1. Bài Toán Vấn đề thực tế Giáo viên Tiếng Anh (EFL) chấm bài tự luận thủ công gặp 3 vấn đề lớn:

Tốn thời gian: Mỗi bài mất 15-30 phút đọc, đánh giá theo rubric, viết phản hồi. Với 50 học sinh/lớp × 3-4 lớp = 150-200 bài → mất hàng tuần. Thiếu nhất quán: Mỗi giáo viên có tiêu chí đánh giá khác nhau, cùng một bài có thể được chấm 3.5 hoặc 4.5 tùy người. Thiếu chi tiết: Giáo viên thường chỉ ghi điểm tổng + nhận xét chung, không highlight từng lỗi cụ thể (grammar, vocabulary, coherence) và đề xuất cách sửa. Đối tượng sử dụng Giáo viên Tiếng Anh THPT/đại học tại Việt Nam Tổ chức giáo dục (trung tâm tiếng Anh, trường đại học) Dữ liệu huấn luyện/đánh giá Dataset DREsS (Dataset for Rubric-based Essay Scoring) — bài tự luận EFL với điểm rubric 3 tiêu chí: Content, Organization, Language (thang 1-5)

2. Giải Pháp Kỹ Thuật Kiến trúc Multi-Agent Pipeline Thay vì 1 LLM chấm bài (dễ sai, không ổn định), RubricAI dùng 4 agent chạy song song + tuần tự:

Phase 1 (song song): ├── Ensemble Scorer — 3 lần chấm → median + variance + confidence ├── Issue Detector — tìm lỗi cụ thể với quote chính xác └── Feedback Generator — strengths/weaknesses/suggestions

Phase 2 (có điều kiện): └── Truth Agent — hiệu chuẩn khi confidence thấp (std > 0.5) Tại sao dùng Ensemble (3 lần chấm)? LLM không deterministic — cùng một prompt có thể trả 3.5 hoặc 4.0. Ensemble chạy 3 lần, lấy median thay vì trung bình, giảm ảnh hưởng của outlier. Nếu 3 lần chấm lệch nhau nhiều (std > 0.5) → kích hoạt Truth Agent để review lại. Human-in-the-loop AI chỉ gợi ý điểm — giáo viên review, điều chỉnh, approve trước khi lưu cuối. Điểm AI không bao giờ tự động lưu mà không có sự đồng ý của giáo viên. 3. Tính Khả Thi Đã thực hiện được các tính năng:

Chấm bài 3 tiêu chí (Content, Organization, Language Ensemble scoring (3 runs + median + variance) Truth Agent calibration Issue detection với highlight essay Feedback generation (strengths/weaknesses/suggestions) Streaming grading (SSE) SaaS billing (Free/Lite/Pro) VietQR payment + auto-confirm Multi-language UI (EN/VN) Admin dashboard + audit log

Hạn chế: SQLite single-file Chưa có real-time collab Chưa thử nghiệm fine-tuning

4. Hướng Phát Triển Ngắn hạn (1-3 tháng) Fine-tune scorer model trên dataset DREsS → tăng accuracy, giảm variance → ít trigger Truth Agent hơn PostgreSQL migration — thay SQLite để hỗ trợ concurrent users Bank webhook integration (SePay/MBBank Business API) — verify payment tự động thay vì dựa screenshot

Trung hạn (3-6 tháng) Custom rubric — cho phép giáo viên tự define rubric criteria thay vì cố định 3 tiêu chí Batch grading — upload nhiều bài cùng lúc, chấm song song Student portal — học sinh xem kết quả chấm, feedback, và lịch sử tiến bộ API public — cho phép tích hợp vào LMS Dài hạn (6-12 tháng) Multi-language — mở rộng sang tiếng Việt, tiếng Trung, tiếng Nhật Multi-subject — mở rộng sang chấm bài luận xã hội, khoa học Mobile app — giáo viên chấm bài trên điện thoại Analytics nâng cao — phân tích xu hướng học sinh theo thời gian, dự báo điểm cuối kỳ