LLM tiếng Việt cho giáo dục: trợ giảng, chấm bài, lộ trình học

01/10/2026

Cô giáo dạy văn lớp tôi ngày xưa chấm bài bằng bút đỏ, và cuối mỗi bài luôn có vài dòng nhận xét viết tay. Bây giờ tôi nghĩ lại mới thấy, vài dòng ấy tốn của cô bao nhiêu giờ buổi tối. Một lớp bốn mươi em, mỗi tuần một bài. Đó là điểm xuất phát hợp lý để bàn về LLM tiếng Việt trong giáo dục: công cụ này không sinh ra để thay cô, mà để trả lại cho cô một phần thời gian bị công việc lặp đi lặp lại lấy mất.

Trợ giảng: trả lời câu hỏi lúc không có thầy

Học sinh hay có thắc mắc lúc mười giờ đêm, khi đang làm bài tập và không còn ai để hỏi. Một trợ giảng dựa trên LLM, được nạp giáo trình và đề cương của chính môn học, có thể giải thích lại khái niệm, đưa ví dụ khác, hỏi ngược để kiểm tra em có hiểu thật không. Cách thiết kế quyết định chất lượng. Nếu mô hình chỉ đưa đáp án, em sẽ chép và không học được gì. Nếu mô hình gợi ý từng bước, đặt câu hỏi dẫn dắt, nó gần với cách một gia sư giỏi làm hơn.

Tiếng Việt đặt ra vài chuyện riêng. Ngôn ngữ giảng dạy ở cấp tiểu học khác hẳn đại học: cách xưng hô, độ dài câu, ví dụ lấy từ đời sống. Một mô hình trả lời với giọng giáo trình đại học cho em lớp bốn là mô hình sai đối tượng, dù nội dung đúng. Điều này giải quyết được phần nhiều bằng chỉ dẫn hệ thống và dữ liệu phù hợp, và là chỗ finetune LLM có tác dụng thật.

Chấm bài: hỗ trợ, không thay thế

Chấm bài trắc nghiệm thì máy đã làm từ lâu. Phần khó là bài tự luận: đoạn văn, bài giải toán có trình bày, bài luận. LLM có thể đọc bài, đối chiếu với thang điểm, chỉ ra lỗi lập luận, lỗi chính tả, đoạn thiếu dẫn chứng, rồi soạn nhận xét nháp. Giáo viên xem, sửa, quyết định điểm.

Tôi muốn nói rõ về giới hạn ở đây, vì đây là chỗ dễ lạm dụng nhất.

• Điểm số có hệ quả: LLM có thể chấm không nhất quán, cùng một bài chấm hai lần cho hai kết quả. Điểm tổng kết nên do giáo viên chốt.
• Thiên lệch về văn phong: mô hình thường ưu ái bài viết trơn tru, dài, dùng từ "đẹp". Một em viết ngắn nhưng ý sắc có thể bị chấm thấp.
• Sáng tạo và ý riêng: bài văn có cách nhìn lạ đôi khi bị coi là lạc đề, vì mô hình học từ những bài trung bình.
• Giải thích lỗi sai: nhận xét của máy có thể nghe thuyết phục nhưng sai, nhất là với toán và lập luận nhiều bước.

Dùng thực tế nhất là để máy lo phần chấm sơ bộ và nhận xét về lỗi hình thức, còn giáo viên tập trung vào chiều sâu và những em cần được quan tâm.

Cá nhân hoá lộ trình học

Đây là phần hấp dẫn nhất trên giấy, và cũng dễ bị thổi phồng nhất. Ý tưởng khá đơn giản: dựa trên bài làm, câu hỏi và lỗi sai của từng em, hệ thống nhận ra em đang yếu ở đâu, gợi ý bài luyện phù hợp, điều chỉnh độ khó. Một em mất gốc phân số sẽ được ôn lại phân số trước khi sang phương trình, thay vì bị cuốn theo tiến độ chung của lớp.

Có vài điều tôi cẩn thận khi nói về mục này. Một là chất lượng chẩn đoán phụ thuộc vào dữ liệu, và dữ liệu học tập thường ít, nhiễu. Hai là "cá nhân hoá" dễ biến thành nhốt em vào một lộ trình hẹp theo dự đoán của máy. Ba là dữ liệu học sinh, đặc biệt trẻ vị thành niên, cần được bảo vệ nghiêm ngặt: lưu ở đâu, ai xem, bao lâu, và phụ huynh có biết không.

Điều giáo viên nên giữ

Theo tôi, có những thứ không nên giao cho máy: đánh giá năng lực toàn diện của một em, quyết định xếp loại, và việc nhận ra một em đang gặp chuyện buồn ở nhà. Cô giáo văn của tôi ngày xưa nhìn nét chữ cũng đoán được hôm nay em nào không ổn. LLM chưa làm được điều đó, và tôi không chắc nó nên làm.

Một chi tiết nhỏ nhưng đáng thử: cho học sinh xem cả lời giải thích của máy lẫn lỗi sai trong bài của chính mình, và yêu cầu các em tự nói lại bằng lời. Em nào nói lại được thì đã hiểu, em nào chỉ lặp lại câu của máy thì cần thêm người hướng dẫn.

Về phía chúng tôi

AIVISION là đơn vị AI tại Việt Nam, huấn luyện và finetune LLM cho tiếng Việt và cho các lĩnh vực cụ thể. Chúng tôi đã phát hành model L1.0 cho tiếng Việt, và giáo dục là một hướng ứng dụng chúng tôi quan tâm. Tôi không nêu kết quả cụ thể nào ở đây vì chưa có dữ kiện để khẳng định, chỉ nói về cách chúng tôi nghĩ việc này nên được thiết kế: bám giáo trình thật, giọng điệu hợp độ tuổi, luôn có giáo viên trong vòng lặp.

Nếu bạn làm ở một trường hay trung tâm và muốn trao đổi thêm, thông tin về các mô hình có trên AIVISION.