User Stories
Chân dung nhân vật & Câu chuyện bối cảnh của các bên liên quan đối với hệ thống EduOne
Tài liệu này đi sâu mô tả chi tiết chân dung các bên liên quan cốt lõi (User Personas) thông qua các câu chuyện nhân vật thực tế trong hệ sinh thái EduOne. Điều này giúp đội ngũ phát triển thấu hiểu sâu sắc các nỗi đau (Pains), rào cản (Obstacles), nhiệm vụ cần hoàn thành (Jobs to Be Done - JTBD) và kết quả mơ ước (Dream Outcomes) của từng đối tượng sử dụng.
1. Learner Profile: Khanh Linh
Click to view Khanh Linh's User Story, Pains, JTBD & Dream Outcomes
"Em rất muốn tự tay lập trình được một trò chơi nhỏ để khoe với các bạn, nhưng nhiều khi bài tập khó quá làm em không biết hỏi ai, còn bài dễ thì làm nhanh xong em lại thấy chán."
┌─────────────────────────────────────────────────────────────┐
│ KHÁNH LINH - 13 TUỔI, HỌC SINH LỚP 7 (HÀ NỘI) │
├─────────────────────────────────────────────────────────────┤
│ PAINS (Nỗi đau): │
│ ➔ Bài tập chung của cả lớp đôi khi quá khó, làm hoài không │
│ đúng khiến em nản lòng, muốn bỏ cuộc. │
│ ➔ Khi làm sai, hệ thống báo lỗi khô khan, không có giải │
│ thích rõ ràng bằng tiếng Việt để em tự sửa. │
│ │
│ OBSTACLES (Rào cản): │
│ ➔ Mạng Internet ở nhà vào giờ cao điểm rất chập chờn. │
│ Em không thể xem các video bài giảng quá dài. │
│ ➔ Em sợ bị dán nhãn là học kém hoặc chậm tiến bộ. │
│ │
│ JOBS TO BE DONE (Nhiệm vụ cần hoàn thành): │
│ ➔ "Khi em nộp một bài quiz, em muốn hệ thống gợi ý ngay │
│ bài học/bài tập tiếp theo vừa sức và giải thích dễ hiểu, │
│ để em có thể tự tiến bộ mà không bị quá tải." │
│ │
│ DREAM OUTCOMES (Kết quả mơ ước): │
│ ➔ Hoàn thành được khóa học Python, tự code được một game │
│ vòng lặp nhảy lò cò và cảm thấy tự tin vào bản thân. │
└─────────────────────────────────────────────────────────────┘Câu chuyện bối cảnh của Khánh Linh:
Khánh Linh là học sinh lớp 7 tại một trường THCS ở ngoại thành Hà Nội. Linh rất thích máy tính và đã đăng ký khóa học lập trình Python miễn phí của STEAM for Vietnam trên nền tảng EduOne. Khóa học diễn ra trực tuyến vào chủ nhật hàng tuần.
Do cả lớp học chung một giáo án tuyến tính, Linh nhanh chóng gặp khó khăn khi bài học bước sang phần "Vòng lặp (Loops)". Các ví dụ trên lớp trôi qua rất nhanh. Khi về nhà làm bài tập, Linh bị tắc ở câu hỏi áp dụng vòng lặp for lồng nhau. Linh loay hoay làm đi làm lại 4 lần đều sai và hệ thống chỉ hiện một chữ "Sai rồi!" màu đỏ lạnh lùng. Linh không biết mình sai ở đâu, ba mẹ thì không rành công nghệ để chỉ dẫn. Linh cảm thấy thất vọng, nghĩ rằng mình không có khiếu học lập trình và bắt đầu có ý định bỏ học giữa chừng giống như một vài người bạn cùng lớp.
Nhu cầu đối với hệ thống:
- Giao diện khích lệ: Linh cần một giao diện trang chủ hiển thị rõ ràng: "Bài tiếp theo dành riêng cho em" kèm lời nhắn động viên ấm áp: "Khánh Linh ơi, em đã làm rất tốt phần lý thuyết biến số, hãy thử sức với bài tập vòng lặp cơ bản này để hiểu rõ hơn cách máy tính đếm số nhé!".
- Đề xuất vừa sức (Adaptive): Khi Linh làm sai liên tục câu hỏi Standard, hệ thống phải nhận diện được khoảng trống kiến thức, hạ độ khó xuống mức Foundation, hoặc đề xuất Linh đọc một bài đọc minh họa ngắn gọn trước khi thử lại.
- Không phán xét: Hệ thống tuyệt đối không được gắn các mác "Học lực yếu" hay "Chưa đạt" lên màn hình của Linh. Thay vào đó, sử dụng các nhãn khích lệ và tặng huy hiệu nhỏ khi Linh hoàn thành bài tập bổ trợ.
2. Volunteer Teacher: Mr. Tuan
Click to view Mr. Tuan's User Story, Pains, JTBD & Dream Outcomes
"Tôi rất muốn giúp đỡ tất cả học sinh trong lớp, nhưng lớp học online có tới 20 em với tốc độ tiếp thu hoàn toàn khác nhau. Một mình tôi vào ngày nghỉ cuối tuần không thể nào phân tích dữ liệu làm bài và chuẩn bị bài tập riêng cho từng em được."
┌─────────────────────────────────────────────────────────────┐
│ THẦY TUẤN - 28 TUỔI, KỸ SƯ PHẦN MỀM & GV TÌNH NGUYỆN │
├─────────────────────────────────────────────────────────────┤
│ PAINS (Nỗi đau): │
│ ➔ Quá tải thời gian: Vừa phải đi làm toàn thời gian ngày │
│ thường, vừa phải chấm bài và chuẩn bị học liệu cuối tuần. │
│ ➔ Không thể biết chính xác 20 học sinh online đang hổng │
│ kiến thức ở đâu nếu không mở từng bài nộp của từng em. │
│ │
│ OBSTACLES (Rào cản): │
│ ➔ Nghi ngờ tính đúng đắn của AI (hộp đen). Không dám tin │
│ 100% vào lộ trình AI tự động chọn cho học sinh của mình. │
│ │
│ JOBS TO BE DONE (Nhiệm vụ cần hoàn thành): │
│ ➔ "Khi tôi quản lý lớp học trực tuyến nhiều trình độ, │
│ tôi muốn nhận diện ngay học sinh cần giúp và lý do AI đề │
│ xuất bài tập bổ trợ, để tôi có thể kiểm chứng và can thiệp│
│ kịp thời mà không mất hàng giờ phân tích thủ công." │
│ │
│ DREAM OUTCOMES (Kết quả mơ ước): │
│ ➔ 100% học sinh trong lớp hoàn thành khóa học với kết quả │
│ tốt, tiết kiệm 5 giờ làm việc mỗi tuần, dễ dàng điều chỉnh│
│ hoạt động học tập cho học sinh chỉ với 1 click chuột. │
└─────────────────────────────────────────────────────────────┘Câu chuyện bối cảnh của Thầy Tuấn:
Thầy Tuấn là một kỹ sư phần mềm làm việc tại một công ty công nghệ lớn ở Hà Nội. Tuấn dành ngày chủ nhật của mình để làm giáo viên tình nguyện phụ trách một lớp học Python 20 học sinh trên EduOne.
Lớp học online của Tuấn có những học sinh tiếp thu rất nhanh như Nam (đã tự học trước), nhưng cũng có những học sinh bắt đầu đuối sức như Khánh Linh. Trong buổi học kéo dài 2 tiếng, Tuấn không thể vừa giảng bài chung vừa hướng dẫn chi tiết cho Linh, đồng thời lại phải giao thêm bài nâng cao cho Nam để em không bị chán. Khi buổi học kết thúc, Tuấn phải mất cả tối để vào hệ thống, xem bảng điểm Excel thô, cố gắng đoán xem em nào đang gặp khó khăn để nhắn tin giao thêm bài tập. Sự mệt mỏi này lặp đi lặp lại khiến Tuấn cảm thấy quá tải và lo lắng chất lượng giảng dạy của mình bị giảm sút.
Nhu cầu đối với hệ thống:
- Dashboard lớp học trực quan: Tuấn cần một màn hình dashboard hiển thị danh sách 20 học sinh được phân nhóm tự động: Nhóm đã thành thạo (Mastery), Nhóm đang tiến bộ ổn định, Nhóm cần hỗ trợ gấp (đỏ), và Nhóm thiếu dữ liệu (vàng).
- Minh bạch hóa logic AI (Explainability): Khi hệ thống tự động đề xuất một bài tập bổ trợ cho Khánh Linh, Tuấn muốn di chuột vào đó và đọc được lý do: "Học sinh Linh làm sai 3/3 câu về vòng lặp For. Đề xuất bài tập ôn tập vòng lặp For mức độ Cơ bản. Mức tin cậy: 85% dựa trên 5 bằng chứng gần nhất".
- Quyền can thiệp (Override): Tuấn không muốn AI tự động quyết định lộ trình của học sinh mà không có sự kiểm soát của mình. Hệ thống phải cho phép Tuấn bấm "Ghi đè", chọn một bài tập khác từ thư viện và nhập lý do để AI học hỏi từ quyết định của giáo viên.
3. Content Author: Ms. Huong
Click to view Ms. Huong's User Story, Pains, JTBD & Dream Outcomes
"Tạo ra một bài giảng chất lượng tốn tới 40-50 giờ làm việc. Tôi muốn có một công cụ AI hỗ trợ viết bản thảo thô và soạn câu hỏi trắc nghiệm nhanh chóng, để tôi tập trung vào việc trau chuốt nội dung sư phạm."
┌─────────────────────────────────────────────────────────────┐
│ CHỊ HƯƠNG - 32 TUỔI, NHÂN SỰ NỘI DUNG TOÀN THỜI GIAN │
├─────────────────────────────────────────────────────────────┤
│ PAINS (Nỗi đau): │
│ ➔ Áp lực thời gian khủng khiếp khi phải tự tay soạn hàng │
│ trăm câu hỏi trắc nghiệm, viết giải thích chi tiết cho │
│ từng đáp án nhiễu (distractors). │
│ ➔ Khó tạo ra các biến thể bài tập có độ khó khác nhau │
│ (Foundation, Standard, Advanced) để phục vụ cá nhân hóa. │
│ │
│ OBSTACLES (Rào cản): │
│ ➔ Dễ sai sót định dạng metadata (gán nhãn chỉ báo kỹ năng, │
│ độ khó) khi làm việc thủ công trên file Word/Excel. │
│ │
│ JOBS TO BE DONE (Nhiệm vụ cần hoàn thành): │
│ ➔ "Khi tôi cần soạn một bài học mới, tôi muốn AI hỗ trợ tạo │
│ nhanh bản thảo bài giảng và quiz MCQ có cấu trúc chuẩn, │
│ để tôi chỉ việc kiểm tra và tinh chỉnh ngôn từ sư phạm." │
│ │
│ DREAM OUTCOMES (Kết quả mơ ước): │
│ ➔ Giảm thời gian chuẩn bị một bài giảng xuống dưới 5 giờ, │
│ kho học liệu luôn đầy đủ các biến thể độ khó, dễ dàng │
│ phát hiện các khoảng trống kỹ năng chưa có học liệu. │
└─────────────────────────────────────────────────────────────┘Câu chuyện bối cảnh của Chị Hương:
Chị Hương là nhân sự nội dung toàn thời gian duy nhất của dự án EduOne, cùng với sự hỗ trợ không thường xuyên của khoảng 10 tình nguyện viên. Để mở rộng khóa học Python từ 5 bài lên 10 bài, Hương phải làm việc quá giờ liên tục.
Mỗi bài học đòi hỏi Hương phải viết: Đề cương chi tiết, slide giảng dạy, giáo án cho giáo viên, 30 câu hỏi trắc nghiệm chia đều cho 3 mức độ khó, đáp án đúng và viết lời giải thích tường tận cho từng câu trắc nghiệm. Việc viết thủ công này cực kỳ tốn thời gian. Nhiều lúc do quá mệt mỏi, Hương gán sai mã chỉ báo kỹ năng của câu hỏi, dẫn đến thuật toán đề xuất của hệ thống hoạt động sai lệch, học sinh học bài này nhưng lại bị chấm điểm năng lực của bài khác.
Nhu cầu đối với hệ thống:
- Form yêu cầu cấu trúc: Hương cần một biểu mẫu nhập liệu đơn giản: Chọn kỹ năng cần dạy, chọn độ tuổi 11-12, chọn độ khó Standard, yêu cầu sinh 5 câu trắc nghiệm MCQ về vòng lặp Python.
- Bản thảo AI cấu trúc sư phạm: Khi bấm nút, AI sẽ tự động trả về bản thảo có cấu trúc JSON sạch, phân định rõ thân câu hỏi, đáp án, khóa đáp án đúng và giải thích chi tiết bằng tiếng Việt tự nhiên.
- Bộ lọc chất lượng tự động (QA Checks): Hệ thống tự động quét bản nháp AI trả về, cảnh báo ngay lập tức nếu AI quên điền giải thích hoặc đáp án bị mâu thuẫn để Hương sửa lại trước khi gửi đi kiểm duyệt.
4. Human Reviewer: Mr. Hoang
Click to view Mr. Hoang's User Story, Pains, JTBD & Dream Outcomes
"AI sinh nội dung rất nhanh nhưng tôi lo ngại nhất là lỗi ảo tưởng (hallucination). Tôi cần một quy trình phê duyệt nghiêm ngặt, đảm bảo không có bất kỳ bài học lỗi nào lọt lưới đến tay học sinh K-12."
┌─────────────────────────────────────────────────────────────┐
│ ANH HOÀNG - 36 TUỔI, TRƯỞNG BAN CHƯƠNG TRÌNH HỌC (REVIEWER) │
├─────────────────────────────────────────────────────────────┤
│ PAINS (Nỗi đau): │
│ ➔ Lo sợ nội dung AI sinh ra chứa kiến thức sai lệch, ví dụ │
│ đáp án đúng lại bị AI đánh dấu là sai. │
│ ➔ Mất thời gian đọc rà soát từng dòng chữ dài do AI viết │
│ để phát hiện các lỗi văn phong tiếng Việt không tự nhiên. │
│ │
│ OBSTACLES (Rào cản): │
│ ➔ Phải chịu trách nhiệm hoàn toàn nếu học sinh nhận được │
│ học liệu có nội dung không an toàn hoặc sai kiến thức. │
│ │
│ JOBS TO BE DONE (Nhiệm vụ cần hoàn thành): │
│ ➔ "Khi tôi nhận được yêu cầu phê duyệt học liệu từ tác giả, │
│ tôi muốn hệ thống hiển thị scorecard kiểm tra chất lượng │
│ và checklist rõ ràng, để tôi duyệt bài an toàn và nhanh." │
│ │
│ DREAM OUTCOMES (Kết quả mơ ước): │
│ ➔ Đảm bảo 100% học liệu xuất bản đạt chuẩn chất lượng, quy │
│ trình duyệt bài mượt mà, lưu vết đầy đủ lịch sử phiên bản │
│ để quy trách nhiệm rõ ràng khi có sự cố. │
└─────────────────────────────────────────────────────────────┘Câu chuyện bối cảnh của Anh Hoàng:
Anh Hoàng là Trưởng ban chương trình học (Curriculum Lead) của STEAM for Vietnam. Vai trò của anh là người giữ cổng chất lượng cuối cùng. Mọi học liệu được xuất bản lên hệ thống EduOne cho học sinh học đều phải có chữ ký phê duyệt của anh.
Khi EduOne bắt đầu ứng dụng AI để đồng sáng tạo nội dung, Hoàng vừa mừng vừa lo. Mừng vì năng suất của Hương tăng lên, nhưng lo vì AI thỉnh thoảng viết câu cú lủng củng, dịch máy thô sơ từ tiếng Anh, hoặc nguy hiểm hơn là giải thích sai logic lập trình Python. Hoàng phải dành nhiều tiếng đồng hồ để đọc so sánh bản nháp của Hương gửi lên, đối chiếu xem Hương đã chỉnh sửa những gì từ bản thô của AI. Việc này làm chậm quy trình xuất bản, tạo thành nút thắt cổ chai tại khâu kiểm duyệt của anh.
Nhu cầu đối với hệ thống:
- Hàng đợi kiểm duyệt thông minh (Review Queue): Hoàng cần một danh sách hiển thị rõ các bài viết đang chờ duyệt, đi kèm với kết quả chấm điểm chất lượng tự động (Quality Scorecard) của hệ thống.
- So sánh phiên bản trực quan (Diff View): Hiển thị rõ ràng đoạn văn nào do AI viết thô, đoạn nào đã được Hương chỉnh sửa thủ công bằng màu sắc đối chiếu trực quan.
- Chốt chặn an toàn (Approval Gate): Chặn đứng kỹ thuật không cho phép xuất bản bài học nếu anh chưa đánh dấu tích vào tất cả các đầu mục checklist phê duyệt bắt buộc (Kiến thức chuẩn xác, Văn phong thuần Việt, An toàn lứa tuổi).