Trí tuệ nhân tạo trong giáo dục: Từ đổi mới công nghệ đến yêu cầu quản trị chính sách
Sự phát triển của trí tuệ nhân tạo đang tạo ra những thay đổi đáng kể trong cách tổ chức dạy học, đánh giá và quản lí giáo dục. Các hệ thống học tập thích ứng, công cụ phân tích dữ liệu học tập, trợ lí ảo, nền tảng hỗ trợ xây dựng học liệu và công cụ đánh giá tự động đang được nhiều quốc gia quan tâm như một phần của quá trình đổi mới giáo dục. Theo Chen và cộng sự (2020), trí tuệ nhân tạo trong giáo dục đã hình thành một lĩnh vực ứng dụng rộng, bao gồm nền tảng học tập thích ứng, hệ thống hỗ trợ đánh giá, công cụ theo dõi tiến trình học tập và các mô hình hỗ trợ ra quyết định sư phạm. Zhai và cộng sự (2021) cũng nhấn mạnh rằng các ứng dụng trí tuệ nhân tạo trong giáo dục giai đoạn gần đây không chỉ giới hạn ở việc cung cấp nội dung, mà còn mở rộng sang phân tích dữ liệu đa phương thức, hỗ trợ người học trong các lĩnh vực như ngôn ngữ, khoa học, công nghệ, kĩ thuật và toán học.
Tuy nhiên, trí tuệ nhân tạo trong giáo dục không thể được xem như một giải pháp thuần kĩ thuật. Trong các hệ thống giáo dục có quy mô lớn và khác biệt xã hội sâu sắc, công nghệ có thể hỗ trợ nâng cao chất lượng, nhưng cũng có thể làm gia tăng khoảng cách giữa các nhóm người học nếu thiếu chính sách phù hợp. Gujrati và cộng sự (2026) nhấn mạnh rằng việc tích hợp trí tuệ nhân tạo vào giáo dục Ấn Độ cần được xem xét đồng thời trên ba phương diện: cá nhân hóa học tập, công bằng tiếp cận và quản trị có trách nhiệm đối với dữ liệu, thuật toán, vai trò của giáo viên. Nhóm tác giả cũng cho rằng triển khai bền vững trí tuệ nhân tạo phụ thuộc chặt chẽ vào việc giảm thiểu thiên lệch thuật toán, bảo đảm quyền riêng tư dữ liệu và duy trì cách tiếp cận sư phạm lấy con người làm trung tâm.
Cách đặt vấn đề này có ý nghĩa đặc biệt đối với các nước đang phát triển. Ở những quốc gia còn chênh lệch về hạ tầng số, năng lực giáo viên, nguồn lực đầu tư và điều kiện tiếp cận học liệu, trí tuệ nhân tạo không thể tự động tạo ra công bằng giáo dục. Nếu công nghệ được triển khai chủ yếu ở các trường có điều kiện thuận lợi, người học ở vùng khó khăn có thể tiếp tục bị hạn chế trong tiếp cận tài nguyên chất lượng cao. Ngược lại, nếu chính sách được thiết kế theo hướng ưu tiên công bằng, trí tuệ nhân tạo có thể trở thành phương tiện hỗ trợ người học yếu thế, giúp giáo viên nhận diện kịp thời khó khăn học tập và mở rộng cơ hội tiếp cận tri thức.
Cá nhân hóa học tập và giới hạn của công nghệ trong giáo dục
Một trong những kỳ vọng nổi bật nhất đối với trí tuệ nhân tạo là khả năng hỗ trợ cá nhân hóa học tập. Các nền tảng học tập thích ứng có thể phân tích tiến độ, kết quả, mức độ tương tác và nhu cầu của người học để đề xuất nội dung, nhiệm vụ, phản hồi và nhịp độ học tập phù hợp hơn. Mahmoud và Sørensen (2024) cho rằng các hệ thống thông minh có thể hỗ trợ dạy học cá nhân hóa, với điều kiện các vấn đề đạo đức, dữ liệu và trách nhiệm sử dụng được xử lí thận trọng. Roy và Swargiary (2024) cũng ghi nhận rằng các công cụ thích ứng có thể góp phần nâng cao mức độ tham gia của người học, nhất là trong những nội dung cần luyện tập thường xuyên và có phản hồi kịp thời.
Đối với Ấn Độ, ý nghĩa của cá nhân hóa học tập càng rõ nét do sự đa dạng về ngôn ngữ, vùng miền và điều kiện kinh tế - xã hội. Theo Agarwal và Vij (2024), trí tuệ nhân tạo có thể tạo cơ hội cải thiện trải nghiệm học tập, hỗ trợ đánh giá dựa trên dữ liệu và nâng cao hiệu quả quản trị nhà trường. Sihag và Vibha (2024) cũng cho rằng các công cụ trí tuệ nhân tạo có thể hỗ trợ cá nhân hóa, theo dõi kết quả và trợ giúp hoạt động sư phạm, nhưng chỉ thực sự khả thi khi các cơ sở giáo dục giải quyết được khoảng cách về hạ tầng số, đào tạo giáo viên và nguồn lực triển khai.
Vì vậy, cá nhân hóa học tập không nên được hiểu là việc giao quá trình học tập cho hệ thống tự động. Một lộ trình học tập do công cụ đề xuất vẫn cần được giáo viên kiểm định, điều chỉnh và đặt trong bối cảnh cụ thể của lớp học. Người học không chỉ cần nội dung phù hợp với năng lực, mà còn cần động viên, tương tác xã hội, định hướng giá trị và sự hỗ trợ cảm xúc. Chính ở đây, vai trò của giáo viên trở nên quan trọng hơn, bởi công nghệ có thể phân tích dữ liệu, nhưng không thể thay thế sự am hiểu của nhà giáo về con người, môi trường học tập và mục tiêu giáo dục.
Công bằng tiếp cận: Thước đo quan trọng của chính sách trí tuệ nhân tạo giáo dục
Đối với các nước đang phát triển, vấn đề không chỉ là có sử dụng trí tuệ nhân tạo trong giáo dục hay không, mà là ai được hưởng lợi từ công nghệ đó. Gujrati và cộng sự (2026) chỉ ra rằng tại Ấn Độ, việc triển khai trí tuệ nhân tạo chịu ảnh hưởng mạnh của hạ tầng số, đào tạo giáo viên, khả năng tài chính và sự khác biệt giữa các vùng, nhóm xã hội và loại hình cơ sở giáo dục. Những trường học thiếu thiết bị, kết nối hoặc đội ngũ được bồi dưỡng sẽ gặp nhiều khó khăn hơn khi áp dụng các nền tảng công nghệ quy mô lớn.
Shalini và Tewari (2020) nhìn nhận trí tuệ nhân tạo như một hướng tiếp cận có thể góp phần thúc đẩy giáo dục bền vững, nhất là trong việc giảm bất bình đẳng và sử dụng nguồn lực hiệu quả hơn. Tuy nhiên, giá trị này chỉ có thể đạt được khi chính sách hướng tới nhóm người học chịu nhiều bất lợi về điều kiện học tập. Johnson và Lee (2025) cũng nhấn mạnh rằng nếu không chủ động xử lí thiên lệch và bất bình đẳng trong thiết kế, trí tuệ nhân tạo có thể làm gia tăng khác biệt trong cơ hội học tập, thay vì mở rộng công bằng giáo dục.
Từ góc độ này, công bằng tiếp cận phải trở thành tiêu chuẩn cốt lõi trong mọi chương trình trí tuệ nhân tạo giáo dục. Một nền tảng có thể hiện đại về công nghệ, nhưng chưa chắc phù hợp với giáo dục nếu chi phí quá cao, yêu cầu hạ tầng vượt quá năng lực của nhiều trường học, thiếu hỗ trợ tiếng mẹ đẻ hoặc không đáp ứng nhu cầu của người học có hoàn cảnh khác nhau. Chính sách vì vậy cần đánh giá công nghệ không chỉ bằng chức năng, mà bằng khả năng phục vụ phổ quát, mức độ phù hợp với bối cảnh xã hội và tác động đối với nhóm yếu thế.
Đạo đức thuật toán và bảo vệ dữ liệu người học
Khi trí tuệ nhân tạo tham gia vào đánh giá, gợi ý học tập, dự báo kết quả và quản lí hồ sơ giáo dục, dữ liệu người học trở thành một nguồn thông tin đặc biệt nhạy cảm. Dữ liệu đó có thể bao gồm kết quả học tập, hành vi tương tác, tốc độ hoàn thành nhiệm vụ, thói quen học tập, phản hồi cá nhân và đôi khi cả thông tin liên quan đến hoàn cảnh xã hội. Nếu thiếu cơ chế bảo vệ, dữ liệu giáo dục có thể bị sử dụng ngoài mục tiêu sư phạm, bị chia sẻ không phù hợp hoặc tạo ra những hồ sơ người học thiếu linh hoạt.
Bulut và cộng sự (2024) cho rằng các thuật toán thông minh có thể cải thiện đo lường và đánh giá giáo dục, nhưng phải được thiết kế trong khuôn khổ đạo đức để phòng ngừa thiên lệch. Raftopoulos và cộng sự (2025) nhấn mạnh yêu cầu đánh giá các chiến lược giảm thiểu thiên lệch trong khai phá dữ liệu giáo dục, bởi kết quả từ hệ thống phân tích có thể tác động tới cách giáo viên, nhà trường và người học nhìn nhận năng lực học tập. Johnson và Lee (2025) cũng lưu ý rằng việc giảm thiểu thiên lệch thuật toán cần được xem như điều kiện cần thiết để trí tuệ nhân tạo phục vụ công bằng giáo dục.
Một hướng tiếp cận đáng chú ý được đề cập trong các tài liệu gần đây là căn cước tự chủ số, kết hợp với chứng chỉ có thể xác thực, định danh phi tập trung và ví dữ liệu số. Theo Chan và cộng sự (2025), căn cước tự chủ số dựa trên công nghệ chuỗi khối có thể hỗ trợ xác minh hồ sơ giáo dục theo hướng an toàn, tăng quyền kiểm soát dữ liệu của người học và cải thiện khả năng liên thông giữa các hệ thống. Smith (2025) cũng đề xuất hệ sinh thái hồ sơ năng lực điện tử dựa trên căn cước tự chủ số nhằm giúp hồ sơ học tập có thể xác minh, di chuyển và bảo vệ tốt hơn.
Tuy nhiên, các giải pháp kĩ thuật chỉ có ý nghĩa khi được đặt trong một khung quản trị rõ ràng. Gujrati và cộng sự (2026) cho rằng căn cước tự chủ số và các cơ chế mã hóa có thể hỗ trợ bảo vệ hồ sơ học tập, thẻ học sinh số và hồ sơ năng lực điện tử, nhưng việc triển khai cần gắn với quy tắc về phát hành, xác minh, thu hồi, phân quyền truy cập và công bố có chọn lọc dữ liệu. Điều này cho thấy bảo vệ dữ liệu người học không thể là trách nhiệm riêng của bộ phận công nghệ, mà phải là một nội dung cốt lõi của chính sách giáo dục trong môi trường số.
Giáo viên trong môi trường giáo dục có trí tuệ nhân tạo
Một điểm nhất quán trong nhiều tài liệu quốc tế là trí tuệ nhân tạo nên hỗ trợ, không thay thế giáo viên. Azzam và Charles (2024) cho rằng trong giáo dục phổ thông, trí tuệ nhân tạo cần được sử dụng như công cụ giúp giáo viên nâng cao chất lượng dạy học, giảm một số công việc lặp lại và tiếp cận dữ liệu học tập tốt hơn. Chan và Tsi (2023) cũng đặt vấn đề về tương lai của giảng viên trong giáo dục đại học, nhấn mạnh rằng vai trò của nhà giáo không mất đi, mà cần được tái định vị trong môi trường có công nghệ thông minh.
Trong thực tế lớp học, trí tuệ nhân tạo có thể gợi ý kế hoạch bài học, tạo câu hỏi luyện tập, hỗ trợ phân tích kết quả, đề xuất học liệu và giúp nhận diện nhóm học sinh cần hỗ trợ thêm. Song quyết định sư phạm vẫn cần được giáo viên cân nhắc dựa trên mục tiêu chương trình, điều kiện lớp học, đặc điểm người học và chuẩn mực đạo đức nghề nghiệp. Một phản hồi do hệ thống tạo ra có thể nhanh, nhưng chưa chắc phù hợp. Một dự báo học tập có thể hữu ích, nhưng không nên trở thành khuôn mẫu cố định về năng lực của học sinh.
Đặc biệt, ở các lứa tuổi nhỏ, giáo dục không chỉ là tiếp nhận tri thức mà còn là quá trình hình thành ngôn ngữ, cảm xúc, năng lực xã hội và ý thức tự học. Gujrati và cộng sự (2026) lưu ý rằng các công cụ hỗ trợ bằng trí tuệ nhân tạo có hiệu quả hơn khi được tích hợp vào những tương tác giàu ngôn ngữ và có sự đồng hành của người lớn, thay vì thay thế giao tiếp giữa giáo viên, phụ huynh và học sinh. Nhận định này có ý nghĩa quan trọng, bởi nó đặt công nghệ vào đúng vị trí: một phương tiện hỗ trợ quá trình giáo dục, không phải trung tâm của giáo dục.
Đa ngôn ngữ, văn hóa và cơ hội học tập trong các nước đang phát triển
Một đặc điểm đáng chú ý của bối cảnh Ấn Độ là sự đa dạng về ngôn ngữ và văn hóa. Chính điều này làm cho trí tuệ nhân tạo trong giáo dục vừa có tiềm năng lớn, vừa chứa nhiều rủi ro. Shaik và cộng sự (2023) cho rằng các công cụ xử lí ngôn ngữ tự nhiên có thể hỗ trợ phân tích phản hồi, cải thiện đánh giá và hỗ trợ người học trong môi trường đa ngôn ngữ. Đối với những quốc gia có nhiều cộng đồng ngôn ngữ, công cụ chuyển giọng nói thành văn bản, chuyển văn bản thành giọng nói, dịch thuật theo bối cảnh và hỗ trợ tương tác bằng ngôn ngữ quen thuộc có thể giúp người học tham gia hiệu quả hơn vào quá trình học tập.
Trí tuệ nhân tạo tạo sinh cũng có thể hỗ trợ giáo viên xây dựng học liệu, điều chỉnh ví dụ theo bối cảnh văn hóa, phát triển kịch bản lớp học, thiết kế hoạt động mô phỏng và tạo môi trường thực hành linh hoạt. Gujrati và cộng sự (2026) đề cập khả năng sử dụng công cụ tạo sinh để hỗ trợ lập kế hoạch bài học, phát triển phòng thí nghiệm ảo trên thiết bị di động, trả lời thắc mắc của học sinh, hỗ trợ tư duy phê bình, sáng tạo, giải quyết vấn đề và giao tiếp. Tuy nhiên, hiệu quả của các công cụ này phụ thuộc vào cách người dạy hướng dẫn, lựa chọn nội dung và bảo đảm rằng hoạt động công nghệ không làm nghèo đi tương tác sư phạm.
Đối với các nước đang phát triển, bài toán ngôn ngữ và văn hóa cần được đặt nghiêm túc hơn trong chính sách trí tuệ nhân tạo giáo dục. Các mô hình công nghệ được phát triển chủ yếu từ dữ liệu của một số ngôn ngữ lớn có thể chưa đáp ứng tốt các bối cảnh địa phương. Nếu dữ liệu huấn luyện không phản ánh đầy đủ sự đa dạng văn hóa, công cụ có thể tạo ra nội dung thiếu phù hợp, diễn giải chưa chính xác hoặc không tôn trọng đặc trưng cộng đồng. Vì vậy, phát triển kho học liệu số, dữ liệu tiếng Việt, dữ liệu ngôn ngữ dân tộc thiểu số và cơ chế thẩm định nội dung cần trở thành nhiệm vụ chiến lược trong quá trình ứng dụng trí tuệ nhân tạo vào giáo dục.
Khuyến nghị cho giáo dục Việt Nam trong bối cảnh chuyển đổi số và phát triển trí tuệ nhân tạo
Tại Việt Nam, trí tuệ nhân tạo trong giáo dục cần được đặt trong nền tảng chính sách hiện hành về đổi mới giáo dục, chuyển đổi số và phát triển công nghệ quốc gia. Quyết định số 127/QĐ-TTg ngày 26 tháng 01 năm 2021 của Thủ tướng Chính phủ ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030, xác lập định hướng phát triển trí tuệ nhân tạo như một lĩnh vực công nghệ quan trọng của đất nước. Quyết định số 131/QĐ-TTg ngày 25 tháng 01 năm 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”, tạo cơ sở để ngành giáo dục đẩy mạnh hạ tầng, học liệu, nền tảng số và quản trị giáo dục trên môi trường số. Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045, tiếp tục đặt ra yêu cầu phát triển giáo dục theo hướng hiện đại, chất lượng và thích ứng với bối cảnh mới. Đặc biệt, Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo là căn cứ quan trọng để nhìn nhận trí tuệ nhân tạo như một thành tố của đổi mới quản trị, nâng cao chất lượng và thúc đẩy công bằng giáo dục.
Trên cơ sở đó, Việt Nam cần sớm xây dựng khung hướng dẫn sử dụng trí tuệ nhân tạo trong giáo dục theo hướng thống nhất, có phân tầng theo bậc học và loại hình cơ sở giáo dục. Khung hướng dẫn này cần quy định rõ nguyên tắc sử dụng công cụ tạo sinh trong dạy học, học tập, kiểm tra, đánh giá, nghiên cứu khoa học, xây dựng học liệu và quản lí hồ sơ người học. Đối với học sinh phổ thông, cần có quy định chặt chẽ hơn về độ tuổi, sự đồng thuận của phụ huynh, bảo vệ dữ liệu và trách nhiệm giám sát của nhà trường. Đối với giáo dục đại học, cần nhấn mạnh liêm chính học thuật, minh bạch trong sử dụng công cụ, năng lực đánh giá nguồn tin và trách nhiệm của người học trong sản phẩm học thuật.
Cùng với khung hướng dẫn, cần hình thành cơ chế thẩm định các nền tảng trí tuệ nhân tạo được sử dụng trong nhà trường. Cơ chế này không nên chỉ xem xét tính năng kĩ thuật, mà cần đánh giá độ tin cậy của nội dung, khả năng bảo vệ dữ liệu, mức độ phù hợp với chương trình giáo dục Việt Nam, khả năng hỗ trợ tiếng Việt, tác động đối với nhóm người học yếu thế, chi phí triển khai và yêu cầu về hạ tầng. Những công cụ tham gia vào đánh giá, phân loại hoặc dự báo kết quả học tập cần được kiểm định nghiêm ngặt hơn, bởi các quyết định liên quan đến người học luôn phải bảo đảm công bằng, minh bạch và có khả năng giải trình.
Việt Nam cũng cần coi bồi dưỡng giáo viên là điều kiện then chốt của chính sách trí tuệ nhân tạo giáo dục. Giáo viên không chỉ cần được tập huấn cách sử dụng công cụ, mà cần được trang bị hiểu biết về dữ liệu học tập, đạo đức công nghệ, thiết kế hoạt động dạy học có hỗ trợ của trí tuệ nhân tạo, kiểm chứng nội dung do công cụ tạo ra và bảo vệ thông tin cá nhân của học sinh. Một chương trình bồi dưỡng có chất lượng cần giúp giáo viên chuyển từ sử dụng công cụ theo thao tác sang sử dụng công cụ theo mục tiêu sư phạm. Khi giáo viên có năng lực chuyên môn và quyền chủ động nghề nghiệp, trí tuệ nhân tạo mới có thể trở thành phương tiện nâng cao chất lượng dạy học.
Một hướng ưu tiên khác là phát triển học liệu số và dữ liệu giáo dục bằng tiếng Việt có kiểm định chuyên môn. Nếu phụ thuộc quá nhiều vào các nền tảng và kho dữ liệu không phản ánh đầy đủ chương trình, văn hóa và thực tiễn giáo dục Việt Nam, nhà trường sẽ gặp khó khăn trong bảo đảm chất lượng học liệu và tính phù hợp của nội dung. Vì vậy, cần đầu tư xây dựng kho học liệu mở chất lượng cao, bộ dữ liệu được ẩn danh phục vụ nghiên cứu giáo dục, ngân hàng nhiệm vụ học tập có kiểm định và các bộ tiêu chuẩn đánh giá nội dung do công cụ tạo sinh đề xuất. Đối với vùng dân tộc thiểu số, cần quan tâm đến dữ liệu ngôn ngữ và học liệu đa văn hóa nhằm bảo đảm chuyển đổi số không làm giảm cơ hội học tập bằng ngôn ngữ và bối cảnh quen thuộc của người học.
Chính sách cũng cần ưu tiên công bằng hạ tầng. Trong bối cảnh Quyết định số 131/QĐ-TTg đã xác định định hướng chuyển đổi số trong giáo dục đến năm 2030, việc đưa trí tuệ nhân tạo vào nhà trường phải đi cùng đầu tư thiết bị, kết nối, nền tảng và hỗ trợ kĩ thuật cho các địa bàn khó khăn. Nếu không, trí tuệ nhân tạo có thể trở thành lợi thế bổ sung của những cơ sở đã mạnh về nguồn lực, thay vì là công cụ thu hẹp khoảng cách. Với Việt Nam, các chương trình thí điểm nên lựa chọn cả khu vực đô thị, nông thôn, miền núi và vùng khó khăn để đánh giá tác động trong những điều kiện khác nhau, từ đó tránh thiết kế chính sách dựa trên kinh nghiệm của một nhóm trường thuận lợi.
Bên cạnh đó, Việt Nam cần phát triển mô hình hồ sơ học tập số và hồ sơ năng lực điện tử theo hướng bảo vệ quyền dữ liệu của người học. Hồ sơ số có thể hỗ trợ công nhận kết quả học tập, theo dõi tiến trình phát triển năng lực, liên thông giữa các cấp học và phục vụ học tập suốt đời. Tuy nhiên, mô hình này cần quy định rõ quyền truy cập, thời hạn lưu trữ, trách nhiệm bảo mật, cơ chế chỉnh sửa thông tin, phạm vi sử dụng dữ liệu và nguyên tắc không sử dụng dữ liệu học tập để gây bất lợi cho người học. Kinh nghiệm quốc tế về căn cước tự chủ số, chứng chỉ xác thực và ví dữ liệu số có thể là nguồn tham khảo, nhưng phải được điều chỉnh theo pháp luật, hạ tầng và năng lực quản trị của Việt Nam.Cuối cùng, cần thúc đẩy các nghiên cứu thực nghiệm và đánh giá dài hạn về trí tuệ nhân tạo trong giáo dục Việt Nam. Các quyết định chính sách không nên chỉ dựa vào kỳ vọng công nghệ hoặc sức hấp dẫn của xu hướng quốc tế. Cần có bằng chứng về tác động đối với kết quả học tập, động cơ học tập, năng lực tự học, khối lượng công việc của giáo viên, chất lượng phản hồi sư phạm, sự an toàn dữ liệu và mức độ công bằng giữa các nhóm người học. Các trường đại học sư phạm, viện nghiên cứu giáo dục, cơ sở giáo dục phổ thông và doanh nghiệp công nghệ giáo dục có thể phối hợp triển khai mô hình thử nghiệm có kiểm soát, qua đó cung cấp cơ sở khoa học cho chính sách quốc gia về trí tuệ nhân tạo trong giáo dục.
Trí tuệ nhân tạo đang đặt giáo dục trước một thử thách lớn hơn bản thân công nghệ: thử thách về năng lực định hướng phát triển. Với các nước đang phát triển, công nghệ chỉ thực sự có ý nghĩa khi giúp mở rộng cơ hội học tập, nâng cao chất lượng dạy học, bảo vệ người học và củng cố vai trò của nhà giáo. Nếu thiếu hạ tầng, thiếu dữ liệu đáng tin cậy, thiếu chuẩn mực đạo đức và thiếu cơ chế giải trình, trí tuệ nhân tạo có thể làm gia tăng những bất bình đẳng vốn đã hiện hữu trong giáo dục. Ngược lại, nếu được dẫn dắt bằng chính sách thận trọng, nhân văn và dựa trên bằng chứng, trí tuệ nhân tạo có thể trở thành một nguồn lực quan trọng để xây dựng nền giáo dục công bằng hơn, linh hoạt hơn và có khả năng đáp ứng tốt hơn những yêu cầu phát triển con người trong kỷ nguyên số. Đối với Việt Nam, vấn đề then chốt không phải là đưa trí tuệ nhân tạo vào nhà trường nhanh đến mức nào, mà là xây dựng được một hệ sinh thái giáo dục số đủ an toàn, đủ công bằng và đủ năng lực sư phạm để công nghệ phục vụ đúng mục tiêu giáo dục. Khi chính sách giữ vững nguyên tắc lấy người học làm trung tâm, coi giáo viên là chủ thể chuyên môn và xem dữ liệu giáo dục là tài sản cần được bảo vệ nghiêm túc, trí tuệ nhân tạo sẽ không làm giáo dục trở nên xa lạ với con người; trái lại, có thể giúp nhà trường thực hiện tốt hơn sứ mệnh khai mở năng lực, nuôi dưỡng nhân cách và bảo đảm cơ hội học tập cho mọi người học.
Tài liệu tham khảo
Agarwal, P., & Vij, A. (2024). Assessing the challenges and opportunities of artificial intelligence in Indian education. International Journal for Global Academic & Scientific Research, 3(1), 36-44.
Azzam, A., & Charles, T. (2024). A review of artificial intelligence in K-12 education. Open Journal of Applied Sciences, 14(8), 2088-2100.
Bulut, O., Beiting-Parrish, M., Casabianca, J., Slater, S., Jiao, H., Song, D., Ormerod, C., Fabiyi, D., Ivan, R., Walsh, C., Rios, O., Wilson, J., Yildirim-Erbasli, S., Wongvorachan, T., Liu, J., Tan, B., & Morilova, P. (2024). The rise of artificial intelligence in educational measurement: Opportunities and ethical challenges. Chinese/English Journal of Educational Measurement and Evaluation, 5(3), 3.
Chan, C. K. Y., & Tsi, L. H. Y. (2023). The artificial intelligence revolution in education: Will artificial intelligence replace or assist teachers in higher education? arXiv.
Chan, W., Gai, K., Yu, J., & Zhu, L. (2025). Blockchain-assisted self-sovereign identities on education: A survey. Blockchains, 3(1), 3.
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264-75278.
Dey, D. N. C. (2024). Enhancing educational tools through artificial intelligence in perspective of need of artificial intelligence. Social Science Research Network.
Gujrati, R., Hatipoglu, C., Uygun, H., Carvalho, C. A. da S., Cezario, B. S., Bilotta, P., Dusek, P. M., Vieira, D. P., & Guedes, A. L. A. (2026). AI in Indian education: Opportunities, challenges, and emerging paths in the Global South. Education Sciences, 16(2), 179.
Johnson, L., & Lee, H. (2025). Artificial intelligence: An untapped opportunity for equity and access in STEM education. Education Sciences, 15, 68.
Mahmoud, C. F., & Sørensen, J. T. (2024). Artificial intelligence in personalized learning with a focus on current developments and future prospects. Research and Advances in Education, 3(8), 25-31.
Raftopoulos, G., Davrazos, G., & Kotsiantis, S. (2025). Evaluating fairness strategies in educational data mining: A comparative study of bias mitigation techniques. Electronics, 14(9), 1856.
Roy, K., & Swargiary, K. (2024). Exploring the impact of artificial intelligence integration in education: A mixed-methods study. Social Science Research Network.
Shaik, T., Tao, X., Dann, C., Xie, H., Li, Y., & Galligan, L. (2023). Sentiment analysis and opinion mining on educational data: A survey. Natural Language Processing Journal, 2, 100003.
Smith, J. (2025). Self-sovereign identity-based e-portfolio ecosystem. Applied Sciences, 14, 10361.
Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., Liu, J.-B., Yuan, J., & Li, Y. (2021). A review of artificial intelligence in education from 2010 to 2020. Complexity, 2021, 8812542.