Một nghiên cứu mới được công bố trên tạp chí Computers and Education: Artificial Intelligence (chỉ số ảnh hưởng 23.4, CiteScore 43.3) đã phát triển hệ thống AI trích xuất thông tin từ tài liệu khoa học, giúp sinh viên đại học giảm 65% thời gian phân tích tài liệu và nâng cao khả năng nhận diện biến số thí nghiệm từ 37.5% lên 87.5%. Nghiên cứu do nhóm tác giả từ Đại học Khoa học và Công nghệ Nam Kinh (NJUST) và Đại học Stockholm thực hiện, tập trung vào việc ứng dụng AI để hỗ trợ sinh viên hoàn thành luận văn đại học.

Hệ thống AI biến tài liệu phi cấu trúc thành dữ liệu có thể so sánh

Hệ thống trích xuất thông tin do AI điều khiển có khả năng chuyển đổi các tài liệu nghiên cứu phi cấu trúc (như bài báo khoa học, sách giáo khoa, báo cáo kỹ thuật) thành dữ liệu có cấu trúc, có thể so sánh và truy xuất nguồn gốc. Cụ thể, hệ thống trích xuất các thông số thí nghiệm, loại vật liệu, biến số điều kiện, chỉ số hiệu suất và nguồn tài liệu, sau đó chuẩn hóa và tạo bảng dữ liệu hỗ trợ tìm kiếm, lọc và phân tích đa chiều. Điểm đặc biệt là tất cả dữ liệu trích xuất đều được liên kết chính xác đến trang, vị trí hình/bảng trong tài liệu gốc, cho phép sinh viên tự kiểm tra, sửa lỗi và trích dẫn đúng quy cách.

Giảm tải nhận thức, tăng cường tư duy bậc cao

Nhóm nghiên cứu nhấn mạnh rằng AI không nên thay thế tư duy của sinh viên mà đóng vai trò như "giàn giáo số" hỗ trợ các nhiệm vụ học tập phức tạp. Bằng cách tự động hóa các công việc lặp đi lặp lại như tìm kiếm tài liệu, sao chép dữ liệu và chuẩn hóa đơn vị, hệ thống giúp giảm gánh nặng nhận thức ở khâu xử lý thông tin cấp thấp, từ đó sinh viên có thể tập trung vào các hoạt động học tập bậc cao như nhận diện biến số, đánh giá xu hướng, phân tích bằng chứng và thiết kế giải pháp. Hệ thống cũng tích hợp chức năng xác nhận nguồn gốc, hiệu chỉnh dữ liệu thủ công và ánh xạ trích dẫn, khuyến khích sinh viên kiểm chứng và suy ngẫm về đầu ra của AI, tránh phụ thuộc máy móc.

Kết quả thử nghiệm ấn tượng: giảm 65% thời gian, tăng 50% khả năng nhận diện biến số

Trong thử nghiệm thực tế, nhóm nghiên cứu đã tiến hành nghiên cứu thí điểm với phương pháp hỗn hợp. Hệ thống xử lý 80 tài liệu nghiên cứu, đạt tỷ lệ trích xuất và chuẩn hóa thành công các thông số thí nghiệm và dữ liệu hiệu suất trên 90%. Sinh viên tự báo cáo thời gian phân tích tài liệu giảm khoảng 65%. Đáng chú ý, ở nhóm sinh viên năm thứ nhất và năm thứ hai tham gia kiểm tra, tỷ lệ nhận diện được ít nhất 3 biến số thí nghiệm quan trọng tăng từ 37.5% (trước khi sử dụng hệ thống) lên 87.5% (sau khi sử dụng).

Ứng dụng trong giáo dục đại học và đổi mới sáng tạo

Hệ thống này không chỉ hỗ trợ sinh viên hoàn thành luận văn mà còn có tiềm năng ứng dụng rộng rãi trong các khóa đào tạo nghiên cứu, dự án đổi mới sáng tạo của sinh viên, thiết kế khóa học liên ngành, thực hành thí nghiệm và các cuộc thi khoa học công nghệ sinh viên. Theo bài báo, hệ thống đã được áp dụng trong các dự án sinh viên như "Giải thưởng Sáng tạo Quốc gia" và "Thử thách Bát Kỳ" (Challenge Cup), giúp sinh viên nhanh chóng tổng hợp tiến độ nghiên cứu, xây dựng cơ sở dữ liệu có cấu trúc và hỗ trợ mô hình học máy để sàng lọc, thiết kế vật liệu tiên tiến. Nghiên cứu này là sự hợp tác giữa các giảng viên từ Khoa Vật liệu và Trường Cao đẳng Giáo dục Đổi mới Sáng tạo của NJUST, cùng với chuyên gia từ Đại học Stockholm, được hỗ trợ bởi dự án "Đội ngũ Giảng dạy Xuất sắc Thanh Lam" của tỉnh Giang Tô.

Ảnh: Tope J. Asokere / Pexels