MÔ HÌNH LAI TRANSFORMER CHO PHÂN TÍCH CẢM XÚC TỪ PHẢN HỒI CỦA SINH VIÊN

Abstract

Giáo dục luôn là lĩnh vực được chú trọng và quan tâm phát triển bởi các quốc gia trên thế giới, một nền giáo dục vững mạnh và phát triển không những thể hiện sự đầu tư của nền kinh tế quốc gia mà còn là sự vươn lên mạnh mẽ, đào tạo nhân lực chất lượng cao trong tương lai góp một phần không nhỏ vào sự phát triển. Theo thời gian, các phương pháp học tập không ngừng được đổi mới để phù hợp với sự thay đổi và nhu cầu của người học. Cùng với sự phát triển của trí tuệ nhân tạo trong những năm gần đây, đã có những tác động tích cực trong cách quản lý, phân tích được nghiên cứu áp dụng trong giáo dục nhằm tiết kiệm thời gian so với việc phân tích thủ công như trước đây. Việc đánh giá chất lượng đào tạo, trong đó có việc thu thập phản hồi từ người học là một nguồn thông tin quan trọng vừa có tính khách quan và chủ quan giúp các giảng viên nắm bắt được cảm xúc, thái độ và những hạn chế của sinh viên đối với khóa học đó. Tuy nhiên việc đánh giá phải được diễn ra ở mọi thời điểm để có thể đánh giá toàn bộ nội dung khóa học thay vì tại một thời gian cố định. Để giải quyết vấn đề đó, bài nghiên cứu này giới thiệu một mô hình giúp phân tích cảm xúc của sinh viên bằng sự kết hợp giữa mô hình RoBERTa và LSTM đã được áp dụng thành công khi đã cải thiện được độ chính xác lên đến hơn 94%, hơn 85% và 93% lần lượt ở tập dữ liệu IMDB, US Airline và tập dữ thu thập từ sinh viên Pháp đã được tăng cường so với các phương pháp máy học truyền thống như Naïve Bayes, SVM sử dụng các đặc trưng như Bag-of-Words, TF-IDF.