AI tạo sinh và sức ép điều chỉnh trong giáo dục đại học
Sự ra đời của ChatGPT vào cuối năm 2022 đã tạo ra một chuyển động mạnh mẽ trong giáo dục đại học toàn cầu. Khác với nhiều công nghệ giáo dục trước đây, AI tạo sinh có khả năng tạo văn bản, mã lập trình, hình ảnh, gợi ý lập luận, tóm tắt tài liệu, phản hồi bài viết và hỗ trợ người học trong nhiều nhiệm vụ học thuật. Chính năng lực tạo lập nội dung với tốc độ cao và hình thức tương đối thuyết phục đã đặt các trường đại học trước một thách thức chưa từng có: làm thế nào để phân biệt giữa hỗ trợ học tập hợp lệ và sự thay thế quá trình học tập của người học.
Trong lịch sử giáo dục, mỗi làn sóng công nghệ mới đều đi kèm với kì vọng đổi mới phương pháp dạy học, cá nhân hóa trải nghiệm học tập và nâng cao hiệu quả quản lí đào tạo. Từ bảng đen, giáo trình, học liệu số, hệ thống quản lí học tập đến môi trường học tập trực tuyến, công nghệ luôn tham gia vào quá trình tái cấu trúc lớp học theo những mức độ khác nhau (Reiser, 2001; Paek & Kim, 2021). Tuy nhiên, AI tạo sinh làm xuất hiện một tình huống phức tạp hơn, bởi công cụ không chỉ hỗ trợ tiếp cận tri thức mà còn có thể tham gia trực tiếp vào quá trình tạo ra sản phẩm được dùng để đánh giá năng lực học thuật của sinh viên.
Nhiều tài liệu quốc tế đã chỉ ra tiềm năng của AI tạo sinh trong giáo dục đại học, từ hỗ trợ tự học, cá nhân hóa phản hồi, gợi ý tài liệu, tạo câu hỏi, xây dựng tình huống học tập đến hỗ trợ giảng viên trong thiết kế hoạt động dạy học (Mhlanga, 2023; Yan et al., 2023). Một số tác giả cho rằng các công cụ dựa trên mô hình ngôn ngữ lớn có thể mở rộng cơ hội học tập nếu được sử dụng đúng cách, đặc biệt trong việc hỗ trợ người học tự điều chỉnh quá trình học, tiếp nhận phản hồi nhanh và phát triển năng lực học tập độc lập (Baskara, 2023; Rasul et al., 2023). Tuy nhiên, khả năng tạo nội dung tự động cũng làm gia tăng nguy cơ gian lận học thuật, lệ thuộc công cụ, suy giảm năng lực tư duy độc lập và gây khó khăn cho các hình thức đánh giá truyền thống.
Điểm đáng chú ý là những tranh luận hiện nay không chỉ xoay quanh tính hiệu quả của công nghệ, mà ngày càng tập trung vào phương diện đạo đức và quản trị học thuật. Các vấn đề như trách nhiệm giải trình, quyền riêng tư, tính minh bạch, công bằng tiếp cận, độ tin cậy của công cụ phát hiện văn bản do AI tạo ra và vai trò không thể thay thế của giảng viên đang trở thành những trục chính trong thảo luận về tương lai giáo dục đại học (Chan, 2023; Khosravi et al., 2022; Memarian & Doleck, 2023). Nói cách khác, AI tạo sinh không chỉ là một công cụ dạy học mới; đó còn là phép thử đối với năng lực quản trị, văn hóa liêm chính và chất lượng chính sách của các cơ sở giáo dục đại học.
Bốn "trụ cột đạo đức" trong ứng xử với AI tạo sinh
Từ các văn kiện quốc tế của Liên hợp quốc, Liên minh châu Âu, Tổ chức Hợp tác và Phát triển Kinh tế và một số cơ quan chuyên môn, có thể xác định bốn nhóm nguyên tắc đạo đức đặc biệt quan trọng đối với giáo dục đại học: trách nhiệm giải trình và trách nhiệm cá nhân; quyền chủ động và giám sát của con người; minh bạch và khả năng giải thích; tính bao trùm và đa dạng. Đây là những nguyên tắc không chỉ có giá trị về mặt lí luận mà còn có ý nghĩa trực tiếp đối với hoạt động xây dựng chính sách ở cấp trường, cấp khoa và cấp học phần.
Trách nhiệm giải trình trước hết đòi hỏi mọi sản phẩm học thuật phải gắn với một chủ thể chịu trách nhiệm rõ ràng. AI không có tư cách đạo đức, không có năng lực pháp lí và không thể chịu trách nhiệm về tính chính xác, tính nguyên bản hay hệ quả học thuật của sản phẩm được tạo ra. Vì vậy, sinh viên, giảng viên và nhà nghiên cứu vẫn là những chủ thể cuối cùng chịu trách nhiệm đối với nội dung học thuật có sử dụng AI. Quan điểm này tương thích với lập trường của nhiều nhà xuất bản học thuật lớn khi không thừa nhận AI là tác giả hoặc đồng tác giả, bởi quyền tác giả luôn đi cùng trách nhiệm về nội dung, tính toàn vẹn và giá trị khoa học của sản phẩm công bố (Nature, 2023; Wiley, 2023).
Quyền chủ động và giám sát của con người nhấn mạnh rằng AI không được thay thế vai trò quyết định của con người trong các hoạt động giáo dục. Trong lớp học đại học, điều đó có nghĩa là giảng viên vẫn phải giữ vai trò thiết kế, tổ chức, đánh giá và định hướng học thuật; sinh viên vẫn phải tham gia vào quá trình học tập bằng năng lực nhận thức của chính mình. Các công cụ AI có thể hỗ trợ tìm kiếm, gợi ý, mô phỏng, phản hồi hoặc tạo bản nháp, nhưng không nên trở thành chủ thể thay thế cho tư duy, lập luận và trách nhiệm học thuật của người học.
Minh bạch và khả năng giải thích là điều kiện để duy trì lòng tin trong môi trường học thuật. Nếu AI được sử dụng trong thiết kế bài giảng, xây dựng học liệu, gợi ý phản hồi hoặc hỗ trợ thực hiện bài tập, các bên liên quan cần được biết rõ phạm vi và cách thức sử dụng. Đối với sinh viên, yêu cầu minh bạch thể hiện ở việc phải khai báo khi sử dụng AI trong những nhiệm vụ được phép. Đối với giảng viên, minh bạch thể hiện ở việc quy định rõ trong đề cương học phần: công cụ AI có được sử dụng hay không, được sử dụng đến mức nào, trong loại nhiệm vụ nào, và cách ghi nhận ra sao.
Tính bao trùm và đa dạng đặt ra yêu cầu không để AI tạo sinh trở thành yếu tố làm gia tăng bất bình đẳng trong giáo dục đại học. Nếu một số sinh viên có điều kiện tiếp cận công cụ tốt hơn, sử dụng phiên bản trả phí hiệu quả hơn hoặc có năng lực số cao hơn, trong khi những người khác bị hạn chế bởi thiết bị, kết nối, ngôn ngữ hoặc điều kiện kinh tế, thì việc cho phép sử dụng AI trong học tập có thể dẫn đến bất bình đẳng mới. Vì vậy, các chính sách về AI trong đại học cần gắn với bảo đảm tiếp cận công bằng, hướng dẫn sử dụng có trách nhiệm và hỗ trợ người học phát triển hiểu biết cơ bản về công nghệ.
Từ phản ứng cấm đoán đến khung sử dụng có trách nhiệm
Những phản ứng ban đầu của nhiều đại học trên thế giới cho thấy một quá trình chuyển dịch đáng chú ý. Trong giai đoạn đầu, không ít cơ sở giáo dục nghiêng về biện pháp hạn chế hoặc cấm sử dụng AI trong bài tập và đánh giá. Cách tiếp cận này xuất phát từ lo ngại có cơ sở: sinh viên có thể dùng AI để tạo bài luận, trả lời câu hỏi kiểm tra hoặc viết mã lập trình mà không thực sự tham gia vào quá trình học. Một số trường xem việc sử dụng AI trái phép trong bài thi hoặc bài đánh giá là hành vi vi phạm kỉ luật học thuật nghiêm trọng.
Tuy nhiên, chỉ sau một thời gian ngắn, nhiều trường bắt đầu nhận ra rằng lệnh cấm tuyệt đối khó khả thi trong bối cảnh AI tạo sinh ngày càng phổ biến, đa dạng và khó phát hiện. Việc cố gắng kiểm soát bằng công cụ phát hiện văn bản do AI tạo ra cũng bộc lộ nhiều giới hạn. Một số tài liệu cho thấy chưa có bằng chứng thuyết phục rằng giảng viên hoặc phần mềm chuyên dụng có thể phân biệt ổn định, chính xác giữa văn bản do con người viết và văn bản do AI tạo ra trong mọi trường hợp (Akram, 2023; Yan et al., 2023). Điều đó làm cho việc xử lí vi phạm dựa hoàn toàn vào kết quả phát hiện tự động trở nên thiếu chắc chắn về mặt học thuật và có thể gây hệ quả không công bằng đối với người học.
Chính vì vậy, nhiều đại học đã chuyển sang cách tiếp cận thận trọng và thực tế hơn: thay vì chỉ tập trung phát hiện gian lận sau khi sinh viên nộp bài, nhà trường khuyến khích giảng viên thiết kế lại hoạt động đánh giá. Các hình thức như vấn đáp, thuyết trình, bài tập tại lớp, phản biện trực tiếp, nhật kí học tập, bài viết gắn với trải nghiệm cá nhân, dự án thực tiễn hoặc đánh giá theo tiến trình được xem là những hướng đi có khả năng giảm nguy cơ lạm dụng AI. Đây không phải là sự quay lại hoàn toàn với các phương thức đánh giá truyền thống, mà là nỗ lực tái thiết kế đánh giá theo hướng coi trọng quá trình, năng lực giải thích và khả năng bảo vệ sản phẩm học thuật của người học.
Điểm chung trong nhiều chính sách ban đầu là sự kết hợp giữa yêu cầu từ cấp trường và quyền tự chủ của giảng viên. Ở tầng nguyên tắc, nhà trường khẳng định sinh viên phải chịu trách nhiệm với sản phẩm học thuật của mình, không được trình bày nội dung do AI tạo ra như sản phẩm cá nhân nếu chưa được cho phép hoặc không khai báo. Ở tầng thực thi, giảng viên được trao quyền quyết định mức độ sử dụng AI trong từng học phần, tùy theo mục tiêu đào tạo, chuẩn đầu ra, phương pháp đánh giá và đặc thù môn học. Cách tiếp cận này giúp tránh hai cực đoan: buông lỏng hoàn toàn hoặc kiểm soát cứng nhắc bằng các lệnh cấm khó thực hiện.
Liêm chính học thuật trong thời đại AI: trách nhiệm không thể chuyển giao
Một trong những thông điệp quan trọng nhất từ các thảo luận quốc tế là liêm chính học thuật không mất đi trong thời đại AI, mà cần được diễn giải lại trong bối cảnh mới. Trước đây, đạo văn thường gắn với việc sao chép văn bản của người khác mà không trích dẫn. Hiện nay, thách thức trở nên phức tạp hơn khi sinh viên có thể sử dụng một công cụ không phải con người để tạo lập văn bản mới, không trùng lặp trực tiếp với nguồn có sẵn nhưng vẫn không phản ánh đầy đủ năng lực học thuật của người học.
Điều này đặt ra yêu cầu mở rộng khái niệm trung thực học thuật. Một sản phẩm học tập không chỉ cần tránh sao chép, mà còn phải thể hiện quá trình tư duy, nỗ lực học tập và mức độ làm chủ tri thức của sinh viên. Nếu người học sử dụng AI để thay thế gần như toàn bộ quá trình đọc, phân tích, lập luận và viết, thì dù văn bản không trùng lặp với tài liệu nào, sản phẩm đó vẫn có thể không đáp ứng yêu cầu học thuật. Do vậy, chính sách của nhà trường cần phân biệt rõ giữa sử dụng AI như công cụ hỗ trợ và sử dụng AI như phương tiện thay thế năng lực học tập.
Ở đây, trách nhiệm không thể chuyển giao cho công cụ. AI có thể đưa ra thông tin chưa chính xác, lập luận thiếu căn cứ, trích dẫn không tồn tại hoặc diễn giải sai ngữ cảnh. Người sử dụng phải kiểm tra, đánh giá, hiệu chỉnh và chịu trách nhiệm về mọi nội dung được đưa vào sản phẩm cuối cùng. Đối với sinh viên, điều này có nghĩa là không thể viện dẫn việc “AI tạo ra” như một lí do để thoái thác trách nhiệm. Đối với giảng viên, điều đó đòi hỏi phải hướng dẫn người học hiểu giới hạn của công cụ, nhận diện rủi ro và phát triển năng lực sử dụng AI một cách có phê phán.
Trong giáo dục đại học, liêm chính học thuật vì thế cần được xem như một năng lực học thuật cốt lõi, chứ không chỉ là một quy định xử phạt. Sinh viên cần được học cách trích dẫn, khai báo, kiểm chứng thông tin, đánh giá độ tin cậy của đầu ra từ AI và xác định ranh giới giữa hỗ trợ hợp lệ với gian lận học thuật. Nếu chỉ nhấn mạnh hình phạt mà không phát triển năng lực, nhà trường có thể tạo ra tâm lí đối phó hơn là xây dựng văn hóa học thuật bền vững.
Minh bạch trong đề cương học phần: "điểm tựa" của quản trị lớp học
Một thực hành nổi bật trong chính sách của nhiều trường đại học là yêu cầu giảng viên nêu rõ quy định sử dụng AI trong đề cương học phần. Đây là một thay đổi tưởng như kĩ thuật, nhưng có ý nghĩa quản trị rất lớn. Đề cương học phần không còn chỉ là văn bản mô tả mục tiêu, nội dung, tài liệu và phương thức đánh giá; trong bối cảnh AI tạo sinh, đề cương còn là công cụ xác lập cam kết học thuật giữa giảng viên và sinh viên.
Một số trường xây dựng khung nhiều mức độ để giảng viên lựa chọn. Mức thứ nhất là không cho phép sử dụng AI trong bất cứ nhiệm vụ đánh giá nào. Mức thứ hai là cho phép sử dụng trong phạm vi hạn chế, chẳng hạn để gợi ý ý tưởng, kiểm tra ngôn ngữ hoặc hỗ trợ tìm hướng tiếp cận, nhưng sinh viên phải khai báo. Mức thứ ba là cho phép sử dụng rộng hơn, với điều kiện sản phẩm cuối cùng phải được người học chỉnh sửa, tích hợp, kiểm chứng và ghi nhận rõ ràng. Một số học phần đặc thù có thể cho phép sử dụng AI như đối tượng học tập hoặc công cụ nghề nghiệp, đặc biệt trong các lĩnh vực liên quan đến khoa học dữ liệu, giáo dục số, truyền thông, kinh doanh hoặc công nghệ.
Cách phân tầng như vậy giúp giảm mơ hồ trong thực thi. Khi sinh viên biết rõ điều gì được phép và điều gì không được phép, nguy cơ vi phạm do hiểu sai quy định sẽ giảm. Khi giảng viên xác định trước phạm vi sử dụng AI, hoạt động đánh giá cũng trở nên nhất quán hơn. Khi nhà trường có mẫu hướng dẫn chung, các học phần khác nhau vẫn giữ được quyền tự chủ chuyên môn nhưng không rơi vào tình trạng mỗi giảng viên áp dụng một cách hoàn toàn rời rạc.
Minh bạch cũng cần đi kèm khả năng giải thích. Nếu một học phần cấm sử dụng AI, giảng viên cần giải thích lí do liên quan đến mục tiêu học tập, chẳng hạn yêu cầu sinh viên rèn luyện năng lực viết độc lập, lập luận cá nhân hoặc thực hành một kĩ năng nền tảng. Nếu học phần cho phép sử dụng AI, giảng viên cần chỉ rõ công cụ được dùng để làm gì, giới hạn ở đâu, cách ghi nhận thế nào và sản phẩm cuối cùng sẽ được đánh giá theo tiêu chí nào. Khi quy định được giải thích trên nền tảng sư phạm, sinh viên có nhiều khả năng tiếp nhận như một chuẩn mực học thuật hơn là một mệnh lệnh hành chính.
Công bằng tiếp cận và nguy cơ bất bình đẳng mới
AI tạo sinh thường được trình bày như một công cụ mở rộng cơ hội học tập, nhưng trong thực tế, cơ hội đó không tự động phân bổ đồng đều. Người học có điều kiện sử dụng thiết bị tốt, kết nối ổn định, tài khoản trả phí, năng lực tiếng Anh và kĩ năng đặt câu lệnh hiệu quả có thể hưởng lợi nhiều hơn so với những sinh viên thiếu các điều kiện này. Nếu nhà trường cho phép hoặc khuyến khích sử dụng AI trong học tập mà không tính đến chênh lệch tiếp cận, công nghệ có thể vô tình làm gia tăng bất bình đẳng trong đánh giá.
Do đó, tính bao trùm phải trở thành một nguyên tắc chính sách. Khi giảng viên yêu cầu sinh viên sử dụng AI trong nhiệm vụ học tập hoặc đánh giá, cơ sở đào tạo cần bảo đảm điều kiện tiếp cận tối thiểu cho người học. Điều đó có thể bao gồm cung cấp tài khoản dùng chung, lựa chọn công cụ miễn phí phù hợp, hướng dẫn sử dụng bằng ngôn ngữ dễ hiểu, tổ chức hoạt động thực hành trên lớp và thiết kế nhiệm vụ không phụ thuộc quá mức vào khả năng chi trả của sinh viên.
Bên cạnh điều kiện vật chất, công bằng còn liên quan đến năng lực số và ngôn ngữ. Nhiều công cụ AI hoạt động hiệu quả hơn với tiếng Anh hoặc các ngôn ngữ có nguồn dữ liệu lớn. Người học sử dụng ngôn ngữ khác có thể gặp bất lợi về chất lượng phản hồi, độ chính xác hoặc khả năng diễn đạt học thuật. Vì vậy, các trường đại học cần phát triển hướng dẫn phù hợp với bối cảnh ngôn ngữ, văn hóa và ngành học cụ thể, thay vì sao chép nguyên vẹn các quy định từ môi trường quốc tế.
Tính bao trùm cũng đòi hỏi không để AI thay thế quan hệ sư phạm giữa giảng viên và sinh viên. Công nghệ có thể hỗ trợ phản hồi nhanh, gợi ý tài liệu hoặc mô phỏng tình huống, nhưng không thể thay thế vai trò của giảng viên trong định hướng giá trị học thuật, nhận diện khó khăn của người học, điều chỉnh hoạt động dạy học và nuôi dưỡng năng lực tư duy độc lập. Chính sự hiện diện chủ động của giảng viên mới giúp AI trở thành công cụ hỗ trợ học tập thay vì một hệ thống làm gia tăng sự phụ thuộc.
Khuyến nghị cho giáo dục đại học Việt Nam
Đối với Việt Nam, vấn đề AI tạo sinh cần được đặt trong bối cảnh chuyển đổi số giáo dục đang được thúc đẩy mạnh mẽ. Quyết định số 131/QĐ-TTg ngày 25/01/2022 phê duyệt Đề án “Tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục và đào tạo giai đoạn 2022–2025, định hướng đến năm 2030”, trong khi Quyết định số 1705/QĐ-TTg ngày 31/12/2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045. Gần đây, Nghị quyết số 71-NQ/TW ngày 22/8/2025 của Bộ Chính trị tiếp tục xác lập yêu cầu tạo đột phá trong phát triển giáo dục và đào tạo. Những văn bản này tạo nền tảng chính sách quan trọng để các cơ sở giáo dục đại học xây dựng quy định về AI theo hướng vừa đổi mới, vừa bảo đảm chất lượng và liêm chính học thuật.
Trước hết, các trường đại học cần ban hành khung hướng dẫn sử dụng AI tạo sinh ở cấp cơ sở đào tạo. Khung hướng dẫn không nên chỉ dừng ở cảnh báo chung, mà cần xác định rõ các nguyên tắc về trách nhiệm cá nhân, minh bạch sử dụng, bảo vệ dữ liệu, công bằng tiếp cận, quyền tự chủ của giảng viên và nghĩa vụ khai báo của người học. Văn bản này cần được kết nối với quy chế đào tạo, quy định về liêm chính học thuật, chuẩn đầu ra, kiểm tra đánh giá và hoạt động bảo đảm chất lượng bên trong.
Thứ hai, cần đưa quy định sử dụng AI vào đề cương học phần. Mỗi học phần nên có một mục riêng về AI tạo sinh, trong đó nêu rõ sinh viên có được sử dụng công cụ hay không, được sử dụng cho những nhiệm vụ nào, mức độ cho phép ra sao và cách ghi nhận thế nào. Đối với các học phần yêu cầu rèn luyện năng lực nền tảng như viết học thuật, phương pháp nghiên cứu, tư duy phản biện hoặc phân tích dữ liệu, quy định cần đặc biệt rõ để bảo đảm sinh viên không dùng AI thay thế quá trình hình thành kĩ năng cốt lõi.
Thứ ba, các trường cần chuyển trọng tâm từ phát hiện vi phạm sang thiết kế đánh giá có khả năng xác thực năng lực người học. Việc sử dụng phần mềm phát hiện AI chỉ nên được xem là nguồn tham khảo, không phải căn cứ duy nhất để kết luận gian lận. Thay vào đó, giảng viên cần được hỗ trợ thiết kế các hình thức đánh giá theo tiến trình, yêu cầu bản thảo, nhật kí học tập, thuyết trình bảo vệ, vấn đáp, phản biện cá nhân hoặc sản phẩm gắn với bối cảnh thực tiễn. Những hình thức này không loại bỏ hoàn toàn nguy cơ lạm dụng AI, nhưng giúp đánh giá tốt hơn quá trình học và năng lực giải thích của sinh viên.
Thứ tư, cần phát triển năng lực sử dụng AI có trách nhiệm cho cả giảng viên và sinh viên. Đối với giảng viên, các chương trình bồi dưỡng nên tập trung vào thiết kế học phần trong bối cảnh AI, xây dựng tiêu chí đánh giá, hướng dẫn khai báo sử dụng công cụ, nhận diện giới hạn của AI và xử lí tình huống nghi ngờ vi phạm. Đối với sinh viên, cần tích hợp nội dung về liêm chính học thuật số, kiểm chứng thông tin, trích dẫn, khai báo sử dụng AI và đánh giá độ tin cậy của nội dung do công cụ tạo ra. Đây nên được xem là một thành tố của năng lực học tập trong môi trường số, không phải nội dung phụ trợ.
Thứ năm, các cơ sở giáo dục đại học cần bảo đảm công bằng tiếp cận khi đưa AI vào dạy học. Nếu một học phần yêu cầu sử dụng công cụ AI, nhà trường và giảng viên cần tính đến điều kiện thiết bị, kết nối, tài khoản, ngôn ngữ và năng lực số của sinh viên. Các công cụ được khuyến nghị nên có phương án tiếp cận miễn phí hoặc được nhà trường hỗ trợ. Đồng thời, cần có hướng dẫn bằng tiếng Việt rõ ràng, phù hợp với từng nhóm ngành và từng loại nhiệm vụ học tập.
Thứ sáu, cần xây dựng cơ chế đối thoại học thuật về AI trong trường đại học. Chính sách về AI không nên được ban hành một chiều từ bộ phận quản lí, mà cần có sự tham gia của giảng viên, sinh viên, cán bộ khảo thí, đơn vị bảo đảm chất lượng, chuyên gia công nghệ, chuyên gia pháp lí và đại diện các ngành đào tạo. AI tạo sinh thay đổi rất nhanh, vì vậy quy định cũng cần được rà soát định kì, cập nhật dựa trên thực tiễn triển khai và phản hồi của các bên liên quan.
Thứ bảy, ở cấp hệ thống, Việt Nam cần sớm hình thành các hướng dẫn khung về sử dụng AI trong giáo dục đại học, đặc biệt đối với liêm chính học thuật, kiểm tra đánh giá, bảo vệ dữ liệu người học và trách nhiệm của cơ sở đào tạo. Hướng dẫn cấp quốc gia không nên áp đặt một mô hình duy nhất cho mọi trường, nhưng cần đưa ra nguyên tắc tối thiểu để tránh tình trạng mỗi cơ sở xử lí theo một cách quá khác biệt, gây khó khăn trong bảo đảm chất lượng và công nhận kết quả học tập.
Chính sách AI phải bắt đầu từ chất lượng học tập thực chất
AI tạo sinh đang làm thay đổi môi trường học thuật, nhưng không làm thay đổi mục tiêu căn bản của giáo dục đại học: hình thành tri thức, năng lực tư duy, phẩm chất nghề nghiệp và trách nhiệm xã hội của người học. Công nghệ có thể hỗ trợ quá trình đó, nhưng cũng có thể làm suy yếu nó nếu nhà trường thiếu chính sách rõ ràng, giảng viên thiếu công cụ sư phạm phù hợp và sinh viên không được hướng dẫn về liêm chính học thuật trong môi trường số.
Bài học từ kinh nghiệm quốc tế cho thấy, phản ứng hiệu quả không nằm ở cực đoan cấm đoán hay buông lỏng, mà ở xây dựng một khung quản trị cân bằng. Khung đó cần khẳng định trách nhiệm không thể chuyển giao của con người, bảo đảm minh bạch trong từng học phần, thiết kế lại đánh giá theo hướng xác thực năng lực, phát triển năng lực sử dụng AI có trách nhiệm và bảo vệ công bằng tiếp cận cho mọi sinh viên. Khi được đặt trong một hệ sinh thái chính sách như vậy, AI tạo sinh không còn là mối đe dọa đơn thuần đối với liêm chính học thuật, mà có thể trở thành chất xúc tác để giáo dục đại học đổi mới sâu sắc hơn về phương pháp, đánh giá và quản trị chất lượng.
Tài liệu tham khảo
Akram, H. (2023). Exploring the reliability of AI-generated text detection in academic contexts.
Baskara, R. (2023). Exploring the implications of ChatGPT for language learning in higher education.
Chan, C. K. Y. (2023). A comprehensive artificial intelligence policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20, 38.
Dabis, A., & Csáki, C. (2024). AI and ethics: Investigating the first policy responses of higher education institutions to the challenge of generative AI. Humanities and Social Sciences Communications, 11, 1006. https://doi.org/10.1057/s41599-024-03526-z
Farazouli, A., Cerratto-Pargman, T., Bolander-Laksov, K., & McGrath, C. (2024). Hello GPT! Goodbye home examination? An exploratory study of AI chatbots impact on university teachers’ assessment practices. Assessment & Evaluation in Higher Education, 49(3), 363–375.
Ferguson, R., Hoel, T., Scheffel, M., & Drachsler, H. (2016). Guest editorial: Ethics and privacy in learning analytics. Journal of Learning Analytics, 3(1), 5–15.
Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y. S., Kay, J., Knight, S., Martinez-Maldonado, R., Sadiq, S., & Gašević, D. (2022). Explainable artificial intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074. https://doi.org/10.1016/j.caeai.2022.100074
Memarian, B., & Doleck, T. (2023). Fairness, accountability, transparency, and ethics in artificial intelligence and higher education: A systematic review. Computers and Education: Artificial Intelligence, 100152. https://doi.org/10.1016/j.caeai.2023.100152
Mhlanga, D. (2023). Open AI in education, the responsible and ethical use of ChatGPT towards lifelong learning. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4354422
Nature. (2023). Tools such as ChatGPT threaten transparent science; here are our ground rules for their use. Nature, 613, 612.
Paek, S., & Kim, N. (2021). Analysis of worldwide research trends on the impact of artificial intelligence in education. Sustainability, 13(14), 7941.
Rasul, T., Nair, S., Kalendra, D., Robin, M., Santini, F. O., Ladeira, W. J., Sun, M., Day, I., Rather, R. A., & Heathcote, L. (2023). The role of ChatGPT in higher education: Benefits, challenges, and future research directions. Journal of Applied Learning & Teaching, 6(1).
Reiser, R. A. (2001). A history of instructional design and technology: Part I: A history of instructional media. Educational Technology Research and Development, 49(1), 53–64.
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning & Teaching, 6(1), 342–363.
Thủ tướng Chính phủ. (2022). Quyết định số 131/QĐ-TTg ngày 25/01/2022 phê duyệt Đề án “Tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục và đào tạo giai đoạn 2022–2025, định hướng đến năm 2030”.
Thủ tướng Chính phủ. (2024). Quyết định số 1705/QĐ-TTg ngày 31/12/2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045.
Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW ngày 22/8/2025 về đột phá phát triển giáo dục và đào tạo.
Wiley. (2023). Best practice guidelines on research integrity and publishing ethics.
Yan, L., Sha, L., Zhao, L., Li, Y., Martinez-Maldonado, R., Chen, G., Li, X., Jin, Y., & Gašević, D. (2023). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology.
