- Tự kiểm tra, tức cố nhớ lại thay vì đọc lại, là chiến lược học được nhiều nghiên cứu ủng hộ; RetrievalPractice.org gọi đó là một trong những phát hiện vững nhất của khoa học nhận thức hơn 100 năm qua.
- Ra đề từ tài liệu của chính môn học, dán vào prompt, thay vì để AI ra đề theo hiểu biết chung.
- Yêu cầu trả về JSON theo khuôn cố định để soát bằng code: đủ trường, bốn lựa chọn khác nhau, đáp án không dồn về một vị trí.
- Tự làm bài trước rồi mới xem đáp án; đáp án và giải thích của AI vẫn có thể sai, nên đối chiếu với giáo trình.
Code trong bài là Python, chỉ dùng thư viện chuẩn; phần kiểm dùng thêm thư viện jsonschema bản 4.26.0. Bộ câu hỏi mẫu là giả lập.
Vì sao nên tự ra đề
Trang giải thích của RetrievalPractice.org, một trang tổng hợp nghiên cứu về chiến lược học, mô tả luyện truy hồi là cách học bằng việc chủ động gọi kiến thức ra khỏi trí nhớ. Khi nghĩ về việc học, ta thường tập trung vào việc đưa thông tin vào đầu: đọc lại, xem lại, ghi chép. Trang này dẫn lại rằng một trong những phát hiện vững chắc nhất từ hơn 100 năm nghiên cứu khoa học nhận thức là: rất nhiều việc học diễn ra khi người học kéo thông tin ra, và nhấn mạnh luyện truy hồi là chiến lược học, không phải công cụ chấm điểm.
Nghĩa là bộ đề tự luyện không cần khó hay đẹp; nó cần buộc bạn nhớ lại. Đây là chỗ AI có ích: ra một bộ câu hỏi từ một chương giáo trình chỉ mất vài giây. Việc của bạn là cho AI đúng tài liệu và soát đề trước khi tin. Cách dùng AI để học nói chung có trong bài dùng AI để học.
Prompt 1: ra đề trắc nghiệm từ tài liệu
Bạn là giảng viên môn [tên môn]. Dựa CHỈ trên tài liệu dưới đây, ra 8 câu trắc nghiệm để mình tự kiểm tra.
Yêu cầu:
- Mỗi câu kiểm một ý khác nhau trong tài liệu; 3 câu dễ, 3 câu vừa, 2 câu khó.
- Câu khó yêu cầu áp dụng hoặc so sánh, không chỉ nhớ định nghĩa.
- Bốn lựa chọn khác nhau, lựa chọn sai phải là lỗi hiểu nhầm hay gặp, không vô lý.
- Không dùng lựa chọn "tất cả các ý trên" hay "không ý nào đúng".
- Đáp án đúng rải đều các vị trí A, B, C, D.
- Giải thích ghi rõ câu nào trong tài liệu là căn cứ.
Chỉ trả về một mảng JSON, mỗi phần tử có đúng các trường:
{"cau_hoi": "...", "lua_chon": ["...", "...", "...", "..."], "dap_an": số 0-3, "giai_thich": "...", "muc_do": "dễ" | "vừa" | "khó"}
Tài liệu:
"""
(dán một mục giáo trình hoặc ghi chú bài giảng)
"""
Hai yêu cầu quan trọng nhất là "chỉ dựa trên tài liệu" và "giải thích ghi căn cứ". Không có tài liệu, mô hình ra đề theo hiểu biết chung, có thể lệch cách thầy cô dạy hay dùng ký hiệu khác. Có căn cứ, bạn mở giáo trình kiểm từng đáp án nhanh hơn nhiều.
Prompt 2: câu hỏi tự luận ngắn
Từ tài liệu trên, ra 5 câu hỏi tự luận ngắn, mỗi câu trả lời được trong 3 đến 5 câu.
Ưu tiên câu "vì sao", "khác nhau thế nào", "cho ví dụ", tránh câu chỉ hỏi định nghĩa.
Chỉ đưa câu hỏi, chưa đưa đáp án. Mình sẽ trả lời rồi gửi lại.
Trắc nghiệm cho phép đoán; tự luận buộc bạn tự diễn đạt, nên luyện truy hồi mạnh hơn. Lời dặn "chưa đưa đáp án" giữ cho bạn không liếc đáp án trước khi tự làm.
Prompt 3: chấm câu trả lời
Đây là câu trả lời của mình cho các câu tự luận ở trên. Với mỗi câu:
1. Chấm Đủ, Thiếu hoặc Sai so với tài liệu.
2. Chỉ ra ý đúng mình đã có, ý còn thiếu, chỗ hiểu sai; trích câu trong tài liệu làm căn cứ.
3. Không viết lại câu trả lời mẫu dài, chỉ gợi ý ý còn thiếu.
Nếu câu trả lời đúng nhưng khác cách diễn đạt trong tài liệu, vẫn tính là đúng.
Câu trả lời của mình:
"""
(dán)
"""
Câu cuối của prompt giữ cho mô hình không trừ điểm chỉ vì bạn dùng từ khác giáo trình.
Prompt 4: ôn lại câu sai
Đây là các câu mình làm sai hoặc chấm "Thiếu" ở lần trước, kèm ghi chú vì sao sai.
Ra 4 câu mới kiểm đúng các ý đó nhưng hỏi theo cách khác (đổi ví dụ, đổi chiều câu hỏi), cùng khuôn JSON như prompt 1.
Không lặp lại nguyên văn câu cũ.
Hỏi lại cùng ý bằng cách khác giúp bạn chắc mình hiểu chứ không chỉ nhớ đáp án của câu cũ. Ôn lại sau vài ngày, thay vì ngay lập tức, cũng giúp nhớ lâu hơn.
Soát đề bằng code
Đề trả về dạng JSON cho phép soát tự động. Đoạn Python dưới đây đọc mảng câu hỏi và kiểm: đúng khuôn, tức đủ trường, đúng kiểu, đúng bốn lựa chọn, đáp án trong khoảng 0 tới 3; bốn lựa chọn khác nhau; không có câu hỏi trùng; không có lựa chọn kiểu "tất cả các ý trên"; và đáp án đúng không dồn quá nửa vào một vị trí.
"""Soát bộ câu hỏi trắc nghiệm AI trả về dạng JSON trước khi dùng để tự luyện.
Khuôn mỗi câu: {"cau_hoi": chuỗi, "lua_chon": [4 chuỗi], "dap_an": 0..3, "giai_thich": chuỗi, "muc_do": "dễ"|"vừa"|"khó"}.
Kiểm:
1. Đúng khuôn: đủ trường, đúng kiểu, đúng 4 lựa chọn, đáp án trong 0..3, mức độ trong danh sách.
2. Bốn lựa chọn khác nhau; không có câu hỏi trùng nhau.
3. Đáp án đúng không dồn về một vị trí (không vị trí nào chiếm quá 50% khi có từ 4 câu).
4. Không có lựa chọn kiểu "tất cả các ý trên", "cả A, B, C đều đúng", "không có đáp án nào đúng" (dễ đoán, khó soát
đúng sai).
Chỉ dùng thư viện chuẩn. Bộ câu hỏi mẫu là giả lập.
"""
import json
import re
from collections import Counter
MUC_DO = {"dễ", "vừa", "khó"}
# tất cả / cả ... trên, đều đúng, đều sai; cả a, b, c; không (có) ý, đáp án, phương án, câu, lựa chọn nào ...
CAM = re.compile(r"(?:tất cả|cả)\b.*\b(?:trên|đều đúng|đều sai)|cả [a-d](?:, [a-d])+"
r"|không (?:có )?(?:ý|đáp án|phương án|câu|lựa chọn) nào\b.*|(?:all|none) of the above")
def dung_khuon(c):
return (isinstance(c, dict) and set(c) == {"cau_hoi", "lua_chon", "dap_an", "giai_thich", "muc_do"}
and isinstance(c["cau_hoi"], str) and c["cau_hoi"].strip()
and isinstance(c["lua_chon"], list) and len(c["lua_chon"]) == 4
and all(isinstance(x, str) and x.strip() for x in c["lua_chon"])
and isinstance(c["dap_an"], int) and not isinstance(c["dap_an"], bool) and 0 <= c["dap_an"] <= 3
and isinstance(c["giai_thich"], str) and c["muc_do"] in MUC_DO)
def soat(van_ban_json):
try:
de = json.loads(van_ban_json)
except json.JSONDecodeError as e:
return [f"không phải JSON: {e.msg}"]
if not isinstance(de, list):
return ["cần một mảng câu hỏi"]
bao, da_gap = [], set()
for i, c in enumerate(de, 1):
if not dung_khuon(c):
bao.append(f"câu {i}: sai khuôn")
continue
if len({x.strip().lower() for x in c["lua_chon"]}) < 4:
bao.append(f"câu {i}: có lựa chọn trùng nhau")
if any(CAM.fullmatch(x.strip().lower().rstrip(".")) for x in c["lua_chon"]):
bao.append(f"câu {i}: có lựa chọn kiểu 'tất cả các ý trên'")
khoa = " ".join(c["cau_hoi"].lower().split())
if khoa in da_gap:
bao.append(f"câu {i}: trùng câu hỏi trước")
da_gap.add(khoa)
hop_le = [c for c in de if dung_khuon(c)]
if len(hop_le) >= 4:
vi_tri, so = Counter(c["dap_an"] for c in hop_le).most_common(1)[0]
if so / len(hop_le) > 0.5:
bao.append(f"đáp án dồn về vị trí {'ABCD'[vi_tri]}: {so}/{len(hop_le)} câu")
return bao
DE_MAU = json.dumps([
{"cau_hoi": "Độ phức tạp thời gian của tìm kiếm nhị phân trên mảng đã sắp xếp n phần tử là gì?",
"lua_chon": ["O(log n)", "O(n)", "O(n log n)", "O(1)"], "dap_an": 0,
"giai_thich": "Mỗi bước loại một nửa số phần tử.", "muc_do": "dễ"},
{"cau_hoi": "Cấu trúc nào phù hợp để duyệt đồ thị theo chiều rộng?",
"lua_chon": ["Hàng đợi", "Ngăn xếp", "Cây nhị phân", "Tất cả các ý trên"], "dap_an": 0,
"giai_thich": "BFS lấy đỉnh theo thứ tự vào trước ra trước.", "muc_do": "dễ"},
{"cau_hoi": "Mảng nào đã được sắp xếp tăng dần?",
"lua_chon": ["[1, 3, 2]", "[1, 2, 3]", "[3, 2, 1]", "[1, 2, 3]"], "dap_an": 1,
"giai_thich": "Mỗi phần tử không lớn hơn phần tử sau.", "muc_do": "dễ"},
{"cau_hoi": "Độ phức tạp thời gian của tìm kiếm nhị phân trên mảng đã sắp xếp n phần tử là gì?",
"lua_chon": ["O(log n)", "O(n^2)", "O(n)", "O(2^n)"], "dap_an": 0,
"giai_thich": "Trùng câu 1.", "muc_do": "vừa"},
{"cau_hoi": "Quy hoạch động thường dùng khi bài toán có gì?",
"lua_chon": ["Bài toán con gối nhau", "Dữ liệu đã sắp xếp", "Đồ thị không có chu trình", "Số phần tử nhỏ hơn 10"],
"dap_an": 4, "giai_thich": "Đáp án ngoài khoảng.", "muc_do": "khó"},
], ensure_ascii=False)
if __name__ == "__main__":
for dong in soat(DE_MAU):
print(dong)
Với bộ năm câu mẫu, chương trình báo năm điều: câu 2 có lựa chọn "Tất cả các ý trên"; câu 3 có hai lựa chọn giống hệt nhau; câu 4 trùng câu 1; câu 5 có đáp án 4, ngoài khoảng cho phép; và trong bốn câu đúng khuôn có ba câu đáp án A. Phần kiểm đi kèm viết riêng một JSON Schema cho khuôn câu hỏi, dùng thư viện jsonschema kiểm câu mẫu cùng mười biến thể sai, như thiếu trường, thừa trường, ba lựa chọn, đáp án là chữ hay là giá trị đúng sai, và so với kết quả của chương trình.
Khi kết quả chưa đúng thì sửa prompt thế nào
- Câu hỏi quá dễ, chỉ hỏi định nghĩa. Yêu cầu tỉ lệ câu áp dụng cụ thể và đưa một câu mẫu bạn thấy đúng mức.
- Lựa chọn sai vô lý, nhìn là loại được. Thêm "mỗi lựa chọn sai tương ứng một lỗi hiểu nhầm cụ thể, ghi lỗi đó vào giải thích".
- Đáp án đúng luôn ở A. Chạy đoạn code soát; yêu cầu mô hình xáo vị trí, hoặc tự xáo bằng code trước khi làm.
- JSON hỏng hay có thêm chữ ngoài mảng. Nhắc "chỉ trả về mảng JSON, không có chữ nào khác"; nếu công cụ bạn dùng có chế độ trả về JSON có cấu trúc, bật nó lên.
- Đáp án sai so với giáo trình. Yêu cầu trích căn cứ cho mỗi đáp án; câu nào không trích được căn cứ thì loại.
- Đề lạc ra ngoài tài liệu. Nhắc "chỉ dựa trên tài liệu" và yêu cầu ghi số mục hay đoạn của tài liệu cho mỗi câu.
Các dạng đề khác cho môn lập trình
Với môn lập trình, trắc nghiệm và tự luận chưa đủ; bạn cần luyện cả đọc code và viết code. Ba dạng đề dễ nhờ AI ra mà rất có ích. Dạng thứ nhất là đoán kết quả: AI đưa một đoạn code ngắn dùng đúng kiến thức của chương, bạn đoán chương trình in ra gì rồi mới chạy thử để biết đúng sai; máy tính là người chấm, không phải AI. Dạng thứ hai là tìm lỗi: AI đưa một hàm có đúng một lỗi, bạn chỉ ra dòng sai và sửa. Dạng thứ ba là viết hàm theo đặc tả kèm vài bộ thử nhỏ; bạn viết code, chạy các bộ thử, và chỉ hỏi AI khi bị kẹt quá lâu. Với cả ba dạng, thêm vào prompt câu "đoạn code phải chạy được bằng Python 3, không dùng thư viện ngoài", và tự chạy để chắc đề không sai ngay từ đầu.
Một vòng tự luyện mẫu
Một vòng gọn cho mỗi chương: sau buổi học, dán ghi chú vào prompt 1 lấy tám câu trắc nghiệm và soát bằng code; làm bài không xem tài liệu, ghi lại câu sai. Hai ba ngày sau, dùng prompt 2 lấy năm câu tự luận và tự trả lời trên giấy, rồi dùng prompt 3 để chấm. Trước kỳ thi, gom các câu sai của mọi chương vào prompt 4. Nếu bạn muốn AI chỉ trả lời dựa trên đúng bộ tài liệu đã tải lên, bài NotebookLM hay chatbot để học tài liệu so sánh hai cách làm.
Một lưu ý về sự trung thực: bộ đề tự luyện là để học. Dùng AI làm hộ bài kiểm tra có chấm điểm, hay mang câu hỏi AI ra vào phòng thi, là vi phạm quy chế của hầu hết các trường.
Ví dụ: ôn chương cấu trúc dữ liệu
Bạn ôn chương tìm kiếm và duyệt đồ thị cho kỳ thi giữa kỳ. Bạn dán mục giáo trình vào prompt 1 và nhận tám câu. Đoạn code soát cho thấy năm câu có đáp án A và một câu có lựa chọn "tất cả các ý trên"; bạn yêu cầu ra lại. Bộ đề mới qua soát, bạn làm được sáu trên tám câu. Câu sai về độ phức tạp của tìm kiếm nhị phân hóa ra do bạn nhầm giữa mảng đã sắp xếp và chưa sắp xếp. Ba ngày sau, prompt 4 hỏi lại ý đó bằng một ví dụ khác và bạn trả lời đúng. Một câu giải thích của AI ghi sai số bước duyệt; bạn phát hiện nhờ đối chiếu với giáo trình, đúng như lời dặn ở trên.
- Để AI ra đề theo hiểu biết chung thay vì tài liệu của môn học.
- Xem đáp án trước khi tự làm.
- Tin đáp án và giải thích của AI mà không đối chiếu giáo trình.
- Dùng đề có lựa chọn trùng nhau hay đáp án luôn ở cùng một vị trí.
- Chỉ luyện trắc nghiệm, không bao giờ tự diễn đạt bằng lời.
- Dùng AI làm hộ bài kiểm tra có chấm điểm.
Câu hỏi thường gặp
Tự ra đề luyện tập bằng AI có hiệu quả không?
Có ích nếu bạn tự làm trước rồi mới xem đáp án; cố nhớ lại kiến thức là cách học hiệu quả.
Làm sao để AI ra đề sát nội dung môn học?
Dán chính tài liệu môn học vào prompt và yêu cầu chỉ ra đề dựa trên tài liệu đó.
Đáp án do AI đưa ra có tin được không?
Không hoàn toàn; yêu cầu AI trích căn cứ và tự đối chiếu với giáo trình.
Vì sao nên yêu cầu AI trả về JSON?
Để soát bằng code: đủ trường, bốn lựa chọn khác nhau, đáp án không dồn một vị trí.
Học tiếp
Nếu bạn muốn học Python và AI bài bản cùng giảng viên, tham khảo khóa học AI của Big-O Coding.
Khóa AI – Introduction to Machine Learning: nền tảng Máy học từ thuật toán cơ bản đến Neural Networks và LLM, học bằng Python. Học thử buổi 1 miễn phí.


