Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên

CHUYỂN ĐỔI SỐ TRONG KIỂM TRA ĐÁNH GIÁ: TỪ BÀI KIỂM TRA VĂN BẢN ĐẾN BÀI KIỂM TRA ĐIỆN TỬ

2025-08-09

Chuyển đổi số trong giáo dục đòi hỏi các công cụ hiệu quả để quản lý và xử lý dữ liệu, đặc biệt là trong bối cảnh kiểm tra, đánh giá học tập. Nghiên cứu này nhằm phát triển một giải pháp hỗ trợ việc chuyển đổi dữ liệu từ các tệp văn bản Google Docs sang bảng tính Google Sheets, phục vụ cho mục tiêu tự động hóa quá trình xây dựng bài kiểm tra điện tử. Phương pháp được sử dụng là xây dựng một công cụ trên nền tảng Google Apps Script, cho phép trích xuất dữ liệu có cấu trúc từ văn bản và tổ chức chúng lại trong bảng tính một cách logic và nhất quán. Kết quả thử nghiệm cho thấy công cụ giúp rút ngắn đáng kể thời gian xử lý thủ công, đồng thời khắc phục hiệu quả các lỗi định dạng và phân tích cú pháp phức tạp. Ngoài ra, dữ liệu được trích xuất còn có thể tích hợp trực tiếp vào các nền tảng đánh giá trực tuyến như Quizizz. Công cụ này góp phần nâng cao hiệu quả quản lý dữ liệu giáo dục, đồng thời mở rộng tiềm năng ứng dụng trong các hệ thống kiểm tra và đánh giá số.

TẠO SINH CHÚ THÍCH HÌNH ẢNH BẰNG MÔ HÌNH LAI CNN-LSTM

Trần Quang Quý, Nguyễn Thị Khuyên, Bùi Tiến Lập — 2025-08-26

Trong bối cảnh phát triển mạnh mẽ của trí tuệ nhân tạo hiện nay, bài toán tạo sinh chú thích ảnh (image captioning) đã trở thành một lĩnh vực nghiên cứu quan trọng, đóng vai trò chủ đạo trong các ứng dụng như truy xuất hình ảnh, hỗ trợ người khiếm thị và quản lý nội dung đa phương tiện. Bài báo này đề xuất một hệ thống tạo chú thích ảnh tự động dựa trên mô hình lai giữa mạng nơ-ron tích chập InceptionV3 và mạng bộ nhớ dài-ngắn hạn. Mô hình được huấn luyện và đánh giá trên bộ dữ liệu Flickr8k. Để cải thiện hiệu quả tổng quát hóa và giảm thiểu hiện tượng quá khớp, kỹ thuật dropout được áp dụng trong quá trình huấn luyện. Kết quả thực nghiệm cho thấy mô hình đề xuất có khả năng tạo sinh chú thích ảnh với các chỉ số đánh giá BLEU-1 và BLEU-2 lần lượt đạt 0,39 và 0,172. Mặc dù phương pháp sử dụng mô hình lai này chưa thể đảm bảo độ chính xác cao trong việc mô tả nội dung ảnh so với các mô hình Transformer hoặc mô hình biến đổi thị giác – bộ nhớ ngắn dài hạn, nhưng kết quả đạt được có thể chấp nhận được so với mô hình nơ rơn tích chập – bộ nhớ ngắn dài han cơ sở. Kết quả của bài báo mở ra tiềm năng ứng dụng trong các hệ thống xử lý ngôn ngữ tự nhiên và thị giác máy tính.

NGHIÊN CỨU VÀ ỨNG DỤNG BLOCKCHAIN CÔNG KHAI ĐỂ NÂNG CAO TÍNH MINH BẠCH ĐỐI VỚI SẢN PHẨM CHÈ TẠI THÁI NGUYÊN

Nông Văn Khánh, Đinh Xuân Lâm — 2025-08-26

Tính minh bạch trong chuỗi cung ứng là một yếu tố then chốt để đảm bảo chất lượng và nguồn gốc của các sản phẩm nông nghiệp giá trị cao như chè đặc sản Thái Nguyên. Mục tiêu của nghiên cứu này là ứng dụng công nghệ Blockchain công khai để xây dựng một ứng dụng mô phỏng về truy xuất nguồn gốc sản phẩm chè. Bằng phương pháp luận nghiên cứu khoa học thiết kế, một chương trình mô phỏng mẫu đã được phát triển, bao gồm hợp đồng thông minh trên mạng thử nghiệm Sepolia, máy chủ backend, giao diện web kết hợp với cơ sở dữ liệu tập trung. Mô hình dữ liệu được thiết kế linh hoạt, có khả năng tuân thủ TCVN 13993:2024 và các tiêu chuẩn khác trong tương lai. Kết quả của nghiên cứu cho thấy hệ thống đã ghi nhận thành công toàn bộ lịch sử sản phẩm lên chuỗi khối. Giao diện người dùng cho phép xác thực công khai mọi giao dịch thông qua mã giao dịch và liên kết trực tiếp đến trình duyệt chuỗi khối độc lập, qua đó đảm bảo tính toàn vẹn và nhất quán của dữ liệu. Nghiên cứu khẳng định rằng Blockchain công khai là một giải pháp kỹ thuật khả thi và hiệu quả để tạo ra một hệ thống truy xuất minh bạch tuyệt đối, góp phần bảo vệ và nâng cao giá trị cho sản phẩm chè và các sản phẩm nông sản khác.

CHẨN ĐOÁN BỆNH LÁ CÀ CHUA DỰA TRÊN HỌC SÂU: HƯỚNG TIẾP CẬN BẰNG MÔ HÌNH YOLOv12 CHO NÔNG NGHIỆP THÔNG MINH

Trần Quang Quý, Hồ Thị Tuyến, Nông Thị Hương, Đặng Thị Kim Anh, Hoàng Việt Dũng — 2025-09-04

Bệnh hại trên cây trồng là nguyên nhân chính gây suy giảm năng suất và chất lượng nông sản, đặc biệt trong bối cảnh sản xuất quy mô lớn và biến đổi khí hậu. Việc phát hiện sớm và phân loại chính xác bệnh hại có ý nghĩa quan trọng trong bảo vệ thực vật và đảm bảo an ninh lương thực. Nghiên cứu này ứng dụng mô hình YOLOv12 – kiến trúc mới nhất trong họ YOLO – để tự động nhận diện và phân loại bệnh lá trên cây cà chua thông qua hình ảnh. Bộ dữ liệu Tomato Leaf Disease Dataset được sử dụng, bao gồm các loại bệnh phổ biến như mốc sương, đốm lá và thiếu đạm. Các kỹ thuật tiền xử lý và tăng cường dữ liệu được áp dụng nhằm nâng cao khả năng khái quát hóa của mô hình. Kết quả thực nghiệm cho thấy YOLOv12 đạt độ chính xác trung bình 94,6%, khẳng định tiềm năng ứng dụng học sâu trong phát hiện nhanh và chính xác bệnh hại, góp phần thúc đẩy nông nghiệp chính xác và hệ thống bảo vệ cây trồng thông minh.

GIÁM SÁT LỚP HỌC THÔNG MINH BẰNG NHẬN DIỆN TƯ THẾ

2025-10-04

Cuộc Cách mạng công nghiệp lần thứ tư đã có tác động to lớn đến quá trình chuyển đổi số trong giáo dục, bởi nó đã thúc đẩy mạnh mẽ việc tích hợp công nghệ hiện đại vào môi trường học tập. Đặc biệt, việc ứng dụng thị giác máy tính và học sâu đã trở thành giải pháp tiềm năng cho việc giám sát và phân tích hành vi học sinh một cách tự động trong lớp học. Nghiên cứu này giới thiệu hai khung phương pháp mới dựa trên điểm khớp tư thế để nhận diện các hành vi phổ biến của học sinh trong lớp học. Quy trình xử lý thứ nhất sử dụng YOLOv8-Pose, một mô hình thời gian thực tích hợp chặt chẽ nhận dạng đối tượng và ước tính tư thế. Quy trình xử lý thứ hai kết hợp Faster R-CNN với HRNet để tạo ra một hệ thống có độ chính xác cao. Các điểm khớp thu được từ cả hai luồng sau đó được đưa vào mạng nơ-ron tích chập, nơi phân loại hành vi của học sinh một cách chính xác. Các kết quả thử nghiệm toàn diện cho thấy nền tảng dựa trên HRNet đạt được độ chính xác vượt trội, phù hợp với các tình huống yêu cầu độ chính xác cao, trong khi YOLOv8-Pose mang lại lợi thế về tốc độ xử lý và triển khai thời gian thực.

SỬ DỤNG PHƯƠNG PHÁP SO SÁNH HÌNH ẢNH ĐỂ PHÁT HIỆN NHÃN HIỆU HÀNG GIẢ CHO CÁC SẢN PHẨM HÀNG HÓA TRÊN ĐỊA BÀN TỈNH BẾN TRE

Đoàn Thanh Hải, Vũ Hồng Quân, Nguyễn Văn Hiểu, Nguyễn Văn Sơn, Dương Văn Huy — 2025-10-21

Trong bối cảnh chuyển đổi số và hội nhập quốc tế, việc bảo vệ quyền sở hữu trí tuệ cho các sản phẩm đặc trưng địa phương ngày càng trở nên cấp thiết. Tỉnh Bến Tre nổi tiếng với các sản phẩm chủ lực như dừa, bưởi da xanh và thủy sản chế biến – đang đối mặt với thách thức ngày càng gia tăng về hàng giả và vi phạm nhãn hiệu, đặc biệt trong môi trường thương mại điện tử. Nghiên cứu này hướng đến việc phát triển một module so sánh hình ảnh đa thước đo nhằm phát hiện hành vi vi phạm sở hữu trí tuệ thông qua nhận diện logo và bao bì hàng giả. Phương pháp được đề xuất kết hợp các kỹ thuật thị giác máy tính truyền thống – Histogram màu, trích xuất đặc trưng cục bộ kết hợp giữa phát hiện đặc trưng nhanh và đặc trưng ngắn gọn và phương pháp so khớp mẫu ảnh. Đồng thời, các chỉ số đo lường cảm nhận thị giác, như đo lường chỉ số tương đồng cấu trúc và độ giống nhau giữa hai ảnh, cũng được sử dụng nhằm phản ánh tốt hơn nhận thức của con người. Kết quả thử nghiệm trên bộ dữ liệu mô phỏng nhãn hiệu sản phẩm đặc trưng của Bến Tređạt độ chính xác 94,5% và F1-score 93%, cao hơn ít nhất 12% so với từng chỉ số riêng lẻ. Module này được phát triển như thành phần cốt lõi trong hệ thống thông tin và tư vấn sở hữu trí tuệ tỉnh Bến Tre. Nghiên cứu này góp phần thúc đẩy phát triển bền vững thương hiệu trong nền kinh tế số.

TRAJECTORY ESTIMATION FOR MARITIME VESSELS USING LSTM NETWORKS ON LARGE-SCALE AIS DATA

Nguyễn Quang Thi, Nguyễn Trung Tấn, Phạm Minh Kha, Lê Văn Nhu — 2025-11-13

Accurate trajectory estimation of maritime vessels plays a pivotal role in ensuring navigational safety, enhancing operational efficiency, and facilitating real-time decision-making in maritime surveillance systems. With the increasing availability of Automatic Identification System (AIS) data, deep learning models have shown considerable promise in modeling the complex spatio-temporal dynamics of vessel movement. This study proposes a Long Short-Term Memory (LSTM) network-based approach to predict the future trajectories of vessels using large-scale AIS datasets. We preprocess and segment the AIS records to construct structured sequences for training, and apply an LSTM architecture tailored to capture both short-term and long-term dependencies in the trajectory data. The results demonstrate that our approach outperforms traditional methods in terms of accuracy and robustness, especially in diverse maritime environments. This research provides a solid foundation for deploying real-time vessel movement forecasting systems and supports maritime anomaly detection and traffic management applications.

MỘT SỐ KỸ THUẬT NÂNG CAO HIỆU QUẢ TRA CỨU ẢNH THEO NỘI DUNG DỰA TRÊN ĐỘ ĐO KHOẢNG CÁCH THÍCH NGHI VÀ PHÂN CỤM PHỔ

Nguyễn Thị Lan Phương — 2025-11-18

Tra cứu ảnh dựa vào nội dung cho phép người dùng tra cứu hình ảnh dựa trên các đặc trưng cụ thể của ảnh như màu sắc, kết cấu, hình dạng.Điều này giúp cải thiện hiệu quả của việc tra cứu ảnh, đặc biệt khi người dùng không thể sử dụng từ khoá hoặc chưa biết chính xác mô tả của ảnh. Ngoài ra, tra cứu ảnh dựa trên nội dung khắc phục ngôn ngữ hạn chế và ảnh chưa có gán nhãn đầy đủ có nghĩa là người dùng tra cứu ảnh bằng cách sử dụng ảnh mà người ta có sẵn, thay vì phải biết chính xác từ khoá mô tả. Bài báo này trình bày hai kỹ thuật chính nhằm nâng cao hiệu quả tra cứu ảnh theo nội dung: (1) phương pháp phân hạng kết quả dựa trên độ đo khoảng cách thích nghi sử dụng phân tích phân biệt tuyến tính, và (2) thuật toán phân cụm phổ có trọng số tối thiểu cho ảnh phản hồi liên quan. Các kỹ thuật này giải quyết vấn đề khoảng cách ngữ nghĩa và cải thiện độ chính xác trong truy vấn ảnh thông qua học máy và tương tác người dùng. Thử nghiệm trên các bộ dữ liệu chuẩn như Corel và SIMPLIcity cho thấy các phương pháp đề xuất vượt trội hơn các phương pháp truyền thống.

SO SÁNH CÁC THUẬT TOÁN ÁNH XẠ BẢO GIÁC LƯỚI GAN 3D

Lê Công Đoàn, Huỳnh Phước Hải, Nguyễn Lý Duy Phương — 2025-12-11

Hình ảnh y tế ba chiều (3D) ngày càng trở thành nguồn dữ liệu thiết yếu cho chẩn đoán và nghiên cứu lâm sàng, trong đó việc chuẩn hóa bề mặt giải phẫu là bước quan trọng để phân tích hình thái học của các cơ quan bên trong. Ánh xạ bảo giác (conformal map) được xem là phương pháp nền tảng nhờ khả năng bảo toàn cấu trúc góc cục bộ. Trong nghiên cứu này, chúng tôi tiến hành đánh giá hai thuật toán tiêu biểu: phương pháp dựa trên tối ưu năng lượng điều hòa cạnh (SCM), với thuật toán phi tuyến, và phương pháp cải tiến, FLASH, với sơ đồ bắc–nam và Linear Beltrami Solver nhằm tăng tốc độ và giảm biến dạng. Chúng tôi đã cài đặt lại thuật toán bằng ngôn ngữ C/C++ và thử nghiệm trên 20 mô hình gan 3D được trích xuất từ ảnh Computed Tomography (CT) trong bộ dữ liệu MICCAI SLIVER07, với các độ phân giải khác nhau. Kết quả cho thấy, thuật toán FLASH có thể cải tiến độ biến dạng góc, đồng thời tối ưu thời gian xử lý, tiềm năng ứng dụng mạnh mẽ trong xử lý ảnh y tế, cụ thể là ảnh gan.

AN IMPROVED ALGORITHM FOR SORTING A LIST OF PARENT AND CHILD MEMBERS

Phạm Văn Việt — 2025-12-31

The paper focuses on the challenge of sorting a list of parent and child members. An algorithm is proposed to sort the list, based on an existing algorithm (Pham, 2023). The algorithm includes three stages. The first stage creates a list, list4F, to locate the position of a given member in the input list based on its identifier efficiently. The second stage constructs a list S using list4F. Each element in S maintains representative elements corresponding to the child members of a single input member, thereby facilitating efficient reference to any child member. The third stage outputs the sorted list with members in family tree order, using the list S. The new algorithm uses list data structures instead of AVL tree data structures, as in the existing algorithm, to hold data in the first two stages. These adjustments make the new algorithm significantly faster than the previous algorithm. Both algorithms require O(nlog(n)) time and O(n) space to sort the input list containing n members. However, the third stage of the new algorithm takes only O(n) time, whereas that of the existing algorithm requires O(nlog(n)) time.

SCALING EFFECTS ON SPATIAL DEGREES OF FREEDOM AND CHANNEL HARDENING IN RIS‑ASSISTED WIRELESS LINKS

Đỗ Huy Khôi — 2025-12-31

This study addresses how the spatial configuration and statistical environment of reconfigurable intelligent surfaces affect the capacity and reliability of wireless channels. A theoretical and simulation-based framework is established, constructing the RIS correlation matrix using a sinc function over a two-dimensional passive element lattice, and evaluating Rayleigh, Rician, and Nakagami fading models with large-scale Monte Carlo analysis. Key system metrics, including eigenvalue spectra, effective spatial degrees of freedom, SNR, and capacity, are quantified for varying array sizes and element spacings. Results reveal that expanding the RIS array from 16×16 to 32×32 elements increases the mean SNR from 176 dB to 188 dB and mean capacity from 58.5 to 62.5 bps/Hz, while changes in element spacing and fading models exert minimal influence. The spatial degrees of freedom scale rapidly with array size, and the capacity distribution exhibits pronounced channel hardening across all scenarios. These findings confirm that array aperture governs the achievable multiplexing and reliability gains, supporting the use of large-scale RIS for robust, high-capacity wireless communication.

MEASURING THE DIGITAL ECONOMY: INTERNATIONAL EXPERIENCE AND PRACTICES IN VIETNAM

Bùi Xuân Chung — 2025-12-31

The global shift towards a digital economy requires accurate measurement tools to guide policy and promote sustainable development. This study synthesizes theoretical frameworks from the OECD, the United States, China, the EU, and ASEAN to assess their applicability in Vietnam. Vietnam's digital economy is developing rapidly, with e-commerce reaching US$16.4 billion and cashless payments accounting for 65% in 2023. However, measurement faces challenges: inconsistent definitions, limited data, methodological gaps, and weak coordination. Current indicators lack standardization and overlook cross-border flows. The study proposes a multidimensional framework integrating traditional statistics with big data, and building a Digital Economy Satellite Account within the National Accounts System. The framework is structured along three axes: input (80% 5G coverage by 2027), process (70% of public services digitized by 2028), and output (contributing 20% of GDP by 2030), encompassing three core sectors, supporting and facilitating digital transformation. Based on the research results, it is recommended to enact a Digital Economy Law and enhance statistical capacity. The framework helps accurately quantify the contribution of the digital economy, aligning with ASEAN's $1 trillion target by 2030.

PHÂN LOẠI NGUỒN GỐC ĐỊA LÍ NGHỆ VÀNG VIỆT NAM (CURCUMA LONGA L.) DỰA TRÊN DỮ LIỆU PHỔ UV-VIS VÀ FTIR KẾT HỢP HỌC MÁY

Nguyễn Thị Vân Anh, Nguyễn Thu Hà, Nguyễn Đức Phong, Nguyễn Đức Thanh — 2025-12-31

Một kĩ thuật đơn giản đã được phát triển để xác định nguồn gốc địa lý nghệ vàng Việt Nam (Curcuma longa L.) thông qua việc sử dụng dữ liệu phổ UV-Vis và IR kết hợp với các mô hình học máy. Các dữ liệu phổ UV-Vis và IR được đo từ 160 mẫu nghệ vàng trồng tại bốn tỉnh khác nhau của miền Bắc Việt Nam. Các dữ liệu phổ được thực hiện các thuật toán tiền xử lý SNV, Savitzky-Golay, SPA để giảm các yếu tố ảnh hưởng do phép đo và làm giảm chiều của ma trận tín hiệu, sau đó phát triển các mô hình học máy có giám sát và không giám sát để xác định nguồn gốc địa lý. Kết quả cho thấy, các mô hình học máy có giám sát cho khả năng phân loại tốt: mô hình phân tích phân biệt tuyến tính (LDA) đạt độ chính xác phân loại cao nhất với cả hai bộ dữ liệu UV-Vis và IR lần lượt 97,92% và 95,83%. Mô hình SVM-LDA cũng cho kết quả khả quan với độ chính xác tương ứng 95,83% và 93,75%. Kết quả của nghiên cứu này mở ra triển vọng ứng dụng dữ liệu phổ kết hợp với học máy trong việc truy xuất nguồn gốc dược liệu tại Việt Nam.

OBJECT DETECTION USING THE SEGMENT ANYTHING APPROACH

Đặng Thị Dung, Nguyễn Trung Kiên, Trần Văn Phúc, Huỳnh Phúc Thịnh — 2025-12-31

Object detection and segmentation are fundamental tasks in computer vision with wide applications in healthcare, agriculture, transportation, and smart surveillance. Recent advances have highlighted the strong detection capability of YOLO models and the flexible segmentation capabilities of the Segment Anything Model (SAM). However, their integration has not been thoroughly investigated for multi-class animal recognition. This study evaluates YOLOv8 and YOLOv9 combined with SAM to improve bounding box refinement and segmentation quality. A dataset of over 2,000 annotated animal images across 20 classes was collected and divided into training, validation, and testing sets. Experiments were conducted on Google Colab with NVIDIA Tesla V100 GPUs. Results show that YOLOv8n is the most efficient for resource-constrained systems, achieving 81.4% accuracy, Precision = 0.9625, Recall = 0.8415, and F1 = 0.8979, while YOLOv9s provides the best overall balance with 83.92% accuracy, Precision = 0.8003, Recall = 0.7437, and F1 = 0.7708. The findings suggest that lightweight YOLOv8 models are suitable for real-time embedded deployment, whereas YOLOv9s is recommended for high-accuracy scenarios. Overall, the integration of YOLO with SAM enhances detection robustness, offering practical insights into balancing speed, accuracy, and hardware requirements.

XÂY DỰNG MÔ HÌNH CHUYỂN ĐỔI NGÔN NGỮ KÝ HIỆU SANG VĂN BẢN VÀ GIỌNG NÓI

Huỳnh Nguyễn Thanh Trúc — 2025-12-31

Nghiên cứu phát triển ứng dụng dịch ngôn ngữ ký hiệu tiếng Việt theo thời gian thực nhằm hỗ trợ giao tiếp cho người khiếm thính. Ứng dụng sử dụng các điểm mốc ba chiều từ MediaPipe Holistic để ghi nhận chuyển động tay, cơ thể và khuôn mặt, kết hợp hai mô hình học sâu Spatial Temporal Graph Convolutional Network và Channel-Temporal Relational Graph Convolutional Network để nhận dạng cử chỉ. Bộ dữ liệu gồm 2.087 mẫu với 88 nhãn ký hiệu, được tiền xử lý qua chuẩn hóa, phân đoạn hành động bằng thuật toán Fast Dynamic Time Warping và tăng cường dữ liệu bằng nhiễu Gaussian và dịch chuyển thời gian. Kết quả thực nghiệm cho thấy ST-GCN đạt độ chính xác Top-1 99,88% và hội tụ nhanh với các ký hiệu ngắn, rõ, trong khi CTR-GCN đạt 98,09% Top-1 với độ trễ thấp, xử lý hiệu quả các cử chỉ dài hoặc có ngữ cảnh. Văn bản nhận dạng được chuyển sang giọng nói tự nhiên qua thư viện gTTS với độ trễ khoảng 1,95 giây, chủ yếu do phụ thuộc internet, nhưng vẫn đảm bảo tương tác liền mạch. Kết quả chứng minh việc tích hợp ước lượng tư thế 3D với mạng nơ-ron đồ thị nâng cao hiệu quả giao tiếp và khả năng tiếp cận, cung cấp giải pháp công nghệ toàn diện cho người khiếm thính.

BUILDING AN AUTONOMOUS MOBILE ROBOT SYSTEM FOR FIRE SURVEILLANCE

Đặng Nguyễn Nam Anh, Kiều Văn Xuân, Ân Mai, Lê Duy Tân — 2025-12-31

This research explores the development and potential deployment of an autonomous mobile robot for fire surveillance, featuring a Mecanum wheel-based omnidirectional kinematic system. Traditional fire monitoring methods often struggle with adaptability and efficiency, especially in dynamic, hazardous environments. To overcome these challenges, the proposed system autonomously navigates varied terrains to detect and monitor fire incidents. It integrates advanced simultaneous localization and mapping (SLAM) algorithms to dynamically build and update environmental maps, ensuring smooth navigation. A front-mounted camera streams real-time video to a web client, while machine learning algorithms classify potential fire hazards, enabling responsive behavior. Preliminary tests in controlled fire scenarios indicate high accuracy in fire detection and localization, alongside effective navigation in complex spaces. This study marks progress in autonomous robotics and offers a promising solution for enhancing fire safety across different environments.

MỘT MÔ HÌNH CHÚ Ý NHẸ CHO BÀI TOÁN TÁCH TIẾNG NÓI

Nguyễn Thị Duyên, Hà Thị Nguyệt Ánh — 2025-12-31

Bài báo này tập trung vào việc phát triển một mô hình tách tiếng nói kênh đơn nhẹ nhưng hiệu quả, nhằm giải quyết thách thức cân bằng giữa chất lượng tách và độ phức tạp tính toán. Chúng tôi đề xuất khai thác backbone SeliNet kết hợp với cơ chế chú ý CBAM (Convolutional Block Attention Module), cho phép mô hình vừa duy trì hiệu năng cao vừa giảm thiểu số lượng tham số và phép tính FLOPs. Nghiên cứu kế thừa các tiến bộ gần đây trong học sâu miền thời gian, đặc biệt là depthwise separable convolutions, bottleneck blocks và Atrous Temporal Pyramid Pooling để nắm bắt ngữ cảnh đa tỷ lệ. Bằng cách tích hợp CBAM, mô hình có khả năng nhấn mạnh các kênh và vị trí thời gian quan trọng, giúp cải thiện đáng kể SI-SNRi, SDRi và các chỉ số chất lượng khác. Các thí nghiệm trên bộ dữ liệu WSJ0-2mix cho thấy mô hình đạt hiệu năng cạnh tranh so với các mạng sâu nặng nề hơn trong khi giảm đáng kể FLOPs và số tham số. Kết quả này mở ra hướng tiếp cận mới cho các hệ thống tách tiếng nói thời gian thực trên thiết bị di động và biên.

EVALUATION OF THE QUALITY OF FORMATIVE ONLINE MULTIPLE-CHOICE QUESTIONS TEST USING THE THREE-PARAMETER ITEM RESPONSE THEORY MODEL

Cao Thị Tài Nguyên, Trịnh Minh Thiết — 2025-12-31

The question bank for the Biology - Genetics course has been used for years without a systematic quality assessment based on difficulty and discrimination parameters, relying instead on subjective instructor judgment.This study aims to evaluate the quality of 100 online multiple choice questions (MCQs) on the Cell Structure.The three-parameter logistic item response theory (3PL-IRT) model was applied. Data were collected from 1278 test results of students in the 48 and 36 courses during the 2022–2023 academic year and analyzed using the “ltm” package in R.The analysis revealed that 97% of the questions demonstrated acceptable discrimination across varying difficulty levels: 1% very difficult, 12% difficult, 35% moderate, 49% easy, and 3% very easy questions. Discrimination levels included 42% very good, 26% good, 29% average, 1% poor, and 2% very poor. Overall, 87% of the questions were considered high quality, though 10 questions with high guessing levels require revision to enhance reliability.The use of 3PL-IRT models is essential for evaluating and refining question banks, ensuring their reliability and effectiveness in assessing student abilities and supporting learning in the Biology - Genetics course.

DỰ BÁO MỨC ĐỘ ĂN MÒN THÉP TRONG ĐIỀU KIỆN KHÍ QUYỂN BIỂN BẰNG PHƯƠNG PHÁP HỌC MÁY

2025-12-31

Việc đánh giá ăn mòn kim loại có tác động lớn từ môi trường khí hậu. Trong các môi trường khác nhau thì mức độ ăn mòn cũng khác nhau, đặc biệt trong môi trường khí quyển biển. Mục tiêu của nghiên cứu này là trả lời câu hỏi: làm thế nào để dự báo ăn mòn thép trong điều kiện khí quyển biển? Trong bài báo này, chúng tôi tập trung vào các vấn đề chính: i) thu thập bộ dữ liệu môi trường khí quyển biển; ii) nghiên cứu sử dụng mô hình học máy để dự đoán tốc độ ăn mòn của hai loại thép CT3 và Corten B trong môi trường khí quyển biển. Chúng tôi đã triển khai thu thập bộ dữ liệu thu thập trong điều kiện khí quyển thu thập tại các địa điểm khác nhau ở Việt Nam từ 2024 đến 2025, đã ứng dụng, đánh giá hiệu năng 2 mô hình học máy là XGBoost và LightGBM để đánh giá mức độ ăn mòn của hai loại thép CT3 và Corten B. Kết quả của nghiên cứu có ý nghĩa thực tiễn trong việc dự báo tốc độ ăn mòn thép trong môi trường khí quyển biển để từ đó ước lượng thời gian sử dụng thép để đảm bảo an toàn các công trình biển.

NGHIÊN CỨU CÁC MÔ HÌNH CHUYỂN ĐỔI HÌNH ẢNH THÀNH VIDEO: MỘT ĐÁNH GIÁ TOÀN DIỆN

Đỗ Thanh Mai, Tô Hữu Nguyên — 2025-12-31

Bài báo trình bày một nghiên cứu tổng quan có hệ thống về các mô hình trí tuệ nhân tạo cho bài toán chuyển đổi hình ảnh thành video, tập trung vào hai hướng tiếp cận chính là Diffusion Models và Transformer-based Models. Quy trình rà soát tài liệu được thực hiện theo hướng dẫn PRISMA 2020, nhằm đảm bảo tính minh bạch và khả năng tái lập. Các công trình được tìm kiếm trong giai đoạn 2019–2025 trên các cơ sở dữ liệu IEEE Xplore, ACM Digital Library, SpringerLink, ScienceDirect và arXiv, với các từ khóa như “image-to-video generation”, “video synthesis” và “transformer video generation”. Sau các bước sàng lọc và đánh giá, năm mô hình tiêu biểu được lựa chọn để phân tích gồm Imagen Video, Make-A-Video, Tune-A-Video, AnimateDiff và LTX-Video. Phân tích được thực hiện trên cả hai khía cạnh định lượng và định tính, thông qua các độ đo phổ biến như FID, CLIPSIM và Temporal Consistency. Kết quả cho thấy các mô hình diffusion như Imagen Video tạo ra khung hình có chất lượng cao, trong khi các mô hình transformer như LTX-Video thể hiện ưu thế về tính nhất quán thời gian và chuyển động mượt mà. Các mô hình lai như Make-A-Video và AnimateDiff đạt được sự cân bằng giữa hai yếu tố này. Nghiên cứu cung cấp một cái nhìn hệ thống về sự phát triển của mô hình chuyển đổi ảnh thành video và thiết lập quy trình đánh giá theo chuẩn PRISMA, giúp các nhà nghiên cứu dễ dàng tái thực nghiệm và mở rộng kết quả cho các ứng dụng như sáng tạo nội dung, thực tế ảo và giáo dục thông minh.

NHẬN DẠNG HÀNH VI GIAN LẬN TRONG THI CỬ TỪ HÌNH ẢNH CAMERA DỰA TRÊN MÔ HÌNH YOLOV8 VÀ RESNET-CBAM

Phùng Thị Thu Trang, Dương Ngọc Khang, Nguyễn Phạm Linh Chi — 2025-12-31

Trong bối cảnh gia tăng các hình thức gian lận trong thi cử, đặc biệt tại các môi trường học tập trực tuyến và phòng thi được giám sát bằng camera, việc ứng dụng trí tuệ nhân tạo vào phát hiện hành vi gian lận đang trở thành hướng nghiên cứu quan trọng. Bài báo này đề xuất một mô hình học sâu hiệu quả nhằm nhận dạng hành vi gian lận trong thi cử dựa trên dữ liệu hình ảnh. Cụ thể, hệ thống gồm hai giai đoạn chính: (1) sử dụng mô hình YOLOv8 để phát hiện và cắt chính xác vùng chứa đối tượng thí sinh trong ảnh đầu vào; (2) áp dụng mô hình phân loại nhẹ dựa trên kiến trúc ResNet kết hợp cơ chế chú ý CBAM để nhận dạng hành vi gian lận như sử dụng điện thoại hoặc tài liệu. Kết quả thực nghiệm cho hai mô hình là ResNet18–CBAM và ResNet50-CBAM đạt độ chính xác từ 94,7% đến 96,3%, vượt trội so với các mô hình cùng loại đồng thời đạt tốc độ xử lý 37-57 khung hình/giây trên GPU RTX A4000, đáp ứng yêu cầu triển khai thời gian thực. Ngoài ra, kích thước mô hình chỉ khoảng 11 MB và 44,8 MB, cho phép tích hợp linh hoạt trên các hệ thống giám sát có tài nguyên hạn chế. Kết quả nghiên cứu khẳng định hiệu quả của việc kết hợp giữa mô hình phát hiện đối tượng nhanh YOLOv8 và mô hình phân loại nhẹ có cơ chế chú ý trong nhận dạng hành vi. Giải pháp này góp phần mở ra hướng tiếp cận khả thi cho việc tự động hóa giám sát thi cử, tăng cường tính minh bạch, và giảm thiểu sự phụ thuộc vào giám thị con người trong các hệ thống đánh giá học tập hiện đại.

XÂY DỰNG MÔ HÌNH MẠNG LƯỚI CẢNH BÁO CHÁY CHO CỤM DÂN CƯ

Lê Khánh Dương, Trần Hồng Anh, Đào Thị Hằng, Nguyễn Anh Chuyên — 2025-12-31

Nghiên cứu tập trung vào việc thiết kế và triển khai hệ thống cảnh báo cháy dựa trên công nghệ IoT, có chi phí thấp, độ tin cậy cao và khả năng mở rộng dễ dàng cho các cụm dân cư. Hệ thống sử dụng vi điều khiển ESP8266 NodeMCU kết hợp với cảm biến khí gas MQ2 và cảm biến lửa (KY-026) nhằm phát hiện sớm dấu hiệu cháy hoặc rò rỉ khí gas. Dữ liệu cảm biến được truyền theo thời gian thực lên cơ sở dữ liệu Firebase thông qua Wi-Fi, đồng thời hệ thống gửi cảnh báo đến người dùng qua bot Telegram. Nghiên cứu trình bày quá trình thiết kế phần cứng, phần mềm, xây dựng giao diện giám sát web và thử nghiệm thực tế trên mô hình nhiều nút. Kết quả thực nghiệm cho thấy hệ thống có thể phát hiện cháy hoặc rò rỉ khí với độ trễ nhỏ hơn 2 giây, hoạt động ổn định liên tục hơn 48 giờ, và cung cấp cảnh báo đa kênh hiệu quả. Kết quả chứng minh khả năng ứng dụng thực tế của công nghệ IoT trong việc nâng cao an toàn cháy nổ tại các khu dân cư.

THUẬT TOÁN GIAO THOA PHA TƯƠNG QUAN CẢI TIẾN ĐỊNH HƯỚNG CÁC NGUỒN PHÁT XẠ VÔ TUYẾN DẢI UHF/VHF

Bùi Ngọc Đại, Nguyễn Tiến Thái, Phạm Khắc Hoan — 2025-12-31

Bài báo trình bày thuật toán giao thoa pha tương quan cải tiến cho phép định hướng đồng thời các nguồn phát xạ trong băng thông tức thời của máy thu định hướng dải tần VHF/UHF bằng cách phân chia kênh xử lý định hướng theo tần số của các tín hiệu được phát hiện. Việc bổ sung một kênh phát hiện, ước lượng tần số các tín hiệu trước khi định hướng giúp giảm số lượng kênh xử lý đồng thời. Thuật toán duy trì độ chính xác định hướng cao ngay cả khi số lượng nguồn phát xạ trong băng thông vượt quá số lượng anten thu, khắc phục được nhược điểm của các thuật toán định hướng siêu phân giải như MUSIC. Thông qua phương pháp mô phỏng cũng cho ra các tham số thực thi tối ưu, để đạt sai số dưới 1,85° tại mức SNR đầu vào là -5 dB, độ phân giải tần số kênh phát hiện cần đạt 10 kHz (N_FFT = 256 tại 2,4 MSPS) và số điểm tích lũy kênh phát hiện tối ưu là N_s = 128. Các kết quả nghiên cứu đã khẳng định hiệu quả của phương pháp cải tiến, tạo nền tảng quan trọng giúp phát triển các thiết bị định hướng phục vụ trinh sát cũng như giám sát phổ điện từ.

ỨNG DỤNG HỌC SÂU TRONG XÂY DỰNG MÔ HÌNH DỰ BÁO PHỤ TẢI DÀI HẠN TẠI CÁC THỜI ĐIỂM CUỐI TUẦN TẠI TÂY NINH

Bùi Quốc Hoan, Võ Văn Ba, Trần Xuân Vĩnh Nghĩa, Võ Ngọc Điều, Lê Trung Kiên — 2025-12-31

Trong bối cảnh nhu cầu điện năng tại các đô thị lớn ngày càng tăng cao, việc dự báo chính xác phụ tải điện, đặc biệt trong những ngày cuối tuần khi mức tiêu thụ thường biến động mạnh, có ý nghĩa quan trọng trong quy hoạch và điều độ hệ thống điện. Bài báo này trình bày mô hình học sâu WPCFT (Weekend Power Consumption Forecasting), được thiết kế với sự kết hợp giữa khối CNN đa-kernel để khai thác các đặc trưng cục bộ của chuỗi dữ liệu và LSTM encoder nhằm nắm bắt quan hệ phụ thuộc dài hạn. Khác với các phương pháp thống kê truyền thống và các mô hình học sâu đơn thuần, WPCFT tập trung xử lý những dao động bất thường thường xuất hiện vào cuối tuần, từ đó mang lại khả năng dự báo ổn định và chính xác hơn. Nghiên cứu được thực hiện trên dữ liệu phụ tải thực tế tại thành phố Tây Ninh trong năm 2022, với quá trình huấn luyện và đánh giá được triển khai nghiêm ngặt trên cùng tập dữ liệu. Kết quả thực nghiệm cho thấy WPCFT đạt được mức sai số thấp hơn đáng kể so với nhiều mô hình học sâu tiên tiến hiện nay như GRU, LSTM, BiLSTM, Seq2Seq, Transformer, Reformer và Informer. Những phát hiện này không chỉ khẳng định tiềm năng ứng dụng của AI trong lĩnh vực dự báo phụ tải điện cuối tuần tại Việt Nam, mà còn mở ra cơ hội tích hợp vào hệ thống lưới điện thông minh, góp phần tối ưu hóa vận hành và nâng cao hiệu quả sử dụng năng lượng trong bối cảnh đô thị hóa và công nghiệp hóa nhanh chóng.

PHÁT TRIỂN KHUNG CHATBOT TRÊN NỀN TẢNG LOW-CODE MICROSOFT POWER PLATFORM Thông tin bài báo

Đặng Minh Trí, Dương Trần Hà Phương, Ma Ngân Giang — 2025-12-31

Việc tư vấn và giải đáp thắc mắc cho học viên vừa học vừa làm thường gặp khó khăn do thông tin phân tán, quy định thay đổi liên tục và nhu cầu hỏi đáp lớn, dẫn đến chậm trễ và thiếu thống nhất. Để nắm rõ các thông tin cần thiết, học viên phải theo dõi nhiều văn bản pháp lý, chính sách hỗ trợ, quy định về học phí, chế độ ưu đãi và các chính sách khác, khiến việc tra cứu thông tin chính xác trở nên phức tạp. Bài báo này giới thiệu một chatbot tự động được xây dựng trên nền tảng mã thấp Microsoft Copilot Studio kết hợp Power Automate, nhằm hỗ trợ học viên vừa học vừa làm tra cứu thông tin từ nhiều văn bản và chính sách. Chatbot xử lý ngôn ngữ tự nhiên, phân loại câu hỏi theo chủ đề (điều kiện hưởng hỗ trợ, thủ tục hồ sơ, mức hỗ trợ, học phí, ưu đãi chính sách…) và truy xuất dữ liệu theo thời gian thực. Việc triển khai thử nghiệm tại Trường Đại học Sư phạm Thành phố Hồ Chí Minh cho thấy chatbot mang lại hiệu quả rõ rệt trong việc giảm tải cho bộ phận hỗ trợ và nâng cao trải nghiệm của học viên. Mô hình này chứng minh tính khả thi, dễ mở rộng và phù hợp với xu hướng số hóa dịch vụ hỗ trợ học tập, đồng thời có thể tiếp tục cập nhật các văn bản và chính sách mới trong tương lai.

APPLICATION OF RADIO FREQUENCY IDENTIFICATION IN MANAGEMENT OF LABORATORY EQUIPMENT IN UNIVERSITIES

Vũ Văn Đam, Phạm Đức Long — 2025-12-31

The management of public assets at the units today has applied information technology, some of them use barcodes; that is a step forward compared to the previous manual method. To increase accuracy and convenience, a more advanced type of management is needed. Radio Frequency Identification Technology is now very developed, allowing detection and positioning of objects from thousands of meters away. Using an experimental method, in this paper we propose a solution that applies Ultra High Frequency Radio Frequency Identification Technology for managing laboratory equipment at a university. The management of public assets will increase convenience by identifying assets using ultra-high frequency tags combined with computer programs. The results of the research on the experimental model on actual equipment components show that management and tracking have become more accurate and convenient than using barcodes.

EVALUATING FEATURE DIMENSIONALITY REDUCTION TECHNIQUES FOR MACHINE LEARNING-BASED IoT INTRUSION DETECTION

Vũ Minh Quang, Nguyễn Đại Thọ — 2025-12-31

The rapid expansion of large-scale computer networks has led to a substantial increase in data traffic and system complexity, thereby heightening the risk of sophisticated cyberattacks. Because traditional intrusion detection methods often require considerable computational resources, the demand for lightweight yet effective detection mechanisms has become increasingly urgent. This study proposes and evaluates a flexible network attack detection framework that integrates dimensionality reduction techniques with high-performance classifiers. Two feature reduction methods Chi-square and Principal Component Analysis (PCA) are employed to optimize the feature set, followed by a comparative assessment using two classification models: a Deep Neural Network (DNN) and Extreme Gradient Boosting (XGBoost). The proposed system is trained and validated on publicly available benchmark datasets, demonstrating its ability to maintain high detection accuracy while significantly lowering computational costs. Experimental results further reveal that combining feature reduction with advanced machine learning models improves processing speed, reduces resource consumption, and enhances overall detection performance. These findings confirm the practicality and efficiency of the proposed framework for modern intrusion detection environments.

THUẬT TOÁN TRÁNH VA CHẠM THỜI GIAN THỰC CHO ROBOT TỰ HÀNH DỰA TRÊN PHƯƠNG PHÁP TIMED ELASTIC BAND (TEB)

Nông Minh Ngọc, Đỗ Năng Toàn — 2025-12-31

Trong bối cảnh Cách mạng Công nghiệp 4.0, yêu cầu điều hướng an toàn và tối ưu thời gian thực đặt ra thách thức lớn đối với các hệ thống Robot tự hành và Xe dẫn hướng tự động. Các phương pháp lập kế hoạch cục bộ dựa trên cân bằng lực, như Elastic Force, dù phản ứng nhanh nhưng còn hạn chế trước các môi trường phức tạp và khó tích hợp ràng buộc động học. Bài báo đề xuất chuyển dịch từ mô hình dựa trên lực sang phương pháp tối ưu hóa phi tuyến dựa trên đồ thị thông qua thuật toán Timed Elastic Band. Bằng cách biểu diễn quỹ đạo dưới dạng Hyper-graph và tối ưu đồng thời trạng thái và thời gian, Timed Elastic Band giải quyết hiệu quả bài toán đa mục tiêu trong lập kế hoạch cục bộ. Kết quả cho thấy Timed Elastic Band vượt trội so với các phương pháp truyền thống, đồng thời cung cấp giải pháp khả thi cho việc nâng cấp hệ thống điều hướng robot với sự cân bằng tối ưu giữa an toàn, độ mượt và hiệu suất thời gian thực.