Các câu hỏi cần trả lời trong khâu khảo sát

1. Mục tiêu chính của trang web là gì?

Ví dụ: Cung cấp kiến thức? Hướng dẫn sử dụng? Quảng bá tổ chức? Tăng độ tin cậy?

 2. Đối tượng người dùng chính là ai?

Tuổi, nghề nghiệp, kỹ năng công nghệ, nhu cầu cụ thể?

Ví dụ: Học sinh, chuyên gia, khách hàng tiềm năng, người dân thường?

3. Những thông tin cốt lõi nào cần được trình bày?

Danh sách các chủ đề, nội dung, dữ liệu quan trọng cần thể hiện.

Ví dụ: Giới thiệu, dịch vụ, câu hỏi thường gặp, biểu đồ, tài liệu PDF?

4. Người dùng thường tìm kiếm thông tin gì khi truy cập?

Các truy vấn phổ biến, mục tiêu khi họ đến trang web.

Điều này giúp sắp xếp nội dung theo ưu tiên người dùng.

5. Trang web có cần cập nhật thường xuyên không?

Có bài viết/blog? Tin tức? Thông báo? Hay nội dung tĩnh?

6. Có cần chức năng tìm kiếm không?

Nếu thông tin nhiều và phân mảnh, một công cụ tìm kiếm nội bộ là cần thiết.

7. Có cần đa ngôn ngữ không?

Trang web có phục vụ người dùng quốc tế hoặc người dùng không nói tiếng Việt?

 8. Có yêu cầu về nhận diện thương hiệu không?

Logo, màu sắc, font chữ, giọng văn, phong cách viết... có sẵn hay cần thiết kế?

9. Người quản trị muốn kiểm soát những gì?

Cần hệ thống quản lý nội dung (CMS) để chỉnh sửa dễ không?

Ai sẽ quản lý và cập nhật trang?

10. Có yêu cầu tích hợp bên ngoài không?

Mạng xã hội, bản đồ Google, video YouTube, form liên hệ, chatbot, phân tích truy cập?

11. Người dùng sẽ truy cập trang web bằng thiết bị gì là chủ yếu?

Máy tính để bàn, điện thoại di động, máy tính bảng?

CHUẨN HÓA TỪ VỰNG TIẾNG VIỆT CHO VĂN BẢN TRUYỀN THÔNG XÃ HỘI

LÊ THANH PHONG – 21520395 NGUYỄN THANH NHI – 21521232

Trong bối cảnh mạng xã hội tại Việt Nam phát triển mạnh mẽ với hàng chục triệu người dùng, việc xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) trên các văn bản không chính thống như bình luận trực tuyến, tin nhắn hay bài đăng đang trở thành một thách thức lớn. Những biến thể ngôn ngữ như viết tắt, teencode, hoặc lỗi chính tả thường xuyên xuất hiện, khiến các mô hình NLP truyền thống - vốn được huấn luyện trên văn bản chuẩn - gặp nhiều khó khăn trong việc hiểu và xử lý.

Trước nhu cầu cấp thiết đó, khóa luận "Chuẩn hóa từ vựng tiếng Việt cho văn bản truyền thông xã hội" được thực hiện với mục tiêu xây dựng một hệ thống giúp chuyển đổi những từ ngữ phi chuẩn trong văn bản mạng xã hội sang dạng chuẩn, từ đó hỗ trợ nâng cao hiệu quả cho các bài toán xử lý ngôn ngữ khác như phân tích cảm xúc, phát hiện ngôn ngữ thù địch hay phát hiện spam.

Điểm nổi bật của khóa luận là xây dựng ViLexNorm – một bộ ngữ liệu chuẩn hóa từ vựng tiếng Việt với hơn 10,000 cặp câu được gán nhãn cẩn thận từ dữ liệu Facebook và TikTok. Bên cạnh đó, nhóm sinh viên còn đề xuất phương pháp tổng hợp dữ liệu dựa trên mô phỏng lỗi ngôn ngữ thực tế, giúp mở rộng dữ liệu huấn luyện một cách hiệu quả.

Khóa luận cũng tiến hành thực nghiệm với nhiều nhóm mô hình từ cơ bản đến hiện đại như NLP hiện đại, bao gồm: Recurrent Neural Network, Transformer, Language Model và Large Language Model. Thực nghiệm cho thấy mô hình sequence-to-sequence được huấn luyện trước (pre-trained) đạt hiệu suất cao nhất, với tỉ lệ giảm lỗi (Error Reduction Rate - ERR) là 57.74%. Bên cạnh đó, phương pháp tổng hợp dữ liệu được đề xuất cũng giúp cải thiện hiệu suất mô hình lên 65.22% ERR khi được sử dụng làm dữ liệu tiền huấn luyện (pre-train). Ngoài ra, hiệu suất tốt nhất của các mô hình NLP trong các bài toán downstream có thể được tăng thêm đến 3.87% F1-macro khi áp dụng bước chuẩn hóa từ vựng trước quá trình huấn luyện.

Nhóm hy vọng rằng khoá luận này sẽ đóng góp vào những nỗ lực tiếp theo của bài toán chuẩn hoá từ vựng trên tiếng Việt, và đóng góp vào sự đa dạng của bài toán chuẩn hóa từ vựng đa ngôn ngữ. Hơn nữa, nhóm kỳ vọng đề tài này sẽ đẩy mạnh những nghiên cứu tiếp theo trong việc xử lý dữ liệu nhiễu trên Internet, góp phần xây dựng một môi trường mạng ý nghĩa và lành mạnh.

Trân trọng.

Nhằm khắc phục tình trạng tiêu chuẩn kém trong dịch vụ sức khỏe tâm thần và sản khoa, NHS (Dịch vụ Y tế Quốc gia của Vương quốc Anh) sẽ sử dụng AI để phân tích cơ sở dữ liệu bệnh viện và phát hiện sớm các bê bối tiềm ẩn liên quan đến an toàn y tế.

 

Hệ thống y tế sử dụng AI để phân tích dữ liệu và tăng an toàn y tế. Ảnh: Midjourney

Bộ Y tế và Chăm sóc Xã hội nước này cho biết công nghệ này sẽ cung cấp một hệ thống cảnh báo sớm có khả năng phát hiện các mô hình hoặc xu hướng bất thường và kích hoạt các cuộc thanh tra khẩn cấp. Sáng kiến này nằm trong kế hoạch cải cách 10 năm cho NHS dự kiến sẽ được Bộ trưởng Wes Streeting công bố trong tuần này.

Tuần trước, ông Streeting đã công bố một cuộc điều tra quốc gia về dịch vụ sản khoa và sơ sinh của NHS với mục tiêu mang lại “sự thật và trách nhiệm giải trình”, xem xét những vấn đề đã xảy ra trong suốt 15 năm qua. Báo cáo dự kiến sẽ công bố vào tháng 12/2025.

Từ tháng 11, một “hệ thống tín hiệu” sẽ được triển khai trên toàn bộ các tổ chức NHS, sử dụng dữ liệu gần như theo thời gian thực để giám sát tỷ lệ thai chết lưu, tử vong sơ sinh và chấn thương não cao bất thường - trọng tâm chính của công tác cải thiện chất lượng chăm sóc sản khoa.

Bộ trưởng Streeting cho biết: “An toàn và trao quyền cho bệnh nhân là trọng tâm trong kế hoạch y tế 10 năm của chúng tôi. Bằng cách áp dụng AI và đưa vào hệ thống cảnh báo sớm lần đầu tiên trên thế giới, chúng tôi sẽ phát hiện các dấu hiệu nguy hiểm sớm hơn và tiến hành thanh tra nhanh chóng trước khi sự cố xảy ra.

“Công nghệ này sẽ cứu sống nhiều người: phát hiện chăm sóc không an toàn trước khi nó trở thành thảm kịch. Đây là bước quan trọng trong cam kết đưa NHS chuyển từ ‘thời kỳ analog’ sang ‘kỹ thuật số’, mang đến dịch vụ chăm sóc tốt hơn, an toàn hơn cho mọi người.”

GS. Meghana Pandit - Giám đốc y tế quốc gia phụ trách chăm sóc cấp hai của NHS, cho biết, NHS tại Anh sẽ là quốc gia đầu tiên trên thế giới thử nghiệm hệ thống cảnh báo hỗ trợ AI để phát hiện các vấn đề an toàn bệnh nhân. Hệ thống này sẽ phân tích nhanh dữ liệu bệnh viện thường xuyên và các báo cáo do nhân viên y tế tại cộng đồng gửi về. “Biện pháp này sẽ đẩy nhanh tốc độ và hiệu quả trong việc phát hiện những mối lo ngại về an toàn, từ đó cho phép chúng tôi phản ứng kịp thời để cải thiện chất lượng chăm sóc”, Giáo sư nói.

Tuy nhiên, GS. Nicola Ranger - Tổng thư ký Hội Điều dưỡng Hoàng gia, cho rằng việc dùng AI để duy trì an toàn bệnh nhân không thể thay thế cho việc tăng số lượng nhân viên y tế. Bà Ranger nói: “Công nghệ luôn có vai trò quan trọng, nhưng việc đầu tư đúng chỗ nên bắt đầu bằng việc có đủ nhân viên ở tuyến đầu để đảm bảo an toàn cho bệnh nhân”.

(Nguồn: theguardian.com)

Nguồn: https://baomoi.com/dung-ai-de-phat-hien-som-rui-ro-y-te-tai-anh-c52698480.epi?utm_source=dapp&utm_campaign=share

Câu hỏi “Chọn ngành yêu thích hay ngành đang HOT?” là một trong những băn khoăn phổ biến và quan trọng nhất khi quyết định hướng đi nghề nghiệp hoặc học tập. Dưới đây là một phân tích trung thực, cân nhắc cả ngắn hạn và dài hạn: