Bộ Giáo dục và Đào tạo Khoa Công Nghệ Thông Tin

Trường Đại Học Sư Phạm Tp.HCM Bộ môn Kĩ thuật dạy học
0B

ĐỀ CƯƠNG CHI TIẾT

Ngày thực hiện đề cương: 13/5/2023

TÊN ĐỀ TÀI Nghiên cứu và ứng dụng NLP trong giáo dục
LĨNH VỰC CHUYÊN NGÀNH Khoa học máy tính/công nghệ phần mềm/hệ thống thông tin
LOẠI HÌNH NGHIÊN CỨU Lí thuyết
NGƯỜI HƯỚNG DẪN TS. Lê Đức Long

SINH VIÊN THỰC HIỆN 1 Phạm Nguyễn Minh Khoa 48.01.103.037

SINH VIÊN THỰC HIỆN 2 Võ Thành Phát 48.01.103.060

SINH VIÊN THỰC HIỆN 3 Nguyễn Ngọc Sang 48.01.103.065

GIỚI THIỆU

Đề tài "Nghiên cứu và ứng dụng NLP trong giáo dục" tập trung vào việc sử dụng NLP
(Natural Language Processing - Xử lý ngôn ngữ tự nhiên) trong lĩnh vực giáo dục. NLP
là một lĩnh vực phát triển nhanh chóng trong lĩnh vực trí tuệ nhân tạo, tập trung vào
việc phân tích, xử lý và hiểu ngôn ngữ tự nhiên của con người.

NLP có thể được ứng dụng trong giáo dục để giúp các học sinh và giáo viên hiểu và
sử dụng ngôn ngữ một cách hiệu quả hơn. Các ứng dụng tiềm năng của NLP trong
giáo dục bao gồm tự động đánh giá văn bản, tự động phát hiện sai sót ngữ pháp và
chính tả, phân tích tư duy và tóm tắt văn bản, dịch thuật tự động và tăng cường học
tập trực tuyến.

Để thực hiện nghiên cứu và ứng dụng NLP trong giáo dục, cần tìm hiểu về các công
nghệ NLP hiện có và các phương pháp xử lý ngôn ngữ tự nhiên, đồng thời phải xem
xét các yếu tố văn hóa và ngôn ngữ của đối tượng sử dụng. Các ứng dụng NLP trong
giáo dục cũng đòi hỏi sự tích hợp của nhiều kỹ thuật khác nhau, bao gồm học máy, thị
giác máy tính, và khoa học dữ liệu.

GHI CHÚ

1
 TÌNH HÌNH NGHIÊN CỨU TRONG VÀ NGOÀI NƯỚC

Trong và ngoài nước, có rất nhiều nghiên cứu mới nhất về NLP (xử lý ngôn ngữ tự
nhiên) đã được công bố trong 5 năm trở lại đây. Dưới đây là một số điểm nổi bật về
các nghiên cứu này, cũng như những hạn chế còn tồn tại:

1. Nghiên cứu về Pre-trained language models (mô hình ngôn ngữ được huấn luyện
trước) Một trong những nghiên cứu đang nhận được sự quan tâm rất lớn trong lĩnh
vực NLP là mô hình ngôn ngữ được huấn luyện trước. Các mô hình như GPT-3
(Generative Pre-trained Transformer 3) của OpenAI và BERT (Bidirectional Encoder
Representations from Transformers) của Google đã cho thấy khả năng đáng kinh ngạc
trong việc giải quyết các bài toán NLP.
2. Nghiên cứu về Deep Learning (học sâu) Deep learning (học sâu) là một lĩnh vực đang
được phát triển mạnh mẽ trong NLP, với các mô hình như Convolutional Neural
Networks (CNNs), Recurrent Neural Networks (RNNs) và Transformer-based models.
Những nghiên cứu trong lĩnh vực này đã đạt được những kết quả ấn tượng, đặc biệt là
trong việc xử lý ngôn ngữ tự nhiên và dịch máy.
3. Nghiên cứu về Language Understanding Một trong những thách thức lớn nhất của
NLP là khả năng hiểu ngôn ngữ tự nhiên. Các nghiên cứu gần đây trong lĩnh vực này
tập trung vào việc phát triển các mô hình để hiểu các câu hỏi và câu trả lời tự nhiên,
phân tích ngữ nghĩa và phân loại văn bản.
4. Nghiên cứu về Speech Recognition (nhận dạng giọng nói) Speech recognition (nhận
dạng giọng nói) là một lĩnh vực khác của NLP được quan tâm nhiều trong những năm
qua. Các nghiên cứu mới nhất đã cho thấy sự tiến bộ đáng kể trong khả năng nhận
dạng giọng nói và chuyển đổi từ giọng nói sang văn bản.

Tuy nhiên, mặc dù có những tiến bộ đáng kể trong lĩnh vực NLP trong những năm
qua, vẫn còn những hạn chế cần được giải quyết. Một trong những hạn chế đó
là việc phân tích và xử lý ngôn ngữ của các ngôn ngữ thiểu số và ngôn ngữ không phổ
biến. Điều này đặc biệt khó khăn vì trong nhiều trường hợp, không có đủ dữ liệu để
huấn luyện các mô hình NLP chính xác và hiệu quả. Do đó, việc phát triển các mô hình
NLP dành cho các ngôn ngữ thiểu số và ngôn ngữ không phổ biến là một thách thức
lớn trong lĩnh vực này.

Một hạn chế khác của NLP là tính khả diễn giải của các mô hình. Các mô hình NLP hiện
đại như GPT-3 và BERT có khả năng dự đoán đáng kinh ngạc, nhưng đôi khi khó hiểu
lý do tại sao chúng lại cho ra kết quả như vậy. Điều này đặc biệt quan trọng trong các
ứng dụng y tế và pháp lý, nơi tính khả diễn giải của các mô hình là cần thiết.

2
 GHI CHÚ

MỤC TIÊU VÀ PHẠM VI NGHIÊN CỨU

Bài toán giải quyết:

Giáo dục là lĩnh vực rất quan trọng đối với sự phát triển của một quốc gia. Tuy nhiên,
việc giảng dạy và học tập vẫn còn nhiều khó khăn và thách thức. Trong thời đại số hóa,
NLP (Natural Language Processing) đã trở thành công cụ hỗ trợ mạnh mẽ cho giáo
dục. Tuy nhiên, việc áp dụng NLP vào giáo dục vẫn còn khá mới mẻ và chưa được
nghiên cứu và triển khai đầy đủ. Do đó, bài toán giải quyết của đề tài là: "Làm thế nào
để nghiên cứu và áp dụng NLP vào giáo dục một cách hiệu quả?"

3
 Mục tiêu nghiên cứu chính:

Nghiên cứu các ứng dụng của NLP trong giáo dục, đặc biệt là các ứng dụng đang
được áp dụng trong thực tế hiện nay.
Tìm hiểu các phương pháp xử lý ngôn ngữ tự nhiên được sử dụng trong NLP, từ đó áp
dụng vào giáo dục.
Thiết kế và triển khai một hệ thống hỗ trợ giáo viên và học sinh sử dụng NLP trong
giáo dục.
Đánh giá hiệu quả của các ứng dụng NLP trong giáo dục, qua đó đưa ra các đề xuất và
khuyến nghị cho việc phát triển các ứng dụng này trong tương lai.
2. Phạm vi nghiên cứu của đề tài, bao gồm:
Nghiên cứu các ứng dụng của NLP trong giáo dục, bao gồm các ứng dụng đang được
sử dụng trong thực tế, như: tự động đánh giá bài kiểm tra, tự động phân loại câu hỏi,
tự động soạn giáo án, hỗ trợ học tập cho người khuyết tật, hỗ trợ học tập ngoại
ngữ, ...
Nghiên cứu các phương pháp xử lý ngôn ngữ tự nhiên trong NLP, bao gồm các
phương pháp như: chuyển đổi câu văn bản thành dạng số, tách từ, tách cụm từ, phân
tích ngữ nghĩa, phân loại văn bản, ...
Thiết kế và triển khai một hệ thống hỗ trợ giáo viên và học sinh sử dụng NLP trong
giáo dục, bao gồm các chức năng như: tự động phân tích và đánh giá bài kiểm tra, hỗ
trợ soạn giáo án, cung cấp thông tin học tập cho học sinh, hỗ trợ học tập cho người
khuyết tật, hỗ trợ học tập ngoại ngữ, ...
Đánh giá hiệu quả của các ứng dụng NLP trong giáo dục, bằng cách thực hiện các thử
nghiệm và khảo sát ý kiến của giáo viên và học sinh về các ứng dụng này.

Giả định ban đầu đối với nghiên cứu:

Giả định ban đầu là NLP có thể đem lại hiệu quả trong việc cải thiện quá trình giảng
dạy và học tập trong giáo dục.
Giả định rằng việc triển khai các ứng dụng NLP trong giáo dục sẽ đòi hỏi sự hỗ trợ và
đào tạo đầy đủ cho giáo viên và học sinh.
Giả định rằng hiệu quả của các ứng dụng NLP trong giáo dục sẽ phụ thuộc vào nhiều
yếu tố, bao gồm: độ chính xác của các phương pháp xử lý ngôn ngữ tự nhiên, khả
năng tương tác của hệ thống với người sử dụng, độ phổ biến và tính ứng dụng của
các ứng dụng NLP,

GHI CHÚ

4
 CÁC GIẢ THUYẾT VÀ CÁCH TIẾP CẬN

Giả thuyết:

1. Sự ứng dụng của NLP trong giáo dục có thể giảm thiểu sự phụ thuộc vào ngôn ngữ
truyền thống trong giáo dục.
2. Sự ứng dụng của NLP có thể cải thiện hiệu quả giảng dạy và học tập trong giáo dục.
3. NLP có thể được sử dụng để phân tích và đánh giá kết quả học tập của học sinh.

Bài toán con:

1. Tìm hiểu các phương pháp và công cụ NLP phù hợp để áp dụng vào giáo dục.
2. Xây dựng các mô hình NLP để phân tích và đánh giá kết quả học tập của học sinh.
3. Thử nghiệm và đánh giá hiệu quả của các ứng dụng NLP trong giáo dục.
4. Tìm hiểu và giải quyết các vấn đề về đạo đức và độ tin cậy của việc sử dụng NLP trong
giáo dục.

Cách tiếp cận để giải quyết:

1. Tìm hiểu các phương pháp và công cụ NLP phù hợp để áp dụng vào giáo dục bằng
cách đọc tài liệu, tham khảo các nghiên cứu và thử nghiệm các công cụ.
2. Xây dựng các mô hình NLP bằng cách sử dụng các thuật toán và kỹ thuật phù hợp để
phân tích và đánh giá kết quả học tập của học sinh.
3. Thử nghiệm và đánh giá hiệu quả của các ứng dụng NLP trong giáo dục bằng cách
thực hiện các thử nghiệm trên một nhóm thí sinh và so sánh kết quả.
4. Tìm hiểu và giải quyết các vấn đề về đạo đức và độ tin cậy của việc sử dụng NLP trong
giáo dục bằng cách tham khảo các chính sách và quy định liên quan, xây dựng các
phương pháp và tiêu chuẩn đánh giá để đảm bảo tính đáng tin cậy và minh bạch của
các ứng dụng NLP trong giáo dục.

5
 GHI CHÚ

TÀI LIỆU THAM KHẢO

CÂU HỎI GỢI Ý Các tài liệu tham khảo thuộc lĩnh vực nghiên cứu liên quan là gì?

[1] Anderson, R.E. Social impacts of computing: Codes of professional ethics. Social Science
Computing Review, 2 (Winter 1992), 453-469.
[2] ACM SIG PROCEEDINGS template. http://www.acm.org/sigs/pubs/proceed/template.html.
[3] Conger., S., and Loch, K.D. (eds.). Ethics and computer use. Commun. ACM 38, 12 (entire issue).
HƯỚNG DẪN
[4] Mackay, W.E. Ethics, lies and videotape. In Proceedings of CHI '95 (Denver CO, May 1995),
ACM Press, 138-145.
[5] Schwartz, M., and Task Force on Bias-Free Language. Guidelines for Bias-Free Writing. Indiana
University Press, Bloomington, IN, 1995.

[1]Elizabeth D. Liddy-Natural Language Processing

[2]Christopher D. Manning-NLP Natural Language Processing Toolkit
[3]Le Minh Nguyen & Akira Shimazu-A Semi Supervised Learning Model
for Mapping Sentences to Logical form with [4]Ambiguous Supervision
[4]CAROL FRIEDMAN-Automated Encoding of Clinical Documents Based
on Natural.
[5]Prof. Alpa Reshamwala -REVIEW ON NATURAL LANGUAGE
PROCESSING

6
 GHI CHÚ

NGƯỜI THỰC HIỆN ĐỀ CƯƠNG

SINH VIÊN THỰC HIỆN 1 Phạm Nguyễn Minh Khoa 48.01.103.037

SINH VIÊN THỰC HIỆN 2 Võ Thành Phát 48.01.103.060

SINH VIÊN THỰC HIỆN 3 Nguyễn Ngọc Sang 48.01.103.065

XÁC NHẬN CỦA GIÁO VIÊN HƯỚNG DẪN

NGƯỜI HƯỚNG DẪN TS. Lê Đức Long

Ý KIẾN

 đồng ý hướng dẫn  không đồng ý hướng dẫn