Khóa luận xây dựng hệ thống học lập trình trực tuyến có trợ lý AI tại HCMUTE năm 2025

Hướng dẫn xây dựng hệ thống học lập trình trực tuyến tích hợp trợ lý AI. Khám phá kiến trúc công nghệ, tính năng thông minh và giải pháp tối ưu học tập.

Trường đại học

Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh

Chuyên ngành

Kỹ thuật phần mềm

Tác giả

Nguyễn Phương Anh Tú, Đinh Thành Đức, Phạm Vũ Bảo Nhân

Thể loại

Khóa luận tốt nghiệp

2025

170
0
0

Phí lưu trữ

45 Point

Tóm tắt

I. Tổng quan về hệ thống học lập trình trực tuyến có AI tại HCMUTE

Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) đã triển khai dự án xây dựng hệ thống học lập trình trực tuyến tích hợp trợ lý AI. Đây là đề tài tốt nghiệp của ba sinh viên ngành Kỹ thuật Phần mềm: Nguyễn Phương Anh Tú, Đinh Thành Đức và Phạm Vũ Bảo Nhân, dưới sự hướng dẫn của GS. Hoàng Văn Dũng. Hệ thống nhắm đến việc giải quyết các hạn chế trong phương pháp dạy lập trình truyền thống. Lớp học truyền thống thiếu tính cá nhân hóa. Giảng viên không thể phản hồi ngay lập tức cho từng sinh viên. Hệ thống này tích hợp công nghệ AI để cung cấp phản hồi tức thì, chấm bài tự động và hỗ trợ học theo tiến độ cá nhân. Nền tảng được xây dựng trên kiến trúc web hiện đại, sử dụng Next.js cho giao diện người dùng và các module quản lý khóa học. Mục tiêu cốt lõi là tạo ra môi trường học lập trình hiệu quả, có khả năng mở rộng và dựa trên dữ liệu. Đây là bước tiến quan trọng trong giáo dục kỹ thuật số tại Việt Nam.

1.1. Bối cảnh và sự cần thiết của hệ thống

Nhu cầu học lập trình tại Việt Nam tăng mạnh trong những năm gần đây. Tuy nhiên, các nền tảng học trực tuyến hiện có chưa đáp ứng đủ yêu cầu về phản hồi chất lượng và chấm bài tự động. Sinh viên thường phải chờ giảng viên chấm bài thủ công, dẫn đến trễ tiến độ học tập. HCMUTE nhận ra vấn đề này và định hướng phát triển hệ thống tích hợp AI để rút ngắn vòng phản hồi, nâng cao chất lượng đào tạo kỹ thuật phần mềm trong môi trường số hóa giáo dục toàn cầu.

1.2. Phạm vi và đối tượng sử dụng hệ thống

Hệ thống phục vụ ba nhóm người dùng chính: sinh viên, giảng viên và quản trị viên. Sinh viên truy cập các khóa học, xem bài giảng và nộp bài tập lập trình. Giảng viên tạo nội dung, quản lý tiến độ và theo dõi kết quả học tập. Quản trị viên giám sát toàn bộ hệ thống, quản lý tài khoản và cấu hình nền tảng. Phạm vi triển khai ban đầu tập trung vào các học phần lập trình cơ bản và nâng cao tại Khoa Giáo dục Quốc tế, HCMUTE, với khả năng mở rộng ra toàn trường trong tương lai.

II. Phân tích vấn đề trong giáo dục lập trình truyền thống tại HCMUTE

Giáo dục lập trình truyền thống đối mặt với nhiều thách thức cơ bản. Lớp học đông sinh viên khiến giảng viên không thể theo dõi sát tiến độ từng cá nhân. Bài tập được chấm thủ công tốn thời gian và dễ thiếu nhất quán. Phản hồi chậm làm sinh viên mất động lực học tập. Ngoài ra, hệ thống đánh giá truyền thống chỉ kiểm tra kết quả đầu ra mà không phân tích chất lượng mã nguồn. Sinh viên có thể nộp bài đúng kết quả nhưng viết mã kém hiệu quả hoặc thiếu logic rõ ràng. Điều này ảnh hưởng trực tiếp đến kỹ năng lập trình thực tế sau khi tốt nghiệp. Môi trường học không cá nhân hóa cũng tạo ra khoảng cách lớn giữa sinh viên giỏi và sinh viên yếu. Những sinh viên yếu không nhận được hỗ trợ kịp thời, dẫn đến tỷ lệ bỏ học hoặc học không hiệu quả tăng cao. Đây là vấn đề cần được giải quyết bằng công nghệ hiện đại.

2.1. Hạn chế của phương pháp chấm bài thủ công

Chấm bài lập trình thủ công có nhiều điểm yếu rõ ràng. Giảng viên cần nhiều giờ để xem xét từng bài nộp, đặc biệt trong các lớp có hàng trăm sinh viên. Tiêu chí chấm điểm không thống nhất giữa các giảng viên dẫn đến kết quả thiếu công bằng. Quan trọng hơn, phản hồi chậm trễ khiến sinh viên không thể sửa lỗi ngay trong quá trình học, làm giảm hiệu quả tiếp thu kiến thức và phát triển kỹ năng giải quyết vấn đề lập trình thực tiễn.

2.2. Thiếu công cụ phân tích chất lượng mã nguồn

Hầu hết hệ thống học lập trình hiện có chỉ kiểm tra tính đúng đắn của kết quả chạy chương trình. Chúng không đánh giá cấu trúc mã, luồng logic, hay chất lượng lập trình tổng thể. Sinh viên không được phản hồi về cách cải thiện phong cách viết mã. Hậu quả là sinh viên ra trường có thể giải được bài toán nhưng thiếu kỹ năng viết mã sạch, bảo trì được và có hiệu suất cao – những yêu cầu thiết yếu trong môi trường làm việc thực tế tại các doanh nghiệp phần mềm.

III. Giải pháp kỹ thuật xây dựng hệ thống học lập trình AI tại HCMUTE

Nhóm nghiên cứu đề xuất kiến trúc hệ thống toàn diện kết hợp nhiều công nghệ hiện đại. Giao diện người dùng được xây dựng bằng Next.js – framework React hỗ trợ server-side rendering (SSR) và static site generation (SSG) do Vercel phát triển. Next.js cung cấp hiệu suất cao thông qua tối ưu hóa tự động, phân tách mã và làm mới nhanh. Hệ thống chấm bài tự động sử dụng module AST (Abstract Syntax Tree) tích hợp sẵn của Python để phân tích mã nguồn sinh viên. AST cho phép đánh giá không chỉ kết quả đầu ra mà còn cấu trúc lập trình, luồng logic và chất lượng mã tổng thể. Trợ lý AI được tích hợp để cung cấp gợi ý học tập cá nhân hóa, giải thích lỗi và hướng dẫn cải thiện mã nguồn theo thời gian thực. Hệ thống quản lý khóa học cho phép giảng viên tạo nội dung đa phương tiện bao gồm văn bản, video và bài tập tương tác. Toàn bộ kiến trúc được thiết kế để mở rộng linh hoạt theo quy mô người dùng.

3.1. Ứng dụng AST để chấm bài lập trình tự động

Module AST của Python phân tích mã nguồn thành cây cú pháp trừu tượng, cho phép kiểm tra chi tiết cấu trúc lập trình. Hệ thống đánh giá các yếu tố như sử dụng vòng lặp, điều kiện, hàm và độ phức tạp thuật toán. Theo nghiên cứu của Nguyễn Phương Anh Tú và Hoàng Văn Dũng (2024), hệ thống dựa trên AST hiệu quả trong việc phát hiện lỗi logic, vấn đề hiệu suất và tiềm năng tối ưu hóa mã nguồn sinh viên, nâng cao chất lượng học tập đáng kể so với chấm bài truyền thống.

3.2. Tích hợp trợ lý AI và quản lý người dùng đa vai trò

Trợ lý AI được nhúng trực tiếp vào môi trường lập trình, cung cấp gợi ý theo ngữ cảnh và giải thích lỗi bằng ngôn ngữ tự nhiên. Hệ thống hỗ trợ ba vai trò người dùng với phân quyền riêng biệt: sinh viên, giảng viên và quản trị viên. Mỗi vai trò có giao diện và chức năng phù hợp. Sinh viên theo dõi tiến độ cá nhân. Giảng viên phân tích dữ liệu học tập lớp. Quản trị viên cấu hình và giám sát toàn hệ thống, đảm bảo vận hành ổn định và bảo mật thông tin người dùng.

IV. Kết quả và ứng dụng thực tiễn của hệ thống AI trong đào tạo lập trình

Hệ thống học lập trình trực tuyến tích hợp AI tại HCMUTE mang lại tác động giáo dục rõ rệt. Việc chấm bài tự động bằng AST giúp sinh viên nhận phản hồi ngay lập tức sau mỗi lần nộp bài. Điều này rút ngắn chu kỳ học – sửa lỗi – cải thiện xuống còn vài giây thay vì vài ngày. Sinh viên hiểu sâu hơn về lỗi lập trình và cách khắc phục. Chất lượng mã nguồn được cải thiện đáng kể qua từng bài tập. Nền tảng có khả năng xử lý khối lượng lớn bài nộp đồng thời mà không giảm độ chính xác chấm điểm, đảm bảo tính công bằng và nhất quán. Về ứng dụng lâu dài, mô hình này có thể nhân rộng ra các trường đại học kỹ thuật khác tại Việt Nam. Dữ liệu học tập thu thập được cung cấp thông tin quý giá cho việc cải tiến chương trình đào tạo. Hệ thống đặt nền tảng cho hướng nghiên cứu tiếp theo về AI trong giáo dục kỹ thuật số tại môi trường đại học.

4.1. Tác động đến kết quả học tập của sinh viên

Tích hợp AST và AI vào đánh giá bài tập lập trình thúc đẩy thực hành viết mã tốt hơn. Sinh viên nhận được giải thích cụ thể về từng lỗi, không chỉ thông báo sai hay đúng. Khả năng tự sửa lỗi và tư duy phản biện về mã nguồn được nâng cao. Kết quả học tập tổng thể cải thiện rõ ràng khi sinh viên có công cụ học tập chủ động và phản hồi tức thời, tạo động lực duy trì tiến độ học tập liên tục trong suốt học kỳ.

4.2. Tiềm năng mở rộng và hướng phát triển tương lai

Hệ thống được thiết kế với kiến trúc mô-đun, dễ dàng bổ sung ngôn ngữ lập trình mới và loại bài tập đa dạng. Trong tương lai, hệ thống có thể tích hợp phân tích học tập dự đoán để nhận diện sớm sinh viên có nguy cơ học kém. Hợp tác với doanh nghiệp phần mềm để cập nhật tiêu chuẩn đánh giá theo yêu cầu thị trường lao động là hướng phát triển khả thi, góp phần thu hẹp khoảng cách giữa đào tạo đại học và thực tiễn ngành công nghiệp phần mềm tại Việt Nam.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

14/10/2026

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY AND EDUCATION GRADUATION THESIS MAJOR: GRADUATION THESIS OF SOFTWARE ENGINEERING DEVELOPING AN ONLINE PROGRAMMING LEARNING SYSTEM WITH AI ASSISTANT INSTRUCTOR: HOANG VAN DUNG STUDENT: NGUYEN PHUONG ANH TU DINH THANH DUC PHAM VU BAO NHAN Ho Chi Minh city, 2025 HCMC UNIVERSITY OF TECHNOLOGY AND EDUCATION FACULTY OF INTERNATIONAL EDUCATION 🕯✡🕮🕮✡🕯 GRADUATION THESIS DEVELOPING AN ONLINE PROGRAMMING LEARNING SYSTEM WITH AI ASSISTANT INSTRUCTOR: PROF. HOÀNG VĂN DŨNG STUDENTS: NGUYỄN PHƯƠNG ANH TÚ – 21110105 ĐINH THÀNH ĐỨC – 21110765 PHẠM VŨ BẢO NHÂN – 21110066 ACADEMIC YEAR: 2021 – 2025 MAJOR: SOFTWARE ENGINEERING Ho Chi Minh City, 2025 THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness ----***---- Ho Chi Minh City, ____ __, 2025 GRADUATION PROJECT ASSIGNMENT Student Name 1: Nguyễn Phương Anh Tú Student ID 1: 21110105 Student Name 2: Đinh Thành Đức Student ID 2: 21110765 Student Name 3: Phạm Vũ Bảo Nhân Student ID 3: 21110066 Major: Software Engineering Class: 21110FIE1,4 Instructor: Prof. Hoàng Văn Dũng Phone Number: Date of Assignment: Date of Submission: 1. Project Title: Developing an Online Programming Learning System with AI Assistant 2.

Initial Materials Provided by Instructor: 3. Content of the Project: 4. Final Product: CHAIR OF THE PROGRAM INSTRUCTOR (Sign with full name) (Sign with full name) 1 THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness ----***---- INSTRUCTOR'S REPORT FORM Student Name 1: Nguyễn Phương Anh Tú Student ID 1: 21110105 Student Name 2: Đinh Thành Đức Student ID 2: 21110765 Student Name 3: Phạm Vũ Bảo Nhân Student ID 3: 21110066 Major: Software Engineering Project title: Developing an Online Programming Learning System with AI Assistant Instructor’s name: Prof. Hoàng Văn Dũng REPORT Project’s content & progress:.

Thesis oral defense approval: (Approved or Denied). Ho Chi Minh City, ____ __, 2025 INSTRUCTOR (Sign with full name) 2 THE SOCIALIST REPUBLIC OF VIETNAM Independence – Freedom– Happiness ----***---- EVALUATION COMMITTEE'S REPORT FORM Student Name 1: Nguyễn Phương Anh Tú Student ID 1: 21110105 Student Name 2: Đinh Thành Đức Student ID 2: 21110765 Student Name 3: Phạm Vũ Bảo Nhân Student ID 3: 21110066 Major: Software Engineering Project title: Developing an Online Programming Learning System with AI Assistant Evaluation Committee member’s name: Prof. Nguyễn Đăng Quang REPORT Project’s content & progress:. Thesis oral defense approval: (Approved or Denied).

Ho Chi Minh City, ____ __, 2025 EVALUATION COMMITTEE MEMBER (Sign with full name) 3 Acknowledgement ACKNOWLEDGEMENT We would like to extend our sincere gratitude to Mr. Hoàng Văn Dũng, our instructor at Ho Chi Minh City University of Technology and Education, for his invaluable assistance in selecting our topic, guiding us throughout the research process, providing constructive feedback, and supplying essential reference materials during the development of this project titled “Developing an Online Programming Learning System with AI Assistant.” We are also deeply grateful to all the faculty members of the Information Technology Department for their continuous support and for patiently clarifying our doubts throughout the implementation phase. Furthermore, we wish to express our appreciation to our seniors for sharing valuable insights and reference materials, and to our peers for their collaboration and exchange of experiences, which have significantly contributed to enhancing the quality of our work. We look forward to receiving feedback and suggestions from our esteemed teachers and fellow students to further refine and improve our project.

Thank you sincerely. Ho Chi Minh City, ____ __, 2025 THE PROJECT TEAM 4 Table of Contents TABLE OF CONTENTS GRADUATION PROJECT ASSIGNMENT _____________________________________ 1 INSTRUCTOR'S REPORT FORM ____________________________________________ 2 EVALUATION COMMITTEE'S REPORT FORM _______________________________ 3 ACKNOWLEDGEMENT ____________________________________________________ 4 TABLE OF CONTENTS _____________________________________________________ 5 ABBREVIATIONS ________________________________________________________ 10 FIGURES ________________________________________________________________ 11 USE CASES ______________________________________________________________ 14 SEQUENCE DIAGRAMS __________________________________________________ 15 TABLES _________________________________________________________________ 16 CHAPTER 1. Rationale for the Project 17 1. Objectives of the Project 17 1.

Survey and Evaluation of Related Systems 18 1. Categorization and Analysis of Existing Platforms 19 1. Identified Gaps and the Rationale for a Unified Solution 22 1. Addressing the Gaps: Project Objectives and Proposed Solutions 23 1.

Solution to Enhance Problem-Solving in Code Evaluation Systems 24 CHAPTER 2. Microservice 28 5 Table of Contents 2. Abstract Syntax Tree 29 2. Large Language Models (LLMs) 29 2.

Natural Language Processing (NLP) 30 2. Vector Database and Similarity Search 31 2. Content Management System (CMS) 31 2. Web Scraping and Information Retrieval 32 CHAPTER 3.

Use Case Capturing & Modeling 37 3. Use Case Diagram 37 3. Use Case Specifications 38 CHAPTER 4. Overall System Architecture 49 4.

Microservices Architecture 50 CHAPTER 5. Markdown to Website Conversion System Architecture 53 5. Core Processing Pipeline 54 5. Text Processing Subsystem 56 5.

Complete Conversion Workflow 62 5. Conclusion 63 6 Table of Contents 5. Evaluation Assignment Code System 64 5. System Workflow Overview 65 5.

Initialization and AST Construction 65 5. Node Classification and Extraction 66 5. AST Unparsing and Secure Compilation 66 5. Dynamic Execution and Functional Testing 67 5.

Profiling and Performance Analysis 68 5. Comparative Evaluation and Result Compilation 69 5. The Communication Model Protocol (CMP) Architecture 70 5. Core Architectural Components 72 5.

Educational Dialogue Processing Workflow 73 5. Architectural Design Patterns 74 5. Monorepo Architecture in E-Learning Platform 77 5. Overview of Monorepo Architecture 77 5.

Advantages and Considerations 82 5. SYSTEM ANALYSIS & DESIGN ______________________________ 83 6. Component Diagram 83 7 Table of Contents 6. User Database Schema 89 6.

Course Database Schema 93 6. Enrollment Database Schema 96 6. Exercises Database Schema 98 6. Payments Database Schema 99 6.

Object-Oriented Design 102 6. Sequence Diagrams 102 CHAPTER 7. List of Pages and Conversion Diagram 110 7. Detailed Description of Pages 110 7.

List of Pages and Conversion Diagram 121 7. Detailed Description of Pages 121 7. Microservice-based Implementation 137 7. Microservice Architecture Overview 137 7.

Service Decomposition and Domain Boundaries 138 7. API Implementation and Service Communication 140 7. AI Service Implementation 141 7. Front-End Integration 142 7.

Overview of Deployment Architecture 145 7. Development Environment Setup 146 7. Continuous Integration and Continuous Deployment (CI/CD) 150 8 Table of Contents 7. Monitoring and Observability 157 7.

Scaling and Performance Optimization 158 7. Monitoring and Testing 160 CHAPTER 8. Advantages and Disadvantages of the System 163 8. Future Plans 166 REFERENCES ___________________________________________________________ 167 9 List of Abbreviations ABBREVIATIONS IDE Integrated Development Environment API Application Programming Interface UI User Interface CSS Cascading Style Sheets ORM Object Relational Mapping SQL Structured Query Language DB Database AST Abstract Syntax Tree AI Artificial Intelligence LLM Large Language Model NLP Natural Language Processing ERD Entity Relationship Diagram Table 0—1.

Abbreviations 10 List of Figures FIGURES Figure 3—1. Use Case Diagram _________________________________________________ 37 Figure 4—1. Overall System Architecture __________________________________________ 49 Figure 4—2. Overview of the Microsystems Architecture _____________________________ 51 Figure 5—1.

High-level Architecture of the Markdown to Website Conversion System ______ 54 Figure 5—2. Core Processing Pipeline ____________________________________________ 55 Figure 5—3. Text Processing Flow _______________________________________________ 57 Figure 5—4. Mathematical Content Processing _____________________________________ 58 Figure 5—5.

Format Conversion Mechanisms ______________________________________ 59 Figure 5—6. Integration with External Libraries _____________________________________ 61 Figure 5—7. Complete Conversion Workflow ______________________________________ 63 Figure 5—8. Flowchart for AST Implementation ____________________________________ 65 Figure 5—9.

Detail for Unittest and Visit Nodes Process ______________________________ 66 Figure 5—10. Idea for Process ClassBaseAST ______________________________________ 67 Figure 5—11. Pseudocode for Evaluation Code Function ______________________________ 68 Figure 5—12. Pseudocode for Unittest Functions ____________________________________ 69 Figure 5—13.

Pseudocode for Unittest Run ________________________________________ 70 Figure 5—14. CMP System Architectural Overview__________________________________ 71 Figure 5—15. Core Architectural Components ______________________________________ 72 Figure 5—16. Educational Dialogue Processing Workflow ____________________________ 74 Figure 5—17.

Architectural Design Patterns ________________________________________ 75 Figure 5—18. Technical Implementation Stack ______________________________________ 76 Figure 5—19. Overview of Monorepo Architecture __________________________________ 78 Figure 5—20. Architecture Structure Diagram ______________________________________ 78 Figure 5—21.

Integration Architecture Diagram _____________________________________ 81 Figure 6—1. Component Diagram ________________________________________________ 83 Figure 6—2. Login Process Activity Diagram _______________________________________ 84 Figure 6—3. Course Management Activity Diagram _________________________________ 84 Figure 6—4.

Course Enrollment Process Activity Diagram ____________________________ 85 Figure 6—5. Do Exercise Process Activity Diagram__________________________________ 85 Figure 6—6. Upload Docx Process Activity Diagram _________________________________ 86 Figure 6—7. AI Chat Process Activity Diagram _____________________________________ 87 Figure 6—8.

AI Assist Solving Exercise Process Activity Diagram ______________________ 88 Figure 6—9. Logical Diagram ___________________________________________________ 89 Figure 6—10. Class Diagram ___________________________________________________ 102 Figure 7—1. Conversion Diagram for User Pages __________________________________ 110 Figure 7—2.

Home Page (User)_________________________________________________ 111 Figure 7—3. Contact Support __________________________________________________ 111 Figure 7—4. AI Teaching Assistant ______________________________________________ 112 Figure 7—5. AI Summarizing Text ______________________________________________ 113 11 List of Figures Figure 7—6.

Login Page (User) _________________________________________________ 114 Figure 7—7. Course Categories Page (Website) ____________________________________ 114 Figure 7—8. Course Detail Page (Website) ________________________________________ 115 Figure 7—9. Learning Lessons List Page _________________________________________ 115 Figure 7—10.

Exercise List Page (User) (1) _______________________________________ 116 Figure 7—11. Exercise List Page (User) (2) _______________________________________ 116 Figure 7—12. Exercise Detail Page (User) ________________________________________ 117 Figure 7—13. Pricing Register Page _____________________________________________ 117 Figure 7—14.

Profile Page (1) __________________________________________________ 118 Figure 7—15. Profile Page (2) __________________________________________________ 118 Figure 7—16. Blogs Page _____________________________________________________ 119 Figure 7—17. Blog Detail Page (1) ______________________________________________ 120 Figure 7—18.

Blog Detail Page (2) ______________________________________________ 120 Figure 7—19. Conversion Diagram for Admin Pages ________________________________ 121 Figure 7—20. Dashboard Page (Admin) (1) _______________________________________ 122 Figure 7—21. Dashboard Page (Admin) (2) _______________________________________ 122 Figure 7—22.

Dashboard Page (Admin) (3) _______________________________________ 123 Figure 7—23. Dashboard Page (Admin) (4) _______________________________________ 123 Figure 7—24. User Management (Admin) (1) _____________________________________ 124 Figure 7—25. User Management (Admin) (2) _____________________________________ 124 Figure 7—26.

User Management (Admin) (3) _____________________________________ 125 Figure 7—27. User Management (Admin) (4) _____________________________________ 125 Figure 7—28. Course Management (Admin) (1) ____________________________________ 126 Figure 7—29. Course Management (Admin) (2) ____________________________________ 126 Figure 7—30.

Lesson Management (Admin) (1) ____________________________________ 127 Figure 7—31. Lesson Management (Admin) (2) ____________________________________ 127 Figure 7—32. Enrollment Management (Admin) (1) ________________________________ 128 Figure 7—33. Enrollment Management (Admin) (2) ________________________________ 128 Figure 7—34.

Exercise Management (Admin) (1) __________________________________ 129 Figure 7—35. Exercise Management (Admin) (2) __________________________________ 129 Figure 7—36. Exercise Management (Admin) (3) __________________________________ 130 Figure 7—37. Exercise Management (Admin) (4) __________________________________ 130 Figure 7—38.

Exercise Management (Admin) (5) __________________________________ 131 Figure 7—39. Exercise Management (Admin) (6) __________________________________ 132 Figure 7—40. Blog Management (Admin) (1) _____________________________________ 133 Figure 7—41. Blog Management (Admin) (2) _____________________________________ 133 Figure 7—42.

Blog Management (Admin) (3) _____________________________________ 134 Figure 7—43. Pricing Management (Admin) (1) ___________________________________ 135 Figure 7—44. Pricing Management (Admin) (2) ___________________________________ 135 Figure 7—45. AI Generative UI (1) ______________________________________________ 136 Figure 7—46.

AI Generative UI (2) ______________________________________________ 136 12 List of Figures Figure 7—47. AI Generative – Voice Input ________________________________________ 137 Figure 7—48. Microservice Architecture of the ELP-CMP Platform ____________________ 138 Figure 7—49. Database Architecture of the ELP-CMP Platform _______________________ 140 Figure 7—50.

API Gateway Pattern and Service Communication Flow __________________ 141 Figure 7—51. AI Service Architecture____________________________________________ 142 Figure 7—52. Front-End Architecture and Microservice Integration ____________________ 143 Figure 7—53. Test API on Production/Staging Branch in Real Deployment Server ________ 144 Figure 7—54.

Detail One Trace _________________________________________________ 145 Figure 7—56. Overall Deployment Architecture of the ELP-CMP Platform ______________ 146 Figure 7—57. CI/CD Workflow for the ELP-CMP Platform __________________________ 151 Figure 7—58. Auto Build & Test for Deploy_______________________________________ 151 Figure 7—59.

Front-End Deployment (Vercel) (1) __________________________________ 152 Figure 7—60. Front-End Deployment (Vercel) (2) __________________________________ 152 Figure 7—61. Front-End Deployment (Vercel) (3) __________________________________ 153 Figure 7—62. Front-End Deployment (Vercel) (4) __________________________________ 153 Figure 7—63.

PostgreSQL on Neon DB __________________________________________ 155 Figure 7—64. Figure Link Neon DB to Set Up AUTO SCALING Project _______________ 157 Figure 7—65. Test API on Production/Staging Branch in Real Deployment Server ________ 161 Figure 7—68.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Cách trích dẫn tài liệu này

Chuẩn Việt Nam
Nguyễn Phương Anh Tú, Đinh Thành Đức, Phạm Vũ Bảo Nhân (2025), Xây dựng hệ thống học lập trình trực tuyến có trợ lý AI, Khóa luận tốt nghiệp, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh.
APA 7
Nguyễn, P. A. T., Đinh, T. Đ., & Phạm, V. B. N. (2025). Xây dựng hệ thống học lập trình trực tuyến có trợ lý AI [Khóa luận tốt nghiệp, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh]. vn-document.net. https://vn-document.net/document/developing-an-online-programing-learning-system-with-ai-assistant/9883756634
IEEE
P. A. T. Nguyễn, T. Đ. Đinh, and V. B. N. Phạm, "Xây dựng hệ thống học lập trình trực tuyến có trợ lý AI," Khóa luận tốt nghiệp, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh, 2025. [Online]. Available: https://vn-document.net/document/developing-an-online-programing-learning-system-with-ai-assistant/9883756634

Tạo trích dẫn cho tài liệu khác