Tự đánh giá và định tuyến

Chuẩn hóa self confidence và luật định tuyến Cluster theo self assessment raw.

1. Dữ liệu đầu vào

Người học tự đánh giá từng Knowledge Cluster — Cụm kiến thức bằng số nguyên:

$r = \text{self\_assessment\_raw}, \qquad r \in \{1,2,3,4,5\}$

raw nghĩa là giá trị gốc, chưa chuẩn hóa. Đây là giá trị duy nhất được dùng để quyết định có vào Agent 2 hay không.

2. Chuẩn hóa độ tự tin

\text{self\_confidence} = \frac{r-1}{4}

Raw	`self_confidence`	Diễn giải UI
1	0.00	Rất chưa tự tin
2	0.25	Chưa tự tin
3	0.50	Trung bình
4	0.75	Tự tin
5	1.00	Rất tự tin

Chuẩn hóa chỉ giúp các engine sau làm việc trên miền [0,1]; nó không tạo ra bằng chứng năng lực.

3. Luật định tuyến BR-01/BR-02

\text{requires\_verification}(r)= \begin{cases} 0, & r \le 3 \\ 1, & r \ge 4 \end{cases}

Không được thay điều kiện trên bằng self_confidence >= 0.75, dù hiện tại hai cách cho cùng kết quả. Business contract quy định rõ routing đọc trường raw.

4. Ý nghĩa của nhánh 1–3

not_assessed không có nghĩa “đã đo và kết luận yếu”. Nó có nghĩa:

người học tự nhận chưa vững;
hệ thống chủ động không tốn ngân sách để chứng minh lại;
mastery = null;
evidence_confidence = null;
Agent 3 dùng self signal.

5. Ví dụ

Với self_assessment_raw = 2:

$\text{self\_confidence}=\frac{2-1}{4}=0.25$

Knowledge State hợp lệ:

{
  "self_assessment_raw": 2,
  "self_confidence": 0.25,
  "diagnostic_status": "not_assessed",
  "mastery": null,
  "evidence_confidence": null,
  "confidence_gap": null
}

Với self_assessment_raw = 5, hệ thống phát câu hỏi Agent 2. Chỉ sau khi có đủ evidence thì mastery mới được phép xuất hiện.

6. Thuật ngữ

Self-assessment — tự đánh giá: nhận định của chính người học.
Raw score — điểm gốc: số nguyên người học chọn.
Normalization — chuẩn hóa: đổi thang 1–5 thành thang 0–1.
Routing — định tuyến: chọn nhánh xử lý nghiệp vụ.
Verification — xác minh: kiểm tra sự tự tin bằng bằng chứng thực tế.

7. Tham chiếu code

src/agents/schemas/baselines.py
src/agents/schemas/diagnostic_io.py
src/api/diagnostic_routes.py