Đề án tốt nghiệp Thạc sĩ: Nghiên cứu mô hình học sâu cho phân tích cảm xúc dựa trên hình ảnh

Trong bối cảnh giáo dục hiện đại, việc thấu hiểu và quản lý cảm xúc của học sinh, sinh viên đóng vai trò thiết yếu để nâng cao chất lượng giảng dạy và hiệu quả học tập. Với sự gia tăng của quy mô lớp học và hình thức học trực tuyến, giáo viên gặp nhiều thách thức trong việc theo dõi cảm xúc từng cá nhân, dẫn đến phương pháp giảng dạy chưa tối ưu. Sự phát triển mạnh mẽ của trí tuệ nhân tạo và học sâu đã mở ra cơ hội xây dựng các hệ thống phân tích cảm xúc dựa trên hình ảnh tự động, sử dụng các mô hình CNN tiên tiến. Nghiên cứu này nhằm đề xuất và đánh giá các mô hình học sâu hiệu quả, có khả năng nhận diện cảm xúc theo thời gian thực, góp phần hỗ trợ giáo viên cá nhân hóa giảng dạy và cải thiện môi trường học tập tại Việt Nam.

Các nhà nghiên cứu trong lĩnh vực trí tuệ nhân tạo, học sâu, thị giác máy tính; giảng viên và quản lý giáo dục quan tâm đến ứng dụng công nghệ để cải thiện chất lượng dạy học và sức khỏe tâm lý học sinh; sinh viên chuyên ngành Khoa học máy tính.

Nghiên cứu này tập trung vào việc phát triển và đánh giá các mô hình học sâu cho phân tích cảm xúc dựa trên hình ảnh trong môi trường giáo dục, nhằm giải quyết thách thức trong việc theo dõi trạng thái cảm xúc của học sinh trong các lớp học đông và trực tuyến. Bối cảnh hiện tại cho thấy tỷ lệ cảm xúc tiêu cực ở học sinh, sinh viên như căng thẳng, buồn chán đang gia tăng, ảnh hưởng đến hiệu suất học tập và sức khỏe tâm lý. Phương pháp tiếp cận của đề tài bao gồm việc xây dựng và tối ưu hóa các mô hình CNN kết hợp với kỹ thuật Haar Cascade để nhận diện bảy cảm xúc cơ bản (vui vẻ, buồn bã, tức giận, ngạc nhiên, sợ hãi, ghê tởm, trung lập) theo lý thuyết của Paul Ekman. Các thử nghiệm được thực hiện trên hai bộ dữ liệu chuẩn quốc tế là FER2013 và CK+, đánh giá hiệu quả của mô hình thông qua các chỉ số như độ chính xác (accuracy), độ bao phủ (recall), và F1-score, đồng thời hướng tới tốc độ xử lý dưới 50ms trên phần cứng cơ bản. Kết quả của nghiên cứu mang lại giá trị ứng dụng cao trong việc hỗ trợ giáo viên điều chỉnh phương pháp giảng dạy theo cảm xúc học sinh, góp phần cá nhân hóa trải nghiệm học tập, tăng cường sức khỏe tâm lý và xây dựng hệ thống quản lý lớp học thông minh. Nghiên cứu cũng nhấn mạnh vào việc giải quyết khoảng trống trong lĩnh vực nhận diện cảm xúc tại Việt Nam, nơi các mô hình hiện có chủ yếu được huấn luyện trên dữ liệu quốc tế, chưa phản ánh đầy đủ đặc điểm văn hóa và điều kiện địa phương, đồng thời đảm bảo tính khả thi về tài nguyên và kỹ thuật.