LuanVan.vnLuận Văn
Gửi thư

XÂY DỰNG ỨNG DỤNG WEB QUẢN LÝ ĐIỂM RÈN LUYỆN SINH VIÊN TÍCH HỢP MÁY HỌC GỢI Ý SỰ KIỆN

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảTrần Văn Lương
Người hướng dẫnVõ Huỳnh Trâm
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Bối cảnh: Trong kỷ nguyên số, xu hướng cá nhân hóa trải nghiệm người học đang trở thành yêu cầu tất yếu trong giáo dục đại học. Tuy nhiên việc cá nhân hóa trải nghiệm của sinh viên khi tham gia các sự kiện tích lũy điểm rèn luyện vẫn còn hạn chế. Sinh viên thường không biết mình thiếu tiêu chí nào, dễ tham gia dư thừa ở mục này trong khi bỏ trống mục khác, trong khi thông tin sự kiện lại phân tán trên nhiều nền tảng. Vấn đề cốt lõi nằm ở chỗ chưa có hệ thống nào khai thác dữ liệu hành vi để đưa ra gợi ý cá nhân hóa, dẫn dắt đúng sinh viên đến đúng sự kiện, đúng thời điểm. Mục tiêu: Đề tài xây dựng một ứng dụng web tích hợp hệ thống gợi ý thông minh, trong đó cá nhân hóa lộ trình tích lũy điểm rèn luyện là trọng tâm. Hệ thống phân tích hành vi tham gia và tiêu chí còn thiếu của từng sinh viên để đề xuất sự kiện phù hợp nhất. Nền tảng quản lý điểm rèn luyện và công cụ kiểm duyệt sự kiện được xây dựng song hành nhằm cung cấp dữ liệu đầu vào chất lượng cho mô hình gợi ý, đồng thời hỗ trợ nhà trường trong công tác số hóa. Phương pháp: Hệ thống được phát triển theo mô hình Client-Server với kiến trúc ba thành phần. Module AI là thành phần cốt lõi, phát triển bằng Python qua FastAPI, áp dụng mô hình Gợi ý lai (Hybrid Recommender System) kết hợp Lọc cộng tác (Collaborative Filtering) và Lọc theo nội dung (Content-Based Filtering), tích hợp thêm cơ chế lọc theo điều kiện nghiệp vụ và đa dạng hóa kết quả. Frontend sử dụng Next.js và Shadcn UI; Backend xây dựng trên NestJS với cơ sở dữ liệu PostgreSQL, cung cấp RESTful API đảm bảo dữ liệu đầu vào cho mô hình gợi ý. Bảo mật triển khai bằng JWT kết hợp phân quyền RBAC cho ba nhóm người dùng. Kết quả: Điểm nổi bật là hệ thống gợi ý sự kiện cá nhân hóa hoạt động hiệu quả, phân tích song song lịch sử tham gia và đặc trưng nội dung sự kiện để đề xuất sự kiện vừa lấp đầy tiêu chí điểm còn thiếu, vừa phù hợp với sở thích của từng sinh viên. Ứng dụng còn cung cấp đầy đủ các chức năng nền tảng như quản lý điểm rèn luyện, đăng ký sự kiện, điểm danh QR Code, thông báo tự động, trợ lý ảo Chatbot tra cứu sự kiện và AI tự động sinh mô tả sự kiện. Kết luận: Đề tài khẳng định tính khả thi của mô hình Gợi ý lai trong bài toán cá nhân hóa lộ trình rèn luyện tại môi trường đại học, đồng thời tạo tiền đề cho các hướng phát triển tiếp theo như tích hợp Deep Learning nâng cao độ chính xác gợi ý, bổ sung định vị GPS chống gian lận điểm danh và phát triển ứng dụng di động đa nền tảng. Context: In the digital era, personalizing student experiences has become an essential requirement in higher education. However, personalization in students’ participation in extracurricular events for conduct score accumulation remains limited. Students often do not know which criteria they are lacking, leading to overparticipation in some categories while neglecting others. In addition, event information is scattered across multiple platforms. The main issue is the lack of a system that leverages behavioral data to provide personalized recommendations, guiding the right students to the right events at the right time. Objective: This study develops a web-based application integrated with an intelligent recommendation system, focusing on personalizing the conduct score accumulation pathway. The system analyzes each student’s participation history and missing criteria to recommend the most suitable events. A conduct score management platform and an event moderation tool are also developed to provide quality input data for the recommendation model and support the university’s digital transformation. Method: The system follows a client–server model with a three-tier architecture. The AI module, implemented in Python with FastAPI, applies a Hybrid Recommender System combining Collaborative Filtering and Content-Based Filtering, enhanced with business-rule filtering and result diversification. The frontend is built with Next.js and shadcn/ui, while the backend uses NestJS with PostgreSQL. Security is implemented through JWT authenticati
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

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.