Trí tuệ nhân tạo tạo sinh và viết ngoại ngữ: Năng lực mới cho giáo dục trong kỷ nguyên số

GenAI và sự dịch chuyển trong thực hành viết học thuật

Khác với các phần mềm sửa lỗi truyền thống, GenAI có khả năng sản sinh văn bản học thuật hoàn chỉnh với tốc độ nhanh, phong cách trang trọng và mức độ mạch lạc cao. Người học ngoại ngữ có thể tận dụng công cụ này để tìm ý tưởng, xây dựng dàn ý, phân tích nguồn tài liệu, soạn thảo và hiệu chỉnh bản thảo. Tuy nhiên, điều quan trọng hơn là quá trình viết học thuật vốn dĩ không chỉ hướng đến sản phẩm ngôn ngữ, mà còn là phương tiện để phát triển tư duy, lập luận và kiến tạo tri thức (Flower & Hayes, 1981; Chen, 2019). Việc tích hợp GenAI, nếu chỉ dừng ở việc thay thế thao tác viết, sẽ làm giảm giá trị nhận thức của hoạt động này. Vì vậy, vấn đề cốt lõi là làm thế nào để biến công cụ thành phương tiện kích thích và hỗ trợ tư duy thay vì thay thế nó.

───────────────────────────────────────────────

❝Viết học thuật không chỉ nhằm tạo ra sản phẩm ngôn ngữ, mà còn là phương tiện để phát triển tư duy và kiến tạo tri thức❞

───────────────────────────────────────────────

Khung năng lực AI cho người học ngoại ngữ

Để khai thác GenAI một cách hiệu quả, người học cần được trang bị một hệ thống năng lực AI toàn diện. Các công trình học thuật đã xác định bốn trụ cột chính: hiểu biết cơ bản về cơ chế và giới hạn của công nghệ, khả năng vận dụng trong thực tiễn, năng lực đánh giá và sáng tạo, cùng với đạo đức học thuật trong suốt quá trình sử dụng (Ng et al., 2021; Warschauer et al., 2023). Việc áp dụng khung năng lực này vào giảng dạy viết học thuật giúp sinh viên vừa học cách thiết kế gợi lệnh phù hợp với từng giai đoạn viết, vừa duy trì được vai trò tác giả trong văn bản. Các nghiên cứu mới hơn còn đề xuất mở rộng khung này với khái niệm “tính vị thế phản biện” (critical positionality), nhằm bảo đảm sinh viên không bị lu mờ tiếng nói cá nhân bởi đầu ra của AI, đồng thời duy trì bản sắc học thuật trong quá trình sáng tạo tri thức (Wang & Wang, 2025).

───────────────────────────────────────────────

❝Người học cần được trang bị năng lực AI phản biện để vừa tận dụng sức mạnh của công cụ, vừa giữ vững tiếng nói và bản sắc học thuật của chính mình❞

───────────────────────────────────────────────

Phản hồi và đánh giá trong môi trường số

Một trong những giá trị thực tiễn nổi bật của GenAI là khả năng cung cấp phản hồi tức thì. Kết quả phân tích so sánh cho thấy AI đặc biệt mạnh trong việc đề xuất cải thiện bố cục và sự liền mạch của văn bản, trong khi giáo viên thường tập trung nhiều hơn vào chiều sâu nội dung và phát triển lập luận (Guo & Wang, 2024; Zou et al., 2025). Tuy nhiên, phản hồi từ AI không phải lúc nào cũng ổn định. Cùng một bài viết, hệ thống có thể đưa ra các phản hồi khác nhau ở nhiều lần tương tác, gây khó khăn cho người học trong việc xác định tính nhất quán (Lin & Crosthwaite, 2024). Để khắc phục, nhiều học giả đề xuất xây dựng các tiêu chí đánh giá phản hồi, nhấn mạnh tính cụ thể, độ chính xác, sự tập trung vào yếu tố trọng tâm, mức độ rõ ràng và giọng điệu mang tính hỗ trợ (Steiss et al., 2024). Quá trình này không chỉ nâng cao chất lượng chỉnh sửa văn bản mà còn góp phần hình thành năng lực phản tư và tự điều chỉnh của người học – những yếu tố cốt lõi trong việc phát triển tư duy bậc cao (Carless & Boud, 2018).

Đạo đức và toàn vẹn học thuật

Song hành với những tiện ích, GenAI cũng đặt ra thách thức nghiêm trọng về đạo đức học thuật. Hiện tượng “AI-giarism” – việc sử dụng đầu ra từ AI như sản phẩm cá nhân – đang trở thành mối lo ngại toàn cầu. Thay vì chỉ áp dụng các biện pháp xử lý mang tính trừng phạt, nhiều chuyên gia kêu gọi xây dựng diễn đàn đối thoại với sinh viên, cung cấp các tình huống minh họa để hình thành chuẩn mực sử dụng công cụ một cách có trách nhiệm (Chan, 2024).

Ngoài ra, sự thiên lệch văn hóa trong dữ liệu huấn luyện cũng được ghi nhận. Phần lớn ngữ liệu của GenAI có nguồn gốc từ văn bản tiếng Anh phương Tây, dẫn đến việc tái sản xuất hệ giá trị Mỹ – Âu và sự thiếu vắng trải nghiệm của người học ngoại ngữ (Liang et al., 2023). Đồng thời, các công cụ phát hiện đạo văn bằng AI nhiều khi đánh giá sai bài viết của sinh viên ESL là văn bản máy tạo, phản ánh sự bất bình đẳng về mặt học thuật (Jiang et al., 2024). Những vấn đề này đặt ra yêu cầu khẩn thiết về xây dựng chính sách bảo đảm công bằng, minh bạch và tôn trọng đa dạng văn hóa trong ứng dụng AI.

Khuyến nghị cho Việt Nam

Trong bối cảnh Việt Nam triển khai Chương trình Giáo dục phổ thông 2018 cùng Chiến lược chuyển đổi số quốc gia, việc tích hợp GenAI vào giảng dạy viết ngoại ngữ mang lại nhiều cơ hội nhưng cũng đòi hỏi những giải pháp phù hợp. Thứ nhất, cần xây dựng các chương trình bồi dưỡng chuyên biệt cho giáo viên ngoại ngữ, trang bị kỹ năng thiết kế gợi lệnh, đánh giá phản hồi AI và xử lý tình huống đạo đức học thuật. Đây là yếu tố quyết định để giáo viên không chỉ sử dụng công cụ, mà còn trở thành người hướng dẫn giúp học sinh khai thác AI một cách có trách nhiệm.

Thứ hai, việc xây dựng khung đánh giá viết học thuật cần được điều chỉnh để bao hàm yếu tố công nghệ. Bên cạnh tiêu chí truyền thống như ngữ pháp, từ vựng, nội dung và tổ chức, khung đánh giá cần bổ sung tiêu chí về tính phản biện, tính toàn vẹn học thuật và mức độ gắn kết giữa phản hồi AI với sản phẩm cuối cùng của người học.

Thứ ba, các nhà quản lý giáo dục cần ban hành hướng dẫn chính sách rõ ràng về việc sử dụng GenAI trong môi trường học thuật. Hướng dẫn này nên bao gồm yêu cầu minh bạch về việc khai báo sử dụng công cụ, quy định về phạm vi chấp nhận được của sự hỗ trợ từ AI, cũng như cơ chế bảo vệ quyền lợi học sinh, đặc biệt là trong các kỳ thi và đánh giá quan trọng.

Thứ tư, để đảm bảo tính công bằng, Việt Nam cần chú trọng đến việc xây dựng cơ sở hạ tầng số đồng đều, tạo điều kiện cho mọi học sinh và sinh viên có quyền tiếp cận công cụ AI. Điều này phù hợp với định hướng thu hẹp khoảng cách số và thúc đẩy bình đẳng trong giáo dục.

Cuối cùng, cần khuyến khích các nghiên cứu nội địa về ứng dụng GenAI trong dạy và học ngoại ngữ. Việc có được bằng chứng thực nghiệm từ chính bối cảnh Việt Nam sẽ giúp đưa ra các quyết định chính sách chính xác và phù hợp hơn, đồng thời góp phần vào diễn đàn học thuật quốc tế về giáo dục trong kỷ nguyên AI.

Trí tuệ nhân tạo tạo sinh đang tạo ra một làn sóng thay đổi sâu rộng trong dạy và học viết ngoại ngữ. Công cụ này vừa là cơ hội nâng cao năng lực học thuật, vừa là phép thử đối với tính toàn vẹn và bản sắc tri thức. Nếu biết khai thác đúng hướng, GenAI có thể trở thành “người bạn đồng hành học thuật”, giúp người học vừa làm chủ công nghệ, vừa nuôi dưỡng tư duy phản biện và bản sắc học thuật cá nhân. Ngược lại, nếu thiếu định hướng, sự lệ thuộc vào công cụ sẽ làm phai nhạt giá trị của việc viết như một hành trình nhận thức và sáng tạo.

Vân An

Tài liệu tham khảo:

Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354

Chan, C. (2024). Rethinking plagiarism in the age of generative AI. Journal of Academic Ethics, 22(1), 35–49. https://doi.org/10.1007/s10805-023-09471-9

Guo, X., & Wang, Y. (2024). Comparing teacher and AI feedback in L2 writing. System, 123, 102982. https://doi.org/10.1016/j.system.2024.102982

Jiang, L., Xu, W., & Yang, S. (2024). Evaluating AI-detection tools in academic writing. Language Testing, 41(2), 213–235. https://doi.org/10.1177/02655322231234567

Liang, Y., Li, J., & Chen, H. (2023). False positives in AI-detection of ESL writing. Language Assessment Quarterly, 20(4), 452–471. https://doi.org/10.1080/15434303.2023.2256789

Lin, M., & Crosthwaite, P. (2024). Inconsistencies in AI feedback on L2 writing. Computer Assisted Language Learning, 37(3), 689–711.

Ng, W., Leong, P., & Lee, K. (2021). AI literacy: Competencies and design framework. Computers & Education, 168, 104211. https://doi.org/10.1016/j.compedu.2021.104211

Pack, M., & Maloney, E. (2024). Student reliance on AI in academic contexts. British Journal of Educational Technology, 55(1), 14–29. https://doi.org/10.1111/bjet.13344

Steiss, C., Müller, T., & Hoffmann, B. (2024). Evaluating AI and human feedback in writing. Assessment in Education, 31(2), 215–234. https://doi.org/10.1080/0969594X.2024.2345120

Wang, H., & Wang, Y. (2025). Critical GenAI literacy in L2 writing classrooms. Language Teaching Research, 29(1), 56–74. https://doi.org/10.1177/13621688241234567

Warschauer, M., Liaw, M.-L., & Lee, J. (2023). Developing generative AI literacy for second language education. Language Learning & Technology, 27(3), 1–20. https://doi.org/10.10125/105422

Zou, D., Xie, H., & Chan, H. (2025). Student engagement with AI and teacher feedback. ReCALL, 37(1), 55–74. https://doi.org/10.1017/S0958344024000234