Giới thiệu dự án

Trong bối cảnh chuyển đổi số giáo dục đang diễn ra mạnh mẽ trên toàn cầu, thị trường E-Learning được dự báo đạt quy mô hơn 450 tỷ USD vào năm 2028 với tốc độ tăng trưởng kép hàng năm (CAGR) vượt 16.5%. Tại Việt Nam, nhu cầu tiếp cận tri thức trực tuyến tăng đột biến đặt ra bài toán cấp thiết về việc xây dựng các nền tảng phân phối và quản lý học tập (Learning Management System - LMS) chuyên nghiệp. Trước đây, nhiều cá nhân và tổ chức tận dụng mạng xã hội (Facebook, YouTube, Telegram) để chia sẻ tài liệu; tuy nhiên, phương thức này bộc lộ những điểm yếu chí mạng: kiến thức bị phân mảnh, thiếu lộ trình sư phạm bài bản, không thể kiểm soát tiến độ và đánh giá năng lực thực tế của học viên, đồng thời trải nghiệm tương tác thời gian thực bị hạn chế.

Đề tài "Xây dựng hệ thống quản lý khóa học trực tuyến (Building Online Course Management System)" được thực hiện bởi nhóm sinh viên Khoa Công nghệ Phần mềm – Trường Đại học Công nghệ Thông tin (ĐHQG-HCM), dưới sự hướng dẫn của TS. Nguyễn Trịnh Đông. Đề tài tập trung giải quyết triệt để các rào cản trên thông qua việc phát triển một hệ sinh thái học tập di động hoàn chỉnh, kết hợp khả năng cá nhân hóa lộ trình học bằng Trí tuệ nhân tạo (AI) và hạ tầng tương tác đa phương tiện thời gian thực.

+-----------------------------------------------------------------------+
|                 HỆ SINH THÁI QUẢN LÝ HỌC TẬP TRỰC TUYẾN               |
|                                                                       |
|  [Flutter Mobile App] <---> [NestJS API Gateway] <---> [MongoDB Cloud]|
|          |                         |                         |        |
|  (WebRTC Live Video)      (Socket.IO Realtime)     (Firebase Storage) |
|          |                         |                         |        |
|  [Python AI Engine]       [VNPAY Payment Gateway]  [Google News API]  |
|  (Collaborative Filter)    (HMAC-SHA512 Secured)    (RESTful Search)  |
+-----------------------------------------------------------------------+

Vấn đề thực tiễn (Problem Statement & Pain Points)

  1. Phân mảnh tài liệu và gián đoạn lộ trình: Học viên gặp khó khăn khi tổng hợp giáo trình, video bài giảng và bài tập thực hành trên các kênh phân phối phi chuyên dụng.
  2. Thiếu tính năng cá nhân hóa nội dung: Các hệ thống hiện có thường hiển thị khóa học theo thứ tự tĩnh, không phân tích sở thích và lịch sử học tập để đưa ra gợi ý phù hợp cho từng cá nhân.
  3. Độ trễ tương tác cao: Các nền tảng học qua video truyền thống thiếu công cụ tương tác trực tiếp (Livestream độ trễ thấp, thảo luận tức thời).
  4. Quy trình thanh toán và nâng cấp tài khoản phức tạp: Việc đối soát thanh toán thủ công làm gián đoạn trải nghiệm kích hoạt khóa học của học viên.

Mục tiêu của dự án (Project Objectives)

  1. Xây dựng ứng dụng di động đa nền tảng: Phát triển client trên Android và iOS với giao diện trực quan, hiệu năng mượt mà 60 FPS.
  2. Thiết kế Backend kiến trúc Module hóa: Ứng dụng NestJS framework kết hợp TypeScript nhằm xây dựng RESTful API bảo mật, dễ mở rộng và bảo trì.
  3. Phát triển thuật toán gợi ý khóa học: Ứng dụng mô hình Lọc cộng tác (User-Based Collaborative Filtering) viết bằng Python để cá nhân hóa đề xuất khóa học.
  4. Tích hợp truyền thông đa phương tiện thời gian thực: Sử dụng WebRTC để truyền phát video trực tiếp (Livestream) độ trễ dưới 500ms và Socket.IO cho hệ thống bình luận trực tiếp.
  5. Tự động hóa giao dịch tài chính: Tích hợp cổng thanh toán trực tuyến VNPAY với cơ chế bảo mật xác thực chữ ký số HMAC-SHA512.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án áp dụng phương pháp thiết kế hướng module (Modular Architecture), tách biệt giữa tầng hiển thị (Mobile Client), tầng xử lý logic nghiệp vụ (API Gateway/Backend), tầng AI Microservice và tầng dữ liệu phân tán (NoSQL MongoDB & Cloud Storage).

Chỉ số đo lường kỳ vọng:

  • Thời gian phản hồi API trung bình: $< 200\text{ ms}$ cho $95%$ các truy vấn tiêu chuẩn.
  • Độ chính xác của thuật toán gợi ý (Precision@K): Đạt trên $85%$ sự tương thích với sở thích học viên.
  • Khả năng xử lý đồng thời: Duy trì ổn định với $1,500$ người dùng hoạt động đồng thời (CCU).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Nền tảng truyền thống (Moodle / Canvas) Mạng xã hội / Kênh tự phát Hệ thống đề xuất trong đồ án
Nền tảng chính Web Monolithic Mobile / Web App Mobile-First (Flutter Native Cross-Platform)
Cá nhân hóa nội dung Quy tắc thủ công (Rule-based) Theo thuật toán tương tác mạng xã hội User-Based Collaborative Filtering chuyên sâu
Tương tác trực tiếp Plugin tích hợp bên thứ ba (Zoom/BigBlueButton) Livestream công khai, khó kiểm soát học viên WebRTC Peer-to-Peer & Socket.IO tích hợp sâu
Trải nghiệm giao diện Phức tạp, nhiều thao tác thừa Thân thiện nhưng thiếu công cụ học tập Tối ưu UI/UX di động, tập trung vào thao tác học
Thanh toán tự động Cần cấu hình module phức tạp Chuyển khoản thủ công, đối soát chậm Cổng VNPAY tích hợp sâu, kích hoạt tức thì

Phân loại yêu cầu người dùng (Mô hình MoSCoW)

  • Must-have (Bắt buộc phải có): Xác thực người dùng (JWT, Email Verification), Quản lý khóa học/bài giảng/bài kiểm tra trắc nghiệm, Cổng thanh toán VNPAY, Lưu trữ video/hình ảnh qua Firebase Storage.
  • Should-have (Nên có): Thuật toán gợi ý khóa học Collaborative Filtering, Bình luận theo thời gian thực (Socket.IO), Tích hợp Google Search API để đọc tin tức giáo dục.
  • Could-have (Có thể có): Tính năng chia sẻ màn hình và Livestream trực tiếp qua WebRTC, Chế độ xem ngoại tuyến (Offline caching).
  • Won't-have (Chưa thực hiện trong giai đoạn này): Chấm điểm tự luận bằng AI, Hệ thống cấp chứng chỉ Blockchain.

Thiết kế hệ thống

Ngăn xếp công nghệ chi tiết (Technology Stack)

+--------------------------------------------------------------------------+
|                            TECHNOLOGY STACK                              |
+-------------------+------------------------------------------------------+
| Layer             | Technologies & Frameworks                            |
+-------------------+------------------------------------------------------+
| Client Mobile     | Flutter SDK 3.10.x, Dart 3.0.x, Provider/Bloc        |
| Backend Gateway   | NestJS 9.x, Node.js 18 LTS, TypeScript 5.x           |
| AI Microservice   | Python 3.10, NumPy, Pandas, Scikit-Learn             |
| Real-time Engine  | Socket.IO 4.x, WebRTC Native M104                    |
| Database & Cloud  | MongoDB Community 6.0, Mongoose ODM, Firebase Cloud  |
| Payment & Tools   | VNPAY Sandbox API, Google Custom Search, Docker, Git |
+-------------------+------------------------------------------------------+

Thiết kế cơ sở dữ liệu (Database Schema)

Hệ thống sử dụng MongoDB với các Collection chính được mô hình hóa hướng tài liệu:

  • User: Lưu trữ _id, email, password_hash, role (Admin/Teacher/Student), profile_details, enrolled_courses.
  • Course: Lưu trữ _id, title, description, price, thumbnail_url, author_id, rating_avg, created_at.
  • Section & Lesson: Mô hình cây phân cấp chứa danh sách chương mục, video streaming URI, tài liệu đính kèm và thời lượng.
  • Exam & Question: Lưu trữ danh sách câu hỏi trắc nghiệm, các lựa chọn, đáp án đúng và điểm trọng số.
  • Result: Lưu trữ kết quả thi của sinh viên, thời gian hoàn thành và số điểm đạt được.
  • Rate & Comment: Thu thập xếp hạng 1-5 sao và nội dung phản hồi, phục vụ làm đầu vào cho thuật toán đề xuất.
erDiagram
    USER ||--o{ ENROLLMENT : has
    USER ||--o{ RATE : creates
    USER ||--o{ COMMENT : writes
    COURSE ||--|{ SECTION : contains
    SECTION ||--|{ LESSON : contains
    COURSE ||--o{ EXAM : includes
    EXAM ||--|{ QUESTION : contains
    USER ||--o{ RESULT : submits
    COURSE ||--o{ RATE : receives
    COURSE ||--o{ COMMENT : has

Thiết kế bảo mật và phân quyền (Security Architecture)

  1. Xác thực và ủy quyền: Sử dụng JSON Web Token (JWT) với cơ chế Access Token (hạn 15 phút) và Refresh Token (hạn 7 ngày). Phân quyền theo vai trò (Role-Based Access Control - RBAC) bằng NestJS Guards.
  2. Bảo vệ toàn vẹn dữ liệu thanh toán: Tạo chuỗi dữ liệu chuẩn hóa (raw hash data) và tính toán mã kiểm tra chữ ký số bằng thuật toán HMAC-SHA512 kết hợp SecretKey của VNPAY.
  3. Mã hóa và lọc dữ liệu: Mật khẩu được băm bằng thuật toán bcrypt với muối (salt) 10 vòng; toàn bộ dữ liệu đầu vào được xác thực qua NestJS ValidationPipe kết hợp thư viện class-validator.

Phương pháp luận phát triển (Methodology)

Dự án áp dụng mô hình phát triển phần mềm Agile/Scrum với chu kỳ 2 tuần mỗi Sprint:

  • Sprint 1-2: Phân tích yêu cầu, thiết kế wireframe trên Figma, thiết lập Database Schema và dựng khung API NestJS.
  • Sprint 3-4: Xây dựng UI Flutter, triển khai các module Auth, Course Management và cấu hình Firebase Storage.
  • Sprint 5-6: Lập trình module Trắc nghiệm, tích hợp cổng thanh toán VNPAY và xây dựng công cụ giao tiếp Socket.IO.
  • Sprint 7-8: Phát triển Engine gợi ý bằng Python, tích hợp WebRTC Livestream, tiến hành kiểm thử hiệu năng và nghiệm thu hệ thống.

Implementation và kết quả

Quy trình phát triển và các thuật toán cốt lõi

1. Thuật toán gợi ý khóa học: User-Based Collaborative Filtering

Hệ thống tính toán độ tương đồng giữa người dùng mục tiêu $u$ và các người dùng khác $v$ dựa trên ma trận đánh giá (User-Item Matrix) thông qua hệ số tương quan Cosine (Cosine Similarity):

$$\text{Sim}(u, v) = \cos(\mathbf{r}u, \mathbf{r}v) = \frac{\mathbf{r}u \cdot \mathbf{r}v}{|\mathbf{r}u|2 |\mathbf{r}v|2} = \frac{\sum{i \in I{uv}} r{u,i} \cdot r{v,i}}{\sqrt{\sum{i \in I{uv}} r{u,i}^2} \sqrt{\sum{i \in I_{uv}} r_{v,i}^2}}$$

Dự đoán mức độ yêu thích $\hat{r}_{u,i}$ của người dùng $u$ cho khóa học $i$ chưa học:

$$\hat{r}{u,i} = \bar{r}u + \frac{\sum{v \in N_i(u)} \text{Sim}(u, v) \cdot (r{v,i} - \bar{r}v)}{\sum{v \in N_i(u)} |\text{Sim}(u, v)|}$$

# python_service/recommender.py
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

class CollaborativeRecommender:
    def __init__(self, user_item_matrix):
        self.matrix = user_item_matrix # DataFrame: rows=users, cols=courses
        self.user_similarity = None

    def compute_similarity(self):
        # Điền 0 cho các khóa học chưa đánh giá
        filled_matrix = self.matrix.fillna(0).values
        self.user_similarity = cosine_similarity(filled_matrix)
        return self.user_similarity

    def predict_ratings(self, user_idx, top_k=5):
        sim_scores = self.user_similarity[user_idx]
        user_ratings = self.matrix.iloc[user_idx].values
        
        # Chỉ xét các khóa học người dùng chưa tham gia (giá trị NaN hoặc 0)
        unrated_indices = np.where(np.isnan(user_ratings) | (user_ratings == 0))[0]
        predicted_scores = {}

        for item_idx in unrated_indices:
            item_ratings = self.matrix.iloc[:, item_idx].values
            valid_users = np.where(~np.isnan(item_ratings) & (item_ratings > 0))[0]
            
            if len(valid_users) == 0:
                continue
            
            weights = sim_scores[valid_users]
            ratings = item_ratings[valid_users]
            
            if np.sum(np.abs(weights)) > 0:
                predicted_scores[item_idx] = np.sum(weights * ratings) / np.sum(np.abs(weights))

        # Trả về danh sách index khóa học có điểm dự đoán cao nhất
        sorted_items = sorted(predicted_scores.items(), key=lambda x: x[1], reverse=True)
        return [self.matrix.columns[i[0]] for i in sorted_items[:top_k]]

2. Xử lý dữ liệu và tạo URL thanh toán VNPAY tại Backend NestJS

Đoạn mã chịu trách nhiệm tạo chữ ký số bảo mật và định tuyến giao dịch:

// src/modules/payment/vnpay.service.ts
import { Injectable } from '@nestjs/common';
import * as crypto from 'crypto';
import * as querystring from 'qs';

@Injectable()
export class VnPayService {
  private readonly tmnCode = process.env.VNPAY_TMN_CODE;
  private readonly secretKey = process.env.VNPAY_HASH_SECRET;
  private readonly vnpUrl = process.env.VNPAY_URL;
  private readonly returnUrl = process.env.VNPAY_RETURN_URL;

  createPaymentUrl(orderId: string, amount: number, ipAddr: string): string {
    const createDate = new Date().toISOString().replace(/[-:T.Z]/g, '').slice(0, 14);
    let vnp_Params: Record<string, any> = {
      vnp_Version: '2.1.0',
      vnp_Command: 'pay',
      vnp_TmnCode: this.tmnCode,
      vnp_Locale: 'vn',
      vnp_CurrCode: 'VND',
      vnp_TxnRef: orderId,
      vnp_OrderInfo: `Thanh toan khoa hoc: ${orderId}`,
      vnp_OrderType: 'billpayment',
      vnp_Amount: amount * 100, // VNPAY yêu cầu nhân 100
      vnp_ReturnUrl: this.returnUrl,
      vnp_IpAddr: ipAddr,
      vnp_CreateDate: createDate,
    };

    vnp_Params = this.sortObject(vnp_Params);
    const signData = querystring.stringify(vnp_Params, { encode: false });
    const hmac = crypto.createHmac('sha512', this.secretKey);
    const signed = hmac.update(Buffer.from(signData, 'utf-8')).digest('hex');
    vnp_Params['vnp_SecureHash'] = signed;

    return `${this.vnpUrl}?${querystring.stringify(vnp_Params, { encode: false })}`;
  }

  private sortObject(obj: Record<string, any>): Record<string, any> {
    const sorted: Record<string, any> = {};
    Object.keys(obj).sort().forEach((key) => {
      sorted[key] = encodeURIComponent(obj[key]).replace(/%20/g, '+');
    });
    return sorted;
  }
}

3. Xử lý luồng dữ liệu thời gian thực (Socket.IO Gateway)

Đảm bảo phản hồi bình luận lập tức giữa các học viên trong bài học:

// src/modules/comment/comment.gateway.ts
import { WebSocketGateway, SubscribeMessage, MessageBody, WebSocketServer } from '@nestjs/websockets';
import { Server, Socket } from 'socket.io';
import { CommentService } from './comment.service';

@WebSocketGateway({ cors: { origin: '*' } })
export class CommentGateway {
  @WebSocketServer()
  server: Server;

  constructor(private readonly commentService: CommentService) {}

  @SubscribeMessage('sendComment')
  async handleComment(@MessageBody() payload: { lessonId: string; userId: string; content: string }) {
    const newComment = await this.commentService.saveComment(payload);
    // Phát tán bình luận tới toàn bộ học viên đang xem bài học
    this.server.to(payload.lessonId).emit('newCommentReceived', newComment);
    return { status: 'SUCCESS' };
  }

  @SubscribeMessage('joinLessonRoom')
  handleJoinRoom(client: Socket, lessonId: string) {
    client.join(lessonId);
    client.emit('joined', { message: `Joined room: ${lessonId}` });
  }
}

Kiểm thử và đánh giá hiệu năng (Testing & Validation)

  1. Độ bao phủ kiểm thử (Test Coverage):

    • Hệ thống đạt 88.5% Code Coverage trên toàn bộ các service cốt lõi của NestJS qua Jest.
    • API Integration Tests đạt tỷ lệ thành công 100% trên 42 kịch bản kiểm thử tự động với Supertest.

  2. Kiểm thử tải (Load Testing với K6):

    • Tải mô phỏng: 1,500 Virtual Users (VU) gửi yêu cầu liên tục trong 10 phút.
    • Thời gian đáp ứng trung bình (Average Response Time): $142\text{ ms}$.
    • Tỷ lệ lỗi (Error Rate): $0.04%$, hoàn toàn không xuất hiện hiện tượng sập server hay tràn bộ nhớ (Memory Leak).
+--------------------------------------------------------------------------+
|                       K6 LOAD TESTING BENCHMARK RESULT                   |
+------------------------------------+-------------------------------------+
| Metrics                            | Benchmark Value                     |
+------------------------------------+-------------------------------------+
| Concurrent Virtual Users (VUs)     | 1,500 VUs                           |
| Average Request Latency            | 142 ms                              |
| 95th Percentile Latency (P95)      | 218 ms                              |
| Peak Request Throughput            | 1,240 requests/second               |
| Failure / Error Rate               | 0.04%                               |
+------------------------------------+-------------------------------------+
  1. Kết quả kiểm thử chấp nhận người dùng (User Acceptance Testing - UAT):
    • Thử nghiệm trên nhóm 45 sinh viên và 5 giảng viên tại trường Đại học Công nghệ Thông tin.
    • Điểm đánh giá mức độ hài lòng hệ thống (SUS Score): 86.5 / 100 (xếp loại Excellent).

Đổi mới và đóng góp

  1. Cá nhân hóa trải nghiệm học tập di động: Ứng dụng thành công thuật toán Collaborative Filtering trên ứng dụng di động, giúp tăng thời gian tương tác trung bình của người dùng thêm 34% và giảm tỷ lệ thoát ứng dụng (Drop-off rate) 28%.
  2. Kiến trúc thời gian thực chi phí thấp: Việc kết hợp WebRTC Peer-to-Peer cho lớp học trực tiếp và Socket.IO cho hệ thống thảo luận giúp giảm thiểu độ trễ đường truyền xuống dưới 350ms (so với 3-5 giây của chuẩn HLS truyền thống), đồng thời tiết kiệm 65% băng thông server máy chủ trung gian.
  3. Mã nguồn mở chuẩn mực cao: Thiết kế theo mô hình Clean Architecture trên cả Client (Flutter State Management) và Server (NestJS Dependency Injection), cung cấp tài liệu kiến trúc rõ ràng cho cộng đồng sinh viên nghiên cứu công nghệ phần mềm.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Trường đại học và Viện đào tạo: Triển khai làm cổng học tập bổ trợ chính quy, cho phép tổ chức thi trắc nghiệm định kỳ, lưu trữ bài giảng và điểm danh tự động qua Livestream.
  • Trung tâm đào tạo nghề và Kỹ năng: Tự động hóa khâu ghi danh, thu học phí qua VNPAY, cung cấp nền tảng học tập cá nhân hóa cho học viên từ xa.
  • Giảng viên độc lập (Content Creators): Tự xây dựng thương hiệu cá nhân, phát hành các khóa học độc quyền và tương tác trực tiếp với cộng đồng học viên qua ứng dụng di động.
                  +--------------------------------+
                  |  Nginx Ingress / Reverse Proxy |
                  |       (SSL/TLS Termination)    |
                  +---------------+----------------+
                                  |
            +---------------------+---------------------+
            |                                           |
+-----------v------------+                 +------------v-----------+
|  NestJS API Cluster    |                 |   Python AI Worker     |
| (Node 18 LTS + Docker) |                 |  (FastAPI / Scikit)    |
+-----------+------------+                 +------------+-----------+
            |                                           |
            +---------------------+---------------------+
                                  |
            +---------------------+---------------------+
            |                                           |
+-----------v------------+                 +------------v-----------+
|   MongoDB Atlas Clust  |                 |    Firebase Cloud      |
|   (Replica Set Data)   |                 | (Video & Asset Storage)|
+------------------------+                 +------------------------+

Chiến lược triển khai và Yêu cầu hạ tầng

  • Hạ tầng máy chủ tối thiểu:
    • CPU: 4 Cores (x86_64).
    • RAM: 8GB DDR4.
    • Lưu trữ: 50GB SSD NVMe cho OS và Database.
    • Môi trường chạy: Docker Engine 24.x, Docker Compose, Nginx Reverse Proxy với chứng chỉ SSL Let's Encrypt.
  • Khả năng mở rộng: Dễ dàng scale-out tầng Backend NestJS nhờ kiến trúc Stateless; dữ liệu phiên được quản lý qua JWT và Database phân cụm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Vấn đề Cold-Start trong Recommendation System: Thuật toán Collaborative Filtering gặp hạn chế độ chính xác đối với người dùng mới hoặc khóa học mới tạo chưa có đủ dữ liệu đánh giá.
  • Phụ thuộc kết nối mạng di động: Tính năng WebRTC Livestream đòi hỏi băng thông học viên ổn định; khi tín hiệu mạng yếu (dưới 1 Mbps), hiện tượng giật khung hình có thể xảy ra.

Hướng phát triển trong tương lai

  1. Phát triển mô hình Hybrid Recommendation: Kết hợp Content-Based Filtering với Deep Learning (Neural Collaborative Filtering - NCF) để xử lý triệt để bài toán Cold-Start.
  2. Tích hợp Generative AI (LLMs): Bổ sung trợ lý ảo AI hỗ trợ giải đáp thắc mắc tự động 24/7 theo ngữ cảnh của từng bài giảng.
  3. Chuẩn hóa SCORM/xAPI: Hỗ trợ chuẩn đóng gói bài giảng quốc tế SCORM nhằm tương thích với các kho tài nguyên giáo dục toàn cầu.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Sở hữu không gian học tập trực quan trên thiết bị di động, nhận lộ trình học cá nhân hóa và tương tác trực tiếp với giảng viên mọi lúc, mọi nơi.
  • Kỹ sư phần mềm & Lập trình viên: Tiếp cận mã nguồn mẫu chuẩn mực kết hợp giữa Flutter, NestJS và Python AI; nắm vững phương pháp triển khai Socket.IO và WebRTC trên môi trường thực tế.
  • Doanh nghiệp & Đơn vị giáo dục: Sở hữu giải pháp LMS hoàn chỉnh, tự động hóa quy trình thu học phí qua cổng VNPAY, tiết kiệm tới 45% chi phí đầu tư cơ sở hạ tầng ban đầu.
  • Nhà nghiên cứu: Cung cấp dữ liệu thực nghiệm về hiệu năng của mô hình Collaborative Filtering khi triển khai trên hệ thống thương mại thực tế.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai (Deploy) hệ thống là gì?

Hệ thống yêu cầu máy chủ Linux (Ubuntu 20.04/22.04 LTS), cài đặt Docker và Docker-Compose. Ứng dụng Backend yêu cầu Node.js v18+, MongoDB v6.0 và Python 3.10. Phía người dùng cuối chỉ cần điện thoại thông minh chạy Android 8.0+ hoặc iOS 12.0+.

2. Giới hạn mở rộng (Scalability) của hệ thống và giải pháp nâng cấp?

Kiến trúc NestJS được thiết kế dạng Stateless, cho phép mở rộng theo chiều ngang (Horizontal Scaling) phía sau một Nginx Load Balancer. Khi lượng người dùng tăng lên hơn 50,000 active users, cơ sở dữ liệu MongoDB có thể chuyển đổi sang mô hình Sharding và bổ sung Redis Cache để lưu kết quả ma trận tương đồng của AI.

3. Hệ thống có thể tích hợp với các nền tảng có sẵn của trường học không?

Có. Nhờ thiết kế chuẩn RESTful API và kiến trúc Module hóa, hệ thống hoàn toàn có thể kết nối với các dịch vụ đăng nhập tập trung (SSO/OAuth2, LDAP) và cơ sở dữ liệu quản lý sinh viên hiện có thông qua các API Adapter.

4. Chi phí bảo trì và vận hành hệ thống định kỳ bao gồm những gì?

Chi phí chính gồm tiền thuê Cloud VPS (khoảng 20-50 USD/tháng cho quy mô dưới 10,000 học viên), chi phí dung lượng lưu trữ video trên Firebase Storage (tính theo dung lượng lưu trữ và băng thông truyền tải thực tế) và phí duy trì tên miền, chứng chỉ số SSL.

5. Thời gian hoàn vốn (ROI) ước tính cho đơn vị giáo dục khi áp dụng nền tảng?

Nhờ cắt giảm chi phí bản quyền phần mềm nước ngoài đắt đỏ và tự động hóa khâu ghi danh, các đơn vị đào tạo có thể đạt điểm hòa vốn và tối ưu hóa lợi nhuận sau khoảng 6 - 9 tháng vận hành chính thức.

Kết luận

Khóa luận tốt nghiệp "Xây dựng hệ thống quản lý khóa học trực tuyến" của nhóm sinh viên Bùi Thiện Nhân và Nguyễn Yến Nhi đã hoàn thành xuất sắc các mục tiêu đề ra. Bằng việc kết hợp hài hòa giữa các công nghệ hiện đại bao gồm Flutter, NestJS, MongoDB, Socket.IO, WebRTC, và giải thuật Collaborative Filtering, đề tài đã mang đến một giải pháp LMS di động toàn diện, vừa đảm bảo tính bảo mật và hiệu năng xử lý cao, vừa mang lại trải nghiệm học tập cá nhân hóa tối ưu cho người dùng. Đây là tài liệu tham khảo kỹ thuật giá trị và là nền tảng vững chắc để tiếp tục phát triển thành sản phẩm thương mại phục vụ nền giáo dục số trong tương lai.