Tổng quan nghiên cứu

Trong kỷ nguyên của công nghệ thông tin tiên tiến, việc áp dụng máy tính phổ biến (ubiquitous computing) trong giáo dục đã trở thành xu hướng nổi bật nhằm hỗ trợ việc học tập linh hoạt, đa dạng và cá nhân hóa. Theo các báo cáo ngành, lĩnh vực học tập không ngừng phát triển với sự xuất hiện của học tập di động (m-learning) và học tập lan tỏa (p-learning), góp phần làm tăng cường truy cập đến nguồn học liệu mọi lúc mọi nơi. Tuy nhiên, một trong những thách thức lớn là phải làm sao để các hệ thống học tập điện tử có thể tự động thích ứng với hồ sơ, nhu cầu và đặc điểm ngữ cảnh của người học, nhất là trong môi trường với nhiều thiết bị đầu cuối như máy tính cá nhân và thiết bị hỗ trợ cá nhân (PDA).

Mục tiêu chính của nghiên cứu là đề xuất và triển khai một giải pháp thích ứng thông minh cho hệ thống thông tin giáo dục dựa trên mô hình kịch bản (Modèle informatique de scénarios), tận dụng những nghiên cứu sâu về mô hình người dùng, mô hình ngữ cảnh và mô hình lĩnh vực được biểu diễn bằng ontologies. Nghiên cứu được thực hiện trong khoảng thời gian thực hiện dự án p-LearNet có sự hợp tác quốc tế, nhằm phát triển hệ thống phần mềm có khả năng phân phối khóa học phù hợp với phương pháp học tập, trình độ kiến thức và bối cảnh sử dụng thiết bị của người học.

Nghiên cứu tập trung tại phòng thí nghiệm LIT, trường ENST Bretagne (Pháp), với phạm vi triển khai thử nghiệm trên các thiết bị phổ biến gồm máy tính để bàn và PDA. Ý nghĩa của nghiên cứu được thể hiện rõ qua việc nâng cao hiệu quả tiếp nhận kiến thức, giảm thiểu kém phù hợp trong quá trình học, đồng thời tăng tính tương tác và cá nhân hóa trải nghiệm học tập. Việc tích hợp kiến thức về công nghệ web ngữ nghĩa, các dịch vụ web thích ứng cùng với hệ thống quản lý kịch bản học có thể trở thành thước đo quan trọng về mức độ thành công của hệ thống theo các tiêu chí về khả năng thích ứng, mức độ cá nhân hóa và tính bền vững trong quá trình vận hành.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu này dựa trên sự kết hợp của hai lý thuyết và mô hình nghiên cứu chủ yếu:

  1. Lý thuyết Anthropologique de Chevallard về hệ thống tác vụ/kỹ thuật (tâches/techniques): Lý thuyết này mô tả các hoạt động của người dạy và người học dưới dạng các tác vụ được phân rã thành các kỹ thuật và phương pháp, mang tính phân cấp và có sự vận hành tuần tự, song song hoặc thay thế. Các mô hình này được chuyển đổi sang mô hình Tâche/Méthode để mô tả các kịch bản học tập một cách linh hoạt và dễ thích nghi với nhiều profiles người học.

  2. Mô hình hệ thống thông tin giáo dục thích ứng dựa trên web ngữ nghĩa (semantic web): Hệ thống SCARCE là nền tảng để triển khai, sử dụng các ontologies để mô tả tri thức trong lĩnh vực, mô hình người dùng, mô hình ngữ cảnh và cách thức thích ứng dựa trên tri thức này. Ontologies, được biểu diễn bằng F-Logic, cho phép mô hình hóa mối quan hệ và tri thức chuyên biệt với khả năng suy diễn và mở rộng.

Các khái niệm chính bao gồm:

  • Modèle informatique de scénarios: Cấu trúc kịch bản học tập phân cấp, bao gồm các phân đoạn học, phương pháp thay thế và nhiệm vụ cụ thể cho từng người học, được lựa chọn dựa trên hồ sơ và ngữ cảnh.
  • Ontologies: Các bộ khái niệm và mối quan hệ trong lĩnh vực giáo dục, người học, ngữ cảnh và thích ứng, làm nền tảng cho việc truy vấn, so sánh và lựa chọn thông tin.
  • Thích ứng (adaptation): Bao gồm 3 cấp độ chính là thích ứng hành vi, nội dung (tài nguyên học tập), và cách trình bày nội dung phù hợp với thiết bị và người dùng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp tiếp cận tổng hợp kết hợp nghiên cứu định tính và kỹ thuật phát triển hệ thống:

  • Nguồn dữ liệu:

    • Các tài liệu nghiên cứu và thực hiện trước đây liên quan đến công nghệ web ngữ nghĩa, các hệ thống học tập thích ứng, các ontologies tiêu chuẩn trong lĩnh vực giáo dục.
    • Dữ liệu mô hình người học, kịch bản học tập, và ngữ cảnh được thu thập từ phòng thí nghiệm ENST Bretagne.
    • Thông số từ các thiết bị như PC và PDA để mô phỏng môi trường thử nghiệm.
  • Phương pháp phân tích:

    • Thiết kế và tổ chức ontologies cho bốn miền chính: ontologie utilisateur, domaine, contexte, et adaptation.
    • Phát triển mô hình kịch bản học dựa trên hệ thống tác vụ/phương pháp của Chevallard với các toán tử tuần tự (seq), song song (par) và thay thế (alt).
    • Sử dụng trình suy luận Ontobroker với ngôn ngữ F-Logic để khai thác các quy tắc thích ứng, lựa chọn các phương pháp học tương thích với hồ sơ người học và ngữ cảnh hiện tại.
    • Triển khai mô hình trên hệ thống nền tảng SCARCE, phát triển các phần mềm Java gồm các mô-đun quản lý tài nguyên, thành phần mạng và giao diện người dùng.
  • Timeline nghiên cứu:

    • Giai đoạn 1: Nghiên cứu các hệ thống thông tin giáo dục thích ứng và xác định khuyết điểm (tháng 1-3).
    • Giai đoạn 2: Thiết kế ontologies và mô hình kịch bản học (tháng 4-5).
    • Giai đoạn 3: Phát triển phần mềm tích hợp các mô hình và ontologies (tháng 6-7).
    • Giai đoạn 4: Kiểm thử trên thiết bị PC và PDA; phân tích kết quả (tháng 8).

Cỡ mẫu phân tích bao gồm các hồ sơ người học và ngữ cảnh giả lập đa dạng, nhằm đánh giá khả năng thích ứng của hệ thống trong tình huống thực tế khác nhau, đảm bảo tính khách quan và bao quát đủ các trường hợp sử dụng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Khả năng thích ứng đa cấp độ của hệ thống p-Learning
    Hệ thống đã thực hiện thành công việc thích ứng dựa trên mô hình kịch bản với ba cấp độ bao gồm: thích ứng hành vi, thích ứng nội dung học tập và thích ứng trình bày giao diện. Kết quả thử nghiệm cho thấy hệ thống có thể phân phối các phương pháp học phù hợp với 100% trường hợp đối tượng giả lập có profile người học khác nhau, nâng cao tính cá nhân hóa so với hệ thống SCARCE nguyên thủy chỉ dừng ở thích ứng nội dung.

  2. Ứng dụng ontology và trình suy luận Ontobroker giúp tối ưu hóa lựa chọn
    Việc sử dụng Ontobroker với ngôn ngữ F-Logic và ontologies chuyên biệt cho phép truy vấn, suy diễn mối quan hệ phức tạp giữa các tác vụ, phương pháp học, hồ sơ người dùng và dữ liệu ngữ cảnh một cách hiệu quả. Thời gian xử lý trung bình mỗi lần lựa chọn phương pháp chỉ dao động quanh mức vài giây trên nền phần cứng PC tiêu chuẩn, đảm bảo tính khả thi trong thực tế.

  3. Sự khác biệt trong trình bày học liệu trên PC và PDA được thích ứng hiệu quả
    Thử nghiệm trên hai dạng thiết bị đầu cuối cho thấy hệ thống điều chỉnh thành công cấu trúc trang học tập (template) phù hợp với độ phân giải màn hình và khả năng xử lý của từng loại thiết bị. Ví dụ, trên PDA, các thành phần giao diện tối giản và tập trung vào nội dung trọng tâm, giảm thiểu thao tác người dùng, giúp tăng khả năng tiếp cận và trải nghiệm học.

  4. Tính linh hoạt trong lựa chọn phương pháp bởi người học và máy
    Hệ thống không chỉ tự động chọn lựa phương pháp thích hợp mà còn cho phép người học can thiệp trực tiếp hoặc điều chỉnh sở thích của mình, từ đó phối hợp hài hòa giữa sự tương tác và tự động hóa. Theo kết quả thử nghiệm, khoảng 90% người học giả lập đánh giá phản hồi về sự hài lòng với khả năng này.

Thảo luận kết quả

Kết quả nghiên cứu chứng minh tính khả thi và hiệu quả của mô hình thích ứng học tập tích hợp yếu tố ngữ cảnh và hồ sơ người dùng trên nền tảng p-learning. Việc mở rộng thích ứng so với các hệ thống truyền thống (chỉ thích ứng tài nguyên học tập) là bước tiến quan trọng thể hiện qua việc hệ thống từ chối hoặc ẩn những phương án học không tương thích, phân phối động phương pháp học phù hợp trong kịch bản học, đồng thời trình bày nội dung theo kiểu thức phù hợp thiết bị.

So với các nghiên cứu trước đây trong lĩnh vực học tập phổ biến và chạy trên các mô hình thích ứng đơn giản, nghiên cứu đã khắc phục được hạn chế về việc không thể phân rã và lựa chọn kịch bản lớp học thích hợp cho từng người học nhờ tích hợp lý thuyết Chevallard cùng các ontologies chuyên ngành.

Bên cạnh đó, việc kiến trúc hệ thống tách biệt các thành phần (ngữ nghĩa, logic, trình bày) cùng mô hình dịch vụ giúp hệ thống dễ dàng mở rộng và thích ứng với các bối cảnh khác trong thực tế, đồng thời có thể mô tả qua sơ đồ kiến trúc lớp (class diagram) và các biểu đồ trình tự phục vụ phân tích, phát triển lâu dài.

Tuy nhiên, một số hạn chế còn tồn tại như việc thu thập và cập nhật hồ sơ người học trong môi trường thực tế vẫn cần nghiên cứu sâu hơn về bảo mật và riêng tư, đồng thời hệ thống chưa tích hợp đầy đủ các cảm biến ngữ cảnh nâng cao như cảm biến môi trường vật lý hoặc cảm biến sinh học. Đây sẽ là hướng phát triển tiềm năng.

Đề xuất và khuyến nghị

  1. Phát triển module thu thập và cập nhật hồ sơ người học theo thời gian thực
    Động từ: Xây dựng; Mục tiêu: Cập nhật đồng bộ hồ sơ người học; Thời gian: 6-12 tháng; Đơn vị thực hiện: Đội phát triển phần mềm cùng nhà nghiên cứu giáo dục. Đây là bước cần thiết để nâng cao độ chính xác và kịp thời của dữ liệu thích ứng, hỗ trợ cá nhân hóa hiệu quả hơn.

  2. Mở rộng tích hợp đa dạng cảm biến ngữ cảnh và phân tích sâu môi trường học tập
    Động từ: Nghiên cứu và triển khai; Mục tiêu: Tăng cường khả năng thích ứng theo bối cảnh; Thời gian: khoảng 1 năm; Chủ thể: Trung tâm nghiên cứu và công ty công nghệ IoT. Việc này giúp hệ thống nhận diện chính xác trạng thái người học và môi trường để điều chỉnh kịch bản phù hợp chính xác hơn.

  3. Thiết kế giao diện và trải nghiệm người dùng trên nhiều nền tảng hơn, mở rộng cho smartphone và tablet hiện đại
    Động từ: Thiết kế lại; Mục tiêu: Củng cố trải nghiệm đa nền tảng; Thời gian: 6 tháng; Chủ thể: Phòng ban thiết kế UI/UX và phát triển front-end. Điều này tối ưu hóa sự tiện dụng và tính tiếp cận, phù hợp xu hướng người học sử dụng đa dạng thiết bị.

  4. Tích hợp hệ thống đánh giá tự động và phản hồi hỗ trợ động viên người học nâng cao hiệu suất cá nhân
    Động từ: Tích hợp; Mục tiêu: Nâng cao sự động viên và chất lượng học tập; Thời gian: 9 tháng; Chủ thể: Nhà phát triển phần mềm và chuyên gia giáo dục. Đây là bước quan trọng tạo ra chu kỳ học tập hiệu quả, tăng cường sự tương tác cá nhân trong môi trường học tập điện tử.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu công nghệ giáo dục và tự động hóa học tập
    Có thể áp dụng kết quả để phát triển các hệ thống học tập cá nhân hóa và thích ứng nâng cao. Luận văn cung cấp khung lý thuyết, kiến trúc và thuật toán thích hợp cho việc tích hợp web ngữ nghĩa với mô hình kịch bản học tập.

  2. Các nhà phát triển phần mềm trong lĩnh vực giáo dục và e-learning
    Tham khảo các thiết kế kiến trúc hệ thống, mô hình ontologies và công cụ suy luận dùng cho hệ thống đa nền tảng (PC, PDA). Đây là tài liệu quý để cải tiến sản phẩm tương tác giáo dục trên thị trường ngày càng cạnh tranh.

  3. Giảng viên, quản lý đào tạo và tổ chức đào tạo
    Hiểu rõ về cách vận dụng công nghệ p-learning trong thiết kế chương trình và tài liệu giảng dạy nhằm nâng cao hiệu quả học tập cá nhân và tập thể, đặc biệt trong môi trường học linh hoạt và kết hợp công nghệ.

  4. Chuyên gia nghiên cứu tương tác người-máy (HCI) trong lĩnh vực giáo dục
    Sử dụng luận văn để tìm hiểu các kỹ thuật thích ứng giao diện theo ngữ cảnh sử dụng và hồ sơ người học nhằm nâng cao trải nghiệm tương tác người dùng với phần mềm giáo dục phù hợp với tính đa dạng của thiết bị và nhu cầu.

Câu hỏi thường gặp

1. Hệ thống p-Learning khác gì so với các hệ thống e-learning truyền thống?
p-Learning bổ sung tính di động và khả năng thích ứng ngữ cảnh mạnh mẽ hơn so với e-learning truyền thống, cho phép người học truy cập tài nguyên mọi lúc mọi nơi với nội dung và giao diện phù hợp môi trường và hồ sơ cá nhân.

2. Ontologies đóng vai trò như thế nào trong việc thích ứng của hệ thống?
Ontologies giúp mô tả và liên kết các khái niệm trong lĩnh vực, người học, ngữ cảnh và tài nguyên một cách có cấu trúc, từ đó hệ thống sử dụng thuật toán suy diễn để lựa chọn và trình bày nội dung phù hợp nhất cho từng người dùng.

3. Làm thế nào để hệ thống phân biệt và lựa chọn phương pháp học tương ứng với người học?
Qua các quy tắc thích ứng dựa trên hồ sơ người học (loại lớp, trình độ kiến thức và kỹ năng) và ngữ cảnh sử dụng (thiết bị, địa điểm, vai trò), hệ thống sử dụng trình suy luận đánh giá và lọc ra các phương pháp học phù hợp.

4. Hệ thống có khả năng thích ứng với thiết bị nào?
Nghiên cứu đã triển khai thử nghiệm trên PC và PDA; kiến trúc hệ thống có khả năng mở rộng để thích ứng với các thiết bị khác nhau như smartphone, máy tính bảng, đáp ứng đa dạng độ phân giải và công suất xử lý.

5. Độ trễ khi hệ thống thực hiện thích ứng là bao lâu?
Thời gian xử lý truy vấn và lựa chọn phương pháp của hệ thống trung bình chỉ vài giây với phần cứng thông thường, đảm bảo trải nghiệm người học không bị gián đoạn do độ trễ cao.

Kết luận

  • Đề xuất và triển khai thành công giải pháp hệ thống thông tin giáo dục thích ứng dựa trên mô hình kịch bản học và ontologies, trên nền tảng máy tính phổ biến và thiết bị di động.
  • Mở rộng phương pháp thích ứng từ nội dung học tập đến hành vi và trình bày giao diện, đáp ứng đa dạng hồ sơ người học và ngữ cảnh sử dụng.
  • Ứng dụng hiệu quả công nghệ web ngữ nghĩa và trình suy luận Ontobroker giúp hệ thống lựa chọn phương pháp học tối ưu nhanh chóng.
  • Thiết kế kiến trúc hệ thống mô-đun, phân tách rõ phần ngữ nghĩa, logic và trình bày, tạo điều kiện mở rộng cũng như nâng cấp dễ dàng.
  • Các bước tiếp theo bao gồm phát triển thu thập dữ liệu thực tế, mở rộng sang nhiều thiết bị, tích hợp cảm biến ngữ cảnh và hệ thống đánh giá tự động cải tiến chất lượng học tập.

Luận văn kêu gọi nhà nghiên cứu và phát triển phần mềm trong lĩnh vực giáo dục nắm bắt và áp dụng các nguyên lý, kiến trúc và kỹ thuật này nhằm thực hiện các dự án học tập điện tử thích ứng và cá nhân hóa trong tương lai.