Luận văn tập trung nghiên cứu các phương pháp học máy tiên tiến cho bài toán nhận dạng hành động của con người, với ứng dụng cụ thể trong việc phát hiện hành động giơ tay phát biểu của học sinh trong môi trường lớp học. Nghiên cứu đề xuất và đánh giá các mô hình học sâu dựa trên mạng nơ-ron tích chập (CNN) và mạng nơ-ron hồi tiếp (RNN) để trích xuất đặc trưng không gian-thời gian từ dữ liệu video. Luận văn xây dựng bộ dữ liệu hình ảnh và video về hành động giơ tay, tiến hành tiền xử lý và huấn luyện mô hình. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt độ chính xác cao trong việc nhận dạng hành động giơ tay, khẳng định tính khả thi của giải pháp trong việc hỗ trợ giảng dạy thông minh, tự động hóa quá trình tương tác giữa giáo viên và học sinh.