Tin học 12: từ dữ liệu thô đến kết luận đọc được | LUKATO AI
Bài giảng khái niệm về bảng tính và xử lí dữ liệu theo năm chặng: thu thập, làm sạch, tính toán, trình bày và kiểm tra. Có 12 phòng lab tương tác, sổ tay 14…
LUKATO AI · TIN HỌC 12 · ĐỊNH HƯỚNG TIN HỌC ỨNG DỤNG
THU THẬP · LÀM SẠCH · TÍNH TOÁN · TRÌNH BÀY · KIỂM TRA
Từ dữ liệu thô đến
kết luận đọc được:
năm chặng của bảng tính
Một con số trong báo cáo trông gọn gàng, nhưng nó đã đi qua nhiều tay và nhiều bước: ai nhập, kiểu ô nào, công thức nào, biểu đồ nào, và còn dấu vết nào để tra lại. Bài giảng này xếp các việc ấy vào năm chặng nối nhau là thu thập, làm sạch, tính toán, trình bày và kiểm tra, rồi cho em tự tay thử từng chỗ dễ sai bằng những phòng lab nhỏ. Phần nào vượt ra ngoài chương trình được ghi là kiến thức bổ sung.
- ① Vì sao kéo một công thức xuống các dòng bên dưới mà kết quả lại ra toàn số 0, hoặc ra cùng một số ở nhiều dòng?
- ② Một biểu đồ có thể đúng từng con số mà vẫn làm người xem hiểu sai: sai ở chỗ nào của hình vẽ?
- ③ Khi một báo cáo tự động cho ra con số lạ, cần có sẵn những dấu vết gì để tìm ra nguyên nhân?
5 chặng
thu thập, làm sạch, tính toán, trình bày, kiểm tra; số lạ thì quay lại chặng trước
12 lab
từ xếp chặng, chặn gửi trùng, đọc kiểu ngày, kéo công thức, lắp hàm, chọn biểu đồ đến truy vết phiên bản
14 bẫy
mỗi bẫy có mục và phòng lab; 12 bẫy còn có bài luyện lại ở mục 10
12 bài
10 chọn đáp án, 1 đúng sai, 1 trả lời ngắn
01
Bản đồ chung
Năm chặng từ một bảng dữ liệu thô đến một kết luận đọc được
Câu lạc bộ Tin học của trường chuẩn bị báo cáo cho ngày hội: có bao nhiêu bạn đăng kí, gian hàng nào thu nhiều nhất, tuần nào đông nhất. Ba bạn mỗi người làm một phần. Bạn thứ nhất nộp bảng có tổng cuối cột, bạn thứ hai nộp biểu đồ màu sắc đẹp, bạn thứ ba nộp danh sách đã lọc. Thầy phụ trách chỉ hỏi một câu: «Con số này lấy từ đâu, lấy lúc nào, và nếu dữ liệu đổi thì nó có đổi theo không?». Không ai trả lời được ngay. Chỗ khó của bảng tính không nằm ở việc nhớ tên một hàm. Chỗ khó là con số cuối cùng đã đi qua nhiều chặng , và sai ở chặng nào thì các chặng sau chỉ làm cái sai ấy trông đáng tin hơn. Bài giảng này gọi chuỗi ấy là năm chặng : THU THẬP, LÀM SẠCH, TÍNH TOÁN, TRÌNH BÀY và KIỂM TRA. Mỗi mục sau là một ô của bản đồ.
Vuốt ngang để xem đủ hình.
Bản đồ năm chặng. Dữ liệu đi từ trái sang phải; chặng KIỂM TRA đối chiếu con số với nguồn, và khi con số lạ thì đường quay lại đưa em về chặng trước đó. Bấm vào một khối để đọc mô tả và số mục.
Một bảng tính nói bằng ba từ: dòng, cột và kiểu
Mỗi dòng của bảng ghi một đối tượng, chẳng hạn một lượt đăng kí hay một gian hàng. Mỗi cột ghi một thuộc tính của các đối tượng ấy: tên, ngày, số tiền. Giao điểm của dòng và cột là một ô , và tên của ô là địa chỉ ô : cột viết trước, dòng viết sau, nên B3 nằm ở cột B và dòng 3. Một dải ô liền nhau gọi là vùng , viết bằng hai ô ở hai góc nối bằng dấu hai chấm, chẳng hạn B2:B13 là mười hai ô của cột B từ dòng 2 đến dòng 13. Mỗi ô còn có một kiểu dữ liệu : số, văn bản, ngày. Phần mềm xử lí ô theo kiểu của nó chứ không theo vẻ ngoài mà mắt ta thấy, và đó là nguồn của rất nhiều lỗi ở các mục sau.
Một ô bắt đầu bằng dấu bằng là một công thức . Ví dụ =B3*C3 nhân giá trị hai ô. Ô chứa công thức hiện ra kết quả, còn công thức nằm ở thanh công thức. Điểm mạnh của công thức là kết quả tự tính lại khi ô gốc đổi; điểm yếu là nó trỏ vào ô theo địa chỉ, nên chỉ cần địa chỉ trỏ lệch là kết quả lệch mà không có thông báo nào. Dấu phân cách giữa các phần của một hàm có thể là dấu chấm phẩy hoặc dấu phẩy tùy cài đặt vùng của phần mềm; bài này viết dấu chấm phẩy (kiến thức bổ sung).
Năm chặng và câu hỏi của mỗi chặng
Chặng
Việc làm
Câu hỏi của chặng
Mục
THU THẬP
Nhập tay, nhận từ biểu mẫu, xuất ra tệp từ phần mềm khác
Dữ liệu đến từ ai và lúc nào, một người có bị đếm nhiều lần không?
LÀM SẠCH
Đúng kiểu cột, bỏ trùng, sắp xếp, lọc
Máy đang đọc cột này như số, văn bản hay ngày, và danh sách lọc có theo kịp dữ liệu gốc không?
TÍNH TOÁN
Công thức, địa chỉ ô, hàm, ô tham số
Công thức này khi sao chép sẽ trỏ vào ô nào, và vùng có đủ dòng không?
4, 5
TRÌNH BÀY
Chọn loại biểu đồ, vẽ trục, đặt nhãn
Biểu đồ trả lời đúng câu hỏi nào, và người đọc có thể hiểu sai ở đâu?
KIỂM TRA
Ghi nguồn và thời điểm, lịch sử phiên bản, đối chiếu, chọn công cụ theo quy mô
Ai đổi gì, khi nào; còn đủ dấu vết để tra lại không; bảng tính còn là công cụ phù hợp không?
Cách chia năm chặng, và việc xếp «sắp xếp, lọc» vào LÀM SẠCH, là cách phân loại của LUKATO để xâu chuỗi các bài. Trong công việc thật các chặng chồng lên nhau, và em thường quay lại chặng trước khi một con số trông lạ.
Từ điển một dòng: đưa chuột hoặc chạm vào chữ gạch chân
Mỗi thuật ngữ dưới đây có một định nghĩa ngắn và mục để quay lại.
Thuật ngữ
Nghĩa ngắn
Mục
bản ghi
Một đối tượng được ghi lại, thường là một dòng của bảng
kiểu dữ liệu
Cách phần mềm hiểu một ô: số, văn bản, ngày
bộ lọc
Chọn dòng theo điều kiện mà không xóa dữ liệu gốc
tham chiếu tương đối
Địa chỉ dịch theo vị trí khi sao chép công thức
tham chiếu tuyệt đối
Địa chỉ được khóa bằng dấu đô la
hàm có điều kiện
Cộng hoặc đếm theo tiêu chí
ô tham số
Một nơi ghi giá trị hay đổi để các công thức cùng trỏ vào
biểu đồ
Hình vẽ trả lời một câu hỏi về dữ liệu
lịch sử phiên bản
Dấu vết các lần sửa của tài liệu
hệ quản trị cơ sở dữ liệu
Phần mềm lưu dữ liệu lớn, nhiều người dùng, có ràng buộc
Đoán trước, rồi xếp thử mười việc
Đoán trước: việc nào sau đây thuộc chặng LÀM SẠCH chứ không phải chặng TÍNH TOÁN?
Việc nào thuộc chặng LÀM SẠCH?
Cách dùng phòng lab 1
Chạm một thẻ rồi chạm ô của chặng, hoặc kéo thẻ vào ô. Bấm «Chấm các thẻ đã xếp» để xem thẻ nào chưa đúng và vì sao. Có hai chặng dễ lẫn là LÀM SẠCH và KIỂM TRA, vì cả hai đều đụng đến việc «tìm chỗ không ổn». Phòng lab này luyện bẫy 1.
Thử tay: xếp hai tình huống vào chặng
(a) Một bạn thấy cột «Số điện thoại» có chỗ ghi 0912345678, chỗ ghi 0912 345 678, chỗ ghi 84912345678. (b) Một bạn nhận thấy tổng doanh thu của báo cáo khác với tổng ghi trên phiếu thu gốc 40 nghìn đồng. Mỗi tình huống thuộc chặng nào?
Gợi ý 1 · Hỏi việc, không hỏi tên
Mỗi tình huống đang nói về việc đưa dữ liệu vào, dọn dữ liệu, tính, vẽ hay đối chiếu?
Gợi ý 2 · Chọn cặp
Tình huống (a) nói về định dạng không thống nhất của một cột; tình huống (b) nói về việc so con số với một nguồn độc lập.
Đáp án
(a) thuộc LÀM SẠCH: đưa ba cách ghi về một định dạng chung trước khi lọc hay đếm. (b) thuộc KIỂM TRA: chênh lệch với phiếu gốc là dấu hiệu để quay lại các chặng trước tìm nguyên nhân (nhập thiếu, bản ghi trùng, vùng công thức thiếu dòng).
Chỗ hay trượt ở bản đồ chung
Bẫy 1: nghĩ rằng chỉ cần biết dùng hàm là xong, còn nhập liệu, dọn dữ liệu, biểu đồ và kiểm tra chỉ là phần phụ. Trong khung năm chặng, hàm chỉ nằm ở một ô; bốn ô còn lại quyết định dữ liệu vào có đáng tin không, con số ra có bị hiểu sai không và có tra lại được không. Phòng lab 1 giúp tập thói quen hỏi «việc này làm gì với dữ liệu» thay vì hỏi tên nút bấm. Bài 11 ở mục 10 quay lại ý này.
Mục 2 bắt đầu chặng đầu tiên: dữ liệu đi vào bảng như thế nào, và làm sao để một người chỉ được đếm một lần.
02
Chặng ① THU THẬP · bảng, biểu mẫu và tệp CSV
Dữ liệu vào bảng bằng ba con đường, và mỗi con đường có cách làm sai riêng
Ngày hội của trường mở một phiếu bình chọn khẩu hiệu cho các lớp trong trường. Chỉ sau một buổi, bảng nhận về 24 lượt gửi, trong khi cả trường chỉ có chín bạn thuộc nhóm thử nghiệm. Bạn phụ trách đếm phiếu mở bảng ra thì thấy khẩu hiệu A dẫn đầu rất xa. Nhưng khi nhìn kĩ từng dòng, nhiều lượt gửi giống hệt nhau và cách nhau chỉ vài giây. Chặng đầu tiên của bảng tính vì thế không phải là tính , mà là hỏi: dữ liệu đến từ ai, đến bằng đường nào, và có cơ chế nào bảo đảm một người chỉ được đếm một lần hay chưa. Sai ở chặng này thì các công thức và biểu đồ phía sau chỉ là tính chính xác trên dữ liệu sai.
Ba con đường đưa dữ liệu vào bảng
Gõ tay là con đường chậm và dễ nhầm nhất: một chữ O thay cho số 0, một dấu cách thừa, một ngày viết theo hai kiểu. Biểu mẫu trực tuyến thu dữ liệu từ nhiều người cùng lúc, tự ghi thời điểm gửi vào từng dòng, nhưng người dùng tự điền nên chất lượng phụ thuộc vào cách thiết kế biểu mẫu. Xuất ra tệp từ một phần mềm khác thường cho tệp CSV : mỗi dòng là một bản ghi, các giá trị cách nhau bằng một kí tự phân cách. Tệp CSV chỉ chứa chữ, nên nó không mang theo kiểu dữ liệu ; khi mở bằng bảng tính, phần mềm tự đoán một cột là số, ngày hay văn bản, và đoán sai là nguồn của các lỗi ở mục 3.
Vuốt ngang để xem đủ hình.
Cùng một dữ liệu đi vào bảng bằng ba con đường. Tệp CSV chỉ là chữ nên phần mềm phải tự đoán kiểu của từng cột (đây là chỗ nảy sinh lỗi ngày và số ở mục 3).
Bản ghi trùng làm kết quả đổi người thắng
Giả sử phiếu bình chọn nhận 24 lượt gửi cho ba khẩu hiệu A, B, C (số liệu minh họa). Đếm thẳng các dòng: A có 14 lượt, B có 7 lượt, C có 3 lượt, nên A chiếm \dfrac{14}{24}\approx 58{,}3\%. Nhưng 24 lượt đến từ chỉ 9 người thật, vì có người gửi tới bốn lần. Nếu mỗi người chỉ tính một lượt thì còn 9 phiếu: A có 3, B có 4, C có 2. Khi đó A chỉ còn \dfrac{3}{9}\approx 33{,}3\% và B mới là khẩu hiệu dẫn đầu. Bản ghi trùng không chỉ làm tổng phình ra: nó làm một nhóm người đếm nhiều lần được lợi thế, và có thể đổi cả kết luận.
Muốn mỗi người một phiếu thì phải nhận ra người gửi bằng thông tin mà người đó không thể tự đổi giữa các lần gửi: một tài khoản đăng nhập hoặc một mã riêng được cấp. Họ tên do người dùng tự gõ thì không đủ: «Lan» và «lan » có thể là cùng một người, còn hai bạn cùng tên «Minh» lại là hai người khác nhau. Thông tin dùng để phân biệt các bản ghi gọi là khóa . Khóa tốt phải khác nhau giữa hai người khác nhau và giống nhau giữa các lần gửi của cùng một người.
Vuốt ngang để xem đủ hình.
Phiếu đi qua một cổng kiểm tra trước khi vào bảng: cổng đối chiếu mã của người gửi, cho phiếu đầu tiên vào bảng và chặn hoặc thay thế các phiếu sau. Không có cổng thì bảng nhận hết.
Bốn lỗi thường gặp ở chặng thu thập
- Trùng lặp. Một đối tượng được ghi nhiều lần: kết quả lệch về phía người gửi nhiều, và nếu các bản sao nằm cả hai phía khi chia nhóm để so sánh thì phép so sánh mất công bằng.
- Thiếu. Ô bỏ trống vì người dùng bỏ qua hoặc thiết bị lỗi. Công thức và hàm xử lí ô trống theo cách riêng (nhiều hàm bỏ qua nó), nên cùng một bảng có thể cho tổng khác nhau tùy cách đếm.
- Nhập sai. Chữ O thay cho số 0 khiến cả ô thành văn bản; một chiều cao ghi theo mét lẫn trong các số ghi theo xăng-ti-mét.
- Lệch người trả lời. Chỉ những bạn có mặt vào giờ ra chơi mới gửi, nên kết quả chỉ phản ánh nhóm đó. Con số đúng với dữ liệu nhưng không đúng với cả trường.
Chặn trùng ngay ở cổng, không chờ đến lúc dọn
Có hai thời điểm để xử lí trùng: trước khi vào bảng (cổng kiểm tra) và sau khi đã nằm trong bảng (dọn dữ liệu). Chặn ở cổng nhẹ hơn nhiều: biểu mẫu chặn một mã đã dùng hoặc cho bản mới thay bản cũ. Dọn sau khó hơn vì không còn biết dòng nào là «bản gốc», và các cách tưởng nhanh như xóa theo họ tên hay xóa ngẫu nhiên đều loại oan hoặc bỏ sót. Phòng lab 2 cho em thử năm cách chặn lên cùng 24 lượt gửi và nhìn thẳng vào hậu quả.
Giữ nguyên bản thô (kiến thức bổ sung)
Dù dọn bằng cách nào, nên giữ một bản dữ liệu thô nguyên vẹn và làm các thao tác trên bản sao. Khi có người hỏi «vì sao mất dòng này», bản thô trả lời được. Nếu xóa thẳng trên bản dữ liệu không có bản dự phòng thì một thao tác nhầm không còn đường quay lại.
Đoán trước, rồi thử năm cách chặn
Đoán trước: trong các thông tin sau, thông tin nào làm khóa tốt nhất để nhận ra một người thật qua nhiều lần gửi?
Chọn thông tin nhận ra một người thật tốt nhất:
Cách dùng phòng lab 2
Mỗi viền màu là một người thật. Bấm lần lượt từng cách chặn: phiếu được tính hiện nền xanh, phiếu bị loại bị gạch ngang. Bên dưới là số phiếu được tính cho từng người thật; chín ô «Người 1» đến «Người 9» đều phải bằng 1 mới đạt. Em hoàn thành khi chọn được cách đạt và đã xem ít nhất một cách khác. Phòng lab này luyện bẫy 2.
Thử tay: phiếu nào đã bị thổi phồng bao nhiêu
Một phiếu bình chọn khác nhận 30 lượt gửi từ 20 người. Khẩu hiệu M nhận 12 lượt, trong đó có hai người gửi lặp: một người gửi 3 lần, một người gửi 4 lần (các lượt còn lại của M là mỗi người một lần). Tính tỉ lệ của M trước và sau khi mỗi người chỉ tính một phiếu.
Gợi ý 1 · Số lượt thừa
Người gửi 3 lần thừa 2 lượt, người gửi 4 lần thừa 3 lượt. Trừ chúng khỏi 12.
Gợi ý 2 · Mẫu số
Sau khi loại trùng, tổng số phiếu bằng số người thật: 20.
Đáp án
Số lượt thừa của M là 2+3=5, nên M còn 12-5=7 phiếu. Trước khi loại trùng: \dfrac{12}{30}=40\%. Sau khi loại trùng: \dfrac{7}{20}=35\%. Bản ghi trùng đã thổi phồng M thêm 5 điểm phần trăm.