BAP · Assessment 2 · Group report

v9 đối chiếu feedback của thầy

Bản v8 dựng trực tiếp từ v5, sửa theo ba đoạn ghi âm của thầy ngày 02/08 và theo tab “Final Information” nhóm chốt trưa cùng ngày. Toàn bộ biểu đồ là bản Tableau của team, gồm bốn dashboard mới nhất lấy thẳng từ tab “Final Information”; chữ viết bám đúng con số hiển thị trên từng hình.

Nguồn feedback: A2-1.m4a (26,5 phút, giảng chung) · A2-2.m4a (7,2 phút, tutor nhóm) · A2-3.m4a (15,1 phút, tutor dashboard) — Vinh Quang ghi âm, bóc băng ngày 02/08/2026. Số liệu kiểm chứng lại từ accident data.xlsx trong Book3.twbx.

1.488

chữ, trần 1.500

lý do của nhóm phải vá

660.679

bản ghi đã kiểm lại

lỗi số liệu trong v5

Nhóm chốt lại sau khi họp — v9 khác các bản trước thế nào

Tab “Final Information” trong Google Doc (Quang gửi 10:43) thay đổi ba thứ nền tảng, nên v6 gửi lúc 09:31 đã lạc hướng ở những chỗ sau:

Hạng mục	v6 (09:31)	v9 — theo bản chốt của nhóm
Stakeholder	Highway authority safety team	Traffic Safety Engineer team
Thước đo chính	KSI rate; average casualties chỉ là chẩn đoán	Average casualties per accident + số vụ, đặt ngang severity
District / bản đồ	Figure 8 map + Table 2 xếp hạng 4 district	Bỏ hẳn — nhóm đã loại Lat/Long/District Area khỏi bộ metric. Thứ tự đầu tư giờ xếp theo trạng thái chiếu sáng
Giải thích biến bị loại	Nằm rải rác ở §4 và §8	Một đoạn riêng trong §5, đúng chỗ thầy yêu cầu, đủ cả 5 biến
Biểu đồ	v6/v7 từng chèn hình dựng bằng Python	Dùng bốn dashboard mới của team trong Google Doc: overview địa lý, các biến bị loại, RQ1+RQ2, và RQ3.1 theo lighting. Không còn hình nào do tôi vẽ

Ba lý do của nhóm không đứng vững — đã vá trong v9

Nhóm viết	Dữ liệu nói gì	v9 viết lại thành
Loại Road Surface vì “chênh lệch nhỏ”	Chênh 0,09 — nhưng weather được giữ chỉ chênh 0,11. Lý do “nhỏ” tự mâu thuẫn	Loại vì trùng lặp: mặt đường ướt chính là dấu vết vật lý của mưa, nên nó là nửa yếu hơn của một cặp thừa
Loại Number of Vehicles vì “strongly correlated with number of casualties”	Hệ số tương quan thật chỉ 0,23 — yếu, không phải mạnh. Thầy hỏi con số là lập luận sụp	Loại vì nó mô tả hậu quả của va chạm chứ không phải điều kiện có trước, và 0,23 quá yếu để thay thế metric thương vong
RQ2: “Trong Urban, single carriageway chiếm ~75%… để hiểu tại sao rural cao hơn”	Urban 76,9% và rural 70,3%. Lấy tỷ trọng của urban để giải thích rural là đứt mạch logic	Single carriageway chi phối cả hai nên là nền so sánh like-for-like duy nhất; giữ nguyên loại đường thì chênh lệch rural vẫn còn, 1,48 với 1,28 — tức không phải hiệu ứng cơ cấu

Phát hiện thêm khi đổi thước đo

Weather đảo chiều giữa hai metric: theo severity thì fine weather nặng nhất (21,1% so với 16,7% mưa), nhưng theo average casualties thì mưa lại cao hơn (1,51 so với 1,48). v9 trình bày đúng cả hai và dùng chính sự bất đồng đó để loại weather khỏi danh sách can thiệp: dù đọc kiểu nào thì thời tiết cũng không phải thứ kỹ sư xây được. Đây là lập luận mạnh hơn việc chọn một chiều rồi lờ chiều kia.

Đối chiếu từng điểm feedback của thầy

Thầy nói	v5	v9 làm gì
Introduction chưa nêu stakeholder, “kéo nó lên luôn”	Introduction chỉ nói về ngân sách	Câu đầu §2 nêu thẳng: traffic safety engineering team, đơn vị đặc tả biện pháp vật lý trên mạng lưới
Dùng average casualties nhưng chọn highway safety là lệch — bên lo thương vong phải là cứu hộ / phát triển đô thị	KSI rate là headline, average casualties là “secondary”	§3 liệt kê đủ 5 biến nhóm chốt và lý do kỹ sư quan tâm từng biến; average casualties và số vụ giờ là metric chính thức, đúng bản chốt
Research question dạng leading: “sao em biết nó cao hơn mà hỏi tại sao?”	RQ1 “Does urban or rural carry the greater severity?” — đúng câu thầy chỉ ra	RQ1 hỏi môi trường nào nhiều vụ hơn, môi trường nào gây nhiều thương vong mỗi vụ hơn — trả lời được bằng dữ liệu chứ không giả định sẵn đáp án. RQ2, RQ3 theo đúng ba bước nhóm chốt
Phải có dashboard show hết chỉ số rồi khoanh vấn đề, đặt trước research question	Không có	Figure 1 mới ở đầu §4: sáu điều kiện ghi nhận, mỗi ô có n và độ chênh
“Sao không explore vehicle type? Xe càng lớn tỷ lệ tử vong càng cao”	Chỉ bác ở §8 và Appendix D, sau khi đã chọn xong	Figure 1 trả lời trước bằng chính thước đo của nhóm: vehicle type chênh 0,03 casualties, road type chênh 0,28. §5 giải thích đủ 5 biến bị loại
Charter phải đi qua hết biến, nói rõ loại cái nào để chặn câu hỏi	In scope / Out of scope chung chung	Out of scope liệt kê đủ: tần suất theo quãng đường, hành vi lái, vehicle type, road surface
Thêm số lên chart cho dễ đọc	Đã có — mọi figure đều có nhãn volume, kể cả ba hình mới	Giữ nguyên, §6 vẫn nêu đây là cách bù cho việc Tableau giấu count
Phần 8 hay bị viết “cho qua”, phải xếp thứ tự ưu tiên và bám số cụ thể	Có so sánh 3 phương án và hiệu quả kỳ vọng, nhưng không có thứ tự triển khai	Table 2 mới: xếp thứ tự đầu tư theo trạng thái chiếu sáng, kèm số vụ, thương vong và tử vong. Không xếp theo district vì nhóm đã loại biến đó
Map chỗ nào cũng có, ít giá trị	Figure 7 là map districts	Bỏ hẳn — trùng với quyết định loại Lat/Long/District Area của nhóm
Buổi sau là tutor feedback	—	Thuyết trình 15 phút + 15 phút Q&A, Chủ nhật 16/08, Session 9–10, phòng L1.2

Điểm mạnh của bài

Số liệu chính xác tuyệt đối. Tôi tính lại toàn bộ 660.679 bản ghi từ file nguồn: mọi con số trong v5 đều đúng, kể cả những chỗ thoạt nhìn tưởng lệch — vì Tableau gộp danh mục (“Dark, lit” gồm cả lights unlit và lighting unknown, n=16.411; ô “Fine” gồm cả fine + high winds, n=19.006).
Phương pháp có kỷ luật thống kê. Thu hẹp từ trên xuống, mỗi lớp giữ hàng chục nghìn quan sát hai bên, có trích King & Zeng (2001) về bất ổn của ước lượng khi sự kiện hiếm. Đây là thứ phân biệt bài này với bài đi săn ô cực trị.
Có cơ chế, không chỉ mô tả. Haddon Matrix, power model của Nilsson, risk homeostasis của Wilde — giải thích vì sao chứ không dừng ở tương quan.
Phần 8 có business case thật: Elvik (1995) 65% giảm tai nạn tử vong ban đêm, Cochrane rate ratio 0,33 — con số để hội đồng duyệt ngân sách.
Có kiểm chứng độc lập bằng Python, đọc thẳng file nguồn thay vì qua workbook.

Điểm yếu đã sửa

Nhãn fog gán cho cột thực chất là fog + other + không ghi nhận (n=10.009, 14,5%). Fog tính riêng là 18,1%, cao hơn mưa. v6 nói đúng tên nhóm gộp và bổ sung con số riêng, đồng thời dùng chính điều đó để làm chặt lập luận: mưa và tuyết là cảnh báo người lái nhìn thấy và giảm tốc, còn sương mù và bóng tối lấy đi thông tin thị giác — biến đáng xử lý là biến lấy mất thông tin.
Không nêu dữ liệu thiếu. v6 ghi rõ: road type thiếu 4.520 bản ghi, weather thiếu 14.128, không bản ghi nào bị loại bỏ.
Thiếu tên district thứ tư. Đủ bốn: East Riding of Yorkshire, Aberdeenshire, Herefordshire, Highland.

Rủi ro còn lại

Bài vẫn đo severity khi đã xảy ra va chạm, không đo tần suất, vì dữ liệu không có mẫu số phơi nhiễm. v6 tuyên bố thẳng điều này trong charter thay vì lảng tránh. Nếu thầy vẫn cho rằng highway authority phải đo số vụ, phương án dự phòng là đổi stakeholder sang emergency service — nhưng khi đó phần 8 phải chuyển sang bài toán đặt trạm cứu hộ, tức viết lại §3, §4 và §8.

Việc nhóm cần làm trước khi nộp

Giang: không phải vẽ lại hình nào — v9 dùng đúng bảy biểu đồ Tableau của team, trong đó bốn cái mới nhất lấy từ tab “Final Information”. Bản đồ district vẫn giữ nhưng đổi vai: nó là dashboard overview ở Project Charter chứ không còn là bước phân tích.
Quang: điền Appendix A (contribution log, chữ ký) và Appendix B (khai báo dùng AI) — hai mục này bắt buộc theo unit specification và đang để trống.
Coversheet: còn thiếu tên và mã số của hai thành viên, mục Tutorial/Lecture, Class day and time, tên giảng viên, Date submitted, Home campus.
Chạy Turnitin rồi humanize như kế hoạch, nhớ nộp kèm packaged workbook — báo cáo không có file Tableau thì không được chấm.

Dựng ra BAP-A2-report-WSU-v9.docx từ BAP-A2-report-WSU-v5.docx (Thanh Giang gửi 30/07) bằng python-docx, giữ nguyên toàn bộ hình Tableau, style và coversheet. Số liệu kiểm chứng bằng pandas trên accident data.xlsx trích từ Book3.twbx. Bản ghi âm bóc bằng Cloudflare Workers AI Whisper. Word count 1.488 chữ, tính phần thân bài mục 1–8 gồm cả bảng, không tính mục lục, tài liệu tham khảo và phụ lục. Những gì tài liệu này không bao phủ: chưa kiểm định ý nghĩa thống kê cho các chênh lệch trong Figure 1, và chưa đối chiếu chi phí thực tế của giải pháp chiếu sáng với ngân sách của một địa phương cụ thể.