WeTransform

Dùng system thinking để giải bài toán giảm sút người làm bài quiz

Có một con số làm mình chột dạ suốt mấy tháng nay.

Trên website WeTransform, tôi có tạo ra hơn 10 bài quiz, là chủ đề của những khóa học và những cuốn sách tôi biên dịch. Trước đây, mỗi tuần có khoảng 10 người làm và nộp bài. Cho đến nay, cũng có được tổng cộng hơn 5.000 lượt làm những bài quiz này. Không nhiều, nhưng đều đặn. Mỗi lượt nộp là một tín hiệu: có người đang học, đang tự kiểm tra mình.

Sang năm 2026, con số đó gần như về 0.

Phản xạ đầu tiên của mình, và chắc của nhiều người làm đào tạo, là một câu rất gọn: không ai quan tâm tới bài quiz này nữa. Kết luận nghe hợp lý. Thời AI rồi, ai còn ngồi làm quiz. Gỡ đi, làm cái khác.

Nhưng mình đã dạy Design Thinking đủ lâu để biết một câu trả lời đến quá nhanh thường là câu trả lời cho câu hỏi sai.

Người ta vẫn ở đó, chỉ là mình không thấy

Mình mở dữ liệu từ lượt truy cập website ra xem kỹ hơn. Và thấy một điều lạ: người ta vẫn tìm kiếm bài quiz. Vẫn bấm vào xem. Chỉ là không ai bấm nộp bài mà thôi.

Giả thuyết đầu tiên của mình vẫn xoay quanh AI. Có thể người học đã dùng AI để tra đáp án, một khi đã biết kết quả của bài quiz rồi thì cần gì nộp nữa.

Nên mình làm một prototype, cũng bằng AI, trên chính nội dung bài quiz đó. Hai thay đổi:

  1. Câu hỏi được viết lại để khó tra bằng AI hơn. Không chống được hoàn toàn, chỉ tương đối thôi.
  2. Không chờ người ta bấm nộp mới biết kết quả. Quiz ghi lại hành trình làm bài, nên dù có nộp hay không, mình vẫn biết họ đã làm gì trên bài.

Một tháng sau, kết quả không như mình đoán. Người ta vẫn vào làm quiz. Nhưng nhiều người vẫn không nộp. Họ làm để biết, vậy thôi.

Đến đây mình phải thành thật với chính mình. Nếu AI là lý do chính, thì khi quiz đã khó tra, lượt nộp lẽ ra phải tăng lại. Nó không tăng. Giả thuyết AI yếu đi hẳn. Còn lại một giả thuyết đơn giản hơn nhiều: nút nộp bài chưa bao giờ mang lại gì cho người học. Nó chỉ mang lại dữ liệu cho mình.

Đào sâu chưa phải là nhìn hệ thống

Nhìn lại, mình đã làm đúng một nửa. Mình không dừng ở con số 0, mình đào xuống. Nhưng mình vẫn đào theo một đường thẳng: một nguyên nhân, một giải pháp. Khi đặt case này qua lăng kính system thinking, mình thấy năm thứ mà cách nhìn tuyến tính bỏ qua.

Iceberg: từ sự kiện xuống niềm tin. Trên mặt nước là sự kiện: 0 lượt nộp. Xuống một tầng là pattern: vẫn tìm, vẫn xem, không nộp. Tầng dưới nữa là cấu trúc: mình chỉ thấy người học khi họ nộp bài. Và dưới cùng là mental model, của cả hai phía. Người học làm quiz để tự biết, không phải để chứng minh cho ai. Còn mình thì ngầm tin rằng nộp bài nghĩa là quan tâm.

Behavior over time: tín hiệu nằm ở chỗ các đường tách nhau. Nếu chỉ vẽ đường lượt nộp, bạn sẽ thấy một cú rơi và muốn gỡ quiz. Đặt thêm đường lượt tìm kiếm và lượt xem cạnh nó, bạn thấy một cái phễu: tìm, xem, làm, nộp. Phễu gãy ở bước cuối, không gãy ở đầu. Nhu cầu vẫn còn.

Causal loop: vòng mù dữ liệu. Lượt nộp giảm thì dữ liệu mình thấy ít đi. Thấy ít đi thì mình tin quiz hết hiệu quả. Tin vậy thì đầu tư ít đi. Đầu tư ít thì quiz kém hấp dẫn hơn, và lượt nộp lại giảm tiếp. Đáng sợ là vòng này sinh ra từ chính cách mình đo. AI chỉ là cú hích từ bên ngoài

Leverage points: can thiệp ở tầng nào. Viết lại câu hỏi cho khó tra là chỉnh tham số, tầng yếu nhất trong thang đòn bẩy của Donella Meadows, và là một cuộc chạy đua với AI mình khó thắng. Ghi lại hành trình làm bài mạnh hơn nhiều, vì nó đổi luồng thông tin. Mình không còn phụ thuộc vào cái nút nộp để thấy người học. Còn hai tầng sâu hơn mình chưa chạm tới: đổi mục tiêu đo, và đổi cách nhìn về quiz.

Hệ quả bậc hai: giải pháp hôm nay có thể là vấn đề ngày mai. Quiz quá khó thì người ta bỏ giữa chừng. Ghi lại hành trình thì phải minh bạch với người học rằng họ đang được ghi lại. Và nếu bỏ hẳn chỉ số nộp bài, mình biết có người làm nhưng không biết họ là ai.

Điều mình vẫn chưa biết

Mình chưa có số lượt tìm kiếm và lượt xem theo từng giai đoạn. Mình cũng chưa có số người làm hết bài mà không nộp sau prototype. Giả thuyết “nút nộp không cho người học gì” nghe rất thuyết phục, nhưng nó vẫn là giả thuyết.

Cách kiểm chứng rẻ nhất không phải thêm một dashboard. Mình sẽ nói chuyện với ba đến năm người đã làm hết bài mà không nộp. Hỏi họ dừng lại ở đâu, và nếu bấm nộp thì họ được gì.

Và nếu giả thuyết đúng, việc cần làm không phải là ép người ta nộp. Mà là làm cho bước cuối có giá trị với chính người học: một lời giải thích đáp án, một gợi ý bài tiếp theo. Lúc đó quiz thôi là bài kiểm tra của mình, và trở thành công cụ tự học của họ.

Mình viết lại câu chuyện này không phải vì đã có lời giải. Mình viết vì nó nhắc mình một điều: đôi khi vấn đề không nằm ở người học, mà nằm ở cách mình đo.

Còn bạn, trong tổ chức của mình, chỉ số nào đang đo việc học, và chỉ số nào chỉ đang đo thủ tục? Tỷ lệ hoàn thành khóa, số lượt điểm danh, số phiếu khảo sát thu về… Mình rất muốn nghe câu chuyện của bạn.

Kèm bài này là một video ngắn 80 giây, kể lại case qua năm công cụ system thinking.

Exit mobile version