Nhà khoa học dùng AI phân tích hồ sơ xét giáo sư, phó giáo sư

Ngày 8-1, hội thảo quốc tế về các hệ thống AI ứng dụng trong lĩnh vực giáo dục và y tế được tổ chức tại Trường đại học Quốc tế Sài Gòn, thu hút nhiều nhà khoa học, chuyên gia công nghệ trong và ngoài nước.

Một nghiên cứu đáng chú ý được chia sẻ tại hội thảo là của GS.TS Đỗ Phúc - giảng viên cao cấp Trường đại học Công nghệ thông tin (Đại học Quốc gia TP.HCM) - về việc ứng dụng AI xử lý hồ sơ khoa học của các ứng viên xét duyệt các chức danh như giáo sư, phó giáo sư.

GS.TS Đỗ Phúc cũng là thành viên hội đồng giáo sư ngành công nghệ thông tin năm 2024. Ông cho biết mỗi năm, số lượng bài báo khoa học của các ứng viên giáo sư, phó giáo sư ngành công nghệ thông tin rất lớn. Một ứng viên có từ 200 - 300 bài báo khá phổ biến.

Trong khi đó, các hội đồng xét duyệt thường phải đọc rất kỹ những nghiên cứu khoa học này và thường gặp phải áp lực thời gian. Vì vậy, ông nghiên cứu cách tự động hóa quy trình xử lý thông qua các công cụ NLP và hình ảnh hóa dữ liệu để tăng hiệu quả xử lý hồ sơ.

Cụ thể, hệ thống sử dụng các mô hình như TF-IDF, Rake, và BERT để trích xuất từ khóa từ bài báo và báo cáo khoa học của ứng viên. Từ khóa giúp đánh giá nhanh hướng nghiên cứu và phát hiện nội dung trùng lặp giữa các bài báo.

Trong hệ thống, các mô hình máy học và deep learning như BiLSTM/CRF và BERT để phân biệt tên tác giả Việt Nam và nước ngoài, qua đó hỗ trợ đánh giá chất lượng hợp tác quốc tế trong nghiên cứu.

GS.TS Đỗ Phúc cho biết thêm hệ thống có ứng dụng các kỹ thuật tóm tắt trích xuất (extractive) và tạo nội dung (abstractive) từ các mô hình như GPT, BART và T5, cho phép các thành viên hội đồng đọc nhanh và nắm bắt ý chính của bài báo khoa học một cách hiệu quả.

Ngoài ra, nhóm dùng mô hình BERT và k-means để nhóm các bài báo có nội dung tương đồng, giúp phát hiện sự trùng lặp hoặc đối chiếu các bài viết với các cụm chủ đề liên quan.

Đồng thời, các dạng biểu đồ và đồ thị được tích hợp vào hệ thống để trình bày thông tin như tiến độ công bố bài báo, số lượt trích dẫn, số lượng tác giả mỗi bài. Hình ảnh hóa sẽ làm cho hội đồng xét duyệt dễ dàng nhận biết các thành tựu nổi bật và xu hướng nghiên cứu chính.

"Kết quả ban đầu cho thấy hệ thống hỗ trợ xử lý nhanh và hiệu quả hồ sơ thực tế từ các ứng viên năm 2024, giảm đáng kể thời gian và công sức so với cách truyền thống", GS.TS Đỗ Phúc nói.

Trong tương lai, nhóm nghiên cứu sẽ tiếp tục cải tiến phần mềm, tập trung vào việc tăng tính chính xác và khả năng ứng dụng rộng rãi trong thực tế.

Ngoài nghiên cứu của GS.TS Đỗ Phúc, hội thảo quốc tế sáng 8-1 còn ghi nhận nhiều ứng dụng khác của AI trong lĩnh vực giáo dục và y tế.

Điển hình, nhóm nghiên cứu của TS Huỳnh Ngọc Tín, giám đốc AI Lab từ Trường đại học Quốc tế Sài Gòn, trình bày nghiên cứu ứng dụng AI tạo ra hệ thống học tập cá nhân hóa thông qua việc "gamify" (trò chơi hóa) nội dung học tập.

Hệ thống dùng các tác nhân AI để phân tích tài liệu học tập, tạo ra các trò chơi tối ưu hóa trải nghiệm học tập. 

Ví dụ, trò chơi "4 Hình 1 Từ" được thiết kế bằng cách sử dụng các tác nhân tạo hình ảnh và nội dung. Còn trò chơi "Coding Game" yêu cầu học sinh hoàn thành các bài tập lập trình dựa trên các khái niệm được cung cấp. Tất cả đều có AI hỗ trợ.

Các tác giả còn phát triển một khung hệ thống kết hợp giữa mô hình đa tác nhân (Multi-Agent System) và các mô hình ngôn ngữ lớn (LLMs) nhằm tự động tạo ra nội dung học tập phù hợp với từng cá nhân, cải thiện hiệu quả học tập dựa trên AI.