AI chấm IELTS Writing có chính xác không, so với người chấm

Bạn dán bài Task 2 vào một công cụ AI, ba mươi giây sau nhận về: "Band 6.5. Task Response 6.5, Coherence 7, Lexical 6.5, Grammar 6." Kèm nhận xét từng đoạn. Cùng bài ấy, gửi cho một giáo viên, bốn ngày sau nhận về: "Khoảng 6.0. Quan điểm đoạn hai mâu thuẫn với kết bài."

Hai kết quả lệch nhau nửa band và chỉ ra hai vấn đề khác nhau. Tin bên nào?

Câu hỏi "AI chấm có chính xác không" ít khi có câu trả lời có hoặc không. Máy và người giỏi ở những việc khác nhau. Bài này so sánh hai cách theo năm tiêu chí cụ thể, nói rõ chỗ mạnh chỗ yếu của mỗi bên, và gợi ý ai nên dùng cách nào ở giai đoạn nào.

Năm tiêu chí để so

Thay vì hỏi bên nào "đúng" hơn, hỏi mỗi bên làm tốt việc gì:

1. Tốc độ: phản hồi đến sau bao lâu.
2. Độ đều: chấm cùng một bài hai lần có ra cùng kết quả không.
3. Bám tiêu chí: phản hồi có tách theo tiêu chí và chỉ vào câu cụ thể không.
4. Tìm nguyên nhân gốc: có giải thích được vì sao bạn sai, không chỉ sai ở đâu.
5. Nghe bài nói: có đánh giá được phát âm, trọng âm, ngữ điệu không.

Tốc độ: máy thắng rõ

Máy trả kết quả trong vài giây đến vài phút. Người chấm cần từ vài giờ đến vài ngày, tuỳ khối lượng công việc.

Tốc độ không chỉ là tiện. Như bài cần phản hồi Writing đều đặn đã phân tích, phản hồi đến trước bài viết kế tiếp mới ngắt được vòng lặp lỗi. Với nhịp hai ba bài mỗi tuần, máy là cách duy nhất có phản hồi cho mọi bài.

Độ đều: máy thường đều hơn

Một người chấm mệt vào cuối ngày, hoặc vừa chấm một bài rất tốt, có thể chấm bài tiếp theo khắt khe hơn. Máy không mệt. Cùng một bài gửi hai lần thường nhận kết quả gần nhau.

Nhưng đều không có nghĩa là đúng. Một máy chấm lệch cao nửa band sẽ lệch cao nửa band một cách rất đều. Muốn biết máy lệch bao nhiêu, cần so vài bài với một người chấm có kinh nghiệm hoặc với điểm thi thật.

Bám tiêu chí: cả hai làm được, nếu được thiết kế cho việc ấy

Không phải máy nào cũng chấm theo tiêu chí. Một công cụ AI dùng chung có thể cho bạn một band và vài nhận xét chung chung. Một hệ thống được thiết kế cho IELTS sẽ tách bốn tiêu chí và chỉ vào câu.

Người chấm cũng vậy: một giáo viên quen bảng mô tả band sẽ chấm theo tiêu chí; một người giỏi tiếng Anh nhưng không quen IELTS có thể chỉ sửa lỗi.

Khi chọn công cụ hay người chấm, hỏi: phản hồi có tách tiêu chí không, và mỗi nhận xét có chỉ vào câu cụ thể không. Đây là điều kiện tối thiểu để phản hồi dùng được, như bài tự luyện Writing mà không ai chấm đã nêu.

Nguyên nhân gốc: người thắng rõ

Máy thấy lỗi. Người hỏi vì sao.

Ví dụ: bạn viết "Parents should let children to decide their future." Máy sửa: "let children decide". Đúng. Người chấm có thể nhận ra thêm: bạn đã viết "let ... to" bốn lần trong ba bài, và cả "make ... to", nghĩa là bạn chưa nắm nhóm động từ sai khiến không dùng "to". Đó là một bài học, không phải một lỗi.

Với lỗi cấp bài, khoảng cách càng lớn. Máy có thể nhận ra một đoạn "chưa phát triển ý", nhưng khó nói được "đoạn này yếu vì bạn đang viết theo lối văn nghị luận tiếng Việt: nêu nhiều lý do ngắn thay vì phân tích sâu một lý do". Nhận xét kiểu ấy cần hiểu người viết, không chỉ hiểu bài viết.

Nghe bài nói: người là nguồn duy nhất cho phát âm

Phần lớn máy chấm Speaking hoạt động qua bản phiên âm: chuyển giọng nói thành chữ, rồi chấm phần chữ. Cách này đánh giá được từ vựng, ngữ pháp, và một phần độ trôi chảy (độ dài, chỗ ngừng). Nhưng phát âm, trọng âm, ngữ điệu không tồn tại trong bản chữ.

Ở NEMO IELTS, đoạn nói tối đa 3 phút được phiên âm rồi mới chấm, và máy không nhận xét phát âm, trọng âm hay ngữ điệu. Giới hạn này được nói thẳng để learner biết phần Pronunciation cần một người nghe thật.

Máy chấm có chính xác không

Câu trả lời trung thực: tuỳ công cụ, tuỳ band, tuỳ tiêu chí. Vài điều khá chắc:

• Máy thường chính xác hơn ở Grammatical Range and Accuracy và Lexical Resource, vì lỗi ở đó có dấu hiệu bề mặt.
• Máy thường kém hơn ở Task Response, vì đánh giá một lập luận có trả lời đúng đề không đòi hỏi hiểu ý.
• Ở band thấp (4 đến 5.5), lỗi nhiều và rõ, máy và người thường gần nhau. Ở band cao (từ 7), khác biệt nằm ở sắc thái, và độ lệch có thể lớn hơn.

Cách tự kiểm: chấm ba bài bằng máy, gửi cùng ba bài cho một người có kinh nghiệm chấm IELTS. Nếu hai bên lệch nhau không quá nửa band ở hầu hết tiêu chí, bạn có thể tin máy cho nhịp luyện hằng ngày.

Dùng máy chấm cho đúng

Nếu dùng máy làm nguồn phản hồi chính, vài thói quen giúp bạn lấy được nhiều nhất từ nó:

Đọc nhận xét trước, điểm sau. Con số dễ gây cảm xúc; câu chỉ vào lỗi mới là thứ dùng được.

Không gửi lại cùng một bài nhiều lần để "xin" điểm cao hơn. Nếu điểm dao động giữa các lần gửi, đó là thông tin về độ nhiễu của công cụ, không phải về bài của bạn.

Ghi lỗi máy chỉ ra vào sổ, không chỉ sửa trên bài. Máy không nhớ bài trước của bạn trừ khi hệ thống được thiết kế để làm vậy. Bạn phải là người nối các bài lại với nhau.

Nghi ngờ khi máy khen Task Response. Đây là tiêu chí máy dễ lạc quan nhất. Tự kiểm lại bằng cách viết một câu tóm quan điểm bài và so với đề.

So với người ở mốc. Cứ vài tuần, gửi một bài cho người chấm có kinh nghiệm. Nếu lệch lớn và lệch theo cùng một hướng, điều chỉnh cách bạn đọc điểm máy.

Ai hợp với cách nào

Band 4 đến 5.5, còn nhiều thời gian. Máy là nguồn phản hồi chính. Phần lớn lỗi là lỗi quy tắc, máy chữa tốt. Người chấm ở các mốc đo lại.

Band 6 trở lên, còn nhiều thời gian. Máy cho nhịp hằng tuần, người khi thấy chững hoặc ở các mốc. Bài khi nào cần người có trình độ cao hơn xem bài liệt kê các dấu hiệu chững.

Band 6 trở lên, còn dưới ba tháng. Người chấm thường xuyên hơn, vì lỗi còn lại là loại máy khó thấy và không còn thời gian để thử sai.

Speaking ở mọi band. Máy cho phần từ vựng, ngữ pháp, độ dài. Người cho phát âm, ít nhất ở các mốc.

Kết hợp chứ không chọn một

Cách dùng hiệu quả nhất thường không phải chọn máy hay người, mà là giao đúng việc cho đúng bên. Ba mức đồng hành của NEMO IELTS được thiết kế theo cách chia việc ấy, từ tự học với Nemo AI tới có chuyên gia chữa Writing và Speaking thường xuyên. Chi tiết ở trang học phí và các mức đồng hành IELTS.