Generative AI và hướng mở cho học tiếng Anh ngoài lớp học: Triển vọng đổi mới giáo dục ngôn ngữ trong thời đại số

Generative AI đang dần trở thành một phần của thực tiễn học tập ngôn ngữ, đặc biệt trong các hoạt động học ngoài lớp học vốn mang tính tự chủ, linh hoạt và cá nhân hóa cao – được gọi chung là học tiếng Anh không chính thống trên nền tảng số (Informal Digital Learning of English – IDLE). Khác với các hệ thống học tập truyền thống, IDLE với sự hỗ trợ của Generative AI cho phép người học tiếp cận môi trường luyện tập tương tác liên tục, phản hồi tức thời và điều chỉnh phát âm, ngữ điệu thông qua các mô hình ngôn ngữ lớn có khả năng tạo sinh (Guan et al., 2024).

Dưới góc nhìn lý thuyết, khung học tập xã hội (Social Cognitive Theory – Bandura, 1986, 1991) và mô hình TPACK (Technological Pedagogical and Content Knowledge – Koehler et al., 2013) cung cấp nền tảng phân tích cho việc tích hợp công nghệ vào quá trình học ngoại ngữ. Theo đó, người học không chỉ là đối tượng tiếp nhận mà còn chủ động tương tác, mô hình hóa và điều chỉnh hành vi học tập thông qua quan sát và phản hồi từ môi trường học – mà ở đây, Generative AI đóng vai trò là “người đồng hành” hỗ trợ quá trình này một cách liên tục và cá nhân hóa.

Một thực nghiệm kéo dài 10 tuần tại một trường đại học kỹ thuật ở Trung Quốc đã khẳng định hiệu quả của việc sử dụng Generative AI trong nâng cao năng lực nói tiếng Anh cho sinh viên EFL. Nhóm sinh viên tương tác với chatbot Lucy và công cụ phiên dịch ngôn ngữ iFlytek Spark đạt mức tăng điểm IELTS Speaking trung bình từ 5.22 lên 5.85, trong khi nhóm học với giáo viên chỉ tăng từ 5.19 lên 5.54. Sự khác biệt này có ý nghĩa thống kê (t = −2.08, p = .04), cho thấy IDLE với Generative AI có thể tạo ra hiệu quả học tập vượt trội ngay cả khi không có sự hiện diện trực tiếp của giáo viên (Guan et al., 2024).

Không chỉ mang lại hiệu quả định lượng, người học còn đánh giá cao các tính năng phản hồi tức thời, khả năng cung cấp gợi ý và ví dụ bằng văn bản lẫn âm thanh, cũng như tính cá nhân hóa trong nội dung luyện tập. Một sinh viên chia sẻ: “Tôi có thể đọc to phần phản hồi do AI tạo ra, bắt chước ngữ điệu và nhịp điệu, điều đó thực sự có ích cho việc cải thiện kỹ năng nói của tôi” (Guan et al., 2024). Các yếu tố như sự tự tin, giảm lo âu khi giao tiếp, và cảm giác không bị đánh giá – đặc biệt quan trọng với những người học thụ động hoặc có trình độ tiếng Anh thấp – được xem là những lợi ích nhân văn đáng kể từ việc sử dụng Generative AI trong IDLE.

Tuy nhiên, kết quả cũng cho thấy Generative AI không thể tự nó duy trì động lực học tập lâu dài. Dữ liệu phỏng vấn từ tuần thứ 14 của nghiên cứu cho thấy chỉ 7/23 sinh viên tiếp tục sử dụng công cụ sau khi kết thúc can thiệp, và phần lớn đều từ bỏ do môi trường học không thuận tiện và sự nhàm chán trong nội dung tương tác (Guan et al., 2024). Điều này cho thấy hiệu quả công nghệ cần được hỗ trợ bởi các yếu tố cảm xúc – xã hội và thiết kế nội dung hấp dẫn thì mới có thể duy trì tính bền vững của IDLE.

Góc nhìn bổ sung đến từ một nghiên cứu thực nghiệm tại châu Âu với 176 sinh viên sư phạm tại Tây Ban Nha và Ba Lan. Trong thời gian 4 tuần, người học trải nghiệm ba chatbot ngôn ngữ phổ biến là Replika, Kuki và Wysa. Kết quả từ mô hình đánh giá CHISM (Chatbot–Human Interaction Satisfaction Model) cho thấy Replika được đánh giá cao nhất về các tiêu chí giao diện, độ dài câu, độ chính xác cú pháp và khả năng tương tác tự nhiên. Điểm trung bình về mức độ hài lòng với Replika dao động từ 3.9 đến 4.3 trên thang 5 điểm ở cả hai quốc gia (Belda-Medina & Calvo-Ferrer, 2022).

Tuy nhiên, các chatbot vẫn bị đánh giá thấp ở khả năng sửa lỗi ngữ pháp, chiều sâu phản hồi và mức độ tương tác mang tính hội thoại thực thụ. Đáng chú ý, điểm số cho yếu tố "behavioral intention" – tức ý định tiếp tục sử dụng công cụ – tương đối thấp, cho thấy người học dù có hài lòng nhất định nhưng vẫn do dự trong việc tích hợp Generative AI vào thói quen học tập thường xuyên (Belda-Medina & Calvo-Ferrer, 2022). Một điểm thú vị là sinh viên nữ thể hiện mức độ hài lòng cao hơn đáng kể so với nam ở các tiêu chí như chủ đề hội thoại và thiết kế hình ảnh, gợi ý rằng trải nghiệm người dùng nên được cá nhân hóa cả về mặt giao diện và nội dung.

Những phát hiện trên mang lại nhiều gợi mở cho giáo dục Việt Nam trong quá trình chuyển đổi số và đổi mới hoạt động đào tạo ngoại ngữ:

Thứ nhất, cần khuyến khích mạnh mẽ việc tích hợp Generative AI vào các mô hình học tiếng Anh tự chủ ngoài lớp học, đặc biệt tại các vùng thiếu điều kiện tiếp cận giáo viên bản ngữ hoặc lớp học chất lượng cao. Các chatbot học ngôn ngữ có thể đóng vai trò như một “trợ giảng ảo” giúp người học cá nhân hóa quá trình luyện nói và nâng cao sự tự tin khi giao tiếp.

Thứ hai, các chương trình đào tạo giáo viên nên mở rộng nội dung TPACK theo hướng hỗ trợ năng lực hướng dẫn người học sử dụng AI, thay vì chỉ tập trung vào khả năng vận hành công cụ. Việc giáo viên định hướng đúng cách khai thác Generative AI sẽ tạo điều kiện thuận lợi cho học sinh tận dụng tối đa tiềm năng công nghệ trong học tập ngôn ngữ.

Thứ ba, cần đầu tư phát triển các nền tảng Generative AI được nội địa hóa, phù hợp với trình độ ngôn ngữ, thói quen học tập và đặc điểm văn hóa – xã hội của người Việt. Điều này đặc biệt quan trọng khi thiết kế chatbot trong môi trường phổ thông, nơi người học còn thiếu năng lực tự định hướng.

Khi các chính sách và mô hình học tập lấy người học làm trung tâm đang được thúc đẩy trong hệ thống giáo dục, việc ứng dụng Generative AI một cách có chiến lược, khoa học và nhân văn có thể trở thành bước đi đột phá – không chỉ mở rộng cơ hội tiếp cận mà còn nâng cao chất lượng và công bằng trong giáo dục ngôn ngữ tại Việt Nam.

Vân An

Tài liệu tham khảo 

Bandura, A. (1986). Social foundations of thought and action: A social cognitive theory. Prentice-Hall.

Koehler, M. J., Mishra, P., & Cain, W. (2013). What is technological pedagogical content knowledge (TPACK)? Journal of Education, 193(3), 13–19.

Belda-Medina, J., & Calvo-Ferrer, J. R. (2022). Using chatbots as AI conversational partners in language learning. Applied Sciences, 12(17), 8427. https://doi.org/10.3390/app12178427

Guan, L., Zhang, E. Y., & Gu, M. M. (2024). Examining generative AI–mediated informal digital learning of English practices with social cognitive theory: A mixed-methods study. ReCALL, 1–17. https://doi.org/10.1017/S0958344024000259