Professional Documents
Culture Documents
The Use of Big Data Analytics in Detecting Academi
The Use of Big Data Analytics in Detecting Academi
Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
Firdatul Jannah, Anara Indrany Nanda Ayu Anissa, Wanda Maulida, Novita
Đại học Trilogi, Nam Jakarta, Indonesia
Lịch sử bài viết: Nghiên cứu này nhằm mục đích tìm ra tác động của việc sử dụng
Nhận vào ngày 22 tháng 9 năm 2021
phân tích dữ liệu lớn trong việc phát hiện gian lận trong học
Sửa đổi ngày 19 tháng 11 năm 2021
tập để có thể đưa ra những cải tiến và tạo ra những thay đổi
Được chấp nhận ngày 02 tháng 12 năm 2022
đáng kể, đặc biệt là trong việc giảm mức độ gian lận trong học
tập ở sinh viên. Các biến được sử dụng trong nghiên cứu này là
DOI: phân tích dữ liệu lớn là biến độc lập và gian lận học thuật là
10.21532/apfjournal.v7i2.261 biến phụ thuộc. Nghiên cứu này sử dụng dữ liệu sơ cấp thu được
từ các câu hỏi được phát cho sinh viên Đại học Trilogy. Mẫu là
258 sinh viên từ tất cả các chương trình học tại lớp Đại học
Trilogy năm 2017 - 2020. Phương pháp xử lý và phân tích dữ liệu
Đây là bài viết truy cập mở theo Giấy phép sử dụng Bình phương tối thiểu một phần (PLS). Kết quả của nghiên
CC-BY-SA
cứu này chỉ ra rằng việc sử dụng phân tích dữ liệu lớn có tác
động tích cực và đáng kể đến việc phát hiện gian lận trong học
thuật. Điều này cho thấy các trường đại học sử dụng phân tích dữ
liệu lớn có thể phát hiện hành vi gian lận trong học tập của sinh viên.
Từ khóa: Phân tích dữ liệu lớn, Gian lận trong học thuật, Sinh
viên, Giáo dục đại học.
1. GIỚI THIỆU khi nộp bài tập. Nhưng trên thực tế, ở cấp đại học
Giáo dục là ngành được phát triển với mục đích tạo ra vẫn còn xảy ra những hành vi gian lận của sinh viên,
một thế hệ có thể phát triển đất nước, nhà nước vì hay thường gọi là gian lận trong học thuật.
ngành này gắn liền với kiến thức rộng, đạo đức tốt và
trách nhiệm cao. Ở mọi cấp học, từ tiểu học đến đại Gian lận trong học tập là hành vi không trung thực
học, học sinh được dạy phải luôn hành động trung thực do sinh viên thực hiện có chủ đích nhằm thu lợi cho
và có trách nhiệm trong mọi hành động mình thực hiện. bản thân hoặc cho nhóm (Pramudyastuti, 2020).
Trong giáo dục đại học, sinh viên được yêu cầu có tài liệu bị cấm (3%), đạo văn (22%), giả mạo tài
trách nhiệm hiểu tài liệu khóa học và đề cao các giá liệu.
Jannah, F., Anissa, AI, Maulida, W., Novita. (2022). Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian
lận trong học thuật. Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2), 173-184. http://doi.org/10.21532/apfjournal.
v7i2.261.
Hiệp hội các nhà điều tra gian lận được chứng nhận (ACFE)
Tác giả tương ứng: Email:
Chương Indonesia
Firdatuljannah18@gmail.com
Trang. 173-184
Machine Translated by Google
174| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
dữ liệu hoặc lời khai (13%), giả mạo các tình tiết như phân tích trong quá trình học tập dựa trên phân tích
nghỉ học không đúng lý do (10%). Tính trung thực trong nhằm cung cấp thêm kiến thức và hỗ trợ cho tương lai
việc giảng bài là rất quan trọng đối với sinh viên đại của học sinh, chẳng hạn như học về các công cụ công
học, đặc biệt liên quan đến việc cho điểm. nghệ.
hỗ trợ hiệu quả hoạt động của đội ngũ giảng viên, chẳng
Gian lận trong học tập xảy ra vì nhiều lý do. Dựa hạn như giảng viên trở nên có năng lực giảng dạy hơn
trên lý thuyết tam giác gian lận do Cressy (1953) đưa (Agustini, 2017). Quá trình phân tích có thể phân tích
ra, có một số yếu tố khuyến khích học sinh gian lận, theo thời gian thực liên quan đến quy trình giáo dục
một trong số đó là áp lực đến từ những người thân thiết đại học vì nó chứa dữ liệu liên quan đến hoạt động của
nhất với các em như cha mẹ, anh chị em, bạn bè. sinh viên, giảng viên và đơn vị liên quan đến các quy
trình và hoạt động khác
(Hartanto, 2012). Áp lực cũng có thể đến từ điều kiện (Agustini, 2017).
tài chính của một người. Tình trạng này có thể khiến Trong lĩnh vực giáo dục, việc sử dụng dữ liệu lớn
một người thực hiện hành vi gian lận. Ví dụ, một trong rất hữu ích để biết tiến độ học tập của học sinh vì nó
những yêu cầu để nhận được học bổng là chỉ số thành thu thập thông tin từ các thiết bị mà học sinh sử dụng
tích cao. Vì vậy, để có thể đáp ứng được những yêu cầu và chấm điểm. Dữ liệu lớn cũng có thể được sử dụng để
này, học sinh có thể làm bất cứ điều gì, kể cả gian lận xem tiềm năng học tập phù hợp với cách giảng dạy và sự
để đạt điểm cao. Gian lận xảy ra do sinh viên có cơ hội phát triển của học sinh bên ngoài học thuật. Ngoài ra,
làm như vậy, thiếu sự giám sát của giảng viên trong các việc sử dụng các công cụ phân tích hoặc phân tích dữ
kỳ thi và giảng viên thiếu kỹ lưỡng khi chấm bài cho liệu có thể giúp học sinh trung thực (Ali, 2021). Theo
sinh viên (Alvin, 2008). Khi gian lận, học sinh sẽ hợp Kaufman trong Ernawati (2017), hành vi gian lận mà học
lý hóa hành động của mình. Họ cho rằng hành động của sinh thường thực hiện là sao chép và dán câu trả lời
mình là đúng vì những người bạn khác cũng làm điều của bạn bè hoặc từ internet. Trong trường hợp này, việc
tương tự. Ngoài ra, họ gian lận vì không muốn bị giảng sử dụng phân tích dữ liệu lớn có thể phát hiện đạo văn
viên điểm kém. của các câu trong bài tập. Học sinh có xu hướng không
nộp bài đúng hạn. Do đó, phân tích dữ liệu lớn có thể
cung cấp thông tin theo thời gian thực, chẳng hạn như
thời gian thu thập, giúp giảng viên dễ dàng biết được
sinh viên có thu thập đúng giờ hay không (Efgivia &
động tiêu cực đến tương lai của chính học sinh. Họ sẽ
quen với việc phạm tội lừa đảo bằng cách sử dụng người
khác vì lợi ích riêng của họ chứ không phải là kết quả
Giải pháp nâng cao chất lượng giáo dục không có gian dụng phân tích dữ liệu lớn, đặc biệt là trong việc phát
lận trong học thuật là sử dụng các phát triển công hiện hành vi gian lận của sinh viên, để có thể cải
nghệ, một trong số đó là công nghệ phân tích dữ liệu thiện thành tích chất lượng giáo dục không gian lận và
lớn. theo Agustini (2017), Lợi ích của phân tích dữ tăng cường kiểm định.
liệu lớn trong quá trình giáo dục và học tập là giúp
đưa ra quyết định nhanh chóng và phân tích theo thời Việc triển khai liên tục phân tích dữ liệu lớn có
gian thực, chẳng hạn như trong đăng ký và thanh toán thể cải thiện chất lượng giáo dục. Nghiên cứu này nhằm
học phí, học tập và đánh giá trực tuyến, cũng như giáo mục đích xác định tác động của việc sử dụng phân tích
dục học sinh cách làm quen với việc làm việc với dữ dữ liệu lớn, chẳng hạn như hệ thống thông tin học thuật
liệu. Lợi ích của việc sử dụng dữ liệu lớn (SIAKAD) và hệ thống học tập điện tử, trong việc phát
Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2) Tháng 7-Tháng 12 năm 2022: 173-184| 175
phân tích dữ liệu lớn nhằm tăng cường tính bảo mật và Có hai yếu tố ảnh hưởng đến hành vi gian lận trong
bảo mật để cung cấp nền giáo dục chất lượng không có học thuật: yếu tố bên trong và bên ngoài. Các yếu tố
gian lận. Sự khác biệt giữa điều này bên trong bao gồm sự tự nhận thức về bản thân của một
nghiên cứu trước đây là nghiên cứu này xem xét tác động thuật đối với anh ta. Lòng tự trọng có thể ở dạng tự
của việc sử dụng phân tích dữ liệu lớn trong giáo dục đánh giá liên quan đến việc thuyết phục bản thân về
để dự kiến sẽ cung cấp đầu vào cho các tổ chức giáo dục khả năng và thành công của mình. Nhưng điều ngược lại
đại học bằng cách triển khai phân tích dữ liệu lớn có có thể xảy ra nếu ai đó có quan niệm tiêu cực về bản
thể làm giảm mức độ gian lận trong học tập của sinh thân. Suy nghĩ tiêu cực của một người có thể ảnh hưởng
viên. Ngoài ra, việc sử dụng phân tích dữ liệu lớn có đến cách học để anh ta có thể gian lận để đạt được mục
thể mang lại sự cải thiện và ra quyết định theo thời tiêu đó (Wibowo & Wahyuningrum, 2019).
gian thực, đồng thời hỗ trợ các nhà giáo dục đưa ra các
lận khi giảng viên ra khỏi lớp trong kỳ thi. Hợp lý hóa
Phân tích dữ liệu là khoa học trích xuất thông tin
là sự biện minh cho những gì được thực hiện với sự cân
hữu ích từ các tập dữ liệu lớn để giúp các cá nhân hoặc
nhắc rằng những người khác cũng đang làm điều tương tự
tổ chức đưa ra quyết định tốt hơn.
(Fitriana & Baridwan, 2012).
176| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
trí tuệ nhân tạo, thống kê, công nghệ xử lý ngôn ngữ đã tiến hành. Dựa trên lời giải thích này, có thể kết
tự nhiên để tìm ra các mẫu trong dữ liệu, trực quan hóa luận rằng việc sử dụng phân tích dữ liệu lớn có thể
dữ liệu và các công cụ tương tác của con người để cho phát hiện gian lận trong lĩnh vực giáo dục. Kết quả của
phép người dùng hiểu các mẫu này (Darono, 2018). Theo
Briney (2019), phân tích học tập là việc đo lường, thu nghiên cứu do Ali (2021) thực hiện cho thấy phân tích
thập, phân tích và báo cáo dữ liệu về học sinh và nền dữ liệu lớn có tác động tích cực đến gian lận trong học
tảng của họ nhằm mục đích hiểu và tối ưu hóa việc học thuật. Điều này liên quan đến việc tối ưu hóa chiến
tập cũng như môi trường mà nó diễn ra. lược quản lý giáo dục và đào tạo nhằm nâng cao hiệu quả
của các hoạt động giáo dục và hệ thống học tập cá nhân.
Kết quả nghiên cứu do Efgivia (2020) thực hiện cho thấy
phân tích dữ liệu lớn có tác động tích cực đến việc
xảy ra.
gian lận trong học tập. Điều này liên quan đến việc hỗ
Phân tích học thuật dựa vào việc trích xuất dữ trợ sinh viên và nhân viên học tập trong việc tạo ra
liệu từ một hoặc nhiều hệ thống, chẳng hạn như CMS hoặc một bầu không khí học tập thuận lợi.
dụng liên tục được phân tích bằng phần mềm thống kê và Hơn nữa, kết quả nghiên cứu do Agustini (2017) thực
các mô hình toán học thu được. Dựa trên mô hình và hiện cho thấy phân tích dữ liệu lớn có ảnh hưởng tích
trình độ được xác định trước, một số hành động nhất cực đến việc phát hiện gian lận trong học thuật. Điều
định có thể được kích hoạt, chẳng hạn như gửi thông báo này nhằm mục đích để sinh viên, người đứng đầu chương
điện tử cho sinh viên hoặc bắt đầu sự can thiệp cá nhân trình nghiên cứu, giảng viên và văn phòng học thuật có
của nhân viên trường đại học (Campbell và cộng sự, thể thực hiện các thủ tục bài giảng phù hợp với thông
Phân tích quy trình được sử dụng để phân tích quy hệ thống đã được thiết lập. Điều này phù hợp với kết
trình kinh doanh của trường đại học trong thời gian quả nghiên cứu do Ernawati (2017) thực hiện rằng sự tồn
thực. Dữ liệu được sử dụng có thể được lấy từ dữ liệu tại của phân tích dữ liệu lớn trong hệ thống học thuật
đăng ký của sinh viên, giảng viên và các đơn vị liên có ảnh hưởng tích cực đến việc phát hiện hành vi gian
quan đến quy trình và hoạt động của trường đại học hoặc lận của sinh viên. Hơn nữa, kết quả nghiên cứu của
dữ liệu hoạt động sau đó được xử lý để tìm ra quy trình Purnama (2013) cũng cho thấy việc sử dụng phân tích dữ
nghiệp vụ mới. liệu lớn trong ngành giáo dục có tác động tích cực
Tuy nhiên, phân tích quy trình không chỉ giới hạn ở trong việc phát hiện hành vi gian lận của sinh viên.
việc khám phá quy trình kinh doanh. Phân tích quy trình
phát triển phân tích dữ liệu lớn (Efgivia, 2020). 3. PHƯƠNG PHÁP
Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2) Tháng 7-Tháng 12 năm 2022: 173-184| 177
kỹ thuật, một quy trình lấy mẫu bao gồm quá lý thuyết dựa trên dữ liệu (Suryana, 2010).
trình phân tầng, sau đó là lựa chọn đối tượng Thử nghiệm sử dụng Bình phương nhỏ nhất một
từ mỗi tầng (Sekaran & Bougie, 2017). Khi xác phần (PLS) được tiến hành để phân tích mô
định cỡ mẫu, nghiên cứu này sử dụng công thức hình bên trong. Kết quả kiểm định dữ liệu
Slovin vì tổng dân số của nghiên cứu này đã được coi là đáp ứng các tiêu chí về độ giá
được biết trước (Hidayat, 2017). trị và độ tin cậy nếu giá trị hệ số tải thu
được ≥ 0,70 (Ghozali & Latan, 2015). Mục đích
nghiệm này được thực hiện để xác định mối quan hệ giữa
từng chỉ số và các biến tiềm ẩn của nó (Ghozali &
Dữ liệu bảng câu hỏi được thu thập và phân tích
Latan, 2015). Tiêu chí kiểm tra là nếu giá trị t-static
để có được kết quả trả lời cho các giả thuyết. Nghiên lớn hơn giá trị bảng t, với mức ý nghĩa 95%, tức là
cứu này sử dụng hai hình thức kiểm tra: phân tích mô
1,96 hoặc tương tự như nếu giá trị p ≤ alpha 0,05, do
tả và phân tích xác minh. Công cụ kiểm tra được sử
đó có thể khẳng định rằng biến độc lập có ảnh hưởng đến
dụng là SmartPLS phiên bản 3.3.3. Phân tích mô tả định
biến phụ thuộc (Ghozali & Latan, 2015).
lượng được sử dụng để giải thích và mô tả kết quả của
Phân tích dữ liệu lớn Phân tích học tập Quá trình học tập của sinh viên
Phân tích quy trình Quy trình kinh doanh ở trường đại học
Gian lận trong học tập Gian lận trong học tập Lạm dụng công nghệ thông tin
Đạo văn
Nguồn: Giáo dục, (2020)
Machine Translated by Google
178| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
Hình 2 hiển thị các biến phân tích dữ liệu lớn cho Chương trình, Giảng viên và Phòng Quản lý Học thuật.
các biến phụ của phân tích học tập, phân tích học thuật Phân tích dữ liệu có thể hiển thị số tiền thanh toán
và phân tích quy trình. Giá trị trên 3.0 có nghĩa là đăng ký của sinh viên phù hợp hơn và theo thời gian
người trả lời đồng ý rằng phân tích dữ liệu lớn đóng thực. Hệ thống thông tin học thuật cũng tạo ra các phân
vai trò tốt trong việc cải thiện quá trình học tập hàn tích quy trình. Trong trường hợp này, thông qua phân
lâm tại Đại học Trilogi. tích dữ liệu, các bên như Trưởng chương trình học,
Việc triển khai phân tích dữ liệu lớn tại Đại học
thuật (SIAKAD), nơi sinh viên cảm thấy rằng họ đang có thể đưa ra quyết định theo dữ liệu do hệ thống tạo
được giúp đỡ trong quá trình học tập vì vai trò của ra. Phân tích dữ liệu cũng giúp cung cấp thông tin dữ
phân tích học tập là một phần của phân tích dữ liệu liệu có liên quan để giúp người dùng dữ liệu phân tích
lớn. Thông qua việc sử dụng phân tích học tập, sinh và cải thiện quy trình học tập dễ dàng hơn. Việc sử
viên có thể tìm ra thời điểm đăng ký thanh toán bằng dụng phân tích dữ liệu cũng giúp các trường đại học
cách mở hệ thống học thuật. Ngoài ra, học viên còn có phát hiện những bất thường trong học thuật và làm cho
thể tìm hiểu lịch trình khóa học theo thời gian thực. quá trình học tập trở nên hiệu quả và hiệu quả hơn.
hệ thống cũng hiển thị điểm số của học sinh, tỷ lệ đi gian lận trong học tập bằng cách sử dụng các chỉ số đạo
học chuyên cần và các khóa học đã vượt qua hoặc cần học văn và lạm dụng công nghệ với giá trị trên 3.0, nghĩa
lại. Ngoài ra, sinh viên cũng có thể tự mình nhập vào là người trả lời đồng ý rằng nhiều sinh viên có hành vi
phiếu kế hoạch học tập của mình. Phân tích dữ liệu lớn gian lận trong học tập. Nhiều học sinh có hành vi đạo
cũng có thể tối ưu hóa hệ thống thông tin học thuật của văn khi làm bài tập, bài thi và sử dụng công nghệ để
trường đại học trong việc cải thiện hiệu suất học tập. thực hiện hành vi gian lận. Bằng cách sử dụng hệ thống
Phân tích học thuật có thể đo lường kết quả học tập vì phân tích dữ liệu lớn và thông tin học thuật, hệ thống
các hoạt động của nó đã được ghi lại trong có thể ngăn chặn và phát hiện gian lận. Đại học Trilogi
quy định các yêu cầu đối với sinh viên khi tham gia kỳ
liệu đóng vai trò hiển thị hiệu suất của Trưởng phòng
nghiên cứu
Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2) Tháng 7-Tháng 12 năm 2022: 173-184| 179
phải đáp ứng yêu cầu tham dự khóa học với tỷ lệ tham toàn bộ quá trình luận án yêu cầu xác nhận một cách có
dự khóa học đạt 75% hoặc tham dự tối thiểu 10 (mười) hệ thống của Giảng viên tư vấn và Trưởng chương trình
lần. Dựa trên quy định này, nếu học sinh không đáp ứng nghiên cứu. Trong phân tích dữ liệu lớn, tất cả dữ
số giờ đi học tối thiểu, học sinh có thể gặp khó khăn liệu liên quan đến học sinh đều có thể được ghi lại và
khi làm bài thi vì thẻ thi của học sinh không truy cập học sinh không thể dễ dàng phạm tội gian lận. Trong
được. Hệ thống thông tin học thuật cũng có thể phát trường hợp gian lận dưới hình thức đạo văn, giảng viên
hiện việc đăng ký thanh toán của sinh viên. Những sinh sẽ tiến hành kiểm tra Turnitin hoặc đạo văn để xác
viên đã thanh toán có thể nhập thẻ kế hoạch học tập định bài tập/bài báo/luận án của sinh viên và phát hiện
(KRS) cho học kỳ sẽ tham gia và yêu cầu người giám sát hành vi gian lận của sinh viên thông qua phân tích dữ
học tập xác nhận thẻ kế hoạch học tập (KRS) của sinh liệu lớn.
thanh toán chưa được xác nhận. Thông tin học thuật
hệ thống cũng được sử dụng cho quá trình thực hiện luận án.
Nghiên cứu xác nhận và tên của người giám sát và người
chấm luận án sẽ được nhập. Sinh viên thay đổi tên luận
văn cũng phải cập nhật qua hệ thống thông tin học
thuật để nhận được thư phân công của người hướng dẫn
Nguồn: Dữ liệu bảng câu hỏi (đã xử lý, 2021)
với tựa đề mới làm điều kiện để nộp luận án. Mỗi lần
hướng dẫn làm luận văn, sinh viên cũng phải điền thông
Bảng 2 cho thấy giá trị được trích xuất phương
báo vào hệ thống thông tin học thuật với tối thiểu 8
sai trung bình đã đáp ứng các tiêu chí về giá trị hội
(tám) lần họp. Các
tụ với giá trị trên 0,50 cho tất cả các chỉ báo có cấu
trúc, trong đó biến phân tích dữ liệu lớn có giá trị
180| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
Hệ số Cronbach rho_A Độ tin cậy tổng hợp Phương sai trung bình
alpha Đã trích xuất (AVE)
Nguồn: Dữ liệu bình phương nhỏ nhất một phần (đã xử lý, 2021)
biến gian lận học thuật có giá trị là 1.000. Dựa trên Bảng 4. Giá trị bình phương R
các giá trị này, có thể kết luận rằng tất cả các cấu
R Quảng trường R Quảng trường
trúc đều có mức độ giá trị và phân biệt giá trị cao và
đã điều chỉnh
đáp ứng các tiêu chí. Dựa trên giá trị độ tin cậy tổng
Gian lận trong học tập 0,89 0,89
hợp (rho_A), biến phân tích dữ liệu lớn có giá trị
Nguồn: Dữ liệu bình phương nhỏ nhất một phần (Đã
0,890 trong khi biến gian lận học thuật có giá trị
xử lý, 2021)
1.000. Dựa trên hai giá trị này, có thể kết luận rằng
kết quả của nghiên cứu này là đáng tin cậy vì chúng có Bảng 4 cho thấy giá trị của R bình phương (R2 )
mức độ tin cậy cao. Phân tích dữ liệu lớn có giá trị là 0,890 hay 89%, nghĩa là 89% cho thấy gian lận
Cronbach's Alpha là 0,767 và gian lận trong học thuật trong học thuật bị ảnh hưởng
có giá trị Cronbach's Alpha là 1.000. Bởi vì tất cả các bởi phân tích dữ liệu lớn và 11% còn lại bị ảnh
giá trị xây dựng đều trên 0,7 nên có thể kết luận rằng hưởng bởi các biến số khác ngoài nghiên cứu này.
kết quả nghiên cứu có thể tin cậy hoặc có độ tin cậy Giá trị 0,890 hoặc 89% cho thấy mối quan hệ chặt
0,943 Phân tích dữ liệu lớn trong việc phát hiện học thuật
Dữ liệu lớn
Gian lận
phân tích
Trong Bảng 6, có thể thấy giá trị mẫu ban đầu là
Học thuật
0,943, giá trị t-count là 498,456, với mức ý nghĩa
Gian lận
0,000 cho thấy phân tích dữ liệu lớn có tác động tích
Nguồn:Dữ liệu bình phương nhỏ nhất một phần (Proces-
cực đến việc phát hiện gian lận trong học thuật. Những
sed, 2021)
kết quả này phù hợp với kết quả nghiên cứu do Efgivia
Trong Bảng 3, giá trị hệ số đường dẫn là 0,943 (2020) thực hiện rằng việc sử dụng phân tích dữ liệu
cho thấy phân tích dữ liệu lớn có tác động tích cực lớn trong lĩnh vực giáo dục đại học có tác động tốt.
đến gian lận trong học thuật. Những kết quả này Phân tích dữ liệu lớn có tác dụng tích cực
giải thích rằng mỗi cấu trúc đều có ảnh hưởng tích
cực đến gian lận trong học tập.
Machine Translated by Google
Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2) Tháng 7-Tháng 12 năm 2022: 173-184| 181
có tác dụng phát hiện các dấu hiệu gian lận trong học cho phép thao tác không bị phát hiện. Phân tích
tập. Kết quả của nghiên cứu này hỗ trợ nghiên cứu do dữ liệu lớn đóng vai trò quan trọng trong việc
Ali (2021) thực hiện rằng việc sử dụng phân tích dữ đăng ký. Việc thanh toán học phí được chuyển qua
liệu lớn trong các trường đại học có tác động tích cực Hệ thống thông tin học thuật.
trong việc hỗ trợ quá trình học tập để sinh viên có Dữ liệu do Hệ thống thông tin học thuật tạo ra phù hợp
nhiều khả năng tuân thủ các quy định hơn. Hệ thống hơn, chính xác hơn và theo thời gian thực. Dữ liệu trở
thông tin học thuật có khả năng phát hiện các hoạt nên minh bạch hơn vì những sinh viên chưa thanh toán
động của quá trình học tập. Kết quả của nghiên cứu này có thể bị nhân viên học thuật theo dõi. Tương tự như
cũng phù hợp với kết quả nghiên cứu của Agustini vậy, việc điền vào thẻ kế hoạch học tập (KRS) không
(2017) cho rằng phân tích dữ liệu lớn có tác động tích thể được thực hiện trước khi sinh viên thanh toán.
cực đến việc phát hiện gian lận trong học thuật để
giảng viên và văn phòng học thuật có thể thực hiện. Hệ thống thông tin học thuật tạo ra những
thực hiện các hoạt động học thuật theo các quy trình phân tích học tập tốt hơn nhiều.
đã được thiết lập do có hệ thống thông tin học thuật Quá trình học tập của sinh viên có hệ thống hơn,
giám sát mọi hoạt động của họ. Kết quả của nghiên cứu nơi sinh viên có thể tìm hiểu thời điểm đăng ký
này cũng ủng hộ kết quả nghiên cứu của Ernawati (2017) thanh toán từ thông tin được công bố trong Hệ
rằng sự tồn tại của phân tích dữ liệu lớn trong hệ thống thông tin học thuật. Thông qua phân tích
thống học thuật có tác động tích cực trong việc phát học tập, sinh viên còn biết được lịch giảng hôm
hiện gian lận của sinh viên. Phù hợp với kết quả nay, lịch giảng ngày mai, lịch thi, bao gồm cả
nghiên cứu, Purnama (2013) cho rằng việc sử dụng phân việc theo dõi bài giảng của từng môn như tỷ lệ
tích dữ liệu lớn trong ngành giáo dục có tác động tích đi học và kết quả điểm các môn học mà sinh viên
cực trong việc phát hiện hành vi gian lận của sinh đạt được.
viên. Việc sử dụng phân tích dữ liệu lớn trong lĩnh
vực học thuật càng nhiều thì khả năng phát hiện gian
lận càng lớn, từ đó có tác động tốt đến quá trình kinh Trưởng chương trình học, Giảng viên và Phòng Quản lý
doanh học thuật trong việc ngăn chặn và phát hiện gian học thuật sẽ luôn cập nhật quá trình học tập của sinh
lận của sinh viên, nhân viên học thuật và giảng viên. viên để phân tích học tập như một phần của phân tích dữ
liệu lớn giúp họ giám sát mọi hoạt động của sinh viên.
cũng có thể được thực hiện bằng cách sử dụng phân tích
học tập trong hệ thống thông tin học thuật để giúp sinh
Kết quả của dữ liệu được lập bảng trong phân tích vì thông tin có thể được cập nhật trong hệ thống trong
dữ liệu lớn tạo ra khối lượng lớn dữ liệu hiển thị thời gian thực.
thông tin cho các quan chức trường đại học để phân
tích. Việc triển khai phân tích dữ liệu lớn tại Đại
thống thanh toán học phí. Thanh toán không còn sử dụng Hỗ trợ từ thông tin học thuật
phương thức thủ công vì quy trình có xu hướng kém hiệu Hệ thống như một phần của phân tích dữ liệu lớn
quả và kém hiệu quả. cũng hỗ trợ phân tích học thuật trong đó Trilogi
Các quan chức của trường đại học có thể tìm hiểu, phân tích,
Nguồn: Dữ liệu bình phương nhỏ nhất một phần (Đã xử lý, 2021)
Machine Translated by Google
182| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
và đo lường kết quả học tập. tham dự tối thiểu 10 (mười) lần.
Hệ thống đám mây dữ liệu lớn có thể tạo ra kết quả thực Căn cứ vào những quy định này, nếu học sinh không đáp
hiện của từng giảng viên như tỷ lệ đi học và nhiệm vụ ứng số giờ đi học tối thiểu, học sinh sẽ gặp khó khăn
được nhân viên thực hiện. Việc sử dụng hệ thống thông khi làm bài thi vì không truy cập được thẻ thi của học
tin học thuật tại Đại học Trilogy cũng rất hữu ích vì sinh.
nó có thể cung cấp thông tin cho những người có nhu cầu
bao gồm số tiền học phí hoặc học phí Hệ thống thông tin học thuật cũng có thể phát hiện
các khoản thanh toán mà trường đại học nhận được. Ngoài học tập (KRS) cho học kỳ sẽ tham gia và yêu cầu người
ra, giảng viên cũng có thể tạo diễn đàn bài giảng trực giám sát học tập xác nhận thẻ kế hoạch học tập của sinh
tuyến nếu không thể giảng dạy trực tiếp bằng Hệ thống viên để dữ liệu khóa học mà sinh viên nhập được coi là
Trilogi, giúp dễ dàng theo dõi và phát hiện gian lận hoạch học tập nếu việc đăng ký thanh toán chưa được xác
trong học thuật. Dựa trên mô tả này, việc sử dụng phân nhận.
tích dữ liệu lớn trong lĩnh vực học thuật rất hữu ích Hệ thống thông tin học thuật cũng được sử dụng cho quá
cho quy trình kinh doanh của giáo dục đại học vì những trình làm luận án. Để nộp đề cương luận văn và đính kèm
người cần dữ liệu và thông tin có thể đưa ra quyết định đề cương luận văn, sinh viên chỉ cần tải đề cương lên
đúng đắn dựa trên dữ liệu và thông tin do đám mây dữ hệ thống và được Trưởng chương trình nghiên cứu xác
liệu lớn tạo ra. Hơn nữa, Trưởng chương trình học, nhận. Sau đó, tên của người giám sát và người chấm luận
Giảng viên và Phòng Quản lý học thuật cũng có thể phân án sẽ được nhập vào. Sinh viên muốn đổi tên luận án
tích và đề xuất những cải tiến cần thực hiện để hỗ trợ cũng phải cập nhật vào hệ thống thông tin học thuật,
sự phát triển của Đại học Trilogi. Việc sử dụng phân nhằm lấy được thư phân công của người hướng dẫn với tựa
tích dữ liệu lớn cũng có thể phát hiện những bất thường đề mới làm điều kiện để được cấp.
nộp thử luận văn. Ngoài ra, sinh viên cũng phải cập
nhật mỗi lần hướng dẫn làm luận văn vào hệ thống thông
tin học thuật với tối thiểu 8 (tám) lần họp. Toàn bộ
Công nghệ ngày càng tiên tiến cũng có thể được quá trình luận án yêu cầu xác nhận một cách có hệ thống
sinh viên sử dụng để thực hiện hành vi gian lận. Tuy của Giảng viên tư vấn và Trưởng chương trình nghiên
nhiên, gian lận có thể được phát hiện bằng cách sử dụng cứu. Việc sử dụng phân tích dữ liệu lớn có thể phát
phân tích dữ liệu lớn. Phân tích dữ liệu lớn có thể hiện nhanh chóng nếu có sinh viên gian lận trong học
phát hiện các hoạt động gian lận của sinh viên như đạo tập. Việc sử dụng
văn trong bài tập hoặc đáp án bài kiểm tra. Về vấn đề
Turnitin để có thể phát hiện những sinh viên gian lận phân tích dữ liệu lớn cho các trường đại học hỗ
dưới hình thức đạo văn thông qua phân tích dữ liệu lớn. trợ rất nhiều cho sự thành công của giáo dục và
Thông qua phân tích dữ liệu lớn và sự tồn tại của hệ tạo ra những sinh viên chất lượng.
thống thông tin học thuật, hệ thống có thể ngăn chặn và
5. KẾT LUẬN
phát hiện gian lận.
Việc sử dụng phân tích dữ liệu lớn trong lĩnh vực giáo
dục đóng vai trò quan trọng trong việc cải thiện quy
dục xây dựng chiến lược giảng dạy và phân tích thông
ứng các yêu cầu về điểm danh của khóa học với tỷ lệ đi
tin theo nhu cầu của học sinh. nhà giáo dục
học là 75% hoặc đạt tỷ lệ điểm danh là 75%.
Machine Translated by Google
Tạp chí Gian lận Châu Á Thái Bình Dương, 7(2) Tháng 7-Tháng 12 năm 2022: 173-184| 183
cũng có thể tổ chức các diễn đàn học tập sử dụng công Alvin, AD (2008). No TitleKiểm toán và Jasa
nghệ như hệ thống thông tin học thuật và học trực tuyến Assurance. Erlangga.
để thích ứng với sự phát triển công nghệ hiện nay. Dựa
Briney, KA (2019). Thực hành quản lý dữ liệu
trên kết quả của nghiên cứu này, có thể kết luận rằng
trong phân tích học tập của thư viện đại
phân tích dữ liệu lớn có tác động tích cực trong việc
học: Đánh giá phê bình. Tạp chí Thư viện
phát hiện gian lận trong học thuật. Điều này có thể
và Truyền thông Học thuật, 7(Số chung), 1–
được chứng minh bằng việc sử dụng Turnitin trong việc
39.
điều chỉnh mức độ tương đồng trong kết quả bài tập của
học sinh với các tác giả khác. Phân tích dữ liệu lớn
Campbell, JP, DeBlois, PB ., & Oblinger,
cũng có thể giám sát những sinh viên chưa đóng học phí
(đăng ký lại) để những sinh viên này không thể mang DG (2007). Công cụ phân tích học thuật mới
theo thẻ kế hoạch học tập. cho kỷ nguyên mới. Tạp chí EDUCAUSE, 41–57.
công nghệ để công nghệ được sử dụng vào những việc tích Efgivia & Givia. (2020). No
cực chứ không phải để gian lận trong học thuật. Nên TitlePemanfaatan Big Data Dalam Penelitian
nghiên cứu sâu hơn để bổ sung thêm các biến số khác như Teknologi Pendidikan.
hành vi của sinh viên trong
Giáo dục: Jurnal Teknologi Pendidikan, 107–
119.
gặp khó khăn trong việc thu thập và liên hệ với Penelitian Teknologi Pendidikan. Giáo dục:
Jurnal Teknologi Pendidikan, 107–119.
những người trả lời là mẫu của nghiên cứu này vì
nghiên cứu được thực hiện trong thời gian thực hiện
lệnh hạn chế hoạt động cộng đồng (PPKM). Ernawati, S. (2017). Kecurangan Akademik pada
Mahasiswa Ditinjau dari Kepercayaan Diri
và Konformitas. 1–15.
184| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật
Hartanto, D. (2012). Bimbingan & Konseling Suryana. (2010). Phương pháp Penelitian:
Menyontek: Mengungkap Akar Masalah Mô hình Praktis Penelitian Kuantitatif
dan SolusinyaTiêu đề. Chỉ số. và Kualitatif. Buku Ajar Perkuliahan
UPI.
Ali, tôi. (2021). Peran và Kontribusi Big
Data được cung cấp bởi Pendidikan và Varian, H. (2014). Dữ liệu lớn: Thủ thuật
Pelatihan Kepustakawanan. Madika : mới cho Economictris. Tạp chí Quan
Media Informasi và Komunikasi Diklat điểm Kinh tế, 28(2): 3-28. https://doi.
Kepustakawanan, 5(1), 8–15. org/10.1257/jep.28.2.3.
Pramudyastuti, O., Fatimah, A., & Wilujeng, D. Wibowo, DH, & Wahyuningrum, E. (2019). Pencegahan
(2020). Perilaku Kecurangan Akademik Mahasiswa Perilaku Kecurangan Akademik: Peran Penalaran
Akuntansi: Điều tra viên kim cương gian lận Moral and Konsep Diri Akademik Phòng chống
thứ nguyên. gian lận trong học tập. Sinh thái học Jurnal,
Columbia Canada.