Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số giáo dục đang diễn ra mạnh mẽ tại Việt Nam, ứng dụng trí tuệ nhân tạo vào công tác tuyển sinh trở thành xu hướng tất yếu. Theo khảo sát của Salesforce, khoảng 23% công ty dịch vụ khách hàng hiện đang tích hợp chatbot AI vào vận hành, trong khi 62% doanh nghiệp toàn cầu có kế hoạch triển khai chatbot trên website và mạng xã hội theo số liệu từ TIDIO. Xu hướng này đang lan nhanh vào lĩnh vực giáo dục đại học, đặc biệt trong giai đoạn tuyển sinh và nhập học.

Đề án thạc sĩ kỹ thuật của học viên Phan Quang Thành tại Học viện Công nghệ Bưu chính Viễn thông (PTIT), chuyên ngành Hệ thống thông tin (mã số 8.04), tập trung giải quyết bài toán thực tiễn cấp bách: Học viện hiện tuyển sinh 19 ngành với 4.345 chỉ tiêu năm 2023 và dự kiến mở rộng lên 22 ngành với 5.200 chỉ tiêu năm 2024. Với quy mô tân sinh viên nhập học lớn dồn vào chỉ 1–2 ngày, áp lực lên bộ phận tư vấn là cực kỳ cao, dễ dẫn đến sai sót và tốn nhiều nhân lực.

Mục tiêu cốt lõi của nghiên cứu là thiết kế và triển khai một hệ thống chatbot có khả năng trả lời tự động các câu hỏi thường gặp về hồ sơ nhập học, học phí, ký túc xá, học bổng và các thủ tục liên quan — hoạt động 24/7 trên Facebook Messenger và website chính thức của Học viện. Phạm vi dữ liệu bao phủ gần 6 năm tương tác thực tế từ tháng 3/2017 đến tháng 3/2023.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của hai mô hình kỹ thuật chủ đạo trong xử lý ngôn ngữ tự nhiên hiện đại.

Mô hình kiến trúc Transformer và cơ chế Self-Attention là khung lý thuyết trung tâm. Khác với RNN truyền thống phải xử lý tuần tự từng token, Transformer cho phép tính toán song song toàn bộ chuỗi đầu vào thông qua cơ chế Multi-head Attention — cụ thể là 3 heads — giúp giảm đáng kể thời gian huấn luyện và tận dụng sức mạnh tính toán của GPU. Encoder gồm 6 lớp chồng với Sub-layer đầu tiên là Multi-head Self-Attention và Sub-layer thứ hai là Feed-Forward Network. Positional Encoding được cộng trực tiếp vào vector embedding để đưa yếu tố thứ tự từ vào mô hình.

Mô hình BERT (Bidirectional Encoder Representations from Transformers) là ứng dụng cụ thể của Transformer trong bài toán phân loại ý định (Intent Classification). Đặc biệt, phiên bản bert-base-multilingual-cased được chọn vì hỗ trợ tiếng Việt, phù hợp với đặc thù ngữ liệu của đề tài.

Năm khái niệm chuyên ngành then chốt trong nghiên cứu gồm: Intent Classification (IC) — phân loại ý định người dùng; NLU (Natural Language Understanding) — hiểu ngôn ngữ tự nhiên; DIET Classifier — mô hình xử lý đồng thời phân loại ý định và trích xuất thực thể; Tracker Store — bộ nhớ lưu trữ lịch sử hội thoại; và TODs (Task-Oriented Dialogue Systems) — hệ thống đối thoại định hướng nhiệm vụ, kiến trúc phù hợp nhất cho bài toán tư vấn nhập học.

Phương pháp nghiên cứu

Nguồn dữ liệu: Bộ dữ liệu được thu thập từ fanpage Tuyển sinh PTIT trong gần 6 năm, tổng cộng khoảng 357.200 dòng dữ liệu với dung lượng 41MB, bao gồm tin nhắn và bình luận thực tế giữa page với học sinh, sinh viên. Đây là dữ liệu hội thoại tự nhiên, phản ánh đúng ngôn ngữ sinh viên sử dụng trong thực tiễn tuyển sinh, bao gồm các từ viết tắt đặc thù như "clc" (chất lượng cao), "ktx" (ký túc xá), "cccd" (căn cước công dân). Tổng danh sách từ viết tắt được chuẩn hóa lên đến gần 1.950 từ và cụm từ.

Phương pháp chọn mẫu và phân chia dữ liệu: Toàn bộ bộ dữ liệu sau xử lý được phân chia theo tỷ lệ 80% dùng để huấn luyện mô hình và 20% dùng để kiểm thử — một tỷ lệ phân chia phổ biến và hợp lý trong các bài toán phân loại văn bản, đảm bảo tập kiểm thử đủ lớn để đánh giá tổng quát hóa.

Phương pháp phân tích: Nghiên cứu sử dụng 4 chỉ số đánh giá mô hình: Accuracy, Precision, Recall và F1-Score. Lý do lựa chọn F1-Score làm chỉ số tổng hợp là vì đây là trung bình điều hòa của Precision và Recall, phù hợp với bài toán phân loại có nhiều lớp (30 chủ đề hội thoại) và cần cân bằng giữa độ chính xác và độ bao phủ. Thử nghiệm được thực hiện trên máy tính cá nhân với CPU Intel Core i5-12400F, RAM 32GB, GPU NVIDIA Quadro RTX 4000 8GB GDDR6, hệ điều hành Ubuntu 22.3 LTS.

Timeline nghiên cứu: Dữ liệu thu thập trải dài 6 năm (2017–2023); quá trình xây dựng, huấn luyện và thử nghiệm hệ thống hoàn thành trong năm học 2023–2024, với kết quả được nộp vào tháng 02/2024.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Phát hiện 1 — Bert-base-multilingual-cased vượt trội so với BERT tiếng Anh thuần túy. Kết quả thử nghiệm cho thấy mô hình bert-base-multilingual-cased đạt F1-Score 0,94 khi phân loại ý định, trong khi mô hình bert thuần tiếng Anh có kết quả Accuracy chỉ đạt 0,3 — thấp hơn đáng kể. Nguyên nhân trực tiếp là ngữ liệu tiếng Việt với đặc điểm thanh điệu, dấu câu và từ viết tắt phổ biến không thể được mô hình chỉ huấn luyện trên tiếng Anh biểu diễn chính xác.

Phát hiện 2 — Ngưỡng tin cậy 0,7 là điểm cân bằng tối ưu cho hệ thống. Trong thiết kế luồng hội thoại, các intent có độ tin cậy dưới 0,7 bị loại để tránh trả lời sai. Nếu hệ thống nhận diện được 1 intent có độ tin cậy trên 0,7 thì đưa ra câu trả lời trực tiếp; từ 2 intent trở lên thì đưa ra danh sách để người dùng chọn. Cơ chế này giúp hệ thống xử lý được trường hợp câu hỏi mơ hồ một cách có kiểm soát.

Phát hiện 3 — Hệ thống chatbot tại NEU đạt trên 95% độ chính xác với 50 loại câu hỏi, theo số liệu tham khảo từ thực tiễn triển khai tại Đại học Kinh tế Quốc dân. Đây là benchmark thực tiễn để nhóm nghiên cứu đặt mục tiêu cho chatbot PTIT với 30 chủ đề hội thoại bao quát toàn bộ quy trình nhập học.

Phát hiện 4 — Bộ dữ liệu cần chuẩn hóa gần 1.950 từ viết tắt tiếng Việt đặc thù của sinh viên. Đây là một phát hiện quan trọng về đặc điểm ngôn ngữ của người dùng trẻ Việt Nam trên mạng xã hội, bao gồm viết tắt theo âm (e → em, r → rồi), viết tắt theo nghĩa (clc → chất lượng cao) và viết tắt năm sinh (2k3 → 2003).

Thảo luận kết quả

Kết quả F1-Score 0,94 của mô hình BERT đa ngôn ngữ khẳng định rằng các mô hình ngôn ngữ lớn được tiền huấn luyện trên dữ liệu đa ngôn ngữ có thể áp dụng hiệu quả cho tiếng Việt mà không cần xây dựng mô hình từ đầu — một ưu thế lớn về chi phí và thời gian so với các hướng tiếp cận trước đây dựa trên RNN hay LSTM thuần túy.

So với kiến trúc LSTM — vốn gặp hiện tượng vanishing gradient khi xử lý chuỗi dài và phải xử lý tuần tự — Transformer cho phép song song hóa tính toán, rút ngắn đáng kể thời gian huấn luyện trên cùng phần cứng. Điều này đặc biệt có ý nghĩa khi bộ dữ liệu lên đến 357.200 dòng.

Về mặt trực quan hóa, kết quả đánh giá mô hình được biểu diễn qua ma trận nhầm lẫn (confusion matrix) và biểu đồ độ tin cậy cho các dự đoán — hai dạng biểu đồ giúp xác định rõ các nhóm intent dễ bị phân loại sai nhất, từ đó định hướng bổ sung dữ liệu huấn luyện cho các chủ đề còn yếu. Đây là hướng cải thiện quan trọng cho các phiên bản tiếp theo của hệ thống.

Đề xuất và khuyến nghị

1. Mở rộng bộ dữ liệu theo định kỳ hàng năm. Bộ phận tuyển sinh PTIT nên thu thập và bổ sung dữ liệu hội thoại mới sau mỗi mùa tuyển sinh (tháng 8–9 hàng năm), nhắm đạt mục tiêu tăng thêm ít nhất 50.000 dòng dữ liệu mỗi năm. Dữ liệu mới giúp mô hình thích nghi với thay đổi trong quy chế tuyển sinh, phương thức xét tuyển và ngôn ngữ của thí sinh.

2. Tích hợp thêm kênh Zalo OA trong năm 2025. Hiện tại hệ thống triển khai trên Facebook Messenger và website. Tuy nhiên, Zalo là nền tảng nhắn tin phổ biến nhất tại Việt Nam trong nhóm phụ huynh và học sinh THPT. Nhóm phát triển cần tích hợp chatbot lên Zalo Official Account để tiếp cận rộng hơn 50% nhóm đối tượng chưa được phục vụ.

3. Nâng cấp mô hình sang PhoBERT cho tiếng Việt thuần. Mô hình PhoBERT — được VinAI huấn luyện riêng trên dữ liệu tiếng Việt — có tiềm năng vượt qua bert-base-multilingual-cased trong các tác vụ phân loại tiếng Việt, theo kết quả từ nhiều nghiên cứu trong nước. Nhóm kỹ thuật nên thử nghiệm so sánh F1-Score giữa hai mô hình này trong phiên bản cập nhật tiếp theo.

4. Xây dựng cơ chế phản hồi vòng lặp từ người dùng (feedback loop). Thiết kế tính năng cho phép tân sinh viên đánh giá chất lượng câu trả lời (hài lòng/không hài lòng) ngay trong giao diện chat. Dữ liệu phản hồi này cần được Phòng Đào tạo PTIT xem xét hàng tháng để xác định các câu hỏi có tỷ lệ không hài lòng trên 20% và bổ sung vào dữ liệu huấn luyện trong chu kỳ cập nhật tiếp theo.

5. Triển khai giám sát hiệu năng hệ thống theo thời gian thực. Trong giai đoạn cao điểm nhập học (tháng 8–9), chatbot có thể nhận hàng nghìn tin nhắn mỗi ngày. Nhóm kỹ thuật cần thiết lập dashboard giám sát tỷ lệ intent không xác định (dưới ngưỡng 0,7), thời gian phản hồi trung bình và tỷ lệ người dùng chọn "để lại thông tin form Google" — các chỉ số này phản ánh trực tiếp chất lượng dịch vụ.

Đối tượng nên tham khảo luận văn

Nhóm 1 — Nhà phát triển và kỹ sư AI tại các tổ chức giáo dục: Đề án cung cấp một quy trình triển khai chatbot đầu đủ từ thu thập dữ liệu thô (357.200 dòng), xử lý ngôn ngữ tiếng Việt đặc thù (1.950 từ viết tắt), huấn luyện mô hình BERT đa ngôn ngữ, đến tích hợp đa kênh (Facebook Messenger, website). Đây là tài liệu tham chiếu kỹ thuật chi tiết cho các dự án chatbot giáo dục quy mô trung bình.

Nhóm 2 — Cán bộ phụ trách tuyển sinh và tư vấn nhập học: Nghiên cứu phân tích sâu 30 chủ đề câu hỏi thường gặp của thí sinh, bao gồm học phí, ký túc xá, học bổng, hồ sơ nhập học và chương trình chất lượng cao. Cán bộ tuyển sinh có thể tham khảo để xây dựng bộ FAQ chuẩn hóa, đồng thời hiểu rõ hơn nhu cầu thông tin thực sự của thí sinh qua phân tích intent.

Nhóm 3 — Học viên và nghiên cứu sinh chuyên ngành Hệ thống thông tin, Khoa học máy tính: Luận văn trình bày tường minh lý thuyết về RNN, LSTM, Transformer, BERT và DIET Classifier với mức độ phù hợp cho người học ở bậc thạc sĩ. Phần so sánh kết quả giữa hai mô hình bert và bert-base-multilingual-cased là case study thực tiễn có giá trị tham khảo cao cho các đề tài xử lý tiếng Việt.

Nhóm 4 — Nhà quản lý giáo dục và hoạch định chiến lược chuyển đổi số: Nghiên cứu cho thấy chatbot có thể giảm tải đáng kể áp lực nhân sự trong đợt cao điểm nhập học chỉ 1–2 ngày, đồng thời đảm bảo tính nhất quán và chính xác của thông tin cung cấp đến hàng nghìn tân sinh viên. Đây là luận cứ thực tiễn để thuyết phục Ban Giám hiệu đầu tư vào hạ tầng AI phục vụ tuyển sinh.

Câu hỏi thường gặp

1. Chatbot tư vấn nhập học tại PTIT sử dụng công nghệ gì? Hệ thống kết hợp Rasa NLU (framework NLP mã nguồn mở) với mô hình ngôn ngữ bert-base-multilingual-cased để phân loại ý định, Botpress Studio (phiên bản v12) để quản lý luồng hội thoại, và Django + ReactJS cho module quản lý dữ liệu. Kiến trúc tích hợp này cho phép hệ thống hoạt động đồng thời trên Facebook Messenger và website Học viện.

2. Tại sao chọn Rasa thay vì các nền tảng chatbot thương mại? Rasa là framework mã nguồn mở, cho phép toàn quyền kiểm soát dữ liệu và mô hình — điều quan trọng với tổ chức giáo dục cần bảo mật thông tin thí sinh. Rasa hỗ trợ tùy chỉnh pipeline NLU sâu, bao gồm tích hợp tokenizer tiếng Việt riêng (VietnamTokenizer) và mô hình BERT đa ngôn ngữ, điều mà hầu hết nền tảng thương mại không cho phép.

3. Chatbot xử lý thế nào khi không trả lời được câu hỏi? Khi intent có độ tin cậy dưới ngưỡng 0,7, chatbot không đoán mà chuyển sang luồng xử lý dự phòng gồm 3 lựa chọn cho người dùng: để lại thông tin qua Google Form để được tư vấn trực tiếp, nhận gợi ý kết quả tìm kiếm Google về câu hỏi đó, hoặc tiếp tục đặt câu hỏi khác. Cơ chế này đảm bảo người dùng không bao giờ bị bỏ lại mà không có lối thoát.

4. Mô hình cần bao nhiêu dữ liệu để huấn luyện hiệu quả? Bộ dữ liệu trong đề án gồm 357.200 dòng hội thoại thực tế trải dài 6 năm, được chia theo tỷ lệ 80/20 cho huấn luyện và kiểm thử. Với 30 chủ đề intent, trung bình mỗi intent có gần 9.500 mẫu câu hỏi, đủ để mô hình bert-base-multilingual-cased đạt F1-Score 0,94. Với các tổ chức có ít dữ liệu hơn, kỹ thuật data augmentation (tăng cường dữ liệu) có thể được áp dụng bổ sung.

5. Chi phí triển khai hệ thống chatbot này như thế nào? Toàn bộ công nghệ sử dụng trong đề án — Rasa, Botpress v12, Django, ReactJS — đều là mã nguồn mở và miễn phí bản quyền. Chi phí chủ yếu đến từ phần cứng máy chủ (tương đương cấu hình GPU NVIDIA Quadro RTX 4000 8GB, RAM 32GB) và nhân lực kỹ thuật để vận hành, cập nhật mô hình. Theo ước tính, tổng chi phí triển khai và vận hành một năm đầu thấp hơn đáng kể so với chi phí nhân sự tư vấn thủ công trong giai đoạn cao điểm nhập học.

Kết luận

  • Đề án đã xây dựng thành công hệ thống chatbot NLU tiếng Việt với F1-Score 0,94 sử dụng bert-base-multilingual-cased, vượt trội so với mô hình BERT tiếng Anh thuần túy (Accuracy 0,3).
  • Bộ dữ liệu quy mô lớn gồm 357.200 dòng hội thoại thực tế 6 năm, được chuẩn hóa với gần 1.950 từ viết tắt đặc thù của sinh viên Việt Nam.
  • Hệ thống đa thành phần tích hợp Rasa NLU + Botpress + Django/ReactJS được triển khai thành công trên cả Facebook Messenger và website chính thức của PTIT.
  • 30 chủ đề hội thoại bao phủ toàn bộ quy trình nhập học, từ hồ sơ, học phí đến ký túc xá, học bổng và chính sách sinh viên.
  • Hướng phát triển tiếp theo gồm: thử nghiệm mô hình PhoBERT, mở rộng kênh tích hợp Zalo OA, xây dựng feedback loop tự động và giám sát hiệu năng thời gian thực trong mùa tuyển sinh.

Các nhà nghiên cứu và đơn vị giáo dục muốn triển khai chatbot tư vấn có thể tham khảo đề án này như một blueprint kỹ thuật đầy đủ — từ xử lý dữ liệu tiếng Việt đặc thù đến lựa chọn kiến trúc mô hình và thiết kế luồng hội thoại phù hợp với bối cảnh tuyển sinh đại học tại Việt Nam.