Trí tuệ nhân tạo tạo sinh và những chuyển động mới trong đời sống học thuật
Trí tuệ nhân tạo tạo sinh đang tham gia ngày càng sâu vào các hoạt động cốt lõi của giáo dục đại học. Các công cụ tạo sinh có thể hỗ trợ thiết kế học liệu, cá nhân hóa hoạt động học tập, gợi ý ý tưởng học thuật, phân tích tài liệu, hỗ trợ viết, xây dựng phương án giảng dạy và cải thiện một số quy trình chuyên môn. Theo Cao, Wang và Jiang (2026), sự phát triển nhanh của công nghệ tạo sinh đang tái định hình hệ sinh thái dạy học và mô hình sản xuất tri thức trong giáo dục đại học; các ứng dụng như hệ thống trợ giảng thông minh, công nghệ xử lý ngôn ngữ tự nhiên và công cụ hỗ trợ phân tích học thuật cho thấy tiềm năng nâng cao hiệu quả giảng dạy, đồng thời mở rộng khả năng tiếp cận tri thức của người học.
Tuy nhiên, sự hiện diện của công nghệ không đồng nghĩa với sự chấp nhận tự nhiên. Trong môi trường đại học, giảng viên và sinh viên không tiếp nhận trí tuệ nhân tạo tạo sinh như một tiện ích kỹ thuật đơn thuần. Họ đánh giá công nghệ trong mối quan hệ với chuẩn mực học thuật, giá trị nghề nghiệp, đạo đức nghiên cứu, quyền tác giả, trách nhiệm cá nhân và vai trò của con người trong hoạt động sáng tạo tri thức. Bởi vậy, câu hỏi trọng tâm không chỉ là công nghệ có thể hỗ trợ được những nhiệm vụ nào, mà còn là con người sẵn sàng tiếp nhận công nghệ ấy với niềm tin, năng lực và tâm thế nghề nghiệp ra sao.
Điểm đáng chú ý trong phân tích của Cao, Wang và Jiang (2026) là lo âu trước trí tuệ nhân tạo không được xem như một phản ứng cảm xúc đơn nhất. Nhóm tác giả phân tách lo âu thành ba dạng: lo âu khi học cách sử dụng trí tuệ nhân tạo, lo âu vì nguy cơ tụt hậu về năng lực công nghệ trong cộng đồng học thuật và lo âu trước khả năng bị thay thế trong công việc. Cách phân loại này giúp giải thích vì sao cùng đối diện với một công nghệ mới, có người lựa chọn học hỏi và thích ứng, trong khi người khác lại nghi ngại, trì hoãn hoặc giữ khoảng cách.
Lo âu, trong trường hợp này, không chỉ là trạng thái tâm lý cá nhân. Nó phản ánh cách giảng viên và sinh viên định vị bản thân trong môi trường học thuật đang thay đổi. Khi công nghệ có thể tham gia vào những hoạt động từng gắn chặt với năng lực trí tuệ của con người như viết, lập luận, tổng hợp tri thức, thiết kế hoạt động học tập hoặc hỗ trợ đánh giá, cảm giác bất an về vai trò chuyên môn trở thành một phản ứng dễ hiểu. Vấn đề quan trọng là nhận diện đúng dạng lo âu đang chi phối hành vi, bởi mỗi dạng lo âu cần một cách hỗ trợ khác nhau.
Khi mô hình chấp nhận công nghệ cần được bổ sung chiều cạnh cảm xúc
Trong truyền thống phân tích về chấp nhận công nghệ, mô hình chấp nhận công nghệ của Davis (1989) nhấn mạnh vai trò của nhận thức về tính hữu ích và mức độ dễ sử dụng. Theo Davis (1989), người dùng có xu hướng chấp nhận một công nghệ khi họ tin rằng công nghệ đó giúp cải thiện kết quả công việc và không tạo ra chi phí sử dụng quá lớn. Venkatesh và cộng sự (2003) sau đó phát triển lý thuyết thống nhất về chấp nhận và sử dụng công nghệ, đưa thêm các yếu tố như kỳ vọng về hiệu quả, kỳ vọng về nỗ lực, ảnh hưởng xã hội và điều kiện hỗ trợ vào mô hình giải thích hành vi tiếp nhận công nghệ.
Dù vậy, trí tuệ nhân tạo tạo sinh đặt ra yêu cầu mở rộng các khung lý thuyết truyền thống. Công nghệ tạo sinh không giống nhiều công nghệ giáo dục trước đây, bởi nó có khả năng tạo văn bản, đề xuất ý tưởng, mô phỏng lập luận và tham gia vào một số hoạt động vốn thuộc phạm vi lao động học thuật. Vì thế, ý định sử dụng không thể chỉ được giải thích bằng lợi ích chức năng. Nó còn chịu tác động bởi cảm giác an toàn nghề nghiệp, niềm tin vào năng lực làm chủ công nghệ và mức độ thừa nhận của cộng đồng học thuật.
Theo Cao, Wang và Jiang (2026), việc kết hợp mô hình chấp nhận công nghệ với lý thuyết thống nhất về chấp nhận và sử dụng công nghệ cho phép quan sát đồng thời ba lớp quan hệ: cảm xúc trước công nghệ, nhận thức về giá trị sử dụng và ý định hành động. Cách tiếp cận này cũng kế thừa các hướng mở rộng gần đây của lý thuyết thống nhất về chấp nhận và sử dụng công nghệ, trong đó niềm tin, rủi ro cảm nhận, tính đổi mới cá nhân và năng lực tự tin được xem là những thành tố quan trọng khi phân tích các công nghệ thông minh.
Đáng chú ý, Cao, Wang và Jiang (2026) dẫn lại Gerlich và cộng sự khi cho rằng trong bối cảnh ứng dụng ChatGPT trong giáo dục, sức tác động của các biến truyền thống trong mô hình chấp nhận công nghệ có sự thay đổi, trong đó ảnh hưởng xã hội trở nên nổi bật hơn. Nhận định này phù hợp với đặc điểm của giáo dục đại học, nơi hành vi học thuật không chỉ là lựa chọn cá nhân mà còn chịu ảnh hưởng của đồng nghiệp, nhóm chuyên môn, quy định của cơ sở đào tạo, chuẩn mực công bố và kỳ vọng của cộng đồng học thuật.
Ba dạng lo âu và những con đường tiếp nhận công nghệ khác nhau
Lo âu khi học cách sử dụng trí tuệ nhân tạo phản ánh áp lực nhận thức khi giảng viên hoặc sinh viên phải tiếp cận một công nghệ có tốc độ phát triển nhanh, nguyên lý vận hành khó quan sát trực tiếp và yêu cầu năng lực sử dụng ngày càng cao. Dạng lo âu này không chỉ liên quan đến thao tác kỹ thuật. Người dùng còn cần biết đặt yêu cầu phù hợp, kiểm chứng kết quả, đánh giá độ tin cậy của nội dung, bảo vệ liêm chính học thuật và xác định trách nhiệm cá nhân khi sử dụng sản phẩm có sự hỗ trợ của công cụ tạo sinh. Theo Cao, Wang và Jiang (2026), lo âu khi học trí tuệ nhân tạo gắn với cảm nhận về khoảng cách năng lực, nhất là khi nhịp đổi mới công nghệ vượt quá khả năng cập nhật của cá nhân.
Lo âu vì nguy cơ tụt hậu về năng lực công nghệ trong cộng đồng học thuật mang sắc thái xã hội rõ hơn. Trong đại học, năng lực sử dụng công nghệ đang trở thành một phần của vốn học thuật. Khi đồng nghiệp, sinh viên hoặc nhóm chuyên môn sử dụng công cụ tạo sinh trong hoạt động học thuật, người chậm thích ứng có thể cảm thấy mình bị thu hẹp cơ hội trao đổi, hợp tác và tham gia vào các thực hành chuyên môn mới. Theo Cao, Wang và Jiang (2026), dạng lo âu này bắt nguồn từ so sánh xã hội và cạnh tranh vốn học thuật, do đó có thể tạo ra hai hướng ứng xử: chủ động học hỏi để theo kịp hoặc phủ nhận giá trị của công nghệ nhằm bảo vệ cảm giác an toàn chuyên môn.
Lo âu trước khả năng bị thay thế trong công việc có sức tác động sâu hơn, bởi nó chạm tới cảm giác an toàn nghề nghiệp. Trong giáo dục đại học, các hoạt động như thiết kế bài giảng, phản hồi bài làm, gợi ý đề tài, tổng hợp tài liệu, viết học thuật và xây dựng học liệu lâu nay gắn với chuyên môn của giảng viên và năng lực học thuật của sinh viên. Khi trí tuệ nhân tạo tạo sinh có thể hỗ trợ những hoạt động ấy, một bộ phận người dùng có thể cảm nhận công nghệ như thách thức đối với giá trị nghề nghiệp. Theo Cao, Wang và Jiang (2026), khi cá nhân nhìn công nghệ như một mối đe dọa thay vì công cụ hỗ trợ, họ có xu hướng đánh giá thấp tính hữu ích, cảm thấy việc học sử dụng trở nên nặng nề hơn và ít tiếp nhận các hỗ trợ từ môi trường xung quanh.
Chính sự khác biệt giữa ba dạng lo âu khiến bài toán chấp nhận trí tuệ nhân tạo tạo sinh trở nên phức tạp. Lo âu học công nghệ có thể được cải thiện bằng đào tạo phù hợp. Lo âu tụt hậu có thể chuyển hóa thành động lực nếu môi trường học thuật khuyến khích chia sẻ và thực hành có trách nhiệm. Lo âu bị thay thế cần được xử lý bằng cách tái xác lập vai trò của con người trong quan hệ với công nghệ, nhấn mạnh trách nhiệm chuyên môn, năng lực thẩm định và quyền quyết định học thuật của giảng viên, sinh viên.
Dữ liệu thực nghiệm và những phát hiện chính
Theo Cao, Wang và Jiang (2026), dữ liệu được thu thập thông qua khảo sát tại ba cơ sở giáo dục đại học ở tỉnh Tứ Xuyên, Trung Quốc, gồm Đại học Xihua, Đại học Công nghệ Thông tin Thành Đô và Trường Cao đẳng Hàng không Thành Đô. Nhóm tác giả phát ra 500 bảng hỏi, sau khi làm sạch dữ liệu thu được 407 mẫu hợp lệ, đạt tỷ lệ phản hồi hiệu quả 81%. Trong mẫu khảo sát, nữ chiếm 59%, nam chiếm 41%; nhóm khoa học kỹ thuật chiếm 53%, nhóm khoa học xã hội và nhân văn chiếm 47%.
Bảng hỏi gồm 35 mục đo lường, sử dụng thang đánh giá bảy mức, bao quát các cấu phần: lo âu khi học trí tuệ nhân tạo, lo âu vì nguy cơ tụt hậu công nghệ trong cộng đồng học thuật, lo âu bị thay thế nghề nghiệp, kỳ vọng về hiệu quả, kỳ vọng về nỗ lực, ảnh hưởng xã hội, điều kiện hỗ trợ, năng lực tự tin sử dụng trí tuệ nhân tạo và ý định chấp nhận công nghệ. Dữ liệu được xử lý bằng mô hình phương trình cấu trúc bình phương tối thiểu từng phần với phần mềm SmartPLS 4.0, phù hợp với mô hình có nhiều biến tiềm ẩn và nhiều quan hệ trung gian.
Kết quả cho thấy lo âu bị thay thế nghề nghiệp là rào cản mạnh nhất đối với ý định sử dụng trí tuệ nhân tạo tạo sinh. Dạng lo âu này làm suy giảm đồng thời kỳ vọng về hiệu quả, kỳ vọng về nỗ lực, điều kiện hỗ trợ và ảnh hưởng xã hội. Nói cách khác, khi người dùng tin rằng công nghệ có thể làm suy giảm giá trị nghề nghiệp của mình, họ không chỉ nghi ngờ lợi ích của công cụ, mà còn cảm thấy việc học công nghệ khó khăn hơn, ít chịu tác động tích cực từ cộng đồng chuyên môn và khó nhìn thấy ý nghĩa của các hỗ trợ do nhà trường cung cấp.
Phát hiện có giá trị nổi bật là hiệu ứng hai mặt của lo âu vì nguy cơ tụt hậu công nghệ. Theo Cao, Wang và Jiang (2026), dạng lo âu này vừa làm giảm kỳ vọng về hiệu quả do cá nhân thiếu tự tin vào năng lực sử dụng, vừa có thể thúc đẩy kỳ vọng về nỗ lực và ý định chấp nhận thông qua động cơ so sánh xã hội. Điều đó có nghĩa là cảm giác bị bỏ lại phía sau trong cộng đồng học thuật không nhất thiết dẫn đến né tránh. Trong điều kiện phù hợp, nó có thể trở thành tín hiệu thúc đẩy người dùng học hỏi, thử nghiệm và điều chỉnh cách làm việc.
Kết quả cũng cho thấy trong giáo dục đại học, ảnh hưởng xã hội và kỳ vọng về nỗ lực trở thành hai yếu tố thúc đẩy trực tiếp ý định chấp nhận công nghệ. Đây là phát hiện đáng chú ý, bởi trong nhiều mô hình truyền thống, kỳ vọng về hiệu quả thường được xem là yếu tố trung tâm. Với trí tuệ nhân tạo tạo sinh, người dùng đại học đặc biệt quan tâm công nghệ có được cộng đồng học thuật thừa nhận hay không, việc học sử dụng có tạo ra gánh nặng nhận thức quá lớn hay không, và công cụ có thể hòa nhập vào chuẩn mực chuyên môn hiện hành như thế nào.
Khác biệt ngành học và vai trò của năng lực tự tin công nghệ
Theo Cao, Wang và Jiang (2026), nền tảng ngành học có vai trò điều tiết đáng kể trong mối quan hệ giữa lo âu khi học trí tuệ nhân tạo và ý định chấp nhận. Nhóm khoa học kỹ thuật có xu hướng chuyển hóa lo âu thành động lực thích ứng mạnh hơn so với nhóm khoa học xã hội và nhân văn. Sự khác biệt này có thể được lý giải bởi đặc trưng nhận thức của từng lĩnh vực: các ngành khoa học kỹ thuật thường quen với logic công cụ, thử nghiệm, tối ưu hóa và giải quyết vấn đề bằng công nghệ; trong khi các ngành khoa học xã hội và nhân văn quan tâm nhiều hơn đến ý nghĩa, đạo đức, quyền tác giả, trách nhiệm học thuật và giới hạn của tự động hóa trong hoạt động tri thức.
Tuy nhiên, không thể diễn giải rằng nhóm khoa học xã hội và nhân văn ít phù hợp với trí tuệ nhân tạo tạo sinh. Vấn đề nằm ở cách thiết kế hỗ trợ. Nếu chương trình bồi dưỡng chỉ tập trung vào thao tác kỹ thuật, nó khó đáp ứng nhu cầu của những lĩnh vực quan tâm sâu đến thẩm định tri thức, lập luận, đạo đức học thuật và trách nhiệm diễn giải. Ngược lại, nếu công cụ tạo sinh được đặt trong quan hệ với phương pháp học thuật, đọc hiểu tài liệu, kiểm chứng nguồn, xây dựng lập luận và bảo vệ liêm chính, các nhóm ngành này có thể tiếp nhận công nghệ theo cách phù hợp hơn với đặc trưng chuyên môn.
Năng lực tự tin sử dụng trí tuệ nhân tạo cũng là biến điều tiết quan trọng. Theo Cao, Wang và Jiang (2026), năng lực tự tin cao có thể giúp người dùng chuyển hóa lo âu khi học công nghệ thành đánh giá tích cực hơn về hiệu quả và ảnh hưởng xã hội. Người tin rằng mình có thể làm chủ công cụ thường nhìn khó khăn như thách thức có thể vượt qua, trong khi người thiếu tự tin dễ xem khó khăn như bằng chứng cho giới hạn năng lực cá nhân. Vì thế, nâng cao năng lực tự tin không chỉ là dạy kỹ năng, mà còn là tạo trải nghiệm thành công, môi trường thực hành an toàn và cơ chế hỗ trợ kịp thời.
Quản trị trí tuệ nhân tạo tạo sinh trong đại học: từ cung cấp công cụ đến kiến tạo năng lực
Những phát hiện trên gợi mở rằng thúc đẩy ứng dụng trí tuệ nhân tạo tạo sinh trong đại học không thể chỉ dựa vào việc cung cấp công cụ, ban hành quy định hoặc tổ chức tập huấn ngắn hạn. Công nghệ chỉ được tiếp nhận bền vững khi người sử dụng hiểu rõ giá trị, giới hạn và trách nhiệm học thuật của mình. Do đó, các cơ sở giáo dục đại học cần chuyển từ tư duy triển khai công nghệ sang tư duy quản trị quá trình thích ứng học thuật.
Trước hết, nhà trường cần phân loại các dạng lo âu để có cách hỗ trợ phù hợp. Với lo âu bị thay thế nghề nghiệp, cần nhấn mạnh mô hình hợp tác giữa con người và trí tuệ nhân tạo, trong đó công nghệ hỗ trợ các nhiệm vụ lặp lại, gợi ý phương án và mở rộng nguồn lực nhận thức, còn giảng viên giữ vai trò quyết định trong thiết kế sư phạm, thẩm định tri thức, đánh giá học thuật và định hướng giá trị. Với lo âu vì nguy cơ tụt hậu, cần xây dựng cộng đồng thực hành để biến áp lực so sánh thành động lực học hỏi. Với lo âu khi học công nghệ, cần giảm chi phí tiếp cận bằng hướng dẫn theo tình huống, bài tập thực hành ngắn, hỗ trợ đồng đẳng và tư vấn kỹ thuật thường xuyên.
Tiếp đó, chương trình bồi dưỡng cần được thiết kế theo đặc thù ngành học. Đối với khoa học kỹ thuật, nội dung có thể tập trung vào phân tích dữ liệu, mô phỏng, lập trình, thiết kế hệ thống, tối ưu hóa quy trình chuyên môn và phát triển sản phẩm học thuật. Đối với khoa học xã hội, nhân văn, giáo dục, luật, báo chí, chương trình cần nhấn mạnh năng lực thẩm định nguồn, phân tích lập luận, đạo đức sử dụng dữ liệu, quyền tác giả, tính minh bạch và trách nhiệm của người viết. Cách tiếp cận phân hóa này phù hợp với khuyến nghị của Cao, Wang và Jiang (2026) về đào tạo khác biệt giữa nhóm khoa học kỹ thuật và nhóm khoa học xã hội, nhân văn.
Ngoài đào tạo, cần xây dựng hệ sinh thái hỗ trợ. Hệ sinh thái ấy bao gồm bộ hướng dẫn sử dụng trí tuệ nhân tạo tạo sinh trong dạy học và nghiên cứu; cơ chế khai báo việc sử dụng công cụ trong bài tập, khóa luận, luận văn và bài báo; quy trình kiểm chứng thông tin; không gian thử nghiệm công cụ; nhóm tư vấn kỹ thuật và học thuật; cùng hệ thống phản hồi để ghi nhận khó khăn của giảng viên, sinh viên. Theo Cao, Wang và Jiang (2026), các trường cần xây dựng nền tảng phản hồi về ứng dụng trí tuệ nhân tạo tạo sinh, tổ chức hội thảo thực hành thường xuyên, hướng dẫn cá nhân hóa và tạo môi trường công nghệ có tính hỗ trợ.
Khuyến nghị cho giáo dục đại học Việt Nam trong bối cảnh chuyển đổi số
Đối với Việt Nam, vấn đề ứng dụng trí tuệ nhân tạo tạo sinh trong giáo dục đại học cần được đặt trong mạch chính sách chuyển đổi số và đổi mới giáo dục. Quyết định số 131/QĐ-TTg ngày 25 tháng 01 năm 2022 của Thủ tướng Chính phủ đã 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”, xác lập định hướng tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong toàn ngành giáo dục. Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045, tiếp tục tạo khuôn khổ chính sách cho phát triển giáo dục trong giai đoạn mới. Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo tạo thêm cơ sở chính trị quan trọng cho yêu cầu đổi mới mạnh mẽ giáo dục Việt Nam.
Trên nền tảng đó, các cơ sở giáo dục đại học Việt Nam cần sớm xây dựng quy định sử dụng trí tuệ nhân tạo tạo sinh theo hướng minh bạch, trách nhiệm và phù hợp với từng hoạt động học thuật. Quy định không nên chỉ nêu những hành vi không được chấp nhận, mà cần chỉ rõ các hình thức sử dụng phù hợp, các trường hợp phải khai báo, cách ghi nhận sự hỗ trợ của công cụ, trách nhiệm kiểm chứng nội dung và nguyên tắc bảo vệ liêm chính học thuật. Cách tiếp cận này giúp giảm tâm lý bất an, vì giảng viên và sinh viên hiểu rõ ranh giới giữa hỗ trợ công nghệ và trách nhiệm học thuật của con người.
Các trường đại học cũng cần đưa năng lực sử dụng trí tuệ nhân tạo tạo sinh vào chương trình phát triển chuyên môn của giảng viên. Nội dung bồi dưỡng cần vượt qua thao tác công cụ, hướng tới thiết kế hoạt động học tập có tích hợp công nghệ, xây dựng yêu cầu sử dụng phù hợp, kiểm định kết quả tạo sinh, hướng dẫn sinh viên sử dụng có trách nhiệm, nhận diện rủi ro về nguồn trích dẫn và bảo đảm công bằng trong đánh giá. Với sinh viên, năng lực cần hình thành không phải là sự lệ thuộc vào công cụ, mà là khả năng đặt câu hỏi, kiểm chứng, diễn giải, trích dẫn minh bạch và chịu trách nhiệm đối với sản phẩm học tập.
Một hướng quan trọng khác là xây dựng chương trình bồi dưỡng theo nhóm ngành. Với khối kỹ thuật, công nghệ, khoa học tự nhiên, có thể ưu tiên các tình huống sử dụng trí tuệ nhân tạo tạo sinh trong mô phỏng, lập trình, phân tích dữ liệu, thiết kế giải pháp và nghiên cứu ứng dụng. Với khối khoa học xã hội, nhân văn, giáo dục, luật, báo chí, cần ưu tiên năng lực đọc phê bình, kiểm chứng nguồn, bảo vệ quyền tác giả, nhận diện giới hạn của nội dung tạo sinh và duy trì trách nhiệm học thuật. Sự phân hóa này giúp tránh tình trạng một chương trình tập huấn chung được áp dụng cho mọi nhóm ngành nhưng không đáp ứng đúng nhu cầu chuyên môn.
Ở cấp quản trị cơ sở, mỗi trường nên khảo sát định kỳ mức độ sẵn sàng, dạng lo âu phổ biến và nhu cầu hỗ trợ của giảng viên, sinh viên. Kết quả khảo sát có thể giúp nhận diện nhóm lo ngại bị thay thế, nhóm thiếu tự tin khi học công cụ, nhóm chịu áp lực tụt hậu trong cộng đồng chuyên môn và nhóm đã sẵn sàng đổi mới. Trên cơ sở đó, nhà trường có thể tổ chức hỗ trợ theo từng nhóm: hướng dẫn nền tảng cho người mới tiếp cận, thực hành theo nhiệm vụ chuyên môn cho người đã có kinh nghiệm, cộng đồng chia sẻ cho giảng viên tiên phong và tư vấn chuyên sâu cho các vấn đề đạo đức, pháp lý, học thuật.
Ở cấp hệ thống, cần có khung hướng dẫn quốc gia về sử dụng trí tuệ nhân tạo tạo sinh trong giáo dục đại học, trong đó làm rõ các nguyên tắc về minh bạch, trách nhiệm giải trình, bảo vệ dữ liệu, liêm chính học thuật, công bằng tiếp cận và phát triển năng lực số. Khung hướng dẫn cần đủ cụ thể để các trường có căn cứ triển khai, đồng thời đủ linh hoạt để phù hợp với đặc thù ngành học, loại hình cơ sở đào tạo và tốc độ thay đổi của công nghệ. Điều này đặc biệt cần thiết khi chuyển đổi số giáo dục đã được xác lập trong các văn bản chính sách quan trọng, còn thực tiễn sử dụng công cụ tạo sinh trong dạy học và nghiên cứu vẫn đang biến đổi nhanh.
Giới hạn của bằng chứng và yêu cầu thận trọng khi vận dụng
Dù mang lại nhiều gợi mở có giá trị, kết quả của Cao, Wang và Jiang (2026) cần được tiếp nhận thận trọng. Mẫu khảo sát được lựa chọn tại ba cơ sở giáo dục đại học ở tỉnh Tứ Xuyên bằng phương pháp thuận tiện, nên khả năng khái quát cho các vùng, loại hình trường và nền văn hóa học thuật khác còn hạn chế. Dữ liệu cắt ngang cũng chưa cho phép quan sát sự thay đổi của lo âu và ý định sử dụng theo thời gian, trong khi trí tuệ nhân tạo tạo sinh là lĩnh vực có tốc độ phát triển nhanh. Bên cạnh đó, mô hình chưa phân tích sâu sự khác biệt giữa các loại công cụ, kịch bản sử dụng cụ thể và chưa đưa lo âu đạo đức thành một cấu phần độc lập.
Vì vậy, khi vận dụng vào giáo dục Việt Nam, không nên xem kết quả khảo sát quốc tế như bức tranh đại diện trực tiếp cho mọi cơ sở giáo dục đại học trong nước. Điều cần tiếp nhận trước hết là khung tư duy: chấp nhận công nghệ trong đại học là quá trình vừa nhận thức, vừa cảm xúc, vừa chịu ảnh hưởng bởi văn hóa ngành và chuẩn mực học thuật. Các khảo sát trong nước cần được triển khai để nhận diện cụ thể mức độ sẵn sàng, dạng lo âu chủ đạo, khác biệt giữa giảng viên và sinh viên, giữa các nhóm ngành, giữa các trường có điều kiện hạ tầng và văn hóa học thuật khác nhau.
Trí tuệ nhân tạo tạo sinh đang đặt giáo dục đại học trước một yêu cầu tinh tế hơn nhiều so với việc lựa chọn công cụ. Công nghệ có thể hỗ trợ con người mở rộng năng lực nhận thức, nhưng đồng thời làm hiện rõ những bất an về vai trò chuyên môn, giá trị học thuật và khả năng thích ứng của từng cá nhân. Theo Cao, Wang và Jiang (2026), lo âu trước trí tuệ nhân tạo không chỉ là rào cản; trong những điều kiện phù hợp, một phần lo âu có thể chuyển hóa thành động lực học hỏi và đổi mới.
Với giáo dục đại học Việt Nam, câu hỏi quan trọng không phải là có sử dụng trí tuệ nhân tạo tạo sinh hay không, mà là sử dụng trong một trật tự học thuật như thế nào. Một chính sách khôn ngoan cần giúp giảng viên và sinh viên hiểu công nghệ, làm chủ công nghệ, nhận diện giới hạn của công nghệ và giữ vững trách nhiệm học thuật của con người. Khi đó, trí tuệ nhân tạo tạo sinh không trở thành sức ép làm suy giảm giá trị nghề nghiệp, mà trở thành phép thử năng lực quản trị đổi mới của nhà trường: quản trị để công nghệ phục vụ tri thức, phục vụ con người và phục vụ chất lượng giáo dục.
Tài liệu tham khảo
Cao, K., Wang, P., & Jiang, X. (2026). AI anxiety and adoption intention in higher education based on an extended TAM-UTAUT and PLS-SEM analysis. Scientific Reports, 16, 3672.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.
Thủ tướng Chính phủ (2022). Quyết định số 131/QĐ-TTg 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”.
Thủ tướng Chính phủ (2024). Quyết định số 1705/QĐ-TTg phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045.
Bộ Chính trị (2025). Nghị quyết số 71-NQ/TW về đột phá phát triển giáo dục và đào tạo.
