AI tạo sinh và giáo dục đại học: Góc nhìn từ giảng viên, sinh viên và khuyến nghị cho Việt Nam

AI tạo sinh trong giáo dục đại học: Cơ hội xuyên ngành

Trong vòng ba năm trở lại đây, GenAI đã chứng minh tác động rộng khắp đến hầu hết các lĩnh vực đào tạo đại học. Các công cụ tiêu biểu như ChatGPT hay Midjourney không chỉ hỗ trợ lập trình và giải thích khái niệm phức tạp trong khoa học máy tính (Bucaioni et al., 2024), mà còn được ứng dụng để xây dựng tình huống mô phỏng trong y khoa (Kung et al., 2023), phát triển tài liệu giảng dạy, và hỗ trợ viết học thuật (Li et al., 2024). Đặc biệt, trong giáo dục ngôn ngữ, GenAI trở thành trợ thủ đắc lực giúp sinh viên tự rèn luyện hội thoại, nâng cao kỹ năng viết và mở rộng khả năng học tập tự định hướng (Liu & Ma, 2023).

Điều này cho thấy GenAI không chỉ là công cụ bổ trợ mà đang dần định hình lại bản chất của quá trình dạy và học trong môi trường đại học. Sự lan tỏa của nó đặt ra yêu cầu cấp bách cho việc hiểu rõ thái độ, kỳ vọng và cách thức ứng xử của cả giảng viên lẫn sinh viên – những chủ thể trực tiếp tham gia vào tiến trình chuyển đổi này.

Khác biệt trong trải nghiệm: Sinh viên năng động, giảng viên thận trọng

Kết quả khảo sát tại các trường đại học lớn cho thấy mức độ tiếp cận của sinh viên cao hơn giảng viên: gần như toàn bộ sinh viên đã từng nghe nói và phần lớn đã sử dụng GenAI, trong khi tỷ lệ này ở giảng viên thấp hơn. Sinh viên chủ yếu khai thác công cụ cho việc viết luận, dịch thuật, hỗ trợ ngôn ngữ hay tạo nội dung đa phương tiện, cho thấy GenAI đã trở thành một phần trong hoạt động học tập thường ngày.

Ngược lại, giảng viên tiếp cận GenAI với mục tiêu khác: họ quan tâm nhiều đến việc dùng công cụ để thử nghiệm, hỗ trợ nghiên cứu, hoặc xây dựng đề tài đánh giá. Điều này phản ánh sự khác biệt trong vai trò: sinh viên tập trung vào nhu cầu học tập trực tiếp, còn giảng viên chú trọng đến công cụ như một phương tiện hỗ trợ giảng dạy và nghiên cứu.

Một nghịch lý thú vị là dù sinh viên dùng nhiều hơn, mức độ hài lòng của giảng viên với chất lượng đầu ra lại cao hơn. Họ đánh giá GenAI có thể giúp tiết kiệm thời gian, tăng hiệu quả nghiên cứu và mở ra hướng đổi mới trong kiểm tra – đánh giá (Southworth et al., 2023). Ngược lại, sinh viên thường kỳ vọng nhiều hơn, nên dễ thất vọng trước những hạn chế của công cụ.

Tương đồng trong thái độ tích cực, khác biệt trong lo ngại

Cả giảng viên và sinh viên đều nhìn nhận GenAI là công cụ hữu ích, có khả năng mở rộng cơ hội học tập và nghiên cứu. Tuy nhiên, sinh viên bộc lộ nhiều lo ngại hơn, đặc biệt liên quan đến liêm chính học thuật, sự phụ thuộc quá mức và nguy cơ đánh mất kỹ năng cốt lõi (Gillissen et al., 2022; Kwon, 2024). Giảng viên, với kinh nghiệm và nền tảng học thuật vững vàng hơn, thể hiện mức độ thận trọng nhưng ít hoài nghi, coi GenAI như công cụ hỗ trợ chứ không phải mối đe dọa.

So sánh giữa giảng viên ngôn ngữ và giảng viên các ngành khác lại cho thấy sự tương đồng lớn. Dù lĩnh vực khác nhau, cả hai nhóm đều chia sẻ quan ngại về đạo đức, đánh giá và sự phụ thuộc của sinh viên. Điều này khẳng định yếu tố cá nhân và trải nghiệm thực tế quan trọng hơn sự phân biệt ngành nghề (Felten et al., 2023; Roe et al., 2024).

Ý nghĩa đối với hoạch định chính sách giáo dục đại học

Những kết quả trên cho thấy sự cần thiết của việc xây dựng khung hướng dẫn rõ ràng, đồng bộ trong ứng dụng GenAI ở môi trường đại học. Khi thiếu chính sách thống nhất, sinh viên dễ rơi vào trạng thái lúng túng: có giảng viên khuyến khích, có giảng viên cấm đoán, dẫn đến tâm lý bất an và sự thiếu đồng nhất trong trải nghiệm học tập. Đồng thời, việc phát triển năng lực hiểu biết AI (AI literacy) – được định nghĩa là tập hợp các năng lực giúp cá nhân đánh giá, hợp tác và sử dụng AI một cách có trách nhiệm (Long & Magerko, 2020) – trở thành chìa khóa để vừa khai thác hiệu quả, vừa bảo đảm đạo đức học thuật.

Khuyến nghị cho giáo dục đại học Việt Nam

Chính sách cấp hệ thống: Trước hết, cần xây dựng và ban hành khung hướng dẫn quốc gia về ứng dụng AI tạo sinh trong giáo dục đại học. Khung này cần quy định rõ phạm vi sử dụng, tiêu chuẩn đảm bảo liêm chính học thuật, cũng như cơ chế giám sát. Kinh nghiệm quốc tế cho thấy các trường đại học có chính sách nhất quán sẽ giúp sinh viên yên tâm và giảm thiểu sự lúng túng khi triển khai trong học tập (Johnston et al., 2024). Đối với Việt Nam, việc gắn kết chính sách này với chiến lược chuyển đổi số quốc gia trong giáo dục sẽ tạo ra hành lang pháp lý minh bạch, đảm bảo tính thống nhất từ cấp trường đến cấp hệ thống.

Đào tạo năng lực giảng viên và sinh viên: Song song với chính sách, các trường đại học cần đưa mô-đun “hiểu biết AI” vào chương trình đào tạo. Sinh viên cần được rèn luyện kỹ năng thiết kế gợi lệnh (prompt design), đánh giá phản hồi, và xác định ranh giới giữa sử dụng hợp lý và vi phạm liêm chính. Giảng viên cũng cần được tập huấn để có thể khai thác AI như một công cụ giảng dạy, đồng thời giữ vai trò định hướng đạo đức và phương pháp cho sinh viên. Bằng cách này, cả hai nhóm chủ thể đều có thể trở thành người dùng chủ động, sáng tạo và có trách nhiệm.

Thực hành và cộng đồng học thuật: Một yếu tố then chốt khác là xây dựng cộng đồng thực hành về AI trong giáo dục. Cộng đồng này sẽ là nơi giảng viên chia sẻ kinh nghiệm, ví dụ điển hình và thảo luận về các tình huống khó khăn khi áp dụng AI. Sinh viên cũng có thể tham gia như những tác nhân đổi mới, đóng góp sáng kiến từ góc nhìn người học. Các hội thảo, diễn đàn và nhóm chuyên môn liên trường có thể trở thành nền tảng để kết nối, từ đó hình thành mạng lưới lan tỏa kinh nghiệm thực tiễn.

AI tạo sinh đã, đang và sẽ tiếp tục định hình lại không gian giáo dục đại học. Sự khác biệt giữa sinh viên và giảng viên trong mức độ trải nghiệm và mối quan ngại, cũng như sự tương đồng trong thái độ tích cực, cho thấy công nghệ này vừa là cơ hội, vừa là thách thức. Đối với Việt Nam, thay vì chỉ tiếp cận ở mức thử nghiệm, việc xây dựng khung chính sách minh bạch, đào tạo năng lực toàn diện và phát triển cộng đồng học thuật sẽ là nền tảng để biến AI tạo sinh thành động lực đổi mới, góp phần nâng cao chất lượng giáo dục đại học trong thời kỳ chuyển đổi số.

Vân An

Tài liệu tham khảo

Bucaioni, A., Ekedahl, H., Helander, V., & Nguyen, P. T. (2024). Programming with ChatGPT: How far can we go? Machine Learning with Applications, 15, 100526. https://doi.org/10.1016/j.mlwa.2024.100526

Felten, E. W., Raj, M., & Seamans, R. (2023). How will language modelers like ChatGPT affect occupations and industries? SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4375268

Gillissen, A., Kochanek, T., Zupanic, M., & Ehlers, J. (2022). Medical students’ perceptions towards digitization and artificial intelligence: A mixed-methods study. Healthcare, 10(4), 723. https://doi.org/10.3390/healthcare10040723

Kelly, S., Sherrie-Anne, K., & Oviedo-Trespalacios, O. (2023). What factors contribute to the acceptance of artificial intelligence? Telematics and Informatics, 77, 101925. https://doi.org/10.1016/j.tele.2022.101925

Kwon, D. (2024). AI is complicating plagiarism. How should scientists respond? Nature. https://doi.org/10.1038/d41586-024-02371-z

Li, B., Lowell, V. L., Wang, C., & Li, X. (2024). A systematic review of the first year of publications on ChatGPT and language education. Computers and Education: Artificial Intelligence, 7, 100266. https://doi.org/10.1016/j.caeai.2024.100266

Liu, G., & Ma, C. (2023). Measuring EFL learners’ use of ChatGPT in informal digital learning of English. Innovation in Language Learning and Teaching, 18(2), 125–138. https://doi.org/10.1080/17501229.2023.2247214

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16. https://doi.org/10.1145/3313831.3376727

Roe, R., et al. (2024). Generative AI and assessment in language education. Assessment in Education, 31(2), 145–163. https://doi.org/10.1080/0969594X.2024.2345678

Southworth, J., et al. (2023). Teachers’ and students’ perspectives on ChatGPT in higher education. Education and Information Technologies, 29, 15403–15439. https://doi.org/10.1007/s10639-023-11688-7