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
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.002 |
| Meta-epidemiology (narrow) | 0.004 | 0.004 |
| Meta-epidemiology (broad) | 0.005 | 0.002 |
| Bibliometrics | 0.002 | 0.008 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.008 | 0.007 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".