Trí tuệ nhân tạo tạo sinh trong giảng dạy ngoại ngữ: Tái định hình bản sắc sư phạm và thúc đẩy sự gắn kết của người học

Sự trỗi dậy của công cụ AI trong giảng dạy ngoại ngữ

Trí tuệ nhân tạo tạo sinh (GenAI) đang tạo nên một bước ngoặt lớn trong giáo dục đại học toàn cầu. Từ ChatGPT, Bard đến Claude, các nền tảng này cung cấp nhiều chức năng mới: kiểm tra ngữ pháp, phát triển vốn từ, luyện tập hội thoại, cũng như tạo ra học liệu và tình huống học tập đa dạng (Giannakos et al., 2024; Moorhouse & Wong, 2025). Trong giảng dạy tiếng Anh như ngoại ngữ (EFL), công nghệ này hứa hẹn hỗ trợ quá trình học ngôn ngữ theo cách cá nhân hóa, giúp người học có thể luyện tập trong môi trường ít áp lực và giàu tính tương tác (Kasneci et al., 2023).

Tuy nhiên, cùng với cơ hội, không ít thách thức cũng xuất hiện. Những lo ngại về tính chính xác, nguy cơ sao chép hoặc phụ thuộc thái quá vào công cụ AI đã được ghi nhận trong nhiều nghiên cứu (Warschauer & Xu, 2024; Crompton et al., 2024). Đặc biệt, nếu người học dựa hoàn toàn vào AI để viết luận hay trả lời nhiệm vụ, quá trình hình thành tư duy phản biện và khả năng giải quyết vấn đề có thể bị suy giảm (Hong, 2023). Như vậy, GenAI vừa mở ra cánh cửa mới, vừa đặt ra những yêu cầu đạo đức và sư phạm khắt khe hơn.

Ba chiều kích gắn kết: Từ hành vi đến nhận thức và cảm xúc

Khung lý thuyết về gắn kết học tập của Fredricks và cộng sự (2004) phân tách sự tham gia của người học thành ba chiều: hành vi, nhận thức và cảm xúc. GenAI tác động đồng thời đến cả ba chiều này trong môi trường học ngoại ngữ.

Ở khía cạnh hành vi, phản hồi tức thì từ các công cụ GenAI khuyến khích người học chủ động tham gia và kiên trì hoàn thành nhiệm vụ (Philp & Duchesne, 2016). Về nhận thức, AI cung cấp mô hình ngôn ngữ phức tạp và khuyến khích học viên áp dụng chiến lược tư duy bậc cao như phản biện và tự điều chỉnh (Alam & Mohanty, 2024). Trong khi đó, về cảm xúc, công cụ này giúp giảm bớt lo âu, tạo không gian an toàn cho người học thực hành ngôn ngữ, đồng thời khơi gợi sự tò mò và hứng thú (Dewaele & MacIntyre, 2016; Qin et al., 2020).

Dẫu vậy, sự gắn kết không phải lúc nào cũng tích cực. Việc quá tin vào AI có thể dẫn đến sự thiếu tin tưởng hoặc phản ứng ngược khi người học nhận thấy sản phẩm từ AI thiếu tính xác thực hoặc không phù hợp văn hóa (Crompton et al., 2024). Chính vì thế, vai trò điều phối và định hướng của giảng viên trở nên quan trọng hơn bao giờ hết.

Bản sắc nghề nghiệp trong bối cảnh GenAI

Việc áp dụng GenAI không chỉ là hành động kỹ thuật mà còn là sự tái định hình bản sắc sư phạm. Theo Borg (2006), niềm tin, kinh nghiệm và cảm xúc của giảng viên là yếu tố then chốt trong mọi quyết định dạy học. Song song, thuyết Tự quyết (Deci & Ryan, 2000) và Thuyết Giá trị – Kiểm soát cảm xúc (Pekrun, 2006) nhấn mạnh rằng quyền tự chủ và cảm nhận về giá trị tác động mạnh mẽ đến thái độ tiếp nhận công nghệ.

Các giảng viên khi được trao quyền và hỗ trợ thể chế thường trở nên cởi mở hơn, dịch chuyển vai trò từ “người truyền đạt tri thức” sang “người hướng dẫn và gợi mở” (Fives & Buehl, 2012). Ngược lại, khi chính sách mơ hồ hoặc áp lực từ kiểm tra chuẩn hóa quá lớn, nhiều người trở nên dè dặt và thậm chí từ bỏ các thử nghiệm sáng tạo với AI (Selwyn, 2011). Điều này cho thấy sự thành công của AI trong lớp học phụ thuộc chặt chẽ vào môi trường chính sách và văn hóa tổ chức.

Chính sách, công bằng số và tác động vĩ mô

Ở tầng vĩ mô, chính sách giáo dục và điều kiện hạ tầng quyết định lớn đến cách AI được ứng dụng. Những hướng dẫn mập mờ về đạo đức hoặc các chiến dịch chống gian lận học thuật có thể khiến giảng viên rơi vào tình thế khó xử: vừa muốn đổi mới, vừa sợ bị quy kết vi phạm (Jin et al., 2025). Đồng thời, bất bình đẳng số cũng là rào cản rõ rệt khi một bộ phận sinh viên thiếu thiết bị hoặc kết nối mạng, làm suy giảm tính công bằng và gắn kết trong lớp học (Chankseliani et al., 2021).

Như Selwyn (2011) đã chỉ ra, công nghệ giáo dục không bao giờ trung tính mà luôn gắn liền với quyền lực, chính trị và văn hóa. Do đó, việc triển khai GenAI trong giảng dạy EFL cần được nhìn nhận như một tiến trình xã hội – chính trị hơn là một đổi mới kỹ thuật đơn thuần.

Khuyến nghị cho giáo dục đại học Việt Nam: Từ chính sách đến thực tiễn

Trong bối cảnh Việt Nam triển khai Nghị quyết 57-NQ/TW (2024) về khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số, cùng Quyết định 1002/QĐ-TTg (2025) về đào tạo nhân lực công nghệ cao, việc tích hợp GenAI vào giảng dạy ngoại ngữ cần được đặt trong chiến lược tổng thể phát triển đại học.

Trước hết, chính sách đào tạo và bồi dưỡng giảng viên phải vượt ra ngoài việc trang bị kỹ năng công nghệ. Điều cần thiết là xây dựng chương trình phát triển nghề nghiệp tập trung vào phản tư sư phạm, đạo đức học thuật và bản sắc nghề nghiệp trong kỷ nguyên số (Farrell, 2013).

Tiếp đến, cần thiết lập khung hướng dẫn minh bạch về sử dụng AI trong giảng dạy và đánh giá, cân bằng giữa đổi mới và bảo đảm chuẩn mực. Kinh nghiệm từ Singapore cho thấy việc Bộ Giáo dục ban hành “AI Literacy Guidelines” đã giúp giảng viên tự tin hơn khi sử dụng công cụ mà không lo ngại sai phạm. Tại Hàn Quốc, chính phủ đã triển khai các trung tâm hỗ trợ đổi mới giảng dạy bằng AI ở quy mô đại học, vừa đảm bảo hạ tầng, vừa duy trì giám sát đạo đức. Trong khi đó, Phần Lan chú trọng phát triển “AI literacy” cho cả giảng viên lẫn sinh viên, gắn chặt với chương trình quốc gia về chuyển đổi số (Hu & Shao, 2025).

Đối với Việt Nam, việc học hỏi kinh nghiệm quốc tế là cần thiết, song quan trọng hơn là phải gắn với bối cảnh nội tại: hệ thống thi cử còn nặng tính chuẩn hóa, chênh lệch hạ tầng số giữa các trường, và nhu cầu ngày càng lớn về đào tạo nhân lực chất lượng cao trong kỷ nguyên công nghệ. Một chiến lược tích hợp AI thành công phải bao gồm: đầu tư hạ tầng công nghệ, bảo đảm công bằng số cho sinh viên, xây dựng cơ chế đào tạo liên tục cho giảng viên, và tạo không gian tự chủ nghề nghiệp để giảng viên có thể thử nghiệm, sáng tạo và phản tư.

Những phân tích lý thuyết và bằng chứng thực tiễn cho thấy GenAI không đơn thuần là một công cụ công nghệ mà đã trở thành chất xúc tác định hình lại hệ sinh thái giáo dục ngoại ngữ. Từ cấp độ vi mô của lớp học, giảng viên có thể tận dụng AI để khơi gợi sự tham gia hành vi, nhận thức và cảm xúc của người học. Ở cấp độ trung gian, việc tích hợp công cụ này tái cấu trúc vai trò nghề nghiệp, dịch chuyển từ truyền đạt tri thức sang dẫn dắt và phản tư sư phạm. Ở tầng vĩ mô, GenAI bộc lộ sự đan xen giữa chính sách, hạ tầng số và công bằng xã hội, cho thấy giáo dục đại học không thể triển khai công nghệ một cách phi bối cảnh.

Vì vậy, một chiến lược phát triển bền vững cần đồng thời nhấn mạnh ba trụ cột: khung chính sách minh bạch, chương trình phát triển năng lực giảng viên dựa trên phản tư nghề nghiệp, và bảo đảm công bằng số cho mọi sinh viên. Khi được gắn với những định hướng quốc gia về đổi mới sáng tạo và nhân lực chất lượng cao, GenAI sẽ không chỉ nâng cao hiệu quả giảng dạy ngoại ngữ mà còn góp phần xây dựng một nền hàn lâm mở, sáng tạo và bền vững.

Vân An

Tài liệu tham khảo 

Alam, A., & Mohanty, A. (2024). Framework of self-regulated cognitive engagement (FSRCE) for sustainable pedagogy: A model that integrates SRL and cognitive engagement for holistic development of students. Cogent Education, 11(1), 2363157. https://doi.org/10.1080/2331186X.2024.2363157

Borg, S. (2006). Teacher cognition and language education: Research and practice. London: Continuum. https://doi.org/10.4324/9780203019670

Chankseliani, M., Qoraboyev, I., & Gimranova, D. (2021). Higher education contributing to local, national, and global development: New empirical and conceptual insights. Higher Education, 81, 109–127. https://doi.org/10.1007/s10734-020-00565-8

Crompton, H., Edmett, A., Ichaporia, N., & Burke, D. (2024). AI and English language teaching: Affordances and challenges. British Journal of Educational Technology, 55(5), 2503–2529. https://doi.org/10.1111/bjet.13460

Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01

Dewaele, J.-M., & MacIntyre, P. D. (2016). Foreign language enjoyment and foreign language classroom anxiety: The right and left feet of FL learning? In P. D. MacIntyre, T. Gregersen, & S. Mercer (Eds.), Positive psychology in SLA (pp. 215–236). Multilingual Matters. https://doi.org/10.21832/9781783095360-010

Farrell, T. S. C. (2013). Reflective practice in ESL teacher development groups: From practices to principles. Palgrave Macmillan. https://doi.org/10.1057/9781137317193

Fredricks, J. A., Blumenfeld, P. C., & Paris, A. H. (2004). School engagement: Potential of the concept, state of the evidence. Review of Educational Research, 74(1), 59–109. https://doi.org/10.3102/00346543074001059

Giannakos, M., Azevedo, R., Brusilovsky, P., Cukurova, M., Dimitriadis, Y., Hernández-Leo, D., Järvelä, S., Mavrikis, M., & Rienties, B. (2024). The promise and challenges of generative AI in education. Behaviour & Information Technology, 44(1), 2518–2544. https://doi.org/10.1080/0144929X.2024.2394886

Hong, W. C. H. (2023). The impact of ChatGPT on foreign language teaching and learning: Opportunities in education and research. Journal of Educational Technology and Innovation, 5(1), 37–45. https://doi.org/10.61414/jeti.v5i1.103

Jin, Y., Yan, L., Echeverria, V., Gašević, D., & Martinez-Maldonado, R. (2025). Generative AI in higher education: A global perspective of institutional adoption policies and guidelines. Computers and Education: Artificial Intelligence, 8, 100348. https://doi.org/10.1016/j.caeai.2025.100348

Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., & Krusche, S. (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

Moorhouse, B. L., & Wong, K. M. (2025). Generative artificial intelligence and language teaching. Cambridge: Cambridge University Press. https://doi.org/10.1017/9781009427881

Pekrun, R. (2006). The control-value theory of achievement emotions: Assumptions, corollaries, and implications for educational research and practice. Educational Psychology Review, 18(4), 315–341. https://doi.org/10.1007/s10648-006-9029-9

Philp, J., & Duchesne, S. (2016). Exploring engagement in tasks in the language classroom. Annual Review of Applied Linguistics, 36, 50–72. https://doi.org/10.1017/S0267190515000094

Qin, F., Li, K., & Yan, J. (2020). Understanding user trust in artificial intelligence-based educational systems: Evidence from China. British Journal of Educational Technology, 51(5), 1693–1710. https://doi.org/10.1111/bjet.12984

Selwyn, N. (2011). Education and technology: Key issues and debates. London: Bloomsbury Academic. https://doi.org/10.5040/9781474243805

Warschauer, M., & Xu, Y. (2024). Ethics and equity in AI-assisted language learning. Language Learning & Technology, 28(1), 1–20. https://doi.org/10.1016/j.chbr.2025.100735