Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số giáo dục và sự gia tăng của các hình thức đào tạo trực tuyến, nhu cầu tiếp cận nguồn tài nguyên học tập chính xác của người học ngày càng trở nên cấp thiết khi có tới hơn 80% sinh viên thường xuyên tìm kiếm tài liệu trên mạng internet. Tuy nhiên, các công cụ tìm kiếm đại trà thường trả về hàng loạt kết quả nhiễu, khiến người học mất từ 15 đến 30 phút cho mỗi phiên tra cứu mà vẫn khó xác định được tài liệu chuẩn xác. Nhằm giải quyết triệt để thực trạng này, luận văn thạc sĩ chuyên ngành Hệ thống thông tin (mã số 8.04) của học viên Trần Thị Tuyết Hoa, dưới sự hướng dẫn khoa học của Tiến sĩ Tân Hạnh tại Học viện Công nghệ Bưu chính Viễn thông năm 2022, đã thực hiện đề tài "Xây dựng hệ thống truy hồi học liệu cho sinh viên ngành điện - điện tử". Mục tiêu cụ thể của công trình là thiết lập hệ thống truy hồi thông tin chuyên biệt có khả năng tìm kiếm chính xác theo từ khóa, lọc theo định dạng văn bản và tự động phân loại học liệu kỹ thuật theo chủ đề chuyên sâu. Phạm vi nghiên cứu tập trung thực nghiệm trên kho dữ liệu gồm 511 tài liệu kỹ thuật tại Trường Trung cấp Kinh tế - Kỹ thuật Tây Ninh trong năm 2022. Ý nghĩa thực tiễn của đề tài được khẳng định qua việc rút ngắn thời gian phản hồi tra cứu xuống dưới 0.5 giây và nâng độ chính xác truy hồi lên trên 88%, hỗ trợ thiết thực cho hơn 1.000 sinh viên cùng đội ngũ giảng viên trong công tác giảng dạy và học tập trực tuyến.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết truy hồi thông tin (Information Retrieval - IR) kết hợp với các giải thuật xử lý ngôn ngữ tự nhiên và học máy có giám sát. Khung lý thuyết trọng tâm kết hợp hai mô hình nền tảng gồm Mô hình logic Boolean và Mô hình không gian Vector (Vector Space Model - VSM). Mô hình Boolean vận dụng đại số tập hợp với các toán tử AND, OR, NOT để sàng lọc chính xác các văn bản thỏa mãn điều kiện logic. Trong khi đó, Mô hình không gian Vector đại số hóa tài liệu và câu truy vấn thành các vector n chiều trong không gian Euclide, từ đó xác định mức độ liên quan thông qua độ đo khoảng cách góc cosine với giá trị dao động từ 0 đến 1. Để định lượng giá trị ngữ nghĩa của từng từ vựng, nghiên cứu áp dụng kỹ thuật trọng số TF-IDF (Term Frequency - Inverse Document Frequency), cho phép nhân tần suất xuất hiện cục bộ của thuật ngữ trong văn bản với logarit nghịch đảo tần suất xuất hiện của nó trên toàn bộ tập dữ liệu. Ngoài ra, việc vận dụng Định luật Zipf về phân phối tần suất từ vựng đã giúp hệ thống loại bỏ khoảng 50 đến 100 từ dừng (stopwords) phổ biến nhất, qua đó giảm dung lượng cấu trúc chỉ mục đảo ngược (Inverted Index) lên tới 45% mà không làm suy giảm chất lượng tìm kiếm.

Phương pháp nghiên cứu

Phương pháp nghiên cứu kết hợp giữa phân tích, tổng hợp lý thuyết chuyên sâu và thực nghiệm khoa học thông qua việc phát triển hệ thống trên nền tảng thư viện mã nguồn mở Lucene.Net. Tập dữ liệu thực nghiệm có quy mô 511 file tài liệu học tập, bao gồm 220 tài liệu tiếng Việt và 291 tài liệu tiếng Anh dưới các định dạng phổ biến như Microsoft Word (.doc, .docx), PDF và PowerPoint (.ppt, .pptx). Tác giả đã áp dụng phương pháp chọn mẫu có chủ đích từ nguồn giáo trình giảng dạy thực tế của nhà trường kết hợp nguồn tài nguyên mở trên internet, trong đó lồng ghép 44 tài liệu thuộc các ngành cận liên quan như Điện tử Viễn thông và Công nghệ thông tin để kiểm thử khả năng loại trừ độ nhiễu. Lý do lựa chọn thư viện Lucene.Net kết hợp giải thuật học máy có giám sát là nhờ cấu trúc lập chỉ mục đảo có hiệu năng vượt trội, cơ chế phân tích từ vựng (Analyzer) linh hoạt và khả năng tùy biến thuật toán tách từ (Tokenizer) tối ưu cho đặc trưng đa âm tiết của tiếng Việt chuyên ngành Điện - Điện tử. Toàn bộ quy trình thực nghiệm được triển khai đồng bộ trong 12 tháng của năm 2022 qua các bước tiền xử lý, trích xuất đặc trưng và đánh giá hiệu năng hệ thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình chạy thực nghiệm và kiểm thử hệ thống đã mang lại 4 phát hiện quan trọng:

Thứ nhất, quy trình tiền xử lý văn bản tự động đã chuyển đổi thành công 100% trong số 511 tài liệu đa định dạng sang tệp văn bản thuần (.txt), loại bỏ hơn 350 từ dừng vô nghĩa và chuẩn hóa chính xác các thuật ngữ kỹ thuật.

Thứ hai, độ chính xác (Precision) trung bình của hệ thống đạt 88.4% trên các truy vấn từ khóa chuyên môn, cao hơn 23.5% so với các phương pháp tìm kiếm chuỗi ký tự thông thường không qua lập chỉ mục.

Thứ ba, độ bao phủ (Recall) đạt mức ổn định từ 82.0% đến 90.5%, đảm bảo khả năng thu hồi hầu như toàn bộ tài liệu liên quan đến các chủ đề trọng tâm như mạch điện tử, thiết bị bán dẫn và vi điều khiển.

Thứ tư, thời gian xử lý và phản hồi truy vấn đạt mức trung bình 0.35 giây mỗi lượt tra cứu, giúp giảm 75% độ trễ so với phương thức quét tuần tự toàn văn trên ổ đĩa.

Thảo luận kết quả

Hiệu năng ấn tượng của hệ thống bắt nguồn từ việc tích hợp chặt chẽ giữa cơ chế chỉ mục đảo của Lucene và hàm xếp hạng tương đồng trong mô hình không gian Vector. Khi người dùng nhập các từ khóa kỹ thuật như "mạch điện" hay "diode", hệ thống không chỉ so khớp từ vựng mà còn tính toán trọng số TF-IDF để định vị chính xác tài liệu có mật độ thông tin phù hợp nhất lên vị trí ưu tiên đầu danh sách. So với mô hình Boolean thuần túy vốn chỉ đưa ra kết quả nhị phân đúng hoặc sai, mô hình không gian Vector đã khắc phục triệt để tình trạng kết quả rỗng hoặc danh sách hiển thị quá dài mà không có trật tự ưu tiên. Về mặt trình bày trực quan, kết quả nghiên cứu được minh chứng rõ ràng qua Bảng 3.2 và Bảng 3.3 trong luận văn khi so sánh chi tiết các độ đo Precision và Recall trên từng nhóm từ khóa chuyên môn. Bên cạnh đó, biểu đồ không gian vector 2 chiều và 3 chiều đã mô phỏng trực quan cơ chế tính góc cosine, cho thấy các tài liệu chứa trọng số thuật ngữ cao luôn tạo thành góc hẹp nhất so với vector truy vấn của người dùng.

Đề xuất và khuyến nghị

Dựa trên kết quả thực nghiệm, luận văn đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa và mở rộng hệ thống trong thực tiễn đào tạo:

Thứ nhất, nâng cấp và chuẩn hóa bộ từ điển chuyên ngành Điện - Điện tử song ngữ: Đặt mục tiêu nâng độ chính xác truy hồi từ 88.4% lên trên 95.0% trong thời hạn 6 tháng, do Ban chủ nhiệm khoa Điện - Điện tử chủ trì phối hợp cùng các giảng viên chuyên môn thực hiện.

Thứ hai, mở rộng quy mô kho học liệu số: Đạt chỉ tiêu 2.000 tài liệu số hóa chất lượng cao trong vòng 12 tháng, giao Trung tâm Thông tin Thư viện làm đầu mối thu thập, số hóa giáo trình và bài giảng điện tử.

Thứ ba, tích hợp các mô hình học sâu (Deep Learning) vào bộ phân tích ngữ nghĩa: Triển khai ứng dụng kiến trúc Transformer và BERT tiếng Việt trong lộ trình 18 tháng nhằm nâng cao khả năng xử lý ngữ cảnh câu hỏi dài, do đội ngũ kỹ sư công nghệ thông tin phụ trách.

Thứ tư, triển khai tính năng phản hồi mức độ liên quan (Relevance Feedback): Cho phép 100% sinh viên và giảng viên đánh giá trực tiếp độ hữu ích của kết quả tìm kiếm trên giao diện người dùng, giúp hệ thống tự động tái định chuẩn trọng số truy vấn trong niên khóa tiếp theo.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng cụ thể:

  1. Sinh viên và học viên ngành Kỹ thuật Điện - Điện tử: Sử dụng hệ thống để tiếp cận nhanh chóng nguồn tài liệu học tập chính thống, tiết kiệm 80% thời gian tra cứu giáo trình và tài liệu tham khảo cho đồ án tốt nghiệp.

  2. Giảng viên và cán bộ quản lý đào tạo nghề: Khai thác mô hình để xây dựng bài giảng điện tử, phân loại kho học liệu theo chương trình đào tạo module và quản lý tài nguyên dạy học trực tuyến hiệu quả.

  3. Kỹ sư phần mềm và chuyên gia Hệ thống thông tin: Kế thừa kiến trúc tích hợp Lucene.Net, quy trình tiền xử lý NLP tiếng Việt và mã nguồn thực nghiệm để phát triển các cổng tìm kiếm tri thức chuyên ngành.

  4. Cán bộ quản lý thư viện và chuyển đổi số giáo dục: Tham khảo phương pháp phân loại và lập chỉ mục văn bản tự động để số hóa kho lưu trữ hàng nghìn đầu sách truyền thống sang hệ thống thư viện điện tử thông minh.

Câu hỏi thường gặp

  1. Hệ thống truy hồi học liệu này sử dụng công nghệ cốt lõi nào? Hệ thống sử dụng thư viện mã nguồn mở Lucene.Net kết hợp kỹ thuật lập chỉ mục đảo và Mô hình không gian Vector. Nền tảng này cho phép tiền xử lý, phân tích từ vựng và tự động xếp hạng tài liệu dựa trên kho ngữ liệu 511 tệp kỹ thuật với tốc độ phản hồi dưới 0.5 giây.

  2. Mô hình không gian Vector khắc phục điểm yếu gì của mô hình Boolean? Mô hình không gian Vector giải quyết triệt để hạn chế không thể xếp hạng của mô hình Boolean bằng cách tính khoảng cách góc cosine giữa vector truy vấn và vector văn bản. Hệ thống gán trọng số TF-IDF để chấm điểm liên quan từ 0 đến 1, đưa tài liệu quan trọng nhất lên đầu.

  3. Quy trình tiền xử lý tài liệu đa định dạng diễn ra như thế nào? Dữ liệu từ các tệp Word, PDF, PowerPoint được trích xuất thành tệp văn bản .txt thuần túy. Sau đó, hệ thống thực hiện tách từ (Tokenization), chuẩn hóa chữ thường, loại bỏ ký tự đặc biệt và sàng lọc hơn 350 từ dừng để giảm 45% dung lượng chỉ mục lưu trữ.

  4. Độ chính xác và độ bao phủ thực nghiệm của hệ thống đạt mức bao nhiêu? Thực nghiệm trên 511 tài liệu song ngữ cho thấy hệ thống đạt độ chính xác (Precision) trung bình 88.4% và độ bao phủ (Recall) từ 82.0% đến 90.5%. Kết quả này chứng minh tính hiệu quả vượt trội so với tìm kiếm từ khóa truyền thống trong môi trường học trực tuyến.

  5. Giải pháp của luận văn có thể mở rộng sang các chuyên ngành khác không? Hệ thống có cấu trúc module hóa linh hoạt, cho phép mở rộng sang các ngành như Công nghệ thông tin hay Cơ khí trong vòng 3 đến 6 tháng. Quản trị viên chỉ cần nạp bộ ngữ liệu mới, cập nhật từ điển thuật ngữ tương ứng và cấu hình lại bộ phân tích Analyzer.

Kết luận

  • Đóng góp lý thuyết và thực tiễn: Luận văn đã xây dựng thành công hệ thống truy hồi học liệu chuyên ngành Điện - Điện tử dựa trên thư viện Lucene.Net và Mô hình không gian Vector.
  • Kết quả thực nghiệm ấn tượng: Chuẩn hóa 511 tài liệu song ngữ, đạt độ chính xác 88.4% và rút ngắn thời gian tìm kiếm xuống 0.35 giây mỗi truy vấn.
  • Giải quyết bài toán cấp bách: Cung cấp công cụ tra cứu học liệu số hóa tin cậy cho Trường Trung cấp Kinh tế - Kỹ thuật Tây Ninh trong giai đoạn đào tạo trực tuyến.
  • Định hướng phát triển tương lai: Kế hoạch mở rộng kho dữ liệu lên 2.000 tài liệu và tích hợp các thuật toán học sâu xử lý ngôn ngữ tự nhiên trong vòng 12 đến 18 tháng tới.
  • Lời kêu gọi hành động: Các cơ sở giáo dục nghề nghiệp và đại học nên chủ động áp dụng mô hình truy hồi thông tin chuyên ngành này nhằm nâng cao hiệu quả quản trị tri thức và chất lượng giảng dạy số.