Bài toán

Giáo viên Toán THCS/THPT thường mất nhiều thời gian để chấm bài tự luận, đặc biệt với lớp đông 40–50 học sinh, bài làm viết tay, công thức toán học, hình vẽ, đồ thị và nhiều bước lập luận trung gian. Ngoài việc cho điểm, giáo viên còn phải giải thích học sinh sai ở đâu, tổng hợp lỗi phổ biến của cả lớp và quyết định nên dạy lại nội dung nào.

Các công cụ AI tổng quát có thể hỗ trợ giải bài, nhưng chưa đủ phù hợp với quy trình chấm bài thật: cần bám sát rubric đã xác nhận, cần evidence rõ ràng trên bài làm, cần giáo viên duyệt trước khi công bố điểm, và cần biến dữ liệu sau chấm thành hành động sư phạm cụ thể.

Giải pháp

GradeMind giúp giáo viên số hóa và chấm bài Toán tự luận theo quy trình teacher-in-the-loop:

Giáo viên tạo bài kiểm tra, nhập hoặc tải lên rubric/đề thi/đáp án. Học sinh nộp bài dưới dạng ảnh, PDF hoặc file tài liệu. AI OCR đọc chữ viết tay, công thức và vùng bằng chứng trên bài làm. AI đối chiếu bài làm với rubric để gợi ý điểm từng bước, lỗi sai, mức độ tự tin và phản hồi cá nhân hóa. Giáo viên xem lại, chỉnh sửa và duyệt kết quả trước khi publish. Sau khi chấm, hệ thống tổng hợp lỗi phổ biến của cả lớp và sinh AI Teaching Plan — kế hoạch dạy bù theo từng cụm lỗi.

Điểm khác biệt của GradeMind không chỉ nằm ở việc “chấm nhanh”, mà ở phần sau khi chấm: biến bài làm thật của học sinh thành dữ liệu lỗi có cấu trúc, giúp giáo viên hiểu cả lớp đang yếu ở đâu và có ngay kế hoạch can thiệp.

Giải pháp kỹ thuật

GradeMind sử dụng pipeline AI gồm nhiều lớp:

OCR & layout extraction: đọc bài làm viết tay, công thức, bố cục và vùng bằng chứng trên ảnh/PDF. Rubric-based grading: AI chấm theo từng tiêu chí rubric đã được giáo viên xác nhận, không tự tạo tiêu chí mới. Explainable AI: mỗi điểm/lỗi/phản hồi được liên kết với đoạn bài làm hoặc vùng bằng chứng tương ứng, giúp giáo viên kiểm tra vì sao AI đề xuất điểm đó. Confidence routing: bài làm hoặc tiêu chí có độ tin cậy thấp được đưa vào hàng đợi giáo viên xem lại, thay vì tự động chấm liều. Teacher approval workflow: AI chỉ đề xuất; giáo viên là người duyệt cuối trước khi học sinh thấy kết quả. Class error analytics: tổng hợp lỗi phổ biến theo lớp, theo rubric step và error type. AI Teaching Plan: sinh kế hoạch dạy bù từ dữ liệu lỗi thật của lớp, có hoạt động đề xuất và exit ticket để kiểm tra nhanh.

Tính khả thi

MVP tập trung vào một phạm vi rõ ràng: chấm bài tự luận môn Toán THCS/THPT, theo rubric, có giáo viên duyệt và có phân tích lỗi sau chấm. Sản phẩm không cố gắng thay thế hoàn toàn giáo viên, mà đóng vai trò trợ lý giúp giảm thời gian chấm, tăng chất lượng phản hồi và hỗ trợ ra quyết định dạy lại.

Kiến trúc hiện tại có thể triển khai theo từng bước: bắt đầu từ upload bài, OCR, chấm theo rubric, review workspace, publish kết quả, sau đó mở rộng sang phân tích lỗi lớp và AI Teaching Plan. Các tình huống rủi ro như OCR kém, evidence yếu hoặc AI không chắc đều được đưa vào luồng “Needs Review” để đảm bảo tính an toàn.