Thanh bên bài viết

Số xuất bản: Số 87 (2026): Số 87 (07/2026)
Chuyên mục: CÔNG NGHỆ SỐ, TỰ ĐỘNG HÓA VÀ ỨNG DỤNG HÀNG HẢI
DOI: 10.65154/jmst.1093
Lượt xem 2
Trích dẫn bài báo
Nghiêm, T. M. L., Nguyễn, M. H., Phạm , T. M. H., Nguyễn, T. L., Phạm, T. M., & Lê, Q. T. (2026). HỆ THỐNG QUẢN LÝ HỌC TẬP ƯU TIÊN NGOẠI TUYẾN CHO ĐÀO TẠO THUYỀN VIÊN. Tạp chí Khoa học Công nghệ Hàng hải, 87. https://doi.org/10.65154/jmst.1093
Crossref
Scopus
Google Scholar
Europe PMC

HỆ THỐNG QUẢN LÝ HỌC TẬP ƯU TIÊN NGOẠI TUYẾN CHO ĐÀO TẠO THUYỀN VIÊN

Nghiêm Thị Mỹ Linh1, , Nguyễn Mạnh Hùng1, Phạm Thị Minh Hồng1, Nguyễn Thùy Linh1, Phạm Trung Minh2, Lê Quyết Tiến2
1 Sinh viên Khoa Công nghệ thông tin, Trường Đại học Hàng hải Việt Nam
2 Khoa Công nghệ thông tin, Trường Đại học Hàng hải Việt Nam

Nội dung chính của bài viết

Tóm tắt

Đào tạo thuyền viên trên biển thông qua hệ thống quản lý học tập trực tuyến đối mặt với ba rào cản: độ trễ vệ tinh tương đối cao (thường 500-800 ms), tỷ lệ mất gói tin lớn (có thể lên tới 80% khi thời tiết xấu), và chi phí băng thông cao (5-10 USD/GB). Nghiên cứu này đề xuất kiến trúc ba lớp ưu tiên ngoại tuyến, kết hợp ứng dụng web tiến bộ với thuật toán truyền phát thích ứng và bộ nhớ đệm đa tầng. Hệ thống tự động tải trước nội dung khi tàu cập cảng và phục vụ ngoại tuyến trên biển. Kết quả kiểm thử cho thấy phần phục vụ duy trì thời gian phản hồi phân vị thứ 95-95% yêu cầu được xử lý nhanh hơn ngưỡng này - dưới 78 ms ở mức 500 người dùng đồng thời, tỷ lệ trúng bộ nhớ đệm đạt trên 98%, thời gian khởi tạo video từ bộ đệm chỉ 0,2 giây, và kỹ thuật lưu đệm video không chiếm RAM (bộ nhớ truy cập ngẫu nhiên) giảm 99% mức sử dụng bộ nhớ. Ước tính lý thuyết cho thấy kiến trúc có thể giảm tới 97% lưu lượng qua vệ tinh, tương đương mức tiết kiệm chi phí từ 104.6 xuống 2.4 USD mỗi thuyền viên mỗi tháng.

Abstract

Training seafarers at sea through online learning management systems faces three barriers: relatively high satellite latency (typically 500-800 ms), significant packet loss rates (up to 80% in adverse weather), and considerable bandwidth costs (5-10 USD/GB). This study proposes a three-layer Offline-First architecture that combines a Progressive Web Application with adaptive bitrate streaming and multi-tier caching. The system automatically pre-fetches content when the vessel is at port and serves it entirely offline at sea. Testing results show that the backend maintains a 95th-percentile response time-meaning 95% of requests are processed faster than this threshold-below 78 ms at 500 concurrent users, cache hit rate exceeds 98%, video startup from cache takes only 0.2 seconds, and a zero-RAM (Random Access Memory) video caching technique reduces memory usage by 99%. Theoretical estimation indicates that the architecture can reduce satellite data traffic by up to 97%, equivalent to a cost saving from 104.6 down to 2.4 USD per seafarer per month.

Keywords: Learning management system, offline-first, adaptive bitrate streaming, VSAT, progressive web application, maritime training

Từ khóa

Hệ thống quản lý học tập, ưu tiên ngoại tuyến, truyền phát thích ứng, vệ tinh khẩu độ rất nhỏ, ứng dụng web tiến bộ, đào tạo hàng hải

Chi tiết bài viết

Tài liệu tham khảo

[1] UNCTAD, “Review of Maritime Transport 2024”, United Nations Conference on Trade and Development, 2024. [Online]. Có tại: https://unctad.org/publication/review-maritime-transport-2024
[2] ITU, “Performance Objectives and Availability Targets for Satellite Systems”, ITU-R Recommendation S.1062-2, Geneva, Thụy Sĩ, 2020.
[3] H. Fang và c.s., “Robust Live Streaming over LEO Satellite Constellations: Measurement, Analysis, and Handover-Aware Adaptation”, trong Proceedings of the 32nd ACM International Conference on Multimedia, MM ’24. New York, NY, USA: Association for Computing Machinery, Tháng Mười 2024, tr 5958–5966. doi: 10.1145/3664647.3680712.
[4] Starlink, “Starlink Maritime Service Plans”. 2026. [Online]. Có tại: https://www.starlink.com/maritime. [Truy cập: 08/02/2026]
[5] J. Zhao và c.s., “Low-Latency Live Video Streaming over a Low-Earth-Orbit Satellite Network with DASH”, trong Proc. 2024 Int. Conf. Satellite Communications, 2024.
[6] N. Mohammed, A. Jarde, G. Mackenzie, U. D’Alessandro, và D. Jeffries, “Deploying Machine Learning Models Using Progressive Web Applications”, Front. Public Health, tập 10, tr 845610, 2022, doi: 10.3389/fpubh.2022.845610.
[7] M. Hillier, “Bridging the digital divide with off-line e-learning”, trong Expanding Horizons in Open and Distance Learning, 2018, tr 1–12.
[8] F. Ferri, P. Grifoni, và T. Guzzo, “Online Learning and Emergency Remote Teaching: Opportunities and Challenges in Emergency Situations”, Societies, tập 10, số 4, tr 86, 2020, doi: 10.3390/soc10040086.
[9] K. Rasmussen và c.s., “Offline eLearning for undergraduates in health professions: A systematic review of the impact on knowledge, skills, attitudes and satisfaction”, J. Glob. Health, tập 4, số 1, 2014, doi: 10.7189/jogh.04.010405.
[10] S. Maro, A. Kondoro, B. Haßler, J. Mtebe, và J. Proctor, “Deployment of Offline Learning Management Systems: Comparing the Performance of Selected Micro-servers in Tanzania”, J. Learn. Dev., tập 10, tr 280–296, thg. 7 2023, doi: 10.56059/jl4d.v10i2.835.
[11] Z. Pan, L. Biegley, A. Taylor, và H. Zheng, “A Systematic Review of Learning Analytics-Incorporated Instructional Interventions on Learning Management Systems”, J. Learn. Anal., tập 11, tr 1–21, thg. 5 2024, doi: 10.18608/jla.2023.8093.
[12] M. Uhrina, L. Sevcik, J. Bienik, và L. Smatanova, “Performance Comparison of VVC, AV1, HEVC, and AVC for High Resolutions”, Electronics, tập 13, số 2, tr 345, 2024, doi: 10.3390/electronics13020345.
[13] J. Han và c.s., “A Technical Overview of AV1”, Proc IEEE, tập 109, số 9, tr 1435–1462, 2021, doi: 10.1109/JPROC.2021.3058710.
[14] O. Nawaz, M. Fiedler, và S. Khatibi, “QoE-Based Performance Comparison of AVC, HEVC, and VP9 on Mobile Devices with Additional Influencing Factors”, Electronics, tập 13, số 3, tr 512, 2024, doi: 10.3390/electronics13030512.
[15] D. Yuliawan, D. Widyandana, và R. N. Hidayah, “Utilization of Nursing Education Progressive Web Application (NEPWA) Media”, JMIR Nurs., tập 3, số 1, tr e21145, 2020, doi: 10.2196/21145.
[16] S. Ma, Y. C. Chou, H. Zhao, L. Chen, X. Ma, và J. Liu, “Network Characteristics of LEO Satellite Constellations: A Starlink-Based Measurement from End Users”, trong IEEE INFOCOM 2023-IEEE Conference on Computer Communications, 2023, tr 1–10. doi: 10.1109/INFOCOM53939.2023.10228912.
[17] N. Mohan, A. E. Ferguson, H. Cech, R. Bose, P. R. Renatin, M. K. Marina, và J. Ott, “A Multifaceted Look at Starlink Performance”, trong Proceedings of the ACM Web Conference 2024 (WWW ’24), Singapore: Association for Computing Machinery, 2024, tr 2723–2734. doi: 10.1145/3589334.3645328.
[18] T.-Y. Huang, R. Johari, N. McKeown, M. Trunnell, và M. Watson, “A Buffer-Based Approach to Rate Adaptation: Evidence from a Large Video Streaming Service”, trong Proc. ACM SIGCOMM 2014, tr 187–198. doi: 10.1145/2619239.2626296.
[19] K. Spiteri, R. Urgaonkar, và R. K. Sitaraman, “BOLA: Near-Optimal Bitrate Adaptation for Online Videos”, trong IEEE INFOCOM 2016, tr 1–9. doi: 10.1109/INFOCOM.2016.7524428.
[20] X. Yin, A. Jindal, V. Sekar, và B. Sinopoli, “A Control-Theoretic Approach for Dynamic Adaptive Video Streaming over HTTP”, trong Proc. ACM SIGCOMM 2015, tr 325–338. doi: 10.1145/2785956.2787486.
[21] H. Mao, R. Netravali, và M. Alizadeh, “Neural Adaptive Video Streaming with Pensieve”, trong Proc. ACM SIGCOMM 2017, tr 197–210. doi: 10.1145/3098822.3098843.