XÂY DỰNG HỆ THỐNG ĐA TÁC TỬ HỖ TRỢ TÓM TẮT BÀI ĐỌC TIẾNG VIỆT BẬC TIỂU HỌC

Hoàng Ngọc Long; Nguyễn Minh Vũ; Phạm Chí Khanh; Lê Hiếu Nghiêm; Bùi Hồ Chí Cường; Huỳnh Thạnh Phú

doi:10.59294/HIUJS.KHTT.2026.047

Từ khóa:

tóm tắt văn bản, đa tác tử, trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, giáo dục tiểu học

Tóm tắt

Sự bùng nổ của trí tuệ nhân tạo (AI) và xử lý ngôn ngữ tự nhiên (NLP) đang mở ra nhiều cơ hội ứng dụng trong lĩnh vực giáo dục, đặc biệt trong việc hỗ trợ phát triển năng lực đọc hiểu cho học sinh tiểu học. Tuy vậy, đối với tiếng Việt, các giải pháp hiện nay vẫn chưa đáp ứng đầy đủ yêu cầu về nội dung và đối tượng người học. Bài báo này đề xuất một hệ thống hỗ trợ học tập dựa trên AI, giúp học sinh tiếp cận văn bản và nắm bắt nội dung cốt lõi một cách hiệu quả hơn, đồng thời phù hợp với định hướng chuyển đổi số trong giáo dục. Hệ thống được thiết kế theo kiến trúc đa tác tử (MAS), cho phép phân rã bài toán tóm tắt thành các nhiệm vụ thành phần và xử lý thông qua các tác tử chuyên biệt. Cụ thể, mô hình PhoBERT được sử dụng cho tóm tắt trích xuất, trong khi ViT5 đảm nhiệm tóm tắt diễn giải, với các tham số được tinh chỉnh nhằm tối ưu hiệu quả. Ngoài ra, đầu ra của hệ thống có thể được điều chỉnh linh hoạt theo độ dài, mức độ từ vựng và bộ từ điển tương ứng với từng cấp lớp. Kết quả thực nghiệm cho thấy phương pháp đề xuất đạt hiệu quả cao trên các thước đo như ROUGE và BERTScore. Nghiên cứu không chỉ đáp ứng nhu cầu thực tiễn trong dạy và học mà còn góp phần định hướng phát triển các hệ thống tóm tắt văn bản tiếng Việt phù hợp với học sinh tiểu học.

Abstract

The rapid advancement of artificial intelligence (AI) and natural language processing (NLP) has created significant opportunities for educational applications, particularly in enhancing reading comprehension skills for primary school students. However, for the Vietnamese language, existing technological solutions remain limited in effectively addressing content requirements and learnerspecific needs. This paper proposes an AI-based learning support system designed to help students better access textual materials and grasp key ideas, while aligning with ongoing digital transformation initiatives in education. The proposed system is built upon a multi-agent system (MAS) architecture, which decomposes the text summarization task into smaller, specialized sub-tasks handled by dedicated agents. Specifically, the PhoBERT model is employed for extractive summarization, whereas ViT5 is utilized for abstractive summarization, with both models fine-tuned to optimize performance. In addition, the system allows flexible control over the generated summaries in terms of length, vocabulary complexity, and grade-level-specific lexicons. Experimental results demonstrate that the proposed approach achieves strong performance on evaluation metrics such as ROUGE and BERTScore. This study not only addresses practical needs in educational contexts but also contributes to the development of AI-driven Vietnamese text summarization systems tailored for primary education.

Tài liệu tham khảo

[1] A. A. Adepoju, “Summarization techniques used by primary school pupils in Kuje, Abuja, Nigeria,” International Journal of Research and Innovation in Social Science, tập IX, số IIIS, pp. 1839-1847, 2025.

DOI: https://doi.org/10.47772/IJRISS.2025.903SEDU0141

[2] Avivah, F. Hilmiyati và Khaeroni, “The Utilization of Text Summary Techniques to Improve Students’ Reading Comprehension Skills,” Journal of Integrated Elementary Education, tập 2, pp. 95-104, 2022.

DOI: https://doi.org/10.21580/jieed.v2i2.12635

[3] P. Bulut và H. Akyol, “Primary school students and teachers’ opinions about summary writing: A qualitative analysis,” Universal Journal of Educational Research, tập 7, số 6, p. 1424-1434, 2019. [4] H. N. Long và H. T. Phú, “Xây dựng ứng dụng AI hỗ trợ tóm tắt bài đọc tiếng Việt cho học sinh tiểu học,” Tạp chí Khoa học Trường Đại học Quốc tế Hồng Bàng, tập 38, số 7, pp. 173-182, 2025. [5] Ophuis-Cox và Rozendal, “The effects of summarization and factual retrieval practice on text comprehension and text retention in elementary education,” Journal of Experimental Psychology, p. 258-267, 2024.

[6] T. Shaik, X. Tao, Y. Li, C. Dann, J. McDonald, P. Redmond và L. Galligan, “A Review of the Trends and Challenges in Adopting Natural Language Processing Methods for Education Feedback Analysis,” tập 10, p. 56720-56739, 2022.

DOI: https://doi.org/10.1109/ACCESS.2022.3177752

[7] N. D. Quang, N. T. Thu và P. M. Hieu, “PhoBERT: Pre-trained language models for Vietnamese,” Findings of the Association for Computational Linguistics: EMNLP 2020, p. 1037-1042, 2020.

[8] S. Guo và E. Latif, “Using generative AI and multi-agents to provide automatic feedback,” 2024. [9] L. Phan, H. Tran, H. Nguyen và T. Trinh, “ViT5: Pretrained text-to-text transformer for Vietnamese language generation,” 2022.

DOI: https://doi.org/10.18653/v1/2022.naacl-srw.18

[10] S. V. Albrecht, F. Christianos và L. Schäfer, Multi-Agent Reinforcement Learning: Foundations and Modern Approaches, USA: Massachusetts Institute of Technology, 2024.

[11] H. Y. Durak, F. Egin và A. Onan, “Enhancing text summarization with AI: A multi-agent system and human comparison in educational contexts,” Thinking Skills and Creativity, tập 59, 2024.

[12] S. Kumar và A. Solanki, “ROUGE-SS: A New ROUGE Variant for Evaluation of Text Summarization,” International Conference on Computing, Communication and Automation (ICCCA) 2020, p. 1-5, 2020.

[13] T. Zhang, V. Kishore, F. Wu, K. Q. Weinberger và Y. Artzi, “BERTScore: Evaluating Text Generation with BERT,” trong International Conference on Learning Representations (ICLR 2020), 2020.

[14] I. Khoshnevis và S. Parvinnejad, “The effect of text summarization as a cognitive strategy on the achievement of male and female language learners' reading comprehension,” International Journal of Learning and Development, p. 57-69, 2015.

[15] Q. A. Nguyen, D. C. Can, H. Q. Le và M. V. Tran, “VLSP 2022 Abmusu Task Dataset: A resource for Vietnamese abstractive multi-document summarization,” International Journal of Asian Language Processing, p. 1-18, 2023.