LuanVan.vnLuận Văn
Gửi thư

Các mô hình học sâu và ứng dụng trong hệ thống gợi ý

Luận văn · Thạc sĩ · năm 2026 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin — Toán tin
Tác giảNguyễn Hải Yến
Người hướng dẫnPhạm Huyền Linh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2026
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Xây dựng và đánh giá khung gợi ý câu hỏi thích ứng trong môi trường giáo dục dựa trên sự kết hợp giữa học máy, học sâu, tâm trắc học và lý thuyết giáo dục. Tập trung vào ba mô hình dự đoán XGBoost, Neural Collaborative Filtering và Knowledge Tracing, kết hợp ZPD và Flow Theory để tái xếp hạng câu hỏi theo năng lực người học. Đối với bài toán cold-start, phương pháp Rasch/IRT 1PL được sử dụng để hiệu chuẩn độ khó, cập nhật năng lực theo Bayes và lựa chọn câu hỏi dựa trên thông tin kỳ vọng, mức phù hợp ZPD và tính đa dạng. Kết quả cho thấy hiệu năng dự đoán và mức độ phù hợp sư phạm không hoàn toàn đồng biến, qua đó khẳng định sự cần thiết của cơ chế kiểm soát sư phạm trong hệ thống gợi ý giáo dục.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.