NGÔN NGỮ HỌC TÍNH TOÁN: NHỮNG XU HƯỚNG MỚI, TRIỂN VỌNG VÀ THÁCH THỨC | 39
...................................................................................................................................................................................
TRÍ TUỆ NHÂN TẠO VÀ VIỆC HỌC QUA MÁY
TRONG DẠY VÀ HỌC TIẾNG ANH TRỰC TUYẾN
ĐỖ THỊ HỒNG HÀ* - NGUYỄN THÚY NGỌC**
Tóm tắt: Hệ thống Trí tuệ nhân tạo (A.I) cung cấp hỗ trợ (AI) hiệu quả cho việc dạy
và học Tiếng Anh trực tuyến, bao gồm học tập cá nhân hóa, tức là học máy “về cơ bản, tự
động hóa các công việc” thường ngày của người hướng dẫn và hỗ trợ các đánh giá thích ứng
và học máy. Giáo dục là một hình thức học tập cá nhân hóa. Mục tiêu của việc giới thiệu hệ
thống AI và ML trong học tập và giảng dạy điện tử bằng cách cải thiện hiệu suất và hiệu quả
sẽ giúp ích cho cả sinh viên và giảng viên về nhiều mặt. Một bảng câu hỏi sẽ được gửi đến
sinh viên về việc cá nhân hóa dữ liệu của cánh học tập điện tử AI và ML.Bài viết này được
phân tích theo phản hồi của 50 sinh viên năm hai không chuyên ngành tiếng Anh tại Đại học
Kinh tế- Kỹ Thuật Công nghiệp(UNETI). Dữ liệu sẽ cho thấy rằng sinh viên đã có phản hồi
tích cực đáng kể về sự chú ý được cá nhân hóa trong Học tập các chuyên ngành nói chung và
tiếng Anh nói riêng thông qua trực tuyến (e-learning). Động cơ chính của cuộc khảo sát này
là điều tra lợi ích của việc giới thiệu AI và ML trong nền tảng dạy và học tập trực tuyến.
Từ khóa: Trí tuệ nhân tạo, học qua máy, những lợi thế của việc ứng dụng AI và ML
trong dạy và học Tiếng Anh trực tuyến..
1. Đặt vấn đề và định nghĩa về AI và ML
1.1. Đặt vấn đề
Trí tuệ nhân tạo (AI) và học máy (ML) đang phát triển rất nhanh trong xã hội hiện đại
ngày nay. Công nghệ AI và ML là chìa khóa để hiện đại hóa nó.
AI và ML có thể giúp mọi thứ trở nên thân thiện hơn với người dùng và giúp lựa chọn
khóa học tốt nhất trong số các khóa học hiện có. AI là khả năng của máy móc tái tạo các hành
vi thông minh của con người như phân tích và đưa ra quyết định. Học máy và ứng dụng mở
rộng của AI cung cấp các hệ thống học hỏi kinh nghiệm mà không cần lập trình để thực hiện
một nhiệm vụ cụ thể. AI và ML có thể trợ giúp bằng cách thực hiện một bước hướng tới phân
tích dự đoán, hiệu quả của quy trình không phải là giấc mơ xa vời, v.v.
Ngày nay AI và ML rất phổ biến, và trở thành động lực chính cho sự phát triển công
nghệ được sử dụng trong nhiều lĩnh vực như Học từ xa, Thương mại điện tử, ô tô tự lái, điều
hướng, truyền thông xã hội, Tiếp thị, Trải nghiệm thực tế ảo, metaverse, robot, chăm sóc sức
khỏe, nông nghiệp, v.v.
* ThS, Đại học Kinh Tế-Kỹ Thuật Công Nghiệp, Email: hadth@uneti.edu.vn
** ThS, Đại học Kinh Tế-Kỹ Thuật Công Nghiệp; Email: ntngoc.khoann@uneti.edu.vn
40 | KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA 2024
...................................................................................................................................................................................
Học từ xa, còn được gọi là học trực tuyến (e-learning), là một khuôn khổ xác định để
xử lý và học tập, sử dụng Internet để cho phép việc học được thực hiện từ xa trong khi giao
tiếp điện tử. Sự phổ biến ngày càng tăng của học tập và người học trực tuyến đòi hỏi phải mở
rộng cấu hình giao diện Học tập điện tử truyền thống vượt ra ngoài cốt lõi bao gồm các tuyên
bố thông minh cũng như các yếu tố thú vị. Điều này có thể được thực hiện dễ dàng bằng cách
sử dụng AI và ML hỗ trợ hiệu quả cho việc dạy và học trực tuyến, bao gồm cả việc tự học tập
nâng cao kiến thức cá nhân qua học máy. Vì vậy, cả e-learning và AI sẽ song hành với việc
chuyển đổi ML trong giáo dục. ML là một tập hợp AI được cải tiến dựa trên khả năng của máy
móc để học từ dữ liệu mà không cần con người lập trình. Học máy sâu không hẳn là AI mà là
phương pháp AI dạy máy tính tự tìm ra giải pháp cho nhiều vấn đề khác nhau. Máy tính thực
hiện công việc phân tích và xác định các mẫu nhanh hơn con người bằng cách sử dụng dữ liệu
được tải sẵn và thuật toán đặc biệt, thậm chí còn tốt hơn việc thiết lập một hệ thống tự động
hóa để thực hiện các tác vụ lặp đi lặp lại.
1.2. Định nghĩa và những ưu điểm của AL và ML
IBM cho biết "Trí tuệ nhân tạo (AI) tận dụng máy tính và máy móc để bắt chước khả
năng giải quyết vấn đề và ra quyết định của tâm trí con người". Không giống như trí thông
minh tự nhiên của động vật, bao gồm cả con người, robot có thể thể hiện trí thông minh nhân
tạo (AI), tức là trí thông minh.
Học máy (ML) là một nhánh nghiên cứu tập trung vào việc hiểu và phát triển các kỹ
thuật "học tập" hoặc các kỹ thuật sử dụng dữ liệu để nâng cao hiệu suất trên một nhóm nhiệm
vụ nhất định. Nó được coi là một phần của trí tuệ nhân tạo.
Ưu điểm chính của việc kết hợp AI và ML trong nền tảng E-Learning là việc học tập
được cá nhân hóa. Các ưu điểm khác là phân tích nâng cao về hiệu suất của người học, chatbot,
tương tác sâu hơn với VR, v.v.
Việc có nên sử dụng AI để giáo dục học sinh hay không vẫn còn là một vấn đề gây
tranh cãi. Nhiều người cho rằng người hướng dẫn sẽ được thay thế bằng AI, loại bỏ yếu tố con
người trong giáo dục. Thực tế, sử dụng AI trong giáo dục có rất nhiều lợi ích. AI có thể chấm
điểm các bài luận và bài viết nhanh hơn nhiều so với con người. Đổi lại, điều này sẽ giúp giáo
viên có nhiều thời gian hơn để làm việc với học sinh nhằm rèn luyện khả năng phân tích và tư
duy phản biện của các em. Ngoài ra, nó sẽ cho phép giáo viên tập trung vào một số học sinh
nhất định có thể được hưởng lợi từ sự hướng dẫn của họ. Hiểu biết sâu sắc về sở thích học tập
của học sinh và phản hồi thực tế dành cho những học sinh cần thực hành nhiều hơn với các
môn học hoặc kỹ năng cụ thể là hai cách nữa mà AI có thể hỗ trợ giáo viên.
Để cung cấp cho mỗi sinh viên trải nghiệm giáo dục, học máy trong giáo dục là một
loại hình học tập được cá nhân hóa. Sinh viên được định hướng học tập trong môi trường này,
được tự học theo tốc độ của riêng mình và chọn nội dung cần học.
NGÔN NGỮ HỌC TÍNH TOÁN: NHỮNG XU HƯỚNG MỚI, TRIỂN VỌNG VÀ THÁCH THỨC | 41
...................................................................................................................................................................................
Có thể thấy mức tăng đáng kinh ngạc 270% trong 4 năm qua trong Gartner C10 Surrey
2019, cho thấy 37% tổ chức có nhân viên từ 18 tuổi trở lên đã triển khai một số loại giải pháp.
Ngoài ra, theo đánh giá tương tự, 80% công nghệ mới nổi sẽ dựa trên Al vào năm 2021. Thay
vì sử dụng chiến lược một kích cỡ phù hợp cho tất cả, các nền tảng E-learning sử dụng AI có
thể điều chỉnh thông tin cho phù hợp với nhu cầu và kiến thức sẵn có của sinh viên. Chiến
lược dựa trên dữ liệu được gọi là học tập cá nhân hóa, còn được gọi là học tập thích ứng, liên
tục theo dõi kết quả học tập của từng sinh viên, sử dụng thuật toán học máy để dự đoán kết
quả và điều chỉnh nội dung theo kỹ năng và sở thích của từng sinh viên. Do đó, nền tảng sẽ
tiếp tục sửa đổi nội dung và cấp độ dựa trên sự thành công của sinh viên cho đến khi họ hiểu
đầy đủ chủ đề. Lập lộ trình học tập phù hợp cho từng sinh viên với các chủ đề phù hợp sẽ giúp
tăng hiệu quả về thời gian cũng như trình độ và động lực cho sinh viên.
2. Cơ sở lý thuyết
2.1. Những nghiên cứu về AI
Năm 2018, Ilkka tuyên bố rằng hiện trạng AI và mọi tác động tiềm tàng đối với việc
dạy, học và giáo dục sẽ được thảo luận trong nghiên cứu này. Nó cung cấp hỗ trợ về mặt khái
niệm cho nghiên cứu có đầy đủ thông tin, công việc định hướng chính sách và các sáng kiến
có tư duy tiến bộ nhằm giải quyết các cơ hội và thách thức do những đột phá hiện tại trong AI
mang lại. Mặc dù báo cáo nhắm đến các nhà hoạch định chính sách nhưng nó cũng chứa thông
tin có giá trị cho những người đang phát triển công nghệ AI và các nhà nghiên cứu (NNC)
đang xem xét AI ảnh hưởng đến nền kinh tế, xã hội và tương lai của giáo dục và học tập như
thế nào.
Theo Rosemary Luckin vào năm 2019, NNC đã thu được rất nhiều kiến thức về việc
học tập của con người thông qua nghiên cứu liên ngành trong khoa học học tập và kết quả là
có khả năng hướng dẫn và đào tạo các cá nhân tốt hơn. Hiện nay cần phải hướng dẫn tốt hơn
việc phát triển các công nghệ Trí tuệ nhân tạo (AI) để sử dụng trong đào tạo và giáo dục sử
dụng cùng một nghiên cứu. Trong công việc này, các NNC sử dụng ba nghiên cứu điển hình
để chỉ ra cách nghiên cứu khoa học học tập có thể hướng dẫn việc phân tích cẩn thận dữ liệu
phong phú, đa dạng và đa phương thức để có thể sử dụng dữ liệu đó nhằm hỗ trợ giáo viên và
học sinh. Các NNC được trang bị tốt hơn để tạo ra các thuật toán AI có thể phân tích dữ liệu
giáo dục phong phú một cách nhanh chóng nhờ sự hiểu biết được cải thiện về cách cung cấp
thông tin phân tích dữ liệu tốt nhất thông qua việc sử dụng nghiên cứu khoa học. Sau đó, học
tập có thể sử dụng các thuật toán và công nghệ AI này để cung cấp cho người học nền tảng
nhanh hơn, phức tạp hơn và cá nhân hóa hơn. Tuy nhiên, hầu hết các nhà phát triển AI thương
mại đều có kiến thức tối thiểu về nghiên cứu khoa học học tập và thường có ít kiến thức hơn
về dạy hoặc học. Các NNC cho rằng quan hệ đối tác giữa các bên liên quan bao gồm các nhà
phát triển, nhà giáo dục và NNC AI là cần thiết nếu đảm bảo rằng các công nghệ AI được sử
42 | KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA 2024
...................................................................................................................................................................................
dụng trong giáo dục và đào tạo thể hiện sự phân tích và học tập thận trọng theo cách được
hướng dẫn bởi khoa học học tập.
Vào năm 2021, Seo tuyên bố rằng AI hỗ trợ hiệu quả việc dạy và E-learning cách tự
động hóa các nhiệm vụ nhàm chán cho giáo viên và tạo điều kiện cho các đánh giá thích ứng.
Mặc dù tiềm năng của AI nhiều triển vọng nhưng vẫn chưa rõ hệ thống AI sẽ ảnh hưởng đến
phong tục, kỳ vọng và văn hóa xung quanh sự tương tác giữa sinh viên và giáo viên như thế
nào. Sự tiếp xúc giữa người học và người hướng dẫn có tác động đáng kể đến sự hài lòng của
sinh viên và kết quả học tập trong E-learning (bao gồm giao tiếp, học Tiếng Anh, hỗ trợ và
hiện diện). Điều quan trọng là phải hiểu cách sinh viên và người hướng dẫn nhìn nhận tác động
của hệ thống AI đối với các tương tác của họ để phát hiện bất kỳ khoảng trống, tắc nghẽn hoặc
trở ngại nào khác ngăn cản hệ thống AI phát huy hết tiềm năng và gây nguy hiểm cho sự an
toàn của các tương tác này. Để đáp ứng nhu cầu đánh giá tư duy tiến bộ này, NNC đã sử dụng
Hẹn hò nhanh với bảng phân cảnh để đánh giá suy nghĩ thực sự của 12 học sinh và 11 giáo
viên về các trường hợp sử dụng khác nhau của hệ thống AI khả thi trong E-learning. Kết quả
cho thấy những người tham gia thấy việc triển khai hệ thống AI trong E-learning cho phép
tương tác giữa người học và người hướng dẫn được cá nhân hóa trên quy mô lớn, nhưng có
nguy cơ đi ngược lại các chuẩn mực xã hội. Mặc dù các hệ thống AI đã được ca ngợi vì cải
thiện cả số lượng và chất lượng giao tiếp, vì cung cấp các cài đặt quy mô lớn với sự hỗ trợ phù
hợp, kịp thời và để thúc đẩy cảm giác kết nối, vẫn có một số lo ngại được đặt ra về các vấn đề
với trách nhiệm, cơ quan và giám sát.
Gazzawe năm 2022 tuyên bố rằng trong hơn 20 năm, E-learning coi là linh hoạt và
nhanh chóng hơn các cách truyền thống khác, đặc biệt là khi phát triển kiến thức. Song song
với đó, e-learning hiện nay đã có nền tảng vững chắc nhờ sự tiến bộ của các ứng dụng công
nghệ thông tin như ứng dụng di động và trí tuệ nhân tạo (AI). Đặc biệt trong lĩnh vực giáo dục,
những tiến bộ về học tập điện tử có thể được thấy là đặc biệt hữu ích. Học máy, được xem như
một hình thức học tập cá nhân hóa cho phép học sinh tạo ra trải nghiệm của riêng mình, có thể
được sử dụng để cung cấp cho mỗi học sinh một trải nghiệm độc đáo cụ thể. Mặc dù thực tế
là các ứng dụng di động trực tuyến và hỗ trợ AI là một trong những nền tảng E-learning phổ
biến nhất và có thể được sử dụng để đo lường nhiều yếu tố khác nhau và đưa ra dự đoán về
chất lượng của học tập điện tử, chúng ta không thể bỏ qua sự phức tạp của việc sử dụng.
Nghiên cứu này cho thấy học máy tác động như thế nào đến mức độ người tiêu dùng có thể
đánh giá khóa học cũng như tính dễ hiểu và rõ ràng của nội dung khóa học. Phân tích này,
được xây dựng dựa trên nghiên cứu trước đó, kiểm tra sở thích của người dùng để xác định
thực tế và độ phức tạp xung quanh các ứng dụng web và di động kết hợp AI. Giai đoạn thứ
hai, được mô tả trong nghiên cứu này, bao gồm việc thu thập dữ liệu từ hai nhóm người dùng
(từ 21 đến 30 tuổi), với mục tiêu kiểm tra sở thích của người dùng khi sử dụng một ứng dụng.
NGÔN NGỮ HỌC TÍNH TOÁN: NHỮNG XU HƯỚNG MỚI, TRIỂN VỌNG VÀ THÁCH THỨC | 43
...................................................................................................................................................................................
Bài báo khẳng định, do tiềm năng phát triển và cải tiến lớn hơn, các ứng dụng dựa trên web
có tương lai hứa hẹn hơn cho việc học trực tuyến so với các ứng dụng di động.
Theo Kadduora (2022), các kỳ thi và đánh giá có ảnh hưởng đáng kể đến cuộc sống
của mỗi học sinh vì chúng quyết định khả năng của họ cho tương lai và nghề nghiệp. Mọi khía
cạnh của cuộc sống đều bị ảnh hưởng tiêu cực bởi đại dịch COVID, bao gồm cả giới học thuật.
Các kỳ thi trực tiếp theo thời gian thực và chương trình đào tạo thường xuyên trong lớp được
lên kế hoạch là không thực tế vì chúng không thể đảm bảo an toàn và ngăn ngừa lây nhiễm lan
rộng. Trong thời gian thử thách này, những tiến bộ công nghệ đã can thiệp để giúp học sinh,
sinh viên tiếp tục việc học của mình mà không bị gián đoạn. ML cần thiết cho quá trình chuyển
đổi trực tuyến theo thời gian thực của các tổ chức giáo dục sang thời đại kỹ thuật số. Trong
khi khu vực này bị phong tỏa, các kỹ thuật học máy đã cho phép giảng dạy và kiểm tra trực
tuyến. Một nghiên cứu nghiêm ngặt về cách thức hoạt động của ML trong các hệ thống quản
lý kiểm tra khóa đã được thực hiện bằng cách sử dụng 135 bài báo đã được phân tích trong 5
năm trước. Trong toàn bộ quá trình thi, bao gồm quản lý bài thi, chấm điểm và lập kế hoạch
trước kỳ thi, tầm quan trọng của ML đã được đánh giá và giải quyết. Cho dù chúng được giám
sát hay không, các thuật toán ML đều được xác định và phân loại theo từng giai đoạn. Các
nguyên tắc cơ bản của kỳ thi bao gồm xác thực, lên lịch, giám sát và phát hiện gian lận đều
được khám phá cẩn thận bằng cách sử dụng phương pháp ML. Các đặc điểm chính, chẳng hạn
như xác định học sinh có phương pháp học tập thích ứng và giáo viên giám sát sinh viên, được
kết hợp để hiểu rõ hơn về cách hoạt động của ML trong kỳ thi. Sau đó, việc quản lý thủ tục
sau kiểm tra sẽ được đề cập. Quá trình đánh giá kết thúc bằng việc xem xét các vấn đề và khó
khăn mà ML đặt ra cho hệ thống thi cử cũng như các giải pháp khả thi. Những phát hiện này
mở ra những con đường mới để tìm hiểu các loại gánh nặng nhận thức khác nhau liên quan
đến các khóa học giáo dục đại học bằng cách sử dụng các công cụ kỹ thuật số tiên tiến. Các
kết quả nhấn mạnh giá trị của sự tích hợp liền mạch giữa công nghệ giảng dạy với kiến trúc
nhận thức của con người.
2.2. Những nghiên cứu về ML
Vào năm 2021, Orozov tuyên bố một nghiên cứu về ML sử dụng dữ liệu trực quan.
Mục tiêu cơ bản là thiết kế và phát triển một Chương trình sử dụng hệ thống mã hóa khuôn
mặt (FACS) do Ekman và Friesen phát triển, có thể xác định các cảm xúc khác nhau của con
người từ các bức ảnh chụp khuôn mặt. ML. Net framework triển khai phương pháp phân loại
nhiều lớp dựa trên tác nhân ML thuộc loại Học tập có giám sát. Sau khi được đào tạo, người
mẫu có thể nhận biết trạng thái cảm xúc của một người trong hình ảnh được cung cấp (ảnh).
Ứng dụng được tạo sẽ được sử dụng trong môi trường học tập điện tử. Những thay đổi trong
trạng thái cảm xúc của người học là mong muốn nhằm hỗ trợ họ đáp ứng các yêu cầu về nhận
thức đặt ra cho họ trong quá trình học tập.