Bài quảng cáo 03 - SYNVIA V2: Teacher Workbench

Ngày viết: 2026-05-28 Series: SYNVIA V2 Product Ads Định dạng: quay màn hình là chính, camera góc nhỏ, thỉnh thoảng zoom lên để bàn luận Đối tượng: chủ trung tâm, academic manager, giáo viên IELTS/Writing/Speaking, trung tâm muốn dùng AI nhưng vẫn giữ chất lượng giáo viên

Tên bài đề xuất

Giáo viên không cần thêm một dashboard. Giáo viên cần một bàn làm việc đúng nghĩa

Tên phụ:

Demo SYNVIA V2 Teacher Workbench: review queue, AI feedback, error clusters, revision và intervention

Mục tiêu của video

Bài này quảng cáo trực diện cho Teacher Workbench trong SYNVIA V2.

Nếu bài 1 bán vòng Writing feedback & revision, bài 2 bán Learning Evidence Dashboard theo nhiều vai trò, thì bài 3 tập trung vào người giữ chất lượng học thuật hằng ngày: giáo viên.

Mục tiêu không phải nói “AI sẽ thay giáo viên” hay “AI giúp giáo viên nhẹ việc” một cách chung chung. Mục tiêu là demo một màn hình rất cụ thể:

  • bài nào cần giáo viên review trước;
  • feedback AI nào cần duyệt/sửa/từ chối;
  • lỗi nào đang lặp lại trong cả lớp;
  • học viên nào nhận feedback nhưng chưa revision;
  • can thiệp nào cần tạo;
  • workload của giáo viên đang nghẽn ở đâu.

Thông điệp chính:

> SYNVIA V2 không biến giáo viên thành người bấm duyệt cho AI. Teacher Workbench giúp giáo viên thấy việc cần làm, ưu tiên đúng chỗ và giữ quyền phán đoán học thuật.

Bản chất quảng cáo

Đây là video product-led. SYNVIA phải xuất hiện ngay từ đầu.

Cách nói nên là:

> Tôi sẽ mở Teacher Workbench trong SYNVIA V2 và demo một ngày làm việc của giáo viên: mở review queue, xem feedback AI, sửa một nhận xét, gom lỗi lặp lại, tạo mini lesson và theo dõi học viên đã revision chưa.

Video này nên có cảm giác thực dụng. Người xem phải thấy: đây không phải dashboard để làm đẹp hệ thống; đây là nơi giáo viên thật sự làm việc.

Mở bài

[Màn hình: SYNVIA V2 - Teacher Workbench.]

Hôm nay tôi muốn demo một phần mà tôi nghĩ là trái tim của SYNVIA V2: Teacher Workbench.

Tôi cố ý không gọi nó là “teacher dashboard”.

Vì giáo viên không cần thêm một dashboard chỉ để xem thêm biểu đồ. Giáo viên đã có quá nhiều thứ phải xem rồi: lớp học, bài nộp, tin nhắn học viên, phản hồi phụ huynh, deadline, bài cần chấm, tài liệu buổi sau, và bây giờ còn thêm AI nữa.

Nếu một công cụ AI chỉ tạo thêm nhiều tín hiệu mà không giúp giáo viên biết phải làm gì trước, thì nó không giảm tải. Nó chỉ đổi dạng quá tải.

Teacher Workbench trong SYNVIA V2 được thiết kế theo một câu hỏi rất cụ thể:

> Hôm nay giáo viên cần xử lý việc gì để chất lượng học tập tốt hơn?

Tôi sẽ demo theo một flow thật: mở hàng đợi bài cần review, xem feedback AI, chỉnh một nhận xét, xem lỗi lặp lại của cả lớp, tạo intervention, rồi kiểm tra học viên nào đã revision.

Phần 1 - Màn hình đầu tiên: việc cần làm, không phải biểu đồ

[Màn hình: Teacher Workbench Overview.]

Khi giáo viên mở Teacher Workbench, màn hình đầu tiên không phải là một rừng biểu đồ.

Màn hình đầu tiên là Today’s Teaching Work.

Ở đây giáo viên thấy các nhóm việc:

  • bài Writing cần review;
  • feedback AI đang chờ duyệt;
  • học viên đã nhận feedback nhưng chưa revision;
  • lỗi lặp lại trong lớp;
  • intervention đang mở;
  • học viên cần giáo viên chú ý;
  • bài sắp quá hạn phản hồi.

Điểm quan trọng là mỗi mục đều có lý do.

Ví dụ:

“5 bài cần review vì AI confidence thấp ở Task Response.”

“12 học viên mắc lỗi supporting ideas quá chung.”

“7 học viên đã xem feedback nhưng chưa nộp revision sau 72 giờ.”

“Lớp IELTS B có time-to-feedback vượt SLA 24 giờ.”

[Dừng lại, zoom camera.]

Đây là khác biệt giữa dashboard và workbench.

Dashboard thường nói: “Đây là dữ liệu.”

Workbench phải nói: “Đây là việc đáng làm tiếp theo.”

Trong giáo dục, dữ liệu chỉ có giá trị nếu nó giúp giáo viên ra quyết định tốt hơn: nên đọc bài nào trước, nên sửa feedback nào, nên dạy lại phần nào, nên gọi học viên nào, nên báo academic manager ở đâu.

Nếu giáo viên phải tự mò trong dashboard để tìm việc cần làm, hệ thống đang đẩy sensemaking effort về phía giáo viên. SYNVIA V2 cố gắng làm ngược lại: hệ thống gom tín hiệu, nhưng quyền quyết định cuối vẫn ở giáo viên.

Phần 2 - Review Queue: bài nào cần giáo viên xem trước?

[Màn hình: Review Queue.]

Bây giờ tôi mở Review Queue.

Đây là nơi các bài nộp được ưu tiên. Không phải bài nào cũng cần giáo viên xử lý như nhau.

Một bài luyện tập thấp rủi ro có thể cho AI feedback trước, tùy chính sách trung tâm. Nhưng một bài quan trọng, một kết quả chuẩn bị gửi phụ huynh, một feedback nhạy cảm, hoặc một bài AI không chắc thì nên vào hàng đợi giáo viên.

Ở đây, SYNVIA V2 có thể ưu tiên theo nhiều tín hiệu:

  • assignment quan trọng;
  • AI confidence thấp;
  • điểm thay đổi bất thường;
  • feedback chuẩn bị hiện trong parent report;
  • học viên nhỏ tuổi;
  • feedback có safety flag;
  • giáo viên hoặc trung tâm đặt policy bắt buộc review;
  • học viên đang thuộc nhóm cần can thiệp.

[Màn hình: một queue item cụ thể.]

Ví dụ bài này được đưa lên đầu vì AI đánh giá Task Response thấp hơn bình thường so với lịch sử học viên, và feedback có khả năng ảnh hưởng đến báo cáo phụ huynh cuối tuần.

Giáo viên bấm vào sẽ thấy ba lớp:

  • bài viết của học viên;
  • feedback draft của AI;
  • bằng chứng AI dùng để nhận xét.

Không phải chỉ có một đoạn text AI viết ra.

Giáo viên thấy AI đang nhận xét theo tiêu chí nào, đoạn nào trong bài được dùng làm evidence, rubric version nào đang áp dụng, và đề xuất revision task là gì.

[Dừng lại, zoom camera.]

Đây là điểm rất quan trọng khi nói “teacher-in-the-loop”.

Teacher-in-the-loop không phải là AI làm xong rồi giáo viên bấm approve cho có.

Nếu giáo viên không thấy evidence, không thấy rubric, không thấy lịch sử học viên, không biết vì sao AI đưa nhận xét đó, thì giáo viên chỉ đang rubber-stamp một cái hộp đen.

Trong SYNVIA V2, giáo viên phải có đủ ngữ cảnh để phán đoán. AI là người soạn nháp và gom tín hiệu. Giáo viên là người giữ tiêu chuẩn học thuật.

Phần 3 - Giáo viên duyệt, sửa hoặc từ chối feedback AI

[Màn hình: Feedback Review.]

Ở đây AI draft feedback cho bài Writing.

Ví dụ AI viết:

“Your main argument is relevant, but the supporting idea is underdeveloped. Add a clearer example to show how online learning improves access.”

Nhận xét này nghe ổn. Nhưng giáo viên nhìn bài và thấy vấn đề thật không chỉ là ví dụ. Học viên đang hiểu hơi lệch đề: đề hỏi “whether online education can replace traditional classrooms”, nhưng em lại viết chủ yếu về “online learning is convenient”.

Vì vậy giáo viên chỉnh feedback:

“Trước khi thêm ví dụ, em cần quay lại đúng câu hỏi của đề: online education có thể thay thế lớp học truyền thống hay không. Đoạn này mới nói online learning tiện hơn, chưa so sánh được với lớp học truyền thống. Hãy sửa topic sentence để trả lời trực tiếp hơn, rồi mới thêm ví dụ.”

[Màn hình: teacher edit và lý do sửa.]

Giáo viên có thể lưu lý do sửa: “AI focused on example quality, but missed partial off-topic issue.”

SYNVIA lưu lại teacher override.

Điều này hữu ích ở ba tầng.

Tầng một: học viên nhận feedback đúng hơn.

Tầng hai: giáo viên không phải viết lại từ đầu mọi thứ, chỉ sửa chỗ AI thiếu.

Tầng ba: trung tâm học được AI đang thường lệch ở đâu. Nếu nhiều giáo viên sửa cùng một loại lỗi, academic manager có thể chỉnh rubric, prompt, policy hoặc yêu cầu review chặt hơn ở tiêu chí đó.

[Dừng lại, zoom camera.]

Đây là cách tôi muốn nói về AI trong giáo dục: không thần thánh hóa, cũng không sợ hãi.

AI có thể làm rất tốt phần draft, gom lỗi, đưa gợi ý, so sánh bài trước-sau. Nhưng giáo viên vẫn cần quyền sửa, quyền từ chối, quyền thêm ngữ cảnh, và quyền chịu trách nhiệm học thuật một cách có thông tin.

UNESCO trong khung năng lực AI cho giáo viên cũng đặt trọng tâm vào human-centred mindset, ethics of AI, AI pedagogy và professional learning. Với SYNVIA V2, điều này không nằm ở khẩu hiệu. Nó đi vào sản phẩm: teacher review, teacher override, audit log và policy.

Phần 4 - Error Clusters: lỗi lặp lại của cả lớp

[Màn hình: Common Error Clusters.]

Bây giờ tôi chuyển sang phần Error Clusters.

Đây là một trong những phần tôi nghĩ rất đáng demo.

Nếu giáo viên có 20 bài Writing, giáo viên giỏi thường tự nhận ra: “À, nhiều em đang bị lỗi topic sentence”, hoặc “cả lớp đang viết ví dụ quá chung”.

Nhưng khi số lớp tăng, số bài tăng, nhiều giáo viên cùng dạy, việc nhận ra pattern bằng trí nhớ cá nhân sẽ khó hơn.

SYNVIA V2 gom lỗi theo cụm.

Ví dụ trong lớp IELTS B tuần này:

  • 12/18 bài có supporting ideas quá chung;
  • 9/18 bài có topic sentence chưa trả lời trực tiếp đề;
  • 7/18 bài dùng cohesive devices máy móc;
  • 5/18 bài có ví dụ không liên quan đến claim.

Giáo viên bấm vào cụm “supporting ideas quá chung” sẽ thấy:

  • danh sách học viên liên quan;
  • đoạn bài bị highlight;
  • feedback đã gửi;
  • ai đã revision;
  • ai chưa revision;
  • gợi ý mini lesson hoặc drill.

[Màn hình: tạo mini lesson từ error cluster.]

Ở đây giáo viên có thể tạo một mini lesson 15 phút:

“Từ claim chung đến ví dụ cụ thể trong IELTS Writing Task 2.”

Hệ thống gợi ý một hoạt động nhỏ:

1. Cho học viên xem một claim chung. 2. Yêu cầu viết cơ chế cụ thể. 3. Yêu cầu thêm ví dụ. 4. So sánh với bản cũ trong bài Writing của chính mình.

Giáo viên chỉnh lại nội dung rồi giao cho nhóm học viên liên quan.

[Dừng lại, zoom camera.]

Đây là nơi AI và giáo viên phối hợp rất thực tế.

AI không cần quyết định cả buổi học. AI chỉ cần giúp giáo viên thấy: “Vấn đề đang lặp lại ở đây.” Giáo viên quyết định có dạy lại không, dạy lại thế nào, nhóm nào cần học, và bài luyện có phù hợp lớp hay không.

Đây là loại tự động hóa tôi tin hơn: không thay phán đoán giáo viên, mà giảm công sức tìm pattern.

Phần 5 - Revision Tracking: feedback đã biến thành sửa bài chưa?

[Màn hình: Revision Tracking.]

Tiếp theo là phần Revision Tracking.

Trong nhiều lớp Writing, giáo viên làm rất nhiều việc: đọc bài, viết nhận xét, gửi feedback. Nhưng sau đó, không phải học viên nào cũng sửa.

Nếu không theo dõi revision, trung tâm dễ tưởng rằng feedback đã xong. Nhưng về mặt học tập, feedback mới chỉ là một nửa.

Ở đây, Teacher Workbench cho giáo viên thấy:

  • học viên nào đã xem feedback;
  • học viên nào chưa xem;
  • học viên nào đã nộp revision;
  • revision nào cải thiện rõ;
  • revision nào chỉ sửa bề mặt;
  • học viên nào cần nhắc;
  • học viên nào cần gặp giáo viên.

[Màn hình: một học viên đã xem feedback nhưng chưa revision.]

Ví dụ học viên A đã xem feedback hai lần nhưng chưa nộp revision sau 72 giờ.

Giáo viên có thể gửi nhắc nhẹ, hoặc tạo một check-in:

“Em đang kẹt ở phần nào của feedback? Topic sentence, ví dụ, hay cách phát triển ý?”

[Dừng lại, zoom camera.]

Đây là chỗ Teacher Workbench rất khác một tool AI chấm bài rời rạc.

Tool AI trả feedback rồi hết. Teacher Workbench hỏi tiếp: học viên đã làm gì với feedback đó?

Nếu học viên không sửa, vấn đề có thể là feedback khó hiểu, bài quá khó, deadline không hợp lý, hoặc học viên chưa có thói quen revision. Giáo viên cần biết điều đó.

SYNVIA V2 không chỉ đo “feedback đã gửi”. Nó đo vòng học tập sau feedback.

Phần 6 - Intervention Tasks: can thiệp phải là việc thật

[Màn hình: Intervention Tasks.]

Bây giờ tôi mở phần Intervention Tasks.

Trong SYNVIA V2, khi giáo viên thấy một vấn đề, có thể tạo intervention. Intervention không phải ghi chú chung chung. Nó là một việc thật trong hệ thống.

Một intervention có:

  • lý do tạo;
  • kỹ năng hoặc tiêu chí nhắm tới;
  • học viên hoặc nhóm học viên liên quan;
  • hoạt động cần làm;
  • người phụ trách;
  • deadline;
  • kết quả sau can thiệp.

Ví dụ:

“Nhóm 7 học viên cần luyện topic sentence cho Writing Task 2. Giáo viên giao bài drill 10 phút, yêu cầu sửa lại topic sentence trong bài cũ, deadline thứ Tư.”

[Màn hình: intervention detail.]

Sau khi intervention được tạo, nó xuất hiện trong workbench của giáo viên và learner workspace của học viên. Khi học viên hoàn thành, hệ thống cập nhật trạng thái. Khi có revision mới, giáo viên xem lại kết quả.

Nếu can thiệp có tác dụng, lỗi giảm. Nếu không, giáo viên hoặc academic manager biết cần làm bước khác.

[Dừng lại, zoom camera.]

Điểm này nghe nhỏ, nhưng rất quan trọng.

Nhiều dashboard chỉ giúp ta biết vấn đề. Nhưng nếu vấn đề không được biến thành một hành động có người phụ trách, deadline và kết quả, thì nó dễ biến mất sau buổi họp.

Trong giáo dục, biết vấn đề chưa đủ. Phải có hành động dạy học phía sau.

Teacher Workbench của SYNVIA V2 cố gắng nối ba thứ: evidence, decision, intervention.

Phần 7 - Workload thật: AI có giảm tải hay chỉ chuyển tải?

[Màn hình: Workload View.]

Một phần nữa tôi muốn demo là Workload View.

Khi nói AI giúp giáo viên giảm tải, ta phải rất cẩn thận.

Một công cụ có thể giảm thời gian viết feedback, nhưng lại tăng thời gian kiểm feedback AI. Một dashboard có thể giúp thấy nhiều vấn đề hơn, nhưng nếu không có workflow xử lý, giáo viên chỉ thấy mình có thêm việc phải lo. Một hệ thống tạo nhiều cảnh báo quá có thể làm giáo viên mệt hơn, không phải nhẹ hơn.

Vì vậy, SYNVIA V2 không chỉ nói “AI sẽ giúp giáo viên”. Hệ thống cần nhìn workload thật:

  • số bài đang chờ review;
  • tuổi của bài chờ lâu nhất;
  • feedback nào đã quá SLA;
  • giáo viên nào đang có backlog cao;
  • tỷ lệ AI draft được duyệt không sửa;
  • tỷ lệ feedback bị sửa nhiều;
  • thời gian từ bài nộp đến feedback;
  • thời gian từ feedback đến revision.

[Màn hình: backlog theo giáo viên/lớp.]

Ví dụ ở đây, giáo viên B có backlog cao. Nhưng nhìn kỹ, không nên kết luận vội là giáo viên B làm chậm. Có thể lớp của giáo viên B có nhiều bài high-stakes, nhiều feedback AI confidence thấp, hoặc assignment tuần này thiết kế quá khó.

Workbench không dùng workload để đổ lỗi. Nó dùng workload để phát hiện bottleneck.

[Dừng lại, zoom camera.]

Royal Society of Chemistry trong Science Teaching Survey 2024 ghi nhận 44% giáo viên khoa học đã từng dùng AI, nhưng chỉ 3% nói AI đã giảm workload rất nhiều. Con số này nhắc chúng ta một điều: AI không tự động giảm tải. Giảm tải phải được thiết kế vào workflow.

Nếu giáo viên dùng AI nhưng vẫn phải làm mọi báo cáo cũ, vẫn phải nhập dữ liệu nhiều nơi, vẫn phải kiểm mọi output mà không có ưu tiên, thì AI chỉ là một lớp việc mới.

Teacher Workbench của SYNVIA V2 được thiết kế để tránh điều đó: không tạo thêm tín hiệu rời rạc, mà gom chúng thành hàng đợi việc, cụm lỗi, intervention và trạng thái revision.

Phần 8 - Giáo viên không bị thay thế, nhưng công việc sẽ đổi

[Màn hình: quay lại Teacher Workbench Overview.]

Tới đây, tôi muốn nói rõ quan điểm của SYNVIA V2.

Chúng tôi không bán ý tưởng “AI thay giáo viên”.

Nhưng chúng tôi cũng không nói rằng công việc của giáo viên sẽ giữ nguyên.

AI có thể làm một số việc lặp lại nhanh hơn: draft feedback, gom lỗi, gợi ý bài luyện, tóm tắt tiến độ, phát hiện pattern. Khi đó, phần việc của giáo viên nên dịch chuyển về những việc có giá trị cao hơn:

  • chọn ưu tiên học thuật;
  • quyết định lỗi nào cần sửa trước;
  • kiểm feedback AI ở trường hợp nhạy cảm;
  • giải thích cho học viên;
  • thiết kế intervention;
  • quan sát động lực và cảm xúc;
  • điều chỉnh bài học theo lớp thật;
  • giữ mối quan hệ học tập.

[Dừng lại, zoom camera.]

Nếu một hệ thống AI chỉ làm giáo viên thành người bấm duyệt, đó là thiết kế kém.

Nếu một hệ thống AI giúp giáo viên nhìn lớp rõ hơn, xử lý việc lặp lại nhanh hơn, giữ quyền sửa và can thiệp đúng hơn, đó là hướng đáng làm.

SYNVIA V2 Teacher Workbench được thiết kế theo hướng thứ hai.

Phần 9 - Vì sao đây là sản phẩm/dịch vụ, không chỉ là một màn hình?

[Màn hình: Teacher Workbench Settings / Policy.]

Một điểm nữa: Teacher Workbench không chỉ là UI.

Để workbench dùng được, SYNVIA V2 cần triển khai với trung tâm ở ba lớp.

Lớp một là workflow:

  • bài nào vào review queue;
  • feedback nào được gửi thẳng;
  • feedback nào phải giáo viên duyệt;
  • khi nào nhắc học viên revision;
  • khi nào tạo intervention;
  • khi nào escalated lên academic manager.

Lớp hai là học thuật:

  • rubric trung tâm dùng;
  • tiêu chí nào dễ bị AI chấm lệch;
  • lỗi nào cần ưu tiên theo giai đoạn học;
  • mini lesson nào phù hợp;
  • cách giáo viên muốn feedback.

Lớp ba là vận hành:

  • SLA feedback;
  • phân công giáo viên review;
  • quyền chỉnh AI feedback;
  • audit log;
  • báo cáo workload;
  • cách đánh giá pilot.

Nếu thiếu ba lớp này, Teacher Workbench sẽ chỉ là một màn hình mới. Có thể đẹp, nhưng không chắc giúp giáo viên.

SYNVIA V2 là sản phẩm/dịch vụ vì chúng tôi không chỉ đưa phần mềm. Chúng tôi cùng trung tâm cấu hình policy, rubric, workflow review, intervention và cách đo workload thật.

Phần 10 - Ai phù hợp với demo này?

[Màn hình: quay lại Teacher Workbench tổng.]

Nếu trung tâm của anh chị có rất ít lớp, giáo viên phản hồi sát từng học viên, và mọi thứ vẫn còn nằm trong tầm kiểm soát, có thể chưa cần Teacher Workbench đầy đủ ngay.

Nhưng nếu trung tâm có một trong các dấu hiệu sau, nên xem thử:

Thứ nhất, giáo viên có nhiều bài Writing/Speaking cần feedback và khó ưu tiên bài nào trước.

Thứ hai, trung tâm dùng AI nhưng chưa rõ bài nào cần giáo viên duyệt.

Thứ ba, mỗi giáo viên feedback một kiểu, academic manager khó giữ chuẩn chung.

Thứ tư, học viên nhận feedback nhưng ít revision, và giáo viên không biết ai đã sửa, ai chưa.

Thứ năm, lớp có lỗi lặp lại nhưng giáo viên chỉ nhận ra muộn hoặc nhận ra bằng cảm giác.

Thứ sáu, chủ trung tâm muốn scale IELTS online/hybrid nhưng sợ giáo viên quá tải và chất lượng feedback loãng.

Nếu rơi vào các trường hợp đó, Teacher Workbench là một phần rất đáng xem trong SYNVIA V2.

Kết bài và CTA

[Màn hình: booking/demo hoặc form liên hệ.]

Tóm lại, giáo viên không cần thêm một dashboard chỉ để bị ngập trong dữ liệu.

Giáo viên cần một bàn làm việc đúng nghĩa: bài nào cần review, feedback nào cần sửa, lỗi nào đang lặp lại, học viên nào chưa revision, intervention nào cần làm, workload đang nghẽn ở đâu.

SYNVIA V2 Teacher Workbench được thiết kế để AI hỗ trợ giáo viên, nhưng không lấy mất quyền phán đoán của giáo viên.

Nếu anh chị muốn xem demo kỹ hơn, có thể inbox hoặc đặt lịch. Cách tốt nhất là gửi thử một flow thật: một lớp IELTS, vài bài Writing, quy trình feedback hiện tại, và cách giáo viên đang xử lý revision.

Chúng tôi sẽ demo trên đúng workflow đó: từ AI draft feedback, teacher review, error clusters, intervention đến revision tracking.

Các đoạn có thể cắt thành ads ngắn

Cut 1 - Hook 30 giây

Giáo viên không cần thêm một dashboard để xem thêm biểu đồ.

Giáo viên cần một bàn làm việc cho biết hôm nay phải xử lý gì: bài nào cần review, feedback AI nào cần sửa, học viên nào chưa revision, lỗi nào đang lặp lại trong lớp.

Đó là lý do SYNVIA V2 có Teacher Workbench, không chỉ teacher dashboard.

Cut 2 - Teacher-in-the-loop 45 giây

Teacher-in-the-loop không phải là AI làm xong rồi giáo viên bấm approve cho có.

Trong SYNVIA V2, giáo viên thấy bài làm, rubric, evidence AI dùng, feedback draft, lịch sử học viên và quyền sửa hoặc từ chối.

AI có thể draft. Nhưng giáo viên giữ phán đoán học thuật.

Cut 3 - Error clusters 45 giây

Nếu 12 trên 18 học viên cùng mắc lỗi supporting ideas quá chung, đó không chỉ là lỗi cá nhân.

Đó là tín hiệu để giáo viên dạy lại, tạo mini lesson hoặc giao drill cho đúng nhóm học viên.

SYNVIA V2 Teacher Workbench gom lỗi lặp lại để giáo viên thấy pattern nhanh hơn, thay vì đọc từng bài rồi tự nhớ tất cả.

Cut 4 - Revision tracking 45 giây

Feedback gửi đi chưa có nghĩa là học viên đã học.

Trong SYNVIA V2, giáo viên thấy ai đã xem feedback, ai chưa xem, ai đã revision, revision nào cải thiện, và ai cần được nhắc.

Nếu không theo dõi revision, feedback rất dễ trở thành một đoạn text chết.

Cut 5 - Workload thật 60 giây

AI không tự động giảm tải cho giáo viên.

Nếu AI tạo thêm output nhưng giáo viên phải kiểm hết, nếu dashboard tạo thêm cảnh báo nhưng không có workflow xử lý, giáo viên chỉ có thêm việc.

SYNVIA V2 Teacher Workbench gom việc thành review queue, error clusters, intervention và revision tracking để giáo viên ưu tiên đúng chỗ.

Giảm tải không nằm ở lời hứa AI. Nó nằm ở workflow.

Gợi ý màn hình cần chuẩn bị trước khi quay

  • Teacher Workbench Overview.
  • Today’s Teaching Work.
  • Review Queue.
  • Review item detail: bài viết, AI feedback, rubric, evidence.
  • Teacher approve/edit/reject feedback.
  • Teacher override reason.
  • Common Error Clusters.
  • Error cluster detail.
  • Create Mini Lesson / Drill.
  • Revision Tracking.
  • Student needing attention.
  • Intervention Tasks.
  • Workload View.
  • Teacher Workbench Settings / Policy.
  • CTA booking/demo.

Tài liệu tham khảo và nền nghiên cứu

Nguồn nội bộ:

  • reports/content_bank_synvia_v2_real_edtech_learning_evidence_longform_co_dau_2026-05-27.md
  • edtech-real/BAO-CAO-KIEN-TRUC-SYNVIA-EDTECH-CORE-V2.md
  • edtech-books-ref/edtech-real-codex/chapters/chuong-19.md
  • edtech-books-ref/edtech-da-goc-nhin/chapters/chuong-17.md

Nguồn ngoài đã đối chiếu:

  • UNESCO, AI competency framework for teachers: https://www.unesco.org/en/articles/ai-competency-framework-teachers
  • Royal Society of Chemistry, The Science Teaching Survey 2024: https://www.rsc.org/policy-and-campaigning/education/the-science-teaching-survey/2024
  • NFER, ChatGPT in lesson preparation - A Teacher Choices Trial: https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/
  • Education Endowment Foundation, ChatGPT in lesson preparation - Teacher Choices trial: https://educationendowmentfoundation.org.uk/projects-and-evaluation/projects/choices-in-edtech-using-generative-ai-chatgpt-for-ks3-science-lesson-preparation-2024-teacher-choices-trial