Machine Translated by Google

Tạp chí gian lận Châu Á Thái Bình Dương

E-ISSN: 2502-695X, ISSN: 2502-8731

Tập 7, Số 2 (Tháng 7-Tháng 12) năm 2022

Tạp chí Chống gian lận Châu Á Thái Bình Dương hiện đã được Bộ Nghiên
cứu và Công nghệ Cộng hòa Indonesia công nhận “SINTA 3” (Số SK. 85/
M/KPT/2020).

Có sẵn trực tuyến tại: http://apfjournal.or.id/index.php/apf

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

THÔNG TIN BÀI VIẾT TÓM TẮT

Lịch sử bài viết:
Nhận vào ngày 22 tháng 9 năm 2021
Sửa đổi ngày 19 tháng 11 năm 2021
Được chấp nhận ngày 02 tháng 12 năm 2022
DOI:
10.21532/apfjournal.v7i2.261
Đây là bài viết truy cập mở theo Giấy phép
CC-BY-SA
Nghiên cứu này nhằm mục đích tìm ra tác động của việc sử dụng
phân tích dữ liệu lớn trong việc phát hiện gian lận trong học
tập để có thể đưa ra những cải tiến và tạo ra những thay đổi
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
phân tích dữ liệu lớn là biến độc lập và gian lận học thuật là
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
sử dụng Bình phương tối thiểu một phần (PLS). Kết quả của nghiên
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).

Theo Purnama (2013), có một số hành vi gian lận của

sinh viên với tỷ lệ khác nhau như gian lận sử dụng

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.

trị về tính trung thực

Cách trích dẫn:

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.

(Agustini, 2017). Ngoài ra, phân tích học thuật cũng

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 &

Givia, 2020). Đối tượng nghiên cứu của đề tài này là

Đại học Trilogi.

Việc gian lận được thực hiện nhiều lần sẽ có tác

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

của nỗ lực hoặc khả năng của chính họ.

Hy vọng rằng Đại học Trologi có thể tối đa hóa việc sử

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

hiện gian lận trong học thuật. Việc sử dụng

Machine Translated by Google

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

người có thể mô tả sự tự nhận thức tích cực về mặt học

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

chiến lược học tập tốt hơn trong tương lai.

Gian lận học thuật thường được tìm thấy trong thế

giới giáo dục. Fitriana & Baridwan (2012) giải thích

rằng sự phát triển của công nghệ và sự tồn tại của

2. TÌM HIỂU VĂN HỌC VÀ GIẢI QUYẾT
Internet có thể là một thách thức mới đối với giới học
LUẬN ÁN
thuật.
Lừa đảo
Các yếu tố áp lực bao gồm tình bạn không lành mạnh,
Lừa đảo là một điều tiêu cực trong mắt xã hội (Aksa, 2018).
yêu cầu đạt điểm tối thiểu cho mỗi khóa học, thời gian
Gian lận là hành vi trốn tránh nghĩa vụ của một số người
tốt nghiệp và yếu tố kinh tế. Những thói quen xấu lặp
hoặc các bên nhằm thu được lợi nhuận và gây tổn thất tài đi lặp lại sẽ trở thành văn hóa được chấp nhận, từ đó
chính hoặc phi tài chính cho các bên khác. Theo ACFE (2012),
tạo cơ hội cho những học sinh kém nhận thức làm những
gian lận là hành vi được một hoặc nhiều người cố ý thực hiện
điều xấu hoặc trái đạo đức, chẳng hạn như sao chép bài
nhằm sử dụng nguồn lực của tổ chức một cách bất hợp lý và tập của bạn bè cho mỗi môn học, sao chép câu trả lời
không phù hợp trong việc trình bày sự việc nhằm thu lợi ích
được liệt kê trên trang hoặc website của hệ thống học
cá nhân. Có một số trường hợp trên thế giới xảy ra do gian
thuật. , gian lận trong thi cử và gian lận trong thi
lận, chẳng hạn như trường hợp của Enron, WorldCom, Tyco và
cử. Một người hợp lý hóa những hành động sai trái của
Global Crossing.
mình là đúng. Học sinh cho rằng gian lận là chuyện bình

thường vì nhiều học sinh cũng làm điều tương tự và

không bên nào bị tổn hại.

Tam giác lừa đảo

Gian lận xảy ra do ba yếu tố
Phân tích dữ liệu lớn
được đề cập trong lý thuyết tam giác gian lận, áp lực,
Phân tích dữ liệu lớn có thể được sử dụng để phân tích
cơ hội và sự hợp lý hóa (Akenbor và Oghoghomeh, 2013).
trải nghiệm của sinh viên trong thời gian thực từ các
hoạt động của sinh viên như đăng ký khóa học, thanh
Áp lực có thể xảy ra đối với sinh viên do các yếu tố
toán, tham gia, học tập trực tuyến và đánh giá. Việc sử
kinh tế và nhu cầu của
dụng phân tích dữ liệu lớn trong giáo dục bao gồm phân
cha mẹ để có thể đạt được điểm cao hoặc chỉ số thành
tích học tập, phân tích học thuật và phân tích quy
tích. Học sinh lợi dụng cơ hội để gian lận bằng cách
trình (Efgivia, 2020).
tìm đúng tình huống để làm điều đó, chẳng hạn như gian

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).

Phân tích dữ liệu sử dụng máy học,

Machine Translated by Google

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.

hệ thống thông tin sinh viên.

Dữ liệu có thể được lưu trữ trong kho dữ liệu để sử

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

2007). tin học thuật

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

có thể được sử dụng để xác minh sự tuân thủ, phát hiện

sai lệch, dự đoán sự chậm trễ, hỗ trợ ra quyết định và

H1: Phân tích dữ liệu lớn có tác động tích cực
đề xuất thiết kế lại quy trình. Vì vậy, phân tích quy về phát hiện gian lận trong học thuật.
trình cũng đóng vai trò là tài liệu tham khảo cho việc

phát triển phân tích dữ liệu lớn (Efgivia, 2020). 3. PHƯƠNG PHÁP

Đối tượng được sử dụng trong nghiên cứu này là sinh

viên tích cực từ tất cả các chương trình học, khóa

Phát triển giả thuyết
2017-2020, Đại học Trilogi, với tổng số 2.603 sinh
Phân tích dữ liệu lớn là một hệ thống có thể xử lý
viên. Nghiên cứu này sử dụng sinh viên làm đối tượng
thông tin thành dữ liệu riêng biệt vì mọi hoạt động sử
nghiên cứu vì sự phát triển của công nghệ được coi là
dụng hệ thống sẽ được đọc và trở thành tập hợp dữ liệu
có khả năng thay đổi suy nghĩ của sinh viên về việc
(Varian, 2014). Bản thân phân tích dữ liệu lớn là dữ
gian lận để đạt điểm cao.
liệu vượt quá khả năng xử lý của các hệ thống cơ sở dữ

liệu thông thường.

Trong trường hợp này, việc sử dụng phân tích dữ liệu

lớn dự kiến sẽ có thể phát hiện gian lận xảy ra trong

Kết quả của dữ liệu do phân tích dữ liệu lớn phát hành
giới học thuật. Việc lấy mẫu được thực hiện bằng cách
có thể được người dùng sử dụng làm thông tin để phân
sử dụng phương pháp lấy mẫu ngẫu nhiên phân tầng
tích kết quả của các hoạt động
Machine Translated by Google
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
trình phân tầng, sau đó là lựa chọn đối tượng
từ mỗi tầng (Sekaran & Bougie, 2017). Khi xác
định cỡ mẫu, nghiên cứu này sử dụng công thức
Slovin vì tổng dân số của nghiên cứu này đã
được biết trước (Hidayat, 2017).
N=N/(1+Ne2 )
Mẫu nghiên cứu được sử dụng để kiểm định
là 266 sinh viên. Nghiên cứu này sử dụng bảng
câu hỏi đóng vì mẫu câu hỏi được phát trực
tuyến. Nó nhằm mục đích tiết kiệm giấy, linh
hoạt, có phạm vi rộng. Thang câu hỏi sử dụng
thang đánh giá, nghĩa là kết quả dữ liệu ở
dạng số biểu thị đồng ý hay không đồng ý với
câu hỏi (Sugiyono, 2010).
Dữ liệu bảng câu hỏi được thu thập và phân tích
để có được kết quả trả lời cho các giả thuyết. Nghiên
cứu này sử dụng hai hình thức kiểm tra: phân tích mô
tả và phân tích xác minh. Công cụ kiểm tra được sử
dụng là SmartPLS phiên bản 3.3.3. Phân tích mô tả định
lượng được sử dụng để giải thích và mô tả kết quả của
dữ liệu đã được thu thập mà không nhằm mục đích đưa ra
kết luận khái quát.
Việc trình bày dữ liệu mô tả được thực hiện
bằng cách sử dụng các bảng và biểu đồ về kết
quả câu hỏi của sinh viên trả lời để có thể
xác định được kết quả. Việc kiểm tra tính hợp
lệ và độ tin cậy của dữ liệu nhằm mục đích
tạo ra dữ liệu nghiên cứu hợp lệ và đáng tin
cậy. Phân tích tiếp theo là xác minh bằng
phương pháp Bình phương nhỏ nhất một phần
(PLS). Việc xác minh được thực hiện để kiểm
tra sự liên kết giữa các mục tiêu nghiên cứu
và các vấn đề cơ bản liên quan
Bảng 1. Các biến hoạt động
Biến đổi Biến hoạt động phụ
Phân tích dữ liệu lớn Phân tích học tập
Phân tích học thuật
Phân tích quy trình
Gian lận trong học tập Gian lận trong học tập
Nguồn: Giáo dục, (2020)
lý thuyết dựa trên dữ liệu (Suryana, 2010).
Thử nghiệm sử dụng Bình phương nhỏ nhất một
phần (PLS) được tiến hành để phân tích mô
hình bên trong. Kết quả kiểm định dữ liệu
được coi là đáp ứng các tiêu chí về độ giá
trị và độ tin cậy nếu giá trị hệ số tải thu
được ≥ 0,70 (Ghozali & Latan, 2015). Mục đích
của việc phân tích mô hình bên trong là chỉ
ra mức độ mạnh mẽ giữa các biến tiềm ẩn và
cấu trúc (Ghozali & Latan, 2015).
Theo Ghozali & Latan (2015), giá trị R bình
phương 0,67 nghĩa là mạnh, 0,33 nghĩa là vừa
phải và 0,19 nghĩa là yếu.
Theo Hair Jr và cộng sự. (2017), giá trị của các hệ số
đường dẫn gần bằng +1 cho thấy mối quan hệ giữa hai cấu
trúc ngày càng bền chặt. Tuy nhiên, giá trị gần -1 hơn
cho thấy mối quan hệ đang theo hướng tiêu cực. Thử
nghiệm tiếp theo là thử nghiệm mô hình bên ngoài. Thử
nghiệm này được thực hiện để xác định mối quan hệ giữa
từng chỉ số và các biến tiềm ẩn của nó (Ghozali &
Latan, 2015). Tiêu chí kiểm tra là nếu giá trị t-static
lớn hơn giá trị bảng t, với mức ý nghĩa 95%, tức là
1,96 hoặc tương tự như nếu giá trị p ≤ alpha 0,05, do
đó có thể khẳng định rằng biến độc lập có ảnh hưởng đến
biến phụ thuộc (Ghozali & Latan, 2015).
4. KẾT QUẢ VÀ THẢO LUẬN
Hình 1 ở trên cho thấy sự phân bổ dữ liệu
người trả lời được thu thập là 266 người trả
lời là sinh viên Đại học Trilogi từ các chương
trình và lớp học khác nhau được sử dụng làm
mẫu nghiên cứu.
Hình vẽ cho thấy những người trả lời được thu
thập trong nghiên cứu đều tuân thủ các tiêu
chí mẫu cần thiết để xử lý và phân tích dữ
liệu thêm.
Chỉ số
Quá trình học tập của sinh viên
Đo lường kết quả học tập
Quy trình kinh doanh ở trường đại học
Lạm dụng công nghệ thông tin
Đạo văn
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,

Giảng viên và Phòng Quản lý học thuật

Việc triển khai phân tích dữ liệu lớn tại Đại học

Trilogi có thể được thấy trong hệ thống thông tin 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.

Thông tin học thuật

Hình 3 cho thấy nhận thức của người trả lời về

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

thi, ví dụ như sinh viên

hệ thống học thuật. Dựa trên mô tả này, phân tích dữ

liệu đóng vai trò hiển thị hiệu suất của Trưởng phòng

nghiên cứu

Hình 1. Dữ liệu của người trả lời

Nguồn: Dữ liệu bảng câu hỏi (đã xử lý, 2021)

Machine Translated by Google

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.

viên để dữ liệu về các khóa học mà sinh viên đã nhập

được coi là phù hợp. Hệ thống tự động không thể mở

Hình 3. Phân tích mô tả biến gian lận trong học tập
quyền truy cập thẻ kế hoạch học tập nếu việc đăng ký

thanh toán chưa được xác nhận. Thông tin học thuật

hệ thống cũng được sử dụng cho quá trình thực hiện luận án.

Để nộp đề cương luận văn và đề cương luận văn, sinh

viên chỉ cần tải đề cương lên hệ thống.

Hơn nữa, hồ sơ sẽ được Người đứng đầu Chương trình

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

0,803 trong khi

Hình 2. Phân tích mô tả biến phân tích dữ liệu lớn

Nguồn: Dữ liệu bảng câu hỏi (đã xử lý, 2021)

Machine Translated by Google

180| Firdatul Jannah và cộng sự, Việc sử dụng phân tích dữ liệu lớn trong việc phát hiện gian lận trong học thuật

Bảng 2. Kết quả kiểm tra độ giá trị và độ tin cậy

Hệ số Cronbach rho_A Độ tin cậy tổng hợp Phương sai trung bình
alpha Đã trích xuất (AVE)

Phân tích dữ liệu lớn 0,767 0,89 0,89 0,803

Gian lận trong học tập 1.000 1.000 1.000 1.000

Nguồn: Dữ liệu bình phương nhỏ nhất một phần (đã xử lý, 2021)

Bảng 5. Giá trị tính toán bịt mắt

SSO SSE Q² (=1-SSE/SSO)

Phân tích dữ liệu lớn 522 522

261 phương nhỏ nhất một

Gian lận học thuật 30,79 Nguồn: Dữ liệu bình 0,882

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

cao. chẽ và hợp lệ vì giá trị R2 lớn hơn 0,67.

Bảng 5 cho thấy giá trị Q2 là 0,882 hoặc 88,2%,

có nghĩa là phân tích dữ liệu lớn có giá trị liên

quan mang tính dự đoán cao đối với gian lận trong
học thuật và vượt quá các tiêu chí mạnh. Giá trị
Bảng 3. Giá trị hệ số đường dẫn
liên quan dự đoán là 0,35 hoặc 35%.
Dữ liệu lớn Học thuật

phân tích Gian lận

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
tập. Kết quả của nghiên cứu này hỗ trợ nghiên cứu do
Ali (2021) thực hiện rằng việc sử dụng phân tích dữ
liệu lớn trong các trường đại học có tác động tích cực
trong việc hỗ trợ quá trình học tập để sinh viên có
nhiều khả năng tuân thủ các quy định hơn. Hệ thống
thông tin học thuật có khả năng phát hiện các hoạt
động của quá trình học tập. Kết quả của nghiên cứu này
cũng phù hợp với kết quả nghiên cứu của Agustini
(2017) cho rằng phân tích dữ liệu lớn có tác động tích
cực đến việc phát hiện gian lận trong học thuật để
sinh viên, người đứng đầu chương trình nghiên cứu,
giảng viên và văn phòng học thuật có thể thực hiện.
thực hiện các hoạt động học thuật theo các quy trình
đã được thiết lập do có hệ thống thông tin học thuật
giám sát mọi hoạt động của họ. Kết quả của nghiên cứu
này cũng ủng hộ kết quả nghiên cứu của Ernawati (2017)
rằng sự tồn tại của phân tích dữ liệu lớn trong hệ
thống học thuật có tác động tích cực trong việc phát
hiện gian lận của sinh viên. Phù hợp với kết quả
nghiên cứu, Purnama (2013) cho rằng việc sử dụng phân
tích dữ liệu lớn trong ngành giáo dục có tác động tích
cực trong việc phát hiện hành vi gian lận của sinh
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
doanh học thuật trong việc ngăn chặn và phát hiện gian
lận của sinh viên, nhân viên học thuật và giảng viên.
Kết quả của dữ liệu được lập bảng trong phân tích
dữ liệu lớn tạo ra khối lượng lớn dữ liệu hiển thị
thông tin cho các quan chức trường đại học để phân
tích. Việc triển khai phân tích dữ liệu lớn tại Đại
học Trilogi mang lại sự thay đổi tích cực trong hệ
thống thanh toán học phí. Thanh toán không còn sử dụng
phương thức thủ công vì quy trình có xu hướng kém hiệu
quả và kém hiệu quả.
Bảng 6. Giá trị khởi động
Mẫu gốc Vật mẫu
(O) Trung bình (M)
Phân tích dữ liệu lớn 0,943 0,944
> Gian lận trong học tập
Nguồn: Dữ liệu bình phương nhỏ nhất một phần (Đã xử lý, 2021)
cho phép thao tác không bị phát hiện. Phân tích
dữ liệu lớn đóng vai trò quan trọng trong việc
đăng ký. Việc thanh toán học phí được chuyển qua
Hệ thống thông tin học thuật.
Dữ liệu do Hệ thống thông tin học thuật tạo ra phù hợp
hơn, chính xác hơn và theo thời gian thực. Dữ liệu trở
nên minh bạch hơn vì những sinh viên chưa thanh toán
có thể bị nhân viên học thuật theo dõi. Tương tự như
vậy, việc điền vào thẻ kế hoạch học tập (KRS) không
thể được thực hiện trước khi sinh viên thanh toán.
Hệ thống thông tin học thuật tạo ra những
phân tích học tập tốt hơn nhiều.
Quá trình học tập của sinh viên có hệ thống hơn,
nơi sinh viên có thể tìm hiểu thời điểm đăng ký
thanh toán từ thông tin được công bố trong Hệ
thống thông tin học thuật. Thông qua phân tích
học tập, sinh viên còn biết được lịch giảng hôm
nay, lịch giảng ngày mai, lịch thi, bao gồm cả
việc theo dõi bài giảng của từng môn như tỷ lệ
đi học và kết quả điểm các môn học mà sinh viên
đạt được.
Trưởng chương trình học, Giảng viên và Phòng Quản lý
học thuật sẽ luôn cập nhật quá trình học tập của sinh
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.
Việc nhập dữ liệu đề xuất luận án và dữ liệu luận án
cũng có thể được thực hiện bằng cách sử dụng phân tích
học tập trong hệ thống thông tin học thuật để giúp sinh
viên và giảng viên dễ dàng hơn trong quá trình hướng
dẫn, lên lịch điều trần đề xuất và thử nghiệm luận án
vì thông tin có thể được cập nhật trong hệ thống trong
thời gian thực.
Hỗ trợ từ thông tin học thuật
Hệ thống như một phần của phân tích dữ liệu lớn
cũng hỗ trợ phân tích học thuật trong đó Trilogi
Các quan chức của trường đại học có thể tìm hiểu, phân tích,
Độ lệch Thống kê T Giá trị P
chuẩn (STDEV) (|O/STDEV|)
0,002 498.456 0,000
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.
Hệ thống đám mây dữ liệu lớn có thể tạo ra kết quả thực
hiện của từng giảng viên như tỷ lệ đi học và nhiệm vụ
được nhân viên thực hiện. Việc sử dụng hệ thống thông
tin học thuật tại Đại học Trilogy cũng rất hữu ích vì
nó có thể cung cấp thông tin cho những người có nhu cầu
bao gồm số tiền học phí hoặc học phí
các khoản thanh toán mà trường đại học nhận được. Ngoài
ra, giảng viên cũng có thể tạo diễn đàn bài giảng trực
tuyến nếu không thể giảng dạy trực tiếp bằng Hệ thống
thông tin học thuật.
Phân tích dữ liệu lớn tạo ra thông tin dữ liệu có liên
quan, chính xác và theo thời gian thực cho Đại học
Trilogi, giúp dễ dàng theo dõi và phát hiện gian lận
trong học thuật. Dựa trên mô tả này, việc sử dụng phân
tích dữ liệu lớn trong lĩnh vực học thuật rất hữu ích
cho quy trình kinh doanh của giáo dục đại học vì những
người cần dữ liệu và thông tin có thể đưa ra quyết định
đúng đắn dựa trên dữ liệu và thông tin do đám mây dữ
liệu lớn tạo ra. Hơn nữa, Trưởng chương trình học,
Giảng viên và Phòng Quản lý học thuật cũng có thể phân
tích và đề xuất những cải tiến cần thực hiện để hỗ trợ
sự phát triển của Đại học Trilogi. Việc sử dụng phân
tích dữ liệu lớn cũng có thể phát hiện những bất thường
do giảng viên, sinh viên và giảng viên thực hiện liên
quan đến học thuật đại học.
Công nghệ ngày càng tiên tiến cũng có thể được
sinh viên sử dụng để thực hiện hành vi gian lận. Tuy
nhiên, gian lận có thể được phát hiện bằng cách sử dụng
phân tích dữ liệu lớn. Phân tích dữ liệu lớn có thể
phát hiện các hoạt động gian lận của sinh viên như đạo
văn trong bài tập hoặc đáp án bài kiểm tra. Về vấn đề
đạo văn trong bài tập, giảng viên có thể sử dụng
Turnitin để có thể phát hiện những sinh viên gian lận
dưới hình thức đạo văn thông qua phân tích dữ liệu lớn.
Thông qua phân tích dữ liệu lớn và sự tồn tại của hệ
thống thông tin học thuật, hệ thống có thể ngăn chặn và
phát hiện gian lận.
Đại học Trilogi quy định các yêu cầu đối với sinh
viên sẽ tham gia kỳ thi, trong đó sinh viên phải đáp
ứng các yêu cầu về điểm danh của khóa học với tỷ lệ đi
học là 75% hoặc đạt tỷ lệ điểm danh là 75%.
tham dự tối thiểu 10 (mười) lần.
Căn cứ vào những quy định này, nếu học sinh không đáp
ứng số giờ đi học tối thiểu, học sinh sẽ gặp khó khăn
khi làm bài thi vì không truy cập được thẻ thi của học
sinh.
Hệ thống thông tin học thuật cũng có thể phát hiện
việc đăng ký thanh toán của sinh viên.
Những sinh viên đã thanh toán có thể nhập thẻ kế hoạch
học tập (KRS) cho học kỳ sẽ tham gia và yêu cầu người
giám sát học tập xác nhận thẻ kế hoạch học tập của sinh
viên để dữ liệu khóa học mà sinh viên nhập được coi là
phù hợp.
Hệ thống tự động không thể mở quyền truy cập vào thẻ kế
hoạch học tập nếu việc đăng ký thanh toán chưa được xác
nhận.
Hệ thống thông tin học thuật cũng được sử dụng cho quá
trình làm luận án. Để nộp đề cương luận văn và đính kèm
đề cương luận văn, sinh viên chỉ cần tải đề cương lên
hệ thống và được Trưởng chương trình nghiên cứu xác
nhận. Sau đó, tên của người giám sát và người chấm luận
án sẽ được nhập vào. Sinh viên muốn đổi tên luận án
cũng phải cập nhật vào hệ thống thông tin học thuật,
nhằm lấy được thư phân công của người hướng dẫn với tựa
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
quá trình luận án yêu cầu xác nhận một cách có hệ thống
của Giảng viên tư vấn và Trưởng chương trình nghiên
cứu. Việc sử dụng phân tích dữ liệu lớn có thể phát
hiện nhanh chóng nếu có sinh viên gian lận trong học
tập. Việc sử dụng
phân tích dữ liệu lớn cho các trường đại học hỗ
trợ rất nhiều cho sự thành công của giáo dục và
tạo ra những sinh viên chất lượng.
5. KẾT LUẬN
Việc sử dụng phân tích dữ liệu lớn trong lĩnh vực giáo
dục đóng vai trò quan trọng trong việc cải thiện quy
trình kinh doanh học thuật và hỗ trợ giáo dục có chất
lượng tốt hơn. Ngoài ra, nó có thể giúp các nhà giáo
dục xây dựng chiến lược giảng dạy và phân tích thông
tin theo nhu cầu của học sinh. nhà giáo dục
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.

Cressy, D. (1953). Tam giác lừa đảo Teori (tái bản

lần thứ 2). Salemba Empat.
Đối với các trường đại học, việc sử dụng phân tích
Darono, A. (2018). Phân tích kinh doanh chuyên
dữ liệu lớn có thể cải thiện quá trình giảng dạy và đơn
nghiệp và Dữ liệu lớn Dalam Pendidikan
giản hóa quá trình học tập. Ngoài ra, các trường đại
Ekonomi và Bisnis.
học cũng cần suy nghĩ đến việc kiểm soát việc sử dụng

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.

sử dụng công nghệ thông tin.

Hạn chế của nghiên cứu này là người nghiên cứu Efgivia, MG (2020). Pemanfaatan Dữ liệu lớn Dalam

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.

THẨM QUYỀN GIẢI QUYẾT

Fitriana, A., & Baridwan, Z. (2012). Perilaku

Agustini, K. (2017). Công nghệ tiên tiến đã giúp
Kecurangan Akademik Mahasiswa Akuntansi:
các nhà nghiên cứu kết hợp Phân tích dữ
Tam giác gian lận thứ nguyên.
liệu lớn và Học tập cá nhân hóa.
Jurnal Akuntansi Multiparadigma JAMAL, 242–
Chủ trì Hội thảo Quốc gia Pendidikan
254.
Teknik Informatika (SENAPATI) Ke-8, 0362,
27213. Ghozali, I., & Latan, H. (2015). Bình phương tối
thiểu một phần: Konsep, Teknik, và
Akenbor, CO và Oghoghomeh, T.
Aplikasi Menggunakan Chương trình Smart
(2013). Kiểm toán pháp y và tội phạm tài
PLS 3.0 (tái bản lần thứ 2). Đại học Diponegoro.
chính ở các ngân hàng Nigeria: Một cách
tiếp cận chủ động. Tạp chí Kinh doanh & Hair Jr, JF, Hult, G., Ringle, CM, & Sarstedt,

Quản lý, 4. M. (2017). Sơ lược về Mô hình phương trình

cấu trúc bình phương nhỏ nhất từng phần
Aksa, AF (2018). Pencegahan và Deteksi Kasus
(PLS-SEM) (Ấn bản thứ 2). HIỀN NHÂN.
Korupsi Pada Sektor Publik Dengan Fraud
Triangle.
Jurnal Ekonomi, Bisnis, Dan Akuntansi
(JEBA), 20.
Machine Translated by Google

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
Menyontek: Mengungkap Akar Masalah
dan SolusinyaTiêu đề. Chỉ số.
Ali, tôi. (2021). Peran và Kontribusi Big
Data được cung cấp bởi Pendidikan và
Pelatihan Kepustakawanan. Madika :
Media Informasi và Komunikasi Diklat
Kepustakawanan, 5(1), 8–15.
Suryana. (2010). Phương pháp Penelitian:
Mô hình Praktis Penelitian Kuantitatif
và Kualitatif. Buku Ajar Perkuliahan
UPI.
Varian, H. (2014). Dữ liệu lớn: Thủ thuật
mới cho Economictris. Tạp chí Quan
điểm Kinh tế, 28(2): 3-28. https://doi.
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,

Tạp chí Kinh tế, Quản lý, Kế toán và 6(2), 86–90.

Công nghệ, 3(2), 147-153. https://

doi.org/10.32500/
jematech.v3i2.1301.

Purnama, D. (2013). Faktor-faktor yang

mempengaruhi kecurangan hay còn gọi
là demik pada mahasiswa. Tạp chí Tâm
lý Giáo dục, 2(1), 13–21.

Siemens, G., & Baker, RSJ d.

(2012). Phân tích học tập và khai thác dữ

liệu giáo dục: Hướng tới giao tiếp và hợp tác.

Kỷ yếu của Hội nghị Quốc tế lần thứ 2 về Phân

tích Học tập và Kiến thức, Vancouver British

Columbia Canada.