Từ công cụ hỗ trợ học tập đến yêu cầu kiểm chứng thông tin
Sự phát triển của trí tuệ nhân tạo tạo sinh đang làm thay đổi nhanh chóng cách người học tìm kiếm, xử lí và trình bày tri thức. Trong giáo dục đại học, các công cụ dựa trên mô hình ngôn ngữ lớn có thể hỗ trợ viết học thuật, gợi ý ý tưởng, chỉnh sửa văn bản, tóm tắt tài liệu, dịch thuật, xây dựng câu hỏi, thiết kế hoạt động học tập và tạo phản hồi gần như tức thời. Đối với dạy học ngôn ngữ, công nghệ này còn có thể mô phỏng tình huống giao tiếp, tạo đoạn hội thoại, gợi ý cách diễn đạt và hỗ trợ người học rèn luyện kĩ năng sử dụng ngôn ngữ trong nhiều bối cảnh khác nhau.
Những khả năng đó khiến trí tuệ nhân tạo tạo sinh trở thành một nguồn lực đáng chú ý đối với giảng viên, sinh viên và các cơ sở giáo dục. Tuy nhiên, chính sự thuận tiện của công cụ cũng đặt ra một thách thức mới. Khi người học nhận được những câu trả lời mạch lạc, trôi chảy và có vẻ hợp lí, họ dễ xem đó là một nguồn thông tin đáng tin cậy. Trong khi đó, các hệ thống AI không tạo ra tri thức từ một nền tảng hoàn toàn khách quan, mà phản hồi dựa trên những mẫu hình ngôn ngữ, dữ liệu và diễn ngôn xã hội đã được hấp thụ trong quá trình huấn luyện.
Điều này có nghĩa là thông tin do AI tạo ra có thể mang theo những khuynh hướng có sẵn trong dữ liệu: định kiến giới, cách mô tả giản lược về văn hóa, sự ưu tiên đối với một số ngôn ngữ phổ biến, hoặc sự thiếu vắng của những cộng đồng ít hiện diện trong không gian số. Nếu người học không được hướng dẫn để kiểm chứng và đánh giá, AI có thể trở thành nguồn thông tin được tiếp nhận một cách thụ động, thay vì là đối tượng cần được đọc, đối chiếu và phân tích.
Một số tài liệu quốc tế đã chỉ ra rằng các mô hình ngôn ngữ lớn có thể tái hiện các liên tưởng mang tính khuôn mẫu. UNESCO (2024) cho thấy trong một số hệ thống AI, nhân vật nữ thường được gắn với những từ liên quan đến gia đình, con cái, chồng; trong khi tên nam giới lại thường xuất hiện gần các khái niệm như điều hành, kinh doanh hoặc quản lí. Một số phân tích khác cũng lưu ý rằng ngay cả khi hệ thống được thiết kế nhằm giảm bớt các khuynh hướng định kiến, những liên tưởng không mong muốn vẫn có thể tiếp tục xuất hiện trong phản hồi của AI (Bai et al., 2025; Kotek et al., 2023).
Trong dạy học ngôn ngữ, vấn đề còn đáng chú ý hơn. Do phần lớn dữ liệu số có chất lượng cao trên Internet được tạo lập bằng tiếng Anh, nhiều hệ thống trí tuệ nhân tạo hoạt động hiệu quả hơn với tiếng Anh so với các ngôn ngữ khác. Điều đó có thể khiến tiếng Anh và các chuẩn ngôn ngữ chiếm ưu thế được thể hiện đầy đủ hơn, trong khi những ngôn ngữ ít tài nguyên, biến thể địa phương hoặc cách biểu đạt không thuộc dòng chính bị trình bày nghèo nàn, đơn giản hoặc thiếu chính xác. Các phân tích về công nghệ ngôn ngữ đã nhấn mạnh rằng nếu thiếu kiểm soát, AI có thể làm gia tăng bất bình đẳng trong việc đại diện tri thức, văn hóa và ngôn ngữ của các cộng đồng khác nhau (Helm et al., 2023; Muñoz-Basols et al., 2024; Resnik, 2025).
Từ đó, câu hỏi đặt ra cho giáo dục không chỉ là có nên sử dụng AI trong lớp học hay không, mà là sử dụng như thế nào, kiểm soát rủi ro ra sao và dạy người học đánh giá phản hồi của AI bằng những tiêu chí nào. Đây là vấn đề đặc biệt quan trọng trong đào tạo giáo viên, bởi sinh viên sư phạm hôm nay sẽ là những người quyết định cách công nghệ này được đưa vào hoạt động dạy học trong tương lai.
Giáo viên đã quan tâm đến rủi ro của AI, nhưng năng lực nhận diện còn chưa đồng đều: Một khảo sát tại Tây Ban Nha
Một khảo sát thí điểm với 65 sinh viên đang theo học các chương trình đào tạo giáo viên tại Đại học Alicante trong năm học 2025–2026 đã cung cấp thêm dữ liệu đáng chú ý về nhận thức của giáo viên trước những rủi ro liên quan đến AI. Bảng hỏi tập trung vào năm nhóm nội dung: nhận thức chung về khuynh hướng định kiến trong AI; ảnh hưởng của dữ liệu tiếng Anh đối với các ngôn ngữ khác; cách AI có thể tái hiện khuôn mẫu văn hóa, xã hội và giới; mức độ tin cậy đối với thông tin do AI tạo ra; và thái độ đối với việc đưa hoạt động phân tích phản hồi của AI vào lớp học (Ribes-Lafoz et al., 2026). Kết quả cho thấy phần lớn sinh viên đã nhận ra rằng phản hồi do AI tạo ra không phải lúc nào cũng hoàn toàn khách quan. Có 78,5% người tham gia không đồng ý với quan điểm cho rằng câu trả lời của AI luôn khách quan. Đây là tín hiệu tích cực, cho thấy nhiều sinh viên sư phạm đã có sự thận trọng nhất định khi tiếp cận công cụ. Tuy nhiên, vẫn có 21,5% cho rằng phản hồi của AI luôn khách quan; 38,5% thừa nhận trước khảo sát họ chưa từng suy nghĩ về khả năng AI tái tạo định kiến hoặc khuôn mẫu xã hội. Điều này cho thấy việc người học có sử dụng AI trong học tập chưa đủ để bảo đảm rằng họ hiểu rõ các rủi ro nhận thức và đạo đức đi kèm. Ở khía cạnh ngôn ngữ, 72,3% sinh viên biết rằng phần lớn hệ thống AI được huấn luyện chủ yếu bằng dữ liệu tiếng Anh. Tuy nhiên, khi được hỏi sự áp đảo của tiếng Anh có thể ảnh hưởng đến các ngôn ngữ hoặc biến thể ngôn ngữ khác hay không, chỉ 70,8% đồng ý; một bộ phận còn lại không đồng ý hoặc chưa chắc chắn. Khoảng cách này cho thấy người học có thể nhận biết một đặc điểm công nghệ, nhưng chưa chắc đã hiểu đầy đủ hệ quả giáo dục, văn hóa và xã hội của đặc điểm đó. Nói cách khác, biết rằng AI học nhiều từ dữ liệu tiếng Anh chưa đồng nghĩa với việc hiểu rằng điều này có thể ảnh hưởng đến cách AI mô tả những ngôn ngữ khác, những nền văn hóa khác hoặc những hệ tri thức ít được đại diện trong dữ liệu số. Đây là điểm rất quan trọng đối với giáo dục ngôn ngữ, bởi ngôn ngữ không chỉ là phương tiện giao tiếp, mà còn gắn với bản sắc, kí ức văn hóa, quan hệ xã hội và vị thế của các cộng đồng trong không gian tri thức.
Với các khuynh hướng định kiến liên quan đến giới và văn hóa, kết quả khảo sát cũng cho thấy nhận thức của sinh viên chưa thật sự đồng đều. Có 59,9% người tham gia cho rằng AI có thể tái tạo khuôn mẫu giới trong câu trả lời; 60% từng quan sát thấy AI đưa ra thông tin quá đơn giản hoặc chung chung về một số nền văn hóa, quốc gia hay nhóm xã hội. Tuy nhiên, vẫn còn một tỉ lệ đáng kể sinh viên chưa nhận thấy hoặc chưa tin rằng những biểu hiện này tồn tại. Điều đó cho thấy các khuynh hướng định kiến trong AI không phải lúc nào cũng xuất hiện dưới hình thức dễ nhận ra. Chúng có thể nằm trong cách lựa chọn ví dụ, cách ưu tiên thông tin, cách mô tả một nhóm xã hội, hoặc sự vắng mặt của những quan điểm ngoài dòng chính. Đáng chú ý, phần lớn sinh viên cho biết họ có thái độ thận trọng với thông tin do AI tạo ra. Có 78,5% người tham gia nói rằng họ tin AI ở mức dè dặt và thường đối chiếu, kiểm tra thông tin. Tuy vậy, 15,4% cho biết họ không hoàn toàn tin nhưng cũng không kiểm chứng thường xuyên; 6,1% nhìn chung tin vào nội dung do AI cung cấp mà không thực hiện bước xác minh. Dữ liệu này cho thấy ý thức kiểm chứng đã xuất hiện ở phần lớn sinh viên, nhưng chưa trở thành một thói quen học thuật ổn định ở tất cả người học.
Trong giáo dục đại học, đây là một vấn đề đáng quan tâm. Năng lực học thuật không chỉ thể hiện ở việc tiếp cận thông tin nhanh, mà còn ở khả năng đánh giá chất lượng nguồn tin, đối chiếu bằng chứng, nhận diện giới hạn của dữ liệu và chịu trách nhiệm với tri thức được sử dụng. Khi AI có thể tạo ra những câu trả lời ngày càng thuyết phục về hình thức, năng lực kiểm chứng càng trở thành một yêu cầu cốt lõi của học tập đại học.
Ở phương diện đào tạo giáo viên, kết quả khảo sát còn cho thấy một thực tế quan trọng: 90,8% sinh viên cho rằng các khuynh hướng định kiến trong AI có thể gây hệ quả trong giáo dục; 87,7% đồng ý rằng phân tích phản hồi của AI nên trở thành một phần trong hoạt động học tập trên lớp; 84,6% bày tỏ lo ngại về tác động của vấn đề này khi sử dụng AI trong giáo dục. Những tỉ lệ này cho thấy giáo viên tương lai không thờ ơ với rủi ro của công nghệ. Tuy nhiên, mối quan tâm ở mức khái quát chưa đủ để bảo đảm năng lực nhận diện, giải thích và xử lí những tình huống cụ thể trong dạy học.
Một sinh viên có thể đồng ý rằng AI cần được sử dụng cẩn trọng, nhưng chưa chắc biết phải đánh giá phản hồi của AI bằng tiêu chí nào. Một giáo viên tương lai có thể nhận thức rằng AI có thể tái tạo khuôn mẫu giới, nhưng chưa chắc biết cách thiết kế hoạt động để học sinh phát hiện điều đó trong một đoạn văn cụ thể. Đây chính là khoảng cách mà các chương trình đào tạo giáo viên cần quan tâm.
Năng lực đánh giá thông tin do AI tạo ra: Yêu cầu mới trong đào tạo giáo viên
Từ các dữ liệu trên, có thể thấy năng lực đánh giá thông tin do AI tạo ra không chỉ là một kĩ năng công nghệ, mà là một phần của năng lực học thuật và năng lực nghề nghiệp của giáo viên. Năng lực này có thể được hiểu theo nhiều tầng. Trước hết, người học cần nhận biết rằng phản hồi của AI có thể thiếu chính xác, chưa đầy đủ hoặc mang khuynh hướng định kiến. Tiếp đó, họ cần hiểu rằng những hạn chế ấy có thể gây tác động đến nhận thức, hành vi học tập, quan hệ xã hội và chất lượng giáo dục. Ở mức sâu hơn, người học phải biết phân tích phản hồi của AI như một văn bản cần được xem xét: nội dung nào có căn cứ, nội dung nào cần kiểm chứng, cách diễn đạt nào có thể giản lược vấn đề, ví dụ nào có thể phản ánh khuôn mẫu giới hoặc văn hóa, nhóm xã hội nào đang được mô tả phiến diện hoặc bị bỏ qua. Với sinh viên sư phạm, tầng cao nhất là năng lực sư phạm: biết biến những hiểu biết đó thành hoạt động dạy học cụ thể.
Nếu chỉ dừng ở nhận thức chung, người học mới biết rằng AI “có rủi ro”, nhưng chưa biết hành động ra sao trước rủi ro đó. Họ có thể được khuyến cáo phải thận trọng, nhưng nếu không được hướng dẫn quy trình kiểm chứng, nguồn đối chiếu, cách đặt câu hỏi và tiêu chí đánh giá, sự thận trọng ấy khó trở thành năng lực thực hành. Vì vậy, đào tạo giáo viên cần chuyển từ việc giới thiệu công cụ sang phát triển năng lực sử dụng công cụ có kiểm soát, có phản tư và có trách nhiệm.
Các tài liệu về hiểu biết AI cũng nhấn mạnh rằng năng lực này không thể tự hình thành chỉ nhờ việc tiếp xúc với công nghệ. Long và Magerko (2020) xem hiểu biết AI là tập hợp năng lực giúp người học hiểu, sử dụng, đánh giá và tương tác với các hệ thống AI. Ng et al. (2021) cho rằng hiểu biết AI cần bao gồm hiểu biết khái niệm, khả năng sử dụng, năng lực đánh giá và nhận thức đạo đức. Khi đặt vào giáo dục, điều đó có nghĩa là nhà trường không thể chỉ dừng ở các buổi hướng dẫn thao tác, mà cần tổ chức những hoạt động học tập giúp người học phân tích sản phẩm của AI, so sánh với nguồn học thuật, phát hiện giới hạn của phản hồi và thảo luận về trách nhiệm sử dụng công nghệ.
Trong dạy học ngôn ngữ, yêu cầu này càng cần được nhấn mạnh. Ngôn ngữ không chỉ truyền đạt thông tin, mà còn thể hiện văn hóa, quyền lực, bản sắc và quan hệ xã hội. Khi AI gợi ý một bản dịch, một đoạn hội thoại, một bài viết mẫu hoặc một mô tả về cộng đồng nào đó, người học cần được hướng dẫn để đặt câu hỏi: cách diễn đạt này có phù hợp với ngữ cảnh không, có bỏ qua biến thể ngôn ngữ nào không, có ưu tiên một chuẩn mực văn hóa nhất định không, có tái hiện khuôn mẫu giới hoặc nghề nghiệp không, có làm nghèo đi tính đa dạng của ngôn ngữ và văn hóa không. Những câu hỏi như vậy không tự nhiên xuất hiện từ việc sử dụng công cụ, mà cần được hình thành qua quá trình giáo dục có chủ đích.
Sử dụng AI trong giáo dục: Cần quản trị rủi ro thay vì chỉ khuyến khích khai thác công cụ
Thảo luận về các khuynh hướng định kiến trong AI không có nghĩa là phủ nhận giá trị giáo dục của công nghệ. Trí tuệ nhân tạo tạo sinh có thể hỗ trợ người học rất nhiều nếu được sử dụng trong một quy trình sư phạm rõ ràng. Vấn đề không nằm ở bản thân công cụ, mà ở cách công cụ được đưa vào lớp học, cách người học được hướng dẫn và cách nhà trường thiết lập chuẩn mực sử dụng.
Một cách tiếp cận phù hợp là xem AI vừa là công cụ hỗ trợ, vừa là đối tượng để học sinh, sinh viên phân tích. Thay vì chỉ dùng AI để tạo bài viết, tóm tắt tài liệu hoặc thiết kế giáo án, người học cần được yêu cầu đánh giá chất lượng phản hồi của AI, so sánh với tài liệu khoa học, chỉ ra điểm hợp lí và chưa hợp lí, phát hiện cách diễn đạt mang tính khuôn mẫu, kiểm tra nguồn thông tin, đánh giá mức độ đầy đủ của ví dụ và nhận diện những gì AI chưa đề cập.
Trong đào tạo giáo viên, sinh viên có thể được giao nhiệm vụ phân tích các phản hồi của AI về nghề nghiệp, vai trò giới, vùng miền, dân tộc, ngôn ngữ, văn hóa hoặc nhóm yếu thế để nhận ra cách một câu trả lời tưởng như hợp lí vẫn có thể chứa những mô tả phiến diện. Ở mức cao hơn, giảng viên có thể yêu cầu sinh viên đặt cùng một câu hỏi bằng nhiều ngôn ngữ khác nhau, sau đó so sánh độ phong phú, độ chính xác, cách lựa chọn ví dụ và cách hệ thống mô tả các nhóm văn hóa. Những hoạt động như vậy giúp người học hiểu rằng công nghệ không đứng ngoài các quan hệ xã hội, mà có thể phản ánh sự bất cân xứng trong dữ liệu và trong khả năng hiện diện của các cộng đồng trên môi trường số.
Cách tiếp cận này cũng giúp chuyển trọng tâm của việc sử dụng AI trong giáo dục từ “làm nhanh hơn” sang “học sâu hơn”. Nếu được tổ chức tốt, AI có thể trở thành phương tiện để rèn luyện tư duy phê phán, năng lực kiểm chứng, kĩ năng học thuật và trách nhiệm đạo đức. Ngược lại, nếu thiếu hướng dẫn, công cụ này có thể làm tăng sự lệ thuộc vào câu trả lời có sẵn, làm giảm động lực tự tìm hiểu và khiến người học ít chú ý đến nguồn gốc cũng như giới hạn của thông tin.
Khuyến nghị cho giáo dục Việt Nam: Đưa năng lực đánh giá thông tin do AI tạo ra vào chuyển đổi số giáo dục
Đối với Việt Nam, việc sử dụng trí tuệ nhân tạo tạo sinh trong giáo dục cần được đặt trong mạch chính sách rộng hơn về chuyển đổi số, phát triển trí tuệ nhân tạo, đổi mới sáng tạo và nâng cao chất lượng nguồn nhân lực. Quyết định số 749/QĐ-TTg ngày 03/6/2020 của Thủ tướng Chính phủ phê duyệt “Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030” đã xác định giáo dục là một trong những lĩnh vực cần được ưu tiên chuyển đổi số. 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”, đặt nền tảng cho việc phát triển và ứng dụng AI trong nhiều lĩnh vực, trong đó có giáo dục. Riêng đối với ngành giáo dục, 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”. Gần đây, Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị tiếp tục nhấn mạnh vai trò đột phá của khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số trong phát triển quốc gia. Những định hướng này tạo cơ sở để giáo dục Việt Nam tiếp cận AI không chỉ như một phương tiện kĩ thuật, mà như một vấn đề gắn với chất lượng đào tạo, năng lực số, đạo đức học thuật và trách nhiệm công dân trong môi trường số.
Trước hết, cần đưa năng lực đánh giá thông tin do AI tạo ra vào chương trình đào tạo giáo viên. Sinh viên sư phạm không chỉ cần biết sử dụng AI để thiết kế học liệu, xây dựng câu hỏi, gợi ý hoạt động học tập hoặc hỗ trợ soạn giảng. Quan trọng hơn, họ cần hiểu dữ liệu huấn luyện là gì, mô hình ngôn ngữ lớn có giới hạn ra sao, phản hồi của AI có thể tái hiện khuynh hướng định kiến như thế nào, thông tin do AI cung cấp cần được kiểm chứng bằng nguồn nào và giáo viên phải chịu trách nhiệm gì khi đưa công cụ này vào lớp học. Nội dung này có thể được tích hợp trong các học phần về công nghệ giáo dục, phương pháp dạy học bộ môn, kiểm tra đánh giá, đạo đức nhà giáo, phát triển năng lực số và liêm chính học thuật.
Thứ hai, các cơ sở đào tạo giáo viên cần tổ chức hoạt động học tập theo hướng phân tích sản phẩm của AI, thay vì chỉ hướng dẫn cách khai thác công cụ. Trong một học phần phương pháp dạy học, sinh viên có thể được yêu cầu sử dụng AI để tạo một kế hoạch bài dạy, sau đó phân tích phần nào phù hợp, phần nào thiếu căn cứ, phần nào cần điều chỉnh theo chương trình, đối tượng học sinh và bối cảnh lớp học. Trong một học phần dạy học ngôn ngữ, sinh viên có thể so sánh bản dịch hoặc đoạn văn do AI tạo ra với chuẩn mực ngôn ngữ, mục tiêu giao tiếp và sắc thái văn hóa. Trong học phần kiểm tra đánh giá, sinh viên có thể phân tích câu hỏi do AI gợi ý để xem câu hỏi có đo đúng năng lực cần đánh giá hay chỉ dừng ở mức tái hiện kiến thức.
Thứ ba, cần hình thành thói quen kiểm chứng thông tin do AI tạo ra như một chuẩn mực học thuật trong nhà trường. Người học cần được hướng dẫn rằng phản hồi của AI chỉ nên là điểm khởi đầu cho quá trình tìm hiểu, không phải kết luận cuối cùng. Đối với các nội dung liên quan đến chính sách giáo dục, lịch sử, văn hóa, pháp luật, y tế, xã hội hoặc những vấn đề có ảnh hưởng đến quyết định học tập và nghề nghiệp, người học cần đối chiếu phản hồi của AI với tài liệu khoa học, văn bản chính thức, nguồn dữ liệu có thẩm quyền và bối cảnh thực tiễn. Đây là yêu cầu đặc biệt quan trọng trong giáo dục đại học, nơi năng lực học thuật phải gắn với khả năng đánh giá nguồn tin và trách nhiệm sử dụng tri thức.
Thứ tư, cần xây dựng hướng dẫn sử dụng AI theo cấp học, ngành học và nhóm môn học. Dạy học ngôn ngữ, khoa học xã hội, khoa học tự nhiên, giáo dục công dân, hướng nghiệp hay đào tạo nghề có những yêu cầu khác nhau khi sử dụng AI. Vì vậy, nhà trường cần có hướng dẫn sư phạm cụ thể: người học được sử dụng AI trong trường hợp nào, mục đích sử dụng là gì, cần khai báo ra sao, phải kiểm chứng như thế nào, sản phẩm nào được xem là có sự hỗ trợ hợp lệ của công cụ và sản phẩm nào không đáp ứng yêu cầu liêm chính học thuật. Hướng dẫn càng rõ, giáo viên càng có cơ sở tổ chức dạy học, phản hồi và đánh giá công bằng hơn.
Thứ năm, cần chú ý đến tiếng Việt và tri thức Việt Nam trong quá trình sử dụng AI cho giáo dục. Nếu các hệ thống AI hoạt động hiệu quả hơn với tiếng Anh hoặc ưu tiên nguồn tri thức phương Tây, người học Việt Nam có thể tiếp nhận những mô tả chưa đầy đủ về lịch sử, văn hóa, giáo dục và xã hội Việt Nam. Vì vậy, trong lớp học, giáo viên cần yêu cầu người học kiểm tra phản hồi của AI bằng nguồn tiếng Việt đáng tin cậy, đối chiếu với văn bản chính sách, tài liệu khoa học trong nước và thực tiễn giáo dục Việt Nam. Về lâu dài, các cơ sở giáo dục đại học, viện nghiên cứu, thư viện số và tạp chí khoa học cần góp phần phát triển nguồn học liệu tiếng Việt có chất lượng, có chuẩn trích dẫn và có giá trị học thuật, qua đó tăng khả năng hiện diện của tri thức Việt Nam trong môi trường số.
Thứ sáu, hoạt động bồi dưỡng giáo viên về AI cần chuyển từ giới thiệu công cụ sang phát triển năng lực nghề nghiệp. Các khóa tập huấn không nên chỉ dừng ở việc giới thiệu các nền tảng, mẫu câu lệnh hoặc ứng dụng nhanh trong soạn giảng. Giáo viên cần được bồi dưỡng cách tổ chức thảo luận về đạo đức AI, hướng dẫn học sinh kiểm chứng phản hồi, nhận diện khuynh hướng định kiến trong nội dung do AI tạo ra, đánh giá sản phẩm học tập có sử dụng AI và bảo vệ dữ liệu cá nhân của người học. Năng lực công nghệ chỉ thật sự có ý nghĩa giáo dục khi được đặt trong năng lực sư phạm, năng lực đánh giá và trách nhiệm nghề nghiệp.
Thứ bảy, nhà trường cần xây dựng văn hóa sử dụng AI minh bạch. Người học nên được hướng dẫn khai báo cách đã sử dụng AI trong quá trình học tập, chẳng hạn dùng để gợi ý ý tưởng, chỉnh sửa diễn đạt, tóm tắt tài liệu, tạo câu hỏi ôn tập hoặc kiểm tra lập luận. Việc khai báo không chỉ nhằm quản lí, mà còn giúp người học hình thành ý thức liêm chính học thuật. Khi người học biết phân biệt phần tự mình thực hiện với phần có sự hỗ trợ của công cụ, hoạt động đánh giá sẽ có cơ sở công bằng hơn và bản thân người học cũng hiểu rõ trách nhiệm của mình đối với sản phẩm học tập.
Tựu trung, chuyển đổi số trong giáo dục không nên được hiểu đơn giản là đưa thêm công nghệ vào nhà trường. Với trí tuệ nhân tạo tạo sinh, yêu cầu sâu hơn là xây dựng năng lực làm chủ công nghệ ở cả người dạy và người học. Điều đó đòi hỏi giáo dục Việt Nam phải đi từ ứng dụng công cụ đến phát triển năng lực đánh giá, từ sử dụng thuận tiện đến sử dụng có kiểm chứng, từ tiếp nhận thông tin đến trách nhiệm học thuật. Đây cũng là cách để các định hướng lớn về chuyển đổi số và trí tuệ nhân tạo đi vào thực tiễn giáo dục một cách bền vững, nhân văn và phù hợp với yêu cầu phát triển năng lực người học trong thời đại số.
Khi AI viết nhanh hơn, giáo dục càng phải dạy con người nghĩ kĩ hơn
Trí tuệ nhân tạo tạo sinh đang làm thay đổi cách người học tìm kiếm, xử lí và trình bày tri thức. Nhưng chính khi công cụ này tạo ra những phản hồi ngày càng trôi chảy, giáo dục càng không thể xem việc sử dụng AI như một thao tác kĩ thuật đơn thuần. Điều cần được hình thành ở người học không chỉ là khả năng đặt câu hỏi cho AI, mà là năng lực đọc lại câu trả lời của AI bằng tư duy phê phán, ý thức kiểm chứng và trách nhiệm học thuật.
Với đào tạo giáo viên, yêu cầu đó có ý nghĩa đặc biệt quan trọng. Giáo viên tương lai không chỉ cần biết khai thác AI để hỗ trợ dạy học, mà còn phải biết hướng dẫn học sinh nhận diện giới hạn của công cụ, đối chiếu thông tin, phát hiện các khuynh hướng định kiến và sử dụng tri thức số một cách có trách nhiệm. Trong thời đại AI có thể tham gia sâu vào quá trình tạo lập văn bản và định hình nhận thức, nhiệm vụ của giáo dục không phải là chạy theo tốc độ của công nghệ, mà là bảo vệ và phát triển những năng lực bền vững của con người: năng lực phán đoán, năng lực phản tư, chuẩn mực đạo đức và trách nhiệm trước tri thức mình sử dụng.
Tài liệu tham khảo
Bai, X., Wang, A., Sucholutsky, I., & Griffiths, T. L. (2025). Explicitly unbiased large language models still form biased associations. Proceedings of the National Academy of Sciences of the United States of America, 122, e2416228122.
Cassany, D. (2024). (Enseñar a) leer y escribir con inteligencias artificiales generativas: Reflexiones, oportunidades y retos. Enunciación, 29, 320–336.
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., et al. (2023). “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642.
Helm, P., Bella, G., Koch, G., & Giunchiglia, F. (2023). Diversity and language technology: How techno-linguistic bias can cause epistemic injustice. arXiv.
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.
Kotek, H., Dockum, R., & Sun, D. (2023). Gender bias and stereotypes in large language models. In Proceedings of the ACM Collective Intelligence Conference (pp. 12–24). ACM.
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). ACM.
Muñoz-Basols, J., Palomares Marín, M. D. M., & Moreno Fernández, F. (2024). El sesgo lingüístico digital en la inteligencia artificial: Implicaciones para los modelos de lenguaje masivos en español. Lengua y Sociedad, 23, 623–647.
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
OECD. (2025). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. European Commission.
Resnik, P. (2025). Large language models are biased because they are large language models. Computational Linguistics, 51, 885–906.
Ribes-Lafoz, M., Navarro-Colorado, B., & Rovira-Collado, J. (2026). Exploring strategies to detect and mitigate bias in AI in education: Students’ perceptions and didactic approaches. Trends in Higher Education, 5(2), 33.
UNESCO (2024). Challenging systematic prejudices: An investigation into gender bias in large language models. UNESCO International Research Centre on Artificial Intelligence.
