MỞ ĐẦU Trong bối cảnh chuyền đổi số đang diễn ra mạnh mẽ, thị trường học trực tuyến (e-learning) tại Việt Nam đang chứng kiến sự phát triển vượt bậc. Theo báo cáo của Ken Research, dự kiến đến năm 2023, quy mô thị trường này sẽ đạt mốc 3 tỷ USD, với tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng khoảng 20,2% trong giai đoạn 2019-2023. Đặc biệt, lĩnh vực công nghệ giáo dục của Việt Nam đang thu hút sự quan tâm đáng ké từ các nhà đầu tư, nhất là trong bối cảnh đại dịch COVID-19 với những diễn biến phức tạp. Việc công nghệ phát triển với tốc độ chóng mặt, cùng với sự gia tăng đột biến nhu cầu học tập từ xa do đại dịch COVID-19, môi trường học trực tuyến đang thé hiện những ưu thế vượt trội, từ đó tạo nên một cuộc cách mạng trong phương pháp tự học của học sinh, sinh viên.
Đáng chú ý, theo một báo cáo nghiên cứu gần đây từ Global Market Insights, thị trường học trực tuyến toàn cầu được dự báo sẽ đạt mốc 1 nghìn tỷ USD vào năm 2032. Kết quả tìm kiếm “E-Learning” đã tăng 271% trong 5 năm qua. (Nguồn: https://explodingtopics.com/blog/elearning-statistics) Đặc biệt, theo số liệu từ Class Central, các khóa học về công nghệ chiếm tới 19,3% tổng số khóa học trực tuyến hiện có. Điều này có nghĩa là cứ 5 khóa học trực tuyến thì có 1 khóa liên quan đến lĩnh vực công nghệ.
Đây là một tín hiệu đáng chú ý cho những người đang tìm kiếm cơ hội trong lĩnh vực giáo dục trực tuyến, cho thấy các chủ đê vê công nghệ đang có nhu câu cao và tiêm năng phát triên lớn. Số lượt tìm kiếm toàn cầu về “khóa học khoa học dữ liệu” tăng 196% so với 5 năm trước. Cụm từ tìm kiêm nhận được 135 nghìn lượt tìm kiêm môi ngày. (Nguồn: https://explodingtopics.com/blog/elearning-statistics) Hiện nay, thị trường giáo dục trực tuyến toàn cầu đang phát triển mạnh mẽ với sự xuất hiện của nhiều nền tảng học tập đa dạng như Udemy, Coursera, Codecademy.
Tại Việt Nam, xu hướng này cũng đã bắt đầu từ trước năm 2010 với sự ra đời của các đơn vi tiên phong như Violet.vn va TOPICA. Các nền tảng này cung cấp một kho tàng kiến thức phong phú thông qua các khóa học trực tuyến, bao gồm cả miễn phí và trả phí. Tuy nhiên, sự phong phú của nội dung học tập trên mạng cũng tạo ra thách thức cho người học. Họ thường cảm thấy bị choáng ngợp trước lượng thông tin khong lồ và rời rạc.
Một trở ngại lớn khiến việc học trực tuyến kém hiệu quả là người học gặp khó khăn trong việc lựa chọn nguồn thông tin phù hợp nhất, họ thường gặp phải tình trạng quá tai thông tin, khó nắm bắt trọng tâm, và tốn nhiều thời gian dé xem hết toàn bộ nội dung. Nhận thấy nhu cầu này, nhóm đề xuất phát triển một hệ thống học trực tuyến cơ bản mang tên Efficient Elearning (viết tắt là EE), tích hợp các cải tiến công nghệ tiên tiến, đặc biệt là dành riêng cho những học viên muốn tìm hiểu về công nghệ thông tin. Mục tiêu chính của đề tài là mô phỏng lại một hệ thống E-Learning cơ bản: cung cấp các khóa học cơ bản, tích hợp trí tuệ nhân tao (AI) tạo ra bản tóm tắt ngắn gon, giúp người học nhanh chóng nam bắt thông tin quan trọng. Đồng thời, chatbot được tích hợp vào hệ thống nhằm hỗ trợ người học tương tác với nội dung đã được tóm tắt, trả lời câu hỏi và tìm kiếm thông tin trong bài giảng một cách hiệu quả.
Phạm vi và đối tượng nghiên cứu bao gồm hệ thống E-Learning dành cho sinh viên cao dang, đại hoc và cao học, các thuật toán máy học, học sâu, mô hình sử dung phương pháp tóm tắt văn bản trừu tượng, mô hình ngôn ngữ lớn đề tạo chatbot. TONG QUAN DE TÀI 1. Tình hình nghiên cứu Trong bối cảnh công nghệ số đang phát triển mạnh mẽ, sự quan tâm ngày càng tăng đối với E-Learning đã được thé hiện rõ ràng qua một nghiên cứu của Aitor và cộng sự (2023) được thể hiện trong hình ảnh thống kê dưới đây [1]: Aricles | ———ỄẼ a Year Hình 1. Biéu đồ về số lượng bai báo đã xuất ban liên quan đến E-Learning (1970 — 2022) Hình ảnh thống kê cho thay sự tăng trưởng đáng ké trong số lượng các bài báo nghiên cứu liên quan đến E-Learning qua các năm.
Từ những năm 1970 đến những năm đầu 2000, số lượng bài báo mỗi năm vẫn còn rat ít, thường không vượt quá con số 100 bài. Tuy nhiên, từ khoảng năm 2005, số lượng bài báo bắt đầu tăng lên một cách đáng kê với tốc độ tăng trưởng hàng năm là 15,59%. Cột mốc đặc biệt là từ năm 2010 trở đi, khi số lượng bài báo tăng vọt, đạt đỉnh điểm vào khoảng năm 2020 với gần 3000 bài báo được xuất bản chỉ trong một năm. Sau đó, số lượng bài báo giảm nhẹ vào năm 2021 nhưng vân duy trì ở mức cao.
Trong những năm gần đây, tóm tắt văn bản, đặc biệt là tóm tắt trừu tượng, đã có những tiến bộ đáng kể. Trong các ngôn ngữ có nguôn tài liệu phong phú, chang hạn như tiếng Anh, nhiều phương pháp tiếp cận đã được khám phá dé nâng cao hiệu suất tóm tắt. Ví dụ, Zagar và Marko (2020) [2] đã chứng minh tính khả thi của việc chuyên giao đa ngôn ngữ đề tóm tắt trừu tượng, sử dụng mô hình tóm tắt bằng tiếng Anh được đào tạo trước để tạo ra các bản tóm tắt cho các bài báo tiếng Slovenia. Ladhak và cộng sự (2020) [3] đã đóng góp đáng kề vào việc tóm tắt trừu tượng xuyên ngôn ngữ với WikiLingua, một bộ dữ liệu tổng hợp bao gồm 18 ngôn ngữ.
Phuong pháp của họ, bỏ qua việc dịch thuật trong quá trình suy luận bang cach tan dung dir liéu tong hợp va dao tao trước dịch may thần kinh, đã đạt được những cải tiễn đáng chú ý so với các phương pháp cơ bản. Công việc này nhắn mạnh tầm quan trọng của bộ dữ liệu cụ thể về ngôn ngữ, chất lượng cao. Và Zhao và Chen (2021) [4] đã khám phá tính hiệu quả của việc tinh chỉnh so với việc sử dụng các bộ chuyên đôi dé tóm tắt trừu tượng. Phát hiện của họ chỉ ra rằng mặc dù việc tinh chỉnh thường mang lại hiệu suất tốt hơn nhưng bộ điều hợp có thê hữu ích trong các tình huống nguồn lực cực kỳ thấp.
Thông tin chuyên sâu này đặc biệt phù hợp với các ngôn ngữ như tiếng Việt, nơi mà sự khan hiếm dữ liệu là một thách thức đáng kẻ. Nghiên cứu về tóm tắt văn bản tiếng Việt còn hạn chế, các nghiên cứu hiện tại chủ yếu tập trung vào kỹ thuật tóm tắt trích xuất. Công trình của Nguyễn và cộng sự (2018) [5] đã tiến hành so sánh toàn diện các phương pháp trích xuất khác nhau, bao gồm: Các thuật toán xếp hạng không được giám sát như LexRank, Phân tích ngữ nghĩa tiềm an (LSA) và phân ky KL Các phương pháp học tập có giám sát sử dụng các tính năng TF-IDF được ghép nối với các bộ phân loại như Hỗ trợ Máy Vector, AdaBoost và các kiến trúc Học sâu dé xép hang bao gồm Mạng thần kinh tích chập và mạng Bộ nhớ ngắn hạn dài. Theo quan điểm tương tự, Nguyễn và cộng sự (2019) [6] đã đánh giá các phương pháp tóm tắt trích xuất trên một tập dữ liệu mới mà họ đã phát triển và sau đó phát hành làm chuẩn mực công khai cho nghiên cứu trong tương lai.
Đồng thời, Nguyễn và cộng sự (2021) [7] trình bày ViT5, một mô hình giải mã mã hóa dựa trên Transformer được dao tạo trước trên kho văn bản tiếng Việt rộng lớn. Các thử nghiệm sâu rộng của họ về tóm tắt trừu tượng tiếng Việt và nhận dạng thực thé được đặt tên đã chứng minh hiệu suất vượt trội của ViT5 so với các mô hình hiện có. Nghiên cứu này đóng vai trò là cơ sở chính cho nghiên cứu của nhóm, trong đó nhóm chúng tôi tinh chỉnh thêm ViT5 bằng cách sử dụng các bộ đữ liệu chuyên dụng đề nâng cao khả năng tóm tắt của nó. Các nhà nghiên cứu gần đây đã tập trung vào nhiều khía cạnh khác nhau như cải thiện kha năng hiểu và phản hồi của chatbot, xây dựng bộ dit liệu huấn luyện chat lượng cao, và phát triển các phương pháp đánh giá toàn diện.
Một trong những xu hướng quan trọng là việc tận dụng các mô hình ngôn ngữ lớn (LLMs) kết hợp với kỹ thuật truy xuất thông tin để nâng cao độ chính xác và đáng tin cậy của câu trả lời. Nghiên cứu cua Gonzalez Torres và cộng sự (2024) [8] đã đề xuất một khung tự động tạo các cặp câu hỏi-trả lời giống như con người với các câu trả lời dài hoặc có tính chất thực tế và đánh giá tự động chất lượng của các chatbot dựa trên RAG (Retrieval- Augmented Generation). Khung này cũng có thé tạo ra các tập dữ liệu đánh giá mức độ "ảo giác" của các mô hình ngôn ngữ lớn (LLMs) bằng cách mô phỏng các câu hỏi không thể trả lời. Nghiên cứu áp dụng khung này để tạo một tập dữ liệu gồm các cặp câu hoi-tra lời dựa trên hơn 1.000 tờ rơi về các thủ tục y tế và hành chính của một bệnh viện.
Tập dữ liệu được đánh giá bởi các chuyên gia bệnh viện, những người đã xác nhận rằng hơn 50% các cặp câu hoi-tra lời là phù hợp. Lee và cộng sự (2023) [9] cũng đã đề xuất phương pháp MPC (Modular Prompted Chatbot) sử dụng các mô hình ngôn ngữ lớn đã được tiền huấn luyện kết hợp với các kỹ thuật prompting như few-shot ICL và chain-of-thought dé tạo ra các chatbot có khả năng trò chuyện lâu dài mà không cần tinh chỉnh mô hình. Kết quả cho thấy MPC có hiệu quả tương đương hoặc thậm chí vượt trội hơn các mô hình chatbot được tinh chỉnh trong các cuộc hội thoại mở. Và Nghiên cứu của Sato và cộng sự (2020) [10] đã đề xuất phương pháp đánh giá hệ thông sinh phản hồi trong đối thoại thông qua lựa chọn phản hồi.
Đề đánh giá các hệ thống này một cách chính xác, họ đã đề xuất một phương pháp xây dựng bộ kiểm tra lựa chọn phản hồi với các phản hồi sai được chọn lọc kỹ lưỡng. Cụ thé, họ lọc ra các phản hồi sai không liên quan đến phản hồi đúng và những phản hồi có thé chấp nhận được. Kết quả cho thấy phương pháp đánh giá này tương quan mạnh hơn với đánh giá của con người so với các chỉ sô đánh giá tự động phô biên như BLEU Ngoài ra nhiều nhà nghiên cứu đề cập đến các ứng dụng của chatbot hỗ trợ trong e-learning.