Trí tuệ nhân tạo mở rộng không gian đánh giá trong đào tạo giáo viên: Gợi mở mới cho giáo dục Việt Nam trong thời đại chuyển đổi số

Trí tuệ nhân tạo đang tái cấu trúc hoạt động đánh giá trong giáo dục

Sự phát triển mạnh mẽ của trí tuệ nhân tạo đã đưa giáo dục bước sang một giai đoạn mới, nơi khả năng xử lý dữ liệu ở quy mô lớn, phân tích thời gian thực và sinh tạo nội dung khiến hình thức đánh giá truyền thống trở nên lạc hậu. Trong giáo dục đại học, các công cụ sinh tạo đã tham gia vào nhiều quy trình: từ viết học thuật, phân tích lập luận, gợi ý cấu trúc bài viết cho đến mô phỏng tương tác và đánh giá giao tiếp (Zawacki-Richter et al., 2019; Luo et al., 2025). Điều này đem lại cơ hội lớn cho đào tạo giáo viên – lĩnh vực cần sự chính xác trong phân tích nội dung và khả năng trình bày trôi chảy.

Tuy nhiên, các hệ thống sinh tạo cũng tạo ra thách thức đáng kể. Những cảnh báo về “ảo giác thông tin”, trích dẫn không tồn tại hoặc lập luận thiếu cơ sở đã được ghi nhận rộng rãi (García & Martin, 2023; Rahman & Watanobe, 2023). Sinh viên có thể bị cuốn vào sự tiện lợi của công nghệ, thay thế tư duy phân tích bằng thao tác sao chép máy móc nếu không được hướng dẫn đúng. Chính vì thế, thế giới đang chuyển dần từ cách tiếp cận “dạy sử dụng công cụ” sang “dạy hiểu – đánh giá – kiểm chứng công cụ”, một hình thức năng lực được gọi chung là năng lực hiểu biết trí tuệ nhân tạo (AI literacy).

Các khung lý luận mới về năng lực nhấn mạnh rằng giáo viên trong tương lai cần hiểu cơ chế vận hành của công cụ, biết kiểm tra sai lệch, duy trì chuẩn mực học thuật và sử dụng công nghệ theo các nguyên tắc đạo đức nghề nghiệp (Allen & Kendeou, 2024; Lee & Park, 2024). Điều đó cho thấy sự tích hợp trí tuệ nhân tạo vào đào tạo giáo viên không chỉ là vấn đề công nghệ, mà là vấn đề triết lý giáo dục.

Đánh giá vì sự tiến bộ và đánh giá cùng tham gia

Trong nhiều hệ thống sư phạm, đánh giá vì sự tiến bộ được xem là phương pháp thúc đẩy người học phát triển năng lực tự điều chỉnh, tư duy phản biện và khả năng lập luận sâu. Mô hình này dựa trên nền tảng rằng đánh giá là một phần của quá trình học tập, diễn ra liên tục và nhằm mục tiêu cải thiện, chứ không chỉ để xếp hạng hay cấp điểm (Boud & Falchikov, 2007). Đánh giá cùng tham gia bổ sung thêm khía cạnh đối thoại giữa người học và giảng viên, giúp sinh viên trở thành chủ thể của việc đánh giá thay vì người thụ động nhận phản hồi (Nicol, 2015). Khi trí tuệ nhân tạo được đặt trong cấu trúc này, vai trò của nó không phải là “người chấm điểm” mà là “nguồn phản hồi thứ hai”. Người học được nhìn thấy bản thân dưới hai góc nhìn: góc nhìn máy – nơi các lỗi kỹ thuật được phát hiện nhanh chóng, và góc nhìn sư phạm – nơi giảng viên diễn giải, định hướng và chuyển hóa phản hồi thành kinh nghiệm nghề nghiệp. Nghiên cứu của Fuentes-Nieto và cộng sự (2025) cho thấy mô hình này tạo ra sự kết hợp hài hòa giữa công nghệ và sư phạm, giúp sinh viên không bị lệ thuộc mà chủ động phân tích, so sánh và phản tư. 

Trí tuệ nhân tạo trong hai không gian học tập: Xây dựng cơ sở lý thuyết và phát triển năng lực giao tiếp

Khi công cụ sinh tạo trở thành “tiền đề” cho tư duy học thuật

Ở nhiều trường đại học, sinh viên sư phạm được yêu cầu viết cơ sở lý thuyết cho dự án học tập. Đây là nhiệm vụ khó, đòi hỏi phân tích tài liệu, trích dẫn chính xác và lập luận chặt chẽ. Nguồn tham khảo quốc tế cho thấy khi sinh viên được hướng dẫn sử dụng trí tuệ nhân tạo theo quy trình kiểm chứng chặt chẽ – gồm đọc tài liệu gốc, thiết kế lệnh truy vấn hợp lý, đối chiếu trích dẫn và viết báo cáo phản tư – chất lượng bài viết được nâng cao rõ rệt.

Kết quả chỉ ra người học cải thiện khả năng tổ chức mạch luận, tổng hợp tài liệu và hình thành các liên kết nội dung sâu hơn. Quan trọng hơn, họ hiểu rõ công cụ không thay thế quá trình đọc hiểu và phân tích. Việc phát hiện trích dẫn sai hoặc diễn giải không đúng trích từ công cụ sinh tạo giúp sinh viên phát triển năng lực phê phán – năng lực mang tính cốt lõi đối với giáo viên tương lai. Những tác động này hoàn toàn phù hợp với thực tiễn quốc tế về việc sử dụng trí tuệ nhân tạo có kiểm soát trong học thuật (Karataş & Yüce, 2024).

Trí tuệ nhân tạo mô phỏng trong phát triển năng lực giao tiếp của giáo viên tương lai

Một không gian học tập khác mà trí tuệ nhân tạo tỏ ra hiệu quả là kỹ năng giao tiếp – nền tảng của nghề dạy học. Tài liệu tham khảo ghi nhận việc sử dụng hệ thống mô phỏng trí tuệ nhân tạo để phân tích bài trình bày miệng của sinh viên. Công cụ này đánh giá các khía cạnh như âm lượng, nhịp điệu, ánh mắt, cử chỉ và sự mạch lạc trong diễn đạt. Sau khi nhận phản hồi từ công cụ, sinh viên tiếp tục nhận phân tích chuyên sâu từ giảng viên và ghi lại nhật ký video phản tư. Chu trình ba lớp phản hồi này giúp sinh viên tiến bộ rõ rệt về khả năng diễn đạt, sử dụng giọng nói, biểu cảm và sự tự tin trước người nghe. Điều này tương thích với các phát hiện quốc tế về tác động của phân tích âm thanh – hình ảnh dựa trên trí tuệ nhân tạo đối với năng lực nói trước đám đông (Rodero, 2024; Zou et al., 2020). Điều đặc biệt quan trọng là phản hồi của công cụ không thay thế giảng viên. Trí tuệ nhân tạo cho số liệu nhanh chóng, nhưng chỉ có giảng viên mới giúp sinh viên hiểu “vì sao” và “nên điều chỉnh như thế nào” trong bối cảnh nghề nghiệp thực tế.

Từ căn cứ chính sách đến chiến lược hành động

Những gợi ý từ kinh nghiệm quốc tế phù hợp với định hướng của một số chính sách lớn mà Việt Nam đang triển khai: Quyết định 749/QĐ-TTg về Chương trình Chuyển đổi số quốc gia; Nghị quyết 71-NQ/TW về đột phá phát triển giáo dục và đào tạo; Quyết định 131/QĐ-TTg về tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục;... Các văn bản này đều hướng tới mục tiêu đổi mới đánh giá, phát triển năng lực số, xây dựng hệ thống học tập thông minh và bảo đảm đầu tư tài chính hiệu quả. Từ các căn cứ chính sách trên và những bằng chứng quốc tế, Việt Nam có thể định hình chiến lược ứng dụng trí tuệ nhân tạo trong đào tạo giáo viên theo hướng nâng cao chất lượng đánh giá và bảo đảm phát triển bền vững.

Đầu tiên, cần xây dựng khung năng lực hiểu biết trí tuệ nhân tạo dành cho sinh viên và giảng viên sư phạm, bao gồm khả năng phân tích dữ liệu sinh tạo, nhận diện sai lệch, đối chiếu tài liệu gốc và sử dụng công cụ theo nguyên tắc đạo đức nghề nghiệp. Việc hình thành khung năng lực này có thể tham khảo các mô hình quốc tế như ED-AI Literacy (Allen & Kendeou, 2024).

Thứ hai, các trường sư phạm nên triển khai thí điểm mô hình đánh giá quá trình có tích hợp trí tuệ nhân tạo, nơi công nghệ đóng vai trò nguồn phản hồi phụ trợ. Kết quả thí điểm cần được tổng hợp thành bộ hướng dẫn quốc gia nhằm chuẩn hóa việc ứng dụng công nghệ trong đánh giá.

Thứ ba, cần liên kết chiến lược ứng dụng trí tuệ nhân tạo với đổi mới tài chính giáo dục. Việc sử dụng các nền tảng đánh giá thông minh có thể tạo ra dữ liệu minh chứng giúp phân bổ ngân sách dựa trên kết quả, phù hợp định hướng tối ưu hóa nguồn lực mà các chính sách chuyển đổi số đề cập.

Cuối cùng, việc thiết kế nhiệm vụ học tập có tích hợp trí tuệ nhân tạo phải đặt trọng tâm vào việc tăng cường tư duy phân tích, không để sinh viên lạm dụng công cụ. Các chương trình đào tạo cần nhấn mạnh vai trò dẫn dắt của giảng viên, giúp sinh viên nhìn thấy bản chất sư phạm của phản hồi, hiểu cách biến dữ liệu thành thay đổi nhận thức và hành vi.

Trí tuệ nhân tạo không tự thân đem lại chất lượng mà chính cách hệ thống giáo dục tổ chức, kiểm chứng và tích hợp nó mới quyết định giá trị cuối cùng. Kinh nghiệm quốc tế cho thấy công nghệ có thể tăng cường phản hồi, thúc đẩy tiến bộ và mở rộng không gian học tập, nhưng người thầy vẫn là trung tâm của sự chuyển hóa. Đối với Việt Nam, giai đoạn chuyển đổi số hiện nay là cơ hội lịch sử để tái cấu trúc việc đánh giá trong đào tạo giáo viên theo hướng sâu sắc hơn, dựa trên dữ liệu hơn và nhân văn hơn. Khi trí tuệ nhân tạo trở thành công cụ để con người học sâu hơn chứ không phải làm thay con người, giáo dục Việt Nam sẽ bước vào một quỹ đạo đổi mới bền vững, phù hợp tinh thần của thời đại số.

Vân An tổng hợp

Tài liệu tham khảo:

Allen, L. K., & Kendeou, P. (2024). ED-AI lit: An interdisciplinary framework for AI literacy in education. Policy Insights from the Behavioral and Brain Sciences, 11(1), 3–10.

Ayuso del Puerto, D., & Gutiérrez Esteban, P. (2022). La Inteligencia Artificial como recurso educativo durante la formación inicial del profesorado. RIED. Revista Iberoamericana de Educación a Distancia, 25, 347–362.

Boud, D., & Falchikov, N. (2007). Rethinking assessment in higher education: Learning for the long term. Routledge.

García, R., & Martin, A. (2023). Hallucinated references in AI-generated academic writing: Risks and recommendations. Journal of Academic Ethics, 21(3), 455–472.

Karataş, İ., & Yüce, M. (2024). AI and the future of teaching: Preservice teachers’ reflections on using ChatGPT in education. International Review of Research in Open and Distributed Learning, 25(1), 45–65.

Lee, S., & Park, G. (2024). Development and validation of ChatGPT literacy scale. Current Psychology, 43, 18992–19004.

Luo, J., Zheng, C., Yin, J., & Teo, H. H. (2025). Design and assessment of AI-based learning tools in higher education: A systematic review. International Journal of Educational Technology in Higher Education, 22, 42.

Rahman, M., & Watanobe, Y. (2023). ChatGPT for education and research: Opportunities, threats, and strategies. Applied Sciences, 13(9), 5783.

Rodero, E. (2024). Inteligencia Artificial para mejorar la competencia en las presentaciones en público. Universitat Pompeu Fabra.

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16, 39.

Zou, B., Liviero, S., Hao, M., & Wei, C. (2020). AI technology for EAP speaking skills: Student perceptions of opportunities and challenges. In M. Freiermuth & N. Zarrinabadi (Eds.), Technology and the psychology of second language learners and users (pp. 433–463). Palgrave Macmillan.