Công nghệ mới và một phép thử đối với chất lượng đại học
Sự phát triển nhanh của trí tuệ nhân tạo tạo sinh đang tạo ra một chuyển động sâu sắc trong giáo dục đại học. Công cụ có khả năng tạo văn bản, hình ảnh, mã lập trình, bản tóm tắt, phản hồi học tập hoặc gợi ý học thuật đang hiện diện ngày càng rõ trong đời sống học đường. Theo Qian và Bowman (2026), tổng quan 50 bài báo thực nghiệm công bố trong giai đoạn 2023-2025 cho thấy trí tuệ nhân tạo tạo sinh đã được sử dụng trong dạy học, hoạt động học thuật và dịch vụ hỗ trợ sinh viên; đồng thời, thái độ của các nhóm liên quan trong trường đại học có sự khác biệt đáng kể: sinh viên nhìn chung cởi mở hơn, giảng viên và nhà khoa học thận trọng hơn, còn nhà quản lý thường chấp nhận công nghệ trong những điều kiện kiểm soát nhất định.
Vấn đề cốt lõi không còn là công nghệ có được sử dụng hay không, mà là nó được đặt trong trật tự học thuật nào. Một công cụ có thể tạo bản nháp bài luận, gợi ý cấu trúc báo cáo, hỗ trợ viết mã, đề xuất tài liệu tham khảo, tóm tắt bài đọc và tạo phản hồi học tập trong thời gian rất ngắn sẽ tác động trực tiếp tới cách đại học hiểu về học tập, đánh giá và đóng góp tri thức. Nếu thiếu chính sách, thiếu năng lực thẩm định và thiếu văn hóa minh bạch, công cụ tạo sinh có thể làm mờ ranh giới giữa hỗ trợ học tập và thay thế nỗ lực trí tuệ của người học. Ngược lại, nếu được quản trị thận trọng, công nghệ có thể trở thành một nguồn lực quan trọng để mở rộng cơ hội học tập, nâng cao hiệu quả giảng dạy và cải thiện chất lượng hỗ trợ sinh viên.
Sinh viên và sự thay đổi trong phương thức học tập
Ở không gian học tập, sinh viên sử dụng trí tuệ nhân tạo tạo sinh trước hết như một công cụ hỗ trợ ngôn ngữ. Theo Freeman (2025), Gasaymeh và cộng sự (2025), Johnston và cộng sự (2024), Luo (2024b), Sousa và Cardoso (2025), Wang và cộng sự (2025), sinh viên dùng các công cụ như Grammarly, ChatGPT, Gemini hoặc Copilot để chỉnh sửa bài viết, dịch tài liệu học tập, diễn đạt lại nội dung và tiếp cận tài liệu bằng ngôn ngữ quen thuộc hơn. Với những người học phải đọc, viết hoặc thảo luận bằng ngoại ngữ, chức năng này có thể giảm bớt rào cản tiếp cận tri thức và hỗ trợ họ tham gia đầy đủ hơn vào môi trường học thuật.
Bên cạnh đó, sinh viên sử dụng công cụ tạo sinh để phục vụ tự học. Theo Almassaad và cộng sự (2024), Freeman (2025), Johnston và cộng sự (2024), Wang và cộng sự (2025), người học dùng công cụ để khám phá chủ đề, yêu cầu giải thích theo nhiều cách khác nhau, tóm tắt giáo trình, ghi chú tài liệu dài và tạo câu hỏi luyện tập ngoài giờ học. Điểm hấp dẫn của công cụ tạo sinh là khả năng phản hồi nhanh, linh hoạt, có thể điều chỉnh theo yêu cầu của từng cá nhân. Trong một số trường hợp, công cụ vận hành như một dạng hỗ trợ học tập tức thời, giúp sinh viên đặt câu hỏi, kiểm tra cách hiểu và chuẩn bị tốt hơn trước khi trao đổi với giảng viên hoặc bạn học.
Công cụ tạo sinh cũng được dùng trong quá trình thực hiện nhiệm vụ học thuật. Theo Freeman (2025), Gasaymeh và cộng sự (2025), Johnston và cộng sự (2024), Sousa và Cardoso (2025), Wang và cộng sự (2025), sinh viên sử dụng công cụ để gợi ý ý tưởng, tổ chức lập luận, xây dựng dàn ý bài luận, hỗ trợ thiết kế trình bày, phân tích dữ liệu hoặc hỗ trợ lập trình. Tuy nhiên, Qian và Bowman (2026) cũng ghi nhận rằng không phải mọi hình thức sử dụng đều phù hợp với chuẩn mực học thuật; Wang và cộng sự (2025) phản ánh một bộ phận sinh viên thừa nhận dùng công cụ tạo sinh trong các hành vi như sao chép, gian lận hoặc nhờ công cụ dự thảo bài làm.
Những thực hành đó cho thấy sinh viên không chỉ cần được hướng dẫn “cách dùng công cụ”, mà cần được giáo dục về trách nhiệm học thuật khi dùng công cụ. Sự thuận tiện của công nghệ có thể hỗ trợ quá trình học, nhưng cũng có thể khiến người học giảm nỗ lực đọc, phân tích, đối chiếu và tự xây dựng lập luận. Vì vậy, năng lực quan trọng của sinh viên trong bối cảnh mới không chỉ là biết đặt yêu cầu cho công cụ tạo sinh, mà còn là biết kiểm chứng, biết giới hạn, biết khai báo và biết bảo vệ đóng góp trí tuệ của chính mình.
Giảng viên và yêu cầu thiết kế lại môi trường học thuật
Đối với giảng viên, trí tuệ nhân tạo tạo sinh đang tạo thêm nguồn lực cho thiết kế sư phạm. Theo Chan và Tsi (2024), Firaina và Sulisworo (2023), công cụ tạo sinh được giảng viên sử dụng để tìm kiếm thông tin, mở rộng góc nhìn về chủ đề giảng dạy, gợi ý ý tưởng, tóm tắt nội dung và tổ chức hoạt động học tập. Một số giảng viên dùng công cụ để xây dựng tình huống gắn với ngành học, tạo câu hỏi cho hoạt động tương tác hoặc làm cho tài liệu học tập sinh động hơn. Cách sử dụng này không thay thế vai trò chuyên môn của giảng viên, mà có thể hỗ trợ họ tiết kiệm thời gian ở một số công việc chuẩn bị, từ đó dành nhiều sự chú ý hơn cho thiết kế trải nghiệm học tập.
Đáng chú ý hơn, công cụ tạo sinh có thể trở thành một phần của hoạt động đánh giá. Theo Lee và cộng sự (2024), một số giảng viên cho phép sinh viên làm việc với bản trả lời do ChatGPT tạo ra, sau đó yêu cầu sinh viên đánh giá, nhận xét, chỉ ra hạn chế và xây dựng câu trả lời cuối cùng dựa trên sự phân tích của mình. Cách tổ chức này chuyển trọng tâm đánh giá từ sản phẩm cuối cùng sang quá trình thẩm định, lựa chọn và bảo vệ lập luận. Đây là hướng tiếp cận có ý nghĩa, bởi trong bối cảnh công cụ tạo sinh ngày càng phổ biến, năng lực học thuật không chỉ thể hiện ở việc tạo ra văn bản, mà còn ở khả năng nhận diện chất lượng của văn bản, phát hiện điểm thiếu chính xác, bổ sung căn cứ và chịu trách nhiệm về sản phẩm cuối cùng.
Các kết quả được tổng hợp cũng chỉ ra công cụ tạo sinh có tiềm năng hỗ trợ phản hồi học tập. Theo Escalante và cộng sự (2023), trong bối cảnh viết học thuật và học tiếng Anh, phản hồi do công cụ tạo sinh tạo ra có thể hỗ trợ sinh viên tiến bộ tương tự phản hồi của con người trong một số điều kiện thực nghiệm. Theo Dai và cộng sự (2023), khi đánh giá báo cáo dự án của sinh viên, phản hồi do ChatGPT tạo ra có ưu thế về tính dễ đọc, rõ ràng và nhất quán. Theo Popovici (2024), trong một bài toán nhận xét mã lập trình, khoảng 85% phản hồi của ChatGPT được đánh giá là đúng, trong đó 77% vừa chính xác vừa có giải thích rõ ràng. Tuy nhiên, các tác giả cũng nhấn mạnh yêu cầu giám sát của con người, vì phản hồi tự động có thể thiếu bối cảnh, thiếu sắc thái sư phạm hoặc chứa lỗi chuyên môn.
Vì vậy, vấn đề đặt ra cho giảng viên không phải là nhường quyền đánh giá cho công cụ, mà là thiết kế những hình thức đánh giá mới, trong đó công cụ tạo sinh có thể được sử dụng như nguồn tham khảo, đối tượng phân tích hoặc phương tiện hỗ trợ ban đầu. Giảng viên vẫn giữ vai trò trung tâm trong xác định chuẩn đầu ra, lựa chọn nhiệm vụ, đánh giá quá trình tư duy, kiểm tra độ tin cậy của sản phẩm và hình thành văn hóa học thuật cho sinh viên.
Hoạt động học thuật trước nguy cơ tăng tốc hình thức
Trong hoạt động học thuật, trí tuệ nhân tạo tạo sinh được sử dụng ở nhiều khâu: hình thành ý tưởng, tổng hợp tài liệu, thiết kế phương pháp, xây dựng công cụ thu thập dữ liệu, phân tích dữ liệu, viết và hiệu đính bản thảo. Theo Andersen và cộng sự (2025), Nicholas và cộng sự (2024), Salman và cộng sự (2024), nhà khoa học thường sử dụng công cụ tạo sinh nhiều hơn ở các khâu liên quan đến ngôn ngữ và văn bản, như chỉnh sửa đề cương, hoàn thiện bản thảo, tóm tắt tài liệu, trích xuất thông tin chính hoặc hỗ trợ kiểm tra trích dẫn. Ở các khâu đòi hỏi quyết định phương pháp luận và diễn giải dữ liệu, việc sử dụng thận trọng hơn.
Một nguy cơ lớn trong hoạt động học thuật là sự xuất hiện của thông tin và tài liệu tham khảo không thể kiểm chứng. Theo Athaluri và cộng sự (2023), khi ChatGPT được yêu cầu tạo 50 đề xuất nghiên cứu cho 50 chủ đề, trong tổng số 178 tài liệu tham khảo được tạo ra, 109 tài liệu có mã định danh đối tượng số hợp lệ và có thể truy xuất trên Google; 41 tài liệu có thể tìm thấy trên Google nhưng không có mã định danh; 28 tài liệu không có mã định danh và cũng không thể truy xuất trên internet. Phát hiện này cho thấy công cụ tạo sinh có thể hỗ trợ gợi ý và diễn đạt, nhưng không thể thay thế nguyên tắc đọc nguồn gốc, kiểm chứng tài liệu và chịu trách nhiệm học thuật của tác giả.
Trong nghiên cứu định tính, vấn đề còn phức tạp hơn. Theo Lockwood (2024), khi so sánh người mới thực hiện nghiên cứu định tính với GPT-4 trong phân tích cùng một dữ liệu văn bản, cả hai có thể xác định một số chủ đề chung, nhưng mã hóa của con người giàu chi tiết và sắc thái bối cảnh hơn, trong khi mã hóa của công cụ có ưu điểm về cấu trúc và tốc độ. Theo Zhang và cộng sự (2024), phần mềm QualiGPT có thể hỗ trợ mã hóa nhanh và đạt mức nhất quán nhất định với mã hóa của con người, nhất là trong mã hóa diễn dịch. Tuy nhiên, chính các kết quả này cũng gợi ý rằng công cụ tạo sinh phù hợp hơn với vai trò hỗ trợ ban đầu, còn việc diễn giải ý nghĩa, xem xét bối cảnh và đưa ra kết luận vẫn cần trách nhiệm chuyên môn của nhà khoa học.
Nếu không có chuẩn mực rõ ràng, công cụ tạo sinh có thể làm gia tăng số lượng sản phẩm học thuật nhưng không bảo đảm chất lượng tri thức. Theo Nicholas và cộng sự (2024), Watermeyer và cộng sự (2024), một số nhà khoa học lo ngại rằng công cụ tạo sinh có thể làm gia tăng áp lực công bố, khiến thành tích được đo bằng tốc độ và số lượng nhiều hơn bằng giá trị học thuật. Đây là cảnh báo đặc biệt đáng chú ý đối với các cơ sở giáo dục đại học đang chịu áp lực xếp hạng, công bố quốc tế và đánh giá năng suất nghiên cứu.
Dịch vụ hỗ trợ sinh viên và câu hỏi về dữ liệu cá nhân
Trong công tác sinh viên, bằng chứng thực nghiệm hiện chưa nhiều, nhưng tài liệu từ một số cơ sở giáo dục đại học cho thấy chatbot tạo sinh đã được sử dụng trong tư vấn trực tuyến. Theo thông tin được tổng hợp từ các trường như University of California, Berkeley, Pennsylvania State University, University of Edinburgh, Stanford University, University of Georgia, Tsinghua University và University of Auckland, chatbot tạo sinh có thể hỗ trợ sinh viên hỏi về học phí, học bổng, tuyển sinh, đăng ký học phần, kế hoạch học tập, bảng điểm, dịch vụ thư viện, hỗ trợ công nghệ thông tin và một số nhu cầu thường gặp trong khuôn viên trường. Một số hệ thống còn có khả năng hỗ trợ đa ngôn ngữ, tải bản ghi hội thoại hoặc xóa nội dung hội thoại để bảo vệ quyền riêng tư.
Ở khía cạnh tư vấn học tập và định hướng nghề nghiệp, theo Aguila và cộng sự (2024), một mô hình ngôn ngữ lớn được tinh chỉnh bằng dữ liệu đặc thù của cơ sở đào tạo có thể đạt trên 85% độ chính xác ngữ nghĩa trong trả lời câu hỏi tư vấn học tập. Theo Lekan và Pardos (2024), các cố vấn học tập đánh giá khá cao chất lượng khuyến nghị của GPT-4 trong lựa chọn ngành học và trả lời câu hỏi của sinh viên. Theo Abdelhamid và cộng sự (2025), sinh viên năm thứ nhất đánh giá chatbot Advisely khá tích cực về độ chính xác, tính hữu ích và khả năng cung cấp câu trả lời nhanh. Theo Chang và cộng sự (2024), việc tích hợp Google Gemini vào nền tảng lập kế hoạch phát triển cá nhân có thể hỗ trợ sinh viên tiếp cận thông tin nghề nghiệp và chuẩn bị trao đổi với cố vấn con người.
Tuy nhiên, dịch vụ hỗ trợ sinh viên là lĩnh vực liên quan trực tiếp tới dữ liệu cá nhân. Thông tin học tập, tài chính, định hướng ngành nghề, nhu cầu tư vấn hoặc các tình huống cá nhân của sinh viên không thể được xử lý như dữ liệu thông thường. Do đó, việc triển khai chatbot trong trường đại học cần đi kèm chính sách bảo vệ dữ liệu, quy trình kiểm tra độ chính xác của phản hồi, cơ chế chuyển tiếp sang nhân sự phụ trách và trách nhiệm giải trình khi thông tin tự động chưa phù hợp với tình huống cụ thể.
Nhận thức của các nhóm liên quan: đồng thuận về lợi ích, thận trọng trước rủi ro
Các nhóm trong trường đại học có nhiều điểm gặp nhau khi đánh giá trí tuệ nhân tạo tạo sinh. Theo Qian và Bowman (2026), sinh viên, giảng viên, nhà khoa học và nhà quản lý đều thừa nhận giá trị của công cụ tạo sinh trong hỗ trợ ngôn ngữ, gợi ý ý tưởng và tiết kiệm thời gian. Sinh viên, giảng viên và nhà quản lý cùng nhìn nhận công cụ này như một phương tiện hỗ trợ học tập tức thời, cá nhân hóa và có khả năng cung cấp giải thích dễ hiểu. Giảng viên và nhà quản lý cũng đồng thuận rằng công cụ tạo sinh có thể hỗ trợ thiết kế bài học, chuẩn bị hoạt động trên lớp và xây dựng phương án đánh giá. Dù vậy, các nhóm cũng chia sẻ những quan ngại lớn. Theo Abdullah và Zaid (2023), Baek và cộng sự (2024), Guo và Wang (2024), Lee và cộng sự (2024), McDonald và cộng sự (2024), Shoufan (2023), các vấn đề thường được nhắc tới gồm quyền riêng tư dữ liệu, độ chính xác của câu trả lời, nguy cơ bất bình đẳng trong tiếp cận công cụ và hành vi vi phạm liêm chính học thuật. Theo Chan và Hu (2023), Chan và Lee (2023), Marshall và Naff (2024), một nỗi lo khác là sự phụ thuộc quá mức vào công cụ có thể ảnh hưởng tới tư duy độc lập, năng lực sáng tạo và khả năng tự học.
Sự khác biệt giữa các nhóm thể hiện ở cách họ ưu tiên lợi ích và rủi ro. Sinh viên thường quan tâm tới sự thuận tiện, hỗ trợ cá nhân hóa và giảm áp lực học tập. Giảng viên chú ý nhiều hơn tới tính xác thực của đánh giá, năng lực thực chất của người học và vai trò của người dạy. Nhà khoa học quan tâm tới chất lượng công bố, độ tin cậy của nguồn, bản quyền, dữ liệu và áp lực sản xuất tri thức. Nhà quản lý xem xét vấn đề ở tầm thể chế: chính sách, trách nhiệm pháp lý, an toàn dữ liệu, công bằng tiếp cận và uy tín học thuật của cơ sở giáo dục.
Quản trị có trách nhiệm: từ chính sách sử dụng sang văn hóa học thuật
Khung tiếp cận có trách nhiệm cần bắt đầu từ việc nhìn nhận công cụ tạo sinh như một thành tố trong hệ sinh thái học thuật, không phải một tiện ích kỹ thuật tách rời. Theo Qian và Bowman (2026), tích hợp có trách nhiệm là việc sử dụng trí tuệ nhân tạo tạo sinh phù hợp với nguyên tắc đạo đức, bối cảnh thể chế, mối quan tâm và nhu cầu của các bên liên quan. Cách tiếp cận này bao gồm nhận diện rủi ro, hướng dẫn sử dụng phù hợp và phát triển chính sách nhằm định hướng cách công cụ được triển khai trong giáo dục đại học. Một gợi ý quan trọng là xây dựng trung tâm học tập về trí tuệ nhân tạo tạo sinh trong nhà trường. Theo Qian và Bowman (2026), trung tâm này có thể cung cấp kiến thức nền tảng, chương trình bồi dưỡng theo chủ đề, tài nguyên học tập và diễn đàn trao đổi cho sinh viên, giảng viên, nhà khoa học, cán bộ hỗ trợ và nhà quản lý. Nội dung bồi dưỡng cần được thiết kế riêng cho từng nhóm. Sinh viên cần hiểu cách sử dụng công cụ minh bạch, kiểm chứng thông tin và bảo vệ đóng góp học thuật. Giảng viên cần được hỗ trợ về thiết kế hoạt động học tập, đánh giá và phản hồi trong bối cảnh mới. Nhà khoa học cần nắm rõ chuẩn mực sử dụng công cụ trong viết, phân tích và công bố. Cán bộ quản lý cần hiểu yêu cầu bảo mật, pháp lý và trách nhiệm thể chế. Một vấn đề khác là tiếp cận công bằng và bảo vệ dữ liệu. Theo Driessens và Pischetola (2024), các cơ sở giáo dục có thể cân nhắc thỏa thuận cấp phép với nhà cung cấp uy tín để người học, giảng viên và cán bộ sử dụng công cụ bằng tài khoản của cơ sở đào tạo; cách làm này có thể hạn chế việc dữ liệu bị dùng cho huấn luyện mô hình về sau, giảm rủi ro rò rỉ dữ liệu và thu hẹp khoảng cách tiếp cận giữa các nhóm trong trường.
Cốt lõi của chính sách không chỉ là liệt kê hành vi được phép hoặc không phù hợp, mà còn là định nghĩa lại tính nguyên gốc trong thời đại số. Theo Luo (2024a, 2024b), khi trí tuệ nhân tạo tạo sinh được tích hợp vào nhiều nền tảng số thông dụng, ranh giới giữa ý tưởng của con người và hỗ trợ của công cụ trở nên khó phân định hơn. Từ đó, Qian và Bowman (2026) gợi ý rằng nhà trường nên chuyển trọng tâm từ câu hỏi “có sử dụng hay không” sang “đã sử dụng như thế nào”. Một bản tường trình về quá trình sử dụng công cụ tạo sinh, nêu rõ mục đích, phạm vi, cách kiểm chứng và phần đóng góp của người học, có thể giúp tăng tính minh bạch và khuyến khích trách nhiệm học thuật.
Khuyến nghị cho giáo dục đại học Việt Nam
Đối với Việt Nam, quản trị trí tuệ nhân tạo tạo sinh trong giáo dục đại học cần được đặt trong tiến trình chuyển đổi số, phát triển năng lực người học và nâng cao chất lượng hệ thống. Quyết định số 127/QĐ-TTg ngày 26/01/2021 ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030, tạo khung định hướng quan trọng cho phát triển và ứng dụng trí tuệ nhân tạo ở Việt Nam. 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”. 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. Nghị quyết số 71-NQ/TW ngày 22/8/2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo tiếp tục đặt ra yêu cầu đổi mới mạnh mẽ hệ thống giáo dục trong giai đoạn mới. Những văn bản này tạo cơ sở chính sách để các trường đại học xây dựng khung quản trị công cụ tạo sinh theo hướng chủ động, an toàn và có trách nhiệm.
Trước hết, các cơ sở giáo dục đại học cần ban hành quy định nội bộ về sử dụng trí tuệ nhân tạo tạo sinh trong học tập, giảng dạy, kiểm tra đánh giá và hoạt động khoa học. Quy định cần nêu rõ những hình thức sử dụng được chấp nhận, những hình thức không phù hợp với chuẩn mực học thuật và những trường hợp bắt buộc phải khai báo. Chẳng hạn, sinh viên có thể sử dụng công cụ để tìm ý tưởng ban đầu, chỉnh sửa ngôn ngữ, luyện tập câu hỏi hoặc tự kiểm tra cách hiểu; nhưng không được nộp nguyên văn sản phẩm do công cụ tạo ra như bài làm của mình. Nhà khoa học có thể sử dụng công cụ để hỗ trợ hiệu đính ngôn ngữ hoặc sắp xếp bản thảo, nhưng phải kiểm chứng toàn bộ dữ liệu, trích dẫn và kết luận. Giảng viên có thể sử dụng công cụ trong chuẩn bị bài giảng, nhưng cần rà soát độ chính xác, tính phù hợp với chuẩn đầu ra và bối cảnh lớp học.
Thứ hai, các trường cần xây dựng mẫu khai báo sử dụng công cụ tạo sinh trong bài tập, khóa luận, luận văn, luận án và bản thảo khoa học. Mẫu khai báo nên yêu cầu người học hoặc tác giả nêu rõ công cụ sử dụng, phiên bản nếu có, mục đích sử dụng, phần nội dung được hỗ trợ, cách kiểm chứng và phần đóng góp trí tuệ của người thực hiện. Đây không chỉ là biện pháp quản lý, mà còn là một hoạt động giáo dục về liêm chính học thuật. Khi người học phải trình bày cách họ sử dụng công cụ, họ cũng buộc phải nhận thức rõ hơn về giới hạn, trách nhiệm và quyền tác giả trong sản phẩm học thuật.
Thứ ba, cần đổi mới kiểm tra đánh giá theo hướng chú trọng quá trình học tập, năng lực giải thích và khả năng bảo vệ lập luận. Những nhiệm vụ chỉ yêu cầu tổng hợp thông tin, trình bày khái niệm hoặc viết lại tài liệu rất dễ bị công cụ tạo sinh thay thế về hình thức. Thay vào đó, đánh giá cần yêu cầu sinh viên đối chiếu nguồn, giải thích lựa chọn, phân tích tình huống thực tiễn, sử dụng dữ liệu địa phương, trình bày nhật ký học tập, bảo vệ miệng hoặc viết phần tự đánh giá quá trình sử dụng công cụ. Với các học phần cho phép dùng trí tuệ nhân tạo tạo sinh, giảng viên có thể yêu cầu sinh viên nộp kèm bản so sánh giữa gợi ý của công cụ và phiên bản đã được chỉnh sửa, qua đó đánh giá năng lực thẩm định của người học.
Thứ tư, phát triển năng lực số cần được xem là nhiệm vụ học thuật chứ không chỉ là kỹ năng thao tác. Nội dung bồi dưỡng cho sinh viên và giảng viên cần bao gồm cách đặt yêu cầu rõ ràng, cách kiểm chứng thông tin, cách nhận diện tài liệu không đáng tin cậy, nguyên tắc bảo vệ dữ liệu cá nhân, bản quyền, đạo đức công bố, minh bạch sử dụng công cụ và trách nhiệm với sản phẩm học thuật. Các trường sư phạm và cơ sở đào tạo giáo viên cần đặc biệt chú ý nội dung này, bởi giảng viên tương lai không chỉ sử dụng công cụ cho bản thân, mà còn tham gia hình thành văn hóa học tập cho thế hệ học sinh, sinh viên tiếp theo.
Thứ năm, cần thí điểm trước khi triển khai rộng. Mỗi trường có thể lựa chọn một số học phần, chương trình đào tạo hoặc đơn vị dịch vụ sinh viên để thử nghiệm mô hình sử dụng công cụ tạo sinh có kiểm soát. Việc thí điểm cần có tiêu chí đánh giá cụ thể, gồm hiệu quả học tập, mức độ hài lòng của sinh viên, khối lượng công việc của giảng viên, khả năng bảo đảm liêm chính, rủi ro dữ liệu, chi phí vận hành và khả năng mở rộng. Sau thí điểm, nhà trường cần công bố hướng dẫn điều chỉnh để chính sách không chỉ dựa trên lo ngại hoặc kỳ vọng, mà dựa trên bằng chứng nội bộ.
Thứ sáu, trong hoạt động khoa học và xuất bản học thuật, các trường đại học, viện nghiên cứu và tạp chí khoa học tại Việt Nam cần chuẩn hóa chính sách khai báo sử dụng trí tuệ nhân tạo tạo sinh. Công cụ tạo sinh không nên được ghi nhận là tác giả, bởi không thể chịu trách nhiệm học thuật, không thể cam kết về tính chính xác của dữ liệu và không thể bảo đảm đạo đức công bố. Tác giả là con người phải chịu trách nhiệm cuối cùng về nội dung, phương pháp, dữ liệu, trích dẫn, kết quả và kết luận. Chính sách biên tập của các tạp chí cần nêu rõ công cụ được phép hỗ trợ ở mức nào, cách khai báo ra sao và trách nhiệm của tác giả khi phát hiện thông tin hoặc tài liệu tham khảo không thể kiểm chứng.
Thứ bảy, cần bảo đảm công bằng trong tiếp cận công cụ. Nếu chỉ một bộ phận sinh viên có điều kiện sử dụng các phiên bản trả phí, khoảng cách về cơ hội học tập có thể gia tăng. Các trường có thể xem xét giải pháp cấp quyền sử dụng ở quy mô cơ sở đào tạo, tích hợp vào hệ thống học tập số hiện có, đồng thời ưu tiên những nền tảng có cam kết rõ về quyền riêng tư và bảo mật dữ liệu. Đây là yêu cầu phù hợp với định hướng chuyển đổi số giáo dục trong Quyết định số 131/QĐ-TTg và định hướng phát triển giáo dục dài hạn trong Quyết định số 1705/QĐ-TTg.
Đại học không thể đi nhanh hơn chuẩn mực học thuật
Trí tuệ nhân tạo tạo sinh đang làm thay đổi bề mặt của giáo dục đại học bằng tốc độ, tiện ích và khả năng tạo lập nội dung. Nhưng giá trị sâu xa của đại học không được quyết định bởi việc một văn bản được tạo ra nhanh đến đâu, mà bởi người học hiểu gì, kiểm chứng ra sao, lập luận thế nào và chịu trách nhiệm đến mức nào về tri thức mình trình bày. Công nghệ có thể giúp con người viết nhanh hơn, tìm ý nhanh hơn, tóm tắt nhanh hơn và phản hồi nhanh hơn; nhưng không thể thay con người xây dựng nhân cách học thuật, đạo đức khoa học và năng lực nhận định độc lập. Vì vậy, thước đo trưởng thành của giáo dục đại học trong kỷ nguyên trí tuệ nhân tạo tạo sinh không phải là mức độ sử dụng công cụ nhiều hay ít, mà là khả năng thiết lập một trật tự học thuật trong đó công nghệ phục vụ học tập thật, đánh giá thật và trách nhiệm thật. Một đại học hiện đại không né tránh công nghệ, nhưng cũng không để công nghệ định nghĩa thay chuẩn mực của mình. Tương lai của công cụ tạo sinh trong giáo dục đại học sẽ phụ thuộc vào bản lĩnh quản trị của nhà trường, năng lực sư phạm của giảng viên, liêm chính của người học và cam kết của cộng đồng khoa học đối với sự thật.
Tài liệu tham khảo
Abdelhamid, S., Bangura, J., & Shah, S. (2025). Advisely: AI-powered academic advising using large language models. New Perspectives in Science Education 14th Edition—International Conference, Florence, Italy.
Abdullah, A. M., & Zaid, N. M. (2023). Exploring researchers’ perceptions of generative artificial intelligence in academic research.
Aguila, A., Ngoc, N. T., Nguyen, N. A. D., Huynh, K. T., Mai, A., Le, T. D., & Tuyen, N. T. V. (2024). Large language model in higher education: Leveraging Llama2 for effective academic advising. In Proceedings of the 2024 International Conference on Advanced Technologies for Communications (pp. 590–595). Institute of Electrical and Electronics Engineers.
Almassaad, A., Alotaibi, K., & Alhammad, M. (2024). Students’ use of generative artificial intelligence tools in higher education.
Andersen, J. P., Nielsen, M. W., Simone, N. L., Lewiss, R. E., & Jagsi, R. (2025). Generative artificial intelligence and scholarly work: Uses, risks and responsibilities.
Athaluri, S. A., Manthena, S. V., Kesapragada, V. K. M., Yarlagadda, V., Dave, T., & Duddumpudi, R. T. S. (2023). Exploring the boundaries of reality: Investigating the phenomenon of artificial intelligence hallucination in scientific writing through ChatGPT references. Cureus, 15(4), e37432.
Baek, C., Tate, T., & Warschauer, M. (2024). “ChatGPT seems too good to be true”: College students’ use and perceptions of generative artificial intelligence. Computers and Education: Artificial Intelligence, 7, 100294.
Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW ngày 22/8/2025 về đột phá phát triển giáo dục và đào tạo.
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative artificial intelligence: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20, 43.
Chan, C. K. Y., & Lee, K. K. (2023). The artificial intelligence generation gap: Are generation Z students more interested in adopting generative artificial intelligence such as ChatGPT in teaching and learning than their generation X and millennial generation teachers? Smart Learning Environments, 10, 60.
Chan, C. K. Y., & Tsi, L. H. (2024). Will generative artificial intelligence replace teachers in higher education? A study of teacher and student perceptions. Studies in Educational Evaluation, 83, 101395.
Chang, C. N., et al. (2024). Integrating generative artificial intelligence into individual development planning for science, technology, engineering and mathematics students.
Chaudhry, I. S., Sarwary, S. A. M., El Refae, G. A., & Chabchoub, H. (2023). Time to revisit existing students’ performance evaluation approach in higher education sector in a new era of ChatGPT: A case study. Cogent Education, 10(1), 2210461.
Dai, W., Lin, J., Jin, H., Li, T., Tsai, Y. S., Gašević, D., & Chen, G. (2023). Can large language models provide feedback to students? A case study on ChatGPT.
Driessens, O., & Pischetola, M. (2024). Institutional policies for generative artificial intelligence in higher education.
Escalante, J., Pack, A., & Barrett, A. (2023). Artificial intelligence-generated feedback on writing: Insights into efficacy and learning experience. International Journal of Educational Technology in Higher Education, 20, 57.
Freeman, J. (2025). Student uses of generative artificial intelligence in higher education.
Gasaymeh, A. M., et al. (2025). University students’ use of generative artificial intelligence for language and academic support.
Gilson, A., Safranek, C. W., Huang, T., Socrates, V., Chi, L., Taylor, R. A., & Chartash, D. (2023). How does ChatGPT perform on the United States Medical Licensing Examination? The implications of large language models for medical education and knowledge assessment. JMIR Medical Education, 9, e45312.
Guo, K., & Wang, D. (2024). Teachers’ perceptions of generative artificial intelligence feedback in higher education.
Johnston, H., Wells, R. F., Shanks, E. M., Boey, T., & Parsons, B. N. (2024). Student perspectives on the use of generative artificial intelligence technologies in higher education. International Journal for Educational Integrity, 20, 2.
Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., Elepaño, C., Madriaga, M., Aggabao, R., Diaz-Candido, G., Maningo, J., & Tseng, V. (2023). Performance of ChatGPT on United States Medical Licensing Examination: Potential for artificial intelligence-assisted medical education using large language models. PLOS Digital Health, 2(2), e0000198.
Lee, D., Arnold, M., Srivastava, A., Plastow, K., Strelan, P., Ploeckl, F., & Palmer, E. (2024). The impact of generative artificial intelligence on higher education learning and teaching: A study of educators’ perspectives.
Lockwood, E. (2024). Generative artificial intelligence and qualitative coding: A comparative analysis.
Luo, J. (2024a). Redefining originality in the age of generative artificial intelligence.
Luo, J. (2024b). Student perceptions of generative artificial intelligence, academic integrity and assessment.
Marshall, D. T., & Naff, D. B. (2024). Qualitative researchers’ perceptions of generative artificial intelligence.
Nicholas, D., et al. (2024). Early career researchers and generative artificial intelligence in scholarly work.
Popovici, A. (2024). ChatGPT as a preliminary code reviewer in programming education.
Qian, Y., & Bowman, N. A. (2026). Toward responsible integration: A review of applications, capabilities, and perceptions of generative artificial intelligence in higher education. Education Sciences, 16(3), 323.
Saini, R., et al. (2024). Comparing peer and artificial intelligence-generated feedback in education coursework.
Salman, R., et al. (2024). Researchers’ use and perceptions of generative artificial intelligence in academic writing and research.
Sousa, S., & Cardoso, P. (2025). University students’ use of generative artificial intelligence for academic writing and learning.
Thủ tướng Chính phủ (2021). Quyết định số 127/QĐ-TTg ngày 26/01/2021 ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo đến năm 2030.
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.
