Tái định hình giáo dục đại học trong thời đại AI tạo sinh: Cơ hội sư phạm và thách thức triển khai

Từ cuối năm 2022, sự ra đời của các công cụ GenAI như ChatGPT, DALL-E hay Gemini đã tạo ra những thay đổi nhanh chóng trong hệ sinh thái giáo dục đại học. Những công cụ này không chỉ tạo văn bản, hình ảnh, âm thanh, mà còn tương tác đa phương thức, mở ra cơ hội thiết kế trải nghiệm học tập phong phú và cá nhân hóa hơn. Với đặc điểm có thể thích ứng theo thời gian thực và cung cấp phản hồi tức thì, GenAI được xem là công cụ tiềm năng trong hỗ trợ dạy học và đánh giá.

Tổng hợp từ hơn 100 công trình tổng quan hệ thống và phân tích bằng phương pháp định tính, các nhà nghiên cứu đã xác định ba nhóm ứng dụng sư phạm chính của GenAI: (1) tạo phản hồi và đánh giá tự động, (2) hỗ trợ học tập theo thời gian thực và (3) phát triển các năng lực tư duy bậc cao như sáng tạo, phản biện, tự học và hiểu biết về công nghệ. Trong đó, GenAI được ứng dụng nổi bật trong các lĩnh vực giáo dục, ngôn ngữ, lập trình, và đào tạo giáo viên.

Đáng chú ý, GenAI được triển khai mạnh mẽ tại Trung Quốc và Hoa Kỳ – hai quốc gia đi đầu về đầu tư công nghệ và chiến lược quốc gia về trí tuệ nhân tạo. Trung Quốc, thông qua Kế hoạch Phát triển Trí tuệ Nhân tạo Thế hệ Mới (2017), đã tích cực thúc đẩy tích hợp AI trong giáo dục đại học. Nhiều trường đại học tại đây đã triển khai các hệ thống hỗ trợ học tập bằng AI trong các môn học STEM, đồng thời đào tạo kỹ năng sử dụng công cụ GenAI cho sinh viên. Trong khi đó, các trường đại học tại Hoa Kỳ ưu tiên thiết kế lại chương trình đào tạo theo hướng tích hợp công nghệ, chú trọng phát triển kỹ năng đạo đức số và khả năng cộng tác với công cụ AI.

Một số mô hình ứng dụng cụ thể có thể kể đến như AnatomyGPT – công cụ thiết kế riêng cho đào tạo y khoa, giúp sinh viên luyện tập với câu hỏi chuẩn hóa và nhận phản hồi chi tiết; hay hệ thống “Q-Module-Bot” cho phép sinh viên ngành sinh học đặt câu hỏi và nhận giải thích chuyên sâu tức thì. Ngoài ra, các công cụ hỗ trợ viết học thuật như Wordtune, Rytr cũng được áp dụng rộng rãi trong các lớp học viết học thuật hoặc ngoại ngữ, giúp sinh viên nâng cao chất lượng bài viết và khả năng lập luận.

Tuy nhiên, sự phát triển nhanh chóng của GenAI cũng đặt ra nhiều thách thức. Trước hết là nguy cơ lệ thuộc vào công cụ dẫn đến suy giảm năng lực tư duy độc lập và tự học. Việc sử dụng GenAI để tạo ra nội dung học tập cũng làm nảy sinh các lo ngại về đạo đức học thuật, tính xác thực và bản quyền. Ngoài ra, rào cản về năng lực sư phạm số của giảng viên và khoảng cách hạ tầng giữa các nhóm ngành, vùng miền khiến việc triển khai GenAI còn thiếu đồng đều và hiệu quả chưa như mong đợi.

Từ phân tích 42 mã sư phạm và 25 thách thức thường gặp, các nhà nghiên cứu đề xuất một số định hướng triển khai GenAI hiệu quả trong giáo dục đại học. Trước hết là xây dựng khung năng lực số dành riêng cho người học và giảng viên, bao gồm hiểu biết công nghệ, tư duy phản biện, đạo đức số và năng lực thiết kế hoạt động học có tích hợp AI. Đồng thời, cần thúc đẩy mô hình cộng tác ba bên giữa sinh viên – giảng viên – GenAI, nhằm đảm bảo AI đóng vai trò hỗ trợ chứ không thay thế quá trình học tập.

Kinh nghiệm từ các trường đại học quốc tế cũng chỉ ra rằng việc áp dụng GenAI hiệu quả cần đi kèm với các chính sách đảm bảo chất lượng, hướng dẫn sử dụng rõ ràng và đào tạo thường xuyên cho đội ngũ giảng viên. Tại Australia và châu Âu, nhiều trường đã ban hành các hướng dẫn sử dụng GenAI trong kiểm tra, đánh giá, bảo vệ học thuật và chống đạo văn. Hoa Kỳ, trong Chiến lược AI Quốc gia, cũng đã khuyến nghị ban hành "Tuyên ngôn về quyền công nghệ giáo dục" như một chuẩn mực đạo đức mới trong dạy học với GenAI.

Đối với Việt Nam, trong bối cảnh Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030, các trường đại học có thể tận dụng cơ hội này để đổi mới mô hình đào tạo. Một số cơ sở như Đại học Bách Khoa Hà Nội, Đại học Quốc gia TP. Hồ Chí Minh hay Trường Đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh đã bắt đầu triển khai các phòng Lab AI, tích hợp công cụ ChatGPT hoặc Midjourney vào giảng dạy các môn như lập trình, thiết kế kỹ thuật, hoặc sáng tạo nội dung số. Tuy vậy, việc triển khai vẫn còn mang tính tự phát, thiếu hướng dẫn sư phạm cụ thể và chưa có cơ chế bảo đảm chất lượng đồng bộ giữa các đơn vị.

Việc ứng dụng GenAI trong giáo dục đại học tại Việt Nam đòi hỏi sự vào cuộc đồng bộ của cả cơ sở đào tạo, cơ quan quản lý và cộng đồng học thuật. Cần sớm xây dựng bộ tiêu chí hướng dẫn triển khai GenAI trong dạy học, đánh giá và đảm bảo học thuật; đồng thời tích hợp nội dung này vào đào tạo nghiệp vụ sư phạm cho giảng viên và định hướng nghề nghiệp cho sinh viên. Việc tham gia vào mạng lưới nghiên cứu quốc tế cũng sẽ giúp Việt Nam tiếp cận kịp thời với các mô hình triển khai hiệu quả, phù hợp với chuẩn mực học thuật toàn cầu.

Vân An

Tài liệu tham khảo:

Bender, E. M. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT’21) (pp. 610-623). Association for Computing Machinery. https://doi.org/10.1145/3442188.3445922

Kasneci, E. et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Qian, Y. (2025). Pedagogical Applications of Generative AI in Higher Education: A Systematic Review of the Field. TechTrends. https://doi.org/10.1007/s11528-025-01100-1

van de Velde, S., Dumont, G., Vandewaetere, M., & Clarebout, G. (2024). A scoping review of Artificial Intelligence in Higher Education: identifying pedagogical aims and practical implications. International Journal of Educational Technology in Higher Education, 21(1), 5. https://doi.org/10.1186/s41239-023-00436-z

State Council of China (2017). New Generation Artificial Intelligence Development Plan.

US Department of Education (2023). Artificial Intelligence and the Future of Teaching and Learning.