Dạy học ngoại ngữ ở bậc đại học trong bối cảnh chuyển đổi số và trí tuệ nhân tạo
Trong nhiều thập niên, dạy học tiếng Anh ở bậc đại học tại Việt Nam cũng như nhiều quốc gia châu Á chịu ảnh hưởng mạnh của mô hình truyền thụ kiến thức, nhấn mạnh từ vựng, ngữ pháp và đọc hiểu, với các hình thức đánh giá mang tính chuẩn hóa cao. Cách tiếp cận này giúp bảo đảm tính hệ thống nhưng bộc lộ rõ hạn chế trong việc phát triển năng lực diễn đạt, tư duy phản biện và khả năng sử dụng tiếng Anh trong bối cảnh học thuật và nghề nghiệp ngày càng phức tạp.
Sự xuất hiện của trí tuệ nhân tạo tạo sinh đã tạo ra một bước ngoặt đáng kể. Không chỉ hỗ trợ tra cứu hay kiểm tra lỗi ngôn ngữ, các hệ thống này có khả năng tham gia trực tiếp vào quá trình tạo lập văn bản, phản hồi cấu trúc lập luận và gợi ý chỉnh sửa theo ngữ cảnh. Điều này đặt dạy học tiếng Anh trước cơ hội chuyển dịch từ mô hình luyện tập đơn tuyến sang mô hình học tập dựa trên phản hồi, chỉnh sửa và tự điều chỉnh liên tục.
Tuy nhiên, cùng với kỳ vọng là những lo ngại ngày càng gia tăng về nguy cơ lệ thuộc công nghệ, suy giảm nỗ lực nhận thức và học tập bề mặt nếu trí tuệ nhân tạo bị sử dụng như một “người làm thay” (Kosmyna et al., 2025; Jose et al., 2025). Vì vậy, câu hỏi trung tâm không phải là có nên đưa trí tuệ nhân tạo vào lớp học hay không, mà là làm thế nào để tích hợp công nghệ này theo hướng thúc đẩy học tập sâu và phát triển năng lực bền vững.
Bằng chứng thực nghiệm về hiệu quả học tập khi tích hợp trí tuệ nhân tạo
Kết quả thực nghiệm của Li và Long (2025) trong môi trường giáo dục đại học cho thấy, việc tích hợp trí tuệ nhân tạo tạo sinh vào giảng dạy tiếng Anh có thể mang lại mức cải thiện đáng kể về năng lực ngôn ngữ tổng thể. Khi so sánh nhóm học theo mô hình truyền thống với nhóm được hỗ trợ bởi trí tuệ nhân tạo trong cùng điều kiện nội dung, thời lượng và hình thức đánh giá, nhóm sau thường đạt mức tiến bộ cao hơn rõ rệt sau giai đoạn can thiệp.
Sự cải thiện này thể hiện nổi bật nhất ở kỹ năng viết học thuật. Nhờ khả năng đưa ra gợi ý về cấu trúc, diễn đạt và lập luận, trí tuệ nhân tạo tạo sinh giúp người học tham gia vào quá trình viết mang tính lặp lại và phản tư, trong đó văn bản được chỉnh sửa nhiều lần dựa trên phản hồi. Đáng chú ý, tác động tích cực này không phân bố đồng đều mà thể hiện rõ hơn ở nhóm người học có trình độ ban đầu thấp và trung bình, qua đó cho thấy tiềm năng bù đắp khoảng cách học tập của công nghệ khi được sử dụng đúng cách.
Tuy vậy, các kết quả cũng chỉ ra rằng không phải mọi trường hợp sử dụng trí tuệ nhân tạo đều dẫn đến cải thiện tương xứng (Bates et al., 2020; Jose et al., 2025). Một số người học sử dụng công cụ với tần suất cao nhưng không đạt mức tiến bộ đáng kể, trong khi những người tương tác có chọn lọc và chủ động lại đạt kết quả tốt hơn. Điều này nhấn mạnh rằng cần nhìn nhận hiệu quả của trí tuệ nhân tạo không chỉ thông qua sản phẩm cuối cùng, mà thông qua quá trình học tập và hành vi tương tác của người học.
Chất lượng tương tác - một "biến số" sư phạm quan trọng
Một trong những phát hiện có ý nghĩa lý luận và thực tiễn quan trọng là tần suất sử dụng trí tuệ nhân tạo không phải là yếu tố dự báo mạnh mẽ nhất cho kết quả học tập (Li & Long, 2025). Thay vào đó, chất lượng tương tác giữa người học và hệ thống mới là biến số quyết định. Những người học chủ động tiếp nhận phản hồi, cân nhắc tính phù hợp của gợi ý và thực hiện chỉnh sửa có ý thức thường đạt mức tiến bộ cao hơn đáng kể so với những người chỉ sử dụng công cụ để tạo văn bản nhanh chóng.
Chu trình học tập hiệu quả thường diễn ra theo logic liên hoàn, trong đó việc đặt câu hỏi, tiếp nhận phản hồi, chỉnh sửa và hoàn thiện sản phẩm được xem như một quá trình nhận thức thống nhất. Khi chu trình này bị rút ngắn, đặc biệt là khi người học bỏ qua giai đoạn phản hồi hoặc chỉnh sửa, giá trị sư phạm của việc sử dụng trí tuệ nhân tạo suy giảm rõ rệt. Kết quả này phù hợp với các tiếp cận lý thuyết về học tập kiến tạo xã hội và nhận thức phân tán, vốn nhấn mạnh vai trò của tương tác và phản tư trong việc hình thành tri thức (Salomon, 1993; Thomas et al., 2014).
Những phát hiện trên cũng phản ánh nguy cơ của việc sử dụng trí tuệ nhân tạo theo hướng hình thức. Việc tương tác nhiều với công cụ không đồng nghĩa với học tập sâu nếu thiếu năng lực tự giám sát và tư duy phản biện. Do đó, trí tuệ nhân tạo chỉ phát huy giá trị khi được đặt trong thiết kế sư phạm yêu cầu người học phải suy nghĩ, lựa chọn và chịu trách nhiệm đối với quá trình học tập của mình.
Vai trò trung tâm của giảng viên trong môi trường học tập có trí tuệ nhân tạo
Sự tham gia sâu của trí tuệ nhân tạo vào lớp học không làm suy giảm vai trò của giảng viên, mà ngược lại, làm nổi bật hơn vai trò điều phối và thiết kế sư phạm. Trong môi trường học tập có hỗ trợ trí tuệ nhân tạo, giảng viên chuyển từ vị trí truyền đạt kiến thức sang người kiến tạo nhiệm vụ, định hướng cách tương tác với công nghệ và giám sát hành vi học tập của người học (Chernikova et al, 2025).
Giảng viên giữ vai trò then chốt trong việc xác lập ranh giới sử dụng trí tuệ nhân tạo, bảo đảm tính liêm chính học thuật và duy trì chiều sâu tư duy. Khi công nghệ đảm nhiệm các tác vụ lặp lại và phản hồi kỹ thuật, giảng viên có điều kiện tập trung vào phát triển tư duy phản biện, năng lực diễn ngôn học thuật và khả năng liên hệ văn hóa, xã hội của người học. Đây là những năng lực cốt lõi mà các hệ thống trí tuệ nhân tạo hiện nay chưa thể thay thế, như đã được nhấn mạnh trong các khuyến nghị chính sách quốc tế về trí tuệ nhân tạo trong giáo dục (UNESCO, 2023; OECD, 2025).
Những giới hạn, thách thức và yêu cầu quản trị sư phạm
Bên cạnh những lợi ích được ghi nhận, việc tích hợp trí tuệ nhân tạo tạo sinh cũng bộc lộ nhiều giới hạn cần được nhìn nhận một cách thận trọng. Một bộ phận người học có xu hướng lệ thuộc công cụ, giảm nỗ lực tư duy độc lập và bỏ qua quá trình chỉnh sửa có ý thức. Ngoài ra, những cải thiện được ghi nhận trong giai đoạn can thiệp ngắn chưa đủ cơ sở để khẳng định tác động dài hạn đối với năng lực tự học và tư duy phản biện.
Các vấn đề về đạo đức học thuật, quyền riêng tư dữ liệu và trách nhiệm giải trình cũng đặt ra yêu cầu cấp thiết đối với các cơ sở giáo dục. Trí tuệ nhân tạo hiện chưa có năng lực tự đánh giá hay hiểu biết đầy đủ về bối cảnh đạo đức, do đó việc sử dụng công nghệ này cần được đặt trong khung quản trị rõ ràng, minh bạch và có sự giám sát của con người.
Khuyến nghị chính sách cho giáo dục Việt Nam: Từ định hướng chiến lược đến bảo đảm tài chính và triển khai hiệu quả
Từ các bằng chứng sư phạm và phân tích thực tiễn, có thể khẳng định rằng việc tích hợp trí tuệ nhân tạo tạo sinh vào dạy học tiếng Anh đại học tại Việt Nam cần được tiếp cận như một chính sách phát triển giáo dục dài hạn, thay vì các sáng kiến công nghệ rời rạc ở cấp cơ sở đào tạo. Trước hết, trí tuệ nhân tạo trong giáo dục ngoại ngữ cần được định vị rõ trong tổng thể các chiến lược quốc gia về chuyển đổi số và phát triển nguồn nhân lực chất lượng cao. Quyết định số 749/QĐ-TTg phê duyệt Chương trình Chuyển đổi số quốc gia đã xác định giáo dục là một trong những lĩnh vực ưu tiên, tạo cơ sở để xem đầu tư cho trí tuệ nhân tạo trong dạy học không chỉ là chi phí công nghệ, mà là đầu tư cho năng lực cạnh tranh quốc gia trong dài hạn.
Trên nền tảng đó, chính sách tài chính giáo dục cần được thiết kế theo hướng chuyển từ đầu tư dàn trải sang đầu tư có trọng tâm, dựa trên bằng chứng về hiệu quả sư phạm. Việc thực hiện Quyết định số 131/QĐ-TTg về tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục và đào tạo cần được cụ thể hóa bằng các cơ chế phân bổ ngân sách ưu tiên cho những mô hình dạy học ứng dụng trí tuệ nhân tạo đã chứng minh được tác động tích cực đối với chất lượng học tập, đặc biệt trong phát triển kỹ năng viết và hỗ trợ người học có trình độ thấp và trung bình. Nguồn lực tài chính nên tập trung cho phát triển nền tảng học tập thông minh, học liệu số chất lượng cao, hệ thống phản hồi và phân tích dữ liệu học tập, thay vì chỉ dừng ở mua sắm phần mềm hay trang thiết bị.
Bên cạnh đầu tư hạ tầng và công nghệ, việc bảo đảm hiệu quả triển khai phụ thuộc mạnh mẽ vào năng lực của đội ngũ giảng viên. Do đó, chính sách tài chính giáo dục cần dành tỷ trọng thích đáng cho bồi dưỡng năng lực sư phạm số, năng lực thiết kế nhiệm vụ học tập và năng lực giám sát hành vi học tập trong môi trường có trí tuệ nhân tạo. Đây là điều kiện then chốt để giảng viên thực hiện tốt vai trò điều phối sư phạm, bảo đảm trí tuệ nhân tạo được sử dụng như công cụ hỗ trợ học tập sâu, thay vì làm suy giảm tư duy độc lập của người học.
Ở cấp độ quản trị hệ thống, việc triển khai trí tuệ nhân tạo trong dạy học tiếng Anh cần gắn chặt với các yêu cầu đổi mới căn bản và toàn diện giáo dục theo tinh thần Nghị quyết số 71-NQ/TW ngày 22/8/2025 của Bộ Chính trị. Trong bối cảnh này, trí tuệ nhân tạo không chỉ là công cụ nâng cao hiệu quả giảng dạy, mà còn là phương tiện góp phần thực hiện mục tiêu công bằng giáo dục, thông qua việc cung cấp phản hồi cá nhân hóa và mở rộng cơ hội tiếp cận môi trường sử dụng tiếng Anh cho các nhóm người học khác nhau.
Đặc biệt, Quyết định số 2371/QĐ-TTg phê duyệt Đề án “Đưa tiếng Anh thành ngôn ngữ thứ hai trong trường học giai đoạn 2025–2035, tầm nhìn đến năm 2045” đặt ra yêu cầu mang tính hệ thống đối với việc nâng cao chất lượng dạy học tiếng Anh ở tất cả các bậc học. Trong điều kiện nguồn lực giảng viên chất lượng cao còn phân bố chưa đồng đều, trí tuệ nhân tạo tạo sinh có thể đóng vai trò hỗ trợ chiến lược trong việc mở rộng môi trường thực hành ngôn ngữ và cung cấp phản hồi học thuật kịp thời. Tuy nhiên, để tránh nguy cơ lệ thuộc công nghệ, việc triển khai cần được đặt trong khuôn khổ chuẩn sư phạm rõ ràng, gắn với chuẩn đầu ra và cơ chế kiểm soát liêm chính học thuật.
Cuối cùng, chính sách tài chính và quản trị giáo dục cần đi kèm với cơ chế theo dõi và đánh giá hiệu quả triển khai. Việc đầu tư cho trí tuệ nhân tạo trong dạy học tiếng Anh không nên được đánh giá thông qua số lượng công cụ hay nền tảng được triển khai, mà cần dựa trên các chỉ số chất lượng học tập, mức độ tương tác có ý nghĩa của người học và sự phát triển năng lực tự học, tư duy phản biện. Đây là điều kiện để bảo đảm rằng các nguồn lực đầu tư cho chuyển đổi số giáo dục thực sự tạo ra giá trị gia tăng bền vững, phù hợp với các mục tiêu chiến lược phát triển giáo dục và đào tạo của Việt Nam trong giai đoạn tới.
Trí tuệ nhân tạo tạo sinh đang mở ra những khả năng mới cho dạy học tiếng Anh đại học, đặc biệt trong việc nâng cao kỹ năng viết và hỗ trợ người học ở trình độ thấp và trung bình. Tuy nhiên, các bằng chứng khoa học cho thấy công nghệ không tự tạo ra chất lượng giáo dục. Hiệu quả sư phạm chỉ hình thành khi trí tuệ nhân tạo được tích hợp vào thiết kế sư phạm phù hợp, khi người học tương tác có chất lượng và khi giảng viên giữ vai trò trung tâm trong điều phối và giám sát. Trong tiến trình thực hiện các chiến lược lớn về chuyển đổi số và đưa tiếng Anh trở thành ngôn ngữ thứ hai tại Việt Nam, trí tuệ nhân tạo cần được nhìn nhận như một bài toán chính sách và tài chính giáo dục dài hạn. Chỉ với đầu tư có trọng tâm, quản trị chặt chẽ và định hướng phát triển con người, công nghệ này mới thực sự trở thành động lực nâng cao chất lượng và công bằng trong giáo dục đại học.
Vân An tổng hợp
Tài liệu tham khảo
Bates, T., Cobo, C., Mariño, O., & Wheeler, S. (2020). Can artificial intelligence transform higher education? International Journal of Educational Technology in Higher Education, 17, 42. https://doi.org/10.1186/s41239-020-00218-x
Chernikova, O., Sommerhoff, D., Stadler, M., Holzberger, D., & Seidel, T. (2025). Personalization through adaptivity or adaptability? A meta-analysis on simulation-based learning in higher education. Educational Research Review, 46, 100662. https://doi.org/10.1016/j.edurev.2024.100662
Jose, B., Cherian, J., Verghis, A. M., Varghise, S. M., & Joseph, M. S. S. (2025). The cognitive paradox of artificial intelligence in education: Between enhancement and erosion. Frontiers in Psychology, 16, 1550621. https://doi.org/10.3389/fpsyg.2025.1550621
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X. H., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an artificial intelligence assistant for essay writing tasks. arXiv preprint, arXiv:2506.08872
Li, C., & Long, J. (2025). Comparing artificial intelligence-assisted and traditional teaching in college English: Pedagogical benefits and learning behaviors. Information, 16(10), 895. https://doi.org/10.3390/info16100895
Salomon, G. (1993). Distributed cognition: Psychological and educational considerations. Cognition and Instruction, 10(1), 1–31. https://doi.org/10.1207/s1532690xci1001_1
Thomas, A., Menon, A., Boruff, J., Rodriguez, A. M., & Ahmed, S. (2014). Applications of social constructivist learning theories in knowledge translation. Implementation Science, 9, 54. https://doi.org/10.1186/1748-5908-9-54
UNESCO. (2023). Guidance for generative artificial intelligence in education and research. Paris: UNESCO.
OECD. (2025). Artificial intelligence in education: Challenges and opportunities. Paris: OECD Publishing.
