Bản đồ gồm những gì

Các mối nối

Bài học cần học trước Bài học Bài học có Năng lực Ô tick chứng minh Năng lực (ô đúng) Ô tick bác bỏ Năng lực (ô sai) Ô tick thể hiện Ngộ nhận Câu hỏi gồm Ô tick

Bản đồ này dùng để làm gì

Việc 1 — quyết định gom bài nào với bài nào vào một câu hỏi. Đây là việc quan trọng nhất. Gom sai thì một câu trả lời sai sẽ phủ nhận oan những kiến thức không liên quan.

Hệ thống dùng mối nối "cần học trước" và cách chia chặng để tự kiểm: hai bài chỉ được gom khi chúng cùng chặng, hoặc cách nhau tối đa một bước trong mạng lưới. Kết quả là trong 1.225 cặp bài có thể ghép, chỉ 181 cặp được phép.

Luật này chạy tự động mỗi khi nạp nội dung. Người soạn không thể vô tình ghép bừa.

Việc 2 — bảo đảm không bài nào bị bỏ quên. Bản đồ bắt buộc mỗi bài trong lộ trình phải hoặc có năng lực để kiểm, hoặc được ghi rõ lý do vì sao không kiểm được. Không bài nào được rơi vào khoảng giữa mà không ai biết.

Việc 3 — bảo đảm mỗi năng lực đều đo được thật. Mỗi năng lực xuất hiện trong một câu hỏi phải có cả ô đúng lẫn ô sai. Thiếu một trong hai thì hệ thống từ chối nạp, vì khi đó "chọn hết" hoặc "không chọn gì" sẽ thành chiến thuật thắng.

Bản đồ được lưu dưới dạng ba tệp dữ liệu có kiểm tra tự động, không cần cơ sở dữ liệu đồ thị chuyên dụng — với quy mô này thì như vậy là đủ và dễ rà soát hơn.

Bài kiểm tra đầu vào — xác định trình độ trước khi tạo lộ trình

Đây là bước quyết định lộ trình của mỗi người khác nhau ra sao.

Vì sao cần

Sau khi đọc CV, hệ thống chỉ biết "người này có thể đã biết những gì". Bài kiểm tra biến phỏng đoán đó thành kết luận có căn cứ. Không có bước này thì hoặc phải tin CV (dễ đánh dấu nhầm), hoặc bắt học lại từ đầu (lãng phí).

Cách hoạt động

Chỉ hỏi những gì đang cần xác minh. Người có CV chứng minh được 2 nhóm kỹ năng nhận khoảng 6 câu; người 4 nhóm nhận 12–15 câu. Người chưa có gì trong CV thì không phải làm câu nào — lộ trình sinh ra ngay với đủ các bài chưa đánh dấu.

Một câu hỏi kiểm 3–5 bài. Mỗi câu là một tình huống công việc thật, không phải câu hỏi lý thuyết:

"Một API tạo đơn hàng bị gọi lại sau khi mạng lỗi và chậm dần khi nhiều người dùng cùng lúc. Chọn tất cả những việc bạn sẽ làm."

Nhờ vậy người dùng làm 6–9 câu thay vì vài chục, mất khoảng 15–20 phút.

Các ô đi thành cặp đúng–sai. Mỗi năng lực có ít nhất một ô đúng và một ô sai, và số ô đúng gần bằng số ô sai. Điều này làm chiến thuật "tick hết trừ cái nghe có vẻ tệ" trở nên vô dụng.

Ô sai dựa trên hiểu sai có thật. Không dùng đáp án nhiễu phi lý kiểu "dùng NumPy để định nghĩa dữ liệu đầu vào" — ai cũng loại được mà không cần biết chuyên môn. Ô sai phải là điều mà người thực sự hiểu sai sẽ chọn.

Chấm từng năng lực, không chấm cả gói. Đây là điểm kỹ thuật quan trọng nhất. Một ô tick sai chỉ đánh hỏng đúng năng lực mà ô đó nói tới:

(Cùng một người, cùng một câu trả lời — chỉ sai phần đánh chỉ mục cơ sở dữ liệu.)

Một bài chỉ được đánh dấu đã biết khi trả lời đúng mọi năng lực bắt buộc của nó. Bài rộng như "Python" cần 3 năng lực; bài hẹp cần 1–2. Vì vậy xác suất tick bừa mà vẫn được đánh dấu là 1,6% với bài rộng và 6,25% với bài thường.

Làm bao nhiêu tuỳ ý. Người dùng bấm "Kết thúc đánh giá" bất cứ lúc nào; những câu chưa làm được ghi là chưa làm và các bài liên quan nằm trong phần cần học. Bài kiểm tra là đường tắt tuỳ chọn, không phải cổng bắt buộc để có lộ trình.

Những nguyên tắc an toàn

Mô hình ngôn ngữ chỉ được đề xuất, không được quyết. Khi chấm CV, mô hình đưa ra đề xuất kèm câu trích. Một bộ luật viết sẵn trên máy chủ rà lại từng đề xuất và chỉ có quyền hạ điểm, không bao giờ được nâng. Câu trích không khớp đúng từng chữ với CV thì bị loại. Lúc người dùng đang làm bài, hệ thống hoàn toàn không gọi mô hình ngôn ngữ — câu hỏi soạn sẵn, chấm bằng luật cố định.

Không chắc thì cho vào phần phải học. Trả lời sai, làm dở, hay chưa có câu hỏi phù hợp đều dẫn tới "cần học". Học thừa một bài thì mất thời gian; bỏ qua nhầm một bài nền tảng thì hỏng cả phần sau.

Mọi kết luận đều giải thích được. Với mỗi bài được đánh dấu đã biết, hệ thống lưu lại đầy đủ: câu hỏi nào, ô nào, năng lực nào, phiên bản nội dung nào.

Nội dung không sửa lén được. Mỗi tệp nội dung mang một mã sinh từ chính nội dung của nó. Đổi một chữ là mã đổi, và hệ thống biết bản đã duyệt không còn khớp.

Tính khả thi

Sản phẩm chạy được đầu-cuối trên nền web, không cần cài gì: nộp CV, xem kết quả chấm, xác nhận, làm bài, nhận lộ trình.

Dữ liệu đã có thật, không phải mô phỏng. Hệ thống hiện phủ 6 nghề trong ngành AI, ở các mức hoàn thiện khác nhau:

Ba nghề đầu đã mở cho người dùng chọn. Ba nghề còn lại đã có phần lớn nội dung; việc mở thêm là hoàn tất dữ liệu chứ không phải xây lại hệ thống — đây chính là điểm chứng minh kiến trúc tách được cơ chế khỏi nội dung.

Bộ tiêu chí chấm CV đã viết cho 7 nghề, phủ hết cả 6 nghề trên.

Phần đo lường chất lượng cũng đã dựng sẵn: trước khi cho phép hệ thống tự quyết định thật, phải có ít nhất 200 kết luận "đã biết" được chuyên gia chấm lại, và tỉ lệ đánh dấu nhầm phải dưới 5%. Đây là điều kiện bắt buộc, không phải mục tiêu phấn đấu.

Hướng phát triển

Hướng phát triển của Orbitra dựa trên một điều: càng nhiều người dùng thì lộ trình càng chính xác, vì mỗi người dùng để lại hai loại tín hiệu mà hệ thống học được.

1. Người dùng sửa lộ trình, số đông chỉnh lại lộ trình chuẩn

Hiện lộ trình chuẩn của mỗi nghề do dữ liệu tuyển dụng quyết định. Bước tiếp theo là cho người dùng tự sửa lộ trình của mình: thêm bài họ thấy thiếu, bỏ bài họ thấy không cần, đổi thứ tự học.

Từng chỉnh sửa lẻ chỉ ảnh hưởng người đó. Nhưng khi gom lại trên nhiều người, chúng thành tín hiệu để sửa lộ trình chuẩn:

• Nếu 70% người học nghề Data Engineer đều tự thêm một bài chưa có trong lộ trình, đó là dấu hiệu tin tuyển dụng chưa nói hết nhu cầu thật, và bài đó nên được đưa vào.
• Nếu phần lớn người dùng bỏ qua một bài và vẫn học tiếp bình thường, bài đó nên xuống mức không bắt buộc.
• Nếu nhiều người đổi thứ tự hai bài giống nhau, thứ tự chuẩn đang sai.

Cách này lấy kinh nghiệm thật của người trong nghề để bổ khuyết cho dữ liệu tuyển dụng — tin tuyển dụng nói nhà tuyển dụng muốn gì, còn người học nói thực tế cần gì để làm được việc.

2. Kết quả đúng/sai xác định độ khó thật của từng câu hỏi

Hiện độ khó của câu hỏi do người soạn tự đánh giá. Khi đã có đủ lượt trả lời, hệ thống đo được độ khó thật từ dữ liệu:

• Câu quá dễ — gần như ai cũng trả lời đúng — không phân biệt được người biết và người không biết, nên bỏ đi mà không mất gì.
• Câu quá khó — gần như ai cũng sai — cũng không phân biệt được, và thường là do câu hỏi viết mơ hồ chứ không phải kiến thức khó.
• Câu phân biệt tốt — người giỏi trả lời đúng, người yếu trả lời sai — là câu đáng giữ và nên hỏi trước.

Đo được điều này thì bài kiểm tra ngắn lại mà vẫn chính xác như cũ: hỏi câu phân biệt tốt trước, và dừng sớm khi đã đủ căn cứ kết luận. Toàn bộ dữ liệu thô cần cho việc này — câu nào đã phát cho ai, họ chọn ô nào, mất bao lâu — đã được ghi lại từ bây giờ, nên khi đủ số lượng là dùng được ngay, không phải làm lại từ đầu.

3. Mở thêm nghề nhanh hơn theo thời gian

Hai cơ chế trên cộng lại làm việc mở nghề mới rẻ dần. Nghề đầu tiên phải soạn nội dung kiểm tra từ đầu. Nhưng nhiều kỹ năng dùng chung giữa các nghề — Python, Docker, SQL, FastAPI — nên câu hỏi đã kiểm định cho nghề này dùng lại được cho nghề khác. Điều này đã thấy được trong dữ liệu hiện có: kho quiz của Computer Vision và của AI Agent Engineer đều có bài Docker và FastAPI.

Đích cuối: phủ hết các nghề AI đang tuyển ở Việt Nam, và lộ trình mỗi nghề tự cập nhật theo cả hai nguồn — tin tuyển dụng mới và hành vi của người đang học.