Trong một lớp học có hàng chục sinh viên, giảng viên khó có thể đồng thời quan sát mức độ tham gia của từng người trong suốt buổi học. Những tín hiệu như giơ tay phát biểu, hướng nhìn hay mức độ tương tác có thể xuất hiện liên tục và không phải lúc nào cũng dễ ghi nhận đầy đủ bằng quan sát trực tiếp.
Từ bài toán đó, nhóm sinh viên Asia University Program gồm Heng Hưng Long, Đặng Gia Minh, Diệp Tấn Phát và Lê Hoàng Thành Đạt đã phát triển “Intelligent Image Recognition-Based Active Learning Monitoring and Evaluation System” trong học phần “Advanced Programming” (Lập trình nâng cao).
Nhóm hướng tới một hệ thống có thể thu nhận hình ảnh, xử lý bằng AI, lưu trữ dữ liệu và trực quan hóa kết quả trên cùng một quy trình.
Biến hình ảnh lớp học thành dữ liệu hỗ trợ giảng viên
Điểm xuất phát của dự án là câu hỏi: hình ảnh từ camera có thể cung cấp thêm thông tin gì về diễn biến của một lớp học?
Sau khi tiếp nhận hình ảnh, hệ thống sử dụng AI để xác định vị trí của sinh viên và phân tích một số biểu hiện như giơ tay phát biểu, hướng nhìn hay mức độ tương tác. Những kết quả này sau đó được chuyển thành dữ liệu và hiển thị trên bảng điều khiển trực quan, giúp giảng viên có thêm một nguồn thông tin để theo dõi hoạt động của lớp học.
Mục tiêu của nhóm không phải đưa ra kết luận thay cho giảng viên, mà tạo thêm dữ liệu tham khảo bên cạnh quá trình quan sát trực tiếp.
Đặng Gia Minh, thành viên nhóm dự án chia sẻ: “Điều nhóm hướng đến không phải là thay thế vai trò của giảng viên, mà phát triển một công cụ có thể hỗ trợ quá trình quan sát và cung cấp thêm dữ liệu về hoạt động học tập trong lớp. Từ đó, giảng viên có thêm cơ sở để theo dõi và đánh giá mức độ tham gia của sinh viên”.
Cách tiếp cận này cũng khiến nhóm phải suy nghĩ xa hơn một bài toán nhận diện hình ảnh đơn thuần. Muốn dữ liệu AI thực sự có ích, hệ thống phải giải quyết được nhiều bước phía sau: dữ liệu được lưu ở đâu, kết quả được trình bày thế nào, người dùng cần nhìn thấy những chỉ số nào và thông tin nào thực sự có giá trị đối với việc theo dõi lớp học.
Phía sau một biểu đồ là cả quy trình xử lý dữ liệu
Để biến hình ảnh từ camera thành các chỉ số trên Dashboard, nhóm phải kết nối nhiều thành phần công nghệ thành một quy trình thống nhất.
Ở bước đầu, hệ thống sử dụng YOLO để xác định vị trí từng sinh viên trong khung hình. Tiếp đó, MediaPipe hỗ trợ phân tích tư thế và chuyển động cơ thể nhằm nhận diện một số hành vi như giơ tay, hướng nhìn hoặc mức độ tương tác.
Dữ liệu sau khi xử lý được chuyển tới Backend thông qua RESTful API, tiếp tục được quản lý và lưu trữ trong cơ sở dữ liệu. Các kết quả cuối cùng được hiển thị trên Dashboard dưới dạng biểu đồ và chỉ số, cho phép người dùng theo dõi diễn biến hoạt động học tập theo thời gian.
Nhờ vậy, những gì ban đầu chỉ là hình ảnh camera được chuyển thành một chuỗi dữ liệu có thể lưu trữ, phân tích và trình bày trực quan.
Đây cũng là phần cho thấy rõ hơn giá trị của dự án đối với sinh viên. Để một chức năng AI có thể hoạt động trong một sản phẩm hoàn chỉnh, nhóm không thể chỉ tập trung vào mô hình nhận diện. Các thành viên phải đồng thời xử lý kiến trúc hệ thống, kết nối dữ liệu, cơ sở dữ liệu và giao diện hiển thị kết quả.
Học cách xây một giải pháp, không chỉ hoàn thành một chức năng AI
Trong quá trình phát triển dự án, nhóm cũng nhận ra rằng một sản phẩm sử dụng AI không chỉ có những câu hỏi về kỹ thuật.
Điều kiện ánh sáng, góc đặt camera hay chất lượng hình ảnh đều có thể ảnh hưởng đến kết quả nhận diện. Bên cạnh đó, việc xử lý hình ảnh người học còn đặt ra yêu cầu về bảo vệ quyền riêng tư và cách dữ liệu được sử dụng.
Việc phải nhìn nhận cả những giới hạn này giúp sinh viên tiếp cận bài toán ở góc độ rộng hơn: một giải pháp công nghệ muốn đi vào thực tế cần đồng thời cân nhắc độ chính xác, khả năng vận hành, trải nghiệm người dùng và trách nhiệm trong quá trình sử dụng dữ liệu.
Ở các giai đoạn tiếp theo, nhóm định hướng mở rộng khả năng phân tích sang những hoạt động như làm việc nhóm, ghi chép hay thảo luận, đồng thời nghiên cứu xử lý dữ liệu trực tiếp từ camera và tiếp tục cải thiện độ chính xác của mô hình.
Quan trọng hơn, quá trình thực hiện “Intelligent Image Recognition-Based Active Learning Monitoring and Evaluation System” giúp sinh viên trải qua nhiều bước của một chu trình phát triển sản phẩm: từ xác định bài toán, lựa chọn công nghệ, thiết kế kiến trúc, xây dựng hệ thống xử lý và cơ sở dữ liệu đến kiểm thử, trực quan hóa kết quả và trình bày giải pháp.
Qua học phần “Advanced Programming”, sinh viên vì thế không chỉ luyện khả năng lập trình. Người học còn phải đặt câu hỏi về nhu cầu thực tế, kết nối nhiều thành phần công nghệ và cân nhắc những giới hạn có thể xuất hiện khi sản phẩm được đưa vào sử dụng.
Từ một bài toán quan sát lớp học, dự án trở thành cơ hội để sinh viên chuyển từ tư duy “xây một chức năng” sang “xây một giải pháp” – nơi AI chỉ là một phần trong toàn bộ hệ thống, còn giá trị cuối cùng nằm ở việc công nghệ có thể giải quyết vấn đề thực tế như thế nào.
