Nova Learn — Chấm bài viết tay bằng AI

Chấm một bài tự luận bằng AI không khó.

Chấm nó theo cách một giáo viên thực sự có thể sử dụng — từng ý, từng dòng, theo đúng rubric, với khả năng sửa những chỗ AI đọc sai — mới là bài toán khó.

Đó là vấn đề chúng tôi gặp khi xây dựng Nova Learn.

Thay vì xây dựng một hệ thống chỉ nhìn vào toàn bộ câu trả lời và đưa ra một điểm số cuối cùng, chúng tôi muốn AI có thể đi theo chính cấu trúc mà giáo viên dùng để chấm bài: học sinh đã làm đúng ý nào, thiếu ý nào, sai ở đâu và từ những lỗi đó có thể luyện tập gì tiếp theo.

Bài viết này là câu chuyện về cách chúng tôi xây dựng hệ thống đó.

Bài toán không phải là chấm điểm. Bài toán là hiểu học sinh sai ở đâu.

Trong một bài tự luận, điểm số cuối cùng chỉ là kết quả.

Điều giáo viên thực sự cần biết là:

Học sinh mất điểm ở đâu?

Một câu trả lời có thể chứa nhiều ý nhỏ. Trong một câu hỏi sinh học, chẳng hạn, rubric có thể yêu cầu học sinh xác định enzyme, mô tả quá trình và giải thích kết quả. Học sinh có thể làm đúng hai ý nhưng bỏ sót ý thứ ba.

Nếu toàn bộ câu trả lời được đưa vào một mô hình và nhận về 7/10, hệ thống đã trả lời được câu hỏi “học sinh được bao nhiêu điểm”, nhưng chưa trả lời được câu hỏi quan trọng hơn:

“Học sinh cần học lại điều gì?”

Đó là lý do chúng tôi không bắt đầu bằng một hệ thống chấm điểm.

Chúng tôi bắt đầu từ rubric.

Từ rubric đến từng dòng trong bài làm

Nova Learn coi rubric là cấu trúc chính của quá trình chấm.

Thay vì:

Ảnh bài làm
    ↓
OCR toàn bộ
    ↓
AI chấm
    ↓
7/10

pipeline được thiết kế theo hướng:

Ảnh bài làm
    ↓
Xác định câu hỏi và vùng trả lời
    ↓
OCR từng vùng / từng dòng
    ↓
Đối chiếu với từng rubric point
    ↓
Điểm + nhận xét cho từng ý
    ↓
Giáo viên xác nhận

Sự khác biệt nằm ở bước cuối cùng của pipeline.

Chúng tôi không muốn AI trở thành một “black box” trả về một con số.

AI cần đưa ra một kết quả mà giáo viên có thể nhìn thấy, kiểm tra và chỉnh sửa.

OCR bài viết tay là phần khó hơn chúng tôi nghĩ

OCR trên văn bản in khá dễ.

OCR trên bài viết tay của học sinh trung học là một câu chuyện khác.

Chữ viết có thể nghiêng, khoảng cách giữa các dòng không đều, câu trả lời có thể nằm ngoài vùng dự kiến hoặc một dòng có thể được viết tiếp ở một vị trí khác trên trang.

Nếu OCR đọc sai một từ, vấn đề không chỉ nằm ở OCR.

Nó có thể kéo theo:

• nội dung câu trả lời bị hiểu sai;
• rubric matching sai;
• điểm số sai;
• và cuối cùng là feedback sai cho học sinh.

Vì vậy, chúng tôi không cố gắng loại bỏ con người khỏi pipeline.

Chúng tôi thiết kế pipeline để con người có thể can thiệp đúng lúc.

Human-in-the-loop không phải fallback. Nó là một phần của sản phẩm.

Khi hệ thống xác định vùng chứa câu trả lời, giáo viên có thể xem lại trực tiếp trên bài làm.

Nếu AI xác định sai vùng chữ, giáo viên có thể sử dụng Fix regions để vẽ lại vùng cần nhận dạng.

Sau đó hệ thống thực hiện lại quá trình OCR và grading trên vùng đã được hiệu chỉnh.

Quan trọng hơn, điểm số không được công bố cho học sinh ngay khi AI đưa ra kết quả.

Giáo viên vẫn là người xác nhận cuối cùng.

Đây là một quyết định sản phẩm có chủ ý.

Trong giáo dục, một hệ thống có độ chính xác cao nhưng không cho phép giáo viên kiểm soát kết quả vẫn có thể tạo ra vấn đề.

Chúng tôi muốn AI làm phần công việc tốn thời gian nhất.

Giáo viên vẫn giữ quyền quyết định.

Chúng tôi không muốn AI chỉ chấm bài. Chúng tôi muốn nó biết học sinh cần học gì tiếp theo.

Đây là phần bắt đầu trở nên thú vị.

Sau mỗi lần chấm, Nova Learn đã có một dữ liệu rất cụ thể:

• học sinh làm đúng ý nào;
• bỏ sót ý nào;
• sai ở đâu;
• và dạng kiến thức nào đang gây khó khăn.

Thay vì bỏ dữ liệu đó sau khi tính điểm, chúng tôi sử dụng nó làm đầu vào cho bước tiếp theo.

Từ lỗi sai → bài luyện tập

Giả sử một học sinh trả lời đúng phần lớn câu hỏi nhưng liên tục bỏ sót một khái niệm.

Một hệ thống truyền thống có thể chỉ trả về:

7/10

Nova Learn có thể biến chính lỗi đó thành một mục tiêu luyện tập.

Hệ thống tạo quiz dựa trên khoảng trống kiến thức vừa được phát hiện, thay vì lấy ngẫu nhiên một câu hỏi từ ngân hàng đề có sẵn.

Điều này thay đổi mục tiêu của hệ thống.

Không còn là:

“Học sinh được bao nhiêu điểm?”

Mà trở thành:

“Sau bài kiểm tra này, học sinh nên học gì tiếp theo?”

Quiz không phải là phần cuối của feedback loop

Một câu hỏi trắc nghiệm có thể cho biết học sinh đã chọn đúng hay sai.

Nhưng nó chưa chắc giúp học sinh hiểu tại sao.

Vì vậy, Nova Learn tạo thêm worked solution cho những nội dung học sinh chưa nắm được.

Chúng tôi sử dụng cấu trúc:

Nguyên nhân → Quá trình → Kết quả

Ví dụ, thay vì chỉ đưa cho học sinh một đáp án mẫu về một quá trình sinh học, hệ thống hướng học sinh đi qua từng bước:

• enzyme nào tham gia;
• quá trình nào xảy ra;
• điều gì thay đổi;
• và kết quả cuối cùng là gì.

Mục tiêu không phải để học sinh có thêm một câu trả lời để học thuộc.

Mục tiêu là giúp các em xây dựng lại cách suy luận dẫn đến câu trả lời đó.

Một hệ thống, ba ngôn ngữ

Một bài toán khác xuất hiện khi chúng tôi đưa hệ thống vào môi trường trường học thực tế.

Ngôn ngữ không phải lúc nào cũng cố định.

Một trường có thể dạy một môn bằng tiếng Việt, một môn khác bằng tiếng Anh, hoặc có những lớp sử dụng tiếng Trung.

Nếu chỉ dịch giao diện, bài toán vẫn chưa được giải quyết.

Ngôn ngữ cần được giữ nhất quán xuyên suốt workflow:

Bài làm
   ↓
OCR
   ↓
Grading
   ↓
Feedback
   ↓
Quiz
   ↓
Worked solution

Nova Learn hiện hỗ trợ tiếng Việt, tiếng Anh và tiếng Trung trong giao diện, nội dung quiz và hướng dẫn giải.

Điều quan trọng không phải là “hỗ trợ ba ngôn ngữ”.

Điều quan trọng là ngôn ngữ của quá trình học không bị đứt gãy giữa các bước.

Điều chúng tôi học được khi xây dựng hệ thống

Xây dựng AI cho giáo dục nhanh chóng cho chúng tôi thấy một điều:

AI accuracy không phải lúc nào cũng là metric quan trọng nhất.

Một hệ thống có thể rất tốt trên một benchmark nhưng vẫn khó sử dụng trong lớp học nếu giáo viên không hiểu nó đang làm gì.

Vì vậy, một số quyết định quan trọng nhất của Nova Learn không nằm ở model.

Chúng nằm ở product design:

• Chia grading theo rubric thay vì một điểm tổng.
• Cho phép giáo viên sửa vùng OCR.
• Không tự động công bố điểm khi chưa được xác nhận.
• Lưu lại các điểm yếu sau mỗi lần chấm.
• Dùng chính các điểm yếu đó để tạo nội dung luyện tập tiếp theo.

Mỗi quyết định đều hướng tới cùng một mục tiêu:

AI không thay thế giáo viên. AI loại bỏ phần công việc lặp lại để giáo viên có nhiều thời gian hơn cho việc dạy.

Từ một bài kiểm tra đến một vòng lặp học tập

Đó cũng là cách chúng tôi nhìn Nova Learn.

Không phải:

Student
   ↓
Test
   ↓
Score

Mà là:

Student
   ↓
Handwritten answer
   ↓
AI grading
   ↓
Teacher review
   ↓
Learning gaps
   ↓
Personalized quiz
   ↓
Worked solution
   ↓
Practice
   ↓
Next assessment

Một bài kiểm tra vì thế không còn là điểm kết thúc.

Nó trở thành dữ liệu đầu vào cho vòng lặp học tập tiếp theo.

Và đó là phần chúng tôi tin rằng AI có thể tạo ra giá trị thực sự trong giáo dục: không chỉ chấm nhanh hơn, mà giúp biến mỗi lần làm bài thành một cơ hội để hiểu học sinh đang ở đâu và nên đi đâu tiếp theo.