Công nghệ cốt lõi trong giáo dục đại học: Tổng hợp nghiên cứu và thực tiễn triển khai trong bối cảnh chuyển đổi số (Phần 1)

Mở đầu

Trong thập kỷ qua, chuyển đổi số đã trở thành xu hướng tất yếu không chỉ đối với các ngành kinh tế truyền thống mà còn đối với lĩnh vực giáo dục đại học — nơi sản sinh và truyền tải tri thức cho xã hội. Đại dịch COVID-19 đã đóng vai trò như một "chất xúc tác vĩ mô," buộc các trường đại học trên toàn cầu phải chuyển đổi mạnh mẽ từ mô hình giáo dục truyền thống sang mô hình kết hợp hoặc trực tuyến chỉ trong vòng vài tháng (Schleicher, 2022). Theo báo cáo của OECD, chính cuộc khủng hoảng này đã tạo ra "đà đổi mới" (innovation momentum) mà nhiều quốc gia đang cố gắng duy trì và phát triển trong giai đoạn hậu đại dịch (Broberg & Golden, 2023).

Tuy nhiên, chuyển đổi số trong giáo dục đại học không chỉ đơn thuần là việc áp dụng công nghệ vào lớp học. UNESCO trong Báo cáo Giám sát Giáo dục Toàn cầu năm 2023 đã nhấn mạnh rằng công nghệ chỉ thực sự mang lại giá trị khi được tích hợp một cách có chiến lược, đồng bộ với cải cách phương pháp sư phạm và đảm bảo công bằng trong tiếp cận (UNESCO, 2023). Câu hỏi then chốt không còn là "có nên sử dụng công nghệ trong giáo dục hay không?" mà là "công nghệ nào thực sự cốt lõi, hiệu quả và phù hợp với bối cảnh cụ thể của mỗi quốc gia?"

Đối với Việt Nam, chuyển đổi số giáo dục đã được đưa vào chương trình quốc gia thông qua Quyết định 198/QĐ-TTg năm 2022, trong đó giáo dục đại học đóng vai trò nòng cốt. Nhiều nghiên cứu đã chỉ ra rằng các trường đại học Việt Nam đang đối mặt với cả cơ hội lẫn thách thức lớn trong quá trình này (Vũ Khánh Quý et al., 2023; Nguyễn Minh Trí & Phạm Duy Hoàng, 2023). Việc xác định và ưu tiên triển khai các công nghệ cốt lõi phù hợp là yếu tố quyết định thành bại của chiến lược chuyển đổi số.

Bài viết này tổng hợp các nghiên cứu có uy tín từ các tổ chức quốc tế (OECD, UNESCO), các bài báo khoa học được bình duyệt (peer-reviewed) và thực tiễn triển khai tại Việt Nam, nhằm hệ thống hóa các công nghệ cốt lõi đang định hình giáo dục đại học trong bối cảnh chuyển đổi số. Mỗi công nghệ được phân tích dưới góc độ: khái niệm và nguyên lý cơ bản, bằng chứng nghiên cứu về hiệu quả, thực tiễn triển khai tại Việt Nam và trên thế giới, cùng những thách thức và khuyến nghị cho giai đoạn tiếp theo.

1. Khung lý thuyết và khái niệm chuyển đổi số trong giáo dục đại học

1.1. Định nghĩa và phạm vi

Chuyển đổi số trong giáo dục đại học (digital transformation in higher education) vượt xa khái niệm "số hóa" (digitization) đơn thuần — tức là việc chuyển tài liệu giấy thành dạng số. Khái niệm này bao gồm việc tái cấu trúc toàn diện các quy trình giảng dạy, nghiên cứu, quản lý và dịch vụ sinh viên bằng cách tận dụng các công nghệ số (Alenezi, 2023). Akour và Alenezi (2022) định nghĩa chuyển đổi số trong giáo dục đại học là "quá trình tích hợp có hệ thống các công nghệ số vào tất cả các khía cạnh của hoạt động đại học, từ giảng dạy và học tập đến nghiên cứu, quản trị và dịch vụ cộng đồng."

Khung People–Process–Technology (PPT) do Taher (2023) đề xuất đã được các bên liên quan (stakeholders) trong giáo dục đại học xác nhận là mô hình phù hợp nhất để triển khai chuyển đổi số. Theo khung này, thành công của chuyển đổi số phụ thuộc vào ba yếu tố tương hỗ: Con người (năng lực số của giảng viên, sinh viên và nhân viên quản lý), Quy trình (tái thiết kế quy trình giảng dạy, đánh giá và quản lý), và Công nghệ (hạ tầng, nền tảng và công cụ số). Trong đó, con người được xem là yếu tố quyết định — công nghệ chỉ là công cụ, còn năng lực và tư duy của người sử dụng mới tạo ra giá trị thực sự.

1.2. Bối cảnh toàn cầu

Báo cáo của OECD năm 2023 cho thấy các chính phủ trong khối OECD đang đối mặt với ba thách thức chính trong việc điều hướng bối cảnh giáo dục đại học số: (1) đảm bảo chất lượng và công bằng trong môi trường học tập trực tuyến và kết hợp, (2) xây dựng năng lực số cho giảng viên và sinh viên, và (3) thiết lập khung chính sách và quy định phù hợp (Broberg & Golden, 2023). Staring et al. (2022) từ OECD cũng chỉ ra rằng "giáo dục đại học số" (digital higher education) không chỉ là hình thức giáo dục từ xa mà còn là sự tích hợp công nghệ số vào mọi hình thức giáo dục, bao gồm cả giảng dạy trực tiếp trên campus.

UNESCO (2023) đưa ra một góc nhìn thận trọng nhưng mang tính định hướng khi nhấn mạnh rằng công nghệ trong giáo dục cần được tiếp cận từ lăng kính "hữu dụng cho việc học" (technology for learning) chứ không phải "học công nghệ" (technology learning). Báo cáo Giám sát Giáo dục Toàn cầu 2023 phân tích dữ liệu từ hơn 200 quốc gia và vùng lãnh thổ, kết luận rằng việc đầu tư vào công nghệ giáo dục chỉ mang lại kết quả khi đi kèm với đầu tư vào năng lực giáo viên, nội dung số chất lượng và cơ sở hạ tầng phù hợp.

1.3. Bối cảnh Việt Nam

Việt Nam đã ban hành Quyết định 198/QĐ-TTg năm 2022 về Chương trình Chuyển đổi số ngành giáo dục, đặt ra mục tiêu đến năm 2025, 100% cơ sở giáo dục đại học có hệ thống quản lý giáo dục kết nối số; 100% giáo viên, giảng viên được tập huấn và bồi dưỡng năng lực sử dụng công nghệ thông tin và chuyển đổi số (Chính phủ Việt Nam, 2022). Tuy nhiên, nghiên cứu của Lê Thị và Chu Bá (2024) cho thấy các yếu tố ảnh hưởng đến chuyển đổi số trong giáo dục đại học Việt Nam bao gồm: sự hỗ trợ từ lãnh đạo, hạ tầng công nghệ, năng lực giảng viên, văn hóa tổ chức và chính sách khuyến khích.

Nghiên cứu so sánh giữa Singapore và Việt Nam của Nguyễn Anh Tuấn et al. (2022) chỉ ra rằng trong khi Singapore đã xây dựng được hệ sinh thái giáo dục số tương đối hoàn chỉnh, Việt Nam vẫn đang ở giai đoạn đầu của quá trình chuyển đổi, với sự khác biệt lớn giữa các trường đại học ở các khu vực khác nhau. Các trường ở thành phố lớn như Hà Nội và TP.HCM thường có hạ tầng tốt hơn đáng kể so với các trường ở khu vực miền núi và vùng sâu vùng xa (Nguyễn Minh Trí & Phạm Duy Hoàng, 2023).

Khung năng lực số HeDiCom (Higher Education Digital Competence framework) do Tondeur et al. (2023) phát triển cung cấp một công cụ đánh giá năng lực số cho giảng viên đại học, bao gồm sáu lĩnh vực: (1) sử dụng công nghệ thông tin cơ bản, (2) quản lý và tích hợp công nghệ vào giảng dạy, (3) tạo và chia sẻ nội dung số, (4) giao tiếp và hợp tác số, (5) đánh giá và phản hồi số, và (6) phát triển chuyên môn số liên tục. Khung này đặc biệt hữu ích cho bối cảnh các nước đang phát triển như Việt Nam trong việc xác định lỗ hổng năng lực và xây dựng chương trình đào tạo phù hợp.

2. Trí tuệ nhân tạo (AI) và AI tạo sinh (Generative AI)

2.1. Tổng quan và phân loại ứng dụng

Trí tuệ nhân tạo (Artificial Intelligence — AI) đang nhanh chóng trở thành công nghệ định hình sâu đậm nhất giáo dục đại học trong giai đoạn hiện tại. Nghiên cứu tổng quan hệ thống (meta systematic review) của Bond et al. (2024) phân tích hơn 200 bài báo khoa học về AI trong giáo dục đại học và kết luận rằng các ứng dụng AI có thể được phân thành ba nhóm chính: (1) AI hỗ trợ học tập thông minh (adaptive learning), (2) AI hỗ trợ giảng dạy và đánh giá, và (3) AI tạo sinh (Generative AI).

AI hỗ trợ học tập thông minh sử dụng thuật toán machine learning để cá nhân hóa lộ trình học tập dựa trên dữ liệu hành vi, kết quả đánh giá và đặc điểm cá nhân của sinh viên (Matz et al., 2023). Các hệ thống này có thể phân tích điểm mạnh, điểm yếu và phong cách học tập của từng sinh viên để đề xuất nội dung và bài tập phù hợp, tạo ra trải nghiệm học tập "đo ni đóng giày" mà phương pháp giảng dạy truyền thống khó thực hiện được ở quy mô lớn.

AI tạo sinh (Generative AI), đặc biệt là các mô hình ngôn ngữ lớn (Large Language Models — LLMs) như GPT-4, Gemini và Claude, đã tạo ra một bước ngoặt thực sự trong giáo dục kể từ cuối năm 2022. Yan et al. (2024) trong bài báo trên Nature Human Behaviour đã phân tích toàn diện các hứa hẹn và thách thức của AI tạo sinh đối với việc học của con người, kết luận rằng "AI tạo sinh có tiềm năng thay đổi sâu sắc cách chúng ta dạy, học và đánh giá, nhưng đòi hỏi một khung chính sách và đạo đức mới hoàn toàn."

2.2. Bằng chứng nghiên cứu về hiệu quả

Kasneci et al. (2023) tổng hợp các nghiên cứu về ChatGPT và các LLMs trong giáo dục, chỉ ra bốn cơ hội chính: (1) hỗ trợ viết và phản hồi văn bản, (2) cá nhân hóa học tập, (3) tự động hóa công việc hành chính cho giảng viên, và (4) mở rộng khả năng tiếp cận giáo dục. Đồng thời, nhóm tác giả cũng cảnh báo về bốn rủi ro: (1) sai lệch thông tin (hallucination), (2) gian lận học thuật, (3) thiên lệch thuật toán (algorithmic bias), và (4) phụ thuộc quá mức vào AI.

Ivanov et al. (2024) áp dụng Thuyết Hành vi Có kế hoạch (Theory of Planned Behaviour) để nghiên cứu các yếu tố thúc đẩy việc tiếp nhận AI tạo sinh trong giáo dục đại học. Kết quả cho rằng thái độ, chuẩn chủ quan (subjective norms) và kiểm soát hành vi cảm nhận (perceived behavioural control) là ba yếu tố dự báo quan trọng nhất. Điều này ngụ ý rằng việc chỉ cung cấp công nghệ AI mà không xây dựng văn hóa sử dụng hợp lý và đào tạo kỹ năng sẽ không mang lại kết quả như mong đợi.

Chan (2023) đã phát triển một khung chính sách AI giáo dục toàn diện cho giảng dạy và học tập ở đại học, bao gồm bảy thành phần: (1) tầm nhìn và nguyên tắc, (2) quản trị dữ liệu, (3) đào tạo và phát triển giảng viên, (4) hỗ trợ sinh viên, (5) kiểm soát chất lượng, (6) đạo đức và công bằng, và (7) đối thoại với các bên liên quan. Khung này đã được nhiều trường đại học trên thế giới sử dụng làm tài liệu tham khảo khi xây dựng chính sách AI nội bộ.

2.3. Thực tiễn triển khai tại Việt Nam

Nghiên cứu của Vũ Khánh Quý et al. (2023) phân tích tầm nhìn và cách tiếp cận của một trường đại học cụ thể tại Việt Nam đối với AI và chuyển đổi số. Kết quả cho thấy trường đã triển khai thành công một số ứng dụng AI trong quản lý học vụ (điểm danh bằng nhận diện khuôn mặt, phân tích dữ liệu sinh viên), nhưng việc tích hợp AI vào giảng dạy vẫn còn hạn chế. Nguyên nhân chính bao gồm: thiếu năng lực kỹ thuật của giảng viên, thiếu nội dung đào tạo phù hợp và thiếu chính sách rõ ràng về sử dụng AI trong giảng dạy và đánh giá.

UNESCO (2023) đã ban hành Hướng dẫn về AI tạo sinh trong giáo dục và nghiên cứu, nêu ra tám thách thức và bảy hành động cụ thể cho các quốc gia. Trong đó, hành động quan trọng nhất đối với các nước đang phát triển như Việt Nam là "đầu tư vào năng lực con người" — đào tạo giảng viên không chỉ sử dụng AI mà còn hiểu được giới hạn và rủi ro của công nghệ này. UNESCO khuyến cáo các quốc gia không nên cấm AI tạo sinh trong giáo dục mà nên xây dựng khung sử dụng có trách nhiệm.

Nguyễn, Ngô và Hong et al. (2022) đã đề xuất các nguyên tắc đạo đức cho AI trong giáo dục, bao gồm: minh bạch (transparency), công bằng (fairness), khả năng giải thích (explainability), quyền riêng tư (privacy) và trách nhiệm giải trình (accountability). Các nguyên tắc này đặc biệt quan trọng trong bối cảnh giáo dục đại học Việt Nam, nơi khung pháp lý về AI còn đang trong giai đoạn hình thành.

2.4. Thách thức và khuyến nghị

Thách thức lớn nhất đối với việc triển khai AI trong giáo dục đại học không phải là công nghệ mà là con người. Bond et al. (2024) kêu gọi cộng đồng nghiên cứu cần "tăng cường đạo đức, hợp tác và tính nghiêm ngặt" trong các nghiên cứu về AI trong giáo dục, tránh việc "lạm dụng thuật ngữ AI" (AI-washing) — tức là gán mác AI cho các công nghệ không thực sự sử dụng AI.

Đối với Việt Nam, các khuyến nghị cụ thể bao gồm: (1) xây dựng chính sách quốc gia về sử dụng AI trong giáo dục đại học, (2) phát triển chương trình đào tạo năng lực AI cho giảng viên theo khung HeDiCom, (3) đầu tư vào cơ sở hạ tầng dữ liệu — nền tảng cho mọi ứng dụng AI, (4) thiết lập cơ chế giám sát và đánh giá tác động của AI đối với chất lượng giáo dục, và (5) hợp tác quốc tế để tiếp cận các công nghệ và kinh nghiệm triển khai tiên tiến.

3. Hệ thống quản lý học tập (Learning Management Systems — LMS)

3.1. Vai trò nền tảng trong chuyển đổi số giáo dục

Hệ thống quản lý học tập (Learning Management System — LMS) được xem là "xương sống" của giáo dục số, đóng vai trò nền tảng cho mọi hoạt động giảng dạy và học tập trực tuyến và kết hợp (Sanchez et al., 2024). Trong bối cảnh chuyển đổi số, LMS không chỉ là công cụ phân phối nội dung mà còn là hệ sinh thái tích hợp các chức năng: quản lý khóa học, theo dõi tiến độ học tập, tổ chức thảo luận, đánh giá và phản hồi, phân tích dữ liệu học tập (learning analytics), và cấp chứng nhận số.

Sanchez et al. (2024) đã thực hiện một nghiên cứu so sánh tổng quan các hệ thống LMS phổ biến trong giáo dục đại học, bao gồm Moodle, Canvas, Blackboard, Google Classroom và Microsoft Teams. Kết quả cho thấy không có hệ thống LMS nào hoàn hảo cho mọi ngữ cảnh — sự lựa chọn phụ thuộc vào quy mô trường, ngân sách, năng lực kỹ thuật của đội ngũ IT và yêu cầu cụ thể của các chương trình đào tạo. Moodle, là hệ thống mã nguồn mở miễn phí, vẫn là lựa chọn phổ biến nhất tại các nước đang phát triển bao gồm Việt Nam, nhờ tính linh hoạt, cộng đồng hỗ trợ lớn và chi phí triển khai thấp.

Turnbull, Chugh và Luck (2022) nghiên cứu các yếu tố chung trong chính sách LMS của các cơ sở giáo dục đại học và phát hiện rằng các trường có chính sách LMS rõ ràng và toàn diện — bao gồm tiêu chuẩn chất lượng nội dung, quy trình đào tạo giảng viên và cơ chế hỗ trợ kỹ thuật — có tỷ lệ sử dụng LMS hiệu quả cao hơn đáng kể so với các trường chỉ đơn thuần cung cấp công cụ mà không có chính sách đi kèm.

3.2. Xu hướng phát triển và tích hợp

Xu hướng quan trọng nhất trong phát triển LMS hiện nay là sự tích hợp với AI và learning analytics. Các hệ thống LMS thế hệ mới đang tích hợp chức năng phân tích dữ liệu học tập theo thời gian thực, giúp giảng viên theo dõi mức độ tương tác của sinh viên, phát hiện sớm sinh viên có nguy cơ bỏ học và can thiệp kịp thời (Matz et al., 2023). Nghiên cứu của Matz et al. sử dụng machine learning để phân tích dữ liệu nhân khẩu học và chỉ số tương tác trên ứng dụng di động của sinh viên, đạt được độ chính xác cao trong việc dự đoán tỷ lệ giữ chân sinh viên (student retention).

Boltsi et al. (2024) trong khảo sát STEM (Khoa học, Công nghệ, Kỹ thuật và Toán học) về các công cụ, công nghệ và phương pháp học tập cho Education 4.0 đã phân tích vai trò của LMS trong bối cảnh giáo dục thế hệ thứ tư. Theo đó, LMS đang tiến hóa từ "hệ thống quản lý" sang "hệ sinh thái học tập" (learning ecosystem) — tích hợp với các công nghệ khác như AI, VR/AR, gamification và công cụ cộng tác để tạo ra trải nghiệm học tập toàn diện và linh hoạt.

Xu hướng thứ hai là "gamification" — hóa trò chơi trong LMS. Khaldi, Bouzidi và Nader (2023) trong nghiên cứu tổng quan hệ thống về gamification trong e-learning ở bậc đại học cho thấy việc tích hợp các yếu tố trò chơi (điểm số, huy hiệu, bảng xếp hạng, câu chuyện tương tác) vào LMS có thể tăng cường động lực, sự tham gia và kết quả học tập của sinh viên. Tuy nhiên, hiệu quả của gamification phụ thuộc mạnh mẽ vào thiết kế sư phạm — các yếu tố trò chơi phải phục vụ mục tiêu học tập chứ không chỉ để giải trí.

3.3. Thực tiễn tại Việt Nam

Trong bối cảnh đại dịch COVID-19, gần như tất cả các trường đại học Việt Nam đã triển khai LMS, nhưng chất lượng sử dụng rất không đồng đều (Nguyễn Anh Tuấn et al., 2022). Nhiều trường sử dụng LMS chủ yếu như một "kho lưu trữ tài liệu" — nơi giảng viên tải slide bài giảng và bài tập lên, thay vì tận dụng đầy đủ các chức năng tương tác và phân tích dữ liệu. Điều này phản ánh một vấn đề phổ biến trong chuyển đổi số giáo dục: "số hóa quy trình cũ" thay vì "tái thiết kế quy trình" (Alenezi, 2023).

Nguyễn Minh Trí và Phạm Duy Hoàng (2023) phát hiện rằng trong nghiên cứu trường hợp tại Việt Nam, những trở ngại chính đối với việc sử dụng hiệu quả LMS bao gồm: kết nối internet không ổn định ở một số khu vực, sinh viên thiếu thiết bị học tập phù hợp, giảng viên thiếu đào tạo về thiết kế giảng dạy trực tuyến, và thiếu bộ phận hỗ trợ kỹ thuật chuyên trách. Các tác giả đề xuất rằng chuyển đổi số thành công cần đầu tư đồng bộ vào cả hạ tầng công nghệ lẫn phát triển năng lực con người.

Hoàng Tường Sỹ et al. (2022) đã đánh giá năng lực số của giảng viên tại các trường đại học sư phạm Việt Nam trong bối cảnh chuyển đổi số giáo dục. Kết quả cho thấy năng lực sử dụng LMS của giảng viên còn hạn chế, đặc biệt trong các chức năng nâng cao như phân tích dữ liệu học tập, thiết kế đánh giá trực tuyến và tạo nội dung tương tác. Điều này nhấn mạnh nhu cầu cấp thiết về các chương trình đào tạo chuyên sâu về sử dụng công nghệ trong giáo dục cho giảng viên đại học.

3.4. Khuyến nghị triển khai

Dựa trên tổng hợp nghiên cứu và thực tiễn, các khuyến nghị cho việc triển khai LMS trong giáo dục đại học bao gồm: (1) thiết lập chính sách LMS toàn trường, rõ ràng và có đánh giá định kỳ, (2) đầu tư vào đào tạo giảng viên — không chỉ kỹ năng kỹ thuật mà còn thiết kế sư phạm trực tuyến, (3) tích hợp learning analytics để hỗ trợ ra quyết định dựa trên dữ liệu, (4) đảm bảo khả năng tiếp cận (accessibility) cho sinh viên ở các khu vực có hạ tầng yếu, và (5) phát triển cộng đồng thực hành (community of practice) để giảng viên chia sẻ kinh nghiệm sử dụng LMS hiệu quả.

4. Dữ liệu lớn (Big Data) và Phân tích học tập (Learning Analytics)

4.1. Dữ liệu lớn trong giáo dục đại học

Dữ liệu lớn (Big Data) trong giáo dục đại học — còn được gọi là "Educational Data Mining" hoặc "Learning Analytics" — là việc thu thập, xử lý và phân tích các tập dữ liệu quy mô lớn được tạo ra trong quá trình học tập và hoạt động học thuật (Surendran et al., 2024). Các nguồn dữ liệu chính bao gồm: hệ thống quản lý học tập (LMS), hệ thống thông tin sinh viên (SIS), hoạt động thư viện số, tương tác trên nền tảng cộng đồng trực tuyến, và ngày càng nhiều hơn, dữ liệu từ các thiết bị IoT và cảm biến trong không gian học tập thông minh.

Jawwad et al. (2024) đã giới thiệu khái niệm "smart university" (đại học thông minh) — được xem là một "smart city thu nhỏ," trong đó IoT và dữ liệu lớn đóng vai trò trung tâm. Theo khung này, một đại học thông minh tích hợp dữ liệu từ nhiều nguồn: hệ thống quản lý tòa nhà (BMS), hệ thống giao thông nội bộ, dịch vụ ăn uống, thư viện, phòng thí nghiệm và không gian học tập — để tối ưu hóa trải nghiệm sinh viên và hiệu quả vận hành.

Surendran et al. (2024) phân tích cách thức dữ liệu lớn và phân tích dữ liệu có thể cải thiện chất lượng giáo dục thông qua bốn cơ chế: (1) phát hiện sớm sinh viên có nguy cơ bỏ học hoặc thất bại, (2) cá nhân hóa lộ trình học tập dựa trên dữ liệu hành vi, (3) đánh giá và cải tiến chương trình đào tạo dựa trên dữ liệu kết quả, và (4) tối ưu hóa phân bổ nguồn lực giáo dục.

4.2. Ứng dụng thực tế và bằng chứng nghiên cứu

Nghiên cứu mang tính bước ngoặt của Matz et al. (2023), được công bố trên Scientific Reports, đã sử dụng machine learning để phân tích dữ liệu từ hơn 10,000 sinh viên, kết hợp đặc điểm nhân khẩu học và chỉ số tương tác trên ứng dụng di động. Mô hình dự đoán tỷ lệ giữ chân sinh viên (student retention) của nhóm đạt độ chính xác vượt trội so với các phương pháp thống kê truyền thống, chứng minh tiềm năng của dữ liệu lớn trong việc hỗ trợ ra quyết định giáo dục dựa trên bằng chứng.

Abdul Jawwad et al. (2024) mở rộng góc nhìn khi kết hợp IoT và dữ liệu lớn trong khái niệm "smart campus" — khuôn viên trường thông minh. Các cảm biến IoT được lắp đặt trong phòng học, thư viện và không gian sinh hoạt có thể thu thập dữ liệu về: mức độ sử dụng không gian, chất lượng không khí, mức độ tiếng ồn, tiêu thụ năng lượng và thậm chí cảm xúc của sinh viên (thông qua phân tích khuôn mặt và giọng nói). Dữ liệu này khi được tích hợp và phân tích có thể giúp trường đại học tối ưu hóa lịch trình, cải thiện môi trường học tập và giảm chi phí vận hành.

Tuy nhiên, việc sử dụng dữ liệu lớn trong giáo dục cũng đặt ra những câu hỏi nghiêm túc về quyền riêng tư và đạo đức. Surendran et al. (2024) nhấn mạnh rằng việc thu thập và phân tích dữ liệu sinh viên phải tuân thủ các nguyên tắc: (1) thu thập tối thiểu (data minimization) — chỉ thu thập dữ liệu thực sự cần thiết, (2) ẩn danh hóa (anonymization) — bảo vệ danh tính cá nhân, (3) minh bạch (transparency) — sinh viên phải biết dữ liệu nào đang được thu thập và sử dụng như thế nào, và (4) đồng thuận (consent) — sinh viên có quyền từ chối hoặc rút khỏi hệ thống theo dõi.

4.3. Thực tiễn tại Việt Nam

Tại Việt Nam, việc áp dụng learning analytics trong giáo dục đại học vẫn còn ở giai đoạn rất sơ khai (Trần Mai Uốc, 2023). Hầu hết các trường đại học thu thập dữ liệu sinh viên thông qua LMS và hệ thống quản lý đào tạo, nhưng việc phân tích dữ liệu chủ yếu dừng ở mức thống kê mô tả (số lượng sinh viên đăng nhập, thời gian truy cập, điểm số trung bình) mà chưa ứng dụng các phương pháp phân tích dự đoán (predictive analytics) hay phân tích kênh hóa (prescriptive analytics).

Nghiên cứu của Lê Thị và Chu Bá (2024) về các yếu tố ảnh hưởng đến chuyển đổi số trong giáo dục đại học Việt Nam chỉ ra rằng hạ tầng dữ liệu — bao gồm hệ thống lưu trữ, xử lý và bảo mật dữ liệu — là một trong những yếu tố kém phát triển nhất. Nhiều trường đại học thiếu hệ thống quản lý dữ liệu tích hợp, dẫn đến tình trạng "ốc đảo dữ liệu" (data silos) — dữ liệu nằm rải rác ở nhiều hệ thống khác nhau mà không thể kết nối và phân tích tổng thể.

Nguyễn, Ngô và Hong et al. (2022) đề xuất các nguyên tắc đạo đức cho AI và dữ liệu trong giáo dục, bao gồm nguyên tắc "privacy by design" — thiết kế hệ thống bảo vệ quyền riêng tư ngay từ đầu. Các tác giả khuyến cáo các trường đại học Việt Nam nên xây dựng chính sách bảo vệ dữ liệu sinh viên rõ ràng trước khi triển khai các hệ thống learning analytics quy mô lớn, đồng thời cần có cơ chế giám sát độc lập để đảm bảo tuân thủ.

4.4. Khuyến nghị triển khai

Để phát triển mạnh mẽ learning analytics trong giáo dục đại học Việt Nam, các bước cần thực hiện bao gồm: (1) xây dựng chiến lược dữ liệu toàn trường — xác định loại dữ liệu cần thu thập, cách lưu trữ và sử dụng, (2) đầu tư vào hạ tầng dữ liệu — hệ thống lưu trữ đám mây, nền tảng xử lý dữ liệu và công cụ phân tích, (3) phát triển đội ngũ chuyên trách — tuyển dụng và đào tạo chuyên gia phân tích dữ liệu giáo dục, (4) xây dựng khung đạo đức và chính sách bảo vệ dữ liệu sinh viên, (5) bắt đầu từ những ứng dụng đơn giản — theo dõi và cảnh báo sinh viên có nguy cơ — trước khi mở rộng sang các ứng dụng phức tạp hơn.

5. Điện toán đám mây (Cloud Computing)

5.1. Điện toán đám mây — nền tảng hạ tầng cho chuyển đổi số

Điện toán đám mây (Cloud Computing) không phải là công nghệ giảng dạy trực tiếp, nhưng đóng vai trò nền tảng hạ tầng (infrastructure) cho hầu hết mọi công nghệ giáo dục số (Sharma et al., 2023). Từ LMS đến AI, từ learning analytics đến hệ thống quản lý sinh viên — tất cả đều cần hạ tầng đám mây để hoạt động ở quy mô lớn, linh hoạt và tiết kiệm chi phí.

Sharma et al. (2023) đã nghiên cứu việc tiếp nhận điện toán đám mây tại các cơ sở học thuật trong kỷ nguyên COVID-19 và phát hiện rằng đại dịch đã thúc đẩy đáng kể việc chuyển đổi từ hệ thống CNTT tại chỗ (on-premise) sang nền tảng đám mây. Các động lực chính bao gồm: nhu cầu truy cập từ xa, yêu cầu mở rộng quy mô nhanh chóng (scale up/down), giảm chi phí đầu tư hạ tầng ban đầu, và cần thiết bảo trì và cập nhật liên tục.

Đối với giáo dục đại học, điện toán đám mây cung cấp ba mô hình dịch vụ chính: (1) Infrastructure as a Service (IaaS) — cung cấp tài nguyên máy tính ảo, (2) Platform as a Service (PaaS) — cung cấp nền tảng phát triển ứng dụng, và (3) Software as a Service (SaaS) — cung cấp phần mềm sẵn có qua trình duyệt web. Hầu hết các trường đại học sử dụng kết hợp cả ba mô hình: IaaS cho máy chủ và lưu trữ, PaaS cho phát triển ứng dụng nội bộ, và SaaS cho các phần mềm quản lý như LMS, ERP và hệ thống email.

5.2. Bằng chứng nghiên cứu

Sharma et al. (2023) trong nghiên cứu công bố trên Technological Forecasting and Social Change đã phân tích các yếu tố ảnh hưởng đến việc tiếp nhận điện toán đám mây tại các cơ sở học thuật. Kết quả cho thấy ba yếu tố có tác động mạnh nhất: (1) lợi ích cảm nhận (perceived benefits) — bao gồm tiết kiệm chi phí, linh hoạt và khả năng mở rộng, (2) sự sẵn sàng của công nghệ (technology readiness) — mức độ trưởng thành của hạ tầng mạng và năng lực IT, và (3) hỗ trợ tổ chức (organizational support) — sự cam kết từ lãnh đạo và nguồn lực dành cho chuyển đổi.

Nghiên cứu cũng chỉ ra một số rào cản quan trọng: lo ngại về bảo mật dữ liệu (đặc biệt đối với dữ liệu nghiên cứu và thông tin cá nhân sinh viên), phụ thuộc vào nhà cung cấp (vendor lock-in), kết nối internet không ổn định ở một số khu vực, và thiếu chuyên gia quản lý đám mây nội bộ. Các rào cản này đặc biệt gay gắt đối với các trường đại học ở các nước đang phát triển, nơi hạ tầng mạng chưa đồng bộ và ngân sách đầu tư còn hạn hẹp.

Alenezi (2023) phân tích khái niệm "tổ chức số" (digital institution) trong giáo dục đại học và nhấn mạnh rằng điện toán đám mây là điều kiện tiên quyết để trở thành một "tổ chức số thực sự." Theo Alenezi, một tổ chức giáo dục số phải có khả năng:

(1) vận hành toàn bộ quy trình quản lý trên nền tảng số, (2) cung cấp dịch vụ giáo dục mọi lúc mọi nơi, (3) ra quyết định dựa trên dữ liệu thời gian thực, và (4) thích ứng nhanh chóng với thay đổi — tất cả đều cần hạ tầng đám mây vững chắc.

5.3. Thực tiễn tại Việt Nam

Tại Việt Nam, nhiều trường đại học đã bắt đầu chuyển đổi sang nền tảng đám mây, đặc biệt trong và sau đại dịch COVID-19. Các trường đại học lớn như ĐHQG Hà Nội, ĐHQG TP.HCM và ĐH Bách Khoa Hà Nội đã triển khai các hệ thống đám mây kết hợp (hybrid cloud) — sử dụng cả hạ tầng tại chỗ và dịch vụ đám mây công cộng (Vũ Khánh Quý et al., 2023).

Tuy nhiên, theo nghiên cứu của Nguyễn Minh Trí và Phạm Duy Hoàng (2023), việc tiếp nhận điện toán đám mây tại các trường đại học Việt Nam vẫn gặp nhiều thách thức: (1) thiếu tiêu chuẩn thống nhất về bảo mật dữ liệu đám mây trong giáo dục, (2) ngân sách hạn chế cho đầu tư hạ tầng, (3) thiếu nhân lực chuyên trách về an toàn thông tin và quản trị đám mây, và (4) lo ngại về chủ quyền dữ liệu khi sử dụng dịch vụ đám mây của các nhà cung cấp nước ngoài.

Đề xuất tạo chính sách chuyển đổi số trong giáo dục của nhóm tác giả từ VNU (Trần Minh Khuê et al., 2024) nhấn mạnh rằng việc xây dựng hạ tầng đám mây giáo dục quốc gia — thay vì để từng trường tự đầu tư — là giải pháp tối ưu cho bối cảnh Việt Nam. Một nền tảng đám mây dùng chung cho ngành giáo dục sẽ giúp tiết kiệm chi phí, đảm bảo tiêu chuẩn bảo mật đồng nhất và tạo điều kiện chia sẻ tài nguyên giáo dục giữa các trường.

5.4. Khuyến nghị

Các khuyến nghị cho việc triển khai điện toán đám mây trong giáo dục đại học bao gồm: (1) xây dựng chiến lược đám mây toàn trường phù hợp với nhu cầu và ngân sách, (2) ưu tiên các dịch vụ đám mây SaaS cho các ứng dụng quản lý — giảm gánh nặng bảo trì cho đội ngũ IT nội bộ, (3) đầu tư mạnh vào an toàn thông tin và bảo mật dữ liệu khi chuyển lên đám mây, (4) xem xét mô hình đám mây kết hợp (hybrid cloud) để cân bằng giữa linh hoạt và kiểm soát, (5) đề xuất với Bộ GD&ĐT xây dựng nền tảng đám mây dùng chung cho ngành giáo dục đại học, và (6) đào tạo đội ngũ IT nội bộ có năng lực quản trị đám mây và an toàn thông tin.

6. Internet of Things (IoT) trong giáo dục đại học

6.1. IoT và không gian học tập thông minh

Internet of Things (IoT) — Mạng lưới vạn vật kết nối Internet — đang mở rộng ranh giới của không gian học tập truyền thống, biến cả khuôn viên trường đại học thành một "môi trường học tập thông minh" (smart learning environment) (Jawwad et al., 2024; Negm, 2022). IoT trong giáo dục đại học bao gồm nhiều loại thiết bị và cảm biến: camera giám sát thông minh, hệ thống kiểm soát truy cập bằng thẻ RFID hoặc nhận diện khuôn mặt, cảm biến môi trường (nhiệt độ, độ ẩm, ánh sáng, chất lượng không khí), thiết bị theo dõi sức khỏe, và các công cụ tương tác trong lớp học thông minh (smart board, clicker, wearable devices).

Negm (2022) nghiên cứu ý định sử dụng IoT trong học tập trực tuyến ở bậc đại học và phát hiện rằng "sự sẵn sàng về công nghệ" (technology readiness) là yếu tố dự báo quan trọng nhất. Cụ thể, những sinh viên và giảng viên có thái độ tích cực đối với công nghệ mới, tin tưởng vào khả năng của IoT và cảm thấy thoải mái khi sử dụng thiết bị kết nối có xu hướng tiếp nhận IoT trong giáo dục mạnh mẽ hơn.

Jawwad et al. (2024) phát triển khái niệm "smart university" dựa trên lăng kính IoT và dữ liệu lớn, trong đó khuôn viên trường được trang bị hệ thống cảm biến toàn diện. Khung này bao gồm năm lớp: (1) lớp thiết bị và cảm biến (perception layer), (2) lớp mạng kết nối (network layer), (3) lớp xử lý dữ liệu (processing layer), (4) lớp ứng dụng (application layer), và (5) lớp kinh doanh và dịch vụ (business layer). Mỗi lớp đóng vai trò cụ thể trong việc thu thập, truyền tải, xử lý và sử dụng dữ liệu để cải thiện trải nghiệm giáo dục và vận hành trường.

6.2. Ứng dụng thực tế

Các ứng dụng IoT trong giáo dục đại học có thể được phân thành ba nhóm chính. Nhóm thứ nhất là quản lý cơ sở vật chất thông minh — tự động hóa hệ thống chiếu sáng, điều hòa không khí, kiểm soát truy cập và theo dõi sử dụng phòng học dựa trên dữ liệu cảm biến thời gian thực. Điều này không chỉ tiết kiệm năng lượng (thường giảm 20-30% chi phí điện năng) mà còn cải thiện môi trường học tập — duy trì nhiệt độ, độ ẩm và chất lượng không khí tối ưu.

Nhóm thứ hai là học tập kết nối IoT — sử dụng thiết bị IoT trong giảng dạy và học tập. Ví dụ, trong các chương trình kỹ thuật và khoa học, sinh viên có thể sử dụng cảm biến IoT để thu thập dữ liệu thực nghiệm, điều khiển thiết bị từ xa và phân tích dữ liệu theo thời gian thực. Trong các chương trình y khoa, thiết bị IoT có thể hỗ trợ mô phỏng phẫu thuật và theo dõi bệnh nhân ảo.

Nhóm thứ ba là dịch vụ sinh viên thông minh — từ hệ thống định vị trong khuôn viên, ứng dụng đặt đồ ăn tự động, theo dõi sức khỏe sinh viên, đến hệ thống đỗ xe thông minh. Các dịch vụ này tạo ra "trải nghiệm sinh viên toàn diện" (comprehensive student experience) — một yếu tố ngày càng quan trọng trong cạnh tranh thu hút sinh viên.

6.3. Thách thức và rào cản

Mặc dù có tiềm năng lớn, việc triển khai IoT trong giáo dục đại học đối mặt với nhiều thách thức đáng kể (Negm, 2022). Thách thức lớn nhất là bảo mật: mỗi thiết bị IoT là một "điểm yếu tiềm năng" (potential vulnerability) có thể bị khai thác để tấn công mạng. Với hàng ngàn — thậm chí hàng chục ngàn — thiết bị kết nối trong một khuôn viên trường, bề mặt tấn công (attack surface) rất lớn.

Thách thức thứ hai là tính tương thích (interoperability) — các thiết bị IoT từ các nhà sản xuất khác nhau thường sử dụng giao thức và tiêu chuẩn khác nhau, gây khó khăn cho việc tích hợp. Thách thức thứ ba là chi phí đầu tư ban đầu — trang bị hệ thống cảm biến toàn diện cho một khuôn viên trường đại học đòi hỏi ngân sách đáng kể. Thách thức thứ tư là quyền riêng tư — việc thu thập dữ liệu liên tục về vị trí, hành vi và thậm chí sinh trắc học của sinh viên đặt ra câu hỏi về ranh giới giữa "cải thiện trải nghiệm" và "giám sát."

6.4. Thực tiễn tại Việt Nam và khuyến nghị

Tại Việt Nam, việc áp dụng IoT trong giáo dục đại học chủ yếu tập trung ở các trường kỹ thuật lớn, trong khuôn khổ các phòng thí nghiệm và dự án nghiên cứu (Vũ Khánh Quý et al., 2023). Ở cấp độ toàn trường, việc triển khai IoT thông minh (smart campus) vẫn còn rất hạn chế, chủ yếu do rào cản về chi phí, thiếu tiêu chuẩn kỹ thuật thống nhất và thiếu đội ngũ chuyên trách vận hành.

Các khuyến nghị cho bối cảnh Việt Nam bao gồm: (1) bắt đầu từ các ứng dụng IoT có ROI (tỷ suất hoàn vốn) cao — như tự động hóa năng lượng và quản lý phòng học, (2) thiết lập tiêu chuẩn bảo mật IoT cho giáo dục, (3) tích hợp IoT vào chương trình đào tạo các ngành kỹ thuật — biến khuôn viên trường thành "phòng thí nghiệm sống," (4) hợp tác với các công ty công nghệ để tiếp cận công nghệ và kinh nghiệm triển khai, và (5) xây dựng chính sách bảo vệ quyền riêng tư rõ ràng cho việc thu thập dữ liệu sinh viên qua IoT.

7. Công nghệ Blockchain trong giáo dục đại học

7.1. Tiềm năng của Blockchain cho giáo dục

Blockchain — công nghệ sổ cái phân tán (distributed ledger technology) nổi tiếng qua ứng dụng trong tiền mã hóa — đang thu hút sự chú ý của giới giáo dục đại học nhờ khả năng cung cấp giải pháp cho một số bài toán cốt lõi: xác minh bằng cấp và chứng chỉ, quản lý bản quyền học thuật, và theo dõi học liệu (Tariq et al., 2022; Nousias et al., 2022).

Tariq et al. (2022) đã phát triển hệ thống Cerberus — một hệ thống xác minh bằng cấp và công nhận dựa trên blockchain. Hệ thống cho phép các trường đại học phát hành bằng cấp dưới dạng chứng chỉ số (digital credential) được lưu trữ trên blockchain, có thể xác minh ngay lập tức bởi bất kỳ bên thứ ba nào mà không cần liên hệ trực tiếp với trường cấp bằng. Điều này giải quyết một trong những vấn đề lớn nhất trong giáo dục đại học toàn cầu: gian lận bằng cấp. Theo ước tính của các tổ chức quốc tế, hàng triệu bằng cấp giả đang lưu hành trên thị trường lao động toàn cầu, gây thiệt hại nghiêm trọng cho uy tín giáo dục và an toàn lao động.

Nousias et al. (2022) đề xuất một cách tiếp cận có nhận thức về quy trình (process-aware approach) cho việc xác minh bằng cấp học thuật dựa trên blockchain. Khung này không chỉ tập trung vào công nghệ mà còn phân tích toàn bộ quy trình cấp và xác minh bằng cấp, đảm bảo rằng giải pháp blockchain được tích hợp liền mạch vào quy trình hiện tại của các trường đại học và cơ quan tuyển dụng.

7.2. Các ứng dụng chính

Ứng dụng nổi bật nhất của blockchain trong giáo dục đại học là quản lý hồ sơ học tập suốt đời (lifelong learning records). Trong bối cảnh học tập suốt đời ngày càng quan trọng, sinh viên có thể tham gia nhiều khóa học tại nhiều cơ sở khác nhau — cả chính quy lẫn trực tuyến. Blockchain cho phép tạo ra một "hồ sơ học tập không thể thay đổi" (immutable learning record) tích hợp tất cả các khóa học, chứng chỉ và kỹ năng đã đạt được, tạo cơ sở cho việc công nhận học chéo (credit transfer) giữa các trường và các quốc gia.

Ứng dụng thứ hai là bảo vệ bản quyền học thuật. Các công trình nghiên cứu, bài báo khoa học và tài liệu giảng dạy có thể được lưu trữ trên blockchain với timestamp (dấu thời gian) không thể thay đổi, tạo bằng chứng sở hữu trí tuệ vững chắc. Một số nền tảng blockchain giáo dục đã cho phép giảng viên và nhà nghiên cứu đăng ký bản quyền tác phẩm ngay khi xuất bản.

Ứng dụng thứ ba là hợp đồng thông minh (smart contracts) trong quản lý giáo dục. Các hợp đồng thông minh có thể tự động hóa nhiều quy trình quản lý: đăng ký khóa học, thanh toán học phí, phân công giảng dạy, đánh giá và cấp chứng chỉ. Ví dụ, khi sinh viên hoàn thành tất cả các yêu cầu của một khóa học, hợp đồng thông minh có thể tự động cấp chứng chỉ và cập nhật hồ sơ học tập trên blockchain mà không cần can thiệp thủ công.

7.3. Thách thức triển khai

Mặc dù có tiềm năng đáng kể, blockchain trong giáo dục đại học vẫn ở giai đoạn rất sơ khai và đối mặt với nhiều thách thức (Tariq et al., 2022). Thách thức lớn nhất là khả năng mở rộng (scalability) — hầu hết các nền tảng blockchain hiện tại có giới hạn về số lượng giao dịch xử lý trong một giây, trong khi một trường đại học lớn có hàng chục ngàn sinh viên với hàng triệu hoạt động học tập mỗi ngày.

Thách thức thứ hai là tiêu chuẩn hóa — hiện chưa có tiêu chuẩn thống nhất về định dạng bằng cấp số trên blockchain, khiến việc chia sẻ và công nhận giữa các trường và các quốc gia gặp khó khăn. Thách thức thứ ba là chi phí và năng lượng tiêu thụ — một số nền tảng blockchain (đặc biệt là Proof-of-Work) tiêu thụ lượng điện năng lớn, gây lo ngại về tính bền vững môi trường. Thách thức thứ tư là rào cản pháp lý — khung pháp lý về bằng cấp số và blockchain khác nhau giữa các quốc gia, tạo ra rủi ro pháp lý cho các trường đại học khi triển khai.

7.4. Thực tiễn tại Việt Nam

Tại Việt Nam, việc ứng dụng blockchain trong giáo dục đại học vẫn chủ yếu ở cấp độ nghiên cứu và thử nghiệm. Một số trường đại học đã bắt đầu thử nghiệm cấp bằng cấp số và chứng chỉ trên blockchain, nhưng chưa có triển khai quy mô lớn (Nguyễn Minh Trí & Phạm Duy Hoàng, 2023). Rào cản chính bao gồm: thiếu khung pháp lý về bằng cấp số, thiếu tiêu chuẩn kỹ thuật thống nhất, hạn chế về năng lực nhân lực và ngân sách.

Các khuyến nghị cho bối cảnh Việt Nam bao gồm: (1) theo dõi và học hỏi từ các dự án blockchain giáo dục tiên tiến trên thế giới, (2) đề xuất với Bộ GD&ĐT xây dựng khung tiêu chuẩn về bằng cấp số, (3) bắt đầu thử nghiệm ở quy mô nhỏ — cấp chứng chỉ ngắn hạn trên blockchain — trước khi mở rộng sang bằng cấp đầy đủ, (4) hợp tác với các công ty công nghệ blockchain trong nước để phát triển giải pháp phù hợp, và (5) tích hợp kiến thức về blockchain vào chương trình đào tạo các ngành CNTT và kinh tế.

8. Thực tế ảo (VR) và Thực tế tăng cường (AR)

8.1. Khái niệm và phân loại

Thực tế ảo (Virtual Reality — VR) và Thực tế tăng cường (Augmented Reality — AR) là hai công nghệ đang thay đổi cách chúng ta trải nghiệm và tương tác với nội dung giáo dục (Lee et al., 2022; Zhao et al., 2023). VR tạo ra môi trường mô phỏng hoàn toàn bằng máy tính, trong khi AR bổ sung thông tin số (hình ảnh, văn bản, video) lên thế giới thực thông qua thiết bị như điện thoại thông minh, tablet hoặc kính AR.

Zhao et al. (2023) đã thực hiện phân tích thư kế toán (bibliometric analysis) và phân tích nội dung các nghiên cứu về VR và AR trong giáo dục từ năm 2018 đến 2022, công bố trên SAGE Open. Kết quả cho thấy số lượng nghiên cứu về VR/AR trong giáo dục tăng theo cấp số nhân trong giai đoạn này, phản ánh sự quan tâm ngày càng lớn của cộng đồng nghiên cứu. Các chủ đề nghiên cứu nổi bật bao gồm: hiệu quả học tập, trải nghiệm người dùng, thiết kế sư phạm và rào cản triển khai.

Lee et al. (2022) nghiên cứu cụ thể môi trường học tập VR và AR trong giáo dục STEM ở bậc đại học và phát hiện rằng cả hai công nghệ đều có tác động tích cực đến kết quả học tập, nhưng với cơ chế khác nhau. VR phù hợp hơn cho các hoạt động mô phỏng và thực hành ảo — ví dụ, mô phỏng phẫu thuật y khoa, thực hành trong phòng thí nghiệm hóa học ảo, hay đào tạo phi công. AR phù hợp hơn cho việc trực quan hóa khái niệm trừu tượng — ví dụ, hiển thị cấu trúc phân tử 3D trong lớp học hóa học, hoặc bổ sung thông tin về di sản văn hóa trong chuyến tham quan thực tế.

8.2. Bằng chứng về hiệu quả

Nghiên cứu của Zhao et al. (2023) tổng hợp phát hiện từ hàng trăm nghiên cứu và đưa ra các kết luận quan trọng. Thứ nhất, VR và AR có tác động tích cực nhất đối với các môn học đòi hỏi hình ảnh không gian và thực hành — y khoa, kỹ thuật, kiến trúc, khoa học tự nhiên. Thứ hai, hiệu quả học tập tăng khi VR/AR được tích hợp vào thiết kế sư phạm có chủ đích — không chỉ là "công cụ minh họa" mà là một phần của chiến lược giảng dạy tổng thể. Thứ ba, các yếu tố ảnh hưởng đến hiệu quả bao gồm: chất lượng nội dung VR/AR, thời gian sử dụng, hỗ trợ từ giảng viên và sự quen thuộc với công nghệ.

Nghiên cứu cũng chỉ ra một số hạn chế: chi phí thiết bị cao (đặc biệt là tai nghe VR chất lượng cao), một số sinh viên bị chóng mặt hoặc buồn nôn khi sử dụng VR (cybersickness), và việc tạo nội dung VR/AR chất lượng đòi hỏi đội ngũ chuyên môn và thời gian đầu tư đáng kể. Hơn nữa, không phải mọi nội dung đều phù hợp với VR/AR — đối với các môn học thiên về tư duy logic và phân tích (toán học, triết học), lợi ích của VR/AR ít rõ rệt hơn.

Contreras et al. (2022) phân tích tầm quan trọng của Metaverse — thế giới ảo kết nối — trong giáo dục và lập luận rằng metaverse có thể tạo ra "không gian học tập xã hội ảo" (social virtual learning spaces) nơi sinh viên từ khắp nơi trên thế giới có thể tương tác, hợp tác và học tập cùng nhau trong một môi trường ảo 3D chân thực. Tuy nhiên, các tác giả cũng cảnh báo rằng metaverse trong giáo dục vẫn còn xa vời và cần giải quyết nhiều vấn đề về công nghệ, chi phí và đạo đức trước khi triển khai quy mô lớn.

8.3. Thực tiễn tại Việt Nam

Tại Việt Nam, việc ứng dụng VR/AR trong giáo dục đại học đang phát triển nhưng chưa đồng đều (Nguyễn Minh Trí & Phạm Duy Hoàng, 2023). Một số trường đại học kỹ thuật lớn đã trang bị phòng thí nghiệm VR cho các chương trình đào tạo kỹ thuật, y khoa và kiến trúc. Các trường khác đang bắt đầu thử nghiệm AR trong giảng dạy thông qua ứng dụng điện thoại thông minh — một giải pháp ít tốn kém hơn VR.

Nagi và Al-Fuhaidi (2024) nghiên cứu việc nhúng VR và AR vào giáo dục đại học tại các trường đại học Yemen — một bối cảnh có nhiều điểm tương đồng với Việt Nam về điều kiện kinh tế và hạ tầng. Kết quả cho thấy ngay cả với nguồn lực hạn chế, việc sử dụng AR qua điện thoại thông minh đã mang lại kết quả học tập tích cực, trong khi VR đòi hỏi đầu tư lớn hơn nhưng mang lại trải nghiệm học tập đắm chìm (immersive) sâu hơn.

Đối với bối cảnh Việt Nam, khuyến nghị bao gồm: (1) ưu tiên AR trên nền tảng điện thoại thông minh — chi phí thấp, dễ tiếp cận và phù hợp với hạ tầng hiện tại, (2) xây dựng phòng thí nghiệm VR dùng chung cho các trường trong cùng khu vực — chia sẻ chi phí đầu tư, (3) phát triển nội dung VR/AR phù hợp với chương trình đào tạo Việt Nam — không chỉ dịch nội dung nước ngoài, (4) đào tạo giảng viên thiết kế trải nghiệm học tập VR/AR, và (5) nghiên cứu tác động dài hạn của VR/AR đến kết quả học tập và kỹ năng thực hành của sinh viên.

9. Tích hợp công nghệ và mô hình triển khai chuyển đổi số toàn diện

9.1. Mô hình tích hợp đa công nghệ

Các nghiên cứu được tổng hợp trong bài viết này chỉ ra một thực tế quan trọng: không một công nghệ đơn lẻ nào có thể giải quyết toàn bộ bài toán chuyển đổi số trong giáo dục đại học. Thành công đòi hỏi sự tích hợp có chủ đích và đồng bộ của nhiều công nghệ cốt lõi theo khung chiến lược rõ ràng (Taher, 2023; Alenezi, 2023).

Dựa trên khung People–Process–Technology và tổng hợp bằng chứng từ các nghiên cứu đã phân tích, bài viết đề xuất mô hình tích hợp gồm năm lớp công nghệ cốt lõi:

Lớp 1 — Hạ tầng nền tảng (Foundation): Điện toán đám mây cung cấp hạ tầng tính toán và lưu trữ cho tất cả các lớp công nghệ phía trên. Đây là nền tảng bắt buộc mà không một ứng dụng giáo dục số nào có thể hoạt động hiệu quả mà không có (Sharma et al., 2023). Tại Việt Nam, đầu tư vào hạ tầng đám mây — đặc biệt là nền tảng đám mây dùng chung cho ngành giáo dục — nên được ưu tiên hàng đầu.

Lớp 2 — Nền tảng quản lý (Management): LMS đóng vai trò nền tảng quản lý học tập, tích hợp các chức năng giảng dạy, đánh giá, theo dõi tiến độ và phân tích dữ liệu (Sanchez et al., 2024). LMS là điểm giao tiếp chính giữa giảng viên và sinh viên trong môi trường số, và cũng là nguồn dữ liệu đầu vào cho learning analytics.

Lớp 3 — Phân tích và thông minh (Intelligence): Dữ liệu lớn và AI tạo nên lớp "bộ não" của hệ thống giáo dục số. Learning analytics phân tích dữ liệu từ LMS và các nguồn khác để cung cấp thông tin chi tiết (insights) cho ra quyết định, trong khi AI cá nhân hóa trải nghiệm học tập và tự động hóa các quy trình (Bond et al., 2024; Surendran et al., 2024).

Lớp 4 — Trải nghiệm và tương tác (Experience): VR/AR và IoT tạo ra lớp trải nghiệm học tập phong phú, đắm chìm và kết nối với thế giới thực (Zhao et al., 2023; Jawwad et al., 2024). Các công nghệ này không thay đổi nội dung học mà thay đổi cách sinh viên tiếp cận và tương tác với nội dung đó.

Lớp 5 — Xác minh và niềm tin (Trust): Blockchain cung cấp lớp "niềm tin" cho toàn hệ thống — xác minh bằng cấp, bảo vệ bản quyền và minh bạch hóa quy trình (Tariq et al., 2022). Trong bối cảnh giáo dục xuyên biên giới ngày càng phổ biến, blockchain đóng vai trò quan trọng trong việc đảm bảo tính toàn vẹn của hồ sơ học tập.

9.2. Mô hình triển khai cho bối cảnh Việt Nam

Dựa trên tổng hợp nghiên cứu về bối cảnh Việt Nam (Vũ Khánh Quý et al., 2023; Nguyễn Minh Trí & Phạm Duy Hoàng, 2023; Lê Thị & Chu Bá, 2024; Hoàng Tường Sỹ et al., 2022) và khuyến nghị từ các tổ chức quốc tế (OECD, UNESCO), bài viết đề xuất mô hình triển khai bốn giai đoạn:

Giai đoạn 1 — Nền tảng (1-2 năm): Tập trung vào điện toán đám mây và LMS. Mục tiêu: đảm bảo 100% trường đại học có LMS hoạt động ổn định, tích hợp cơ bản với hệ thống quản lý đào tạo, và có hạ tầng đám mây đáp ứng nhu cầu truy cập từ xa. Đồng thời, triển khai chương trình đào tạo năng lực số cho giảng viên theo khung HeDiCom (Tondeur et al., 2023).

Giai đoạn 2 — Thông minh (2-3 năm): Tích hợp learning analytics cơ bản vào LMS — theo dõi tiến độ, phát hiện sinh viên có nguy cơ, phân tích kết quả học tập. Bắt đầu thử nghiệm AI trong các ứng dụng quản lý — điểm danh thông minh, phân tích dữ liệu, hỗ trợ hành chính. Xây dựng chính sách AI giáo dục theo khung của Chan (2023).

Giai đoạn 3 — Đổi mới (3-4 năm): Mở rộng AI vào giảng dạy — hệ thống tutorial thông minh, phản hồi tự động, cá nhân hóa lộ trình học tập. Triển khai AR trong các chương trình đào tạo phù hợp. Thử nghiệm VR ở quy mô phòng thí nghiệm. Xây dựng phòng thí nghiệm VR/AR dùng chung cho từng khu vực.

Giai đoạn 4 — Tích hợp toàn diện (4-5 năm): Tích hợp đầy đủ năm lớp công nghệ cốt lõi. Triển khai blockchain cho bằng cấp số và hồ sơ học tập suốt đời. Xây dựng "smart campus" với IoT. Phát triển hệ sinh thái giáo dục số kết nối — giữa các trường, với doanh nghiệp và với quốc tế.

9.3. Yếu tố quyết định thành công

Taher (2023) nhấn mạnh rằng trong khung People–Process–Technology, yếu tố "Con người" là quan trọng nhất. Tất cả các công nghệ cốt lõi được phân tích trong bài viết này chỉ phát huy hiệu quả khi có đủ ba điều kiện về con người: (1) lãnh đạo có tầm nhìn và cam kết — chuyển đổi số phải là ưu tiên chiến lược của ban giám hiệu, không chỉ là dự án IT, (2) giảng viên có năng lực và động lực — cần chương trình đào tạo thường xuyên, có thưởng phạt phân minh và cộng đồng thực hành để chia sẻ kinh nghiệm, (3) sinh viên có sẵn sàng và khả năng tiếp cận — cần đảm bảo công bằng trong tiếp cận công nghệ, đặc biệt đối với sinh viên vùng sâu vùng xa.

Bên cạnh yếu tố con người, OECD (Broberg & Golden, 2023) chỉ ra rằng khung chính sách và quy định đóng vai trò "hệ sinh thái hỗ trợ" cho chuyển đổi số. Việt Nam cần hoàn thiện khung pháp lý về: bảo vệ dữ liệu giáo dục, AI trong giáo dục, bằng cấp số, và an toàn thông tin — tạo hành lang pháp lý an toàn và rõ ràng cho các trường đại học đổi mới.

Polin et al. (2024) phát triển khung đánh giá "smart campus" thông qua tổng quan văn bản, cung cấp công cụ để các trường đại học tự đánh giá mức độ trưởng thành về chuyển đổi số. Khung này bao gồm các chiều: hạ tầng công nghệ, dịch vụ số, năng lực con người, quản trị và sự bền vững — giúp các trường xác định vị trí hiện tại và xác định bước tiếp theo trong lộ trình chuyển đổi số.

10. Kết luận và triển vọng

Chuyển đổi số trong giáo dục đại học không phải là một sự kiện đơn lẻ mà là một quá trình liên tục, đa chiều và đòi hỏi sự đầu tư đồng bộ vào công nghệ, con người và quy trình. Qua việc tổng hợp các nghiên cứu có uy tín và thực tiễn triển khai, bài viết đã hệ thống hóa bảy công nghệ cốt lõi đang định hình giáo dục đại học trong bối cảnh chuyển đổi số: (1) Trí tuệ nhân tạo và AI tạo sinh, (2) Hệ thống quản lý học tập (LMS), (3) Dữ liệu lớn và Phân tích học tập, (4) Điện toán đám mây, (5) Internet of Things (IoT), (6) Công nghệ Blockchain, và (7) Thực tế ảo (VR) và Thực tế tăng cường (AR).

Các phát hiện chính của bài viết có thể tóm tắt như sau. Thứ nhất, không có công nghệ đơn lẻ nào là "viên đạn bạc" — thành công đòi hỏi tích hợp đồng bộ nhiều công nghệ theo khung chiến lược rõ ràng, trong đó điện toán đám mây là nền tảng, LMS là hệ thống quản lý trung tâm, và AI là động lực đổi mới. Thứ hai, yếu tố con người — năng lực của giảng viên, cam kết của lãnh đạo và sự sẵn sàng của sinh viên — quan trọng hơn công nghệ. Thứ ba, bối cảnh Việt Nam có những đặc thù riêng — chênh lệch lớn giữa các trường, giữa các khu vực, và hạ tầng chưa đồng đều — đòi hỏi chiến lược triển khai linh hoạt, ưu tiên những công nghệ có ROI cao và khả năng tiếp cận rộng.

Đối với Việt Nam, bài viết đề xuất mô hình triển khai bốn giai đoạn trong 5 năm, bắt đầu từ nền tảng hạ tầng (đám mây và LMS), tiến đến thông minh hóa (learning analytics và AI quản lý), sau đó đổi mới sư phạm (AI giảng dạy, VR/AR), và cuối cùng là tích hợp toàn diện (blockchain, IoT, smart campus). Mỗi giai đoạn cần đi kèm với đầu tư tương ứng vào đào tạo năng lực con người, hoàn thiện khung chính sách và đánh giá tác động.

Triển vọng tương lai, với sự phát triển nhanh chóng của AI tạo sinh, metaverse và công nghệ lượng tử, giáo dục đại học sẽ tiếp tục đối mặt với những biến đổi sâu sắc. UNESCO (2023) cảnh báo rằng "công nghệ trong giáo dục nên phục vụ việc học, chứ không phải ngược lại" — một nguyên tắc cần luôn được ghi nhớ khi Việt Nam tiếp tục hành trình chuyển đổi số giáo dục.

Thành công cuối cùng của chuyển đổi số không được đo bằng việc trường đại học sử dụng bao nhiêu công nghệ, mà bằng việc sinh viên học tốt hơn, nghiên cứu sâu hơn và đóng góp nhiều hơn cho xã hội.

---

Tài liệu tham khảo:

1. Akour, M., & Alenezi, M. (2022). Higher Education Future in the Era of Digital Transformation. *Education Sciences, 12*(11), 1084. https://doi.org/10.3390/educsci12110784
2. Alenezi, M. (2023). Digital Learning and Digital Institution in Higher Education. *Education Sciences, 13*(1), 88. https://doi.org/10.3390/educsci13010088
3. Bond, M., Khosravi, H., de Laat, M., et al. (2024). A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour. *International Journal of Educational Technology in Higher Education, 21*, 3. https://doi.org/10.1186/s41239-023-00436-z
4. Boltsi, A., Tsiatsos, T., Kazanidis, I., et al. (2024). Digital Tools, Technologies, and Learning Methodologies for Education 4.0 Frameworks: A STEM Oriented Survey. *IEEE Access, 12*, 13998-14025. https://doi.org/10.1109/access.2024.3355282
5. Broberg, N., & Golden, G. (2023). How are OECD governments navigating the digital higher education landscape? *OECD Education Working Papers, No. 311*. OECD Publishing. https://doi.org/10.1787/93468ccb-en
6. 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*, 35. https://doi.org/10.1186/s41239-023-00408-3
7. Contreras, G. S., et al. (2022). The Importance of the Application of the Metaverse in Education. *Modern Applied Science, 16*(3), 34. https://doi.org/10.5539/mas.v16n3p34
8. Ivanov, S., Webster, C., & Garenko, A. (2024). Drivers of generative AI adoption in higher education through the lens of the Theory of Planned Behaviour. *Technology in Society, 76*, 102521. https://doi.org/10.1016/j.techsoc.2024.102521
9. Jawwad, A. K. A., et al. (2024). Smart universities as downsized smart cities: IoT and big data perspective. *Indonesian Journal of Electrical Engineering and Computer Science, 35*(2), 1162-1170. https://doi.org/10.11591/ijeecs.v35.i2.pp1162-1170
10. Kasneci, E., Sessler, K., Küchemann, S., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. *Learning and Individual Differences, 103*, 102274. https://doi.org/10.1016/j.lindif.2023.102274
11. Khaldi, A., Bouzidi, R., & Nader, F. (2023). Gamification of e-learning in higher education: a systematic literature review. *Smart Learning Environments, 10*, 27. https://doi.org/10.1186/s40561-023-00227-z
12. Lee, T. O., et al. (2022). Investigation of VR and AR classroom learning environments in university STEM education. *Interactive Learning Environments, 32*(6), 3385-3403. https://doi.org/10.1080/10494820.2022.2155838
13. Matz, S., et al. (2023). Using machine learning to predict student retention from socio-demographic characteristics and app-based engagement metrics. *Scientific Reports, 13*, 10248. https://doi.org/10.1038/s41598-023-32484-w
14. Nagi, G., & Al-Fuhaidi, B. (2024). Embedding VR and AR in Higher Education in Yemeni Universities. *IEEE ICETI Conference Proceedings*. https://doi.org/10.1109/iceti63946.2024.10777175
15. Negm, E. (2022). Intention to use Internet of Things (IoT) in higher education online learning – the effect of technology readiness. *Higher Education, Skills and Work-Based Learning, 13*(1), 53-65. https://doi.org/10.1108/heswbl-05-2022-0121
16. Nguyen, A., Ngo, H. N., Hong, Y., et al. (2022). Ethical principles for artificial intelligence in education. *Education and Information Technologies, 28*, 12377-12405. https://doi.org/10.1007/s10639-022-11316-w
17. Polin, K., et al. (2024). Unpacking Smart Campus Assessment: Developing a Framework via Narrative Literature Review. *Sustainability, 16*(6), 2494. https://doi.org/10.3390/su16062494
18. Sanchez, L., Penarreta, J., & Soria Poma, X. (2024). Learning management systems for higher education: a brief comparison. *Discover Education, 3*, 43. https://doi.org/10.1007/s44217-024-00143-5
19. Schleicher, A. (2022). Building on COVID-19's Innovation Momentum for Digital, Inclusive Education. *OECD Publishing*. https://doi.org/10.1787/24202496-en
20. Sharma, M., et al. (2023). Exploring cloud computing adoption: COVID era in academic institutions. *Technological Forecasting and Social Change, 188*, 122613. https://doi.org/10.1016/j.techfore.2023.122613
21. Staring, F., Brown, M., Bacsich, P., et al. (2022). Digital higher education. *OECD Education Working Papers, No. 295*. OECD Publishing. https://doi.org/10.1787/f622f257-en
22. Surendran, D., et al. (2024). Improving the quality of education through data analytics and big data. *AIP Conference Proceedings, 2896*. https://doi.org/10.1063/5.0183570
23. Taher, A. (2023). Stakeholders' opinions support the people-process-technology framework for implementing digital transformation in higher education. *Technology, Pedagogy and Education, 33*(1), 1-20. https://doi.org/10.1080/1475939x.2023.2248134
24. Tariq, A., et al. (2022). Cerberus: A Blockchain-Based Accreditation and Degree Verification System. *IEEE Transactions on Computational Social Systems, 9*(5), 1257-1270. https://doi.org/10.1109/tcss.2022.3188453
25. Tondeur, J., Howard, S., Van Zanten, M., et al. (2023). The HeDiCom framework: Higher Education teachers' digital competencies for the future. *Educational Technology Research and Development, 71*, 1521-1550. https://doi.org/10.1007/s11423-023-10193-5
26. UNESCO (2023). Global Education Monitoring Report 2023: Technology in education — A tool on whose terms? UNESCO Publishing. https://unesdoc.unesco.org/ark:/48223/pf0000386693
27. UNESCO (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
28. Turnbull, D., Chugh, R., & Luck, J. (2022). Common Elements of Learning Management System Policies in Higher Education Institutions. *TechTrends, 67*, 233-246. https://doi.org/10.1007/s11528-022-00752-7
29. Vũ Khánh Quý, Bùi Trung Thành, Chehri, A., et al. (2023). AI and Digital Transformation in Higher Education: Vision and Approach of a Specific University in Vietnam. *Sustainability, 15*(14), 11093. https://doi.org/10.3390/su151411093
30. Yan, L., Greiff, S., Teuber, Z., et al. (2024). Promises and challenges of generative artificial intelligence for human learning. *Nature Human Behaviour, 8*, 893-906. https://doi.org/10.1038/s41562-024-02004-5
31. Zhao, X., et al. (2023). Leading Virtual Reality (VR) and Augmented Reality (AR) in Education: Bibliometric and Content Analysis From the Web of Science (2018–2022). *SAGE Open, 13*(3). https://doi.org/10.1177/21582440231190821