Khoa học đang được nhìn nhận lại trong kỉ nguyên trí tuệ nhân tạo
Trong một thời gian dài, giáo dục khoa học ở nhà trường thường được tổ chức quanh những nội dung quen thuộc: khái niệm, định luật, công thức, thí nghiệm, quan sát và giải thích hiện tượng tự nhiên. Cách tiếp cận ấy giữ vai trò nền tảng, bởi khoa học luôn cần được hiểu như một hoạt động dựa trên bằng chứng, lập luận, kiểm chứng và khả năng điều chỉnh tri thức khi xuất hiện dữ liệu mới. Tuy nhiên, sự phát triển nhanh của trí tuệ nhân tạo đang đặt giáo dục khoa học trước một câu hỏi rộng hơn: người học cần hiểu khoa học như thế nào khi quá trình tạo lập tri thức ngày càng gắn với dữ liệu lớn, thuật toán, mô hình tính toán và các hệ thống tạo sinh?
Theo Chan và Erduran (2025), trí tuệ nhân tạo đã trở thành một chủ đề trung tâm trong diễn ngôn khoa học và xã hội, làm nổi bật nhiều vấn đề về đạo đức, chính trị, văn hóa và nhận thức luận. Các tác giả cho rằng tác động của trí tuệ nhân tạo đối với khoa học cần được nhận diện rõ, bởi giáo dục khoa học chỉ có thể phản ánh đúng bản chất khoa học đương đại nếu bắt kịp những thay đổi đang diễn ra trong thực hành khoa học.
Điểm đáng chú ý là trí tuệ nhân tạo không còn chỉ đóng vai trò như một phương tiện hỗ trợ kĩ thuật. Trong nhiều lĩnh vực, công nghệ này đã tham gia vào các khâu cốt lõi của hoạt động khoa học như đề xuất giả thuyết, thiết kế thí nghiệm, phân tích tập dữ liệu lớn, hỗ trợ mô hình hóa, dự báo hiện tượng phức tạp và truyền thông kết quả. Một ví dụ tiêu biểu là AlphaFold, công cụ dự đoán cấu trúc protein được nhắc đến như một thành tựu quan trọng, góp phần tạo ra chuyển biến lớn trong sinh học hiện đại; Callaway (2022) xem đây là một dấu mốc nổi bật của cuộc cách mạng dự đoán cấu trúc protein.
Sự thay đổi này khiến giáo dục khoa học không thể chỉ dừng ở việc giúp học sinh biết “khoa học đã phát hiện điều gì”. Điều cần thiết hơn là giúp các em hiểu “tri thức khoa học được tạo ra bằng cách nào”, “dữ liệu được sử dụng ra sao”, “mô hình có giới hạn gì”, “kết quả do trí tuệ nhân tạo gợi ý cần được kiểm chứng thế nào”, và “vì sao con người vẫn giữ vai trò trung tâm trong đánh giá, diễn giải và chịu trách nhiệm về tri thức khoa học”. Công cụ càng mạnh, yêu cầu về minh bạch, kiểm chứng và trách nhiệm học thuật càng trở nên quan trọng.
Bản chất của khoa học: Từ tri thức, phương pháp đến thiết chế và trách nhiệm xã hội
Trong giáo dục khoa học, bản chất của khoa học là một khái niệm nền tảng, giúp người học hiểu khoa học không chỉ như một hệ thống kết quả, mà như một quá trình con người tạo lập, thẩm định, điều chỉnh và sử dụng tri thức. Lederman và cộng sự (2002) định nghĩa bản chất của khoa học gắn với nhận thức luận và xã hội học của khoa học, với khoa học như một cách nhận biết thế giới, cùng các giá trị và niềm tin gắn với sự phát triển của tri thức khoa học. Cách hiểu này cho thấy khoa học luôn bao gồm phương pháp, bằng chứng, chuẩn mực lập luận và những điều kiện xã hội trong đó tri thức được hình thành.
Erduran và Dagher (2014) tiếp tục mở rộng cách tiếp cận ấy thông qua khung “tiếp cận tương đồng gia đình” đối với bản chất của khoa học. Theo khung lí thuyết này, khoa học gồm các thành tố nhận thức luận như mục tiêu, giá trị, phương pháp, thực hành và tri thức; đồng thời gắn với các thành tố xã hội - thiết chế như chuẩn mực khoa học, phản biện đồng đẳng, công bố học thuật, tổ chức khoa học, nguồn lực tài chính và cấu trúc quyền lực chính trị. Khung lí thuyết này đặc biệt phù hợp khi phân tích trí tuệ nhân tạo, bởi công nghệ không chỉ đặt ra câu hỏi về độ chính xác hay hiệu quả, mà còn liên quan đến công bằng dữ liệu, trách nhiệm giải trình, quyền kiểm soát công nghệ, đạo đức khoa học và lợi ích xã hội.
Từ cách nhìn đó, vấn đề không chỉ là đưa trí tuệ nhân tạo vào lớp học như một công cụ mới. Điều quan trọng hơn là giúp học sinh hiểu trí tuệ nhân tạo đang làm thay đổi cách khoa học vận hành. Một kết quả do hệ thống trí tuệ nhân tạo tạo ra không thể được tiếp nhận như một kết luận khoa học hiển nhiên. Kết quả ấy cần được đặt trong quy trình kiểm chứng, đối chiếu bằng chứng, xem xét nguồn dữ liệu, nhận diện giới hạn của mô hình và đánh giá ý nghĩa xã hội của việc ứng dụng. Đây chính là phần năng lực khoa học mà giáo dục phổ thông cần chú trọng hơn trong bối cảnh hiện nay.
Diễn ngôn của giới khoa học về trí tuệ nhân tạo đang thay đổi như thế nào?
Phân tích 151 bài bình luận chuyên gia đăng trên Nature và Science trong giai đoạn 2021-2024 của Chan và Erduran (2025) cho thấy cách giới khoa học nói về trí tuệ nhân tạo đã có sự chuyển dịch đáng chú ý. Theo đó, các bài viết được phân tích không chỉ đề cập đến trí tuệ nhân tạo như một công cụ phục vụ khoa học, mà còn liên hệ công nghệ này với nhiều thành tố của bản chất khoa học, trong đó “thực hành khoa học” giữ vị trí trung tâm. Xung quanh thực hành khoa học, các giá trị khoa học và giá trị xã hội nổi lên như những thành tố quan trọng, phản ánh nhu cầu cân bằng giữa hiệu quả tri thức và trách nhiệm xã hội.
Giai đoạn trước năm 2022, trí tuệ nhân tạo thường được nhấn mạnh như một phương tiện hỗ trợ sản xuất tri thức. Các diễn ngôn tập trung vào khả năng xử lí dữ liệu, mô hình hóa, dự báo và mở rộng năng lực khám phá của khoa học. Sau khi ChatGPT xuất hiện vào cuối năm 2022, trọng tâm thảo luận có xu hướng chuyển rõ hơn sang các vấn đề xã hội - thiết chế, đặc biệt là đạo đức, quản trị, quyền lực và trách nhiệm trong việc sử dụng trí tuệ nhân tạo. Đến năm 2024, các thảo luận quay lại nhiều hơn với ứng dụng thực tiễn, nhưng trong một bối cảnh rộng hơn, nơi trí tuệ nhân tạo được nhìn nhận như một thành tố gắn với hệ thống kinh tế, chính trị và xã hội.
Sự chuyển dịch này có ý nghĩa sâu sắc đối với giáo dục khoa học. Nó cho thấy khoa học đương đại không thể được dạy như một hoạt động thuần túy kĩ thuật, tách rời các vấn đề về đạo đức, thiết chế và trách nhiệm xã hội. Khi một hệ thống trí tuệ nhân tạo có thể tạo ra văn bản có vẻ thuyết phục, tổng hợp tài liệu, đề xuất giả thuyết hoặc hỗ trợ phân tích dữ liệu, người học cần có năng lực đánh giá nguồn gốc thông tin, điều kiện tạo ra kết quả, độ tin cậy của dữ liệu và giới hạn của công cụ. Nói cách khác, giáo dục khoa học phải giúp học sinh hiểu rằng tri thức khoa học không chỉ được tạo ra bằng phương pháp, mà còn được bảo đảm bằng chuẩn mực cộng đồng, phản biện chuyên môn và trách nhiệm đạo đức.
Thẩm quyền tri thức của con người trước các hệ thống tạo sinh
Sự phát triển của trí tuệ nhân tạo tạo sinh đặt ra câu hỏi mới về thẩm quyền tri thức trong khoa học và giáo dục. Trước đây, tri thức khoa học thường được bảo đảm qua chuyên môn của nhà khoa học, quy trình phản biện đồng đẳng, công bố học thuật và khả năng kiểm chứng bằng bằng chứng thực nghiệm. Hiện nay, các hệ thống tạo sinh có thể tạo ra câu trả lời mạch lạc, có cấu trúc và có vẻ đáng tin cậy, ngay cả khi thông tin chưa được kiểm chứng đầy đủ hoặc thiếu nền tảng thực nghiệm.
Cooper, Tang và Rappa (2024) đặt vấn đề trí tuệ nhân tạo tạo sinh như một dạng thẩm quyền nhận thức luận mới trong giáo dục đại học. Tang và Cooper (2025) cũng cho rằng sự xuất hiện của các hệ thống tạo sinh có thể làm thay đổi cách con người tiếp cận, đánh giá và tin tưởng vào tri thức. Trong giáo dục khoa học, điều này không chỉ liên quan đến việc học sinh sử dụng công cụ nào, mà còn liên quan đến năng lực giữ vai trò chủ động trong quá trình tạo lập hiểu biết: biết đặt câu hỏi, kiểm tra nguồn, đối chiếu bằng chứng, đánh giá giới hạn và sử dụng kết quả công nghệ một cách có trách nhiệm.
Nếu thiếu năng lực ấy, người học có thể dễ dàng phụ thuộc vào câu trả lời có sẵn, giảm nhu cầu tự lập luận và suy giảm khả năng kiểm chứng thông tin. Ngược lại, nếu được tổ chức đúng cách, trí tuệ nhân tạo có thể trở thành môi trường giúp học sinh rèn luyện tư duy khoa học: đặt câu hỏi tốt hơn, so sánh nhiều nguồn dữ liệu, phân tích giả thuyết, kiểm tra lập luận và thảo luận về hệ quả đạo đức - xã hội của ứng dụng khoa học. Vì vậy, giáo dục không nên tiếp cận trí tuệ nhân tạo theo hướng tán dương đơn giản hoặc né tránh cực đoan, mà cần đặt công nghệ trong một khuôn khổ khoa học, nhân văn và có trách nhiệm.
Giáo dục khoa học cần vượt khỏi mô hình truyền đạt tri thức truyền thống
Những thay đổi trong diễn ngôn khoa học cho thấy một khoảng cách đáng suy nghĩ giữa khoa học đang vận hành trong thực tiễn và cách khoa học thường được dạy trong nhà trường. Ở nhiều chương trình, bản chất của khoa học vẫn được trình bày thiên về các thành tố nhận thức luận như quan sát, giả thuyết, thí nghiệm, bằng chứng và lí thuyết. Các nội dung đó cần thiết, nhưng chưa đủ để giúp học sinh hiểu khoa học trong thời đại trí tuệ nhân tạo.
Giáo dục khoa học cần giúp học sinh nhận ra rằng một phát hiện khoa học không chỉ là kết quả của phương pháp đúng, mà còn liên quan đến dữ liệu được sử dụng, công cụ phân tích, giả định của mô hình, cơ chế công bố, chuẩn mực đạo đức, nguồn tài trợ, lợi ích xã hội và tác động chính sách. Khi học về mô hình dự báo khí hậu, y học cá thể hóa, phân tích gen, dịch tễ học, vật liệu mới hay năng lượng sạch, học sinh không chỉ cần hiểu khái niệm khoa học, mà còn cần biết vì sao dữ liệu quan trọng, vì sao mô hình có thể có giới hạn, vì sao cần phản biện đồng đẳng, vì sao công bố khoa học cần minh bạch và vì sao một quyết định công nghệ có thể tạo ra tác động khác nhau đối với các nhóm xã hội.
Cách tiếp cận này phù hợp với tinh thần phát triển phẩm chất và năng lực của Chương trình giáo dục phổ thông năm 2018, được ban hành theo Thông tư số 32/2018/Thông tư của Bộ Giáo dục và Đào tạo. Chương trình giáo dục phổ thông năm 2018 tạo cơ sở để giáo dục khoa học gắn chặt hơn với năng lực giải quyết vấn đề, vận dụng tri thức và tham gia đời sống xã hội một cách có trách nhiệm.
Năng lực dữ liệu như một trụ cột mới của giáo dục khoa học
Một hàm ý quan trọng từ sự phát triển của trí tuệ nhân tạo là vai trò trung tâm của dữ liệu. Trí tuệ nhân tạo hoạt động dựa trên dữ liệu, tạo ra kết quả từ dữ liệu và có thể khuếch đại những hạn chế vốn có trong dữ liệu. Do đó, giáo dục khoa học trong kỉ nguyên số cần coi năng lực dữ liệu là một trụ cột của năng lực khoa học.
Năng lực dữ liệu không chỉ là khả năng đọc bảng số liệu, vẽ biểu đồ hay tính toán thống kê cơ bản. Ở chiều sâu hơn, đó là khả năng hiểu dữ liệu được thu thập như thế nào, đại diện cho điều gì, bỏ sót điều gì, có thể chứa thiên kiến nào và được sử dụng ra sao để đưa ra kết luận. Khi trí tuệ nhân tạo hỗ trợ phân tích tập dữ liệu lớn, học sinh càng cần hiểu rằng kết quả phân tích không tự động đồng nghĩa với chân lí khoa học. Một mô hình có thể phù hợp trong điều kiện này nhưng kém tin cậy trong điều kiện khác; một bộ dữ liệu có thể đại diện cho nhóm đối tượng này nhưng chưa phù hợp với nhóm đối tượng khác; một kết luận có giá trị thống kê vẫn cần được diễn giải thận trọng trong bối cảnh xã hội cụ thể.
Theo Qiao và cộng sự (2024), năng lực dữ liệu đang trở thành một chủ đề ngày càng quan trọng trong giáo dục khoa học. Sander (2020) nhấn mạnh năng lực dữ liệu phê phán, trong khi Carmi và cộng sự (2020) phát triển khái niệm công dân dữ liệu trong bối cảnh thông tin sai, thông tin gây nhiễu và các vấn đề về quyền lực dữ liệu. Những hướng tiếp cận này cho thấy giáo dục khoa học cần chuẩn bị cho học sinh không chỉ năng lực tiếp nhận dữ liệu, mà còn năng lực chất vấn dữ liệu, hiểu quyền lực của dữ liệu và sử dụng dữ liệu theo chuẩn mực khoa học.
Đổi mới đánh giá và phát triển năng lực giáo viên
Đổi mới nội dung giáo dục khoa học sẽ khó tạo ra tác động thực chất nếu kiểm tra, đánh giá vẫn chủ yếu đo lường khả năng ghi nhớ hoặc tái hiện kiến thức. Trong bối cảnh trí tuệ nhân tạo, học sinh cần được đánh giá thông qua những nhiệm vụ thể hiện năng lực lập luận khoa học, kiểm chứng thông tin, phân tích dữ liệu, đánh giá bằng chứng, nhận diện giới hạn của mô hình và thảo luận về các hệ quả đạo đức - xã hội của khoa học.
Thay vì chỉ yêu cầu học sinh nêu định nghĩa hoặc trình bày quy trình, giáo viên có thể tổ chức các nhiệm vụ học tập trong đó học sinh phân tích một tình huống sử dụng trí tuệ nhân tạo trong chẩn đoán y tế, dự báo thiên tai, phân loại dữ liệu môi trường, theo dõi dịch bệnh hoặc đề xuất giải pháp năng lượng. Học sinh cần xác định dữ liệu nào được sử dụng, kết luận nào có thể tin cậy, nội dung nào cần kiểm chứng thêm, nhóm xã hội nào có thể chịu tác động và nguyên tắc đạo đức nào cần được tuân thủ. Cách đánh giá này giúp người học hình thành năng lực khoa học gắn với đời sống, thay vì chỉ học để hoàn thành bài kiểm tra kiến thức.
Cùng với đánh giá, phát triển năng lực giáo viên là điều kiện quyết định. Giáo viên khoa học không chỉ cần biết sử dụng một số công cụ trí tuệ nhân tạo để soạn bài, thiết kế câu hỏi hay hỗ trợ tổ chức hoạt động học tập. Quan trọng hơn, giáo viên cần hiểu trí tuệ nhân tạo đang làm thay đổi thực hành khoa học ra sao, ảnh hưởng đến bản chất của khoa học như thế nào và cần hướng dẫn học sinh đánh giá công nghệ bằng tiêu chuẩn khoa học nào. Nếu bồi dưỡng giáo viên chỉ tập trung vào thao tác công cụ mà thiếu nền tảng về dữ liệu, mô hình hóa, đạo đức khoa học và xã hội học của tri thức, việc tích hợp trí tuệ nhân tạo vào dạy học rất dễ trở thành hoạt động hình thức.
Khuyến nghị đối với giáo dục Việt Nam
Yêu cầu đổi mới giáo dục khoa học trong kỉ nguyên trí tuệ nhân tạo cần được đặt trong mối liên hệ với các định hướng lớn của Đảng, Nhà nước và ngành giáo dục. Quyết định số 1705/Quyết định của Thủ tướng Chính phủ ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045, xác lập định hướng phát triển giáo dục trong giai đoạn mới, trong đó nhấn mạnh yêu cầu nâng cao chất lượng và hiện đại hóa giáo dục. Nghị quyết số 71-Nghị quyết Trung ương ngày 22 tháng 8 năm 2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo tiếp tục tạo cơ sở chính trị quan trọng để thúc đẩy đổi mới mạnh mẽ giáo dục Việt Nam trong bối cảnh mới. Bên cạnh đó, Quyết định số 131/Quyết định của Thủ tướng Chính phủ ngày 25 tháng 01 năm 2022 phê duyệt Đề án “Tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục và đào tạo giai đoạn 2022-2025, định hướng đến năm 2030” là căn cứ trực tiếp để gắn đổi mới giáo dục khoa học với chuyển đổi số giáo dục.
Trên nền tảng đó, trước hết cần rà soát và điều chỉnh nội dung giáo dục khoa học theo hướng thể hiện rõ hơn bản chất của khoa học trong kỉ nguyên trí tuệ nhân tạo. Trong các môn Khoa học tự nhiên, Vật lí, Hóa học, Sinh học, Công nghệ và Tin học, học sinh cần được tiếp cận khoa học không chỉ như hệ thống khái niệm, quy luật và công thức, mà còn như một quá trình tạo lập tri thức có phương pháp, có phản biện, có chuẩn mực đạo đức và có trách nhiệm xã hội. Nội dung về trí tuệ nhân tạo không nên được đưa vào như phần minh họa rời rạc, mà cần gắn với dữ liệu, mô hình hóa, kiểm chứng bằng chứng và các vấn đề xã hội của khoa học.
Tiếp theo, cần phát triển các chủ đề học tập liên môn về trí tuệ nhân tạo trong khoa học. Những vấn đề như biến đổi khí hậu, dự báo thiên tai, sức khỏe cộng đồng, nông nghiệp thông minh, an toàn dữ liệu, năng lượng sạch, bảo tồn đa dạng sinh học hoặc quản lí tài nguyên có thể trở thành môi trường học tập phù hợp để học sinh vận dụng tri thức khoa học, phân tích dữ liệu và thảo luận về trách nhiệm xã hội của công nghệ. Cách tổ chức này phù hợp với tinh thần phát triển năng lực của Chương trình giáo dục phổ thông năm 2018, đồng thời giúp người học thấy rõ khoa học không tách rời đời sống, chính sách và tương lai phát triển của đất nước.
Một yêu cầu quan trọng khác là xây dựng năng lực dữ liệu cho học sinh phổ thông. Học sinh cần được rèn luyện khả năng đọc dữ liệu, kiểm tra nguồn dữ liệu, phân biệt tương quan và quan hệ nhân quả, nhận diện thiên kiến trong quá trình thu thập dữ liệu, hiểu giới hạn của mô hình dự báo và trình bày kết luận khoa học dựa trên bằng chứng. Đây là năng lực nền tảng để người học không bị thuyết phục dễ dàng bởi các kết quả do công nghệ tạo ra, đồng thời biết sử dụng công cụ số theo chuẩn mực học thuật và trách nhiệm công dân.
Trong đào tạo, bồi dưỡng giáo viên, cần bổ sung các chuyên đề về trí tuệ nhân tạo và bản chất của khoa học. Nội dung bồi dưỡng không nên chỉ xoay quanh cách sử dụng công cụ để thiết kế bài giảng, tạo câu hỏi hay hỗ trợ đánh giá. Giáo viên cần được trang bị hiểu biết về đạo đức sử dụng trí tuệ nhân tạo, năng lực dữ liệu, mô hình hóa khoa học, kiểm chứng thông tin, liêm chính học thuật và phương pháp tổ chức thảo luận khoa học trong lớp học. Khi giáo viên có nền tảng vững, họ mới có thể hướng dẫn học sinh tiếp cận trí tuệ nhân tạo như một đối tượng cần hiểu, cần đánh giá và cần sử dụng đúng chuẩn mực.
Kiểm tra, đánh giá cũng cần được điều chỉnh theo hướng đo lường năng lực lập luận khoa học trong các tình huống có yếu tố công nghệ. Các bài tập dự án, nhiệm vụ thực hành và bài kiểm tra mở có thể yêu cầu học sinh phân tích một kết quả do trí tuệ nhân tạo gợi ý, đối chiếu với bằng chứng khoa học, nhận diện điểm cần kiểm chứng, chỉ ra rủi ro đạo đức và đề xuất cách sử dụng phù hợp. Cách đánh giá này không chỉ phù hợp với định hướng phát triển năng lực, mà còn giúp học sinh hình thành thói quen tư duy khoa học trong môi trường số.
Cuối cùng, cần phát triển nguồn học liệu tiếng Việt có chất lượng về trí tuệ nhân tạo trong giáo dục khoa học. Học liệu cần được biên soạn theo hướng khoa học, dễ tiếp cận, có tình huống thực tiễn, có câu hỏi gợi mở và có hướng dẫn đánh giá độ tin cậy của thông tin. Đặc biệt, cần tránh hai khuynh hướng cực đoan: tuyệt đối hóa trí tuệ nhân tạo như giải pháp thay thế tư duy con người, hoặc xem công nghệ này chỉ như một rủi ro cần loại bỏ khỏi giáo dục. Cách tiếp cận phù hợp hơn là giúp người học hiểu đúng, dùng đúng và chịu trách nhiệm với công cụ đang ngày càng tham gia sâu vào đời sống tri thức.
Giáo dục khoa học trước một trật tự tri thức đang đổi thay
Trí tuệ nhân tạo đang làm thay đổi công cụ của khoa học, nhưng tác động sâu xa hơn là làm thay đổi cách con người hiểu về khoa học. Khi dữ liệu, mô hình và hệ thống thông minh tham gia vào quá trình hình thành tri thức, giáo dục khoa học không thể tiếp tục chỉ trình bày khoa học như một hệ thống kết luận đã hoàn tất. Khoa học cần được dạy như một hoạt động luôn vận động, luôn được kiểm chứng, luôn chịu sự điều chỉnh của bằng chứng và luôn gắn với trách nhiệm xã hội.
Trong kỉ nguyên trí tuệ nhân tạo, một nền giáo dục khoa học có chất lượng không chỉ đào tạo người học biết sử dụng công nghệ, mà còn hình thành những công dân có khả năng hiểu công nghệ, đánh giá kết quả công nghệ, thẩm định bằng chứng và tham gia có trách nhiệm vào các quyết định khoa học - xã hội. Đó cũng là ý nghĩa sâu xa của giáo dục khoa học hiện đại: không chỉ chuẩn bị cho người học năng lực thích ứng với thế giới mới, mà còn trao cho họ khả năng góp phần kiến tạo một thế giới khoa học nhân văn, minh bạch và có trách nhiệm hơn.
Tài liệu tham khảo
Carmi, E., Yates, S. J., Lockley, E., & Pawluczuk, A. (2020). Data citizenship: Rethinking data literacy in the age of disinformation, misinformation, and malinformation. Internet Policy Review, 9(2), 1-22.
Chan, H.-Y., & Erduran, S. (2025). How scientists’ narratives on artificial intelligence signal a new era for science education. Research in Science Education. https://doi.org/10.1007/s11165-025-10307-4
Cooper, G., Tang, K. S., & Rappa, N. A. (2024). Generative artificial intelligence as epistemic authority? Perspectives from higher education. In Artificial intelligence applications in higher education (pp. 106-122). Routledge.
Erduran, S., & Dagher, Z. R. (2014). Reconceptualizing the nature of science for science education: Scientific knowledge, practices and other family categories. Springer.
Lederman, N. G., Abd-El-Khalick, F., Bell, R. L., & Schwartz, R. S. (2002). Views of nature of science questionnaire: Toward valid and meaningful assessment of learners’ conceptions of nature of science. Journal of Research in Science Teaching, 39(6), 497-521.
Qiao, X., Liu, L., & Zheng, X. (2024). Data literacy in science education: Emerging directions and implications.
Sander, I. (2020). Critical big data literacy tools: Engaging citizens and promoting empowered internet usage. Data & Policy, 2, e5.
