Trí tuệ nhân tạo trong giảng đường: Một câu hỏi mới của giáo dục đại học
Sự phát triển nhanh của trí tuệ nhân tạo tạo sinh đang đặt giáo dục đại học trước một câu hỏi không còn thuần túy mang tính kĩ thuật. Vấn đề hiện nay không chỉ là sinh viên có sử dụng trí tuệ nhân tạo trong học tập hay không, mà là họ sử dụng công cụ ấy như thế nào, với mức độ phụ thuộc ra sao, có kiểm chứng thông tin hay không và bằng cách nào để vẫn bảo vệ được quyền tự chủ trí tuệ trong quá trình học thuật.
Trong một khảo sát định tính được thực hiện tại một trường đại học nghiên cứu ở Hoa Kỳ, Black và Tomlinson (2025) phân tích cách sinh viên đại học sử dụng trí tuệ nhân tạo trong học phần giáo dục đại cương về tính bền vững và công nghệ. Học phần có 277 sinh viên, đến từ nhiều năm học và 46 chuyên ngành khác nhau. Ở bài tập cuối khóa, sinh viên phải phân tích mạng khái niệm liên kết các nội dung cốt lõi của học phần, như biến đổi khí hậu, mực nước biển dâng, axit hóa đại dương, cùng những khái niệm có liên quan từ tài liệu học tập, chuyên ngành, đời sống và các vấn đề thời sự. Sinh viên được phép sử dụng trí tuệ nhân tạo để hỗ trợ bài viết, nhưng nếu sử dụng thì cần mô tả công cụ, cách dùng, câu lệnh và nhận định của bản thân về ảnh hưởng của công cụ đối với bài làm. Trong số 277 sinh viên, 39 người có phần mô tả rõ ràng về việc sử dụng trí tuệ nhân tạo, tạo thành dữ liệu chính cho phân tích định tính của tác giả.
Điểm đáng chú ý là trí tuệ nhân tạo không được đặt bên ngoài lớp học như một yếu tố cần loại trừ, mà được đưa vào hoạt động học tập có điều kiện và có yêu cầu giải trình. Cách tiếp cận này cho phép quan sát một thực tế phức tạp hơn nhiều so với những lo ngại thông thường về gian lận học thuật. Sinh viên không chỉ dùng công cụ để làm bài nhanh hơn; họ còn dùng để chỉnh sửa diễn đạt, tìm ví dụ, kiểm tra quan hệ giữa các khái niệm, mở rộng hiểu biết và hỗ trợ hình thành lập luận. Đồng thời, nhiều người học cũng thể hiện sự thận trọng trước những câu trả lời thiếu chính xác, nguồn dẫn không tồn tại và nguy cơ làm mờ tiếng nói học thuật của bản thân.
Từ đó, trí tuệ nhân tạo hiện ra không phải như một công cụ đơn nghĩa. Nó vừa có thể hỗ trợ người học tiếp cận tri thức, vừa có thể làm suy giảm chiều sâu học tập nếu bị sử dụng như phương tiện thay thế tư duy. Chính tính hai mặt này khiến giáo dục đại học cần chuyển từ cách tiếp cận thiên về kiểm soát sang cách tiếp cận phát triển năng lực: năng lực sử dụng công cụ số, năng lực đánh giá thông tin, năng lực viết học thuật và năng lực chịu trách nhiệm về sản phẩm trí tuệ.
Công cụ trung gian trong học tập và giới hạn của sự hỗ trợ
Black và Tomlinson (2025) đặt việc sử dụng trí tuệ nhân tạo trong khung lý thuyết học tập văn hóa - xã hội, đặc biệt là quan niệm của Vygotsky về “vùng phát triển gần” và vai trò trung gian của công cụ đối với sự phát triển nhận thức. Theo Vygotsky (1978), người học có thể đạt tới mức phát triển cao hơn khi nhận được sự hỗ trợ phù hợp từ người khác, từ công cụ hoặc từ môi trường tương tác. Trong cách hiểu này, trí tuệ nhân tạo có thể đóng vai trò như một tác nhân trung gian, giúp sinh viên diễn giải vấn đề, thử nghiệm ý tưởng, mở rộng liên tưởng và hoàn thiện cách biểu đạt.
Tuy nhiên, vai trò trung gian ấy chỉ có giá trị giáo dục khi sinh viên vẫn là chủ thể của hoạt động học tập. Nếu người học chỉ sao chép câu trả lời do công cụ tạo ra, trí tuệ nhân tạo không còn hỗ trợ sự phát triển năng lực, mà có thể làm suy yếu quá trình hình thành tri thức. Ngược lại, nếu sinh viên sử dụng công cụ để đặt câu hỏi, kiểm tra mối liên hệ giữa các khái niệm, tìm thêm hướng tiếp cận, so sánh với nguồn đáng tin cậy và tự quyết định cách tích hợp thông tin vào bài viết, trí tuệ nhân tạo có thể trở thành phương tiện hỗ trợ tư duy phân tích.
Cách nhìn này tương đồng với những thảo luận gần đây về trí tuệ nhân tạo trong giáo dục đại học. Crompton và Burke (2023) cho rằng trí tuệ nhân tạo đang được ứng dụng trong nhiều hoạt động của giáo dục đại học, từ cá nhân hóa học tập, hỗ trợ phản hồi đến nâng cao hiệu quả học tập. Wambsganss và cộng sự (2024) nhấn mạnh vai trò của quyền kiểm soát của người học và tính tương tác trong các hệ thống gia sư đối thoại. Banihashem và cộng sự (2024), Escalante, Pack và Barrett (2023) cũng cho thấy phản hồi do trí tuệ nhân tạo tạo ra có thể hỗ trợ cải thiện chất lượng viết, nhất là khi sinh viên biết lựa chọn, điều chỉnh và đánh giá phản hồi. Những tài liệu này cùng gợi ra một nhận định quan trọng: giá trị giáo dục của trí tuệ nhân tạo không nằm ở khả năng tạo văn bản tức thời, mà nằm ở cách công cụ được tích hợp vào quá trình học tập có kiểm soát, có suy xét và có trách nhiệm.
Viết học thuật cùng trí tuệ nhân tạo: Cải thiện diễn đạt nhưng không đánh mất tiếng nói cá nhân
Kết quả phân tích của Black và Tomlinson (2025) cho thấy sinh viên sử dụng trí tuệ nhân tạo khá phổ biến cho các nhiệm vụ viết mang tính kĩ thuật, bao gồm chỉnh sửa, hiệu đính, sửa ngữ pháp, lựa chọn từ ngữ, cải thiện độ rõ ràng và làm cho bài viết có phong cách học thuật hơn. Trong nhóm dữ liệu, “chỉnh sửa và hiệu đính” là một trong những mã xuất hiện thường xuyên nhất, với 47 trường hợp được ghi nhận. Nhiều sinh viên cho biết họ tự viết nội dung trước, sau đó dùng trí tuệ nhân tạo để làm cho phần trình bày chính xác, mạch lạc và trang trọng hơn.
Ở phương diện này, trí tuệ nhân tạo đang đảm nhiệm vai trò gần với một công cụ hỗ trợ biên tập cá nhân. Đối với sinh viên, đặc biệt là những người còn gặp khó khăn trong diễn đạt học thuật, việc được gợi ý cách viết rõ hơn, chỉnh lỗi ngữ pháp hoặc cải thiện độ trôi chảy của văn bản có thể giúp họ trình bày ý tưởng thuyết phục hơn. Trong các lớp học đông, khi giảng viên khó có thể phản hồi chi tiết cho từng bản thảo, khả năng hỗ trợ tức thời của công cụ số trở thành một nguồn lực đáng chú ý.
Tuy nhiên, phát hiện quan trọng hơn nằm ở cách sinh viên tự đặt giới hạn cho việc sử dụng công cụ. Có sinh viên phân biệt rất rõ giữa việc yêu cầu trí tuệ nhân tạo “kiểm tra xem ngữ pháp có đúng không” và yêu cầu công cụ “sửa lại ngữ pháp”. Theo mô tả của người học, khi yêu cầu công cụ sửa trực tiếp, văn bản có thể bị thay đổi bằng những từ không còn thuộc về cách diễn đạt ban đầu; trong khi đó, khi chỉ yêu cầu kiểm tra, sinh viên vẫn giữ được khả năng lựa chọn và chỉnh sửa trên nền ngôn ngữ của chính mình.
Chi tiết này có ý nghĩa sư phạm sâu sắc. Nó cho thấy năng lực sử dụng trí tuệ nhân tạo không chỉ là biết đặt câu lệnh để nhận được câu trả lời, mà còn là biết đặt câu lệnh sao cho công cụ hỗ trợ quá trình học tập mà không làm mất quyền làm chủ của người học. Trong giáo dục đại học, sự khác biệt giữa “được hỗ trợ để viết tốt hơn” và “được viết thay” cần được nhận diện rõ trong hướng dẫn học tập, tiêu chí đánh giá và quy định về liêm chính học thuật.
Tìm kiếm bằng chứng và hiểu vấn đề phức tạp: Khi công cụ số tham gia vào hoạt động tư duy bậc cao
Bên cạnh các thao tác chỉnh sửa ngôn ngữ, sinh viên còn sử dụng trí tuệ nhân tạo cho những nhiệm vụ có yêu cầu nhận thức cao hơn. Black và Tomlinson (2025) ghi nhận 24 trường hợp sinh viên dùng công cụ để hiểu các chủ đề phức tạp và 11 trường hợp dùng công cụ để tìm bằng chứng hoặc ví dụ. Trong bài tập cuối khóa, sinh viên phải phân tích chuỗi nhân quả, vòng phản hồi, quan hệ trực tiếp và gián tiếp giữa các khái niệm trong một mạng khái niệm lớn. Đây là dạng nhiệm vụ đòi hỏi người học không chỉ nhắc lại thông tin, mà phải nhận diện quan hệ giữa các hiện tượng, giải thích bằng chứng và xây dựng lập luận.
Một số sinh viên mô tả rằng họ hỏi trí tuệ nhân tạo về mối liên hệ giữa các chủ đề, sau đó tự viết phần diễn giải. Có sinh viên yêu cầu công cụ gợi ý ví dụ thực tế cho một chuỗi nhân quả, nhưng sau đó kiểm chứng lại bằng tìm kiếm riêng. Có sinh viên sử dụng phản hồi của công cụ như điểm khởi đầu để hiểu quan hệ giữa các khái niệm trong học phần. Những biểu hiện này cho thấy trí tuệ nhân tạo có thể hỗ trợ sinh viên tiếp cận các nhiệm vụ học thuật phức tạp, nhất là khi người học biết xem phản hồi như chất liệu tham khảo thay vì kết luận cuối cùng.
Dẫu vậy, mức độ phụ thuộc vào công cụ không đồng nhất. Một số sinh viên dùng trí tuệ nhân tạo để tìm điểm khởi đầu cho việc hiểu quan hệ giữa các khái niệm, thậm chí thừa nhận rằng công cụ đưa ra những câu trả lời mà họ có thể không tự nghĩ ra. Ở phương diện tích cực, điều này có thể mở rộng khả năng liên tưởng và hỗ trợ người học vượt qua khó khăn trong quá trình phân tích. Ở phương diện rủi ro, nếu thiếu năng lực thẩm định, sinh viên có thể tiếp nhận những gợi ý nghe có vẻ hợp lí nhưng chưa được kiểm chứng.
Vì vậy, điểm mấu chốt không phải là trí tuệ nhân tạo có tham gia vào nhiệm vụ tư duy bậc cao hay không, mà là sinh viên có đủ năng lực kiểm tra, lựa chọn và giải thích việc sử dụng phản hồi hay không. Một bài viết có sự hỗ trợ của công cụ số vẫn có thể có giá trị học thuật nếu người học chứng minh được quá trình phân tích, nguồn bằng chứng, mức độ chỉnh sửa và trách nhiệm cá nhân đối với lập luận cuối cùng.
Thái độ thận trọng như một phẩm chất học thuật trong môi trường số
Một phát hiện có giá trị trong phân tích của Black và Tomlinson (2025) là nhiều sinh viên thể hiện sự thận trọng rõ rệt đối với nội dung do trí tuệ nhân tạo tạo ra. Mã “hoài nghi” xuất hiện 12 lần trong dữ liệu, phản ánh những băn khoăn của sinh viên về sự lặp lại trong văn bản, giới hạn dữ liệu, độ chính xác của thông tin và nguy cơ xuất hiện nguồn dẫn không có thật. Có sinh viên cho biết công cụ đưa ra các trích dẫn sai hoặc không tồn tại; có người nhấn mạnh cần kiểm tra lại thông tin bằng nguồn đáng tin cậy trước khi đưa vào bài làm.
Sự thận trọng này cần được xem như một phẩm chất học thuật trong môi trường số. Sinh viên không chỉ cần biết sử dụng công cụ, mà còn phải biết nghi ngờ công cụ một cách có phương pháp. Năng lực ấy bao gồm khả năng kiểm tra nguồn, đối chiếu thông tin, nhận diện lập luận thiếu căn cứ, phát hiện tài liệu tham khảo không xác thực và chịu trách nhiệm về mọi nội dung được đưa vào bài viết. Đây cũng là yêu cầu cốt lõi của liêm chính học thuật khi trí tuệ nhân tạo tạo sinh ngày càng có khả năng tạo ra văn bản mạch lạc, tự tin và có vẻ thuyết phục.
Farhi và cộng sự (2023) từng ghi nhận nhiều quan ngại của sinh viên về đạo đức và độ tin cậy khi sử dụng ChatGPT trong học tập. Strzelecki (2023) cũng phân tích việc sinh viên chấp nhận và sử dụng ChatGPT trong giáo dục đại học, qua đó cho thấy thái độ tiếp nhận công nghệ không đồng nghĩa với sự tin tưởng tuyệt đối. Trong tương quan với các tài liệu này, dữ liệu của Black và Tomlinson (2025) bổ sung một hình ảnh cụ thể hơn: sinh viên có thể vừa sử dụng trí tuệ nhân tạo để tiết kiệm thời gian và nâng cao chất lượng bài viết, vừa chủ động kiểm tra, lựa chọn và loại bỏ những phản hồi không phù hợp.
Đây là điểm cần được nhấn mạnh trong thiết kế chính sách giáo dục. Nếu nhà trường chỉ tập trung vào phát hiện việc sử dụng trí tuệ nhân tạo, sinh viên có thể chuyển sang che giấu hành vi. Ngược lại, nếu nhà trường hướng dẫn người học khai báo minh bạch, kiểm chứng nguồn và giải trình quá trình sử dụng, trí tuệ nhân tạo có thể trở thành cơ hội để phát triển năng lực thông tin, năng lực viết và đạo đức học thuật.
Quyền tự chủ trí tuệ của sinh viên trước sự hỗ trợ của công cụ số
Trong dữ liệu của Black và Tomlinson (2025), nhiều sinh viên nhấn mạnh rằng bài làm dựa trên ý tưởng của họ, còn trí tuệ nhân tạo chỉ hỗ trợ chỉnh sửa hoặc diễn đạt. Một số sinh viên phân biệt rõ giữa ý tưởng độc lập, phần viết độc lập và phần có sử dụng công cụ. Có sinh viên khẳng định ý tưởng, khái niệm và nguồn tài liệu vẫn là của bản thân, trong khi trí tuệ nhân tạo chỉ được dùng để diễn đạt lại theo phong cách học thuật.
Phát hiện này gợi ra một vấn đề cốt lõi của giáo dục đại học trong thời đại trí tuệ nhân tạo: quyền tự chủ trí tuệ của người học phải được đặt ở trung tâm. Khi công cụ có thể tạo ra văn bản mạch lạc trong thời gian rất ngắn, sự khác biệt giữa một sản phẩm học tập có giá trị và một văn bản được tạo ra bằng thao tác kĩ thuật không nằm ở hình thức trôi chảy, mà ở quá trình tư duy phía sau văn bản. Sinh viên có hiểu vấn đề không, có kiểm chứng bằng chứng không, có biết vì sao lựa chọn lập luận ấy không, có tự chịu trách nhiệm về kết luận của mình không; đó mới là những câu hỏi cần được đặt ra trong đánh giá học thuật.
Từ góc nhìn sư phạm, điều này đòi hỏi giảng viên chuyển trọng tâm đánh giá từ sản phẩm cuối cùng sang quá trình hình thành sản phẩm. Một bài luận hoàn chỉnh chưa đủ để phản ánh năng lực học tập nếu không biết người học đã tạo lập ý tưởng như thế nào. Ngược lại, một hồ sơ học tập gồm đề cương, bản nháp, nguồn đã kiểm chứng, ghi chú chỉnh sửa và phần giải trình sử dụng trí tuệ nhân tạo có thể cung cấp bằng chứng đầy đủ hơn về năng lực học thuật của sinh viên.
Hiệu quả học tập và nguy cơ phụ thuộc: Hai chiều cạnh cần được quản trị bằng thiết kế sư phạm
Black và Tomlinson (2025) cũng ghi nhận việc sinh viên sử dụng trí tuệ nhân tạo để tiết kiệm thời gian, vượt qua tình trạng khó triển khai ý, hoàn thiện đoạn kết, mở rộng nội dung hoặc tích hợp trích dẫn. Mã “hiệu quả” xuất hiện 14 lần trong dữ liệu, cho thấy người học nhìn nhận công cụ như một phương tiện giúp giảm tải các thao tác kĩ thuật và tăng tốc quá trình hoàn thành nhiệm vụ.
Ở phương diện tích cực, điều này có thể giúp sinh viên dành thêm thời gian cho phân tích, kiểm chứng và tổ chức lập luận. Đối với những người gặp khó khăn trong việc bắt đầu viết hoặc diễn đạt ý tưởng, trí tuệ nhân tạo có thể đóng vai trò như một đối tác trao đổi ban đầu, giúp họ vượt qua trở ngại về ngôn ngữ hoặc cấu trúc. Đây là lợi ích không thể xem nhẹ, đặc biệt trong bối cảnh giáo dục đại học phải phục vụ nhóm người học ngày càng đa dạng về nền tảng học thuật, chuyên ngành và năng lực viết.
Tuy nhiên, nguy cơ phụ thuộc cũng xuất hiện khi sinh viên dùng công cụ để tạo đoạn nháp, viết thêm phân tích hoặc hoàn thiện nội dung mà bản thân chưa hiểu đầy đủ. Một số trường hợp trong dữ liệu cho thấy trí tuệ nhân tạo được dùng như phương tiện “viết hộ” ở các mức độ khác nhau. Vì vậy, hiệu quả về thời gian chỉ có ý nghĩa giáo dục khi không làm suy giảm chiều sâu học tập. Nếu công cụ giúp sinh viên viết nhanh hơn nhưng hiểu ít hơn, đó không phải là đổi mới học tập, mà là sự suy yếu của quá trình đào tạo trí tuệ.
Điều này đặt ra yêu cầu mới đối với thiết kế sư phạm trong giáo dục đại học. Bài tập cần được thiết kế sao cho sinh viên không thể chỉ nộp một văn bản hoàn chỉnh mà không chứng minh quá trình hình thành ý tưởng. Các yêu cầu về bản nháp, nhật kí chỉnh sửa, danh mục nguồn đã kiểm chứng, phần giải trình công cụ sử dụng và tự đánh giá thay đổi giữa các phiên bản bài viết cần trở thành một phần của đánh giá học tập. Khi đó, trí tuệ nhân tạo không bị loại khỏi lớp học, nhưng cũng không được phép che khuất vai trò trung tâm của người học.
Khuyến nghị cho giáo dục Việt Nam: Minh bạch, kiểm chứng và trách nhiệm học thuật
Đối với Việt Nam, việc sử dụng trí tuệ nhân tạo trong giáo dục cần được đặt trong bối cảnh chuyển đổi số và đổi mới căn bản giáo dục. Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 của Thủ tướng Chính phủ phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045, là căn cứ quan trọng cho định hướng phát triển giáo dục trong giai đoạn mới. Văn bản xác định chiến lược phát triển giáo dục dài hạn, tạo nền tảng cho việc đổi mới hệ thống giáo dục nhằm đáp ứng yêu cầu phát triển đất nước trong bối cảnh mới. Bên cạnh đó, 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 tiếp tục khẳng định yêu cầu tạo chuyển biến mạnh mẽ trong phát triển giáo dục và đào tạo. Những định hướng này là cơ sở để các cơ sở giáo dục đại học xây dựng chính sách sử dụng trí tuệ nhân tạo theo hướng vừa thúc đẩy đổi mới, vừa bảo vệ chuẩn mực học thuật.
Trước hết, các trường đại học cần ban hành hướng dẫn sử dụng trí tuệ nhân tạo trong học tập, viết học thuật và nghiên cứu khoa học. Hướng dẫn nên phân biệt rõ các hình thức sử dụng được chấp nhận, các hình thức cần khai báo và các hành vi vi phạm liêm chính học thuật. Chẳng hạn, dùng công cụ để kiểm tra ngữ pháp, nhận góp ý về cấu trúc, gợi ý câu hỏi phản biện hoặc hỗ trợ tìm hướng tài liệu có thể được chấp nhận nếu sinh viên kiểm chứng và khai báo. Ngược lại, sử dụng công cụ để tạo toàn bộ bài viết, tạo dữ liệu, tạo nguồn dẫn không có thật hoặc che giấu mức độ sử dụng cần được xem là hành vi không phù hợp với chuẩn mực học thuật.
Tiếp theo, cần đưa năng lực sử dụng trí tuệ nhân tạo có trách nhiệm vào các học phần phương pháp học đại học, viết học thuật, phương pháp nghiên cứu khoa học và kĩ năng số. Nội dung đào tạo không nên chỉ giới thiệu công cụ, mà cần hướng dẫn sinh viên cách đặt câu lệnh, cách đánh giá phản hồi, cách kiểm tra nguồn, cách nhận diện thông tin thiếu căn cứ, cách khai báo sử dụng và cách chịu trách nhiệm đối với sản phẩm học tập. Với định hướng này, trí tuệ nhân tạo không còn là công cụ bên lề, mà trở thành một nội dung của năng lực học thuật trong giáo dục đại học.
Một hướng quan trọng khác là đổi mới đánh giá học tập. Trong bối cảnh trí tuệ nhân tạo có thể tạo ra văn bản hoàn chỉnh, việc chỉ đánh giá sản phẩm cuối cùng sẽ không đủ phản ánh năng lực của sinh viên. Các học phần nên yêu cầu người học nộp kèm bản nháp, đề cương, danh mục nguồn đã kiểm chứng, nhật kí chỉnh sửa và phần giải trình sử dụng trí tuệ nhân tạo. Phần giải trình có thể nêu công cụ đã dùng, mục đích sử dụng, câu lệnh tiêu biểu, nội dung đã tiếp thu, nội dung đã loại bỏ và lí do lựa chọn. Cách làm này giúp chuyển trọng tâm từ việc truy tìm hành vi sử dụng sang đánh giá chất lượng sử dụng và trách nhiệm học thuật của người học.
Đối với đội ngũ giảng viên, cần có chương trình bồi dưỡng chuyên môn về thiết kế nhiệm vụ học tập trong môi trường có trí tuệ nhân tạo. Giảng viên cần hiểu khả năng, giới hạn và rủi ro của công cụ để xây dựng yêu cầu bài tập phù hợp, thiết kế tiêu chí đánh giá theo tiến trình, hướng dẫn sinh viên khai báo sử dụng và xử lí các tình huống liên quan đến liêm chính học thuật. Nếu giảng viên chỉ dựa vào công cụ phát hiện tự động, việc quản lí có thể thiếu chính xác và gây tâm lí đối phó. Nếu giảng viên có năng lực thiết kế sư phạm phù hợp, trí tuệ nhân tạo có thể được đưa vào lớp học như một phương tiện hỗ trợ tư duy và phát triển năng lực.
Ở bình diện phổ thông, việc Bộ Giáo dục và Đào tạo đã công bố toàn văn Nghị quyết số 71-NQ/TW trên chuyên mục ngành giáo dục thực hiện nghị quyết cho thấy vấn đề đổi mới giáo dục đang được đặt trong yêu cầu triển khai đồng bộ toàn hệ thống. Từ góc nhìn liên thông giữa phổ thông và đại học, giáo dục đại học cần đi trước trong xây dựng chuẩn mực sử dụng trí tuệ nhân tạo, bởi đây là môi trường trực tiếp gắn với viết học thuật, nghiên cứu khoa học, công bố và đào tạo nguồn nhân lực chất lượng cao.
Đối với các tạp chí khoa học, cơ sở đào tạo sau đại học và chương trình nghiên cứu sinh, cần sớm chuẩn hóa tuyên bố sử dụng trí tuệ nhân tạo trong bản thảo, luận văn, luận án và sản phẩm học thuật. Tuyên bố nên yêu cầu tác giả hoặc người học nêu rõ công cụ đã sử dụng, phạm vi hỗ trợ và cam kết chịu trách nhiệm về ý tưởng, dữ liệu, trích dẫn, phân tích và kết luận. Cách làm này phù hợp với xu hướng quốc tế về minh bạch trong sử dụng công cụ tạo sinh, đồng thời góp phần bảo vệ liêm chính học thuật trong bối cảnh công nghệ đang phát triển rất nhanh.
Giữ vững quyền tự chủ trí tuệ trong kỷ nguyên trí tuệ nhân tạo
Trí tuệ nhân tạo tạo sinh đang mở ra một không gian học tập mới trong giáo dục đại học. Công cụ này có thể giúp sinh viên viết rõ hơn, tiếp cận vấn đề phức tạp thuận lợi hơn, nhận phản hồi nhanh hơn và tổ chức lập luận hiệu quả hơn. Nhưng giá trị giáo dục của nó không được quyết định bởi tốc độ tạo văn bản, mà bởi việc người học có sử dụng công cụ để hiểu sâu hơn, kiểm chứng cẩn trọng hơn và chịu trách nhiệm đầy đủ hơn với sản phẩm học thuật của mình hay không.
Từ dữ liệu của Black và Tomlinson (2025), có thể thấy sinh viên không phải lúc nào cũng tiếp nhận trí tuệ nhân tạo một cách thụ động. Nhiều người học đã biết phân biệt giữa hỗ trợ diễn đạt và thay thế tư duy, giữa gợi ý tham khảo và bằng chứng đáng tin cậy, giữa hiệu quả kĩ thuật và trách nhiệm học thuật. Chính sự phân biệt ấy cần được giáo dục đại học nuôi dưỡng thành năng lực bền vững.
Trong kỷ nguyên trí tuệ nhân tạo, nhiệm vụ của nhà trường không chỉ là bảo vệ bài viết khỏi sự can thiệp thiếu minh bạch của công cụ số, mà còn là bảo vệ quá trình học tập như một hoạt động trí tuệ nghiêm túc. Một nền giáo dục đại học có trách nhiệm không né tránh công nghệ, cũng không phó mặc việc học cho công nghệ; thay vào đó, phải giúp người học biết sử dụng công cụ mới để mở rộng hiểu biết, nâng cao chất lượng lập luận và giữ vững quyền tự chủ trí tuệ. Đó mới là thước đo quan trọng của năng lực học thuật trong thời đại trí tuệ nhân tạo.
Tài liệu tham khảo
Baek, C., Tate, T., & Warschauer, M. (2024). ChatGPT seems too good to be true: College students’ use and perceptions of generative AI. Computers and Education: Artificial Intelligence, 7, 100294.
Banihashem, S. K., et al. (2024). Feedback sources in essay writing: Peer-generated or AI-generated feedback? International Journal of Educational Technology in Higher Education, 21, 23.
Black, R. W., & Tomlinson, B. (2025). University students describe how they adopt AI for writing and research in a general education course. Scientific Reports, 15, 8799.
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, 22.
Escalante, J., Pack, A., & Barrett, A. (2023). AI-generated feedback on writing: Insights into efficacy and English as a new language student preference. International Journal of Educational Technology in Higher Education, 20, 57.
Farhi, F., et al. (2023). Analyzing the students’ views, concerns, and perceived ethics about ChatGPT usage. Computers and Education: Artificial Intelligence, 5, 100180.
Strzelecki, A. (2023). To use or not to use ChatGPT in higher education? A study of students’ acceptance and use of technology. Interactive Learning Environments, 1–14.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wambsganss, T., et al. (2024). Evaluating the impact of learner control and interactivity in conversational tutoring systems for persuasive writing. International Journal of Artificial Intelligence in Education.
