Product Requirement Document (PRD)

AI-First Learner Intelligence System
Version: 1.0 (Hackathon MVP)

1. Executive Summary

Product Vision

Hệ thống không chỉ dừng lại ở việc chấm điểm học viên thuần túy. AI phải hiểu sâu sắc người học, liên tục theo dõi tiến độ thực hành và chủ động đưa ra quyết định sư phạm tối ưu tiếp theo.

IMPORTANT

Mục tiêu của hệ thống là xây dựng một AI-First Learner Intelligence Engine, tự động thực hiện: Đánh giá năng lực, cập nhật mô hình người học (Learner Model), định vị lỗ hổng tri thức (Knowledge Gap), và đề xuất chiến lược học tập (Learning Strategy). Nếu loại bỏ AI Model, hệ thống sẽ không thể thực hiện các chức năng cốt lõi.

2. Product Goals

Primary Goals

• Tự động xây dựng và cập nhật mô hình học tập số của học viên (Learner Model).
• Đánh giá khách quan năng lực học viên dựa trên Khung năng lực tiêu chuẩn (Competency Framework).
• Cá nhân hóa hoàn toàn chiến lược học tập (Learning Strategy) cho từng cá nhân.
• Theo dõi và trực quan hóa xu hướng tiến bộ của người học theo thời gian.

Success Metrics

• Technical Metrics:
  • Độ chính xác đánh giá chỉ báo của AI (Indicator Assessment Accuracy) > 85% so với chuyên gia.
  • Độ trễ phản hồi đánh giá (Assessment Latency) < 3 giây.
  • Thời gian phản hồi đề xuất (Recommendation Response Time) < 2 giây.
• Product Metrics:
  • Học viên hoàn thành các tác vụ đánh giá (Assessment Completion) đạt trên 80%.
  • Học viên thực thi theo đề xuất của AI (Recommendation Acceptance) đạt trên 70%.
  • Chỉ số năng lực của học viên được cải thiện sau khi hoàn thành các tác vụ tái đánh giá (Reassessment).

3. Personas

Persona 1 — Learner (Học viên)

• Nhu cầu: Muốn biết chính xác trình độ hiện tại, được gợi ý bài tập phù hợp nhất và nhìn thấy sự tiến bộ rõ rệt để có động lực.

Persona 2 — Mentor (Người hướng dẫn)

• Nhu cầu: Muốn nắm bắt nhanh học viên đang yếu ở mảng nào để hỗ trợ kịp thời, hiểu lý do tại sao AI đưa ra các gợi ý đó để kiểm duyệt tính đúng đắn.

Persona 3 — School Admin (Quản lý)

• Nhu cầu: Đánh giá được chất lượng giảng dạy chung, thống kê sự tiến bộ toàn khóa và tối ưu hóa tài nguyên đào tạo.

4. User Journey

Learner Đăng nhập
   │
   ▼
Làm bài tập / Quiz
   │
   ▼
AI Đánh giá bài nộp
   │
   ▼
Cập nhật Learner Model (Dynamic Twin)
   │
   ▼
Hiển thị Dashboard năng lực mới
   │
   ▼
AI đề xuất tác vụ tiếp theo (Recommendation)
   │
   ▼
Learner thực hiện bài tập mới
   │
   ▼
Tái đánh giá năng lực (Reassessment)

5. User Stories

Assessment

• As a learner,
  I want AI to evaluate my current competency based on my work,
  so that I know my detailed strengths and weaknesses objectively.

Learner Model

• As a learner,
  I want to see my real-time competency profile dashboard,
  so that I understand my current progress and skill levels easily.

Recommendation

• As a learner,
  I want AI to automatically recommend the next optimal learning task,
  so that I can focus on my specific gaps and improve efficiently.

Mentor

• As a mentor,
  I want to understand the explicit reasoning behind AI's recommendations,
  so that I can verify and trust the system's pedagogical decisions.

6. Functional Requirements

Module 1 — Evidence (Bằng chứng)

• FR-1: Cho phép tải lên hoặc ghi nhận kết quả bài kiểm tra (quiz results).
• FR-2: Lưu trữ dữ liệu bằng chứng vào hệ thống bảo mật.
• FR-3: Truy xuất lịch sử nộp bằng chứng của từng học viên.

Module 2 — Assessment (Đánh giá)

• FR-4: AI đọc và phân tích dữ liệu bằng chứng.
• FR-5: AI đối chiếu bằng chứng với barem tiêu chuẩn (Rubric).
• FR-6: Sinh điểm chỉ báo năng lực (Indicator Score) bao gồm: Điểm số, Cấp độ Rubric, và Giải thích sư phạm chi tiết (Explanation).

Module 3 — Aggregation (Tổng hợp)

• FR-7: Tổng hợp điểm từ các chỉ báo năng lực thành điểm kỹ năng (Skill Scores).
• FR-8: Tổng hợp điểm kỹ năng thành điểm năng lực tổng quát (Competency Scores).

Module 4 — Learner Model (Mô hình người học)

• FR-9: Duy trì trạng thái Learner Model hiện tại gồm: Năng lực, Kỹ năng, Chỉ báo, Độ tự tin (Confidence), và Xu hướng (Trend).
• FR-10: Tự động cập nhật Learner Model ngay sau khi có kết quả đánh giá mới.

Module 5 — Learning Intelligence (Trí tuệ học tập)

• FR-11: Tự động phát hiện lỗ hổng tri thức (Knowledge Gap).
• FR-12: Ước lượng độ tự tin đánh giá (Confidence Estimation).
• FR-13: Tính toán xu hướng phát triển năng lực (Trend Calculation).

Module 6 — Recommendation (Đề xuất)

• FR-14: Đề xuất thứ tự ưu tiên các kỹ năng cần học tiếp theo.
• FR-15: Gợi ý nhiệm vụ thực hành tiếp theo cụ thể.
• FR-16: Sinh giải thích sư phạm tại sao đề xuất nhiệm vụ đó.

7. Dashboard Requirements

Learner Dashboard

• Hiển thị biểu đồ Đồ thị Năng lực (Competency Radar/Bar Charts).
• Hiển thị điểm số kỹ năng và chỉ báo chi tiết.
• Hiển thị độ tự tin đánh giá và xu hướng tăng/giảm.
• Hiển thị hành động gợi ý tiếp theo (Next Task) kèm giải thích lý do ngắn gọn.

Mentor Dashboard

• Hiển thị tất cả thông số của Learner Dashboard.
• Thống kê tổng số lượng bằng chứng thu thập được (Evidence Count).
• Đo lường độ phủ của bài kiểm tra đối với khung năng lực (Coverage).
• Hiển thị lịch sử đánh giá chi tiết và lý do chi tiết đằng sau mỗi đề xuất của AI.

8. Core Objects

• Learner: learner_id, profile_data.
• Evidence: evidence_id, learner_id, type, payload, timestamp.
• Assessment Snapshot: assessment_id, evidence_id, indicator_scores, confidence, rubric_version, model_version.
• Learner Model: learner_id, competencies, skills, indicators, trend_metrics, priority_skills, last_updated.
• Recommendation: recommendation_id, learner_id, learning_priority, next_task_id, explanation_text.

9. User Flow Diagrams

Assessment Flow

Quiz/Task Completed ➔ Evidence Store ➔ AI Assessment ➔ Indicator Scores ➔ Aggregated Skill/Competency Scores ➔ Learner Model Update

Recommendation Flow

Learner Model State ➔ Knowledge Gap Detection ➔ Priority Scoring ➔ Next Best Task Selection ➔ Explanation Generation ➔ Display to Learner

10. Acceptance Criteria

Assessment

• Given học viên hoàn thành một bài quiz hoặc nộp bài thực hành,
  When AI hoàn tất quá trình phân tích đánh giá sản phẩm,
  Then hệ thống phải ghi nhận đầy đủ điểm số chỉ báo, kỹ năng và năng lực tổng quát tương ứng vào snapshot.

Learner Model

• Given có một bản ghi đánh giá năng lực mới vừa được tạo ra,
  When hệ thống kích hoạt tiến trình cập nhật trạng thái người học,
  Then Learner Model phải cập nhật tức thì trạng thái năng lực và độ tự tin mới nhất.

Recommendation

• Given Learner Model của học viên vừa được cập nhật trạng thái,
  When học viên truy cập vào trang tổng quan học tập,
  Then học viên phải nhìn thấy danh sách kỹ năng ưu tiên, tác vụ tiếp theo cần thực hiện và lý giải sư phạm rõ ràng từ AI.

11. MVP Scope

Xem chi tiết danh mục MVP Scope

• Bao gồm (In Scope):
  • ✅ Kết quả Quiz trắc nghiệm.
  • ✅ Cấu hình tiêu chí Rubric chuẩn.
  • ✅ Đánh giá chỉ báo bằng AI (Indicator Assessment).
  • ✅ Tổng hợp kỹ năng & năng lực (Skill & Competency Aggregation).
  • ✅ Giao diện Dashboard hiển thị biểu đồ năng lực cho Học viên.
  • ✅ Đề xuất tác vụ tiếp theo (Recommendation & Explanation).
• Không bao gồm (Out of Scope):
  • ❌ Chấm điểm qua video và giọng nói của học viên.
  • ❌ Phát hiện ngộ nhận tư duy sâu (Misconception Detection).
  • ❌ Tự tối ưu hóa thuật toán bằng Học tăng cường (Reinforcement Learning).
  • ❌ Mô hình hóa mạng Bayesian đầy đủ quy mô lớn.

12. Future Features

• Version 2: Tích hợp viết tự phản hồi (Reflection), chấm sản phẩm thực hành và chấm Portfolio của học viên.
• Version 3: Bổ sung phân hệ phát hiện và sửa chữa ngộ nhận tư duy (Misconceptions), áp dụng Bayesian Learner Modeling và thuật toán Knowledge Tracing.
• Version 4: Tự động hóa hoàn toàn lộ trình thích ứng và tối ưu hóa hệ thống phối hợp đa tác tử (Multi-Agent Optimization).

13. Risks & Mitigations

• Risk 1: Thiếu hụt bằng chứng (Cold Start / Insufficient Evidence):
  • Mitigation: AI sẽ hiển thị mức độ tự tin (Confidence) cực thấp và gợi ý học viên thực hiện các bài đánh giá cơ bản ban đầu để thu thập thêm dữ liệu nền tảng.
• Risk 2: Tiêu chí Rubrics chưa tối ưu:
  • Mitigation: Phiên bản hóa Rubric chặt chẽ (Rubric Versioning) và lập lịch rà soát chất lượng định kỳ dựa trên phản hồi của Mentor.
• Risk 3: Đề xuất học tập của AI không hiệu quả:
  • Mitigation: Theo dõi và đo lường trực tiếp sự cải thiện năng lực (Learning Gain) của học viên sau mỗi lần hoàn thành tác vụ gợi ý để tinh chỉnh trọng số thuật toán.

14. Key Performance Indicators (KPIs)

• Indicator Accuracy: Tỷ lệ chính xác của điểm chỉ báo AI chấm so với đánh giá của hội đồng chuyên gia.
• Confidence Calibration: Độ sai lệch giữa mức tự tin ước lượng của AI và kết quả thực tế học viên đạt được.
• Task Completion Rate: Tỷ lệ học viên hoàn thành các bài tập thực hành được giao.
• Recommendation Acceptance Rate: Tỷ lệ học viên click và thực hiện tác vụ do AI đề xuất tiếp theo trên màn hình.

15. Product Principles

1. Evidence is King: Mọi kết luận của hệ thống đều phải bắt nguồn từ bằng chứng thực tế được xác thực.
2. Rubrics are Sacred: Rubric là thước đo chuẩn mực duy nhất để đối chiếu và định lượng năng lực.
3. AI is Thinker: AI chịu trách nhiệm suy luận và đưa ra quyết định sư phạm, không đơn thuần là một máy cộng điểm thông thường.
4. Calibrated Uncertainty: AI phải luôn thể hiện mức độ không chắc chắn của mình thông qua chỉ số Confidence.