Chủ Nhật, 2 tháng 3, 2014
Ngoại khóa an toàn giao thông
Ngoại khóa
An toàn giao thông
Trường THCS Thụy Hải
Nm hc: 2007-2008
Ban an toàn giao thông
Trường thcs thụy hải
Tổ khoa học xã hội
An toàn
giao
thông là
?
Là học sinh, chúng ta có cần phải
thực hiện đúng các quy định của an
toàn giao thông không?
An toàn giao thông
là nhiệm vụ của ai
Thực trạng an toàn giao thông ở nước ta
2. Cơ sở vật chất kĩ thuật hạ tầng GTVT của nước ta chưa đồng bộ từ TW
đến địa phương.
3. Hệ thống mạng lưới giao thông vận tải của nước ta chưa đáp ứng kịp với
sự phát triển như vũ b o của các loại phương tiện giao thông.ã
1. Số phương tiện tham gia giao thông nhiều, chất lượng phương tiện chưa
tốt: Cả nước có gần 12 triệu xe gắn máy, 6,2 triệu xe ô tô các loại và
hàng tram ngàn phương tiện tự chế tạo không đảm bảo an toàn chất lư
ợng.
4. Số vụ tai nạn giao thông ngày càng nhiều với tỉ lệ tử vong càng lớn
5. ý thức chấp hành ATGT của đại bộ phận dân chúng chưa cao.
Tranh ảnh về các tai nạn giao thông
Nguyên nhân gây tai nạn giao thông
1. Người tham gia giao thông không hiểu luật, không tuân thủ theo quy tắc
về ATGT:
2. Các phương tiện tham gia giao thông không đảm bảo an toàn kĩ thuật
3. Người điều khiển phương tiện giao thông sử dụng chất kích thích, uống
rượu bia, không thuộc đường, không có GPLX.
4.Chế độ xử phạt người vi phạm chưa nghiêm, chưa đúng tội hoặc
quá nhẹ
+ Mọi người dân đều phải am hiểu sâu sắc luật ATGT: đi về phía bên tay phải của minh,
người đi bộ đi sát mép đường. Tránh nhau về bên phải và phải giảm tốc độ. Vượt về phía
bên trái nhưng phía trước không có chướng ngại vật.
+ Rẽ phải, trái phải có tín hiệu xin đường trước, người đi bộ muốn sang ngang đường phải
đi vào phần đường dành cho người đi bộ. Trẻ em dưới 7 tuổi phải có người lớn dắt. Các
phương tiện chỉ được chở đúng quy định về tải trọng, không chở hàng cồng kềnh
+ Không đi 2, 3, 4 hàng trên đường, không đá bóng, thả diều trên đường, không đuổi
bám theo các phương tiện đang chạy, không tụ tập trên đường ray tàu hoả, không thả
gia súc trên đường. Không đi xe bỏ hai tay, không sử dụng ô, dù, điện thoại khi đang lái
xe. Không chở quá số người quy định, không ngồi trên nóc các xe vận tải, xe khách
+ Khi đi xe máy bắt buộc phải đội mũ bảo hiểm, không sử dụng rượu bia, chất kích thích,
chạy đúng tốc độ quy định, không phóng nhanh vượt ẩu, Không đua và tổ chức đua xe
trái phép. Chấp hành tốt các biển báo hiệu giao thông và tuân theo sự điều khiển của
cảnh sát giao thông hoặc đèn tín hiệu.
Nguyên nhân gây tai nạn giao thông
* Tổ chức các cuộc thi tỡm hiểu về an toàn giao thông:
* Tổ chức triển l m tranh, ảnh về đề tài ATGTã
* Phát động và tổ chức các phong trào thi đua đảm bảo trật tự an toàn
giao thông như oạn đường em chm. Em yêu đường sắt quê em.
* Đưa giáo dục trật tự ATGT vào dạy học chính khoá
* Tổ chức hội nghị, trại hè tuyên dương nh ng cá nhân có thành tích xuất
sắc trong việc chấp hành ATGT.
* Xây dựng đội xung kích ATGT để hướng dẫn giao thông, tuyên truyền
trong trường học và ngoài x hội.ã
Các biện pháp an toàn giao thông
.
1. Cảnh cáo hoặc phạt tiền từ 10.000đ đến 20.000đ khi chạy vượt quá tốc
độ quy định từ 05Km/h đến dưới 10 Km/h.
2. Phạt tiền từ 20.000đ đến 40.000đ khi không đội mũ bảo hiểm khi ngồi
trên xe máy.
3. Phạt tiền từ 40.000đ đến 60.000đ khi : cố tđi sai làn đường, đi trên vỉa
hè, vi phạm vạch sơn, không báo hiệu xin vượt, lùi xe không có tín hiệu,
Quay đầu xe nơi cấm quay đầu xe, đang điều khiển xe sử dụng ô, điện
thoại di động, dừng đỗ xe không đúng quy định
4. Phạt tiền từ 300.000đ đến 500.000đ:Diều khiển xe chạy quá tốc độ quy
định 20Km/h, sử dụng rượu bia, không giu nguyên hiện trường khi xảy ra tai
nạn
Xử phạt hành chính đối với các lỗi vi phạm
Biển báo hiệu giao thông đường bộ
Biển báo cấm
Biển báo hiệu giao thông đường bộ
Biển báo nguy hiểm:
Biển báo hiệu giao thông đường bộ
Biển báo hiệu lệnh:
biển báo hiệu giao thông đường bộ
Biển chỉ dẫn:
biển báo hiệu giao thông đường bộ
Biển phụ:
Bài 20 mạng Máy Tính
Gv: Phan Tử
TạO THàNH Hệ THốNG TíNH TOáN lớn
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Kết
nối
Chia sẻ tài
nguyên
(Thiết bị, thông tin,
dữ liệu và phần
mềm )
Sao chép,
truyền
dữ liệu
Tạo thành hệ
thống tính toán
lớn
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Gồm ba thành phần:
Các thiết bị mạng đảm bảo kết nối các máy
tính với nhau.
Các máy tính.
Phần mềm cho phép thực hiện việc giao
tiếp giữa các máy tính.
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
A. Phương tiện truyền thông
Kết nối có dây
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Phương tiện truyền thông trong mạng gồm hai
loại: có dây và không dây
Gv: Phan Tử
Vỉ mạng Hub
Các thiết bị kết nối mạng có dây
Switch
Giắc cắmCáp mạng
Bridge
Router
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Kết nối không dây
Dùng sóng rađiô, bức xạ hồng ngoại,
truyền thông qua vệ tinh
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Thiết bị WAP (Wireless
Access Point): có chức năng
kết nối các máy tính trong
mạng và kết nối với mạng
có dây.
Mỗi máy tính phải có vỉ
mạng không dây.
(Wireless Netwrork Card)
Các thiết bị kết nối mạng không dây
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Các yếu tố cần quan tâm khi thiết kế mạng
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Số lượng máy tính tham gia mạng.
Tốc độ truyền thông trong mạng.
Địa điểm lắp đặt mạng.
Khả năng tài chính.
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
B. Giao thức (Protocol)
Bạn có thể
viết bằng tiếng
Việt không?
Phan 1.
Phan 2.
Phan 3.
Phan 4.
TạO THàNH Hệ THốNG TíNH TOáN lớn
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Kết
nối
Chia sẻ tài
nguyên
(Thiết bị, thông tin,
dữ liệu và phần
mềm )
Sao chép,
truyền
dữ liệu
Tạo thành hệ
thống tính toán
lớn
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Gồm ba thành phần:
Các thiết bị mạng đảm bảo kết nối các máy
tính với nhau.
Các máy tính.
Phần mềm cho phép thực hiện việc giao
tiếp giữa các máy tính.
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
A. Phương tiện truyền thông
Kết nối có dây
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Phương tiện truyền thông trong mạng gồm hai
loại: có dây và không dây
Gv: Phan Tử
Vỉ mạng Hub
Các thiết bị kết nối mạng có dây
Switch
Giắc cắmCáp mạng
Bridge
Router
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Kết nối không dây
Dùng sóng rađiô, bức xạ hồng ngoại,
truyền thông qua vệ tinh
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Thiết bị WAP (Wireless
Access Point): có chức năng
kết nối các máy tính trong
mạng và kết nối với mạng
có dây.
Mỗi máy tính phải có vỉ
mạng không dây.
(Wireless Netwrork Card)
Các thiết bị kết nối mạng không dây
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Các yếu tố cần quan tâm khi thiết kế mạng
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
Số lượng máy tính tham gia mạng.
Tốc độ truyền thông trong mạng.
Địa điểm lắp đặt mạng.
Khả năng tài chính.
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Gv: Phan Tử
B. Giao thức (Protocol)
Bạn có thể
viết bằng tiếng
Việt không?
Phan 1.
Phan 2.
Phan 3.
Phan 4.
Language focus
/s/ : /p/, /t/, /k/
Ex: stops - sits- takes- gets
/z/ : /b/, /d/, /g/, /m/, /n/, /l/,
/v/, /ð/, /η/, /o/, /a/, /e/, /i/
Ex: sees- sings- knows- travels
PRACTISE THESE
SENTENCES
1. Susan loves classical music.
2. I like to listen to jazz records.
3. My aunt likes to watch the film “The
Sound of Music”
4. But my cousin prefers going to
concerts.
5. He’s won the first prize for singing folk
songs.
6. I’d like a piece of bread and some peas,
please.
1. Susan loves classical music.
2. I like to listen to jazz records.
3. My aunt likes to watch the film
“The Sound of Music”
4. But my cousin prefers going to concerts.
5. He’s won the first prize for singing
folk songs.
6. I’d like a piece of bread and
some peas, please.
To + infinitive
H
i
!
H
o
w
a
r
e
y
o
u
?
What does he learn
English for?
He learns English
to study abroad.
To study abroad, he learns English.
V
V
What do you go to the post office for?
I go to the post office to send my
close friend letters.
To send my close friend letters, I go
to the post office
V
V
What For? = Why
TO
V
SO AS TO
IN ORDER TO
MAIN
CLAUSE
TO
SO AS TO
IN ORDER TO
V
,
MAIN
CLAUSE
EX1: Use the words in blankets to
answer the questions:
1. What did you phone her for? (good news)
2. What are you saving money for? (a cassette
player)?
3. What does she practise singing all day for?
( the singing contest)
4. What are you learning French for? ( French
songs)
5. What does the monitor always go to class on
time for? ( a good example for the class)
tell
buy
win
sing
set
Oxit (hoi giang)
Hướng dẫn học bài
Nội dung cần ghi vào vở
Thứ Năm, ngày 15 tháng 01 năm 2009
I - Định nghĩa :
Ví dụ : CO
2
, CuO, Fe
2
O
3
, P
2
O
5
, Na
2
O, SO
3
Định nghĩa : Oxit là hợp chất của hai
nguyên tố hoá học, trong đó có một nguyên tố
là oxi.
Tiết 40 Bài 26 : Oxit
Cho biết trong các chất sau, chất nào thuộc oxit?
Chất nào không thuộc oxit? Giải thích.
a) HCl
d) CaCO
3
c) NH
3
b) Al
2
O
3
Thuộc oxit vì phân tử có 2 nguyên tố,
trong đó có 1 nguyên tố là oxi.
Không thuộc oxit, vì phân tử không có nguyên tố oxi
Không thuộc oxit, vì phân tử có ba nguyên tố
Không thuộc oxit, vì phân tử không có nguyên tố oxi
Bài tập :
II - Công thức hoá học.
Thứ Năm, ngày 15 tháng 01 năm 2009
Tiết 40 Bài 26 : Oxit
CO
2
, CuO, Fe
2
O
3
, FeO, Fe
3
O
4
, P
2
O
5
, Na
2
O, SO
3
Viết công
thức hoá học
chung của
oxit?
II - Công thức hoá học.
Công thức hoá học của oxit : M
x
O
y
Trong đó :
* M kí hiệu hoá học của nguyên tố khác (có thể là kim
loại hoặc phi kim)
* O - kí hiệu hoá học của nguyên tố oxi.
* x,y - lần lượt là chỉ số nguyên tử của nguyên tố M và O.
( Xác định x, y tuân theo quy tắc hoá trị : II.y = n.x )
Chú ý: n là hoá trị của nguyên tố M.
Thứ Năm, ngày 15 tháng 01 năm 2009
Tiết 40 Bài 26 : Oxit
Viết công thức hoá học của các oxit sau:
a) P (V) và O ; b) Ba và O
c) Na và O ; d) S (VI) và O.
Đáp án:
a) P (V) và O Công thức hoá học : P
2
O
5
b) Ba và O Công thức hoá học : BaO
c) Na và O Công thức hoá học : Na
2
O
d) S (VI) và O Công thức hoá học : SO
3
III Phân
loại :
Tiết 40 Bài 26 : Oxit
II - Công thức hoá học.
I - Định nghĩa
Thứ Năm, ngày 15 tháng 01 năm 2009
CaO
Na
2
O
SO
2
P
2
O
5
SO
3
CO
2
MgO
Fe
2
O
3
OXIT
Oxit tạo bởi phi
kim và oxi
CaO
,
Na
2
O,
SO
2
,
P
2
O
5
,
SO
3
.
CO
2
,
MgO
,
Fe
2
O
3,
Dựa vào thành phần cấu
tạo hoá học của oxit. Em
hãy phân loại các oxit
sau:
Oxit tạo bởi
kim loại và oxi
Tiết 40 Bài 26 : Oxit
III Phân loại :
a) Oxit axit :
Thí dụ:
Oxit axit Axit tương ứng
CO
2
H
2
CO
3
( Axit cacbonic)
SO
2
H
2
SO
3
( Axit sunfurơ )
SO
3
H
2
SO
4
( Axit sunfuric )
P
2
O
5
H
3
PO
4
( Axit photphoric)
Thường là oxit của phi kim và
tương ứng với một axit.
Thứ Năm, ngày 15 tháng 01 năm 2009
Tiết 40 Bài 26 : Oxit
b) Oxit bazơ :
Thí dụ:
III Phân loại :
Là oxit của kim loại và tương
ứng với một bazơ.
Oxit bazơ Bazơ tương ứng
Na
2
O
NaOH ( Natri hiđroxit)
CaO Ca(OH)
2
(Canxi hiđroxit)
Fe
2
O
3
Fe(OH)
3
(Sắt (III) hiđroxit)
Mg(OH)
2
( Magiê hiđroxit)MgO
Thứ Năm, ngày 15 tháng 01 năm 2009
HỌC MÁY (MACHINE LEARNING)
Chương 9: Học máy
Các nút trong cây quyết định biểu diễn cho một sự kiểm tra trên một thuộc tính nào đó, mỗi
giá trị có thể có của thuộc tính đó tương ứng với một nhánh của cây. Các nút lá thể hiện sự
phân loại của các ví dụ thuộc nhánh đó, hay chính là giá trị của thuộc tính phân loại.
Sau khi giải thuật đã quy nạp được cây quyết định, thì cây này sẽ được sử dụng để phân loại
tất cả các ví dụ hay thể hiện (instance) trong tương lai. Và cây quyết định sẽ không thay đổi
cho đến khi ta cho thực hiện lại giải thuật ID3 trên một tập dữ liệu rèn luyện khác.
Ứng với một tập dữ liệu rèn luyện sẽ có nhiều cây quyết định có thể phân loại đúng tất cả
các ví dụ trong tập dữ liệu rèn luyện. Kích cỡ của các cây quyết định khác nhau tùy thuộc
vào thứ tự của các kiểm tra trên thuộc tính.
Vậy làm sao để học được cây quyết định có thể phân loại đúng tất cả các ví dụ trong tập rèn
luyện? Một cách tiếp cận đơn giản là học thuộc lòng tất cả các ví dụ bằng cách xây dựng một
cây mà có một lá cho mỗi ví dụ. Với cách tiếp cận này thì có thể cây quyết định sẽ không
phân loại đúng cho các ví dụ chưa gặp trong tương lai. Vì phương pháp này cũng giống như
hình thức ‘học vẹt’, mà cây không hề học được một khái quát nào của khái niệm cần học.
Vậy, ta nên học một cây quyết định như thế nào là tốt?
Occam’s razor và một số lập luận khác đều cho rằng ‘giả thuyết có khả năng nhất là giả
thuyết đơn giản nhất thống nhất với tất cả các quan sát’, ta nên luôn luôn chấp nhận những
câu trả lời đơn giản nhất đáp ứng một cách đúng đắn dữ liệu của chúng ta. Trong trường hợp
này là các giải thuật học cố gắng tạo ra cây quyết định nhỏ nhất phân loại một cách đúng đắn
tất cả các ví dụ đã cho. Trong phần kế tiếp, chúng ta sẽ đi vào giải thuật ID3, là một giải
thuật quy nạp cây quyết định đơn giản thỏa mãn các vấn đề vừa nêu.
II.2 Giải thuật ID3 xây dựng cây quyết định từ trên–xuống
ID3 xây dựng cây quyết định (cây QĐ) theo cách từ trên xuống. Lưu ý rằng đối với bất kỳ
thuộc tính nào, chúng ta cũng có thể phân vùng tập hợp các ví dụ rèn luyện thành những tập
con tách rời, mà ở đó mọi ví dụ trong một phân vùng (partition) có một giá trị chung cho
thuộc tính đó. ID3 chọn một thuộc tính để kiểm tra tại nút hiện tại của cây và dùng trắc
nghiệm này để phân vùng tập hợp các ví dụ; thuật toán khi đó xây dựng theo cách đệ quy
một cây con cho từng phân vùng. Việc này tiếp tục cho đến khi mọi thành viên của phân
vùng đều nằm trong cùng một lớp; lớp đó trở thành nút lá của cây.
Vì thứ tự của các trắc nghiệm là rất quan trọng đối với việc xây dựng một cây QĐ đơn giản,
ID3 phụ thuộc rất nhiều vào tiêu chuẩn chọn lựa trắc nghiệm để làm gốc của cây. Để đơn
giản, phần này chỉ mô tả giải thuật dùng để xây dựng cây QĐ, với việc giả định một hàm
chọn trắc nghiệm thích hợp. Phần kế tiếp sẽ trình bày heuristic chọn lựa của ID3.
Ví dụ, hãy xem xét cách xây dựng cây QĐ của ID3 trong hình sau từ tập ví dụ rèn luyện
trong bảng 9.1.
Võ Huỳnh Trâm – Trần Ngân Bình 157
Giáo Trình Trí Tuệ Nhân Tạo
+ : D3, D4, D5, D7, D9, D10, D11, D12, D13
–
: D1, D2, D6, D8, D14
Quang cảnh?
+ : D9, D11
–
: D1, D2, D8
+ : D3, D7, D12, D13
–
:
+ : D3, D5, D10
–
: D6, D14
Nắng
Âm u
Mưa
Hình 9.2 - Một phần cây quyết định xây dựng được
Bắt đầu với bảng đầy đủ gồm 14 ví dụ rèn luyện, ID3 chọn thuộc tính quang cảnh để làm
thuộc tính gốc sử dụng hàm chọn lựa thuộc tính mô tả trong phần kế tiếp. Trắc nghiệm này
phân chia tập ví dụ như cho thấy trong hình 9.2 với phần tử của mỗi phân vùng được liệt kê
bởi số thứ tự của chúng trong bảng.
* ID3 xây dựng cây quyết định theo giải thuật sau:
Function induce_tree(tập_ví_dụ, tập_thuộc_tính)
begin
if mọi ví dụ trong tập_ví_dụ đều nằm trong cùng một lớp then
return một nút lá được gán nhãn bởi lớp đó
else if tập_thuộc_tính là rỗng then
return nút lá được gán nhãn bởi tuyển của tất cả các lớp trong tập_ví_dụ
else begin
chọn một thuộc tính P, lấy nó làm gốc cho cây hiện tại;
xóa P ra khỏi tập_thuộc_tính;
với mỗi giá trị V của P
begin
tạo một nhánh của cây gán nhãn V;
Đặt vào phân_vùng
V
các ví dụ trong tập_ví_dụ có giá trị V tại thuộc
tính P;
Gọi induce_tree(phân_vùng
V
, tập_thuộc_tính), gắn kết quả vào nhánh
V
end
end
end
ID3 áp dụng hàm induce_tree một cách đệ quy cho từng phân vùng. Ví dụ, phân vùng của
nhánh “Âm u” có các ví dụ toàn dương, hay thuộc lớp ‘Có’, nên ID3 tạo một nút lá với nhãn
là lớp ‘Có’. Còn phân vùng của hai nhánh còn lại vừa có ví dụ âm, vừa có ví dụ dương. Nên
tiếp tục chọn thuộc tính “Độ ẩm” để làm trắc nghiệm cho nhánh Nắng, và thuộc tính Gió cho
nhánh Mưa, vì các ví dụ trong các phân vùng con của các nhánh cây này đều thuộc cùng một
lớp, nên giải thuật ID3 kết thúc và ta có được cây QĐ như hình 9.3.
158 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
+ : D3, D4, D5, D7, D9, D10, D11, D12, D13
– : D1, D2, D6, D8, D14
Quang cảnh?
+ : D9, D11
– : D1, D2, D8
+ : D3, D7, D12, D13
–:
+ : D3, D5, D10
–: D6, D14
Nắng
Âm u
Mưa
Yes
Độ ẩm? Gió?
+ :
– : D1, D2, D8
+ : D9, D11
– :
+ :
–:D6, D14
+ : D4, D5, D10
Cao
TB
Mạnh
Nhẹ
Yes NoYes No
Hình 9.3 - Cây quyết định đã xây dựng xong.
Lưu ý, để phân loại một ví dụ, có khi cây QĐ không cần sử dụng tất cả các thuộc tính đã
cho, mặc dù nó vẫn phân loại đúng tất cả các ví dụ.
Võ Huỳnh Trâm – Trần Ngân Bình 159
Giáo Trình Trí Tuệ Nhân Tạo
* Các khả năng có thể có của các phân vùng (partition):
Trong quá trình xây dựng cây QĐ, phân vùng của một nhánh mới có thể có các dạng sau:
1. Có các ví dụ thuộc các lớp khác nhau, chẳng hạn như có cả ví dụ âm và dương như phân
vùng “Quang cảnh = Nắng” của ví dụ trên => giải thuật phải tiếp tục tách một lần nữa.
2. Tất cả các ví dụ đều thuộc cùng một lớp, chẳng hạn như toàn âm hoặc toàn dương như
phân vùng “Quang cảnh = Âm u” của ví dụ trên => giải thuật trả về nút lá với nhãn là lớp đó.
3. Không còn ví dụ nào => giải thuật trả về mặc nhiên
4. Không còn thuộc tính nào => nghĩa là dữ liệu bị nhiễu, khi đó giải thuật phải sử dụng một
luật nào đó để xử lý, chẳng hạn như luật đa số (lớp nào có nhiều ví dụ hơn sẽ được dùng để
gán nhãn cho nút lá trả về).
Từ các nhận xét này, ta thấy rằng để có một cây QĐ đơn giản, hay một cây có chiều cao là
thấp, ta nên chọn một thuộc tính sao cho tạo ra càng nhiều các phân vùng chỉ chứa các ví dụ
thuộc cùng một lớp càng tốt. Một phân vùng chỉ có ví dụ thuộc cùng một lớp, ta nói phân
vùng đó có tính thuần nhất. Vậy, để chọn thuộc tính kiểm tra có thể giảm thiểu chiều sâu của
cây QĐ, ta cần một phép đo để đo tính thuần nhất của các phân vùng, và chọn thuộc tính
kiểm tra tạo ra càng nhiều phân vùng thuần nhất càng tốt. ID3 sử dụng lý thuyết thông tin để
thực hiện điều này.
II.3 Thuộc tính nào là thuộc tính dùng để phân loại tốt nhất?
Quinlan (1983) là người đầu tiên đề xuất việc sử dụng lý thuyết thông tin để tạo ra các cây
quyết định và công trình của ông là cơ sở cho phần trình bày ở đây. Lý thuyết thông tin của
Shannon (1948) cung cấp khái niệm entropy để đo tính thuần nhất (hay ngược lại là độ pha
trộn) của một tập hợp. Một tập hợp là thuần nhất nếu như tất cả các phần tử của tập hợp đều
thuộc cùng một loại, và khi đó ta nói tập hợp này có độ pha trộn là thấp nhất. Trong trường
hợp của tập ví dụ, thì tập ví dụ là thuần nhất nếu như tất cả các ví dụ đều có cùng giá trị phân
loại.
Khi tập ví dụ là thuần nhất thì có thể nói: ta biết chắc chắn về giá trị phân loại của một ví dụ
thuộc tập này, hay ta có lượng thông tin về tập đó là cao nhất. Khi tập ví dụ có độ pha trộn
cao nhất, nghĩa là số lượng các ví dụ có cùng giá trị phân loại cho mỗi loại là tương đương
nhau, thì khi đó ta không thể đoán chính xác được một ví dụ có thể có giá trị phân loại gì,
hay nói khác hơn, lượng thông tin ta có được về tập này là ít nhất. Vậy, điều ta mong muốn ở
đây là làm sao chọn thuộc tính để hỏi sao cho có thể chia tập ví dụ ban đầu thành các tập ví
dụ thuần nhất càng nhanh càng tốt. Vậy trước hết, ta cần có một phép đo để đo độ thuần nhất
của một tập hợp, từ đó mới có thể so sánh tập ví dụ nào thì tốt hơn. Phần kế tiếp sẽ trình bày
công thức tính entropy của một tập hợp.
160 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
II.3.1 Entropy đo tính thuần nhất của tập ví dụ
Khái niệm entropy của một tập S được định nghĩa trong Lý thuyết thông tin là số lượng
mong đợi các bít cần thiết để mã hóa thông tin về lớp của một thành viên rút ra một cách
ngẫu nhiên từ tập S. Trong trường hợp tối ưu, mã có độ dài ngắn nhất. Theo lý thuyết thông
tin, mã có độ dài tối ưu là mã gán –log
2
p bits cho thông điệp có xác suất là p.
Trong trường hợp S là tập ví dụ, thì thành viên của S là một ví dụ, mỗi ví dụ thuộc một lớp
hay có một giá trị phân loại.
Entropy có giá trị nằm trong khoảng [0 1],
Entropy(S) = 0 Ù tập ví dụ S chỉ toàn ví dụ thuộc cùng một loại, hay S là thuần nhất.
Entropy(S) = 1 Ù tập ví dụ S có các ví dụ thuộc các loại khác nhau với độ pha trộn là cao
nhất.
0 < Entropy(S) < 1 Ù tập ví dụ S có số lượng ví dụ thuộc các loại khác nhau là không bằng
nhau.
Để đơn giản ta xét trường hợp các ví dụ của S chỉ thuộc loại âm (-) hoặc dương (+).
Hình 9.4 minh họa sự phụ thuộc của giá trị entropy vào xác suất xuất hiện của ví dụ dương.
Cho trước:
• Tập S là tập dữ liệu rèn luyện, trong đó
thuộc tính phân loại có hai giá trị, giả sử
là âm (-) và dương (+)
• p
+
là phần các ví dụ dương trong tập S.
• p_ là phần các ví dụ âm trong tập S.
Khi đó, entropy đo độ pha trộn của tập S theo
công thức sau:
−−++
−−= ppppSEntropy
22
loglog)(
Một cách tổng quát hơn, nếu các ví dụ của
tập S thuộc nhiều hơn hai loại, giả sử là có c giá trị phân loại thì công thức entropy tổng
quát là:
Hình 9.4 - Entropy(S)
∑
=
−=
c
i
ii
ppSEntropy
1
2
log)(
II.3.2 Lượng thông tin thu được đo mức độ giảm entropy mong đợi
Entropy là một số đo đo độ pha trộn của một tập ví dụ, bây giờ chúng ta sẽ định nghĩa một
phép đo hiệu suất phân loại các ví dụ của một thuộc tính. Phép đo này gọi là lượng thông tin
Võ Huỳnh Trâm – Trần Ngân Bình 161
Giáo Trình Trí Tuệ Nhân Tạo
thu được, nó đơn giản là lượng giảm entropy mong đợi gây ra bởi việc phân chia các ví dụ
theo thuộc tính này.
Một cách chính xác hơn, Gain(S,A) của thuộc tính A, trên tập S, được định nghĩa như sau:
∑
−= )(
||
||
)(),(
v
v
SEntropy
S
S
SEntropyASGain
∈ )( AValuesv
trong đó Values(A) là tập hợp có thể có các giá trị của thuộc tính A, và S
v
là tập con của S
chứa các ví dụ có thuộc tính A mang giá trị v.
Câu hỏi :
Áp dụng giải thuật ID3 kết hợp với công thức entropy và gain để tạo ra cây quyết
định
đơn giản nhất cho bài toán phân loại xem ta ‘có đi chơi tennis’ từ tập dữ liệu rèn
luyện
đã cho trong bảng 9.1.
II.4 Tìm kiếm không gian giả thuyết trong ID3
Cũng như các phương pháp học quy nạp khác, ID3 cũng tìm kiếm trong một không gian các
giả thuyết một giả thuyết phù hợp với tập dữ liệu rèn luyện. Không gian giả thuyết mà ID3
tìm kiếm là một tập hợp các cây quyết định có thể có. ID3 thực hiện một phép tìm kiếm từ
đơn giản đến phức tạp, theo giải thuật leo-núi (hill climbing), bắt đầu từ cây rỗng, sau đó dần
dần xem xét các giả thuyết phức tạp hơn mà có thể phân loại đúng các ví dụ rèn luyện. Hàm
đánh giá được dùng để hướng dẫn tìm kiếm leo núi ở đây là phép đo lượng thông tin thu
được.
Từ cách nhìn ID3 như là một giải thuật
tìm kiếm trong không gian các giả
thuyết, ta có một số nhận xét như sau:
• Không gian giả thuyết các cây quyết
định của ID3 là một không gian đầy
đủ các cây quyết định trên các thuộc
tính đã cho trong tập rèn luyện. Điều
này có nghĩa là không gian mà ID3
tìm kiếm chắc chắn có chứa cây
quyết định cần tìm.
• Trong khi tìm kiếm, ID3 chỉ duy trì
một giả thuyết hiện tại. Vì vậy, giải
thuật này không có khả năng biểu
diễn được tất cả các cây quyết định
khác nhau có khả năng phân loại
đúng dữ liệu hiện có.
Hình 9.5 - Không gian tìm kiếm của ID3.
• Giải thuật thuần ID3 không có khả
năng quay lui trong khi tìm kiếm. Vì vậy, nó có thể gặp phải những hạn chế giống như
giải thuật leo núi, đó là hội tụ về cực tiểu địa phương.
162 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
• Vì ID3 sử dụng tất cả các ví dụ ở mỗi bước để đưa ra các quyết định dựa trên thống kê,
nên kết quả tìm kiếm của ID3 rất ít bị ảnh hưởng bởi một vài dữ liệu sai (hay dữ liệu
nhiễu).
• Trong quá trình tìm kiếm, giải thuật ID3 có xu hướng chọn cây quyết định ngắn hơn là
những cây quyết định dài. Đây là tính chất thiên lệch quy nạp của ID3.
II.5 Đánh giá hiệu suất của cây quyết định:
Một cây quyết định sinh ra bởi ID3 được đánh giá là tốt nếu như cây này có khả năng phân
loại đúng được các trường hợp hay ví dụ sẽ gặp trong tương lai, hay cụ thể hơn là có khả
năng phân loại đúng các ví dụ không nằm trong tập dữ liệu rèn luyện.
Để đánh giá hiệu suất của một cây quyết định người ta thường sử dụng một tập ví dụ tách
rời, tập này khác với tập dữ liệu rèn luyện, để đánh giá khả năng phân loại của cây trên các
ví dụ của tập này. Tập dữ liệu này gọi là tập kiểm tra (validation set). Thông thường, tập dữ
liệu sẵn có sẽ được chia thành hai tập: tập rèn luyện thường chiếm 2/3 số ví dụ và tập kiểm
tra chiếm 1/3.
II.6 Chuyển cây về các luật
Thông thường, cây quyết định sẽ được chuyển về dạng các luật để thuận tiện cho việc cài đặt
và sử dụng. Ví dụ cây quyết định cho tập dữ liệu rèn luyện trong bảng 9.1 có thể được
chuyển thành một số luật như sau :
If (Quang-cảnh =nắng) ∧ (Độ ẩm = Cao) Then Chơi-Tennis = No
If (Quang-cảnh =nắng) ∧ (Độ ẩm = TB) Then Chơi-Tennis = Yes
If (Quang-cảnh =Âm u) Then Chơi-Tennis = Yes
…
Võ Huỳnh Trâm – Trần Ngân Bình 163
Giáo Trình Trí Tuệ Nhân Tạo
II.7 Khi nào nên sử dụng ID3
Giải thuật ID3 là một giải thuật học đơn giản nhưng nó chỉ phù hợp với một lớp các bài toán
hay vấn đề có thể biểu diễn bằng ký hiệu. Chính vì vậy, giải thuật này thuộc tiếp cận giải
quyết vấn đề dựa trên ký hiệu (symbol – based approach).
Tập dữ liệu rèn luyện ở đây bao gồm các ví dụ được mô tả bằng các cặp “Thuộc tính – giá
trị”, như trong ví dụ ‘Chơi tennis’ trình bày trong suốt chương này, đó là ‘Gió – mạnh’, hay
‘Gió – nhẹ’,… và mỗi ví dụ đều có một thuộc tính phân loại, ví dụ như ‘chơi_tennis’, thuộc
tính này phải có giá trị rời rạc, như có, không.
Tuy nhiên, khác với một số giải thuật khác cũng thuộc tiếp cận này, ID3 sử dụng các ví dụ
rèn luyện ở dạng xác suất nên nó có ưu điểm là ít bị ảnh hưởng bởi một vài dữ liệu nhiễu. Vì
vậy, tập dữ liệu rèn luyện ở đây có thể chứa lỗi hoặc có thể thiếu một vài giá trị ở một số
thuộc tính nào đó. Một giải pháp thường được áp dụng đối với các dữ liệu bị thiếu là sử dụng
luật đa số, chương trình tiền xử lý dữ liệu sẽ điền vào các vị trí còn trống giá trị có tần số
xuất hiện cao nhất của thuộc tính đó.
Bên cạnh các vấn đề cơ bản được trình bày trong phần này, ID3 còn được thảo luận nhiều
vấn đề liên quan như làm sao để tránh cho cây quyết định không bị ảnh hưởng quá nhiều
(overfitting) vào dữ liệu rèn luyện, để nó có thể tổng quát hơn, phân loại đúng được cho các
trường hợp chưa gặp. Có nhiều giải pháp đã được đưa ra như cắt tỉa lại cây quyết định sau
khi học, hoặc cắt tỉa các luật sau khi chuyển cây về dạng luật. Một vấn đề khác nữa đó là
nếu như một vài thuộc tính nào đó có giá trị liên tục thì sao. Giải quyết các vấn đề này dẫn
đến việc sinh ra nhiều thế hệ sau của ID3, một giải thuật nổi bật trong số đó là C4.5 (Quinlan
1996). Ngoài ra, một số kỹ thuật được tạo ra để thao tác trên dữ liệu nhằm tạo ra các cây
quyết định khác nhau trên cùng tập dữ liệu rèn luyện đã cho như kỹ thuật bagging and
boosting.
III TIẾP CẬN KẾT NỐI: MẠNG NEURON
III.1 Giới thiệu
Các mô hình học theo tiếp cận này bắt chước theo cách học của các hệ thần kinh sinh vật.
Các hệ thống theo mô hình này có khi còn được gọi là các hệ kết nối (connectionist
systems), tính toán neural (Neural computing), mạng neural (Neural Networks), các hệ xử lý
phân tán song song (parallel distributed processing – PDP).
Không giống như các giải thuật của tiếp cận ký hiệu, các mô hình này không sử dụng ký
hiệu một cách tường minh để giải quyết vấn đề. Thay vào đó, chúng giữ cho trí tuệ phát triển
trong các hệ thống gồm các thành phần (neuron sinh học hay neuron nhân tạo) đơn giản,
tương tác thông qua một quá trình học hay thích nghi mà nhờ đó kết nối giữa các thành phần
này được điều chỉnh. Việc xử lý của các hệ thống này được phân tán trên một tập hợp các
lớp neuron. Các hệ thống này giải quyết vấn đề song song theo nghĩa rằng tất cả các neuron
trong tập hợp hay trong các lớp sẽ xử lý tín hiệu vào một cách đồng thời và độc lập.
Trong khi các giải thuật của tiếp cận ký hiệu sử dụng ký hiệu để mô tả các mẫu của bài toán
như ta đã thấy trong giải thuật ID3 thì những nhà thiết kế mạng neuron phải tạo ra một sơ đồ
164 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
mã hóa các mẫu (pattern) của bài toán thành các đại lượng số để đưa vào mạng. Việc chọn
lựa một sơ đồ mã hóa thích hợp đóng vai trò quyết định cho sự thành công hay thất bại trong
việc học của mạng.
Các mẫu (pattern) của bài toán được mã hóa thành các vector số. Các kết nối giữa các thành
phần, hay neuron, cũng được biểu diễn bằng các giá trị số. Cuối cùng, sự biến đổi của các
mẫu cũng là kết quả của các phép toán số học, thông thường là phép nhân ma trận. Sự chọn
lựa kiến trúc kết nối của nhà thiết kế mạng neuron góp phần vào tính thiên lệch quy nạp
(inductive bias) của hệ thống.
Các giải thuật và kiến trúc dùng để cài đặt mạng neuron thường được huấn luyện (trained)
hay tạo điều kiện (conditioned) chứ không được lập trình một cách tường tận. Và đây chính
là sức mạnh chủ yếu của tiếp cận này.
Các phương pháp của tiếp cận này phát huy sức mạnh của chúng trong các bài toán mà khó
có thể giải quyết bằng các mô hình ký hiệu. Tiêu biểu là các bài toán đòi hỏi các kỹ năng dựa
vào nhận thức, hay các bài toán thiếu một cú pháp định nghĩa rõ ràng.
Các bài toán thích hợp với tiếp cận kết nối thường là:
- Bài toán phân loại (classification): quyết định một giá trị đưa vào thuộc loại hay
nhóm nào,
- Bài toán nhận dạng mẫu (pattern recognition): nhận dạng cấu trúc trong các dữ liệu
có thể là bị nhiễu.
- Bài toán dự đoán (prediction): chẳng hạn như nhận dạng bệnh từ các triệu chứng,
nhận dạng tác nhân từ các hiệu ứng,…
- Bài toán tối ưu (optimization): tìm một tổ chức ràng buộc tốt nhất
- Bài toán lọc nhiễu (Noise filtering): hay phân biệt các tín hiệu với nền, tìm ra các
thành phần không quan trọng trong một tín hiệu.
III.2 Cơ bản về mạng kết nối:
Thành phần cơ bản của một mạng neuron là một neuron nhân tạo, như mô tả trong hình 9.6
sau đây.
III.2.1 Một neuron nhân tạo
Hình 9. 6 minh họa một neuron nhân tạo bao gồm:
Hình 9.6 - Một neuron nhân tạo.
¾ Các tín hiệu đầu vào, x
i
. Các dữ liệu này có thể đến từ môi trường, hay được kích hoạt
từ các neuron khác. Các mô hình khác nhau có thể có miền giá trị của đầu vào khác
nhau; thông thường các giá trị đầu vào này là các số rời rạc (discrete) lấy từ tập {0,1}
hay {-1,1} hay số thực.
Võ Huỳnh Trâm – Trần Ngân Bình 165
Giáo Trình Trí Tuệ Nhân Tạo
¾ Một tập các trọng số (weight) có giá trị thực, w
i
. Các trọng số này dùng để mô tả sức
mạnh kết nối, hay sức mạnh của các kết nối thiên lệch (bias link)
¾ Một mức kích hoạt (activation level) hay hàm kích hoạt Σw
i
x
i
. Mức kích hoạt của một
neuron được xác định bởi sức mạnh tích lũy từ các tín hiệu đầu vào của nó nơi mà mỗi
tín hiệu đầu vào được tỷ lệ lại bằng trọng số kết nối wi ở đầu vào đó. Vì vậy, mức kích
họat được tính toán bằng cách lấy tổng các giá trị đầu vào sau khi được tỉ lệ hóa, Σw
i
x
i
.
¾ Một hàm ngưỡng (threshold function), f. Hàm này tính kết quả đầu ra của neuron bằng
cách xác định xem mức kích hoạt nằm dưới hay trên một giá trị ngưỡng là ít hay nhiều.
Hàm ngưỡng này có khuynh hướng tạo ra trạng thái tắt/mở của các neuron.
III.2.2 Các đặc trưng của một mạng Neuron
Ngoài các tính chất của một neuron đơn lẻ, một mạng neuron còn được đặc trưng bởi các
tính chất toàn cục như sau:
¾ Hình thái mạng (network topology): là mô hình hay mẫu kết nối giữa các neuron đơn lẻ.
Hình 9.7 - Các hình thái mạng neuron khác nhau.
H
1
H
2
O
1
w
i
w
11
w
12
I
1
I
2
I
3
¾ Giải thuật học (learning algorithm): là giải thuật dùng để điều chỉnh các trọng số ở các
đầu vào của các neuron. Trong các phần tiếp theo của chương này sẽ trình bày một số
giải thuật học tiêu biểu.
¾ Sơ đồ mã hóa (encoding schema): Bao gồm việc thông dịch dữ liệu thực tế thành các giá
trị đầu vào của mạng, và việc thông dịch giá trị đầu ra của mạng thành một kết quả có ý
nghĩa.
III.2.3 Mạng neuron McCulloch-Pitts
Ví dụ đầu tiên về tính toán neural được MacCulloch và Pitts đưa ra vào 1943. Đầu vào của
một neuron McCulloch-Pitts là +1 (kích thích) hoặc –1 (ức chế). Hàm kích hoạt nhân mỗi
đầu vào với giá trị trọng số tương ứng và cộng chúng lại; nếu tổng lớn hơn hay bằng không,
thì neuron trả về 1, ngược lại, là –1.
McCulloch-Pitts cho thấy các neuron này có thể được xây dựng để tính toán bất cứ hàm
logic nào, chứng minh rằng các hệ thống gồm các neuron này cung cấp một mô hình tính
toán đầy đủ.
Hình 9.8 minh họa các neuron McCulloch-Pitts dùng để tính hàm logic and và or.
I
1
I
2
H
1
O
1
w
11
w
12
166 Võ Huỳnh Trâm – Trần Ngân Bình
Các nút trong cây quyết định biểu diễn cho một sự kiểm tra trên một thuộc tính nào đó, mỗi
giá trị có thể có của thuộc tính đó tương ứng với một nhánh của cây. Các nút lá thể hiện sự
phân loại của các ví dụ thuộc nhánh đó, hay chính là giá trị của thuộc tính phân loại.
Sau khi giải thuật đã quy nạp được cây quyết định, thì cây này sẽ được sử dụng để phân loại
tất cả các ví dụ hay thể hiện (instance) trong tương lai. Và cây quyết định sẽ không thay đổi
cho đến khi ta cho thực hiện lại giải thuật ID3 trên một tập dữ liệu rèn luyện khác.
Ứng với một tập dữ liệu rèn luyện sẽ có nhiều cây quyết định có thể phân loại đúng tất cả
các ví dụ trong tập dữ liệu rèn luyện. Kích cỡ của các cây quyết định khác nhau tùy thuộc
vào thứ tự của các kiểm tra trên thuộc tính.
Vậy làm sao để học được cây quyết định có thể phân loại đúng tất cả các ví dụ trong tập rèn
luyện? Một cách tiếp cận đơn giản là học thuộc lòng tất cả các ví dụ bằng cách xây dựng một
cây mà có một lá cho mỗi ví dụ. Với cách tiếp cận này thì có thể cây quyết định sẽ không
phân loại đúng cho các ví dụ chưa gặp trong tương lai. Vì phương pháp này cũng giống như
hình thức ‘học vẹt’, mà cây không hề học được một khái quát nào của khái niệm cần học.
Vậy, ta nên học một cây quyết định như thế nào là tốt?
Occam’s razor và một số lập luận khác đều cho rằng ‘giả thuyết có khả năng nhất là giả
thuyết đơn giản nhất thống nhất với tất cả các quan sát’, ta nên luôn luôn chấp nhận những
câu trả lời đơn giản nhất đáp ứng một cách đúng đắn dữ liệu của chúng ta. Trong trường hợp
này là các giải thuật học cố gắng tạo ra cây quyết định nhỏ nhất phân loại một cách đúng đắn
tất cả các ví dụ đã cho. Trong phần kế tiếp, chúng ta sẽ đi vào giải thuật ID3, là một giải
thuật quy nạp cây quyết định đơn giản thỏa mãn các vấn đề vừa nêu.
II.2 Giải thuật ID3 xây dựng cây quyết định từ trên–xuống
ID3 xây dựng cây quyết định (cây QĐ) theo cách từ trên xuống. Lưu ý rằng đối với bất kỳ
thuộc tính nào, chúng ta cũng có thể phân vùng tập hợp các ví dụ rèn luyện thành những tập
con tách rời, mà ở đó mọi ví dụ trong một phân vùng (partition) có một giá trị chung cho
thuộc tính đó. ID3 chọn một thuộc tính để kiểm tra tại nút hiện tại của cây và dùng trắc
nghiệm này để phân vùng tập hợp các ví dụ; thuật toán khi đó xây dựng theo cách đệ quy
một cây con cho từng phân vùng. Việc này tiếp tục cho đến khi mọi thành viên của phân
vùng đều nằm trong cùng một lớp; lớp đó trở thành nút lá của cây.
Vì thứ tự của các trắc nghiệm là rất quan trọng đối với việc xây dựng một cây QĐ đơn giản,
ID3 phụ thuộc rất nhiều vào tiêu chuẩn chọn lựa trắc nghiệm để làm gốc của cây. Để đơn
giản, phần này chỉ mô tả giải thuật dùng để xây dựng cây QĐ, với việc giả định một hàm
chọn trắc nghiệm thích hợp. Phần kế tiếp sẽ trình bày heuristic chọn lựa của ID3.
Ví dụ, hãy xem xét cách xây dựng cây QĐ của ID3 trong hình sau từ tập ví dụ rèn luyện
trong bảng 9.1.
Võ Huỳnh Trâm – Trần Ngân Bình 157
Giáo Trình Trí Tuệ Nhân Tạo
+ : D3, D4, D5, D7, D9, D10, D11, D12, D13
–
: D1, D2, D6, D8, D14
Quang cảnh?
+ : D9, D11
–
: D1, D2, D8
+ : D3, D7, D12, D13
–
:
+ : D3, D5, D10
–
: D6, D14
Nắng
Âm u
Mưa
Hình 9.2 - Một phần cây quyết định xây dựng được
Bắt đầu với bảng đầy đủ gồm 14 ví dụ rèn luyện, ID3 chọn thuộc tính quang cảnh để làm
thuộc tính gốc sử dụng hàm chọn lựa thuộc tính mô tả trong phần kế tiếp. Trắc nghiệm này
phân chia tập ví dụ như cho thấy trong hình 9.2 với phần tử của mỗi phân vùng được liệt kê
bởi số thứ tự của chúng trong bảng.
* ID3 xây dựng cây quyết định theo giải thuật sau:
Function induce_tree(tập_ví_dụ, tập_thuộc_tính)
begin
if mọi ví dụ trong tập_ví_dụ đều nằm trong cùng một lớp then
return một nút lá được gán nhãn bởi lớp đó
else if tập_thuộc_tính là rỗng then
return nút lá được gán nhãn bởi tuyển của tất cả các lớp trong tập_ví_dụ
else begin
chọn một thuộc tính P, lấy nó làm gốc cho cây hiện tại;
xóa P ra khỏi tập_thuộc_tính;
với mỗi giá trị V của P
begin
tạo một nhánh của cây gán nhãn V;
Đặt vào phân_vùng
V
các ví dụ trong tập_ví_dụ có giá trị V tại thuộc
tính P;
Gọi induce_tree(phân_vùng
V
, tập_thuộc_tính), gắn kết quả vào nhánh
V
end
end
end
ID3 áp dụng hàm induce_tree một cách đệ quy cho từng phân vùng. Ví dụ, phân vùng của
nhánh “Âm u” có các ví dụ toàn dương, hay thuộc lớp ‘Có’, nên ID3 tạo một nút lá với nhãn
là lớp ‘Có’. Còn phân vùng của hai nhánh còn lại vừa có ví dụ âm, vừa có ví dụ dương. Nên
tiếp tục chọn thuộc tính “Độ ẩm” để làm trắc nghiệm cho nhánh Nắng, và thuộc tính Gió cho
nhánh Mưa, vì các ví dụ trong các phân vùng con của các nhánh cây này đều thuộc cùng một
lớp, nên giải thuật ID3 kết thúc và ta có được cây QĐ như hình 9.3.
158 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
+ : D3, D4, D5, D7, D9, D10, D11, D12, D13
– : D1, D2, D6, D8, D14
Quang cảnh?
+ : D9, D11
– : D1, D2, D8
+ : D3, D7, D12, D13
–:
+ : D3, D5, D10
–: D6, D14
Nắng
Âm u
Mưa
Yes
Độ ẩm? Gió?
+ :
– : D1, D2, D8
+ : D9, D11
– :
+ :
–:D6, D14
+ : D4, D5, D10
Cao
TB
Mạnh
Nhẹ
Yes NoYes No
Hình 9.3 - Cây quyết định đã xây dựng xong.
Lưu ý, để phân loại một ví dụ, có khi cây QĐ không cần sử dụng tất cả các thuộc tính đã
cho, mặc dù nó vẫn phân loại đúng tất cả các ví dụ.
Võ Huỳnh Trâm – Trần Ngân Bình 159
Giáo Trình Trí Tuệ Nhân Tạo
* Các khả năng có thể có của các phân vùng (partition):
Trong quá trình xây dựng cây QĐ, phân vùng của một nhánh mới có thể có các dạng sau:
1. Có các ví dụ thuộc các lớp khác nhau, chẳng hạn như có cả ví dụ âm và dương như phân
vùng “Quang cảnh = Nắng” của ví dụ trên => giải thuật phải tiếp tục tách một lần nữa.
2. Tất cả các ví dụ đều thuộc cùng một lớp, chẳng hạn như toàn âm hoặc toàn dương như
phân vùng “Quang cảnh = Âm u” của ví dụ trên => giải thuật trả về nút lá với nhãn là lớp đó.
3. Không còn ví dụ nào => giải thuật trả về mặc nhiên
4. Không còn thuộc tính nào => nghĩa là dữ liệu bị nhiễu, khi đó giải thuật phải sử dụng một
luật nào đó để xử lý, chẳng hạn như luật đa số (lớp nào có nhiều ví dụ hơn sẽ được dùng để
gán nhãn cho nút lá trả về).
Từ các nhận xét này, ta thấy rằng để có một cây QĐ đơn giản, hay một cây có chiều cao là
thấp, ta nên chọn một thuộc tính sao cho tạo ra càng nhiều các phân vùng chỉ chứa các ví dụ
thuộc cùng một lớp càng tốt. Một phân vùng chỉ có ví dụ thuộc cùng một lớp, ta nói phân
vùng đó có tính thuần nhất. Vậy, để chọn thuộc tính kiểm tra có thể giảm thiểu chiều sâu của
cây QĐ, ta cần một phép đo để đo tính thuần nhất của các phân vùng, và chọn thuộc tính
kiểm tra tạo ra càng nhiều phân vùng thuần nhất càng tốt. ID3 sử dụng lý thuyết thông tin để
thực hiện điều này.
II.3 Thuộc tính nào là thuộc tính dùng để phân loại tốt nhất?
Quinlan (1983) là người đầu tiên đề xuất việc sử dụng lý thuyết thông tin để tạo ra các cây
quyết định và công trình của ông là cơ sở cho phần trình bày ở đây. Lý thuyết thông tin của
Shannon (1948) cung cấp khái niệm entropy để đo tính thuần nhất (hay ngược lại là độ pha
trộn) của một tập hợp. Một tập hợp là thuần nhất nếu như tất cả các phần tử của tập hợp đều
thuộc cùng một loại, và khi đó ta nói tập hợp này có độ pha trộn là thấp nhất. Trong trường
hợp của tập ví dụ, thì tập ví dụ là thuần nhất nếu như tất cả các ví dụ đều có cùng giá trị phân
loại.
Khi tập ví dụ là thuần nhất thì có thể nói: ta biết chắc chắn về giá trị phân loại của một ví dụ
thuộc tập này, hay ta có lượng thông tin về tập đó là cao nhất. Khi tập ví dụ có độ pha trộn
cao nhất, nghĩa là số lượng các ví dụ có cùng giá trị phân loại cho mỗi loại là tương đương
nhau, thì khi đó ta không thể đoán chính xác được một ví dụ có thể có giá trị phân loại gì,
hay nói khác hơn, lượng thông tin ta có được về tập này là ít nhất. Vậy, điều ta mong muốn ở
đây là làm sao chọn thuộc tính để hỏi sao cho có thể chia tập ví dụ ban đầu thành các tập ví
dụ thuần nhất càng nhanh càng tốt. Vậy trước hết, ta cần có một phép đo để đo độ thuần nhất
của một tập hợp, từ đó mới có thể so sánh tập ví dụ nào thì tốt hơn. Phần kế tiếp sẽ trình bày
công thức tính entropy của một tập hợp.
160 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
II.3.1 Entropy đo tính thuần nhất của tập ví dụ
Khái niệm entropy của một tập S được định nghĩa trong Lý thuyết thông tin là số lượng
mong đợi các bít cần thiết để mã hóa thông tin về lớp của một thành viên rút ra một cách
ngẫu nhiên từ tập S. Trong trường hợp tối ưu, mã có độ dài ngắn nhất. Theo lý thuyết thông
tin, mã có độ dài tối ưu là mã gán –log
2
p bits cho thông điệp có xác suất là p.
Trong trường hợp S là tập ví dụ, thì thành viên của S là một ví dụ, mỗi ví dụ thuộc một lớp
hay có một giá trị phân loại.
Entropy có giá trị nằm trong khoảng [0 1],
Entropy(S) = 0 Ù tập ví dụ S chỉ toàn ví dụ thuộc cùng một loại, hay S là thuần nhất.
Entropy(S) = 1 Ù tập ví dụ S có các ví dụ thuộc các loại khác nhau với độ pha trộn là cao
nhất.
0 < Entropy(S) < 1 Ù tập ví dụ S có số lượng ví dụ thuộc các loại khác nhau là không bằng
nhau.
Để đơn giản ta xét trường hợp các ví dụ của S chỉ thuộc loại âm (-) hoặc dương (+).
Hình 9.4 minh họa sự phụ thuộc của giá trị entropy vào xác suất xuất hiện của ví dụ dương.
Cho trước:
• Tập S là tập dữ liệu rèn luyện, trong đó
thuộc tính phân loại có hai giá trị, giả sử
là âm (-) và dương (+)
• p
+
là phần các ví dụ dương trong tập S.
• p_ là phần các ví dụ âm trong tập S.
Khi đó, entropy đo độ pha trộn của tập S theo
công thức sau:
−−++
−−= ppppSEntropy
22
loglog)(
Một cách tổng quát hơn, nếu các ví dụ của
tập S thuộc nhiều hơn hai loại, giả sử là có c giá trị phân loại thì công thức entropy tổng
quát là:
Hình 9.4 - Entropy(S)
∑
=
−=
c
i
ii
ppSEntropy
1
2
log)(
II.3.2 Lượng thông tin thu được đo mức độ giảm entropy mong đợi
Entropy là một số đo đo độ pha trộn của một tập ví dụ, bây giờ chúng ta sẽ định nghĩa một
phép đo hiệu suất phân loại các ví dụ của một thuộc tính. Phép đo này gọi là lượng thông tin
Võ Huỳnh Trâm – Trần Ngân Bình 161
Giáo Trình Trí Tuệ Nhân Tạo
thu được, nó đơn giản là lượng giảm entropy mong đợi gây ra bởi việc phân chia các ví dụ
theo thuộc tính này.
Một cách chính xác hơn, Gain(S,A) của thuộc tính A, trên tập S, được định nghĩa như sau:
∑
−= )(
||
||
)(),(
v
v
SEntropy
S
S
SEntropyASGain
∈ )( AValuesv
trong đó Values(A) là tập hợp có thể có các giá trị của thuộc tính A, và S
v
là tập con của S
chứa các ví dụ có thuộc tính A mang giá trị v.
Câu hỏi :
Áp dụng giải thuật ID3 kết hợp với công thức entropy và gain để tạo ra cây quyết
định
đơn giản nhất cho bài toán phân loại xem ta ‘có đi chơi tennis’ từ tập dữ liệu rèn
luyện
đã cho trong bảng 9.1.
II.4 Tìm kiếm không gian giả thuyết trong ID3
Cũng như các phương pháp học quy nạp khác, ID3 cũng tìm kiếm trong một không gian các
giả thuyết một giả thuyết phù hợp với tập dữ liệu rèn luyện. Không gian giả thuyết mà ID3
tìm kiếm là một tập hợp các cây quyết định có thể có. ID3 thực hiện một phép tìm kiếm từ
đơn giản đến phức tạp, theo giải thuật leo-núi (hill climbing), bắt đầu từ cây rỗng, sau đó dần
dần xem xét các giả thuyết phức tạp hơn mà có thể phân loại đúng các ví dụ rèn luyện. Hàm
đánh giá được dùng để hướng dẫn tìm kiếm leo núi ở đây là phép đo lượng thông tin thu
được.
Từ cách nhìn ID3 như là một giải thuật
tìm kiếm trong không gian các giả
thuyết, ta có một số nhận xét như sau:
• Không gian giả thuyết các cây quyết
định của ID3 là một không gian đầy
đủ các cây quyết định trên các thuộc
tính đã cho trong tập rèn luyện. Điều
này có nghĩa là không gian mà ID3
tìm kiếm chắc chắn có chứa cây
quyết định cần tìm.
• Trong khi tìm kiếm, ID3 chỉ duy trì
một giả thuyết hiện tại. Vì vậy, giải
thuật này không có khả năng biểu
diễn được tất cả các cây quyết định
khác nhau có khả năng phân loại
đúng dữ liệu hiện có.
Hình 9.5 - Không gian tìm kiếm của ID3.
• Giải thuật thuần ID3 không có khả
năng quay lui trong khi tìm kiếm. Vì vậy, nó có thể gặp phải những hạn chế giống như
giải thuật leo núi, đó là hội tụ về cực tiểu địa phương.
162 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
• Vì ID3 sử dụng tất cả các ví dụ ở mỗi bước để đưa ra các quyết định dựa trên thống kê,
nên kết quả tìm kiếm của ID3 rất ít bị ảnh hưởng bởi một vài dữ liệu sai (hay dữ liệu
nhiễu).
• Trong quá trình tìm kiếm, giải thuật ID3 có xu hướng chọn cây quyết định ngắn hơn là
những cây quyết định dài. Đây là tính chất thiên lệch quy nạp của ID3.
II.5 Đánh giá hiệu suất của cây quyết định:
Một cây quyết định sinh ra bởi ID3 được đánh giá là tốt nếu như cây này có khả năng phân
loại đúng được các trường hợp hay ví dụ sẽ gặp trong tương lai, hay cụ thể hơn là có khả
năng phân loại đúng các ví dụ không nằm trong tập dữ liệu rèn luyện.
Để đánh giá hiệu suất của một cây quyết định người ta thường sử dụng một tập ví dụ tách
rời, tập này khác với tập dữ liệu rèn luyện, để đánh giá khả năng phân loại của cây trên các
ví dụ của tập này. Tập dữ liệu này gọi là tập kiểm tra (validation set). Thông thường, tập dữ
liệu sẵn có sẽ được chia thành hai tập: tập rèn luyện thường chiếm 2/3 số ví dụ và tập kiểm
tra chiếm 1/3.
II.6 Chuyển cây về các luật
Thông thường, cây quyết định sẽ được chuyển về dạng các luật để thuận tiện cho việc cài đặt
và sử dụng. Ví dụ cây quyết định cho tập dữ liệu rèn luyện trong bảng 9.1 có thể được
chuyển thành một số luật như sau :
If (Quang-cảnh =nắng) ∧ (Độ ẩm = Cao) Then Chơi-Tennis = No
If (Quang-cảnh =nắng) ∧ (Độ ẩm = TB) Then Chơi-Tennis = Yes
If (Quang-cảnh =Âm u) Then Chơi-Tennis = Yes
…
Võ Huỳnh Trâm – Trần Ngân Bình 163
Giáo Trình Trí Tuệ Nhân Tạo
II.7 Khi nào nên sử dụng ID3
Giải thuật ID3 là một giải thuật học đơn giản nhưng nó chỉ phù hợp với một lớp các bài toán
hay vấn đề có thể biểu diễn bằng ký hiệu. Chính vì vậy, giải thuật này thuộc tiếp cận giải
quyết vấn đề dựa trên ký hiệu (symbol – based approach).
Tập dữ liệu rèn luyện ở đây bao gồm các ví dụ được mô tả bằng các cặp “Thuộc tính – giá
trị”, như trong ví dụ ‘Chơi tennis’ trình bày trong suốt chương này, đó là ‘Gió – mạnh’, hay
‘Gió – nhẹ’,… và mỗi ví dụ đều có một thuộc tính phân loại, ví dụ như ‘chơi_tennis’, thuộc
tính này phải có giá trị rời rạc, như có, không.
Tuy nhiên, khác với một số giải thuật khác cũng thuộc tiếp cận này, ID3 sử dụng các ví dụ
rèn luyện ở dạng xác suất nên nó có ưu điểm là ít bị ảnh hưởng bởi một vài dữ liệu nhiễu. Vì
vậy, tập dữ liệu rèn luyện ở đây có thể chứa lỗi hoặc có thể thiếu một vài giá trị ở một số
thuộc tính nào đó. Một giải pháp thường được áp dụng đối với các dữ liệu bị thiếu là sử dụng
luật đa số, chương trình tiền xử lý dữ liệu sẽ điền vào các vị trí còn trống giá trị có tần số
xuất hiện cao nhất của thuộc tính đó.
Bên cạnh các vấn đề cơ bản được trình bày trong phần này, ID3 còn được thảo luận nhiều
vấn đề liên quan như làm sao để tránh cho cây quyết định không bị ảnh hưởng quá nhiều
(overfitting) vào dữ liệu rèn luyện, để nó có thể tổng quát hơn, phân loại đúng được cho các
trường hợp chưa gặp. Có nhiều giải pháp đã được đưa ra như cắt tỉa lại cây quyết định sau
khi học, hoặc cắt tỉa các luật sau khi chuyển cây về dạng luật. Một vấn đề khác nữa đó là
nếu như một vài thuộc tính nào đó có giá trị liên tục thì sao. Giải quyết các vấn đề này dẫn
đến việc sinh ra nhiều thế hệ sau của ID3, một giải thuật nổi bật trong số đó là C4.5 (Quinlan
1996). Ngoài ra, một số kỹ thuật được tạo ra để thao tác trên dữ liệu nhằm tạo ra các cây
quyết định khác nhau trên cùng tập dữ liệu rèn luyện đã cho như kỹ thuật bagging and
boosting.
III TIẾP CẬN KẾT NỐI: MẠNG NEURON
III.1 Giới thiệu
Các mô hình học theo tiếp cận này bắt chước theo cách học của các hệ thần kinh sinh vật.
Các hệ thống theo mô hình này có khi còn được gọi là các hệ kết nối (connectionist
systems), tính toán neural (Neural computing), mạng neural (Neural Networks), các hệ xử lý
phân tán song song (parallel distributed processing – PDP).
Không giống như các giải thuật của tiếp cận ký hiệu, các mô hình này không sử dụng ký
hiệu một cách tường minh để giải quyết vấn đề. Thay vào đó, chúng giữ cho trí tuệ phát triển
trong các hệ thống gồm các thành phần (neuron sinh học hay neuron nhân tạo) đơn giản,
tương tác thông qua một quá trình học hay thích nghi mà nhờ đó kết nối giữa các thành phần
này được điều chỉnh. Việc xử lý của các hệ thống này được phân tán trên một tập hợp các
lớp neuron. Các hệ thống này giải quyết vấn đề song song theo nghĩa rằng tất cả các neuron
trong tập hợp hay trong các lớp sẽ xử lý tín hiệu vào một cách đồng thời và độc lập.
Trong khi các giải thuật của tiếp cận ký hiệu sử dụng ký hiệu để mô tả các mẫu của bài toán
như ta đã thấy trong giải thuật ID3 thì những nhà thiết kế mạng neuron phải tạo ra một sơ đồ
164 Võ Huỳnh Trâm – Trần Ngân Bình
Chương 9: Học máy
mã hóa các mẫu (pattern) của bài toán thành các đại lượng số để đưa vào mạng. Việc chọn
lựa một sơ đồ mã hóa thích hợp đóng vai trò quyết định cho sự thành công hay thất bại trong
việc học của mạng.
Các mẫu (pattern) của bài toán được mã hóa thành các vector số. Các kết nối giữa các thành
phần, hay neuron, cũng được biểu diễn bằng các giá trị số. Cuối cùng, sự biến đổi của các
mẫu cũng là kết quả của các phép toán số học, thông thường là phép nhân ma trận. Sự chọn
lựa kiến trúc kết nối của nhà thiết kế mạng neuron góp phần vào tính thiên lệch quy nạp
(inductive bias) của hệ thống.
Các giải thuật và kiến trúc dùng để cài đặt mạng neuron thường được huấn luyện (trained)
hay tạo điều kiện (conditioned) chứ không được lập trình một cách tường tận. Và đây chính
là sức mạnh chủ yếu của tiếp cận này.
Các phương pháp của tiếp cận này phát huy sức mạnh của chúng trong các bài toán mà khó
có thể giải quyết bằng các mô hình ký hiệu. Tiêu biểu là các bài toán đòi hỏi các kỹ năng dựa
vào nhận thức, hay các bài toán thiếu một cú pháp định nghĩa rõ ràng.
Các bài toán thích hợp với tiếp cận kết nối thường là:
- Bài toán phân loại (classification): quyết định một giá trị đưa vào thuộc loại hay
nhóm nào,
- Bài toán nhận dạng mẫu (pattern recognition): nhận dạng cấu trúc trong các dữ liệu
có thể là bị nhiễu.
- Bài toán dự đoán (prediction): chẳng hạn như nhận dạng bệnh từ các triệu chứng,
nhận dạng tác nhân từ các hiệu ứng,…
- Bài toán tối ưu (optimization): tìm một tổ chức ràng buộc tốt nhất
- Bài toán lọc nhiễu (Noise filtering): hay phân biệt các tín hiệu với nền, tìm ra các
thành phần không quan trọng trong một tín hiệu.
III.2 Cơ bản về mạng kết nối:
Thành phần cơ bản của một mạng neuron là một neuron nhân tạo, như mô tả trong hình 9.6
sau đây.
III.2.1 Một neuron nhân tạo
Hình 9. 6 minh họa một neuron nhân tạo bao gồm:
Hình 9.6 - Một neuron nhân tạo.
¾ Các tín hiệu đầu vào, x
i
. Các dữ liệu này có thể đến từ môi trường, hay được kích hoạt
từ các neuron khác. Các mô hình khác nhau có thể có miền giá trị của đầu vào khác
nhau; thông thường các giá trị đầu vào này là các số rời rạc (discrete) lấy từ tập {0,1}
hay {-1,1} hay số thực.
Võ Huỳnh Trâm – Trần Ngân Bình 165
Giáo Trình Trí Tuệ Nhân Tạo
¾ Một tập các trọng số (weight) có giá trị thực, w
i
. Các trọng số này dùng để mô tả sức
mạnh kết nối, hay sức mạnh của các kết nối thiên lệch (bias link)
¾ Một mức kích hoạt (activation level) hay hàm kích hoạt Σw
i
x
i
. Mức kích hoạt của một
neuron được xác định bởi sức mạnh tích lũy từ các tín hiệu đầu vào của nó nơi mà mỗi
tín hiệu đầu vào được tỷ lệ lại bằng trọng số kết nối wi ở đầu vào đó. Vì vậy, mức kích
họat được tính toán bằng cách lấy tổng các giá trị đầu vào sau khi được tỉ lệ hóa, Σw
i
x
i
.
¾ Một hàm ngưỡng (threshold function), f. Hàm này tính kết quả đầu ra của neuron bằng
cách xác định xem mức kích hoạt nằm dưới hay trên một giá trị ngưỡng là ít hay nhiều.
Hàm ngưỡng này có khuynh hướng tạo ra trạng thái tắt/mở của các neuron.
III.2.2 Các đặc trưng của một mạng Neuron
Ngoài các tính chất của một neuron đơn lẻ, một mạng neuron còn được đặc trưng bởi các
tính chất toàn cục như sau:
¾ Hình thái mạng (network topology): là mô hình hay mẫu kết nối giữa các neuron đơn lẻ.
Hình 9.7 - Các hình thái mạng neuron khác nhau.
H
1
H
2
O
1
w
i
w
11
w
12
I
1
I
2
I
3
¾ Giải thuật học (learning algorithm): là giải thuật dùng để điều chỉnh các trọng số ở các
đầu vào của các neuron. Trong các phần tiếp theo của chương này sẽ trình bày một số
giải thuật học tiêu biểu.
¾ Sơ đồ mã hóa (encoding schema): Bao gồm việc thông dịch dữ liệu thực tế thành các giá
trị đầu vào của mạng, và việc thông dịch giá trị đầu ra của mạng thành một kết quả có ý
nghĩa.
III.2.3 Mạng neuron McCulloch-Pitts
Ví dụ đầu tiên về tính toán neural được MacCulloch và Pitts đưa ra vào 1943. Đầu vào của
một neuron McCulloch-Pitts là +1 (kích thích) hoặc –1 (ức chế). Hàm kích hoạt nhân mỗi
đầu vào với giá trị trọng số tương ứng và cộng chúng lại; nếu tổng lớn hơn hay bằng không,
thì neuron trả về 1, ngược lại, là –1.
McCulloch-Pitts cho thấy các neuron này có thể được xây dựng để tính toán bất cứ hàm
logic nào, chứng minh rằng các hệ thống gồm các neuron này cung cấp một mô hình tính
toán đầy đủ.
Hình 9.8 minh họa các neuron McCulloch-Pitts dùng để tính hàm logic and và or.
I
1
I
2
H
1
O
1
w
11
w
12
166 Võ Huỳnh Trâm – Trần Ngân Bình
Thứ Bảy, 1 tháng 3, 2014
THE DUC LOP 4 KI 2 HOAN CHINH
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
-GV chỉ huy cùng cả lớp thực hiện.
-Cán sự điều khiển cho các bạn
tập, GV theo dõi sửa sai cho HS,
nhắc nhở các em tập luyện.
-Cả lớp liên hoàn các động tác
trên theo lệnh của GV.
* Ôn động tác đi vượt chướng ngại
vật thấp.
-GV nhắc lại ngắn gọn cách thực
hiện.
-Tổ chức cho HS ôn lại các động
tác đi vượt chướng ngại vật dưới dự
điều khiển của GV.
-GV tổ chức cho HS ôn tập theo
từng tổ ở khu vực đã quy đònh. GV
theo dõi bao quát lớp và nhắc nhở
các em đảm bảo an toàn trong luyện
tập.
3 – 4
phút
2 – 3 lần
1 – 2
lần
6 – 8
phút
tập luyện 2 – 4 hàng
dọc, mỗi em cách nhau
2 –3m đi xong quay về
đứng cuối hàng, chờ tập
tiếp.
GV
-Học sinh 4 tổ chia
thành 4 nhóm ở vò trí
khác nhau để luyện tập.
GV
-HS tập hợp thành 2 –
4 hàng dọc, chia thành
5
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
b) Trò chơi : “Học trò chơi thăng
bằng ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV hướng dẫn cách chơi:
Chuẩn bò: Trên sân tập vẽ 4 – 5
vòng tròn có đường kính 1 , 2 m.
Cách chơi: Khi có lệnh của GV
từng đôi một các em dùng tay để
co, kéo, đẩy nhau, sao cho đối
phương bật ra khỏi vòng hoặc
không giữ được thăng bằng phải
rời tay nắm cổ chân hoặc để chân
co chạm đất cũng coi như thua.
Từng đôi chơi với nhau 3 – 5 lần,
ai thắng 2 – 3 là thắng. Sau đó
chọn lọc dần để thi đấu chọn vô
đòch của lớ.p
Chú ý : GV chọn HS chơi có cùng
tầm vóc và sức lực.
-GV nên hướng dẫn HS trước khi
chơi cách nắm cổ chân để co chân,
cách di chuyển trong vòng tròn,
cách giữ thăng bằng.
-GV tổ chức cho HS chơi dưới hình
thức thi đua từng cặp và phân công
trọng tài cho từng đôi chơi còn GV
điều khiển chung và làm tổng trọng
tài cuộc chơi.
-Tổ chức thi đấu giữa các tổ theo
phương pháp loại trực tiếp từng đôi
một, tổ nào có nhiều bạn giữ được
thăng bằng ở trong vòng tròn là tổ
7 – 8
phút
các cặp đứng quay mặt
vào nhau tạo thành
từng cặp nam với nam,
nữ với nữ. Từng đôi em
đứng vào giữa vòng
tròn, co một chân lên,
một tay đưa ra sau nắm
lấy cổ chân mình, tay
còn lại nắm lấy tay bạn
và giữ thăng bằng.
-Đội hình hồi tónh và
kết thúc.
GV
-HS hô “khỏe”.
6
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
đó thắng và được biểu dương.
3. Phần kết thúc:
-HS đi theo hàng dọc thành vòng
tròn xung quanh sân tập, vừa đi vừa
thả lỏng vừa hít thở sâu.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn các
động tác đội hình đội ngũ và bài tập
“Rèn luyện tư thế cơ bản”.
-GV hô giải tán.
4 – 6
phút
1 – 2
phút
2 – 3
phút
1 – 2
phút
∗ ∗
TUẦN 20
BÀI 39 ĐI CHUYỂN HƯỚNG PHẢI ,TRÁI
TRÒ CHƠI : “THĂNG BẰNG ”
I. Mục tiêu :
-Ôn đi chuyển hướng phải, trái. Yêu cầu thực hiện được động tác tương
đối chính xác.
-Trò chơi: “Thăng bằng ” Yêu cầu biết cách chơi và tham gia chơi tương
đối chủ động.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, kẻ sẵn các vạch, dụng cụ cho tập luyện bài
tập “Rèn luyện tư thế cơ bản và trò chơi ”.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
7
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh
só số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động: HS chạy chậm theo
một hàng dọc trên đòa hình tự
nhiên xung quanh sân trường.
+Tập bài thể dục phát triển chung.
+Trò chơi: “Có chúng em” hoặc
một trò chơi nào đó mà GV và HS
lựa chọn.
2. Phần cơ bản:
a) Đội hình đội ngũ và bài tập
rèn luyện tư thế cơ bản
* Ôn tập hợp hàng ngang, dóng
hàng, đi đều theo
1 – 4 hàng dọc
-Cán sự điều khiển cho các bạn tập
, GVbao quát , nhắc nhở , sửa sai
cho HS
* Ôn đi chuyển hướng phải, trái
-GV chia lớp thành các tổ tập
luyện theo khu vực đã quy đònh. Các
tổ trương điều khiển tổ của mình
tập, GV đi lại quan sát và sửa sai
hoặc giúp đỡ những học sinh thực
hiện chưa đúng.
-Tổ chức cho HS thi đua tập hợp
hàng ngang, dóng hàng, đi đều theo
1 – 4 hàng dọc và đi chuyển hướng
phải trái . Lần lượt từng tổ thực
hiện 1 lần và đi đều trong khoảng
6 – 10
phút
1 – 2
phút
1 phút
1 lần (4
lần 8
nhòp)
1 phút
18- 22
phút
12–
14phút
-Lớp trưởng tập hợp
lớp báo cáo.
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
-Học sinh 4 tổ chia
thành 4 nhóm ở vò
trí khác nhau để
luyện tập.
GV
GV
8
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
10 – 15m. Tổ nào tập đều , đúng,
đẹp, tập hợp nhanh được biểu
dương, tổ nào kém nhất sẽ phải
chạy 1 vòng xung quanh các tổ
thắng.
b) Trò chơi : “ Thăng bằng ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV nhắc lại cách chơi:
Cách chơi : Khi có lệnh của GV
từng đôi một các em dùng tay để
co, kéo, đẩy nhau, sao cho đối
phương bật ra khỏi vòng hoặc
không giữ được thăng bằng phải
rời tay nắm cổ chân hoặc để chân
co chạm đất cũng coi như thua .
Từng đôi chơi với nhau 3 – 5 lần,
ai thắng 2 – 3 là thắng. Sau đó
chọn lọc dần để thi đấu chọn vô
đòch của lớp.
Chú ý: GV chọn HS chơi có cùng
tầm vóc và sức lực.
-Tổ chức thi đấu giữa các tổ theo
phương pháp loại trực tiếp từng đôi
một, tổ nào có nhiều bạn giữ được
thăng bằng ở trong vòng tròn là tổ
đó thắng và được biểu dương, GV
trực tiếp điều khiển và chú ý nhắc
nhở, không để xảy ra chấn thương
cho các em.
- Sau vài lần chơi GV có thể thay
đổi hình thức, đưa thêm quy đònh
hoặc cách chơi khác cho trò chơi
thêm phần sinh động.
3. Phần kết thúc:
5 – 6
phút
4 – 6
-HS tập hợp thành 2
– 4 hàng dọc, chia
thành các cặp đứng
quay mặt vào nhau
tạo thành từng cặp
nam với nam , nữ với
nữ. Từng đôi em
đứng vào giữa vòng
tròn, co một chân
lên, một tay đưa ra
sau nắm lấy cổ chân
mình , tay còn lại
nắm lấy tay bạn và
giữ thăng bằng
GV
-Đội hình hồi tónh và
kết thúc.
9
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
-HS đi thường theo nhòp và hát.
-Đứng tại chỗ thực hiện thả lỏng,
hít thở sâu.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn động
tác đi đều.
-GV hô giải tán.
phút
2 – 3
phút
1 phút
1 phút
1 phút
GV
-HS hô “khỏe”.
∗ ∗
BÀI 40 ĐI CHUYỂN HƯỚNG PHẢI ,TRÁI
TRÒ CHƠI : “LĂN BÓNG BẰNG TAY ”
I. Mục tiêu :
-Ôn đi chuyển hướng phải, trái. Yêu cầu thực hiện được động tác tương
đối đúng.
-Học trò chơi: “Lăn bóng bằng tay ” Yêu cầu biết cách chơi và bước đầu
tham gia được vào trò chơi.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, kẻ sẵn các vạch , dụng cụ và bóng cho tập
luyện bài tập “Rèn luyện tư thế cơ bản và trò chơi: Lăn bóng bằng tay ”.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
10
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh só
số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động : HS giậm chân tại
chỗ, vỗ tay và hát.
+Chạy chậm trên đòa hình tự
nhiên quanh sân tập.
+Khởi động các khớp cổ chân, cổ
tay, gối, hông, vai.
+Trò chơi : “Quả gì ăn được”.
2. Phần cơ bản:
a) Đội hình đội ngũ và bài tập
rèn luyện tư thế cơ bản:
* Ôn tập đi đều theo 1 – 4 hàng
dọc.
-Cán sự điều khiển cho các bạn
tập, GV bao quát chung và nhắc nhở
những em thực hiện chưa chính xác.
* Ôn đi chuyển hướng phải, trái
-GV chia lớp thành các tổ tập
luyện theo khu vực đã quy đònh. Các
tổ trương điều khiển tổ của mình
tập, GV đi lại quan sát và sửa sai
hoặc giúp đỡ những học sinh thực
hiện chưa đúng.
-Tổ chức cho HS thi đua đi đều
theo 1 – 4 hàng dọc và đi chuyển
hướng phải trái. Lần lượt từng tổ
thực hiện 1 lần và đi đều trong
khoảng 10 – 15m. Tổ nào tập đều,
đúng, đẹp, tập hợp nhanh được biểu
dương, tổ nào kém nhất sẽ phải
chạy 1 vòng xung quanh các tổ
6 – 10
phút
1 – 2
phút
1 phút
1 phút
1 – 2
phút
18 – 22
phút
12–
14phút
3 – 4
phút
7 – 8
phút
-Lớp trưởng tập hợp
lớp báo cáo.
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
-Học sinh 4 tổ chia
thành 4 nhóm ở vò
trí khác nhau để
luyện tập.
GV
GV
11
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
thắng.
b) Trò chơi: “Lăn bóng bằng tay ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV hướng dẫn cách lăn bóng.
Chuẩn bò :
-Kẻ 2 vạch chuẩn bò và xuất phát
cách nhau 1,5m, càch vạch xuất
phát 10m, đặt 1 vật hoặc cắm cờ
làm đích. mỗi đội 1 quả bón.g
Cách chơi :
-Khi có lệnh em số 1 của mỗi đội
nhanh chóng di chuyển dùng tay
lăn bóng về phía cờ đíc . Khi qua
cờ đích thì vòng quay lại và lại tiếp
tục di chuyển lăn bóng trở về. Sau
khi em số 1 thực hiện xong về đứng
ở cuối hàng, em số 2 của các hàng
thực hiện như em số một. Cứ như
vậy đội nào xong trước, ít phạm
quy, đội đó thắng.
-GV tập trước động tác di chuyển,
tay điều khiển quả bóng, cách quay
vòng ở đích.
-Khi HS tập thuần thục những
động tác trên GV tổ chức cho HS
chơi thử.
-GV hướng dẫn thêm những trường
hợp phạm quy để HS nắm được luật
chơi.
Những trường hợp phạm quy
+Không dùng tay lăn bóng mà
dùng chân hoặc ôm bóng chạy
7 – 8
phút
-Chia HS trong lớp
thành 2 đội, có số
lượng người bằng
nhau, mỗi đội tập
hợp thành 1 hàng
dọc, đứng sau vạch
xuất phát và thẳng
hứơng với 1 cờ đích.
12
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
+Không vòng qua cờ đích mà đã
quay về vạch xuất phát.
+Em lăn bóng trước chưa về đến
vạch xuất phát, em tiếp theo đã rời
vạch xuất phát hoặc xuất phát
trước khi có lệnh.
+Khi di chuyển, bóng bò lăn xa
quá tầm với tay của HS khoảng 2 –
3 m (trường hợp này, các em vẫn
tiếp tục được chơi nhưng phải dừng
được bóng trong khu vực chơi).
-GV tổ chức cho hS chơi chính
thức.
-Sau vài lần chơi GV tổ chức cho
HS chơi theo hình thức tiếp sức, khi
vòng qua cột cờ mốc (vòng tròn có lá
cờ cắm ở giữa) không được giẫm vào
vòng tròn, số 1 về đến đích, số 2
mới được xuất phát. Cứ tiếp tục như
vậy cho đến hết, hàng nào hoàn
thành trước, ít phạm quy là thắng
cuộc.
3. Phần kết thúc:
-Đứng tại cho ãvỗ tay, hát.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn động
tác đi đều.
-GV hô giải tán.
4 – 6
phút
1 phút
1 phút
1 phút
GV
-Đội hình hồi tónh và
kết thúc.
GV
-HS hô “khỏe”.
13
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
∗ ∗
TUẦN 21
BÀI 41 NHẢY DÂY KIỂU CHỤM HAI CHÂN
TRÒ CHƠI : “LĂN BÓNG BẰNG TAY ”
I. Mục tiêu :
-Ôn nhảy dây cá nhân kiểu chụm hai chân .Yêu cầu thực hiện được
động tác ở mức tương đối chính xác.
-Học trò chơi: “Lăn bóng bằng tay”. Yêu cầu biết cách chơi và tham gia
chơi ở mức tương đối chủ động.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, 2 – 4 quả bóng, hai em một dây nhảy và
sân chơi cho trò chơi như bài 40.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh
só số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động: HS đứng tại chỗ, vỗ
tay và hát.
+Chạy chậm trên đòa hình tự
nhiên quanh sân tập
+Khởi động các khớp cổ chân, cổ
tay, gối, hông, vai.
+Đi đều theo 1 – 4 hàng dọc.
2. Phần cơ bản:
a) Bài tập rèn luyện tư thế cơ
bản:
* Ôn nhảy dây cá nhân kiểu chụm
hai chân
6 – 10
phút
1 – 2
phút
1 phút
1 phút
1 phút
1 phút
18 – 22
phút
12–
13phút
-Lớp trưởng tập hợp
lớp báo cáo
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
* HS đứng tại chỗ,
chụm hai chân bật
nhảy không có dây
14
**************************************************************************************
-GV chỉ huy cùng cả lớp thực hiện.
-Cán sự điều khiển cho các bạn
tập, GV theo dõi sửa sai cho HS,
nhắc nhở các em tập luyện.
-Cả lớp liên hoàn các động tác
trên theo lệnh của GV.
* Ôn động tác đi vượt chướng ngại
vật thấp.
-GV nhắc lại ngắn gọn cách thực
hiện.
-Tổ chức cho HS ôn lại các động
tác đi vượt chướng ngại vật dưới dự
điều khiển của GV.
-GV tổ chức cho HS ôn tập theo
từng tổ ở khu vực đã quy đònh. GV
theo dõi bao quát lớp và nhắc nhở
các em đảm bảo an toàn trong luyện
tập.
3 – 4
phút
2 – 3 lần
1 – 2
lần
6 – 8
phút
tập luyện 2 – 4 hàng
dọc, mỗi em cách nhau
2 –3m đi xong quay về
đứng cuối hàng, chờ tập
tiếp.
GV
-Học sinh 4 tổ chia
thành 4 nhóm ở vò trí
khác nhau để luyện tập.
GV
-HS tập hợp thành 2 –
4 hàng dọc, chia thành
5
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
b) Trò chơi : “Học trò chơi thăng
bằng ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV hướng dẫn cách chơi:
Chuẩn bò: Trên sân tập vẽ 4 – 5
vòng tròn có đường kính 1 , 2 m.
Cách chơi: Khi có lệnh của GV
từng đôi một các em dùng tay để
co, kéo, đẩy nhau, sao cho đối
phương bật ra khỏi vòng hoặc
không giữ được thăng bằng phải
rời tay nắm cổ chân hoặc để chân
co chạm đất cũng coi như thua.
Từng đôi chơi với nhau 3 – 5 lần,
ai thắng 2 – 3 là thắng. Sau đó
chọn lọc dần để thi đấu chọn vô
đòch của lớ.p
Chú ý : GV chọn HS chơi có cùng
tầm vóc và sức lực.
-GV nên hướng dẫn HS trước khi
chơi cách nắm cổ chân để co chân,
cách di chuyển trong vòng tròn,
cách giữ thăng bằng.
-GV tổ chức cho HS chơi dưới hình
thức thi đua từng cặp và phân công
trọng tài cho từng đôi chơi còn GV
điều khiển chung và làm tổng trọng
tài cuộc chơi.
-Tổ chức thi đấu giữa các tổ theo
phương pháp loại trực tiếp từng đôi
một, tổ nào có nhiều bạn giữ được
thăng bằng ở trong vòng tròn là tổ
7 – 8
phút
các cặp đứng quay mặt
vào nhau tạo thành
từng cặp nam với nam,
nữ với nữ. Từng đôi em
đứng vào giữa vòng
tròn, co một chân lên,
một tay đưa ra sau nắm
lấy cổ chân mình, tay
còn lại nắm lấy tay bạn
và giữ thăng bằng.
-Đội hình hồi tónh và
kết thúc.
GV
-HS hô “khỏe”.
6
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
đó thắng và được biểu dương.
3. Phần kết thúc:
-HS đi theo hàng dọc thành vòng
tròn xung quanh sân tập, vừa đi vừa
thả lỏng vừa hít thở sâu.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn các
động tác đội hình đội ngũ và bài tập
“Rèn luyện tư thế cơ bản”.
-GV hô giải tán.
4 – 6
phút
1 – 2
phút
2 – 3
phút
1 – 2
phút
∗ ∗
TUẦN 20
BÀI 39 ĐI CHUYỂN HƯỚNG PHẢI ,TRÁI
TRÒ CHƠI : “THĂNG BẰNG ”
I. Mục tiêu :
-Ôn đi chuyển hướng phải, trái. Yêu cầu thực hiện được động tác tương
đối chính xác.
-Trò chơi: “Thăng bằng ” Yêu cầu biết cách chơi và tham gia chơi tương
đối chủ động.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, kẻ sẵn các vạch, dụng cụ cho tập luyện bài
tập “Rèn luyện tư thế cơ bản và trò chơi ”.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
7
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh
só số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động: HS chạy chậm theo
một hàng dọc trên đòa hình tự
nhiên xung quanh sân trường.
+Tập bài thể dục phát triển chung.
+Trò chơi: “Có chúng em” hoặc
một trò chơi nào đó mà GV và HS
lựa chọn.
2. Phần cơ bản:
a) Đội hình đội ngũ và bài tập
rèn luyện tư thế cơ bản
* Ôn tập hợp hàng ngang, dóng
hàng, đi đều theo
1 – 4 hàng dọc
-Cán sự điều khiển cho các bạn tập
, GVbao quát , nhắc nhở , sửa sai
cho HS
* Ôn đi chuyển hướng phải, trái
-GV chia lớp thành các tổ tập
luyện theo khu vực đã quy đònh. Các
tổ trương điều khiển tổ của mình
tập, GV đi lại quan sát và sửa sai
hoặc giúp đỡ những học sinh thực
hiện chưa đúng.
-Tổ chức cho HS thi đua tập hợp
hàng ngang, dóng hàng, đi đều theo
1 – 4 hàng dọc và đi chuyển hướng
phải trái . Lần lượt từng tổ thực
hiện 1 lần và đi đều trong khoảng
6 – 10
phút
1 – 2
phút
1 phút
1 lần (4
lần 8
nhòp)
1 phút
18- 22
phút
12–
14phút
-Lớp trưởng tập hợp
lớp báo cáo.
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
-Học sinh 4 tổ chia
thành 4 nhóm ở vò
trí khác nhau để
luyện tập.
GV
GV
8
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
10 – 15m. Tổ nào tập đều , đúng,
đẹp, tập hợp nhanh được biểu
dương, tổ nào kém nhất sẽ phải
chạy 1 vòng xung quanh các tổ
thắng.
b) Trò chơi : “ Thăng bằng ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV nhắc lại cách chơi:
Cách chơi : Khi có lệnh của GV
từng đôi một các em dùng tay để
co, kéo, đẩy nhau, sao cho đối
phương bật ra khỏi vòng hoặc
không giữ được thăng bằng phải
rời tay nắm cổ chân hoặc để chân
co chạm đất cũng coi như thua .
Từng đôi chơi với nhau 3 – 5 lần,
ai thắng 2 – 3 là thắng. Sau đó
chọn lọc dần để thi đấu chọn vô
đòch của lớp.
Chú ý: GV chọn HS chơi có cùng
tầm vóc và sức lực.
-Tổ chức thi đấu giữa các tổ theo
phương pháp loại trực tiếp từng đôi
một, tổ nào có nhiều bạn giữ được
thăng bằng ở trong vòng tròn là tổ
đó thắng và được biểu dương, GV
trực tiếp điều khiển và chú ý nhắc
nhở, không để xảy ra chấn thương
cho các em.
- Sau vài lần chơi GV có thể thay
đổi hình thức, đưa thêm quy đònh
hoặc cách chơi khác cho trò chơi
thêm phần sinh động.
3. Phần kết thúc:
5 – 6
phút
4 – 6
-HS tập hợp thành 2
– 4 hàng dọc, chia
thành các cặp đứng
quay mặt vào nhau
tạo thành từng cặp
nam với nam , nữ với
nữ. Từng đôi em
đứng vào giữa vòng
tròn, co một chân
lên, một tay đưa ra
sau nắm lấy cổ chân
mình , tay còn lại
nắm lấy tay bạn và
giữ thăng bằng
GV
-Đội hình hồi tónh và
kết thúc.
9
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
-HS đi thường theo nhòp và hát.
-Đứng tại chỗ thực hiện thả lỏng,
hít thở sâu.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn động
tác đi đều.
-GV hô giải tán.
phút
2 – 3
phút
1 phút
1 phút
1 phút
GV
-HS hô “khỏe”.
∗ ∗
BÀI 40 ĐI CHUYỂN HƯỚNG PHẢI ,TRÁI
TRÒ CHƠI : “LĂN BÓNG BẰNG TAY ”
I. Mục tiêu :
-Ôn đi chuyển hướng phải, trái. Yêu cầu thực hiện được động tác tương
đối đúng.
-Học trò chơi: “Lăn bóng bằng tay ” Yêu cầu biết cách chơi và bước đầu
tham gia được vào trò chơi.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, kẻ sẵn các vạch , dụng cụ và bóng cho tập
luyện bài tập “Rèn luyện tư thế cơ bản và trò chơi: Lăn bóng bằng tay ”.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
10
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh só
số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động : HS giậm chân tại
chỗ, vỗ tay và hát.
+Chạy chậm trên đòa hình tự
nhiên quanh sân tập.
+Khởi động các khớp cổ chân, cổ
tay, gối, hông, vai.
+Trò chơi : “Quả gì ăn được”.
2. Phần cơ bản:
a) Đội hình đội ngũ và bài tập
rèn luyện tư thế cơ bản:
* Ôn tập đi đều theo 1 – 4 hàng
dọc.
-Cán sự điều khiển cho các bạn
tập, GV bao quát chung và nhắc nhở
những em thực hiện chưa chính xác.
* Ôn đi chuyển hướng phải, trái
-GV chia lớp thành các tổ tập
luyện theo khu vực đã quy đònh. Các
tổ trương điều khiển tổ của mình
tập, GV đi lại quan sát và sửa sai
hoặc giúp đỡ những học sinh thực
hiện chưa đúng.
-Tổ chức cho HS thi đua đi đều
theo 1 – 4 hàng dọc và đi chuyển
hướng phải trái. Lần lượt từng tổ
thực hiện 1 lần và đi đều trong
khoảng 10 – 15m. Tổ nào tập đều,
đúng, đẹp, tập hợp nhanh được biểu
dương, tổ nào kém nhất sẽ phải
chạy 1 vòng xung quanh các tổ
6 – 10
phút
1 – 2
phút
1 phút
1 phút
1 – 2
phút
18 – 22
phút
12–
14phút
3 – 4
phút
7 – 8
phút
-Lớp trưởng tập hợp
lớp báo cáo.
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
-Học sinh 4 tổ chia
thành 4 nhóm ở vò
trí khác nhau để
luyện tập.
GV
GV
11
T1
T2
T3
T4
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
thắng.
b) Trò chơi: “Lăn bóng bằng tay ”
-GV tập hợp HS theo đội hình chơi
và cho HS khởi động kó khớp cổ
chân, đầu gối, khớp hông.
-Nêu tên trò chơi.
-GV hướng dẫn cách lăn bóng.
Chuẩn bò :
-Kẻ 2 vạch chuẩn bò và xuất phát
cách nhau 1,5m, càch vạch xuất
phát 10m, đặt 1 vật hoặc cắm cờ
làm đích. mỗi đội 1 quả bón.g
Cách chơi :
-Khi có lệnh em số 1 của mỗi đội
nhanh chóng di chuyển dùng tay
lăn bóng về phía cờ đíc . Khi qua
cờ đích thì vòng quay lại và lại tiếp
tục di chuyển lăn bóng trở về. Sau
khi em số 1 thực hiện xong về đứng
ở cuối hàng, em số 2 của các hàng
thực hiện như em số một. Cứ như
vậy đội nào xong trước, ít phạm
quy, đội đó thắng.
-GV tập trước động tác di chuyển,
tay điều khiển quả bóng, cách quay
vòng ở đích.
-Khi HS tập thuần thục những
động tác trên GV tổ chức cho HS
chơi thử.
-GV hướng dẫn thêm những trường
hợp phạm quy để HS nắm được luật
chơi.
Những trường hợp phạm quy
+Không dùng tay lăn bóng mà
dùng chân hoặc ôm bóng chạy
7 – 8
phút
-Chia HS trong lớp
thành 2 đội, có số
lượng người bằng
nhau, mỗi đội tập
hợp thành 1 hàng
dọc, đứng sau vạch
xuất phát và thẳng
hứơng với 1 cờ đích.
12
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
+Không vòng qua cờ đích mà đã
quay về vạch xuất phát.
+Em lăn bóng trước chưa về đến
vạch xuất phát, em tiếp theo đã rời
vạch xuất phát hoặc xuất phát
trước khi có lệnh.
+Khi di chuyển, bóng bò lăn xa
quá tầm với tay của HS khoảng 2 –
3 m (trường hợp này, các em vẫn
tiếp tục được chơi nhưng phải dừng
được bóng trong khu vực chơi).
-GV tổ chức cho hS chơi chính
thức.
-Sau vài lần chơi GV tổ chức cho
HS chơi theo hình thức tiếp sức, khi
vòng qua cột cờ mốc (vòng tròn có lá
cờ cắm ở giữa) không được giẫm vào
vòng tròn, số 1 về đến đích, số 2
mới được xuất phát. Cứ tiếp tục như
vậy cho đến hết, hàng nào hoàn
thành trước, ít phạm quy là thắng
cuộc.
3. Phần kết thúc:
-Đứng tại cho ãvỗ tay, hát.
-GV cùng học sinh hệ thống bài
học.
-GV nhận xét, đánh giá kết quả
giờ học.
-GVø giao bài tập về nhà ôn động
tác đi đều.
-GV hô giải tán.
4 – 6
phút
1 phút
1 phút
1 phút
GV
-Đội hình hồi tónh và
kết thúc.
GV
-HS hô “khỏe”.
13
Trêng TiĨu häc An Mü Bµi so¹n thĨ dơc líp 4
**************************************************************************************
∗ ∗
TUẦN 21
BÀI 41 NHẢY DÂY KIỂU CHỤM HAI CHÂN
TRÒ CHƠI : “LĂN BÓNG BẰNG TAY ”
I. Mục tiêu :
-Ôn nhảy dây cá nhân kiểu chụm hai chân .Yêu cầu thực hiện được
động tác ở mức tương đối chính xác.
-Học trò chơi: “Lăn bóng bằng tay”. Yêu cầu biết cách chơi và tham gia
chơi ở mức tương đối chủ động.
II. Đặc điểm – phương tiện :
Đòa điểm: Trên sân trường. Vệ sinh nơi tập, đảm bảo an toàn tập luyện.
Phương tiện: Chuẩn bò còi, 2 – 4 quả bóng, hai em một dây nhảy và
sân chơi cho trò chơi như bài 40.
III. Nội dung và phương pháp lên lớp:
Nội dung Đònh
lượng
Phương pháp tổ
chức
1 . Phần mở đầu:
-Tập hợp lớp, ổn đònh: Điểm danh
só số.
-GV phổ biến nội dung: Nêu mục
tiêu - yêu cầu giờ học.
-Khởi động: HS đứng tại chỗ, vỗ
tay và hát.
+Chạy chậm trên đòa hình tự
nhiên quanh sân tập
+Khởi động các khớp cổ chân, cổ
tay, gối, hông, vai.
+Đi đều theo 1 – 4 hàng dọc.
2. Phần cơ bản:
a) Bài tập rèn luyện tư thế cơ
bản:
* Ôn nhảy dây cá nhân kiểu chụm
hai chân
6 – 10
phút
1 – 2
phút
1 phút
1 phút
1 phút
1 phút
18 – 22
phút
12–
13phút
-Lớp trưởng tập hợp
lớp báo cáo
GV
-HS đứng theo đội
hình 4 hàng ngang.
GV
-HS vẫn duy trì theo
đội hình 4 hàng
ngang.
* HS đứng tại chỗ,
chụm hai chân bật
nhảy không có dây
14
HỘI THI TÌM HIỂU VỀ MỘI TRƯỜNG
VOØNG I:
CHÚNG TÔI LÀ AI ?
CHÚNG TÔI LÀ AI ?
Mỗi đội sẽ lần lượt tự giới
thiệu tên của đội mình bằng nhiều
hình thức khác nhau. Nói được ý
nghĩa của tên đội, giới thiệu từng
thành viên trong đội với thời gian
là 2 phút. Điểm tối đa là 20 điểm
VÒNG 2
VÒNG 2:
ĐI TÌM TRI THỨC
ĐI TÌM TRI THỨC
MỖI ĐỘI SẼ TRẢ LỜI 10 CÂU HỎI
TRẮC NGHIỆM BẰNG THẺ BẢNG VỚI
CÁC ĐÁP ÁN ĐÃ CÓ SẴN.
MỖI CÂU TRẢ LỜI ĐÚNG SẼ GHI
ĐƯỢC 5 ĐIỂM
Câu 1:
Ngày nào được chọn là
Ngày nào được chọn là
ngày môi trường thế giới?
ngày môi trường thế giới?
A. Ngày 4 tháng 6
A. Ngày 4 tháng 6
B. Ngày 5 tháng 6
B. Ngày 5 tháng 6
C. Ngày 6 tháng 6
C. Ngày 6 tháng 6
C
C
âu 2
âu 2
: Những hành động nào
: Những hành động nào
sau đây có lợi cho môi trường?
sau đây có lợi cho môi trường?
A. Đốt rác không đúng nơi quy
A. Đốt rác không đúng nơi quy
định.
định.
B. Trồng cây xanh, dọn dẹp vệ
B. Trồng cây xanh, dọn dẹp vệ
sinh trường lớp.
sinh trường lớp.
C. Hái hoa trong vườn trường,
C. Hái hoa trong vườn trường,
công viên
công viên.
Câu 3: Nguyên nhân gây
ô nhiễm nguồn nước?
A.Vứt rác xuống dòng sông.
B. Khơi thông cống rãnh quanh
giếng, ao hồ.
C.Xây dựng hệ thống thoát nước.
Câu 4: Theo bạn đất
bị ô nhiễm là đất ?
A.Có nhiều phù sa.
B. Không có tạp chất.
C.Bị bạc màu.
Câu 5: Theo bạn
không khí sạch là:
A. Không khí có lẫn các tạp chất.
B. Chỉ chứa khói, bụi, tạp chất với
tỉ lệ thấp, không làm hại đến sức
khoẻ của con người
C. Có nhiều mùi lạ.
Câu 6: Điều gì sẽ xảy
ra khi có quá nhiều
khói, khí độc thải vào
không khí?
A. Không khí bị ô nhiễm.
B. Không khí bay cao.
C. Không khí nặng hơn
Câu 7: Yếu tố nào được
nêu ra dưới đây có thể
làm ô nhiễm nước?
A. Chất thải.
B. Không khí
C. Nhiệt độ
Câu 8: Trong các biện pháp làm tăng
sản lượng lương thực trên diện tích
đất canh tác, biện pháp nào sẽ làm
ô nhiễm môi trường đất?
A. Tăng cường mối quan hệ giữa cây lúa,
các sinh vật tiêu diệt sâu bọ với sâu
hại lúa.
B. Chọn giống tốt
C. Tăng cường dùng phân hoá học và
thuốc trừ sâu.
Đăng ký:
Bài đăng (Atom)