Feature Specifications

Đặc tả chi tiết các tính năng sản phẩm phân loại theo mức độ ưu tiên P0, P1, P2

---

1. Product Modules Directory

Click to view detailed specifications & content

Sản phẩm được chia thành sáu module nghiệp vụ chính và bốn module hỗ trợ kỹ thuật:

Các Module nghiệp vụ chính:

1. Learner Evidence Module: Thu thập, làm sạch và chuẩn hóa các sự kiện học tập (kết quả quiz, tương tác).
2. Learner Model Module: Lưu trữ và cập nhật trạng thái năng lực, độ tin cậy và tiến trình của từng học viên.
3. Recommendation Engine: Động cơ lọc, xếp hạng và đề xuất bài học thích ứng từ thư viện học liệu đã duyệt.
4. Teacher Experience: Giao diện Dashboard cho giáo viên tình nguyện giám sát lớp học và thực hiện ghi đè.
5. AI Content Studio: Giao diện cho phép tạo yêu cầu và sử dụng AI sinh bản nháp học liệu tiếng Việt.
6. Content Review & Publishing: Quản lý quy trình trạng thái phê duyệt học liệu của con người trước khi xuất bản.

Các Module hỗ trợ kỹ thuật:

7. Curriculum & Skill Management: Cấu trúc bản đồ kỹ năng (Skill Map), chỉ báo (indicators) và điều kiện tiên quyết.
8. Product Analytics & Reporting: Đo lường hiệu suất cá nhân hóa và năng suất tạo học liệu của AI.
9. Administration & Audit: Quản lý tài khoản, phân quyền (RBAC) và ghi nhận nhật ký hệ thống (Audit Logs).
10. AI Usage & Cost Monitoring: Theo dõi số lượng token tiêu thụ và chi phí API AI theo thời gian thực.

---

2. Feature Prioritization Matrix

Click to view detailed specifications & content

Sản phẩm áp dụng ma trận độ ưu tiên tính năng theo mô hình phân loại:

• P0 — Bắt buộc phải có (Hackathon MVP): Yêu cầu cốt lõi để chạy được luồng nghiệp vụ khép kín hoàn chỉnh.
• P1 — Nên có nếu đủ thời gian (Pilot Enhancements): Các tính năng tối ưu trải nghiệm và quản lý nâng cao.
• P2 — Giai đoạn sau (Post-Pilot): Các tính năng mở rộng quy mô và tích hợp sâu.

2.1. Phân bổ tính năng theo độ ưu tiên

Module	Mã tính năng	Mô tả tính năng	Độ ưu tiên
Learner Evidence	FR-EVD-001	Ghi nhận kết quả làm bài Quiz	P0
	FR-EVD-002	Chuẩn hóa bằng chứng học tập (Evidence Generation)	P0
	FR-EVD-003	Xử lý dữ liệu không sạch (làm dở, nộp trùng, anomal)	P0
Learner Model	FR-LM-001	Hồ sơ và trạng thái năng lực theo từng chỉ báo	P0
	FR-LM-002	Phân biệt mức độ tin cậy (Confidence score)	P0
	FR-LM-003	Biểu diễn tốc độ học tập (Learning Pace)	P1
	FR-LM-004	Nhật ký lịch sử thay đổi năng lực học sinh	P1
Recommendation	FR-REC-001	Lọc ứng viên học liệu (chỉ lấy Published Content)	P0
	FR-REC-002	Xếp hạng và lựa chọn học liệu tối ưu	P0
	FR-REC-003	Đề xuất thích ứng cho 3 nhóm học sinh mẫu	P0
	FR-REC-004	Ghi log chi tiết đề xuất và phương án thay thế	P0
	FR-REC-005	Lý giải đề xuất cho giáo viên và học sinh	P0
	FR-REC-006	Giáo viên ghi đè (Override) đề xuất	P0
	FR-REC-007	Xử lý khi thiếu dữ liệu (Cold Start)	P0
	FR-REC-008	Phát hiện thiếu học liệu (Content Gap Alert)	P0
Student UX	FR-STU-001	Giao diện "Hoạt động tiếp theo" (Next Recommended Card)	P0
	FR-STU-002	Thực hiện hoạt động và xem kết quả	P0
	FR-STU-003	Ngôn ngữ nhân văn khích lệ, không dán nhãn tiêu cực	P0
	FR-STU-004	Văn phong tiếng Việt tự nhiên cho K-12	P0
Teacher UX	FR-TCH-001	Dashboard tổng quan lớp học	P0
	FR-TCH-002	Bảng danh sách 20 học viên lớp học	P0
	FR-TCH-003	Chi tiết hồ sơ học viên & Nhật ký đề xuất	P0
	FR-TCH-004	Bộ lọc thông minh học sinh	P1
AI Content Studio	FR-CNT-001	Form tạo yêu cầu học liệu có cấu trúc	P0
	FR-CNT-002	AI sinh đề cương bài giảng và quiz trắc nghiệm thô	P0
	FR-CNT-003	Trình soạn thảo bản thảo chi tiết (Draft Editor)	P0
	FR-CNT-004	So sánh thời gian và năng suất (Before/After Time)	P0
	FR-CNT-005	Soạn thảo lại riêng lẻ từng phần (Regenerate Section)	P1
	FR-CNT-006	AI biến đổi nội dung theo 3 mức khó	P1
Quality Checks	FR-QA-001	Tự động kiểm tra tính đầy đủ của cấu trúc	P0
	FR-QA-002	Tự động kiểm tra tính chính xác của đáp án & giải thích	P0
	FR-QA-003	Tự động kiểm tra độ tuổi & an toàn nội dung	P0
	FR-QA-004	Tự động kiểm tra sự tương thích kỹ năng (Alignment)	P0
	FR-QA-005	Bảng đánh giá chất lượng tự động (Quality Scorecard)	P1
Review & Publish	FR-REV-001	Quản lý vòng đời trạng thái nội dung (Draft ➔ Publish)	P0
	FR-REV-002	Giao diện duyệt bài giảng và checklist của Reviewer	P0
	FR-REV-003	Các hành động duyệt: Approve, Reject, Request Revision	P0
	FR-REV-004	Chốt chặn kỹ thuật: Chặn tự động xuất bản	P0
	FR-REV-005	Quản lý lịch sử phiên bản học liệu (Content Versions)	P0
	FR-REV-006	Thu hồi học liệu đã xuất bản (Unpublish)	P1
Content Library	FR-LIB-001	Quản lý kho học liệu tập trung	P0
	FR-LIB-002	Quản lý đầy đủ metadata bắt buộc	P0
	FR-LIB-003	Tìm kiếm và lọc nâng cao	P1
	FR-LIB-004	Danh sách các khoảng trống học liệu (Content Gap List)	P1
Analytics	FR-ANA-001	Đo lường hiệu suất cá nhân hóa và chi phí AI	P0
	FR-ANA-002	Đo lường hiệu suất sản xuất nội dung của AI	P0
	FR-ANA-003	Báo cáo tiến bộ học tập trong Pilot	P1

---

3. Detailed Specifications - Learner Evidence (FR-EVD)

Click to view detailed specifications & content

FR-EVD-001 — Quiz submission

• Mô tả: Ghi nhận và lưu giữ thông tin chi tiết của mỗi lượt nộp bài quiz trắc nghiệm từ học sinh.
• Các trường dữ liệu bắt buộc: Student_ID, Quiz_ID, Question_ID, Option_Selected, Is_Correct, Score_Awarded, Attempt_Number, Time_Spent_Seconds, Submitted_At.
• Tiêu chí nghiệm thu (Acceptance Criteria):
  • Lưu thành công bản ghi nộp bài hợp lệ vào cơ sở dữ liệu.
  • Hệ thống phát hiện và không tính điểm trùng lặp cho các sự kiện nộp bài bị gửi nhiều lần do mạng chập chờn.
  • Nếu học sinh chưa hoàn tất bài quiz nhưng đóng trình duyệt, hệ thống lưu bản ghi là Incomplete và ghi nhận điểm số của những câu đã làm.

FR-EVD-002 — Evidence normalization

• Mô tả: Hệ thống tự động chuyển đổi các dữ liệu nộp bài thô thành các bản ghi bằng chứng học tập (Evidence Records) có cấu trúc chuẩn hóa để cập nhật cho Learner Model.
• Định dạng cấu trúc bằng chứng:
  • Evidence_ID (UUID)
  • Student_ID
  • Indicator_Code (Mã chỉ báo kỹ năng liên kết)
  • Result (Đúng/Sai hoặc điểm số chuẩn hóa từ 0.0 đến 1.0)
  • Timestamp (Thời điểm làm bài)
  • Source (Tên quiz hoặc nguồn đánh giá)
  • Quality_Weight (Trọng số tin cậy của bằng chứng)
• Tiêu chí nghiệm thu: Mọi sự kiện làm bài quiz đều tự động tạo ra bản ghi Evidence tương ứng gắn đúng với Indicator Code.

FR-EVD-003 — Dirty data handling

• Mô tả: Xử lý và làm sạch các dữ liệu lỗi hoặc bất thường trước khi nạp vào Learner Model.
• Luật xử lý dữ liệu bẩn:
  • Thiếu đáp án: Coi như câu hỏi đó trả lời sai, không làm lỗi hệ thống.
  • Mất liên kết kỹ năng (Missing mapping): Lưu bằng chứng vào danh mục cảnh báo Unmapped_Evidence và không cập nhật điểm Mastery cho học viên để tránh sai lệch dữ liệu.
  • Thời gian làm bài bất thường (Anomaly): Nếu thời gian làm câu hỏi ít hơn 1.5 giây (nghi ngờ đoán mò), hệ thống tự động giảm trọng số tin cậy (Quality_Weight) của bằng chứng này xuống còn 0.2.

---

4. Detailed Specifications - Learner Model (FR-LM)

Click to view detailed specifications & content

FR-LM-001 — Learner state per indicator

• Mô tả: Hệ thống duy trì hồ sơ năng lực của học viên theo từng chỉ báo năng lực (indicator).
• Các trường thông tin bắt buộc:
  • Student_ID, Indicator_Code
  • Mastery_Estimate (Giá trị số từ 0.0 đến 1.0 đại diện mức độ thành thạo)
  • Confidence_Score (Giá trị số từ 0.0 đến 1.0 đại diện mức độ chắc chắn của dữ liệu)
  • Evidence_Count (Số lượng bằng chứng thu thập được)
  • Recent_Performance (Mảng lưu kết quả 5 câu gần nhất)
  • Last_Updated_Timestamp
  • Proficiency_Status (Nhãn phân loại: No data, Emerging, Developing, Proficient, Advanced)
• Tiêu chí nghiệm thu: Điểm Mastery và Confidence tự động cập nhật ngay sau khi có bản ghi Evidence mới được tạo ra.

FR-LM-002 — Confidence representation

• Mô tả: Định nghĩa rõ ràng mức độ chắc chắn của hệ thống về năng lực học sinh để hiển thị cho giáo viên:
  • Chưa có dữ liệu (No Data): Khi Evidence_Count = 0.
  • Tin cậy thấp (Low Confidence): Khi Evidence_Count < 3 hoặc Confidence_Score < 0.4.
  • Tin cậy trung bình (Medium Confidence): Khi Evidence_Count từ 3-5 và Confidence_Score đạt từ 0.4 đến 0.7.
  • Tin cậy cao (High Confidence): Khi Evidence_Count > 5 và Confidence_Score > 0.7.
• Tiêu chí nghiệm thu: Màn hình giáo viên hiển thị chính xác các nhãn tin cậy dựa trên các ngưỡng số liệu trên.

FR-LM-003 — P1 (Learning pace)

• Mô tả: Tính toán và đánh giá tốc độ học tập tương đối của học viên dựa trên thời gian hoàn thành các bài học so với tiến độ trung bình của lớp.
• Các nhãn tốc độ: Chậm hơn tiến độ (Below Pace), Đúng tiến độ (On Track), Nhanh hơn tiến độ (Ahead of Pace).

FR-LM-004 — P1 (Update history)

• Mô tả: Bảng lưu lịch sử biến động điểm Mastery của từng học sinh để vẽ biểu đồ tiến trình. Mỗi bản ghi lưu: History_ID, Student_ID, Indicator_Code, Old_Mastery, New_Mastery, Trigger_Evidence_ID, Timestamp.

---

5. Detailed Specifications - Recommendation Engine (FR-REC)

Click to view detailed specifications & content

FR-REC-001 — Candidate filtering

• Mô tả: Hệ thống thực hiện lọc bỏ tất cả các học liệu không đủ điều kiện trước khi đưa vào danh sách xếp hạng đề xuất cho học viên.
• Luật loại trừ bắt buộc:
  • Loại bỏ học liệu có trạng thái khác Published.
  • Loại bỏ học liệu không thuộc khóa học (Course ID) hiện tại của học viên.
  • Loại bỏ học liệu có độ tuổi nằm ngoài cấu hình tuổi của lớp học.
  • Loại bỏ học liệu mà học viên đã làm và đạt điểm tuyệt đối trước đó (nếu là dạng quiz không được làm lại).
  • Loại bỏ học liệu có điều kiện tiên quyết (Prerequisite Content) chưa được học viên hoàn thành.
• Tiêu chí nghiệm thu: Động cơ đề xuất tuyệt đối không chọn các học liệu thô do AI sinh ra hoặc các bài học đã bị thu hồi (Unpublished).

FR-REC-002 — Ranking

• Mô tả: Xếp hạng các học liệu đủ điều kiện để tìm ra hoạt động phù hợp nhất.
• Trọng số xếp hạng dựa trên:
  • Mức độ khớp giữa độ khó của học liệu (Difficulty) và trình độ năng lực hiện tại của học viên (Mastery_Estimate).
  • Mức độ khẩn cấp của khoảng trống kiến thức (các chỉ báo có Mastery thấp nhất được ưu tiên xếp hạng cao).
  • Mục tiêu kiến thức của bài học hiện tại (chọn các học liệu phục vụ bài học đang diễn ra).
• Tiêu chí nghiệm thu: Thuật toán trả về danh sách xếp hạng có thứ tự từ cao xuống thấp và lựa chọn ứng viên đứng đầu để đề xuất.

FR-REC-003 — P0 - Demo Cases (Personalized recommendations)

• Mô tả: Trong buổi demo Hackathon, động cơ đề xuất phải chứng minh đưa ra 3 loại đề xuất cá nhân hóa thích ứng khác nhau dựa trên learner state của 3 nhóm học sinh giả định:
  1. Học sinh hổng kiến thức nền (Foundation Gap Case): Hệ thống phát hiện Mastery của kỹ năng tiên quyết dưới ngưỡng đạt ➔ Đề xuất bài ôn tập/bài giảng cơ bản của kỹ năng cũ.
  2. Học sinh học bình thường (Standard Path Case): Hệ thống phát hiện Mastery kỹ năng hiện tại đạt mức trung bình ➔ Đề xuất bài tập thực hành đúng tầm để lấp learning gap.
  3. Học sinh xuất sắc (Advanced Extension Case): Hệ thống phát hiện Mastery đã vượt ngưỡng 0.8 ➔ Đề xuất bài tập thử thách nâng cao (Advanced Challenge).

FR-REC-004 — Recommendation log

• Mô tả: Ghi nhật ký chi tiết cho mỗi quyết định đề xuất để phục vụ kiểm toán và sửa lỗi.
• Các trường thông tin: Rec_ID, Student_ID, Timestamp, Input_Learner_State (JSON), Selected_Item_ID, Reason_Code, Confidence_Score, Alternatives_Considered (danh sách ID bị loại kèm mã lý do), Algorithm_Version.
• Tiêu chí nghiệm thu: Mỗi lượt đề xuất thành công tạo ra 1 bản ghi log chi tiết trong cơ sở dữ liệu.

FR-REC-005 — Recommendation explanation

• Mô tả: Tạo phần giải thích dễ hiểu lý do đề xuất dành cho giáo viên và học sinh.
• Tiêu chí nội dung:
  • Dành cho Giáo viên (Technical Explanation): Chỉ rõ chỉ báo năng lực mục tiêu, điểm Mastery hiện tại của học sinh và lý do sư phạm (ví dụ: "Đề xuất bài đọc X vì điểm chỉ báo Y của học sinh hiện là 0.35, cần củng cố lại lý thuyết cơ bản").
  • Dành cho Học viên (Student-friendly Explanation): Lời nhắn động viên bằng tiếng Việt: "Bài tập này sẽ giúp em luyện thêm kỹ năng sử dụng vòng lặp For thật điêu luyện nhé!".
• Tiêu chí nghiệm thu: Giao diện hiển thị đúng phần giải thích tương ứng với vai trò đăng nhập.

FR-REC-006 — Teacher override

• Mô tả: Giao diện cho phép giáo viên can thiệp ghi đè đề xuất tự động của AI.
• Tiêu chí nghiệp vụ:
  • Giáo viên có thể bấm "Thay đổi hoạt động", chọn một học liệu khác từ thư viện đã duyệt.
  • Yêu cầu nhập lý do ghi đè (chọn lý do có sẵn hoặc tự nhập).
  • Có thể thiết lập thời hạn cho ghi đè (ví dụ: chỉ ghi đè 1 lần, hoặc ghi đè trong vòng 3 ngày).
• Tiêu chí nghiệm thu: Sau khi giáo viên xác nhận ghi đè, hệ thống lập tức thay đổi đề xuất hiển thị trên màn hình học sinh và ghi nhận cờ is_overridden: true vào log.

FR-REC-007 — Low-confidence fallback

• Mô tả: Khi hệ thống chưa đủ bằng chứng học tập (confidence score thấp):
  • Không đưa ra quyết định đề xuất các bài học quá khó hoặc quá dễ.
  • Tự động đề xuất bài kiểm tra chẩn đoán ngắn (Diagnostic activity) hoặc lộ trình học mặc định.
  • Hiển thị cảnh báo trực quan cho giáo viên trên dashboard.
• Tiêu chí nghiệm thu: Tránh các quyết định đề xuất có rủi ro cao khi thiếu dữ liệu làm bài.

FR-REC-008 — Content gap handling

• Mô tả: Nếu hệ thống xếp hạng không tìm được học liệu phù hợp trong thư viện:
  • Không để trống màn hình của học sinh, tự động đề xuất một bài fallback an toàn (bài học gần nhất).
  • Tự động ghi một bản ghi vào danh sách khoảng trống học liệu (Content_Gap_Log) để cảnh báo cho đội ngũ sản xuất nội dung.
• Tiêu chí nghiệm thu: Ngăn chặn tuyệt đối việc AI tự sinh bài giảng mới rồi gửi thẳng cho học sinh mà không có kiểm duyệt của Reviewer.

---

6. Detailed Specifications - Student Experience (FR-STU)

Click to view detailed specifications & content

FR-STU-001 — Student home

• Mô tả: Màn hình chính của học viên sau khi đăng nhập.
• Yêu cầu giao diện:
  • Vùng hiển thị nổi bật "Hoạt động dành riêng cho em" (Next Recommended Activity Card).
  • Hiển thị: Tiêu đề bài học, Mô tả ngắn, Lời giải thích khích lệ từ hệ thống, Thời gian làm bài dự kiến, Mức độ khó (dễ hiểu).
  • Nút "Bắt đầu làm bài" nổi bật để truy cập ngay lập tức.
  • Khu vực xem tiến trình cá nhân (My Progress) hiển thị biểu đồ trực quan, sinh động dạng bản đồ học tập.
• Tiêu chí nghiệm thu: Học viên có thể bắt đầu bài học được đề xuất chỉ trong 1 lần nhấp chuột.

FR-STU-002 — Activity completion

• Mô tả: Học viên tiến hành làm bài đọc hoặc quiz trắc nghiệm trên hệ thống.
• Yêu cầu giao diện:
  • Giao diện làm quiz sạch sẽ, trực quan, font chữ to dễ đọc, hỗ trợ học sinh K-12.
  • Hiển thị thanh tiến trình làm bài (ví dụ: Câu 2/5).
  • Sau khi bấm "Nộp bài", hiển thị trang kết quả (Scoreboard) vui vẻ, tích cực kèm theo giải thích chi tiết đáp án đúng/sai cho từng câu bằng tiếng Việt tự nhiên.
• Tiêu chí nghiệm thu: Ghi nhận và gửi kết quả làm bài thành công về Learner Evidence Module.

FR-STU-003 — Positive language

• Mô tả: Hệ thống sử dụng ngôn ngữ mang tính giáo dục tích cực, nhân văn. Tuyệt đối không sử dụng các từ ngữ tiêu cực hay dán nhãn phân loại học sinh học yếu, kém trên giao diện học viên.
• Tiêu chí nghiệm thu: Rà soát và loại bỏ các từ "yếu", "kém", "tệ" khỏi tất cả các bản dịch hiển thị phía học sinh.

FR-STU-004 — Vietnamese language

• Mô tả: Đảm bảo toàn bộ nội dung học liệu sinh ra bởi AI và giao diện học sinh được tối ưu hóa hiển thị tiếng Việt tự nhiên, chuẩn ngữ pháp, phù hợp với nhận thức của học sinh Việt Nam.

---

7. Detailed Specifications - Teacher Dashboard (FR-TCH)

Click to view detailed specifications & content

FR-TCH-001 — Class overview

• Mô tả: Màn hình trang chủ của giáo viên hiển thị số liệu thống kê tổng hợp nhanh về lớp học (quy mô 20 học sinh).
• Các chỉ số cần hiển thị:
  • Tổng số học sinh trong lớp.
  • Số học sinh đang online làm bài.
  • Số học sinh cần giáo viên hỗ trợ gấp (Mastery thấp và làm sai nhiều).
  • Số học sinh thiếu dữ liệu (Confidence score thấp).
  • Tỷ lệ chấp nhận đề xuất AI của cả lớp.
• Tiêu chí nghiệm thu: Số liệu thống kê cập nhật tự động khi có học sinh nộp bài hoặc khi giáo viên thực hiện ghi đè.

FR-TCH-002 — Student list

• Mô tả: Bảng danh sách 20 học viên trong lớp để theo dõi nhanh.
• Các cột thông tin: Tên học sinh, Kỹ năng đang học, Điểm Mastery ước lượng, Mức độ tin cậy của AI (No Data, Low, Med, High), Bài tập AI đề xuất, Cảnh báo học tập (Alert status).
• Tiêu chí nghiệm thu: Giáo viên có thể sắp xếp (sort) danh sách theo tên học sinh, điểm mastery hoặc mức độ cảnh báo.

FR-TCH-003 — Student detail

• Mô tả: Trang xem chi tiết thông tin và lịch sử học tập của một học viên cụ thể.
• Yêu cầu thông tin:
  • Biểu đồ cột thể hiện mức độ thành thạo các kỹ năng trong bài học.
  • Dòng thời gian bằng chứng (Evidence Timeline) hiển thị lịch sử làm bài: thời gian nộp, điểm số, thời gian làm bài của từng quiz.
  • Nhật ký đề xuất (Recommendation Log) chi tiết của riêng học sinh đó kèm theo nút bấm để thực hiện "Ghi đè đề xuất" (Override).
  • Ô nhập ghi chú cá nhân của giáo viên (Teacher Notes).
• Tiêu chí nghiệm thu: Cho phép truy cập nhanh từ danh sách học sinh và hiển thị đầy đủ thông tin truy vết bằng chứng gốc.

FR-TCH-004 — P1 (Filters)

• Mô tả: Bộ lọc nhanh trên danh sách học sinh cho phép lọc theo nhóm: Cần hỗ trợ gấp, Thiếu dữ liệu, Lọc theo kỹ năng đang hổng hoặc theo độ khó đề xuất.

---

8. Detailed Specifications - AI Content Studio (FR-CNT)

Click to view detailed specifications & content

FR-CNT-001 — Structured content request

• Mô tả: Biểu mẫu cho phép Content Author nhập các tham số đầu vào rõ ràng để hướng dẫn AI sinh nội dung bài học.
• Các trường thông tin bắt buộc: Khóa học, Bài học, Mục tiêu học tập (Learning Objective), Kỹ năng & Chỉ báo đích, Khối lớp/Độ tuổi, Độ khó mong muốn (Foundation, Standard, Advanced), Loại học liệu (Lesson Outline, Lesson Detail, Practice, Quiz MCQ), Số lượng câu hỏi (nếu chọn Quiz).
• Tiêu chí nghiệm thu: Form thực hiện kiểm tra biểu mẫu (Validation) không cho phép để trống các trường thông tin cốt lõi trước khi bấm gọi AI.

FR-CNT-002 — AI draft generation

• Mô tả: Hệ thống kết nối API gọi mô hình AI để tạo bản thảo học liệu tiếng Việt có cấu trúc sư phạm chuẩn xác.
• Yêu cầu chất lượng đầu ra:
  • Outline bài giảng: Có đủ các phần (Warm-up, Core content, Practice, Assessment, Summary).
  • Quiz MCQ: Trả về danh sách câu hỏi trắc nghiệm tiếng Việt tự nhiên, bám sát kỹ năng, chỉ rõ đáp án đúng và viết lời giải thích chi tiết tại sao đúng/sai cho học sinh.
• Tiêu chí nghiệm thu: Hệ thống gọi API AI thực tế và trả về kết quả thành công dưới dạng JSON có cấu trúc.

FR-CNT-003 — Draft Editor (Trình soạn thảo bản thảo)

• Mô tả: Giao diện cho phép Content Author trực tiếp đọc, chỉnh sửa câu chữ, định dạng hoặc cấu trúc của bản nháp do AI trả về trước khi gửi đi kiểm duyệt.
• Tiêu chí nghiệm thu:
  • Author có thể sửa đổi thủ công bất kỳ phần nội dung nào trên giao diện chỉnh sửa.
  • Có nút bấm "Lưu bản nháp" (Save Draft) và "Gửi kiểm duyệt" (Submit for Review).

FR-CNT-004 — So sánh thời gian và đo lường năng suất

• Mô tả: Hệ thống tích hợp bộ ghi nhận thời gian tự động phục vụ demo Hackathon để chứng minh hiệu năng sản phẩm.
• Các mốc thời gian ghi log: Thời gian AI sinh bản nháp (giây), Thời gian tác giả chỉnh sửa thủ công (giây), Tổng thời gian chuẩn bị.
• Yêu cầu hiển thị: Hiển thị bảng đối chiếu trực quan giữa tổng thời gian thực tế so với baseline thủ công 40-50 giờ.
• Tiêu chí nghiệm thu: Hiển thị chính xác số giây thực tế thực hiện trên giao diện quản trị.

FR-CNT-005 — P1 (Soạn thảo lại riêng lẻ từng phần)

• Mô tả: Cho phép tác giả chọn bôi đen hoặc chọn một section cụ thể trong bản nháp (ví dụ: chỉ chọn câu hỏi số 4) và yêu cầu AI sinh lại riêng phần đó dựa trên prompt bổ sung mới, giữ nguyên các phần nội dung khác.

FR-CNT-006 — P1 (AI biến đổi độ khó)

• Mô tả: Cho phép tác giả nhấn nút yêu cầu AI tự động biến đổi một học liệu có sẵn sang mức độ khó khác (ví dụ: chuyển quiz mức Standard thành Advanced) bám sát theo chỉ báo kỹ năng gốc.

---

9. Detailed Specifications - Automated QA (FR-QA)

Click to view detailed specifications & content

Bộ lọc chất lượng tự động hoạt động ngay sau khi AI sinh bản nháp và hiển thị các cảnh báo lỗi (Warnings) cho tác giả và reviewer.

FR-QA-001 — Completeness check

• Mô tả: Kiểm tra xem bản nháp AI sinh ra có đầy đủ các phần cấu trúc bắt buộc theo template không (ví dụ: quiz phải có đủ đáp án và lời giải thích).
• Tiêu chí nghiệm thu: Tự động phát hiện và đưa ra cảnh báo lỗi nếu phát hiện trường thông tin rỗng hoặc thiếu câu hỏi.

FR-QA-002 — Answer consistency

• Mô tả: Chạy thuật toán đối chiếu logic đáp án để phát hiện các lỗi:
  • Câu hỏi trắc nghiệm không chọn đáp án đúng hoặc chọn nhiều hơn 1 đáp án.
  • Nội dung giải thích (explanation) mâu thuẫn với khóa đáp án đúng.
• Tiêu chí nghiệm thu: Phát hiện các lỗi logic về đáp án và hiển thị cờ cảnh báo đỏ Invalid Answer Key.

FR-QA-003 — Age appropriateness

• Mô tả: Hệ thống phân tích độ dài câu, độ phức tạp của từ ngữ hoặc sử dụng LLM phụ để đánh giá xem câu từ có phù hợp với độ tuổi K-12 được chọn hay không.
• Tiêu chí nghiệm thu: Đưa ra cảnh báo cảnh báo nếu văn phong quá học thuật, câu dài phức tạp vượt quá mức nhận thức của trẻ em.

FR-QA-004 — Alignment check

• Mô tả: Đánh giá mức độ tương thích giữa nội dung bài viết/quiz với Mục tiêu học tập (Learning Objective) và Chỉ báo kỹ năng (Indicator) đăng ký ban đầu.
• Tiêu chí nghiệm thu: Cảnh báo nếu AI sinh ra câu hỏi lạc đề, không đánh giá đúng kỹ năng cần đo lường.

FR-QA-005 — Content Safety check

• Mô tả: Tự động quét phát hiện các từ ngữ nhạy cảm, bạo lực, phân biệt đối xử, ngôn từ không lành mạnh hoặc chứa thông tin cá nhân (PII) trong bản nháp AI.
• Tiêu chí nghiệm thu: Đánh dấu cảnh báo bảo mật nghiêm trọng (Blocker - Safety Issue) nếu phát hiện từ ngữ độc hại.

FR-QA-006 — P1 (Quality scorecard)

• Mô tả: Hệ thống tự động chấm điểm bản nháp trên thang điểm 100 theo các chỉ số: Accuracy, Alignment, Age Appropriateness, Safety, Completeness và hiển thị dưới dạng biểu đồ chất lượng trực quan.

---

10. Detailed Specifications - Human Review (FR-REV)

Click to view detailed specifications & content

FR-REV-001 — Content workflow

• Mô tả: Quản lý vòng đời trạng thái của học liệu theo đúng quy trình nghiệp vụ: Draft ➔ Pending Automated Check ➔ Ready for Review ➔ Approved (hoặc Revision Requested / Rejected) ➔ Published.
• Tiêu chí nghiệm thu: Hệ thống cập nhật chính xác trạng thái của học liệu và chỉ cho phép chuyển đổi trạng thái hợp lệ.

FR-REV-002 — Review screen

• Mô tả: Giao diện tập trung dành cho Reviewer thực hiện kiểm duyệt học liệu.
• Yêu cầu hiển thị:
  • Hiển thị toàn bộ nội dung bản nháp và metadata đi kèm.
  • Hiển thị bảng danh sách các cảnh báo chất lượng tự động (Quality Warnings).
  • Hiển thị Checklist kiểm duyệt bắt buộc (đáp án đúng, ngôn ngữ tiếng Việt tự nhiên, an toàn...).
• Tiêu chí nghiệm thu: Hiển thị đầy đủ thông tin cần thiết giúp Reviewer ra quyết định nhanh chóng.

FR-REV-003 — Review actions

• Mô tả: Cung cấp các công cụ ra quyết định cho Reviewer:
  • Approve: Phê duyệt xuất bản bài học.
  • Request Revision: Trả lại yêu cầu biên soạn kèm nhận xét chi tiết lỗi cần sửa.
  • Reject: Từ chối học liệu.
  • Direct Edit: Cho phép reviewer sửa đổi trực tiếp câu từ nhanh trên màn hình duyệt.
• Tiêu chí nghiệm thu: Ghi nhận chính xác lịch sử phê duyệt và lý do vào log.

FR-REV-004 — Approval gate

• Mô tả: Chốt chặn kỹ thuật ngăn chặn xuất bản học liệu lỗi.
• Luật ngăn chặn: Hệ thống khóa nút phê duyệt (Approve) hoặc chặn chuyển trạng thái sang Published nếu:
  • Còn tồn tại cảnh báo bảo mật nghiêm trọng (Safety check failed).
  • Bị thiếu các trường metadata bắt buộc.
  • Reviewer chưa tích chọn đầy đủ các mục trong Checklist kiểm duyệt.
• Tiêu chí nghiệm thu: Đảm bảo không học liệu lỗi hay chưa duyệt nào lọt lưới đến tay học sinh.

FR-REV-005 — Version history

• Mô tả: Lưu lại lịch sử thay đổi của học liệu qua các vòng chỉnh sửa để dễ dàng đối chiếu.
• Thông tin lưu trữ: Số phiên bản (v1, v2...), Nội dung thay đổi (diff text), ID người chỉnh sửa, Nhận xét của reviewer, Nhãn thời gian.
• Tiêu chí nghiệm thu: Cho phép xem lại và khôi phục các phiên bản cũ trong lịch sử.

FR-REV-006 — P1 - Unpublish (Thu hồi học liệu đã xuất bản)

• Mô tả: Cho phép gỡ bỏ một bài giảng/quiz đã xuất bản khi phát hiện lỗi nghiêm trọng trong thực tế, tự động loại bỏ khỏi Recommendation Engine và ghi nhận danh sách học sinh bị ảnh hưởng.

---

11. Detailed Specifications - Content Library & Analytics (FR-LIB/FR-ANA)

Click to view detailed specifications & content

FR-LIB-001 — Content catalog

• Mô tả: Giao diện thư viện quản lý tập trung toàn bộ các học liệu đã được duyệt.
• Yêu cầu hiển thị: Danh sách học liệu kèm theo thông tin: Tiêu đề, Loại học liệu, Khóa học, Chỉ báo kỹ năng liên kết, Độ khó, Phiên bản và Người phê duyệt.
• Tiêu chí nghiệm thu: Hiển thị chính xác danh sách và cho phép quản trị viên xem chi tiết từng học liệu.

FR-LIB-002 — Metadata management

• Mô tả: Quản lý nghiêm ngặt các trường dữ liệu metadata bắt buộc của từng học liệu trong kho: Content_ID, Course_ID, Lesson_ID, Skill_Code, Indicator_Code, Grade, Difficulty, Prerequisite_IDs, Duration_Minutes, Activity_Type, Language, Status, Version_Number.

FR-LIB-003 — P1 (Tìm kiếm và lọc nâng cao)

• Mô tả: Cho phép tìm kiếm nhanh học liệu theo từ khóa và lọc đa tiêu chí (Khóa học, Kỹ năng, Chỉ báo, Độ khó, Trạng thái).

FR-LIB-004 — P1 - Content Gaps (Dashboard khoảng trống nội dung)

• Mô tả: Hiển thị danh sách thống kê các kỹ năng/chỉ báo đang bị thiếu hụt học liệu theo từng mức độ khó để định hướng sản xuất cho content team.

FR-ANA-001 — Personalization analytics

• Mô tả: Đo lường các chỉ số vận hành của Recommendation Engine và chi phí AI.
• Các chỉ số chính: Tổng số đề xuất đã tạo, Tỷ lệ phủ (Coverage), Tỷ lệ giáo viên chấp nhận (Acceptance rate), Tỷ lệ giáo viên ghi đè (Override rate), Độ trễ trung bình (Latency), và Chi phí API AI tích lũy.
• Tiêu chí nghiệm thu: Hiển thị các chỉ số dưới dạng biểu đồ trực quan trên trang Dashboard quản trị.

FR-ANA-002 — AI Content production analytics

• Mô tả: Theo dõi hiệu năng và năng suất của công cụ soạn thảo AI.
• Các chỉ số chính: Thời gian AI sinh bản nháp trung bình, Thời gian tác giả chỉnh sửa thủ công trung bình, Tỷ lệ duyệt bài thành công ở vòng đầu, Ước tính chi phí AI trên mỗi học liệu được xuất bản.
• Tiêu chí nghiệm thu: Hiển thị biểu đồ so sánh Before/After phục vụ trực tiếp cho demo Hackathon.