change. Journal of Management Studies. DOI: 10.1111/joms.12639

Hasanati, N., Khudzaeva, E. & Nurmiati, E. (2021). Designing Data Warehouse for Academic Data Integration at the University in Indonesia. IEEE. DOI: 10.1109/citsm52892.2021.9588869

Hidayat, D.S. & Sensuse, D.I. (2022). Knowledge Management Model for Smart Campus in Indonesia. Data, 7(1), 7. DOI: 10.3390/data7010007

Le, T., Chu, B. & Nguyen, B. (2024). Exploratory Study on Factors Influencing Digital Transformation in Higher Education in Vietnam. American Journal of Engineering, IT and Sciences, 8(1). DOI: 10.11648/j.ajeit.20240801.14

10. Li, W. (2021). Design of smart campus management system based on internet of things technology. Journal of Intelligent & Fuzzy Systems. DOI: 10.3233/jifs-189354

11. Loglo, F.S. (2024). Towards Digital Transformation of Selected Ghanaian Public Universities: Leadership Enablers, Challenges, and Opportunities. Open Praxis, 16(3), 374–395. DOI: 10.55982/openpraxis.16.3.700

12. Miller, R., Chan, S.H.M., Whelan, H. & Gregório, J. (2025). A Comparison of Data Quality Frameworks: A Review. Big Data and Cognitive Computing, 9(4), 93. DOI: 10.3390/bdcc9040093

13. Omar, A. & Almaghthawi, A. (2020). Towards an Integrated Model of Data Governance and Integration for the Implementation of Digital Transformation Processes in the Saudi Universities. International Journal of Advanced Computer Science and Applications, 11(8). DOI: 10.14569/ijacsa.2020.0110873

14. Quy, V.K., Thanh, B.T., Chehri, A., Linh, D.M. & Tuan, D.A. (2023). AI and Digital Transformation in Higher Education: Vision and Approach of a Specific University in Vietnam. Sustainability, 15(14), 11093. DOI: 10.3390/su151411093

15. Romero, C. & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. DOI: 10.1002/widm.1355

16. Syed, R., Eden, R., Makasi, T., Chukwudi, I. & Mamudu, A. (2023). Digital Health Data Quality Issues: Systematic Review. Journal of Medical Internet Research, 25, e42615. DOI: 10.2196/42615

17. Trần, T.X.A., Trần, T.T. & Đào, H.N. (2023). Kinh nghiệm thực hiện chuyển đổi số tại một số cơ sở giáo dục đại học trên thế giới và bài học kinh nghiệm cho Việt Nam. Tạp chí Cải cách hành chính. DOI: 10.59276/tckhdt.2023.11.2613

18. Tri, N.M. & Hoang, P.D. (2023). The Impact of Digital Transformation in Higher Education: The Case Study from Vietnam. Journal of Higher Education Theory and Practice, 23(5). DOI: 10.33423/jhetp.v23i5.5922

19. Uoc, T.M. (2023). Digital transformation in higher education in Vietnam today. Gestão & Secretaria, 14(8). DOI: 10.7769/gesec.v14i8.2699

20. Yamsani, N. (2022). Applying Machine Learning for Automated Data Quality and Anomaly Detection in Enterprise Data Pipelines. International Journal of Robotics and Artificial Intelligence, 5(1). DOI: 10.15662/ijrai.2022.0501006

21. Zenodo. (2022). Data collection and quality assurance of the survey on the digital transformation of business processes at universities in Germany. DOI: 10.5281/zenodo.6383774

22. Zhukovskaya, I.E. (2022). Digital Platforms Are an Important Aspect of Digitalization of Higher Education. Открытое образование, 26(4), 31–40. DOI: 10.21686/1818-4243-2022-4-31-40

Cách thức thu thập và làm sạch dữ liệu phục vụ chuyển đổi số trường đại học