Học tập thích ứng dựa trên AI và khả năng thu hẹp khoảng cách học tập của sinh viên yếu thế

Sự khác biệt về nền tảng kiến thức, điều kiện tiếp cận công nghệ và khả năng tự học là những yếu tố phổ biến trong giáo dục đại học, đặc biệt ở các nhóm sinh viên yếu thế. Trong các học phần có tính tích lũy cao như lập trình, những khác biệt ban đầu này thường có xu hướng gia tăng theo thời gian nếu không có cơ chế hỗ trợ phù hợp. Trong bối cảnh đó, việc duy trì một cách tiếp cận dạy học đồng loạt dễ dẫn đến tình trạng một bộ phận sinh viên không theo kịp tiến độ, trong khi những sinh viên khác lại không được khai thác hết tiềm năng. Điều này đặt ra yêu cầu phải tìm kiếm những mô hình dạy học có khả năng thích ứng với sự đa dạng của người học. Chính từ yêu cầu này, các hệ thống học tập thích ứng dựa trên trí tuệ nhân tạo được phát triển với mục tiêu điều chỉnh nội dung, tiến độ và phản hồi học tập dựa trên dữ liệu của từng cá nhân. Khác với các hệ thống tuyến tính truyền thống, các nền tảng này có khả năng phân tích hành vi học tập theo thời gian thực để đưa ra các quyết định sư phạm phù hợp.

Bằng chứng thực nghiệm cho thấy điều gì đang thay đổi?

Nghiên cứu thực nghiệm được triển khai trong thời gian 13 tuần trên hai nhóm sinh viên có đặc điểm tương đồng, trong đó một nhóm học theo phương pháp truyền thống và nhóm còn lại sử dụng hệ thống học tập thích ứng dựa trên AI. Kết quả cho thấy cả hai nhóm đều có sự tiến bộ sau quá trình học, tuy nhiên mức độ cải thiện ở nhóm sử dụng hệ thống thích ứng cao hơn một cách rõ rệt. Mức tăng điểm trung bình của nhóm này vượt trội so với nhóm đối chứng, cho thấy tác động tích cực của việc điều chỉnh nội dung học tập theo cá nhân. Không chỉ dừng lại ở kết quả học tập, nghiên cứu còn ghi nhận sự thay đổi đáng kể về mức độ tham gia của sinh viên. Nhóm sử dụng hệ thống AI có mức độ tham gia cao hơn trên cả ba phương diện: hành vi, cảm xúc và nhận thức. Điều này cho thấy tác động của học tập thích ứng không chỉ nằm ở “học tốt hơn” mà còn ở “học tích cực hơn”, một yếu tố có ý nghĩa lâu dài đối với quá trình phát triển năng lực của người học.

Một trong những đóng góp quan trọng của nghiên cứu là làm rõ cơ chế tác động của hệ thống học tập thích ứng. Trước hết, hệ thống sử dụng dữ liệu học tập của người học để xác định mức độ hiểu bài và những điểm còn hạn chế. Dựa trên đó, hệ thống có thể điều chỉnh mức độ khó của nhiệm vụ học tập, đồng thời cung cấp các bài tập bổ trợ phù hợp. Việc cá nhân hóa này giúp người học tránh được hai trạng thái thường gặp trong học tập: quá tải khi nội dung vượt quá khả năng, hoặc mất động lực khi nội dung quá dễ. Nhờ đó, người học duy trì được trạng thái học tập hiệu quả trong thời gian dài. Bên cạnh đó, hệ thống còn cung cấp phản hồi tức thời, giúp người học nhận diện lỗi sai và điều chỉnh kịp thời. Nghiên cứu chỉ ra rằng yếu tố phản hồi nhanh đóng vai trò quan trọng trong việc củng cố kiến thức và nâng cao hiệu quả học tập.

Một điểm đáng chú ý là hiệu quả của hệ thống không chỉ đến từ thuật toán mà còn từ cách thiết kế trải nghiệm học tập. Việc chia nhỏ nội dung, sắp xếp nhiệm vụ theo mức độ tăng dần và tạo ra các lộ trình học tập cá nhân hóa giúp người học cảm nhận được sự tiến bộ của bản thân. Điều này có tác động tích cực đến động lực học tập, đặc biệt đối với những sinh viên có nền tảng yếu. Nghiên cứu cho thấy khi người học nhận được các nhiệm vụ phù hợp với khả năng, họ có xu hướng tham gia tích cực hơn và duy trì sự tập trung lâu hơn. Điều này góp phần cải thiện không chỉ kết quả học tập mà cả thái độ học tập.

Việc cung cấp phản hồi tức thời và nhiệm vụ phù hợp giúp người học điều chỉnh hiểu biết và duy trì động lực học tập (Nguồn: Google/The Keyword)

Mặc dù hệ thống học tập thích ứng mang lại nhiều lợi ích, nghiên cứu không xem đây là giải pháp thay thế vai trò của giảng viên. Ngược lại, hiệu quả của hệ thống phụ thuộc vào sự kết hợp giữa công nghệ và sự hỗ trợ của giảng viên. Giảng viên đóng vai trò định hướng, giải thích và hỗ trợ những vấn đề mà hệ thống tự động chưa thể xử lý. Đặc biệt, đối với những sinh viên yếu thế, sự tương tác trực tiếp với giảng viên vẫn là yếu tố quan trọng giúp duy trì động lực và tạo cảm giác an toàn trong học tập.

Từ cải thiện kết quả học tập đến câu chuyện công bằng giáo dục

Một trong những ý nghĩa đáng chú ý của nghiên cứu không chỉ nằm ở việc cải thiện kết quả học tập, mà còn gợi mở cách tiếp cận đối với vấn đề công bằng giáo dục trong bối cảnh số hóa. Kết quả thực nghiệm cho thấy hệ thống học tập thích ứng dựa trên AI có khả năng hỗ trợ hiệu quả nhóm sinh viên có hoàn cảnh khó khăn thông qua việc điều chỉnh nội dung, tốc độ và mức độ hỗ trợ phù hợp với từng cá nhân. Nhờ đó, những người học vốn gặp hạn chế về nền tảng kiến thức hoặc điều kiện tiếp cận nguồn lực có thể từng bước thu hẹp khoảng cách về kết quả học tập so với các nhóm khác. Tuy nhiên, nghiên cứu cũng đồng thời cho thấy công bằng giáo dục trong môi trường số không phải là hệ quả tự nhiên của việc ứng dụng công nghệ. Việc cá nhân hóa học tập, nếu được triển khai hiệu quả, có thể tạo ra những cơ hội tiếp cận phù hợp hơn với từng người học; nhưng nếu thiếu điều kiện hạ tầng, thiết kế sư phạm phù hợp hoặc sự hỗ trợ từ giảng viên, chính các hệ thống này lại khó phát huy tác dụng đối với nhóm yếu thế. Nói cách khác, công nghệ chỉ thực sự góp phần thúc đẩy công bằng khi được đặt trong một hệ sinh thái giáo dục đầy đủ, nơi mà dữ liệu, thuật toán và thực hành sư phạm được kết nối chặt chẽ.

Ở góc độ rộng hơn, kết quả nghiên cứu cũng gợi ý rằng công bằng trong giáo dục không nhất thiết đồng nghĩa với việc cung cấp cùng một trải nghiệm học tập cho tất cả người học, mà là khả năng tạo ra những con đường học tập khác nhau nhưng phù hợp với nhu cầu và năng lực của từng cá nhân. Trong cách hiểu này, học tập thích ứng dựa trên AI có thể được xem là một công cụ hỗ trợ quan trọng, góp phần chuyển dịch từ “bình đẳng về đầu vào” sang “cơ hội học tập phù hợp”, qua đó hướng tới việc cải thiện chất lượng học tập cho những nhóm người học dễ bị tổn thương trong hệ thống giáo dục.

Gợi mở cho giáo dục Việt Nam trong tiến trình đổi mới

Những phát hiện từ nghiên cứu mang lại nhiều gợi ý cho giáo dục Việt Nam trong quá trình đẩy mạnh chuyển đổi số và đổi mới phương pháp dạy học. Việc ứng dụng các hệ thống học tập thích ứng có thể là một giải pháp tiềm năng để hỗ trợ học sinh, sinh viên ở những khu vực có điều kiện hạn chế. Tuy nhiên, để triển khai hiệu quả, cần chú trọng đến việc phát triển hạ tầng công nghệ, bồi dưỡng năng lực số cho giáo viên và thiết kế các mô hình phù hợp với bối cảnh thực tiễn. Đồng thời, cần tránh cách tiếp cận coi công nghệ là giải pháp thay thế, mà nên xem đây là công cụ hỗ trợ nhằm nâng cao hiệu quả dạy học và mở rộng cơ hội học tập.

Có thể khẳng định, nghiên cứu thực nghiệm về học tập thích ứng dựa trên AI cho thấy đây là một hướng tiếp cận có khả năng cải thiện kết quả học tập và tăng cường sự tham gia của sinh viên, đặc biệt là nhóm yếu thế. Những tác động này được tạo ra thông qua cơ chế điều chỉnh nội dung học tập, cung cấp phản hồi kịp thời và thiết kế trải nghiệm học tập phù hợp. Tuy nhiên, hiệu quả của mô hình này không chỉ phụ thuộc vào công nghệ mà còn gắn liền với vai trò của giảng viên và điều kiện triển khai trong thực tiễn. Vì vậy, trong quá trình đổi mới giáo dục, việc tiếp cận học tập thích ứng cần được thực hiện một cách có cơ sở khoa học và phù hợp với bối cảnh cụ thể, nhằm hướng tới mục tiêu nâng cao chất lượng và bảo đảm cơ hội học tập cho mọi người học.

Tài liệu tham khảo
Katona, J., & Gyonyoru, K. I. K. (2025). AI-based adaptive programming education for socially disadvantaged students: Bridging the digital divide. TechTrends, 69(5), 925-942.