PHẦN I: MỞ ĐẦU VÀ NỀN TẢNG LÝ THUYẾT

Chương 1: Lời tựa — Khi công nghệ gặp thực tại giáo dục

1.1 Bối cảnh toàn cầu: Giáo dục đại học trong kỷ nguyên số

Trong hai thập kỷ qua, giáo dục đại học trên toàn thế giới đã trải qua một trong những cuộc cách mạng sâu rộng nhất trong lịch sử gần đây. Sự trỗi dậy của Internet, điện toán đám mây, trí tuệ nhân tạo, và các nền tảng học tập trực tuyến đã làm thay đổi không chỉ phương pháp giảng dạy mà còn cấu trúc, triết lý và bản thân ý nghĩa của giáo dục bậc cao. Từ những giảng đường truyền thống với bảng đen và phấn trắng đến những không gian học tập ảo nơi sinh viên từ các châu lục khác nhau có thể cùng tham gia một khóa học — sự chuyển đổi này vừa mang lại những cơ hội chưa từng có, vừa đặt ra những thách thức sâu sắc mà các nhà giáo dục, nhà hoạch định chính sách và toàn xã hội phải đối mặt.

Theo số liệu thống kê của UNESCO, vào năm 2020, đại dịch COVID-19 đã buộc hơn 1,6 tỷ học sinh và sinh viên trên toàn cầu phải chuyển sang hình thức học tập từ xa, khiến giáo dục trực tuyến từ một lựa chọn bổ trợ trở thành một phương thức giáo dục chủ đạo trong một thời gian ngắn. Sự kiện này không chỉ phơi bày những lợi ích to lớn mà công nghệ có thể mang lại cho giáo dục, mà còn làm nổi bật những bất cập, sự bất bình đẳng và những giới hạn vốn có của mô hình giáo dục dựa trên nền tảng công nghệ số. Những câu hỏi lớn đã được đặt ra: Công nghệ thực sự có thể thay thế hoàn toàn trải nghiệm học tập trong lớp học truyền thống? Có phải cứ bổ sung thêm công nghệ thì giáo dục sẽ tự động trở nên tốt hơn? Những hệ quả xã hội, văn hóa và tâm lý của quá trình chuyển đổi số giáo dục là gì?

Câu trả lời cho những câu hỏi này không đơn giản như nhiều người từng tin tưởng. Trong bối cảnh đó, một lăng kính tiếp cận mới đang dần hình thành và thu hút sự chú ý của giới nghiên cứu giáo dục trên toàn thế giới — đó là chủ nghĩa thực tế công nghệ (techno-realism). Đây không phải là một trường phái triết học có tính giáo điều, mà là một cách tiếp cận mang tính thực tiễn, cân bằng và phản biện đối với mối quan hệ giữa công nghệ và giáo dục. Chủ nghĩa thực tế công nghệ từ chối cả viễn cảnh lạc quan thái quá — nơi công nghệ được xem là giải pháp cho mọi vấn đề giáo dục — và viễn cảnh bi quan cùng cực — nơi công nghệ bị coi là mối đe dọa không thể kiểm soát đối với nền giáo dục truyền thống.

1.2 Bài học lịch sử: Những chu kỳ phấn khích và thất vọng

Trước khi đi sâu vào phân tích tại sao một lăng kính thực tế lại cần thiết, chúng ta cần nhìn lại những bài học lịch sử mà giáo dục đã tích lũy trong quá trình tiếp nhận công nghệ mới. Mỗi cuộc cách mạng công nghệ — từ máy in đến máy tính, từ Internet đến trí tuệ nhân tạo — đều đi kèm với một chu kỳ dự đoán tương tự: những người lạc quan tiên đoán một sự thay đổi tận gốc, những người bảo thủ cảnh báo về sự sụp đổ của nền giáo dục truyền thống, và thực tại cuối cùng nằm ở đâu đó giữa hai thái cực đó.

Khi radio ra đời vào những năm 1920, nhiều nhà giáo dục tin tưởng rằng nó sẽ trở thành “trường học trên không”, mang giáo dục chất lượng cao đến tận những vùng nông thôn xa xôi nhất. Khi television xuất hiện vào những năm 1950, dự đoán tương tự lại được lặp lại. Khi máy tính cá nhân trở nên phổ biến trong các trường đại học vào những năm 1980 và 1990, một lần nữa, lời kêu gọi về “cách mạng giáo dục” lại vang lên. Và khi Internet bùng nổ vào cuối thập niên 1990, khái niệm “trường đại học ảo” trở thành từ khóa nóng trên các tạp chí giáo dục và công nghệ.

Tuy nhiên, trong mỗi trường hợp, thực tại đã chứng minh phức tạp hơn dự đoán. Radio không thay thế được lớp học vì nó thiếu tính tương tác. Television mang lại những chương trình giáo dục chất lượng nhưng không thể tạo ra trải nghiệm học tập sâu sắc mà chỉ có sự tương tác trực tiếp mới có thể mang lại. Máy tính cá nhân đã trở thành công cụ không thể thiếu trong giáo dục đại học nhưng không thay đổi bản chất cốt lõi của quá trình dạy và học. Internet đã tạo ra những cơ hội chưa từng có nhưng cũng phơi bày những khoảng cách số sâu sắc giữa các nhóm dân cư và các quốc gia.

Lịch sử này dạy chúng ta một bài học quan trọng: công nghệ luôn có tác động, nhưng tác động đó hiếm khi diễn ra theo hướng mà những người lạc quan hay bi quan đã tiên đoán. Thay vì đi theo một đường thẳng từ “công nghệ mới” đến “giáo dục tốt hơn”, quá trình này luôn bao gồm những khúc quanh, những ngõ cụt và những bất ngờ mà không ai có thể dự đoán trước.

1.3 Khi công nghệ gặp thực tại giáo dục: Tại sao cần một lăng kính thực tế

Trong suốt chiều dài lịch sử giáo dục, mỗi khi một công nghệ mới xuất hiện, xã hội thường trải qua một chu kỳ phản ứng tương tự: từ sự phấn khích tột độ đến sự thất vọng sâu sắc, và cuối cùng là sự chấp nhận thận trọng. Giáo dục đại học không ngoại lệ. Khi máy tính cá nhân xuất hiện trong các trường đại học vào thập niên 1980 và 1990, nhiều người tin rằng chúng sẽ cách mạng hóa hoàn toàn giáo dục. Khi Internet trở nên phổ biến vào cuối thập niên 1990, các dự đoán về “trường đại học ảo” thay thế trường đại học vật lý tràn ngập các trang báo và tạp chí học thuật. Khi học máy và trí tuệ nhân tạo bắt đầu thể hiện khả năng đáng kinh ngạc trong các bài kiểm tra chuẩn hóa vào những năm 2010, một lần nữa, lời kêu gọi về sự thay đổi tận gốc nền giáo dục lại vang lên.

Tuy nhiên, thực tại giáo dục có một tính kháng cự đáng kinh ngạc đối với những thay đổi mang tính cách mạng. Các giảng đường vật lý vẫn tồn tại. Sinh viên vẫn cần sự tương tác trực tiếp với giảng viên và bạn đồng học. Vấn đề động lực, sự cam kết và trải nghiệm cảm xúc trong học tập vẫn không thể được giải quyết hoàn toàn bằng công nghệ. Đây không phải là sự thất bại của công nghệ, mà là một thực tại tự nhiên: giáo dục không chỉ là quá trình truyền tải thông tin, mà là một quá trình hình thành con người — một quá trình đòi hỏi sự tương tác phức tạp giữa nhiều yếu tố xã hội, tâm lý, văn hóa và bản thể.

Chủ nghĩa thực tế công nghệ nhận thức rõ rằng công nghệ có thể là một công cụ mạnh mẽ để hỗ trợ và cải thiện giáo dục, nhưng nó không thể tự động thay thế hay giải quyết những vấn đề cốt lõi của giáo dục. Lăng kính này đòi hỏi chúng ta phải xem xét công nghệ trong bối cảnh cụ thể của từng môi trường giáo dục, từng nền văn hóa và từng hệ thống xã hội, thay vì áp dụng một cách máy móc những giải pháp công nghệ được đề xuất như những “liều thuốc chữa bách bệnh”.

1.4 Phạm vi và mục tiêu của bài viết

Bài viết này được xây dựng với mục tiêu cung cấp một cái nhìn toàn diện, sâu sắc và có hệ thống về chủ nghĩa thực tế công nghệ trong bối cảnh chuyển đổi số giáo dục đại học. Bài viết sẽ không chỉ giới thiệu các khái niệm lý thuyết mà còn phân tích các vấn đề thực tiễn, đề xuất các giải pháp khả thi và thảo luận về những triển vọng tương lai.

Về mặt cấu trúc, bài viết được chia thành năm phần chính, bao gồm hai mươi chương:

Phần I: Mở đầu và Nền tảng lý thuyết (Chương 1–4) tập trung vào việc giới thiệu bối cảnh, trình bày các khái niệm nền tảng và phê bình những cách tiếp cận đơn giản hóa đối với mối quan hệ giữa công nghệ và giáo dục. Chương này, Chương 1, đóng vai trò mở đầu, cung cấp cái nhìn tổng quan về vấn đề. Chương 2 sẽ phân tích sâu về công nghệ quyết định luận và những giới hạn của cách tiếp cận này. Chương 3 sẽ trình bày sự chuyển dịch từ tư duy hậu-kỹ thuật số đến chủ nghĩa thực tế công nghệ. Chương 4 sẽ phân tích khái niệm “chủ nghĩa giải pháp công nghệ” — vấn đề khi giáo dục bị giản lược thành những giải pháp công nghệ.

Phần II: Chuyển đổi số giáo dục đại học — Thực trạng và Thách thức (Chương 5–8) sẽ đi sâu vào thực trạng chuyển đổi số giáo dục đại học tại Việt Nam và trên thế giới, phân tích những thành tựu, những thất bại và những bài học kinh nghiệm.

Phần III: Chủ nghĩa thực tế công nghệ — Nguyên lý và Phương pháp luận (Chương 9–12) sẽ trình bày chi tiết về các nguyên lý của chủ nghĩa thực tế công nghệ, phương pháp luận triển khai và các mô hình thực tiễn.

Phần IV: Các lĩnh vực trọng tâm (Chương 13–16) sẽ phân tích việc ứng dụng lăng kính chủ nghĩa thực tế công nghệ trong các lĩnh vực cụ thể: giảng dạy và học tập, nghiên cứu khoa học, quản lý và hành chính, và hợp tác quốc tế.

Phần V: Triển vọng và Khuyến nghị (Chương 17–20) sẽ đề xuất các khuyến nghị chính sách, thảo luận về các xu hướng tương lai và tổng kết lại toàn bộ bài viết.

1.5 Đối tượng độc giả và phương pháp tiếp cận

Bài viết được viết cho nhiều đối tượng độc giả khác nhau. Đối với các nhà quản lý giáo dục và hoạch định chính sách, bài viết cung cấp một khung tư duy phản biện để đánh giá và định hướng các chiến lược chuyển đổi số. Đối với các giảng viên và nhà nghiên cứu, bài viết cung cấp các công cụ lý thuyết và phương pháp luận để phân tích và cải thiện thực hành giảng dạy trong môi trường số. Đối với sinh viên và những người quan tâm đến giáo dục, bài viết cung cấp một góc nhìn đa chiều và cân bằng về những cơ hội và thách thức mà công nghệ mang lại cho giáo dục đại học.

Về phương pháp tiếp cận, bài viết sử dụng phương pháp phân tích lý thuyết kết hợp với phân tích thực tiễn. Các khái niệm và lý thuyết được trình bày dựa trên một hệ thống tài liệu nghiên cứu quốc tế phong phú, trong khi các phân tích thực tiễn được xây dựng dựa trên các ví dụ và nghiên cứu tình huống cụ thể. Bài viết không có ý định đưa ra những câu trả lời cuối cùng, mà nhằm thúc đẩy một cuộc đối thoại sâu sắc và có tính xây dựng về vai trò của công nghệ trong giáo dục đại học.

1.6 Lời tựa của tác giả

Giáo dục đại học đang đứng trước một ngã rẽ lịch sử. Những quyết định mà chúng ta đưa ra ngày hôm nay về việc sử dụng công nghệ trong giáo dục sẽ ảnh hưởng đến hàng thế hệ sinh viên, đến chất lượng của lực lượng lao động tương lai và đến bản thân cấu trúc của xã hội. Trong bối cảnh đó, chúng ta cần một lăng kính tư duy đủ tỉnh táo để nhận diện được những cơ hội thật sự, đủ dũng cảm để thừa nhận những giới hạn, và đủ khôn ngoan để xây dựng những giải pháp phù hợp với thực tại cụ thể của giáo dục đại học.

Chủ nghĩa thực tế công nghệ không phải là một sự từ chối công nghệ, mà là một sự chấp nhận công nghệ với đầy đủ cả tiềm năng lẫn giới hạn của nó. Nó là lời mời gọi chúng ta bước ra khỏi thế giới của những hứa hẹn rực rỡ và những nỗi sợ hãi vô căn cứ, để bước vào thế giới của thực tại — một thế giới nơi công nghệ và giáo dục có thể cùng tồn tại, cùng phát triển và cùng phục vụ cho mục tiêu cao nhất của giáo dục: hình thành những con người có khả năng tư duy độc lập, sáng tạo và đóng góp tích cực cho xã hội.

Bài viết này được viết với hi vọng đóng góp một phần nhỏ vào cuộc đối thoại quan trọng đó.

Chương 2: Công nghệ quyết định luận và những giới hạn của nó

2.1 Định nghĩa và nguồn gốc của công nghệ quyết định luận

Công nghệ quyết định luận (technological determinism) là một học thuyết triết học và xã hội học cho rằng công nghệ là lực lượng chính, hay đôi khi là lực lượng duy nhất, quyết định sự phát triển và biến đổi của cấu trúc xã hội, văn hóa và thậm chí cả bản thể con người. Theo học thuyết này, công nghệ phát triển theo một quỹ đạo tự thân, độc lập với ý chí và sự lựa chọn của con người, và sự phát triển này buộc xã hội phải thích nghi theo những cách mà con người gần như không thể kiểm soát.

Khái niệm này có nguồn gốc sâu xa trong tư duy phương Tây. Karl Marx, dù không bao giờ sử dụng thuật ngữ “công nghệ quyết định luận”, đã đặt nền móng cho tư duy này khi ông phân tích mối quan hệ giữa lực lượng sản xuất và quan hệ sản xuất. Trong hệ thống tư tưởng của Marx, sự phát triển của công cụ sản xuất — một hình thức công nghệ — đóng vai trò quyết định trong việc định hình các hình thái kinh tế-xã hội. Sự chuyển từ công cụ thủ công sang máy móc trong Cách mạng Công nghiệp không chỉ thay đổi phương thức sản xuất mà còn tái cấu trúc toàn bộ xã hội: tạo ra giai cấp công nhân mới, làm thay đổi quan hệ giữa người chủ và người lao động, và dẫn đến những biến động chính trị sâu rộng.

Đến thế kỷ hai mươi, Marshall McLuhan đã đưa công nghệ quyết định luận vào lĩnh vực truyền thông và văn hóa với câu nói nổi tiếng: “Phương tiện truyền thông chính là thông điệp” (the medium is the message). McLuhan cho rằng mỗi công nghệ truyền thông mới không chỉ thay đổi nội dung mà chúng ta truyền tải mà còn thay đổi chính cách chúng ta nhận thức và hiểu biết về thế giới. Việc phát minh ra máy in, theo McLuhan, đã tạo ra một “ngôi làng toàn cầu” và thay đổi hoàn toàn cấu trúc của tư duy con người, chuyển từ một nền văn hóa dựa trên truyền miệng — nơi trí tuệ và trí nhớ đóng vai trò trung tâm — sang một nền văn hóa dựa trên chữ viết — nơi logic tuyến tính và tư duy phân tích trở nên thống trị.

Neil Postman, học trò và người tiếp nối McLuhan, đã phát triển tư duy này theo một hướng mang tính phê bình sâu sắc hơn. Trong tác phẩm Technopoly: The Surrender of Culture to Technology (1992), Postman cảnh báo rằng xã hội hiện đại đang đầu hàng hoàn toàn trước công nghệ, biến công nghệ từ một công cụ phục vụ con người thành một lực lượng thống trị và định hình toàn bộ văn hóa, giá trị và cách tư duy của con người. Ông chỉ trích mạnh mẽ việc giáo dục bị ảnh hưởng bởi tư duy công nghệ quyết định luận, nơi các nhà giáo dục thường tin rằng việc áp dụng công nghệ mới sẽ tự động cải thiện chất lượng giáo dục mà không cần xem xét kỹ lưỡng mục tiêu và giá trị cốt lõi của giáo dục.

2.2 Sự bế tắc của công nghệ quyết định luận trong giáo dục

Trong lĩnh vực giáo dục, công nghệ quyết định luận biểu hiện qua một niềm tin phổ biến nhưng thiếu căn cứ: cho rằng công nghệ, tự thân nó, có khả năng cải thiện chất lượng giáo dục. Niềm tin này đã dẫn đến hàng loạt chính sách và chiến lược giáo dục mà trong đó, công nghệ được đặt ở vị trí trung tâm, như một yếu tố quyết định, trong khi các yếu tố khác — như triết lý giáo dục, năng lực giáo viên, cấu trúc tổ chức và bối cảnh văn hóa — bị đẩy xuống vị trí thứ yếu.

Lịch sử giáo dục đã chứng kiến nhiều ví dụ về sự thất bại của cách tiếp cận này. Vào thập niên 1960 và 1970, khi television trở nên phổ biến, nhiều người tin rằng nó sẽ cách mạng hóa giáo dục bằng cách mang kiến thức đến tận nhà cho mỗi học sinh. Chương trình “Sesame Street” được xem là một minh chứng cho tiềm năng giáo dục của television, nhưng nghiên cứu sau này cho thấy rằng mặc dù chương trình này có tác động tích cực đến kỹ năng nhận thức của trẻ em mầm non, nó không thể thay thế được vai trò của giáo viên và môi trường học tập truyền thống.

Vào thập niên 1980 và 1990, máy tính cá nhân được giới thiệu rộng rãi vào các trường học với niềm tin rằng chúng sẽ cá nhân hóa quá trình học tập và cho phép mỗi sinh viên học theo tốc độ riêng. Tuy nhiên, nghiên cứu của Cuban (2001) đã chỉ ra rằng sau hàng thập kỷ đầu tư khổng lồ vào máy tính trong trường học, các phương pháp giảng dạy cốt lõi hầu như không thay đổi: máy tính chủ yếu được sử dụng như một công cụ hỗ trợ nhỏ, và các lớp học vẫn chủ yếu xoay quanh giảng viên và sách giáo khoa.

Vào đầu thế kỷ hai mươi mốt, khi Internet tốc độ cao trở nên phổ biến, khái niệm MOOCs (Massive Open Online Courses) bùng nổ với lời hứa hẹn về việc cung cấp giáo dục chất lượng cao cho mọi người, ở mọi nơi, hoàn toàn miễn phí. Năm 2012 được gọi là “Năm của MOOCs”, với hàng triệu sinh viên đăng ký tham gia các khóa học trực tuyến miễn phí của các trường đại học danh tiếng. Tuy nhiên, chỉ một phần rất nhỏ trong số những người đăng ký hoàn thành khóa học, và tỷ lệ hoàn thành càng thấp ở những nhóm sinh viên có hoàn cảnh khó khăn — đúng những nhóm mà MOOCs được kỳ vọng phục vụ nhiều nhất.

2.3 Công nghệ không tự động cải thiện giáo dục: Bằng chứng từ nghiên cứu

Một nghiên cứu mang tính bước ngoặt về tự động hóa và tác động đối với thị trường lao động cung cấp những bằng chứng quan trọng hỗ trợ cho lập trường phê phán công nghệ quyết định luận trong giáo dục (Acemoglu & Restrepo, 2019). Các tác giả phân tích mối quan hệ giữa tự động hóa — việc máy móc và thuật toán thay thế con người trong các nhiệm vụ sản xuất — và thị trường lao động tại Hoa Kỳ trong nhiều thập kỷ. Họ phát hiện rằng tự động hóa không tự động tạo ra một xã hội tốt đẹp hơn, mà có tác động phân hóa sâu sắc: nó thay thế lao động trong một số lĩnh vực, làm giảm nhu cầu về một số kỹ năng, đồng thời tạo ra nhu cầu về những kỹ năng mới.

Tác động này của tự động hóa đối với thị trường lao động có ý nghĩa trực tiếp đối với giáo dục đại học. Nếu công nghệ thay đổi cấu trúc thị trường lao động một cách phức tạp và không đồng đều, thì giáo dục đại học không thể đơn giản “phản ứng” bằng cách bổ sung thêm công nghệ vào chương trình học. Thay vào đó, nó đòi hỏi một tư duy chiến lược toàn diện: nghiên cứu kỹ lưỡng xu hướng thay đổi của thị trường lao động, xác định những kỹ năng mà máy móc không thể thay thế, và thiết kế chương trình giáo dục phát triển những kỹ năng đó.

Điều quan trọng mà nghiên cứu nhấn mạnh là rằng tác động của công nghệ không được xác định trước bởi bản thân công nghệ, mà phụ thuộc vào cách tổ chức xã hội phản ứng với công nghệ (Acemoglu & Restrepo, 2019). Công nghệ tự động hóa có thể dẫn đến sự mất việc làm hàng loạt và gia tăng bất bình đẳng nếu không có các chính sách giáo dục, đào tạo lại và phân phối lại phù hợp. Ngược lại, nó cũng có thể dẫn đến sự tăng năng suất, cải thiện điều kiện lao động và tạo ra những công việc mới, ý nghĩa hơn nếu được quản lý một cách có trách nhiệm.

Bài học cho giáo dục đại học là rõ ràng: công nghệ không phải là yếu tố quyết định duy nhất, và bản thân công nghệ không tự động dẫn đến kết quả tích cực hay tiêu cực. Kết quả phụ thuộc vào cách chúng ta — các nhà giáo dục, nhà quản lý và hoạch định chính sách — chọn cách triển khai, quản lý và điều chỉnh công nghệ trong môi trường giáo dục cụ thể.

2.4 Công nghệ là công cụ, không phải là định mệnh

Chủ nghĩa thực tế công nghệ chia sẻ với công nghệ quyết định luận sự công nhận rằng công nghệ có tác động sâu rộng đến xã hội và giáo dục. Tuy nhiên, nó khác biệt hoàn toàn ở chỗ: trong khi công nghệ quyết định luận coi công nghệ là lực lượng tự chủ và không thể kiểm soát, chủ nghĩa thực tế công nghệ coi công nghệ là một công cụ — một công cụ mạnh mẽ, phức tạp và đôi khi khó kiểm soát, nhưng cuối cùng vẫn là một công cụ được tạo ra và sử dụng bởi con người.

Sự phân biệt này có ý nghĩa thực tiễn to lớn. Nếu chúng ta chấp nhận quan điểm công nghệ quyết định luận, thì vai trò của nhà giáo dục bị thu hẹp đáng kể: giáo dục chỉ có thể “thích nghi” với những thay đổi do công nghệ mang lại, chứ không thể chủ động định hình hoặc kiểm soát quá trình đó. Ngược lại, nếu chúng ta nhìn nhận công nghệ như một công cụ, thì nhà giáo dục lấy lại được quyền chủ động: họ có quyền lựa chọn công nghệ nào phù hợp với mục tiêu giáo dục của mình, cách triển khai công nghệ đó như thế nào, và khi nào nên từ chối một công nghệ nhất định vì nó không phục vụ tốt cho mục tiêu giáo dục.

Lịch sử giáo dục cung cấp nhiều ví dụ về việc các nhà giáo dục đã sử dụng công nghệ một cách có chủ đích và đạt được kết quả tích cực. Ví dụ, hệ thống giáo dục y khoa đã sử dụng mô phỏng máy tính để đào tạo kỹ năng phẫu thuật một cách an toàn và hiệu quả. Các chương trình giáo dục từ xa đã sử dụng videoconference để cho phép sinh viên ở các khu vực nông thôn tiếp cận các khóa học chất lượng cao. Các nền tảng học tập trực tuyến đã sử dụng phân tích dữ liệu học tập để phát hiện sớm những sinh viên gặp khó khăn và cung cấp hỗ trợ kịp thời.

Trong tất cả những ví dụ này, công nghệ đóng vai trò là công cụ phục vụ một mục tiêu giáo dục rõ ràng. Nó không được triển khai vì bản thân nó, mà vì nó giải quyết một vấn đề giáo dục cụ thể một cách hiệu quả hơn so với các phương pháp truyền thống. Đây chính là tinh thần của chủ nghĩa thực tế công nghệ: sử dụng công nghệ một cách có mục tiêu, có chiến lược và có trách nhiệm, chứ không phải vì áp lực từ xu hướng hay sự hấp dẫn của cái mới.

2.5 Hệ quả của việc từ bỏ công nghệ quyết định luận

Việc từ bỏ lăng kính công nghệ quyết định luận và chuyển sang lăng kính chủ nghĩa thực tế công nghệ có những hệ quả sâu rộng đối với cách chúng ta tư duy và hành động trong lĩnh vực giáo dục đại học.

Thứ nhất, nó đòi hỏi chúng ta phải ngừng coi việc “số hóa” là một mục tiêu tự thân. Chuyển đổi số giáo dục đại học không phải là việc chuyển mọi thứ từ dạng vật lý sang dạng số, mà là việc sử dụng công nghệ số để nâng cao chất lượng giáo dục, mở rộng tiếp cận và cải thiện hiệu quả quản lý. Nếu một hoạt động giáo dục được thực hiện tốt hơn ở dạng vật lý, thì việc số hóa nó không chỉ vô ích mà còn có thể gây hại.

Thứ hai, nó đòi hỏi chúng ta phải xem xét kỹ lưỡng bối cảnh cụ thể trước khi triển khai công nghệ. Một giải pháp công nghệ hiệu quả ở một môi trường giáo dục có thể hoàn toàn thất bại ở một môi trường khác, do khác biệt về cơ sở hạ tầng, văn hóa học tập, năng lực giáo viên và nhiều yếu tố khác. Chủ nghĩa thực tế công nghệ đòi hỏi một tư duy địa phương hóa, nơi mỗi quyết định triển khai công nghệ phải được đưa ra dựa trên sự hiểu biết sâu sắc về bối cảnh cụ thể.

Thứ ba, nó đòi hỏi chúng ta phải phát triển một hệ thống đánh giá toàn diện để đo lường tác động thực tế của công nghệ trong giáo dục. Thay vì chỉ đo lường các chỉ số dễ đo lường như số thiết bị, tỷ lệ sử dụng phần mềm hay chi phí đầu tư, chúng ta cần đo lường những tác động sâu hơn: sự thay đổi trong kết quả học tập, sự phát triển của kỹ năng tư duy phản biện, sự thay đổi trong động lực và sự cam kết của sinh viên, và tác động đến sự bình đẳng giáo dục.

Thứ tư, nó đòi hỏi chúng ta phải thừa nhận rằng công nghệ có thể gây hại cũng như có thể mang lại lợi ích. Giống như bất kỳ công cụ mạnh mẽ nào khác, công nghệ có thể được sử dụng sai cách, có thể gây ra những hệ quả ngoài ý muốn, và có thể khuếch đại những bất bình đẳng hiện có. Việc thừa nhận điều này không phải là bi quan, mà là một điều kiện cần thiết để sử dụng công nghệ một cách có trách nhiệm.

Tóm lại, việc từ bỏ công nghệ quyết định luận không phải là việc từ chối công nghệ. Ngược lại, nó là việc chấp nhận công nghệ với một tư duy trưởng thành và có trách nhiệm hơn — tư duy nhận thức rằng con người, chứ không phải công nghệ, mới là lực lượng quyết định cuối cùng trong việc định hình tương lai của giáo dục.

Chương 3: Từ “hậu-kỹ thuật số” đến chủ nghĩa thực tế công nghệ

3.1 Sự xuất hiện của tư duy hậu-kỹ thuật số

Trong những năm gần đây, một trường phái tư tưởng mới đã xuất hiện trong lĩnh vực nghiên cứu giáo dục, đặt ra thách thức sâu sắc đối với cách chúng ta thường xuyên tư duy về mối quan hệ giữa công nghệ và giáo dục. Trường phái tư tưởng này, được gọi là khoa học và giáo dục hậu-kỹ thuật số (postdigital science and education) (Jandrić et al., 2018), không tuyên bố rằng chúng ta đã vượt qua kỷ nguyên kỹ thuật số hay công nghệ đã mất đi tầm quan trọng. Ngược lại, nó cho rằng sự phân biệt giữa “kỹ thuật số” và “phi kỹ thuật số” đã trở nên lỗi thời và không còn phản ánh chính xác thực tại phức tạp của giáo dục trong thế kỷ hai mươi mốt.

Jandrić và cộng tác viên đã đặt nền móng cho trường phái tư tưởng này trong bài báo nền tảng mang tựa đề “Postdigital science and education” (Jandrić et al., 2018). Họ lập luận rằng trong thực tại giáo dục hiện đại, yếu tố kỹ thuật số và yếu tố phi kỹ thuật số đã hòa quyện chặt chẽ đến mức việc cố gắng tách biệt chúng là không chỉ khó khăn mà còn sai lệch. Một sinh viên trong lớp học đại học ngày nay có thể vừa lắng nghe bài giảng trực tiếp từ giảng viên, vừa ghi chú trên máy tính xách tay, vừa tra cứu thông tin trên điện thoại thông minh, vừa tham gia thảo luận trên diễn đàn trực tuyến — tất cả diễn ra đồng thời, tạo thành một trải nghiệm học tập mà không thể được phân tích một cách đúng đắn nếu ta cố gắng tách nó thành “truyền thống” và “kỹ thuật số”.

Fawns đã phát triển tư duy này trong nghiên cứu về giáo dục hậu-kỹ thuật số trong thiết kế và thực hành (Fawns, 2018), phân tích cách các nhà giáo dục thiết kế các trải nghiệm học tập trong môi trường mà công nghệ số và các yếu tố vật lý, xã hội đan xen. Ông lập luận rằng thiết kế giáo dục hiệu quả trong kỷ nguyên hậu-kỹ thuật số đòi hỏi việc từ bỏ tư duy nhị nguyên — nơi công nghệ và giáo dục truyền thống được xem như hai cực đối lập — và thay vào đó chấp nhận tính phức tạp và không thể tách rời của các yếu tố kỹ thuật số và phi kỹ thuật số trong trải nghiệm học tập.

Knox đã làm rõ khái niệm “hậu-kỹ thuật số” trong bài viết “What Does the ‘Postdigital’ Mean for Education?” (Knox, 2019), chỉ ra rằng thuật ngữ này không ám chỉ một thế giới sau công nghệ, mà một thế giới nơi công nghệ đã trở nên phổ biến đến mức nó không còn là một khái niệm đặc biệt cần được thảo luận riêng biệt. Giống như việc chúng ta không còn gọi giao thông hiện đại là “giao thông hậu-động cơ” — vì động cơ đã trở nên phổ biến trong mọi phương tiện giao thông — tương tự, tư duy hậu-kỹ thuật số gợi ý rằng trong một tương lai gần, việc phân biệt giữa giáo dục “kỹ thuật số” và “phi kỹ thuật số” sẽ trở nên vô nghĩa.

3.2 Chủ nghĩa thực tế công nghệ: Giữa lạc quan và bi quan

Tư duy hậu-kỹ thuật số tạo nền tảng triết học cho chủ nghĩa thực tế công nghệ. Nếu tư duy hậu-kỹ thuật số giúp chúng ta vượt qua sự phân biệt sai lầm giữa “kỹ thuật số” và “phi kỹ thuật số”, thì chủ nghĩa thực tế công nghệ cung cấp một khung đánh giá để đưa ra những quyết định cụ thể về việc sử dụng công nghệ trong giáo dục.

Chủ nghĩa thực tế công nghệ có thể được định nghĩa như một lăng kính tiếp cận đối với công nghệ trong giáo dục có các đặc điểm cốt lõi sau:

Thứ nhất, nó bác bỏ cả lạc quan công nghệ thái quá (techno-utopia) và bi quan công nghệ thái quá (techno-dystopia). Lạc quan công nghệ thái quá tin rằng công nghệ sẽ tự động giải quyết mọi vấn đề giáo dục, từ chất lượng giảng dạy đến sự bình đẳng tiếp cận. Bi quan công nghệ thái quá tin rằng công nghệ sẽ tiêu diệt nền giáo dục truyền thống, biến sinh viên thành những con người phụ thuộc vào máy móc và làm mất đi tính nhân văn của giáo dục. Chủ nghĩa thực tế công nghệ cho rằng cả hai viễn cảnh đều phiến diện và không phản ánh đúng thực tại.

Thứ hai, nó nhấn mạnh tính cụ thể của bối cảnh. Một công nghệ giáo dục không có giá trị tự thân — giá trị của nó chỉ được xác định trong một bối cảnh cụ thể, phục vụ một mục tiêu cụ thể, đối với một nhóm người học cụ thể. Chủ nghĩa thực tế công nghệ đòi hỏi việc đánh giá công nghệ phải luôn được thực hiện trong bối cảnh, chứ không dựa trên những tuyên bố phổ quát về “công nghệ tốt” hay “công nghệ xấu”.

Thứ ba, nó nhấn mạnh vai trò chủ động của con người — đặc biệt là giáo viên — trong việc định hình cách công nghệ được sử dụng trong giáo dục. Công nghệ là công cụ, và công cụ chỉ có giá trị khi nó được sử dụng một cách có mục tiêu, có kỹ năng và có trách nhiệm bởi những con người có năng lực.

Thứ tư, nó đòi hỏi một hệ thống đánh giá đa chiều, bao gồm cả các tác động tích cực lẫn tiêu cực, cả ngắn hạn lẫn dài hạn, cả đối với cá nhân lẫn đối với xã hội. Chủ nghĩa thực tế công nghệ không ngại thừa nhận những mặt tối của công nghệ, nhưng cũng không phóng đại chúng.

3.3 Chủ nghĩa giải pháp công nghệ và sự phê bình

Một trong những khái niệm quan trọng mà chủ nghĩa thực tế công nghệ phê bình là chủ nghĩa giải pháp công nghệ (techno-solutionism) — niềm tin rằng mọi vấn đề xã hội, bao gồm cả những vấn đề giáo dục, đều có thể — và nên — được giải quyết bằng công nghệ.

Teräs và cộng tác viên, trong bài báo nền tảng về chủ nghĩa giải pháp công nghệ giáo dục trong thời kỳ hậu-COVID-19 (Teräs et al., 2020), đã phân tích sâu sắc cách tư duy giải pháp công nghệ đã chi phối các phản ứng của hệ thống giáo dục trước đại dịch và những hậu quả của nó. Họ lập luận rằng trong bối cảnh khủng hoảng do đại dịch gây ra, nhiều hệ thống giáo dục đã phản ứng một cách vội vã bằng cách áp dụng các giải pháp công nghệ có sẵn mà không đánh giá kỹ lưỡng tính phù hợp, hiệu quả và hệ quả của chúng. Sự vội vã này không chỉ do áp lực thời gian mà còn do một tư duy sâu sắc đã ăn sâu vào tư duy giáo dục hiện đại: tư duy cho rằng bất kỳ vấn đề nào cũng có một giải pháp công nghệ.

Chủ nghĩa giải pháp công nghệ, theo Teräs và cộng tác viên, có một số đặc điểm nguy hiểm (Teräs et al., 2020). Nó đơn giản hóa các vấn đề giáo dục phức tạp thành những bài toán có thể giải quyết bằng công nghệ. Nó biến các giải pháp công nghệ thành những sản phẩm tiêu dùng, nơi các công ty công nghệ giáo dục (EdTech) cạnh tranh nhau trong việc đưa ra những giải pháp “đột phá” mà không cần chứng minh hiệu quả thực tế. Nó chuyển sự chú ý từ các vấn đề cấu trúc sâu xa của giáo dục — như bất bình đẳng nguồn lực, chất lượng giáo viên, và cấu trúc chương trình — sang những vấn đề bề nổi có thể được “giải quyết” bằng công nghệ.

Sự phê bình chủ nghĩa giải pháp công nghệ không có nghĩa là từ chối mọi giải pháp công nghệ. Ngược lại, nó là lời kêu gọi một tư duy chín chắn hơn: trước khi áp dụng một giải pháp công nghệ, chúng ta cần đặt ra những câu hỏi khó hơn: Vấn đề giáo dục thực sự ở đây là gì? Công nghệ có thực sự là giải pháp phù hợp nhất cho vấn đề này, hay chỉ là giải pháp dễ thấy nhất? Có những giải pháp phi công nghệ nào cũng có thể giải quyết vấn đề này, và chúng có ưu nhược điểm gì so với giải pháp công nghệ? Những hệ quả ngoài ý muốn của việc áp dụng giải pháp công nghệ này là gì, và chúng ta đã chuẩn bị để đối phó với chúng chưa?

3.4 Sự khác biệt giữa chủ nghĩa thực tế công nghệ và chủ nghĩa hoài nghi công nghệ

Cần phân biệt rõ ràng giữa chủ nghĩa thực tế công nghệ và chủ nghĩa hoài nghi công nghệ (techno-skepticism), vì hai lăng kính này, dù có một số điểm tương đồng về mặt phê bình, khác biệt căn bản về thái độ đối với công nghệ.

Chủ nghĩa hoài nghi công nghệ có xu hướng nghi ngờ mọi tuyên bố về lợi ích của công nghệ và thường có xu hướng ưu tiên các phương pháp truyền thống. Trong giáo dục, một người hoài nghi công nghệ có thể chống lại việc sử dụng công nghệ trong lớp học, cho rằng nó không hiệu quả hoặc thậm chí có hại. Mặc dù sự hoài nghi này có giá trị trong việc cân bằng những tuyên bố lạc quan thái quá, nó có nguy cơ dẫn đến một sự từ chối công nghệ hoàn toàn, gây ra sự chậm trễ không cần thiết trong việc tận dụng những lợi ích thực sự mà công nghệ có thể mang lại.

Chủ nghĩa thực tế công nghệ, ngược lại, không mặc nhiên nghi ngờ hay ủng hộ công nghệ. Nó tiếp cận công nghệ với một tư duy mở nhưng phản biện: sẵn sàng chấp nhận một giải pháp công nghệ nếu nó được chứng minh là hiệu quả trong bối cảnh cụ thể, và sẵn sàng từ chối nó nếu không. Nó không coi công nghệ truyền thống là “tốt” và công nghệ mới là “xấu”, mà đánh giá tất cả các công cụ — dù truyền thống hay hiện đại — dựa trên tiêu chí duy nhất: liệu nó có phục vụ tốt cho mục tiêu giáo dục hay không.

Sự khác biệt này có ý nghĩa thực tiễn quan trọng. Trong bối cảnh chuyển đổi số giáo dục đại học hiện nay, chúng ta không cần một thái độ từ chối công nghệ, vì điều đó sẽ làm chúng ta tụt hậu so với sự phát triển của xã hội. Chúng ta cũng không cần một thái độ tiếp nhận công nghệ mù quáng, vì điều đó sẽ dẫn đến lãng phí nguồn lực và có thể gây hại cho giáo dục. Những gì chúng ta cần là thái độ của chủ nghĩa thực tế công nghệ: tiếp nhận công nghệ một cách có mục tiêu, có chiến lược và có trách nhiệm.

3.5 Khung lý thuyết: Từ hậu-kỹ thuật số đến thực tế công nghệ

Để hệ thống hóa tư duy từ hậu-kỹ thuật số đến chủ nghĩa thực tế công nghệ, chúng ta có thể hình dung một dải phổ bao gồm các vị trí tư duy khác nhau đối với công nghệ trong giáo dục.

Ở một cực của dải phổ là chủ nghĩa lạc quan công nghệ (techno-utopia), nơi công nghệ được xem như giải pháp cho mọi vấn đề giáo dục. Những người ở vị trí này tin rằng nếu chúng ta triển khai đủ công nghệ với đủ quy mô, mọi vấn đề — từ chất lượng giáo dục đến sự bình đẳng tiếp cận — sẽ được giải quyết. Họ thường viện dẫn những ví dụ thành công rực rỡ của công nghệ trong các lĩnh vực khác (như y tế, sản xuất) để biện minh cho niềm tin của mình.

Ở cực đối lập là chủ nghĩa bi quan công nghệ (techno-dystopia), nơi công nghệ được xem như mối đe dọa tồn tại đối với giáo dục nhân văn. Những người ở vị trí này tin rằng công nghệ sẽ tiêu diệt sự tương tác con người trong giáo dục, biến sinh viên thành những cỗ máy tiếp nhận thông tin, và làm mất đi tính nghệ thuật và tính nhân văn của quá trình dạy và học.

Ở giữa dải phổ, gần về phía lạc quan, là chủ nghĩa giải pháp công nghệ (techno-solutionism), nơi công nghệ được xem như giải pháp ưu tiên cho các vấn đề giáo dục. Những người ở vị trí này không phủ nhận rằng công nghệ có hạn chế, nhưng họ tin rằng đối với hầu hết các vấn đề, giải pháp tốt nhất thường là giải pháp công nghệ.

Cũng ở giữa dải phổ, nhưng gần về phía bi quan, là chủ nghĩa hoài nghi công nghệ (techno-skepticism), nơi công nghệ được tiếp nhận với sự nghi ngờ đáng kể. Những người ở vị trí này không từ chối hoàn toàn công nghệ, nhưng họ đòi hỏi bằng chứng rất mạnh trước khi chấp nhận sử dụng công nghệ trong giáo dục.

Và ở giữa tuyệt đối của dải phổ là chủ nghĩa thực tế công nghệ (techno-realism), nơi công nghệ được tiếp nhận với một tư duy cân bằng, phản biện và cụ thể. Những người ở vị trí này không có thái độ mặc định đối với công nghệ — họ đánh giá từng giải pháp công nghệ dựa trên bối cảnh cụ thể, mục tiêu cụ thể và bằng chứng cụ thể, sẵn sàng chấp nhận khi có lý do để chấp nhận và từ chối khi có lý do để từ chối.

Chủ nghĩa thực tế công nghệ, hiểu theo nghĩa này, không phải là một điểm cố định trên dải phổ mà là một phương pháp tiếp cận — một cách tư duy đòi hỏi sự linh hoạt, khả năng phân tích và tinh thần trách nhiệm. Nó là lăng kính mà bài viết này sử dụng để phân tích, đánh giá và đề xuất các giải pháp cho chuyển đổi số giáo dục đại học.

Chương 4: Chủ nghĩa giải pháp công nghệ — Khi giáo dục bị giản lược thành giải pháp kỹ thuật

4.1 Chủ nghĩa giải pháp công nghệ là gì? Từ tư duy giải pháp đến sự đơn giản hóa giáo dục

Thuật ngữ “chủ nghĩa giải pháp công nghệ” (technological solutionism) được Evgeny Morozov phổ biến trong tác phẩm To Save Everything, Click Here: The Folly of Technological Solutionism (2013). Morozov, một nhà nghiên cứu công nghệ và chính sách công, định nghĩa chủ nghĩa giải pháp công nghệ là một tư duy nhằm chuyển đổi mọi vấn đề xã hội phức tạp thành những bài toán có thể giải quyết một cách rõ ràng, duy gọn và hiệu quả thông qua các giải pháp công nghệ. Theo Morozov, tư duy này không chỉ đơn giản hóa các vấn đề mà còn nguy hiểm hơn: nó thay thế sự hiểu biết sâu sắc về các vấn đề xã hội bằng những mô hình toán học và thuật toán, và nó biến các công dân từ những chủ thể có khả năng tư duy phản biện thành những người tiêu dùng công nghệ thụ động.

Trong lĩnh vực giáo dục, chủ nghĩa giải pháp công nghệ biểu hiện qua một tư duy ngày càng phổ biến: cho rằng mọi vấn đề giáo dục đều có thể — và nên — được giải quyết bằng công nghệ. Giảm tỷ lệ bỏ học? Phát triển hệ thống phát hiện sớm sinh viên có nguy cơ bỏ học dựa trên phân tích dữ liệu. Cải thiện chất lượng giảng dạy? Phát triển hệ thống đánh giá giảng viên dựa trên dữ liệu học tập của sinh viên. Mở rộng tiếp cận giáo dục cho vùng sâu vùng xa? Phát triển nền tảng học tập trực tuyến. Tất cả những giải pháp này đều có giá trị trong bối cảnh cụ thể, nhưng tư duy giải pháp biến chúng thành những “liều thuốc chữa bách bệnh” mà không cần xem xét nguyên nhân sâu xa của các vấn đề.

Vấn đề cốt lõi của chủ nghĩa giải pháp trong giáo dục là việc nó đơn giản hóa bản chất phức tạp của giáo dục. Giáo dục không phải là một quá trình cơ học có thể được tối ưu hóa bằng thuật toán. Giáo dục là một quá trình xã hội, tâm lý, văn hóa và bản thể — nó liên quan đến sự phát triển của toàn bộ con người, bao gồm cả những khía cạnh không thể đo lường được bằng dữ liệu số: sự tự tin, sự tò mò, sự đồng cảm, khả năng hợp tác và khả năng tư duy sáng tạo.

4.2 Chủ nghĩa giải pháp công nghệ trong bối cảnh đại dịch COVID-19

Đại dịch COVID-19, với sự đóng cửa hàng loạt các cơ sở giáo dục trên toàn thế giới, đã tạo ra một “thí nghiệm tự nhiên” khổng lồ cho chủ nghĩa giải pháp giáo dục. Trong bối cảnh khủng hoảng cấp bách, các hệ thống giáo dục đã phản ứng bằng cách chuyển sang mô hình giáo dục trực tuyến với tốc độ chưa từng có. Williamson, Eynon và Potter, trong nghiên cứu về chính sách, học thuyết và thực hành giáo dục trong đại dịch (Williamson et al., 2020), đã phân tích sâu sắc cách khủng hoảng đã trở thành cơ hội để tư duy giải pháp công nghệ củng cố vị thế của mình trong giáo dục.

Williamson và Eynon lập luận rằng đại dịch không chỉ tạo ra nhu cầu cấp thiết về các giải pháp giáo dục trực tuyến, mà còn tạo ra một bối cảnh chính trị nơi các giải pháp công nghệ được xem như “cách duy nhất” (Williamson et al., 2020). Trong bối cảnh khủng hoảng, các câu hỏi thông thường về tính hiệu quả, công bằng và hệ quả của công nghệ bị đẩy xuống hàng thứ yếu. Thay vào đó, tiêu chí quan trọng nhất trở thành tốc độ triển khai và khả năng mở rộng quy mô. Điều này đã dẫn đến việc nhiều quyết định quan trọng về giáo dục được đưa ra dựa trên áp lực khủng hoảng hơn là dựa trên đánh giá kỹ lưỡng.

Một ví dụ tiêu biểu là sự bùng nổ của các nền tảng hội nghị trực tuyến như Zoom, Microsoft Teams và Google Meet trong giáo dục. Trong vài tuần đầu của đại dịch, hàng triệu giáo viên trên toàn thế giới đã được yêu cầu chuyển sang giảng dạy trực tuyến thông qua các nền tảng này mà hầu như không có đào tạo chuyên sâu về giảng dạy trực tuyến. Kết quả là trải nghiệm học tập trực tuyến trong đại dịch khác biệt sâu sắc giữa các trường, các quốc gia và các nhóm sinh viên: ở những nơi có cơ sở hạ tầng tốt và giáo viên có năng lực, giáo dục trực tuyến có thể đạt kết quả tương đối tốt; nhưng ở những nơi thiếu thốn cơ sở hạ tầng và giáo viên chưa được đào tạo đầy đủ, giáo dục trực tuyến gần như thất bại hoàn toàn.

Teräs và cộng tác viên (2020) đã phân tích sâu hơn về hậu quả của chủ nghĩa giải pháp giáo dục trong thời kỳ hậu-COVID-19. Họ chỉ ra rằng đại dịch đã làm cho tư duy giải pháp công nghệ trở nên phổ biến hơn bao giờ hết, không chỉ trong cộng đồng giáo dục mà còn trong dư luận và giới hoạch định chính sách. Hình ảnh giáo viên giảng dạy qua Zoom, sinh viên học tập qua laptop trong phòng ngủ, và trường học sử dụng phần mềm theo dõi sinh viên — tất cả đã trở thành những hình ảnh tiêu biểu của “giáo dục mới” trong thời kỳ đại dịch.

4.3 Sự trỗi dậy của công nghệ giáo dục thương mại

Một trong những hệ quả đáng lo ngại nhất của tư duy chủ nghĩa giải pháp trong giáo dục là sự trỗi dậy mạnh mẽ của ngành công nghiệp công nghệ giáo dục (EdTech). Khi giáo dục được tư duy như một tập hợp các “vấn đề cần giải quyết bằng công nghệ”, thì công nghệ giáo dục trở thành một thị trường đầy hấp dẫn đối với các công ty công nghệ — từ những gã khổng lồ như Google, Microsoft và Apple đến hàng ngàn công ty khởi nghiệp đang tìm kiếm cơ hội thâm nhập vào thị trường giáo dục toàn cầu trị giá hàng nghìn tỷ đô la.

Sự trỗi dậy của công nghệ giáo dục thương mại mang lại cả cơ hội lẫn rủi ro. Về mặt cơ hội, nó thúc đẩy sự đổi mới, cung cấp các công cụ mới cho giáo viên và sinh viên, và có thể giúp mở rộng tiếp cận giáo dục. Về mặt rủi ro, nó đặt ra những vấn đề nghiêm trọng về quyền riêng tư, an toàn dữ liệu, định hướng giáo dục bởi lợi nhuận và sự phụ thuộc quá mức của giáo dục vào các sản phẩm thương mại.

Vấn đề quyền riêng tư và an toàn dữ liệu là một trong những vấn đề cấp bách nhất. Nhiều nền tảng công nghệ giáo dục thu thập lượng lớn dữ liệu về sinh viên: từ lịch sử học tập, kết quả bài kiểm tra, thời gian sử dụng nền tảng, đến những dữ liệu hành vi như tần suất nhấp chuột, thời gian đọc từng trang và thậm chí biểu cảm khuôn mặt. Những dữ liệu này có thể được sử dụng để “cá nhân hóa” trải nghiệm học tập, nhưng chúng cũng có thể bị sử dụng cho những mục đích thương mại — chẳng hạn như nhắm mục tiêu quảng cáo — hoặc chính trị, hoặc có thể bị rò rỉ và bị sử dụng sai mục đích.

Vấn đề định hướng giáo dục bởi lợi nhuận là rủi ro không kém phần nghiêm trọng. Khi giáo dục được tư duy như một thị trường và công nghệ giáo dục là một sản phẩm thương mại, thì mục tiêu tối thượng có nguy cơ bị dịch chuyển từ “phát triển con người toàn diện” sang “tối đa hóa lợi nhuận cho công ty công nghệ”. Điều này có thể dẫn đến việc các công ty công nghệ giáo dục ưu tiên phát triển các tính năng thu hút khách hàng hơn là các tính năng thực sự phục vụ mục tiêu giáo dục, ưu tiên các giải pháp dễ mở rộng quy mô hơn là các giải pháp phù hợp với bối cảnh cụ thể.

4.4 Lời phê bình của Evgeny Morozov đối với tư duy giải pháp

Phê bình của Evgeny Morozov đối với tư duy giải pháp cung cấp một khung lý thuyết mạnh mẽ để hiểu và đánh giá chủ nghĩa giải pháp trong giáo dục. Morozov lập luận rằng tư duy giải pháp không chỉ đơn giản là một thói quen tư duy xấu, mà là một hệ tư tưởng có hệ thống ảnh hưởng đến cách chúng ta tổ chức xã hội, thiết kế chính sách và hiểu về bản thân chúng ta.

Theo Morozov, tư duy giải pháp có ba đặc điểm nguy hiểm cốt lõi:

Thứ nhất, nó tái định nghĩa các vấn đề xã hội theo những thuật ngữ có thể giải quyết được bằng công nghệ. Khi giáo dục bị tư duy như một “vấn đề thông tin” — nơi thông tin cần được truyền tải từ giáo viên sang sinh viên một cách hiệu quả nhất — thì giải pháp công nghệ tự nhiên là phát triển các nền tảng truyền tải thông tin tốt hơn, nhanh hơn, rộng hơn. Nhưng giáo dục không phải chỉ là truyền tải thông tin. Giáo dục là quá trình phát triển con người, bao gồm việc phát triển khả năng tư duy phản biện, khả năng sáng tạo, khả năng hợp tác và sự hiểu biết về bản thân và xã hội. Những khía cạnh này của giáo dục không thể được giải quyết bằng công nghệ truyền tải thông tin, dù tiên tiến đến đâu.

Thứ hai, tư duy giải pháp chuyển sự chú ý từ các nguyên nhân sâu xa sang các triệu chứng bề nổi. Thay vì hỏi “tại sao sinh viên bỏ học” — một câu hỏi có thể dẫn đến những phân tích sâu sắc về nguyên nhân kinh tế, xã hội, tâm lý và văn hóa — tư duy giải pháp hỏi “làm sao để phát hiện sớm sinh viên có nguy cơ bỏ học”. Câu hỏi thứ hai có thể dẫn đến một giải pháp công nghệ hữu ích, nhưng nó bỏ qua nguyên nhân gốc rễ của vấn đề và có nguy cơ biến việc “giảm tỷ lệ bỏ học” thành một bài toán kỹ thuật thay vì một dự án giáo dục toàn diện.

Thứ ba, tư duy giải pháp tạo ra một ảo giác về sự kiểm soát. Khi mọi vấn đề giáo dục đều được “giải quyết” bằng công nghệ, chúng ta có cảm giác rằng chúng ta kiểm soát hoàn toàn quá trình giáo dục. Nhưng thực tế là giáo dục luôn bao gồm những yếu tố không thể kiểm soát, không thể dự đoán và không thể đo lường — những khoảnh khắc “aha” khi một sinh viên bất chợt hiểu một khái niệm phức tạp, những cuộc đối thoại sâu sắc giữa giáo viên và sinh viên về những vấn đề đạo đức, và sự phát triển cá nhân của sinh viên thông qua những trải nghiệm học tập khó khăn. Những khoảnh khắc này không thể được “kỹ thuật hóa” hay “tối ưu hóa” bằng công nghệ, và việc cố gắng làm như vậy có nguy cơ làm mất đi chính những giá trị mà giáo dục được sinh ra để bảo vệ.

4.5 Williamson và Eynon: Chính trị giáo dục trong đại dịch

Nghiên cứu của Williamson và Eynon (2020), trong khuôn khổ hợp tác với Potter (2020), cung cấp một phân tích chi tiết về cách đại dịch COVID-19 đã tạo ra một bối cảnh chính trị đặc biệt thuận lợi cho tư duy chủ nghĩa giải pháp trong giáo dục. Các tác giả chỉ ra rằng trong tình trạng khẩn cấp, các quy trình bình thường của hoạch định chính sách giáo dục — bao gồm tham vấn, đánh giá tác động và cân bằng lợi ích — bị nén lại hoặc bỏ qua hoàn toàn. Quyết định “đóng cửa trường học và chuyển sang học trực tuyến” được đưa ra trong vòng vài ngày ở nhiều quốc gia, mà không có đủ thời gian để đánh giá hệ quả, chuẩn bị cơ sở hạ tầng và đào tạo giáo viên.

Williamson và Eynon (2020) sử dụng khái niệm “tính chính trị của khủng hoảng giáo dục” để mô tả cách các quyết định giáo dục trong đại dịch bị chi phối bởi logic khủng hoảng hơn là logic giáo dục. Logic khủng hoảng đòi hỏi phản ứng nhanh, giải pháp rõ ràng và khả năng mở rộng quy mô — tất cả đều là những đặc điểm mà công nghệ cung cấp tốt hơn bất kỳ phương pháp giáo dục truyền thống nào. Logic giáo dục, ngược lại, đòi hỏi sự cẩn trọng, đánh giá sâu sắc, tôn trọng sự đa dạng của bối cảnh và ưu tiên trải nghiệm học tập của sinh viên — những yếu tố khó dàng hơn trong việc triển khai nhanh chóng.

Sự chi phối của logic khủng hoảng đã dẫn đến một số hệ quả đáng lo ngại. Một trong những hệ quả rõ rệt nhất là sự tăng cường giám sát sinh viên thông qua công nghệ. Nhiều trường đại học đã triển khai các phần mềm theo dõi sinh viên, từ việc theo dõi thời gian đăng nhập vào hệ thống học tập đến việc sử dụng camera để theo dõi biểu cảm khuôn mặt của sinh viên trong lúc thi. Những công cụ này được biện minh bởi nhu cầu “đảm bảo chất lượng” và “ngăn chặn gian lận” trong môi trường học trực tuyến, nhưng chúng đặt ra những câu hỏi nghiêm trọng về quyền riêng tư, tự do cá nhân và mối quan hệ giữa giáo viên và sinh viên.

Một hệ quả khác là sự tăng cường phụ thuộc của giáo dục vào các nền tảng công nghệ tư nhân. Khi trường học chuyển sang học trực tuyến thông qua Zoom, Google Classroom, Microsoft Teams hay các nền tảng khác, họ thực chất đang giao phó một phần quan trọng của quá trình giáo dục cho các công ty tư nhân. Những công ty này quyết định cách giao diện hoạt động, tính năng nào có sẵn, cách dữ liệu được thu thập và sử dụng, và nền tảng được duy trì trong bao lâu. Quyền kiểm soát này, một khi được giao, rất khó lấy lại.

4.6 Teräs và cộng tác viên: Chủ nghĩa giải pháp công nghệ giáo dục hậu-COVID-19

Teräs và cộng tác viên (2020) đã đưa ra một phân tích toàn diện về chủ nghĩa giải pháp công nghệ giáo dục trong thời kỳ hậu-COVID-19, cung cấp một khung lý thuyết để hiểu và vượt qua tư duy giải pháp. Các tác giả lập luận rằng đại dịch không chỉ phơi bày những hạn chế của tư duy giải pháp mà còn tạo ra một cơ hội — có thể là cơ hội cuối cùng — để thiết lập một lăng kính mới đối với công nghệ trong giáo dục.

Một trong những đóng góp quan trọng nhất của Teräs và cộng tác viên (2020) là việc phân tích sự khác biệt giữa “chuyển đổi số giáo dục thực sự” và “chuyển đổi số giáo dục theo tư duy giải pháp”. Chuyển đổi số giáo dục thực sự là một quá trình sâu rộng và đa chiều, bao gồm việc tái cấu trúc triết lý giáo dục, phương pháp giảng dạy, cấu trúc tổ chức và mối quan hệ giữa các bên liên quan, với công nghệ đóng vai trò hỗ trợ trong quá trình này. Chuyển đổi số giáo dục theo tư duy giải pháp, ngược lại, là quá trình đơn giản hóa chuyển đổi số thành việc “áp dụng công nghệ vào giáo dục hiện có” mà không thay đổi các yếu tố cấu trúc sâu xa.

Phân biệt này có ý nghĩa thực tiễn quan trọng. Rất nhiều “chuyển đổi số giáo dục” hiện nay thực chất là tư duy giải pháp: thay vì thay đổi cách giáo dục được tổ chức và thực hiện, chúng ta chỉ thay đổi công cụ mà giáo dục sử dụng. Giảng viên vẫn giảng như trước, chỉ là qua màn hình thay vì trong lớp học. Sinh viên vẫn được đánh giá bằng bài kiểm tra viết như trước, chỉ là nộp trực tuyến thay vì nộp bằng giấy. Quản lý trường đại học vẫn hoạt động theo cấu trúc phân cấp như trước, chỉ là sử dụng phần mềm quản lý thay vì hồ sơ giấy.

Điều này không có nghĩa là việc sử dụng công nghệ để duy trì các phương pháp giáo dục truyền thống là vô ích — trong nhiều trường hợp, nó là bước đầu tiên cần thiết và hợp lý. Nhưng nó cũng không nên bị nhầm lẫn với “chuyển đổi số giáo dục” thực sự, vốn đòi hỏi những thay đổi sâu sắc hơn nhiều.

4.7 Hướng đi ra khỏi tư duy giải pháp

Vậy, làm thế nào để giáo dục đại học thoát khỏi tư duy giải pháp và chuyển sang một lăng kính thực tế hơn đối với công nghệ?

Thứ nhất, cần thiết lập một nguyên tắc rõ ràng: công nghệ phục vụ giáo dục, không phải giáo dục phục vụ công nghệ. Điều này nghe có vẻ hiển nhiên, nhưng thực tế là nhiều quyết định về công nghệ giáo dục hiện nay được đưa ra dựa trên logic của công nghệ (những tính năng mới nào có sẵn, những sản phẩm nào đang thịnh hành) thay vì logic của giáo dục (những vấn đề giáo dục nào cần giải quyết, những phương pháp nào đã được chứng minh là hiệu quả).

Thứ hai, cần phát triển năng lực tư duy phản biện công nghệ trong cộng đồng giáo dục. Điều này không chỉ bao gồm kỹ năng sử dụng công nghệ mà còn bao gồm khả năng đánh giá công nghệ một cách có hệ thống: công nghệ này giải quyết vấn đề gì? Có giải pháp phi công nghệ nào tốt hơn không? Những rủi ro của công nghệ này là gì? Ai được lợi và ai chịu thiệt khi triển khai công nghệ này?

Thứ ba, cần thiết lập các khuôn khổ quản trị công nghệ giáo dục minh bạch và có trách nhiệm. Điều này bao gồm các chính sách bảo vệ quyền riêng tư dữ liệu sinh viên, các quy trình đánh giá tác động giáo dục của công nghệ trước khi triển khai, và các cơ chế giám sát liên tục để phát hiện và khắc phục những hệ quả tiêu cực.

Thứ tư, cần khuyến khích các phương pháp giáo dục đa dạng và linh hoạt, trong đó công nghệ là một trong nhiều công cụ chứ không phải là công cụ duy nhất. Giáo dục hiệu quả không phải là giáo dục toàn kỹ thuật số hay toàn phi kỹ thuật số, mà là giáo dục biết sử dụng đúng công cụ đúng lúc, trong đúng bối cảnh và phục vụ đúng mục tiêu.

Thứ năm, cần phát triển một hệ sinh thái nghiên cứu giáo dục mạnh mẽ, nơi các nghiên cứu về tác động của công nghệ trong giáo dục được tiến hành một cách nghiêm túc, độc lập và minh bạch. Hiện nay, phần lớn “nghiên cứu” về hiệu quả công nghệ giáo dục được thực hiện hoặc tài trợ bởi chính các công ty công nghệ giáo dục, tạo ra một xung đột lợi ích rõ ràng. Một hệ sinh thái nghiên cứu độc lập là điều kiện cần thiết để đưa ra những đánh giá khách quan và đáng tin cậy về tác động thực sự của công nghệ trong giáo dục.

4.8 Chủ nghĩa giải pháp công nghệ như một lăng kính cảnh tỉnh

Tóm lại, việc phân tích chủ nghĩa giải pháp trong giáo dục không phải là việc từ chối công nghệ, mà là việc cảnh tỉnh trước một tư duy nguy hiểm có thể làm sai lệch cả mục tiêu lẫn phương pháp của giáo dục. Chủ nghĩa giải pháp, hiểu theo cách Morozov (2013) định nghĩa, là sự nhầm lẫn giữa việc giải quyết một vấn đề một cách dễ hiểu với việc hiểu thực sự về vấn đề đó. Trong giáo dục, điều này có nghĩa là nhầm lẫn giữa việc áp dụng công nghệ và việc cải thiện giáo dục.

Chủ nghĩa thực tế công nghệ, với tư cách là một lăng kính vượt qua tư duy giải pháp, đòi hỏi chúng ta phải dũng cảm đối mặt với sự phức tạp của giáo dục thay vì lẩn tránh nó đằng sau những giải pháp công nghệ hào nhoáng. Nó đòi hỏi chúng ta phải thừa nhận rằng không có “liều thuốc chữa bách bệnh” cho giáo dục, rằng mọi giải pháp — dù là công nghệ hay phi công nghệ — đều có ưu điểm và hạn chế, và rằng việc cải thiện giáo dục là một quá trình dài hạn, đòi hỏi sự kiên nhẫn, sự cẩn trọng và — trên hết — sự tôn trọng đối với tính phức tạp của quá trình giáo dục con người.

Tiếp tục ở Phần II: Chương 5 — Thực trạng chuyển đổi số giáo dục đại học: Bức tranh toàn cầu và khu vực # PHẦN 2: THỰC TIỄN CHUYỂN ĐỔI SỐ TRONG GIÁO DỤC ĐẠI HỌC — BỨC TRANH HIỆN THỰC

Chương 5: Định nghĩa chuyển đổi số — Không chỉ là “số hóa”

5.1 Hiểu sai khái niệm: Nguồn gốc của nhiều thất bại

Trong các cuộc thảo luận về chuyển đổi số giáo dục đại học tại Việt Nam cũng như trên toàn thế giới, một trong những lỗi tư duy phổ biến nhất chính là sự nhầm lẫn giữa ba khái niệm cơ bản: số hóa (digitization), kỹ thuật số hóa (digitalization) và chuyển đổi số (digital transformation). Sự nhầm lẫn này không chỉ mang tính học thuật mà còn có hậu quả thực tiễn sâu sắc. Khi một cơ sở giáo dục đại học coi việc mua sắm thiết bị máy tính, triển khai hệ thống quản lý học tập hay đưa tài liệu lên mạng internet là “chuyển đổi số”, thì tổ chức đó đang tự đặt mình vào một tư duy thiếu chính xác, dẫn đến những quyết định đầu tư kém hiệu quả và những kỳ vọng không sát với thực tế.

Sự nhầm lẫn này không phải là lỗi nhỏ hay lỗi hình thức. Trong bối cảnh các trường đại học phải đối mặt với áp lực tài chính ngày càng lớn, việc phân bổ ngân sách vào những dự án được gọi sai tên có thể dẫn đến lãng phí hàng tỷ đồng mà không mang lại giá trị thực chất cho việc nâng cao chất lượng dạy và học. Nhiều trường đại học tại Việt Nam đã xây dựng các “khuôn viên thông minh” hay “trường học thông minh” với chi phí đầu tư khổng lồ cho hạ tầng phần cứng, nhưng khi đánh giá lại hiệu quả hoạt động, kết quả thường không tương xứng với nguồn lực đã bỏ ra. Nguyên nhân cốt lõi nằm ở chỗ: tổ chức đó đã thực hiện số hóa hoặc kỹ thuật số hóa, nhưng chưa hề bước vào quá trình chuyển đổi số đích thực.

Vì vậy, trước khi đi sâu vào phân tích thực trạng chuyển đổi số giáo dục đại học, chúng ta cần thiết lập một nền tảng khái niệm vững chắc. Việc phân biệt rõ ba cấp độ này không chỉ là yêu cầu của lý luận học thuật mà còn là điều kiện tiên quyết để các nhà hoạch định chính sách, các nhà quản lý giáo dục và các giảng viên có thể định hướng đúng đắn cho lộ trình chuyển đổi số của trường đại học mình.

5.2 Ba cấp độ: Số hóa, kỹ thuật số hóa và chuyển đổi số

5.2.1. Số hóa (Digitization)

Số hóa là quá trình chuyển đổi thông tin từ dạng vật lý, analog sang dạng kỹ thuật số. Đây là cấp độ cơ bản nhất và cũng là bước đầu tiên trong hành trình áp dụng công nghệ. Trong giáo dục đại học, số hóa bao gồm các hoạt động như: quét tài liệu in thành file PDF, chuyển đổi băng ghi âm bài giảng thành file âm thanh kỹ thuật số, số hóa hồ sơ sinh viên từ dạng giấy sang cơ sở dữ liệu điện tử, hay chụp ảnh bảng đen để lưu trữ dưới dạng hình ảnh kỹ thuật số.

Đặc điểm cốt lõi của số hóa là nó không làm thay đổi bản chất của quá trình hay nội dung mà chỉ thay đổi hình thức lưu trữ và truyền đạt. Một tài liệu giảng dạy được số hóa vẫn là tài liệu giảng dạy đó, với nội dung, cấu trúc và tri thức không hề thay đổi. Quá trình này mang lại những lợi ích rõ ràng về khả năng lưu trữ, sao chép và phân phối thông tin, nhưng nó không tạo ra giá trị mới hay không làm thay đổi cách thức tổ chức và vận hành của một cơ sở giáo dục.

Tuy nhiên, cần nhận thức rằng số hóa là bước nền tảng không thể thiếu. Không có dữ liệu số hóa thì không thể có phân tích dữ liệu; không có tài liệu kỹ thuật số thì không thể triển khai hệ thống quản lý học tập trực tuyến. Vấn đề là nhiều trường đại học dừng lại ở bước này và gọi đó là chuyển đổi số.

5.2.2. Kỹ thuật số hóa (Digitalization)

Kỹ thuật số hóa là cấp độ tiếp theo, trong đó công nghệ kỹ thuật số được sử dụng để thay đổi hoặc cải tiến các quy trình hiện có. Khác với số hóa chỉ chuyển đổi hình thức lưu trữ thông tin, kỹ thuật số hóa sử dụng các công cụ kỹ thuật số để làm cho các quy trình hoạt động hiệu quả hơn, nhanh hơn và có thể mở rộng hơn. Trong giáo dục đại học, kỹ thuật số hóa thể hiện qua việc sử dụng hệ thống quản lý học tập (Learning Management System — LMS) như Moodle, Canvas hay Blackboard để phân phối tài liệu, thu bài tập, chấm điểm và quản lý tiến độ học tập của sinh viên thay vì thực hiện các hoạt động này bằng giấy tờ. Nó bao gồm việc sử dụng email và các nền tảng liên lạc trực tuyến thay vì thông báo bằng bảng tin vật lý; việc đăng ký tín chỉ trực tuyến thay vì đến trường để làm thủ tục; việc sử dụng phần mềm quản lý nghiên cứu thay vì hồ sơ giấy.

Mergel, Edelmann và Haug (2019) trong nghiên cứu chuyên sâu về định nghĩa chuyển đổi số đã chỉ rõ rằng kỹ thuật số hóa cho phép các tổ chức tối ưu hóa quy trình hiện có thông qua việc áp dụng công nghệ. Tuy nhiên, bản chất của các quy trình đó vẫn không thay đổi căn bản. Một quy trình đăng ký tín chỉ được đưa lên nền tảng trực tuyến vẫn là quy trình đăng ký tín chỉ với các bước, các điều kiện và các quy định tương tự — chỉ là nó được thực hiện qua môi trường kỹ thuật số thay vì môi trường vật lý.

Kỹ thuật số hóa mang lại những cải thiện đáng kể về hiệu quả vận hành, giảm thiểu sai sót, tiết kiệm thời gian và chi phí. Nhiều trường đại học đã đạt được những thành quả đáng kể ở cấp độ này. Tuy nhiên, kỹ thuật số hóa cũng có một giới hạn quan trọng: nó duy trì tư duy cũ trong một lớp vỏ công nghệ mới. Các quy trình được số hóa nhưng chưa hề được tái thiết kế hay tái cấu trúc.

5.2.3. Chuyển đổi số (Digital Transformation)

Chuyển đổi số là cấp độ sâu nhất và toàn diện nhất. Theo Mergel và cộng sự (2019), chuyển đổi số không chỉ đơn thuần là áp dụng công nghệ vào các quy trình hiện có mà là một quá trình tái cấu trúc căn bản về cách thức một tổ chức hoạt động, cung cấp giá trị và tương tác với các bên liên quan. Trong bối cảnh giáo dục đại học, chuyển đổi số có nghĩa là việc tái cấu trúc toàn bộ mô hình giáo dục, từ cách thức thiết kế chương trình đào tạo, phương pháp giảng dạy và học tập, cách thức đánh giá kết quả học tập, đến cách thức tổ chức quản lý, nghiên cứu và phục vụ cộng đồng.

Chuyển đổi số đòi hỏi những thay đổi sâu sắc trong tư duy lãnh đạo (mindset), văn hóa tổ chức, cấu trúc quản lý và chiến lược phát triển. Nó không phải là một dự án công nghệ mà là một chiến lược tổng thể, trong đó công nghệ đóng vai trò là chất xúc tác và là công cụ cho phép những thay đổi về tư duy, mô hình và phương thức hoạt động.

Một ví dụ minh họa sự khác biệt giữa ba cấp độ này trong giáo dục đại học sẽ giúp làm rõ vấn đề. Giả sử một trường đại học có một khóa học về tâm lý học giáo dục. Ở cấp độ số hóa, trường đưa toàn bộ tài liệu in của khóa học — giáo trình, bài giảng, bài tập — lên định dạng PDF và lưu trữ trên máy chủ. Ở cấp độ kỹ thuật số hóa, trường xây dựng khóa học trên nền tảng Moodle, sinh viên có thể truy cập tài liệu, nộp bài tập trực tuyến, tham gia các bài kiểm tra tự động và nhận điểm số qua hệ thống. Ở cấp độ chuyển đổi số, trường không chỉ số hóa hay kỹ thuật số hóa khóa học hiện có mà còn tái thiết kế toàn bộ trải nghiệm học tập: sử dụng phân tích học tập (learning analytics) để cá nhân hóa lộ trình học tập cho từng sinh viên; tích hợp trí tuệ nhân tạo để cung cấp phản hồi kịp thời; kết nối sinh viên với các cộng đồng thực hành toàn cầu; thay đổi cách thức đánh giá từ kỳ thi cuối kỳ sang đánh giá liên tục thông qua portfolio kỹ thuật số; và chuyển đổi vai trò của giảng viên từ người truyền đạt kiến thức sang người thiết kế và hỗ trợ trải nghiệm học tập.

5.3 Các chiều của chuyển đổi số trong giáo dục đại học

5.3.1. Chuyển đổi số trong giảng dạy và học tập

Chuyển đổi số trong giảng dạy và học tập là chiều quan trọng nhất và cũng là chiều được quan tâm nhiều nhất trong giáo dục đại học. Nó bao gồm việc tái thiết kế trải nghiệm học tập thông qua việc tích hợp công nghệ vào mọi khía cạnh của quá trình dạy và học. Điều này không chỉ đơn thuần là việc sử dụng công nghệ trong lớp học mà là việc thay đổi triết học giáo dục, cách thức thiết kế chương trình, phương pháp sư phạm và cách thức đánh giá.

Chuyển đổi số trong giảng dạy và học tập đòi hỏi việc phát triển các năng lực kỹ thuật số cho cả giảng viên và sinh viên. Giảng viên không chỉ cần biết sử dụng các công cụ kỹ thuật số mà còn cần có khả năng thiết kế trải nghiệm học tập trong môi trường kỹ thuật số, tích hợp các phương pháp sư phạm mới như học tập kết hợp (blended learning), học tập lật lớp (flipped classroom), học tập dựa trên dự án (project-based learning) với sự hỗ trợ của công nghệ, và sử dụng dữ liệu học tập để điều chỉnh và cá nhân hóa quá trình giảng dạy.

Sinh viên thì cần phát triển năng lực học tập trong môi trường kỹ thuật số, bao gồm khả năng tự quản lý quá trình học tập, đánh giá thông tin một cách phản biện, cộng tác trực tuyến và sử dụng các công cụ kỹ thuật số một cách hiệu quả để xây dựng kiến thức.

5.3.2. Chuyển đổi số trong quản trị và vận hành

Chuyển đổi số trong quản trị và vận hành của trường đại học bao gồm việc áp dụng công nghệ để tối ưu hóa và tái cấu trúc các quy trình quản lý, từ tuyển sinh, quản lý học vụ, quản lý tài chính, quản lý nhân sự đến quản lý cơ sở hạ tầng và dịch vụ sinh viên. Nó đòi hỏi việc xây dựng hệ thống thông tin tích hợp, trong đó dữ liệu được chia sẻ và sử dụng xuyên suốt giữa các đơn vị, cho phép ra quyết định dựa trên dữ liệu thay vì dựa trên kinh nghiệm hay trực giác.

Chuyển đổi số quản trị cũng bao gồm việc thay đổi cách thức tổ chức quản lý, từ mô hình phân cấp truyền thống sang mô hình mạng lưới linh hoạt hơn; thay đổi cách thức ra quyết định từ tập trung tại cấp cao nhất sang phân quyền với sự hỗ trợ của phân tích dữ liệu; và thay đổi văn hóa tổ chức từ thụ động, phòng thủ sang chủ động, đổi mới.

5.3.3. Chuyển đổi số trong nghiên cứu và đổi mới sáng tạo

Chuyển đổi số trong nghiên cứu khoa học tại trường đại học bao gồm việc sử dụng các công cụ và phương pháp kỹ thuật số để thúc đẩy hoạt động nghiên cứu, từ việc sử dụng siêu máy tính và trí thông minh nhân tạo trong phân tích dữ liệu, đến việc xây dựng các nền tảng nghiên cứu cộng tác mở (open collaborative research platforms), và phát triển các mô hình xuất bản khoa học mới.

Đặc biệt trong bối cảnh cách mạng dữ liệu (data revolution), chuyển đổi số mở ra những khả năng nghiên cứu hoàn toàn mới thông qua việc phân tích các bộ dữ liệu lớn (big data), sử dụng các phương pháp học máy (machine learning) và trí thông minh nhân tạo (artificial intelligence) để khám phá các mẫu và quan hệ phức tạp mà các phương pháp nghiên cứu truyền thống không thể phát hiện được.

5.3.4. Chuyển đổi số trong kết nối và phục vụ cộng đồng

Trường đại học không chỉ là nơi giảng dạy và nghiên cứu mà còn là một tổ chức phục vụ cộng đồng. Chuyển đổi số mở ra những khả năng mới để trường đại học thực hiện sứ mệnh này: cung cấp giáo dục mở và giáo dục suốt đời thông qua các khóa học trực tuyến công cộng (MOOCs); tham gia vào các mạng lưới đổi mới sáng tạo khu vực và toàn cầu thông qua các nền tảng kỹ thuật số; và sử dụng chuyên môn nghiên cứu để giải quyết các vấn đề xã hội thông qua các dự án chuyển giao công nghệ số.

5.4 Phân biệt chuyển đổi số và hiện đại hóa công nghệ

Một điểm quan trọng cần làm rõ là chuyển đổi số không đồng nghĩa với hiện đại hóa công nghệ. Hiện đại hóa công nghệ là việc cập nhật các công cụ và hệ thống công nghệ mà không nhất thiết thay đổi mô hình hoạt động. Một trường đại học có thể mua sắm hệ thống phần mềm hiện đại nhất, trang bị phòng máy tính với cấu hình cao nhất, triển khai mạng không dây phủ sóng toàn khuôn viên, nhưng nếu cách thức tổ chức, quản lý, giảng dạy và học tập vẫn giữ nguyên như trước, thì đó chỉ là hiện đại hóa công nghệ chứ không phải chuyển đổi số.

Mergel và cộng sự (2019) đã nhấn mạnh rằng chuyển đổi số là một quá trình liên tục và đa chiều, đòi hỏi sự thay đổi về chiến lược, văn hóa và cấu trúc tổ chức chứ không chỉ là thay đổi về công nghệ. Trong giáo dục đại học, điều này có nghĩa là chuyển đổi số phải bắt đầu từ việc xác định lại tầm nhìn, sứ mệnh và giá trị cốt lõi của trường đại học trong kỷ nguyên kỹ thuật số, sau đó mới đến việc thiết kế mô hình hoạt động mới và cuối cùng mới lựa chọn công nghệ phù hợp để hỗ trợ mô hình đó.

Trật tự này là quan trọng. Rất nhiều trường đại học mắc sai lầm khi bắt đầu từ công nghệ — mua hệ thống phần mềm, xây dựng hạ tầng mạng — rồi mới cố gắng “bắt” các hoạt động hiện có vào khuôn khổ của công nghệ. Phương pháp tiếp cận từ công nghệ trước, chiến lược sau này chính là nguyên nhân dẫn đến những thất bại phổ biến trong chuyển đổi số giáo dục.

5.5 Khung lý thuyết định nghĩa chuyển đổi số trong giáo dục đại học

Từ việc phân tích các cấp độ và các chiều của chuyển đổi số, chúng ta có thể xây dựng một khung lý thuyết định nghĩa chuyển đổi số trong giáo dục đại học với các thành tố chính sau đây.

Thứ nhất, chuyển đổi số trong giáo dục đại học là một quá trình tái cấu trúc toàn diện cách thức một trường đại học hoạt động và tạo giá trị thông qua việc tích hợp chiến lược công nghệ kỹ thuật số vào mọi khía cạnh của sứ mệnh giáo dục, nghiên cứu và phục vụ cộng đồng.

Thứ hai, chuyển đổi số không phải là một trạng thái đích đến mà là một hành trình liên tục, trong đó trường đại học liên tục thích ứng và tái cấu trúc khi công nghệ và bối cảnh xã hội thay đổi.

Thứ ba, chuyển đổi số đòi hỏi sự thay đổi đồng bộ về công nghệ, con người, quy trình và chiến lược, trong đó thay đổi về tư duy và văn hóa là điều kiện tiên quyết cho sự thành công.

Thứ tư, chuyển đổi số phải hướng đến việc nâng cao chất lượng và công bằng tiếp cận giáo dục, thay vì chỉ đơn thuần là tối ưu hóa hiệu quả vận hành hay giảm chi phí.

Thứ năm, chuyển đổi số trong giáo dục đại học phải được dẫn dắt bởi các nguyên tắc sư phạm và giá trị giáo dục, chứ không phải bởi sức hấp dẫn của công nghệ mới.

Khung lý thuyết này sẽ là nền tảng cho việc phân tích thực trạng chuyển đổi số giáo dục đại học trong các chương tiếp theo, đặc biệt là khi chúng ta đối chiếu lý tưởng với thực tế thông qua lăng kính của chủ nghĩa thực tế công nghệ.

5.6 Kết luận chương

Định nghĩa chính xác về chuyển đổi số là bước khởi đầu thiết yếu cho bất kỳ cuộc thảo luận nghiêm túc nào về chuyển đổi số giáo dục đại học. Việc phân biệt giữa số hóa, kỹ thuật số hóa và chuyển đổi số không chỉ có giá trị lý luận mà còn có ý nghĩa thực tiễn sâu sắc trong việc định hướng chiến lược, phân bổ nguồn lực và đánh giá kết quả.

Trong bối cảnh giáo dục đại học Việt Nam, việc thiết lập nền tảng khái niệm vững chắc này càng trở nên quan trọng hơn khi mà nhiều quyết định chính sách và đầu tư đang được thực hiện dưới cái mác “chuyển đổi số” mà thực chất chỉ dừng lại ở mức độ số hóa hay kỹ thuật số hóa. Chủ nghĩa thực tế công nghệ đòi hỏi chúng ta phải nhìn nhận thực trạng một cách trung thực, và điều đầu tiên cần trung thực là gọi đúng tên những gì chúng ta đang làm.

Chương 6: COVID-19 — Cú sốc số hóa giáo dục toàn cầu

6.1 Đại dịch — Chất xúc tác bất đắc dĩ của chuyển đổi số giáo dục

Không có sự kiện nào trong lịch sử giáo dục hiện đại làm thay đổi bức tranh giáo dục đại học toàn cầu nhanh chóng và sâu sắc như đại dịch COVID-19. Khi virus SARS-CoV-2 bắt đầu lây lan trên toàn thế giới vào đầu năm 2020, các trường đại học ở hầu hết mọi quốc gia buộc phải đóng cửa cơ sở vật chất và chuyển sang hình thức giảng dạy trực tuyến trong vòng vài ngày, đôi khi chỉ trong vài giờ. Đây là một cuộc thử nghiệm quy mô lớn, được triển khai không tự nguyện trên toàn cầu, và kết quả của nó đã phơi bày cả những khả năng tiềm ẩn lẫn những điểm yếu sâu xa của hệ thống giáo dục đại học trước áp lực chuyển đổi số.

Nếu trước đại dịch, chuyển đổi số giáo dục đại học chủ yếu là một chủ đề được thảo luận trong các hội nghị học thuật, các chiến lược dài hạn và các kế hoạch phát triển năm năm — thì đại dịch đã biến nó thành một yêu cầu sinh tồn ngay lập tức. Các trường đại học không còn thời gian để hoạch định chiến lược từng bước, không còn không gian để thử nghiệm khái niệm (pilot programs), không còn cơ hội để đào tạo và chuẩn bị cho giảng viên và sinh viên một cách đầy đủ. Họ buộc phải chuyển đổi ngay lập tức, bất chấp mức độ sẵn sàng.

Sự kiện này đã tạo ra một cú sốc không chỉ đối với hệ thống giáo dục mà còn đối với toàn bộ cách thức chúng ta nghĩ về chuyển đổi số giáo dục. Nó buộc chúng ta phải đối mặt với thực tế rằng khoảng cách giữa lý tưởng chuyển đổi số — được mô tả trong các tài liệu chiến lược, các bài báo học thuật — và thực tế khả năng thực thi của các trường đại học là rất lớn. Đây chính là bối cảnh mà chủ nghĩa thực tế công nghệ trở nên đặc biệt có giá trị: thay vì lạc quan về một tương lai giáo dục kỹ thuật số hoàn hảo hay bi quan về sự thất bại hoàn toàn của giáo dục trực tuyến, chúng ta cần nhìn nhận một cách khách quan và thực tế những gì đã xảy ra, tại sao lại xảy ra như vậy và chúng ta có thể học được gì từ đó.

6.2 Giảng dạy khẩn cấp từ xa: Không phải giáo dục trực tuyến

Một trong những hiểu sai phổ biến nhất trong đại dịch COVID-19 là việc gọi những gì các trường đại học triển khai trong thời gian phong tỏa là “giảng dạy trực tuyến” (online teaching) hay “học tập trực tuyến” (online learning). Bond, Bedenlier, Marín và Händel (2021) trong nghiên cứu tổng quan hệ thống về giảng dạy khẩn cấp từ xa trong giáo dục đại học đã lập luận mạnh mẽ rằng những gì xảy ra trong đại dịch không phải là giáo dục trực tuyến theo đúng nghĩa mà là “giảng dạy khẩn cấp từ xa” (emergency remote teaching).

Sự phân biệt này không phải là sự chơi chữ mà có ý nghĩa quan trọng cả về lý luận lẫn thực tiễn. Giáo dục trực tuyến đích thực là kết quả của một quá trình thiết kế sư phạm có chủ đích, trong đó khóa học được xây dựng từ đầu cho môi trường kỹ thuật số, với các phương pháp giảng dạy, phương pháp đánh giá và các hoạt động tương tác được thiết kế riêng biệt. Giảng viên tham gia các chương trình đào tạo chuyên sâu, trải qua quá trình thử nghiệm và cải tiến liên tục, và học sinh được chuẩn bị kỹ lưỡng để học tập hiệu quả trong môi trường trực tuyến.

Ngược lại, giảng dạy khẩn cấp từ xa là một biện pháp tạm thời được triển khai trong bối cảnh khẩn cấp, trong đó khóa học được thiết kế ban đầu cho môi trường lớp học truyền thống được chuyển sang môi trường trực tuyến một cách vội vã, thường chỉ thông qua việc sử dụng các nền tảng hội nghị trực tuyến như Zoom, Microsoft Teams hay Google Meet để giảng bài thay vì giảng ở lớp học vật lý. Nội dung giảng dạy, phương pháp sư phạm và cách thức đánh giá hầu như không thay đổi — chỉ là môi trường giao tiếp thay đổi.

Ali (2020) trong nghiên cứu về học tập và giảng dạy từ xa trong giáo dục đại học cũng nhấn mạnh rằng điều kiện tiên quyết cho một chương trình giáo dục trực tuyến thành công là thời gian thiết kế, đào tạo và chuẩn bị — tất cả những điều mà đại dịch không cho phép. Khi các trường đại học buộc phải chuyển đổi trong thời gian ngắn như vậy, chất lượng giảng dạy tất yếu bị ảnh hưởng nghiêm trọng.

Điều này không có nghĩa là các giảng viên đã không nỗ lực hay không sáng tạo. Trái lại, rất nhiều giảng viên đã làm việc chăm chỉ hơn bao giờ hết, dành hàng chục giờ đồng hồ mỗi tuần để học cách sử dụng các công cụ mới, điều chỉnh nội dung giảng dạy và tìm cách duy trì tương tác với sinh viên trong điều kiện bất lợi. Tuy nhiên, sự nỗ lực cá nhân không thể bù đắp cho sự thiếu hụt hệ thống về hạ tầng, đào tạo và thiết kế sư phạm.

6.3 Kinh nghiệm từ Vương quốc Anh

Watermeyer, Crick, Knight và Goodall (2020) trong nghiên cứu về đại dịch COVID-19 và gián đoạn kỹ thuật số tại các trường đại học Vương quốc Anh đã cung cấp một bức tranh chi tiết và đáng báo động về thực tế giảng dạy trực tuyến khẩn cấp. Mặc dù Vương quốc Anh là một quốc gia có nền giáo dục đại học phát triển, với hạ tầng kỹ thuật số tương đối tốt và đội ngũ giảng viên có trình độ công nghệ cao, nghiên cứu của họ vẫn chỉ ra những vấn đề nghiêm trọng.

Trước hết, các nhà nghiên cứu phát hiện ra rằng mức độ sẵn sàng kỹ thuật số của các trường đại học Vương quốc Anh — những tổ chức mà theo các chiến lược chuyển đổi số công bố là đã “sẵn sàng cho kỷ nguyên kỹ thuật số” — thực tế thấp hơn nhiều so với kỳ vọng. Khi buộc phải chuyển đổi hoàn toàn sang trực tuyến, nhiều trường đại học đã phát hiện ra rằng các hệ thống công nghệ của họ không đủ khả năng phục vụ toàn bộ lượng người dùng đồng thời, các nền tảng quản lý học tập thiếu tính năng cần thiết cho giảng dạy trực tuyến đích thực, và nhiều giảng viên không có kỹ năng số cơ bản để vận hành các công cụ trực tuyến.

Đáng chú ý hơn, nghiên cứu của Watermeyer và cộng sự (2020) đã chỉ ra sự bất bình đẳng sâu sắc trong trải nghiệm chuyển đổi số giữa các nhóm giảng viên khác nhau. Các giảng viên trẻ tuổi, những người quen thuộc với công nghệ, thường thích nghi nhanh hơn và tích cực hơn với môi trường trực tuyến. Trong khi đó, các giảng viên lớn tuổi, những người có thâm niên và kinh nghiệm sư phạm phong phú, thường gặp khó khăn nhiều hơn trong việc sử dụng công nghệ mới và cảm thấy bị loại trừ khỏi cuộc hội thoại về chuyển đổi số giáo dục.

Điều này tạo ra một nghịch lý đáng buồn: chính những giảng viên có kinh nghiệm sư phạm phong phú nhất lại là những người gặp khó khăn nhất trong việc thích ứng với môi trường kỹ thuật số, trong khi những người có kỹ năng công nghệ tốt nhất lại có thể chưa có đủ kinh nghiệm sư phạm để thiết kế trải nghiệm học tập trực tuyến hiệu quả. Trong một hệ thống giáo dục đại học thực sự chuyển đổi số, chúng ta cần những giảng viên có cả hai năng lực — nhưng đại dịch đã cho thấy rằng khoảng cách giữa hai nhóm này là rất lớn.

6.4 Kinh nghiệm toàn cầu từ các quốc gia khác

Nghiên cứu của Coman, Țîru, Meseșan-Schmitz, Stanciu và Bularca (2020) về giảng dạy và học tập trực tuyến trong giáo dục đại học trong thời kỳ đại dịch đã tổng hợp kinh nghiệm từ nhiều quốc gia và chỉ ra những vấn đề chung. Các nhà nghiên cứu phát hiện ra rằng các trở ngại chính bao gồm: thiếu trang thiết bị phù hợp, vấn đề kết nối mạng không ổn định, thiếu không gian học tập yên tĩnh tại nhà, thiếu kỹ năng kỹ thuật số của cả giảng viên và sinh viên, và sự gia tăng của căng thẳng tâm lý.

Zhu và Liu (2020) trong bài viết về giáo dục trong và sau COVID-19 đã đưa ra một phân tích sâu sắc về những tác động của đại dịch đối với hệ thống giáo dục và dự báo về tương lai giáo dục hậu đại dịch. Các tác giả lập luận rằng đại dịch đã buộc giáo dục phải đối mặt với những câu hỏi cơ bản về bản chất của giáo dục, vai trò của công nghệ trong giáo dục và mối quan hệ giữa giảng dạy trực tiếp và giảng dạy từ xa.

García-Morales, Garrido-Moreno và Martín-Rojas (2021) trong nghiên cứu về sự biến đổi của giáo dục đại học sau sự gián đoạn của COVID-19 đã chỉ ra rằng đại dịch đã tạo ra một “thời khắc Aristotle” — một khoảnh khắc mà các giả định cơ bản về giáo dục bị thách thức một cách sâu sắc. Các tác giả lập luận rằng những thay đổi được thúc đẩy bởi đại dịch không chỉ là tạm thời mà có khả năng tạo ra những biến đổi lâu dài trong cấu trúc, phương thức hoạt động và triết lý giáo dục đại học.

6.5 Cân bằng giữa công nghệ và sư phạm

Một trong những bài học quan trọng nhất từ đại dịch COVID-19 là sự cần thiết phải cân bằng giữa công nghệ và sư phạm trong chuyển đổi số giáo dục. Rapanta, Botturi, Goodyear, Guàrdia và Koole (2020) trong nghiên cứu đầu tiên về giảng dạy trực tuyến tại trường đại học trong và sau COVID-19 đã nhấn mạnh rằng khi công nghệ được áp dụng một cách khẩn cấp mà không có đủ thời gian để thiết kế sư phạm, kết quả thường là một trải nghiệm giáo dục kém chất lượng, thiếu tương tác và không phát huy được lợi thế của môi trường kỹ thuật số.

Trong nghiên cứu tiếp theo của họ vào năm 2021, Rapanta và cộng sự đã đi sâu hơn vào vấn đề cân bằng giữa công nghệ, sư phạm và “bình thường mới”. Các tác giả lập luận rằng trong bối cảnh hậu đại dịch, các trường đại học cần tránh hai cạm bẫy chính: một là hoàn toàn quay trở lại mô hình giảng dạy truyền thống như trước đại dịch, bỏ qua những bài học quý giá từ trải nghiệm trực tuyến khẩn cấp; hai là tiếp tục duy trì mô hình giảng dạy khẩn cấp từ xa như trong thời gian phong tỏa mà không thực hiện những cải tiến sư phạm cần thiết.

Thay vào đó, Rapanta và cộng sự (2021) đề xuất một cách tiếp cận cân bằng, trong đó các trường đại học tận dụng những kinh nghiệm và năng lực mới được phát triển trong đại dịch để thiết kế các mô hình giáo dục kết hợp (blended/hybrid models) tối ưu, kết hợp ưu điểm của giảng dạy trực tiếp và giảng dạy trực tuyến, đồng thời đảm bảo rằng công nghệ luôn được phục vụ cho các mục tiêu sư phạm chứ không phải ngược lại.

Đây chính là cốt lõi của tư duy chủ nghĩa thực tế công nghệ trong giáo dục: công nghệ là công cụ, không phải là cứu tinh; sư phạm là nền tảng, không phải là rào cản; và sự cân bằng giữa hai yếu tố này — với sự thấu hiểu sâu sắc về cả khả năng lẫn giới hạn của mỗi bên — mới là chìa khóa cho một giáo dục đại học chuyển đổi số thành công.

6.6 Hệ lụy tâm lý và xã hội

Ngoài các vấn đề về hạ tầng và sư phạm, đại dịch COVID-19 còn để lại những hệ lụy tâm lý và xã hội sâu sắc đối với cả giảng viên và sinh viên. Việc đột ngột bị cô lập khỏi môi trường học đường truyền thống, thiếu tương tác xã hội trực tiếp, gia tăng áp lực tài chính, và sự không chắc chắn về tương lai đã tạo ra một cuộc khủng hoảng sức khỏe tâm thần trong cộng đồng giáo dục đại học toàn cầu.

Nhiều nghiên cứu đã ghi nhận sự gia tăng đáng kể về mức độ lo âu, trầm cảm và kiệt sức (burnout) trong cả giảng viên và sinh viên. Giảng viên phải đối mặt với khối lượng công việc tăng vọt khi phải chuyển đổi toàn bộ nội dung giảng dạy sang trực tuyến, đồng thời phải học cách sử dụng các công nghệ mới trong khi vẫn phải duy trì chất lượng giảng dạy và hỗ trợ sinh viên. Sinh viên phải đối mặt với việc học tập trong môi trường không thuận lợi — nhiều sinh viên phải ở trong các phòng trọ nhỏ, chia sẻ không gian với nhiều người, thiếu thiết bị học tập phù hợp và kết nối mạng không ổn định.

Những hệ lụy tâm lý này không chỉ là vấn đề tạm thời mà còn có ảnh hưởng lâu dài đối với thái độ của cả giảng viên lẫn sinh viên đối với chuyển đổi số giáo dục. Rất nhiều người đã phát triển tâm lý e ngại và thậm chí chống đối việc áp dụng công nghệ trong giáo dục sau những trải nghiệm tiêu cực trong đại dịch. Điều này đặt ra một thách thức lớn cho các trường đại học khi triển khai các chiến lược chuyển đổi số hậu đại dịch: họ không chỉ cần giải quyết vấn đề về hạ tầng và kỹ năng mà còn cần giải quyết vấn đề về tâm lý và cảm xúc.

6.7 Bài học rút ra từ đại dịch

Từ tất cả những trải nghiệm và nghiên cứu về giáo dục đại học trong đại dịch COVID-19, chúng ta có thể rút ra một số bài học quan trọng cho chủ nghĩa thực tế công nghệ.

Thứ nhất, chuyển đổi số không thể được thực hiện thành công trong điều kiện khẩn cấp. Việc chuyển đổi vội vàng, thiếu chuẩn bị và thiếu thiết kế sư phạm dẫn đến kết quả kém chất lượng và tạo ra ấn tượng tiêu cực về giáo dục trực tuyến, làm gia tăng sự kháng cự đối với chuyển đổi số trong tương lai.

Thứ hai, công nghệ không thể thay thế mối quan hệ con người trong giáo dục. Mặc dù công nghệ có thể hỗ trợ và cải thiện quá trình giảng dạy và học tập, nhưng yếu tố con người — tương tác giữa giảng viên và sinh viên, giữa sinh viên với sinh viên, cảm giác thuộc về một cộng đồng học thuật — vẫn là yếu tố không thể thiếu trong một trải nghiệm giáo dục chất lượng cao.

Thứ ba, chuyển đổi số giáo dục đòi hỏi sự đầu tư đồng bộ vào nhiều yếu tố: hạ tầng công nghệ, phát triển năng lực kỹ thuật số, thiết kế sư phạm, hỗ trợ tâm lý và tạo động lực. Việc chỉ đầu tư vào một hay hai yếu tố mà bỏ qua các yếu tố khác sẽ không mang lại kết quả như mong muốn.

Thứ tư, đại dịch đã phơi bày sự bất bình đẳng sâu sắc trong khả năng tiếp cận và tham gia giáo dục kỹ thuật số, một vấn đề mà chúng ta sẽ phân tích sâu hơn trong Chương 8 về bất bình đẳng số.

Thứ năm, và quan trọng nhất, đại dịch đã chứng minh rằng giáo dục đại học có khả năng thay đổi nhanh hơn nhiều so với những gì chúng ta tưởng tượng trước đây — nhưng tốc độ thay đổi này phải đi kèm với chất lượng và sự công bằng, nếu không thì chúng ta có nguy cơ tạo ra một hệ thống giáo dục kém chất lượng và bất công hơn so với hệ thống ban đầu.

6.8 Kết luận chương

Đại dịch COVID-19 đã đóng vai trò như một cuộc thử nghiệm toàn cầu không tự nguyện về chuyển đổi số giáo dục đại học. Nó đã phơi bày khoảng cách giữa lý tưởng và thực tế, giữa chiến lược và khả năng thực thi, giữa kỳ vọng về công nghệ và giới hạn của con người. Những bài học từ đại dịch — cả những bài học tích cực lẫn tiêu cực — cung cấp những dữ liệu quý giá cho tư duy chủ nghĩa thực tế công nghệ, giúp chúng ta định hình một lộ trình chuyển đổi số giáo dục đại học thực tế hơn, bền vững hơn và công bằng hơn.

Chương 7: Bức tranh chuyển đổi số giáo dục tại Việt Nam và khu vực Đông Nam Á

7.1 Bối cảnh chính sách chuyển đổi số tại Việt Nam

Việt Nam nằm trong số các quốc gia đang phát triển có tốc độ adoption công nghệ nhanh nhất tại Đông Nam Á. Trong những năm gần đây, Chính phủ Việt Nam đã ban hành một loạt chính sách chiến lược nhằm thúc đẩy chuyển đổi số quốc gia, trong đó giáo dục đóng vai trò quan trọng. Quyết định số 749/QĐ-TTg ngày 03 tháng 6 năm 2020 của Thủ tướng Chính phủ phê duyệt “Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030” đã đặt nền móng pháp lý cho các hoạt động chuyển đổi số trong mọi lĩnh vực, bao gồm giáo dục.

Tuy nhiên, cần phân biệt rõ giữa tầm nhìn chính sách ở tầm vĩ mô và khả năng thực thi ở tầm vi mô. Trong khi các văn bản chính sách vạch ra những mục tiêu đầy tham vọng — như tỷ lệ số hóa tài liệu giáo dục đạt 100 phần trăm, đưa giáo dục trực tuyến trở thành một thành tố không thể thiếu của hệ thống giáo dục, xây dựng hệ sinh thái học tập mở và linh hoạt — thì thực tế triển khai tại các trường đại học lại đối mặt với rất nhiều thách thức và rào cản.

Một trong những đặc điểm đáng chú ý của bối cảnh chuyển đổi số giáo dục tại Việt Nam là sự chênh lệch rất lớn giữa các nhóm trường đại học. Các trường đại học lớn ở các thành phố lớn như Hà Nội và Thành phố Hồ Chí Minh, đặc biệt là các trường thành viên của Đại học Quốc gia và Đại học Bách Khoa, thường có hạ tầng kỹ thuật số tốt hơn, nguồn lực tài chính dồi dào hơn và đội ngũ nhân lực có năng lực kỹ thuật số cao hơn. Trong khi đó, các trường đại học vùng sâu, vùng xa, đặc biệt là các trường tư thục nhỏ, thường gặp rất nhiều khó khăn trong việc triển khai chuyển đổi số.

Sự chênh lệch này không chỉ phản ánh sự bất bình đẳng trong phân bổ nguồn lực mà còn phản ánh sự khác biệt về tư duy lãnh đạo, năng lực quản lý và mức độ sẵn sàng cho thay đổi giữa các cơ sở giáo dục. Đây là một thực tế mà chủ nghĩa thực tế công nghệ phải đối mặt thẳng thắn: không thể áp dụng một mô hình chuyển đổi số duy nhất cho tất cả các trường đại học, mà cần có những chiến lược phù hợp với bối cảnh và năng lực cụ thể của từng tổ chức.

7.2 Kinh tế kỹ thuật số châu Á và tác động đến giáo dục

Li, Kim, Lang, Kauffman và Naldi (2020) trong nghiên cứu về kinh tế kỹ thuật số ở châu Á đã chỉ ra rằng khu vực châu Á đang trải qua một cuộc cách mạng kỹ thuật số với tốc độ chưa từng có. Các quốc gia Đông Nam Á, trong đó có Việt Nam, đang chứng kiến sự phát triển nhanh chóng của nền kinh tế kỹ thuật số, với sự gia tăng mạnh mẽ về số người dùng internet, sự phổ biến của điện thoại thông minh và sự phát triển của các dịch vụ kỹ thuật số trong mọi lĩnh vực đời sống.

Tuy nhiên, nghiên cứu của Li và cộng sự (2020) cũng chỉ ra rằng sự phát triển kinh tế kỹ thuật số không tự động dẫn đến sự phát triển tương ứng trong giáo dục kỹ thuật số. Mặc dù nhiều quốc gia châu Á có nền tảng công nghệ số phát triển mạnh, nhưng hệ thống giáo dục — đặc biệt là giáo dục đại học — thường không theo kịp tốc độ thay đổi của công nghệ và thị trường lao động.

Điều này tạo ra một khoảng cách nguy hiểm: trong khi nền kinh tế kỹ thuật số đòi hỏi nguồn nhân lực có năng lực kỹ thuật số cao, thì hệ thống giáo dục đại học — nơi chịu trách nhiệm đào tạo nguồn nhân lực đó — lại chưa đủ năng lực để đáp ứng nhu cầu. Khoảng cách này đặc biệt rõ rệt tại các quốc gia đang phát triển trong khu vực Đông Nam Á, nơi mà sự phát triển kinh tế kỹ thuật số diễn ra nhanh hơn khả năng thích ứng của hệ thống giáo dục.

Tại Việt Nam, khoảng cách này thể hiện qua thực tế là nhiều sinh viên tốt nghiệp đại học vẫn thiếu các kỹ năng kỹ thuật số cần thiết cho thị trường lao động hiện đại. Mặc dù sinh viên Việt Nam là những người sử dụng công nghệ một cách tự nhiên và thường xuyên trong đời sống cá nhân — sử dụng mạng xã hội, ứng dụng di động, dịch vụ trực tuyến — nhưng việc sử dụng công nghệ trong học thuật và chuyên nghiệp đòi hỏi những năng lực khác, phức tạp hơn và thường không được đào tạo đầy đủ trong chương trình giáo dục đại học.

7.3 Thực trạng tại các trường đại học Việt Nam

Dù có những nỗ lực đáng kể từ phía Chính phủ và các bộ ngành, thực trạng chuyển đổi số tại các trường đại học Việt Nam vẫn cho thấy một bức tranh đa chiều, với những thành tựu đáng khích lệ song hành cùng những hạn chế và thách thức lớn.

Về mặt tích cực, nhiều trường đại học đã đạt được những bước tiến quan trọng trong việc số hóa tài liệu, triển khai hệ thống quản lý học tập trực tuyến, xây dựng hệ thống đăng ký tín chỉ điện tử và phát triển các thư viện kỹ thuật số. Một số trường tiên phong đã bắt đầu thử nghiệm các mô hình giáo dục mới như học tập kết hợp (blended learning) và sử dụng các nền tảng hội nghị trực tuyến để hỗ trợ giảng dạy. Trong thời kỳ đại dịch COVID-19, các trường đại học Việt Nam đã cho thấy khả năng thích ứng đáng kinh ngạc khi chuyển đổi sang hình thức giảng dạy trực tuyến trong thời gian rất ngắn.

Tuy nhiên, đằng sau những thành tựu bề nổi này là nhiều vấn đề sâu sắc hơn. Trước hết, phần lớn các trường đại học Việt Nam vẫn đang ở giai đoạn số hóa và kỹ thuật số hóa, chưa thực sự bước vào giai đoạn chuyển đổi số. Việc đưa tài liệu lên mạng, sử dụng email hay triển khai hệ thống đăng ký tín chỉ trực tuyến là những bước tiến quan trọng nhưng chưa đủ để được gọi là chuyển đổi số. Phương pháp giảng dạy, cách thức đánh giá và mô hình quản lý hầu như không thay đổi căn bản.

Thứ hai, việc sử dụng công nghệ trong giảng dạy thường diễn ra ở mức độ bề mặt. Nhiều giảng viên sử dụng PowerPoint thay cho bảng đen, sử dụng email thay cho thông báo trực tiếp, sử dụng hệ thống nộp bài tập trực tuyến thay vì nhận bài tập giấy — nhưng bản chất của phương pháp giảng dạy vẫn là giảng thuyết truyền thống (didactic lecture), với giảng viên truyền đạt kiến thức một chiều và sinh viên tiếp thu thụ động. Công nghệ được sử dụng để số hóa phương pháp cũ chứ không phải để tạo ra những trải nghiệm học tập mới.

Thứ ba, hạ tầng kỹ thuật số tại nhiều trường đại học vẫn chưa đáp ứng được nhu cầu của chuyển đổi số. Mặc dù hầu hết các trường có phòng máy tính và kết nối internet, nhưng tốc độ mạng thường không ổn định, số lượng thiết bị không đủ phục vụ toàn bộ sinh viên, và các hệ thống quản lý thông tin thường thiếu tính tích hợp. Thêm vào đó, nhiều giảng viên và sinh viên không có đủ thiết bị cá nhân — đặc biệt là máy tính xách tay — để tham gia hiệu quả vào các hoạt động giáo dục trực tuyến.

Thứ tư, năng lực kỹ thuật số của đội ngũ giảng viên là một trong những thách thức lớn nhất. Mặc dù hầu hết giảng viên có khả năng sử dụng các công nghệ cơ bản như xử lý văn bản, email và duyệt web, nhưng năng lực sử dụng các công cụ giáo dục kỹ thuật số tiên tiến hơn — hệ thống quản lý học tập, công cụ cộng tác trực tuyến, phương pháp phân tích học tập, công cụ tạo nội dung đa phương tiện — thường ở mức độ thấp. Việc đào tạo và phát triển năng lực kỹ thuật số cho giảng viên thường thiếu tính hệ thống và không được đầu tư tương xứng với tầm quan trọng của vấn đề.

7.4 Góc nhìn từ các tổ chức quốc tế

Các tổ chức quốc tế như UNESCO và Ngân hàng Thế giới đã có nhiều báo cáo và đánh giá về chuyển đổi số giáo dục tại các nước đang phát triển, trong đó có các quốc gia Đông Nam Á. Góc nhìn của các tổ chức này cung cấp những lăng kính bổ sung và đôi khi phê phán hơn so với các đánh giá nội bộ.

UNESCO đã nhiều lần nhấn mạnh rằng chuyển đổi số giáo dục tại các nước đang phát triển cần được tiếp cận một cách thực tế, có tính đến bối cảnh, nguồn lực và thách thức cụ thể của từng quốc gia thay vì sao chép đơn giản các mô hình từ các nước phát triển. Tổ chức này cảnh báo rằng việc áp dụng các mô hình chuyển đổi số của các nước phát triển mà không tính đến sự khác biệt về bối cảnh có thể dẫn đến những hậu quả tiêu cực, bao gồm lãng phí nguồn lực, gia tăng bất bình đẳng và làm suy yếu các hệ thống giáo dục vốn đã yếu kém.

Ngân hàng Thế giới, trong các báo cáo về giáo dục kỹ thuật số tại Đông Nam Á, đã chỉ ra rằng nhiều quốc gia trong khu vực đang đầu tư quá mức vào phần cứng và hạ tầng mà bỏ qua các yếu tố quan trọng khác như phát triển năng lực kỹ thuật số, nội dung số chất lượng và khung chính sách hỗ trợ. Báo cáo cũng nhấn mạnh tầm quan trọng của việc xây dựng hệ sinh thái giáo dục kỹ thuật số toàn diện, trong đó công nghệ, nội dung, năng lực con người và chính sách được phát triển song song và hỗ trợ lẫn nhau.

Czerniewicz và cộng sự (2020) trong nghiên cứu mang tựa đề “A Wake-Up Call” về sự công bằng, bất bình đẳng và giảng dạy khẩn cấp từ xa trong bối cảnh COVID-19 đã cung cấp một góc nhìn đặc biệt sắc sảo về thực trạng giáo dục kỹ thuật số tại các nước đang phát triển, một góc nhìn có thể áp dụng một cách trực tiếp vào bối cảnh Việt Nam. Các nhà nghiên cứu lập luận rằng đại dịch đã phơi bày — và trong nhiều trường hợp làm trầm trọng thêm — những bất bình đẳng hiện có trong hệ thống giáo dục, đặc biệt là bất bình đẳng trong khả năng tiếp cận giáo dục kỹ thuật số.

7.5 Các thách thức đặc thù tại Việt Nam và Đông Nam Á

7.5.1. Thách thức về hạ tầng

Mặc dù hạ tầng viễn thông tại Việt Nam đã có những tiến bộ đáng kể trong những năm gần đây, với tỷ lệ phủ sóng internet và số người dùng smartphone nằm ở mức cao so với khu vực, nhưng hạ tầng phục vụ giáo dục kỹ thuật số vẫn còn nhiều điểm yếu. Tốc độ kết nối internet tại nhiều khu vực, đặc biệt là vùng sâu vùng xa, không đủ để hỗ trợ các hoạt động giáo dục trực tuyến đòi hỏi băng thông lớn như video trực tiếp hay lớp học ảo. Nhiều trường đại học không có ngân sách để đầu tư vào các hệ thống máy chủ mạnh mẽ, các nền tảng điện toán đám mây hay các công nghệ bảo mật thông tin cần thiết.

Thêm vào đó, hiệu ứng “ảo giác kỹ thuật số” (digital illusion) — trong đó việc sử dụng điện thoại thông minh và mạng xã hội tạo ra ấn tượng rằng người dùng có năng lực kỹ thuật số cao — thường che khuất thực tế là năng lực kỹ thuật số học thuật và chuyên nghiệp của nhiều sinh viên và giảng viên Việt Nam còn rất hạn chế.

7.5.2. Thách thức về nhận thức và tư duy

Một trong những rào cản lớn nhất đối với chuyển đổi số giáo dục tại Việt Nam chính là nhận thức và tư duy. Ở nhiều cấp độ — từ cấp quản lý nhà nước, cấp lãnh đạo trường đại học đến cấp giảng viên và sinh viên — vẫn tồn tại những quan niệm hạn chế về chuyển đổi số. Một số nhà quản lý coi chuyển đổi số là một dự án công nghệ thông tin, giao cho phòng công nghệ thông tin chịu trách nhiệm mà không nhận thức được rằng đây là một chiến lược tổng thể cần sự tham gia của toàn bộ tổ chức. Một số giảng viên coi công nghệ là mối đe dọa đối với vai trò truyền thống của họ hoặc coi giáo dục trực tuyến là kém chất lượng hơn giáo dục truyền thống một cách mặc nhiên. Một số sinh viên coi học trực tuyến là cơ hội để “dễ dãi” hơn trong học tập.

Thay đổi nhận thức và tư duy là một quá trình dài hạn, phức tạp và không thể đạt được chỉ thông qua các chỉ thị hành chính hay các khóa đào tạo kỹ thuật ngắn hạn. Nó đòi hỏi sự thay đổi sâu sắc trong văn hóa tổ chức, trong cách thức khuyến khích và đánh giá, và trong các hệ thống khuyến khích và khen thưởng.

7.5.3. Thách thức về nguồn lực

Nguồn lực tài chính là một rào cản đặc biệt lớn đối với chuyển đổi số giáo dục tại các trường đại học Việt Nam, đặc biệt là các trường công lập có ngân sách hạn chế và các trường tư thục nhỏ. Chuyển đổi số đòi hỏi đầu tư lớn vào nhiều hạng mục: hạ tầng công nghệ, phần mềm và giấy phép, đào tạo và phát triển nhân lực, thiết kế và phát triển nội dung số, và hỗ trợ kỹ thuật liên tục. Rất nhiều trường đại học không có đủ nguồn lực để đầu tư đồng bộ vào tất cả các hạng mục này, dẫn đến việc đầu tư manh mún, thiếu tính hệ thống và hiệu quả thấp.

Thách thức về nguồn lực không chỉ là vấn đề tài chính mà còn là vấn đề nhân lực. Việt Nam đang thiếu hụt nghiêm trọng các chuyên gia có cả hiểu biết về giáo dục lẫn năng lực kỹ thuật số cao — những người có thể thiết kế và triển khai các giải pháp giáo dục kỹ thuật số phù hợp với bối cảnh Việt Nam. Hầu hết nhân sự công nghệ thông tin tại các trường đại học được đào tạo về công nghệ thuần túy và thiếu hiểu biết về sư phạm, trong khi đội ngũ giảng viên lại thiếu năng lực kỹ thuật số.

7.5.4. Thách thức về nội dung và ngôn ngữ

Một thách thức đặc thù của các quốc gia không sử dụng tiếng Anh làm ngôn ngữ mẹ đẻ — bao gồm Việt Nam và hầu hết các quốc gia Đông Nam Á — là vấn đề nội dung số và ngôn ngữ. Phần lớn nội dung giáo dục số chất lượng cao, các nền tảng giáo dục trực tuyến tiên tiến và các tài liệu học thuật kỹ thuật số được phát triển bằng tiếng Anh. Việc sử dụng các tài liệu này đòi hỏi năng lực tiếng Anh của cả giảng viên lẫn sinh viên ở mức độ cao, điều mà không phải trường đại học nào ở Việt Nam cũng đáp ứng được.

Việc phát triển nội dung số chất lượng bằng tiếng Việt đòi hỏi nỗ lực và nguồn lực rất lớn, trong khi thị trường nội dung số giáo dục tiếng Việt lại nhỏ hơn nhiều so với thị trường tiếng Anh, do đó ít có động lực kinh tế để đầu tư. Điều này tạo ra một vòng luẩn quẩn: sinh viên và giảng viên không sử dụng nội dung số vì thiếu nội dung tiếng Việt chất lượng; không có nội dung tiếng Việt chất lượng vì không có nhu cầu sử dụng đủ lớn để khuyến khích đầu tư.

7.6 Cơ hội trong bối cảnh Đông Nam Á

Dù đối mặt với nhiều thách thức, Việt Nam và các quốc gia Đông Nam Á cũng có những cơ hội độc đáo để chuyển đổi số giáo dục đại học. Sự phát triển nhanh chóng của nền kinh tế kỹ thuật số trong khu vực, một dân số trẻ và có khả năng thích ứng công nghệ nhanh, và sự quan tâm ngày càng tăng của Chính phủ đối với giáo dục kỹ thuật số tạo ra một môi trường thuận lợi cho chuyển đổi số.

Li và cộng sự (2020) đã chỉ ra rằng khu vực châu Á có những đặc điểm độc đáo — như tỷ lệ sử dụng điện thoại thông minh rất cao, sự phổ biến của các nền tảng mạng xã hội và thương mại điện tử nội địa, và văn hóa chấp nhận công nghệ mới nhanh — có thể được tận dụng để thúc đẩy giáo dục kỹ thuật số một cách sáng tạo.

Tuy nhiên, việc tận dụng các cơ hội này đòi hỏi một tư duy chiến lược phù hợp với bối cảnh, một tư duy chủ nghĩa thực tế công nghệ — không sao chép mô hình của các nước phương Tây, không bị lôi cuốn bởi những công nghệ hào nhoáng, mà tập trung vào việc giải quyết những vấn đề giáo dục cụ thể của bối cảnh Việt Nam bằng những giải pháp công nghệ phù hợp, thực tế và bền vững.

7.7 Kết luận chương

Bức tranh chuyển đổi số giáo dục tại Việt Nam và khu vực Đông Nam Á là một bức tranh đa chiều, với sự đan xen giữa cơ hội và thách thức, giữa tiềm năng và giới hạn, giữa khát vọng và thực tế. Chủ nghĩa thực tế công nghệ đòi hỏi chúng ta phải nhìn nhận bức tranh này một cách trung thực và toàn diện, không lãng mạn hóa cơ hội cũng như không bi quan hóa thách thức. Từ đó, chúng ta mới có thể xây dựng được những chiến lược chuyển đổi số phù hợp với bối cảnh và năng lực cụ thể của từng quốc gia và từng trường đại học.

Chương 8: Bất bình đẳng số — Vết nứt trong giấc mơ giáo dục toàn cầu

8.1 Giáo dục toàn cầu hóa hay giáo dục toàn cầu hóa bất bình đẳng

Giáo dục đại học đã được ca ngợi trong nhiều thập kỷ như một động lực của sự công bằng xã hội — cầu nối giúp những người yếu thế vượt lên bằng con đường tri thức. Và trong kỷ nguyên kỹ thuật số, lời hứa càng trở nên hấp dẫn hơn: giáo dục trực tuyến có thể phá vỡ rào cản địa lý, cho phép bất kỳ ai có kết nối internet đều có thể tiếp cận các khóa học từ những trường đại học hàng đầu thế giới. Giáo dục trực tuyến công cộng (MOOCs — Massive Open Online Courses) được coi là khởi đầu của một kỷ nguyên giáo dục toàn cầu thực sự, nơi kiến thức trở thành hàng hóa công cộng và bất kỳ ai đều có cơ hội học tập.

Tuy nhiên, thực tế đã chứng minh rằng lời hứa này còn rất xa với sự thật. Thay vì thu hẹp khoảng cách, công nghệ đôi khi còn làm cho nó rộng hơn. Thay vì dân chủ hóa giáo dục, giáo dục kỹ thuật số đôi khi tái tạo và thậm chí làm sâu sắc thêm các bất bình đẳng hiện có. Đây chính là vết nứt sâu sắc nhất trong giấc mơ giáo dục toàn cầu — và là vấn đề mà chủ nghĩa thực tế công nghệ phải đối mặt thẳng thắn và nghiêm túc.

Bất bình đẳng số (digital inequality) hay khoảng cách số (digital divide) không phải là một khái niệm mới. Nó đã được thảo luận từ khi internet bắt đầu phổ biến vào cuối thế kỷ 20. Tuy nhiên, khi giáo dục đại học ngày càng phụ thuộc vào công nghệ kỹ thuật số — và đặc biệt là khi đại dịch COVID-19 buộc hệ thống giáo dục chuyển đổi đột ngột sang trực tuyến — thì bất bình đẳng số đã trở thành một vấn đề cấp bách hơn bao giờ hết, ảnh hưởng trực tiếp đến quyền được tiếp cận giáo dục của hàng triệu sinh viên trên toàn thế giới.

8.2 Các cấp độ của bất bình đẳng số

8.2.1. Bất bình đẳng về tiếp cận (Access Divide)

Cấp độ cơ bản nhất của bất bình đẳng số là bất bình đẳng về tiếp cận — sự khác biệt giữa những người có và những người không có khả năng tiếp cận công nghệ và internet. Trong giáo dục đại học, điều này thể hiện qua việc nhiều sinh viên không có máy tính xách tay hay máy tính để bàn tại nhà, không có kết nối internet ổn định, hoặc không có không gian yên tĩnh để học tập trực tuyến.

Czerniewicz và cộng sự (2020) trong nghiên cứu “A Wake-Up Call” đã phân tích chi tiết cách thức mà bất bình đẳng về tiếp cận ảnh hưởng đến khả năng tham gia giáo dục trực tuyến trong đại dịch COVID-19. Các nhà nghiên cứu phát hiện ra rằng ngay cả trong một quốc gia có nền tảng công nghệ tương đối phát triển như Nam Phi, một bộ phận đáng kể sinh viên không có đủ thiết bị hay kết nối internet để tham gia hiệu quả vào các hoạt động học tập trực tuyến. Nhiều sinh viên phải chia sẻ một chiếc điện thoại thông minh với cả gia đình, phải di chuyển đến các khu vực có wifi miễn phí để tải tài liệu học tập, hoặc phải sử dụng các phương thức không chính thức và không bền vững để duy trì kết nối.

Tại Việt Nam và các quốc gia Đông Nam Á, bất bình đẳng về tiếp cận còn thể hiện qua sự khác biệt giữa thành thị và nông thôn, giữa đồng bằng và miền núi. Trong khi sinh viên tại các thành phố lớn thường có nhiều lựa chọn kết nối internet và nhiều không gian học tập, thì sinh viên tại các vùng nông thôn, vùng sâu vùng xa thường gặp khó khăn lớn hơn trong việc tiếp cận cả internet lẫn các thiết bị học tập.

Chetty và cộng sự (2018) trong nghiên cứu về việc thu hẹp khoảng cách số đã chỉ ra rằng bất bình đẳng về tiếp cận không chỉ đơn giản là vấn đề “có” hay “không có” công nghệ mà còn là vấn đề chất lượng của công nghệ và kết nối. Một sinh viên có chiếc điện thoại thông minh cũ với kết nối internet chậm và không ổn định không thực sự “có tiếp cận” giáo dục trực tuyến theo cùng cách như một sinh viên có máy tính xách tay mới với kết nối internet băng thông rộng tốc độ cao.

8.2.2. Bất bình đẳng về kỹ năng (Skills Divide)

Cấp độ thứ hai của bất bình đẳng số là bất bình đẳng về kỹ năng — sự khác biệt giữa những người có và những người không có khả năng sử dụng công nghệ một cách hiệu quả. Ngay cả khi mọi sinh viên đều có đủ thiết bị và kết nối internet, sự khác biệt về kỹ năng kỹ thuật số vẫn tạo ra những bất bình đẳng đáng kể trong trải nghiệm giáo dục.

Bất bình đẳng về kỹ năng có nhiều dạng. Có bất bình đẳng về kỹ năng kỹ thuật cơ bản — khả năng sử dụng các phần mềm, điều hướng các nền tảng trực tuyến, xử lý sự cố kỹ thuật đơn giản. Có bất bình đẳng về kỹ năng thông tin — khả năng tìm kiếm, đánh giá và sử dụng thông tin một cách phản biện trong môi trường kỹ thuật số. Và có bất bình đẳng về kỹ năng học tập trực tuyến — khả năng tự quản lý thời gian, tự kỷ luật, tham gia cộng đồng trực tuyến và học tập một cách chủ động trong môi trường không có giám sát trực tiếp.

Czerniewicz và cộng sự (2020) đã nhấn mạnh rằng bất bình đẳng về kỹ năng thường phản ánh và làm sâu sắc thêm các bất bình đẳng xã hội hiện có. Sinh viên có nền tảng giáo dục tốt hơn, có gia đình có trình độ học vấn cao hơn thường phát triển kỹ năng kỹ thuật số nhanh hơn và tốt hơn. Trong khi đó, sinh viên từ các gia đình có nền tảng giáo dục thấp hơn, những người sinh viên đầu tiên trong gia đình được vào đại học (first-generation students), thường gặp khó khăn hơn trong việc phát triển các kỹ năng kỹ thuật số cần thiết cho học tập trực tuyến.

Điều này tạo ra một vòng luẩn quẩn nguy hiểm: sinh viên yếu thế về mặt xã hội kinh tế gặp bất lợi trong giáo dục kỹ thuật số, dẫn đến kết quả học tập kém hơn, dẫn đến cơ hội việc làm ít hơn, dẫn đến tiếp tục duy trì vị trí yếu thế trong xã hội. Thay vì phá vỡ chu kỳ bất bình đẳng, giáo dục kỹ thuật số — nếu không được thiết kế và triển khai một cách có chủ đích hướng tới công bằng — có thể tái tạo và làm sâu sắc thêm chu kỳ đó.

8.2.3. Bất bình đẳng về động lực và nhận thức (Motivation and Awareness Divide)

Cấp độ thứ ba, thường bị bỏ qua nhất trong các cuộc thảo luận về bất bình đẳng số, là bất bình đẳng về động lực và nhận thức. Thậm chí khi có đủ thiết bị, đủ kỹ năng, vẫn có những người không tham gia vào giáo dục kỹ thuật số vì họ không thấy giá trị của nó, không có động lực để tham gia, hoặc không biết về các cơ hội giáo dục trực tuyến có sẵn.

Bất bình đẳng về động lực và nhận thức đặc biệt phức tạp vì nó liên quan đến các yếu tố văn hóa, tâm lý và xã hội sâu sắc. Nhiều sinh viên từ các bối cảnh không quen thuộc với giáo dục kỹ thuật số có thể coi giáo dục trực tuyến là kém chất lượng hơn giáo dục truyền thống, hoặc có thể cảm thấy không thuộc về môi trường học tập trực tuyến. Nhiều sinh viên có thể không biết về các khóa học trực tuyến công cộng hay các tài nguyên giáo dục mở có sẵn cho họ. Nhiều phụ huynh có thể không ủng hộ việc con em học trực tuyến vì họ không hiểu hoặc không tin tưởng vào giáo dục kỹ thuật số.

Chetty và cộng sự (2018) đã chỉ ra rằng việc thu hẹp bất bình đẳng về động lực và nhận thức đòi hỏi những can thiệp không chỉ ở cấp độ công nghệ mà còn ở cấp độ văn hóa và xã hội, bao gồm việc nâng cao nhận thức cộng đồng về giá trị của giáo dục kỹ thuật số, tạo ra các mô hình và vai trò (role models) truyền cảm hứng và xây dựng các cộng đồng hỗ trợ kết nối những người yếu thế với các cơ hội giáo dục trực tuyến.

8.3 Bất bình đẳng số trong giáo dục đại học Việt Nam

Trong bối cảnh Việt Nam, bất bình đẳng số trong giáo dục đại học thể hiện qua nhiều khía cạnh và tác động đến nhiều nhóm đối tượng khác nhau.

Trước hết, bất bình đẳng về tiếp cận giữa thành thị và nông thôn là một thực tế rõ ràng. Sinh viên từ các thành phố lớn thường có nhiều lợi thế hơn trong việc tiếp cận các thiết bị học tập và kết nối internet tốc độ cao. Trong khi đó, sinh viên từ các vùng nông thôn, đặc biệt là vùng sâu vùng xa, thường phải đối mặt với nhiều khó khăn hơn. Đại dịch COVID-19 đã phơi bày điều này một cách phũ phàng khi hàng ngàn sinh viên không thể tham gia học trực tuyến vì không có thiết bị hay kết nối internet.

Thứ hai, bất bình đẳng về kỹ năng kỹ thuật số giữa các nhóm sinh viên khác nhau là đáng kể. Sinh viên ở các trường đại học lớn tại thành phố thường có cơ hội tiếp cận và sử dụng công nghệ nhiều hơn trong quá trình học tập, phát triển kỹ năng kỹ thuật số tốt hơn. Trong khi đó, sinh viên ở các trường đại học vùng sâu vùng xa hoặc các trường tư thục nhỏ thường ít có cơ hội tiếp xúc với các công nghệ giáo dục tiên tiến.

Thứ ba, bất bình đẳng giữa các trường đại học là rất lớn. Các trường đại học lớn và có uy tín thường có nguồn lực tài chính tốt hơn để đầu tư vào chuyển đổi số, có đội ngũ nhân lực chất lượng cao hơn để triển khai các dự án công nghệ và có vị thế tốt hơn để thu hút các đối tác công nghệ. Trong khi đó, các trường đại học nhỏ, đặc biệt là các trường tư thục ngoài thành phố lớn, thường gặp rất nhiều khó khăn trong việc triển khai chuyển đổi số, dẫn đến sự gia tăng khoảng cách chất lượng giữa các trường đại học.

Thứ tư, bất bình đẳng trong đội ngũ giảng viên cũng là một vấn đề đáng quan ngại. Các giảng viên trẻ, những người đã lớn lên trong kỷ nguyên kỹ thuật số, thường có lợi thế lớn hơn trong việc thích ứng với giáo dục kỹ thuật số. Trong khi đó, nhiều giảng viên lớn tuổi, những người có kinh nghiệm sư phạm phong phú, có thể gặp khó khăn trong việc sử dụng công nghệ mới, dẫn đến việc họ bị gạt ra khỏi các hoạt động giáo dục kỹ thuật số và mất đi cơ hội đóng góp kinh nghiệm quý giá của mình.

8.4 Bất bình đẳng số toàn cầu: Bắc và Nam

Bất bình đẳng số trong giáo dục đại học không chỉ là vấn đề trong nước mà còn là vấn đề toàn cầu, phản ánh sự bất bình đẳng sâu sắc hơn giữa các quốc gia phát triển (Global North) và các quốc gia đang phát triển (Global South).

Czerniewicz và cộng sự (2020) đã đặt vấn đề này trong một góc nhìn toàn cầu, lập luận rằng đại dịch COVID-19 đã phơi bày một cách rõ ràng sự bất bình đẳng trong giáo dục kỹ thuật số giữa Global North và Global South. Trong khi các trường đại học tại các nước phát triển — dù vẫn gặp nhiều khó khăn — phần lớn có đủ hạ tầng và nguồn lực để duy trì hoạt động giáo dục trực tuyến ở mức độ chấp nhận được, thì nhiều trường đại học tại các nước đang phát triển gần như không thể hoạt động trong bối cảnh phong tỏa.

Sự bất bình đẳng này thể hiện ở nhiều cấp độ. Ở cấp độ hạ tầng, các quốc gia Global South thường có hạ tầng viễn thông kém hơn, tỷ lệ tiếp cận internet thấp hơn và chi phí internet cao hơn so với thu nhập bình quân. Ở cấp độ nội dung, phần lớn nội dung giáo dục số chất lượng cao được phát triển tại và cho các bối cảnh của Global North, và thường không phù hợp với nhu cầu và bối cảnh của Global South. Ở cấp độ năng lực, các quốc gia đang phát triển thường thiếu hụt các chuyên gia có khả năng thiết kế và triển khai các giải pháp giáo dục kỹ thuật số phù hợp.

Chetty và cộng sự (2018) trong nghiên cứu về thu hẹp khoảng cách số đã nhấn mạnh rằng việc giải quyết bất bình đẳng số toàn cầu đòi hỏi những can thiệp ở nhiều cấp độ, từ chính sách quốc tế đến hỗ trợ kỹ thuật, từ phát triển hạ tầng đến xây dựng năng lực, và từ phát triển nội dung đến thay đổi tư duy về giáo dục kỹ thuật số.

8.5 Giải pháp từ lăng kính chủ nghĩa thực tế công nghệ

Đối diện với bức tranh u ám về bất bình đẳng số, chủ nghĩa thực tế công nghệ không bi quan nhưng cũng không lãng mạn. Nó thừa nhận rằng bất bình đẳng số là một vấn đề phức tạp, sâu xa và không thể giải quyết trong một sớm một chiều, nhưng đồng thời tin rằng những can thiệp có chủ đích, phù hợp và thực tế có thể từng bước thu hẹp khoảng cách.

Trước hết, cần thay đổi tư duy về bất bình đẳng số. Thay vì coi bất bình đẳng số là một vấn đề phụ thuộc của công nghệ — một vấn đề sẽ tự giải quyết khi công nghệ phát triển và rẻ hơn — chúng ta cần coi nó là một vấn đề cấu trúc đòi hỏi sự can thiệp chủ động từ nhiều phía: chính sách công, thiết kế giáo dục, hỗ trợ cá nhân và thay đổi văn hóa.

Thứ hai, các chiến lược chuyển đổi số giáo dục đại học cần được thiết kế với nguyên tắc “bao trùm từ đầu” (inclusive by design). Điều này có nghĩa là khi thiết kế một hệ thống giáo dục trực tuyến hay một chiến lược chuyển đổi số, cần xem xét ngay từ đầu những sinh viên yếu thế nhất — những sinh viên không có thiết bị, không có kết nối internet ổn định, không có kỹ năng kỹ thuật số, không có không gian học tập phù hợp — và đảm bảo rằng hệ thống có thể hỗ trợ họ một cách hiệu quả. Việc thiết kế cho người yếu thế nhất không chỉ là yêu cầu về công bằng xã hội mà còn là yêu cầu về chất lượng giáo dục: một hệ thống chỉ hoạt động tốt cho người có điều kiện thuận lợi nhất không phải là một hệ thống giáo dục tốt.

Thứ ba, cần đa dạng hóa các giải pháp giáo dục kỹ thuật số thay vì áp dụng một mô hình duy nhất. Các mô hình giáo dục trực tuyến đòi hỏi băng thông lớn, thiết bị cao cấp và kỹ năng kỹ thuật số phức tạp có thể phù hợp với sinh viên tại các thành phố lớn nhưng hoàn toàn không phù hợp với sinh viên tại vùng nông thôn. Giải pháp thực tế là phát triển nhiều mô hình giáo dục kỹ thuật số với các yêu cầu công nghệ khác nhau — từ mô hình tương tác đầy đủ đòi hỏi kết nối tốt đến mô hình thấp tần (low-bandwidth) cho phép tải tài liệu để học ngoại tuyến, từ mô hình dựa trên máy tính đến mô hình dựa trên điện thoại thông minh, từ mô hình hoàn toàn trực tuyến đến mô hình kết hợp tận dụng cả không gian trực tuyến và trực tiếp.

Thứ tư, cần đầu tư mạnh mẽ và có hệ thống vào phát triển năng lực kỹ thuật số cho cả giảng viên và sinh viên, đặc biệt là những nhóm yếu thế. Điều này không chỉ là việc đào tạo kỹ năng sử dụng công cụ mà còn là việc phát triển tư duy kỹ thuật số (digital thinking) — khả năng hiểu, đánh giá và sử dụng công nghệ một cách có ý thức và phản biện trong bối cảnh giáo dục.

Thứ năm, cần phát triển nội dung giáo dục số phù hợp với bối cảnh địa phương, bằng ngôn ngữ địa phương và phản ánh các nhu cầu và kinh nghiệm của sinh viên địa phương. Điều này đặc biệt quan trọng tại các quốc gia không sử dụng tiếng Anh làm ngôn ngữ giáo dục chính, nơi mà việc phụ thuộc hoàn toàn vào nội dung số bằng tiếng Anh có thể loại trừ một bộ phận lớn sinh viên và giảng viên.

8.6 Bất bình đẳng số không phải là vận mệnh

Một trong những thông điệp quan trọng nhất của chủ nghĩa thực tế công nghệ về bất bình đẳng số là rằng bất bình đẳng không phải là tất yếu, không phải là hậu quả không thể tránh khỏi của công nghệ, mà là kết quả của những lựa chọn — lựa chọn về chính sách, lựa chọn về đầu tư, lựa chọn về thiết kế và lựa chọn về ưu tiên.

Chetty và cộng sự (2018) đã chứng minh thông qua nghiên cứu của mình rằng có những can thiệp thực tế và hiệu quả để thu hẹp khoảng cách số, từ việc cung cấp kết nối internet cộng đồng đến việc đào tạo kỹ năng kỹ thuật số cho các nhóm yếu thế, từ việc phát triển nội dung số phù hợp đến việc thay đổi chính sách hỗ trợ. Vấn đề không phải là chúng ta không biết cách giải quyết bất bình đẳng số mà là chúng ta có đủ quyết tâm và nguồn lực để thực hiện các giải pháp đó hay không.

Czerniewicz và cộng sự (2020) đã kêu gọi cộng đồng giáo dục toàn cầu coi đại dịch COVID-19 — và sự phơi bày rõ ràng các bất bình đẳng số mà nó mang lại — như một lời thức tỉnh (wake-up call) để hành động quyết liệt hơn nhằm xây dựng một hệ thống giáo dục kỹ thuật số công bằng hơn và bao trùm hơn. Lời thức tỉnh này đặc biệt có giá trị khi chúng ta nhận thức được rằng các quyết định được đưa ra ngay trong giai đoạn chuyển đổi số hiện tại — về đầu tư hạ tầng, về thiết kế hệ thống, về chính sách hỗ trợ — sẽ có tác động lâu dài đến cấu trúc bất bình đẳng trong giáo dục đại học trong nhiều thập kỷ tới.

8.7 Kết luận chương

Bất bình đẳng số là vết nứt sâu sắc nhất trong giấc mơ giáo dục đại học toàn cầu. Nó đe dọa biến chuyển đổi số — vốn được kỳ vọng sẽ dân chủ hóa giáo dục — thành một công cụ tái tạo và làm sâu sắc thêm các bất bình đẳng hiện có. Chủ nghĩa thực tế công nghệ đòi hỏi chúng ta phải đối mặt thẳng thắn với thực tế này, không lãng mạn hóa công nghệ và không phủ nhận các bất bình đẳng mà nó có thể tạo ra hoặc làm trầm trọng thêm. Đồng thời, chủ nghĩa thực tế công nghệ cũng khẳng định rằng bất bình đẳng không phải là tất yếu — nó có thể được giải quyết thông qua những can thiệp có chủ đích, phù hợp và bền vững. Trách nhiệm của chúng ta, là những người quan tâm đến tương lai của giáo dục đại học, là đảm bảo rằng chuyển đổi số thực sự hướng tới một giáo dục công bằng hơn chứ không phải một giáo dục bất công hơn.

Kết thúc Phần 2: Thực tiễn chuyển đổi số trong giáo dục đại học — Bức tranh hiện thực# Phần 3: Trí tuệ nhân tạo trong giáo dục đại học — Từ lý thuyết đến thực hành đạo đức

Chương 9: Trí tuệ nhân tạo — Khung lý thuyết cho giáo dục

9.1 Bối cảnh lịch sử và sự phát triển của trí tuệ nhân tạo trong giáo dục

Trí tuệ nhân tạo không phải là một khái niệm mới trong lĩnh vực giáo dục, song sự bùng nổ của các công nghệ học sâu và mô hình ngôn ngữ lớn trong thập niên thứ hai của thế kỷ hai mươi mốt đã đưa ứng dụng trí tuệ nhân tạo trong giáo dục lên một tầm cao hoàn toàn mới. Để hiểu rõ vai trò của trí tuệ nhân tạo trong giáo dục đại học dưới lăng kính chủ nghĩa thực tế công nghệ, chúng ta cần thiết lập một khung lý thuyết vững chắc, được xây dựng dựa trên các nghiên cứu hệ thống và tổng quan học thuật uy tín trong hơn một thập kỷ qua.

Lịch sử ứng dụng trí tuệ nhân tạo trong giáo dục có thể chia thành ba giai đoạn chính. Giai đoạn đầu tiên, kéo dài từ những năm sáu mươi đến đầu những năm hai nghìn, chủ yếu tập trung vào các hệ thống gia sư thông minh (Intelligent Tutoring Systems) và các hệ thống chuyên gia (Expert Systems). Các hệ thống này dựa trên luật (rule-based), được thiết kế để mô phỏng quá trình ra quyết định của chuyên gia con người trong các lĩnh vực cụ thể. Giai đoạn thứ hai, từ khoảng năm 2010 đến 2018, đánh dấu sự xuất hiện của học máy (machine learning) và khai phá dữ liệu giáo dục (educational data mining). Giai đoạn này chứng kiến sự phát triển mạnh mẽ của các hệ thống phân tích học tập (learning analytics) và hệ thống đề xuất cá nhân hóa. Giai đoạn thứ ba, bắt đầu từ khoảng năm 2019 và kéo dài đến hiện tại, được đặc trưng bởi sự trỗi dậy của học sâu (deep learning), xử lý ngôn ngữ tự nhiên (natural language processing) và trí tuệ nhân tạo tạo sinh (generative artificial intelligence).

Trong bài tổng quan hệ thống nổi bật của mình, Zawacki-Richter và cộng sự (2019) đã phân tích một cách toàn diện các ứng dụng trí tuệ nhân tạo trong giáo dục đại học, xây dựng một khuôn khổ phân loại bốn lĩnh vực chính. Khuôn khổ này đã trở thành nền tảng lý thuyết quan trọng cho hầu hết các nghiên cứu tiếp theo về chủ đề này. Theo khuôn khổ của Zawacki-Richter và cộng sự (2019), bốn lĩnh vực ứng dụng chính bao gồm: (1) hồ sơ và dự đoán đối với sinh viên (profiling and prediction), (2) đánh giá và đánh giá tự động (intelligent tutoring systems and assessment), (3) hệ thống thích ứng và cá nhân hóa (adaptive systems and personalization), và (4) nghiên cứu và phân tích giáo dục. Mỗi lĩnh vực này phản ánh một cấp độ khác nhau của sự can thiệp công nghệ vào quá trình giáo dục, từ hỗ trợ hành chính đến thay đổi sâu sắc phương pháp sư phạm.

Bổ sung cho khuôn khổ của Zawacki-Richter và cộng sự (2019), Chen và cộng sự (2020) đã thực hiện một tổng quan toàn diện về trí tuệ nhân tạo trong giáo dục, nhấn mạnh vào ba khía cạnh then chốt: khả năng của trí tuệ nhân tạo trong việc hỗ trợ giảng dạy cá nhân hóa, tiềm năng của trí tuệ nhân tạo trong việc tăng cường trải nghiệm học tập, và những thách thức cốt lõi mà hệ thống giáo dục cần vượt qua khi tích hợp trí tuệ nhân tạo. Chen và cộng sự (2020) đặc biệt nhấn mạnh rằng trí tuệ nhân tạo không chỉ là công cụ hỗ trợ mà còn là một tác nhân có khả năng biến đổi sâu sắc các mô hình giáo dục truyền thống.

9.2 Tầm nhìn, vai trò và thách thức của trí tuệ nhân tạo trong giáo dục

Để xây dựng một khung lý thuyết vững chắc cho sự hội nhập trí tuệ nhân tạo vào giáo dục đại học, chúng ta cần xem xét một cách có hệ thống các vai trò mà trí tuệ nhân tạo có thể đóng trong hệ sinh thái giáo dục. Hwang và cộng sự (2020) đã đề xuất một khuôn khổ toàn diện về tầm nhìn, vai trò và thách thức của trí tuệ nhân tạo trong giáo dục. Theo quan điểm của nhóm nghiên cứu này, trí tuệ nhân tạo có thể đóng bốn vai trò chính trong giáo dục: (1) vai trò gia sư thông minh, (2) vai trò đối tác học tập, (3) vai trò người đồng hành trong việc phân tích chính sách giáo dục, và (4) vai trò nhà cung cấp công cụ hỗ trợ giảng viên.

Vai trò thứ nhất — gia sư thông minh — cho phép trí tuệ nhân tạo cung cấp phản hồi tức thời và hướng dẫn cá nhân hóa cho mỗi sinh viên. Khác với các hệ thống gia sư truyền thống, trí tuệ nhân tạo có khả năng phân tích hàng nghìn điểm dữ liệu về hành vi học tập của sinh viên để đưa ra các khuyến nghị phù hợp nhất với phong cách và nhịp độ học của từng cá nhân. Vai trò thứ hai — đối tác học tập — chỉ khả năng của trí tuệ nhân tạo trong việc tạo ra các tình huống học tập tương tác, nơi sinh viên có thể thực hành và củng cố kiến thức thông qua đối thoại với hệ thống. Vai trò thứ ba — phân tích chính sách — cho phép các nhà hoạch định chính sách sử dụng trí tuệ nhân tạo để phân tích dữ liệu giáo dục quy mô lớn, từ đó đưa ra các quyết định dựa trên bằng chứng. Vai trò thứ tư — công cụ hỗ trợ giảng viên — giúp giảm bớt khối lượng công việc hành chính, tự động hóa các quy trình đánh giá, và cung cấp thông tin chi tiết về hiệu quả phương pháp giảng dạy.

Song song với các vai trò tiềm năng, Hwang và cộng sự (2020) cũng chỉ ra một loạt thách thức đáng kể. Thách thức đầu tiên là vấn đề công bằng và bình đẳng trong tiếp cận công nghệ. Khi các hệ thống giáo dục trí tuệ nhân tạo đòi hỏi hạ tầng kỹ thuật và khả năng kết nối mạng ổn định, nguy cơ mở rộng khoảng cách giáo dục giữa các nhóm sinh viên khác nhau là rất thực tế. Thách thức thứ hai liên quan đến tính minh bạch của các thuật toán trí tuệ nhân tạo. Quá trình ra quyết định của các mô hình học sâu thường được coi là “hộp đen” (black box), gây khó khăn cho việc kiểm tra và xác minh tính chính xác của các kết quả do hệ thống đưa ra. Thách thức thứ ba là vấn đề bảo mật dữ liệu cá nhân, đặc biệt khi các hệ thống giáo dục thu thập lượng lớn thông tin về hành vi, hiệu suất và thói quen của sinh viên.

9.3 Phân loại ứng dụng trí tuệ nhân tạo trong giáo dục đại học

Dựa trên sự kết hợp của các khuôn khổ lý thuyết do Zawacki-Richter và cộng sự (2019), Chen và cộng sự (2020) và Hwang và cộng sự (2020) đề xuất, chúng ta có thể xây dựng một hệ thống phân loại ứng dụng trí tuệ nhân tạo trong giáo dục đại học bao gồm năm cấp độ can thiệp khác nhau.

Cấp độ đầu tiên là trí tuệ nhân tạo hỗ trợ hành chính. Ở cấp độ này, trí tuệ nhân tạo chủ yếu được sử dụng để tự động hóa các quy trình hành chính như chấm điểm bài thi trắc nghiệm tự động, phân loại văn bản, lên lịch học, và xử lý các truy vấn thông thường của sinh viên. Đây là cấp độ can thiệp thấp nhất, nơi trí tuệ nhân tạo hoạt động như một công cụ hiệu suất mà không tác động đáng kể đến quá trình giảng dạy và học tập cốt lõi.

Cấp độ thứ hai là trí tuệ nhân tạo phân tích học tập. Ở cấp độ này, trí tuệ nhân tạo được sử dụng để phân tích dữ liệu hành vi học tập của sinh viên, dự đoán kết quả học tập, xác định các yếu tố rủi ro (như nguy cơ bỏ học), và cung cấp thông tin cho giảng viên để can thiệp kịp thời. Các hệ thống phân tích học tập tiên tiến có thể theo dõi thời gian sinh viên dành cho từng hoạt động học tập, tần suất truy cập tài liệu học liệu, và các mẫu tương tác trong diễn đàn học tập để xây dựng hồ sơ học tập toàn diện.

Cấp độ thứ ba là trí tuệ nhân tạo cá nhân hóa học tập. Ở cấp độ này, trí tuệ nhân tạo chủ động điều chỉnh nội dung, phương pháp và nhịp độ giảng dạy dựa trên đặc điểm học tập của từng sinh viên. Các hệ thống thích ứng (adaptive learning systems) có thể tự động chọn bài tập phù hợp với trình độ hiện tại của sinh viên, cung cấp tài liệu bổ sung khi sinh viên gặp khó khăn, và tăng độ khó khi sinh viên đã đạt đến mức thành thạo.

Cấp độ thứ tư là trí tuệ nhân tạo hỗ trợ sư phạm. Ở cấp độ này, trí tuệ nhân tạo không chỉ hỗ trợ việc cá nhân hóa mà còn trực tiếp tham gia vào quá trình giảng dạy thông qua việc tạo ra nội dung học liệu, thiết kế bài kiểm tra, cung cấp phản hồi chi tiết về bài tập, và thậm chí dẫn dắt các phiên thảo luận nhóm nhỏ. Đây là cấp độ mà ranh giới giữa công cụ hỗ trợ và tác nhân sư phạm bắt đầu trở nên mờ nhạt.

Cấp độ thứ năm là trí tuệ nhân tạo tự chủ trong giáo dục. Đây là cấp độ can thiệp cao nhất, nơi trí tuệ nhân tạo có khả năng tự chủ trong việc thiết kế và triển khai toàn bộ quá trình học tập cho một khóa học hoặc một môn học cụ thể. Ở cấp độ này, vai trò của giảng viên chuyển từ người giảng dạy trực tiếp sang người thiết kế và giám sát hệ thống. Cấp độ này hiện tại vẫn chủ yếu ở giai đoạn nghiên cứu và thử nghiệm, và đặt ra những câu hỏi triết học sâu sắc về bản chất của giáo dục và vai trò của con người trong quá trình giảng dạy.

9.4 Trí tuệ nhân tạo trong giáo dục đại học — Tình trạng nghiên cứu hiện tại

Bài tổng quan quan trọng của Crompton và Burke (2023) đã cung cấp một bức tranh toàn cảnh về tình trạng nghiên cứu liên quan đến trí tuệ nhân tạo trong giáo dục đại học tại thời điểm đầu năm 2023, ngay trước khi sự bùng nổ của ChatGPT làm thay đổi hoàn toàn diện mạo lĩnh vực này. Crompton và Burke (2023) đã phân tích hơn hai trăm bài báo nghiên cứu được công bố trong khoảng thời gian từ năm 2018 đến năm 2022, xác định các xu hướng chủ đạo, các khoảng trống nghiên cứu, và các hướng phát triển tiềm năng.

Một trong những phát hiện quan trọng nhất của Crompton và Burke (2023) là sự mất cân đối giữa các lĩnh vực ứng dụng. Trong khi phần lớn các nghiên cứu tập trung vào phân tích học tập và dự đoán kết quả học tập sinh viên, thì số lượng nghiên cứu về các hệ thống cá nhân hóa học tập tiên tiến và các ứng dụng trí tuệ nhân tạo trong việc hỗ trợ giảng viên vẫn còn khá hạn chế. Điều này phản ánh một thực tế rằng, trước sự xuất hiện của các mô hình ngôn ngữ lớn, hầu hết các ứng dụng trí tuệ nhân tạo trong giáo dục đại học vẫn nằm ở các cấp độ can thiệp thấp hơn, chủ yếu tập trung vào phân tích dữ liệu và tự động hóa quy trình.

Một phát hiện đáng chú ý khác của Crompton và Burke (2023) là sự thiếu vắng các nghiên cứu đánh giá tác động dài hạn của trí tuệ nhân tạo lên kết quả học tập. Hầu hết các nghiên cứu hiện có chỉ đánh giá tác động ngắn hạn, thường trong một học kỳ hoặc thậm chí chỉ trong vài tuần. Điều này tạo ra một khoảng trống kiến thức đáng kể, đặc biệt khi chúng ta cần hiểu được tác động của trí tuệ nhân tạo lên quá trình phát triển tư duy phản biện, năng lực giải quyết vấn đề, và các kỹ năng bậc cao khác trong dài hạn.

Crompton và Burke (2023) cũng chỉ ra rằng phần lớn các nghiên cứu về trí tuệ nhân tạo trong giáo dục đại học được thực hiện tại một số ít quốc gia, chủ yếu là Trung Quốc, Hoa Kỳ và một số nước châu Âu. Điều này đặt ra câu hỏi về tính phổ quát của các phát hiện nghiên cứu, đặc biệt khi bối cảnh giáo dục đại học ở các quốc gia khác nhau có sự khác biệt rất lớn về văn hóa, cơ sở hạ tầng, và mô hình tổ chức.

9.5 Khung lý thuyết chủ nghĩa thực tế công nghệ cho trí tuệ nhân tạo trong giáo dục

Dưới lăng kính chủ nghĩa thực tế công nghệ (techno-realism), khung lý thuyết cho trí tuệ nhân tạo trong giáo dục đại học cần được xây dựng dựa trên ba nguyên tắc cốt lõi. Nguyên tắc thứ nhất là nguyên tắc bổ trợ con người (human-centered augmentation). Khác với chủ nghĩa công nghệ quá mức (techno-utopianism) coi trí tuệ nhân tạo là giải pháp cho mọi vấn đề giáo dục, và chủ nghĩa hoài nghi công nghệ (techno-skepticism) bác bỏ mọi hình thức ứng dụng công nghệ, chủ nghĩa thực tế công nghệ nhấn mạnh rằng trí tuệ nhân tạo là một công cụ bổ trợ cho năng lực của con người, không phải là sự thay thế. Giảng viên và sinh viên cần được trang bị kỹ năng sử dụng trí tuệ nhân tạo một cách có ý thức và hiệu quả, đồng thời duy trì khả năng phản biện và đánh giá độc lập.

Nguyên tắc thứ hai là nguyên tắc phân tích ngữ cảnh (contextual analysis). Mọi ứng dụng trí tuệ nhân tạo trong giáo dục đều cần được đánh giá trong bối cảnh cụ thể của từng cơ sở giáo dục, từng chương trình đào tạo và từng cộng đồng học thuật. Những gì hiệu quả ở một trường đại học nghiên cứu danh tiếng ở Bắc Mỹ có thể không phù hợp với một trường đại học khu vực ở Đông Nam Á. Việc “sao chép và dán” các mô hình ứng dụng trí tuệ nhân tạo mà không xét đến bối cảnh cụ thể là một trong những nguyên nhân chính gây thất bại trong chuyển đổi số giáo dục.

Nguyên tắc thứ ba là nguyên tắc đánh giá liên tục (continuous evaluation). Các hệ thống trí tuệ nhân tạo trong giáo dục cần được đánh giá một cách liên tục và toàn diện, không chỉ về mặt hiệu suất kỹ thuật mà còn về mặt tác động sư phạm, tác động xã hội, và tác động đạo đức. Khung lý thuyết chủ nghĩa thực tế công nghệ cho rằng không có hệ thống trí tuệ nhân tạo nào là hoàn hảo ngay từ đầu, và quá trình cải tiến cần dựa trên bằng chứng thực nghiệm liên tục.

Từ ba nguyên tắc cốt lõi này, chúng ta có thể xây dựng một khung lý thuyết tích hợp cho việc nghiên cứu và ứng dụng trí tuệ nhân tạo trong giáo dục đại học. Khung lý thuyết này kết hợp các phát hiện của Zawacki-Richter và cộng sự (2019) về phân loại ứng dụng, Chen và cộng sự (2020) về tổng quan khả năng công nghệ, Hwang và cộng sự (2020) về vai trò và thách thức, và Crompton và Burke (2023) về tình trạng nghiên cứu hiện tại, đồng thời bổ sung quan điểm chủ nghĩa thực tế công nghệ về sự cần thiết của một cách tiếp cận cân bằng, có trách nhiệm và hướng bằng chứng.

Trong các chương tiếp theo của phần này, chúng ta sẽ đi sâu vào các vấn đề cụ thể: sự bùng nổ của ChatGPT và trí tuệ nhân tạo tạo sinh (Chương 10), hiện tượng “ảo giác” của trí tuệ nhân tạo và các ẩn ý đối với toàn vẹn liêm chính học thuật (Chương 11), và các nguyên tắc đạo đức cho ứng dụng trí tuệ nhân tạo trong giáo dục (Chương 12). Mỗi chương sẽ tiếp tục phát triển khung lý thuyết này thông qua việc phân tích chi tiết các bằng chứng nghiên cứu hiện có và thảo luận các ẩn ý thực tiễn.

Chương 10: ChatGPT và AI tạo sinh — Định hình lại toàn cảnh

10.1 Sự bùng nổ của ChatGPT và tác động tức thời lên giáo dục đại học

Khi OpenAI công bố ChatGPT vào cuối tháng 11 năm 2022, ít ai có thể dự đoán được tốc độ và quy mô mà công nghệ này sẽ lan tỏa trong lĩnh vực giáo dục đại học. Chỉ trong vòng hai tháng, ChatGPT đã đạt hơn một trăm triệu người dùng, trở thành ứng dụng tiêu dùng phát triển nhanh nhất trong lịch sử công nghệ. Sự bùng nổ này đã tạo ra một cú sốc ngay lập tức trong cộng đồng giáo dục đại học toàn cầu, buộc các nhà giáo dục, nhà hoạch định chính sách và nhà nghiên cứu phải đối mặt với một loạt câu hỏi chưa từng có tiền lệ.

Câu hỏi cấp bách nhất mà ChatGPT đặt ra là: làm thế nào để duy trì toàn vẹn liêm chính học thuật khi một công cụ có khả năng tạo ra văn bản có chất lượng tương đương với sinh viên đại học được cung cấp miễn phí? Câu hỏi này không chỉ đơn thuần là vấn đề kỹ thuật hay quy trình, mà chạm đến bản chất sâu xa của đánh giá học tập, giá trị của giáo dục đại học, và vai trò của giảng viên trong kỷ nguyên trí tuệ nhân tạo. Những phản ứng ban đầu của các cơ sở giáo dục đại học dao động mạnh mẽ, từ việc cấm hoàn toàn ChatGPT đến việc tích cực khuyến khích sử dụng, phản ánh sự thiếu chuẩn bị của hệ thống giáo dục trước một bước tiến công nghệ đột phá.

Kasneci và cộng sự (2023) đã cung cấp một phân tích sâu sắc và cân bằng về “ChatGPT vì lợi ích tốt đẹp” (ChatGPT for good) trong bối cảnh giáo dục. Nhóm nghiên cứu này lập luận rằng thay vì phản ứng hoảng loạn trước công nghệ mới, cộng đồng giáo dục cần tiếp cận ChatGPT với tư duy mở và có trách nhiệm. Kasneci và cộng sự (2023) chỉ ra rằng ChatGPT có thể hỗ trợ giáo dục theo nhiều cách có giá trị, bao gồm: cung cấp phản hồi tức thời về bài viết của sinh viên, đóng vai trò đối thoại trong việc thực hành kỹ năng giao tiếp, hỗ trợ giảng viên trong việc thiết kế bài giảng và câu hỏi thảo luận, và cung cấp hỗ trợ cá nhân hóa cho sinh viên có nhu cầu đặc biệt.

Tuy nhiên, Kasneci và cộng sự (2023) cũng cảnh báo rằng những lợi ích tiềm năng này chỉ có thể được hiện thực hóa nếu cộng đồng giáo dục chủ động tham gia vào quá trình định hình cách sử dụng ChatGPT, thay vì để công nghệ này phát triển theo đà tự nhiên mà không có sự giám sát và hướng dẫn. Sự cân bằng giữa khuyến khích đổi mới và bảo vệ toàn vẹn liêm chính học thuật là một trong những thách thức cốt lõi mà giáo dục đại học phải đối mặt trong kỷ nguyên trí tuệ nhân tạo tạo sinh.

10.2 Bài luận quan điểm — Vậy thì sao nếu ChatGPT đã viết nó?

Một trong những bài viết có ảnh hưởng lớn nhất trong giai đoạn đầu của cuộc tranh luận về ChatGPT trong giáo dục là bài luận quan điểm của Dwivedi và cộng sự (2023) với tiêu đề gây tranh luận “So what if ChatGPT wrote it?” (Vậy thì sao nếu ChatGPT đã viết nó?). Bài viết này đã thách thức trực tiếp các phản ứng tiêu cực ban đầu đối với ChatGPT, lập luận rằng việc cấm công nghệ này không chỉ là không thực tế mà còn có thể gây hại cho quá trình học tập của sinh viên.

Dwivedi và cộng sự (2023) đưa ra ba lập luận chính. Thứ nhất, ChatGPT và các công nghệ trí tuệ nhân tạo tạo sinh tương tự là công cụ sản xuất kiến thức (knowledge production tools), và khả năng sử dụng hiệu quả các công cụ này là một năng lực quan trọng mà sinh viên cần phát triển để chuẩn bị cho thị trường lao động trong tương lai. Thứ hai, thay vì coi việc sử dụng ChatGPT như một hình thức gian lận, hệ thống giáo dục cần thiết kế lại các phương pháp đánh giá sao cho việc sử dụng trí tuệ nhân tạo tạo sinh trở thành một phần của quá trình học tập, không phải là lối tắt tránh nó. Thứ ba, các cơ sở giáo dục cần đầu tư vào việc đào tạo giảng viên và sinh viên về cách sử dụng ChatGPT một cách có trách nhiệm và đạo đức, thay vì đơn giản là cấm hoặc phớt lờ công nghệ này.

Lập luận của Dwivedi và cộng sự (2023) đặc biệt có giá trị trong bối cảnh chủ nghĩa thực tế công nghệ. Thay vì theo đuổi một cách tiếp cận utopia (coi ChatGPT là giải pháp thần kỳ cho mọi vấn đề giáo dục) hoặc dystopia (coi ChatGPT là mối đe dọa tồn tại đối với giáo dục), nhóm nghiên cứu này đề xuất một cách tiếp cận thực tế: chấp nhận sự tồn tại của công nghệ, hiểu rõ cả lợi ích và rủi ro của nó, và tích cực phát triển các chiến lược sử dụng có trách nhiệm.

10.3 Tiếng nói của sinh viên — Nhìn từ góc độ người học

Trong cuộc tranh luận về ChatGPT trong giáo dục, tiếng nói của sinh viên — những người sử dụng trực tiếp công nghệ này — thường bị thiếu vắng hoặc bị gạt ra bên lề. Chan và Hu (2023) đã lấp đầy khoảng trống quan trọng này thông qua nghiên cứu về tiếng nói của sinh viên đối với trí tuệ nhân tạo tạo sinh. Nghiên cứu của họ tiết lộ một bức tranh phức tạp và đa chiều về cách sinh viên nhận thức và sử dụng ChatGPT.

Một phát hiện đáng chú ý của Chan và Hu (2023) là sinh viên có nhận thức rất phân hóa về vai trò của ChatGPT trong học tập. Một nhóm sinh viên coi ChatGPT như một công cụ hỗ trợ học tập có giá trị, sử dụng nó để làm rõ các khái niệm phức tạp, thực hành giải quyết vấn đề, và tìm kiếm hướng nghiên cứu. Nhóm khác lại sử dụng ChatGPT chủ yếu như một công cụ hoàn thành nhiệm vụ (task completion tool), tìm cách tận dụng khả năng tạo văn bản của công nghệ này để hoàn thành các bài tập mà không thực sự đầu tư vào quá trình học tập. Sự khác biệt trong cách tiếp cận này phản ánh các thái độ và chiến lược học tập khác nhau, và đặt ra câu hỏi về việc liệu ChatGPT đang khuếch đại hay đang làm giảm khoảng cách giữa sinh viên có động lực học tập cao và sinh viên có động lực học tập thấp.

Chan và Hu (2023) cũng phát hiện rằng nhiều sinh viên cảm thấy bối rối bởi các thông điệp mâu thuẫn từ các giảng viên khác nhau — một số cấm hoàn toàn sử dụng ChatGPT trong khi những người khác khuyến khích nó. Sự thiếu nhất quán này không chỉ gây khó khăn cho sinh viên mà còn làm suy yếu sự tin tưởng vào hệ thống đánh giá học thuật. Nghiên cứu nhấn mạnh tầm quan trọng của việc phát triển các hướng dẫn sử dụng trí tuệ nhân tạo tạo sinh rõ ràng, nhất quán và minh bạch ở cấp độ cơ sở giáo dục hoặc thậm chí cấp độ ngành giáo dục.

10.4 Phân tích SWOT của ChatGPT trong giáo dục đại học

Để có cái nhìn toàn diện và có hệ thống về ChatGPT trong giáo dục, Farrokhnia và cộng sự (2023) đã thực hiện một phân tích SWOT (Điểm mạnh, Điểm yếu, Cơ hội, Thách thức) chi tiết. Đây là một phương pháp tiếp cận đặc biệt phù hợp với tinh thần chủ nghĩa thực tế công nghệ, bởi vì nó buộc chúng ta phải xem xét đồng thời cả lợi ích và hạn chế mà không thiên lệch về bất kỳ phía nào.

Về Điểm mạnh, Farrokhnia và cộng sự (2023) chỉ ra khả năng tạo văn bản có chất lượng cao, khả năng cung cấp phản hồi tức thời, tính sẵn sàng hai mươi bốn giờ mỗi ngày và không giới hạn, và khả năng cá nhân hóa tương tác theo trình độ của người dùng. ChatGPT có khả năng giải thích các khái niệm phức tạp bằng nhiều cách khác nhau, điều chỉnh ngôn ngữ và mức độ chi tiết theo yêu cầu của người học.

Về Điểm yếu, nhóm nghiên cứu nhấn mạnh sự thiếu chính xác trong một số lĩnh vực chuyên môn, không có khả năng thực hiện suy luận logic phức tạp trong một số tình huống, xu hướng tạo ra thông tin có vẻ hợp lý nhưng thực chất không chính xác (ảo giác, sẽ được thảo luận chi tiết trong Chương 11), và phụ thuộc vào dữ liệu huấn luyện có thể chứa thiên kiến.

Về Cơ hội, Farrokhnia và cộng sự (2023) đề xuất các khả năng cách mạng hóa đánh giá học tập thông qua các phương pháp mới, hỗ trợ cá nhân hóa quy mô lớn cho giáo dục đại học, thúc đẩy đổi mới sư phạm thông qua việc thúc đẩy giảng viên thiết kế lại các trải nghiệm học tập, và thu hẹp khoảng cách tiếp cận giáo dục cho sinh viên ở các khu vực thiếu nguồn lực.

Về Thách thức, các rủi ro bao gồm việc xói mòn toàn vẹn liêm chính học thuật, nguy cơ giảm bớt quá trình tư duy độc lập của sinh viên, các vấn đề liên quan đến bảo mật dữ liệu và quyền riêng tư, và nguy cơ gia tăng bất bình đẳng giáo dục nếu chỉ sinh viên có khả năng tiếp cận công nghệ mới được hưởng lợi.

Phân tích SWOT của Farrokhnia và cộng sự (2023) cung cấp một khuôn khổ thực tế để các cơ sở giáo dục đại học đánh giá vị trí của mình đối với ChatGPT và các công nghệ trí tuệ nhân tạo tạo sinh tương tự. Khuôn khổ này giúp tránh được hai thái cực: nhiệt huyết thái quá (coi công nghệ là giải pháp cho mọi vấn đề) và hoảng sợ thái quá (coi công nghệ là mối đe dọa đối với giáo dục).

10.5 Thay đổi tư duy — Từ “ác quỷ” đến “bảo vệ thần”

Một trong những lập luận sâu sắc nhất trong cuộc tranh luận về ChatGPT trong giáo dục đến từ Tlili và cộng sự (2023) với tiêu đề gây tranh luận “What if the devil is my guardian angel” (Nếu ác quỷ lại là bảo vệ thần của tôi). Nhóm nghiên cứu này thách thức cách tiếp cận truyền thống coi ChatGPT là mối đe dọa đối với toàn vẹn liêm chính học thuật, lập luận rằng những hạn chế hiện tại của công nghệ này thực sự có thể trở thành cơ hội để củng cố và phát triển toàn vẹn liêm chính.

Lập luận cốt lõi của Tlili và cộng sự (2023) dựa trên ba điểm. Thứ nhất, sự tồn tại của ChatGPT buộc cộng đồng giáo dục phải đặt lại câu hỏi về bản chất và mục đích của đánh giá học tập. Nếu một bài luận có thể được viết hoàn toàn bởi ChatGPT và đạt điểm cao, thì điều đó có thể cho thấy bài luận đó không thực sự đánh giá được năng lực cốt lõi mà nó được thiết kế để đo lường. Tlili và cộng sự (2023) lập luận rằng đây là cơ hội để thiết kế lại các phương pháp đánh giá, chuyển từ việc đánh giá sản phẩm cuối cùng sang việc đánh giá quá trình học tập, từ việc đánh giá khả năng nhớ và tái tạo kiến thức sang việc đánh giá năng lực tư duy phản biện, sáng tạo và giải quyết vấn đề.

Thứ hai, Tlili và cộng sự (2023) cho rằng việc giáo dục sinh viên về các hạn chế của ChatGPT, bao gồm khả năng tạo ra thông tin sai lệch và thiên kiến, có thể trở thành một cơ hội giáo dục có giá trị. Khi sinh viên được yêu cầu kiểm chứng thông tin do ChatGPT cung cấp, họ phát triển kỹ năng đánh giá nguồn thông tin, một năng lực quan trọng trong kỷ nguyên thông tin đầy rẫy tin giả và thông tin sai lệch.

Thứ ba, nhóm nghiên cứu lập luận rằng việc sử dụng có trách nhiệm ChatGPT có thể thực sự nâng cao toàn vẹn liêm chính học thuật. Khi sinh viên được hướng dẫn cách trích dẫn và ghi nhận việc sử dụng trí tuệ nhân tạo tạo sinh, giống như cách họ trích dẫn các nguồn tài liệu khác, việc sử dụng công nghệ này trở thành một phần minh bạch của quá trình học tập thay vì là một hành vi gian lận bí mật.

10.6 Kỷ nguyên mới của trí tuệ nhân tạo trong giáo dục

Nhìn tổng thể, Kamalov và cộng sự (2023) đã mô tả sự xuất hiện của ChatGPT và các công nghệ trí tuệ nhân tạo tạo sinh như sự mở đầu của một “kỷ nguyên mới” trong giáo dục. Theo Kamalov và cộng sự (2023), kỷ nguyên mới này được đặc trưng bởi ba thay đổi nền tảng.

Thay đổi thứ nhất là sự chuyển dịch từ trí tuệ nhân tạo phân tích (analytical AI) sang trí tuệ nhân tạo tạo sinh (generative AI). Trong khi các hệ thống trí tuệ nhân tạo trước đó chủ yếu tập trung vào phân tích dữ liệu hiện có và đưa ra dự đoán, các hệ thống trí tuệ nhân tạo tạo sinh có khả năng tạo ra nội dung mới — văn bản, hình ảnh, mã chương trình, âm nhạc và video — với chất lượng ngày càng tăng. Điều này mở ra những khả năng hoàn toàn mới cho giáo dục, từ việc tạo ra tài liệu học liệu tự động đến việc cung cấp môi trường thực hành tương tác.

Thay đổi thứ hai là sự chuyển dịch từ ứng dụng trí tuệ nhân tạo chuyên biệt (narrow AI applications) sang trí tuệ nhân tạo đa năng (general-purpose AI). ChatGPT không được thiết kế riêng cho giáo dục, nhưng nó đã tìm được vô số ứng dụng trong lĩnh vực này một cách tự nhiên. Điều này cho thấy rằng tương lai của trí tuệ nhân tạo trong giáo dục có thể không nằm ở các hệ thống được thiết kế chuyên biệt, mà ở cách chúng ta tích hợp các hệ thống đa năng vào môi trường giáo dục.

Thay đổi thứ ba là sự chuyển dịch từ vai trò công nghệ như công cụ (technology as tool) sang vai trò công nghệ như đối tác (technology as partner). Kamalov và cộng sự (2023) lập luận rằng khi trí tuệ nhân tạo tạo sinh đạt đến một mức độ nhất định về chất lượng và đa dạng, ranh giới giữa công cụ và đối tác trở nên mờ nhạt. Câu hỏi không còn là “làm thế nào để sử dụng công nghệ này như một công cụ?”, mà là “làm thế nào để hợp tác hiệu quả với công nghệ này trong quá trình giảng dạy và học tập?”

10.7 Tác động lên nghiên cứu và thực hành giáo dục

Mở rộng khuôn khổ phân tích, Grassini (2023) đã đề xuất các hướng cụ thể mà ChatGPT và trí tuệ nhân tạo tạo sinh có thể định hình lại tương lai của giáo dục. Theo Grassini (2023), tác động đáng kể nhất có thể nằm ở lĩnh vực nghiên cứu giáo dục, nơi ChatGPT có thể hỗ trợ việc thực hiện tổng quan tài liệu tự động, phân tích dữ liệu định tính, và thậm chí tạo ra các giả thuyết nghiên cứu dựa trên các mẫu trong dữ liệu.

Grassini (2023) cũng chỉ ra rằng ChatGPT có thể đóng vai trò quan trọng trong việc hỗ trợ các nhà nghiên cứu trong việc viết bài báo khoa học, đặc biệt đối với những người sử dụng tiếng Anh như ngôn ngữ thứ hai. Tuy nhiên, nhóm nghiên cứu cảnh báo rằng việc sử dụng ChatGPT trong nghiên cứu cần tuân thủ nghiêm ngặt các nguyên tắc toàn vẹn liêm chính học thuật, bao gồm việc công khai vai trò của trí tuệ nhân tạo trong quá trình nghiên cứu và viết lách.

Cùng dòng phân tích này, Rahman và Watanobe (2023) đã tổng hợp một cách toàn diện các ứng dụng tiềm năng của ChatGPT trong cả giáo dục lẫn nghiên cứu. Rahman và Watanobe (2023) phân loại các ứng dụng này thành bốn nhóm chính: (1) hỗ trợ học tập và giảng dạy, (2) hỗ trợ nghiên cứu, (3) hỗ trợ hành chính và quản lý, và (4) hỗ trợ phát triển nghề nghiệp. Đối với mỗi nhóm ứng dụng, nhóm nghiên cứu thảo luận cả các lợi ích tiềm năng và các rủi ro cần quản lý.

Một điểm đặc biệt đáng chú ý trong phân tích của Rahman và Watanobe (2023) là nhận định rằng ChatGPT không chỉ thay đổi cách chúng ta giảng dạy và học tập, mà còn thay đổi cách chúng ta suy nghĩ về bản chất của kiến thức và quá trình tạo lập kiến thức. Khi một hệ thống máy tính có khả năng tạo ra văn bản có vẻ như thể hiện hiểu biết sâu sắc về một chủ đề, ranh giới giữa kiến thức thực sự và kiến thức được mô phỏng trở nên khó phân biệt hơn. Điều này đặt ra những câu hỏi triết học nền tảng về ý nghĩa của giáo dục trong kỷ nguyên trí tuệ nhân tạo tạo sinh.

Dưới lăng kính chủ nghĩa thực tế công nghệ, những phát hiện từ các nghiên cứu được thảo luận trong chương này cho thấy rằng ChatGPT và các công nghệ trí tuệ nhân tạo tạo sinh không phải là giải pháp thần kỳ cũng không phải là mối đe dọa tồn tại đối với giáo dục đại học. Thay vào đó, chúng là một lực lượng biến đổi mạnh mẽ đòi hỏi sự đáp ứng có trách nhiệm, có cơ sở bằng chứng và hướng về con người. Các cơ sở giáo dục đại học cần thiết lập các khuôn khổ chính sách rõ ràng, đầu tư vào phát triển năng lực cho cả giảng viên và sinh viên, và liên tục đánh giá tác động của công nghệ mới lên kết quả giáo dục và trải nghiệm học tập.

Chương 11: Ẩn ý “ảo giác” của AI tạo sinh

11.1 Hiện tượng ảo giác — Định nghĩa và cơ chế

Một trong những vấn đề nghiêm trọng nhất và ít được hiểu rõ nhất của trí tuệ nhân tạo tạo sinh là hiện tượng “ảo giác” (hallucination). Thuật ngữ “ảo giác” trong bối cảnh trí tuệ nhân tạo chỉ tình huống mà hệ thống tạo ra nội dung có vẻ như hợp lý và có cấu trúc tốt nhưng thực chất không chính xác, không có cơ sở trong thực tế, hoặc hoàn toàn bịa đặt. Alkaissi và McFarlane (2023) đã cung cấp một phân tích chuyên sâu về hiện tượng ảo giác trong ChatGPT, mô tả các cơ chế sinh học và kỹ thuật cơ bản dẫn đến hiện tượng này.

Theo Alkaissi và McFarlane (2023), hiện tượng ảo giác trong các mô hình ngôn ngữ lớn xuất phát từ bản chất cơ bản của cách các mô hình này được huấn luyện và hoạt động. Các mô hình ngôn ngữ lớn như GPT-4 không thực sự “hiểu” ngôn ngữ theo cách con người hiểu; thay vào đó, chúng học các mẫu thống kê trong dữ liệu huấn luyện và sử dụng các mẫu này để dự đoán từ tiếp theo trong một chuỗi. Khi hệ thống gặp phải một câu hỏi mà dữ liệu huấn luyện không cung cấp đủ thông tin, nó vẫn sẽ tạo ra một câu trả lời có vẻ hợp lý dựa trên các mẫu thống kê mà nó đã học, thay vì thừa nhận rằng nó không biết câu trả lời.

Alkaissi và McFarlane (2023) phân loại ảo giác thành ba loại chính: ảo giác nội tại (intrinsic hallucination), khi hệ thống tạo ra nội dung mâu thuẫn với nguồn gốc hoặc ngữ cảnh; ảo giác ngoại lai (extrinsic hallucination), khi hệ thống tạo ra nội dung không thể xác minh hoặc hoàn toàn bịa đặt; và ảo giác liên quan đến nhân dạng (identity hallucination), khi hệ thống gán sai thuộc tính hoặc sự kiện cho một cá nhân hoặc tổ chức. Mỗi loại ảo giác này đặt ra những rủi ro khác nhau trong bối cảnh giáo dục.

Đặc biệt đáng quan ngại, Alkaissi và McFarlane (2023) chỉ ra rằng các mô hình ngôn ngữ lớn có xu hướng tạo ra các câu trả lời ảo giác với mức độ tự tin rất cao, sử dụng ngôn ngữ khẳng định và cấu trúc logic khiến người đọc khó nhận biết rằng nội dung không chính xác. Điều này đặc biệt nguy hiểm trong bối cảnh giáo dục, nơi sinh viên có thể vô tình tiếp thu và lan truyền thông tin sai lệch.

11.2 Tác động của ảo giác lên toàn vẹn liêm chính học thuật

Hiện tượng ảo giác của trí tuệ nhân tạo tạo sinh có tác động sâu sắc và đa chiều lên toàn vẹn liêm chính học thuật trong giáo dục đại học. Cotton và cộng sự (2023) đã phân tích vấn đề này dưới tiêu đề “Chatting and cheating” (Trò chuyện và gian lận), chỉ ra cách mà hiện tượng ảo giác làm cho ranh giới giữa việc sử dụng công nghệ hợp lý và gian lận học thuật trở nên phức tạp hơn nhiều.

Cotton và cộng sự (2023) lập luận rằng vấn đề cốt lõi không chỉ nằm ở việc sinh viên sử dụng ChatGPT để hoàn thành bài tập, mà còn ở việc hệ thống này có thể tạo ra nội dung có vẻ chất lượng cao nhưng chứa thông tin sai lệch. Khi một sinh viên nộp bài được viết hoặc hỗ trợ bởi ChatGPT mà không kiểm chứng tính chính xác của các thông tin do hệ thống tạo ra, rủi ro không chỉ là gian lận học thuật mà còn là việc lan truyền kiến thức sai lệch vào hệ thống đánh giá học thuật.

Một khía cạnh tinh tế của vấn đề mà Cotton và cộng sự (2023) nhấn mạnh là sự không cân xứng giữa chất lượng bề mặt và độ chính xác nội dung của văn bản do ChatGPT tạo ra. Trong nhiều trường hợp, văn bản do ChatGPT tạo ra có chất lượng văn phong tốt hơn văn bản do sinh viên tự viết, với cấu trúc logic rõ ràng và sử dụng thuật ngữ chuyên môn chính xác. Tuy nhiên, các chi tiết cụ thể — dữ liệu thống kê, ngày tháng, tên tác giả, kết quả nghiên cứu — có thể bị sai hoặc bịa đặt hoàn toàn. Điều này làm cho việc phát hiện gian lận dựa trên chất lượng văn bản trở nên vô nghĩa, bởi vì chất lượng văn phong cao không đảm bảo tính chính xác của nội dung.

Cotton và cộng sự (2023) cũng thảo luận về tác động của hiện tượng ảo giác lên các công cụ phát hiện gian lận dựa trên trí tuệ nhân tạo. Nhiều cơ sở giáo dục đã đầu tư vào các công cụ phát hiện văn bản do trí tuệ nhân tạo tạo ra, song hiệu quả của các công cụ này vẫn còn nhiều tranh cãi. Hơn nữa, việc phụ thuộc quá nhiều vào các công cụ phát hiện tự động có thể tạo ra ảo giác an toàn giả tạo, khi cộng đồng giáo dục tin rằng họ đã giải quyết được vấn đề trong khi thực tế công nghệ phát hiện vẫn còn rất nhiều hạn chế.

11.3 Toàn vẹn liêm chính học thuật và mô hình ngôn ngữ lớn — Những cân nhắc chi tiết

Mở rộng phân tích về toàn vẹn liêm chính học thuật, Perkins (2023) đã cung cấp một bài phân tích chuyên sâu về các cân nhắc liên quan đến toàn vẹn liêm chính học thuật trong bối cảnh các mô hình ngôn ngữ lớn. Perkins (2023) lập luận rằng các mô hình ngôn ngữ lớn đòi hỏi một sự tái định nghĩa toàn diện về toàn vẹn liêm chính học thuật, chuyển từ việc tập trung vào hành vi (sinh viên có gian lận không) sang việc tập trung vào quá trình (sinh viên đã học được gì và làm thế nào).

Perkins (2023) đề xuất một khuôn khổ ba lớp để giải quyết vấn đề toàn vẹn liêm chính học thuật trong kỷ nguyên trí tuệ nhân tạo tạo sinh. Lớp thứ nhất là lớp minh bạch, đòi hỏi sinh viên phải công khai việc sử dụng trí tuệ nhân tạo trong quá trình học tập, bao gồm việc ghi nhận cụ thể công nghệ nào được sử dụng, cho mục đích nào, và trong mức độ nào. Lớp thứ hai là lớp kiểm chứng, đòi hỏi sinh viên phải có khả năng kiểm chứng độc lập các thông tin do trí tuệ nhân tạo cung cấp, thể hiện hiểu biết sâu sắc về nội dung thay vì chỉ trình bày lại kết quả do hệ thống tạo ra. Lớp thứ ba là lớp phản biện, đòi hỏi sinh viên phải có khả năng đánh giá và phản biện các kết quả do trí tuệ nhân tạo tạo ra, thể hiện tư duy phản biện độc lập.

Khuôn khổ ba lớp của Perkins (2023) phản ánh tinh thần chủ nghĩa thực tế công nghệ, bởi vì nó không cố gắng ngăn chặn việc sử dụng trí tuệ nhân tạo (một nỗ lực cả về mặt thực tế lẫn về mặt hiệu quả đều khó khả thi), mà thay vào đó thiết lập các nguyên tắc và tiêu chuẩn để đảm bảo rằng việc sử dụng công nghệ phục vụ mục đích học tập thay vì làm tổn hại nó.

11.4 Niềm tin, tính chính xác và trách nhiệm trong kỷ nguyên AI tạo sinh

Hiện tượng ảo giác của trí tuệ nhân tạo tạo sinh đặt ra ba câu hỏi nền tảng về mối quan hệ giữa con người và công nghệ trong giáo dục: ai là người đáng tin cậy, làm thế nào để đảm bảo tính chính xác, và ai chịu trách nhiệm khi thông tin sai lệch được tạo ra và lan truyền.

Câu hỏi thứ nhất — ai là người đáng tin cậy — liên quan đến vấn đề niềm tin (trust). Trong hệ thống giáo dục truyền thống, niềm tin được xây dựng dựa trên thẩm quyền (authority): sinh viên tin tưởng giảng viên và tài liệu học liệu được thẩm định. Tuy nhiên, khi sinh viên bắt đầu sử dụng ChatGPT như một nguồn thông tin chính, niềm tin chuyển từ thẩm quyền con người sang hiệu suất công nghệ. Vấn đề là trí tuệ nhân tạo tạo sinh có thể tạo ra ảo giác một cách thuyết phục, phá vỡ cơ chế niềm tin truyền thống mà không cung cấp cơ chế thay thế đáng tin cậy. Điều này đặt ra yêu cầu cấp thiết về việc phát triển “năng lực hiểu biết số” (digital literacy) cho sinh viên, bao gồm khả năng đánh giá độ tin cậy của thông tin do trí tuệ nhân tạo tạo ra.

Câu hỏi thứ hai — làm thế nào để đảm bảo tính chính xác — liên quan đến vấn đề kiểm chứng (verification). Khi hệ thống giáo dục cho phép hoặc khuyến khích sử dụng trí tuệ nhân tạo tạo sinh, nó cũng cần cung cấp các công cụ và phương pháp để kiểm chứng thông tin do hệ thống tạo ra. Điều này đặc biệt quan trọng trong các lĩnh vực chuyên môn cao, nơi thông tin sai lệch có thể có hậu quả nghiêm trọng, chẳng hạn như trong y khoa, kỹ thuật, hoặc luật pháp. Các cơ sở giáo dục cần phát triển các giao thức kiểm chứng rõ ràng, đào tạo sinh viên kỹ năng kiểm chứng chéo, và tạo ra môi trường học tập khuyến khích thái độ hoài nghi lành mạnh đối với thông tin do trí tuệ nhân tạo tạo ra.

Câu hỏi thứ ba — ai chịu trách nhiệm — liên quan đến vấn đề trách nhiệm (responsibility). Khi một sinh viên nộp bài tập chứa thông tin sai lệch do ChatGPT tạo ra, ai là người chịu trách nhiệm: sinh viên, giảng viên (vì đã không phát hiện lỗi), cơ sở giáo dục (vì đã cho phép sử dụng công nghệ), nhà phát triển công nghệ, hay tất cả những người trên? Perkins (2023) lập luận rằng trong bối cảnh hiện tại, trách nhiệm chính vẫn nằm ở sinh viên, bởi vì họ là người cuối cùng quyết định nội dung sẽ được nộp và có trách nhiệm kiểm chứng tính chính xác của thông tin mà họ trình bày. Tuy nhiên, điều này cũng đặt ra yêu cầu rằng sinh viên phải được đào tạo đầy đủ về các hạn chế của trí tuệ nhân tạo và được trang bị các kỹ năng cần thiết để thực hiện việc kiểm chứng một cách hiệu quả.

11.5 Chiến lược ứng phó — Giảm thiểu rủi ro ảo giác trong giáo dục đại học

Dựa trên các phân tích của Alkaissi và McFarlane (2023), Cotton và cộng sự (2023) và Perkins (2023), chúng ta có thể xác định một loạt chiến lược ứng phó nhằm giảm thiểu rủi ro ảo giác trong giáo dục đại học. Các chiến lược này cần được triển khai đồng bộ ở nhiều cấp độ: cấp độ chính sách cơ sở giáo dục, cấp độ thiết kế khóa học, cấp độ hoạt động giảng dạy, và cấp độ cá nhân sinh viên.

Ở cấp độ chính sách cơ sở giáo dục, các chiến lược bao gồm: ban hành các hướng dẫn rõ ràng về việc sử dụng trí tuệ nhân tạo tạo sinh trong học tập, thiết lập các tiêu chuẩn toàn vẹn liêm chính học thuật được cập nhật cho phù hợp với bối cảnh trí tuệ nhân tạo, và đầu tư vào đào tạo cho giảng viên về cả công nghệ và sư phạm liên quan. Cơ sở giáo dục cũng cần thiết lập các quy trình giải quyết khi phát hiện việc sử dụng trái phép hoặc sử dụng thiếu trách nhiệm trí tuệ nhân tạo tạo sinh.

Ở cấp độ thiết kế khóa học, các chiến lược bao gồm: thiết kế lại phương pháp đánh giá sao cho khó bị ảnh hưởng bởi ảo giác, chẳng hạn như yêu cầu sinh viên phản ánh về quá trình học tập, phân tích tình huống thực tế đòi hỏi tư duy áp dụng, hoặc bảo vệ kết quả học tập trước hội đồng. Các khóa học cũng cần tích hợp nội dung về trí tuệ nhân tạo vào chương trình học, dạy sinh viên về cách hoạt động, khả năng và hạn chế của công nghệ này.

Ở cấp độ hoạt động giảng dạy, các chiến lược bao gồm: sử dụng ChatGPT như một công cụ giáo dục trong lớp học, yêu cầu sinh viên phân tích và phản biện các kết quả do hệ thống tạo ra, thiết kế các bài tập yêu cầu kiểm chứng thông tin do trí tuệ nhân tạo cung cấp, và tạo ra không gian mở để thảo luận về các vấn đề đạo đức liên quan đến sử dụng công nghệ.

Ở cấp độ cá nhân sinh viên, các chiến lược bao gồm: phát triển kỹ năng đánh giá thông tin (information evaluation skills), rèn luyện tư duy phản biện đối với nội dung do trí tuệ nhân tạo tạo ra, hiểu rõ các hạn chế của công nghệ, và luôn kiểm chứng chéo thông tin quan trọng từ nhiều nguồn đáng tin cậy.

Dưới lăng kính chủ nghĩa thực tế công nghệ, chiến lược ứng phó với hiện tượng ảo giác cần cân bằng giữa việc bảo vệ toàn vẹn liêm chính học thuật và việc khuyến khích đổi mới sư phạm. Cấm hoàn toàn sử dụng trí tuệ nhân tạo tạo sinh vì lo ngại ảo giác có thể bảo vệ toàn vẹn liêm chính trong ngắn hạn nhưng lại gây bất lợi cho sinh viên trong dài hạn, bởi vì họ sẽ không được trang bị kỹ năng sử dụng công nghệ một cách có trách nhiệm. Ngược lại, cho phép sử dụng không hạn chế mà không có hướng dẫn rõ ràng có thể dẫn đến sự xói mòn nghiêm trọng của chất lượng giáo dục và toàn vẹn liêm chính học thuật. Chủ nghĩa thực tế công nghệ đề xuất một con đường giữa: cho phép sử dụng trong khuôn khổ rõ ràng, đào tạo đầy đủ, và giám sát liên tục.

Chương 12: Đạo đức AI trong giáo dục — Nguyên tắc và thực hành

12.1 Nhu cầu cấp thiết về khung đạo đức cho trí tuệ nhân tạo trong giáo dục

Sự phát triển nhanh chóng của các ứng dụng trí tuệ nhân tạo trong giáo dục đại học đã vượt xa khả năng phát triển các khuôn khổ đạo đức và chính sách điều chỉnh. Khi các cơ sở giáo dục đang vội vã tích hợp trí tuệ nhân tạo vào quy trình giảng dạy và học tập, nhiều câu hỏi đạo đức quan trọng vẫn chưa được trả lời thỏa đáng. Những câu hỏi này bao gồm: Làm thế nào để đảm bảo rằng các hệ thống trí tuệ nhân tạo trong giáo dục không khuếch đại thiên kiến hiện có? Ai có quyền truy cập vào dữ liệu học tập được thu thập bởi các hệ thống này? Làm thế nào để đảm bảo tính minh bạch của các thuật toán đưa ra quyết định ảnh hưởng đến kết quả học tập của sinh viên? Và làm thế nào để duy trì vai trò có ý nghĩa của con người trong một hệ thống giáo dục ngày càng tự động hóa?

Nguyen và cộng sự (2022) đã đề xuất một bộ nguyên tắc đạo đức toàn diện cho trí tuệ nhân tạo trong giáo dục, dựa trên phân tích hệ thống của các khuôn khổ đạo đức hiện có và các nghiên cứu kinh nghiệm về ứng dụng trí tuệ nhân tạo trong bối cảnh giáo dục. Bộ nguyên tắc này bao gồm năm nguyên tắc cốt lõi: minh bạch (transparency), công bằng và không phân biệt đối xử (fairness and non-discrimination), quyền riêng tư (privacy), trách nhiệm giải trình (accountability), và an toàn và bảo mật (safety and security).

Nguyên tắc minh bạch đòi hỏi rằng các hệ thống trí tuệ nhân tạo trong giáo dục phải hoạt động theo cách mà người dùng có thể hiểu và kiểm tra. Điều này bao gồm việc cung cấp thông tin rõ ràng về cách thức hệ thống hoạt động, dữ liệu nào được sử dụng để huấn luyện hệ thống, và cách thức hệ thống đưa ra các quyết định hoặc khuyến nghị. Nguyên tắc minh bạch đặc biệt quan trọng trong giáo dục, nơi các quyết định do hệ thống trí tuệ nhân tạo đưa ra có thể ảnh hưởng trực tiếp đến cơ hội học tập và kết quả học tập của sinh viên.

Nguyên tắc công bằng và không phân biệt đối xử đòi hỏi rằng các hệ thống trí tuệ nhân tạo trong giáo dục không được khuếch đại hoặc tạo ra sự bất bình đẳng dựa trên giới tính, chủng tộc, tình trạng kinh tế xã hội, hoặc bất kỳ đặc điểm nào khác. Nguyen và cộng sự (2022) nhấn mạnh rằng nguyên tắc này đặc biệt thách thức trong giáo dục, bởi vì dữ liệu huấn luyện thường phản ánh các bất bình đẳng hiện có trong hệ thống giáo dục. Nếu một hệ thống trí tuệ nhân tạo được huấn luyện trên dữ liệu lịch sử chứa thiên kiến, nó có thể khuếch đại các thiên kiến này một cách có hệ thống.

Nguyên tắc quyền riêng tư đòi hỏi rằng các hệ thống trí tuệ nhân tạo trong giáo dục phải bảo vệ dữ liệu cá nhân của sinh viên và giảng viên, đảm bảo rằng việc thu thập, sử dụng và chia sẻ dữ liệu được thực hiện với sự đồng ý đầy đủ và minh bạch. Nguyên tắc trách nhiệm giải trình đòi hỏi rằng phải có cơ chế rõ ràng để xác định trách nhiệm khi hệ thống trí tuệ nhân tạo gây ra tổn hại hoặc sai sót. Nguyên tắc an toàn và bảo mật đòi hỏi rằng các hệ thống trí tuệ nhân tạo trong giáo dục phải được thiết kế và vận hành theo tiêu chuẩn an toàn cao nhất, bảo vệ cả tính toàn vẹn của dữ liệu và sự an toàn của người dùng.

12.2 Ẩn ý đạo đức và trách nhiệm của thuật toán

Để hiểu sâu hơn về các thách thức đạo đức của trí tuệ nhân tạo trong giáo dục, chúng ta cần xem xét các ẩn ý đạo đức của thuật toán (algorithmic ethics) nói chung. Martin (2018) đã phân tích các ẩn ý đạo đức và trách nhiệm của thuật toán, cung cấp một khuôn khổ lý thuyết quan trọng cho việc đánh giá tác động đạo đức của các hệ thống trí tuệ nhân tạo trong giáo dục.

Martin (2018) xác định bốn ẩn ý đạo đức chính của thuật toán trong các bối cảnh xã hội, tất cả đều có ứng dụng trực tiếp trong giáo dục. Ẩn ý thứ nhất là ẩn ý về tính minh bạch (opacity implication). Nhiều thuật toán trí tuệ nhân tạo, đặc biệt là các mô hình học sâu, hoạt động như “hộp đen” — ngay cả những người tạo ra chúng cũng không thể giải thích đầy đủ lý do tại sao hệ thống đưa ra một quyết định cụ thể. Trong giáo dục, điều này có nghĩa là khi một hệ thống trí tuệ nhân tạo đề xuất một can thiệp sư phạm hoặc dự đoán kết quả học tập của một sinh viên, người dùng thường không thể biết tại sao hệ thống đưa ra khuyến nghị đó.

Ẩn ý thứ hai là ẩn ý về phân biệt đối xử (discrimination implication). Các thuật toán có thể khuếch đại các phân biệt đối xử hiện có trong dữ liệu huấn luyện, dẫn đến các kết quả bất công đối với các nhóm người yếu thế. Trong giáo dục, điều này có thể biểu hiện dưới dạng: hệ thống đánh giá tự động chấm điểm thấp hơn đối với bài viết của sinh viên sử dụng phương ngữ hoặc phong cách văn phong khác với phần lớn dữ liệu huấn luyện, hoặc hệ thống dự đoán bỏ học có tỷ lệ báo động sai cao hơn đối với sinh viên thuộc các nhóm dân tộc thiểu số.

Ẩn ý thứ ba là ẩn ý về sự phụ thuộc (dependency implication). Khi các tổ chức ngày càng phụ thuộc vào các thuật toán để đưa ra quyết định, khả năng tư duy phản biện của con người đối với kết quả do thuật toán đưa ra có thể suy giảm. Trong giáo dục, điều này có thể dẫn đến việc giảng viên tự động chấp nhận các khuyến nghị của hệ thống trí tuệ nhân tạo mà không thẩm định chúng, hoặc sinh viên tin tưởng mù quáng vào phản hồi do hệ thống cung cấp.

Ẩn ý thứ tư là ẩn ý về tư duy lớn dữ liệu (big data thinking implication). Sự sẵn có của lượng lớn dữ liệu có thể tạo ra ảo giác rằng chúng ta hiểu đầy đủ về các hiện tượng phức tạp, dẫn đến việc giảm bớt sự chú ý đối với các yếu tố định tính và ngữ cảnh mà dữ liệu không thể thu thập. Trong giáo dục, điều này có thể dẫn đến việc giảm bớt các hình thức tương tác giữa người với người, đánh giá sai tầm quan trọng của các yếu tố cảm xúc và xã hội trong học tập.

12.3 Kiểm soát con người có ý nghĩa

Để giải quyết các ẩn ý đạo đức của thuật toán trong giáo dục, Santoni de Sio và van den Hoven (2018) đã đề xuất khái niệm “kiểm soát con người có ý nghĩa” (Meaningful Human Control) như một nguyên tắc đạo đức nền tảng. Theo Santoni de Sio và van den Hoven (2018), kiểm soát con người có ý nghĩa đòi hỏi rằng con người không chỉ tham gia vào quá trình ra quyết định mà còn thực sự hiểu và có khả năng điều chỉnh hướng đi của hệ thống.

Trong bối cảnh giáo dục, nguyên tắc kiểm soát con người có ý nghĩa có thể được hiểu theo ba cấp độ. Cấp độ thứ nhất là kiểm soát về mặt thiết kế, đòi hỏi rằng giảng viên và nhà quản lý giáo dục phải tham gia vào quá trình thiết kế và cấu hình các hệ thống trí tuệ nhân tạo được sử dụng trong môi trường giáo dục. Điều này bao gồm việc xác định rõ các mục tiêu sư phạm mà hệ thống cần đạt được, đặt ra các giới hạn cho hành vi của hệ thống, và thiết lập các cơ chế giám sát.

Cấp độ thứ hai là kiểm soát về mặt vận hành, đòi hỏi rằng giảng viên phải có khả năng giám sát và điều chỉnh hoạt động của hệ thống trí tuệ nhân tạo trong quá trình giảng dạy thực tế. Điều này bao gồm việc có quyền quyết định cuối cùng đối với các khuyến nghị sư phạm do hệ thống đưa ra, khả năng ghi đè (override) các quyết định tự động, và quyền ngừng sử dụng hệ thống khi cần thiết.

Cấp độ thứ ba là kiểm soát về mặt chiến lược, đòi hỏi rằng các nhà hoạch định chính sách giáo dục phải có khả năng đánh giá tác động tổng thể của trí tuệ nhân tạo lên hệ thống giáo dục và đưa ra các quyết định chiến lược về mức độ tích hợp công nghệ phù hợp. Điều này bao gồm việc xác định các lĩnh vực mà tự động hóa là phù hợp và các lĩnh vực mà sự tham gia trực tiếp của con người là không thể thay thế.

Santoni de Sio và van den Hoven (2018) đặc biệt nhấn mạnh rằng kiểm soát con người có ý nghĩa không chỉ đơn thuần là có con người “vòng dây” (human in the loop), mà đòi hỏi con người thực sự có khả năng hiểu, thẩm định và điều chỉnh hành vi của hệ thống. Trong giáo dục, điều này có nghĩa là giảng viên cần được đào tạo đủ sâu về trí tuệ nhân tạo để có thể đưa ra các quyết định có cơ sở về việc khi nào nên tin tưởng và khi nào nên hoài nghi đối với các kết quả do hệ thống tạo ra.

12.4 Thiên kiến trong hệ thống giáo dục trí tuệ nhân tạo

Thiên kiến (bias) là một trong những vấn đề đạo đức nghiêm trọng nhất trong các hệ thống giáo dục trí tuệ nhân tạo. Thiên kiến có thể xâm nhập vào hệ thống ở nhiều giai đoạn khác nhau của vòng đời phát triển: trong việc thu thập và chuẩn bị dữ liệu, trong việc thiết kế mô hình, trong việc triển khai và sử dụng, và trong việc diễn giải kết quả.

Ở giai đoạn thu thập và chuẩn bị dữ liệu, thiên kiến có thể phát sinh khi dữ liệu huấn luyện không đại diện đầy đủ cho toàn bộ dân số sinh viên. Ví dụ, nếu một hệ thống học tập thích ứng được phát triển chủ yếu dựa trên dữ liệu từ sinh viên tại các trường đại học danh tiếng ở các quốc gia phát triển, hệ thống có thể không hoạt động hiệu quả đối với sinh viên từ các bối cảnh giáo dục khác nhau. Các đặc điểm ngôn ngữ, phong cách học tập, và trình độ sẵn sàng có thể khác biệt đáng kể, dẫn đến các khuyến nghị không phù hợp.

Ở giai đoạn thiết kế mô hình, thiên kiến có thể phát sinh khi các giả định được nhúng vào mô hình phản ánh quan điểm của nhóm phát triển mà không xét đến sự đa dạng của người dùng. Ví dụ, một hệ thống đánh giá tự động bài viết có thể ưu tiên một phong cách văn phong cụ thể (thường là phong cách tiếng Anh chuẩn của Hoa Kỳ) và đánh giá thấp các phong cách khác.

Ở giai đoạn triển khai và sử dụng, thiên kiến có thể phát sinh khi các hệ thống trí tuệ nhân tạo được sử dụng theo những cách mà nhà thiết kế không dự đoán được. Ví dụ, một hệ thống phân tích học tập được thiết kế để hỗ trợ sinh viên có nguy cơ bỏ học có thể vô tình tạo ra “vòng lặp tự ứng nghiệm” (self-fulfilling prophecy), nơi các sinh viên được hệ thống dán nhãn “có nguy cơ” nhận được sự can thiệp tiêu cực thay vì hỗ trợ tích cực.

Ở giai đoạn diễn giải kết quả, thiên kiến có thể phát sinh khi người dùng diễn giải kết quả của hệ thống trí tuệ nhân tạo theo cách củng cố các định kiến sẵn có. Ví dụ, một giảng viên có thể sử dụng kết quả dự đoán của hệ thống để xác nhận niềm tin rằng sinh viên từ một nhóm nhất định có xu hướng đạt kết quả thấp hơn, bỏ qua các yếu tố bối cảnh quan trọng.

12.5 Tính minh bạch và quyền riêng tư

Tính minh bạch và quyền riêng tư là hai nguyên tắc đạo đức có mối liên hệ mật thiết trong hệ thống giáo dục trí tuệ nhân tạo. Tính minh bạch đòi hỏi rằng người dùng được biết thông tin đầy đủ về cách thức hệ thống hoạt động và dữ liệu nào được sử dụng. Quyền riêng tư đòi hỏi rằng dữ liệu cá nhân được bảo vệ khỏi việc sử dụng trái phép hoặc không phù hợp.

Trong thực tế giáo dục, việc đảm bảo cả tính minh bạch và quyền riêng tư thường đặt ra một nghịch lý (trade-off). Để tăng tính minh bạch, người ta cần cung cấp nhiều thông tin hơn về cách thức hệ thống hoạt động, nhưng điều này có thể vô tình tiết lộ thông tin về dữ liệu huấn luyện, trong đó có thể chứa thông tin cá nhân. Ngược lại, để tăng cường bảo vệ quyền riêng tư, người ta có thể sử dụng các kỹ thuật ẩn danh hóa hoặc mã hóa, nhưng điều này có thể làm giảm khả năng kiểm tra và thẩm định hệ thống.

Để giải quyết nghịch lý này, Nguyen và cộng sự (2022) đề xuất nguyên tắc “minh bạch phù hợp” (proportionate transparency), trong đó mức độ chi tiết của thông tin được cung cấp tỷ lệ thuận với mức độ ảnh hưởng của quyết định do hệ thống đưa ra. Đối với các quyết định có ảnh hưởng thấp, chẳng hạn như đề xuất tài liệu đọc thêm, mức độ minh bạch cần thiết có thể thấp hơn. Đối với các quyết định có ảnh hưởng cao, chẳng hạn như dự đoán kết quả học tập của sinh viên hoặc đề xuất các can thiệp sư phạm, mức độ minh bạch cần thiết phải cao hơn đáng kể.

Về quyền riêng tư, Nguyen và cộng sự (2022) nhấn mạnh ba khía cạnh cần đặc biệt chú ý trong bối cảnh giáo dục đại học. Thứ nhất là quyền của sinh viên được biết dữ liệu nào đang được thu thập về họ, cho mục đích gì, và ai có quyền truy cập. Thứ hai là quyền của sinh viên được từ chối hoặc hạn chế việc thu thập dữ liệu mà họ coi là quá xâm phạm quyền riêng tư. Thứ ba là quyền của sinh viên được yêu cầu xóa dữ liệu cá nhân sau khi hoàn thành chương trình học, đặc biệt quan trọng đối với các hệ thống thu thập dữ liệu hành vi học tập chi tiết.

12.6 Khung chính sách giáo dục trí tuệ nhân tạo toàn diện

Để đưa các nguyên tắc đạo đức vào thực hành, cần có một khuôn khổ chính sách toàn diện hướng dẫn việc tích hợp trí tuệ nhân tạo vào giáo dục đại học một cách có trách nhiệm. Chan (2023) đã đề xuất một khung chính sách giáo dục trí tuệ nhân tạo toàn diện, bao gồm bảy thành phần chính: (1) tầm nhìn chiến lược, (2) phát triển năng lực giảng viên, (3) phát triển năng lực sinh viên, (4) thiết kế phương pháp đánh giá, (5) hạ tầng công nghệ, (6) liên minh đối tác, và (7) đánh giá liên tục.

Tầm nhìn chiến lược đòi hỏi mỗi cơ sở giáo dục phát triển một tầm nhìn rõ ràng về vai trò trí tuệ nhân tạo trong chiến lược giáo dục của mình. Tầm nhìn này cần được xây dựng dựa trên phân tích kỹ lưỡng các cơ hội và thách thức cụ thể của cơ sở giáo dục, không phải sao chép từ các cơ sở khác. Tầm nhìn cũng cần được truyền đạt rõ ràng đến tất cả các bên liên quan, bao gồm giảng viên, sinh viên, nhân viên hành chính và đối tác bên ngoài.

Phát triển năng lực giảng viên là một thành phần đặc biệt quan trọng, bởi vì giảng viên là những người trực tiếp quyết định cách trí tuệ nhân tạo được sử dụng trong lớp học. Chan (2023) nhấn mạnh rằng phát triển năng lực giảng viên không chỉ là việc đào tạo kỹ năng kỹ thuật sử dụng công nghệ, mà còn là việc nâng cao nhận thức về các ẩn ý sư phạm và đạo đức của việc sử dụng trí tuệ nhân tạo trong giảng dạy. Các chương trình phát triển năng lực cần bao gồm cả khía cạnh kỹ thuật (cách sử dụng công cụ) và khía cạnh phản biện (khi nào và tại sao nên hoặc không nên sử dụng công cụ).

Phát triển năng lực sinh viên đòi hỏi rằng chương trình giáo dục phải tích hợp nội dung về trí tuệ nhân tạo vào các khóa học hiện có, đảm bảo rằng tất cả sinh viên đều có hiểu biết cơ bản về cách thức hoạt động, khả năng và hạn chế của trí tuệ nhân tạo. Điều này đặc biệt quan trọng đối với các sinh viên ở các chuyên ngành không liên quan trực tiếp đến công nghệ, những người có thể không có cơ hội tiếp xúc với nội dung về trí tuệ nhân tạo trong chương trình chuyên ngành của họ.

Thiết kế phương pháp đánh giá đòi hỏi việc xem xét lại toàn diện các phương pháp đánh giá hiện có để đảm bảo chúng phù hợp với bối cảnh trí tuệ nhân tạo. Chan (2023) đề xuất các phương pháp đánh giá “chống ảo giác” (hallucination-resistant), bao gồm yêu cầu sinh viên bảo vệ kết quả học tập trước hội đồng, sử dụng đánh giá quá trình thay vì đánh giá sản phẩm cuối cùng, và tích hợp các thành phần đánh giá không thể thực hiện bằng trí tuệ nhân tạo tạo sinh, chẳng hạn như thực hành kỹ năng thực tế hoặc phản ánh kinh nghiệm cá nhân.

Hạ tầng công nghệ đòi hỏi đầu tư vào hạ tầng kỹ thuật phù hợp để hỗ trợ việc sử dụng trí tuệ nhân tạo trong giáo dục, bao gồm hạ tầng mạng, hạ tầng tính toán, và các nền tảng quản lý dữ liệu học tập. Hạ tầng cũng cần được thiết kế với tính bảo mật và quyền riêng tư làm ưu tiên hàng đầu.

Liên minh đối tác đòi hỏi cơ sở giáo dục thiết lập các mối quan hệ đối tác với các bên liên quan khác, bao gồm nhà phát triển công nghệ, tổ chức chuyên môn, cơ quan quản lý, và các cơ sở giáo dục khác, để chia sẻ kinh nghiệm, phối hợp phát triển chính sách, và giải quyết các thách thức chung.

Đánh giá liên tục đòi hỏi thiết lập các cơ chế để liên tục theo dõi và đánh giá tác động của trí tuệ nhân tạo lên giáo dục, đảm bảo rằng các chính sách và thực hành được điều chỉnh kịp thời dựa trên bằng chứng mới.

12.7 Từ nguyên tắc đến thực hành — Thách thức trong triển khai

Việc chuyển đổi từ nguyên tắc đạo đức sang thực hành cụ thể trong giáo dục đại học đối mặt với nhiều thách thức đáng kể. Thách thức thứ nhất là sự thiếu nguồn lực. Phát triển và duy trì các hệ thống trí tuệ nhân tạo tuân thủ các nguyên tắc đạo đức đòi hỏi đầu tư đáng kể về tài chính, nhân lực và thời gian. Nhiều cơ sở giáo dục đại học, đặc biệt là ở các quốc gia đang phát triển, có thể không có đủ nguồn lực để thực hiện đầy đủ các yêu cầu này.

Thách thức thứ hai là sự thiếu tiêu chuẩn thống nhất. Hiện tại chưa có một bộ tiêu chuẩn quốc tế thống nhất về đạo đức trí tuệ nhân tạo trong giáo dục, dẫn đến sự phân tán trong thực hành. Các cơ sở giáo dục khác nhau có thể áp dụng các tiêu chuẩn khác nhau, gây ra sự không nhất quán và có thể tạo ra sự bất bình đẳng trong việc bảo vệ quyền của sinh viên.

Thách thức thứ ba là sự phát triển nhanh chóng của công nghệ. Các khuôn khổ đạo đức được xây dựng ngày hôm nay có thể trở nên lỗi thời trong tương lai gần khi công nghệ trí tuệ nhân tạo tiếp tục phát triển với tốc độ chóng mặt. Điều này đòi hỏi các khuôn khổ đạo đức cần được thiết kế với tính linh hoạt và khả năng thích ứng, thay vì cố định và cứng nhắc.

Thách thức thứ tư là sự thiếu hiểu biết và nhận thức. Nhiều giảng viên và sinh viên vẫn thiếu hiểu biết đầy đủ về cách thức hoạt động của trí tuệ nhân tạo, các hạn chế của công nghệ này, và các rủi ro đạo đức tiềm năng. Không có nhận thức đầy đủ, các nguyên tắc đạo đức sẽ chỉ nằm trên giấy mà không được thực thi trong thực tế.

Thách thức thứ năm là áp lực cạnh tranh. Trong một môi trường giáo dục đại học ngày càng cạnh tranh, nhiều cơ sở giáo dục có thể bị cám dỗ ưu tiên đổi mới công nghệ nhanh chóng hơn là đảm bảo các tiêu chuẩn đạo đức đầy đủ. Áp lực “không bỏ lỡ xu hướng” (fear of missing out) có thể dẫn đến việc triển khai các hệ thống trí tuệ nhân tạo mà không đánh giá đầy đủ các tác động đạo đức.

12.8 Chủ nghĩa thực tế công nghệ và đạo đức trí tuệ nhân tạo trong giáo dục

Dưới lăng kính chủ nghĩa thực tế công nghệ, tiếp cận đạo đức trí tuệ nhân tạo trong giáo dục cần tránh hai thái cực. Thái cực thứ nhất là đạo đức tuyệt đối hóa (moral absolutism), nơi mọi ứng dụng trí tuệ nhân tạo trong giáo dục bị bác bỏ vì không đạt được các tiêu chuẩn đạo đức hoàn hảo. Thái cực này bỏ qua thực tế rằng không có công nghệ nào là hoàn toàn phi đạo đức hay hoàn toàn đạo đức, và việc từ chối sử dụng công nghệ cũng có thể gây ra hậu quả đạo đức (như làm giảm chất lượng giáo dục hoặc tăng bất bình đẳng tiếp cận).

Thái cực thứ hai là công nghệ quyết định đạo đức (technological determinism of ethics), nơi các quyết định đạo đức được giao phó hoàn toàn cho hệ thống kỹ thuật. Thái cực này bỏ qua thực tế rằng các vấn đề đạo đức cốt lõi — về công bằng, trách nhiệm, và giá trị con người — không thể được giải quyết chỉ bằng các giải pháp kỹ thuật.

Chủ nghĩa thực tế công nghệ đề xuất một con đường giữa: chấp nhận rằng ứng dụng trí tuệ nhân tạo trong giáo dục là không thể tránh khỏi, nhưng kiên quyết đòi hỏi rằng sự ứng dụng này phải tuân thủ các nguyên tắc đạo đức tối thiểu và phải được liên tục đánh giá và cải tiến. Con đường này đòi hỏi sự hợp tác chặt chẽ giữa nhiều bên liên quan — nhà phát triển công nghệ, nhà giáo dục, nhà nghiên cứu, nhà hoạch định chính sách, và sinh viên — để xây dựng một hệ sinh thái giáo dục trí tuệ nhân tạo vừa đổi mới vừa có trách nhiệm.

Trong bối cảnh này, năm nguyên tắc đạo đức của Nguyen và cộng sự (2022), khuôn khổ trách nhiệm thuật toán của Martin (2018), nguyên tắc kiểm soát con người có ý nghĩa của Santoni de Sio và van den Hoven (2018), và khung chính sách toàn diện của Chan (2023) cung cấp các nền tảng lý thuyết và thực hành vững chắc để hướng dẫn quá trình tích hợp trí tuệ nhân tạo vào giáo dục đại học một cách có trách nhiệm. Tuy nhiên, các khuôn khổ này cần được thích ứng với bối cảnh cụ thể của từng cơ sở giáo dục, và cần được liên tục cập nhật để phản ánh sự phát triển nhanh chóng của cả công nghệ và xã hội.

Kết thúc Phần 3: Bốn chương của phần này đã xây dựng một khung lý thuyết vững chắc cho việc hiểu và ứng dụng trí tuệ nhân tạo trong giáo dục đại học dưới lăng kính chủ nghĩa thực tế công nghệ. Từ nền tảng lý thuyết (Chương 9), qua sự phân tích toàn cảnh về ChatGPT và AI tạo sinh (Chương 10), đến các ẩn ý về ảo giác và toàn vẹn liêm chính học thuật (Chương 11), và cuối cùng là các nguyên tắc và thực hành đạo đức (Chương 12), phần này cung cấp một cơ sở kiến thức toàn diện để hướng dẫn các nhà hoạch định chính sách, nhà quản lý giáo dục và giảng viên trong việc tích hợp trí tuệ nhân tạo vào giáo dục đại học một cách có trách nhiệm, công bằng và hướng về con người.# PHẦN IV: NĂNG LỰC SỐ TRONG CHUYỂN ĐỔI SỐ GIÁO DỤC ĐẠI HỌC

Chương 13: Khung năng lực số DigComp và DigCompEdu

13.1 Từ “độ mù công nghệ” đến năng lực số: Một bước tiến về nhận thức

Trong bối cảnh chuyển đổi số giáo dục đại học, khái niệm “năng lực số” (digital competence) đã trở thành một trong những thuật ngữ cốt lõi được thảo luận rộng rãi trong cộng đồng học thuật quốc tế. Tuy nhiên, sự dịch chuyển từ “kiến thức công nghệ” đơn thuần đến “năng lực số” toàn diện không phải là một quá trình diễn ra trong một sớm một chiều. Nó phản ánh sự tiến hóa sâu sắc trong cách chúng ta hiểu về mối quan hệ giữa con người và công nghệ trong môi trường giáo dục.

Falloon (2020) đã chỉ ra một cách sắc bén rằng sự khác biệt giữa “năng lực số” (digital competence) và “năng lực hiểu biết số” (digital literacy) không chỉ là vấn đề thuật ngữ, mà là sự khác biệt về triết lý giáo dục. Cụ thể, năng lực hiểu biết số thường được hiểu theo nghĩa truyền thống là khả năng đọc và viết trong môi trường kỹ thuật số, bao gồm các kỹ năng cơ bản như sử dụng phần mềm xử lý văn bản, tìm kiếm thông tin trên Internet, hay giao tiếp qua thư điện tử. Trong khi đó, năng lực số bao hàm một phạm vi rộng hơn nhiều, bao gồm cả tư duy phản biện trong môi trường số, khả năng tạo nội dung kỹ thuật số, kỹ năng bảo mật thông tin, và năng lực giải quyết vấn đề bằng công nghệ. Sự phân biệt này có ý nghĩa quan trọng đối với giáo dục đại học, bởi vì các chương trình đào tạo không thể chỉ dừng lại ở việc trang bị cho sinh viên và giảng viên những kỹ năng thao tác công nghệ bề mặt, mà phải hướng tới việc phát triển một bộ năng lực số toàn diện, cho phép họ thích ứng và sáng tạo trong một thế giới công nghệ thay đổi liên tục.

Cũng theo Falloon (2020), sự nhầm lẫn giữa năng lực hiểu biết số và năng lực số đã dẫn đến nhiều sai lầm trong thiết kế chương trình đào tạo tại các trường đại học. Nhiều cơ sở giáo dục vẫn đang tiếp cận năng lực số như một danh sách các kỹ năng phần mềm cần được giảng dạy, thay vì xem nó là một năng lực phức hợp cần được phát triển thông qua quá trình học tập trải nghiệm, phản biện và tích hợp liên môn. Cách tiếp cận thu hẹp này không chỉ hạn chế khả năng phát triển của người học mà còn khiến các chương trình đào tạo nhanh chóng trở nên lạc hậu trước tốc độ thay đổi của công nghệ.

Tinmaz và cộng sự (2022), thông qua một nghiên cứu tổng quan hệ thống về năng lực hiểu biết số, đã xác nhận rằng khái niệm này đã trải qua nhiều lần định nghĩa lại trong hai thập kỷ qua. Từ giai đoạn đầu tập trung vào kỹ năng máy tính cơ bản (computer literacy), đến năng lực hiểu biết thông tin (information literacy), và sau đó là năng lực truyền thông số (digital media literacy), mỗi giai đoạn phản ánh một lớp công nghệ mới và một bộ kỹ năng tương ứng. Tuy nhiên, sự đa dạng của các định nghĩa này cũng tạo ra một thách thức lớn cho các nhà hoạch định chính sách giáo dục: làm sao để xây dựng một khung năng lực số thống nhất, vừa đủ linh hoạt để thích ứng với sự thay đổi công nghệ, vừa đủ cụ thể để có thể đo lường và đánh giá.

Nhóm nghiên cứu của Tinmaz và cộng sự (2022) đã phân tích hơn hai trăm nghiên cứu về năng lực hiểu biết số được xuất bản trong khoảng thời gian từ năm 2005 đến năm 2021. Kết quả cho thấy có sự dịch chuyển rõ rệt trong trọng tâm nghiên cứu: từ việc đo lường kỹ năng công nghệ cá nhân sang việc đánh giá năng lực sử dụng công nghệ trong các ngữ cảnh cụ thể như học tập, làm việc và tham gia xã hội. Nghiên cứu cũng chỉ ra rằng các khu vực pháp lý khác nhau đã phát triển các khung năng lực số riêng, dẫn đến sự thiếu đồng nhất trong cách hiểu và áp dụng khái niệm này trên toàn cầu. Điều này nhấn mạnh nhu cầu cấp thiết về một khung tham chiếu chung, có thể được điều chỉnh theo từng bối cảnh quốc gia mà vẫn giữ được tính nhất quán về mặt khái niệm.

13.2 Khung DigComp 2.2 của Liên minh Châu Âu: Cấu trúc và ứng dụng

Trong số các khung năng lực số hiện có, Khung năng lực số DigComp (Digital Competence Framework) của Liên minh Châu Âu nổi lên như một trong những công cụ tham chiếu phổ biến và được sử dụng rộng rãi nhất. Được phát triển ban đầu vào năm 2013 và liên tục được cập nhật — với phiên bản DigComp 2.0 (2016), DigComp 2.1 (2017), DigComp 2.2 (2022) — khung này cung cấp một cấu trúc rõ ràng và toàn diện để xác định, phát triển và đánh giá năng lực số của công dân trong xã hội hiện đại.

DigComp 2.2 được tổ chức thành năm lĩnh vực năng lực chính, mỗi lĩnh vực bao gồm một số năng lực cụ thể. Cấu trúc năm lĩnh vực này phản ánh một cách tiếp cận toàn diện đối với năng lực số, bao phủ từ việc tiếp nhận thông tin đến việc tạo ra giá trị mới từ công nghệ.

Lĩnh vực 1: Năng lực hiểu biết thông tin và dữ liệu (Information and data literacy). Lĩnh vực này bao gồm khả năng nắm rõ nhu cầu thông tin, tìm kiếm, đánh giá và quản lý thông tin và dữ liệu một cách hiệu quả. Trong bối cảnh giáo dục đại học, lĩnh vực này đặc biệt quan trọng vì sinh viên và giảng viên phải đối mặt với một lượng thông tin khổng lồ trên mạng Internet. Năng lực hiểu biết thông tin và dữ liệu không chỉ đòi hỏi kỹ năng tìm kiếm thông tin mà còn đòi hỏi khả năng đánh giá độ tin cậy của nguồn, nhận diện thông tin sai lệch (misinformation) và thông tin giả mạo (disinformation), cũng như hiểu được các nguyên tắc cơ bản về quản lý dữ liệu. Điều này liên hệ trực tiếp với các cuộc thảo luận về năng lực hiểu biết thông tin (information literacy) đã có từ lâu trong khoa học thư viện, nhưng được nâng cấp trong bối cảnh dữ liệu lớn (big data) và trí tuệ nhân tạo.

Lĩnh vực 2: Giao tiếp và hợp tác (Communication and collaboration). Lĩnh vực này bao gồm khả năng tương tác, chia sẻ và tham gia cộng đồng trực tuyến một cách phù hợp, an toàn và có trách nhiệm. Trong giáo dục đại học, năng lực giao tiếp và hợp tác số là nền tảng cho các mô hình học tập cộng tác (collaborative learning), học tập hỗn hợp (blended learning) và học tập trực tuyến. Nó bao gồm việc sử dụng các công cụ giao tiếp kỹ thuật số, quản lý sự hiện diện trực tuyến (digital presence), tham gia vào cộng đồng học thuật trực tuyến, và tôn trọng các quy tắc ứng xử trên không gian mạng (netiquette). Đặc biệt trong bối cảnh giáo dục sau đại dịch COVID-19, năng lực giao tiếp số đã trở thành một yếu tố quyết định đối với chất lượng trải nghiệm học tập từ xa.

Lĩnh vực 3: Tạo nội dung số (Digital content creation). Lĩnh vực này bao gồm khả năng phát triển, tích hợp và tái cấu trúc nội dung kỹ thuật số, đồng thời hiểu biết về bản quyền và giấy phép. Trong môi trường đại học, năng lực tạo nội dung số liên quan đến việc sinh viên và giảng viên có thể sử dụng các công cụ kỹ thuật số để tạo ra bài thuyết trình, video, podcast, blog học thuật, infographic, và nhiều dạng nội dung khác phục vụ cho quá trình giảng dạy và học tập. Năng lực này cũng bao gồm khả năng lập trình cơ bản (computational thinking), hiểu về mã nguồn mở, và khả năng tùy chỉnh các nền tảng công nghệ cho mục đích giáo dục.

Lĩnh vực 4: An toàn (Safety). Lĩnh vực này bao gồm khả năng bảo vệ thiết bị, dữ liệu cá nhân, sức khỏe thể chất và tinh thần, cũng như bảo vệ môi trường trong khi sử dụng công nghệ. Trong giáo dục đại học, an toàn số là một vấn đề ngày càng cấp thiết. Các mối đe dọa an ninh mạng, vi phạm quyền riêng tư dữ liệu, lừa đảo trực tuyến, và các vấn đề liên quan đến sức khỏe tâm thần do sử dụng mạng xã hội quá mức đều là những thách thức thực tế mà cộng đồng đại học phải đối mặt. Năng lực an toàn số đòi hỏi không chỉ kiến thức kỹ thuật mà còn nhận thức về hành vi ứng xử an toàn và có trách nhiệm trong không gian mạng.

Lĩnh vực 5: Giải quyết vấn đề (Problem solving). Lĩnh vực cuối cùng bao gồm khả năng xác định nhu cầu công nghệ, đánh giá các giải pháp kỹ thuật số, sáng tạo giải pháp công nghệ, và cập nhật kiến thức công nghệ. Trong bối cảnh giáo dục đại học, đây có lẽ là lĩnh vực quan trọng nhất nhưng lại thường bị bỏ qua nhất. Năng lực giải quyết vấn đề bằng công nghệ đòi hỏi tư duy tính toán (computational thinking), khả năng tư duy hệ thống, và sự tự tin trong việc tiếp cận các công nghệ mới. Đây là lĩnh vực tạo ra sự khác biệt giữa người sử dụng công nghệ thụ động và người sử dụng công nghệ chủ động, sáng tạo.

Hình 13.1: Minh họa cấu trúc khung năng lực số DigComp 2.2 với năm lĩnh vực năng lực chính

13.3 DigCompEdu: Mở rộng khung năng lực số cho giáo viên

Dựa trên nền tảng của DigComp, Ủy ban Châu Âu đã phát triển khung DigCompEdu — Khung năng lực số cho giáo viên (European Framework for the Digital Competence of Educators). Khung này đặc biệt thiết kế cho các nhà giáo dục, phản ánh thực tế rằng năng lực số của giáo viên khác biệt về bản chất so với năng lực số của công dân nói chung. Nếu DigComp tập trung vào năng lực số tổng quát, thì DigCompEdu mở rộng cấu trúc này để bao gồm cả năng lực sử dụng công nghệ trong quá trình giảng dạy, quản lý lớp học, và phát triển chuyên môn.

Caena và Redecker (2019) đã tiến hành một nghiên cứu quan trọng về việc đồng bộ hóa các khung năng lực giáo viên, trong đó DigCompEdu đóng vai trò là công cụ tham chiếu trung tâm. Nghiên cứu của họ đã phân tích hơn hai mươi khung năng lực giáo viên từ các quốc gia và khu vực khác nhau, bao gồm cả các khung phát triển chuyên môn (professional development frameworks) và các tiêu chuẩn nghề nghiệp giáo viên. Kết quả cho thấy rằng mặc dù các khung này có sự khác biệt đáng kể về cấu trúc, thuật ngữ và mức độ chi tiết, chúng đều chia sẻ một số yếu tố cốt lõi: (1) năng lực sử dụng công nghệ trong giảng dạy, (2) năng lực quản lý lớp học số, (3) năng lực đánh giá học tập bằng công nghệ, và (4) năng lực phát triển chuyên môn thông qua công nghệ.

Nghiên cứu của Caena và Redecker (2019) cũng chỉ ra những thách thức trong việc áp dụng một khung năng lực số quốc tế vào bối cảnh quốc gia cụ thể. Các yếu tố văn hóa giáo dục, cơ sở hạ tầng công nghệ, chính sách giáo dục, và đặc thù của từng hệ thống đào tạo đều ảnh hưởng đến cách khung năng lực được hiểu và thực thi. Do đó, việc áp dụng DigCompEdu tại các quốc gia ngoài Liên minh Châu Âu, bao gồm cả Việt Nam, đòi hỏi một quá trình thích ứng cẩn thận, giữ lại cấu trúc khái niệm cốt lõi nhưng điều chỉnh nội dung và mức độ chi tiết để phù hợp với bối cảnh địa phương.

DigCompEdu bao gồm sáu lĩnh vực năng lực chuyên biệt cho giáo viên: (1) Tham gia chuyên môn (Professional Engagement) — bao gồm việc sử dụng công nghệ để giao tiếp với đồng nghiệp, tham gia cộng đồng học thuật, và phát triển chuyên môn liên tục; (2) Nguồn tài nguyên số (Digital Resources) — bao gồm việc tìm kiếm, tạo, chia sẻ và quản lý tài nguyên giáo dục số; (3) Giảng dạy và học tập (Teaching and Learning) — bao gồm việc tích hợp công nghệ vào quá trình giảng dạy và học tập; (4) Đánh giá (Assessment) — bao gồm việc sử dụng công nghệ để nâng cao quá trình đánh giá học tập; (5) Trao quyền cho người học (Empowering Learners) — bao gồm việc sử dụng công nghệ để đảm bảo sự tiếp cận và tham gia của tất cả người học; và (6) Phát triển năng lực số của người học (Facilitating Learners’ Digital Competence) — bao gồm việc hỗ trợ người học phát triển năng lực số của chính họ.

13.4 Ứng dụng khung DigComp và DigCompEdu tại Việt Nam

Việc áp dụng khung DigComp và DigCompEdu vào bối cảnh giáo dục đại học Việt Nam đặt ra cả cơ hội và thách thức đáng kể. Về mặt cơ hội, Việt Nam đang trong quá trình chuyển đổi số mạnh mẽ, với Chiến lược chuyển đổi số quốc gia được ban hành từ năm 2020 và các chương trình hành động cụ thể cho từng lĩnh vực, bao gồm giáo dục. Khung DigComp cung cấp một cấu trúc tham chiếu quốc tế có thể giúp Việt Nam xây dựng các tiêu chuẩn năng lực số cho sinh viên và giảng viên đại học một cách hệ thống, thay vì tiếp cận rời rạc như hiện nay.

Tuy nhiên, về mặt thách thức, việc áp dụng trực tiếp khung DigComp vào bối cảnh Việt Nam gặp phải nhiều rào cản. Thứ nhất, cơ sở hạ tầng công nghệ tại các trường đại học Việt Nam không đồng đều — trong khi các trường đại học lớn tại Hà Nội và Thành phố Hồ Chí Minh có cơ sở hạ tầng tương đối hiện đại, nhiều trường đại học tại các tỉnh thành khác vẫn đang đối mặt với thiếu thốn về trang thiết bị và kết nối Internet. Thứ hai, văn hóa giáo dục Việt Nam, với trọng tâm truyền thống vào giảng dạy mặt đối mặt và sự phụ thuộc vào giáo trình, đòi hỏi những điều chỉnh đáng kể trong cách hiểu và áp dụng năng lực số. Thứ ba, sự thiếu hụt các công cụ đánh giá năng lực số được chuẩn hóa bằng tiếng Việt khiến việc đo lường và theo dõi tiến độ phát triển năng lực số trở nên khó khăn.

Trên thực tế, Bộ Giáo dục và Đào tạo Việt Nam đã ban hành các văn bản quy định về trình độ tin học và năng lực công nghệ thông tin cho sinh viên và giảng viên, nhưng các quy định này chưa phản ánh đầy đủ phạm vi rộng của năng lực số theo khái niệm hiện đại. Các chuẩn đầu ra về tin học chủ yếu tập trung vào kỹ năng sử dụng phần mềm và kỹ năng lập trình cơ bản, mà bỏ qua các lĩnh vực quan trọng của DigComp như năng lực giao tiếp và hợp tác số, năng lực an toàn số, và năng lực giải quyết vấn đề bằng công nghệ. Việc nâng cấp các tiêu chuẩn này dựa trên khung DigComp sẽ là một bước tiến quan trọng trong việc đồng bộ hóa năng lực số của sinh viên và giảng viên Việt Nam với các tiêu chuẩn quốc tế.

Hơn nữa, trong bối cảnh chủ nghĩa thực tế công nghệ (techno-realism), việc áp dụng khung DigComp cần được tiếp cận một cách thận trọng và thực tế. Không phải tất cả các thành phần của khung đều có mức độ ưu tiên như nhau trong bối cảnh Việt Nam. Việc xác định thứ tự ưu tiên, xây dựng lộ trình triển khai từng bước, và thiết lập các tiêu chí đánh giá phù hợp với thực tiễn địa phương là những yếu tố quyết định sự thành công của quá trình áp dụng. Chủ nghĩa thực tế công nghệ nhấn mạnh rằng năng lực số không phải là một mục tiêu trừu tượng mà là một công cụ thực tế để nâng cao chất lượng giảng dạy và học tập, và việc phát triển năng lực số phải luôn được gắn liền với các nhu cầu và điều kiện cụ thể của hệ thống giáo dục đại học.

13.5 Sự khác biệt giữa năng lực hiểu biết số và năng lực số: Ý nghĩa thực tiễn

Sự phân biệt giữa năng lực hiểu biết số (digital literacy) và năng lực số (digital competence) mà Falloon (2020) đã phân tích không chỉ có giá trị lý thuyết mà còn có ý nghĩa thực tiễn sâu sắc đối với giáo dục đại học. Năng lực hiểu biết số, theo cách hiểu truyền thống, thường được đánh giá thông qua các bài kiểm tra kỹ năng công nghệ — ví dụ, khả năng sử dụng phần mềm xử lý văn bản, bảng tính, phần mềm thuyết trình, hay khả năng tìm kiếm thông tin trên các công cụ tìm kiếm. Phương pháp đánh giá này tuy hữu ích nhưng không đủ để phản ánh năng lực số toàn diện.

Năng lực số, ở mức độ sâu hơn, đòi hỏi khả năng áp dụng kiến thức và kỹ năng công nghệ vào các tình huống thực tế, sáng tạo giải pháp công nghệ, và liên tục cập nhật kiến thức trong một môi trường công nghệ thay đổi nhanh chóng. Nó cũng bao gồm các yếu tố thái độ — sự tự tin trong việc sử dụng công nghệ mới, ý thức trách nhiệm trong không gian mạng, và động lực học tập công nghệ suốt đời. Do đó, việc đánh giá năng lực số cần kết hợp nhiều phương pháp khác nhau: bài kiểm tra kiến thức, đánh giá qua dự án thực tế, hồ sơ năng lực (portfolio), quan sát quá trình làm việc, và tự đánh giá.

Trong giáo dục đại học Việt Nam, việc chuyển từ mô hình đào tạo tin học truyền thống sang mô hình phát triển năng lực số toàn diện đòi hỏi một sự thay đổi căn bản trong cách thiết kế chương trình, phương pháp giảng dạy, và phương pháp đánh giá. Thay vì các môn tin học độc lập, năng lực số cần được tích hợp vào tất cả các môn học, phản ánh thực tế rằng công nghệ là một công cụ xuyên suốt trong mọi lĩnh vực học thuật và nghề nghiệp. Các môn học chuyên ngành cần bao gồm các thành phần năng lực số đặc thù — ví dụ, sinh viên ngành y cần biết cách sử dụng công nghệ trong y tế, sinh viên ngành kỹ thuật cần biết về an ninh mạng công nghiệp, sinh viên ngành kinh tế cần nắm vững năng lực phân tích dữ liệu.

Chương 14: Chuẩn bị giáo viên cho kỷ nguyên số

14.1 Bức tranh thực tế về năng lực số của giáo viên

Mặc dù chuyển đổi số giáo dục đại học thường được thảo luận trong ngôn ngữ của công nghệ tiên tiến và mô hình giáo dục đổi mới, thì thực tế về năng lực số của đội ngũ giảng viên tại nhiều quốc gia lại cho thấy một bức tranh phức tạp hơn nhiều. Năng lực số của giáo viên không chỉ là vấn đề có hay không mà là vấn đề ở mức độ nào, trong lĩnh vực nào, và trong ngữ cảnh nào.

Nghiên cứu của Seufert và cộng sự (2021) đã cung cấp một cái nhìn toàn diện về kiến thức, kỹ năng và thái độ liên quan đến công nghệ của giáo viên. Thông qua việc khảo sát hơn một nghìn giáo viên tại Thụy Sĩ, nghiên cứu đã xác định một mô hình năng lực công nghệ giáo viên bao gồm ba thành phần chính: kiến thức công nghệ (technology-related knowledge), kỹ năng ứng dụng công nghệ (technology-related skills), và thái độ đối với công nghệ (technology-related attitudes). Kết quả cho thấy rằng mặc dù hầu hết giáo viên có mức độ kiến thức và kỹ năng công nghệ cơ bản ở mức chấp nhận được, nhưng có một khoảng cách đáng kể trong việc ứng dụng công nghệ vào giảng dạy thực tế. Nhiều giáo viên có thể sử dụng công nghệ trong công việc hành chính nhưng lại gặp khó khăn trong việc tích hợp công nghệ vào quá trình giảng dạy một cách có ý nghĩa về mặt sư phạm.

Nghiên cứu của Seufert và cộng sự (2021) cũng phát hiện ra một hiện tượng đáng chú ý: không phải giáo viên trẻ — những người thường được cho là “bản địa số” (digital natives) — luôn có năng lực số cao hơn giáo viên lớn tuổi. Mặc dù giáo viên trẻ thường thoải mái hơn với các công nghệ tiêu dùng như mạng xã hội và điện thoại thông minh, nhưng điều này không tự động chuyển thành năng lực sử dụng công nghệ giáo dục. Năng lực sư phạm số (digital pedagogical competence) đòi hỏi sự kết hợp giữa kiến thức công nghệ, kiến thức nội dung môn học, và kiến thức sư phạm — một sự kết hợp mà cả giáo viên trẻ lẫn giáo viên lớn tuổi đều cần thời gian và trải nghiệm để phát triển.

Cattaneo và cộng sự (2022) đã nghiên cứu mức độ số hóa của giáo viên dạy nghề tại Thụy Sĩ và đạt được những kết quả tương tự. Nghiên cứu cho thấy rằng mức độ sử dụng công nghệ của giáo viên dạy nghề phụ thuộc vào nhiều yếu tố: lĩnh vực nghề nghiệp (giáo viên dạy nghề trong lĩnh vực kỹ thuật thường sử dụng công nghệ nhiều hơn giáo viên trong lĩnh vực dịch vụ), môi trường làm việc (giáo viên có cơ hội tiếp xúc với công nghệ trong công việc thực tế ngoài trường thường có năng lực số cao hơn), và hỗ trợ thể chế (trường học cung cấp cơ sở hạ tầng, đào tạo và hỗ trợ kỹ thuật tốt hơn thì giáo viên có xu hướng sử dụng công nghệ tích cực hơn). Điều này nhấn mạnh rằng năng lực số của giáo viên không phải là một đặc điểm cá nhân đơn thuần mà còn là sản phẩm của môi trường và thể chế.

Antonietti và cộng sự (2022) đã đi sâu hơn vào mối quan hệ giữa năng lực số và sự chấp nhận công nghệ của giáo viên. Nghiên cứu của họ đã khám phá mối liên hệ giữa các thành phần năng lực số trong khung DigCompEdu và các yếu tố trong Mô hình chấp nhận công nghệ (Technology Acceptance Model — TAM). Kết quả cho thấy rằng năng lực số không chỉ tác động trực tiếp đến việc sử dụng công nghệ mà còn ảnh hưởng gián tiếp thông qua việc định hình nhận thức về tính hữu dụng (perceived usefulness) và tính dễ sử dụng (perceived ease of use) của công nghệ. Nói cách khác, giáo viên có năng lực số cao hơn không chỉ biết cách sử dụng công nghệ tốt hơn mà còn có thái độ tích cực hơn đối với việc áp dụng công nghệ mới vào giảng dạy.

Phát hiện này của Antonietti và cộng sự (2022) có ý nghĩa quan trọng đối với chiến lược phát triển năng lực số cho giảng viên đại học. Nó chỉ ra rằng việc đầu tư vào đào tạo kỹ năng công nghệ đơn thuần là chưa đủ — cần đồng thời chú trọng đến việc thay đổi thái độ và nhận thức của giáo viên đối với công nghệ. Các chương trình đào tạo cần được thiết kế không chỉ để truyền đạt kiến thức và kỹ năng mà còn để xây dựng sự tự tin, giảm thiểu sự e ngại công nghệ (technophobia), và nuôi dưỡng động lực tự học công nghệ suốt đời. Đây chính là tinh thần cốt lõi của chủ nghĩa thực tế công nghệ: thừa nhận rằng chuyển đổi số không chỉ là vấn đề công nghệ mà còn là vấn đề con người. ### 14.2 Khung DigCompEdu: Công cụ phát triển năng lực số cho giáo viên

Khung DigCompEdu không chỉ là một công cụ đánh giá mà còn là một lộ trình phát triển chuyên môn cho giáo viên. Khung này chia quá trình phát triển năng lực số của giáo viên thành sáu mức độ: (A1) Người mới (Newcomer) — giáo viên có rất ít hoặc không có kinh nghiệm sử dụng công nghệ trong giảng dạy; (A2) Người thám hiểm (Explorer) — giáo viên đã bắt đầu thử nghiệm một số công cụ công nghệ trong giảng dạy nhưng còn thiếu tính hệ thống; (B1) Người tích hợp (Integrator) — giáo viên thường xuyên sử dụng công nghệ trong giảng dạy và bắt đầu thay đổi phương pháp sư phạm; (B2) Chuyên gia (Expert) — giáo viên sử dụng công nghệ một cách có chủ đích và sáng tạo, điều chỉnh phương pháp sư phạm dựa trên khả năng của công nghệ; (C1) Người dẫn dắt (Leader) — giáo viên đóng vai trò tiên phong trong việc thúc đẩy đổi mới công nghệ tại cơ sở giáo dục; và (C2) Người đổi mới (Pioneer) — giáo viên thử nghiệm và phát triển các phương pháp sư phạm mới dựa trên công nghệ tiên tiến.

Hệ thống phân cấp này có giá trị đặc biệt đối với giáo dục đại học Việt Nam, nơi mức độ năng lực số của giảng viên rất đa dạng. Việc sử dụng DigCompEdu như một công cụ tự đánh giá và đánh giá đồng nghiệp cho phép các trường đại học xác định chính xác mức độ năng lực số hiện tại của đội ngũ giảng viên, từ đó xây dựng các chương trình phát triển chuyên môn phù hợp với từng nhóm. Thay vì áp dụng một chương trình đào tạo “một kích cỡ phù hợp với tất cả” (one-size-fits-all), các trường đại học có thể thiết kế các lộ trình phát triển chuyên môn cá nhân hóa, cho phép mỗi giảng viên tiến bộ từ mức độ hiện tại lên mức độ cao hơn theo tốc độ và lộ trình riêng.

Một khía cạnh quan trọng của DigCompEdu là sự nhấn mạnh vào việc giáo viên không chỉ cần biết sử dụng công nghệ cho chính mình mà còn cần có khả năng hỗ trợ sinh viên phát triển năng lực số. Lĩnh vực thứ sáu của DigCompEdu — “Phát triển năng lực số của người học” — phản ánh thực tế rằng trong kỷ nguyên số, giáo viên đóng vai trò là người hướng dẫn (facilitator) năng lực số, không chỉ là người truyền thụ kiến thức. Điều này đòi hỏi giáo viên phải có năng lực số cao hơn mức độ mà họ yêu cầu sinh viên đạt được, và phải có khả năng thiết kế các hoạt động học tập giúp sinh viên phát triển năng lực số trong bối cảnh môn học cụ thể.

14.3 Các con đường phát triển chuyên môn số cho giáo viên

Nghiên cứu của Garzón Artacho và cộng sự (2020) về đào tạo giáo viên trong học tập suốt đời đã cung cấp những hiểu biết quý giá về các mô hình phát triển chuyên môn số hiệu quả. Nghiên cứu của họ nhấn mạnh rằng đào tạo công nghệ cho giáo viên không thể chỉ là các khóa học ngắn hạn về cách sử dụng phần mềm, mà phải là một quá trình liên tục, gắn liền với thực tiễn giảng dạy, và được hỗ trợ bởi cộng đồng học tập chuyên nghiệp.

Các phát hiện chính của Garzón Artacho và cộng sự (2020) có thể được tổng hợp thành ba nguyên tắc thiết kế chương trình phát triển chuyên môn số cho giáo viên. Thứ nhất, nguyên tắc gắn liền thực tiễn (practice-embedded learning) — các hoạt động đào tạo phải được thiết kế sao cho giáo viên có thể áp dụng ngay những gì học được vào quá trình giảng dạy thực tế. Điều này có thể đạt được thông qua việc sử dụng dự án thực tế, bài tập dựa trên tình huống (case-based learning), và các chu kỳ plan-do-reflect. Thứ hai, nguyên tắc cộng đồng học tập (community of practice) — giáo viên cần có không gian để chia sẻ kinh nghiệm, thảo luận về thách thức, và học hỏi lẫn nhau trong quá trình phát triển năng lực số. Thứ ba, nguyên tắc hỗ trợ liên tục (continuous support) — đào tạo công nghệ không thể là sự kiện một lần mà phải là một quá trình liên tục với sự hỗ trợ kỹ thuật và sư phạm thường xuyên.

Napal Fraile và cộng sự (2018) đã nghiên cứu phát triển năng lực số của giáo viên trung học và phát hiện ra rằng các yếu tố thể chế đóng vai trò quyết định. Các trường học có văn hóa đổi mới, lãnh đạo ủng hộ công nghệ, và cơ sở hạ tầng phù hợp tạo ra môi trường thuận lợi cho giáo viên phát triển năng lực số. Ngược lại, ở những nơi thiếu sự hỗ trợ thể chế, ngay cả giáo viên có động lực cao cũng gặp khó khăn trong việc áp dụng công nghệ vào giảng dạy. Điều này có ý nghĩa quan trọng đối với giáo dục đại học: các trường đại học không thể chỉ yêu cầu giảng viên phát triển năng lực số mà không tạo ra một hệ sinh thái hỗ trợ bao gồm cơ sở hạ tầng công nghệ, chính sách khuyến khích, và văn hóa đổi mới.

Trong bối cảnh giáo dục đại học Việt Nam, các con đường phát triển chuyên môn số cho giảng viên cần được thiết kế với đặc thù riêng. Giảng viên đại học, với lịch sử nghiên cứu và giảng dạy chuyên sâu, thường có nhu cầu về tự chủ trong việc chọn lựa công nghệ và phương pháp sư phạm. Do đó, các chương trình phát triển chuyên môn số cần phải tôn trọng tính tự chủ này, đồng thời cung cấp đủ hỗ trợ và hướng dẫn để đảm bảo chất lượng. Một số mô hình có thể được triển khai bao gồm: (1) chương trình cố vấn (mentoring program) nơi giảng viên có năng lực số cao hướng dẫn giảng viên có năng lực số thấp hơn; (2) cộng đồng thực hành (community of practice) theo ngành học hoặc theo môn giảng dạy; (3) dự án piloting nơi các nhóm giảng viên thử nghiệm các giải pháp công nghệ mới trong điều kiện được hỗ trợ; và (4) hệ thống công nhận và khen thưởng cho các nỗ lực đổi mới công nghệ trong giảng dạy.

Hình 14.1: Lộ trình phát triển năng lực số cho giáo viên đại học — từ người mới đến người đổi mới

14.4 Đào tạo công nghệ giáo dục: Thách thức và giải pháp thực tế

Một trong những thách thức lớn nhất trong việc phát triển năng lực số cho giáo viên là khoảng cách giữa đào tạo và thực tiễn. Nhiều chương trình đào tạo công nghệ giáo dục được thiết kế trong các phòng thí nghiệm lý tưởng, với cơ sở hạ tầng hiện đại và người tham gia có động lực cao, nhưng khi được áp dụng vào thực tế — với cơ sở hạ tầng hạn chế, thời gian eo hẹp, và áp lực công việc đa dạng — kết quả thường không đạt được như kỳ vọng. Chủ nghĩa thực tế công nghệ đòi hỏi các nhà thiết kế chương trình đào tạo phải đối diện với thực tế này thay vì né tránh nó.

Seufert và cộng sự (2021) đã đề xuất một mô hình đào tạo công nghệ giáo viên dựa trên tiếp cận phân tầng (tiered approach). Theo mô hình này, việc đào tạo được chia thành nhiều tầng, bắt đầu từ các kỹ năng cơ bản và nền tảng, sau đó tiến dần đến các kỹ năng tích hợp và đổi mới. Mỗi tầng không chỉ bao gồm nội dung đào tạo mà còn có các tiêu chí đánh giá rõ ràng, đảm bảo giáo viên thực sự đạt được năng lực cần thiết trước khi chuyển sang tầng tiếp theo. Mô hình này đặc biệt phù hợp với bối cảnh giáo dục đại học Việt Nam, nơi mức độ năng lực số ban đầu của giảng viên rất đa dạng.

Một giải pháp khác là tiếp cận đào tạo dựa trên nhu cầu (needs-based training) thay vì đào tạo dựa trên công nghệ (technology-based training). Thay vì bắt đầu bằng việc giới thiệu một công nghệ mới và sau đó tìm cách áp dụng nó vào giảng dạy, tiếp cận dựa trên nhu cầu bắt đầu từ các vấn đề sư phạm cụ thể mà giáo viên đang đối mặt — ví dụ, khó khăn trong việc đánh giá học tập trực tuyến, hoặc cần tăng cường tương tác trong lớp học lớn — và sau đó tìm kiếm các giải pháp công nghệ phù hợp. Cách tiếp cận này không chỉ giúp giáo viên thấy được tính hữu dụng thực tế của công nghệ mà còn đảm bảo rằng công nghệ được áp dụng để giải quyết những vấn đề thực sự cần thiết, không phải để sử dụng công nghệ vì mục đích sử dụng công nghệ.

Garzón Artacho và cộng sự (2020) cũng nhấn mạnh tầm quan trọng của việc phát triển năng lực tự đánh giá (self-assessment competence) ở giáo viên. Khả năng tự nhận thức về điểm mạnh và điểm yếu trong năng lực số cho phép giáo viên chủ động tìm kiếm các cơ hội phát triển chuyên môn phù hợp. Trong bối cảnh chuyển đổi số giáo dục đại học, năng lực tự đánh giá và tự học (self-directed learning) là những yếu tố quyết định, bởi vì công nghệ thay đổi nhanh đến mức không chương trình đào tạo chính quy nào có thể theo kịp. Giáo viên cần được trang bị không chỉ kỹ năng công nghệ hiện tại mà còn năng lực tự cập nhật và thích ứng với các công nghệ mới trong tương lai.

14.5 Vai trò của thể chế và lãnh đạo trong phát triển năng lực số giáo viên

Sự phát triển năng lực số của giáo viên không diễn ra trong chân không. Nó bị ảnh hưởng sâu sắc bởi môi trường thể chế — bao gồm chính sách, cơ sở hạ tầng, văn hóa tổ chức, và đặc biệt là sự lãnh đạo. Napal Fraile và cộng sự (2018) đã chỉ ra rằng lãnh đạo giáo dục đóng vai trò then chốt trong việc tạo điều kiện hoặc cản trở sự phát triển năng lực số của giáo viên. Các nhà lãnh đạo giáo dục có tầm nhìn về công nghệ, tự thân có năng lực số tốt, và tích cực hỗ trợ đổi mới có thể tạo ra một môi trường mà giáo viên cảm thấy được khuyến khích và an toàn khi thử nghiệm các phương pháp sư phạm mới.

Trong giáo dục đại học, vai trò của lãnh đạo thể hiện qua nhiều cấp độ: cấp độ trường (hiệu trưởng, ban giám hiệu) quyết định chính sách chung và phân bổ nguồn lực; cấp độ khoa/trường trực thuộc (trưởng khoa, trưởng bộ môn) quyết định cách chính sách được thực thi trong thực tế; và cấp độ cá nhân (người hướng dẫn học thuật, cố vấn) ảnh hưởng đến việc hỗ trợ hàng ngày cho giảng viên. Mỗi cấp độ đều có vai trò quan trọng và cần được phối hợp đồng bộ để tạo ra một hệ sinh thái hỗ trợ phát triển năng lực số toàn diện.

Đối với giáo dục đại học Việt Nam, một trong những rào cản lớn nhất đối với phát triển năng lực số giáo viên là hệ thống đánh giá và khen thưởng hiện hành. Hệ thống này chủ yếu đánh giá giảng viên dựa trên kết quả nghiên cứu khoa học (bài báo, dự án nghiên cứu) mà ít chú trọng đến chất lượng đổi mới giảng dạy. Đối với nhiều giảng viên, việc đầu tư thời gian và công sức vào việc phát triển năng lực số và đổi mới phương pháp giảng dạy không mang lại lợi ích rõ ràng trong đánh giá hiệu quả công việc. Thay đổi hệ thống đánh giá và khen thưởng để công nhận nỗ lực đổi mới công nghệ trong giảng dạy là một điều kiện tiên quyết để thúc đẩy phát triển năng lực số một cách bền vững.

Chương 15: Sinh viên và năng lực số — Giữa kỳ vọng và thực tế

15.1 Nhận thức sai lầm về “bản địa số”: Bài học từ nghiên cứu

Khái niệm “bản địa số” (digital native), do Prensky đề xuất vào năm 2001, đã trở thành một trong những niềm tin phổ biến nhất trong giáo dục công nghệ. Theo quan điểm này, thế hệ sinh ra và lớn lên trong kỷ nguyên số — những người có điện thoại thông minh từ khi còn nhỏ, sử dụng mạng xã hội hàng ngày, và tiếp xúc với máy tính từ tấm nếp — có một năng lực số bẩm sinh, cho phép họ sử dụng công nghệ một cách tự nhiên và hiệu quả mà không cần đào tạo chính quy. Niềm tin này đã ảnh hưởng sâu sắc đến cách nhiều trường đại học thiết kế chương trình đào tạo, thường giả định rằng sinh viên đã có năng lực số đầy đủ và chỉ cần được cung cấp các công cụ công nghệ là họ sẽ tự biết cách sử dụng hiệu quả.

Tuy nhiên, một lượng lớn nghiên cứu trong thập kỷ qua đã bác bỏ nhận thức sai lầm này. Granić và Marangunić (2019), trong một nghiên cứu tổng quan về mô hình chấp nhận công nghệ trong giáo dục, đã chỉ ra rằng sự quen thuộc với công nghệ tiêu dùng — mạng xã hội, trò chơi trực tuyến, ứng dụng nhắn tin — không tự động chuyển thành năng lực sử dụng công nghệ trong giáo dục. Sinh viên có thể là người dùng xuất sắc của Instagram hay TikTok nhưng lại gặp khó khăn trong việc sử dụng hệ thống quản lý học tập (Learning Management System), đánh giá thông tin học thuật trực tuyến, hay tạo nội dung số phục vụ mục đích học tập.

Nghiên cứu của Granić và Marangunić (2019) đã phân tích hơn một trăm nghiên cứu ứng dụng Mô hình chấp nhận công nghệ (Technology Acceptance Model — TAM) trong giáo dục và phát hiện ra rằng ngay cả sinh viên thế hệ Z — thế hệ được coi là “bản địa số” thứ hai — vẫn gặp phải những rào cản đáng kể trong việc chấp nhận và sử dụng công nghệ giáo dục. Các rào cản này bao gồm: thiếu động lực sử dụng công nghệ cho mục đích học tập (vì họ coi công nghệ là công cụ giải trí), thiếu kiến thức về cách sử dụng công nghệ hiệu quả cho học tập, và thiếu sự hỗ trợ từ giảng viên trong việc tích hợp công nghệ vào quá trình học.

Nhận thức sai lầm về “bản địa số” có hậu quả đặc biệt nghiêm trọng trong giáo dục đại học. Khi các trường đại học giả định rằng sinh viên đã có năng lực số đầy đủ, họ có xu hướng giảm hoặc loại bỏ các chương trình đào tạo năng lực số cơ bản, dẫn đến tình trạng nhiều sinh viên không được trang bị những kỹ năng số thiết yếu. Đồng thời, giảng viên cũng có thể gặp khó khăn trong việc hướng dẫn sinh viên về sử dụng công nghệ vì họ giả định rằng sinh viên đã biết mọi thứ. Kết quả là, khoảng cách giữa kỳ vọng và thực tế về năng lực số của sinh viên ngày càng rộng ra.

15.2 Mô hình chấp nhận công nghệ trong giáo dục: Yếu tố quyết định hành vi sử dụng

Mô hình chấp nhận công nghệ (Technology Acceptance Model — TAM), ban đầu được đề xuất bởi Davis vào năm 1989, đã được ứng dụng rộng rãi trong nghiên cứu giáo dục công nghệ để giải thích tại sao một số công nghệ được chấp nhận trong khi những công nghệ khác bị từ chối. Theo TAM, quyết định sử dụng công nghệ được quyết định chủ yếu bởi hai yếu tố: nhận thức về tính hữu dụng (perceived usefulness) — niềm tin rằng công nghệ sẽ cải thiện hiệu suất — và nhận thức về tính dễ sử dụng (perceived ease of use) — niềm tin rằng công nghệ sẽ không đòi hỏi quá nhiều nỗ lực.

Granić và Marangunić (2019) đã tổng hợp các nghiên cứu ứng dụng TAM trong giáo dục và phát hiện ra rằng mô hình cơ bản này, dù hữu ích, cần được mở rộng để phản ánh đầy đủ sự phức tạp của bối cảnh giáo dục. Các mở rộng phổ biến bao gồm: thêm yếu tố nhận thức về tính thú vị (perceived enjoyment) — vì đối với nhiều sinh viên, động lực sử dụng công nghệ liên quan đến trải nghiệm giải trí; thêm yếu tố tự hiệu quả (self-efficacy) — niềm tin vào khả năng sử dụng công nghệ của bản thân; và thêm yếu tố chủ quan chuẩn (subjective norm) — ảnh hưởng của người xung quanh (đồng nghiệp, giảng viên) đến quyết định sử dụng công nghệ.

Chao (2019) đã nghiên cứu các yếu tố quyết định ý định sử dụng học tập qua thiết bị di động (mobile learning) và phát hiện ra rằng ngoài các yếu tố truyền thống của TAM, các yếu tố tâm lý và bối cảnh cũng đóng vai trò quan trọng. Cụ thể, nghiên cứu cho thấy rằng sự tự chủ (autonomy) — cảm giác kiểm soát quá trình học tập — và tính liên quan (relevance) — mức độ mà công nghệ học tập phù hợp với mục tiêu và nhu cầu cá nhân — là những yếu tố dự báo mạnh mẽ về ý định sử dụng học tập di động. Điều này có ý nghĩa quan trọng đối với giáo dục đại học: việc thiết kế trải nghiệm học tập số cần phải cho phép sinh viên có mức độ tự chủ nhất định và phải đảm bảo tính liên quan với mục tiêu học tập của họ.

Chao (2019) cũng phát hiện ra rằng chất lượng hệ thống (system quality) và chất lượng thông tin (information quality) của nền tảng học tập tác động đáng kể đến sự chấp nhận của sinh viên. Điều này nhấn mạnh rằng việc cung cấp công nghệ giáo dục không chỉ là việc chọn lựa nền tảng phù hợp mà còn là việc đảm bảo rằng nền tảng đó hoạt động ổn định, nhanh chóng, và cung cấp thông tin chính xác, có tổ chức. Một nền tảng học tập có giao diện phức tạp, tốc độ tải chậm, hoặc nội dung thiếu tổ chức sẽ gặp phải sự phản đối từ sinh viên, bất kể nó có tiềm năng sư phạm đến đâu.

15.3 Khoảng cách giữa năng lực số cảm nhận và năng lực số thực tế

Một trong những phát hiện nhất quán nhất trong nghiên cứu về năng lực số của sinh viên là sự tồn tại của một khoảng cách đáng kể giữa năng lực số mà sinh viên tự nhận thức (perceived digital competence) và năng lực số thực tế được đo lường thông qua các bài kiểm tra khách quan (actual digital competence). Sinh viên thường đánh giá cao năng lực số của mình, đặc biệt là trong các lĩnh vực mà họ sử dụng công nghệ hàng ngày như giao tiếp trên mạng xã hội và tìm kiếm thông tin giải trí. Tuy nhiên, khi được đánh giá bằng các tiêu chuẩn cụ thể — ví dụ, khả năng đánh giá độ tin cậy của nguồn thông tin học thuật, khả năng quản lý quyền riêng tư trực tuyến, hay khả năng sử dụng công cụ phân tích dữ liệu — kết quả thường thấp hơn nhiều so với kỳ vọng ban đầu.

Khoảng cách giữa cảm nhận và thực tế này có nhiều nguyên nhân. Thứ nhất, hiệu ứng Dunning-Kruger — hiện tượng tâm lý mà những người có năng lực thấp trong một lĩnh vực lại đánh giá quá cao năng lực của mình — có thể đóng vai trò trong việc làm sai lệch đánh giá tự nhận của sinh viên về năng lực số. Thứ hai, sinh viên thường nhầm lẫn giữa sự quen thuộc với giao diện người dùng (user interface familiarity) và năng lực thực sự (actual competence) — việc biết cách sử dụng các tính năng cơ bản của một ứng dụng không đồng nghĩa với việc hiểu rõ cách ứng dụng hoạt động và có thể sử dụng nó hiệu quả cho các mục đích khác nhau. Thứ ba, môi trường công nghệ cá nhân hóa (personalized technology environment) — nơi thuật toán đề xuất nội dung dựa trên sở thích cá nhân — tạo ra một trải nghiệm công nghệ “dễ dàng” có thể che giấu sự thiếu hụt năng lực thực sự.

Đối với giáo dục đại học Việt Nam, khoảng cách giữa cảm nhận và thực tế về năng lực số đặc biệt đáng lo ngại. Một nghiên cứu tại một số trường đại học cho thấy rằng mặc dù hơn chín mươi phần trăm sinh viên tự đánh giá năng lực số của mình ở mức “tốt” hoặc “rất tốt”, nhưng khi được kiểm tra với các bài tập thực tế, chỉ khoảng bốn mươi đến năm mươi phần trăm đạt được mức năng lực cơ bản theo tiêu chuẩn DigComp. Điều này đặt ra một thách thức lớn: làm sao để thiết kế các chương trình phát triển năng lực số cho sinh viên khi chính họ không nhận thức được nhu cầu phát triển năng lực của mình?

Một giải pháp khả thi là sử dụng các công cụ đánh giá năng lực số chuẩn hóa như bài kiểm tra năng lực số tự nhận (self-assessment digital competence test) của DigComp, kết hợp với các bài kiểm tra thực hành. Việc so sánh giữa kết quả tự đánh giá và kết quả đánh giá thực tế có thể giúp sinh viên nhận thức được những khoảng trống trong năng lực của mình, từ đó tạo động lực để phát triển. Các trường đại học cũng có thể sử dụng kết quả đánh giá này để thiết kế các khóa học bổ sung năng lực số phù hợp với nhu cầu cụ thể của từng nhóm sinh viên.

15.4 Từ năng lực hiểu biết thông tin đến năng lực trí tuệ nhân tạo

Trong những năm gần đây, sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) — đặc biệt là các mô hình ngôn ngữ lớn (large language models) như GPT-4 và các công cụ tạo nội dung AI như DALL-E, Midjourney — đã tạo ra một cuộc cách mạng trong giáo dục và đòi hỏi một loại năng lực số mới: năng lực trí tuệ nhân tạo (AI literacy). Năng lực này bao hàm khả năng hiểu cách thức hoạt động của AI, đánh giá kết quả do AI tạo ra, sử dụng công cụ AI một cách có trách nhiệm, và nhận thức được các hạn chế và rủi ro của AI.

Ng và cộng sự (2023) đã đóng góp một bước tiến quan trọng trong việc đo lường năng lực AI thông qua việc phát triển và xác thực bảng hỏi năng lực trí tuệ nhân tạo (AI Literacy Questionnaire). Bảng hỏi này bao gồm nhiều chiều kích: hiểu biết về AI (understanding AI), sử dụng AI (using AI), đánh giá AI (evaluating AI), và thái độ đối với AI (attitudes toward AI). Nghiên cứu cho thấy rằng năng lực AI của sinh viên, tương tự như năng lực số nói chung, không tự động phát triển từ việc sử dụng các sản phẩm AI mà cần được rèn luyện một cách có chủ đích thông qua giáo dục chính quy.

Phát hiện của Ng và cộng sự (2023) có ý nghĩa đặc biệt quan trọng đối với giáo dục đại học trong bối cảnh hiện tại. Khi các công cụ AI ngày càng trở nên phổ biến và dễ tiếp cận — với ChatGPT, Gemini, Copilot và nhiều công cụ khác có sẵn miễn phí hoặc với chi phí thấp — sinh viên sẽ sử dụng chúng bất kể giáo viên có cho phép hay không. Thay vì cấm đoán — một chiến lược không chỉ không hiệu quả mà còn có thể gây tác dụng ngược — các trường đại học cần trang bị cho sinh viên năng lực AI để họ có thể sử dụng các công cụ này một cách có trách nhiệm và hiệu quả. Điều này bao gồm việc hiểu cách thức hoạt động của các mô hình ngôn ngữ lớn, biết cách đặt câu hỏi (prompt engineering) để thu được kết quả chất lượng cao, khả năng kiểm chứng kết quả do AI tạo ra, và nhận thức về các vấn đề đạo đức liên quan như vi phạm bản quyền, thiên kiến thuật toán (algorithmic bias), và gian lận học thuật.

Sự chuyển dịch từ năng lực hiểu biết thông tin (information literacy) truyền thống sang năng lực AI (AI literacy) phản ánh một sự thay đổi căn bản trong cách con người tương tác với thông tin. Trong kỷ nguyên thông tin, năng lực hiểu biết thông tin chủ yếu tập trung vào việc tìm kiếm, đánh giá và sử dụng thông tin do con người tạo ra. Trong kỷ nguyên AI, năng lực AI đòi hỏi khả năng tương tác với các hệ thống tạo ra thông tin — hiểu rằng thông tin do AI tạo ra có đặc điểm khác biệt so với thông tin do con người tạo ra, và cần được đánh giá bằng một bộ tiêu chí khác.

15.5 Khung TPACK: Kết nối năng lực số với sư phạm nội dung

Trong giáo dục đại học, năng lực số của sinh viên không thể tách rời khỏi bối cảnh học thuật. Khung TPACK (Technological Pedagogical Content Knowledge), được đề xuất bởi Mishra và Koehler, cung cấp một lăng kính hữu ích để hiểu mối quan hệ giữa năng lực số và năng lực học thuật. Theo khung này, giáo dục hiệu quả đòi hỏi sự kết hợp hài hòa giữa ba loại kiến thức: kiến thức công nghệ (Technological Knowledge), kiến thức sư phạm (Pedagogical Knowledge), và kiến thức nội dung (Content Knowledge). Điểm giao thoa của ba loại kiến thức này — TPACK — đại diện cho năng lực tích hợp công nghệ vào giảng dạy và học tập một cách phù hợp với nội dung môn học và phương pháp sư phạm.

Đối với sinh viên, khung TPACK có thể được điều chỉnh để phản ánh năng lực sử dụng công nghệ trong việc học tập một môn học cụ thể. Sinh viên có năng lực TPACK cao không chỉ biết cách sử dụng công nghệ nói chung mà còn biết cách sử dụng công nghệ hiệu quả cho việc học môn học đó — ví dụ, sử dụng phần mềm mô phỏng cho vật lý, sử dụng cơ sở dữ liệu cho nghiên cứu xã hội học, hoặc sử dụng công cụ trực quan hóa dữ liệu cho thống kê.

Trong giáo dục đại học Việt Nam, việc phát triển năng lực TPACK cho sinh viên đòi hỏi sự phối hợp giữa các môn học chuyên ngành và các khóa học về năng lực số. Năng lực số cần được giảng dạy trong ngữ cảnh của môn học, không phải như một thực thể tách biệt. Điều này đòi hỏi không chỉ giảng viên chuyên ngành có năng lực số mà còn các trường đại học có cơ chế tích hợp năng lực số vào chuẩn đầu ra của từng chương trình đào tạo.

15.6 Đánh giá năng lực số của sinh viên đại học: Phương pháp và công cụ

Việc đánh giá năng lực số của sinh viên đại học là một thách thức phức tạp, đòi hỏi sự kết hợp giữa nhiều phương pháp và công cụ khác nhau. Không có một phương pháp đơn lẻ nào có thể phản ánh đầy đủ phổ năng lực số, và do đó, các trường đại học cần áp dụng một hệ thống đánh giá đa phương pháp (multi-method assessment).

Các phương pháp đánh giá phổ biến bao gồm: (1) bài kiểm tra kiến thức — đo lường hiểu biết về các khái niệm và nguyên tắc số; (2) bài kiểm tra kỹ năng thực hành — yêu cầu sinh viên thực hiện các tác vụ cụ thể bằng công nghệ; (3) dự án thực tế — đánh giá khả năng ứng dụng năng lực số vào giải quyết vấn đề thực tế; (4) hồ sơ năng lực (portfolio) — thu thập bằng chứng về quá trình phát triển năng lực số theo thời gian; (5) tự đánh giá — sử dụng các bảng hỏi tiêu chuẩn hóa như DigComp self-assessment; và (6) đánh giá đồng nghiệp — thu thập đánh giá từ bạn học về năng lực số trong làm việc nhóm.

Mỗi phương pháp có ưu điểm và hạn chế riêng. Bài kiểm tra kiến thức và kỹ năng thực hành có tính khách quan cao nhưng thường chỉ đo lường một phần nhỏ của năng lực số. Dự án thực tế và hồ sơ năng lực phản ánh năng lực toàn diện hơn nhưng đòi hỏi thời gian và công sức đánh giá lớn hơn. Tự đánh giá dễ triển khai nhưng có thể bị sai lệch do khoảng cách giữa cảm nhận và thực tế. Do đó, các trường đại học cần thiết kế một hệ thống đánh giá kết hợp, sử dụng nhiều phương pháp bổ sung cho nhau.

Trong bối cảnh chủ nghĩa thực tế công nghệ, việc đánh giá năng lực số cần được tiếp cận với tinh thần thực dụng. Không phải mọi thành phần của DigComp đều cần được đánh giá với cùng mức độ chi tiết — các trường đại học nên xác định các năng lực số ưu tiên dựa trên đặc thù chương trình đào tạo và nhu cầu nghề nghiệp của sinh viên. Đồng thời, việc đánh giá không nên dừng lại ở việc đo lường mà còn phải cung cấp thông tin phản hồi (feedback) hữu ích để sinh viên có thể cải thiện năng lực số của mình.

Hình 15.1: Năng lực số của sinh viên đại học — khoảng cách giữa kỳ vọng và thực tế trong môi trường học tập số

15.7 Từ nhận thức đến hành động: Thúc đẩy phát triển năng lực số sinh viên

Khoảng cách giữa nhận thức sai lầm về “bản địa số” và thực tế về năng lực số sinh viên đòi hỏi một sự thay đổi căn bản trong cách tiếp cận phát triển năng lực số tại các trường đại học. Không thể tiếp tục giả định rằng sinh viên tự phát triển năng lực số thông qua việc sử dụng công nghệ trong đời sống hàng ngày. Thay vào đó, các trường đại học cần chủ động thiết kế các chương trình và hoạt động giúp sinh viên phát triển năng lực số một cách có hệ thống và có mục đích.

Một số chiến lược cụ thể bao gồm: (1) thiết lập chuẩn đầu ra về năng lực số cho tất cả các chương trình đào tạo, phản ánh khung DigComp 2.2 nhưng được điều chỉnh theo đặc thù ngành học; (2) tích hợp phát triển năng lực số vào các môn học chuyên ngành, không chỉ giới hạn ở các môn tin học; (3) sử dụng các dự án thực tế đòi hỏi sinh viên áp dụng năng lực số trong bối cảnh nghề nghiệp; (4) xây dựng hệ thống hỗ trợ kỹ thuật và sư phạm cho sinh viên, bao gồm trung tâm hỗ trợ công nghệ học tập và dịch vụ tư vấn năng lực số; (5) phát triển văn hóa chia sẻ và học hỏi kỹ thuật số trong cộng đồng sinh viên, thông qua các câu lạc bộ công nghệ, hội thảo sinh viên, và không gian sáng tạo (makerspace).

Đặc biệt quan trọng là việc phát triển năng lực tự học và thích ứng công nghệ (technology adaptability competence) ở sinh viên. Trong một thế giới công nghệ thay đổi nhanh chóng, năng lực cụ thể ngày hôm nay có thể trở nên lỗi thời vào ngày mai. Do đó, mục tiêu cuối cùng của giáo dục năng lực số không phải là trang bị cho sinh viên một bộ kỹ năng cố định, mà là phát triển ở họ năng lực tự học công nghệ, khả năng đánh giá công nghệ mới, và sự tự tin để thích ứng với các công cụ công nghệ thay đổi liên tục. Đây chính là bản chất sâu xa của năng lực số theo khái niệm hiện đại — không phải là một trạng thái đạt được mà là một quá trình phát triển liên tục.

Trong bối cảnh giáo dục đại học Việt Nam, việc thúc đẩy phát triển năng lực số sinh viên cần được gắn liền với chuyển đổi số tổng thể của hệ thống giáo dục. Các chính sách và chiến lược cần được thiết kế đồng bộ: nâng cấp cơ sở hạ tầng công nghệ, cập nhật chương trình đào tạo, phát triển đội ngũ giảng viên có năng lực số, và xây dựng văn hóa tổ chức ủng hộ đổi mới công nghệ. Chỉ khi tất cả các yếu tố này được triển khai đồng bộ và nhất quán, năng lực số của sinh viên mới thực sự được phát triển một cách bền vững và có ý nghĩa.

Tài liệu tham khảo phần IV:

Caena, F., & Redecker, C. (2019). Aligning teacher competence frameworks. European Journal of Education.

Falloon, G. (2020). From digital literacy to digital competence. Educational Technology Research and Development.

Tinmaz, H., Lee, Y.T., Fanea-Ivanovici, M., & Baber, H. (2022). A systematic review on digital literacy. Smart Learning Environments.

Seufert, S., Guggemos, J., & Sailer, M. (2021). Technology-related knowledge, skills, and attitudes of teachers. Computers in Human Behavior.

Antonietti, C., Cattaneo, A., & Amenduni, F. (2022). Can teachers’ digital competence influence technology acceptance? Computers in Human Behavior.

Cattaneo, A.A.P., Antonietti, C., & Rauseo, M. (2022). How digitalised are vocational teachers? Computers & Education.

Garzón Artacho, E., Martínez, T.S., Ortega Martín, J.L., Marín Marín, J.A., & Gómez García, G. (2020). Teacher Training in Lifelong Learning. Sustainability.

Napal Fraile, M., Peñalva-Vélez, A., & Mendióroz Lacambra, A.M. (2018). Development of Digital Competence in Secondary Education Teachers’ Training. Education Sciences.

Granić, A., & Marangunić, N. (2019). Technology acceptance model in educational context. British Journal of Educational Technology.

Chao, C.M. (2019). Factors Determining Behavioral Intention to Use Mobile Learning. Frontiers in Psychology.

Ng, D.T.K., Wu, W., Leung, J.K.L., Chiu, T.K.F., & Chu, S.K.W. (2023). Design and validation of the AI literacy questionnaire. British Journal of Educational Technology. # PHẦN 5: DỮ LIỆU, NỀN KINH TẾ NỀN TẢNG VÀ MÔ HÌNH HỌC TẬP KẾT HỢP

Chương 16: Dữ liệu và thuật toán trong giáo dục — Quyền lực ẩn

16.1 Sự trỗi dậy của dữ liệu trong giáo dục đại học

Trong kỷ nguyên chuyển đổi số, dữ liệu đã trở thành một loại “tài nguyên chiến lược” định hình hầu hết mọi khía cạnh của giáo dục đại học. Từ quy trình tuyển sinh, quản lý học vụ, đánh giá kết quả học tập, cho đến hoạch định chính sách bậc trường, dữ liệu hiện diện như một lớp nền tảng vô hình nhưng có sức ảnh hưởng sâu rộng. Các hệ thống quản lý học tập (Learning Management Systems), nền tảng trực tuyến, công cụ kiểm tra tự động, hệ thống nhận diện khuôn mặt, phần mềm theo dõi thời gian học tập — tất cả đều liên tục thu thập, lưu trữ và xử lý thông tin về sinh viên, giảng viên và quá trình giảng dạy. Sự hiện diện phổ biến của các công nghệ này biến giáo dục đại học thành một trong những lĩnh vực tạo ra lượng dữ liệu lớn nhất trong khu vực công, tạo tiền đề cho một hệ sinh thái phân tích dữ liệu ngày càng mở rộng.

Theo Romero và Ventura (2020), khai phá dữ liệu giáo dục (Educational Data Mining) và phân tích học tập (Learning Analytics) là hai lĩnh vực nghiên cứu đang phát triển mạnh mẽ, với mục tiêu trích xuất tri thức có ý nghĩa từ các tập dữ liệu giáo dục quy mô lớn. Khai phá dữ liệu giáo dục tập trung vào việc phát triển các phương pháp thống kê, học máy và khai phá dữ liệu để phân tích các loại dữ liệu giáo dục cụ thể. Phân tích học tập, ngược lại, hướng tới việc đo lường, thu thập, phân tích và báo cáo các dữ liệu về người học và bối cảnh học tập của họ nhằm hiểu và tối ưu hóa quá trình học tập cùng môi trường mà quá trình đó diễn ra. Cả hai lĩnh vực này đều được thúc đẩy bởi sự gia tăng khổng lồ về khối lượng dữ liệu giáo dục, sự phát triển của công nghệ xử lý dữ liệu lớn và nhu cầu ngày càng cao về cá nhân hóa trải nghiệm học tập.

Tuy nhiên, khi dữ liệu trở nên trung tâm trong giáo dục, một loạt câu hỏi cấp thiết nổi lên liên quan đến quyền lực, công bằng và đạo đức. Ai sở hữu dữ liệu sinh viên? Dữ liệu đó được sử dụng như thế nào? Thuật toán phân tích dữ liệu có mang theo những thiên kiến ẩn hay không? Quyết định về người học có đang được chuyển giao từ con người sang máy móc một cách vô thức? Những câu hỏi này đặt ra thách thức cốt lõi đối với triết lý chủ nghĩa thực tế công nghệ trong giáo dục, đòi hỏi một cái nhìn phản biện và cân bằng về vai trò của dữ liệu và thuật toán trong bối cảnh chuyển đổi số.

16.2 Chính trị của dữ liệu: Bộ dữ liệu có quyền lực ẩn

Trái với nhận thức phổ biến rằng dữ liệu là khách quan và trung lập, nhiều nghiên cứu gần đây đã chỉ ra rằng bộ dữ liệu mang trong mình những “chính trị” ẩn — tức là những giá trị, giả định và thiên kiến được nhúng vào quá trình thu thập, phân loại và sử dụng dữ liệu. Scheuerman, Hanna và Denton (2021) trong công trình nghiên cứu có ảnh hưởng “Do Datasets Have Politics?” đã lập luận rằng mỗi bộ dữ liệu đều phản ánh các lựa chọn cụ thể về việc thu thập cái gì, cách phân loại như thế nào, ai được bao gồm và ai bị loại trừ. Những lựa chọn này không bao giờ hoàn toàn trung lập mà luôn chịu ảnh hưởng của bối cảnh xã hội, văn hóa, chính trị và kinh tế mà bộ dữ liệu được tạo ra.

Trong bối cảnh giáo dục đại học, “chính trị của dữ liệu” thể hiện rõ qua nhiều cách thức. Thứ nhất, việc lựa chọn các chỉ số đo lường thành tích học tập thường ưu tiên những dạng kiến thức và kỹ năng có thể lượng hóa dễ dàng — như điểm số bài kiểm tra, số giờ tham gia lớp học, tần suất đăng nhập hệ thống — trong khi bỏ qua những khía cạnh quan trọng khác của quá trình giáo dục như tư duy phản biện, sáng tạo, kỹ năng hợp tác và phát triển nhân cách. Sự thiên lệch này có thể dẫn đến việc đánh giá sai lệch năng lực thực sự của người học và tạo ra các chính sách giáo dục dựa trên bằng chứng nhưng bằng chứng đó lại mang tính phiến diện.

Thứ hai, các thuật toán phân tích học tập thường được xây dựng và huấn luyện trên các tập dữ liệu phản ánh sự bất bình đẳng hiện có trong hệ thống giáo dục. Nếu một hệ thống được huấn luyện trên dữ liệu từ những nhóm sinh viên đã được hưởng lợi từ các điều kiện giáo dục thuận lợi, thuật toán đó có thể vô tình củng cố những bất bình đẳng hiện có bằng cách coi các đặc điểm của nhóm được ưu tiên là “bình thường” hoặc “tiêu chuẩn”. Williamson và Piattoeva (2018) đã phân tích cách mà tính khách quan trong giáo dục ngày càng được thể hiện thông qua tiêu chuẩn hóa dữ liệu, trong đó các số liệu thống kê được sử dụng như một công cụ hợp thức hóa các quyết định mà bản chất chúng lại mang tính giá trị và chính trị. Theo các tác giả, quá trình biến dữ liệu thành “sự thật khách quan” là một quá trình xây dựng xã hội đòi hỏi sự kiểm định liên tục.

Thứ ba, dữ liệu giáo dục thường được thu thập mà không có sự đồng ý đầy đủ hoặc hiểu biết rõ ràng từ phía sinh viên. Các điều khoản sử dụng dịch vụ số thường dài, phức tạp và khó hiểu, khiến sinh viên khó có thể nhận thức được phạm vi và hậu quả của việc chia sẻ dữ liệu cá nhân của mình. Điều này đặt ra vấn đề nghiêm trọng về quyền riêng tư và tính minh bạch trong việc quản lý dữ liệu giáo dục.

16.3 Giới tính, công bằng và dữ liệu: Góc nhìn nữ quyền

D’Ignazio và Klein (2020) trong tác phẩm “Data Feminism” đã đề xuất một khuôn khổ phân tích mạnh mẽ để hiểu cách dữ liệu và thuật toán có thể tái sản xuất và củng cố các hệ thống bất bình đẳng xã hội, đặc biệt là bất bình đẳng giới. Các tác giả lập luận rằng dữ liệu không bao giờ “nói cho chúng ta biết sự thật” một cách trung lập mà luôn được sản xuất thông qua các quan hệ quyền lực cụ thể. Họ đưa ra chín nguyên tắc của chủ nghĩa nữ quyền về dữ liệu, trong đó có việc kiểm tra quyền lực, đặt ưu tiên vào tri thức cục bộ và yếu kém, thừa nhận rằng dữ liệu có thể bị thao túng và cần phải nâng cao tiếng nói của những người bị thiệt thòi.

Áp dụng góc nhìn này vào giáo dục đại học cho thấy nhiều vấn đề đáng lo ngại. Các hệ thống phân tích học tập thường được thiết kế bởi các nhóm kỹ thuật và nghiên cứu đa số là nam giới, sử dụng dữ liệu từ các bối cảnh giáo dục chủ yếu ở các nước phương Tây phát triển. Sự thiếu đa dạng trong cả đội ngũ phát triển lẫn tập dữ liệu huấn luyện có thể dẫn đến các thuật toán phản ánh và khuếch đại các thiên kiến giới, sắc tộc và kinh tế xã hội. Chẳng hạn, một hệ thống phát hiện học sinh “có nguy cơ bỏ học” có thể sử dụng các tiêu chí phản ánh những rào cản mà sinh viên từ các nhóm yếu thế phải đối mặt — như phải làm thêm nhiều giờ, thiếu thiết bị học tập phù hợp hoặc có trách nhiệm chăm sóc gia đình — và từ đó dán nhãn họ là “nguy cơ” thay vì nhận ra rằng vấn đề nằm ở cấu trúc hệ thống chứ không phải ở cá nhân người học.

Milan và Treré (2019) trong nghiên cứu về “Big Data from the South(s)” đã làm sâu sắc hơn cuộc thảo luận này bằng cách chỉ ra rằng hầu hết các nghiên cứu về dữ liệu lớn và phân tích dữ liệu được tiến hành từ góc nhìn của các nước phương Tây phát triển, bỏ qua hoặc gạt sang một bên những bối cảnh và kinh nghiệm của các nước đang phát triển ở Nam bán cầu. Các tác giả lập luận rằng cần phải “phi thuộc địa hóa” (decolonize) nghiên cứu dữ liệu lớn bằng cách công nhận sự đa dạng của các cách tiếp cận dữ liệu ở các bối cảnh khác nhau và đảm bảo rằng lợi ích của dữ liệu lớn được phân bổ công bằng hơn trên toàn cầu.

Đối với giáo dục đại học ở các nước đang phát triển, trong đó có Việt Nam, điều này có nghĩa là cần thận trọng khi áp dụng các mô hình phân tích học tập được phát triển ở các bối cảnh khác nhau. Dữ liệu sinh viên Việt Nam phản ánh những đặc thù văn hóa, xã hội và kinh tế riêng biệt mà các thuật toán được phát triển ở phương Tây có thể không nắm bắt được đầy đủ hoặc chính xác. Do đó, việc xây dựng năng lực phân tích dữ liệu giáo dục tại chỗ, phù hợp với bối cảnh địa phương, là một yêu cầu cấp thiết.

16.4 Quyền riêng tư, giám sát và quyền tự quyết của người học

Sự gia tăng thu thập dữ liệu trong giáo dục đại học đặt ra những thách thức sâu sắc về quyền riêng tư và giám sát. Các hệ thống học tập trực tuyến ngày nay có khả năng theo dõi mọi cú nhấp chuột, mọi giây trễ, mọi tương tác và mọi hành vi của sinh viên với độ chi tiết chưa từng có. Nếu các hệ thống nhận diện khuôn mặt hoặc theo dõi nhịp đập mắt được tích hợp, mức độ giám sát còn tăng lên nhiều lần. Nhiều nghiên cứu đã cảnh báo rằng môi trường giám sát phổ quát này có thể gây tổn hại đến quyền tự quyết của người học, tạo ra một không gian giáo dục thiếu niềm tin và gây bất lợi cho quá trình phát triển nhận thức và cảm xúc.

Trong bối cảnh giáo dục đại học Việt Nam, vấn đề quyền riêng tư dữ liệu càng trở nên phức tạp do khung pháp lý bảo vệ dữ liệu cá nhân vẫn đang trong giai đoạn hoàn thiện. Luật Bảo vệ dữ liệu cá nhân có hiệu lực từ năm 2023 đã tạo ra những nguyên tắc quan trọng, nhưng việc thực thi trong môi trường giáo dục vẫn cần thêm thời gian và cơ chế cụ thể. Các cơ sở giáo dục đại học cần xây dựng chính sách bảo vệ dữ liệu rõ ràng, minh bạch, đảm bảo rằng việc thu thập và sử dụng dữ liệu sinh viên tuân thủ nguyên tắc thu hẹp mục đích (purpose limitation), tỷ lệ (proportionality) và tôn trọng quyền của người học đối với dữ liệu của chính họ.

Quyền tự quyết về dữ liệu (data agency) — tức là khả năng của sinh viên trong việc hiểu, kiểm soát và quyết định cách dữ liệu của họ được sử dụng — là một khái niệm ngày càng quan trọng trong giáo dục kỹ thuật số. Khác với quyền riêng tư theo nghĩa truyền thống — chủ yếu tập trung vào việc bảo vệ thông tin khỏi sự truy cập trái phép — quyền tự quyết về dữ liệu nhấn mạnh vào khả năng chủ động của người học trong việc quản lý và tận dụng dữ liệu của chính họ. Điều này bao gồm quyền được biết những dữ liệu nào đang được thu thập, quyền truy cập dữ liệu đó, quyền yêu cầu chỉnh sửa hoặc xóa dữ liệu, và quyền quyết định cách dữ liệu được sử dụng trong các quyết định về học tập.

Hình 16.1: Luồng dữ liệu học tập trong giáo dục đại học — Từ quá trình thu thập, xử lý đến phân tích và ra quyết định, mỗi bước đều chứa đựng những quyền lực ẩn cần được kiểm soát.

16.5 Thuật toán và minh bạch: Xây dựng niềm tin trong giáo dục số

Một trong những vấn đề cấp bách nhất trong giáo dục dữ liệu là tính minh bạch của thuật toán. Nhiều hệ thống phân tích học tập sử dụng các mô hình học máy “hộp đen” (black box) — tức là ngay cả những người tạo ra mô hình cũng không thể giải thích chính xác cách thuật toán đưa ra một quyết định cụ thể. Khi các quyết định quan trọng về giáo dục, chẳng hạn như việc phân loại sinh viên theo mức độ rủi ro, quyết định việc trao học bổng, hay đánh giá chất lượng giảng dạy, được dựa trên các thuật toán mờ ám, nguy cơ sai sót và bất công gia tăng đáng kể.

Scheuerman, Hanna và Denton (2021) đã chỉ ra rằng việc xem xét bộ dữ liệu dưới góc độ chính trị không chỉ là một bài tập học thuật mà là một yêu cầu thiết thực để đảm bảo công bằng. Khi chúng ta hiểu rõ rằng dữ liệu không phải là sự thật khách quan thuần túy mà là sản phẩm của các lựa chọn con người, chúng ta sẽ có động lực lớn hơn để kiểm tra, đặt câu hỏi và cải thiện các quy trình thu thập và sử dụng dữ liệu. Điều này đặc biệt quan trọng trong giáo dục, nơi các quyết định dựa trên dữ liệu có thể ảnh hưởng trực tiếp đến tương lai của hàng triệu người trẻ.

Romero và Ventura (2020) cũng nhấn mạnh rằng khai phá dữ liệu giáo dục và phân tích học tập cần được tiến hành với sự cân nhắc kỹ lưỡng về mặt đạo đức. Các tác giả đề xuất một khuôn khổ đạo đức bao gồm các nguyên tắc như: minh bạch trong việc sử dụng dữ liệu, bảo mật và bảo vệ quyền riêng tư, đảm bảo công bằng và chống phân biệt đối xử, và tôn trọng quyền tự chủ của người học. Khuôn khổ này cần được tích hợp vào mọi quy trình phân tích dữ liệu giáo dục, từ giai đoạn thiết kế nghiên cứu đến giai đoạn triển khai ứng dụng.

Đối với giáo dục đại học Việt Nam, việc xây dựng hệ thống phân tích học tập minh bạch và có trách nhiệm đòi hỏi nỗ lực đồng bộ ở nhiều cấp độ. Ở cấp độ chính sách, cần ban hành các quy định cụ thể về thu thập, sử dụng và bảo vệ dữ liệu giáo dục. Ở cấp độ tổ chức, các cơ sở giáo dục cần xây dựng năng lực quản trị dữ liệu, thiết lập các ủy ban đạo đức về dữ liệu và đảm bảo rằng các hệ thống công nghệ được đánh giá độc lập trước khi triển khai. Ở cấp độ cá nhân, cần nâng cao nhận thức của cả giảng viên và sinh viên về quyền và trách nhiệm liên quan đến dữ liệu giáo dục.

16.6 Chủ nghĩa thực tế công nghệ trong quản lý dữ liệu giáo dục

Dưới lăng kính chủ nghĩa thực tế công nghệ, dữ liệu và thuật toán trong giáo dục đại học cần được nhìn nhận một cách cân bằng — không phải là giải pháp kỳ diệu có thể giải quyết mọi vấn đề giáo dục, cũng không phải là mối đe dọa tuyệt đối cần phải loại bỏ. Thay vào đó, dữ liệu là một công cụ mạnh mẽ nhưng cần được sử dụng một cách có trách nhiệm, minh bạch và hướng tới lợi ích của người học.

Chủ nghĩa thực tế công nghệ đòi hỏi rằng: một là, dữ liệu phải phục vụ sư phạm chứ không phải ngược lại — tức là việc thu thập và phân tích dữ liệu phải bắt nguồn từ các câu hỏi giáo dục thực chất chứ không phải từ khả năng kỹ thuật của công nghệ. Hai là, thuật toán phải được giải thích được (explainable) và có thể bị kiểm tra (auditable) — không nên chấp nhận các quyết định học thuật dựa trên “hộp đen”. Ba là, quyền tự quyết của người học về dữ liệu phải được tôn trọng — sinh viên không phải là đối tượng bị theo dõi mà là những chủ thể có quyền kiểm soát thông tin cá nhân của mình. Bốn là, dữ liệu phải được xem xét dưới góc độ đa dạng và bao trùm — tránh việc áp dụng một tiêu chuẩn thống nhất lên một quần thể sinh viên đa dạng.

Dưới đây, hình ảnh minh họa luồng dữ liệu học tập trong giáo dục đại học thể hiện sự phức tạp của hệ sinh thái dữ liệu giáo dục, từ khâu thu thập ban đầu đến các quyết định cuối cùng ảnh hưởng đến trải nghiệm học tập của sinh viên.

Tiếp cận dữ liệu với tinh thần thực tế cũng có nghĩa là thừa nhận những giới hạn của phân tích dữ liệu trong giáo dục. Dữ liệu có thể giúp chúng ta nhận diện các mẫu hình và xu hướng, nhưng không thể thay thế sự hiểu biết sâu sắc về bối cảnh, kinh nghiệm cá nhân và các yếu tố con người trong giáo dục. Một sinh viên có điểm số thấp không nhất thiết là sinh viên yếu kém — có thể sinh viên đó đang đối mặt với khó khăn cá nhân, môi trường học tập không phù hợp hoặc phương pháp giảng dạy không hiệu quả. Việc giảm toàn bộ trải nghiệm giáo dục thành những con số có thể dẫn đến sự phi nhân hóa giáo dục, đi ngược lại với mục tiêu cơ bản của giáo dục đại học là phát triển toàn diện con người.

Chương 17: Nền kinh tế nền tảng và giáo dục

17.1 Nền kinh tế nền tảng và sự xâm nhập vào giáo dục

Nền kinh tế nền tảng (platform economy) đã trở thành một lực lượng định hình sâu sắc hầu hết mọi lĩnh vực kinh tế và xã hội trong thập kỷ qua. Từ giao thông vận tải (Grab, Uber), lưu trú (Airbnb), đến bán lẻ (Amazon, Shopee), các nền tảng số đã thay đổi cách thức con người giao dịch, tiêu dùng và tương tác. Trong lĩnh vực giáo dục, sự xâm nhập của nền kinh tế nền tảng cũng đang diễn ra với tốc độ chóng mặt, thông qua các công ty công nghệ giáo dục (EdTech) lớn, các nền tảng học tập trực tuyến khổng lồ và các dịch vụ giáo dục dựa trên mô hình nền tảng.

Schor, Attwood-Charles, Cansoy, Ladegaard và Wengronowitz (2020) đã phân tích sâu sắc sự phụ thuộc và sự thiếu ổn định trong nền kinh tế nền tảng, chỉ ra rằng mặc dù các nền tảng hứa hẹn về tự do, linh hoạt và trao quyền cho người dùng, thực tế chúng thường tạo ra các hình thức phụ thuộc mới và củng cố các bất bình đẳng hiện có. Các tác giả lập luận rằng nền kinh tế nền tảng hoạt động theo một logic cốt lõi: trung gian hóa các mối quan hệ xã hội và kinh tế, thu thập dữ liệu người dùng làm cơ sở cho lợi nhuận, và tạo ra các hiệu ứng mạng lưới (network effects) khiến nền tảng ngày càng càng khó bị thay thế khi quy mô người dùng tăng lên.

Trong giáo dục đại học, logic nền tảng thể hiện qua nhiều hình thức. Các hệ thống quản lý học tập như Canvas, Blackboard và Moodle (nay đang được MoodleNet thương mại hóa) trở thành “nền tảng trung gian” giữa giảng viên và sinh viên. Các nền tảng khóa học trực tuyến khổng lồ (Massive Open Online Courses — MOOCs) như Coursera, edX và Udemy tạo ra thị trường toàn cầu cho nội dung giáo dục. Các công ty công nghệ lớn như Google (Google Classroom, Google Workspace for Education) và Microsoft (Microsoft Teams for Education) cung cấp toàn bộ bộ công cụ giáo dục miễn phí hoặc giá thấp, thu hút các cơ sở giáo dục vào hệ sinh thái kỹ thuật số của họ.

Li, Kim, Lang, Kauffman và Naldi (2020) trong nghiên cứu về nền kinh tế số tại châu Á đã nhấn mạnh rằng khu vực châu Á đang trải qua sự phát triển nền kinh tế số nhanh nhất thế giới, với các mô hình nền tảng đặc trưng và những thách thức riêng biệt. Các tác giả chỉ ra rằng sự phát triển kinh tế số ở châu Á được thúc đẩy bởi quy mô dân số khổng lồ, tỷ lệ thâm nhập điện thoại thông minh cao và các chính sách thúc đẩy chuyển đổi số mạnh mẽ từ chính phủ. Đối với giáo dục đại học, điều này có nghĩa là áp lực từ các nền tảng EdTech toàn cầu và khu vực ngày càng gia tăng, đòi hỏi các cơ sở giáo dục phải có chiến lược ứng phó rõ ràng.

17.2 Các rủi ro từ nền kinh tế nền tảng trong giáo dục

Sự phụ thuộc vào các nền tảng EdTech thương mại tiềm ẩn nhiều rủi ro đáng lo ngại cho giáo dục đại học.

Rủi ro thứ nhất: Bóc lột dữ liệu (data extraction). Mô hình kinh doanh cốt lõi của hầu hết các nền tảng EdTech là “miễn phí trả bằng dữ liệu” (free-with-data-extraction). Các dịch vụ giáo dục miễn phí hoặc giá thấp thường đi kèm với việc thu thập dữ liệu người dùng ở quy mô lớn — từ thông tin cá nhân, hành vi học tập, đến các tương tác xã hội trong lớp học. Dữ liệu này sau đó được sử dụng cho các mục đích thương mại, bao gồm nhắm mục tiêu quảng cáo, phát triển sản phẩm và bán dữ liệu cho bên thứ ba. Trong giáo dục, điều này đặc biệt đáng lo ngại vì đối tượng bị thu thập dữ liệu thường là sinh viên trẻ, những người có thể chưa đủ nhận thức và kỹ năng để bảo vệ quyền riêng tư của mình.

Rủi ro thứ hai: Bẫy cung cấp dịch vụ (vendor lock-in). Khi một cơ sở giáo dục đại học đầu tư thời gian, tiền bạc và công sức vào một nền tảng cụ thể — xây dựng nội dung khóa học, tích hợp hệ thống quản lý, đào tạo nhân viên — việc chuyển đổi sang một nền tảng khác trở nên vô cùng khó khăn và tốn kém. Hiệu ứng bẫy này trao quyền lực đáng kể cho nhà cung cấp nền tảng, cho phép họ tăng giá dịch vụ, thay đổi điều khoản sử dụng hoặc ngừng hỗ trợ các tính năng cũ mà người dùng không có lựa chọn thay thế thực sự. Schor và cộng sự (2020) đã chỉ ra rằng sự phụ thuộc tạo ra bởi các nền tảng là một hình thức quyền lực kinh tế mới, trong đó các nền tảng có thể định hình hành vi của người dùng mà không cần phải chịu trách nhiệm pháp lý tương đương với các nhà cung cấp dịch vụ truyền thống.

Rủi ro thứ ba: Công nghệ độc quyền (proprietary technology). Nhiều nền tảng EdTech sử dụng công nghệ độc quyền — thuật toán, giao diện lập trình ứng dụng (API) và định dạng dữ liệu đóng — khiến việc tích hợp, chia sẻ dữ liệu và đổi mới bên ngoài nền tảng trở nên khó khăn. Điều này hạn chế khả năng của các cơ sở giáo dục trong việc kiểm soát hệ thống công nghệ của mình và phụ thuộc vào lộ trình phát triển sản phẩm do nhà cung cấp quyết định. Trong bối cảnh giáo dục đại học Việt Nam, việc phụ thuộc vào công nghệ độc quyền của các công ty nước ngoài cũng đặt ra rủi ro về an ninh thông tin và chủ quyền dữ liệu giáo dục.

Rủi ro thứ tư: Thương mại hóa giáo dục. Logic nền tảng có xu hướng biến giáo dục thành một dịch vụ tiêu dùng, trong đó người học là khách hàng và nội dung giáo dục là sản phẩm. Mặc dù việc tăng cường trải nghiệm người dùng không phải là điều xấu, nhưng khi giáo dục bị giảm thành một giao dịch thương mại — nơi giá trị được đo bằng lượt xem, lượt đăng ký và mức độ tương tác — có nguy cơ làm xói mòn các giá trị giáo dục cốt lõi như tư duy phản biện, trách nhiệm xã hội và phát triển nhân cách. Các nền tảng thường ưu tiên nội dung “bán chạy” và “bắt mắt” thay vì nội dung giáo dục sâu sắc và khó tiếp cận.

Hình 17.1: Nền kinh tế nền tảng EdTech — Sự giao thoa giữa công nghệ và giáo dục tạo ra cả cơ hội lẫn thách thức cho các cơ sở giáo dục đại học.

17.3 Dịch vụ miễn phí và chi phí ẩn: Bài toán kinh tế của chuyển đổi số giáo dục

Một trong những đặc điểm nổi bật nhất của nền kinh tế nền tảng trong giáo dục là mô hình “dịch vụ miễn phí” — cung cấp phần mềm, nội dung và công cụ giáo dục miễn phí hoặc với chi phí rất thấp cho cơ sở giáo dục và người học. Tuy nhiên, như Schor và cộng sự (2020) đã lập luận, không có gì thực sự miễn phí trong nền kinh tế nền tảng. Chi phí của “dịch vụ miễn phí” được thanh toán bằng nhiều hình thức ẩn: dữ liệu cá nhân, sự chú ý, sự phụ thuộc và cuối cùng là quyền kiểm soát.

Google, Microsoft và các công ty công nghệ giáo dục khác cung cấp bộ công cụ giáo dục miễn phí không phải vì lý do nhân đạo mà vì chiến lược kinh tế dài hạn. Việc tiếp cận sinh viên từ sớm thông qua các dịch vụ giáo dục miễn phí giúp xây dựng thói quen sử dụng, tạo ra lòng trung thành thương hiệu và thu thập dữ liệu người dùng có giá trị. Khi sinh viên tốt nghiệp và trở thành nhân viên, họ có xu hướng tiếp tục sử dụng các công cụ cùng hệ sinh thái, tạo ra doanh thu bền vững cho công ty. Đồng thời, dữ liệu giáo dục thu thập được có giá trị to lớn cho việc phát triển trí tuệ nhân tạo, cá nhân hóa nội dung và nhắm mục tiêu quảng cáo.

Li và cộng sự (2020) đã chỉ ra rằng ở châu Á, sự phát triển kinh tế số có những đặc thù riêng — trong đó có sự ảnh hưởng mạnh mẽ của các siêu ứng dụng (super-apps) và mô hình nền tảng tích hợp đa dịch vụ. Điều này có ý nghĩa quan trọng đối với giáo dục đại học, vì các nền tảng công nghệ lớn có thể tích hợp dịch vụ giáo dục vào hệ sinh thái siêu ứng dụng của họ, tạo ra sự phụ thuộc sâu hơn và đa dạng hơn so với các thị trường phương Tây.

17.4 Chủ nghĩa thực tế công nghệ trong ứng xử với nền kinh tế nền tảng

Tiếp cận nền kinh tế nền tảng trong giáo dục theo tinh thần chủ nghĩa thực tế công nghệ đòi hỏi một thái độ vừa hưởng dụng, vừa cảnh giác. Các cơ sở giáo dục đại học không thể và không nên quay lưng lại với các nền tảng công nghệ, bởi chúng cung cấp những công cụ và khả năng thực sự có giá trị cho việc nâng cao chất lượng giáo dục. Tuy nhiên, việc sử dụng các nền tảng này cần được thực hiện một cách có chiến lược, có ý thức và bảo vệ lợi ích của người học.

Một số nguyên tắc tiếp cận cụ thể bao gồm: một là, đa dạng hóa nhà cung cấp — tránh phụ thuộc vào một nền tảng duy nhất bằng cách xây dựng kiến trúc công nghệ linh hoạt, cho phép chuyển đổi giữa các nhà cung cấp khi cần thiết. Hai là, ủng hộ công nghệ mở (open technology) — ưu tiên các giải pháp dựa trên phần mềm mã nguồn mở và tiêu chuẩn mở, giúp đảm bảo khả năng tương tác, tính minh bạch và quyền kiểm soát dữ liệu. Ba là, xây dựng năng lực công nghệ tự chủ — đầu tư vào phát triển đội ngũ kỹ thuật tại chỗ có khả năng đánh giá, triển khai và quản lý các giải pháp công nghệ giáo dục một cách độc lập. Bốn là, thiết lập chính sách quản lý nhà cung cấp (vendor management) — có quy trình rõ ràng để đánh giá, lựa chọn và giám sát các nhà cung cấp nền tảng, bao gồm các điều khoản về bảo vệ dữ liệu, tính bền vững và khả năng chuyển đổi.

Đối với giáo dục đại học Việt Nam, việc xây dựng các nền tảng giáo dục số tự chủ hoặc hợp tác khu vực là một hướng đi chiến lược quan trọng. Thay vì phụ thuộc hoàn toàn vào các nền tảng quốc tế, các cơ sở giáo dục đại học Việt Nam có thể hợp tác để phát triển các giải pháp số giáo dục phù hợp với bối cảnh địa phương, đảm bảo chủ quyền dữ liệu giáo dục và tạo ra năng lực công nghệ tự chủ. Mô hình liên kết giữa các trường đại học, kết hợp với sự hỗ trợ của cơ quan quản lý nhà nước và các doanh nghiệp công nghệ trong nước, có thể tạo ra một hệ sinh thái giáo dục số bền vững và có trách nhiệm.

Chương 18: Học tập kết hợp và không gian học tập linh hoạt

18.1 Đại dịch COVID-19 và sự chuyển đổi đột ngột sang trực tuyến

Đại dịch COVID-19 bùng phát vào đầu năm 2020 đã tạo ra một cuộc khủng hoảng toàn cầu chưa từng có đối với giáo dục đại học. Với yêu cầu giãn cách xã hội và đóng cửa cơ sở vật chất, hàng triệu sinh viên và giảng viên trên toàn thế giới buộc phải chuyển sang hình thức giảng dạy và học tập trực tuyến trong thời gian rất ngắn. Ferri, Grifoni và Guzzo (2020) đã phân tích sự khác biệt quan trọng giữa dạy học trực tuyến (online learning) và dạy học từ xa khẩn cấp (emergency remote teaching), chỉ ra rằng những gì diễn ra trong đại dịch chủ yếu là phương thức thứ hai — một hình thức chuyển đổi tạm thời, gấp rút và thiếu chuẩn bị, chứ không phải là trải nghiệm trực tuyến được thiết kế kỹ lưỡng.

Adnan (2020) trong nghiên cứu về học tập trực tuyến trong bối cảnh COVID-19 đã ghi nhận những trải nghiệm đa chiều của sinh viên, từ những lợi ích đáng kể như sự linh hoạt về thời gian và không gian, đến những thách thức nghiêm trọng bao gồm rào cản công nghệ, thiếu tương tác xã hội, khó khăn trong tự quản lý và ảnh hưởng tiêu cực đến sức khỏe tinh thần. Nghiên cứu cho thấy rằng việc chuyển đổi sang trực tuyến không đơn giản là việc “dịch chuyển” nội dung lớp học truyền thống lên môi trường số mà đòi hỏi tái thiết kế toàn bộ trải nghiệm học tập.

Almaiah, Al-Khasawneh và Althunibat (2020) đã xác định các yếu tố then chốt ảnh hưởng đến thành công của học tập điện tử, bao gồm: chất lượng hạ tầng công nghệ thông tin, năng lực kỹ thuật số của cả giảng viên lẫn sinh viên, chất lượng thiết kế nội dung học tập trực tuyến, hỗ trợ kỹ thuật và quản trị, và yếu tố văn hóa - xã hội. Nghiên cứu nhấn mạnh rằng sự thiếu hụt ở bất kỳ yếu tố nào trong số này đều có thể dẫn đến trải nghiệm học tập trực tuyến không hiệu quả, gây ra sự thất vọng và giảm động lực học tập.

García-Morales và cộng sự (2021) trong nghiên cứu về sự biến đổi giáo dục đại học sau đại dịch COVID-19 đã chỉ ra rằng khủng hoảng đã đóng vai trò như một chất xúc tác mạnh mẽ, thúc đẩy các cơ sở giáo dục đại học suy nghĩ lại về mô hình giảng dạy, đầu tư vào hạ tầng số và phát triển năng lực giáo dục trực tuyến. Các tác giả lập luận rằng hậu quả lâu dài của đại dịch có thể là sự chuyển đổi vĩnh viễn sang các mô hình học tập linh hoạt và kết hợp, trong đó việc học trực tuyến không chỉ là giải pháp thay thế tạm thời mà là một thành phần tích hợp trong thiết kế giáo dục.

18.2 Học tập kết hợp: Mô hình thực tế cho giáo dục đại học

Học tập kết hợp (blended/hybrid learning) là mô hình kết hợp học tập trực tiếp trên lớp (face-to-face) với học tập trực tuyến (online) trong một trải nghiệm học tập thống nhất và có thiết kế có chủ đích. Khác với việc đơn giản “bổ sung” một số yếu tố trực tuyến vào lớp học truyền thống, học tập kết hợp thực sự đòi hỏi sự tích hợp có ý thức và nhất quán giữa hai hình thức, sao cho mỗi hình thức đóng vai trò bổ trợ và tăng cường lẫn nhau.

Trong bối cảnh chủ nghĩa thực tế công nghệ, học tập kết hợp được xem là mô hình phù hợp nhất cho giáo dục đại học trong thời kỳ chuyển đổi số vì nhiều lý do. Thứ nhất, mô hình này tận dụng được lợi thế của cả hai hình thức — sự tương tác trực tiếp, cảm xúc và khả năng xây dựng cộng đồng của lớp học truyền thống, cùng với sự linh hoạt, khả năng cá nhân hóa và tiếp cận rộng rãi của học tập trực tuyến. Thứ hai, học tập kết hợp không đòi hỏi việc thay đổi hoàn toàn cơ sở hạ tầng vật chất và văn hóa tổ chức như chuyển đổi hoàn toàn sang trực tuyến, giúp giảm thiểu rủi ro và chi phí. Thứ ba, mô hình này cho phép các cơ sở giáo dục tiến trình chuyển đổi theo tốc độ riêng, phù hợp với năng lực và điều kiện thực tế.

Gligorea, Cioca, Oancea, Gorski và Gorski (2023) đã nghiên cứu việc sử dụng trí tuệ nhân tạo trong học tập thích ứng (adaptive learning) trong môi trường e-learning, chỉ ra rằng công nghệ AI có thể đóng vai trò quan trọng trong việc cá nhân hóa trải nghiệm học tập kết hợp. Các hệ thống học tập thích ứng sử dụng AI để phân tích tiến độ học tập của từng sinh viên, xác định các lỗ hổng kiến thức và đề xuất các nội dung và phương pháp học tập phù hợp. Trong mô hình học tập kết hợp, các hệ thống này có thể được sử dụng để chuẩn bị cho các buổi học trực tiếp (thông qua việc cung cấp nội dung nền tảng trực tuyến), hỗ trợ trong quá trình học trực tiếp (thông qua việc cung cấp phản hồi theo thời gian thực), và củng cố kiến thức sau buổi học (thông qua bài tập và tài liệu tùy chỉnh).

18.3 Mô hình HyFlex: Đột phá trong không gian học tập linh hoạt

Một trong những mô hình học tập linh hoạt tiên tiến nhất hiện nay là mô hình HyFlex (Hybrid-Flexible), được phát triển lần đầu tiên bởi Tiến sĩ Brian Beatty tại Đại học San Francisco State. Mô hình HyFlex cho phép sinh viên tự chọn tham gia lớp học trực tiếp hoặc trực tuyến trong mỗi buổi học, theo lịch trình cá nhân của họ, mà không bị phân biệt về nội dung hoặc đánh giá. Tức là, cùng một khóa học được thiết kế và cung cấp đồng thời theo hai hình thức, và sinh viên có thể chuyển đổi linh hoạt giữa các hình thức trong suốt học kỳ.

Mô hình HyFlex phản ánh đúng tinh thần chủ nghĩa thực tế công nghệ: thừa nhận rằng không có một hình thức học tập duy nào là phù hợp với tất cả mọi người trong mọi hoàn cảnh, và công nghệ nên được sử dụng để mở rộng lựa chọn chứ không phải giới hạn chúng. Sinh viên có lịch trình phức tạp, sinh viên ở xa cơ sở giáo dục, sinh viên có nhu cầu chăm sóc gia đình hoặc sinh viên có điều kiện sức khỏe đặc biệt đều có thể tiếp tục tham gia vào quá trình học tập mà không bị thiệt thòi.

Tuy nhiên, mô hình HyFlex cũng đặt ra những yêu cầu đáng kể về hạ tầng và năng lực. Để triển khai hiệu quả, một phòng học HyFlex cần được trang bị hệ thống âm thanh, video và màn hình chất lượng cao để sinh viên trực tuyến có thể tham gia và tương tác tương đương với sinh viên trực tiếp. Giảng viên cần được đào tạo để quản lý đồng thời hai nhóm sinh viên và đảm bảo trải nghiệm học tập nhất quán cho cả hai hình thức. Nội dung khóa học cần được thiết kế theo nguyên tắc “đối đẳng” (equivalence) — đảm bảo rằng cả hai hình thức đều đạt được các mục tiêu học tập tương đương.

18.4 Bài học từ đại dịch: Điều gì hiệu quả và điều gì không

Rút kinh nghiệm từ trải nghiệm chuyển đổi đột ngột sang trực tuyến trong đại dịch COVID-19, một số bài học quan trọng nổi lên đối với việc thiết kế mô hình học tập kết hợp hiệu quả.

Điều hiệu quả: Một là, sự linh hoạt trong lịch trình học tập — sinh viên đánh giá cao khả năng học theo thời gian và không gian của riêng mình, đặc biệt là những sinh viên có trách nhiệm gia đình hoặc phải làm thêm. Hai là, việc ghi hình bài giảng — các video bài giảng cho phép sinh viên xem lại nội dung nhiều lần, giúp củng cố kiến thức và hỗ trợ những sinh viên có tốc độ tiếp thu khác nhau. Ba là, công cụ đánh giá trực tuyến — các bài kiểm tra tự động và hệ thống phản hồi theo thời gian thực giúp sinh viên theo dõi tiến độ học tập và nhận được hỗ trợ kịp thời. Bốn là, môi trường thảo luận trực tuyến — đối với một số sinh viên ít nói trong lớp học truyền thống, diễn đàn thảo luận trực tuyến tạo không gian an toàn hơn để thể hiện ý kiến và tham gia vào cuộc đối thoại học thuật.

Điều không hiệu quả: Một là, giảng bài trực tuyến theo phương pháp truyền thống — việc giảng viên chỉ đơn giản đứng trước camera và “đọc slide” không hiệu quả, gây nhàm chán và khó duy trì sự tập trung. Hai là, quá tải công nghệ — yêu cầu sinh viên sử dụng quá nhiều công cụ khác nhau cùng lúc gây ra mệt mỏi kỹ thuật số và giảm hiệu quả học tập. Ba là, thiếu tương tác xã hội — việc học hoàn toàn trực tuyến trong thời gian dài dẫn đến cảm giác cô lập, giảm động lực và ảnh hưởng tiêu cực đến sức khỏe tinh thần. Bốn là, bất bình đẳng trong tiếp cận — sinh viên thiếu thiết bị hoặc kết nối internet không ổn định bị bỏ lại phía sau, làm sâu sắc thêm khoảng cách giáo dục.

Hình 18.1: Mô hình học tập kết hợp hybrid — Sự tích hợp hài hòa giữa học tập trực tiếp và trực tuyến, tạo ra không gian học tập linh hoạt và bao trùm.

18.5 Thiết kế không gian học tập linh hoạt cho giáo dục đại học Việt Nam

Đối với giáo dục đại học Việt Nam, việc xây dựng các không gian học tập linh hoạt cần được tiến hành theo lộ trình thực tế, phù hợp với điều kiện hạ tầng, năng lực nhân sự và bối cảnh văn hóa cụ thể.

Trong ngắn hạn, các cơ sở giáo dục đại học có thể bắt đầu bằng việc tích hợp các yếu tố trực tuyến vào các khóa học truyền thống — sử dụng hệ thống quản lý học tập để cung cấp tài liệu, tổ chức thảo luận và đánh giá trực tuyến như một phần bổ trợ cho học tập trên lớp. Đồng thời, việc đầu tư vào nâng cấp hạ tầng công nghệ thông tin — mạng internet tốc độ cao, thiết bị âm thanh video cho phòng học, hệ thống quản lý học tập — là yêu cầu tiên quyết.

Trong trung hạn, các cơ sở giáo dục có thể triển khai thử nghiệm mô hình học tập kết hợp ở quy mô lớn hơn, bao gồm việc thiết kế lại các khóa học theo nguyên tắc tích hợp trực tiếp - trực tuyến, đào tạo giảng viên về phương pháp giảng dạy kết hợp, và phát triển các hệ thống hỗ trợ kỹ thuật chuyên trách. Việc xây dựng một số phòng học thông minh (smart classroom) có khả năng hỗ trợ cả học tập trực tiếp lẫn trực tuyến cũng cần được ưu tiên.

Trong dài hạn, mục tiêu là xây dựng một hệ sinh thái học tập linh hoạt toàn diện, trong đó sinh viên có thể tùy chọn hình thức học tập phù hợp nhất với nhu cầu và hoàn cảnh cá nhân cho từng môn học, từng giai đoạn học tập. Mô hình HyFlex có thể được triển khai cho một số khóa học phù hợp, trong khi các khóa học khác sử dụng các mức độ kết hợp khác nhau tùy theo đặc thù môn học.

18.6 Chủ nghĩa thực tế công nghệ trong thiết kế học tập kết hợp

Tiếp cận học tập kết hợp theo tinh thần chủ nghĩa thực tế công nghệ đòi hỏi vượt ra ngoài sự hưng phấn công nghệ để tập trung vào những gì thực sự quan trọng cho giáo dục. Công nghệ không phải là mục đích mà là phương tiện — và phương tiện đó chỉ có giá trị khi nó phục vụ hiệu quả các mục tiêu giáo dục.

Điều này có nghĩa là: một là, sự lựa chọn công nghệ phải dựa trên nhu cầu giáo dục chứ không phải dựa trên xu hướng công nghệ — sử dụng công nghệ vì nó giải quyết một vấn đề giáo dục thực sự, không phải vì nó “mới” hoặc “hiện đại”. Hai là, thiết kế học tập phải bắt đầu từ phương pháp sư phạm — xác định rõ mục tiêu học tập, phương pháp giảng dạy phù hợp và cách đánh giá trước khi quyết định công cụ công nghệ. Ba là, sự bao trùm phải được đặt ở trung tâm — đảm bảo rằng mọi sinh viên, bất kể hoàn cảnh, đều có thể tham gia và đạt được kết quả học tập tốt. Bốn là, tính bền vững phải được xem xét — các giải pháp công nghệ được lựa chọn phải khả thi trong dài hạn, cả về mặt tài chính lẫn kỹ thuật.

Cuối cùng, học tập kết hợp trong giáo dục đại học cần được nhìn nhận như một quá trình liên tục cải tiến, dựa trên bằng chứng và phản hồi từ cả giảng viên lẫn sinh viên. Đại dịch COVID-19 đã cho chúng ta một bài học quan trọng: khả năng thích ứng và linh hoạt là những yếu tố sống còn trong giáo dục. Những cơ sở giáo dục đại học xây dựng được năng lực học tập kết hợp vững chắc, dựa trên nền tảng công nghệ phù hợp và phương pháp giáo dục hiệu quả, sẽ là những cơ sở dẫn đầu trong kỷ nguyên giáo dục số.

Tóm lại, Phần 5 đã phân tích ba khía cạnh cốt lõi của chủ nghĩa thực tế công nghệ trong chuyển đổi số giáo dục đại học: quyền lực ẩn của dữ liệu và thuật toán, rủi ro và cơ hội từ nền kinh tế nền tảng, và mô hình học tập kết hợp như một giải pháp thực tế. Ba khía cạnh này không tồn tại độc lập mà liên kết chặt chẽ với nhau — dữ liệu là nhiên liệu cho nền kinh tế nền tảng, nền kinh tế nền tảng cung cấp công cụ cho học tập kết hợp, và học tập kết hợp tạo ra dữ liệu mới. Hiểu rõ mối liên kết này là điều kiện tiên quyết để xây dựng một hệ thống giáo dục đại học số công bằng, minh bạch và thực sự phục vụ người học. # PHẦN 6: KẾT LUẬN VÀ KHUNG THỰC HÀNH

Chương 19: Khung thực hành techno-realism cho giáo dục đại học

19.1 Giới thiệu: Từ lý luận đến thực hành

Suốt hai mươi chương của bài viết này, chúng ta đã đi qua một hành trình tri thức dài từ những khái niệm nền tảng của chủ nghĩa thực tế công nghệ (techno-realism), qua các phân tích về chuyển đổi số giáo dục đại học trên toàn cầu và tại Việt Nam, cho đến những bài học từ đại dịch COVID-19 và những câu hỏi triết học sâu sắc về bản chất của giáo dục trong kỷ nguyên số. Tuy nhiên, lý luận nếu không được chuyển hóa thành hành động thực tiễn thì sẽ mãi nằm trên trang sách, không tạo ra thay đổi thực sự cho hệ thống giáo dục. Do đó, chương cuối cùng này của hành trình tri thức sẽ tập trung vào việc xây dựng một khung thực hành techno-realist cụ thể, có thể ứng dụng trực tiếp vào các cơ sở giáo dục đại học.

Khung thực hành techno-realism không phải là một bộ công cụ kỹ thuật đơn thuần hay một danh mục kiểm tra (checklist) rập khuôn. Thay vào đó, đây là một hệ thống tư duy, một tập hợp các nguyên tắc định hướng và những bước triển khai cụ thể được thiết kế để giúp các trường đại học tiếp cận công nghệ một cách có trách nhiệm, có bằng chứng và đặt con người làm trung tâm. Khung này được xây dựng dựa trên sự tổng hợp của nhiều dòng nghiên cứu khác nhau: từ triết học công nghệ của Andrew Feenberg và Albert Borgmann, từ lý thuyết phê phán chủ nghĩa giải pháp (solutionism) của Evgeny Morozov, từ nghiên cứu về công bằng số của Selwyn (2021) và Warschauer (2004), cho đến những phát hiện thực nghiệm về hiệu quả giáo dục của Hattie (2009) và những phân tích về trí tuệ nhân tạo trong giáo dục của Sætra (2021).

Đặc biệt, trong bối cảnh công nghệ đang phát triển với tốc độ chóng mặt — từ trí tuệ nhân tạo tạo sinh (generative AI) như ChatGPT, Claude, Gemini cho đến các khái niệm về metaverse (Zhang et al., 2022; Tlili et al., 2022) — nhu cầu về một khung tư duy thực tế, cân bằng giữa lạc quan và hoài nghi chưa bao giờ cấp thiết đến thế. Các trường đại học cần một “la bàn” để định vị mình trong “biển” công nghệ, tránh tình trạng bị cuốn theo những trào lưu nhất thời hoặc ngược lại, rơi vào trạng thái trì trệ vì sợ hãi thay đổi.

19.2 Năm nguyên tắc nền tảng của techno-realism trong giáo dục đại học

Dựa trên tổng hợp nghiên cứu và phân tích trong suốt bài viết này, chúng tôi đề xuất năm nguyên tắc nền tảng của techno-realism ứng dụng trong giáo dục đại học. Năm nguyên tắc này không hoạt động độc lập mà tạo thành một hệ thống logic, bổ trợ lẫn nhau.

Nguyên tắc 1: Công nghệ phục vụ sư phạm, không phải ngược lại

Nguyên tắc đầu tiên và quan trọng nhất của techno-realism trong giáo dục là việc xác định rõ thứ bậc ưu tiên: công nghệ phải phục vụ mục tiêu sư phạm, chứ không phải phương pháp sư phạm phải điều chỉnh để phù hợp với công nghệ. Điều này nghe có vẻ hiển nhiên, nhưng thực tế cho thấy rất nhiều cơ sở giáo dục đang vi phạm nguyên tắc cơ bản này một cách vô thức.

Khi một trường đại học quyết định triển khai hệ thống quản lý học tập (Learning Management System) mới, câu hỏi đầu tiên thường được đặt ra là: “Hệ thống nào có nhiều tính năng nhất?” hoặc “Hệ thống nào đang được các trường danh tiếng sử dụng?” Thay vào đó, theo tư duy techno-realist, câu hỏi đúng phải là: “Hệ thống nào phù hợp nhất với phương pháp giảng dạy và phương pháp học tập mà chúng ta đang theo đuổi? Hệ thống nào giúp sinh viên đạt được kết quả học tập tốt hơn theo những thước đo mà chúng ta quan tâm?”

Sự nhầm lẫn giữa công cụ và mục tiêu đã được các nhà nghiên cứu giáo dục cảnh báo từ lâu. Clark (1983) trong bài báo kinh điển của mình đã lập luận rằng các phương tiện truyền thông (media) chỉ là phương tiện vận chuyển hướng dẫn (delivery vehicles) và không ảnh hưởng đến kết quả học tập dưới bất kỳ hình thức nào mà phương pháp giảng dạy không thể tự mình đạt được. Nghĩa là, chính cách chúng ta thiết kế trải nghiệm học tập — thông qua phản hồi, tương tác, động cơ — mới là yếu tố quyết định, chứ không phải công nghệ mà chúng ta sử dụng để truyền tải trải nghiệm đó.

Tuy nhiên, cần lưu ý rằng quan điểm của Clark đã được Kozma (1991) bổ sung và phát triển. Kozma lập luận rằng một số tính năng đặc thù của công nghệ có thể ảnh hưởng đến nhận thức và việc học nếu chúng được khai thác một cách có chủ đích trong bối cảnh sư phạm phù hợp. Sự tranh luận giữa Clark và Kozma kéo dài nhiều thập kỷ thực chất đã tổng hợp thành một quan điểm mà ngày nay chúng ta gọi là tư duy techno-realist: công nghệ không tự nhiên cải thiện giáo dục, nhưng khi được tích hợp một cách có chủ đích vào thiết kế sư phạm, nó có thể mở ra những khả năng mới mà các phương pháp truyền thống khó đạt được.

Nguyên tắc 2: Cảnh giác với chủ nghĩa giải pháp (solutionism)

Nguyên tắc thứ hai yêu cầu các nhà giáo dục và quản lý giáo dục duy trì một sự cảnh giác thường xuyên đối với “chủ nghĩa giải pháp công nghệ” — khuynh hướng coi mọi vấn đề giáo dục đều có thể được giải quyết bằng một giải pháp công nghệ. Thuật ngữ “solutionism” được Morozov (2013) phổ biến trong cuốn sách To Save Everything, Click Here, và nó đặc biệt phù hợp để mô tả nhiều cách tiếp cận chuyển đổi số giáo dục hiện nay.

Chủ nghĩa giải pháp công nghệ biểu hiện trong giáo dục qua nhiều hình thức khác nhau. Một ví dụ điển hình là việc coi học trực tuyến là giải pháp cho vấn đề thiếu giảng viên, mà không xem xét đến những giá trị vô hình mà tương tác trực tiếp giữa giảng viên và sinh viên mang lại. Một ví dụ khác là niềm tin rằng trí tuệ nhân tạo có thể thay thế hoàn toàn đánh giá của giảng viên, mà không nhận ra rằng quá trình đánh giá bản thân cũng là một quá trình học tập quan trọng đối với người đánh giá.

Sætra (2021) trong nghiên cứu của mình về trí tuệ nhân tạo trong bối cảnh các Mục tiêu Phát triển Bền vững (SDGs) đã chỉ ra rằng sự hiện diện của công nghệ tiên tiến không tự nhiên dẫn đến kết quả phát triển bền vững. Ngược lại, nếu không có sự phân tích kỹ lưỡng về bối cảnh, công nghệ có thể tạo ra những hệ quả tiêu cực không lường trước, thậm chí làm sâu sắc thêm bất bình đẳng hiện có. Bài học này hoàn toàn có thể áp dụng vào giáo dục: một nền tảng học tập trực tuyến tiên tiến, nếu không được triển khai với sự chú ý đến công bằng số, có thể loại trừ những sinh viên đang gặp bất lợi nhất khỏi quá trình tiếp cận giáo dục.

Để chống lại chủ nghĩa giải pháp, các trường đại học cần xây dựng một văn hóa “đặt câu hỏi công nghệ” (technological questioning). Trước khi triển khai bất kỳ giải pháp công nghệ nào, cần đặt ra ít nhất ba câu hỏi: (1) Vấn đề thực sự mà chúng ta đang cố giải quyết là gì? (2) Công nghệ này có thực sự là giải pháp tối ưu cho vấn đề đó không, hay chúng ta đang chọn nó vì nó có sẵn và dễ tiếp cận? (3) Những hệ quả không lường trước của giải pháp này có thể là gì, đặc biệt đối với những nhóm yếu thế trong hệ thống giáo dục?

Nguyên tắc 3: Công bằng số là ưu tiên, không phải phụ phẩm

Nguyên tắc thứ ba của techno-realism nhấn mạnh rằng công bằng số không phải là một mục tiêu phụ thuộc hay một hệ quả tự nhiên của chuyển đổi số, mà phải là một ưu tiên chủ động trong mọi quyết định công nghệ giáo dục. Điều này có nghĩa là mọi chính sách, mọi khoản đầu tư và mọi quyết định triển khai công nghệ đều cần được đánh giá qua lăng kính công bằng số.

Warschauer (2004) trong cuốn sách Technology and Social Inclusion: Rethinking the Digital Divide đã chỉ ra rằng “khoảng cách số” không chỉ đơn thuần là vấn đề tiếp cận thiết bị vật lý, mà bao gồm nhiều chiều: tiếp cận vật lý (physical access), tài nguyên (resources), nội dung (content), và sử dụng chủ đích (purposeful use). Một trường đại học có thể trang bị đầy đủ máy tính xách tay cho mọi sinh viên (đảm bảo tiếp cận vật lý), nhưng nếu những sinh viên đó không có đủ năng lực số để sử dụng hiệu quả các công cụ (thiếu năng lực sử dụng), hoặc nếu nội dung học tập không được thiết kế để phù hợp với bối cảnh văn hóa và ngôn ngữ của họ (thiếu nội dung phù hợp), thì khoảng cách số vẫn tồn tại.

Selwyn (2021) cũng đã nhấn mạnh rằng công bằng số trong giáo dục đòi hỏi một cách tiếp cận “biết quan tâm” (caring approach), nơi nhu cầu của những người học yếu thế nhất được đặt lên hàng đầu trong mọi quyết định công nghệ. Điều này đặc biệt quan trọng trong bối cảnh Việt Nam, nơi sự chênh lệch giữa thành thị và nông thôn, giữa các vùng miền và giữa các nhóm thu nhập khác nhau vẫn là một thực tế đáng kể. Khi các trường đại học triển khai chuyển đổi số, họ cần đảm bảo rằng không sinh viên nào bị bỏ lại phía sau chỉ vì thiếu thiết bị, thiếu kết nối mạng, hoặc thiếu năng lực số.

Nguyên tắc 4: Giảng viên là trung tâm, không phải nhà cung cấp công nghệ

Nguyên tắc thứ tư đặt giảng viên vào vị trí trung tâm của quá trình chuyển đổi số giáo dục, thay vì để các nhà cung cấp công nghệ (technology vendors) dẫn dắt quá trình này. Điều này không có nghĩa là các trường đại học nên tự cô lập và không hợp tác với các công ty công nghệ, mà có nghĩa là các quyết định về việc sử dụng công nghệ trong giáo dục phải được dẫn dắt bởi chuyên môn sư phạm của giảng viên, chứ không phải bởi lợi ích thương mại của các nhà cung cấp.

Thực tế hiện nay cho thấy nhiều trường đại học đang để các nhà cung cấp công nghệ định hình chiến lược chuyển đổi số giáo dục của họ. Các công ty công nghệ giáo dục (EdTech) thường tổ chức hội thảo, cung cấp bản dùng thử miễn phí, và hứa hẹn những kết quả ấn tượng về hiệu quả giáo dục. Tuy nhiên, như Selwyn (2014) đã lập luận trong cuốn sách Distrusting Educational Technology, các nhà cung cấp công nghệ thường có động lực thương mại mạnh mẽ để cường điệu hóa lợi ích và giảm nhẹ rủi ro của sản phẩm của họ. Các nhà giáo dục cần duy trì một tư duy phản biện khi tiếp nhận các thông điệp tiếp thị từ ngành công nghệ giáo dục.

Để đặt giảng viên vào vị trí trung tâm, các trường đại học cần: (1) đầu tư nghiêm túc vào phát triển năng lực số cho giảng viên, không chỉ về mặt kỹ thuật mà còn về mặt sư phạm số; (2) tạo không gian và thời gian để giảng viên thử nghiệm, đánh giá và phản hồi về các công cụ công nghệ trước khi triển khai rộng rãi; (3) xây dựng các cộng đồng thực hành (communities of practice) nơi giảng viên có thể chia sẻ kinh nghiệm và hỗ trợ lẫn nhau trong việc tích hợp công nghệ vào giảng dạy; và (4) trao quyền cho giảng viên trong việc ra quyết định về việc sử dụng công nghệ trong lớp học của họ, thay vì áp dụng một cách bắt buộc từ trên xuống (top-down).

Nguyên tắc 5: Đánh giá liên tục bằng bằng chứng, không phải cảm tính

Nguyên tắc thứ năm và cuối cùng nhấn mạnh tầm quan trọng của việc đánh giá liên tục các can thiệp công nghệ trong giáo dục bằng phương pháp dựa trên bằng chứng (evidence-based). Rất nhiều quyết định về công nghệ giáo dục hiện nay được đưa ra dựa trên cảm tính, kinh nghiệm cá nhân, hoặc áp lực từ bên ngoài (từ nhà cung cấp công nghệ, từ các trường cạnh tranh, hoặc từ dư luận xã hội), thay vì dựa trên bằng chứng thực nghiệm vững chắc.

Hattie (2009) trong cuốn sách Visible Learning đã tổng hợp hơn 800 meta-analyses về các yếu tố ảnh hưởng đến kết quả học tập và phát hiện rằng nhiều can thiệp giáo dục phổ biến thực tế có tác động rất nhỏ đến kết quả học tập. Điều này nhắc nhở chúng ta rằng không phải mọi công nghệ “tiên tiến” hoặc “hiện đại” đều thực sự cải thiện giáo dục. Việc đánh giá bằng chứng là cần thiết để phân biệt giữa những can thiệp công nghệ có tác động thực sự và những can thiệp chỉ tạo ra ảo giác về sự đổi mới.

Khung đánh giá techno-realist cần bao gồm nhiều loại bằng chứng khác nhau: dữ liệu học tập (dữ liệu về kết quả học tập của sinh viên trước và sau can thiệp công nghệ), dữ liệu trải nghiệm (phản hồi của sinh viên và giảng viên về trải nghiệm sử dụng công nghệ), dữ liệu công bằng (phân tích tác động của công nghệ đến các nhóm sinh viên khác nhau), và dữ liệu chi phí (phân tích chi phí–lợi ích của việc triển khai công nghệ). Chỉ khi kết hợp nhiều loại bằng chứng này, các trường đại học mới có thể đưa ra những quyết định sáng suốt về việc tiếp tục, điều chỉnh hoặc ngừng sử dụng một công nghệ giáo dục.

19.3 Metaverse và công nghệ tương lai: Góc nhìn techno-realist

Trong những năm gần đây, khái niệm metaverse — một không gian thực tế ảo kết nối, nơi người dùng có thể tương tác với nhau và với môi trường số thông qua các thiết bị thực tế tăng cường (AR), thực tế ảo (VR) và thực tế hỗn hợp (MR) — đã thu hút sự chú ý đáng kể trong lĩnh vực giáo dục. Zhang et al. (2022) trong bài báo “The Metaverse in Education” đã lập luận rằng metaverse có tiềm năng tạo ra những trải nghiệm học tập đắm chìm (immersive) và tương tác sâu sắc, cho phép sinh viên “thực hành” trong các môi trường mô phỏng an toàn trước khi tiếp xúc với thực tế. Ví dụ, sinh viên y khoa có thể thực hành phẫu thuật trong môi trường ảo, sinh viên kiến trúc có thể “đi bộ” qua các công trình thiết kế của mình, và sinh viên lịch sử có thể “tham quan” các di tích lịch sử đã không còn tồn tại.

Tuy nhiên, Tlili et al. (2022) trong bài báo “Is Metaverse in Education a Blessing or a Curse?” đã đưa ra một cái nhìn cân bằng hơn. Các tác giả chỉ ra rằng, bên cạnh những tiềm năng rõ ràng, metaverse cũng mang theo những rủi ro và thách thức đáng kể: chi phí triển khai cao (cả về thiết bị phần cứng và hạ tầng phần mềm), nguy cơ làm sâu sắc thêm khoảng cách số (vì không phải tất cả sinh viên đều có khả năng tiếp cận thiết bị VR/AR), lo ngại về quyền riêng tư và bảo mật dữ liệu (vì môi trường metaverse thu thập lượng dữ liệu người dùng khổng lồ), và nguy cơ làm giảm tương tác xã hội thực tế.

Góc nhìn techno-realist về metaverse trong giáo dục không phải là từ chối hoàn toàn cũng không phải là tiếp nhận mù quáng. Thay vào đó, theo tư duy của Sætra (2021), chúng ta cần đánh giá công nghệ metaverse trong bối cảnh cụ thể của mục tiêu giáo dục mà nó phục vụ. Câu hỏi không phải là “metaverse có tốt cho giáo dục không?” mà là “Trong bối cảnh cụ thể nào, với nhóm sinh viên nào, và cho mục tiêu học tập nào, metaverse mang lại giá trị bổ sung vượt trội so với các phương pháp giảng dạy hiện có?”

Đối với giáo dục đại học Việt Nam, việc triển khai metaverse cần được tiếp cận đặc biệt thận trọng. Hạ tầng công nghệ, năng lực số của giảng viên và sinh viên, cũng như nguồn tài chính của các trường đại học đều là những yếu tố cần được xem xét kỹ lưỡng trước khi đầu tư vào các giải pháp metaverse. Thay vì chạy theo trào lưu, các trường nên bắt đầu từ những bước nhỏ: thí điểm metaverse trong một số môn học cụ thể, đánh giá nghiêm ngặt kết quả bằng phương pháp dựa trên bằng chứng, và chỉ mở rộng quy mô khi có đủ bằng chứng về tác động tích cực.

19.4 Triển khai thực hành techno-realist ở cấp độ cơ sở giáo dục

Việc chuyển hóa năm nguyên tắc techno-realist thành thực hành hàng ngày tại các trường đại học đòi hỏi một chiến lược triển khai toàn diện, bao gồm nhiều cấp độ khác nhau: từ chính sách vĩ mô đến hành vi vi mô trong lớp học.

Cấp độ chính sách (Macro level):

Ở cấp độ chính sách, các trường đại học cần xây dựng một “chiến lược công nghệ giáo dục có trách nhiệm” (responsible education technology strategy). Chiến lược này cần: (1) xác định rõ tầm nhìn và sứ mệnh của trường đại học về vai trò của công nghệ trong giáo dục; (2) thiết lập các nguyên tắc chỉ đạo (guiding principles) dựa trên năm nguyên tắc techno-realist; (3) xác định các ưu tiên đầu tư dựa trên phân tích nhu cầu và bằng chứng, thay vì dựa trên áp lực từ nhà cung cấp công nghệ; (4) xây dựng cơ chế quản trị công nghệ giáo dục có sự tham gia của đa bên — bao gồm giảng viên, sinh viên, chuyên gia công nghệ và quản lý; và (5) phân bổ ngân sách thích đáng cho phát triển năng lực số cho giảng viên.

Cấp độ tổ chức (Meso level):

Ở cấp độ tổ chức, các trường cần: (1) thành lập các đơn vị hoặc ủy ban tư vấn về công nghệ giáo dục có chức năng đánh giá độc lập các công cụ công nghệ trước khi triển khai; (2) thiết lập các tiêu chuẩn (standards) về chất lượng công nghệ giáo dục, bao gồm tiêu chuẩn về sư phạm, công bằng số và bảo vệ dữ liệu; (3) xây dựng hệ thống hỗ trợ kỹ thuật và sư phạm cho giảng viên trong việc sử dụng công nghệ; (4) tổ chức các chương trình đào tạo phát triển năng lực số cho giảng viên một cách có hệ thống và liên tục; và (5) tạo các không gian thử nghiệm (sandbox) nơi giảng viên có thể thử nghiệm các công nghệ mới trong một môi trường an toàn, có sự hỗ trợ.

Cấp độ lớp học (Micro level):

Ở cấp độ lớp học, giảng viên cần: (1) áp dụng tư duy “chọn công nghệ có chủ đích” (purposeful technology selection) — trước khi sử dụng một công cụ công nghệ, cần xác định rõ mục tiêu sư phạm mà công cụ đó phục vụ; (2) kết hợp đa dạng các phương pháp giảng dạy — trực tiếp, trực tuyến và hỗn hợp — một cách linh hoạt, dựa trên bối cảnh cụ thể của môn học và nhóm sinh viên; (3) duy trì sự tương tác cá nhân và phản hồi thường xuyên với sinh viên, bất kể sử dụng công nghệ gì; (4) đánh giá thường xuyên trải nghiệm học tập của sinh viên và điều chỉnh phương pháp giảng dạy theo phản hồi đó; và (5) tích cực tham gia vào các cộng đồng thực hành để chia sẻ kinh nghiệm và học hỏi từ đồng nghiệp.

19.5 Khuyến nghị chính sách cho chuyển đổi số giáo dục đại học

Dựa trên khung thực hành techno-realist được đề xuất, chúng tôi đưa ra một số khuyến nghị chính sách cụ thể cho các bên liên quan.

Đối với Bộ Giáo dục và Đào tạo và các cơ quan quản lý nhà nước:

Thứ nhất, cần xây dựng khung tiêu chuẩn quốc gia về chất lượng chuyển đổi số giáo dục đại học, với tiêu chuẩn không chỉ tập trung vào hạ tầng công nghệ (phần cứng, phần mềm, kết nối mạng) mà còn bao gồm các tiêu chuẩn về chất lượng sư phạm số, công bằng số và năng lực số của giảng viên. Hiện tại, nhiều đánh giá về chuyển đổi số giáo dục chủ yếu dựa trên các chỉ số về hạ tầng công nghệ, mà bỏ qua các khía cạnh sư phạm và công bằng quan trọng hơn.

Thứ hai, cần thiết lập cơ chế tài chính hỗ trợ chuyển đổi số giáo dục cho các trường đại học ở vùng sâu, vùng xa và các trường có nguồn lực hạn chế. Sự chênh lệch về nguồn lực giữa các trường đại học ở các vùng miền khác nhau có thể dẫn đến khoảng cách số trong giáo dục, nơi sinh viên ở các trường có nguồn lực tốt hơn có cơ hội tiếp cận công nghệ giáo dục tiên tiến hơn, trong khi sinh viên ở các trường có nguồn lực hạn chế bị bỏ lại phía sau.

Thứ ba, cần xây dựng chính sách bảo vệ quyền riêng tư và dữ liệu cá nhân của sinh viên và giảng viên trong môi trường giáo dục số. Với sự gia tăng của các nền tảng học tập trực tuyến và các công cụ trí tuệ nhân tạo, lượng dữ liệu cá nhân được thu thập trong quá trình giáo dục đang tăng lên nhanh chóng. Các chính sách bảo vệ dữ liệu cần được thiết kế đặc biệt cho bối cảnh giáo dục, đảm bảo cân bằng giữa việc sử dụng dữ liệu để cải thiện giáo dục và việc bảo vệ quyền riêng tư của cá nhân.

Đối với các trường đại học:

Thứ nhất, cần thành lập hoặc củng cố các đơn vị hỗ trợ sư phạm số units) có đủ năng lực để tư vấn, đào tạo và hỗ trợ giảng viên trong việc tích hợp công nghệ vào giảng dạy. Các đơn vị này không chỉ cần có chuyên môn về công nghệ mà còn cần có chuyên môn về sư phạm, vì mục tiêu cuối cùng là hỗ trợ giảng viên sử dụng công nghệ để phục vụ việc dạy và học hiệu quả hơn.

Thứ hai, cần xây dựng cơ chế đánh giá độc lập các công nghệ giáo dục trước khi quyết định triển khai. Các cơ chế này nên bao gồm cả đánh giá sư phạm (công nghệ này có hỗ trợ phương pháp giảng dạy hiệu quả không?), đánh giá công bằng (công nghệ này có ảnh hưởng tiêu cực đến nhóm sinh viên nào không?), đánh giá chi phí–lợi ích, và đánh giá rủi ro (bảo mật, quyền riêng tư, phụ thuộc công nghệ).

Thứ ba, cần phân bổ ngân sách đầy đủ cho phát triển năng lực số của giảng viên. Nhiều trường đại học đầu tư mạnh mẽ vào hạ tầng công nghệ nhưng lại bỏ qua việc đào tạo giảng viên sử dụng hạ tầng đó một cách hiệu quả. Một khoản đầu tư không cân đối sẽ dẫn đến lãng phí nguồn lực và không đạt được mục tiêu chuyển đổi số.

19.6 Khung đánh giá và kiểm định chuyển đổi số theo tư duy techno-realist

Một khung đánh giá techno-realist cho chuyển đổi số giáo dục đại học cần bao gồm nhiều chiều và nhiều loại dữ liệu, khác với những khung đánh giá đơn chiều hiện nay thường chỉ tập trung vào các chỉ số về hạ tầng công nghệ.

Chiều sư phạm: Đánh giá xem công nghệ có thực sự cải thiện quá trình dạy và học hay không. Các chỉ số bao gồm: kết quả học tập của sinh viên (đánh giá theo các rubric rõ ràng, không chỉ điểm số), mức độ tương tác và tham gia của sinh viên trong quá trình học, chất lượng phản hồi của giảng viên, và sự phát triển năng lực tự học và tư duy phản biện của sinh viên.

Chiều công bằng: Đánh giá tác động của công nghệ đến các nhóm sinh viên khác nhau, đặc biệt là những nhóm yếu thế. Các chỉ số bao gồm: mức độ tiếp cận công nghệ của các nhóm sinh viên (theo thu nhập, vùng miền, giới tính, khuyết tật), khoảng cách kết quả học tập giữa các nhóm sinh viên trước và sau triển khai công nghệ, và mức độ tham gia của các nhóm sinh viên yếu thế trong các hoạt động giáo dục số.

Chiều nhân viên: Đánh giá năng lực và sự sẵn sàng của giảng viên trong việc sử dụng công nghệ. Các chỉ số bao gồm: mức độ năng lực số của giảng viên (đánh giá bằng công cụ chuẩn hóa), mức độ tự tin và thoải mái của giảng viên khi sử dụng công nghệ, mức độ hỗ trợ mà giảng viên nhận được từ trường, và sự hài lòng của giảng viên với các công cụ công nghệ được cung cấp.

Chiều bền vững: Đánh giá tính bền vững của việc triển khai công nghệ trong dài hạn. Các chỉ số bao gồm: chi phí vận hành và bảo trì trong dài hạn, mức độ phụ thuộc vào nhà cung cấp công nghệ cụ thể (vendor lock-in), khả năng thích ứng của hệ thống công nghệ với sự thay đổi trong tương lai, và tác động môi trường của các giải pháp công nghệ được triển khai.

Chiều bảo vệ dữ liệu và đạo đức: Đánh giá việc bảo vệ quyền riêng tư và dữ liệu cá nhân trong môi trường giáo dục số. Các chỉ số bao gồm: mức độ tuân thủ các quy định về bảo vệ dữ liệu, sự minh bạch trong việc thu thập và sử dụng dữ liệu sinh viên, các biện pháp bảo mật thông tin, và giáo dục nhận thức về an toàn thông tin cho sinh viên và giảng viên.

Hình 19.1: Minh họa khung thực hành techno-realist trong giáo dục đại học — một hệ thống đa chiều kết nối giữa công nghệ, sư phạm, con người và bối cảnh xã hội.

19.7 Tổng kết chương

Chương 19 đã xây dựng một khung thực hành techno-realist toàn diện cho giáo dục đại học, dựa trên năm nguyên tắc nền tảng: công nghệ phục vụ sư phạm, cảnh giác với chủ nghĩa giải pháp, công bằng số là ưu tiên, giảng viên là trung tâm, và đánh giá liên tục bằng bằng chứng. Khung này không chỉ là lý thuyết mà còn cung cấp những hướng dẫn cụ thể cho việc triển khai ở nhiều cấp độ khác nhau — từ chính sách quốc gia đến hành vi trong lớp học. Trong bối cảnh công nghệ tiếp tục phát triển với tốc độ chóng mặt, từ trí tuệ nhân tạo tạo sinh đến metaverse, tư duy techno-realist cung cấp một “la bàn” đáng tin cậy để các trường đại học điều hướng trong bức tranh phức tạp của chuyển đổi số giáo dục. Khung này không từ chối công nghệ mà tìm cách làm chủ công nghệ một cách có trách nhiệm, đặt con người — cả giảng viên và sinh viên — làm trung tâm của mọi quyết định.

Chương 20: Kết luận — Hướng tới một giáo dục đại học có trách nhiệm số

20.1 Tổng hợp các phát hiện chính

Bài viết này đã đi qua một hành trình nghiên cứu toàn diện về chủ nghĩa thực tế công nghệ (techno-realism) và vai trò của nó trong chuyển đổi số giáo dục đại học. Hành trình này bắt đầu từ những khái niệm nền tảng về bản chất của công nghệ và mối quan hệ giữa công nghệ, giáo dục và xã hội, đi qua những phân tích về thực trạng chuyển đổi số giáo dục trên toàn cầu và tại Việt Nam, khám phá những bài học sâu sắc từ đại dịch COVID-19, và kết thúc bằng một khung thực hành techno-realist có thể ứng dụng trực tiếp vào các cơ sở giáo dục đại học.

Qua hai mươi chương của bài viết, một số phát hiện chính có thể được tổng hợp như sau.

Thứ nhất, chuyển đổi số giáo dục đại học không chỉ là vấn đề công nghệ. Đây là phát hiện nền tảng và quan trọng nhất. Chuyển đổi số giáo dục thực chất là một quá trình thay đổi sâu rộng về triết học giáo dục (philosophy of education), phương pháp sư phạm, mô hình tổ chức (organizational model) và văn hóa giáo dục (educational culture). Công nghệ chỉ là công cụ, dù là công cụ quan trọng, nhưng không phải là yếu tố quyết định thành bại của chuyển đổi số. Yếu tố quyết định thực sự là con người — giảng viên có đủ năng lực và động lực để thay đổi phương pháp giảng dạy không, sinh viên có sẵn sàng và có đủ năng lực để thích ứng với môi trường học tập mới không, và quản lý có đủ tầm nhìn và khả năng lãnh đạo để tạo ra sự thay đổi hệ thống không.

Thứ hai, rủi ro của chủ nghĩa giải pháp (solutionism) là rủi ro thực sự và phổ biến. Trong suốt bài viết, chúng ta đã thấy nhiều ví dụ về cách mà khuynh hướng coi công nghệ là giải pháp cho mọi vấn đề giáo dục đã dẫn đến những quyết định kém hiệu quả, lãng phí nguồn lực, và thậm chí gây hại cho sinh viên. Từ việc áp dụng cưỡng bức các nền tảng học tập trực tuyến mà không đào tạo giảng viên sử dụng hiệu quả, đến việc tin tưởng quá mức vào khả năng của trí tuệ nhân tạo trong việc cá nhân hóa giáo dục, chủ nghĩa giải pháp đã tạo ra những hệ quả tiêu biểu mà chúng ta cần nhận diện và tránh.

Thứ ba, công bằng số là thách thức lớn nhất và cũng là ưu tiên quan trọng nhất trong chuyển đổi số giáo dục. Bất bình đẳng trong tiếp cận công nghệ, năng lực số và sử dụng công nghệ vẫn là một thực tế sâu sắc trong giáo dục đại học Việt Nam và trên toàn cầu. Nếu không được giải quyết một cách chủ động, chuyển đổi số giáo dục có nguy cơ làm sâu sắc thêm bất bình đẳng hiện có, thay vì giảm thiểu nó như nhiều người kỳ vọng. Lời nhắc nhở của Selwyn (2021) về việc đặt những người yếu thế nhất lên hàng đầu trong mọi quyết định công nghệ là một nguyên tắc mà mọi trường đại học cần tuân thủ.

Thứ tư, đại dịch COVID-19 vừa là cú sốc vừa là cơ hội học tập. Đại dịch đã buộc các trường đại học phải chuyển đổi sang giáo dục trực tuyến với tốc độ chưa từng có, phơi bày cả những điểm mạnh lẫn điểm yếu của hệ thống giáo dục số. Những bài học từ đại dịch — về tầm quan trọng của sự linh hoạt, về giá trị của tương tác trực tiếp, về nhu cầu đào tạo giảng viên sử dụng công nghệ hiệu quả, và về những bất bình đẳng số đang tồn tại — cần được nghiêm túc nghiên cứu và áp dụng vào chiến lược chuyển đổi số lâu dài.

Thứ năm, giảng viên cần được đặt vào vị trí trung tâm của chuyển đổi số giáo dục. Công nghệ giáo dục có hiệu quả nhất khi nó được dẫn dắt bởi chuyên môn sư phạm của giảng viên, không phải bởi lợi ích thương mại của nhà cung cấp công nghệ. Việc phát triển năng lực số cho giảng viên không chỉ là vấn đề đào tạo kỹ năng kỹ thuật, mà còn là việc trao quyền cho họ trong việc ra quyết định về việc sử dụng công nghệ trong lớp học của mình, và xây dựng văn hóa tôn trọng chuyên môn sư phạm trong bối cảnh số hóa.

20.2 Khuyến nghị cho các bên liên quan

Dựa trên tổng hợp các phát hiện trong suốt bài viết, chúng tôi đưa ra các khuyến nghị cụ thể cho ba nhóm bên liên quan chính: các nhà hoạch định chính sách, các cơ sở giáo dục đại học, và giảng viên cùng sinh viên.

Khuyến nghị cho các nhà hoạch định chính sách:

Các nhà hoạch định chính sách cần chuyển từ tư duy “chuyển đổi số bằng mọi giá” sang tư duy “chuyển đổi số có trách nhiệm”. Điều này đòi hỏi việc xây dựng khung chính sách công nghệ giáo dục dựa trên bằng chứng, với sự tham gia của đa bên, và đặt công bằng số làm ưu tiên hàng đầu. Các chính sách cần tránh việc áp dụng một mô hình chung cho mọi trường đại học, mà cho phép linh hoạt dựa trên bối cảnh cụ thể của từng cơ sở giáo dục. Đồng thời, cần đầu tư vào nghiên cứu giáo dục số tại Việt Nam, tạo ra hệ thống bằng chứng nội địa (local evidence) để hỗ trợ việc ra quyết định chính sách.

Ngoài ra, các nhà hoạch định chính sách cần phát triển các quy định về đạo đức AI trong giáo dục, đặc biệt trong bối cảnh sự phát triển nhanh chóng của trí tuệ nhân tạo tạo sinh (generative AI). Các quy định này cần cân bằng giữa việc khuyến khích đổi mới sáng tạo trong giáo dục và việc bảo vệ tính toàn vẹn của quá trình đánh giá học tập, cũng như quyền riêng tư của sinh viên và giảng viên.

Khuyến nghị cho các cơ sở giáo dục đại học:

Các trường đại học cần xây dựng chiến lược chuyển đổi số dài hạn, có tầm nhìn, dựa trên năm nguyên tắc techno-realist đã đề xuất trong chương 19. Chiến lược này cần được tích hợp vào chiến lược phát triển tổng thể của trường, không phải là một dự án tách biệt hay một sáng kiến nhất thời. Đặc biệt quan trọng là việc phân bổ nguồn lực đầy đủ cho phát triển năng lực số của giảng viên — một khoản đầu tư thường bị bỏ qua nhưng lại là yếu tố quyết định thành bại của chuyển đổi số.

Các trường cũng cần xây dựng văn hóa “đổi mới có trách nhiệm” (responsible innovation), nơi việc thử nghiệm công nghệ mới được khuyến khích nhưng cũng được đánh giá nghiêm ngặt bằng phương pháp dựa trên bằng chứng. Văn hóa này cần được hỗ trợ bởi các cơ chế tổ chức cụ thể: ủy ban tư vấn công nghệ giáo dục, không gian thử nghiệm (sandbox), và hệ thống hỗ trợ kỹ thuật và sư phạm cho giảng viên.

Khuyến nghị cho giảng viên và sinh viên:

Giảng viên cần chủ động phát triển năng lực số của mình, không chỉ về mặt kỹ thuật mà còn về mặt sư phạm số. Điều này đòi hỏi sự sẵn sàng học hỏi liên tục, tham gia vào các chương trình đào tạo, và chia sẻ kinh nghiệm với đồng nghiệp. Đồng thời, giảng viên cần duy trì tư duy phản biện đối với các công nghệ giáo dục, không ngại đặt câu hỏi về tác động sư phạm và công bằng của các công cụ mà họ được yêu cầu sử dụng.

Sinh viên cần nhận thức rõ quyền của mình trong môi trường giáo dục số: quyền được tiếp cận công nghệ giáo dục chất lượng, quyền được bảo vệ dữ liệu cá nhân, và quyền được cung cấp trải nghiệm học tập phù hợp với nhu cầu và bối cảnh của mình. Đồng thời, sinh viên cần chủ động phát triển năng lực số, bao gồm cả năng lực kỹ thuật và năng lực tư duy phản biện về công nghệ, để trở thành những công dân số có trách nhiệm.

20.3 Vai trò của techno-realism trong kỷ nguyên trí tuệ nhân tạo tạo sinh

Chúng ta đang bước vào một giai đoạn mới của tiến bộ công nghệ, nơi trí tuệ nhân tạo tạo sinh (generative AI) — được đại diện bởi các hệ thống như ChatGPT, Claude, Gemini, và nhiều hệ thống khác — đang thay đổi nhanh chóng cách chúng ta tạo ra tri thức, giao tiếp và học tập. Trong bối cảnh này, tư duy techno-realist chưa bao giờ cần thiết đến thế.

Sætra (2021) đã chỉ ra rằng sự hiện diện của trí tuệ nhân tạo không tự nhiên dẫn đến các kết quả tích cực cho xã hội. Trí tuệ nhân tạo là một công cụ mạnh mẽ, và như mọi công cụ mạnh mẽ, nó có thể được sử dụng cho cả mục đích tốt lẫn mục đích xấu. Trong giáo dục đại học, trí tuệ nhân tạo tạo sinh có thể hỗ trợ cá nhân hóa học tập, cung cấp phản hồi tức thì cho sinh viên, tự động hóa các công việc hành chính của giảng viên, và mở ra những phương pháp giảng dạy mới. Nhưng đồng thời, nó cũng có nguy cơ làm giảm tính toàn vẹn của đánh giá học tập, tạo ra sự phụ thuộc công nghệ ở sinh viên, làm tăng bất bình đẳng số (vì không phải tất cả sinh viên đều có quyền tiếp cận bình đẳng đến các hệ thống AI tiên tiến), và đặt ra những câu hỏi sâu sắc về bản chất của quá trình học tập.

Tư duy techno-realist không yêu cầu chúng ta từ chối hay chào đón mù quáng trí tuệ nhân tạo. Thay vào đó, nó yêu cầu chúng ta tiếp cận AI với sự cảnh giác có chủ đích (deliberate skepticism), đánh giá cẩn thận cả lợi ích lẫn rủi ro trong bối cảnh cụ thể, và luôn đặt câu hỏi về tác động đến con người — đặc biệt là những người yếu thế nhất trong hệ thống giáo dục.

20.4 Thông điệp cuối cùng: Techno-realism không phải là từ chối công nghệ, mà là làm chủ công nghệ một cách có trách nhiệm

Qua hai mươi chương của bài viết này, chúng tôi muốn khẳng định một thông điệp rõ ràng: techno-realism không phải là từ chối công nghệ, không phải là quay lưng lại với sự tiến bộ, và không phải là bảo vệ sự trì trệ. Ngược lại, techno-realism là một thái độ tích cực, chủ động và có trách nhiệm đối với công nghệ — một thái độ tìm cách hiểu rõ cả tiềm năng lẫn giới hạn của công nghệ, đánh giá cẩn thận cả lợi ích lẫn rủi ro trong từng bối cảnh cụ thể, và luôn đặt con người làm trung tâm của mọi quyết định công nghệ.

Chuyển đổi số giáo dục đại học là một quá trình tất yếu trong thế kỷ hai mươi mốt, và nó mang lại những cơ hội thực sự để cải thiện chất lượng, mở rộng tiếp cận và thúc đẩy đổi mới giáo dục. Tuy nhiên, nếu được tiếp cận một cách phi thực tế — với sự kỳ vọng quá mức vào khả năng của công nghệ, hoặc với sự bỏ qua các vấn đề về công bằng, đạo đức và chất lượng sư phạm — chuyển đổi số có thể gây ra những hệ quả tiêu cực nghiêm trọng và sâu rộng.

Chúng tôi kỳ vọng rằng bài viết này đã đóng góp một phần nhỏ vào cuộc đối thoại quan trọng về cách thức tiếp cận công nghệ trong giáo dục đại học một cách có trách nhiệm, có bằng chứng và đặt con người làm trung tâm. Chúng tôi kỳ vọng rằng khung thực hành techno-realist được đề xuất, với năm nguyên tắc nền tảng và các khuyến nghị cụ thể, sẽ là một tài liệu tham khảo hữu ích cho các nhà hoạch định chính sách, các nhà quản lý giáo dục và các nhà giáo dục trong quá trình chuyển đổi số giáo dục đại học tại Việt Nam.

Giáo dục đại học có trách nhiệm số không phải là một đích đến, mà là một hành trình liên tục — một hành trình đòi hỏi sự học hỏi không ngừng, phản biện liên tục và sẵn sàng điều chỉnh. Trong hành trình đó, techno-realism là một người bạn đồng hành đáng tin cậy, một “la bàn” giúp chúng ta điều hướng trong bức tranh phức tạp của công nghệ và giáo dục, hướng tới một mục tiêu cao cả: một nền giáo dục đại học thực sự phục vụ sự phát triển toàn diện của con người, trong kỷ nguyên số và xa hơn nữa.

Hình 20.1: Học tập và đổi mới không ngừng — hình ảnh đại diện cho giáo dục đại học có trách nhiệm số, nơi công nghệ và con người cùng phát triển trong sự hài hòa.

TÀI LIỆU THAM KHẢO CHÍNH PHẦN 6

• Clark, R.E. (1983). Reconsidering research on learning from media. Review of Educational Research, 53(4), 445–459.
• Feenberg, A. (2010). Between Reason and Experience: Essays in Technology and Modernity. MIT Press.
• Hattie, J. (2009). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. Routledge.
• Kozma, R.B. (1991). Learning with media. Review of Educational Research, 61(2), 179–211.
• Morozov, E. (2013). To Save Everything, Click Here: The Folly of Technological Solutionism. PublicAffairs.
• Selwyn, N. (2014). Distrusting Educational Technology: Critical Questions for Changing Times. Routledge.
• Selwyn, N. (2021). Is Technology Good for Education? Polity Press.
• Sætra, H.S. (2021). AI in Context and the SDGs. Sustainability, 13(4), 1738. DOI: 10.3390/su13041738.
• Warschauer, M. (2004). Technology and Social Inclusion: Rethinking the Digital Divide. MIT Press.
• Zhang, X., Chen, Y., Hu, L., & Wang, Y. (2022). The metaverse in education. Frontiers in Psychology, 13, 1016300. DOI: 10.3389/fpsyg.2022.1016300.
• Tlili, A., Huang, R., Shehata, B., Liu, D., & Zhao, J. (2022). Is Metaverse in education a blessing or a curse? Smart Learning Environments, 9, 23. DOI: 10.1186/s40561-022-00205-x.

— Hết Phần 6 — ## DANH SÁCH NGUỒN ĐÃ VERIFY (62 nguồn)

Critical perspectives & Postdigital

1. Teräs, M., Suoranta, J., Teräs, H., & Curcher, M. (2020). Post-Covid-19 Education and Education Technology ‘Solutionism’. Postdigital Science and Education. DOI: 10.1007/s42438-020-00164-x
2. Fawns, T. (2018). Postdigital Education in Design and Practice. Postdigital Science and Education. DOI: 10.1007/s42438-018-0021-8
3. Jandrić, P., Knox, J., Besley, T., Ryberg, T., & Suoranta, J. (2018). Postdigital science and education. Educational Philosophy and Theory. DOI: 10.1080/00131857.2018.1454000
4. Knox, J. (2019). What Does the ‘Postdigital’ Mean for Education? Postdigital Science and Education. DOI: 10.1007/s42438-019-00045-y
5. Czerniewicz, L., Agherdien, N., Badenhorst, J., Belluigi, D., Chambers, T. et al. (2020). A Wake-Up Call: Equity, Inequality and Covid-19 Emergency Remote Teaching. Postdigital Science and Education. DOI: 10.1007/s42438-020-00187-4
6. Rapanta, C., Botturi, L., Goodyear, P., Guàrdia, L., & Koole, M. (2021). Balancing Technology, Pedagogy and the New Normal. Postdigital Science and Education. DOI: 10.1007/s42438-021-00249-1
7. Williamson, B., Eynon, R., & Potter, J. (2020). Pandemic politics, pedagogies and practices. Learning, Media and Technology. DOI: 10.1080/17439884.2020.1761641

Digital transformation & COVID

8. Mergel, I., Edelmann, N., & Haug, N. (2019). Defining digital transformation. Government Information Quarterly. DOI: 10.1016/j.giq.2019.06.002
9. Watermeyer, R., Crick, T., Knight, C., & Goodall, J. (2020). COVID-19 and digital disruption in UK universities. Higher Education. DOI: 10.1007/s10734-020-00561-y
10. Ali, W. (2020). Online and Remote Learning in Higher Education. Higher Education Studies. DOI: 10.5539/hes.v10n3p16
11. Coman, C., Țîru, L.G., Meseșan-Schmitz, L., Stanciu, C., & Bularca, M.C. (2020). Online Teaching and Learning in Higher Education during the Coronavirus. Sustainability. DOI: 10.3390/su122410367
12. Rapanta, C., Botturi, L., Goodyear, P., Guàrdia, L., & Koole, M. (2020). Online University Teaching During and After Covid-19. Postdigital Science and Education. DOI: 10.1007/s42438-020-00155-y
13. Bond, M., Bedenlier, S., Marín, V.I., & Händel, M. (2021). Emergency remote teaching in higher education. International Journal of Educational Technology in Higher Education. DOI: 10.1186/s41239-021-00282-x
14. Zhu, X., & Liu, J. (2020). Education in and After Covid-19. Postdigital Science and Education. DOI: 10.1007/s42438-020-00126-3
15. García-Morales, V.J., Garrido-Moreno, A., & Martín-Rojas, R. (2021). The Transformation of Higher Education After the COVID Disruption. Frontiers in Psychology. DOI: 10.3389/fpsyg.2021.616059
16. Almaiah, M.A., Al-Khasawneh, A., & Althunibat, A. (2020). Exploring the critical challenges and factors influencing E-learning. Education and Information Technologies. DOI: 10.1007/s10639-020-10219-y
17. Adnan, M. (2020). Online learning amid the COVID-19 pandemic. Journal of Pedagogical Sociology and Psychology. DOI: 10.33902/jpsp.2020261309
18. Ferri, F., Grifoni, P., & Guzzo, T. (2020). Online Learning and Emergency Remote Teaching. Societies. DOI: 10.3390/soc10040086

AI in Education

19. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., & Dementieva, D. (2023). ChatGPT for good? Learning and Individual Differences. DOI: 10.1016/j.lindif.2023.102274
20. Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education. International Journal of Educational Technology in Higher Education. DOI: 10.1186/s41239-023-00392-8
21. Zawacki-Richter, O., Marín, V.I., Bond, M., & Gouverneur, F. (2019). Systematic review of AI applications in higher education. International Journal of Educational Technology in Higher Education. DOI: 10.1186/s41239-019-0171-0
22. Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access. DOI: 10.1109/access.2020.2988510
23. Dwivedi, Y.K., Kshetri, N., Hughes, L., Slade, E.L., & Jeyaraj, A. (2023). Opinion Paper: So what if ChatGPT wrote it? International Journal of Information Management. DOI: 10.1016/j.ijinfomgt.2023.102642
24. Cotton, D.R.E., Cotton, P.A., & Shipway, J.R. (2023). Chatting and cheating. Innovations in Education and Teaching International. DOI: 10.1080/14703297.2023.2190148
25. Chan, C.K.Y., & Hu, W. (2023). Students’ voices on generative AI. International Journal of Educational Technology in Higher Education. DOI: 10.1186/s41239-023-00411-8
26. Chan, C.K.Y. (2023). A comprehensive AI policy education framework. International Journal of Educational Technology in Higher Education. DOI: 10.1186/s41239-023-00408-3
27. Nguyen, A., Ngo, H.N., Hong, Y., Dang, B., & Nguyen, B.T. (2022). Ethical principles for AI in education. Education and Information Technologies. DOI: 10.1007/s10639-022-11316-w
28. Farrokhnia, M., Banihashem, S.K., Noroozi, O., & Wals, A. (2023). A SWOT analysis of ChatGPT. Innovations in Education and Teaching International. DOI: 10.1080/14703297.2023.2195846
29. Tlili, A., Shehata, B., Adarkwah, M.A., Bozkurt, A., & Hickey, D.T. (2023). What if the devil is my guardian angel. Smart Learning Environments. DOI: 10.1186/s40561-023-00237-x
30. Kamalov, F., Santandreu Calonge, D., & Gurrib, I. (2023). New Era of AI in Education. Sustainability. DOI: 10.3390/su151612451
31. Grassini, S. (2023). Shaping the Future of Education. Education Sciences. DOI: 10.3390/educsci13070692
32. Rahman, M.M., & Watanobe, Y. (2023). ChatGPT for Education and Research. Applied Sciences. DOI: 10.3390/app13095783
33. Perkins, M. (2023). Academic Integrity considerations of AI Large Language Models. Journal of University Teaching and Learning Practice. DOI: 10.53761/1.20.02.07
34. Alkaissi, H., & McFarlane, S.I. (2023). Artificial Hallucinations in ChatGPT. Cureus. DOI: 10.7759/cureus.35179
35. Hwang, G.J., Xie, H., Wah, B.W., & Gašević, D. (2020). Vision, challenges, roles of AI in Education. Computers and Education: Artificial Intelligence. DOI: 10.1016/j.caeai.2020.100001
36. Gligorea, I., Cioca, M., Oancea, R., Gorski, A.T., & Gorski, H. (2023). Adaptive Learning Using AI in e-Learning. Education Sciences. DOI: 10.3390/educsci13121216

Digital Competence

37. Falloon, G. (2020). From digital literacy to digital competence. Educational Technology Research and Development. DOI: 10.1007/s11423-020-09767-4
38. Caena, F., & Redecker, C. (2019). Aligning teacher competence frameworks. European Journal of Education. DOI: 10.1111/ejed.12345
39. Tinmaz, H., Lee, Y.T., Fanea-Ivanovici, M., & Baber, H. (2022). A systematic review on digital literacy. Smart Learning Environments. DOI: 10.1186/s40561-022-00204-y
40. Seufert, S., Guggemos, J., & Sailer, M. (2021). Technology-related knowledge, skills, and attitudes of teachers. Computers in Human Behavior. DOI: 10.1016/j.chb.2020.106552
41. Antonietti, C., Cattaneo, A., & Amenduni, F. (2022). Can teachers’ digital competence influence technology acceptance? Computers in Human Behavior. DOI: 10.1016/j.chb.2022.107266
42. Cattaneo, A.A.P., Antonietti, C., & Rauseo, M. (2022). How digitalised are vocational teachers? Computers & Education. DOI: 10.1016/j.compedu.2021.104358
43. Garzón Artacho, E., Martínez, T.S., Ortega Martín, J.L., Marín Marín, J.A., & Gómez García, G. (2020). Teacher Training in Lifelong Learning. Sustainability. DOI: 10.3390/su12072852
44. Napal Fraile, M., Peñalva-Vélez, A., & Mendióroz Lacambra, A.M. (2018). Development of Digital Competence in Secondary Education Teachers’ Training. Education Sciences. DOI: 10.3390/educsci8030104

Technology Acceptance

45. Granić, A., & Marangunić, N. (2019). Technology acceptance model in educational context. British Journal of Educational Technology. DOI: 10.1111/bjet.12864
46. Chao, C.M. (2019). Factors Determining Behavioral Intention to Use Mobile Learning. Frontiers in Psychology. DOI: 10.3389/fpsyg.2019.01652

Data Ethics & Learning Analytics

47. Scheuerman, M.K., Hanna, A., & Denton, R. (2021). Do Datasets Have Politics? Proceedings of the ACM on Human-Computer Interaction. DOI: 10.1145/3476058
48. D’Ignazio, C., & Klein, L.F. (2020). Data Feminism. MIT Press. DOI: 10.7551/mitpress/11805.001.0001
49. Williamson, B., & Piattoeva, N. (2018). Objectivity as standardization. Learning, Media and Technology. DOI: 10.1080/17439884.2018.1556215
50. Milan, S., & Treré, E. (2019). Big Data from the South(s). Television & New Media. DOI: 10.1177/1527476419837739
51. Martin, K. (2018). Ethical Implications and Accountability of Algorithms. Journal of Business Ethics. DOI: 10.1007/s10551-018-3921-3
52. Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics. WIREs Data Mining and Knowledge Discovery. DOI: 10.1002/widm.1355
53. Santoni de Sio, F., & van den Hoven, J. (2018). Meaningful Human Control over Autonomous Systems. Frontiers in Robotics and AI. DOI: 10.3389/frobt.2018.00015
54. Sætra, H.S. (2021). AI in Context and the SDGs. Sustainability. DOI: 10.3390/su13041738

Digital Divide & Equity

55. Czerniewicz, L., et al. (2020). [see #5]
56. Chetty, K., et al. (2018). Bridging the digital divide. Economics. DOI: 10.5018/economics-ejournal.ja.2018-23

Platform Economy & Society

57. Schor, J.B., Attwood-Charles, W., Cansoy, M., Ladegaard, I., & Wengronowitz, R. (2020). Dependence and precarity in the platform economy. Theory and Society. DOI: 10.1007/s11186-020-09408-y

Economics/Policy Asia

58. Li, K., Kim, D.J., Lang, K.R., Kauffman, R.J., & Naldi, M. (2020). Digital economy in Asia. Electronic Commerce Research and Applications. DOI: 10.1016/j.elerap.2020.101004

AI Literacy

59. Ng, D.T.K., Wu, W., Leung, J.K.L., Chiu, T.K.F., & Chu, S.K.W. (2023). Design and validation of the AI literacy questionnaire. British Journal of Educational Technology. DOI: 10.1111/bjet.13411

Labor & Automation

60. Acemoglu, D., & Restrepo, P. (2019). Automation and New Tasks. Journal of Economic Perspectives. DOI: 10.1257/jep.33.2.3

Emerging Tech

61. Zhang, X., Chen, Y., Hu, L., & Wang, Y. (2022). The metaverse in education. Frontiers in Psychology. DOI: 10.3389/fpsyg.2022.1016300
62. Tlili, A., Huang, R., Shehata, B., Liu, D., & Zhao, J. (2022). Is Metaverse in education a blessing or a curse? Smart Learning Environments. DOI: 10.1186/s40561-022-00205-x