Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh hội nhập quốc tế và sự gia tăng vốn đầu tư từ các doanh nghiệp nước ngoài, nhu cầu nâng cao năng lực ngoại ngữ, đặc biệt là tiếng Anh, ngày càng trở nên cấp thiết. Để đáp ứng nhu cầu này, nhiều trung tâm Anh ngữ đã được thành lập với hệ thống chương trình đào tạo đa dạng về cấp độ, hình thức và khung thời gian. Tuy nhiên, quy trình tư vấn tuyển sinh truyền thống tại các trung tâm thường đòi hỏi nhân viên phải túc trực trực tiếp để giải đáp thắc mắc, tổ chức thi thử phân loại trình độ và xây dựng lộ trình học tập thủ công cho từng học viên. Quá trình này thường kéo dài từ 3–4 giờ hoặc có thể mất từ 1–2 ngày, dẫn đến tình trạng quá tải nhân sự khi lượng người đăng ký tăng cao cùng thời điểm, gây suy giảm hiệu suất làm việc và tiêu tốn thời gian của cả nhân viên lẫn học viên.

Trước thực trạng đó, nhóm tác giả Nguyễn Hồ Quỳnh Thư và Cao Ngọc Anh (ngành Kỹ thuật Phần mềm, Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM) dưới sự hướng dẫn của TS. Nguyễn Trịnh Đông và ThS. Trần Anh Dũng đã thực hiện khóa luận tốt nghiệp với đề tài "Ứng dụng tích hợp Chatbot hỗ trợ tư vấn khóa học cho trung tâm Anh Ngữ" (năm 2022).

Mục tiêu nghiên cứu của đề tài được xác định cụ thể gồm hai nhiệm vụ chính:

  1. Xây dựng hệ thống Chatbot thông minh:

    • Trả lời tự động và nhanh chóng các câu hỏi thường gặp của người dùng về trung tâm, chương trình đào tạo và nội dung khóa học theo kịch bản có sẵn kết hợp khả năng sinh câu trả lời động.
    • Phân tích nhu cầu, năng lực của người học để đối đáp, tư vấn và gợi ý khóa học phù hợp, giúp giảm thiểu thời gian tư vấn của nhân viên.
    • Hỗ trợ học viên đăng ký thi thử tại trung tâm và lưu trữ thông tin tư vấn vào hệ thống.

  2. Xây dựng ứng dụng đa nền tảng (Web và Mobile Android):

    • Đảm bảo tính đồng bộ dữ liệu giữa phiên bản Website (trên máy tính cá nhân) và ứng dụng di động (hệ điều hành Android).
    • Cung cấp giao diện trực quan hiển thị thông tin giới thiệu trung tâm, danh mục khóa học, quy chế đào tạo, tin tức và liên hệ.
    • Cung cấp chức năng thi thử trực tuyến và đăng ký lịch hẹn thi thử.
    • Cung cấp giao diện quản trị nội bộ phân quyền theo vị trí (Quản lý và Nhân viên), hỗ trợ quản lý bài viết, quản lý hỏi đáp, quản trị kịch bản lời thoại của Chatbot và theo dõi biểu đồ thống kê các khóa học được quan tâm.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các công nghệ xây dựng hệ thống phần mềm Web (ReactJS, NodeJS), Mobile (Java, PHP), Cơ sở dữ liệu (MySQL), nền tảng xử lý ngôn ngữ tự nhiên (Google Dialogflow) và mô hình Học máy cho Hệ thống gợi ý (Collaborative Filtering với thuật toán Matrix Factorization). Đối tượng thụ hưởng gồm người học tiếng Anh cần tư vấn lộ trình và nhân sự quản lý tại trung tâm Anh ngữ.
  • Phạm vi môi trường: Ứng dụng hoạt động trên nền tảng Website dành cho máy tính và ứng dụng di động chạy trên hệ điều hành Android.
  • Phạm vi thời gian thực hiện: Đề tài được triển khai từ ngày 29/08/2022 đến ngày 22/12/2022, phân chia thành 2 giai đoạn chính với tổng cộng 8 Sprint (mỗi Sprint kéo dài 2 tuần).

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp nghiên cứu lý thuyết về Trí tuệ nhân tạo (xử lý ngôn ngữ tự nhiên và hệ thống gợi ý) với phương pháp xây dựng phần mềm kỹ thuật theo mô hình phân tầng.

Khung lý thuyết và mô hình toán học

  1. Hệ thống gợi ý (Recommender System):

    • Nghiên cứu sử dụng phương pháp Lọc cộng tác (Collaborative Filtering), tập trung vào hướng tiếp cận Lọc cộng tác giữa Người dùng - Người dùng (User-User Collaborative Filtering) để tìm kiếm các học viên có hành vi và mức độ đánh giá tương đồng.
    • Dữ liệu tương tác được biểu diễn qua Ma trận tiện ích (Utility Matrix) kích thước $M \times N$ ($M$ items/khóa học và $N$ users/học viên), trong đó mỗi phần tử đại diện cho điểm đánh giá (rating) từ 0 đến 5.
    • Ứng dụng thuật toán Phân tích ma trận thành nhân tử (Matrix Factorization) để phân rã ma trận Utility Matrix chưa hoàn thiện thành tích của hai ma trận tính chất ẩn: ma trận người dùng $W$ và ma trận khóa học $X$. Giá trị ước lượng rating của người dùng $j$ đối với khóa học $i$ được tính theo công thức tích vô hướng giữa vector tương ứng trong $W$ và $X$.
    • Hàm mất mát được xây dựng dựa trên các phần tử đã biết của ma trận và được tối ưu hóa bằng phương pháp luân phiên: cố định $X$ để tối ưu $W$, sau đó cố định $W$ để tối ưu $X$ cho đến khi đạt trạng thái hội tụ.
    • Đánh giá chất lượng mô hình gợi ý dựa trên hai chỉ số thống kê chuẩn hóa trong khoảng [0, 1]:
      • Sai số bình phương trung bình gốc (Root Mean Squared Error - RMSE): Đo lường độ lệch giữa giá trị dự đoán và giá trị thực tế trong tập kiểm thử (RMSE càng nhỏ, mô hình càng chuẩn xác).
      • Hệ số xác định ($R^2$ - R Squared): Đo lường mức độ phù hợp của mô hình đối với biến thiên của tập dữ liệu (chỉ số càng gần 1, mô hình càng tối ưu).

  2. Nền tảng xử lý ngôn ngữ tự nhiên (NLP) cho Chatbot:

    • Sử dụng nền tảng Dialogflow của Google để xây dựng Agent ảo xử lý hội thoại tiếng Việt.
    • Cấu trúc xử lý hội thoại bao gồm:
      • Intents (Ý định): Phân loại lời thoại đầu vào thông qua các cụm từ đào tạo (Training phrases), thiết lập hành động (Actions), tham số (Parameters) và nội dung phản hồi (Responses).
      • Entities (Thực thể): Nhận diện và rút trích các dữ liệu cụ thể (như cấp độ học, khung thời gian) từ câu nói của người dùng.
      • Contexts & Events: Thiết lập ngữ cảnh liên kết chuỗi hội thoại nhiều bước và kích hoạt luồng tư vấn theo sự kiện.
      • Fulfillment (Webhook): Cung cấp cổng API kết nối giữa Dialogflow với máy chủ Backend để truy vấn cơ sở dữ liệu thực tế trước khi phản hồi người dùng.

Phương pháp nghiên cứu và nguồn dữ liệu

  • Quy trình thu thập và xử lý dữ liệu gợi ý: Nhóm tác giả tự biên soạn bộ dữ liệu thực nghiệm gồm:
    • Tập dữ liệu huấn luyện (Train dataset): 100.441 dòng dữ liệu mô phỏng từ 4.185 người dùng, mỗi người dùng thực hiện đánh giá ngẫu nhiên thang điểm 0–5 trên tất cả các mã khóa học - thời gian quy ước.
    • Tập dữ liệu kiểm thử (Test dataset): 1.011 dòng dữ liệu được trích xuất ngẫu nhiên từ tập huấn luyện.
  • Công cụ phân tích và triển khai thực nghiệm:
    • Phân tích thống kê và trực quan hóa phân phối dữ liệu (biểu đồ tròn thể hiện tỷ lệ lượt đánh giá, biểu đồ nhiệt thể hiện điểm trung bình của từng khóa học theo khung thời gian) bằng ngôn ngữ Python trên môi trường Google Colab thông qua các thư viện NumPy, Pandas, Seaborn và Matplotlib.
    • Xây dựng mô hình gợi ý chạy thực tế bằng ngôn ngữ C# trên nền tảng .NET Core 6 Web API, sử dụng các thư viện Microsoft.ML, Microsoft.Recommender và CsvHelper.

Thiết kế và triển khai

Kiến trúc hệ thống và ngăn xếp công nghệ

Hệ thống được thiết kế theo mô hình kiến trúc Model-View-Controller (MVC) kết hợp giao tiếp qua các điểm cuối RESTful API để đảm bảo sự độc lập giữa giao diện người dùng và tầng xử lý nghiệp vụ, đồng thời đồng bộ hóa cơ sở dữ liệu giữa Website và ứng dụng di động.

Thành phần Công nghệ / Nền tảng sử dụng Vai trò trong hệ thống
Frontend Web ReactJS, npm, Single Page Application (SPA) Cung cấp giao diện người dùng trên trình duyệt máy tính, quản lý component tái sử dụng
Frontend Mobile Java, Android Studio, XML Xây dựng giao diện ứng dụng di động cho hệ điều hành Android
Backend Web NodeJS, ExpressJS, Sequelize ORM Xử lý logic nghiệp vụ, quản lý phiên làm việc, kết nối CSDL và cung cấp Webhook cho Chatbot
Backend Mobile API PHP Xây dựng các Web API trung gian định dạng JSON/XML để ứng dụng Android giao tiếp với CSDL
Cơ sở dữ liệu MySQL Lưu trữ tập trung toàn bộ dữ liệu người dùng, khóa học, bài viết, câu hỏi và lịch hẹn
Hệ thống Gợi ý ASP.NET Core 6 Web API, C#, Microsoft.ML Tiếp nhận kết quả tư vấn, chạy thuật toán Matrix Factorization và trả về danh sách khóa học đề xuất
Nền tảng Chatbot Google Dialogflow, Fulfillment Webhook Xử lý ngôn ngữ tự nhiên tiếng Việt, quản lý kịch bản đối thoại và điều phối luồng tư vấn
Dịch vụ tích hợp Imgur API, PHPMailer, NodeMailer Lưu trữ hình ảnh bài đăng (Imgur) và gửi email tự động xác nhận lịch hẹn/tài khoản

Luồng xử lý tích hợp Chatbot và Recommender System

Quy trình tự động hóa tư vấn và gợi ý khóa học được thực hiện theo chuỗi các bước liên hoàn:

  1. Học viên truy cập giao diện trò chuyện trên Website hoặc Mobile, nhập nhu cầu học tập (ví dụ: mục tiêu chứng chỉ, trình độ hiện tại, thời gian mong muốn).
  2. Dialogflow phân tích ngữ cảnh, bóc tách Entity và phân loại Intent phù hợp. Thông qua Fulfillment Webhook, máy chủ Backend truy xuất CSDL để trả về kết quả khóa học cơ sở (ví dụ: khóa học IELTS-PRE thời gian NORMAL).
  3. Hệ thống tiến hành chuẩn hóa kết quả tư vấn ban đầu thành chuỗi mã quy ước (ví dụ: mã "11" ứng với IELTS-PRE - NORMAL).
  4. Chuỗi mã "11" được gửi qua API đến dịch vụ Recommender System viết bằng C# .NET. Hệ thống gợi ý khởi tạo bản ghi đánh giá điểm 5 cho mã này dưới danh nghĩa một người dùng mới, chạy thuật toán Matrix Factorization trên bộ dữ liệu để tìm ra các tính chất ẩn tương đồng.
  5. Recommender System trả về 2 mã khóa học có điểm dự đoán cao nhất từ những người dùng có hành vi tương tự (ví dụ: mã "12" - IELTS-PRE - SPEEDY và mã "41" - TOEIC-PRE - NORMAL).
  6. Chatbot tổng hợp toàn bộ kết quả, phản hồi trực tiếp trên màn hình giao diện của học viên gồm khóa học phù hợp trực tiếp và các khóa học đề xuất mở rộng.

Nội dung chính theo từng chương

Khóa luận được cấu trúc thành 10 chương với nội dung chi tiết như sau:

  • Chương 1: Mở đầu: Trình bày lý do chọn đề tài xuất phát từ nhu cầu học tiếng Anh và điểm nghẽn thời gian trong tư vấn tuyển sinh; xác định mục tiêu khách quan, chủ quan; xác định đối tượng nghiên cứu (công nghệ Web, Mobile, AI) và phạm vi nghiên cứu (chức năng Chatbot, tính năng chung và tính năng riêng trên Web).
  • Chương 2: Kiến thức nền tảng: Giới thiệu tổng quan về các công nghệ được áp dụng bao gồm thư viện ReactJS, môi trường thực thi NodeJS (V8 runtime), ngôn ngữ lập trình Java (hỗ trợ đa tiến trình), ngôn ngữ kịch bản máy chủ PHP, chuẩn giao tiếp Web API và hệ quản trị cơ sở dữ liệu quan hệ MySQL.
  • Chương 3: Hệ thống gợi ý Recommender System: Phân tích lý thuyết Lọc cộng tác (Collaborative Filtering), so sánh Content-based và Collaborative filtering; phân tích ưu nhược điểm của User-User và Item-Item; chi tiết hóa thuật toán Matrix Factorization, cấu trúc Utility Matrix, hàm mất mát và thuật toán tối ưu luân phiên; thực nghiệm phân tích tập dữ liệu 100.441 dòng với Python và triển khai dịch vụ gợi ý với Microsoft.ML trên ASP.NET Core 6; đánh giá sai số RMSE và hệ số $R^2$.
  • Chương 4: Chatbot: Dialogflow: Giới thiệu nền tảng Dialogflow; phân tích chi tiết các thành phần Agent, Intent, Entity, Context, Event, Fulfillment (Webhook); xây dựng sơ đồ kịch bản đối thoại, bảng mô tả Intent và thiết kế luồng xử lý trò chuyện tư vấn khóa học kết hợp dữ liệu từ Recommender System.
  • Chương 5: Xây dựng hệ thống: Trình bày kiến trúc hệ thống theo mô hình MVC; chi tiết hóa các thành phần giao tiếp giữa Client (ReactJS/Java), Server (NodeJS/PHP/C# .NET) và Database (MySQL); thiết kế sơ đồ lớp (Class Diagram) mô tả cấu trúc các đối tượng trong ứng dụng.
  • Chương 6: Đặc tả Usecase: Liệt kê danh sách tác nhân (Khách vãng lai, Học viên, Nhân viên, Quản lý); lập bảng danh mục ca sử dụng chung cho 2 nền tảng và danh mục ca sử dụng dành riêng cho bản Web; chi tiết hóa biểu đồ tuần tự cho các luồng nghiệp vụ: Đăng ký thi thử, Trò chuyện với Bot, Đăng nhập, Tạo tài khoản, Thi thử online, Xem biểu đồ thống kê của Quản lý và Xem biểu đồ thống kê của Nhân viên.
  • Chương 7: Thiết kế cơ sở dữ liệu: Trình bày sơ đồ logic cơ sở dữ liệu quan hệ; chi tiết hóa danh sách các bảng quan hệ trong MySQL bao gồm các trường dữ liệu, khóa chính, khóa ngoại phục vụ lưu trữ tài khoản, phân quyền, bài viết, ngân hàng câu hỏi thi thử, kết quả thi và thông tin lịch hẹn.
  • Chương 8: Thiết kế giao diện người dùng: Mô tả chi tiết danh sách màn hình trên Website và Mobile App; minh họa bố cục các trang giao diện thực tế: Đăng nhập, Hồ sơ nhân viên, Quản lý tài khoản, Tạo cuộc hẹn, Giao diện trò chuyện Chatbot, Trang thi thử online, Trang kết quả thi thử và Trang thống kê biểu đồ số liệu dành cho quản trị.
  • Chương 9: Cài đặt và kiểm thử: Trình bày môi trường triển khai phần cứng, phần mềm; lập bảng kết quả kiểm thử chức năng (Functional Testing) trên các mô-đun Web, Mobile, kiểm thử đối thoại Dialogflow và kiểm thử tích hợp dịch vụ gợi ý khóa học.
  • Chương 10: Tổng kết: Đánh giá tổng hợp các kết quả thực nghiệm đạt được so với mục tiêu đề ra; phân tích những điểm còn hạn chế và vạch ra định hướng phát triển hoàn thiện đề tài trong tương lai.

Kết quả và đóng góp

Kết quả định lượng và sản phẩm thực tế

  • Hồ sơ tài liệu và sản phẩm: Hoàn thành cuốn báo cáo khóa luận tốt nghiệp dung lượng 122 trang với đầy đủ 10 chương, 10 bảng số liệu, 66 hình vẽ minh họa và 29 tài liệu tham khảo khoa học; đóng gói thành công 01 bộ sản phẩm phần mềm hoàn chỉnh chạy đồng thời trên máy tính (Website ReactJS) và thiết bị di động (Android App).
  • Mô hình gợi ý khóa học: Xây dựng và huấn luyện thành công mô hình Matrix Factorization trên bộ dữ liệu 100.441 mẫu đánh giá của 4.185 người dùng; tích hợp Web API độc lập trên ASP.NET Core 6 cho phép nhận mã khóa học đầu vào và tự động tính toán, trả về 2 khóa học bổ trợ tương quan cao trong thời gian thực.
  • Mô-đun Chatbot thông minh: Triển khai hoàn chỉnh Agent trên Google Dialogflow với bộ Intent, Entity tiếng Việt được cấu hình chuẩn xác; kết nối thông suốt Webhook Backend giúp Chatbot tự động truy vấn CSDL và cá nhân hóa câu trả lời tư vấn khóa học kết hợp gợi ý thông minh.
  • Hệ thống tính năng ứng dụng: Cung cấp đầy đủ các phân hệ nghiệp vụ gồm: thi thử trực tuyến, đăng ký lịch hẹn, quản lý bài viết tin tức, quản lý hỏi đáp, quản trị tài khoản nhân sự phân quyền theo vai trò (Nhân viên, Quản lý) và hệ thống biểu đồ trực quan hóa dữ liệu thống kê.

Đóng góp thực tiễn của đề tài

  • Giải quyết triệt để bài toán thắt nút cổ chai trong khâu tư vấn tuyển sinh tại các trung tâm ngoại ngữ, rút ngắn thời gian xử lý từ vài giờ hoặc vài ngày xuống mức phản hồi tức thì thông qua tự động hóa bằng AI.
  • Đóng góp giải pháp kết hợp liên hoàn giữa mô hình xử lý ngôn ngữ tự nhiên (NLP qua Chatbot) và mô hình học máy gợi ý (Machine Learning Recommender System) trong bài toán định hướng lộ trình học tập.
  • Cung cấp kiến trúc hệ thống đa nền tảng có khả năng đồng bộ dữ liệu tập trung qua RESTful API, tạo nền tảng quản trị thông tin thống nhất cho doanh nghiệp giáo dục.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

  • Bộ dữ liệu sử dụng để huấn luyện và kiểm thử mô hình gợi ý (100.441 dòng) là dữ liệu tự tạo ngẫu nhiên, chưa phản ánh đầy đủ phân phối hành vi thực tế của học viên qua thời gian dài tại một trung tâm cụ thể.
  • Phương pháp Lọc cộng tác User-User Collaborative Filtering vẫn tồn tại nhược điểm "khởi đầu lạnh" (cold-start) đối với các khóa học mới đưa vào hệ thống hoặc học viên mới chưa có lịch sử tương tác, đồng thời chi phí tính toán có xu hướng tăng khi ma trận người dùng phình to.
  • Khả năng hiểu ngôn ngữ tự nhiên tiếng Việt của Chatbot Dialogflow phụ thuộc vào tập kịch bản và cụm từ đào tạo có sẵn, chưa xử lý được trọn vẹn các câu hỏi mang tính phức hợp hoặc lệch xa ngữ cảnh định nghĩa.

Hướng nghiên cứu tiếp

  • Bổ sung thêm các tính năng tiện ích phục vụ công tác quản lý nội bộ chuyên sâu của trung tâm và mở rộng tiện ích học tập cho học viên.
  • Nâng cấp giao diện người dùng theo hướng tối ưu trải nghiệm (UI/UX) và tích hợp mô-đun chuyển đổi đa ngôn ngữ (đặc biệt là giao diện tiếng Anh).
  • Tối ưu hóa mã nguồn Backend và cấu trúc truy vấn CSDL nhằm tăng tốc độ phản hồi và nâng cao độ ổn định của hệ thống Website lẫn Mobile App khi có lượng truy cập đồng thời lớn.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho sinh viên các ngành Kỹ thuật Phần mềm, Công nghệ Thông tin, Hệ thống Thông tin và Khoa học Dữ liệu trong các nội dung sau:

  • Thiết kế kiến trúc đa nền tảng: Cung cấp mô hình triển khai thực tế kết hợp đồng thời ReactJS (Web), Java Android (Mobile), NodeJS/PHP (Backend) và MySQL trên cùng một hệ thống cơ sở dữ liệu dùng chung.
  • Ứng dụng Trí tuệ nhân tạo trong phần mềm: Tài liệu minh họa chi tiết cách thức xây dựng Agent trên Dialogflow, thiết lập Webhook Fulfillment và tích hợp thư viện Microsoft.ML (thuật toán Matrix Factorization) trên nền tảng ASP.NET Core 6 để xây dựng hệ thống gợi ý thực tiễn (tham khảo chi tiết tại Chương 3 và Chương 4).
  • Quy trình phân tích và thiết kế phần mềm: Cung cấp tài liệu mẫu mực về đặc tả Use Case, vẽ biểu đồ tuần tự nghiệp vụ, thiết kế sơ đồ lớp và chuẩn hóa cơ sở dữ liệu quan hệ trong dự án tốt nghiệp kỹ sư phần mềm (tham khảo tại Chương 5, Chương 6 và Chương 7).

Câu hỏi thường gặp

1. Khóa luận sử dụng phương pháp và thuật toán nào để xây dựng hệ thống gợi ý khóa học?
Khóa luận áp dụng phương pháp Lọc cộng tác (Collaborative Filtering) theo hướng Người dùng - Người dùng (User-User), sử dụng thuật toán Phân tích ma trận thành nhân tử (Matrix Factorization) để phân rã Utility Matrix thành các ma trận tính chất ẩn $W$ và $X$, tối ưu hóa qua hàm mất mát luân phiên và triển khai bằng thư viện Microsoft.ML trên C# .NET Core 6.

2. Chatbot trong hệ thống được xây dựng bằng công nghệ gì và kết nối với cơ sở dữ liệu ra sao?
Chatbot được xây dựng trên nền tảng Google Dialogflow nhằm xử lý ngôn ngữ tự nhiên tiếng Việt thông qua các Intent, Entity và Context. Để truy vấn dữ liệu từ MySQL, Chatbot sử dụng cơ chế Fulfillment Webhook gọi đến API Backend của NodeJS, từ đó lấy thông tin khóa học trả lời động cho người dùng.

3. Sự khác biệt về mặt tính năng giữa phiên bản Web và phiên bản Android Mobile trong khóa luận là gì?
Cả hai phiên bản đều hỗ trợ các tính năng chung như: xem thông tin trung tâm/khóa học, trò chuyện với Chatbot, quản lý bài viết, quản lý hỏi đáp và quản lý tài khoản. Tuy nhiên, phiên bản Web được phát triển thêm các tính năng riêng biệt gồm: theo dõi biểu đồ thống kê số liệu (dành cho Quản lý và Nhân viên), thực hiện bài thi thử trực tuyến, đăng ký lịch hẹn thi thử tại trung tâm và quản trị kịch bản/kiểm thử Chatbot.

4. Dữ liệu huấn luyện Recommender System trong khóa luận có quy mô như thế nào và được đánh giá bằng các chỉ số nào?
Mô hình sử dụng bộ dữ liệu tự biên soạn gồm tập huấn luyện (Train) có 100.441 dòng dữ liệu từ 4.185 người dùng (đánh giá random thang điểm 0–5) và tập kiểm thử (Test) gồm 1.011 dòng trích xuất ngẫu nhiên. Chất lượng mô hình được đánh giá qua hai chỉ số là Sai số bình phương trung bình gốc (RMSE) và Hệ số xác định ($R^2$).

5. Kế hoạch và tiến độ thực hiện đồ án của nhóm tác giả được tổ chức như thế nào?
Đề tài được thực hiện từ ngày 29/08/2022 đến ngày 22/12/2022, chia làm 2 giai đoạn lớn với 8 Sprint (mỗi Sprint 2 tuần): Giai đoạn 1 (Sprint 1–4) tập trung đăng ký, xây dựng CSDL, làm giao diện cơ bản và tích hợp Dialogflow; Giai đoạn 2 (Sprint 5–8) tập trung hoàn thiện toàn bộ tính năng, kiểm thử hệ thống, triển khai ứng dụng và viết báo cáo tổng kết.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Hồ Quỳnh Thư và Cao Ngọc Anh đã giải quyết thành công bài toán tự động hóa quy trình tư vấn và tuyển sinh cho trung tâm Anh ngữ thông qua giải pháp phần mềm đa nền tảng (Web và Mobile Android). Bằng việc tích hợp công nghệ xử lý ngôn ngữ tự nhiên Google Dialogflow với thuật toán gợi ý Matrix Factorization (Collaborative Filtering), hệ thống đã đáp ứng hiệu quả khả năng giải đáp thắc mắc, cá nhân hóa đề xuất khóa học và hỗ trợ thi thử trực tuyến cho học viên. Toàn bộ kiến trúc phần mềm, thiết kế cơ sở dữ liệu quan hệ và quy trình thử nghiệm đã được nhóm tác giả xây dựng hoàn chỉnh, mang lại giá trị thực tiễn và tính ứng dụng cao trong lĩnh vực công nghệ giáo dục.