Khóa luận tốt nghiệp Công nghệ thông tin: Ứng dụng tự động hóa quy trình bằng Robot và trí tuệ nhân tạo trong thu nhập và phân tích cảm xúc của sinh viên tại cơ sở giáo dục đại học

Bằng cách tự động hóa quá trình thu thập và phân tích dữ liệu từ mạng xã hội, RPA có thể giảm gánh nặng so với thao tác thủ công và cung cấp thông tin chi tiết kịp thời và chính xác về c

KHOA CÔNG NGHỆ THÔNG TIN & KINH TẾ SỐ

SINH VIÊN TẠI CƠ SỞ GIÁO DỤC ĐẠI HỌC

Sinh viên thực hiện: Nguyễn Thị Minh Quyên Lớp: J02-HTA

Mã sinh viên: 23A4040189 Khóa: 23

Giảng viên hướng dẫn: Th.S Chu Văn Huy

Hà Nội, tháng 05 năm 2024

LỜI CAM ĐOAN

Em xin cam đoan rằng toàn bộ bài nghiên cứu này là sản phẩm độc lập của riêng

em Các số liệu sử dụng phân tích trong báo cáo có nguồn gốc rõ ràng, đã công bố theo đúng quy định Các kết quả nghiên cứu trong bài báo cáo do em tự tìm hiểu, phân tích một cách trung thực, khách quan và phù hợp với thực tiễn của Việt Nam Các kết quả này chưa từng được công bố trong bất kỳ nghiên cứu nào khác

Hà Nội, ngày 20 tháng 05 năm 2024

Sinh viên

Khoa Công nghệ thông tin & Kinh tế số

Học viện Ngân hàng

MỤC LỤC

LỜI CẢM ƠN i

LỜI CAM ĐOAN ii

MỤC LỤC iii

DANH MỤC BẢNG BIỂU vii

DANH MỤC BẢNG vii

DANH MỤC HÌNH ẢNH viii

DANH MỤC TỪ VIẾT TẮT ix

MỞ ĐẦU 1

1 Tổng quan tình hình nghiên cứu 1

2 Lý do chọn đề tài 2

3 Mục tiêu nghiên cứu 5

4 Cách tiếp cận, phương pháp nghiên cứu 6

4.1 Cách tiếp cận 6

4.2 Phương pháp nghiên cứu 6

5 Đối tượng và phạm vi nghiên cứu 7

5.1 Đối tượng nghiên cứu 7

5.2 Phạm vi nghiên cứu 8

6 Kết cấu của đề tài nghiên cứu 8

CHƯƠNG 1: TỔNG QUAN VỀ RPA VÀ PHÂN TÍCH QUAN ĐIỂM 9

1.1 Khái niệm RPA 9

1.2 Phân loại 11

1.3 Các công cụ triển khai RPA 11

1.3.1 UiPath 12

1.3.2 Kofax 13

1.3.3 Automation Anywhere 13

1.3.4 WinAutomation 14

1.3.5 AssistEdge 14

1.3.6 Automagica 14

1.3.7 Pegasystem 14

1.3.8 SS&C Blue Prism 15

1.4 Ưu điểm và nhược điểm của công nghệ RPA 15

1.4.1 Ưu điểm 15

1.4.2 Nhược điểm 18

1.5 Triển vọng phát triển 19

1.6 PhoBERT 21

1.7 Tình hình nghiên cứu trên thế giới 22

1.7.1 RPA 22

1.7.2 Phân tích cảm xúc người học 25

1.7.3 Tự động hoá thu thập, phân tích cảm xúc người học dựa trên RPA 27

1.8 Tình hình nghiên cứu trong nước 28

1.8.1 RPA 28

1.8.2 Phân tích cảm xúc người học 29

1.8.3 Tự động hoá thu thập, phân tích cảm xúc người học dựa trên RPA 30

CHƯƠNG 2: XÂY DỰNG BỘ DỮ LIỆU VÀ SỬ DỤNG MÔ HÌNH HỌC MÁY ĐỂ PHÂN TÍCH QUAN ĐIỂM 31

2.1 Bài toán thu thập dữ liệu 31

2.1.1 Mục tiêu bài toán 31

2.1.2 Mô tả quy trình 32

2.2 Thu thập dữ liệu 32

2.3 Cài đặt Bot 33

2.3.1 Lựa chọn, thiết lập môi trường, tiến hành cài đặt Bot 33

2.3.2 Chạy Bot 35

2.4 Đánh giá quy trình 39

2.4.1 So sánh hiệu quả giữa triển khai RPA và thao tác thủ công 39

2.4.2 So sánh hiệu quả giữa triển khai RPA và Facebook Graph API 40

2.4.3 Kết luận 42

2.5 Bài toán phân tích cảm xúc của người học 43

2.5.1 Phát biểu bài toán 43

2.5.2 Thực nghiệm 43

2.6 Đánh giá hiệu quả của mô hình 46

KẾT LUẬN VÀ ĐÁNH GIÁ 48

1 Một số thành công đạt được 48

2 Một số hạn chế 48

3 Định hướng nghiên cứu trong tương lai 49

TÀI LIỆU THAM KHẢO 50

DANH MỤC BẢNG BIỂU DANH MỤC BẢNG

Bảng 1: Một số trường hợp ứng dụng tiềm năng công nghệ RPA trong giáo dục và đánh giá mức độ phù hợp lựa chọn hướng tiếp cận khi thực hiện tự động hóa quy trình nghiệp

vụ tại các trường đại học, cao đẳng 23Bảng 2: Ví dụ hướng dẫn người dùng cuối các bước thực hiện vận hành Bot “Thu thập bình luận bài đăng” 35

DANH MỤC HÌNH ẢNH

Hình 1: Phương pháp nghiên cứu 7

Hình 2: Ứng dụng của RPA 10

Hình 3: Biểu đồ đánh giá độ nhận diện trên thị trường của 15 nhà cung cấp công nghệ RPA tiêu biểu nhất 12

Hình 4: 9 khía cạnh lợi ích của RPA 17

Hình 5: Bánh xe cảm xúc của Plutchik 25

Hình 6: Mô hình hoá quy trình tổng thể bài toán 32

Hình 7: Sơ đồ cơ cấu tổ chức Học viện Ngân hàng 33

Hình 8: Cấu hình máy sử dụng 34

Hình 9: Môi trường cài đặt Bot trên Uipath Studio 35

Hình 10: Khai báo các biến cần thiết để thu thập dữ liệu từ Facebook 41

Hình 11: Xác định và trả về ID của nhóm trên Facebook từ URL cung cấp 41

Hình 12: Lấy access token từ Facebook sử dụng cookie của người dùng 42

Hình 13: Xác định endpoint 42

Hình 14: Lưu trữ các bài đăng trong tệp JSON 42

Hình 15: Mô hình hoạt động phân tích cảm xúc người học 43

Hình 16: Phân tích của mô hình theo các tiêu chí: tích cực, tiêu cực, trung tính 44

Hình 17: Import các thư viện yêu cầu với mô hình 44

Hình 18: Sử dụng mô hình 44

Hình 19: Tạo hàm phân tích cảm xúc của bình luận 45

Hình 20: Kết quả trả về 45

Hình 21: Hiển thị một số bình luận tiêu cực 46

Hình 22: Thống kê sự phân bố cảm xúc trên toàn bộ dữ liệu 46

DANH MỤC TỪ VIẾT TẮT

RPA Robotic Process Automation Tự động hóa quy trình bằng Rô-bốt

AI Artificial Intelligence Trí tuệ nhân tạo

SNS Social Networking Sites Nền tảng tương tác xã hội

NLP Natural Language Process Xử lý ngôn ngữ tự nhiên BERT Bidirectional Encoder

Representation from Transformer

Mô hình biểu diễn từ theo 2 chiều ứng dụng kỹ thuật Transformer

NLP Natural Language Processing Xử lý ngôn ngữ tự nhiên

MỞ ĐẦU

1 Tổng quan tình hình nghiên cứu

Khi bối cảnh kỹ thuật số ngày càng được tích hợp vào môi trường giáo dục, nhu cầu hiểu biết về suy nghĩ của sinh viên cũng trở nên tối quan trọng Các phương pháp truyền thống nhằm thu thập và phân tích phản hồi của sinh viên bắt đầu trở nên thiếu hiệu quả trong việc đưa ra phản hồi theo thời gian thực Do đó, ứng dụng RPA là một cách tiếp cận đầy hứa hẹn để giải quyết thách thức này

Trong bài viết này, tôi sẽ xem xét bối cảnh cảm xúc và bình luận của sinh viên tại các cơ sở giáo dục đại học và khám phá tính khả thi của việc áp dụng RPA cho lĩnh vực này Bằng cách tự động hóa quá trình thu thập và phân tích dữ liệu từ mạng xã hội, RPA có thể giảm gánh nặng so với thao tác thủ công và cung cấp thông tin chi tiết kịp thời và chính xác về cảm xúc của sinh viên, tạo điều kiện cho các giảng viên và quản trị viên đưa ra quyết định dựa trên dữ liệu theo thời gian thực để nâng cao trải nghiệm, sự hài lòng và xây dựng môi trường học tập cá nhân hóa cho sinh viên Hơn nữa, RPA mang lại lợi thế về khả năng mở rộng và khả năng thích ứng, cho phép các tổ chức giám sát một lượng lớn dữ liệu một cách hiệu quả, từ đó, thúc đẩy một môi trường học tập hỗ trợ và thuận lợi hơn

Bài viết này nhằm mục đích nghiên cứu tiềm năng của Tự động hóa quy trình bằng rô-bốt (RPA) trong việc phân tích cảm xúc của người học trong các cơ sở giáo dục đại học thông qua nền tảng mạng xã hội Ba mục tiêu chính của bài nghiên cứu là (1) áp dụng công nghệ RPA dưới dạng bot có thể thu thập bình luận và cảm xúc của sinh viên trên các nền tảng mạng xã hội, (2) sử dụng AI nhằm phân tích xu hướng cảm xúc và (3)

đo lường hiệu quả thời gian của bot RPA trong thao tác xử lý công việc Các giai đoạn nghiên cứu được chia làm 3 giai đoạn: giai đoạn chuẩn bị, giai đoạn thực thi RPA và giai đoạn đánh giá Cụ thể, giai đoạn chuẩn bị để xác định vấn đề cần xử lý, giai đoạn triển khai RPA để phát triển bot sử dụng nền tảng UiPath và giai đoạn đánh giá nhằm

so sánh hiệu quả về yếu tố thời gian thực thi công việc giữa bot RPA, Facebook API và thủ công (bằng con người), áp dụng cho hai trọng tâm công việc, cụ thể là (1) giám sát thu thập cảm xúc của sinh viên và (2) phân tích cảm xúc người học

2 Lý do chọn đề tài

Sự bùng nổ của các nền tảng công nghệ Web 2.0 trong thập kỷ qua đã thúc đẩy nhu cầu sử dụng các trang mạng xã hội trực tuyến ( SNS – Social Networking Sites) giữa các cá nhân Được định nghĩa là một nhóm các ứng dụng dựa trên Internet (Jaradat và Atyeh 2017), các nền tảng truyền thông xã hội này cho phép người dùng thể hiện bản thân thông qua cộng đồng ảo, tương tác, duy trì kết nối với những người khác (Brailovskaia và cộng sự 2020) và thu hút hàng triệu người dùng sử dụng hầu như mỗi ngày (Brailovskaia và cộng sự 2020) Các nền tảng SNS như Instagram, Telegram, Facebook, Twitter, Skype và WhatsApp được sử dụng rộng rãi và phổ biến nhất cho mục đích giáo dục ( (Ebrahimpour et al 2016; La Sala et al 2014; Akçayır và Akçayır 2016) Theo Báo cáo tổng quan kỹ thuật số toàn cầu năm 2024 của Datareportal, có hơn 5,04 tỷ người dùng SNS trên toàn thế giới và việc sử dụng OSN liên tục thu hút thanh niên, đặc biệt là sinh viên (Paul và cộng sự, 2012; Kokkinos và Saripanidis 2017; Das và Padmavathy 2021), những người coi các nền tảng này là phương tiện giao tiếp chính với nhau (Ehrenberg và cộng sự 2008; Lenhart và Madden 2007; Wilson và cộng sự 2010) Nghiên cứu cho thấy rằng ở các nhóm tuổi khác nhau, sinh viên nằm trong số những người dùng SNS nhiều nhất (Azizi và cộng sự 2019) Họ dành phần lớn thời gian để thực hiện các dự án nghiên cứu, kết nối và giao tiếp với các giáo sư, phối hợp với các sinh viên khác và tăng cường kết nối với các quốc gia khác (Azizi et al 2019; Lenhart và Madden 2007; Wilson et 2010)

Cũng vì lẽ đó, nhiều cơ sở đào tạo đã sử dụng chúng để tiếp thị các chương trình giáo dục và coi đó là một kênh giao tiếp hiệu quả với sinh viên (Paul và cộng sự, 2012), các trường phổ thông, đại học hoặc cao đẳng đã cho phép sinh viên truy cập Facebook tại trung tâm học tập của họ vì nguồn thông tin khổng lồ mà nền tảng này cung cấp (Ainin

và cộng sự, 2015), nhấn mạnh một lợi thế quan trọng của OSN khi đóng vai trò là một công cụ giáo dục, đó là tăng cường kết nối, chia sẻ thông tin (Lim và Richardson (2016)

và là một phương tiện học tập để sinh viên tiếp thu kiến thức (Ainin et al 2015)

Giải thích cho điều này, lý thuyết học tập xã hội phát triển bởi Albert Bandura vào năm 1977 chỉ ra rằng hầu hết hành vi của con người đều được học qua việc quan sát các hành vi làm mẫu: từ việc quan sát người khác, người ta hình thành ý tưởng về các hành

vi được thực hiện như nào và trong những trường hợp sau đó, thông tin được mã hóa này

sẽ đóng vai trò là kim chỉ nam cho hành động Lý thuyết này nhấn mạnh rằng nhận thức

và hành vi của cá nhân bị ảnh hưởng thông qua quan sát và tương tác với môi trường (trong bối cảnh bài nghiên cứu được cụ thể là chuẩn mực, văn hóa, giá trị và mục tiêu của trường đại học) Tương tác cá nhân và sự hỗ trợ từ bạn bè là những yếu tố quan trọng ảnh hưởng đến kết quả học tập của mỗi cá nhân (DeAndrea et al., 2012), lợi ích trên được

đề cập tương tự trong trường hợp sự hiểu biết của sinh viên về các thuộc tính như chuẩn mực, văn hóa, giá trị và mục tiêu của trường đại học (Yu et cộng sự, 2010)

Bên cạnh đó, trong bối cảnh ngày nay, các trường đại học cần cân nhắc tầm quan trọng giữa cảm xúc của sinh viên và thành công chung Các loại cảm xúc khác nhau trong quá trình học tập ở bậc đại học như hứng thú, lo lắng, tức giận, xấu hổ và buồn chán đều

có tác động mạnh mẽ đến sự tham gia và kết quả học tập của sinh viên (D'Mello và Graesser 2012; Tulis và Fulmer 2013) Hiểu được cảm xúc của sinh viên không chỉ là nuôi dưỡng một môi trường học tập thoải mái; đó là việc tạo ra một hệ sinh thái giáo dục

hỗ trợ sức khỏe tinh thần và tối ưu hóa tiềm năng học tập Do đó, việc tích hợp cơ sở đào tạo với các hệ thống thông tin sẽ thúc đẩy hiệu quả trong hoạt động liên hệ và hỗ trợ, giúp sinh viên có được thông tin và bày tỏ cảm xúc của mình một cách rõ ràng hơn Nhà quản trị và các nhà giáo dục có thể tiếp nhận phản ánh, phân tích và phản hồi một cách nhanh nhất, góp phần cá nhân hóa trải nghiệm học tập, giải quyết những thách thức về mặt cảm xúc và trao quyền cho sinh viên phát huy hết tiềm năng của mình Từ đó, sinh viên có cam kết chặt chẽ hơn với trường đại học, sẵn sàng thể hiện rõ quan điểm của mình dựa trên trải nghiệm cá nhân và tích cực hỗ trợ cộng đồng về các khía cạnh học thuật (Selwyn, 2007)

Trong khi việc phân tích dữ liệu được thu thập từ mạng xã hội để hiểu cảm xúc của sinh viên mang lại nhiều hứa hẹn thì các phương pháp thủ công truyền thống gặp phải một số thách thức đáng kể Thứ nhất, khối lượng dữ liệu khổng lồ đòi hỏi có sự đầu

tư đáng kể về thời gian và nguồn lực để có thể hướng tới các dịch vụ hỗ trợ và tương tác với sinh viên tốt hơn Thứ hai, việc phân tích thủ công có thể mang tính chủ quan vốn

có, với cách giải thích nội dung cảm xúc khác nhau dựa trên kinh nghiệm và thành kiến của chính người phân tích Tính chủ quan này có thể dẫn đến những đánh giá có khả năng

không chính xác và bỏ lỡ những hiểu biết quan trọng May mắn thay, những tiến bộ trong công nghệ đã đưa ra một số giải pháp Cụ thể, phân tích cảm xúc tự động được hỗ trợ bởi các công cụ AI có thể phân tích dữ liệu truyền thông xã hội với hiệu quả và độ chính xác

ấn tượng Những công cụ cải tiến này có thể xử lý các tập dữ liệu khổng lồ trong thời gian thực, xác định các mô hình và xu hướng trong cảm xúc của sinh viên mà khó có thể nhận ra bằng cách phân tích thủ công Hơn nữa, các thuật toán đằng sau những công cụ này liên tục học hỏi và phát triển, dẫn đến việc phân loại ngày càng chính xác về cảm xúc và trạng thái của sinh viên qua nội dung họ chia sẻ Bằng cách tận dụng các ứng dụng của phân tích cảm xúc tự động, các trường đại học có thể hiểu biết toàn diện và khách quan hơn về bối cảnh cảm xúc của sinh viên, cuối cùng thúc đẩy một môi trường học tập

hỗ trợ, hiệu quả và cải thiện trải nghiệm học tập tổng thể cho mọi người

Để đáp ứng mục tiêu nâng cao chất lượng giáo dục và trải nghiệm học tập của sinh viên, các trường đại học đang không ngừng tìm kiếm những giải pháp sáng tạo Một cách tiếp cận khác đặc biệt hứa hẹn trong lĩnh vực này được nhiều nghiên cứu trên thế giới đã đề xuất, đó là Tự động hóa quy trình bằng robot (Robotic Process Automation – RPA) – một ứng dụng công nghệ có tiềm năng tối ưu xử lý các nhiệm vụ lặp đi lặp lại, dựa trên quy tắc và không cần hành động nhận thức của con người (Aguirre & Rodriguez, 2017), (Willcocks & cộng sự, 2018), (Urbach & cộng sự, 2019) RPA được coi là một công nghệ đột phá, sử dụng robot phần mềm mô phỏng quy trình làm việc của con người trên các hệ thống ứng dụng (Syed et al., 2020) Điểm mạnh của RPA nằm ở khả năng xử

lý các tác vụ lặp đi lặp lại, có cấu trúc và dựa trên quy tắc (Ivančić, Suša Vugec & Bosilj Vukšić, 2019) Nhờ tính chuyên sâu và khả năng tuân thủ quy trình chuẩn, RPA được ứng dụng rộng rãi trong nhiều lĩnh vực, từ ngành ngân hàng, bảo hiểm, y tế, kế toán (Syed

và cộng sự, 2020), kiểm toán (Moffitt, Rozario & Vasarhelyi, 2018) cho đến giáo dục (Lasso-Rodríguez & Gil-Herrera, 2019) Nhờ những tiềm năng đó, lãnh đạo, nhân viên, giảng viên trong cơ sở giáo dục tăng năng suất, hiệu quả trong triển khai công việc thường nhật mà vẫn có thêm nhiều thời gian để thể thực hiện các công việc đòi hỏi tư duy và sáng tạo Ngoài ra, RPA giúp tăng cường khả năng tích hợp và liên thông giữa các hệ thống thông tin khác nhau trong cơ sở giáo dục, chẳng hạn như hệ thống quản lý đào tạo,

hệ thống học tập trực tuyến hệ thống quản lý nhân sự, hệ thống quản lý tài chính, Nhờ

đó, các quy trình nghiệp vụ trong cơ sở giáo dục có thể vận hành một cách liền mạch, hướng tới cải tiến và tối ưu hoá quy trình (Kedziora & KIVIRANTA, 2018)

Mặc dù những ứng dụng đầy hứa hẹn của RPA đã và đang thu hút sự quan tâm, chú ý của nhiều nhà nghiên cứu và các tổ chức giáo dục Tuy nhiên, tại Việt Nam, công nghệ đầy hứa hẹn này vẫn chưa được nghiên cứu và triển khai nhiều Vì vậy, bài nghiên cứu này với mong muốn sẽ làm rõ những ảnh hưởng đa chiều của tích hợp RPA và AI trong việc tăng cường khả năng tự động hoá cho lĩnh vực giáo dục, cụ thể là thao tác thu thập và phân tích cảm xúc của sinh viên trong các cơ sở giáo dục đại học qua mạng xã hội, thông qua việc đánh giá tính hiệu quả của RPA trên khía cạnh thời gian và khó khăn thuận lợi trong quá trình thực hiện triển khai giải pháp Nghiên cứu cũng đề xuất những khuyến nghị nhằm nâng cao hiệu quả của RPA và AI khi được ứng dụng trong tiến trình chuyển đổi số của các cơ sở đào tạo Để đạt được mục tiêu trên, nghiên cứu đề ra một số câu hỏi nghiên cứu như sau:

RQ1: Làm sao để có thể thu thập tự động dữ liệu cảm xúc của người học thông qua các nền tảng mạng xã hội (Fanpage, Group)

RQ2: Làm sao để phân tích cảm xúc tích cực và tiêu cực của người học thông qua nội dung bình luận của cá nhân ?

3 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu tổng quát của đề tài là hướng tới đề xuất, xây dựng thử nghiệm tích hợp RPA và AI trong tác vụ thu thập và phân tích cảm xúc của sinh viên trên nền tảng mạng xã hội

Các mục tiêu cụ thể gồm:

Thứ nhất, nghiên cứu tổng quan về RPA và phân tích cảm xúc, đánh giá tiềm năng tích hợp những công nghệ này nhằm nâng cao hiệu quả phân tích quan điểm

Thứ hai, thu thập dữ liệu về quan điểm của sinh viên trên mạng xã hội Facebook

để tiến hành phân tích So sánh hiệu quả của triển khai RPA với việc xây dựng bộ dữ liệu theo phương pháp thu thập truyền thống và Facebook API

Thứ ba, xây dựng thử nghiệm ứng dụng AI nhằm phân tích cảm xúc của sinh viên

4 Cách tiếp cận, phương pháp nghiên cứu

4.1 Cách tiếp cận

Phân tích và đánh giá hiện trạng: Xem xét và đánh giá tình trạng hiện tại của

hệ thống quản lý và quy trình nghiệp vụ trong nhiều lĩnh vực để hiểu các thách thức và

cơ hội tồn tại trong việc tự động hoá

Khảo sát và thu thập thông tin: Sử dụng các phương pháp khảo sát, tổng hợp

các tài liệu để thu thập thông tin trong nhiều lĩnh vực về khả năng tự động hóa của RPA

và phân tích quan điểm

Xây dựng mô hình giải pháp: Thiết kế, phát triển giải pháp tích hợp RPA và AI

áp dụng cho quy trình nghiệp vụ và quản lý trong cơ sở giáo dục

Triển khai và đánh giá: Triển khai giải pháp RPA qua công cụ UiPath và mô

hình phân tích cảm xúc Phobert-base-vietnamese-sentiment trong một môi trường thực

tế và đánh giá hiệu quả và tác động của chúng

Phân tích kết quả và đề xuất: Phân tích kết quả thu được từ đánh giá và đề xuất

những cải tiến và áp dụng trong lĩnh vực giáo dục nói riêng

4.2 Phương pháp nghiên cứu

Nhằm giải quyết các mục tiêu nghiên cứu đã đặt ra, nghiên cứu này sử dụng phương pháp là phương pháp nghiên cứu tổng quan và phương pháp nghiên cứu định tính

Phương pháp nghiên cứu tổng quan được sử dụng trong quá trình nghiên cứu nhằm tiếp cận, thu thập và đánh giá các tài liệu tham khảo và các thông tin phục vụ cho việc xây dựng cơ sở lý thuyết cho đề tài Cụ thể, xác định các chủ đề và phát hiện các liên quan đến việc sử dụng RPA và AI nhằm thu thập dữ liệu và phân tích cảm xúc các

dữ liệu đó Cách tiếp cận này bao gồm ba giai đoạn: (1) xác định tài liệu, (2) sàng lọc tài liệu và (3) phân tích tài liệu

Ở giai đoạn xác định tài liệu, nghiên cứu tiến hành tổng hợp và tìm kiếm các từ khóa có liên quan đến đề tài nghiên cứu như: “RPA”, “Robotic Process Automation”,

“Digital Enter-prise”, “Analyzing Student Emotions”, “RPA Implementation”,… trên

các nền tảng lưu trữ cơ sở dữ liệu học thuật uy tín, 75 bài báo đã được xác định là phù hợp với đề tài Trong giai đoạn sàng lọc tài liệu và phân tích tài liệu, giảm xuống còn 40 bài báo để đưa vào nghiên cứu này

Nghiên cứu thực nghiệm và đánh giá kết quả định tính khi so sánh kết quả đầu ra khi triển khai RPA và AI theo hướng được đề xuất với các thao tác nghiệp vụ theo phương pháp truyền thống

Hình 1: Phương pháp nghiên cứu

5 Đối tượng và phạm vi nghiên cứu

5.1 Đối tượng nghiên cứu

Công nghệ Tự động hóa quy trình bằng Robot (RPA) và Trí tuệ nhân tạo trong thu thập và phân tích cảm xúc người học

6 Kết cấu của đề tài nghiên cứu

Bố cục của bài nghiên cứu gồm 2 chương, với nội dung như sau:

Chương 1: Tổng quan về RPA và Phân tích quan điểm

Chương 2: Xây dựng bộ dữ liệu và sử dụng mô hình học máy để phân tích quan điểm

CHƯƠNG 1: TỔNG QUAN VỀ RPA VÀ PHÂN TÍCH QUAN ĐIỂM

Chương 1 sẽ giới thiệu tổng quan về RPA và phân tích quan điểm, nêu một số thách thức, triển vọng phát triển và các nghiên cứu trong và ngoài nước về hai ứng dụng công nghệ nói trên trong lĩnh vực giáo dục

1.1 Khái niệm RPA

Sự phát triển mạnh mẽ của kỷ nguyên số và tiến bộ công nghệ trên mọi lĩnh vực

đã dẫn đến sự gia tăng nhanh chóng về nhu cầu tự động hóa quy trình và tối ưu giao tiếp, chia sẻ thông tin kỹ thuật số giữa các cá nhân, doanh nghiệp và tổ chức Tuy nhiên, việc

xử lý khối lượng thông tin và tài liệu khổng lồ ngày càng trở nên phức tạp, khó đáp ứng

về thời gian đối với con người Điều này dẫn tới nguy cơ khó có thể tiếp cận, theo dõi

và xử lý kịp thời tất cả thông tin về quy trình nội bộ

Nhằm giải quyết thách thức này, Tự động hóa quy trình bằng robot (RPA) được coi là một trong những giải pháp công nghệ phù hợp và tiên tiến nhất (Somayya M., Rajesh M H và cộng sự, 2019) RPA là một cách tiếp cận để tự động hóa các quy trình bằng cách sử dụng robot phần mềm – còn gọi là softbots – bắt chước các tương tác của con người để thực hiện hầu hết các nhiệm vụ được xác định trước trên một hệ thống ứng dụng (Syed và cộng sự, 2020), có thể thực hiện tự động các thủ tục hành chính, khoa học hoặc công cộng (Jorge Ribeiro và cộng sự, 2021) Các tác vụ mà bot chạy thường dựa trên quy tắc, có cấu trúc tốt và lặp đi lặp lại (Ivančić, Suša Vugec, & Bosilj Vukšić, 2019) Quá trình tự động hóa được thực hiện với sự trợ giúp của robot phần mềm hoặc

AI có khả năng thực hiện các nhiệm vụ lặp đi lặp lại với độ chính xác cao Các bot RPA

có thể giúp thực hiện một số nhiệm vụ như điền xuất các biểu mẫu nhập liệu trong hệ thống ứng dụng (Sutipitakwong & Jamsri, 2020), trả lời email tự động hoặc thu thập dữ liệu từ nhiều nguồn khác nhau (Syed và cộng sự, 2020) Do đó, Kroll và các cộng sự (2016) tin rằng, những bot này thường được coi là lực lượng lao động kỹ thuật số hoặc nhân viên ảo

Hiện nay, công nghệ RPA đã được sử dụng trong nhiều lĩnh vực khác nhau, bao gồm ngành viễn thông, ngân hàng (hoạt động của trung tâm cuộc gọi: có thể giúp đỡ các nhân viên với thông tin được lấy từ tất cả hệ thống ngân hàng về khách hàng, quy trình

giới thiệu, bộ phận trợ giúp, ứng dụng thẻ tín dụng), bảo hiểm (xử lý yêu cầu bồi thường, nhập dữ liệu thủ công, biểu mẫu sự đăng ký), tổ chức y tế, kế toán (Syed và cộng sự, 2020), tổ chức kiểm toán (Moffitt, Rozario, & Vasarhelyi, 2018), tổ chức giáo dục (Lasso-Rodríguez&Gil-Herrera,2019)(Lasso-Rodríguez&Gil-Herrera, 2020)(Guacales-Gualavisi, Salazar-Fierro, García-Santillán, Arciniega-Hidrobo, & García-Santillán, 2021)(Turcu & Turcu, 2018)

Hình 2: Ứng dụng của RPA

Nguồn: Thorave & cộng sự, 2022

Không giống như các phương pháp truyền thống, RPA không phải là một phần của thông tin cơ sở hạ tầng mà nằm trên nó, ngụ ý mức độ xâm nhập thấp (Willcocks và cộng sự, 2020) RPA vẫn đang là một cách tiếp cận công nghệ tối ưu khi mang lại nhiều lợi ích của tự động hóa nhiệm vụ là giảm chi phí, giảm rủi ro hoạt động (lỗi nhập dữ liệu), cải tiến quy trình nội bộ và thời gian thực hiện, tăng năng suất và chất lượng dữ liệu, giảm khối lượng công việc và gia tăng sự hài lòng của nhân viên

Gần đây, định nghĩa RPA được mở rộng theo hướng kết hợp với trí tuệ nhân tạo (AI) và phân tích dữ liệu Các nhà cung cấp RPA đã cho phép mở rộng các chức năng

RPA truyền thống với các công nghệ mới, mới nổi như tự học từ khám phá quy trình, đào tạo robot, nhận dạng màn hình AI, tạo ngôn ngữ tự nhiên và quy trình tự động tạo tài liệu (Anagnoste và cộng sự, 2020)

1.2 Phân loại

RPA bao gồm ba loại chính: tự động hóa không giám sát, tự động hóa có giám sát và tự động hóa kết hợp (robot lai) (Unlock Insights, 2018) Trong đó, robot giám sát hoạt động trực tiếp trên máy tính của người sử dụng và thường hành động như một trợ

lý ảo, đòi hỏi sự khởi động hoặc bắt đầu từ người dùng Trong khi đó, robot không giám sát thực hiện công việc trên máy chủ của công ty mà không cần hoặc ít cần sự can thiệp

từ con người, thực thi các quy trình ngay cả khi ứng dụng không hoạt động và phản ứng

tự động với bất kỳ thay đổi nào trong quy trình Những robot này tự động kích hoạt và hoạt động liên tục 24/7 mà không cần sự can thiệp của con người Thông thường, chúng thực hiện các nhiệm vụ logic, có khối lượng lớn, lặp đi lặp lại liên quan đến việc nhập hoặc chuyển dữ liệu qua các hệ thống Cuối cùng, robot lai là sự kết hợp của cả hai loại trên, tức là robot giám sát và không giám sát

1.3 Các công cụ triển khai RPA

Hiện tại, các công cụ RPA được triển khai phổ biến trên thị trường bao gồm UiPath, Automation Anywhere, Blue Prism, Kofax và WinAutomation, Các nhà cung cấp này cung cấp các tính năng khác nhau và một số trong số chúng có thể được kết nối với các công cụ khác để bổ sung thêm nhiều chức năng khai thác quy trình, học máy và trí tuệ nhân tạo (AI) (Tornbohm và Dunie, 2017)

Hình 3: Biểu đồ đánh giá độ nhận diện trên thị trường của 15 nhà cung cấp

công nghệ RPA tiêu biểu nhất

Nguồn: The Forrester Wave™: Robotic Process Automation, Q1 2023 1.3.1 UiPath

UiPath (hoặc DeskOver) được thành lập vào năm 2005 tại Bucharest, Romania,

là một công cụ tự động hóa quy trình robot phát triển hiệu quả, mạnh mẽ và ổn định, lực lượng lao động được kiểm soát bằng robot mọi lúc mọi nơi (dựa trên đám mây) (Hussain,

E, 2021) Đây là một công cụ cho phép phát triển các chức năng RPA trong khuôn khổ

để tạo và thực thi các tập lệnh lập trình, cho phép bot được lập trình với giao diện gồm các khối và nhiều plugin để tùy chỉnh quy trình kinh doanh Nền tảng RPA UiPath hiện được cấu trúc thành ba mô-đun, UiPath Studio, UiPath Robot và UiPath Orchestrator

Theo bài báo cáo The Forrester Wave™: Robotic Process Automation (Q1 2023), UiPath được vinh danh là dẫn đầu (Leader) về RPA, sự đổi mới và tiến bộ liên tục của

công cụ này trong hạng mục RPA đã giúp UiPath nhận được số điểm cao nhất ở mỗi hạng mục trong số 3 hạng mục trong số 15 nhà cung cấp đã đánh giá: Dịch vụ cung cấp hiện có, Chiến lược và Sự hiện diện trên thị trường

Báo cáo cho thấy rằng UiPath ưu tiên tự động hóa doanh nghiệp với việc cung cấp nền tảng vượt trội… Ngày nay, UiPath không chỉ là nhà cung cấp phần mềm RPA lớn nhất tính theo doanh thu mà còn phát triển từ một trò chơi thuần túy RPA thành nền tảng tự động hóa doanh nghiệp Trong vài năm qua, nó đã bổ sung các khả năng như khai thác quy trình, xử lý tài liệu thông minh, tích hợp API và phát triển ứng dụng ít mã cho sản phẩm của mình, từ đó biến nó thành một nền tảng tự động hóa

1.3.2 Kofax

Kofax RPA là một nền tảng để tích hợp ứng dụng và Tự động hóa quy trình bằng robot (RPA) Nó có thể tích hợp các ứng dụng không được xây dựng để kết nối và tự động hóa các quy trình trên các hệ thống không đồng nhất như vậy; ứng dụng đám mây/SaaS với hệ thống tiền đề, hệ thống kế thừa với ứng dụng web hiện đại, hệ thống văn phòng hỗ trợ với các trang web đối tác

Công cụ này cũng như các quy trình tự động hóa RPA khác, cho phép trích xuất

dữ liệu từ tài liệu và các nguồn khác (web, email, tệp cục bộ) ở nhiều định dạng và thiết

kế khác nhau, cũng như thực hiện các quy trình thủ tục giữa các ứng dụng máy tính để hợp lý hóa liên quan đến ERP nhiệm vụ Nó cung cấp các mô-đun liên quan đến việc sử dụng các kỹ thuật hoặc thuật toán liên quan đến AI, giống như các công cụ khác (Kofax, 2019)

1.3.3 Automation Anywhere

Anywhere (AA), hay còn được gọi là Tethys Solutions, LLC, là nhà cung cấp phần mềm tự động hóa quy trình robot (RPA) lớn nhất thế giới và là nhà tiên phong của lực lượng lao động kỹ thuật số thông minh Được thành lập vào năm 2003, AA đã mở rộng quy mô hoạt động rộng lớn với hơn 1,5 triệu bot tại 20 quốc gia trong đa lĩnh vực: ngân hàng, tài chính, bảo hiểm, công nghệ, viễn thông, hậu cần và nhiều lĩnh vực khác (Taulli, T, 2020) Công cụ này cung cấp giải pháp phần mềm cung cấp các khả năng

RPA mạnh mẽ để tự động hóa mọi tác vụ phức tạp và giúp doanh nghiệp tối ưu hóa các quy trình kinh doanh của họ

AA được xây dựng cho người dùng doanh nghiệp để ghi lại và triển khai robot

mà không cần người dùng có kỹ năng chuyên môn về lập trình Công cụ này được đánh giá sở hữu giao diện dễ sử dụng và trực quan nhất, dành cho người dùng và doanh nghiệp

có thể vừa tìm hiểu vừa sử dụng với các thao tác đơn giản như kéo, thả, đi, lặp lại

Đánh giá năm 2023 của Forrester về thị trường RPA cũng đã công nhận công cụ này là Người dẫn đầu (Leader), với số điểm cao nhất có thể trong 11 tiêu chí, bao gồm đổi mới, lộ trình, triển khai bot, quản lý bot, hệ sinh thái đối tác và bảo mật

1.3.4 WinAutomation

WinAutomation là một ứng dụng dành cho máy tính để bàn cho phép người dùng

tự động hóa mọi tác vụ dựa trên quy tắc, lặp đi lặp lại diễn ra trong các ứng dụng và công nghệ dựa trên Windows WinAutomation cho phép bạn đặt các quy trình và luồng công việc ở chế độ tự động và cho phép người dùng tăng cường công việc của họ để đạt được thành công cá nhân và doanh nghiệp (Microsoft)

Công cụ này cung cấp một tập hợp các tính năng liên quan đến quy trình tự động hóa được tích hợp trong quy trình RPA, cụ thể là tự động hóa email, tệp ở các định dạng khác nhau (ví dụ: PDF và Excel), OCR

1.3.5 AssistEdge

Công cụ này sử dụng các thuật toán AI (ví dụ: Mạng nơ-ron nhân tạo) [49] để thu thập dữ liệu tự động, phân tích dữ liệu thông qua phân tích các biến thể của quy trình dựa trên giám sát quy trình riêng lẻ và phân loại thông tin cho các quy trình đề xuất

1.3.6 Automagica

Ngoài các tính năng cơ bản của RPA như đọc OCR, trích xuất văn bản từ file PDF, tự động lấy thông tin trong file word, excel, thu thập thông tin qua trình duyệt và tạo quy trình tự động hóa, nó còn cho phép kết nối với Google Tensorflow để nhận dạng hình ảnh và văn bản

1.3.7 Pegasystem

Cũng theo bản báo cáo của The Forrester Wave™ (2023), Pegasystems cung cấp trải nghiệm vòng đời tự động hóa liền mạch Các nhà cung cấp RPA đang từng bước chuyển đổi thành các nhà cung cấp nền tảng tự động hóa, được thúc đẩy bởi mong muốn

tự động hóa quy mô của khách hàng của họ Kể từ khi thành lập, Pegasystems đã duy trì sự tập trung không ngừng vào kiến trúc có thể mở rộng và cách tiếp cận nền tảng để phát triển ứng dụng và tự động hóa Cả hai ưu tiên đều có ích ngay bây giờ Trong tương lai, nó có kế hoạch phát huy thế mạnh của mình và tiếp tục đầu tư vào khả năng mở rộng cũng như chiều rộng và chiều sâu của nền tảng

1.3.8 SS&C Blue Prism

SS&C Blue Prism là nhà cung cấp được phát triển vào năm 2001 tại Warrington, Vương quốc Anh với mục tiêu ban đầu là loại bỏ việc nhập dữ liệu thủ công các quy trình có lợi nhuận thấp và rủi ro cao Blue Prism hiện đang cung cấp các bot thông minh

và nhạy bén để xử lý các loại dữ liệu khác nhau trong quy trình tự động hóa hoàn chỉnh, kết hợp các dịch vụ tự động hóa quy trình bằng robot (RPA), quản lý quy trình kinh doanh (BPM), AI và không cần lập trình để cung cấp một bộ tự động hóa thông minh toàn diện

Được hỗ trợ bởi các công nghệ như Process Intelligence, AI/ML và Xử lý tài liệu thông minh, danh mục này cho phép các doanh nghiệp hợp nhất lực lượng lao động, chuyển đổi hành trình của khách hàng, nhân viên và người dùng cũng như mở rộng quy

mô toàn doanh nghiệp

1.4 Ưu điểm và nhược điểm của công nghệ RPA

1.4.1 Ưu điểm

Khi được triển khai trong thực tiễn, RPA mang lại cho tổ chức, doanh nghiệp nhiều lợi ích Các công ty đang bắt đầu sử dụng công nghệ này một cách rộng rãi, tiến hành thay thế con người bằng robot để thực hiện công việc lặp đi lặp lại, cho phép người lao động tập trung vào các nhiệm vụ quan trọng hơn Cụ thể, robot có thể làm việc 24/7, thay thế công việc của 1,7 nhân viên (Slaby, 2012), giảm chi phí nhập cảnh xuống 70% (Anagnoste, 2017), cho phép tiết kiệm chi phí nhân lực (Lacity và Willcocks, 2015; Suri

và cộng sự, 2017; Tran và Ho Tran Minh, 2018) So với con người, robot gây ra ít lỗi

hơn và làm việc nhanh hơn với chất lượng cao hơn, do đó làm việc hiệu quả hơn (Alberth

và Mattern, 2017) và có lợi nhuận trả về nhanh hơn (Lacity và Willcocks, 2017; Suri và cộng sự, 2017) Từ đó, cải thiện dịch vụ khách hàng, sự hài lòng và giữ chân nhân viên (Slaby, 2012) Điều này cũng có thể tạo ra các công việc mới như quản lý robot, tư vấn

và phân tích dữ liệu phức tạp (Asatiani và Penttinen, 2016)

Robot cũng có thể thích ứng với nhu cầu dịch vụ, có khả năng mở rộng, điều chỉnh nhanh chóng mà không cần đầu tư quá nhiều vào phát triển (Tran và Ho Tran Minh, 2018) và cũng có thể sử dụng lại các thành phần để hỗ trợ tự động hóa các nhiệm

vụ khác (Slaby, 2012) Một khảo sát thực hiện bởi Deloitte (2019) với sự tham gia của

400 công ty đã chỉ ra rằng, phần lớn doanh nghiệp đã bắt đầu áp dụng RPA và gần một phần tư trong số đó có kế hoạch triển khai giải pháp công nghệ này trong hai năm tới

Họ cũng báo cáo rằng thời gian hoàn vốn trung bình khoảng một năm và kỳ vọng của

họ về việc giảm chi phí đáp ứng hoặc vượt qua các yêu cầu về tính chính xác, kịp thời, linh hoạt và cải thiện việc tuân thủ (Deloiite, 2019) Forrester (2019) ước tính đến năm

2021, sẽ có hơn 4 triệu robot tự động hóa thực hiện các nhiệm vụ lặp lại

Bên cạnh đó, khi tiếp cận việc đánh giá RPA từ góc độ hướng tới lợi ích, nghiên cứu đề xuất mô hình đánh giá tổng quan phân cụm thuộc tính được phát triển bởi vom Brocke & cộng sự (2009) và Baker (2000) nhằm phân tích và sử dụng các khía cạnh lợi ích khác nhau được xác định của RPA để hình thành chủ đề

Hình 4: 9 khía cạnh lợi ích của RPA

Nguồn: Anja Meironke & cộng sự, 2022

Theo đó, lợi ích chính của RPA được cho là bao gồm tiềm năng hiệu quả do với khối lượng thông tin khổng lồ nhưng thời gian xử lý ngắn hơn và ít độ trễ hơn (Kroll và cộng sự, 2019) Điều này góp phần cải thiện tính khả dụng, vì các bot RPA hoạt động 24/7 và không dễ bị ảnh hưởng bởi ốm đau, giờ làm việc hay kỳ nghỉ (Syed và cộng sự, 2020)(Kroll và cộng sự, 2016)(Carden và cộng sự, 2019)(Anagnoste và cộng sự, 2017) Lợi ích chi phí thường được quy cho Lợi tức đầu tư (ROI) cao hơn và thời gian hoàn vốn ngắn hơn cũng như góp phần làm các chi phí liên quan đến FTE như giảm số lượng nhân viên hoặc thanh toán tiền làm thêm giờ (Lacity và cộng sự, 2015)(Taulli, 2019)

(Slaby, 2012)(Wright và cộng sự, 2017 Các lỗi và sai lệch quy tắc/quy trình được cho

là được giảm thiểu dẫn đến độ chính xác cao hơn và giảm gian lận trong quá trình thực hiện quy trình (Syed và cộng sự, 2020) RPA cũng cải thiện khả năng mở rộng và tính linh hoạt (Geyer-Klingeberg và cộng sự, 2018)(Syed và cộng sự, 2020)(Willcocks và cộng sự, 2017)(Santos và cộng sự, 2020)(Hofmann và cộng sự, 2020), dễ dàng cấu hình

và khả năng sử dụng lại của các thành phần RPA cho phép điều chỉnh dễ dàng các softbots, cho phép phản ứng nhanh với những thay đổi điều kiện Do đó, các bot RPA

có thể được sửa đổi dễ dàng, nhanh chóng và có thể mở rộng theo khối lượng quy trình, không giống như việc điều chỉnh phần mềm truyền thống thường yêu cầu kỹ năng lập trình nâng cao với những thay đổi lớn (Kroll và cộng sự, 2016)(Penttinen và cộng sự, 2018)(Willcocks và cộng sự, 2015)(Slaby, 2012) Cuối cùng, RPA hứa hẹn về sự hài lòng của nhân viên, khách hàng và chất lượng dịch vụ cao hơn, vì nhân viên dần dần thoát khỏi những công việc nhàm chán và có thể chuyển sang làm những việc sáng tạo hơn và có giá trị gia tăng hơn (Kroll và cộng sự, 2016)(Willcocks và cộng sự, 2015)(William và cộng sự, 2019)(Anagnoste, 2017)(Slaby và cộng sự, 2012)(Copper và cộng sự, 2019)

1.4.2 Nhược điểm

Mặc dù RPA được coi là một phương tiện mạnh mẽ để tối ưu hóa các quy trình trong doanh nghiệp, việc triển khai giải pháp công nghệ này cần được các tổ chức xem xét kỹ càng hơn Ghifari Munawar (2021) đã chỉ ra, một số khó khăn nổi bật bao gồm đầu tư ban đầu về công nghệ và đào tạo, sự phản đối từ phía nhân viên quen thuộc với các quy trình truyền thống và khó khăn trong việc tích hợp RPA với hệ thống hiện tại Việc xác định các quy trình kinh doanh phù hợp để tự động hoá cũng là một thách thức lớn và cần có nỗ lực để kiểm tra xem liệu quy trình kinh doanh có nhiệm vụ nào có thể hoàn thành mà không cần sự can thiệp của con người hay không (Leopold và cộng sự, 2018) Việc thực hiện RPA đòi hỏi nhiều thời gian, công sức và không phải lúc nào cũng đạt được mục tiêu mong muốn (Marek và cộng sự, 2019) Cụ thể, RPA chỉ phù hợp với các quy trình dựa trên quy tắc, vì nó được thực thi bởi robot thiếu kỹ năng nhận thức, cần các quy tắc để thực hiện thành công nhiệm vụ của mình (Alberth và Mattern, 2017)(Asatiani và Penttinen, 2016) Nếu quá trình có nhiều ngoại lệ, nó phải được

chuyển giao cho với người lao động xử lý, làm tăng độ phức tạp của quy trình vì robot

và con người phải được đồng bộ hóa để thực hiện các nhiệm vụ một cách tuần tự mà không có bất kỳ sai sót nào

Áp dụng RPA đòi hỏi một số kiến thức về lập trình và quản lý hệ thống, vì vậy các tổ chức đang thiếu nhân sự có chuyên môn kỹ thuật và nguồn lực để thực hiện và bảo trì RPA, cần phải được đào tạo để sử dụng công nghệ này hiệu quả (Ghifari Munawar, 2021), (Yan Zhao1, Qijun Yao, 2022) Thêm vào đó, các tổ chức, doanh nghiệp cần có phương án bảo trì robot, vì giao diện người dùng thay đổi thường xuyên hơn cấu trúc dữ liệu đằng sau nó (Kasslin, 2017)(Stople et al., 2017) Khi hệ thống thay đổi, đôi khi robot phải được cấu hình lại, gây tốn kém và mất thời gian Ngoài ra, robot

có thể có quyền truy cập rộng rãi để tương tác với các hệ thống khác, có thể gây ra các vấn đề bảo mật

Trong lĩnh vực giáo dục nói riêng, mặc dù các chuyên gia trong ngành đã nhận thấy những ưu điểm của RPA như cải thiện hiệu suất, năng suất và độ chính xác, tuy nhiên, nguồn tài liệu và nghiên cứu về công nghệ này vẫn còn hạn chế Hiện tại, thông tin lý thuyết về khả năng ứng dụng, hạn chế và biện pháp giảm thiểu rủi ro khi triển khai RPA trong các cơ sở giáo dục còn ít và thiếu thốn Bên cạnh đó, việc áp dụng RPA ở quy mô lớn cho các trường đại học và cao đẳng vẫn chưa phổ biến và thường chỉ được thử nghiệm ở quy mô nhỏ

1.5 Triển vọng phát triển

Trong tiến trình chuyển đổi số toàn cầu, ngày càng có nhiều tổ chức muốn trải nghiệm những lợi ích của cuộc cách mạng Công nghiệp 4.0 Điều này đòi hỏi phải có những thay đổi lớn trong mô hình quy trình kinh doanh và tự động hóa Trong bối cảnh này, các tổ chức cần đánh giá mức độ sẵn sàng liên quan đến các yếu tố như: con người, chiến lược và công nghệ (Sony và Naik, 2020) RPA tích hợp cùng các giải pháp công nghệ như AI và IoT có thể giúp các tổ chức cải thiện các quy trình tất yếu trong ngành 4.0 (Marciniak và Stanisławski, 2021) Một số ứng dụng của RPA có thể được thấy trong các lĩnh vực như:

 Tài chính và ngân hàng: giảm thiểu thời gian xử lý vay tiền; Phê duyệt tín dụng

và duy trì hồ sơ chính của khách hàng; Xử lý giấy tờ, tính lãi suất và chuyển khoản; Quản lý rủi ro; Kiểm toán lương hưu và hàng tồn kho

 Bảo hiểm: xử lý đơn hàng, các chính sách bảo hiểm khác nhau, xác thực yêu cầu bồi thường tự động, xác định giá cả và đánh giá rủi ro, tạo hồ sơ, báo cáo và dự đoán các chỉ số gian lận

 Nông nghiệp: thu thập, phân tích, thiết kế, thực thi và cải tiến trong nghiên cứu

về khám phá các cảm biến nhiệt để phát hiện con người, động vật và sử dụng cảm biến siêu âm để phát hiện vật thể nhằm kiểm tra sự va chạm của robot với vật thể

 Chăm sóc sức khỏe: phát hiện thuốc mới, quy trình bào chế thuốc, cơ chế phân phối thuốc, hoạt động nội trú và ngoại trú

 Bán lẻ: theo dõi kho hàng, quản lý đơn hàng, phân loại sản phẩm và xử lý hóa đơn

RPA là một công nghệ đầy tiềm năng và có thể đóng vai trò quan trọng trong sự phát triển của các doanh nghiệp Nó có thể giúp tăng cường năng suất và tối ưu hóa chi phí trong các quy trình kinh doanh, đồng thời cải thiện độ chính xác và tính linh hoạt của các quy trình

Ngoài ra, RPA cũng có thể kết hợp với các công nghệ khác để tạo ra một hệ thống

tự động toàn diện Ví dụ, kết hợp RPA với AI (Trí tuệ nhân tạo) để lập kế hoạch, lập chiến lược và đưa ra các quyết định có ảnh hưởng trong những tình huống không thể đoán trước hay với Machine Learning (Palanivel Kuppusamy & Suresh Joseph K, 2020) RPA còn có thể kết hợp với OCR (Nhận dạng ký tự quang học) có thể giúp tự động hóa việc xử lý tài liệu và phân tích dữ liệu để tạo ra thông tin có giá trị cho doanh nghiệp hay với HRI (Tương tác giữa người và rô bốt) để tạo ra trải nghiệm học tập tương tác và hấp dẫn hơn (Ghifari Munawar, 2021), (Guillermo Lasso R., Richard Jesus Gil Herrera, 2020) Ngoài ra, kết hợp RPA với IoT (Internet of Things) cũng có thể giúp tự động hóa quy trình giám sát và điều khiển các thiết bị trong môi trường sản xuất và logistics

Nói chung, RPA là một công nghệ tiên tiến có khả năng tối ưu hóa quy trình kinh doanh và cải thiện hiệu quả hoạt động của doanh nghiệp Theo đó, trong những năm sắp

tới, thị phần của RPA được dự đoán tăng trưởng từ 20-30% mỗi năm và 3.97 tỷ đô vào năm 2025; và việc sử dụng bot RPA để thực hiện công việc có thể tiết kiệm thời gian và nâng cao hiệu quả lên tới 995,43% so với thực hiện thủ công (Guacales-Gualavisi et al., 2021) Đây là một công cụ mạnh mẽ để giúp doanh nghiệp thích nghi với môi trường kinh doanh thay đổi nhanh chóng và đòi hỏi sự nhanh nhạy và linh hoạt

Trong tương lai, RPA được dự đoán sẽ tiếp tục phát triển và trở thành một công nghệ quan trọng trong việc tự động hóa các quy trình kinh doanh Các doanh nghiệp có thể sẽ tìm thấy nhiều cách để áp dụng RPA vào các quy trình khác nhau trong doanh nghiệp của họ và cải thiện năng suất và hiệu quả hoạt động

1.6 PhoBERT

Trong thời đại 4.0 ngày nay, sức hút của lĩnh vực trí tuệ nhân tạo (AI) ngày càng nâng cao, đặc biệt là khi mà các từ ngữ như “Trí tuệ nhân tạo” hay “AI” xuất hiện ngày càng thường xuyên trên mạng xã hội, trong các chương trình truyền hình và thậm chí trong các cuộc trò chuyện hằng ngày Việc chọn lọc thông tin quý báu từ lượng dữ liệu khổng lồ này ngày càng trở nên quan trọng hơn, vì nó đóng vai trò quan trọng trong sự phát triển của tổ chức, doanh nghiệp và cá nhân Thông tin thu thập có thể được sử dụng

để cải thiện hiệu suất hoạt động của hệ thống thông tin, tối ưu hóa thời gian tìm kiếm và khảo sát, cũng như đưa ra các dự đoán hữu ích để cải thiện quyết định trong tương lai

Kỹ thuật khai thác dữ liệu (Data Mining) và xử lý ngôn ngữ tự nhiên (Natural Language Processing – NLP) đang trở nên ngày càng quan trọng và được áp dụng rộng rãi trong nhiều lĩnh vực cuộc sống như giáo dục, y tế, kinh tế và giao thông

Trên thế giới, các mô hình ngôn ngữ được đào tạo, đặc biệt là BERT – một trained model (mô hình học sẵn) được Devlin và cộng sự tại Google AI Language phát triển vào năm 2019 – đã trở nên cực kỳ phổ biến và giúp mang lại lợi ích cải tiến đáng

pre-kể cho lĩnh vực xử lý ngôn ngữ tự nhiên Tuy nhiên, những thành tựu của mô hình học sẵn BERT và các biến thể của nó chủ yếu bị giới hạn bởi ngôn ngữ tiếng Anh Đối với các ngôn ngữ khác, các nhà nghiên cứu có hai cách tiếp cận chính: họ có thể đào tạo lại các mô hình BERT dành riêng cho ngôn ngữ đó (Cui et al., 2019; de Vries et al., 2019;

Vu et al., 2019; Martin et al., 2020) hoặc sử dụng các mô hình BERT đa ngôn ngữ được

đào tạo trước hiện có (Devlin et al., 2019; Conneau and Lample, 2019; Conneau et al., 2020)

Khi nói đến việc mô hình hóa ngôn ngữ tiếng Việt, có hai thách thức chính được xác định:

 Dữ liệu hạn chế: Kho ngữ liệu Wikipedia tiếng Việt hiện là tập dữ liệu chính được sử dụng để huấn luyện các mô hình ngôn ngữ (Vu et al., 2019) Tuy nhiên, điều đáng lưu ý là bộ dữ liệu này có thể không thể hiện đầy đủ cách sử dụng đa dạng của tiếng Việt Ngoài ra, kích thước của dữ liệu Wikipedia tiếng Việt tương đối nhỏ so với nhu cầu của các mô hình ngôn ngữ được đào tạo trước với các tập dữ liệu đào tạo lớn hơn (Liu et al., 2019)

 Âm tiết và mã từ: Các mô hình ngôn ngữ dựa trên BERT được công bố rộng rãi,

dù đơn ngữ hay đa ngôn ngữ, đều không nhận ra sự khác biệt giữa âm tiết tiếng Việt và

từ token Điều này là do văn bản tiếng Việt sử dụng khoảng trắng để phân tách các âm tiết trong từ Ví dụ: một câu có 6 âm tiết “Cô ấy là một sinh viên” (She is a student) được các mô hình này chia thành 4 mã thông báo Tuy nhiên, nếu không phân tách từ phù hợp, các mô hình này sẽ áp dụng trực tiếp các phương pháp mã hóa vào dữ liệu cấp

âm tiết, điều này có thể không tối ưu cho các tác vụ xử lý ngôn ngữ tự nhiên cấp độ từ trong tiếng Việt

Để giải quyết hai vấn đề trên, mô hình PhoBERT đã được cải tiến Đây là một

mô hình đã được huấn luyện trước dành riêng cho ngôn ngữ tiếng Việt, được phát triển bởi VINAI (Nguyen & Nguyen, 2020) PhoBERT được huấn luyện trên khoảng 20GB

dữ liệu, bao gồm khoảng 1GB Vietnamese Wikipedia corpus và 19GB dữ liệu từ Vietnamese news corpus Đây là một lượng dữ liệu đáng kể để huấn luyện một mô hình như BERT

1.7 Tình hình nghiên cứu trên thế giới

1.7.1 RPA

Có một số các nghiên cứu liên quan đến việc ứng dụng RPA trong lĩnh vực giáo dục nói riêng Một số trường hợp tiềm năng bao gồm việc tự động hóa các công việc hành chính lặp đi lặp lại như tuyển sinh, tài chính, nhân sự và quản lý điểm danh Nghiên

cứu cũng tìm thấy các trường hợp sử dụng RPA để tự động trích xuất dữ liệu từ các tài liệu PDF, hỗ trợ quy trình tạo tài liệu cho nghĩa vụ thực tập và thậm chí triển khai RPA

để huấn luyện và thay thế giáo viên trong một số trường hợp

Với các ứng dụng được liệt kê và thử nghiệm, nghiên cứu đưa ra đánh giá về mức

độ phù hợp trong việc sử dụng giải pháp tự động hóa quy trình nghiệp vụ (với thang điểm thấp nhất là 1 (rất không phù hợp), 2 (không phù hợp), 3 (bình thường), 4 (phù hợp) và cao nhất là 5 (rất phù hợp) Qua hoạt động quan sát và đánh giá có thể đưa ra

đề xuất hướng tới khả năng đầu tư, xây dựng, triển khai liên quan đến các dự án CNTT theo Bảng 1 bên dưới

Bảng 1: Một số trường hợp ứng dụng tiềm năng công nghệ RPA trong giáo dục

và đánh giá mức độ phù hợp lựa chọn hướng tiếp cận khi thực hiện tự động hóa

quy trình nghiệp vụ tại các trường đại học, cao đẳng

Khía cạnh Trường hợp áp dụng Những nghiên cứu đã ứng

dụng thực tế

Mức độ khả thi

áp dụng trong cơ

sở giáo dục (*)

K.Palanivel, K.Suresh Joseph (2020)

3/5

Theo dõi hoạt động của sinh viên trên hệ thống học tập điện tử (Moodle)

T.Kowsalya, S.Pratheba, K.Punithavarshini,S.Sakthiya Ram (2020)

3/5

Gửi thông báo qua email tới sinh viên