AI là bước tiến công nghệ quan trọng, nhưng không phải “phép màu” thay thế cho mục tiêu giáo dục
Bộ Giáo dục và Đào tạo đang xây dựng dự thảo quy định về ứng dụng AI trong giáo dục đại học, câu hỏi đặt ra là các trường đại học cần quản trị AI như thế nào để vừa thúc đẩy đổi mới, vừa đảm bảo chất lượng đào tạo và liêm chính học thuật.
Phó Giáo sư Ali Al-Dulaimi, Trưởng khoa, Khoa Khoa học Máy tính & Công nghệ tại Trường Đại học Anh Quốc Việt Nam.
Phó Giáo sư Ali Al-Dulaimi - Trưởng Khoa Khoa học Máy tính & Công nghệ, Trường Đại học Anh Quốc Việt Nam (BUV) - nhận định AI là một bước tiến công nghệ quan trọng, nhưng không phải “phép màu” hay sự thay thế cho mục tiêu giáo dục.
Nhìn nhận AI như một bước tiến công nghệ quan trọng, nhưng không phải phép màu
Tôi cho rằng sự xuất hiện của AI là một sự chuyển đổi công nghệ có ý nghĩa rất lớn, và ở một số khía cạnh hoàn toàn có thể so sánh với những cuộc chuyển đổi số mang tính cách mạng trước đây.
AI tạo sinh đang đặt ra những câu hỏi quan trọng cho các trường đại học. Ví dụ, nếu một sinh viên có thể tạo ra một bản nháp bài luận khá tốt chỉ trong vài giây, chúng ta cần đặt câu hỏi rằng bài luận thực sự được dùng để đánh giá điều gì.
Nếu mã lập trình hoạt động được có thể được tạo ra chỉ từ một câu lệnh bằng văn bản đơn thuần, chúng ta cần suy nghĩ cẩn trọng về cách đào tạo và đánh giá các kỹ sư phần mềm tương lai.
Vấn đề là sinh viên vẫn cần phải học và chứng minh điều gì bằng chính năng lực của mình [4][5].
Đồng thời, tôi cũng muốn tránh những nhận định cường điệu về AI. AI không phải là phép màu, và cũng không phải là sự thay thế cho mục tiêu giáo dục. Câu hỏi quan trọng về chính sách là làm thế nào để quản trị việc sử dụng AI nhằm bảo đảm rằng đổi mới sáng tạo sẽ củng cố thay vì làm suy giảm chất lượng học tập và các chuẩn mực học thuật [4][8].
AI tạo sinh (Generative AI) là một dạng trí tuệ nhân tạo có khả năng tạo ra nội dung mới bằng việc dự đoán theo ngữ cảnh, thay vì chỉ truy xuất hoặc sắp xếp thông tin hiện có, được vận hành bởi các mô hình ngôn ngữ lớn (Large Language Models - LLMs).
Tuy nhiên, chúng hoàn toàn không có trải nghiệm thực tế, khả năng phán đoán của con người hay sự thấu hiểu thực sự theo cách mà một chuyên gia trong lĩnh vực sở hữu [2].
Sự khác biệt này đặc biệt quan trọng trong giáo dục đại học. Những hệ thống này không "suy nghĩ" như một giảng viên hay một chuyên gia, và chúng cũng không đơn thuần là đang tìm kiếm trong một cơ sở dữ liệu các câu trả lời có sẵn.
Chúng thường có thể tạo ra những phản hồi trôi chảy, hữu ích và nhanh chóng một cách ấn tượng, nhưng đồng thời cũng có thể tạo ra những thông tin không chính xác, gây hiểu nhầm hoặc hoàn toàn bịa đặt - hiện tượng thường được gọi là "ảo giác AI" (AI hallucination) [3].
Đối với các trường đại học, việc hiểu rõ sự khác biệt này là vô cùng quan trọng. Chúng ta không nên bác bỏ những công cụ này vì chúng có thể rất hữu ích trong việc nháp ý tưởng, giải thích các khái niệm khó, hỗ trợ viết lách và hỗ trợ lập trình hoặc giải quyết vấn đề.
Đồng thời, chúng ta cũng không nên nhầm lẫn giữa khả năng diễn đạt trôi chảy với sự thấu hiểu, hay giữa khả năng tạo nội dung chuyên môn thực sự. Giá trị thực sự của chúng chỉ xuất hiện khi được sử dụng cùng với sự giám sát của con người, tư duy phản biện và khả năng đánh giá học thuật.
AI có thể giúp chúng ta làm việc nhanh hơn và khám phá ý tưởng hiệu quả hơn, nhưng không thể thay thế kiến thức chuyên ngành, trách nhiệm đạo đức hay nghĩa vụ kiểm chứng tính xác thực của thông tin.
AI có thể trở thành người bạn tốt của sinh viên, nhưng không phải người dẫn đường
Đối với sinh viên, AI đặc biệt hữu ích với vai trò như một người bạn đồng hành trong học tập. Một sinh viên đang gặp khó khăn với một khái niệm phức tạp không nhất thiết phải chờ đến buổi học tiếp theo hoặc giờ tư vấn với giảng viên.
Tại Khoa Khoa học Máy tính & Công nghệ BUV, chúng tôi tạo điều kiện cho các em sinh viên sử dụng nền tảng Codio để học lập trình. Đây là phần mềm ứng dụng AI được tin dùng bởi những cơ sở giáo dục lớn nhất thế giới như MIT hay UCB. Phần mềm này trở thành người bạn học tập của các em, chỉ ra lỗi sai và cách sửa ngay trong thời gian làm bài [1][2].
Một ví dụ đơn giản trong thực tế là khi một sinh viên đang học Python và liên tục gặp một thông báo lỗi mà họ không hiểu. Codio có thể giúp giải thích lỗi đó có ý nghĩa gì, gợi ý nguyên nhân có thể xảy ra và chỉ ra hướng khắc phục.
Tuy nhiên, sinh viên vẫn phải hiểu logic đằng sau vấn đề, tự kiểm tra giải pháp và học hỏi từ sai sót của mình. Theo nghĩa đó, AI có thể đẩy nhanh quá trình học tập, nhưng không nên thay thế chính việc học.
Đối với những sinh viên sử dụng tiếng Anh như ngôn ngữ thứ hai, AI cũng có thể hỗ trợ cải thiện sự rõ ràng, cấu trúc và cách diễn đạt. Trong môi trường học thuật quốc tế, điều này đặc biệt hữu ích, miễn là sinh viên vẫn là tác giả thực sự của sản phẩm học tập và sử dụng công cụ một cách minh bạch, có trách nhiệm [1][3][10].
Tôi muốn nhấn mạnh rằng: nguyên tắc giáo dục là yếu tố đặc biệt quan trọng. AI nên hỗ trợ việc thực hành, phản hồi và phản tư. Nó không nên trở thành sự thay thế cho việc đọc, suy luận, thiết kế hay chứng minh năng lực.
Nếu AI giúp sinh viên hiểu sâu hơn, thực hành tự tin hơn và tham gia học tập tích cực hơn, thì nó thực sự tạo ra giá trị. Ngược lại, nếu AI khuyến khích sự thụ động hoặc lệ thuộc quá mức, nó có nguy cơ làm suy giảm chính mục đích cốt lõi của giáo dục [1][2][3].
Bài học quốc tế: Linh hoạt, cấu trúc, quản trị
Dựa trên kinh nghiệm quốc tế cho đến nay, tôi cho rằng những phản ứng trưởng thành và hiệu quả nhất đã chuyển từ cách tiếp cận mang tính phản ứng đơn thuần sang các hình thức tích hợp có cấu trúc hơn.
Theo thời gian, nhiều trường đại học đã tiếp cận cân bằng hơn, kết hợp giữa việc xây dựng hướng dẫn ở cấp tổ chức, thiết kế lại hoạt động đánh giá, phát triển năng lực cho đội ngũ giảng viên và nâng cao hiểu biết về AI cho sinh viên [5][9][15].
Điều đặc biệt quan trọng là không tồn tại một mô hình chung áp dụng cho toàn thế giới. Một nghiên cứu so sánh các trường đại học tại Australia, Canada, Trung Quốc, Vương quốc Anh và Hoa Kỳ cho thấy có sự khác biệt đáng kể trong cách thiết kế và triển khai chính sách.
Một số cơ sở giáo dục có những chính sách chi tiết áp dụng trên toàn trường, trong khi những nơi khác vẫn trao quyền quyết định đáng kể cho từng giảng viên hoặc từng khoa.
Theo tôi, điều này phản ánh hai thực tế: thứ nhất, đây vẫn là một lĩnh vực đang thay đổi rất nhanh; và thứ hai, tính linh hoạt là điều cần thiết.
Các trường đại học cần những nguyên tắc rõ ràng có thể duy trì sự ổn định ngay cả khi bản thân các công cụ AI liên tục thay đổi [15].
Để minh họa bằng một số ví dụ cụ thể:
Tại Vương quốc Anh, các trường đại học như Edinburgh và UCL đã phát triển những khung hướng dẫn phân tầng, trong đó một số hình thức đánh giá cho phép sử dụng AI như công cụ hỗ trợ hoặc công cụ xây dựng bản nháp, trong khi những hình thức khác yêu cầu sinh viên hoàn thành công việc mà không có sự hỗ trợ của AI; sự khác biệt này được thông báo rõ ràng cho sinh viên từ trước.
Tại Australia, các hướng dẫn của TEQSA đã khuyến khích các cơ sở giáo dục hướng tới việc sử dụng AI có trách nhiệm thay vì cấm đoán hoàn toàn, và nhiều trường đã nhấn mạnh hơn vào yêu cầu công khai việc sử dụng AI, trong đó sinh viên phải khai báo liệu họ có sử dụng AI hay không và sử dụng như thế nào trong bài làm của mình.
Tại Singapore, hiểu biết về AI được xem như một năng lực chiến lược ở cấp quốc gia, với sự nhấn mạnh mạnh mẽ hơn vào đạo đức AI và sự gắn kết giữa giáo dục đại học với nhu cầu của thị trường lao động [4][8][9].
Đối với Việt Nam, theo tôi có một số bài học thực tiễn đáng lưu ý
Bài học thứ nhất, chính sách nên dựa trên các nguyên tắc cốt lõi thay vì phụ thuộc quá nhiều vào từng công cụ cụ thể, bởi công nghệ đang thay đổi quá nhanh khiến những quy định chi tiết về từng công cụ có thể nhanh chóng trở nên lỗi thời.
Bài học thứ hai, tính minh bạch là yếu tố then chốt. Sinh viên và giảng viên cần biết rõ khi nào được phép sử dụng AI, khi nào phải công khai việc sử dụng AI và đâu là những giới hạn không được vượt qua.
Bài học thứ ba, cần phải thiết kế lại hoạt động kiểm tra, đánh giá. Nếu AI có thể thực hiện dễ dàng một số nhiệm vụ truyền thống, các trường đại học cần chuyển trọng tâm sang những hình thức đánh giá có khả năng thể hiện sự hiểu biết thực chất và năng lực thực hành xác thực hơn [5][9][15].
Bài học thứ tư là hiểu biết về AI nên được xem là một năng lực đầu ra của sinh viên tốt nghiệp chứ không phải một kỹ năng bổ sung tùy chọn. Sinh viên cần học không chỉ cách sử dụng AI mà còn cách đặt câu hỏi đối với AI, kiểm chứng thông tin do AI tạo ra và hiểu rõ những hạn chế của công nghệ này.
Đội ngũ giảng viên cũng cần nhận được sự hỗ trợ tương tự. Nếu không, các cơ sở giáo dục có nguy cơ đối mặt với tình trạng triển khai không đồng đều, trong đó một số giảng viên tự tin đổi mới còn những người khác lại cảm thấy thiếu chắc chắn hoặc mang tâm lý phòng thủ [4][5][8].
Bài học thứ năm là công tác quản trị cần giải quyết các vấn đề về đạo đức, quyền riêng tư, quyền sở hữu trí tuệ và đảm bảo chất lượng ngay từ đầu. Kinh nghiệm quốc tế cho thấy những vấn đề này sẽ khó giải quyết hơn rất nhiều nếu chỉ được xem là các mối quan tâm thứ yếu sau khi việc triển khai đã bắt đầu. Theo nghĩa đó, xây dựng cơ chế quản trị song hành với đổi mới sáng tạo luôn tốt hơn là bổ sung sau này [4][8][9].
Cân nhắc những rủi ro khi chính thức ứng dụng AI vào giáo dục đại học
Việc ứng dụng AI trong giáo dục mang lại nhiều cơ hội rõ ràng, nhưng đồng thời cũng đi kèm những rủi ro quan trọng mà các trường đại học và nhà hoạch định chính sách cần cân nhắc một cách cẩn trọng. Theo quan điểm của tôi, cách tiếp cận phù hợp không phải là báo động quá mức cũng không phải lạc quan một cách mù quáng.
Rủi ro lớn đầu tiên liên quan đến liêm chính học thuật và sự phụ thuộc quá mức. Khi AI có thể tạo bài luận, giải quyết bài tập lập trình hoặc trả lời các câu hỏi dạng thi cử một cách nhanh chóng, nhiều hình thức đánh giá truyền thống không còn là bằng chứng đáng tin cậy về những gì sinh viên thực sự biết hoặc có thể làm.
Quan trọng hơn, nếu sinh viên quá phụ thuộc vào AI, họ có thể nộp những sản phẩm được trình bày rất hoàn chỉnh nhưng lại không phát triển được sự hiểu biết, khả năng phán đoán và tính kiên trì mà giáo dục đại học hướng tới.
Ví dụ, trong lĩnh vực công nghệ thông tin, một sinh viên có thể tạo ra đoạn mã hoạt động được nhờ AI, nhưng lại không thể giải thích logic, gỡ lỗi hoặc giải thích vì sao giải pháp đó là phù hợp. Điều này tạo ra khoảng cách giữa kết quả thể hiện bên ngoài và năng lực thực sự bên trong [11][12][14].
Rủi ro thứ hai là độ chính xác và thiên lệch. Các hệ thống AI có thể tạo ra những nội dung một cách tự tin, được viết rất tốt nhưng lại sai sự thật, thiếu sót hoặc gây hiểu lầm. Chúng cũng có thể phản ánh những thiên lệch vốn tồn tại trong dữ liệu huấn luyện. Nếu sinh viên hoặc giảng viên mặc nhiên xem các phản hồi của AI là đáng tin cậy, điều đó có thể làm suy giảm tư duy phản biện.
Rủi ro thứ ba liên quan đến quyền riêng tư, bảo vệ dữ liệu và quyền sở hữu trí tuệ. Nếu giảng viên hoặc sinh viên tải lên các dữ liệu cá nhân, nghiên cứu chưa công bố, tài liệu đánh giá hoặc nội dung sở hữu độc quyền của nhà trường lên các công cụ AI công cộng mà không có biện pháp bảo vệ phù hợp, các trường đại học có thể đối mặt với những vấn đề pháp lý, đạo đức và uy tín nghiêm trọng. Bên cạnh đó, vẫn còn nhiều vấn đề chưa được giải quyết liên quan đến quyền sở hữu và quyền tác giả đối với các sản phẩm học thuật có sự tham gia của AI.
Rủi ro thứ tư là tính công bằng và bình đẳng trong tiếp cận. Không phải tất cả sinh viên đều có điều kiện tiếp cận các công cụ AI chất lượng cao, kết nối Internet ổn định hoặc trình độ hiểu biết về AI như nhau. Ngoài ra, nhiều hệ thống AI hiện nay hoạt động hiệu quả hơn bằng tiếng Anh so với tiếng Việt hoặc các ngôn ngữ ít tài nguyên hơn, từ đó tạo thêm một tầng bất lợi khác. Nếu các cơ sở giáo dục không cẩn trọng, AI có thể làm gia tăng những bất bình đẳng vốn đã tồn tại thay vì giúp thu hẹp chúng [11][12][14].
Rủi ro thứ năm là sự thiếu nhất quán trong tổ chức. Nếu một giảng viên cấm hoàn toàn AI, một giảng viên khác khuyến khích sử dụng AI, còn một người khác nữa lại không đưa ra bất kỳ hướng dẫn nào, sinh viên sẽ nhận được những thông điệp mâu thuẫn và việc duy trì tính công bằng sẽ trở nên khó khăn.
Điều này có thể dẫn đến sự nhầm lẫn, việc thực thi không đồng đều và những thách thức trong xử lý khiếu nại, các vụ việc vi phạm học thuật hoặc các hoạt động đảm bảo chất lượng. Trên thực tế, sự thiếu nhất quán thường là một trong những vấn đề đầu tiên mà các trường đại học gặp phải khi tốc độ ứng dụng AI vượt nhanh hơn quá trình xây dựng chính sách [13][14].
Liêm chính học thuật trong thời đại AI
Theo quan điểm của tôi, nguyên tắc của liêm chính học thuật trong thời đại AI vẫn không thay đổi: trung thực, tin cậy, công bằng, trách nhiệm và sự tôn trọng đối với tri thức. Điều thay đổi là bối cảnh mà chúng ta áp dụng những nguyên tắc đó [3][9][16].
Tôi cho rằng sự phân biệt quan trọng nhất nằm ở điểm này: vấn đề cốt lõi không phải là việc người học có sử dụng AI hay không, mà là sự sai lệch giữa trình bày và hiểu biết thực chất.
Nếu một sinh viên sử dụng AI để động não ý tưởng, làm rõ một khái niệm khó hoặc nhận phản hồi cho bản nháp ban đầu, điều đó có thể hỗ trợ việc học. Nhưng nếu sinh viên sử dụng AI để tạo ra toàn bộ bài tập rồi trình bày nó như hoàn toàn do mình thực hiện, thì họ đã vượt qua một ranh giới rất quan trọng.
Điều này cũng đồng nghĩa với việc giá trị của hoạt động kiểm tra, đánh giá đang thay đổi. Trong thời đại AI, một bài luận án, một bài báo cáo hoặc bài code không còn đủ để trở thành bằng chứng duy nhất cho việc học.
Các trường đại học ngày càng cần sinh viên giải thích quá trình lập luận, bảo vệ các lựa chọn của mình, phản tư về quy trình thực hiện và chứng minh rằng họ thực sự hiểu sản phẩm mà mình nộp.
Điều này có nghĩa là: Ngoài sản phẩm cuối cùng, cần phải có những câu hỏi vấn đáp bổ sung, bài trình bày trực tiếp, các bản nháp theo từng giai đoạn, các bài phản tư cá nhân và các bài tập mang tính ứng dụng thực tiễn.
Tôi cũng vì thế mà không phụ thuộc quá nhiều vào các công cụ phát hiện AI. Các công nghệ phát hiện hiện nay vẫn chưa hoàn hảo, và việc quá phụ thuộc vào chúng có thể tạo ra các vấn đề về công bằng, bao gồm cả những cáo buộc sai.
Một giải pháp bền vững hơn là thiết lập các kỳ vọng rõ ràng về việc sử dụng AI được chấp nhận ở mức nào và thiết kế các hình thức kiểm tra, đánh giá đòi hỏi sự hiểu biết thực chất cũng như trách nhiệm cá nhân.
Vì vậy, xét trên phương diện thực tiễn, tôi cho rằng liêm chính học thuật trong thời đại AI bao gồm một số yếu tố cốt lõi: Công khai việc sử dụng AI khi cần thiết; trung thực trong việc xác định quyền tác giả; Chứng minh sự hiểu biết đối với sản phẩm được nộp; Thiết kế các hình thức đánh giá có khả năng ghi nhận tư duy thực sự thay vì chỉ đánh giá sản phẩm cuối cùng.
TÀI LIỆU THAM KHẢO:
[1] Shen, Y., et al. (2024). The impact of large language models on higher education. Frontiers in Education, 9.
[2] Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1).
[3] Harvard University. (n.d.). Teach with Generative AI.
[4] European University Association. (2026). Adopting AI that serves the needs and values of universities.
[5] UNESCO. (2025). UNESCO survey: Two-thirds of higher education institutions have or are developing guidance on AI use.
[6] Digital Education Council. (2024). Global AI Student Survey 2024: AI or Not AI — What Students Want.
[7] Ellucian. (2026). AI in Higher Education Is Moving From Experimentation to Strategic Integration: What the 2025 Data Shows.
[8] UNESCO IESALC. (2025). The Role of Higher Education in National Artificial Intelligence Strategies.
[9] Azevedo, R., et al. (2025). Institutional Policies on Artificial Intelligence in Higher Education.
[10] EAIE. (2025). Embracing AI in International Higher Education: Transforming Learning, Supporting Diversity and Preparing for the Future.
[11] EDUCAUSE. (2025). AI Ethical Guidelines.
[12] Martínez-Ramón, J. P., et al. (2025). Ethical challenges associated with the use of artificial intelligence in university education. Journal of Academic Ethics.
[13] AAUP. (2025). Artificial Intelligence and Academic Professions.
[14] Crompton, H., et al. (2025). Trajectories of AI policy in higher education. Computers and Education Open.
[15] Parker, J., et al. (2025). Comparative analysis of artificial intelligence policies in universities across five countries.
[16] Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda.