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.
Ý tưởng từ trải nghiệm cá nhân
Nguyễn Đức Anh từng là học sinh lớp 12 phải mở nhiều trang tra cứu và tự lập bảng Excel để so sánh điểm chuẩn các năm. Năm 2025, sau một đề tài nghiên cứu về năng lực số chưa tạo được tác động thực tế, anh quay lại với ý tưởng cũ, hướng đến 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 công cụ tra cứu tĩnh thành hệ thống dự báo dựa trên ba nhóm dữ liệu: điểm chuẩn các năm trước, phổ điểm thi năm hiện tại và mức độ được nhắc đến trên báo chí chính thống của từng ngành học.
Con số độ tin cậy luôn cố định
Khi gọi cùng một truy vấn nhiều lần, chỉ số 'độ tin cậy AI' (ai_confidence) luôn hiển thị 85%, bất kể trường, ngành hay điểm số nào. 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 được hỏi về việc gọi thẳng vào API vẫn cho kết quả 85%, anh đính chính: 'Con số 85% đúng là được gắn cố định ngay tại lớp API của Backend, chứ không chỉ ở Frontend'. 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.
Tính năng quét tin tức thời gian thực bị gỡ bỏ
Hệ thống từng có tính năng quét dư luận xã hội theo tương tác người dùng, nhưng khi đưa lên môi trường thực tế gây độ trễ 15-20 giây mỗi lần, 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. '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 cá nhân không ảnh hưởng 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, còn điểm cá nhân chỉ dùng để tính khoảng cách và phân loại thành ba mức: An toàn, Vừa tầm hoặc Thử thách. Kết quả này trùng khớp với phép thử nhiều lần của chúng tôi.
Độ chính xác và giới hạn
Đức Anh cho biết đã thực hiện backtesting: 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 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, chưa được đối chiếu độc lập. Về giới hạn, việc khai thác dữ liệu dư luận xã hội chỉ dừng ở báo chí chính thống, do xử lý dữ liệu mạng xã hội đòi hỏi nguồn lực lớn hơn. Hạ tầng đang được tối ưu theo hướng thiết kế phi trạng thái và tăng cường bộ nhớ đệm thay vì mở rộng máy chủ tốn kém.
Không công bố dữ liệu đối chiếu
Khi được hỏi về việc công bố dữ liệu đối chiếu giữa dự báo và điểm chuẩn chính thức, Đức Anh cho biết dữ liệu backtest đang được chuẩn bị cho báo cáo nghiên cứu khoa học và định hướng học lên cao, nên chưa thể công bố công khai.
Vai trò của AI trong học lập trình
Đức Anh nói thẳng về việc sử dụng 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'. Anh 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.
