Từ thay đổi công cụ đến thay đổi logic học tập
Sự phát triển nhanh chóng của GenAI đang làm thay đổi cách sinh viên tiếp cận nhiệm vụ học tập trong giáo dục đại học. Các hệ thống ngôn ngữ lớn và công cụ đa phương thức hiện nay có thể hỗ trợ tạo văn bản, mã lập trình, bản tóm tắt, dàn ý, phần giải thích khái niệm, hình ảnh và nhiều dạng sản phẩm học thuật khác. Vì vậy, các cuộc thảo luận trong nhà trường thường tập trung vào những vấn đề như quyền tác giả, đạo văn, gian lận học thuật, quy định sử dụng công cụ và khả năng phát hiện nội dung do công cụ tạo ra.
Những mối quan tâm ấy là cần thiết, nhưng chưa chạm đến tầng sâu nhất của vấn đề. GenAI không chỉ bổ sung một phương tiện mới vào quá trình học tập, mà còn làm thay đổi quan hệ giữa sản phẩm đánh giá và quá trình nhận thức. Trước đây, để hoàn thành một bài luận, báo cáo, bài tập tình huống hoặc dự án học thuật, sinh viên thường phải trải qua các thao tác như đọc tài liệu, lựa chọn thông tin, ghi chú, phân tích, tổng hợp, diễn giải, viết nháp, chỉnh sửa và hoàn thiện lập luận. Dù mức độ đầu tư có thể khác nhau, việc hoàn thành nhiệm vụ vẫn thường gắn với một mức độ lao động trí tuệ nhất định.
Trong môi trường có GenAI, sinh viên có thể bắt đầu từ một bản nháp tương đối hoàn chỉnh, sau đó lựa chọn có kiểm chứng, chất vấn, chỉnh sửa và hiểu sâu nội dung hay không. Điều từng là điều kiện gần như bắt buộc của việc làm bài nay có thể trở thành một lựa chọn cá nhân. Một sản phẩm học thuật có thể rất trôi chảy, có cấu trúc, có giọng văn phù hợp, nhưng mức độ tham gia nhận thức của người học phía sau sản phẩm ấy lại không còn dễ xác định. Đây là điểm làm cho GenAI vượt ra ngoài phạm vi liêm chính học thuật thông thường.
Trong các phân tích gần đây về kiểm tra, đánh giá trong giáo dục đại học dưới tác động của GenAI, một luận điểm đáng chú ý được đặt ra: giáo dục đại học đang chứng kiến sự dịch chuyển từ “bắt buộc nhận thức” sang “lựa chọn nhận thức”. Trước khi GenAI trở nên phổ biến, để có sản phẩm học thuật đạt yêu cầu, người học thường phải tự mình thực hiện phần lớn quá trình tư duy. Khi công cụ có thể tạo ra sản phẩm có vẻ hoàn chỉnh, sự tham gia nhận thức không còn tự động được bảo đảm bởi nhiệm vụ đánh giá. Từ đó xuất hiện “khoảng cách tham gia nhận thức”, tức khoảng cách giữa kết quả đánh giá và quá trình hiểu, phân tích, tổng hợp, tự điều chỉnh vốn là nền tảng của học tập thực chất (Montebello, 2026).
Kiểm tra, đánh giá từng là cơ chế buộc người học phải tư duy
Trong giáo dục đại học, kiểm tra, đánh giá không chỉ có chức năng đo lường kết quả học tập. Hoạt động này còn định hình cách người học học, lựa chọn chiến lược học, phân bổ thời gian, xác định điều gì đáng chú ý và quyết định mức độ đầu tư vào một nhiệm vụ. Một bài luận yêu cầu sinh viên đọc, xử lí nguồn, xác lập luận điểm và bảo vệ quan điểm. Một bài tập tình huống yêu cầu người học vận dụng khái niệm vào bối cảnh cụ thể. Một dự án học thuật buộc sinh viên liên kết lí thuyết, phương pháp, dữ liệu và sản phẩm. Trong các tình huống ấy, kiểm tra, đánh giá không đứng ngoài quá trình học tập, mà tham gia trực tiếp vào việc tổ chức hoạt động nhận thức.
Các lí thuyết đánh giá đã chỉ ra vai trò đó từ lâu. Black và Wiliam (1998) nhấn mạnh rằng đánh giá có khả năng định hướng chú ý, nỗ lực và chiến lược nhận thức của người học. Sadler (1989) cho rằng phản hồi và tiêu chí chất lượng là điều kiện quan trọng để người học nhận ra khoảng cách giữa sản phẩm hiện có và chuẩn cần đạt, từ đó điều chỉnh quá trình học. Trong mô hình liên kết kiến tạo, Biggs và Tang (2011) đặt trọng tâm vào sự thống nhất giữa chuẩn đầu ra, hoạt động dạy học và nhiệm vụ đánh giá, qua đó sản phẩm của sinh viên được xem như bằng chứng cho việc đạt được các mục tiêu nhận thức đã xác định. Các tiếp cận về học tập tự điều chỉnh cũng cho thấy người học cần biết lập kế hoạch, giám sát, tự đánh giá và điều chỉnh chiến lược trong quá trình thực hiện nhiệm vụ (Zimmerman, 2002; Nicol & Macfarlane-Dick, 2006).
Những lí thuyết ấy đều dựa trên một giả định quan trọng: để hoàn thành nhiệm vụ đánh giá, người học phải trực tiếp tham gia vào quá trình nhận thức. Giả định ấy chưa bao giờ tuyệt đối đúng, bởi sinh viên vẫn có thể học đối phó, ghi nhớ máy móc hoặc tối ưu hóa điểm số theo cách thiên về hình thức. Mặc dù vậy, ngay cả những chiến lược học nông cũng thường đòi hỏi người học phải đọc, chọn lọc, tái hiện hoặc xử lí thông tin ở mức độ nào đó. Nói cách khác, kiểm tra, đánh giá truyền thống thường tạo ra một “ma sát học tập” nhất định, buộc sinh viên phải chạm vào nội dung, thao tác với tri thức và bộc lộ một phần năng lực nhận thức.
Tuy nhiên, GenAI làm suy yếu cơ chế bắt buộc đó. Công cụ có thể tạo dàn ý, viết đoạn mở đầu, sắp xếp luận điểm, diễn giải khái niệm, đề xuất ví dụ và chỉnh sửa văn phong. Nếu nhiệm vụ đánh giá chỉ yêu cầu nộp một sản phẩm cuối cùng, không đòi hỏi bản nháp, phần giải trình, nhật kí học tập, trao đổi phản hồi hay bảo vệ miệng, giảng viên rất khó xác định đâu là phần tư duy của người học, đâu là phần do công cụ hỗ trợ, và quan trọng hơn, người học đã thật sự hiểu gì sau quá trình hoàn thành nhiệm vụ.
Khoảng cách tham gia nhận thức và nguy cơ "hiểu biết mô phỏng"
Một trong những hệ quả đáng lo ngại của GenAI là sự xuất hiện của những sản phẩm có vẻ biểu đạt hiểu biết, nhưng không nhất thiết được nâng đỡ bởi hiểu biết thực chất. Văn bản do công cụ tạo ra có thể mạch lạc, tự tin, có cấu trúc và sử dụng ngôn ngữ học thuật. Chính sự trôi chảy ấy dễ tạo ra ấn tượng rằng người viết đã nắm vững vấn đề. Tuy nhiên, nếu sinh viên không tự mình đọc, kiểm chứng, so sánh, phản biện và diễn giải lại bằng hiểu biết của bản thân, sản phẩm cuối cùng có thể chỉ là biểu hiện bên ngoài của tri thức.
Có thể gọi đây là nguy cơ của “hiểu biết mô phỏng”. Người học nhìn thấy một đoạn giải thích có vẻ hợp lí, cảm thấy nội dung dễ tiếp nhận, rồi tin rằng mình đã hiểu. Nhưng khi phải giải thích bằng lời của mình, trả lời câu hỏi phản biện, vận dụng khái niệm vào tình huống khác hoặc phát hiện sai sót trong lập luận, khoảng trống nhận thức mới bộc lộ. Các lí thuyết về học tập tự điều chỉnh cho thấy người học không phải lúc nào cũng đánh giá chính xác mức độ hiểu của bản thân; năng lực tự giám sát và tự điều chỉnh cần được hình thành thông qua thực hành có hướng dẫn, chứ không tự nhiên xuất hiện.
Trong bối cảnh GenAI, nguy cơ ấy càng rõ. Công cụ có thể tạo ra văn bản có độ trôi chảy cao, trong khi chính người học chưa chắc đã đủ năng lực để kiểm tra tính chính xác, phát hiện thiên lệch, nhận diện thiếu hụt bằng chứng hoặc đánh giá giới hạn của lập luận. Với các ngành học có tính tích lũy cao, hậu quả không chỉ dừng ở một bài làm. Nếu sinh viên vượt qua nhiều nhiệm vụ đánh giá mà không thực sự nắm được khái niệm cốt lõi, không hình thành năng lực phán đoán chuyên môn, lỗ hổng tri thức có thể kéo dài sang học phần tiếp theo, giai đoạn thực tập hoặc đời sống nghề nghiệp sau khi tốt nghiệp.
Từ góc nhìn ấy, vấn đề không chỉ là sinh viên có vi phạm liêm chính học thuật hay không. Vấn đề sâu hơn là nhà trường có còn đủ bằng chứng để khẳng định rằng hoạt động kiểm tra, đánh giá đang phản ánh quá trình học tập thực chất hay không. Khi sản phẩm cuối cùng có thể được tạo ra với sự hỗ trợ sâu của công cụ, kiểm tra, đánh giá không thể tiếp tục dựa chủ yếu vào hình thức hoàn chỉnh của bài nộp. Điều cần được quan sát là cách người học đi đến sản phẩm: họ đã đọc gì, chọn nguồn ra sao, kiểm chứng thế nào, sửa đổi lập luận vì lí do gì, đã nhận ra giới hạn nào và có thể bảo vệ kết luận đến đâu.
Phát hiện công cụ không thể thay thế bảo đảm học tập
Trước sự phổ biến của GenAI, nhiều cơ sở giáo dục đại học có xu hướng tìm đến các công cụ phát hiện nội dung do GenAI tạo ra. Cách tiếp cận này dễ hiểu, bởi nhà trường cần duy trì liêm chính học thuật và bảo vệ sự công bằng trong kiểm tra, đánh giá. Tuy nhiên, nếu xem phát hiện là giải pháp trung tâm, giáo dục đại học có thể rơi vào vòng xoáy kiểm soát thiếu bền vững.
Một số tài liệu quốc tế cho thấy các công cụ phát hiện nội dung do GenAI tạo ra còn nhiều hạn chế về độ tin cậy, có thể bị ảnh hưởng bởi việc chỉnh sửa văn bản và có nguy cơ tạo ra kết quả dương tính giả. Perkins và cộng sự (2024) chỉ ra rằng việc nhận diện văn bản do mô hình ngôn ngữ lớn tạo ra cần được tiếp cận thận trọng, kết hợp đánh giá học thuật của giảng viên thay vì phụ thuộc hoàn toàn vào phần mềm. Những hạn chế ấy đặt ra vấn đề công bằng, nhất là đối với người học có phong cách viết khác chuẩn phổ biến hoặc sử dụng ngoại ngữ trong học thuật.
Quan trọng hơn, phát hiện việc sử dụng công cụ không đồng nghĩa với xác nhận việc học. Biết rằng sinh viên có thể đã dùng GenAI không cho biết họ đã hiểu đến đâu, đã kiểm chứng ra sao, đã phát triển năng lực nào và có thể vận dụng độc lập hay không. Ngược lại, một sản phẩm không bị công cụ phát hiện cũng chưa chắc là bằng chứng của học tập sâu. Vì vậy, câu hỏi sư phạm cần được chuyển từ “người học có dùng công cụ hay không” sang “bằng chứng nào cho thấy người học đã thật sự tham gia vào quá trình nhận thức”.
Sự chuyển hướng ấy có ý nghĩa quan trọng. Nó giúp nhà trường tránh rơi vào hai cực đoan: cấm đoán tuyệt đối hoặc buông lỏng hoàn toàn. GenAI không nên được xem chỉ như một đối tượng phải kiểm soát, mà cần được đặt trong thiết kế sư phạm. Công cụ có thể hỗ trợ việc học nếu sinh viên dùng để đặt câu hỏi, phản biện bản nháp, so sánh phương án, phát hiện điểm yếu trong lập luận hoặc luyện tập diễn đạt. Công cụ cũng có thể làm suy giảm học tập nếu được dùng để thay thế quá trình đọc, hiểu, phân tích và tự kiến tạo tri thức. Khác biệt nằm ở cách nhiệm vụ học tập được thiết kế và cách năng lực sử dụng công cụ được hướng dẫn, đánh giá.
Làm hiện rõ quá trình tư duy trong thiết kế kiểm tra, đánh giá
Nếu sản phẩm cuối cùng không còn đủ để chứng minh người học đã học, kiểm tra, đánh giá cần được thiết kế lại để làm hiện rõ quá trình tư duy. Điều đó không có nghĩa loại bỏ bài luận, báo cáo hay dự án học thuật. Vấn đề là không nên chỉ đánh giá một bản nộp hoàn chỉnh ở cuối quá trình. Cần có thêm các dấu vết cho thấy cách người học hình thành, kiểm chứng, điều chỉnh và bảo vệ sản phẩm của mình.
Một bài luận trong bối cảnh có GenAI có thể yêu cầu sinh viên nộp đề cương ban đầu, danh mục tài liệu đã đọc, nhật kí ghi chú, bản nháp có chú giải, phần phản hồi sau chỉnh sửa và bản tự phản tư về những thay đổi quan trọng. Một báo cáo dự án có thể yêu cầu người học giải thích quyết định thiết kế, phân tích phương án bị loại bỏ, mô tả cách kiểm tra dữ liệu và bảo vệ lựa chọn trước câu hỏi phản biện. Một nhiệm vụ cho phép sử dụng GenAI có thể yêu cầu sinh viên lưu lại quá trình đặt câu hỏi, chỉ ra gợi ý nào được chấp nhận, gợi ý nào bị bác bỏ, lí do điều chỉnh và nguồn dùng để kiểm chứng.
Khi những minh chứng ấy được đưa vào tiêu chí chấm điểm, thông điệp sư phạm sẽ thay đổi. Sinh viên hiểu rằng điều được đánh giá không chỉ là một văn bản trôi chảy, mà là chất lượng của tư duy thể hiện qua quá trình. Giảng viên cũng có cơ sở chắc chắn hơn để nhận xét về năng lực học tập, thay vì chỉ dựa vào hình thức cuối cùng của sản phẩm. Kiểm tra, đánh giá khi đó không còn là hoạt động xác nhận kết quả đơn thuần, mà trở thành một cấu trúc buộc người học phải suy nghĩ, tự giám sát và chịu trách nhiệm.
Trong môi trường giàu công nghệ, nguyên tắc liên kết kiến tạo vẫn cần được duy trì, nhưng phải được diễn giải sâu hơn. Sự phù hợp giữa chuẩn đầu ra, hoạt động dạy học và nhiệm vụ đánh giá không thể chỉ dừng ở nội dung hoặc loại sản phẩm. Chuẩn đầu ra cần mô tả rõ các thao tác nhận thức mà người học phải thể hiện, chẳng hạn lựa chọn bằng chứng, phân tích giả định, so sánh quan điểm, phản biện nguồn tin, vận dụng khái niệm vào bối cảnh mới hoặc bảo vệ quyết định chuyên môn. Hoạt động dạy học cần tạo cơ hội để sinh viên luyện tập các thao tác đó. Tiêu chí đánh giá cần ghi nhận những bằng chứng cụ thể của quá trình tư duy, không chỉ chấm điểm mức độ hoàn thiện của bài nộp.
Công bằng giáo dục trong môi trường có GenAI
GenAI cũng đặt ra vấn đề công bằng trong học tập. Khi sự tham gia nhận thức trở thành lựa chọn cá nhân, lợi thế có thể nghiêng về những sinh viên đã có nền tảng học thuật tốt, khả năng tự điều chỉnh cao và đủ tự tin để chất vấn đầu ra của công cụ. Những người học này có thể dùng GenAI như một kênh đối thoại, một nguồn gợi ý, một công cụ kiểm tra lập luận hoặc một phương tiện hỗ trợ diễn đạt. Họ có khả năng nhận ra khi công cụ trả lời sai, lập luận hời hợt, thiếu nguồn hoặc bỏ qua bối cảnh chuyên ngành. Ngược lại, sinh viên thiếu tự tin, chịu áp lực thời gian, chưa quen với chuẩn mực học thuật hoặc còn hạn chế về năng lực đọc và viết có thể dễ sử dụng công cụ như lối tắt để hoàn thành nhiệm vụ. Họ có thể nộp sản phẩm tốt hơn về hình thức, nhưng không phát triển tương ứng về hiểu biết và năng lực. Nếu nhà trường chỉ nhìn vào sản phẩm cuối cùng, sự khác biệt ấy sẽ bị che khuất. Về lâu dài, công nghệ có thể làm gia tăng bất bình đẳng học tập, bởi những người cần được hỗ trợ nhiều hơn để tham gia sâu vào quá trình nhận thức lại có nguy cơ phụ thuộc vào đầu ra tạo sinh.
Vì vậy, kiểm tra, đánh giá lấy tham gia nhận thức làm trung tâm không chỉ là một giải pháp kĩ thuật, mà còn là một định hướng công bằng. Khi mọi sinh viên đều phải trình bày quá trình đọc, lập luận, kiểm chứng, phản tư và điều chỉnh, nhà trường đang thiết lập một chuẩn tham gia học tập chung. Chuẩn đó giúp bảo vệ người học trước sự tiện lợi có thể làm suy giảm tư duy, đồng thời tạo điều kiện để từng sinh viên từng bước hình thành năng lực tự điều chỉnh, năng lực học thuật và trách nhiệm tri thức.
Khuyến nghị cho giáo dục Việt Nam trong bối cảnh chuyển đổi số
Đối với giáo dục Việt Nam, thách thức do GenAI đặt ra cần được đặt trong tiến trình đổi mới giáo dục, chuyển đổi số quốc gia và phát triển năng lực số. Nghị quyết số 29-NQ/TW ngày 04/11/2013 của Ban Chấp hành Trung ương đã xác định yêu cầu đổi mới căn bản, toàn diện giáo dục và đào tạo, đáp ứng yêu cầu công nghiệp hóa, hiện đại hóa và hội nhập quốc tế. Trong giai đoạn hiện nay, yêu cầu đó tiếp tục được mở rộng trong bối cảnh chuyển đổi số trở thành một định hướng phát triển quan trọng của quốc gia. Về chính sách chuyển đổi số, Quyết định số 749/QĐ-TTg ngày 03/6/2020 của Thủ tướng Chính phủ đã phê duyệt Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030; Quyết định số 127/QĐ-TTg ngày 26/01/2021 ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030; Quyết định số 131/QĐ-TTg ngày 25/01/2022 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; và Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia đã tạo nền tảng chính sách quan trọng cho việc đổi mới giáo dục trong môi trường số.
Từ nền tảng chính sách đó, các cơ sở giáo dục đại học ở Việt Nam cần chuyển trọng tâm từ ứng phó kĩ thuật sang thiết kế sư phạm. GenAI không chỉ đặt ra câu hỏi về liêm chính học thuật, mà còn đòi hỏi nhà trường xem lại toàn bộ quan hệ giữa chuẩn đầu ra, hoạt động dạy học và phương thức kiểm tra, đánh giá. Nếu chuẩn đầu ra chỉ dừng ở những cách diễn đạt khái quát như hiểu, phân tích, vận dụng, trong khi nhiệm vụ đánh giá chủ yếu yêu cầu nộp một sản phẩm cuối cùng, rất khó xác định người học đã thật sự tham gia vào quá trình nhận thức hay chỉ tạo ra một sản phẩm có vẻ đạt yêu cầu.
Trước hết, các trường đại học cần rà soát chuẩn đầu ra của chương trình đào tạo và học phần theo hướng cụ thể hóa bằng các biểu hiện có thể quan sát. Trong bối cảnh GenAI, chuẩn đầu ra không nên chỉ mô tả nội dung sinh viên cần biết, mà cần làm rõ sinh viên phải chứng minh năng lực bằng hoạt động nhận thức nào. Chẳng hạn, thay vì chỉ yêu cầu người học phân tích một chính sách giáo dục, học phần cần xác định rõ sinh viên phải nhận diện vấn đề, lựa chọn bằng chứng, so sánh quan điểm, đánh giá giới hạn của nguồn thông tin, xây dựng lập luận và bảo vệ kết luận trước phản biện. Cách diễn đạt như vậy giúp giảng viên thiết kế nhiệm vụ đánh giá gắn với tư duy, không dừng ở sản phẩm.
Tiếp theo, cần đổi mới ma trận kiểm tra, đánh giá theo hướng tăng tỉ trọng của minh chứng quá trình. Một bài tiểu luận, báo cáo chuyên đề hoặc dự án học tập không nên chỉ được chấm ở bản nộp cuối cùng, mà cần có các điểm kiểm tra trung gian như đề cương, nhật kí đọc tài liệu, bản nháp có chú giải, phản hồi sau chỉnh sửa, phần tự phản tư và phần giải trình về cách sử dụng công cụ số. Những minh chứng đó giúp giảng viên quan sát cách sinh viên hình thành ý tưởng, xử lí tài liệu, điều chỉnh lập luận và chịu trách nhiệm với sản phẩm học thuật. Khi quá trình trở thành một phần của điểm số, sinh viên sẽ hiểu rằng giá trị của bài làm không nằm ở vẻ hoàn chỉnh bề mặt, mà ở chất lượng tư duy được thể hiện qua từng bước học tập.
Các cơ sở đào tạo cũng cần ban hành hướng dẫn sử dụng GenAI theo đặc thù ngành học, trình độ đào tạo và loại nhiệm vụ học tập. Một quy định chung ở cấp trường là cần thiết, nhưng không đủ cho thực tiễn giảng dạy. Với sinh viên năm thứ nhất, trọng tâm nên là liêm chính học thuật, kĩ năng đọc hiểu tài liệu, trích dẫn, kiểm chứng thông tin và phân biệt giữa hỗ trợ diễn đạt với viết thay nội dung. Với sinh viên năm cuối, yêu cầu cần chuyển sang phản biện đầu ra của công cụ, đối chiếu với tài liệu chuyên ngành, vận dụng vào tình huống nghề nghiệp và giải thích quyết định chuyên môn. Với học viên cao học và nghiên cứu sinh, cần quy định rõ ranh giới giữa hỗ trợ kĩ thuật trong diễn đạt, xử lí tài liệu với đóng góp học thuật thực chất trong xây dựng câu hỏi, lựa chọn phương pháp, phân tích và kết luận.
Một nhiệm vụ quan trọng khác là phát triển năng lực giảng viên về kiểm tra, đánh giá trong môi trường số. Nếu giảng viên chưa được bồi dưỡng đầy đủ về khả năng, giới hạn và tác động sư phạm của GenAI, chính sách cấp trường rất dễ rơi vào hai thái cực: cấm đoán chung chung hoặc cho phép sử dụng nhưng thiếu tiêu chí học thuật. Các chương trình bồi dưỡng cần đi vào những năng lực cụ thể như thiết kế nhiệm vụ đánh giá khó bị thay thế bởi công cụ, xây dựng tiêu chí chấm điểm có yếu tố quá trình, tổ chức vấn đáp ngắn để kiểm tra hiểu biết, yêu cầu sinh viên giải trình cách sử dụng công cụ, nhận diện dấu hiệu phụ thuộc quá mức vào đầu ra tạo sinh và xử lí các tình huống vi phạm liêm chính học thuật trên cơ sở chứng cứ thận trọng.
Bên cạnh đó, giáo dục đại học Việt Nam cần xây dựng văn hóa minh bạch trong sử dụng GenAI. Minh bạch không chỉ là việc sinh viên khai báo có dùng công cụ hay không, mà là năng lực giải thích đã dùng công cụ ở khâu nào, nhằm mục đích gì, đã kiểm chứng bằng nguồn nào, đã sửa đổi ra sao và phần nào thể hiện đóng góp trí tuệ của cá nhân. Khi minh bạch được xem như một năng lực học thuật, sinh viên sẽ ít có xu hướng che giấu việc sử dụng công cụ, đồng thời có thêm cơ hội học cách làm việc có trách nhiệm với tri thức. Đây cũng là hướng tiếp cận phù hợp với tinh thần chuyển đổi số trong giáo dục: không né tránh công nghệ, nhưng đặt công nghệ dưới sự dẫn dắt của mục tiêu giáo dục.
Các trường cũng cần thận trọng với xu hướng phụ thuộc quá mức vào công cụ phát hiện nội dung do GenAI tạo ra. Những công cụ này có thể được tham khảo trong một số trường hợp, nhưng không nên trở thành nền tảng chính của chính sách kiểm tra, đánh giá. Vấn đề cốt lõi của giáo dục không phải là truy tìm mọi dấu vết sử dụng công cụ, mà là thiết kế nhiệm vụ khiến người học phải chứng minh năng lực hiểu, phân tích, kiểm chứng và vận dụng. Một hệ thống kiểm tra, đánh giá tốt cần tạo ra bằng chứng học tập đủ mạnh để câu hỏi “có dùng công cụ hay không” không che lấp câu hỏi quan trọng hơn: người học đã thực sự hiểu gì và có thể tự mình làm gì với hiểu biết đó.
Ở cấp độ bảo đảm chất lượng, các tiêu chí tự đánh giá chương trình đào tạo cần tích hợp yêu cầu về chuyển đổi số và sử dụng GenAI trong kiểm tra, đánh giá. Khi rà soát chương trình, nhà trường nên xem xét liệu chuẩn đầu ra đã phản ánh các năng lực cần thiết trong môi trường số hay chưa; phương pháp đánh giá có đủ minh chứng về quá trình học tập hay không; giảng viên có được hỗ trợ để đổi mới nhiệm vụ học tập hay không; sinh viên có được hướng dẫn về trách nhiệm học thuật khi sử dụng công cụ hay không; quy định liêm chính học thuật có đủ rõ, khả thi và công bằng hay không. Khi những câu hỏi ấy được đưa vào quy trình bảo đảm chất lượng, việc thích ứng với GenAI sẽ không còn là phản ứng tình thế, mà trở thành một phần của quản trị đại học hiện đại.
Về lâu dài, giáo dục Việt Nam cần coi năng lực làm việc với GenAI là một thành tố của năng lực số, năng lực học thuật và năng lực nghề nghiệp. Sinh viên không chỉ cần biết sử dụng công cụ, mà cần biết chất vấn công cụ, nhận diện sai lệch, kiểm tra nguồn tin, bảo vệ quan điểm và chịu trách nhiệm với quyết định của mình. Đó là điểm khác biệt giữa việc dùng được công nghệ và học được trong môi trường công nghệ. Nếu chuyển đổi số giáo dục chỉ dừng ở nền tảng, phần mềm và quy trình quản lí, nhà trường có thể hiện đại hóa hình thức nhưng chưa chắc nâng cao chất lượng học tập. Chỉ khi chuyển đổi số đi vào thiết kế sư phạm, đặc biệt là thiết kế kiểm tra, đánh giá, công nghệ mới trở thành động lực thực sự cho đổi mới giáo dục.
GenAI không làm mất đi vai trò của kiểm tra, đánh giá trong giáo dục đại học, nhưng buộc hoạt động này phải từ bỏ sự an tâm cũ: không thể mặc nhiên xem một sản phẩm học thuật trôi chảy là bằng chứng đầy đủ cho việc học. Khi công nghệ có thể tạo ra hình thức của tri thức, giáo dục càng phải bảo vệ phần cốt lõi của tri thức: năng lực hiểu, phán đoán, lập luận, kiểm chứng và chịu trách nhiệm. Vì vậy, đổi mới kiểm tra, đánh giá trong thời đại GenAI không phải là cuộc chạy đua giữa nhà trường và công cụ, mà là quá trình tái thiết kế những điều kiện để người học buộc phải tư duy, được hỗ trợ để tư duy tốt hơn và có khả năng chứng minh tư duy ấy một cách minh bạch. Đây cũng là thước đo sâu sắc của chuyển đổi số trong giáo dục: không phải công nghệ hiện diện nhiều đến đâu, mà là công nghệ có giúp nhà trường bảo vệ và nâng cao chất lượng học tập thực chất hay không.
Tài liệu tham khảo
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610–623.
Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). Open University Press.
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74.
Boud, D., & Falchikov, N. (2007). Rethinking assessment in higher education: Learning for the longer term. Routledge.
Carless, D. (2015). Excellence in university assessment: Learning from award-winning practice. Routledge.
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239.
Dawson, S., Gašević, D., Siemens, G., & Joksimović, S. (2023). Artificial intelligence and the future of education: Teaching and learning in the age of generative artificial intelligence. Computers and Education: Artificial Intelligence, 4, 100124.
Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379–424.
Luo, T. (2024). Academic integrity in the age of generative artificial intelligence: Policy responses and pedagogical implications. AI in Education, 1(1), 5.
Miao, F., & Holmes, W. (2023). Guidance for generative artificial intelligence in education and research. UNESCO.
Montebello, M. (2026). From cognitive necessity to cognitive choice: Higher education assessment and learning in the age of generative artificial intelligence. AI in Education, 2, 12.
Nicol, D. J., & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218.
Perkins, M., Roe, J., Postma, D., McGaughran, J., & Hickerson, D. (2024). Detection of GPT-4 generated text in higher education: Combining academic judgement and software to identify generative artificial intelligence tool misuse. Journal of Academic Ethics, 22(1), 89–113.
Sadler, D. R. (1989). Formative assessment and the design of instructional systems. Instructional Science, 18(2), 119–144.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.
