Overview & Vision
EduOne Adaptive Learning Engine (Hệ thống cá nhân hóa học tập và sản xuất học liệu bằng AI cho EduOne)
1. Mục đích tài liệu
Tài liệu này xác định các yêu cầu của người dùng và các bên liên quan đối với hệ thống AI hỗ trợ nền tảng EduOne. Mục tiêu của hệ thống bao gồm:
- Personalized Learning: Tự động điều chỉnh lộ trình, bài giảng và bài tập cho từng học viên dựa trên trình độ hiện tại, tốc độ tiếp thu và các bằng chứng học tập (evidence) gần nhất.
- Content Creation Optimization: Hỗ trợ đội ngũ làm nội dung (Content Authors) tạo học liệu (bài giảng, bài tập, quiz) nhanh chóng bằng các mô hình AI.
- Quality Assurance & Human-in-the-loop: Đảm bảo mọi nội dung do AI tạo ra phải được con người kiểm duyệt, chỉnh sửa và phê duyệt trước khi phân phối đến học viên.
- Operational Load Reduction: Hạn chế các tác vụ thủ công cho mạng lưới giáo viên tình nguyện và đội ngũ vận hành.
- System Explainability: Cho phép giáo viên và người vận hành kiểm tra, truy vết và hiểu rõ lý do đằng sau các quyết định đề xuất của AI.
- Cost Optimization: Vận hành hệ thống hiệu quả, tiết kiệm tài nguyên, phù hợp với mô hình hoạt động phi lợi nhuận của STEAM for Vietnam.
URD tập trung vào việc mô tả hệ thống đáp ứng nhu cầu gì, các bên tương tác như thế nào, và kết quả mong đợi là gì, thay vì chỉ định các chi tiết công nghệ, thuật toán hay nhà cung cấp AI cụ thể.
2. Operational Context
STEAM for Vietnam vận hành EduOne - nền tảng trực tuyến miễn phí cung cấp các khóa học lập trình và STEM cho học sinh Việt Nam từ K-12 thông qua đội ngũ giáo viên tình nguyện. Quá trình vận hành hiện tại đang gặp hai thách thức lớn:
2.1. Personalized Learning Challenges
Hiện tại, học viên trên EduOne chủ yếu học theo một lộ trình và nội dung đồng nhất. Hệ thống chưa tự động phân biệt được:
- Trình độ đầu vào và năng lực hiện tại của từng học viên.
- Tốc độ tiếp thu và lịch sử làm bài tập cụ thể.
- Những khoảng trống kiến thức/kỹ năng (learning gaps) cần bù đắp.
- Mức độ tin cậy (confidence) của hệ thống đối với ước lượng năng lực của học viên.
Hậu quả:
- Nội dung học có thể quá khó với học viên này nhưng lại quá dễ với học viên khác, dẫn đến giảm động lực học tập.
- Giáo viên tình nguyện phải điều chỉnh bài tập thủ công cho từng lớp, gây quá tải.
- Tỷ lệ học viên bỏ học (dropout rate) hiện vượt quá 50%.
2.2. Content Authoring Challenges
EduOne hiện có quy mô khoảng 5 khóa học chính thức. Tuy nhiên, nguồn lực sản xuất nội dung cực kỳ hạn chế:
- Chỉ có 1 nhân sự nội dung toàn thời gian (Curriculum/Content Lead).
- Có khoảng 10 tình nguyện viên hỗ trợ nội dung không thường trực.
- Trung bình mất từ 40 – 50 giờ làm việc để hoàn thành trọn bộ học liệu cho một bài học (bao gồm outline, slide giảng dạy, bài tập bổ trợ, quiz và hướng dẫn giáo viên).
Hậu quả:
- Khó mở rộng số lượng khóa học hoặc cập nhật nội dung nhanh chóng.
- Khó tạo đủ các biến thể bài tập cho nhiều trình độ khác nhau.
- Phụ thuộc lớn vào thời gian rảnh của tình nguyện viên.
3. System Vision
Hệ thống được thiết kế để kết nối hai vòng lặp khép kín: Vòng lặp học tập thích ứng và Vòng lặp sản xuất nội dung. Hai vòng lặp này giao thoa tại Kho học liệu đã được phê duyệt (Approved Content Library).
3.1. Double-Loop Architecture Blueprint
mermaid
graph TD
%% Vòng lặp học tập thích ứng
ST[STK-01 Học viên] -->|1. Thực hiện hoạt động/Làm bài| EV[Thu thập bằng chứng - Evidence]
EV -->|2. Ghi nhận kết quả| LM[Cập nhật trạng thái - Learner Model]
LM -->|3. Phân tích năng lực & Gaps| RE[Động cơ đề xuất - Recommendation Engine]
RE -->|4. Chọn nội dung phù hợp| CL[(Kho học liệu đã phê duyệt)]
CL -->|5. Đề xuất hoạt động tiếp theo| ST
%% Quyền can thiệp của Giáo viên
TCH[STK-02 Giáo viên] -.->|Giám sát & Ghi đè| RE
%% Vòng lặp sản xuất nội dung
REQ[Yêu cầu nội dung - Content Request] -->|1. Nhập tiêu chuẩn| AIG[AI sinh bản nháp - Draft]
AIG -->|2. Chạy luật QA tự động| QC[Automated Quality Checks]
QC -->|3. Cảnh báo lỗi cấu trúc/độ tuổi| HR[STK-04 Người kiểm duyệt - Reviewer]
HR -->|4. Chỉnh sửa & Phê duyệt| CL
%% Style
classDef loop1 fill:#e1f5fe,stroke:#0288d1,stroke-width:2px;
classDef loop2 fill:#efebe9,stroke:#5d4037,stroke-width:2px;
classDef shared fill:#e8f5e9,stroke:#2e7d32,stroke-width:3px;
class ST,EV,LM,RE loop1;
class REQ,AIG,QC,HR loop2;
class CL shared;IMPORTANT
Quy tắc cốt lõi (Approved Content Only): Recommendation Engine chỉ được phép tự động đề xuất cho học viên các nội dung đã chuyển sang trạng thái "Published" trong Kho học liệu sau khi được con người phê duyệt. AI không được tự sinh nội dung trực tiếp và gửi thẳng cho học viên mà không qua kiểm duyệt.
4. System Objectives
- OBJ-01 — Cá nhân hóa học tập: Cung cấp bài học/bài tập phù hợp với trạng thái năng lực hiện tại của từng học viên thay vì dùng chung một giáo án cố định.
- OBJ-02 — Giảm tải công việc cho giáo viên: Tự động hóa việc phân tích dữ liệu làm bài, phát hiện học sinh yếu và gợi ý học liệu bổ sung, giảm thiểu thời gian giáo viên phải làm thủ công.
- OBJ-03 — Tăng tốc sản xuất học liệu: Sử dụng AI tạo nhanh các bản thảo bài học, quiz, đáp án và tài liệu hướng dẫn giáo viên, rút ngắn thời gian chuẩn bị học liệu.
- OBJ-04 — Đảm bảo kiểm soát chất lượng: Ngăn chặn các nội dung AI tự phát sinh chứa thông tin sai lệch hoặc không phù hợp tiếp cận học sinh K-12.
- OBJ-05 — Giải thích được quyết định: Hiển thị rõ ràng các bằng chứng (evidence) và lý do hệ thống đưa ra một đề xuất cụ thể để giáo viên dễ dàng kiểm chứng và can thiệp.
- OBJ-06 — Khả năng mở rộng với chi phí phù hợp: Tối ưu hóa việc sử dụng tài nguyên AI, ưu tiên các thuật toán dựa trên luật (rule-based), dữ liệu có cấu trúc hoặc mô hình ngôn ngữ nhẹ cho các tác vụ đơn giản thay vì sử dụng LLM đắt đỏ cho mọi tác vụ.
5. Project Scope
Hackathon (5.1. Required Prototype Scope)
- Quy mô: Hỗ trợ tối thiểu 1 khóa học mẫu, 1 lớp học giả lập, 20 tài khoản học viên mẫu.
- Năng lực: Định nghĩa một tập hợp kỹ năng (skills) và chỉ báo (indicators) giới hạn cho một đơn vị kiến thức (learning unit).
- Luồng dữ liệu: Ghi nhận kết quả làm bài mẫu, cập nhật Learner Model và đưa ra đề xuất cá nhân hóa khác nhau cho từng học viên.
- Nhật ký: Tạo Recommendation Log chi tiết kèm reason codes.
- Sản xuất nội dung: AI tạo bản thảo bài tập/quiz từ yêu cầu của Content Author; giao diện cho Reviewer phê duyệt trước khi chuyển vào Kho học liệu.
- Đo lường: Hiển thị so sánh thời gian sản xuất học liệu trước và sau khi ứng dụng AI.
- Demo: Giao diện trực quan chứng minh được toàn bộ luồng nghiệp vụ.
Post-Hackathon (5.2. Real-world Pilot Scope)
- Triển khai trên 1 khóa học thực tế đang vận hành của EduOne.
- Thử nghiệm trên 1 lớp học thực gồm 20 học viên thực.
- Thời gian triển khai dự kiến kéo dài 4–6 tuần.
- Đội ngũ tham gia: 1 Giáo viên phụ trách, 1 Content Author, 1 Reviewer và nhóm vận hành kỹ thuật.
5.3. Out of Scope for Prototype
- Cá nhân hóa toàn bộ chương trình học cả năm hoặc toàn bộ hệ thống K-12 của STEAM for Vietnam.
- Tự huấn luyện (fine-tune) một mô hình nền tảng (Foundation Model) riêng biệt.
- Tự động chấm điểm các dạng bài tập tự luận mở phức tạp bằng AI mà không có barem cố định.
- Theo dõi cảm xúc học sinh qua camera hoặc các cảm biến sinh trắc học.
- Thay thế hoàn toàn vai trò giảng dạy và kết nối của giáo viên.
- Ứng dụng Học máy tăng cường (Reinforcement Learning) quy mô lớn cho hệ thống đề xuất ở giai đoạn này.
6. Stakeholders
| Mã | Bên liên quan | Vai trò trong hệ thống |
|---|---|---|
| STK-01 | Học viên | Người trực tiếp học tập, làm bài tập/quiz và nhận các đề xuất thích ứng từ hệ thống. |
| STK-02 | Giáo viên tình nguyện | Người quản lý lớp, theo dõi tiến độ của học viên, xem và có quyền ghi đè (override) các đề xuất của AI. |
| STK-03 | Content Author | Nhân sự soạn thảo nội dung, nhập yêu cầu và sử dụng AI để tạo bản nháp học liệu. |
| STK-04 | Human Reviewer | Người chịu trách nhiệm kiểm tra, sửa đổi và phê duyệt/từ chối bản nháp học liệu trước khi xuất bản. |
| STK-05 | Curriculum Lead | Quản lý khung chương trình học, bản đồ kỹ năng (skill map), tiêu chí đánh giá và tiêu chuẩn chất lượng. |
| STK-06 | EduOne Administrator | Quản lý người dùng, phân quyền, quản trị khóa học, lớp học và các cấu hình hệ thống. |
| STK-07 | STEAM for Vietnam Management | Giám sát hiệu quả tổng thể, chi phí vận hành AI và định hướng phát triển dài hạn. |
| STK-08 | Product/Engineering Team | Đội ngũ xây dựng, tích hợp, giám sát kỹ thuật và bảo trì hệ thống. |
| STK-09 | Phụ huynh học sinh | Theo dõi tiến độ học tập của con em mình (giai đoạn sau pilot). |
| STK-10 | Ban giám khảo Hackathon | Đánh giá tính khả thi, công nghệ AI thực tế, tính giải thích được và tiềm năng áp dụng thực tế. |
7. Target User Groups & Detailed Needs
STK-01 (7.1. Learner Profile)
- Nhu cầu:
- Biết chính xác hoạt động tiếp theo mình cần làm là gì.
- Nhận được bài tập vừa sức (không quá khó gây nản, không quá dễ gây chán).
- Được giải thích lý do vì sao hệ thống khuyên mình nên học bài này bằng ngôn ngữ gần gũi, khích lệ.
- Không bị dán nhãn tiêu cực (như "học yếu", "kém") khi làm sai.
- Trải nghiệm giao diện thân thiện, phù hợp với lứa tuổi học sinh K-12.
STK-02 (7.2. Volunteer Teacher)
- Nhu cầu:
- Có cái nhìn tổng quan nhanh về tình hình học tập của cả lớp (ai đang đi nhanh, ai cần hỗ trợ).
- Hiểu rõ điểm yếu, điểm mạnh của từng học viên cụ thể mà không phải phân tích đống dữ liệu thô.
- Xem được đề xuất của AI dành cho học sinh và lý do đề xuất đó được tạo ra (bao gồm các bằng chứng làm bài trước đó).
- Có quyền can thiệp, thay đổi (override) đề xuất của AI nếu thấy không phù hợp với thực tế lớp học.
- Biết được khi nào hệ thống "không chắc chắn" (confidence thấp) về năng lực của học sinh.
STK-03 (7.3. Content Author)
- Nhu cầu:
- Soạn học liệu nhanh hơn nhờ AI sinh bản nháp dựa trên các yêu cầu có cấu trúc (learning objectives, skill map).
- AI hỗ trợ tạo ra nhiều biến thể của câu hỏi/bài tập tương ứng với các độ khó khác nhau (Cơ bản, Tiêu chuẩn, Nâng cao).
- Có công cụ chỉnh sửa trực quan bản nháp do AI tạo ra.
- Nhận được các cảnh báo sớm về chất lượng (ví dụ: thiếu đáp án, sai logic) trước khi gửi đi kiểm duyệt.
STK-04 (7.4. Human Reviewer)
- Nhu cầu:
- Giao diện duyệt bài tập/quiz tập trung, hiển thị rõ bản nháp và các metadata liên quan.
- Xem được kết quả kiểm tra chất lượng tự động của hệ thống (automated quality checks) để tập trung vào các lỗi nghiêm trọng.
- Dễ dàng thực hiện các thao tác: phê duyệt (Approve), yêu cầu sửa đổi (Request Revision), từ chối (Reject), hoặc trực tiếp chỉnh sửa câu từ.
- Xem lịch sử phiên bản (version history) để biết nội dung đã được sửa những gì qua các vòng.
8. Roles & Permissions
Hệ thống áp dụng cơ chế phân quyền dựa trên vai trò (RBAC - Role-Based Access Control) và cho phép cấu hình một người dùng nắm giữ nhiều vai trò đồng thời:
| Chức năng / Hành động | Học viên | Giáo viên | Content Author | Reviewer | Curriculum Lead | Admin |
|---|---|---|---|---|---|---|
| Thực hiện bài học, làm bài tập/quiz | Có | Không | Không | Không | Không | Không |
| Xem đề xuất cá nhân và giải thích | Có | Có | Không | Không | Giới hạn | Có |
| Xem dashboard trạng thái học tập của cả lớp | Không | Có | Không | Không | Có | Có |
| Ghi đè (Override) đề xuất học tập của AI | Không | Có | Không | Không | Có | Có |
| Sử dụng AI tạo bản thảo học liệu (Draft) | Không | Giới hạn | Có | Có | Có | Có |
| Gửi học liệu đi kiểm duyệt | Không | Giới hạn | Có | Có | Có | Có |
| Phê duyệt (Approve) học liệu | Không | Không | Không | Có | Có | Có |
| Xuất bản (Publish) học liệu vào kho | Không | Không | Không | Giới hạn | Có | Có |
| Quản lý bản đồ kỹ năng (Skill Map, Indicators) | Không | Không | Không | Không | Có | Có |
| Quản trị người dùng, phân quyền, cấu hình hệ thống | Không | Không | Không | Không | Không | Có |
| Xem nhật ký hệ thống (Audit Log) | Không | Giới hạn | Giới hạn | Giới hạn | Có | Có |
9. Key Assumptions
- ASM-01: Khóa học lựa chọn thử nghiệm có cấu trúc mục tiêu học tập (learning objectives) rõ ràng và có thể phân rã thành các kỹ năng nhỏ.
- ASM-02: Đội ngũ chuyên môn của EduOne có thể chuẩn hóa một bộ kỹ năng (skill map) tối thiểu cho đơn vị học trình thử nghiệm trong giai đoạn Hackathon.
- ASM-03: Prototype có thể sử dụng dữ liệu học viên giả lập hoặc dữ liệu học tập thực tế đã được ẩn danh hoàn toàn để đảm bảo an toàn thông tin.
- ASM-04: Tất cả các hoạt động học tập, câu hỏi quiz đều có thể liên kết trực tiếp với ít nhất một chỉ báo năng lực (indicator) hoặc kỹ năng (skill).
- ASM-05: EduOne bố trí đủ nhân sự chuyên môn để thực hiện vai trò phê duyệt (Reviewer) trong suốt quá trình thử nghiệm.
- ASM-06: Hệ thống phải chấp nhận thực tế rằng một số học viên mới sẽ không có hoặc có rất ít dữ liệu lịch sử làm bài tập trong thời gian đầu.
- ASM-07: Dữ liệu học tập thu thập được từ thực tế có thể bị trễ, thiếu hụt hoặc chứa các kết quả bất thường (ví dụ: làm bài quá nhanh do đoán mò hoặc chép bài).
- ASM-08: Thuật toán đề xuất ban đầu có thể bắt đầu bằng các quy tắc logic nghiệp vụ đơn giản, rõ ràng, sau đó nâng cấp dần lên các mô hình học máy phức tạp hơn.
10. System Design Principles
- PRI-01 — Con người kiểm soát (Human-in-the-loop): AI đóng vai trò trợ lý đắc lực hỗ trợ tăng năng suất, nhưng quyết định cuối cùng về việc xuất bản nội dung hay áp dụng lộ trình học tập vẫn thuộc về con người (Reviewer/Teacher).
- PRI-02 — Minh bạch và giải thích được (Explainability by design): Mọi quyết định đề xuất học tập của AI phải đi kèm với lý giải rõ ràng dựa trên dữ liệu bằng chứng và quy tắc nghiệp vụ, không sử dụng mô hình "hộp đen" không thể giải thích.
- PRI-03 — Chỉ sử dụng nội dung đã duyệt (Approved content only): Hệ thống đề xuất tự động chỉ hoạt động trên tập hợp học liệu đã được phê duyệt chính thức. Tuyệt đối không để AI tự sinh bài học mới và phân phối trực tiếp cho học viên trong thời gian thực.
- PRI-04 — Mô hình học viên tối giản (Minimal sufficient learner model): Hệ thống chỉ thu thập và lưu trữ những trường dữ liệu năng lực thực sự cần thiết phục vụ cho việc ra quyết định đề xuất, tránh lãng phí tài nguyên lưu trữ và bảo vệ quyền riêng tư.
- PRI-05 — Lựa chọn trước, sinh mới sau (Data before generation): Ưu tiên tìm kiếm và đề xuất học liệu sẵn có trong kho nội dung đã duyệt. Chỉ sử dụng chức năng sinh nội dung bằng AI trong môi trường quản trị của Content Author khi phát hiện khoảng trống học liệu (content gap).
- PRI-06 — Ý thức về chi phí AI (Cost-aware AI): Hạn chế gọi API các mô hình lớn (LLM) cho các tác vụ phân tích logic hoặc đề xuất khi có thể giải quyết hiệu quả bằng code quy tắc (rule-based) hoặc mô hình phân loại nhẹ chạy local.
- PRI-07 — Quyền can thiệp của giáo viên (Teacher override): Giáo viên luôn có quyền cao nhất trong việc ghi đè hoặc vô hiệu hóa các đề xuất tự động của AI đối với học sinh của mình.
- PRI-08 — Thiết kế an toàn khi lỗi (Safe failure): Trong trường hợp AI gặp sự cố hoặc thiếu dữ liệu, hệ thống tự động chuyển sang kịch bản mặc định an toàn (ví dụ: lộ trình học tiêu chuẩn) để không làm gián đoạn trải nghiệm của người dùng.
- PRI-09 — Tối ưu tiếng Việt (Vietnamese-first): Toàn bộ giao diện học viên và nội dung học liệu sinh ra bằng AI phải đạt tiêu chuẩn tiếng Việt tự nhiên, chính xác, không mang phong cách dịch máy thô sơ.
- PRI-10 — Phù hợp lứa tuổi K-12 (Age appropriateness): Ngôn ngữ sử dụng trong giao diện và bài học phải phù hợp với tâm sinh lý, trình độ nhận thức của học sinh Việt Nam theo từng độ tuổi cụ thể.
11. End-to-End User Journeys
11.1. Learner Journey
- Đăng nhập: Học viên đăng nhập vào hệ thống EduOne Adaptive Learning.
- Nhận diện trạng thái: Hệ thống tự động truy xuất hồ sơ năng lực hiện tại (Learner Model) của học viên đối với bài học.
- Hiển thị đề xuất: Học viên nhìn thấy hoạt động học tập được đề xuất tiếp theo (Next Activity) kèm theo lời giải thích ngắn gọn, tích cực (ví dụ: "Bài tập này sẽ giúp em luyện thêm kỹ năng sử dụng vòng lặp For").
- Thực hiện hoạt động: Học viên nhấn nút bắt đầu và hoàn thành bài học/quiz.
- Ghi nhận & Cập nhật: Hệ thống ghi nhận kết quả làm bài (Evidence), đánh giá mức độ chính xác và cập nhật lại trạng thái năng lực của học viên trong Learner Model.
- Vòng lặp tiếp tục: Hệ thống tính toán và đưa ra đề xuất tiếp theo phù hợp với trạng thái mới.
11.2. Volunteer Teacher Journey
- Truy cập Dashboard: Giáo viên mở Dashboard quản lý lớp học.
- Xem tổng quan lớp: Giáo viên quan sát nhanh tình trạng của 20 học viên (phân nhóm theo mức độ thành thạo, nhóm cần hỗ trợ đặc biệt, nhóm thiếu dữ liệu đánh giá).
- Xem chi tiết học viên: Giáo viên chọn một học viên cụ thể để xem chi tiết biểu đồ năng lực, lịch sử làm bài (Evidence) và đề xuất hiện tại của hệ thống.
- Kiểm chứng đề xuất: Giáo viên đọc lý do đề xuất và mức độ chắc chắn (confidence score) của AI.
- Can thiệp (nếu cần): Nếu thấy đề xuất chưa phù hợp, giáo viên thực hiện ghi đè (Override), chọn một bài tập khác từ thư viện và nhập lý do ghi đè để lưu lại hệ thống.
11.3. Content Author Journey
- Tạo yêu cầu: Author tạo một yêu cầu học liệu mới, chọn khóa học, bài học, mục tiêu học tập (objective) và kỹ năng cần đánh giá (skill/indicator).
- Sinh nội dung bằng AI: Author nhấn yêu cầu AI tạo bản thảo (outline bài học, nội dung chi tiết hoặc quiz 5 câu kèm đáp án).
- Đánh giá bản nháp: Hệ thống hiển thị bản nháp kèm theo kết quả kiểm tra chất lượng tự động (Quality Checks) và cảnh báo lỗi (nếu có).
- Tinh chỉnh: Author chỉnh sửa thủ công các câu chữ chưa mượt mà hoặc yêu cầu AI tạo lại (regenerate) riêng một câu hỏi hoặc một phần nội dung chưa đạt.
- Gửi duyệt: Author lưu bản thảo và nhấn nút gửi sang quy trình kiểm duyệt (Submit for Review).
11.4. Human Reviewer Journey
- Nhận thông báo: Reviewer nhận được yêu cầu phê duyệt học liệu mới từ hệ thống.
- Kiểm tra học liệu: Reviewer mở giao diện duyệt, đối chiếu nội dung bản thảo với mục tiêu học tập và xem các cảnh báo chất lượng tự động của hệ thống.
- Thực hiện hành động:
- Approve: Nếu nội dung đạt chuẩn, phê duyệt để đưa vào Kho học liệu và xuất bản (Publish).
- Request Revision: Nếu cần sửa đổi, ghi chú ý kiến nhận xét và gửi trả lại cho Content Author.
- Reject: Từ chối nếu nội dung không phù hợp hoặc sai lệch nghiêm trọng.
- Xuất bản: Sau khi được phê duyệt, nội dung chính thức chuyển sang trạng thái "Published" và sẵn sàng để Recommendation Engine sử dụng.