483 bài IELTS Writing đã chấm: số liệu và đính chính

Đọc điều này trước mọi con số bên dưới. Tập dữ liệu này là 483 bài IELTS Writing, 4.419 lượt chấm, và đó là bộ bài kiểm định nội bộ của Target7, không phải bài của người học. Đo lại theo tài khoản ngày 06/10/2026: 471 trong 483 bài do tài khoản quản trị hoặc lượt kiểm thử nội bộ nộp, khi đội ngũ chạy bài qua AI chấm để kiểm tra nó; chỉ 11 bài đến từ tài khoản không phải quản trị, và 1 bài không xác định được chủ. Vì vậy các con số bên dưới cho biết AI của Target7 chấm bộ bài kiểm định này ra sao, KHÔNG phải chân dung người học Việt Nam, và không nên trích dẫn như dữ liệu người dùng. Số liệu từ bài của người dùng thật nằm ở trang riêng, "Người Việt mất điểm IELTS Writing ở đâu", chỉ tính tài khoản người dùng và loại hết bài nội bộ.

Trang này công bố số liệu từ 483 bài trong bộ kiểm định, được AI của Target7 chấm trong khoảng 14/05/2026 đến 22/08/2026. Mỗi bài có đủ điểm bốn tiêu chí riêng lẻ: Task Response, Coherence and Cohesion, Lexical Resource, Grammatical Range and Accuracy. Chúng tôi công bố kèm cỡ mẫu, khoảng thời gian, nguồn bài và giới hạn của dữ liệu, vì một con số thiếu những thứ đó thì không ai kiểm chứng được. Bản trước của trang gọi tập này là bài mà hệ thống đã chấm mà không nói bài của ai, và một bản cũ hơn nữa gọi đó là bài của người dùng Target7; cả hai cách gọi đều không đúng.

Một đính chính về chính con số này. Bản trước của trang nói "4.419 bài". Đó là 4.419 LƯỢT chấm, không phải 4.419 bài: 483 bài, mỗi bài chấm lại trung bình 9,1 lần khi hệ thống chấm được nâng cấp qua 101 phiên bản. Mọi tỉ lệ bên dưới đã tính lại trên 483 bài riêng biệt, mỗi bài lấy lần chấm mới nhất — nên một bài được chấm lại 30 lần giờ đếm đúng một lần. Vài con số đổi đáng kể, và có con số đảo chiều; chúng tôi để lại phần đính chính này thay vì lặng lẽ sửa, vì một trang dữ liệu giấu lần sửa của mình thì không đáng tin hơn một trang không có dữ liệu.

Band phổ biến nhất là 6.0, chiếm 25,3% số bài (122 trong 483). Tiếp theo là 5.0 với 18,2% (88 bài), rồi 6.5 với 15,3% (74 bài) và 7.0 với 14,1% (68 bài). Từ 7.5 trở lên chỉ có 5,8%, và dưới 5.0 là 9,5%. Nghĩa là phần lớn bài trong bộ kiểm định nằm trong khoảng 5.0 đến 7.0.

Trung bình từng tiêu chí trên 483 bài: Coherence and Cohesion 5,92, Task Response 5,89, Lexical Resource 5,88, và Grammatical Range and Accuracy 5,68. Ngữ pháp là tiêu chí thấp nhất, nhưng khoảng cách giữa tiêu chí cao nhất và thấp nhất chỉ là 0,24 band, nên trên bộ bài này không có tiêu chí nào bị chấm thấp hẳn. Trên 55 bài của người dùng thật, ngữ pháp cũng thấp nhất nhưng ở mức 5,56.

Đây là con số đảo chiều khi tính lại trên bài thay vì trên lượt chấm, nên đáng nói rõ. Bản trước viết "53,5% số bài có cả bốn tiêu chí bằng nhau — hơn một nửa". Trên 483 bài riêng biệt, tỉ lệ đó là 41,8%, tức KHÔNG phải đa số. Ngược lại 56,9% số bài chênh từ 1 band trở lên giữa tiêu chí cao nhất và thấp nhất, và đây mới là nhóm đa số. Kết luận thực tế vì thế ngược với bản cũ: phần lớn bài trong tập này CÓ một chỗ lệch rõ để sửa, chứ không phải đều tay ở mọi mặt. (Đây là bộ bài kiểm định nội bộ, nên câu này nói về tập bài chứ không nói về người học.) Lý do bản cũ sai theo hướng đó: bài có bốn tiêu chí bằng nhau thường là bài band thấp, và bài band thấp được chấm lại nhiều lần hơn, nên đếm theo lượt chấm đã khuếch đại nhóm này lên.

Trong tập này, 413 bài là Task 2 và 68 bài là Task 1. Bài Task 1 có điểm trung bình cao hơn 0,69 band (6,49 so với 5,80), và tỉ lệ đạt từ 7.0 trở lên là 45,6% so với 15,5%. Nhưng không nên đọc con số này thành "Task 1 dễ hơn": đây là bài do đội ngũ chọn để kiểm thử AI chấm, nên số bài và mức band của mỗi loại phản ánh cách bộ bài được dựng, không phản ánh thí sinh. Cỡ mẫu cũng lệch 6,1 lần. Bản trước của trang viết "nhóm 98 người" — sai hai lần: 98 là số lượt chấm chứ không phải số bài, và đó là bài chứ không phải người. Chúng tôi vẫn công bố vì con số là thật, và vì cách duy nhất để ai đó đánh giá được nó là biết cả hai điều trên.

Ở mức 6.0 có 53 bài (trong 122) chỉ có đúng một tiêu chí tụt lại so với ba tiêu chí kia, và tiêu chí đó là ngữ pháp trong 44 bài — 83,0%. Task Response chỉ 5 bài. Ở mức 6.5, nhóm tương ứng chỉ có 10 bài, trong đó Task Response là tiêu chí tụt trong 7 bài. Mười bài là quá ít để nêu một tỉ lệ phần trăm, nên chúng tôi nêu số đếm và dừng ở đó: trong bộ bài này, nút thắt có vẻ đổi từ ngữ pháp sang Task Response khi lên band, nhưng chưa đủ để khẳng định, và càng không đủ để nói về người học. Bản trước công bố "56,2%" cho nhóm 6.5 — con số đó tính trên lượt chấm và không nên tin.

Target7 chấm IELTS Writing bằng AI: band điểm 4 tiêu chí, sửa lỗi từng câu, luyện Reading và Listening

483 bài IELTS Writing trên trang này là bài của ai?

Là bộ bài kiểm định nội bộ của Target7, không phải bài của người học. Đo theo tài khoản, 471 trong 483 bài do tài khoản quản trị hoặc lượt kiểm thử nội bộ nộp khi đội ngũ chạy bài qua AI chấm để kiểm tra nó; 11 bài đến từ tài khoản không phải quản trị và 1 bài không xác định được chủ. Trong bộ này, band phổ biến nhất là 6.0 với 25,3% số bài, tiếp theo là 5.0 với 18,2%, 6.5 với 15,3% và 7.0 với 14,1%. Đây là điểm do AI chấm, không phải điểm giám khảo, và không đại diện cho thí sinh Việt Nam. Số liệu từ bài của người dùng thật, 55 bài của 27 tài khoản, nằm ở trang "Người Việt mất điểm IELTS Writing ở đâu".

Bao nhiêu bài trong bộ kiểm định có cả bốn tiêu chí bằng nhau?

41,8% trong 483 bài của bộ kiểm định có cả bốn tiêu chí bằng nhau — khoảng hai phần năm, không phải đa số. 56,9% số bài chênh từ 1 band trở lên giữa tiêu chí cao nhất và thấp nhất. Vì đây là bài thử nội bộ, hai con số mô tả bộ bài chứ không mô tả người học. Trên 55 bài của người dùng thật, 10 bài có bốn tiêu chí bằng nhau.

Trong bộ kiểm định, tiêu chí nào bị chấm thấp nhất?

Trên 483 bài, Grammatical Range and Accuracy có trung bình thấp nhất ở 5,68, so với Coherence and Cohesion 5,92, Task Response 5,89 và Lexical Resource 5,88. Nhưng khoảng cách chỉ là 0,24 band nên không nên hiểu là ngữ pháp yếu hẳn. Ở mức 6.0, trong 53 bài chỉ có đúng một tiêu chí tụt lại, tiêu chí đó là ngữ pháp trong 44 bài. Ở mức 6.5 nhóm tương ứng chỉ có 10 bài và Task Response chiếm 7 — quá ít để nêu tỉ lệ, nên chúng tôi nêu số đếm. Trên 55 bài của người dùng thật, ngữ pháp cũng là tiêu chí thấp nhất, trung bình 5,56.

Trong bộ kiểm định, bài Task 1 hay Task 2 được điểm cao hơn?

Trong 483 bài của bộ kiểm định, 68 bài Task 1 có điểm trung bình 6,49 còn 413 bài Task 2 có 5,80 — Task 1 cao hơn 0,69 band, và tỉ lệ đạt từ 7.0 trở lên là 45,6% so với 15,5%. Tuy nhiên đây không phải bằng chứng Task 1 dễ hơn. Đây là bài do đội ngũ chọn để kiểm thử AI chấm, nên số bài và mức band của mỗi loại phản ánh cách bộ bài được dựng chứ không phản ánh thí sinh. Cỡ mẫu cũng lệch 6,1 lần. Trong phòng thi thật, Task 2 tính trọng số gấp đôi Task 1 khi ghép điểm Writing tổng, nên một bài Task 2 yếu vẫn kéo điểm xuống mạnh hơn dù điểm trung bình của nó thấp hơn ở đây.

Số liệu chấm IELTS Writing này có đáng tin không?

Chỉ đáng tin trong đúng phạm vi của nó, và phạm vi đó hẹp hơn tên gọi ban đầu của trang. Thứ nhất, đây là điểm do AI của Target7 chấm theo bốn tiêu chí band descriptor, không phải điểm giám khảo, và chưa bài nào trong tập này được ghép với điểm giám khảo thật để đối chiếu. Thứ hai, và quan trọng hơn: 471 trong 483 bài là bài thử nội bộ của đội ngũ Target7, nên đây là bộ bài kiểm định, không phải mẫu người dùng và càng không phải mẫu thí sinh Việt Nam. Thứ ba, hệ thống chấm có thể chặt tay hơn ở tiêu chí ngữ pháp, nên đừng đọc con số ngữ pháp thấp nhất thành kết luận về người học. Chúng tôi nêu đủ ba giới hạn này vì một con số không kèm cỡ mẫu và cách đo thì không ai kiểm chứng được.