Từ áp lực của GenAI đến yêu cầu tái thiết kiểm tra - đánh giá
Sự xuất hiện của các công cụ GenAI như ChatGPT, Gemini hay Copilot đã làm thay đổi đáng kể cách sinh viên tiếp cận việc học. Những công việc vốn đòi hỏi nhiều thời gian như tìm ý, tổng hợp tài liệu, viết báo cáo hay giải quyết vấn đề giờ đây có thể được hỗ trợ chỉ trong vài phút. Điều này tạo ra cơ hội thúc đẩy học tập cá thể hóa, song đồng thời cũng khiến nhiều phương thức kiểm tra - đánh giá truyền thống đứng trước nguy cơ mất hiệu lực. Một bài luận hoàn chỉnh liệu còn phản ánh chính xác năng lực của người học? Một bài tập về nhà có còn đủ tin cậy để đánh giá mức độ hiểu bài?
Chính trong bối cảnh ấy, nhóm nghiên cứu của Zuheir N. Khlaif và cộng sự thực hiện nghiên cứu Redesigning Assessments for AI-Enhanced Learning: A Framework for Educators in the Generative AI Era nhằm tìm hiểu động lực, thách thức và cách thức mà giảng viên đại học tái thiết hoạt động đánh giá trong thời đại GenAI. Nghiên cứu được tiến hành với 61 giảng viên đại học Palestine thuộc nhiều lĩnh vực khác nhau, thông qua phỏng vấn bán cấu trúc, thảo luận nhóm và phân tích các mẫu đánh giá đã được thiết kế lại sau các khóa tập huấn về AI.
Điều đáng chú ý là nghiên cứu không xem AI đơn thuần như một “mối đe dọa” đối với tính trung thực học thuật. Thay vào đó, các tác giả đặt câu hỏi sâu hơn: nếu AI đã trở thành một phần của đời sống học tập và nghề nghiệp tương lai, giáo dục cần đánh giá điều gì ở người học, đánh giá bằng cách nào và vì mục tiêu gì? Ở góc độ này, vấn đề kiểm tra - đánh giá không còn chỉ là chuyện “ngăn sinh viên dùng AI”, mà trở thành câu chuyện về việc xác định đâu là những năng lực mang tính con người mà giáo dục cần tiếp tục nuôi dưỡng.
Không chỉ chống gian lận, mà là đánh giá những gì AI chưa thể thay thế
Một phát hiện đáng chú ý từ nghiên cứu là động lực lớn nhất khiến giảng viên thay đổi cách đánh giá không hoàn toàn xuất phát từ lo ngại đạo văn hay gian lận học thuật. Thay vào đó, phần lớn giảng viên cho rằng đánh giá cần được thiết kế lại để chuẩn bị cho người học bước vào một thế giới việc làm nơi AI hiện diện ngày càng sâu rộng.
Theo đó, các nhiệm vụ học tập mới được xây dựng nhằm nhấn mạnh những năng lực mà AI khó có thể thay thế hoàn toàn như tư duy phản biện, năng lực tổng hợp, sáng tạo, lập luận đạo đức hay giải quyết vấn đề trong bối cảnh thực tiễn. Thay vì yêu cầu sinh viên chỉ “tái hiện kiến thức”, nhiều giảng viên bắt đầu thiết kế các hoạt động đòi hỏi người học phải giải thích, phản biện hoặc tạo ra sản phẩm gắn với trải nghiệm cá nhân. Đây là một chuyển dịch có ý nghĩa quan trọng. Trong nhiều năm, kiểm tra - đánh giá ở giáo dục đại học vốn chịu ảnh hưởng mạnh của tư duy kiểm tra kết quả cuối cùng: bài thi, bài luận, sản phẩm nộp cuối khóa. Tuy nhiên, khi AI có thể hỗ trợ tạo ra sản phẩm tương đối hoàn chỉnh, giá trị của đánh giá đang dịch chuyển từ “sản phẩm cuối” sang “quá trình hình thành sản phẩm”.
Điều được quan tâm không còn đơn thuần là sinh viên làm ra cái gì, mà là họ đã tư duy ra sao, đặt câu hỏi như thế nào, sử dụng AI với mức độ nào và có khả năng phản biện lại kết quả do AI tạo ra hay không. Sự thay đổi này gợi mở một triết lí đánh giá mới: trong thời đại GenAI, điều cần đánh giá không chỉ là tri thức, mà còn là khả năng vận dụng tri thức trong tương tác với công nghệ.
Một khung đánh giá mới: Không cực đoan “cấm” hay “thả nổi” AI
Từ thực tiễn thiết kế lại đánh giá của giảng viên, nhóm nghiên cứu đề xuất mô hình AAAE (Against - Avoid - Adopt - Explore) như một khung tham chiếu để giáo viên và cơ sở giáo dục lựa chọn mức độ tích hợp AI phù hợp.
Ở mức Against, AI không được sử dụng trong các hình thức như thi vấn đáp, trình bày trực tiếp hay kiểm tra viết nhằm đánh giá kiến thức nền tảng. Đây là cách tiếp cận giúp bảo đảm tính xác thực của năng lực cá nhân trong những nội dung cốt lõi.
Ở mức Avoid, giảng viên ưu tiên các nhiệm vụ mà AI còn gặp khó khăn, chẳng hạn đánh giá dựa trên trải nghiệm cá nhân, hồ sơ học tập (portfolio), phản tư hay nhiệm vụ thực hành gắn với bối cảnh cụ thể. Những nhiệm vụ này khuyến khích chiều sâu nhận thức và giảm phụ thuộc vào công cụ số.
Trong khi đó, Adopt và Explore không xem AI là đối tượng cần loại bỏ, mà là công cụ cần được khai thác có trách nhiệm. Sinh viên được phép dùng AI để khởi tạo ý tưởng, phản biện nội dung, đồng thiết kế sản phẩm hay giải quyết vấn đề thực tiễn; song đồng thời phải công khai cách sử dụng AI và chịu trách nhiệm với sản phẩm cuối cùng.
Điểm đáng chú ý của khung AAAE là tránh được hai thái cực thường thấy trong tranh luận giáo dục hiện nay: hoặc tuyệt đối hóa AI như một giải pháp toàn năng, hoặc tìm cách loại bỏ AI khỏi lớp học. Thay vào đó, nghiên cứu cho thấy điều quan trọng không phải là “có dùng AI hay không”, mà là “dùng AI như thế nào để vẫn phát triển được năng lực người học”. Ở góc độ giáo dục, đây có thể xem là một tiếp cận cân bằng, phù hợp với xu thế đổi mới đánh giá năng lực trên thế giới.
Việt Nam cần chuẩn bị gì cho một hệ sinh thái đánh giá mới?
Nhìn từ bối cảnh Việt Nam, những kết quả trên mang lại nhiều gợi mở đáng chú ý. Trong giáo dục đại học, việc sinh viên sử dụng ChatGPT hoặc các công cụ AI để làm bài tập đã không còn là hiện tượng cá biệt. Tuy nhiên, ở nhiều nơi, phản ứng chủ yếu vẫn dừng ở cảnh báo hoặc siết chặt kiểm tra gian lận. Cách tiếp cận này có thể cần được xem xét lại nếu AI tiếp tục phát triển với tốc độ hiện nay.
Thực tế cho thấy, ngay cả khi áp dụng các công cụ phát hiện nội dung do AI tạo ra, độ chính xác vẫn còn gây tranh cãi. Việc đặt trọng tâm vào “phát hiện AI” thay vì “thiết kế đánh giá phù hợp với thời đại AI” có thể khiến giáo dục rơi vào vòng luẩn quẩn chạy đua công nghệ mà không giải quyết được cốt lõi của vấn đề.
Ở bậc phổ thông, tinh thần của Chương trình giáo dục phổ thông 2018 vốn đã nhấn mạnh chuyển từ đánh giá ghi nhớ sang đánh giá năng lực vận dụng, giải quyết vấn đề và sáng tạo. Theo nghĩa đó, sự phát triển của GenAI có thể được xem như một cú hích thúc đẩy quá trình đổi mới kiểm tra - đánh giá diễn ra nhanh hơn và thực chất hơn. Những nhiệm vụ như dự án học tập, hồ sơ học tập, sản phẩm đa phương tiện, phản biện, thuyết trình hay giải quyết tình huống thực tiễn có thể ngày càng trở nên quan trọng. Khi đó, giáo viên không chỉ đánh giá “đáp án đúng”, mà còn quan sát cách học sinh tư duy, hợp tác, sử dụng công nghệ và đưa ra quyết định.
Tuy nhiên, để điều này trở thành hiện thực, giáo dục Việt Nam cũng phải đối diện với những thách thức mà nghiên cứu đã chỉ ra: khoảng cách tiếp cận công nghệ, năng lực số của giáo viên, áp lực thời gian thiết kế đánh giá mới và đặc biệt là sự thiếu hụt hướng dẫn chính thức ở cấp cơ sở giáo dục. Theo khuyến nghị của UNESCO, việc tích hợp AI vào giáo dục cần đi cùng các nguyên tắc công bằng, lấy con người làm trung tâm và sử dụng công nghệ một cách có trách nhiệm. Điều này cho thấy đổi mới đánh giá trong thời đại AI không đơn thuần là vấn đề kỹ thuật, mà còn là câu chuyện về triết lí giáo dục và công bằng học tập.
Khi kiểm tra - đánh giá trở thành động lực của học tập
Nghiên cứu của Khlaif và cộng sự không đưa ra một công thức chung cho mọi cơ sở giáo dục. Tuy nhiên, giá trị lớn nhất của nghiên cứu nằm ở việc gợi mở một tư duy mới: kiểm tra - đánh giá không nên chỉ là công cụ đo lường kết quả học tập, mà cần trở thành cơ chế thúc đẩy việc học trong bối cảnh AI ngày càng hiện diện sâu rộng.
Trong thời đại mà máy móc có thể hỗ trợ tạo ra câu trả lời, điều giáo dục cần bảo vệ không phải là những dạng bài tập mà AI chưa làm được hôm nay, mà là khả năng để con người tiếp tục suy nghĩ độc lập, sáng tạo, phản biện và hành động có trách nhiệm với tri thức mình tạo ra. Có lẽ, đây cũng chính là thách thức lớn nhất nhưng đồng thời là cơ hội quan trọng nhất - của đổi mới kiểm tra, đánh giá trong giáo dục hiện nay.
Tài liệu tham khảo
Bearman, M., Ajjawi, R., Boud, D., Tai, J., & Dawson, P. (2024). Developing evaluative judgement for a time of generative artificial intelligence. Assessment & Evaluation in Higher Education, 49(6), 893-905. https://doi.org/10.1080/02602938.2024.2335321
Khlaif, Z. N., Alkouk, W. A., Salama, N., & Abu Eideh, B. (2025). Redesigning assessments for AI-enhanced learning: A framework for educators in the generative AI era. Education Sciences, 15(2), Article 174. https://doi.org/10.3390/educsci15020174
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI in education. Learning, Media and Technology, 45(3), 223-235. https://doi.org/10.1080/17439884.2020.1798995
