Đánh giá mức độ tập trung
ThS Triệu Thu Hương cho biết, trong giảng dạy, nhận biết cảm xúc và mức độ tập trung của người học là yếu tố quan trọng để dẫn dắt nhịp độ lớp học, nâng cao hiệu quả giảng dạy. Với dạy học trực tuyến, điều này lại càng quan trọng bởi nắm bắt cảm xúc người học mới có thể xác định được mức độ yêu thích bài học hay mức độ tập trung của người học. Khi dịch Covid-19 diễn biến phức tạp, học trực tuyến trở thành phương pháp phổ biến.
Nhằm đánh giá cảm xúc của sinh viên trong hoạt động giảng dạy trực tuyến, nhóm đã nghĩ đến ứng dụng lý thuyết học sâu (Deep Learning) để nhận dạng hình ảnh, cảm xúc thông qua khuôn mặt, có độ chính xác cao. Thông qua hình ảnh khuôn mặt có thể xác định mức độ hài lòng, yêu thích môn học của sinh viên, đồng thời giúp giảng viên kịp thời điều chỉnh hoạt động giảng dạy, tăng hiệu quả hoạt động dạy và học trực tuyến.
Theo ThS Nguyễn Thị Yến, trong bối cảnh bình thường mới, một số các buổi học và họp trực tuyến vẫn được duy trì. Các trường đại học trên cả nước nói chung và Học viện Ngân hàng nói riêng đã áp dụng các phần mềm tiện ích như Zoom Meeting, Google Meeting, Hangouts Meets, Google Classroom... nhằm giúp giảng viên và sinh viên trao đổi với nhau một cách dễ dàng nhất. Khi không giao tiếp mặt đối mặt, sinh viên khó trao đổi thông tin, giảng viên cũng khó quan sát được cảm xúc và mức độ tập trung của sinh viên nên hiệu quả học tập chưa cao.
Mức độ tiếp thu của người học có sự tác động không nhỏ từ môi trường học tập như yêu cầu của giảng viên, môn học, nội dung học tập, khả năng truyền đạt kiến thức của giảng viên... có thể tác động gây ra cảm giác chán nản, tức giận hay khó chịu (biểu hiện gần của stress).
Đo lường và đánh giá mức độ cảm xúc của người học trong quá trình học tập có thể coi là hoạt động cần thiết và quan trọng, giúp người dạy biết được tâm lý người học khi mà điều kiện học tập trực tuyến rất khó để nhận biết. Điều này sẽ giúp người dạy điều tiết quá trình giảng dạy, làm giảm mức độ căng thẳng trong học tập giúp người học tiếp thu hiệu quả hơn. Không chỉ vậy, đây cũng có thể được coi là kênh thông tin để đo lường hoạt động giảng dạy của giảng viên.
Nhóm tác giả tiến hành nghiên cứu “Mô hình phát hiện cảm xúc khuôn mặt nhằm đánh giá mức độ “hài lòng” của sinh viên Học viện Ngân hàng khi tham gia học trực tuyến”. Nhóm tác giả đã thu thập hình ảnh của sinh viên Học viện Ngân hàng khi tham gia học trực tuyến qua phần mềm Zoom Meeting để làm dữ liệu huấn luyện và kiểm thử mô hình.
Giải bài toán phát hiện cảm xúc
Phát hiện cảm xúc khuôn mặt là bước phát triển tiếp sau của việc phát hiện khuôn mặt, tuy nhiên, có nhiều quan điểm trong việc định nghĩa khái niệm cảm xúc, vốn rất không rõ ràng. Nhóm đã thử nghiệm kiến trúc Deep Learning dựa trên nhiều lớp tích chập (ConvNet) để phát hiện cảm xúc khuôn mặt. Dữ liệu thu được từ camera của phần mềm Zoom Meeting chụp mặt của các sinh viên trong buổi học với nhiều trạng thái khác nhau, sau đó dữ liệu được chuyển vào xử lý với đầu ra xác suất, trả về xác suất của 3 loại cảm xúc do hệ thống tính toán được.
Phát hiện cảm xúc tích cực và tiêu cực của sinh viên trong học tập trực tuyến, nhóm đã thu thập tập dữ liệu gồm 1.000 ảnh (với 580 ảnh có cảm xúc tích cực và 420 ảnh có cảm xúc tiêu cực) ảnh được thu thập từ các ảnh chụp sinh viên Học viện Ngân hàng thông qua giao diện màn hình của phần mềm trực tuyến Zoom. Điều đáng vui mừng là độ chính xác của mô hình thu được là 93,54%.
Theo ThS Triệu Thu Hương, phát hiện cảm xúc tích cực và tiêu cực của người học trong quá trình học tập có vai trò quan trọng trong việc điều chỉnh hoạt động giảng dạy nhằm thu được hiệu quả cho quá trình này. Phương pháp phát hiện và đánh giá cảm xúc tự động thông qua nhận diện khuôn mặt là giải pháp khả thi về mặt kỹ thuật và thời gian cũng như bảo đảm tính khách quan.
Việc ứng dụng phương pháp này là rất khả quan và đem lại hiệu quả trong việc cải tiến quá trình giảng dạy với mục đích làm giảm stress cho người học, giúp nâng cao hiệu quả dạy trực tuyến. Ảnh khuôn mặt của sinh viên sẽ được thu thập tự động qua phần mềm Zoom sau mỗi giờ học với số lượng nhất định, sử dụng làm đầu vào để đánh giá cảm xúc tích cực và tiêu cực chung của sinh viên, từ đó đưa ra kết quả giờ giảng của giảng viên có ảnh hưởng tích cực hay tiêu cực. Trên cơ sở đó, người giảng sẽ tiếp tục phát huy hoặc điều chỉnh phương án giảng dạy cho phù hợp.
Nhóm nghiên cứu cho biết, bên cạnh việc phát hiện cảm xúc của sinh viên Học viện Ngân hàng trong quá trình học trực tuyến thì mô hình này cũng có thể áp dụng cho các ngân hàng. Với dữ liệu đầu vào là ảnh của khách hàng khi đến phòng giao dịch, được thu thập qua các camera giám sát, đưa qua mô hình có thể phát hiện cảm xúc hài lòng hay không khi sử dụng dịch vụ, từ đó, ngân hàng nắm bắt được tâm trạng của khách hàng, có thể đưa ra phân tích và giải pháp phù hợp nhằm mang lại trải nghiệm cá nhân hóa, phục vụ khách hàng tốt hơn.
