GenAI và yêu cầu tái định vị năng lực học thuật trong giáo dục đại học
Trong vài năm gần đây, GenAI đã trở thành một hiện diện ngày càng rõ trong đời sống học thuật. Công cụ này có thể hỗ trợ người học hình thành ý tưởng, đặt câu hỏi, rà soát văn bản, mô phỏng đối thoại, luyện tập phản biện và tiếp cận tri thức theo nhiều cách khác nhau. Tuy nhiên, cùng với khả năng hỗ trợ học tập, GenAI cũng đặt ra nhiều vấn đề đối với liêm chính học thuật, năng lực tư duy độc lập, khả năng kiểm chứng thông tin và trách nhiệm của người học đối với sản phẩm học thuật của chính mình.
Các công trình gần đây cho thấy việc sử dụng GenAI có thể hỗ trợ kết quả học tập, cảm nhận học tập và một số biểu hiện của tư duy bậc cao nếu được tổ chức trong những điều kiện sư phạm phù hợp (Wang & Fan, 2024). Ngược lại, sự phụ thuộc quá mức vào các hệ thống hội thoại trí tuệ nhân tạo có thể làm giảm nỗ lực tư duy, hạn chế khả năng tự giám sát quá trình học và khiến người học dễ tiếp nhận đầu ra của công cụ như một đáp án có sẵn (Zhai et al., 2024). Vì vậy, vấn đề đặt ra cho giáo dục đại học không phải là phủ nhận hay tuyệt đối hóa GenAI, mà là hình thành năng lực để người học biết sử dụng công cụ trong giới hạn phù hợp, biết đánh giá độ tin cậy của thông tin và không chuyển giao trách nhiệm nhận thức cho máy.
Từ góc nhìn này, năng lực GenAI cần được hiểu rộng hơn kĩ năng thao tác công cụ. Đó là khả năng xác định mục đích sử dụng, đặt câu hỏi phù hợp, kiểm tra đầu ra, phát hiện điểm bất hợp lí, nhận diện khuôn mẫu trong dữ liệu, bảo vệ thông tin cá nhân, tôn trọng sở hữu trí tuệ và minh bạch về mức độ sử dụng công cụ trong sản phẩm học tập. Cách hiểu này tương thích với các khung chính sách giáo dục trí tuệ nhân tạo trong đại học, trong đó việc tích hợp công nghệ cần được đặt trong mối liên hệ giữa sư phạm, quản trị, hỗ trợ vận hành và trách nhiệm học thuật (Chan, 2023).
Trong bối cảnh đó, một khái niệm có ý nghĩa quan trọng là mô hình sư phạm “con người trong vòng lặp”. Theo cách tiếp cận này, GenAI không được đặt vào vị trí thay thế người học, mà được sử dụng như một đối tượng để chất vấn, một công cụ để thử nghiệm, một đối tác đối thoại có giới hạn hoặc một nguồn đầu ra cần được kiểm tra nghiêm túc. Người học vẫn phải giữ trách nhiệm cuối cùng đối với phán đoán, lập luận, lựa chọn và sản phẩm học thuật.
Từ chính sách cấp trường đến khoảng trống trong lớp học
Một trong những vấn đề đáng chú ý hiện nay là khoảng cách giữa chủ trương của cơ sở giáo dục đại học và thực tiễn triển khai trong từng học phần. Nhiều trường đã bắt đầu khẳng định trách nhiệm của mình trong việc hướng dẫn sinh viên sử dụng GenAI một cách hiệu quả và có đạo đức. Tuy nhiên, ở cấp độ lớp học, giảng viên không phải lúc nào cũng sẵn sàng chuyển định hướng đó thành nhiệm vụ học tập, hoạt động đánh giá hoặc chuẩn năng lực cụ thể.
Phân tích một bộ dữ liệu gồm 1716 đề cương học phần trong ba năm học tại một trường đại học ở Hoa Kỳ cho thấy, dù nhà trường đã có chính sách yêu cầu mỗi đề cương phải trình bày rõ cách tiếp cận đối với GenAI, đến năm học 2024–2025 mới chỉ khoảng 50% đề cương có chính sách cụ thể về công cụ này. Điều đó đồng nghĩa với việc trong một tỉ lệ đáng kể học phần, sinh viên vẫn phải tự suy đoán liệu GenAI có được sử dụng hay không, được sử dụng ở mức nào, phải khai báo ra sao và việc sử dụng công cụ có bị xem là vi phạm hay không (Makarevitch et al., 2026). Vấn đề không chỉ nằm ở sự thiếu vắng quy định, mà còn ở giọng điệu và vị trí của các quy định đó trong đề cương. Khi chính sách GenAI được đặt chủ yếu trong các mục như liêm chính học thuật, đạo văn hoặc gian lận, sinh viên dễ tiếp nhận thông điệp rằng mọi tương tác với công cụ đều gắn với nguy cơ vi phạm. Theo dữ liệu được phân tích, khoảng một nửa số giảng viên có đưa chính sách GenAI vào đề cương đã sử dụng cách diễn đạt thiên về hạn chế và xử lý vi phạm; trong khi chỉ khoảng 5% chính sách kết nối rõ ràng việc sử dụng GenAI với mục tiêu học phần và khuyến khích sinh viên trao đổi, đặt câu hỏi, kiểm chứng, phản tư (Makarevitch et al., 2026).
Cách tiếp cận này có giới hạn rõ rệt. Chính sách trong đề cương có thể giúp xác định ranh giới hành vi, nhưng không tự thân hình thành năng lực học thuật. Một quy định chỉ nhấn mạnh việc không được sử dụng GenAI có thể tạo cảm giác an toàn về mặt quản lí, song lại không giúp sinh viên biết cách kiểm tra thông tin thiếu chính xác, đánh giá chất lượng đầu ra, nhận diện khuôn mẫu trong mô hình hay công khai mức độ hỗ trợ của công cụ trong quá trình học tập. Khi GenAI chỉ xuất hiện như một rủi ro cần tránh, người học có thể chuyển sang sử dụng âm thầm, thiếu hướng dẫn và thiếu khả năng tự bảo vệ trước các giới hạn của công nghệ.
Khoảng cách trong thái độ của giảng viên và sinh viên
Dữ liệu khảo sát của Makarevitch và cộng sự (2026) cho thấy một nghịch lí đáng chú ý. Giảng viên có thể sử dụng GenAI trong công việc học thuật hoặc cá nhân nhiều hơn sinh viên, nhưng điều đó không đồng nghĩa với việc họ sẵn sàng đưa công cụ vào lớp học. Trong khảo sát mùa xuân năm 2025, 26% giảng viên cho biết chưa từng sử dụng GenAI cho mục đích học thuật, trong khi tỉ lệ này ở sinh viên là 49%. Với mục đích cá nhân, 30% giảng viên cho biết không sử dụng GenAI, so với 54% ở nhóm sinh viên. Tuy vậy, sự quen thuộc với công cụ chưa đủ để tạo ra tự tin sư phạm. Nhiều giảng viên nhận thấy GenAI có thể trở thành một trợ lí hữu ích, nhưng vẫn lo ngại về độ chính xác, tác động đối với tư duy phản biện, nguy cơ vi phạm liêm chính học thuật, ảnh hưởng môi trường và sự thiếu chuẩn bị trong thiết kế nhiệm vụ học tập. Các lo ngại này không nên bị xem nhẹ, bởi chúng phản ánh những câu hỏi thực chất về chất lượng đào tạo, trách nhiệm nghề nghiệp và quyền làm chủ tri thức của người học. Ở phía sinh viên, thái độ đối với GenAI cũng không hoàn toàn tích cực như thường được giả định. Trong cùng bộ dữ liệu, tỉ lệ sinh viên cho rằng GenAI sẽ có tác động tiêu cực hoặc rất tiêu cực đến giáo dục đại học tăng từ 66% lên 82% trong giai đoạn từ tháng 3 đến tháng 11 năm 2025. Đồng thời, tỉ lệ sinh viên đồng ý rằng trường đại học nên dạy cách sử dụng GenAI hiệu quả giảm từ 58% xuống 44%. Diễn biến này gợi ra một vấn đề quan trọng: khi thiếu hướng dẫn rõ ràng, sinh viên có thể nhìn GenAI như một mối đe dọa đối với học tập và nghề nghiệp tương lai, thay vì xem đó là một năng lực cần được hình thành có kiểm soát.
Các khảo sát quốc tế cũng ghi nhận sinh viên mong muốn có chỉ dẫn rõ hơn về cách sử dụng GenAI trong học tập, nhất là trong các vấn đề liên quan đến độ tin cậy, trích dẫn, kiểm chứng và ranh giới giữa hỗ trợ hợp lệ với vi phạm học thuật (Chan & Hu, 2023; Johnston et al., 2024). Vì vậy, sự im lặng hoặc thiếu nhất quán từ phía nhà trường không làm biến mất việc sử dụng GenAI, mà có thể khiến việc sử dụng ấy trở nên khó quan sát, khó hỗ trợ và khó điều chỉnh hơn.
Thiết kế nhiệm vụ học tập: Chìa khóa của năng lực GenAI
Một phát hiện quan trọng là chính sách không thể thay thế thiết kế sư phạm. Nếu đề cương chủ yếu quy định điều sinh viên không được làm, thì nhiệm vụ học tập mới là nơi sinh viên được thực hành điều cần học. Phân tích 67 nhiệm vụ học tập có chủ đề GenAI từ các kho tư liệu công khai cho thấy việc tích hợp GenAI có thể được tổ chức theo nhiều hướng khác nhau, không nhất thiết làm giảm chất lượng học tập hay biến người học thành người tiếp nhận thụ động sản phẩm do công cụ tạo ra.
Trong các nhiệm vụ được phân tích, 80% được xếp ở mức độ phức tạp nhận thức cao, tập trung vào sáng tạo hoặc đánh giá. Hơn 95% nhiệm vụ cân bằng giữa quá trình và sản phẩm, hoặc đặt trọng tâm vào quá trình học tập. Nhiều nhiệm vụ yêu cầu sinh viên lưu lại chuỗi lời nhắc, so sánh các phiên bản đầu ra, ghi nhận quá trình chỉnh sửa và giải thích quyết định học thuật của mình. Điều này cho thấy GenAI có thể được đưa vào dạy học theo hướng làm rõ hơn quá trình tư duy, thay vì che khuất quá trình ấy sau một sản phẩm hoàn chỉnh (Makarevitch et al., 2026).
Các nhiệm vụ học tập có thể được thiết kế theo nhiều mô hình. Có nhiệm vụ yêu cầu sinh viên xem GenAI như đối tượng phê bình, chẳng hạn kiểm tra một văn bản do công cụ tạo ra, đối chiếu với nguồn học thuật và chỉ ra điểm chưa chính xác. Có nhiệm vụ buộc sinh viên ghi chép quá trình tương tác với công cụ, từ đó phản tư về cách lời nhắc ảnh hưởng đến chất lượng đầu ra. Có nhiệm vụ đặt vấn đề đạo đức vào tình huống cụ thể, yêu cầu người học nhận diện thông tin không đáng tin cậy, khuôn mẫu xã hội, rủi ro nghề nghiệp hoặc nguy cơ về quyền riêng tư. Cũng có nhiệm vụ sử dụng GenAI như môi trường diễn tập kĩ năng, chẳng hạn luyện phỏng vấn, mô phỏng tư vấn, chuẩn bị tranh luận hoặc thực hành giao tiếp chuyên môn trong bối cảnh ít rủi ro hơn.
Điểm then chốt là không có một cách tích hợp GenAI duy nhất đúng cho mọi học phần. Ở một số môn học, GenAI có thể chỉ nên xuất hiện như đối tượng để phân tích. Ở một số môn khác, công cụ có thể được dùng để hỗ trợ hình thành ý tưởng, luyện tập phản hồi hoặc mô phỏng tình huống nghề nghiệp. Với các học phần thiên về sáng tạo, lập trình, truyền thông hoặc giải quyết vấn đề, GenAI có thể được sử dụng ở mức độ sâu hơn, miễn là sinh viên phải công khai quá trình, kiểm chứng đầu ra và chịu trách nhiệm đối với lựa chọn cuối cùng.
Phát triển chuyên môn cho giảng viên: Từ tập huấn công cụ đến cộng đồng thực hành
Để chuyển từ quản lý việc sử dụng sang phát triển năng lực, các cơ sở giáo dục đại học cần đầu tư vào phát triển chuyên môn cho giảng viên theo hướng dài hạn. Những buổi giới thiệu công cụ đơn lẻ có thể hữu ích ở giai đoạn đầu, nhưng khó tạo thay đổi bền vững nếu không đi kèm với hỗ trợ thiết kế học phần, thiết kế đánh giá, chia sẻ nhiệm vụ mẫu và thảo luận chuyên môn trong cộng đồng giảng viên.
Bằng chứng từ dữ liệu trường hợp cho thấy sự tham gia liên tục vào các hoạt động phát triển chuyên môn có liên quan đến thay đổi trong nhận thức và thái độ của giảng viên đối với GenAI. Tuy nhiên, thay đổi thái độ chưa đủ nếu không chuyển hóa thành thực hành trong lớp học. Do đó, phát triển chuyên môn cần đi vào những câu hỏi cụ thể: học phần này có mục tiêu nào phù hợp để tích hợp GenAI; sinh viên cần công khai việc sử dụng công cụ ra sao; sản phẩm nào phải hoàn toàn do sinh viên thực hiện; phần nào có thể có hỗ trợ của GenAI; tiêu chí đánh giá quá trình kiểm chứng, phản tư và lập luận được thiết kế như thế nào.
Cách làm phù hợp không phải là yêu cầu mọi giảng viên nhanh chóng đưa GenAI vào toàn bộ học phần, mà là tạo điều kiện để họ bắt đầu bằng những nhiệm vụ nhỏ, rõ mục tiêu và ít rủi ro. Với giảng viên còn thận trọng, có thể bắt đầu bằng nhiệm vụ yêu cầu sinh viên phê bình đầu ra của GenAI. Với giảng viên đã sẵn sàng hơn, có thể thiết kế nhiệm vụ hợp tác giữa sinh viên và công cụ, trong đó người học phải giải trình quá trình lựa chọn, kiểm tra và hoàn thiện sản phẩm. Chính sự đa dạng về điểm khởi đầu này giúp GenAI được tiếp cận như một vấn đề sư phạm, thay vì một khẩu hiệu đổi mới công nghệ.
Từ góc nhìn Việt Nam, vấn đề phát triển năng lực GenAI trong giáo dục đại học cũng cần được đặt trong yêu cầu rộng hơn về nâng cao năng lực ứng dụng AI cho đội ngũ giáo dục. Chia sẻ với Tạp chí Giáo dục, PGS.TS Trương Đình Thăng nhấn mạnh rằng AI không chỉ bổ sung thêm một vài công cụ cho hoạt động dạy học và quản lý, mà đang tác động trực tiếp đến lõi công việc của cán bộ quản lý và giáo viên. Công nghệ này có thể hỗ trợ tạo lập văn bản, gợi ý kế hoạch dạy học, thiết kế học liệu, xử lý ngôn ngữ, tổng hợp nội dung, phản hồi người học, phân tích dữ liệu và tham mưu ra quyết định. Vì vậy, yêu cầu đặt ra đối với đội ngũ giáo dục hiện nay không dừng ở việc “biết dùng công cụ”, mà là biết sử dụng công cụ trong giới hạn phù hợp, biết đánh giá độ tin cậy của đầu ra, nhận diện rủi ro và duy trì vai trò chủ thể nghề nghiệp của con người trong môi trường số.
Cách tiếp cận này tương đồng với Khung năng lực AI cho giáo viên của UNESCO, trong đó năng lực AI được cấu trúc quanh tư duy lấy con người làm trung tâm, đạo đức AI, nền tảng và ứng dụng AI, sư phạm với AI, cũng như AI cho phát triển nghề nghiệp (UNESCO, 2024). Ở Việt Nam, định hướng này đã có cơ sở chính sách rõ hơn khi Thông tư số 18/2026/TT-BGDĐT ngày 27/3/2026 của Bộ Giáo dục và Đào tạo ban hành Khung năng lực số đối với giáo viên, cán bộ quản lý cơ sở giáo dục mầm non, phổ thông và giáo dục thường xuyên, trong đó có một miền năng lực riêng về ứng dụng trí tuệ nhân tạo. Điều đó cho thấy phát triển năng lực AI không nên được xem như một chuyên đề kỹ thuật tách rời, mà cần trở thành một thành tố của năng lực nghề nghiệp số, gắn với phán đoán chuyên môn, trách nhiệm đạo đức, bảo vệ dữ liệu người học và khả năng kiểm chứng thông tin trong quá trình dạy học, quản lý và phát triển chuyên môn.
Khuyến nghị cho giáo dục Việt Nam: Từ quản lý GenAI đến phát triển năng lực học thuật số
Đối với giáo dục Việt Nam, vấn đề GenAI trong nhà trường cần được đặt trong tiến trình chuyển đổi số và đổi mới giáo dục đã được xác lập ở cấp chính sách. Quyết định số 749/QĐ-TTg ngày 03/6/2020 của Thủ tướng Chính phủ phê duyệt Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030 đã nhấn mạnh yêu cầu phát triển môi trường số an toàn, nhân văn và rộng khắp. Trong lĩnh vực giáo dục, 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” tạo cơ sở trực tiếp cho việc đổi mới quản lý, dạy học, kiểm tra, đánh giá trên nền tảng số. Cùng với đó, 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 đã xác định trí tuệ nhân tạo là một trong những công nghệ nền tảng cần được phát triển và ứng dụng trong nhiều lĩnh vực, trong đó có giáo dục. Gần đây, Nghị quyết số 71-NQ/TW ngày 22/8/2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo tiếp tục đặt ra yêu cầu đổi mới mạnh mẽ giáo dục trong giai đoạn mới. Những văn bản này cho thấy việc phát triển năng lực sử dụng GenAI trong nhà trường không nên được xem là phản ứng tình thế trước một công cụ mới, mà là một phần của chiến lược nâng cao chất lượng giáo dục trong môi trường số.
Trước hết, các cơ sở giáo dục đại học cần xây dựng hướng dẫn sử dụng GenAI theo hướng học thuật, minh bạch và có trách nhiệm. Thay vì chỉ quy định điều người học không được làm, nhà trường cần làm rõ những trường hợp được sử dụng GenAI, mức độ hỗ trợ được chấp nhận, yêu cầu khai báo, nguyên tắc bảo vệ dữ liệu, trách nhiệm kiểm chứng thông tin và giới hạn của công cụ trong từng loại nhiệm vụ học tập. Một chính sách tốt không chỉ giúp phòng ngừa vi phạm liêm chính học thuật, mà còn hướng dẫn sinh viên biết sử dụng công nghệ như một phần của năng lực học tập và năng lực nghề nghiệp tương lai.
Tiếp đó, cần đưa năng lực GenAI vào thiết kế chương trình, học phần và hoạt động đánh giá. Ở nhiều học phần, GenAI có thể được sử dụng như đối tượng để phân tích, kiểm tra và phản biện; ở những học phần khác, công cụ có thể hỗ trợ hình thành ý tưởng, luyện tập phản hồi, mô phỏng tình huống nghề nghiệp hoặc phát triển sản phẩm học tập. Tuy nhiên, trong mọi trường hợp, người học phải chứng minh được quá trình tư duy của mình: đã đặt câu hỏi như thế nào, đã chọn lọc thông tin ra sao, đã kiểm chứng bằng nguồn nào và đã chịu trách nhiệm thế nào đối với sản phẩm cuối cùng. Đây là điểm then chốt để GenAI không làm suy giảm năng lực học thuật, mà trở thành môi trường rèn luyện tư duy phản biện, năng lực kiểm chứng và trách nhiệm học tập.
Cùng với đó, cần phát triển chuyên môn cho giảng viên theo hướng gắn với nhiệm vụ sư phạm cụ thể. Các hoạt động bồi dưỡng không nên dừng ở giới thiệu công cụ hoặc hướng dẫn thao tác, mà cần hỗ trợ giảng viên thiết kế nhiệm vụ học tập, tiêu chí đánh giá, yêu cầu công khai mức độ sử dụng GenAI và phương án tổ chức phản hồi trong lớp học. Với những giảng viên còn thận trọng, có thể bắt đầu từ các nhiệm vụ yêu cầu sinh viên đánh giá đầu ra của GenAI, phát hiện điểm chưa chính xác, đối chiếu với tài liệu học thuật và viết phản tư về quá trình kiểm chứng. Với những giảng viên đã sẵn sàng hơn, có thể thiết kế các nhiệm vụ hợp tác có kiểm soát giữa sinh viên và GenAI, trong đó trọng tâm đánh giá không chỉ là sản phẩm cuối cùng, mà còn là lập luận, quá trình lựa chọn và trách nhiệm học thuật của người học.
Ở cấp chương trình đào tạo, các trường đại học cần có sự phối hợp để tránh tình trạng mỗi học phần đưa ra một thông điệp khác nhau về GenAI. Sự nhất quán không có nghĩa là áp dụng một quy định đồng loạt cho mọi môn học, mà là xác lập những nguyên tắc chung về minh bạch, kiểm chứng, bảo vệ dữ liệu, liêm chính học thuật và vai trò chủ thể của người học. Trên nền tảng đó, từng ngành, từng học phần có thể điều chỉnh mức độ tích hợp GenAI theo đặc thù chuyên môn và chuẩn đầu ra. Cách tiếp cận này vừa bảo đảm tính linh hoạt học thuật, vừa giúp sinh viên không rơi vào trạng thái mơ hồ khi chuyển từ học phần này sang học phần khác.
Sau cùng, cần đặt vấn đề GenAI trong mối liên hệ với năng lực số, đạo đức nghề nghiệp và bảo đảm chất lượng giáo dục đại học. Trong bối cảnh dữ liệu, công nghệ và tự động hóa ngày càng tham gia sâu vào học tập và làm việc, sinh viên cần được chuẩn bị để sử dụng công cụ một cách có hiểu biết, nhưng không đánh mất khả năng phán đoán độc lập. Điều này đặc biệt quan trọng đối với các ngành đào tạo giáo viên, quản lý giáo dục, y tế, luật, truyền thông, kinh tế và các lĩnh vực có tác động trực tiếp đến con người. Vì vậy, GenAI không nên được xem là một nội dung ngoại vi, mà cần trở thành một phần của năng lực học thuật số và năng lực nghề nghiệp trong giáo dục đại học hiện đại.
GenAI đang buộc giáo dục đại học phải trả lời một câu hỏi căn bản hơn câu hỏi “có cho phép sinh viên sử dụng công cụ hay không”. Vấn đề cốt lõi là nhà trường sẽ chuẩn bị cho người học năng lực gì để sống, học tập và làm việc trong một môi trường mà trí tuệ nhân tạo ngày càng hiện diện sâu trong quá trình tạo lập tri thức. Nếu chỉ tiếp cận GenAI bằng các quy định mang tính phòng vệ, giáo dục đại học có thể kiểm soát được một phần hành vi trước mắt, nhưng khó hình thành năng lực bền vững cho sinh viên. Ngược lại, khi GenAI được đưa vào dạy học bằng những nhiệm vụ có mục tiêu rõ, có yêu cầu kiểm chứng, có phản tư và có trách nhiệm học thuật, công nghệ sẽ trở thành phép thử quan trọng đối với chất lượng tư duy đại học. Trong kỉ nguyên GenAI, giá trị của giáo dục không nằm ở việc tách người học khỏi công nghệ, mà ở khả năng giúp họ sử dụng công nghệ mà vẫn giữ được năng lực phán đoán, phẩm chất học thuật và trách nhiệm của con người.
Tài liệu tham khảo
Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20, 38. https://doi.org/10.1186/s41239-023-00408-3
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20, 43. https://doi.org/10.1186/s41239-023-00411-8
Johnston, H., Wells, R. F., Shanks, E. M., Boey, T., & Parsons, B. N. (2024). Student perspectives on the use of generative artificial intelligence technologies in higher education. International Journal for Educational Integrity, 20, 2. https://doi.org/10.1007/s40979-024-00149-4
Makarevitch, I., Kostihova, M., Hilk, C., & Gumiela, J. (2026). From reluctance to engagement: Aligning institutional policy with “human-in-the-loop” pedagogy. Trends in Higher Education, 5(2), 30. https://doi.org/10.3390/higheredu5020030
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, 21(6), 49–66.
UNESCO (2019). Beijing Consensus on Artificial Intelligence and Education. UNESCO.
UNESCO (2024). AI competency framework for teachers. UNESCO.
Wang, J., & Fan, W. (2024). The effect of ChatGPT on students’ learning performance, learning perception, and higher-order thinking: Insights from a meta-analysis. International Journal of Educational Technology in Higher Education, 21, 35. https://doi.org/10.1186/s41239-024-00453-6
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11, 28. https://doi.org/10.1186/s40561-024-00316-7
