Sinh viên USSH xây dựng hệ thống dự đoán điểm chuẩn đại học, đã có hơn 16.000 người dùng: Không dùng AI giống như không dùng máy tính để làm toán

Hệ thống AI dự báo điểm chuẩn đại học do Nguyễn Đức Anh, sinh viên năm cuối khoa Quản trị thông tin Trường Đại học Khoa học Xã hội và Nhân văn (Đại học Quốc gia Hà Nội), xây dựng đã thu hút khoảng 16.000 người dùng với hơn 30.000 lượt truy cập tính đến đầu tháng 7/2026. Trước khi viết về dự án này, chúng tôi đã gọi trực tiếp vào API của hệ thống hàng chục lần với nhiều tổ hợp trường, ngành và mức điểm khác nhau, sau đó hỏi chính tác giả dự án để hiểu hơn về cơ chế thực sự đang chạy phía sau giao diện web.

Ý tưởng bắt đầu từ chính trải nghiệm của Nguyễn Đức Anh khi còn là học sinh lớp 12, phải mở nhiều trang tra cứu khác nhau rồi tự lập bảng Excel để so sánh điểm chuẩn các năm. Năm 2025, sau một đề tài nghiên cứu về năng lực số của học sinh chưa tạo được tác động thực tế như kỳ vọng, Nguyễn Đức Anh quay lại với ý tưởng cũ, lần này hướng đến một sản phẩm dùng được ngay. Dưới sự dẫn dắt của thầy Trần Đăng Ninh, giảng viên Học viện Kỹ thuật và Công nghệ An ninh, dự án phát triển từ một công cụ tra cứu tĩnh thành hệ thống có khả năng dự báo, dựa trên ba nhóm dữ liệu đầu vào: điểm chuẩn các năm trước, phổ điểm thi của năm hiện tại, và mức độ được nhắc đến trên báo chí chính thống của từng ngành học.

Con số không đổi

Khi gọi cùng một truy vấn, gồm cùng mã trường, mã ngành và mức điểm, nhiều lần liên tiếp, chúng tôi nhận thấy chỉ số "độ tin cậy AI" (ai_confidence) hiển thị trên kết quả luôn cố định ở mức 85%, bất kể trường nào, ngành nào hay điểm số nào được nhập vào.

Nguyễn Đức Anh giải thích con số này được giữ ổn định ở khâu hiển thị để tránh gây hoang mang cho học sinh khi các chỉ số biến động liên tục. Khi được hỏi lại về việc gọi thẳng vào API mà không qua giao diện web vẫn cho kết quả 85% y hệt, Nguyễn Đức Anh đính chính: "Con số 85% đúng là được gắn cố định ngay tại lớp API của Backend, chứ không chỉ ở Frontend". Theo giải thích của Đức Anh, phần xử lý AI hiện chạy offline và đồng bộ kết quả vào cơ sở dữ liệu theo đợt, thay vì tính toán trực tiếp mỗi khi có yêu cầu, nhằm giữ API ổn định và tránh quá tải máy chủ. "Khi hạ tầng được cấp thêm tài nguyên, engine AI sẽ được nối thẳng vào API này",  Đức Anh nói.

Tính năng hay nhất lại chưa triển khai thực tế

Một điểm khác mà chúng tôi tìm hiểu là cách hệ thống cập nhật dữ liệu dư luận xã hội, yếu tố được xem là khác biệt lớn nhất so với các công cụ tra cứu điểm chuẩn thông thường. Đức Anh mô tả cơ chế gồm hai luồng cập nhật, trong đó có một luồng được kích hoạt ngay khi người dùng tương tác với hệ thống.

Thời gian phản hồi thực đo được của hệ thống chỉ dưới 2 giây, khó phù hợp với một bước quét tin tức thời gian thực. Thực tế, Nguyễn Đức Anh xác nhận tính năng quét theo tương tác từng chạy được ở môi trường thử nghiệm cục bộ, nhưng khi đưa lên môi trường thực tế lại gây độ trễ 15 đến 20 giây mỗi lần, đủ để phá hỏng trải nghiệm người dùng nên đã bị gỡ khỏi bản chạy chính thức. Phiên bản công khai hiện chỉ còn giữ luồng cập nhật theo đợt, mặc định 12 tiếng một lần, đúng như thông tin từng được Đức Anh chia sẻ với báo chí trước đó. "Từ 'thời gian thực' ở đây nên hiểu là hệ thống tính toán ngay dựa trên dữ liệu mới nhất vừa cập nhật cách đó không lâu, chứ không phải bật crawler chạy trực tiếp ngay lúc người dùng bấm nút" , Đức Anh cho biết.

Điểm nhập vào không thay đổi điểm dự báo

Theo Đức Anh, điểm số cá nhân người dùng nhập vào không làm thay đổi mức điểm dự báo của một ngành học. Thuật toán chạy độc lập dựa trên ba yếu tố đầu vào đã nêu, còn điểm cá nhân chỉ dùng để tính khoảng cách với điểm dự báo, từ đó phân loại thành ba mức: An toàn, Vừa tầm hoặc Thử thách. Đây cũng là kết quả trùng khớp với phép thử nhiều lần của chúng tôi, khi thay đổi mạnh mức điểm nhập vào không làm dịch chuyển đáng kể tâm của dải điểm dự báo.

Về độ chính xác, Đức Anh cho biết đã thực hiện backtesting, tức dùng dữ liệu các năm trước để mô hình tự dự đoán lại điểm chuẩn năm liền sau rồi so sánh với kết quả thật. Theo chia sẻ của cậu, khi dùng dữ liệu năm 2023 và 2024 để dự đoán điểm chuẩn năm 2025, mô hình đạt độ chính xác khoảng 78% trong biên độ sai số 0,5 điểm. Phần sai lệch còn lại, theo Nguyễn Đức Anh, thường rơi vào các ngành có biến động đột ngột về chỉ tiêu tuyển sinh. Đây là con số do tác giả tự cung cấp, chúng tôi ghi nhận theo lời chia sẻ và chưa có điều kiện đối chiếu độc lập với dữ liệu gốc.

Giới hạn được thừa nhận

Đức Anh không giấu những giới hạn hiện tại của dự án. Việc khai thác dữ liệu dư luận xã hội hiện chỉ dừng ở các trang báo chí chính thống, do xử lý dữ liệu từ mạng xã hội đòi hỏi nguồn lực lớn hơn để lọc tin giả, điều một dự án cá nhân khó đáp ứng ngay ở giai đoạn này. Về hạ tầng, cậu bạn cho biết đang tối ưu theo hướng thiết kế phi trạng thái và tăng cường bộ nhớ đệm để hệ thống chịu tải tốt hơn khi bước vào giai đoạn cao điểm chốt nguyện vọng, thay vì đầu tư mở rộng máy chủ vốn tốn kém với một dự án phi lợi nhuận.

Khi được hỏi có sẵn sàng công bố dữ liệu đối chiếu giữa kết quả dự báo và điểm chuẩn chính thức sau mùa tuyển sinh hay không, Đức Anh cho biết dữ liệu backtest hiện đang được chuẩn bị để phục vụ báo cáo bảo vệ đề tài nghiên cứu khoa học và định hướng học lên cao của cậu, nên chưa thể công bố công khai vào thời điểm này.

Đức Anh cũng nói thẳng về vai trò của các công cụ AI trong quá trình tự học lập trình. "Từ chối dùng AI lúc này giống như việc từ chối dùng máy tính để làm toán vậy", Nguyễn Đức Anh chia sẻ, cho biết đã dùng các công cụ hỗ trợ viết mã nhiều nhất ở khâu xây dựng giao diện, tối ưu câu lệnh truy vấn cơ sở dữ liệu và làm sạch dữ liệu mã ngành, mã tổ hợp môn vốn không đồng nhất giữa các trường.

Hệ thống hiện vẫn mở miễn phí tại diemthi.techtreesolution.com , cập nhật định kỳ 12 tiếng một lần và sẽ tăng tần suất khi gần đến thời điểm các trường khóa nguyện vọng. Đức Anh cho biết định hướng sắp tới là mở rộng sang các phương thức tuyển sinh khác như thi đánh giá năng lực, bổ sung dữ liệu từ mạng xã hội khi có đủ nguồn lực, và phát triển thêm phiên bản ứng dụng di động.

Thế Duyệt