Việc đánh giá chất lượng các khóa học tại các trường đại học đóng vai trò quan trọng trong đảm bảo chất lượng giáo dục. Công việc này liên quan đến tìm hiểu mong muốn và mục tiêu của sinh viên, vấn đề họ đang gặp phải và đưa ra lời khuyên phù hợp, đánh giá khóa học dựa trên các phương pháp truyền thống sẽ không thể áp dụng cho các tiêu chí có mức độ quan trọng khác nhau. Bài báo này đã trình bày một cách tiếp cận mới sử dụng mô hình máy học TOPSIS -AHP và Kansei để nâng cao hiệu quả đánh giá chất lượng khóa học. Trong đó mô hình TOPSIS - AHP nhằm đánh giá khóa học được lượng hóa bằng cả yếu tố định tính và định lượng kết hợp đề xuất mô hình Kansei được áp dụng để định lượng mức độ đánh giá của sinh viên cho từng khoa học tại các trường đại học. Mô hình máy học TOPSIS - AHP Kansei được triển khai tại Trường Đại học Kinh tế TP.HCM (UEH) cho kết quả thực nghiệm cải tiến hơn so với phương pháp truyền thống đã có, góp phần giúp sinh viên lựa chọn được các khóa học thuận lợi, giúp cho nhà quản lý ra quyết định kịp thời với nhiều mục tiêu tiêu chí. <br><br>Abstract<br> Evaluating the quality of courses at universities plays an important role in ensuring the quality of education. This work involves understanding students' desires and goals, the problems they are facing, and giving appropriate advice. Course evaluation based on traditional methods will not be applicable to criteria of varying importance. This paper has presented a novel approach using TOPSIS - AHP and Kansei approach which is applied to evaluate courses’ quality. In the proposed model, TOPSIS and AHP techniques in order to evaluate courses, quantified by both qualitative and quantitative factors. Kansei evaluation is applied to quantify the sensibilities of students’ emotions, sensibilities while evaluating courses at universities. In case studies of the University of Economics Ho Chi Minh City, experimental results showed that the proposed model indicates the effectiveness of course evaluation for the improvement of courses through online and offline methods. The authors posit that our proposed approach has the potential to address student feedback engagement issues.

Nghiên cứu này khảo sát 730 người dân miền Bắc để đề xuất kiến nghị thúc đẩy ý định mua sắm nông sản hữu cơ trực tuyến của người tiêu dùng. Dựa trên mô hình TAM, TPB, sử dụng các phương pháp phân tích thông kê như EFA và phân tích hồi quy tuyến tính bằng SPSS 26.0 đã cho thấy có 6 nhân tố ảnh hưởng đến ý định mua sắm nông sản hữu cơ trực tuyến của người tiêu dùng gồm mong đợi về giá cả, an toàn thực phẩm, chất lượng sản phẩm, ảnh hưởng xã hội, niềm tin và chất lượng dịch vụ hậu cần. Kết quả này là căn cứ cho việc đề xuất các kiến nghị để nâng cao năng lực sản xuất, bán hàng và đưa ra các quyết định, hành động đúng đắn cho doanh nghiệp, người tiêu dùng và các cơ quan quản lý liên quan đến nông sản hữu cơ. <br><br> Abstract <br> This study surveyed 730 residents in the Northside of Vietnam to propose recommendations for promoting the intention to purchase organic agricultural products online among consumers. Based on the TAM and TPB models, using statistical analysis methods such as EFA and linear regression analysis with SPSS 26.0, six factors affecting the intention to purchase organic agricultural products online of consumers were identified, including expectations of price, food safety, product quality, social influence, trust, and quality of after-sales service. These results provide a basis for proposing recommendations to enhance production capacity, sales, make appropriate decisions, actions for businesses, consumers, and relevant management agencies regarding organic agricultural products.

Phát hiện các chủ đề quan tâm của người dùng trên các phương tiện truyền thông xã hội là bài toán rất được chú ý trong thời gian gần đây, bởi khả năng ứng dụng cao trong thực tế. Bài báo giới thiệu một cách thức phát hiện chủ đề quan tâm của người dùng trên các phương tiện truyền thông xã hội dựa trên phân tích nội dung các bài đăng của người dùng, kết hợp mở rộng ngữ nghĩa theo Wikipedia, sử dụng véctơ theo TF.IDF để biểu diễn dữ liệu và ước lượng theo độ tương quan Pearson. Kết quả thực nghiệm cho thấy, cách phát hiện chủ đề này có thể áp dụng trên nhiều phương tiện truyền thông xã hội khác nhau mà không phụ thuộc vào cấu trúc, ngôn ngữ và liên kết trên các phương tiện truyền thông xã hội đó. <br><br>Abstract <br> Discovering user’ interests on social media was an issue that has received a lot of attention recently because it has high applicability in practice. The purpose of this paper is to introduce a method to detect user interest topics on social media by analyzing the content of user posts. In this paper, a semantic expansion technique based on Wikipedia and TF.IDF weighted vector representation, then estimated based on Pearson correlation. The result of the experiment shows that the method of topic detection can be applied to many different social media sites regardless of their structure, language, and links.

Trên thế giới, bên cạnh xuất khẩu gạo, Việt Nam còn được biết đến là một trong những cường quốc xuất khẩu cà phê. Để đạt được thành tựu này, việc chọn lựa hạt cà phê chất lượng ngay từ khâu thu mua đóng vai trò tiên quyết đối với các doanh nghiệp sản xuất và xuất khẩu cà phê. Trong mỗi thương vụ, bên mua sẽ phân loại cà phê thông qua việc xác định khối lượng từng loại hạt, đánh giá chất lượng và tính đồng nhất của mỗi lô cà phê. Từ đó xác định giá thu mua giữa doanh nghiệp và người nông dân. Tuy đóng vai trò quan trọng nhưng các tác vụ này hiện vẫn được thực hiện thủ công qua nhiều bước vừa tốn thời gian, công sức, chi phí cho doanh nghiệp lại vừa ảnh hưởng đến chất lượng hạt cà phê khi thời gian lưu kho bị kéo dài. Thấy được những khó khăn đó, nhóm nghiên cứu muốn tạo nên một công cụ có ứng dụng công nghệ thông tin để có thể giải quyết vấn đề phân loại hạt cà phê cũng như các loại nông sản khác một cách tự động và nhanh chóng. Mục tiêu của nghiên cứu này là ứng dụng AI vào phân tích chất lượng và ước lượng khối lượng (ULKL) hạt cà phê nhân, rút ngắn thời gian thu mua và lưu kho nhằm giảm chi phí cho người nông dân và doanh nghiệp nhưng vẫn đảm bảo đánh giá đúng chất lượng hạt cà phê. Đồng thời nâng cao chất lượng cà phê thành phẩm. Nghiên cứu này được thực hiện trên mẫu tập dữ liệu (TDL) được thu thập và phân loại theo 12 loại hạt cà phê. Nhóm sử dụng mô hình Yolov5 trong nhận diện đối tượng, công nghệ xử lý ảnh và mã nguồn mở OpenCV, thuật toán CNN (Convolutional Neural Networks) trong xử lý ảnh để phân loại, và từ đó ước lượng khối lượng từng loại hạt hạt cà phê. Các thử nghiệm bước đầu cho thấy các mô hình thuật toán ứng dụng cho kết quả tin cậy cao, có thể ứng dụng vào thực tiễn. <br><br>Abstract <br> Vietnam is the second largest country in the world in terms of coffee export volume, in order to maintain this achievement, the quality of green coffee beans plays a very important role. Coffee exporters need to control the quality of coffee from the stage of purchasing each consignment at the household to preliminarily processing at the factory and exporting. However, the quality control of green coffee requires expertise and is being done manually, so it takes time, effort and cost for the exporters. Therefore, the objective of this study is to build a process, design an algorithm to apply artificial intelligence (AI) to analyze the quality and estimate the weight (ULKL) of green coffee beans automatically and quickly and reduce costs. The study was carried out by collecting and labeling samples of coffee bean data according to 12 types of beans, training the model with Yolov5 in object recognition, OpenCV open-source image processing technology, CNN (Convolutional) algorithm Neural Networks) in image processing for classification and weight estimation of each type of coffee bean. The research results show that the applied algorithm models give highly reliable results, which can be applied in practice.

Đào tạo trực tuyến đang phát triển mạnh mẽ nhưng cũng khiến người học dễ bị lạc lõng, mất phương hướng trong môi trường học tập ảo rộng lớn vì không được tiếp xúc với giảng viên và bạn đồng học cụ thể. Từ đó dẫn đến tình trạng người học bị suy giảm động lực học tập. Vì vậy, nhu cầu phát triển các hệ thống tư vấn để giải quyết vấn đề quá tải thông tin, giúp cho người học dễ dàng truy cập chính xác, kịp thời những tài nguyên, dịch vụ mình quan tâm. Nguyên tắc của hệ tư vấn học tập là dựa trên cộng đồng những người học có đặc trưng tương tự và đạt kết quả học tập tốt để đưa ra tư vấn phù hợp cho một người học cụ thể trong các vấn đề cần ra quyết định như chọn cách thức học tập, tài nguyên học tập, nhóm học tập, đăng ký môn học. Mức độ chính xác của việc xây dựng cộng đồng người học sẽ ảnh hưởng đến chất lượng tư vấn. Nội dung của bài báo này sẽ trình bày về các phương pháp xây dựng cộng đồng người học trên hệ thống tư vấn học tập trong môi trường đào tạo trực tuyến cũng như vấn đề đánh giá hiệu quả của các phương pháp. <br><br>Abstract<br> Online training is growing strongly but it also makes learners easily lost and disoriented in a large virtual learning environment because there are no instructors and no specific classmates. As a result, the learner's motivation to learn is reduced. Therefore, there is a need to develop a recommender systems to solve the problem of information overload making it easy for learners to accurately and timely access the resources and services they are interested in. The principle of the learning recommender system is based on a community of learners with similar characteristics and good learning outcomes to give appropriate advice to a particular learner on decision-making issues such as: choosing learning methods, learning resources, study groups, and registering for subjects. The degree of precision in building a community of learners will affect the quality of advice. The content of this paper will present the methods of building a learner community on the learning recommend system in the online training environment as well as the issue of evaluating the effectiveness of the methods.

Kinh doanh thông minh là tập hợp giải pháp về thu thập, quản lý và khai thác dữ liệu hỗ trợ ra quyết định trong doanh nghiệp. Ngày nay, giải pháp này đã trở nên phổ biến và được nhiều doanh nghiệp áp dụng dựa trên sự “tích lũy” dữ liệu theo thời gian. Tuy nhiên, các giải pháp kinh doanh thông minh hiện tại mới dừng lại ở mức thống kê mô tả, các mô hình dự báo còn hạn chế được sử dụng do sự khó khăn trong việc tích hợp, chi phí, cũng như năng lực chuyên môn liên quan đến các mô hình học máy. Từ đó, nghiên cứu này hình thành giải pháp tích hợp mô hình dự báo vào giải pháp kinh doanh thông minh, thực nghiệm trên tập dữ liệu bán lẻ, tập trung vào các công ty vừa và nhỏ nhằm tối ưu chi phí, dễ dàng triển khai. Kết quả từ nghiên cứu có 4 đóng góp chính, bao gồm (1) Giúp nhà quản trị cấu trúc, sắp xếp và tổ chức dữ liệu theo từng chủ đề nghiệp vụ; (2) Giúp nhà quản trị có cái nhìn toàn cảnh về tình hình hoạt động của doanh nghiệp từ chi tiết đến tổng quát; (3) Giúp nhà quản trị đưa ra các quyết định, chiến lược kinh doanh đúng đắn, nhanh chóng, kịp thời và chính xác; (4) Giúp nhà quản trị dễ dàng tích hợp mô hình dự báo vào giải pháp kinh doanh thông minh. Giải pháp này hoàn toàn có thể ứng dụng vào các doanh nghiệp để theo dõi và dự báo dữ liệu bán hàng. <br><br>Abstract <br> Business Intelligence (BI) is a collection of solutions for collecting, managing, and exploiting data to support decision-making in enterprises. In recent years, this solution is gradually becoming popular and applied by many businesses based on the “accumulation” of data over time. However, current business intelligence solutions are restricted to descriptive statistics, the use of forecasting models are still limited due to the complexity of integration, cost, as well as specialized capacity. subjects related to machine learning models. Since then, this study has formed a solution to integrate predictive models into business intelligence solutions, experimenting on retail data sets, and focusing on small and medium-sized companies to optimize costs and ease. deployment. The results from the study have four main contributions, including (1) Helping administrators to structure, arrange and organize data according to Business Functions; (2) Helping administrators have an overview of the operation of the business from detailed to overview; (3) Helping managers make the right decisions, business strategies, quickly, timely and accurately; (4) Helping administrators easily integrate predictive models into business intelligence solutions. This solution is completely suitable and can be applied to businesses with sales data tracking.

Nghiên cứu đã thực hiện tổng quan về thực trạng chuyển đổi số (CĐS) trong doanh nghiệp vừa và nhỏ (DNVVN) tại Việt Nam (VN) trong những năm gần đây. Từ kết quả tổng quan này, tác giả đã tiến hành phân tích SWOT để đánh giá đầy đủ những điểm mạnh, điểm yếu, cơ hội và thách thức của DNVVN Việt Nam đang thực hiện CĐS. Đồng thời, một khảo sát Delphi theo hướng tiếp cận Foresight với hơn 300 chuyên gia CĐS trong các DNNVV tại VN nhằm đánh giá những đặc thù, những vấn đề trong CĐS và tầm nhìn doanh nghiệp số tương lai cũng dự báo nhu cầu CĐS và các hoạt động ưu tiên thực hiện CĐS trong doanh nghiệp. Đây được xem là những bước quan trọng trong quy trình xây dựng chiến lược CĐS theo cách tiếp cận foresight cho DNVVN tại VN. <br><br> Abstract <br> The study has conducted an overview of the current situation of digital transformation in small and medium enterprises (SME) in Vietnam in recent years. From the results of this review, the author has conducted a SWOT analysis to fully assess the strengths, weaknesses, opportunities, and threats of Vietnamese SMEs that are implementing digital transformation. At the same time, a Delphi survey in the direction of Foresight with more than 300 digital transformation professionals in SMEs in Vietnam to assess the characteristics and issues in the community and the future digital business vision also forecast the digital transformation needs and priority activities for implementing digital transformation in enterprises. These are considered as important steps in the process of developing a foresight strategy for SMEs in Vietnam.

Nghiên cứu này đề xuất ứng dụng phương pháp máy học để đo lường sự hài lòng (SHL) của khách hàng dựa trên các bình luận trực tuyến. Dữ liệu nghiên cứu là các bình luận của khách du lịch trên trang Agoda.com về các khách sạn tại Việt Nam. Nghiên cứu tiến hành huấn luyện bằng các mô hình máy học: Neural Network (NN), Decision Tree (DT), Naïve Bayes (NB), Support Vector Machines (SVM), Logistic Regression (LR) và Random Forest (RF) để tìm ra mô hình phân loại tốt nhất, sau đó ứng dụng mô hình này để dự báo SHL của khách hàng trên toàn bộ tập dữ liệu. Tiếp đến, nghiên cứu sử dụng phương pháp tổng hợp và xếp hạng mức độ hài lòng của khách hàng. Kết quả của nghiên cứu có giá trị tham khảo cho việc đánh giá SHL của khách hàng ở các lĩnh vực khác. <br><br>Abstract<br> This study proposes the application of a machine learning method to measure customer satisfaction based on online comments. Research data is the reviews of travelers on Agoda.com about hotels in Vietnam. The study conducts training using machine learning models: Neural Network (NN), Decision Tree (DT), Naïve Bayes (NB), Support Vector Machines (SVM), Logistic Regression (LR), and Random Forest (RF) to find the best classification model, then apply this model to predict the customer satisfaction classification across the entire dataset. Next, the study uses the method of aggregating and ranking customer satisfaction. This study has reference value for measuring customer satisfaction in business fields.