Slide Deck & Pitch Presentation
Trang này chứa Slide Deck thuyết trình dự án Octo101 dựa trên cấu trúc phác thảo 24 slides được phân chia thành 6 phần logic, ánh xạ 1-1 với các tiêu chuẩn đánh giá của Giám khảo AI và chuyên gia giáo dục.
Định vị thương hiệu: Octo101 là nền tảng cá nhân hóa học tập dựa trên bằng chứng, giúp mỗi học viên biết mình nên học gì tiếp theo, vì sao, và học theo lộ trình phù hợp với năng lực thật.
Sử dụng Slide Player tương tác dưới đây để xem slide hình ảnh kết hợp kịch bản phản biện, lập luận sư phạm chi tiết và tiêu chí chấm điểm tương ứng.
Slide Outline (Bản nháp văn bản Slide)
Dưới đây là nội dung văn bản tóm tắt của 24 slides được chia làm 6 phần:
PART I — WHY (Slide 1 - 5)
- Slide 1 — Chúng ta đang xây gì?
- Question: Octo101 là gì?
- Claim: Octo101 là một nền tảng cá nhân hóa học tập AI-first, giúp mỗi học viên nhận được hoạt động học phù hợp tiếp theo dựa trên năng lực, mục tiêu và bằng chứng học tập gần nhất.
- Key Takeaway: Octo101 giúp người học không còn phải tự mò mẫm "mình nên học gì tiếp theo".
- Slide 2 — Vấn đề người học đang gặp
- Question: Vì sao học online vẫn khiến nhiều người học bị lạc hướng?
- Claim: Người học thường không thất bại vì thiếu nội dung, mà vì không biết nội dung nào phù hợp với trạng thái thật của mình tại thời điểm hiện tại.
- Key Takeaway: Vấn đề cốt lõi không phải là thiếu bài học, mà là thiếu định hướng học tập cá nhân hóa.
- Slide 3 — Một điểm số không nói đủ về người học
- Question: Vì sao không thể cá nhân hóa chỉ dựa vào điểm số?
- Claim: Cùng một điểm số có thể đại diện cho nhiều trạng thái học tập hoàn toàn khác nhau.
- Key Takeaway: Cá nhân hóa thật bắt đầu từ việc hiểu nguyên nhân phía sau kết quả học tập.
- Slide 4 — Vì sao LMS hiện tại chưa đủ?
- Question: Vì sao các LMS truyền thống chưa thể cá nhân hóa sâu?
- Claim: LMS chủ yếu theo dõi hoạt động bề mặt, chưa xây dựng được mô hình năng lực thật của từng người học.
- Key Takeaway: Theo dõi hành vi học tập khác với hiểu năng lực học tập.
- Slide 5 — Insight cốt lõi
- Question: Điều kiện bắt buộc để cá nhân hóa học tập là gì?
- Claim: Không thể cá nhân hóa sâu nếu không có Learner Model đáng tin cậy.
- Key Takeaway: Learner Model là nền móng để biến học tập online thành học tập cá nhân hóa.
PART II — USER EXPERIENCE (Slide 6 - 9)
- Slide 6 — Trải nghiệm bắt đầu từ câu hỏi: “Em nên học gì tiếp theo?”
- Question: Người học nhìn thấy giá trị gì đầu tiên?
- Claim: Octo101 giúp học viên nhìn thấy ngay hoạt động học tập phù hợp tiếp theo, thay vì tự tìm trong một danh sách bài học dài.
- Key Takeaway: Cá nhân hóa tốt phải làm cho hành động tiếp theo trở nên rõ ràng.
- Slide 7 — Người học không phải vận hành AI
- Question: Trải nghiệm AI-native nên diễn ra như thế nào?
- Claim: AI tốt nhất trong Octo101 là AI hoạt động âm thầm phía sau, không bắt người học phải viết prompt hay tự cấu hình hệ thống.
- Key Takeaway: Người học tập trung học; hệ thống lo phần điều hướng cá nhân hóa.
- Slide 8 — Ví dụ: Học viên mắc kẹt ở Binary Search
- Question: Octo101 xử lý một trường hợp học tập cụ thể như thế nào?
- Claim: Khi học viên làm sai Binary Search, Octo101 không vội đưa thêm bài Binary Search mà truy tìm nguyên nhân nền.
- Key Takeaway: Octo101 không chỉ thấy người học sai. Nó tìm xem người học đang mắc kẹt ở đâu.
- Slide 9 — Cá nhân hóa không chỉ là chọn nội dung
- Question: Cá nhân hóa học tập của Octo101 sâu hơn recommendation thông thường ở đâu?
- Claim: Octo101 cá nhân hóa quyết định học tập, không chỉ cá nhân hóa danh sách nội dung.
- Key Takeaway: Giá trị không nằm ở việc gợi ý nhiều bài hơn, mà ở việc chọn đúng bước học tiếp theo.
PART III — HOW IT WORKS (Slide 10 - 16)
- Slide 10 — Vòng lặp cá nhân hóa
- Question: Một tương tác học tập trở thành đề xuất tiếp theo bằng cách nào?
- Claim: Octo101 vận hành bằng một vòng lặp cá nhân hóa khép kín.
- Key Takeaway: Càng học, hệ thống càng có thêm bằng chứng để cá nhân hóa chính xác hơn.
- Slide 11 — Evidence: nguyên liệu của cá nhân hóa
- Question: Hệ thống dùng dữ liệu gì để hiểu người học?
- Claim: Octo101 biến mỗi tương tác học tập có ý nghĩa thành evidence có cấu trúc.
- Key Takeaway: Cá nhân hóa tốt bắt đầu từ dữ liệu học tập đủ chi tiết và đủ đáng tin.
- Slide 12 — Knowledge Graph: bản đồ tri thức để truy nguyên nguyên nhân
- Question: Làm sao hệ thống biết kỹ năng nào là nguyên nhân nền?
- Claim: Octo101 dùng Knowledge Graph để biểu diễn tri thức thành các kỹ năng và quan hệ prerequisite.
- Key Takeaway: Knowledge Graph giúp Octo101 chẩn đoán nguyên nhân, không chỉ ghi nhận kết quả.
- Slide 13 — Learner Model: trạng thái năng lực của từng học viên
- Question: Learner Model lưu điều gì?
- Claim: Learner Model là trạng thái năng lực động của từng học viên, được cập nhật liên tục từ evidence.
- Key Takeaway: Learner Model giúp hệ thống hiểu người học như một trạng thái đang thay đổi, không phải một điểm số tĩnh.
- Slide 14 — Learning Need: chẩn đoán điều người học cần
- Question: Sau khi có Learner Model, hệ thống quyết định điều gì cần thay đổi?
- Claim: Octo101 chuyển trạng thái năng lực thành Learning Need cụ thể.
- Key Takeaway: Learning Need biến dữ liệu năng lực thành một nhu cầu học tập có thể hành động.
- Slide 15 — Recommendation: chọn bước học tiếp theo
- Question: Hệ thống chọn hoạt động học tiếp theo bằng cách nào?
- Claim: Recommendation Engine chọn hoạt động phù hợp dựa trên gap, độ khó, loại hoạt động và nội dung đã được phê duyệt.
- Key Takeaway: Octo101 không chỉ nói người học yếu ở đâu; hệ thống chọn việc nên làm ngay tiếp theo.
- Slide 16 — Workflow: bảo đảm vòng lặp chạy được thật
- Question: Làm sao hệ thống xử lý ổn định sau mỗi bài nộp?
- Claim: Octo101 dùng workflow nhiều bước để xử lý submission, thay vì nhồi toàn bộ logic vào một request dễ lỗi.
- Key Takeaway: Cá nhân hóa không chỉ là thuật toán; nó cần một pipeline vận hành đáng tin cậy.
PART IV — TRUST & SAFETY (Slide 17 - 20)
- Slide 17 — Mỗi đề xuất phải giải thích được
- Question: Làm sao người học và giáo viên biết vì sao hệ thống đề xuất một bài?
- Claim: Mỗi recommendation của Octo101 phải truy vết được về evidence, learner state và reason code.
- Key Takeaway: AI không được là hộp đen trong quyết định học tập.
- Slide 18 — Guardrails: AI hỗ trợ, không tự ý quyết định mọi thứ
- Question: Làm sao tránh việc AI đề xuất sai hoặc đưa nội dung chưa kiểm duyệt cho học viên?
- Claim: Octo101 thiết kế guardrails để giữ an toàn cho người học.
- Key Takeaway: Cá nhân hóa mạnh phải đi cùng kiểm soát mạnh.
- Slide 19 — Chỉ nội dung đã duyệt mới đến tay học viên
- Question: AI có tự sinh bài và đưa ngay cho học viên không?
- Claim: Không. Octo101 chỉ đề xuất hoạt động học tập đã ở trạng thái Published.
- Key Takeaway: AI có thể giúp tạo nội dung nhanh hơn, nhưng không được tự ý phân phối nội dung chưa kiểm duyệt cho học viên.
- Slide 20 — Hệ thống đo cả độ chắc chắn của chính nó
- Question: Làm sao hệ thống biết khi nào không nên quá tự tin?
- Claim: Octo101 không chỉ ước lượng mastery, mà còn theo dõi confidence của ước lượng đó.
- Key Takeaway: Hệ thống đáng tin là hệ thống biết giới hạn của chính nó.
PART V — SELF-IMPROVING PERSONALIZATION (Slide 21 - 22)
- Slide 21 — Cá nhân hóa tốt hơn sau mỗi tương tác
- Question: Hệ thống cải thiện cho từng học viên như thế nào?
- Claim: Mỗi tương tác học tập tạo evidence mới, làm Learner Model chính xác hơn và giúp đề xuất tiếp theo phù hợp hơn.
- Key Takeaway: Với từng học viên, Octo101 càng có nhiều evidence thì càng cá nhân hóa chính xác hơn.
- Slide 22 — Nội dung cũng được cải thiện từ dữ liệu người học
- Question: Hệ thống có chỉ cá nhân hóa người học, hay còn cải thiện cách dạy?
- Claim: Octo101 có thể dùng dữ liệu tổng hợp từ nhiều học viên để phát hiện nội dung đang gây nhầm lẫn và đề xuất cải tiến.
- Key Takeaway: Octo101 không chỉ học về người học; hệ thống còn học cách dạy tốt hơn.
PART VI — IMPACT, BUSINESS & PROOF (Slide 23 - 24)
- Slide 23 — Giá trị cho học viên và tổ chức giáo dục
- Question: Octo101 tạo ra giá trị gì nếu triển khai thành công?
- Claim: Octo101 giúp người học có lộ trình rõ hơn, đồng thời giúp tổ chức giáo dục cá nhân hóa ở quy mô lớn hơn mà không tăng tuyến tính công việc thủ công.
- Key Takeaway: Cá nhân hóa tốt hơn tạo ra cả giá trị học tập lẫn giá trị vận hành.
- Slide 24 — Demo chứng minh vòng lặp hoạt động
- Question: Làm sao chứng minh đây không chỉ là ý tưởng?
- Claim: Demo end-to-end cho thấy một tương tác thật của học viên có thể làm thay đổi đề xuất học tập tiếp theo.
- Key Takeaway: Một tương tác học tập đóng toàn bộ vòng lặp cá nhân hóa.