a. Tên luận văn: Phân tích tính tích cực của học sinh trong lớp học dựa vào phương pháp học sâu
b. Họ và tên cá nhân thực hiện luận văn: Phạm Thị Nhị
c. Tên cơ quan cử đi học: Trường THPT Chuyên Hùng Vương
d. Tên Viện - trường thực hiện luận văn: Trường Đại học Sư phạm Tp. Hồ Chí Minh
đ. Mục tiêu nghiên cứu: Phát hiện hành động của học sinh để làm tiền đề phân tích tính tích cực của chúng trong giờ học. Cụ thể, nghiên cứu các kiến thức trong lĩnh vực thị giác máy tính, tập trung tìm hiểu các phương pháp phát hiện đối tượng dựa trên phương pháp học sâu.
e. Kết quả thực hiện (tóm tắt)
Ngày nay lĩnh vực thị giác máy tính có nhiều ứng dụng trong thực tế như: giáo dục, an ninh, sản xuất… cốt lõi của những ứng dụng trên là bài toán phát hiện đối tượng và theo vết đối tượng. Các bài toán này được ứng dụng thông qua hệ thống camera giám sát được trang bị phổ biến ở cơ quan, đường phố, bệnh viện trường học…
Là một giáo viên dạy Trung học phổ thông, với những điều mình học được cùng với sự định hướng của các giảng viên hướng dẫn và sự nghiên cứu của bản thân, tác giả Phạm Thị Nhị mong muốn xây dựng mô hình có thể góp phần đánh giá khả năng tích cực của học sinh trong giờ học từ hệ thống camera giám sát của trường học. Cụ thể, phân tích hoạt động giơ tay phát biểu ý kiến của học sinh, từ đó có thể đánh gá khả năng phân tích tính tích cực của học sinh trong giờ học.
Mục tiêu của luận văn là phát hiện hành động của học sinh để làm tiền đề phân tích tính tích cực của chúng trong giờ học. Cụ thể, nghiên cứu các kiến thức trong lĩnh vực thị giá máy tính, tập trung tìm hiểu các phương pháp phát hiện đối tượng dựa trên phương pháp học sâu.
Có nhiều dấu hiệu học tập để phát hiện sự tích cực học tập của học sinh trong lớp học như: có chú ý học tập hay không? Có hoàn thành nhiệm vụ được giao không? Có hiểu bài không?... Trong đó, có hoạt đọng nổi bật nhất để phát hiện tính tích cực của học sinh là hoạt động giơ tay phát biểu ý kiến. Để đánh giá điều này thường sẽ có cái nhìn chung theo cảm tính của người quan sát chức không có một số liệu cụ thể. Luận văn này sẽ có một số liệu cụ thể thống kê, phân tích sự giơ tay phát biểu ý kiến trong giờ học. Từ đó, có thể đánh giá tính tích cực của học sinh thông qua hoạt động này.
Trong khuôn khổ của luận văn, tác giả đã sử dụng phương pháp Mask R-CNN, một kỹ thuật tiên tiến để phát hiện và phân vùng đối tượng. Phương pháp này là mở rộng của phương pháp Faster R-CNN cho phân đoạn cấp độ pixel được phát triển bởi K.He và nhóm của anh tại FAIR là một trong những thuật toán mạnh nhất cho phân khúc cá thể. Có ba thay đổi lớn từ Faster R-CNN sang Mask R-CNN: (1) xây dựng bản đồ đặc trưng nhiều tỉ lệ với mạng đặc trưng kim tự tháp; (2) thay thế kỹ thuật ROIPool bằng kỹ thuật ROIAlign để căn chỉnh pixel-pixel giữa đầu vào và đầu ra của mạng và (3) sử dụng FCN để dự đoán mặt nạ…
Từ phương pháp Mask R-CNN, tác giả đã thu thập dữ liệu trong giờ học của học sinh trung học phổ thong qua hệ thống camera quan sát và chọn lọc, xử lý, huấn luyện tạo ra mô hình cho bài toán có độ chính xác cao với số lặp 10.000, 20.000, 30.000, 40.000 là 92,32%; 96,19%; 96,25% và 95,73%.
Từ những kết quả đạt được, tác giả sẽ tiếp tục nhân rộng mô hình thực nghiệm ở nhiều trường học, nhiều cấp học và nhiều điều kiện khác nhau của môi trường.
f. Năm tốt nghiệp: 2019
(Có thể tìm đọc toàn văn Báo cáo kết quả nghiên cứu luận văn tại Trung tâm Thông tin và Thống kê khoa học và công nghệ).