Sitemap — AI-First Learner Intelligence Platform

Tài liệu này đặc tả sơ đồ cấu trúc thông tin (Information Architecture) và bản đồ điều hướng (Sitemap) của hệ thống AI-First Learner Intelligence Platform cho cả 3 phân hệ người dùng (Learner, Mentor, Admin) và Phân hệ giám sát dữ liệu/AI (Operations).

1. Public Website

Trang web giới thiệu sản phẩm ra bên ngoài, không liên quan trực tiếp đến Assessment Engine.

/ (Trang chủ)
├── Cách hệ thống hoạt động
├── Dành cho Learner
├── Dành cho Mentor
├── Dành cho School
├── Đăng nhập
└── Yêu cầu Demo

2. Learner Application

Phân hệ dành cho học viên tham gia học tập và theo dõi năng lực cá nhân.

Xem chi tiết sơ đồ định tuyến Learner App (Routing Tree)

/app
├── /home (Trang chủ người học)
├── /assessments (Danh sách bài đánh giá)
│   ├── /available
│   ├── /in-progress
│   ├── /completed
│   └── /:assessment-id
├── /quiz (Giao diện làm Quiz trắc nghiệm)
│   ├── /:quiz-id/start
│   ├── /:quiz-id/question/:question-id
│   ├── /:quiz-id/review
│   └── /:quiz-id/result
├── /my-model (Hồ sơ năng lực động - Digital Twin)
│   ├── /overview
│   ├── /competencies
│   ├── /skills
│   ├── /indicators
│   ├── /confidence
│   ├── /trend
│   └── /history
├── /learning-plan (Kế hoạch học tập gợi ý)
│   ├── /current-priority
│   ├── /next-task
│   ├── /recommendations
│   └── /completed-actions
├── /evidence (Lịch sử bằng chứng học tập)
│   ├── /all
│   ├── /quiz
│   └── /:evidence-id
├── /progress (Tiến độ chung)
├── /notifications (Thông báo hệ thống)
└── /profile (Hồ sơ cá nhân)

2.1 Learner Home

Trang chủ người học được thiết kế để trả lời tức thời 4 câu hỏi cốt lõi của học viên:

1. Tôi đang ở đâu về mặt trình độ?
2. Tôi đang tiến bộ hay thụt lùi?
3. Tôi nên tập trung rèn luyện kỹ năng nào bây giờ?
4. Hành động tiếp theo tôi phải thực hiện là gì?

Các khối thông tin (Widgets):

• Current Competency: Trình độ năng lực hiện tại (ví dụ: Product Thinking: 62/100).
• Trend: Xu hướng phát triển (ví dụ: Improving).
• Current Priority: Chỉ báo đang ưu tiên (ví dụ: Identify Customer Pains).
• Next Learning Action: Hành động gợi ý (ví dụ: Diagnostic Quiz — Customer Pains).
• Recent Progress / Confidence Warning: Cảnh báo khi độ tin cậy đánh giá của AI bị sụt giảm do thiếu bằng chứng mới.

2.2 Assessments

Khu vực hiển thị danh sách tất cả các bài đánh giá năng lực của học viên.

TIP

Hệ thống sử dụng thuật ngữ tổng quát là Assessment (Bài đánh giá) thay vì hard-code thành Quiz ở mức cơ sở dữ liệu và URL. Điều này cho phép mở rộng sang các dạng bài đánh giá thực tế khác (như nộp dự án, review code, portfolio) trong tương lai.

2.3 Quiz Interface

Giao diện làm bài thi trắc nghiệm tinh gọn tối đa để học viên tập trung cao độ, tránh gây nhiễu tâm lý: nội dung câu hỏi, phương án lựa chọn, tiến độ câu hỏi, đồng hồ đếm ngược thời gian, thanh tự đánh giá độ tự tin (optional self-confidence) và nút đánh dấu xem lại câu hỏi.

2.4 My Learner Model

Khu vực hiển thị biểu đồ và phân rã chi tiết mô hình học viên theo cấu trúc cây:

• Competency Overview: Điểm năng lực lớn (ví dụ: Product Thinking: 68, AI Literacy: 55).
• Skill Breakdown: Phân rã kỹ năng (ví dụ: JTBD Analysis: 72).
• Indicator Details: Chi tiết các chỉ báo đo lường (ví dụ: Identify Pains: 42). Mỗi chỉ báo hiển thị kèm theo điểm số, cấp độ Rubric, độ tự tin của AI, xu hướng, số lượng bằng chứng, và diễn giải lý do.

2.5 Learning Plan

Khu vực đầu ra của Strategy Engine hiển thị: Chỉ báo năng lực đang ưu tiên cải thiện, giải thích lý do sư phạm của AI, tác vụ thực tế cần làm và điều kiện để thực hiện tái đánh giá (reassessment).

3. Mentor Application

Phân hệ dành cho người hướng dẫn theo dõi và hỗ trợ học viên.

Xem chi tiết sơ đồ định tuyến Mentor App (Routing Tree)

/mentor
├── /dashboard (Bảng giám sát nhanh)
├── /learners (Danh sách học viên)
│   ├── /all
│   ├── /at-risk (Học viên có nguy cơ)
│   ├── /low-confidence (Học viên thiếu bằng chứng đánh giá)
│   ├── /no-progress (Học viên không tiến bộ)
│   └── /:learner-id (Chi tiết học viên)
├── /assessments (Quản lý bài đánh giá được giao)
├── /evidence-review (Phê duyệt sản phẩm thực hành)
├── /recommendations-review (Kiểm duyệt đề xuất của AI)
├── /cohorts (Lớp học phụ trách)
├── /interventions (Lịch sử can thiệp sư phạm)
└── /reports (Báo cáo tổng hợp)

3.1 Mentor Dashboard

Tập trung hiển thị danh sách các học viên cần sự chú ý khẩn cấp của Mentor, không hiển thị danh sách dài tràn lan:

• Học viên có chỉ số năng lực bị sụt giảm liên tục (at-risk).
• Các bài đánh giá có độ tin cậy đánh giá của AI quá thấp (cần Mentor chấm chéo thủ công).
• Đề xuất học tập của AI đang chờ Mentor phê duyệt (Pending Recommendations).

3.2 Learner Detail

Thông tin chi tiết về một học viên cụ thể bao gồm hồ sơ tĩnh, mô hình năng lực động, lịch sử bằng chứng, các khoảng trống tri thức và nhật ký can thiệp. Mentor có quyền ghi đè điểm số hoặc đánh dấu bằng chứng không hợp lệ (lịch sử override này sẽ dùng làm tập dữ liệu học máy cho AI).

3.3 Evidence Review

Giao diện quản lý các bài nộp của học viên sử dụng đối tượng canonical Evidence chung để đảm bảo sau này khi tích hợp các bài nộp mã nguồn hay dự án, giao diện review của Mentor vẫn giữ nguyên nhất quán.

4. School and Program Management

Phân hệ quản trị dành cho Admin thiết lập học liệu và cấu trúc hệ thống.

Xem chi tiết sơ đồ định tuyến Admin App (Routing Tree)

/admin
├── /dashboard (Tổng quan hệ thống)
├── /programs (Quản lý chương trình đào tạo)
├── /courses (Quản lý khóa học)
├── /competency-frameworks (Quản lý khung năng lực)
├── /competencies (Quản lý miền năng lực)
├── /skills (Quản lý kỹ năng)
├── /indicators (Quản lý chỉ báo)
├── /rubrics (Quản lý tiêu chí chấm điểm)
├── /assessments (Thiết lập bài đánh giá)
├── /question-bank (Ngân hàng câu hỏi)
├── /task-library (Thư viện tác vụ thực hành)
├── /learners (Quản lý tài khoản người học)
├── /mentors (Quản lý tài khoản người hướng dẫn)
├── /cohorts (Quản lý lớp học)
└── /reports (Kết xuất báo cáo kiểm định)

4.1 Competency Framework Management

Quản lý cấu trúc phân rã cây năng lực (Domain ➔ Competency ➔ Skill ➔ Indicator) kèm theo quản lý phiên bản (versioning) và các thiết lập điều kiện tiên quyết (prerequisites).

4.2 Rubric Library

Quản lý thư viện barem chấm điểm của hệ thống. Mỗi chỉ báo năng lực liên kết với các cấp độ Rubric và mô tả cụ thể về hành vi. Trong MVP, Rubric định nghĩa các ngưỡng điểm số thô của bài Quiz để quy đổi sang Cấp độ năng lực.

4.3 Question Bank

Quản lý ngân hàng câu hỏi trắc nghiệm, độ khó câu hỏi, ánh xạ câu hỏi tới chỉ báo (Question-to-Indicator Mapping) và cấu hình distractor mapping để phục vụ chuẩn đoán lỗi ngộ nhận tư duy trong tương lai.

4.4 Assessment Builder

Công cụ tạo bài kiểm tra cho phép lựa chọn mục tiêu đo lường, cấu hình ngân hàng câu hỏi tương ứng và thiết lập loại hình đánh giá (Diagnostic, Progress, Reassessment, hoặc Final).

5. Data Operations

Bảng điều khiển kỹ thuật dành cho Kỹ sư Dữ liệu và AI để theo dõi sức khỏe dữ liệu của toàn bộ nền tảng.

Xem sơ đồ định tuyến Data Ops (Routing Tree)

/data
├── /overview (Tổng quan sức khỏe dữ liệu)
├── /evidence-health (Đo lường chất lượng bằng chứng)
│   ├── /coverage
│   ├── /freshness
│   ├── /diversity
│   └── /quality
├── /mapping-health (Giám sát ánh xạ câu hỏi - chỉ báo)
├── /missing-data (Cảnh báo thiếu hụt dữ liệu đo lường)
├── /imports
├── /exports
└── /lineage (Traceability - Truy vết dữ liệu nguồn)

5.1 Evidence & Mapping Health

Theo dõi độ phủ (Coverage), độ mới (Freshness) và tính đa dạng (Diversity) của các bằng chứng học tập thu thập được. Giám sát biểu đồ mapping để phát hiện các cảnh báo hệ thống (ví dụ: Chỉ báo "Identify Pains" chỉ có 2 câu hỏi hỗ trợ trong ngân hàng ➔ Giới hạn độ tin cậy tối đa của AI khi đánh giá chỉ báo này).

5.2 Data Lineage

Cung cấp khả năng hiển thị biểu đồ phụ thuộc ngược để kiểm toán điểm số: Competency Score ➔ Skill Score ➔ Indicator Score ➔ Assessment Snapshot ➔ Evidence ➔ Quiz Attempt ➔ Question Response.

6. Learner Model Operations

Công cụ phân tích dành cho AI Engineer, Product, và Assessment Team để theo dõi hiệu năng của mô hình người học.

Xem sơ đồ định tuyến Learner Model Ops (Routing Tree)

/models/learner
├── /overview
├── /current-models (Danh sách các mô hình hiện tại)
├── /model-history (Lịch sử cập nhật của từng học viên)
├── /confidence (Theo dõi hiệu năng đo độ tự tin)
├── /trend (Giám sát độ ổn định của xu hướng)
├── /knowledge-gaps (Danh sách gaps được phát hiện)
├── /model-comparison (So sánh sự thay đổi giữa các phiên bản)
├── /rebuild (Tiến trình chạy lại đánh giá hàng loạt)
└── /audit (Nhật ký thay đổi)

7. Assessment Model & Algorithm Operations

Khu vực cấu hình và tinh chỉnh các quy tắc thuật toán tổng hợp và chấm điểm năng lực.

Xem sơ đồ định tuyến Algorithm Ops (Routing Tree)

/models/assessment
├── /overview
├── /scoring-models (Cấu hình công thức chấm điểm)
├── /aggregation-rules (Quy tắc tổng hợp điểm tích lũy)
├── /confidence-model (Công thức tính toán độ tự tin)
├── /trend-model (Cấu hình khoảng thời gian đo xu hướng)
├── /knowledge-gap-model (Thuật toán phát hiện gaps)
├── /versions (Phiên bản thuật toán)
├── /experiments (Thử nghiệm A/B Testing công thức)
└── /validation (Đo lường độ chính xác thuật toán)

8. AI Operations (AIOps)

Giám sát và quản lý các cuộc gọi LLM, Prompt, chi phí và chất lượng mô hình AI.

Xem sơ đồ định tuyến AIOps (Routing Tree)

/ai-ops
├── /overview
├── /agents (Vòng đời các Agents trong SDK)
├── /prompts (Phiên bản hóa Prompts)
├── /llm-calls (Lịch sử gọi API LLM thời gian thực)
├── /model-routing (Định tuyến mô hình tối ưu chi phí)
├── /evaluations (Đánh giá chất lượng đầu ra AI)
├── /guardrails (Bộ lọc an toàn dữ liệu đầu vào/đầu ra)
├── /failures (Lịch sử lỗi gọi mô hình và backup)
├── /costs (Thống kê chi phí token)
└── /versions (Phiên bản AI Model và SDK)

9. Recommendation & Learning Strategy Operations

Giám sát hiệu quả sư phạm của Recommendation Engine.

Xem sơ đồ định tuyến Strategy Ops (Routing Tree)

/strategy
├── /overview
├── /knowledge-gaps (Quản lý các gaps)
├── /priority-rules (Quy tắc xếp hạng mức ưu tiên học tập)
├── /task-library (Thư viện bài học/nhiệm vụ thích ứng)
├── /recommendations (Lịch sử đề xuất của AI)
├── /interventions (Các can thiệp thực tế)
├── /outcomes (Ghi nhận cải thiện thực tế sau can thiệp)
└── /experiments (A/B Testing chiến lược học tập)

10. Platform Operations

Bảng cấu hình hệ thống: Quản lý phân quyền tài khoản (Roles & Permissions), tích hợp API bên ngoài, Feature Flags và Audit Logs.

11. Documentation

Kho tài liệu nội bộ tích hợp (Product Overview, Competency Framework, Evidence Model, API docs, Architecture diagrams) giúp đồng bộ ngôn ngữ thiết kế giữa toàn bộ các kỹ sư dự án.

12. Sitemap rút gọn cho Hackathon MVP

Để hoàn thiện sản phẩm trình diễn (demo) chất lượng cao trong khuôn khổ Hackathon, đội ngũ sẽ tập trung phát triển 5 màn hình tương tác chính theo cấu trúc sitemap rút gọn sau:

/ (Public homepage)
├── /learner (Phân hệ Học viên)
│   ├── /home (Xem nhanh 4 câu hỏi định vị năng lực)
│   ├── /quiz/:id (Giao diện làm bài thi trắc nghiệm đầu vào)
│   ├── /results/:id (Báo cáo điểm số chỉ báo thô)
│   ├── /my-model (Xem biểu đồ năng lực phân cấp)
│   └── /learning-plan (Xem gợi ý học tập tiếp theo & diễn giải)
│
├── /mentor (Phân hệ Người hướng dẫn)
│   ├── /dashboard (Xem danh sách học viên cần chú ý)
│   └── /learners/:id (Xem chi tiết hồ sơ học viên & override điểm)
│
├── /admin (Phân hệ Quản trị)
│   ├── /competency-framework (Xem cây năng lực phân cấp)
│   ├── /rubrics (Cấu hình bảng điểm quy đổi)
│   ├── /question-bank (Xem ngân hàng câu hỏi & mapping chỉ báo)
│   └── /assessments (Tạo bài test kiểm tra)
│
├── /data (Phân hệ Giám sát dữ liệu)
│   ├── /overview (Xem chất lượng bằng chứng)
│   └── /coverage (Xem sơ đồ bao phủ câu hỏi)
│
└── /ai-ops (Phân hệ Giám sát AI)
    ├── /llm-calls (Trace log cuộc gọi LLM thời gian thực)
    └── /recommendations (Xem lịch sử logic đề xuất)

13. Nguyên tắc mở rộng bằng chứng học tập (Evidence Extensibility)

Kiến trúc Sitemap và luồng thông tin tuân thủ nguyên tắc: Không xây dựng sản phẩm xoay quanh một loại bài thi duy nhất (Quiz). Quiz chỉ là loại bằng chứng (Evidence Type) đầu tiên.

Mọi loại bài tập, dự án hay hoạt động thực hành đều được đưa qua một Evidence Adapter tương ứng để chuẩn hóa thành cấu trúc dữ liệu Evidence thống nhất trước khi đẩy vào Assessment Engine. Nhờ thiết kế hướng trừu tượng này, khi hệ thống mở rộng sang các định dạng bằng chứng phức tạp hơn ở tương lai, toàn bộ logic thuật toán đánh giá tích lũy, Learner Model, Recommendation Engine và các màn hình Dashboard hiển thị của học viên/Mentor ở phía sau vẫn được giữ nguyên vẹn mà không cần tái cấu trúc.