Tóm tắt:

Giới thiệu một hệ thống khuyến nghị tài liệu học tập cá nhân hóa dựa trên lịch sử tương tác của sinh viên trong hệ thống LMS (Learning Management System). Hệ thống triển khai và so sánh hai phương pháp chính: Lọc cộng tác dựa trên người dùng (CF) và Lọc theo nội dung (CBF), đồng thời áp dụng mô hình lai (Hybrid) để nâng cao hiệu quả. Thử nghiệm trên bộ dữ liệu giả lập gồm 500 sinh viên và 10.000 tài liệu cho thấy CF đạt Precision 55%, Diversity 68%, CBF đạt Precision 63%, Diversity 33% trong khi mô hình lai (Hybrid) đạt Precision 57%, Diversity 67% cải thiện chất lượng khuyến nghị.