Overview & Key Deliverables

AI-First Learner Intelligence Platform
Version: 1.0
Context: Quản trị chất lượng nâng cao (Advanced Quality Management)

1. Triết lý Quản trị Chất lượng

Trong một dự án EdTech tích hợp trí tuệ nhân tạo (AI-First), không thể tối ưu hóa đồng đều mọi thành phần hệ thống do giới hạn về nguồn lực và thời gian. Chiến lược tối ưu nhất là tập trung vào các Key Deliverables (Sản phẩm bàn giao cốt lõi) - nơi mà bất kỳ một sai lệch nhỏ nào cũng có khả năng khuếch đại và làm sai lệch toàn bộ chuỗi tính toán phía sau.

Nền tảng Hanoi Agents định nghĩa 5 Key Deliverables tạo thành một chuỗi nhân quả hoàn chỉnh để bảo vệ tính bền vững của mô hình đánh giá.

2. Chuỗi Nhân quả của 5 Key Deliverables

Hệ thống hoạt động dựa trên chuỗi liên kết tuyến tính chặt chẽ dưới đây:

1. Competency-Skill-Indicator Model (Đo đúng cái cần đo)
                  │
                  ▼
2. Assessment Instrument (Thu thập bằng chứng đúng)
                  │
                  ▼
3. Learner Model (Thấu hiểu học viên đúng)
                  │
                  ▼
4. Learning Decision (Đưa ra quyết định học tập đúng)
                  │
                  ▼
5. Outcome Evidence (Học viên tiến bộ thực tế)

Nếu một mắt xích trong chuỗi bị lỗi (Quality Failure), toàn bộ hệ thống phía sau sẽ sụp đổ về mặt giá trị sư phạm.

3. Danh mục 5 Key Deliverables

Deliverable 1: Competency–Skill–Indicator Model

• Câu hỏi cốt lõi: Hệ thống đang thực hiện đo lường cái gì?
• Thành phần: Cấu trúc cây năng lực phân cấp: Domain ➔ Competency ➔ Skill ➔ Indicator.
• Tầm quan trọng: Đây là điểm bắt đầu của mọi logic. Nếu thiết kế cây năng lực bị lệch hướng (ví dụ: định nghĩa chỉ báo không thể quan sát được hoặc không quan trọng trong thực tế), thì các bước chấm điểm lý thuyết, xây dựng mô hình người học và gợi ý học tập phía sau - dù chạy chính xác 100% về mặt thuật toán - vẫn hoàn toàn vô nghĩa.

Deliverable 2: Assessment Instrument

• Câu hỏi cốt lõi: Hệ thống thu thập bằng chứng (evidence) bằng cách nào và diễn giải chúng ra sao?
• Thành phần: Ngân hàng câu hỏi trắc nghiệm (Questions), Bản đồ ánh xạ câu hỏi tới chỉ báo (Question–Indicator Mapping), và Barem điểm chuẩn hóa (Rubrics & Scoring Rules).
• Tầm quan trọng: Đây là điểm nghẽn chất lượng lớn nhất của một hệ thống đánh giá trắc nghiệm (quiz-based). Nếu ngân hàng câu hỏi nghèo nàn, ánh xạ sai chỉ báo, hoặc tiêu chí chấm điểm của Rubrics mơ hồ, dữ liệu đầu vào của Learner Model sẽ bị sai lệch ngay từ giây đầu tiên.

Deliverable 3: Learner Model (Digital Twin)

• Câu hỏi cốt lõi: Hiện tại hệ thống tin tưởng điều gì về học viên?
• Thành phần: Điểm số chỉ báo/kỹ năng/năng lực hiện tại, độ tự tin của AI (Confidence), xu hướng phát triển (Trend), và khoảng trống tri thức (Knowledge Gaps).
• Tầm quan trọng: Đây là deliverable trung tâm của toàn bộ sản phẩm. Nó tổng hợp dữ liệu từ mọi bằng chứng đầu vào để dựng lên bản sao số của học viên. Nếu mô hình này sai lệch, phân hệ ra quyết định gợi ý chắc chắn sẽ đưa ra lời khuyên sai lệch.

Deliverable 4: Learning Decision

• Câu hỏi cốt lõi: Với học viên này ở bối cảnh này, hành động tiếp theo nên làm gì?
• Thành phần: Xếp hạng ưu tiên cải thiện (Priority ranking), Đề xuất bài học tiếp theo (Next Task Recommendation), và Lời giải thích sư phạm (Rationale).
• Tầm quan trọng: Đây là nơi tạo ra giá trị trực tiếp cho người dùng. Một hệ thống dù có mô hình người học biểu diễn đẹp đẽ đến đâu nhưng không đưa ra được quyết định hành động hữu ích để cải thiện thì vẫn chỉ dừng lại ở một trang Dashboard thông minh thông thường.

Deliverable 5: Outcome Evidence

• Câu hỏi cốt lõi: Sau khi thực hiện quyết định gợi ý của AI, học viên thực tế có tiến bộ hay không?
• Thành phần: Trạng thái trước can thiệp (Before State), Hoạt động can thiệp (Intervention/Action), Bằng chứng mới (New Evidence), Bài thi đánh giá lại (Reassessment), và Giá trị cải thiện (Learning Gain).
• Tầm quan trọng: Đây là deliverable kiểm chứng hiệu quả tối cao của sản phẩm. Không có Outcome Evidence, sản phẩm chỉ mới dừng lại ở mức chứng minh hệ thống chạy được kỹ thuật và đề xuất đẹp mắt, chứ chưa chứng minh được hệ thống thực sự giúp học viên học tập tiến bộ tốt hơn.

4. Thứ tự Ưu tiên cho Hackathon MVP

Trong điều kiện nguồn lực 48 giờ cực kỳ hạn chế của kỳ thi Hackathon, đội ngũ phát triển tinh gọn chuỗi chất lượng tập trung vào 3 Key Deliverables cốt lõi:

1. Assessment Instrument: Kiểm soát quiz có thực sự đo lường đúng chỉ báo năng lực hay không.
2. Learner Model: Từ bài thi thô, hệ thống có phác họa đúng điểm mạnh/yếu của học viên hay không.
3. Learning Decision: Từ mô hình người học, AI có đưa ra đề xuất bài học tiếp theo hợp lý và giải thích thuyết phục hay không.

NOTE

Phân hệ Outcome Evidence trong demo Hackathon sẽ được mô phỏng sinh động và trực quan thông qua kịch bản 2 học viên thử nghiệm (Test Learners) hoàn thành bài đánh giá lại (reassessment) để so sánh Learning Gain trước và sau can thiệp.