CHUYỂN ĐỔI SỐ TRONG QUY TRÌNH THIẾT KẾ RẬP THỜI TRANG TRUYỀN THỐNG ĐẾN ÁP DỤNG CÔNG NGHỆ 3D
Bibliographic record
Abstract
Trong bối cảnh chuyển đổi số tác động mạnh mẽ đến lĩnh vực mỹ thuật ứng dụng và đào tạo thiết kế, ngành thời trang có những thay đổi sâu sắc trong quy trình sáng tạo. Nghiên cứu với mục tiêu phân tích sự khác biệt giữa phương pháp thiết kế rập thủ công và ứng dụng công nghệ 3D, qua đó đánh giá khả năng áp dụng trong đào tạo và thực tiễn thiết kế. Các phương pháp phân tích, tổng hợp tài liệu, so sánh quy trình truyền thống và số hóa cùng thực nghiệm cơ bản trên các phần mềm 3D. Kết quả cơ bản cho thấy công nghệ 3D giúp có cái nhìn trực quan sản phẩm, rút ngắn thời gian thiết kế, tiết kiệm nguyên liệu, đồng thời tạo điều kiện thử nghiệm sáng tạo mà không cần may mẫu vật lý. Tuy nhiên, quá trình ứng dụng còn gặp thách thức về chi phí phần mềm, cơ sở hạ tầng kỹ thuật và năng lực tiếp cận công nghệ của người học. Từ các nghiên cứu kết luận rằng, việc tích hợp công nghệ 3D trong giảng dạy thiết kế rập là xu hướng đã đang và sẽ phát triển trong tương lai, góp phần nâng cao chất lượng đào tạo, tiếp cận chuẩn quốc tế. Việc triển khai thí điểm trong các cơ sở đào tạo, tổ chức các khóa bồi dưỡng kỹ năng công nghệ cho giảng viên, sinh viên và xây dựng các mô hình áp dụng phù hợp, hướng tới phát triển bền vững ngành thời trang Việt Nam.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.272 | 0.124 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".