Trí tuệ nhân tạo tạo sinh và những chuyển động mới trong đời sống học thuật
Trí tuệ nhân tạo tạo sinh đang trở thành một thành tố ngày càng quen thuộc trong đời sống đại học. Sinh viên có thể sử dụng công cụ để tóm tắt tài liệu, giải thích khái niệm khó, chỉnh sửa bài viết, tìm kiếm thông tin, chuyển đổi hình thức trình bày và xây dựng kế hoạch học tập. Giảng viên có thể khai thác công nghệ để thiết kế nhiệm vụ học tập, xây dựng tiêu chí đánh giá, chuẩn bị học liệu, rà soát văn bản, hỗ trợ phân tích dữ liệu hoặc giảm bớt một số công việc hành chính lặp lại. Theo Stewart (2026), phạm vi sử dụng trí tuệ nhân tạo trong đại học đã vượt ra ngoài các nhiệm vụ viết và tiết kiệm thời gian, trở thành một công cụ trung gian tác động đến quá trình hiểu, quyết định, tiếp cận tri thức và phân công lao động học thuật trong các vai trò khác nhau của nhà trường.
Chính sự mở rộng ấy khiến giáo dục đại học không thể tiếp tục nhìn trí tuệ nhân tạo như một tiện ích công nghệ phụ trợ. Khi công cụ tạo sinh tham gia vào đọc, viết, đánh giá, thiết kế học liệu, giao tiếp học thuật và hỗ trợ quản trị, nó cũng tham gia vào cách tri thức được tạo lập, trình bày, kiểm chứng và công nhận. Vì vậy, những tranh luận hiện nay trong đại học không chỉ xoay quanh việc sinh viên có sử dụng trí tuệ nhân tạo để làm bài hay không. Đằng sau câu hỏi ấy là những vấn đề nền tảng hơn: ai có quyền xác lập tri thức, ai chịu trách nhiệm về sản phẩm học thuật, mô hình đánh giá nào còn phù hợp, và đại học cần bảo vệ những năng lực nào của người học trong một môi trường mà văn bản có thể được tạo ra gần như tức thời.
Bức tranh tiếp nhận trí tuệ nhân tạo trong giáo dục đại học hiện nay không đồng nhất. Khảo sát của Turnitin năm 2023 với hơn 1.600 sinh viên và 1.000 giảng viên ghi nhận sinh viên thường sử dụng trí tuệ nhân tạo tạo sinh để tóm tắt văn bản, làm rõ khái niệm phức tạp, hỗ trợ viết và trả lời câu hỏi học tập; trong khi giảng viên chủ yếu dùng công cụ để thử câu lệnh, kiểm tra đầu ra, dạy sinh viên cách tiếp cận trí tuệ nhân tạo hoặc thiết kế hoạt động có tính đến sự hiện diện của công nghệ (Shaw et al., 2023, dẫn theo Stewart, 2026). Marshik và cộng sự (2025) cũng ghi nhận việc giảng viên sử dụng trí tuệ nhân tạo trong giảng dạy còn khá thận trọng: chỉ 24% giảng viên cho biết họ dùng công cụ ở mức thỉnh thoảng hoặc thường xuyên, trong khi hơn một nửa cho biết chưa dùng cho mục đích giảng dạy; đáng chú ý, 90% giảng viên hiếm khi hoặc không khuyến khích sinh viên sử dụng trí tuệ nhân tạo trong học phần (Marshik et al., 2025, dẫn theo Stewart, 2026).
Những số liệu này phản ánh một thực tế đáng chú ý: sinh viên có xu hướng đưa trí tuệ nhân tạo vào quá trình học tập nhanh hơn so với tốc độ giảng viên tích hợp công nghệ vào thiết kế sư phạm. Khoảng cách ấy tạo ra sự thiếu đồng thuận về chuẩn mực học thuật. Cùng một hành vi sử dụng công cụ có thể được sinh viên xem là hỗ trợ học tập, nhưng lại được giảng viên nhìn nhận như nguy cơ vi phạm liêm chính. Marshik và cộng sự (2025) ghi nhận 86% giảng viên xem việc dùng trí tuệ nhân tạo để trả lời câu hỏi kiểm tra hoặc bài tập là hành vi không phù hợp về đạo đức, trong khi tỉ lệ này ở sinh viên là 55%. Barrett và Pack (2023) cũng chỉ ra rằng sinh viên và giảng viên thường dễ chấp nhận trí tuệ nhân tạo ở giai đoạn đầu của quá trình viết, chẳng hạn lên ý tưởng hoặc tìm kiếm thông tin, nhưng khác biệt rõ hơn ở các khâu tạo lập văn bản và đánh giá, nhất là khi người học không khai báo việc sử dụng công cụ.
Năng lực hiểu biết trí tuệ nhân tạo có tính phê phán trong đại học
Một hướng tiếp cận có ý nghĩa hiện nay là không xem trí tuệ nhân tạo như công cụ trung tính. Từ nền tảng giáo dục phê phán của Freire (1970), năng lực đọc hiểu truyền thông có tính phê phán nhấn mạnh việc người học cần nhận diện những giá trị, thiên lệch và quan hệ quyền lực được mã hóa trong văn bản, nền tảng và hệ thống truyền thông. Kellner và Share (2007) cho rằng năng lực truyền thông phê phán không dừng ở việc sử dụng thành thạo công cụ, mà hướng đến khả năng chất vấn quyền lực, nhận diện cách ý nghĩa được tạo ra và tham gia có trách nhiệm vào đời sống dân chủ.
Trong bối cảnh trí tuệ nhân tạo tạo sinh, yêu cầu đó trở nên cấp thiết hơn. Stewart và Rodgers (2025) xác định năng lực hiểu biết truyền thông trí tuệ nhân tạo có tính phê phán là khả năng tiếp cận các hệ thống trí tuệ nhân tạo như những phương tiện không trung tính, được tạo nên từ dữ liệu, thuật toán, thiết kế nền tảng và các giả định xã hội. Người học không chỉ cần biết đặt câu lệnh, đọc đầu ra hay chỉnh sửa văn bản. Họ cần hiểu vì sao công cụ có thể tạo ra thông tin thiếu chính xác, cách thiên lệch dữ liệu được tái tạo, ai kiểm soát hạ tầng công nghệ, quyền lợi của nhóm nào được ưu tiên, và người sử dụng phải chịu trách nhiệm thế nào trước sản phẩm do công cụ hỗ trợ.
Cách tiếp cận này giúp mở rộng cuộc thảo luận trong giáo dục đại học. Thay vì chỉ hỏi liệu sinh viên có gian lận hay không, đại học cần đặt ra các câu hỏi sâu hơn: việc sử dụng trí tuệ nhân tạo đang làm thay đổi quan hệ giữa giảng viên, sinh viên và nhà trường ra sao; chính sách phát hiện văn bản tạo sinh có tạo ra rủi ro bất công cho một số nhóm người học hay không; việc tự động hóa một số nhiệm vụ học thuật có làm suy giảm cơ hội rèn luyện tư duy độc lập; và những năng lực nào của con người cần được bảo vệ trong quá trình tích hợp công nghệ.
Theo Stewart (2026), khung năng lực này có thể được cụ thể hóa thông qua năm trọng tâm: thẩm quyền tri thức, quản trị và giám sát, tái phân công lao động, tiếp cận và bất bình đẳng, quyền tác giả và kiến tạo ý nghĩa. Đây là các phương diện cho thấy trí tuệ nhân tạo trong đại học không chỉ là một vấn đề kĩ thuật, mà là vấn đề sư phạm, đạo đức và thể chế.
Liêm chính học thuật và giới hạn của mô hình đánh giá truyền thống
Trong các thảo luận học thuật trực tuyến được Stewart (2026) phân tích, liêm chính học thuật là một trong những mối quan tâm nổi bật nhất. Điều này không khó hiểu, bởi trí tuệ nhân tạo tạo sinh cho phép sinh viên tạo ra bài viết, câu trả lời hoặc bản tóm tắt trong thời gian rất ngắn. Một nhiệm vụ từng đòi hỏi nhiều giờ đọc, suy nghĩ và diễn đạt nay có thể được tạo ra từ vài dòng lệnh. Sự thuận tiện ấy khiến giảng viên lo ngại về khả năng người học bỏ qua quá trình rèn luyện trí tuệ vốn là cốt lõi của giáo dục đại học.
Tuy nhiên, các thảo luận cũng cho thấy không ít giảng viên nhìn nhận hành vi vi phạm liêm chính trong mối liên hệ với áp lực xã hội và cấu trúc giáo dục. Khi đại học bị hiểu chủ yếu như con đường dẫn đến việc làm, điểm số và bằng cấp dễ trở thành mục tiêu thay cho tri thức. Trong bối cảnh đó, trí tuệ nhân tạo chỉ làm gia tăng tốc độ và quy mô của một vấn đề đã tồn tại từ trước: mô hình học tập thiên về sản phẩm cuối cùng, điểm số và sự hoàn thành nhiệm vụ hơn là quá trình hình thành hiểu biết.
Để ứng phó, nhiều giảng viên chuyển sang thi vấn đáp, bài kiểm tra viết tay, bài làm tại lớp, yêu cầu nộp nhiều bản thảo, nhật kí học tập hoặc lịch sử chỉnh sửa văn bản. Một số người đề xuất giảm bài luận truyền thống, thay bằng câu hỏi ngắn, bài kiểm tra tại lớp hoặc nhiệm vụ khó tự động hóa hơn. Những biện pháp này có thể giúp giảm rủi ro trong ngắn hạn, nhưng cũng làm nổi lên một nghịch lí: càng lo ngại trí tuệ nhân tạo, giảng viên càng dễ bị đặt vào vai trò người giám sát thay vì người tổ chức học tập.
Theo Stewart (2026), các chiến lược phát hiện và kiểm soát phản ánh sự chuyển dịch của quản trị đại học theo hướng giám sát công nghệ, trong đó đánh giá học tập có nguy cơ trở thành hoạt động kiểm tra tuân thủ hơn là nhận diện sự phát triển tri thức. Từ góc nhìn năng lực hiểu biết trí tuệ nhân tạo có tính phê phán, việc phụ thuộc quá nhiều vào công cụ phát hiện văn bản tạo sinh có thể làm suy yếu niềm tin trong lớp học, nhất là khi các hệ thống phát hiện còn gây tranh cãi về độ tin cậy và có thể tạo bất lợi cho người học có phong cách diễn đạt khác chuẩn ngôn ngữ học thuật chủ đạo.
Vì vậy, trí tuệ nhân tạo buộc giáo dục đại học phải đặt lại câu hỏi về đánh giá. Nếu một bài luận chỉ được nhìn như sản phẩm hoàn chỉnh cuối cùng, công cụ tạo sinh có thể dễ dàng làm lung lay ý nghĩa của nhiệm vụ học tập. Nhưng nếu đánh giá chú trọng quá trình hình thành ý tưởng, bằng chứng đọc hiểu, khả năng giải trình lựa chọn học thuật, mức độ cải thiện qua từng bản thảo và năng lực kết nối tri thức với bối cảnh cụ thể, người học buộc phải tham gia sâu hơn vào quá trình tạo lập tri thức. Khi đó, vấn đề không phải là làm cho bài tập “miễn nhiễm” với trí tuệ nhân tạo, mà là thiết kế hoạt động khiến công cụ chỉ có thể đóng vai trò hỗ trợ có kiểm soát, không thay thế được trách nhiệm học tập của sinh viên.
Viết học thuật như một không gian hình thành tư duy
Tranh luận về trí tuệ nhân tạo trong đại học đặc biệt nổi bật ở lĩnh vực viết học thuật. Công cụ tạo sinh có thể viết câu trôi chảy, sắp xếp đoạn hợp lí, đề xuất dàn ý, chỉnh ngữ pháp và mô phỏng phong cách khoa học. Nhưng chính khả năng ấy lại đặt ra câu hỏi: nếu văn bản học thuật được tạo ra quá dễ dàng, điều gì còn bảo đảm rằng người viết đã thực sự suy nghĩ, đọc hiểu, phân tích và chịu trách nhiệm về lập luận của mình?
Với nhiều giảng viên và nhà khoa học, viết không chỉ là hoạt động trình bày kết quả đã có sẵn. Viết là quá trình hình thành tư duy. Trong khi viết, người nghiên cứu thử nghiệm lập luận, đối thoại với dữ liệu, sắp xếp bằng chứng, loại bỏ ý chưa vững và dần xác lập đóng góp của mình. Reza và cộng sự (2025, dẫn theo Stewart, 2026) cho rằng mức độ chấp nhận trí tuệ nhân tạo của người viết khác nhau tùy giai đoạn viết và mục tiêu học thuật; những người viết định hướng nội dung, như giảng viên và nhà nghiên cứu, thường ưu tiên quyền sở hữu trí tuệ ở khâu hình thành ý tưởng và lập kế hoạch, trong khi người viết định hướng hình thức có thể chú trọng hơn đến kiểm soát ngôn ngữ và chỉnh sửa.
Điều này gợi ra một ranh giới quan trọng. Trí tuệ nhân tạo có thể được dùng để phát hiện lỗi diễn đạt, gợi ý cách rút gọn câu, nhận diện chỗ lặp hoặc cải thiện độ rõ của văn bản. Nhưng nếu công cụ thay thế người viết trong việc hình thành luận điểm, diễn giải dữ liệu, đánh giá tài liệu và xác lập kết luận, quyền tác giả và trách nhiệm học thuật sẽ trở nên mơ hồ. Một văn bản có thể hoàn chỉnh về hình thức nhưng nghèo dấu vết tư duy nếu người viết không trực tiếp tham gia vào quá trình kiến tạo ý nghĩa.
Sự khác biệt giữa giảng viên và sinh viên cũng được đặt ra ở đây. Nhiều giảng viên cho rằng người có chuyên môn có thể dùng trí tuệ nhân tạo như công cụ hỗ trợ vì họ có năng lực thẩm định, kiểm chứng và điều chỉnh đầu ra. Trong khi đó, sinh viên đang trong quá trình hình thành năng lực đọc, viết và lập luận, nên nếu phụ thuộc quá sớm vào công cụ, họ có thể đánh mất cơ hội rèn luyện nền tảng học thuật. Nhận định này không nhằm phủ nhận quyền tiếp cận công nghệ của sinh viên, mà nhấn mạnh yêu cầu sư phạm: người học cần được hướng dẫn để sử dụng trí tuệ nhân tạo như một đối tượng cần chất vấn, không phải một lối tắt thay thế quá trình tư duy.
Ở lĩnh vực công bố khoa học, vấn đề càng phức tạp. Stewart (2026) ghi nhận các thảo luận của giảng viên về bản thảo có dấu hiệu được tạo ra phần lớn bằng trí tuệ nhân tạo, bài báo chất lượng thấp, sử dụng dữ liệu công khai theo cách công thức, hoặc quá trình phản biện bị nghi ngờ có sự can thiệp của công cụ tạo sinh. Những lo ngại này liên quan trực tiếp đến chất lượng truyền thông khoa học, quyền truy cập dữ liệu mở, uy tín của bình duyệt và tính chính danh của sản phẩm học thuật. Khi công cụ có thể tạo ra lượng lớn văn bản có vẻ đúng chuẩn, các tạp chí khoa học, cơ sở đào tạo sau đại học và hội đồng chuyên môn cần có quy định rõ hơn về khai báo sử dụng trí tuệ nhân tạo, trách nhiệm tác giả và kiểm chứng trích dẫn.
Chính sách trí tuệ nhân tạo trong đại học cần chuyển từ xử lí tình huống sang quản trị học thuật
Một điểm nổi bật trong các thảo luận của giảng viên là nhu cầu về chính sách rõ ràng. Khi nhà trường chưa có hướng dẫn thống nhất, mỗi giảng viên phải tự quyết định cho phép hay hạn chế trí tuệ nhân tạo, xử lí nghi vấn vi phạm ra sao, có chấp nhận công cụ phát hiện hay không, và yêu cầu sinh viên khai báo ở mức nào. Điều này dễ tạo ra sự không đồng đều giữa các học phần, đồng thời đặt gánh nặng lên từng cá nhân giảng viên, nhất là giảng viên thỉnh giảng, giảng viên trẻ hoặc những người có ít quyền lực trong cấu trúc học thuật.
Chính sách chỉ dựa trên phát hiện và xử phạt có thể làm gia tăng tâm lí đối đầu giữa giảng viên và sinh viên. Ngược lại, chính sách chỉ khuyến khích khai thác công nghệ mà thiếu yêu cầu đạo đức có thể làm suy yếu liêm chính học thuật. Một hướng tiếp cận cân bằng hơn là xây dựng chính sách dựa trên minh bạch, trách nhiệm và mục tiêu học tập. Sinh viên cần được biết rõ nhiệm vụ nào được phép sử dụng trí tuệ nhân tạo, nhiệm vụ nào cần giới hạn, mức độ nào phải khai báo, cách khai báo ra sao và người học phải chịu trách nhiệm thế nào đối với độ chính xác của sản phẩm.
Theo Stewart (2026), những chính sách nhấn mạnh công khai, trích dẫn và trách nhiệm có xu hướng phù hợp hơn với năng lực hiểu biết trí tuệ nhân tạo có tính phê phán, bởi chúng không biến công cụ thành điều phải che giấu, mà xem trí tuệ nhân tạo như một hệ thống cần được hiểu, kiểm chứng và sử dụng có trách nhiệm. Cách tiếp cận này cũng giúp chuyển chính sách từ chức năng kiểm soát sang chức năng giáo dục: chính sách không chỉ quy định điều được làm và không được làm, mà còn hướng dẫn người học nhận diện ranh giới giữa hỗ trợ học tập, hợp tác học thuật và thay thế trách nhiệm cá nhân.
Tuy nhiên, chính sách không nên được thiết kế theo một mẫu duy nhất cho mọi ngành học. Một học phần viết học thuật, một học phần lập trình, một học phần thiết kế, một học phần thực hành nghề nghiệp hay một học phần phương pháp nghiên cứu sẽ có yêu cầu khác nhau về mức độ sử dụng trí tuệ nhân tạo. Vì vậy, cần có khung nguyên tắc chung ở cấp trường, đi kèm quyền chủ động chuyên môn của khoa, bộ môn và giảng viên trong thiết kế học phần. Sự thống nhất cần nằm ở nguyên tắc minh bạch, công bằng, trách nhiệm và bảo vệ chất lượng học thuật; còn cách vận dụng cần linh hoạt theo mục tiêu đào tạo.
Giảng viên và quyền lực tri thức trong môi trường tự động hóa
Trí tuệ nhân tạo tạo sinh cũng đang làm thay đổi lực lượng giảng viên. Nhiều giảng viên thừa nhận công cụ có thể hỗ trợ họ giảm thời gian cho các nhiệm vụ hành chính, tóm tắt tài liệu, tạo câu hỏi gợi mở, thiết kế bảng tiêu chí, chuẩn bị tài liệu giảng dạy hoặc xử lí dữ liệu sơ bộ. Nếu được sử dụng thận trọng, công nghệ có thể giúp giảng viên dành nhiều thời gian hơn cho đọc sâu, trao đổi học thuật, hướng dẫn sinh viên và phát triển chuyên môn.
Nhưng sự hỗ trợ đó cũng đi kèm nguy cơ mới. Khi công nghệ làm cho nhiều nhiệm vụ trở nên nhanh hơn, nhà trường và xã hội có thể gia tăng kì vọng về tốc độ phản hồi, số lượng sản phẩm và mức độ sẵn sàng của giảng viên. Công nghệ khi đó không còn chỉ là công cụ giảm tải, mà có thể trở thành cơ chế tăng áp lực lao động. Nếu thiếu chính sách bảo vệ quyền tự chủ chuyên môn, trí tuệ nhân tạo có thể làm gia tăng khối lượng công việc dưới danh nghĩa nâng cao hiệu quả.
Sâu xa hơn, trí tuệ nhân tạo đang tái phân phối quyền lực tri thức giữa đại học và các nền tảng công nghệ. Tri thức học thuật, văn bản khoa học, dữ liệu nghiên cứu và phong cách lập luận của giới học thuật có thể trở thành nguồn lực để huấn luyện hoặc cải thiện các hệ thống tạo sinh. Trong khi đó, hạ tầng xử lí, lưu trữ và phân phối công nghệ lại chủ yếu thuộc về doanh nghiệp. Điều này đặt ra câu hỏi về sở hữu trí tuệ, quyền kiểm soát dữ liệu, quyền tác giả và vị thế của đại học trong nền kinh tế tri thức số.
Từ góc nhìn năng lực hiểu biết trí tuệ nhân tạo có tính phê phán, đại học không thể chỉ quan tâm công cụ giúp giảng viên làm việc nhanh hơn như thế nào. Cần đồng thời xem xét ai kiểm soát công cụ, ai hưởng lợi từ dữ liệu, lao động học thuật được tái tổ chức ra sao và những điều kiện nào bảo đảm giảng viên không bị suy giảm quyền tự chủ chuyên môn. Trí tuệ nhân tạo chỉ thực sự phục vụ giáo dục khi nó được đặt dưới sự điều hành của các giá trị học thuật, thay vì để các giá trị học thuật bị điều chỉnh theo logic của nền tảng công nghệ.
Khuyến nghị cho giáo dục đại học Việt Nam trong bối cảnh chuyển đổi số và đổi mới sáng tạo
Tại Việt Nam, quản trị trí tuệ nhân tạo trong giáo dục đại học cần được đặt trong bối cảnh đổi mới giáo dục, chuyển đổi số quốc gia, phát triển khoa học công nghệ và nâng cao chất lượng nguồn nhân lực. 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 chuyển đổi số là định hướng lớn trong phát triển kinh tế, xã hội và quản trị quốc gia. Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045, tạo khung chính sách quan trọng cho đổi mới giáo dục trong giai đoạn mới. 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 yêu cầu đột phá. Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 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 đó có giáo dục đại học.
Trên nền tảng đó, các cơ sở giáo dục đại học Việt Nam cần chuyển từ cách tiếp cận tình thế sang quản trị có hệ thống. Trước hết, mỗi trường đại học cần ban hành khung sử dụng trí tuệ nhân tạo trong giảng dạy, học tập, đánh giá và nghiên cứu khoa học. Khung này cần phân biệt rõ các mức độ sử dụng: hỗ trợ tìm kiếm thông tin, hỗ trợ đọc và tóm tắt tài liệu, hỗ trợ chỉnh sửa ngôn ngữ, hỗ trợ phân tích dữ liệu, hỗ trợ tạo lập nội dung và các trường hợp không được phép sử dụng. Việc phân định cụ thể sẽ giúp giảng viên có căn cứ thiết kế học phần, sinh viên hiểu trách nhiệm của mình và nhà trường có cơ sở xử lí thống nhất khi phát sinh tình huống liên quan đến liêm chính học thuật.
Thứ hai, cần đưa năng lực hiểu biết trí tuệ nhân tạo có tính phê phán vào chương trình đào tạo đại học. Nội dung này không nên dừng ở kĩ năng sử dụng công cụ, mà cần bao gồm kiểm chứng thông tin, nhận diện thiên lệch, đánh giá chất lượng nguồn dữ liệu, bảo vệ quyền riêng tư, khai báo sử dụng công cụ, trách nhiệm tác giả và đạo đức học thuật. Với các ngành sư phạm, báo chí, luật, y khoa, công nghệ thông tin, khoa học xã hội và nhân văn, yêu cầu này càng quan trọng vì sản phẩm nghề nghiệp của người học có tác động trực tiếp đến cộng đồng, chính sách, truyền thông, sức khỏe, công lí và giáo dục.
Thứ ba, cần đổi mới đánh giá học tập theo hướng chú trọng quá trình, năng lực giải trình và khả năng vận dụng trong bối cảnh cụ thể. Với bài viết học thuật, giảng viên có thể yêu cầu sinh viên nộp đề cương, nhật kí đọc, bản thảo từng giai đoạn, phần tự thuyết minh về cách sử dụng công cụ và bản phản hồi sau chỉnh sửa. Với học phần thực hành hoặc chuyên ngành, có thể tăng cường nhiệm vụ gắn với dữ liệu thực tế, tình huống địa phương, thảo luận trực tiếp, bảo vệ sản phẩm và đánh giá đa phương thức. Cách làm này không nhằm gia tăng gánh nặng cho người học, mà giúp quá trình học tập trở nên rõ hơn, qua đó hạn chế việc thay thế tư duy bằng sản phẩm tạo sinh.
Thứ tư, quy trình xử lí vi phạm liêm chính học thuật liên quan đến trí tuệ nhân tạo cần được thiết kế thận trọng và công bằng. Kết quả từ công cụ phát hiện văn bản tạo sinh không nên được sử dụng như căn cứ duy nhất để kết luận vi phạm. Nhà trường cần kết hợp nhiều nguồn minh chứng như lịch sử chỉnh sửa, bản nháp, khả năng giải trình của sinh viên, phỏng vấn học thuật và đối chiếu với chuẩn đầu ra học phần. Điều này đặc biệt quan trọng để tránh quy kết thiếu căn cứ, đồng thời bảo vệ quyền lợi của người học trong những tình huống công nghệ chưa đủ độ tin cậy.
Thứ năm, cần bồi dưỡng giảng viên về trí tuệ nhân tạo theo hướng gắn với thiết kế dạy học, đánh giá và đạo đức nghề nghiệp. Các hoạt động tập huấn không nên chỉ giới thiệu công cụ mới, mà cần giúp giảng viên thiết kế nhiệm vụ học tập phù hợp, xây dựng quy định sử dụng công cụ trong đề cương học phần, hướng dẫn sinh viên khai báo, phát hiện rủi ro dữ liệu, bảo vệ quyền tác giả và sử dụng trí tuệ nhân tạo để giảm tải một số công việc lặp lại mà không làm suy giảm chất lượng học thuật. Đồng thời, nhà trường cần tránh biến công nghệ thành lí do để gia tăng kì vọng quá mức đối với khối lượng công việc của giảng viên.
Thứ sáu, các tạp chí khoa học, cơ sở đào tạo sau đại học và nhóm nghiên cứu tại Việt Nam cần xây dựng quy định rõ ràng về sử dụng trí tuệ nhân tạo trong nghiên cứu và công bố khoa học. Quy định cần nêu rõ công cụ tạo sinh không được xem là tác giả, tác giả phải chịu trách nhiệm toàn bộ về nội dung, dữ liệu, trích dẫn, lập luận và kết luận; mọi hỗ trợ đáng kể của trí tuệ nhân tạo trong viết, dịch, biên tập ngôn ngữ, phân tích hoặc trình bày cần được khai báo minh bạch. Đây là yêu cầu cần thiết để bảo vệ liêm chính học thuật, uy tín công bố và chất lượng truyền thông khoa học trong bối cảnh sản phẩm văn bản có thể được tạo ra ngày càng nhanh.
Đại học cần giữ quyền kiến tạo tương lai trong thời đại trí tuệ nhân tạo
Trí tuệ nhân tạo tạo sinh không chỉ đặt giáo dục đại học trước câu hỏi về liêm chính, đạo đức hay hiệu quả. Công nghệ này đang tác động đến những nền tảng sâu hơn của đại học: quyền tác giả, thẩm quyền tri thức, lao động giảng viên, cơ chế đánh giá, chính sách thể chế và năng lực tự chủ của người học. Theo Stewart (2026), trí tuệ nhân tạo trong đại học không thể được hiểu như một thay đổi kĩ thuật đơn thuần, mà là một lực lượng cấu trúc đang định hình lại điều kiện tạo lập và công nhận tri thức.
Vì vậy, nhiệm vụ quan trọng của giáo dục đại học không phải là dựng lên một ranh giới tuyệt đối giữa con người và công nghệ, cũng không phải là tiếp nhận trí tuệ nhân tạo như một tất yếu không cần chất vấn. Đại học cần xây dựng năng lực quản trị trí tuệ nhân tạo dựa trên minh bạch, công bằng, trách nhiệm và sự tôn trọng vai trò nhận định học thuật của con người. Khi văn bản có thể được tạo ra tự động, giá trị bền vững của giáo dục đại học càng phải được khẳng định ở những năng lực mà công nghệ không thể thay thế: khả năng đặt câu hỏi đúng, đọc hiểu sâu, tranh luận dựa trên bằng chứng, kiến tạo tri thức có trách nhiệm và nuôi dưỡng phẩm chất học thuật của người học.
Tương lai của đại học sẽ không được quyết định bởi việc trí tuệ nhân tạo có xuất hiện trong lớp học hay không, mà bởi cách các cơ sở giáo dục lựa chọn điều hành công nghệ ấy. Nếu được quản trị bằng tư duy sư phạm, đạo đức và công bằng, trí tuệ nhân tạo có thể mở ra những hình thức hỗ trợ học tập và nghiên cứu hiệu quả hơn. Nếu bị phó mặc cho logic tiện lợi, tốc độ và giám sát, công nghệ có thể làm suy yếu chính những giá trị làm nên bản chất của đại học. Trong thời đại trí tuệ nhân tạo, bảo vệ tương lai nhân văn của giáo dục không có nghĩa là quay lưng với công nghệ, mà là bảo đảm công nghệ luôn được đặt dưới sự dẫn dắt của tri thức, trách nhiệm và phẩm giá con người.
Tài liệu tham khảo
Almufarreh, A., & Arshad, M. (2023). Promising emerging technologies for teaching and learning: Recent developments and future challenges. Sustainability, 15(8), 6917.
Barrett, A., & Pack, A. (2023). Not quite eye to artificial intelligence: Student and teacher perspectives on the use of generative artificial intelligence in the writing process. International Journal of Educational Technology in Higher Education, 20(1), 59.
Baskara, F. R. (2025). Conceptualizing digital literacy for the artificial intelligence era: A framework for preparing students in an artificial intelligence-driven world. Data and Metadata, 4, 530.
Bộ Chính trị. (2024). Nghị quyết số 57-NQ/TW ngày 22 tháng 12 năm 2024 về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.
Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 2025 về đột phá phát triển giáo dục và đào tạo.
Freire, P. (1970). Pedagogy of the oppressed. Continuum.
Kellner, D., & Share, J. (2007). Critical media literacy, democracy, and the reconstruction of education. In D. Macedo & S. R. Steinberg (Eds.), Media literacy: A reader. Peter Lang.
Marshik, T., et al. (2025). Student and instructor perspectives on artificial intelligence use in higher education.
Reza, M., et al. (2025). Artificial intelligence involvement in the writing process and questions of authorship.
Shaw, J., et al. (2023). Student and faculty uses of generative artificial intelligence in higher education. Turnitin.
Stewart, O. G. (2026). A critical artificial intelligence media literacy perspective on the future of higher education with artificial intelligence through communities of practice on Reddit. AI and Education, 2, 5.
Stewart, O. G., & Rodgers, K. (2025). Critical artificial intelligence media literacy framework.
Thủ tướng Chính phủ. (2020). 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.
Thủ tướng Chính phủ. (2024). Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045.
Vasquez, V. M., Janks, H., & Comber, B. (2019). Critical literacy as a way of being and doing. Language Arts, 96(5), 300–311.
