ỨNG DỤNG TRÍ TUỆ NHÂN TẠO (AI) GIÚP NÂNG CAO HIỆU QUẢ TRONG GIẢNG DẠY VÀ THỰC HÀNH PHẦN MỀM GERBER TECHNOLOGY CHO SINH VIÊN NGÀNH THIẾT KẾ THỜI TRANG ĐẠI HỌC DUY TÂN
Notice bibliographique
Résumé
Trong bối cảnh giáo dục đại học tại Việt Nam đang chuyển dịch mạnh mẽ theo hướng số hóa, tôi thực hiện nghiên cứu nhằm đánh giá khả năng ứng dụng trí tuệ nhân tạo (AI) trong việc nâng cao hiệu quả giảng dạy phần mềm Gerber Technology cho sinh viên ngành Thiết kế thời trang tại Đại học Duy Tân. Mục tiêu của nghiên cứu là xác định các khó khăn trong quá trình học và thực hành phần mềm, từ đó đề xuất giải pháp hỗ trợ giảng dạy bằng AI. Tôi tiến hành phân tích giáo trình và tài liệu giảng dạy môn Gerber Technology để nhận diện các vấn đề như thao tác phức tạp, yêu cầu kỹ năng kỹ thuật cao, và thời lượng học tập hạn chế. Trên cơ sở đó, tôi đề xuất các giải pháp chính. Kết quả nghiên cứu cho thấy các ứng dụng AI không chỉ giúp giảm tải cho giảng viên mà còn nâng cao khả năng tự học, tính sáng tạo và trải nghiệm học tập của sinh viên, đặc biệt trong việc thực hành thiết kế rập với độ chính xác cao. Nghiên cứu góp phần mở rộng hướng tiếp cận mới trong đào tạo chuyên ngành thời trang, phù hợp với xu thế chuyển đổi số trong giáo dục đại học hiện nay.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».