Luận văn tập trung nghiên cứu mạng neural tích chập (CNN) và ứng dụng vào bài toán nhận diện cảm xúc của học sinh trong giờ học. Nghiên cứu xây dựng và đánh giá các mô hình CNN dựa trên dữ liệu khuôn mặt thu thập từ môi trường lớp học thực tế. Kết quả cho thấy mô hình CNN với kiến trúc phù hợp có khả năng phân loại các trạng thái cảm xúc cơ bản như tập trung, buồn chán, ngạc nhiên và mệt mỏi với độ chính xác cao. Luận văn cũng đề xuất quy trình tiền xử lý dữ liệu và kỹ thuật tăng cường dữ liệu nhằm cải thiện hiệu suất nhận diện trong điều kiện ánh sáng và góc nhìn đa dạng. Hệ thống được đề xuất có tiềm năng hỗ trợ giáo viên đánh giá mức độ tương tác và điều chỉnh phương pháp giảng dạy kịp thời, góp phần nâng cao chất lượng dạy và học.