SDD-003 — Knowledge & Learning Quality System

Core loop: Model → Build → Review → Score → Detect Problems → Improve → Re-evaluate → Publish → Observe Learners → Improve Again. Đây là Learning Knowledge Factory (continuous improvement), không phải CMS.

2. Knowledge Registry (REQ-KNW-01)

Domain → Area → {Knowledge Node, Skill}.

• Knowledge Node ("biết/hiểu gì"): definition, scope, examples, misconceptions, prerequisites, related nodes, difficulty, grades, school/program, source, quality score, lifecycle.
• Skill ("làm được gì"): measurable indicators để Assessment Engine tạo evidence.

3. Skill & Knowledge Graph (REQ-KNW-02)

Edges: prerequisite_of, related_to, part_of, supports, requires, generalizes, applies, similar_to. Graph trả lời: hổng ở đâu, vì sao không học được X, quay lại node nào, gap ảnh hưởng bao nhiêu capability. Shared infrastructure toàn school — cấm graph riêng per school (RISK-003: chuyenchon có 3 bản thể graph — TS files 6.5k LOC, mori seed, learning_graph_nodes; Nemo12 seed từ TS graphs, một registry duy nhất trong D1, school chỉ thêm context — SDD-007 §5).

4. Learning Package (REQ-KNW-03)

Đơn vị đóng gói dạy được một mục tiêu: target skill + prerequisites + concept/examples/misconceptions/explanation/practice/assessment/experiences/scaffolds/extension. Một skill nhiều package theo age/level/school/exam context.

6. Quality Profile (REQ-KNW-07)

Rubric 8 chiều: Accuracy, Clarity, Pedagogy, Cognitive Demand, Alignment, Engagement, Assessment Validity, Accessibility. Mỗi score lưu {dimension, score, reason, evidence, evaluator, rubric_version, timestamp} — không chỉ điểm trung bình.

7. Quality Engine — 3 lớp (REQ-KNW-08)

1. Deterministic: missing prerequisite/source/assessment, orphan node, circular dependency, invalid difficulty, duplicate ID, broken reference.
2. Algorithmic/graph: assessment chỉ test recall trong khi skill đòi application; experience đòi kiến thức ngoài prerequisite graph.
3. LLM theo rubric cụ thể (cấm hỏi chung "có tốt không"): clarity, phù hợp tuổi, distractor quality, misconception, inquiry thật không.

Một rubric registry duy nhất (fix RISK-005: legacy có 4+ hệ rubric song song + 2 framework .mjs). Kế thừa CC-QAF-1.0 (10 clusters/50 criteria/250 indicators) làm rubric gốc, evidence-gated scoring (điểm >0 phải có evidence).

8. Multi-Evaluator (REQ-KNW-09)

Rule Engine + Graph Validator + LLM A + LLM B + Learner Evidence. score variance > threshold → Flag for Review. Human review bắt buộc: curriculum definitions, high-stakes assessment, disputed content, major graph changes.

9. Quality Registry & Dashboard (REQ-KNW-11)

QualityEvaluation {entity_id, entity_version, rubric, evaluator, scores, findings, severity, timestamp}. Dashboard: school nào thấp nhất, area thiếu coverage, experience ❤️/5, node chưa có assessment, package quá 6 tháng chưa review.

10. Improvement + Priority Engine (REQ-KNW-10)

• Improvement Engine: analyze findings → generate revision → Candidate Version → re-run Quality Engine. Cấm sửa production trực tiếp. Lifecycle: Draft → Review → Candidate → Evaluated → Approved → Published → Deprecated.
• Priority Engine: Priority = Severity × LearnerImpact × UsageFrequency × GraphImportance × Confidence ÷ ImprovementCost — lỗi nhỏ ở node nền tảng 20k learners dùng > lỗi lớn ở lesson hiếm dùng.
• Remediation queue chạy trên Cloudflare Queues (fix RISK-018: chuyenchon dùng cron-poll D1 + lease tables).

11. Learner evidence là trọng tài cuối (REQ-KNW-13)

LLM chấm 4.8/5 nhưng 65% learner cùng mắc một misconception → content phải xem lại. Quality loop khép kín bằng dữ liệu học thật.

13. Versioning & Provenance

Mọi entity có version; mọi update giữ {previous_version, change_reason, author, AI_model, evaluation, source, approval}. (Kế thừa source-provenance + content intelligence của mori — FEAT-043.)

Trace

REQ	Mục
REQ-KNW-01/02/03	§2–§4
REQ-KNW-07..11, 13	§6–§11, §13