Sử dụng phương pháp học tập Deep learning tích hợp nhận dạng hình ảnh trong công nghệ phân tích ngôn ngữ trong giáo dục phổ thông

Trong môi trường trực tuyến, hành vi giảng dạy có thể tác động đáng kể đến trải nghiệm và kết quả học tập của người học. Vì vậy, với tư cách là một khía cạnh quan trọng của thực hành giảng dạy, hành vi giảng dạy đóng một vai trò then chốt trong việc ảnh hưởng đến hiệu quả giảng dạy. Nghiên cứu cơ chế kiểm soát này có thể giúp thúc đẩy các khóa học trực tuyến và tạo điều kiện cho học sinh học tập hiệu quả hơn.

Việc triển khai kế hoạch “Xây dựng khóa học vàng” trực tuyến do Bộ Giáo dục khởi xướng nhằm phát triển các khóa học trực tuyến hạng nhất, được coi là một chiến lược quan trọng nhằm nâng cao chất lượng giáo dục đại học ở Trung Quốc, đặc biệt là về đào tạo nhân tài. Do đó, việc phân tích và nghiên cứu về diễn ngôn trong lớp học đã có sự gia tăng đáng kể. Công việc này dựa trên nghiên cứu trước đây và sử dụng AI để khai thác và phân tích hiệu quả các hành vi giảng dạy, đặc biệt tập trung vào diễn ngôn trong lớp học trong các khóa học trực tuyến ở cấp trung học. Trọng tâm chính là xây dựng khung định hướng giáo dục trung học (education-oriented classroom – CDA) cho các khóa học trung học trực tuyến, cung cấp nền tảng cho tập dữ liệu trong các thử nghiệm tiếp theo bằng cách tích hợp công nghệ khai thác dữ liệu do AI điều khiển. 

Nguồn: Sưu tầm

Để phân tích hiệu quả diễn ngôn trong lớp học trực tuyến ở trường trung học, dữ liệu thử nghiệm được thu thập từ các nền tảng mạng giáo dục trực tuyến lớn. Dữ liệu video của chương trình giảng dạy trực tuyến ở trường trung học được thu thập bằng phương pháp thu thập dữ liệu. Sau đó, dựa trên dữ liệu cơ bản, bao gồm nhận xét đánh giá, video giảng dạy và các tài nguyên khác trong chương trình giảng dạy trực tuyến, việc khai thác dữ liệu, chuyển đổi định dạng và tính toán số sẽ được thực hiện. 

Kết quả cho thấy việc sử dụng các công nghệ tiên tiến này cho phép đánh giá toàn diện và khách quan hơn về giao tiếp bằng lời nói trực tuyến của học sinh trung học, điều này rất quan trọng để xác định và giải quyết các vấn đề giảng dạy. Các nhà giáo dục có thể sử dụng những kết quả này một cách thực tế để kịp thời nhận biết và khắc phục những thách thức trong giao tiếp, từ đó nâng cao trải nghiệm tích cực của học sinh trong giáo dục trực tuyến. Điều này cho phép các nhà giáo dục điều chỉnh phương pháp giảng dạy một cách linh hoạt dựa trên phong cách và nhu cầu học tập của học sinh, nâng cao tính đặc thù và hiệu quả của việc giảng dạy. Các nhà giáo dục có thể đáp ứng tốt hơn nhu cầu học tập cá nhân hóa thông qua các chiến lược giảng dạy có mục tiêu, nâng cao hiệu quả tổng thể của giáo dục.

Nhóm nghiên cứu khuyến nghị những người ra quyết định về giáo dục nên thiết lập các khung quyết định dựa trên dữ liệu thực nghiệm để thúc đẩy những cải tiến trong toàn bộ hệ thống giáo dục. Hơn nữa, các tổ chức giáo dục nên kết hợp công nghệ học sâu và nhận dạng hình ảnh vào đánh giá giáo dục trực tuyến để hiểu toàn diện về chất lượng giảng dạy và trải nghiệm của học sinh. Khi xây dựng các chính sách giáo dục trực tuyến, những người ra quyết định giáo dục nên tận dụng triệt để các kết quả nghiên cứu để thúc đẩy sự phát triển dựa trên bằng chứng. Hiểu được mối quan hệ giữa các chỉ số giao tiếp bằng lời nói và đánh giá khóa học toàn diện cho phép các nhà hoạch định chính sách định hướng chính xác định hướng phát triển giáo dục trực tuyến, thúc đẩy cải thiện tổng thể các tiêu chuẩn giáo dục. Việc nhấn mạnh việc ra quyết định dựa trên dữ liệu trong quá trình xây dựng chính sách sẽ đảm bảo tính hiệu quả và bền vững của chính sách, giúp chuyển các kết quả nghiên cứu thành các cải cách giáo dục và thực thi chính sách thực tế.

Hồng Anh lược dịch

Nguồn: Chu, L., Liu, Y., Zhai, Y., Wang, D., & Wu, Y. (2024). The use of deep learning integrating image recognition in language analysis technology in secondary school education. Scientific Reports, 14(1), 2888. https://doi.org/10.1038/s41598-024-52592-5