Trí tuệ nhân tạo tạo sinh và yêu cầu tái định hình chính sách học thuật đại học
Trong vài năm gần đây, trí tuệ nhân tạo tạo sinh đã trở thành một phần ngày càng quen thuộc trong hoạt động học tập, giảng dạy và nghiên cứu ở bậc đại học. Với khả năng hỗ trợ tìm kiếm tài liệu, xử lí dữ liệu, viết mã, xây dựng bảng biểu, gợi ý cấu trúc văn bản, hiệu chỉnh diễn đạt và phát triển ý tưởng, các công cụ tạo sinh đang làm thay đổi cách người học tiếp cận tri thức và tổ chức công việc học thuật. Đối với học viên sau đại học, nhóm đang được đào tạo để trở thành lực lượng nghiên cứu chuyên nghiệp, sự thay đổi này có ý nghĩa đặc biệt quan trọng.
Tuy nhiên, chính sách giáo dục đại học không thể chỉ tiếp cận trí tuệ nhân tạo tạo sinh như một công cụ tiện ích. Nếu người học sử dụng công nghệ để rút ngắn thao tác kĩ thuật, hiệu quả có thể dừng lại ở mức tăng năng suất. Nếu tiếp nhận kết quả do công cụ tạo ra mà thiếu kiểm chứng, thiếu đánh giá và thiếu khả năng điều chỉnh, quá trình hình thành năng lực nghiên cứu có thể bị ảnh hưởng. Ngược lại, khi trí tuệ nhân tạo tạo sinh được sử dụng như một phương tiện hỗ trợ đối thoại học thuật, giúp người học đặt câu hỏi, rà soát lập luận, nhận diện giới hạn và mở rộng cách tiếp cận, công cụ có thể góp phần nâng cao chất lượng tư duy khoa học.
Các thảo luận học thuật gần đây cho thấy mối quan hệ giữa trí tuệ nhân tạo tạo sinh và năng lực nghiên cứu không đơn tuyến. Theo Zhu và Yang (2026), công cụ tạo sinh có thể hỗ trợ hiệu quả trong phân tích dữ liệu, trình bày biểu đồ, tìm kiếm tài liệu và viết học thuật; song việc tìm kiếm thông tin nhanh bằng câu lệnh nếu thiếu xử lí nhận thức sâu có thể làm gia tăng sự phụ thuộc vào công nghệ và làm giảm chất lượng tư duy khoa học. Cách tiếp cận thận trọng này giúp tránh cả hai khuynh hướng cực đoan: tuyệt đối hóa năng lực của công cụ hoặc phủ nhận hoàn toàn giá trị hỗ trợ của công nghệ trong môi trường học thuật.
Từ góc nhìn chính sách, điều quan trọng không phải là đặt trí tuệ nhân tạo tạo sinh đối lập với năng lực con người, mà là xác lập các nguyên tắc để công nghệ được sử dụng trong khuôn khổ học thuật có trách nhiệm. Chính sách đại học vì thế cần chuyển từ câu hỏi “người học có dùng công cụ hay không” sang câu hỏi “người học sử dụng công cụ như thế nào, với mức độ minh bạch ra sao và dưới sự dẫn dắt học thuật nào”.
Ba dạng sử dụng trí tuệ nhân tạo tạo sinh trong hoạt động nghiên cứu
Một đóng góp đáng chú ý trong các tài liệu gần đây là việc phân biệt các dạng sử dụng trí tuệ nhân tạo tạo sinh theo mức độ tham gia nhận thức của người học. Theo Zhu và Yang (2026), có thể nhận diện ba dạng sử dụng chính trong hoạt động nghiên cứu của học viên sau đại học: hỗ trợ kĩ thuật, phát triển văn bản và chuyển hóa tư duy. Sự phân loại này có ý nghĩa quan trọng bởi không phải mọi hành vi sử dụng công cụ đều có cùng giá trị học thuật.
Thứ nhất là sử dụng trí tuệ nhân tạo tạo sinh để hỗ trợ kĩ thuật. Ở dạng này, người học dùng công cụ để xử lí dữ liệu, tạo bảng biểu, hỗ trợ viết hoặc kiểm tra mã, định dạng văn bản và thực hiện một số thao tác có tính lặp lại. Đây là hình thức sử dụng có giá trị nhất định vì giúp tiết kiệm thời gian, giảm tải những công việc mang tính cơ học và tạo điều kiện để người học tập trung vào các nhiệm vụ khoa học quan trọng hơn. Tuy nhiên, nếu chỉ dừng lại ở hỗ trợ kĩ thuật, công cụ khó tạo ra sự thay đổi đáng kể trong cách người học hình thành câu hỏi nghiên cứu, thiết kế phương pháp hay xây dựng lập luận học thuật.
Thứ hai là sử dụng công cụ để phát triển văn bản. Người học có thể dùng trí tuệ nhân tạo tạo sinh để xây dựng dàn ý, hình thành khung bài viết, tối ưu diễn đạt, điều chỉnh cấu trúc đoạn, hoàn thiện liên kết ý và rà soát logic trình bày. Đây là dạng sử dụng gần hơn với năng lực nghiên cứu, bởi viết học thuật không chỉ là công việc ngôn ngữ mà còn là quá trình tổ chức tri thức. Khi người học có khả năng đánh giá, lựa chọn và chỉnh sửa gợi ý của công cụ dựa trên hiểu biết khoa học của mình, trí tuệ nhân tạo tạo sinh có thể hỗ trợ làm rõ lập luận và nâng cao chất lượng trình bày.
Thứ ba là sử dụng công cụ theo hướng chuyển hóa tư duy. Ở mức này, trí tuệ nhân tạo tạo sinh được dùng để mở rộng cách nhìn liên ngành, hỗ trợ xem xét vấn đề từ nhiều phương diện, rà soát giả thuyết, phát hiện giới hạn của đề tài, gợi ý hướng phân tích và thúc đẩy quá trình tự đánh giá học thuật. Đây là hình thức sử dụng có hàm lượng nhận thức cao hơn, bởi công cụ không chỉ giúp hoàn thành một thao tác mà còn tham gia vào quá trình mở rộng và tổ chức lại suy nghĩ của người học. Theo cách diễn giải từ lí thuyết nhận thức phân tán, trí tuệ nhân tạo tạo sinh có thể được xem như một nguồn lực nhận thức bên ngoài, góp phần mở rộng phạm vi xử lí thông tin và hỗ trợ người học trong quá trình kiến tạo tri thức (Zhou & Fu, 2002; Zhu & Yang, 2026).
Việc phân biệt ba dạng sử dụng này có giá trị trực tiếp đối với hoạch định chính sách trong nhà trường. Nếu chính sách chỉ quy định chung chung về việc “được” hoặc “không được” sử dụng trí tuệ nhân tạo tạo sinh, nhà trường sẽ khó đánh giá đúng mức độ trách nhiệm học thuật của người học. Một chính sách có tính giáo dục cần làm rõ ranh giới giữa hỗ trợ kĩ thuật, hỗ trợ diễn đạt, hỗ trợ phát triển lập luận và phần đóng góp học thuật thực chất của người học.
Năng lực nghiên cứu không thể tách rời chất lượng tư duy
Trong giáo dục sau đại học, năng lực nghiên cứu không nên được hiểu đơn giản là khả năng hoàn thành một bài viết, một báo cáo hay một sản phẩm học thuật. Năng lực ấy bao gồm khả năng nhận diện vấn đề, tổng quan tài liệu, xác lập câu hỏi nghiên cứu, lựa chọn phương pháp, phân tích dữ liệu, diễn giải kết quả, trao đổi học thuật và nhận diện giới hạn của tri thức. Böttcher và Thiel (2017) xem năng lực nghiên cứu là một quá trình tìm tòi có hệ thống, nghiêm ngặt, được kiểm soát bằng phương pháp, có tính minh bạch và hướng tới tạo lập tri thức mới.
Trong khảo sát của Zhu và Yang (2026) với 522 học viên sau đại học tại Trung Quốc, tất cả người tham gia đều có kinh nghiệm sử dụng trí tuệ nhân tạo tạo sinh trong quá trình nghiên cứu. Dữ liệu mô tả cho thấy 77% học viên đã sử dụng công cụ hỗ trợ nghiên cứu trên ba tháng; 51% sử dụng thường xuyên, từ ba lần mỗi tuần trở lên; 19,7% sử dụng hằng ngày. Những con số này cho thấy trí tuệ nhân tạo tạo sinh đã trở thành một hiện diện đáng kể trong thực hành học thuật của học viên sau đại học, chứ không còn là một công cụ thử nghiệm bên lề. Kết quả phân tích cho thấy cả ba dạng sử dụng trí tuệ nhân tạo tạo sinh đều có liên hệ tích cực với năng lực nghiên cứu. Trong đó, dạng phát triển văn bản có mối liên hệ mạnh nhất, tiếp theo là dạng chuyển hóa tư duy, còn dạng hỗ trợ kĩ thuật có mối liên hệ thấp hơn. Phân tích hồi quy cũng cho thấy cả ba dạng sử dụng đều dự báo tích cực năng lực nghiên cứu, với hệ số lần lượt là 0,183 đối với hỗ trợ kĩ thuật, 0,265 đối với phát triển văn bản và 0,251 đối với chuyển hóa tư duy (Zhu & Yang, 2026).
Các kết quả này cần được hiểu một cách thận trọng. Chúng không có nghĩa rằng sử dụng công cụ nhiều hơn đương nhiên làm tăng năng lực nghiên cứu. Ý nghĩa đáng chú ý nằm ở chất lượng của hành vi sử dụng. Khi công cụ được dùng để tổ chức lập luận, làm rõ cấu trúc văn bản, kiểm tra mạch trình bày và mở rộng hướng suy nghĩ, mối liên hệ với năng lực nghiên cứu trở nên rõ hơn so với khi công cụ chỉ đảm nhiệm các thao tác kĩ thuật. Điều đó cho thấy giá trị giáo dục của trí tuệ nhân tạo tạo sinh phụ thuộc vào cách nhà trường thiết kế môi trường học thuật, cách giảng viên hướng dẫn và cách người học tự chịu trách nhiệm đối với sản phẩm khoa học của mình.
Tư duy phản biện như điều kiện bảo đảm giá trị học thuật của công cụ
Một phát hiện có ý nghĩa sâu sắc đối với giáo dục đại học là vai trò trung gian của tư duy phản biện. Facione (1990) định nghĩa tư duy phản biện là quá trình đánh giá có mục đích và có tự điều chỉnh, bao gồm năng lực phân tích, thái độ cởi mở và khuynh hướng sử dụng tư duy phản biện trong xem xét vấn đề. Trong bối cảnh trí tuệ nhân tạo tạo sinh tham gia vào hoạt động học thuật, tư duy phản biện là điều kiện giúp người học không tiếp nhận đầu ra của công cụ như một kết luận hoàn chỉnh, mà biết xem xét độ tin cậy, tính phù hợp, logic lập luận, nguồn dữ liệu và giới hạn của thông tin.
Theo Zhu và Yang (2026), tư duy phản biện giữ vai trò trung gian tích cực trong mối quan hệ giữa cả ba dạng sử dụng trí tuệ nhân tạo tạo sinh và năng lực nghiên cứu. Nói cách khác, công cụ hỗ trợ năng lực nghiên cứu tốt hơn khi người học có khả năng kiểm tra, lựa chọn, điều chỉnh và tích hợp thông tin bằng tư duy phản biện. Ngược lại, nếu thiếu năng lực này, việc sử dụng công cụ dễ trở thành quá trình tiếp nhận thụ động, làm cho sản phẩm học thuật có vẻ hoàn chỉnh về hình thức nhưng chưa chắc vững chắc về lập luận. Các tài liệu được Zhu và Yang (2026) tổng hợp cũng cho thấy mối quan hệ giữa trí tuệ nhân tạo tạo sinh và tư duy phản biện có tính hai mặt. Zhang và Liu (2025) cho rằng nội dung do trí tuệ nhân tạo tạo ra có liên hệ với kĩ năng tư duy phản biện của sinh viên trong môi trường học tập mở. Wang và cộng sự (2025) nhấn mạnh quá trình chỉnh sửa văn bản do công cụ tạo ra có thể kích hoạt năng lực siêu nhận thức, giúp người học theo dõi và điều chỉnh quá trình suy nghĩ của chính mình. Tuy nhiên, Octaberlina và cộng sự (2024), cũng như Goh và cộng sự (2025), cảnh báo rằng việc sử dụng quá mức hoặc thiếu đánh giá có thể làm suy giảm tư duy sâu; một số kết quả còn gợi ý quan hệ dạng chữ U ngược giữa tần suất sử dụng công cụ và tư duy phản biện, trong đó mức sử dụng phù hợp có thể hỗ trợ hiệu quả học thuật, còn sự phụ thuộc kéo dài có thể gây bất lợi cho chất lượng tư duy. Từ góc nhìn chính sách, phát hiện này cho thấy nhà trường không thể chỉ dựa vào công cụ phát hiện đạo văn, phần mềm kiểm tra văn bản hay quy định xử lí vi phạm sau khi sản phẩm đã hoàn thành. Điều cần thiết hơn là đưa tư duy phản biện vào từng khâu của quá trình đào tạo: từ đọc tài liệu, xây dựng câu hỏi, thiết kế phương pháp, phân tích dữ liệu đến viết và bảo vệ kết quả. Khi người học phải giải thích vì sao sử dụng công cụ, sử dụng ở phần nào, kiểm chứng ra sao và điều chỉnh như thế nào, trí tuệ nhân tạo tạo sinh sẽ được đặt trong một quy trình học thuật có trách nhiệm.
Tự hiệu quả nghiên cứu và khả năng làm chủ công nghệ của người học
Bên cạnh tư duy phản biện, tự hiệu quả nghiên cứu cũng là một biến số quan trọng. Theo Forester, Kahn và Hesson-McInnis (2004), tự hiệu quả nghiên cứu là niềm tin của cá nhân vào khả năng thực hiện thành công các nhiệm vụ liên quan đến nghiên cứu. Đây không phải là sự tự tin cảm tính, mà là niềm tin được hình thành từ trải nghiệm học thuật, năng lực phương pháp, sự hướng dẫn của giảng viên và khả năng vượt qua khó khăn trong quá trình làm khoa học. Zhu và Yang (2026) cho thấy tự hiệu quả nghiên cứu điều tiết cả đường tác động trực tiếp từ sử dụng trí tuệ nhân tạo tạo sinh đến năng lực nghiên cứu và đường tác động thông qua tư duy phản biện. Khi người học có tự hiệu quả nghiên cứu cao hơn, tác động tích cực của việc sử dụng công cụ đến tư duy phản biện và năng lực nghiên cứu cũng mạnh hơn. Đặc biệt, vai trò điều tiết này thể hiện rõ trong dạng sử dụng công cụ theo hướng chuyển hóa tư duy. Khi nhiệm vụ học thuật đòi hỏi năng lực suy nghĩ bậc cao, người học có niềm tin vững hơn vào năng lực nghiên cứu của mình thường chủ động hơn trong đánh giá, điều chỉnh và phát triển gợi ý của công cụ. Phát hiện này giúp lí giải vì sao cùng một công cụ và cùng một nhiệm vụ học thuật, kết quả giữa các người học có thể khác nhau. Người thiếu nền tảng phương pháp, thiếu kinh nghiệm học thuật hoặc thiếu niềm tin vào khả năng nghiên cứu có thể dễ dựa vào công cụ để giảm áp lực. Trong khi đó, người có tự hiệu quả nghiên cứu cao hơn thường xem công cụ như một nguồn hỗ trợ cần được thẩm định, chứ không phải nơi cung cấp câu trả lời cuối cùng. Vì vậy, chính sách về trí tuệ nhân tạo tạo sinh cần đi cùng chính sách phát triển năng lực nghiên cứu, nhất là ở bậc sau đại học.
Khuyến nghị chính sách cho giáo dục đại học Việt Nam
Đối với Việt Nam, việc xây dựng chính sách sử dụng trí tuệ nhân tạo tạo sinh trong giáo dục đại học cần đặt trong bối cảnh chuyển đổi số, đổi mới sáng tạo và phát triển nguồn nhân lực chất lượng cao. Nghị quyết số 57-NQ/TW ngày 22 tháng 12 năm 2024 của Bộ Chính trị xác định phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia là đột phá quan trọng, đồng thời nhấn mạnh yêu cầu hoàn thiện thể chế, phát triển nhân lực chất lượng cao và làm chủ công nghệ chiến lược. 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, tạo cơ sở chính sách trực tiếp cho việc thúc đẩy nghiên cứu, phát triển và ứng dụng trí tuệ nhân tạo tại Việt Nam. 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”, đặt ra yêu cầu tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong quản lí, dạy học, kiểm tra, đánh giá và phát triển môi trường giáo dục số. Bên cạnh đó, Quyết định số 749/QĐ-TTg ngày 03 tháng 6 năm 2020 phê duyệt Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030, xác lập định hướng xây dựng quốc gia số, phát triển môi trường số an toàn, nhân văn và rộng khắp.
Trên nền tảng chính sách đó, các cơ sở giáo dục đại học Việt Nam cần sớm xây dựng hướng dẫn sử dụng trí tuệ nhân tạo tạo sinh trong đào tạo, nghiên cứu và công bố khoa học. Trước hết, nhà trường nên phân loại rõ các mức độ sử dụng công cụ trong hoạt động học thuật. Hỗ trợ kĩ thuật như định dạng tài liệu, tạo bảng biểu, kiểm tra mã hoặc xử lí dữ liệu cần được phân biệt với hỗ trợ phát triển văn bản, và càng phải phân biệt với việc công cụ tham gia gợi ý lập luận, diễn giải kết quả hoặc đề xuất hướng tiếp cận. Cách phân loại này giúp giảng viên, học viên và hội đồng đánh giá có cơ sở xác định trách nhiệm học thuật của người học.
Thứ hai, cần thiết lập cơ chế minh bạch hóa việc sử dụng trí tuệ nhân tạo tạo sinh trong sản phẩm học thuật. Với bài tập lớn, tiểu luận, khóa luận, luận văn, luận án và bản thảo khoa học, người học nên được yêu cầu ghi rõ công cụ đã sử dụng, mục đích sử dụng, phạm vi hỗ trợ và phần nội dung do bản thân chịu trách nhiệm. Việc công bố này không nên được hiểu như thủ tục hành chính, mà là một thực hành liêm chính học thuật, giúp người học ý thức rõ hơn về ranh giới giữa hỗ trợ công nghệ và đóng góp khoa học của chính mình.
Thứ ba, các chương trình đào tạo sau đại học cần tích hợp năng lực sử dụng trí tuệ nhân tạo tạo sinh vào học phần phương pháp nghiên cứu, viết học thuật và đạo đức khoa học. Nội dung đào tạo không nên chỉ hướng dẫn cách đặt yêu cầu cho công cụ, mà phải chú trọng cách kiểm tra nguồn, đối chiếu tài liệu, phát hiện lập luận yếu, đánh giá độ phù hợp của khung lí thuyết, nhận diện giới hạn dữ liệu và bảo vệ kết luận bằng bằng chứng. Cách tiếp cận này phù hợp với khuyến nghị của Rahimi (2025) về việc sử dụng đối thoại có cấu trúc với trí tuệ nhân tạo tạo sinh để phát triển tư duy phản biện và năng lực giao tiếp học thuật.
Thứ tư, giảng viên hướng dẫn cần được bồi dưỡng về thiết kế nhiệm vụ học thuật trong môi trường có trí tuệ nhân tạo tạo sinh. Nếu nhiệm vụ chỉ yêu cầu tái hiện thông tin, công cụ rất dễ thay người học tạo ra một sản phẩm có hình thức hoàn chỉnh. Vì vậy, đề bài và tiêu chí đánh giá nên yêu cầu người học trình bày quá trình hình thành lập luận, giải thích lựa chọn phương pháp, so sánh nguồn tài liệu, tự đánh giá giới hạn của kết quả và bảo vệ quan điểm trước phản hồi học thuật. Đánh giá quá trình, nhật kí nghiên cứu, bản nháp có phản hồi và phần giải trình học thuật cần được coi trọng hơn trong đào tạo sau đại học.
Thứ năm, các trường đại học cần xem phát triển tự hiệu quả nghiên cứu là một mục tiêu của chính sách đào tạo trong bối cảnh trí tuệ nhân tạo tạo sinh. Điều này có thể thực hiện thông qua nhóm nghiên cứu có hướng dẫn, hội thảo phương pháp, không gian viết học thuật, cơ chế cố vấn khoa học thường xuyên và môi trường phản hồi có chất lượng. Khi người học có nền tảng phương pháp vững hơn và được hỗ trợ đúng lúc, họ có nhiều khả năng sử dụng công cụ như một nguồn tham khảo có kiểm chứng, thay vì dựa vào công cụ để thay thế nỗ lực học thuật.
Thứ sáu, cần xây dựng bộ nguyên tắc về trí tuệ nhân tạo tạo sinh gắn với liêm chính học thuật, bảo mật dữ liệu và quyền tác giả. Bộ nguyên tắc này cần quy định rõ trách nhiệm kiểm chứng thông tin, yêu cầu trích dẫn, cách công bố việc sử dụng công cụ, bảo vệ dữ liệu cá nhân, bảo mật dữ liệu nghiên cứu và giới hạn sử dụng công cụ bên ngoài đối với dữ liệu chưa được phép chia sẻ. Đối với các luận văn, luận án và đề tài có dữ liệu nhạy cảm, cơ sở đào tạo cần có hướng dẫn riêng để bảo đảm an toàn dữ liệu và trách nhiệm khoa học.
Thứ bảy, các trường nên phát triển diễn đàn học thuật liên ngành về trí tuệ nhân tạo trong giáo dục đại học, có sự tham gia của nhà quản lí, giảng viên, học viên sau đại học, chuyên gia công nghệ, chuyên gia pháp lí và người làm công tác bảo đảm chất lượng. Chính sách về trí tuệ nhân tạo tạo sinh không nên được xây dựng như một văn bản tĩnh, mà cần được cập nhật thường xuyên theo sự thay đổi của công nghệ, yêu cầu của hoạt động đào tạo và chuẩn mực công bố khoa học quốc tế.
Chính sách công nghệ phải hướng tới phẩm chất học thuật của con người
Trí tuệ nhân tạo tạo sinh đang làm thay đổi cách tri thức được tìm kiếm, tổ chức và trình bày trong giáo dục đại học. Nhưng sự thay đổi quan trọng nhất không nằm ở tốc độ tạo văn bản hay khả năng tự động hóa thao tác, mà ở câu hỏi sâu hơn: nhà trường sẽ đào tạo người học như thế nào để họ có thể làm chủ công nghệ bằng tư duy khoa học, trách nhiệm học thuật và năng lực nghiên cứu độc lập. Một chính sách đại học có tầm nhìn không nên chỉ dừng ở việc cho phép, hạn chế hay xử lí hành vi sử dụng công cụ. Chính sách ấy cần kiến tạo môi trường để người học biết sử dụng trí tuệ nhân tạo tạo sinh một cách minh bạch, có kiểm chứng và có trách nhiệm; biết phân biệt giữa hỗ trợ kĩ thuật và đóng góp học thuật; biết biến công cụ thành phương tiện rèn luyện tư duy phản biện, chứ không biến công cụ thành nơi thay thế nỗ lực nghiên cứu.
Trong kỷ nguyên trí tuệ nhân tạo tạo sinh, năng lực nghiên cứu vẫn phải được xây dựng trên nền tảng của câu hỏi khoa học, phương pháp nghiêm túc, bằng chứng đáng tin cậy và lập luận có trách nhiệm. Công nghệ có thể mở rộng khả năng tiếp cận tri thức, nhưng chính phẩm chất học thuật của con người mới quyết định giá trị của tri thức được tạo ra. Đây cũng là điểm tựa để giáo dục đại học Việt Nam xây dựng chính sách công nghệ theo hướng hiện đại, nhân văn và phù hợp với yêu cầu phát triển nguồn nhân lực chất lượng cao trong giai đoạn mới.
Tài liệu tham khảo
Bandura, A. (1997). Self-efficacy: The exercise of control. W. H. Freeman.
Böttcher, F., & Thiel, F. (2017). Evaluating research-oriented teaching: A new instrument to assess university students’ research competences. Higher Education, 75, 91–110.
Facione, P. A. (1990). Critical thinking: A statement of expert consensus for purposes of educational assessment and instruction. American Philosophical Association.
Forester, M., Kahn, J. H., & Hesson-McInnis, M. S. (2004). Factor structures of three measures of research self-efficacy. Journal of Career Assessment, 12(1), 3–16.
Goh, E., Goh, C., & Hernández, M. M. (2025). Overreliance on generative artificial intelligence and implications for critical thinking in higher education. Computers and Education: Artificial Intelligence.
Octaberlina, L. R., Muslimin, A. I., & Rofiki, I. (2024). Artificial intelligence and critical thinking in higher education.
Rahimi, M. (2025). Generative artificial intelligence dialogue collaboration model for critical dialogue and competency training.
Wang, S., Sun, Z., Wang, H., Yang, D., & Zhang, H. (2025). Enhancing student acceptance of artificial intelligence-driven hybrid learning in business education: Interaction between self-efficacy, playfulness, emotional engagement, and university support. The International Journal of Management Education, 23(2), 101184.
Zhang, W., & Liu, X. (2025). Artificial intelligence-generated content empowers college students’ critical thinking skills: What, how, and why. Education Sciences, 15(8), 977.
Zhou, G., & Fu, X. (2002). Distributed cognition: A new perspective on cognition. Advances in Psychological Science, 10(2), 147–153.
Zhu, H., & Yang, S. (2026). The impact of generative AI use on graduate students’ research competence: The mediating role of critical thinking and the moderating role of research self-efficacy. Behavioral Sciences, 16, 304. https://doi.org/10.3390/bs16020304.
