Ứng dụng AI phân tích thái độ học tập học sinh phổ thông tại Trường THPT Chuyên Thái Nguyên

Đề tài được thực hiện trong thời gian 24 tháng (từ tháng 11/2023 đến tháng 11/2025), với mục tiêu xây dựng một hệ thống thông minh có khả năng tự động nhận diện hành vi của học sinh trong lớp học, qua đó phân tích và định lượng thái độ học tập một cách khách quan, góp phần hỗ trợ giáo viên và nhà trường trong công tác quản lý, đánh giá và nâng cao chất lượng giáo dục.

Để hiện thực hóa mục tiêu này, nhóm nghiên cứu đã xây dựng hạ tầng thu thập dữ liệu tại 15 lớp học với hệ thống camera IP được lắp đặt đồng bộ, kết nối tới máy chủ xử lý trung tâm. Hệ thống cơ sở dữ liệu quản lý lớp học, giáo viên và thời khóa biểu được thiết kế nhằm bảo đảm việc lấy mẫu hình ảnh tự động theo từng tiết học. Tổng cộng khoảng 8.800 hình ảnh lớp học trong nhiều bối cảnh khác nhau đã được thu thập, xử lý và sử dụng cho quá trình huấn luyện mô hình.

Trước khi đưa vào huấn luyện, dữ liệu được tiền xử lý bằng các thuật toán lọc nhiễu và đánh giá chất lượng ảnh như Laplacian, Canny và Variance nhằm loại bỏ các hình ảnh mờ hoặc không đạt tiêu chuẩn. Các hình ảnh sau đó được gán nhãn theo bốn nhóm hành vi đặc trưng trong lớp học: giơ tay phát biểu, nhìn lên bảng/nghe giảng, ghi chép bài và gục xuống bàn/mất tập trung. Đây là những hành vi có mối liên hệ trực tiếp với mức độ tham gia và thái độ học tập của học sinh.

Trên nền tảng dữ liệu đã chuẩn hóa, nhóm nghiên cứu tiến hành thử nghiệm và so sánh nhiều mô hình ước lượng tư thế và nhận dạng hành động tiên tiến như OpenPose, AlphaPose, MediaPipe và HRNet. Kết quả cho thấy mô hình HRNet (High-Resolution Network) kết hợp với mạng nơ-ron sâu (Deep Neural Network – DNN) cho hiệu suất cao nhất trong điều kiện lớp học đông học sinh và có nhiều vật cản. Mô hình đạt độ chính xác tổng thể 80,58%, vượt mục tiêu đăng ký ban đầu là trên 75%, đồng thời đáp ứng yêu cầu xử lý gần thời gian thực với thời gian xử lý trung bình 110–130 mili giây mỗi khung hình.

Điểm quan trọng của nghiên cứu không chỉ dừng lại ở nhận dạng hành vi, mà còn xây dựng được cơ chế chuyển đổi dữ liệu hành vi thô thành các chỉ số định lượng phản ánh thái độ học tập theo từng tiết học. Cơ chế này cho phép tổng hợp mức độ tham gia của học sinh thành các chỉ số tích cực hoặc tiêu cực, hỗ trợ giáo viên và nhà trường có cái nhìn khách quan hơn về tình hình lớp học.

Song song với phát triển mô hình AI, đề tài đã xây dựng hoàn chỉnh hệ thống phần mềm phân tích thái độ học tập hoạt động trên nền tảng Web và thiết bị di động. Hệ thống được thiết kế theo kiến trúc Microservices hiện đại, sử dụng ASP.NET Core cho phần máy chủ, SQL Server cho quản lý dữ liệu và công nghệ Progressive Web App cho ứng dụng di động. Phần mềm cung cấp đầy đủ chức năng quản lý lớp học, cấu hình thu thập dữ liệu, phân tích hành vi, tổng hợp báo cáo và phân quyền người dùng. Các báo cáo được thể hiện dưới dạng biểu đồ trực quan theo môn học, lớp học và giáo viên, giúp nhà quản lý và giáo viên dễ dàng theo dõi xu hướng thái độ học tập theo thời gian.

Hệ thống đã được triển khai thử nghiệm tại Trường THPT Chuyên Thái Nguyên trong điều kiện giảng dạy thực tế. Kết quả cho thấy hệ thống vận hành ổn định, dữ liệu được cập nhật liên tục theo từng tiết học, hỗ trợ giáo viên phát hiện sớm biểu hiện thiếu tập trung hoặc giảm hứng thú học tập để kịp thời điều chỉnh phương pháp giảng dạy. Việc đồng bộ dữ liệu giữa nền tảng Web và thiết bị di động cũng bảo đảm tính linh hoạt và thuận tiện trong sử dụng. 

Có thể khẳng định rằng nghiên cứu đã chứng minh tính khả thi và hiệu quả của việc ứng dụng trí tuệ nhân tạo trong phân tích thái độ học tập của học sinh phổ thông. Hệ thống không chỉ góp phần nâng cao tính khách quan trong đánh giá lớp học mà còn mở ra hướng tiếp cận mới trong xây dựng mô hình “lớp học thông minh” dựa trên dữ liệu. Trong tương lai, việc mở rộng quy mô triển khai và tích hợp thêm các công nghệ phân tích nâng cao như theo dõi ánh nhìn hoặc phân tích cảm xúc sẽ tiếp tục hoàn thiện và nâng cao độ chính xác của hệ thống.

Kết quả của đề tài là bước tiến quan trọng trong tiến trình chuyển đổi số giáo dục tại địa phương, đồng thời tạo nền tảng cho việc phát triển các ứng dụng AI trong quản lý và nâng cao chất lượng dạy – học ở quy mô rộng hơn.