Tên đề tài: "Nghiên cứu và xây dựng hệ thống hỏi đáp kết hợp RAG và Knowledge Graph hỗ trợ lựa chọn học phần trong giáo dục đại học Việt Nam"

Tên tiếng Anh: "A Knowledge Graph-Augmented Retrieval System for Course Selection Question Answering in Vietnamese Higher Education"

1. Bài toán của khóa luận

Trong thực tế, sinh viên thường gặp những câu hỏi như:

• Sinh viên CNTT khóa 2022 phải học bao nhiêu tín chỉ?

• Học phần X là bắt buộc hay tự chọn?

• Học phần X được bố trí ở học kỳ nào?

• Muốn học X thì phải hoàn thành học phần nào?

• Học phần X của CNTT khóa 2022 và khóa 2024 có giống nhau không?

• Sinh viên đã hoàn thành A và B thì có đủ điều kiện đăng ký C không?

• Những học phần nào sinh viên có thể lựa chọn trong học kỳ tiếp theo?

Các chương trình đào tạo lại tồn tại dưới dạng tài liệu tiếng Việt và có:

nhiều ngành + nhiều phiên bản theo khóa + nhiều quan hệ giữa các học phần.

Do đó hệ thống tìm kiếm văn bản đơn thuần có thể:

tìm đúng tên học phần nhưng lấy thông tin sai ngành hoặc sai khóa.

Khóa luận nghiên cứu cách sử dụng Knowledge Graph để biểu diễn rõ những quan hệ này và hỗ trợ RAG đưa ra câu trả lời chính xác hơn.

2. Phạm vi dữ liệu của khóa luận

Tôi đề nghị không đưa toàn bộ dữ liệu hiện có vào ngay.

Dữ liệu chính

Sử dụng 4 CTĐT:

• Công nghệ Thông tin (2022, 2024)

• Sư phạm Tin học (2022, 2024)

• [Option] Mở rộng: Công nghệ Giáo dục. KG schema đã xây dựng có áp dụng được cho một ngành mới hay không?

3. Mục tiêu tổng quát

Xây dựng và đánh giá một hệ thống hỏi đáp tiếng Việt kết hợp Retrieval-Augmented Generation và Knowledge Graph nhằm hỗ trợ sinh viên tra cứu chương trình đào tạo và xác định các học phần có thể lựa chọn phù hợp với ngành, khóa tuyển sinh và các ràng buộc học phần.

4. Các mục tiêu cụ thể

Sinh viên cần hoàn thành 5 mục tiêu.

M1. Chuẩn hóa dữ liệu chương trình đào tạo

Trích xuất từ các CTĐT:

• mã học phần;

• tên học phần;

• số tín chỉ;

• học kỳ;

• bắt buộc/tự chọn;

• ngành;

• khóa;

• nhóm học phần;

• học phần tiên quyết nếu có.

M2. Xây dựng Curriculum Knowledge Graph

Biểu diễn các quan hệ giữa:

ngành – chương trình – khóa – học phần – học kỳ – điều kiện học.

M3. Xây dựng hệ thống RAG tiếng Việt

Cho phép truy xuất nội dung từ tài liệu chương trình đào tạo.

M4. Xây dựng KG-augmented RAG

Kết hợp graph retrieval với document retrieval.

M5. Đánh giá thực nghiệm

So sánh:

RAG thông thường với RAG có lọc metadata và KG-RAG.

Đây chính là phần làm khóa luận có tính nghiên cứu thay vì chỉ là project phần mềm.

5. Câu hỏi nghiên cứu cho sinh viên

RQ1: RAG thông thường có thể trả lời chính xác đến mức nào các câu hỏi liên quan đến chương trình đào tạo bằng tiếng Việt?

RQ2: Knowledge Graph có cải thiện độ chính xác của hệ thống đối với các câu hỏi có quan hệ giữa nhiều học phần hay không?

RQ3: Việc xác định đúng ngành và phiên bản chương trình đào tạo có làm giảm lỗi trả lời sai khóa hay không?

6. Yêu cầu về Knowledge Graph

KG không cần quá lớn.

Node

• Program

• Curriculum

• Cohort

• Course

• Semester

• CourseGroup

Relation

Program

    └── hasCurriculum → Curriculum

Curriculum

    ├── appliesTo → Cohort

    ├── contains → Course

    └── containsGroup → CourseGroup

Course

    ├── prerequisite → Course

    ├── belongsTo → CourseGroup

    └── recommendedIn → Semester

Một học phần có thể có các thuộc tính:

• course_code

• course_name

• credits

• course_type

• semester

• curriculum_version

Sinh viên không cần xây ontology phức tạp bằng OWL ngay từ đầu, dùng Neo4j hoặc một graph database tương đương là đủ.

7. Các loại câu hỏi cần hỗ trợ

Khóa luận chỉ cần bốn loại chính.

Type 1 — Course Fact

Học phần Cơ sở dữ liệu có bao nhiêu tín chỉ?

Type 2 — Curriculum Context

Học phần X có phải là học phần bắt buộc của CNTT khóa 2024 không?

Type 3 — Relationship / Prerequisite

Muốn học X cần hoàn thành học phần nào trước?

Type 4 — Eligibility

Ví dụ profile:

Ngành: Công nghệ Thông tin

Khóa: 2022

Đã hoàn thành: A, B, C

Câu hỏi:

Sinh viên này có đủ điều kiện học môn X không?

Loại thứ tư là phần nâng khóa luận từ tra cứu thông tin thành hỗ trợ lựa chọn học phần.

8. Không cần/Được dùng dữ liệu sinh viên thật

Tạo khoảng:

50–100 hồ sơ sinh viên giả lập.

Ví dụ:

{

  "program": "Công nghệ Thông tin",

  "cohort": 2022,

  "semester": 4,

  "completed_courses": [

    "IT101",

    "IT102",

    "MA101"

  ]

}

Sau đó hệ thống xác định:

• môn nào đủ điều kiện;

• môn nào chưa đủ điều kiện;

• điều kiện còn thiếu.

Vừa sạch về nghiên cứu vừa không đụng dữ liệu cá nhân.

9. Bộ dữ liệu QA của khóa luận

Paper có thể hướng tới 500 câu, nhưng khóa luận đại học chỉ nên bắt buộc khoảng 250–350 câu được kiểm tra kỹ.

Đề xuất:

• Course facts: 70

• Curriculum context: 70

• Prerequisite/relationship: 70

• Eligibility: 90

Tổng cộng: 300

Tất cả câu hỏi và đáp án giữ nguyên bằng tiếng Việt.

Mỗi sample nên lưu:

{

  "id": "Q001",

  "question": "...",

  "program": "Công nghệ Thông tin",

  "cohort": 2022,

  "question_type": "eligibility",

  "gold_answer": "...",

  "evidence": "...",

  "source_document": "..."

}

Nếu là multi-hop thì thêm:

reasoning_path

10. Kiến trúc hệ thống khóa luận

Tôi sẽ yêu cầu sinh viên triển khai kiến trúc sau:

                    Câu hỏi tiếng Việt

                            │

                            ▼

                 Phân tích ngữ cảnh câu hỏi

                            │

            ┌───────────────┼───────────────┐

            ▼               ▼               ▼

          Ngành            Khóa           Học phần

            └───────────────┬───────────────┘

                            ▼

                  Curriculum Resolver

                            │

              ┌─────────────┴─────────────┐

              ▼                           ▼

      Knowledge Graph              Vector Database

              │                           │

       Graph Retrieval             Text Retrieval

              │                           │

              └─────────────┬─────────────┘

                            ▼

                     Evidence Context

                            │

                            ▼

                           LLM

                            │

                            ▼

              Câu trả lời + nguồn tham chiếu

11. Hệ thống phải có ba phiên bản để so sánh

Đây là yêu cầu bắt buộc của khóa luận.

System A — Vanilla RAG

Query
→ vector search
→ documents

→ LLM

System B — Metadata-filtered RAG

Query
→ program/cohort extraction
→ filtering
→ vector search

→ LLM

System C — CurriculumKG-RAG

Query
→ curriculum resolution
→ KG traversal
→ document evidence

→ LLM

Nếu còn thời gian có thể thêm:

System 0 — LLM only

Nhưng đây là optional.

12. Công nghệ gợi ý

Tùy ý, dưới đây là gợi ý

Backend

Python + FastAPI.

RAG framework

Có thể dùng:

• LangChain;

• LlamaIndex;

• hoặc tự viết pipeline đơn giản.

Tôi thích tự viết các module chính hơn để sinh viên hiểu hệ thống.

Vector database

• FAISS;

• Chroma;

• Qdrant.

FAISS là đủ cho khóa luận.

Knowledge Graph

• • Neo4j.

Embedding

Một multilingual hoặc Vietnamese embedding model.

LLM

Có thể dùng:

• API LLM;

• hoặc một open-source instruct model nếu đủ tài nguyên.

Quan trọng là giữ cố định cùng một LLM khi so sánh các hệ thống.

Frontend

• React/Vue hoặc UI đơn giản.

• Frontend chỉ là demo, không phải trọng tâm khóa luận.

13. Giao diện demo cần làm gì?

Chỉ cần:

Ngành:

[Công nghệ Thông tin]

Khóa:

[2022]

Các học phần đã hoàn thành:

[x] A

[x] B

[x] C

Câu hỏi:

"Trong học kỳ tiếp theo tôi có thể học những môn nào?"

[Hỏi]

Output:

Bạn đủ điều kiện đăng ký:

- Course X

- Course Y

Bạn chưa đủ điều kiện đăng ký Course Z

vì chưa hoàn thành Course P.

Nguồn:

CTĐT Công nghệ Thông tin khóa 2022.

Một demo như vậy là đủ.

14. Nội dung khóa luận theo chương

Tôi đề xuất 6 chương.

Chương 1. Tổng quan

1.1. Bối cảnh
1.2. Bài toán
1.3. Mục tiêu
1.4. Đối tượng và phạm vi
1.5. Phương pháp nghiên cứu
1.6. Đóng góp của khóa luận
1.7. Cấu trúc báo cáo

Chương 2. Cơ sở lý thuyết và nghiên cứu liên quan

2.1 Question Answering

2.2 Large Language Models

2.3 Retrieval-Augmented Generation

2.4 Knowledge Graph

2.5 KG-augmented Question Answering

2.6 LLM/KG trong giáo dục

2.7 Khoảng trống nghiên cứu

Chương 3. Dữ liệu và biểu diễn chương trình đào tạo

3.1 Dữ liệu CTĐT

3.2 Chuẩn hóa dữ liệu tiếng Việt

3.3 Thiết kế Curriculum Knowledge Graph

3.4 Trích xuất entity/relation

3.5 Xây dựng bộ dữ liệu QA

3.6 Synthetic student profiles

3.7 Kiểm tra chất lượng dữ liệu

Chương 4. Phương pháp và xây dựng hệ thống

4.1 Kiến trúc tổng thể

4.2 Vanilla RAG

4.3 Metadata-filtered RAG

4.4 Curriculum Resolver

4.5 Knowledge Graph Retrieval

4.6 Evidence Retrieval

4.7 LLM Answer Generation

4.8 Xây dựng ứng dụng demo

Chương 5. Thực nghiệm và đánh giá

5.1 Thiết lập thực nghiệm

5.2 Dataset

5.3 Baselines

5.4 Metrics

5.5 Kết quả tổng thể

5.6 Kết quả theo loại câu hỏi

5.7 Phân tích lỗi

5.8 Thảo luận

Chương 6. Kết luận

6.1 Kết quả đạt được

6.2 Hạn chế

6.3 Hướng phát triển

15. Timeline phù hợp khóa luận 14 tuần

Tuần/Nội dung

1 Tìm hiểu bài toán, literature review

2 Khảo sát và chuẩn hóa CTĐT

3 Thiết kế schema KG

4 Xây dựng Knowledge Graph

5 Xử lý corpus + vector index

6 Xây Vanilla RAG

7 Metadata RAG

8 KG retrieval + Curriculum Resolver

9 Tích hợp CurriculumKG-RAG

10 Xây QA benchmark

11 Chạy thực nghiệm

12 Error analysis + cải tiến

13 Hoàn thiện demo + viết luận văn

14 Chốt kết quả, slide, rehearsal

Đây là timeline khá thực tế cho một sinh viên khá.

16. Sản phẩm phải bàn giao

Cuối khóa luận nên có 6 sản phẩm:

1. Báo cáo khóa luận.

2. Source code.

3. Curriculum Knowledge Graph.

4. Vietnamese Curriculum QA Dataset.

5. Experimental results của ba hệ thống.

6. Demo web QA/advising.

Tiêu đề bài báo dự kiến: "Knowledge Graph-Augmented Question Answering for Course Selection in Vietnamese Higher Education: A Pilot Study"

3 sản phẩm cần đạt: Vietnamese Curriculum QA Dataset + Curriculum Knowledge Graph + evaluation framework cho academic advising.