Cá nhân hóa quá trình học sử dụng mô hình Bert & Gpt cho sinh viên có năng lực tiếp thu khác nhau Trường Đại học Công nghệ Đông Á

Tóm tắt

Bài báo nghiên cứu vai trò của các mô hình ngôn ngữ dựa trên kiến trúc Transformer cụ thể là BERT (Bidirectional Encoder Representations from Transformers) và GPT (Generative Pre-trained Transformer) trong việc cá nhân hóa học tập, với mục tiêu nâng cao trải nghiệm học tập cho từng người học. Phương pháp nghiên cứu bao gồm phân tích lý thuyết, so sánh đặc điểm và hiệu quả của BERT và GPT, đề xuất quy trình ứng dụng các mô hình này trong giáo dục và thực nghiệm triển khai trên tập dữ liệu EdNet cùng dữ liệu giả định. Kết quả nghiên cứu cho thấy BERT đạt độ chính xác 92% trong phân loại phản hồi học sinh, giúp cải thiện 25% tốc độ điều chỉnh nội dung học tập, trong khi chatbot GPT nhận được 87% đánh giá tích cực từ học sinh. Kết luận, việc tích hợp BERT và GPT mang lại hiệu quả cao trong cá nhân hóa học tập và mở ra tiềm năng phát triển hệ sinh thái giáo dục thông minh