Góc khuất chuyển đổi số giáo dục: khi sinh viên bị tước đi quyền được suy nghĩ độc lập

---

PHẦN MỞ ĐẦU

Lời dẫn nhập: Tại sao chuyển đổi số giáo dục cần được nhìn nhận dưới lăng kính phê phán

Trong những năm đầu của thập niên thứ hai thế kỷ XXI, nhân loại chứng kiến một cuộc cách mạng số chưa từng có trong lịch sử giáo dục. Từ những lớp học truyền thống với bảng đen và phấn trắng, chúng ta đã bước vào một kỷ nguyên mà trong đó màn hình cảm ứng, trí tuệ nhân tạo, và các nền tảng học tập trực tuyến dường như định hình lại toàn bộ bức tranh giáo dục toàn cầu. Chính phủ các nước, từ những nền kinh tế phát triển nhất đến những quốc gia đang phát triển, đều coi chuyển đổi số giáo dục là ưu tiên chiến lược hàng đầu. Tại Việt Nam, chương trình "Chuyển đổi số quốc gia" do Thủ tướng Chính phủ phê duyệt năm 2020 đã đặt giáo dục là một trong những lĩnh vực trọng tâm, và hàng loạt trường đại học đã dốc lực đầu tư vào hạ tầng số, từ hệ thống quản lý học tập (Learning Management System) đến các công cụ trí tuệ nhân tạo hỗ trợ giảng dạy (Tuong et al., 2023).

Thế nhưng, giữa những lời tán dương về "tương lai giáo dục số" và "triết lý giáo dục cá nhân hóa", một câu hỏi ít được đặt ra đang âm ỉ trong các phòng thảo luận học thuật: Liệu cuộc cách mạng số này có thực sự mang lại lợi ích cho người học, hay đang âm thầm tước đi của họ một khả năng quan trọng nhất — khả năng suy nghĩ độc lập?

Câu hỏi này không sinh ra từ thái độ bài trừ công nghệ hay nỗi sợ hãi vô căn cứ trước cái mới. Nó xuất phát từ một nhận thức ngày càng sâu sắc trong cộng đồng nghiên cứu giáo dục rằng chuyển đổi số, khi được thực hiện mà thiếu đi sự nhìn nhận lại và kiểm soát, có thể tạo ra những hậu quả mà chúng ta chưa lường hết. Kasneci et al. (2023) đã cảnh báo rằng mặc dù các mô hình ngôn ngữ lớn (Large Language Models) như ChatGPT mang lại những cơ hội to lớn cho giáo dục, chúng cũng ẩn chứa những thách thức nghiêm trọng về tính toàn vẹn của quá trình học tập và phát triển tư duy phản biện. Jose et al. (2025) đã gọi đây là "nghịch lý nhận thức" (cognitive paradox) của trí tuệ nhân tạo trong giáo dục — một nghịch lý mà trong đó công cụ được tạo ra để hỗ trợ tư duy lại đang trở thành yếu tố thay thế tư duy.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Bối cảnh: Kỷ nguyên AI, ChatGPT, và sự thay đổi căn bản trong cách chúng ta học

Cuối năm 2022, khi OpenAI phát hành ChatGPT ra công chúng, thế giới giáo dục đã bị lay chuyển một cách sâu sắc. ChatGPT không đơn thuần là một công cụ tìm kiếm hay một trợ lý ảo thông thường. Đây là một mô hình ngôn ngữ lớn có khả năng tạo ra văn bản, giải quyết vấn đề, và thậm chí viết luận văn với chất lượng ngang hoặc vượt qua nhiều sinh viên đại học. Trong vòng vài tháng sau khi ra mắt, hàng triệu sinh viên trên toàn thế giới đã sử dụng ChatGPT để hoàn thành bài tập, viết tiểu luận, và chuẩn bị cho các kỳ thi. Một cuộc khảo sát của BestColleges thực hiện vào đầu năm 2023 cho thấy hơn 50% sinh viên đại học tại Mỹ thừa nhận đã sử dụng ChatGPT cho các công việc học tập, và tỷ lệ này tiếp tục tăng trong năm 2024.

Sự xuất hiện của ChatGPT và các mô hình ngôn ngữ lớn tương tự đã đặt giáo dục vào một ngã rẽ chưa từng có. Weimann-Sandig (2023) đã đặt câu hỏi đầy lo ngại: "Liệu ChatGPT có đánh dấu sự kết thúc của tư duy phản biện trong giáo dục đại học?" (Does ChatGPT introduce the end of critical thinking in higher education?). Câu hỏi này không hề cường điệu. Khi một sinh viên có thể nhận được một bài luận hoàn chỉnh, có cấu trúc logic và lập luận chặt chẽ chỉ bằng cách gõ vài từ khóa, động lực để tự mình nghiên cứu, phân tích, và tổng hợp thông tin sẽ bị suy giảm nghiêm trọng. Hơn thế nữa, quá trình sử dụng công cụ này thường diễn ra trong bóng tối — sinh viên ít khi công khai việc họ sử dụng AI, và các cơ sở giáo dục thì lúng túng trong việc thiết lập quy định phù hợp.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Bozkurt et al. (2024) đã phản ánh sâu sắc về tình trạng này trong "Tuyên ngôn về dạy và học trong thời đại trí tuệ nhân tạo tạo sinh" (The Manifesto for Teaching and Learning in a Time of Generative AI). Tuyên ngôn này không chỉ kêu gọi các nhà giáo dục thích ứng với thực tế mới mà còn nhấn mạnh tầm quan trọng của việc bảo vệ các giá trị cốt lõi của giáo dục — tính toàn vẹn, sự phản biện, và phát triển tư duy độc lập — trước làn sóng công nghệ mạnh mẽ đang ập đến.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Ở tầm nhìn rộng hơn, sự bùng nổ của AI tạo sinh không chỉ là một sự kiện công nghệ mà còn là một sự kiện văn hóa và xã hội. Nó thay đổi cách chúng ta hiểu về kiến thức, về quá trình học tập, và về giá trị của nỗ lực trí óc. Trong thế giới mà câu trả lời cho hầu hết mọi câu hỏi có thể được tạo ra trong vài giây bởi một thuật toán, giá trị của quá trình tự tìm kiếm câu trả lời dường như bị xói mòn. Và đó chính là vấn đề cốt lõi mà bài viết này muốn đặt ra để thảo luận.

Vấn đề nghiên cứu: Khi công nghệ giáo dục "giúp đỡ" sinh viên — liệu có đang tước đi khả năng suy nghĩ độc lập?

Vấn đề nghiên cứu trung tâm của bài viết này xoay quanh một nghịch lý đau lòng: công nghệ giáo dục — vốn được thiết kế để hỗ trợ và nâng cao quá trình học tập — có thể đang vô tình (hoặc hữu ý) làm suy yếu khả năng suy nghĩ độc lập của sinh viên. Nghịch lý này biểu hiện ở nhiều cấp độ khác nhau.

Ở cấp độ nhận thức, khi sinh viên sử dụng công cụ AI để hoàn thành bài tập, họ bỏ qua một loạt các quá trình nhận thức quan trọng như: xác định vấn đề, tìm kiếm thông tin, đánh giá độ tin cậy của nguồn, phân tích và tổng hợp dữ liệu, xây dựng lập luận, và phản biện các quan điểm trái chiều. Đây là những kỹ năng nền tảng mà các nhà giáo dục tin rằng sinh viên cần phải rèn luyện thông qua quá trình học tập. Jose et al. (2025) đã phân tích chi tiết "nghịch lý nhận thức" này và chỉ ra rằng AI trong giáo dục không chỉ thay thế các công việc cơ bản mà còn đang dần thay thế chính quá trình tư duy — cái mà nền giáo dục coi là mục tiêu tối thượng.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Ở cấp độ tâm lý, sự phụ thuộc vào công nghệ AI tạo ra một dạng "lười biếng nhận thức" (cognitive offloading) — hiện tượng mà trong đó người học chuyển giao trách nhiệm tư duy cho máy móc thay vì tự mình thực hiện. Khi điều này lặp đi lặp lại, khả năng tư duy độc lập của người học sẽ bị suy giảm theo thời gian, tương tự như cách một cơ bắp sẽ teo đi nếu không được sử dụng thường xuyên. Allamuratova (2025) đã nghiên cứu mối liên hệ giữa chuyển đổi số giáo dục và phát triển tư duy phản biện, phát hiện ra rằng việc sử dụng công nghệ số trong giáo dục có tác động hai mặt: nó có thể hỗ trợ phát triển tư duy phản biện khi được sử dụng một cách có chủ đích và có hướng dẫn, nhưng cũng có thể kìm hãm sự phát triển này khi người học trở nên phụ thuộc quá mức vào công cụ.

Allamuratova, S. (2025). Digital Transformation of Education and Critical Thinking Development.

Ở cấp độ xã hội và thể chế, chuyển đổi số giáo dục đang diễn ra trong một bối cảnh mà các lợi ích kinh tế và chính trị của công nghệ giáo dục thường được ưu tiên hơn là lợi ích học thuật và phát triển con người. Williamson (2018) đã gọi đây là "kiến trúc ẩn của giáo dục đại học" (the hidden architecture of higher education) — một hệ thống hạ tầng dữ liệu lớn mà trong đó các công ty công nghệ đang âm thầm định hình cách chúng ta giáo dục và học tập, thường là vì lợi nhuận của chính họ hơn là vì lợi ích của người học. Kerssens và van Dijck (2022) đã đặt câu hỏi về quyền tự chủ sư phạm (pedagogical autonomy) trong bối cảnh nền giáo dục ngày càng bị "quản trị" bởi công nghệ giáo dục, cảnh báo rằng khi các quyết định sư phạm bị phụ thuộc vào các nền tảng công nghệ thương mại, sự độc lập của cả người dạy và người học sẽ bị đe dọa nghiêm trọng.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Bài viết này không phủ nhận những lợi ích rõ ràng của chuyển đổi số giáo dục. Việc tiếp cận kiến thức dễ dàng hơn, khả năng cá nhân hóa lộ trình học tập, và sự linh hoạt trong không gian và thời gian học — tất cả đều là những tiến bộ đáng trân trọng. Tuy nhiên, bài viết cho rằng chúng ta cần một cuộc đối thoại trung thực và can đảm về những góc khuất của chuyển đổi số — những khía cạnh ít được thảo luận trong các báo cáo chính thức và các chiến dịch quảng bá — trước khi quá muộn để cứu vãn những giá trị giáo dục cốt lõi.

Mục tiêu bài viết: Khám phá những góc khuất ít được bàn tới của chuyển đổi số giáo dục

Bài viết này có ba mục tiêu chính.

Thứ nhất, bài viết nhằm phân tích toàn diện bối cảnh chuyển đổi số giáo dục cả ở tầm nhìn toàn cầu và tại Việt Nam, từ đó vạch ra những xu hướng chính và những động lực kinh tế, chính trị đang thúc đẩy quá trình chuyển đổi này. Qua đó, bài viết sẽ chỉ ra rằng chuyển đổi số giáo dục không phải là một hiện tượng kỹ thuật trung lập mà là một quá trình được hình thành bởi nhiều yếu tố lợi ích khác nhau.

Thứ hai, bài viết sâu sắc nghiên cứu tác động của công nghệ — đặc biệt là trí tuệ nhân tạo tạo sinh — đến khả năng suy nghĩ độc lập và tư duy phản biện của sinh viên đại học. Bài viết sẽ phân tích các cơ chế mà qua đó công nghệ có thể làm suy yếu tư duy độc lập, từ việc thay thế quá trình nhận thức đến việc tạo ra sự phụ thuộc tâm lý và công nghệ.

Thứ ba, bài viết đề xuất một khung tư duy tự suy ngẫm và đưa ra các khuyến nghị chính sách nhằm đảm bảo rằng chuyển đổi số giáo dục thực sự phục vụ lợi ích của người học, bảo vệ và nâng cao khả năng suy nghĩ độc lập của họ thay vì tước đi khả năng đó.

Phạm vi và phương pháp tiếp cận

Bài viết tập trung vào giáo dục đại học, được lựa chọn vì đây là cấp độ giáo dục mà trong đó tư duy độc lập và phản biện được coi là các năng lực then chốt và quan trọng nhất. Giáo dục đại học cũng là môi trường mà chuyển đổi số diễn ra mạnh mẽ nhất với sự đầu tư lớn vào hạ tầng công nghệ và việc áp dụng các công cụ AI tiên tiến.

Về phạm vi địa lý, bài viết kết hợp góc nhìn toàn cầu với bối cảnh cụ thể của Việt Nam. Việc này cho phép bài viết vừa nắm bắt các xu hướng và lý luận chung của thế giới, vừa phân tích những đặc thù của giáo dục đại học Việt Nam trong quá trình chuyển đổi số.

Về phương pháp, bài viết sử dụng phương pháp phân tích tài liệu (document analysis) và tổng hợp tài liệu nghiên cứu (literature synthesis), rút ra từ các nguồn học thuật, báo cáo chính sách, và dữ liệu thực tiễn. Bài viết không phải là một nghiên cứu thực nghiệm nguyên thủy mà đóng vai trò như một bài phân tích học thuật tổng hợp, nhằm đóng góp vào cuộc đối thoại đang diễn ra về tương lai của giáo dục trong kỷ nguyên số.

Cấu trúc bài viết

Bài viết được tổ chức thành các chương như sau. Chương 1 (trong phần này) sẽ trình bày bối cảnh chuyển đổi số giáo dục từ khái niệm đến thực tiễn, bao gồm bức tranh toàn cầu và bức tranh tại Việt Nam, cũng như phân tích vai trò của đại dịch COVID-19 và xu hướng techno-solutionism trong giáo dục. Các chương tiếp theo (sẽ được trình bày trong phần sau) sẽ đi sâu vào phân tích tác động của công nghệ đến tư duy độc lập, nghiên cứu các nghiên cứu trường hợp, và đưa ra khuyến nghị chính sách.

---

Chương 1: Bối cảnh chuyển đổi số giáo dục — Từ lời hứa đến hiện thực

1.1. Chuyển đổi số giáo dục: Khái niệm và phạm vi

Để có thể đánh giá một cách thấu đáo về chuyển đổi số giáo dục, trước hết chúng ta cần hiểu rõ bản chất của khái niệm này. Thuật ngữ "chuyển đổi số giáo dục" (digital transformation of education) thường được sử dụng một cách rộng rãi và đôi khi mơ hồ trong các thảo luận chính sách cũng như trên truyền thông. Trong phần này, chúng ta sẽ phân tích khái niệm này một cách chặt chẽ, phân biệt nó với các khái niệm liên quan, và xác định phạm vi của nó trong bối cảnh giáo dục đại học.

Sự khác biệt giữa số hóa và chuyển đổi số

Một trong những nhầm lẫn phổ biến nhất trong các cuộc thảo luận về giáo dục số là việc đánh đồng "số hóa" (digitization) với "chuyển đổi số" (digital transformation). Mặc dù hai khái niệm này có liên quan, chúng phản ánh những mức độ thay đổi hoàn toàn khác nhau.

Số hóa (digitization) là quá trình chuyển đổi thông tin từ dạng vật lý (giấy, băng từ) sang dạng kỹ thuật số. Trong giáo dục, số hóa có thể là việc quét tài liệu giấy thành file PDF, tạo bản điện tử của giáo trình, hoặc số hóa hồ sơ sinh viên. Đây về bản chất là một quá trình kỹ thuật, thường không đòi hỏi thay đổi về phương pháp sư phạm hay triết lý giáo dục.

Đi xa hơn một bước, kỹ thuật số hóa (digitalization) là việc sử dụng công nghệ số để tối ưu hóa các quy trình hiện có. Ví dụ trong giáo dục, kỹ thuật số hóa có thể là việc sử dụng hệ thống quản lý học tập (LMS) để giao và nhận bài tập thay vì thu bài giấy, hoặc sử dụng email để thông báo thay vì dán thông báo trên bảng tin. Ở mức độ này, công nghệ được sử dụng để làm cho các quy trình cũ hiệu quả hơn nhưng bản chất của các quy trình đó không thay đổi.

Chuyển đổi số (digital transformation), ngược lại, là một quá trình sâu rộng và căn bản hơn rất nhiều. Chuyển đổi số không chỉ đơn thuần là áp dụng công nghệ vào các quy trình hiện có mà là việc tái thiết kế toàn bộ mô hình hoạt động, phương pháp, và triết lý giáo dục dựa trên các khả năng mà công nghệ số mang lại. Ở mức độ chuyển đổi số thực sự, cách chúng ta dạy, cách chúng ta học, cách chúng ta đánh giá, và thậm chí cách chúng ta định nghĩa về "kiến thức" và "học tập" đều có thể thay đổi căn bản.

Hassan (2022) đã nhấn mạnh rằng chuyển đổi số giáo dục đòi hỏi "thay đổi tư duy" (mindset shift) không chỉ ở cấp độ cá nhân của giáo viên và sinh viên mà còn ở cấp độ thể chế và hệ thống. Nó không chỉ là việc mua máy tính và phần mềm mà là việc tái cấu trúc toàn bộ hệ sinh thái giáo dục — từ triết lý giáo dục, chương trình đào tạo, phương pháp giảng dạy, đến cách đánh giá và quản lý.

Hassan, R. (2022). Digital transformation: A literature review of the conceptual digital transformation in education.

Tuy nhiên, cần lưu ý rằng trong thực tiễn, ranh giới giữa số hóa, kỹ thuật số hóa, và chuyển đổi số thường không rõ ràng. Nhiều cơ sở giáo dục tuyên bố đang thực hiện "chuyển đổi số" nhưng thực chất chỉ dừng lại ở mức số hóa hoặc kỹ thuật số hóa. Tại Việt Nam, Le et al. (2024a) đã nhận xét rằng nhiều trường đại học vẫn đang ở giai đoạn đầu của chuyển đổi số, chủ yếu tập trung vào việc đầu tư hạ tầng công nghệ mà chưa thực sự thay đổi phương pháp sư phạm và cách tiếp cận giáo dục.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Các khuôn khổ năng lực số quan trọng

Để chuẩn hóa và hướng dẫn quá trình chuyển đổi số giáo dục, nhiều tổ chức quốc tế đã phát triển các khuôn khổ năng lực số (digital competence frameworks). Hai khuôn khổ nổi bật nhất là DigComp của Liên minh Châu Âu và UNESCO ICT Competency Framework.

DigComp (Digital Competence Framework) do Ủy ban Châu Âu phát triển lần đầu năm 2013 và đã được cập nhật nhiều lần (phiên bản 2.2 năm 2022). DigComp định nghĩa năng lực số gồm năm lĩnh vực chính: (1) Hòa nhập thông tin và dữ liệu (Information and data literacy); (2) Giao tiếp và cộng tác (Communication and collaboration); (3) Tạo nội dung số (Digital content creation); (4) An toàn (Safety); và (5) Giải quyết vấn đề (Problem solving). Mỗi lĩnh vực được chia thành các năng lực cụ thể với các mức độ thành thạo từ cơ bản đến nâng cao.

DigComp có tầm quan trọng đặc biệt trong bối cảnh chuyển đổi số giáo dục vì nó cung cấp một ngôn ngữ chung và một bộ tiêu chuẩn để đánh giá năng lực số của cả người dạy và người học. Tuy nhiên, khuôn khổ này cũng đã bị chỉ trích vì quá tập trung vào kỹ năng kỹ thuật mà chưa đủ chú trọng đến năng lực tư duy phản biện trong môi trường số — một lỗ hổng mà bài viết này sẽ quay lại phân tích ở các phần sau.

UNESCO ICT Competency Framework for Teachers (Khuôn khổ năng lực ICT cho giáo viên) được UNESCO phát triển để hướng dẫn việc tích hợp công nghệ thông tin và truyền thông vào giáo dục. Khuôn khổ này tập trung vào ba giai đoạn phát triển của giáo viên: (1) Kiến thức về công nghệ (Knowledge Acquisition) — giáo viên sử dụng ICT để nâng cao năng lực chuyên môn; (2) Kiến thức sâu sắc (Knowledge Deepening) — giáo viên sử dụng ICT để tạo ra môi trường học tập tích cực; và (3) Tạo ra kiến thức (Knowledge Creation) — giáo viên sử dụng ICT để giúp học sinh tự tạo ra kiến thức mới.

Khuôn khổ của UNESCO đặc biệt nhấn mạnh tầm quan trọng của việc sử dụng công nghệ để tạo điều kiện cho tư duy bậc cao (higher-order thinking) chứ không chỉ để truyền đạt thông tin. Tuy nhiên, thực tiễn cho thấy nhiều cơ sở giáo dục — đặc biệt là ở các nước đang phát triển — vẫn đang mắc kẹt ở giai đoạn đầu, sử dụng công nghệ chủ yếu như một công cụ truyền đạt thông tin chứ không phải là nền tảng để thúc đẩy tư duy sáng tạo và phản biện.

Bức tranh đầu tư EdTech toàn cầu

Để hiểu quy mô của chuyển đổi số giáo dục, chúng ta cần nhìn vào các con số đầu tư. Trong thập niên qua, thị trường công nghệ giáo dục (EdTech) đã tăng trưởng với tốc độ ngoạn mục. Theo báo cáo của HolonIQ, đầu tư toàn cầu vào EdTech đã tăng từ khoảng 8 tỷ USD năm 2010 lên hơn 20 tỷ USD năm 2022, và dự kiến sẽ tiếp tục tăng mạnh trong những năm tới.

Các hình thức đầu tư đa dạng từ các công ty khởi nghiệp giáo dục (EdTech startups) nhận tài trợ từ các quỹ đầu tư mạo hiểm, đến các tập đoàn công nghệ lớn (Big Tech) xây dựng các sản phẩm giáo dục riêng, cho đến các chính phủ đầu tư vào hạ tầng số cho hệ thống giáo dục quốc gia. Tại Mỹ, các trường đại học và hệ thống giáo dục công lập chi hàng tỷ USD mỗi năm cho phần mềm và dịch vụ công nghệ giáo dục. Tại Châu Á, các quốc gia như Trung Quốc, Ấn Độ, và Singapore đang đầu tư mạnh mẽ vào EdTech, với hàng loạt "kỳ lân" EdTech (công ty khởi nghiệp đạt giá trị trên 1 tỷ USD) được thành lập.

Tuy nhiên, cần đặt câu hỏi: sự bùng nổ đầu tư này thực sự đang phục vụ ai? Liệu lợi ích của người học có thực sự được đặt lên hàng đầu, hay chúng ta đang chứng kiến một sự thương mại hóa giáo dục dưới vỏ bọc "chuyển đổi số"? Câu hỏi này sẽ được phân tích sâu hơn trong phần tiếp theo.

1.2. Bức tranh toàn cầu: Khi giáo dục trở thành thị trường công nghệ

Chuyển đổi số giáo dục không diễn ra trong khoảng không chính trị và kinh tế. Nó được thúc đẩy bởi một hệ sinh thái phức tạp bao gồm các tập đoàn công nghệ lớn, các nhà đầu tư, các chính phủ, và các tổ chức quốc tế. Để hiểu những góc khuất của chuyển đổi số, chúng ta cần nhìn nhận nó không chỉ như một hiện tượng giáo dục mà còn như một hiện tượng kinh tế và chính trị.

Quy mô thị trường EdTech toàn cầu

Thị trường EdTech toàn cầu đã phát triển từ một thị trường ngách thành một ngành công nghiệp trị giá hàng trăm tỷ USD. Theo các báo cáo phân tích thị trường, quy mô thị trường EdTech toàn cầu ước tính đạt khoảng 106 tỷ USD năm 2021 và dự kiến sẽ tăng lên hơn 400 tỷ USD vào năm 2028 với tốc độ tăng trưởng kép hàng năm (CAGR) khoảng 16,3%. Sự bùng nổ này được thúc đẩy bởi nhiều yếu tố: sự phổ biến của internet băng thông rộng, sự phát triển của điện thoại thông minh, nhu cầu học tập trực tuyến gia tăng (đặc biệt sau COVID-19), và sự sẵn sàng đầu tư từ cả khu vực công và tư.

Bức tranh đầu tư này cho thấy rằng chuyển đổi số giáo dục không chỉ là một xu hướng giáo dục mà còn là một động lực kinh tế khổng lồ. Khi giáo dục trở thành một thị trường công nghệ, các logic kinh tế — lợi nhuận, thị phần, giá trị công ty — bắt đầu ảnh hưởng sâu sắc đến cách giáo dục được thiết kế và cung cấp. Williamson (2018) đã phân tích sâu sắc quá trình này trong tác phẩm "The hidden architecture of higher education: big data, algorithms, and the future of the university", chỉ ra rằng nền tảng dữ liệu lớn và các thuật toán đang âm thầm định hình kiến trúc của giáo dục đại học theo hướng phục vụ lợi ích kinh tế và chính trị của các công ty công nghệ.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Các gã khổng lồ công nghệ trong giáo dục

Sự hiện diện của các tập đoàn công nghệ lớn — thường được gọi là Big Tech — trong giáo dục là một trong những đặc điểm đáng chú ý nhất của bức tranh chuyển đổi số toàn cầu. Google, Microsoft, Apple, Meta (Facebook), và Amazon đều đã xây dựng các bộ sản phẩm và dịch vụ giáo dục riêng.

Google, thông qua Google Workspace for Education (trước đây là G Suite for Education) và nền tảng Google Classroom, đã trở thành một trong những nhà cung cấp hạ tầng giáo dục lớn nhất thế giới. Theo báo cáo của Google, hơn 150 triệu học sinh, sinh viên và giáo viên trên toàn cầu sử dụng Google Workspace for Education. Chromebook, máy tính giá rẻ chạy hệ điều hành ChromeOS của Google, đã thống trị thị trường máy tính cho trường học tại Mỹ và nhiều nước khác.

Microsoft, với bộ sản phẩm Microsoft 365 Education và nền tảng Teams, cũng có sự hiện diện mạnh mẽ trong giáo dục. Microsoft đã đầu tư hàng tỷ USD vào các sáng kiến giáo dục, bao gồm việc cung cấp phần mềm miễn phí cho các trường học và tài trợ các chương trình đào tạo giáo viên về công nghệ.

Apple, thông qua các sản phẩm iPad, Mac, và nền tảng Apple Schoolwork, nhắm vào phân khúc giáo dục cao cấp. Chiến lược của Apple tập trung vào việc tạo ra các thiết bị phần cứng đẹp và dễ sử dụng, kết hợp với các công cụ sáng tạo như iMovie và GarageBand.

Meta (Facebook) đã xây dựng Meta for Education, tập trung vào thực tế ảo (VR) và thực tế tăng cường (AR) trong giáo dục thông qua kính Oculus. Amazon có AWS Educate và Amazon Future Engineer. Tất cả các gã khổng lồ này đều có tầm nhìn rõ ràng về việc trở thành nền tảng hạ tầng cho giáo dục toàn cầu.

Kiến trúc ẩn của đại học số: Góc nhìn của Williamson (2018)

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Williamson (2018) đã đưa ra một phân tích sắc sảo và đầy tính cảnh tỉnh về sự xâm nhập của công nghệ lớn vào giáo dục đại học. Trong tác phẩm "The hidden architecture of higher education", ông lập luận rằng giáo dục đại học đang được định hình lại bởi một "kiến trúc ẩn" bao gồm hệ thống dữ liệu lớn, thuật toán học tập, và các nền tảng công nghệ — một kiến trúc mà phần lớn người dùng (giáo viên và sinh viên) không nhìn thấy hay hiểu biết về nó.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Williamson (2018) chỉ ra rằng các nền tảng công nghệ giáo dục không chỉ cung cấp công cụ mà còn thu thập dữ liệu — dữ liệu về cách sinh viên học, dữ liệu về hiệu suất giảng dạy, dữ liệu về hành vi người dùng. Dữ liệu này sau đó được sử dụng để xây dựng các thuật toán "dự đoán" và "cá nhân hóa", tạo ra một vòng lặp mà trong đó công nghệ ngày càng có nhiều quyền quyết định về quá trình giáo dục. Ông gọi đây là "dataveillance" (giám sát dữ liệu) trong giáo dục — một hình thức giám sát tinh vi mà trong đó sinh viên và giáo viên bị theo dõi và phân tích liên tục thông qua các nền tảng công nghệ mà họ sử dụng hàng ngày.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Phân tích của Williamson (2018) đặc biệt quan trọng trong bối cảnh bài viết này vì nó cho thấy rằng mối lo ngại về sự suy giảm tư duy độc lập không chỉ nằm ở cấp độ cá nhân (sinh viên lười tư duy vì có AI) mà còn ở cấp độ cấu trúc (hệ thống giáo dục đang được thiết kế theo hướng giới hạn không gian cho tư duy tự do và sáng tạo).

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Nền tảng EdTech và quyền tự chủ sư phạm: Góc nhìn của Kerssens và van Dijck (2022)

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Mở rộng phân tích của Williamson, Kerssens và van Dijck (2022) trong bài viết "Governed by Edtech? Valuing pedagogical autonomy in a platform society" đã nghiên cứu mối quan hệ giữa các nền tảng công nghệ giáo dục và quyền tự chủ sư phạm (pedagogical autonomy) của giáo viên. Các tác giả lập luận rằng khi giáo viên ngày càng phụ thuộc vào các nền tảng EdTech thương mại để lên kế hoạch bài giảng, đánh giá sinh viên, và quản lý lớp học, quyền tự chủ của họ trong việc đưa ra các quyết định sư phạm sẽ bị suy giảm.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Kerssens và van Dijck (2022) phân tích rằng các nền tảng EdTech thường được thiết kế theo các "logic nền tảng" (platform logics) đặc thù — ví dụ, logic thuật toán của hệ thống đề xuất nội dung, logic thương mại của mô hình freemium, hoặc logic dữ liệu của hệ thống theo dõi hành vi người dùng. Khi giáo viên sử dụng các nền tảng này, các quyết định sư phạm của họ — về nội dung giảng dạy, phương pháp đánh giá, và cách tương tác với sinh viên — bị ảnh hưởng một cách ngầm định bởi các logic nền tảng này.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Ví dụ, một hệ thống LMS có thể khuyến khích việc sử dụng các bài kiểm tra trắc nghiệm nhiều lựa chọn vì chúng dễ dàng được tự động chấm điểm, dẫn đến việc giáo viên có xu hướng ưu tiên hình thức kiểm tra này thay vì các bài luận hay dự án đòi hỏi tư duy sâu hơn. Hoặc một nền tảng AI cá nhân hóa học tập có thể phân chia sinh viên thành các nhóm dựa trên "năng lực dự đoán" của thuật toán, tạo ra một dạng "xác định thuật toán" (algorithmic determinism) mà trong đó tương lai học tập của sinh viên bị quyết định bởi một hệ thống mà họ không có quyền kiểm soát hay thách thức.

Hậu quả: Thương mại hóa giáo dục qua công nghệ

Sự hội nhập sâu sắc giữa công nghệ và giáo dục đã tạo ra một quá trình thương mại hóa giáo dục (commodification of education) mà nhiều nhà nghiên cứu giáo dục phê phán và lo ngại. Giáo dục — vốn được coi là một "thiên đường" (commons) của xã hội, một không gian công cộng phục vụ lợi ích chung — đang dần bị biến thành một sản phẩm thương mại được cung cấp bởi các công ty công nghệ tư nhân.

Quá trình này diễn ra theo nhiều con đường. Con đường thứ nhất là việc tư nhân hóa hạ tầng giáo dục: khi các trường đại học phụ thuộc vào các nền tảng EdTech thương mại cho các hoạt động cốt lõi như quản lý học tập, đánh giá, và giao tiếp, họ đang từ bỏ một phần chủ quyền giáo dục của mình cho các công ty tư nhân. Con đường thứ hai là việc dữ liệu giáo dục — một tài sản vô giá — đang bị thu thập và sử dụng bởi các công ty công nghệ cho các mục đích thương mại, từ việc nhắm mục tiêu quảng cáo đến việc phát triển các sản phẩm AI mới. Con đường thứ ba là việc các logic kinh tế của công nghệ (tối ưu hóa hiệu suất, cá nhân hóa dựa trên thuật toán, tự động hóa) đang thay thế các giá trị giáo dục truyền thống (phát triển toàn diện, tư duy phản biện, sáng tạo) làm thước đo định hình quá trình giáo dục.

Williamson (2018) cảnh báo rằng nếu chúng ta không nhận thức và đối phó với "kiến trúc ẩn" này, giáo dục đại học có thể bị biến thành một hệ thống mà trong đó sinh viên được "sản xuất" theo các thông số được xác định trước bởi thuật toán, thay vì được giáo dục để trở thành những công dân độc lập, có khả năng tư duy phản biện và đóng góp tích cực cho xã hội.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

1.3. Chuyển đổi số giáo dục tại Việt Nam: Từ chủ trương đến thực tiễn

Việt Nam, với tư cách là một quốc gia đang phát triển có nền kinh tế tăng trưởng nhanh và dân số trẻ, đang trải qua quá trình chuyển đổi số giáo dục với tốc độ đáng chú ý. Trong phần này, chúng ta sẽ phân tích bối cảnh chuyển đổi số giáo dục tại Việt Nam, từ các chính sách vĩ mô đến thực tiễn tại các cơ sở giáo dục đại học.

Chính sách chuyển đổi số giáo dục của Việt Nam

Chuyển đổi số giáo dục tại Việt Nam được thúc đẩy bởi một loạt các chính sách và chương trình hành động ở cấp độ quốc gia. Chương trình Chuyển đổi số quốc gia đến năm 2025, có định hướng đến năm 2030 (Quyết định 749/QĐ-TTg ngày 3/6/2020 của Thủ tướng Chính phủ) đã xác định giáo dục và đào tạo là một trong những lĩnh vực trọng tâm của chuyển đổi số. Chương trình đặt ra các mục tiêu cụ thể như: 100% trường trung học phổ thông, trường đại học và viện nghiên cứu có hạ tầng mạng băng thông rộng; 100% cơ sở giáo dục triển khai quản trị số; 50% bài giảng điện tử tương tác; và việc phát triển hệ thống dữ liệu giáo dục quốc gia.

Bộ Giáo dục và Đào tạo cũng đã ban hành nhiều văn bản hướng dẫn chuyển đổi số trong lĩnh vực giáo dục, bao gồm Kế hoạch số 198/KH-BGDĐT năm 2021 về chuyển đổi số ngành giáo dục và đào tạo, với các nhiệm vụ trọng tâm như: phát triển hạ tầng số, xây dựng kho học liệu số, đào tạo nhân lực số, và ứng dụng công nghệ trong quản lý giáo dục.

Tuong et al. (2023) trong nghiên cứu "Digital Transformation for Vietnam Education: From Policy to School Practices" đã phân tích quá trình triển khai chính sách chuyển đổi số giáo dục tại Việt Nam và phát hiện ra một khoảng cách đáng kể giữa các chính sách cấp vĩ mô và thực tiễn tại các trường học. Các tác giả chỉ ra rằng mặc dù các chính sách được thiết kế đầy tham vọng, việc triển khai thực tế gặp phải nhiều rào cản bao gồm: thiếu hạ tầng công nghệ đồng bộ, năng lực số của giáo viên chưa đồng đều, thiếu nguồn lực tài chính, và đặc biệt là thiếu sự thay đổi về tư duy và phương pháp sư phạm.

Tuong, N.V., et al. (2023). Digital Transformation for Vietnam Education: From Policy to School Practices.

Tác động của chuyển đổi số tại các trường đại học Việt Nam

Nguyen và Pham (2023) trong nghiên cứu "Impact of Digital Transformation in Higher Education: A Case Study from Vietnam" đã nghiên cứu tác động của chuyển đổi số tại một số trường đại học Việt Nam và phát hiện ra rằng chuyển đổi số đã mang lại một số thành tựu đáng ghi nhận. Các trường đại học đã cải thiện đáng kể hạ tầng công nghệ, triển khai các hệ thống quản lý học tập trực tuyến, và bắt đầu ứng dụng công nghệ vào giảng dạy và nghiên cứu.

Nguyen, T.T., & Pham, H.H. (2023). Impact of Digital Transformation in Higher Education: A Case Study from Vietnam.

Tuy nhiên, nghiên cứu cũng chỉ ra những thách thức đáng kể. Le et al. (2024) trong bài viết "Digital Transformation in the Education Sector in Vietnam" đã phân tích toàn diện tình trạng chuyển đổi số ngành giáo dục Việt Nam và nhận xét rằng mặc dù đã có những tiến bộ rõ rệt, chuyển đổi số giáo dục Việt Nam vẫn đang đối mặt với nhiều vấn đề. Trong đó nổi bật nhất là sự thiếu đồng bộ giữa các cơ sở giáo dục — trong khi một số trường đại học lớn tại các thành phố lớn đã đạt được trình độ chuyển đổi số tương đối cao, nhiều trường tại các vùng sâu vùng xa vẫn đang chật vật với những nhu cầu cơ bản như kết nối internet ổn định và trang bị máy tính.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Le et al. (2024a) trong nghiên cứu "Factors Influencing Digital Transformation in Higher Education in Vietnam" đã xác định các yếu tố ảnh hưởng đến chuyển đổi số tại các trường đại học Việt Nam, bao gồm: sự lãnh đạo và cam kết của ban lãnh đạo trường, năng lực số của đội ngũ giảng viên, hạ tầng công nghệ, văn hóa tổ chức, và sự hỗ trợ từ chính phủ. Nghiên cứu đặc biệt nhấn mạnh vai trò của sự lãnh đạo — các trường đại học có lãnh đạo có tầm nhìn và cam kết mạnh mẽ với chuyển đổi số thường đạt được kết quả tốt hơn đáng kể so với các trường thiếu sự lãnh đạo này.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Trần và Trần (2023) trong bài viết "Experiences of Implementing Digital Transformation at Higher Education Institutions: Lessons for Vietnam" đã tổng kết bài học kinh nghiệm từ các quốc gia tiên tiến và đề xuất các khuyến nghị cho Việt Nam. Các tác giả nhấn mạnh rằng chuyển đổi số giáo dục không chỉ là vấn đề công nghệ mà còn là vấn đề thay đổi văn hóa và tư duy. Việt Nam cần không chỉ đầu tư vào hạ tầng công nghệ mà còn cần xây dựng một chiến lược toàn diện bao gồm: đào tạo và phát triển đội ngũ giảng viên có năng lực số, xây dựng chương trình đào tạo phù hợp với kỷ nguyên số, và thiết lập các cơ chế đảm bảo chất lượng cho giáo dục trực tuyến và hỗn hợp.

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Cách tiếp cận dựa trên quyền con người

Một góc nhìn đặc biệt quan trọng trong bối cảnh Việt Nam là cách tiếp cận chuyển đổi số giáo dục dựa trên quyền con người (human rights-based approach). Do et al. (2022) trong bài viết "Digital Transformation in Higher Education: A Human Rights-Based Approach from Vietnam" đã lập luận rằng chuyển đổi số giáo dục cần được xem xét dưới lăng kính quyền con người, đặc biệt là quyền được tiếp cận giáo dục chất lượng và quyền được phát triển toàn diện.

Do, T.T., et al. (2022). Digital Transformation in Higher Education: A Human Rights-Based Approach from Vietnam.

Do et al. (2022) chỉ ra rằng chuyển đổi số giáo dục, nếu không được thực hiện cẩn trọng, có thể làm gia tăng bất bình đẳng trong giáo dục — một hậu quả mà chúng ta sẽ phân tích sâu hơn ở các phần sau. Khi giáo dục ngày càng phụ thuộc vào công nghệ số, những người thiếu khả năng tiếp cận công nghệ (do nghèo đói, vùng sâu vùng xa, hoặc thiếu kỹ năng số) sẽ bị bỏ lại phía sau, làm sâu sắc thêm khoảng cách giáo dục hiện có.

Do, T.T., et al. (2022). Digital Transformation in Higher Education: A Human Rights-Based Approach from Vietnam.

Tầm nhìn trí tuệ nhân tạo tại trường đại học Việt Nam

Vu et al. (2023) trong bài viết "AI and Digital Transformation in Higher Education: Vision of a Vietnam University" đã trình bày tầm nhìn về ứng dụng trí tuệ nhân tạo trong chuyển đổi số giáo dục đại học Việt Nam. Các tác giả thảo luận về các cơ hội mà AI mang lại cho giáo dục đại học Việt Nam, bao gồm: cá nhân hóa lộ trình học tập, tự động hóa các công việc hành chính, hỗ trợ nghiên cứu khoa học, và nâng cao trải nghiệm học tập của sinh viên.

Vu, T.V., et al. (2023). AI and Digital Transformation in Higher Education: Vision of a Vietnam University.

Tuy nhiên, bài viết cũng nhận diện những thách thức đặc thù của Việt Nam trong việc ứng dụng AI vào giáo dục, bao gồm: thiếu dữ liệu lớn chất lượng cao để huấn luyện các mô hình AI phù hợp với bối cảnh Việt Nam, hạn chế về năng lực AI của đội ngũ giảng viên, và thiếu khuôn khổ chính sách và đạo đức cho ứng dụng AI trong giáo dục. Các tác giả kêu gọi các trường đại học Việt Nam cần phát triển chiến lược AI toàn diện, kết hợp với việc đầu tư vào phát triển nguồn nhân lực AI và xây dựng các nguyên tắc đạo đức AI cụ thể cho bối cảnh giáo dục.

So sánh Việt Nam và Singapore: Bài học về chuyển đổi số giáo dục

Nguyen-Anh et al. (2023) trong nghiên cứu "Digital Transformation in Higher Education: Singapore versus Vietnam" đã so sánh tiến trình chuyển đổi số giáo dục đại học giữa Việt Nam và Singapore — một quốc gia tiên tiến trong khu vực về giáo dục và công nghệ. Nghiên cứu cho thấy Singapore có lợi thế rõ rệt về nhiều yếu tố: hạ tầng công nghệ hiện đại, nguồn lực tài chính dồi dào, chiến lược chuyển đổi số rõ ràng và được triển khai nhất quán, và đặc biệt là một hệ sinh thái đối tác mạnh mẽ giữa chính phủ, trường đại học, và khu vực tư nhân.

Nguyen-Anh, D., et al. (2023). Digital Transformation in Higher Education: Singapore versus Vietnam.

Singapore đã triển khai chiến lược "Smart Nation" (Quốc gia thông minh) từ năm 2014, với giáo dục là một trụ cột quan trọng. Hệ thống giáo dục đại học Singapore đã tích hợp công nghệ số một cách sâu rộng vào mọi khía cạnh — từ giảng dạy và học tập đến nghiên cứu và quản lý. Các trường đại học Singapore cũng tiên phong trong việc áp dụng AI và dữ liệu lớn vào giáo dục, với các dự án như personalization of learning pathways và AI-powered assessment.

Việt Nam, so với Singapore, vẫn còn khoảng cách đáng kể về nhiều yếu tố, đặc biệt là hạ tầng công nghệ và năng lực số của đội ngũ giảng viên. Tuy nhiên, Nguyen-Anh et al. (2023) cũng chỉ ra những lợi thế tương đối của Việt Nam, bao gồm: dân số trẻ với tỷ lệ tiếp cận công nghệ cao, sự quan tâm mạnh mẽ từ chính phủ, và tiềm năng phát triển EdTech nội địa.

Nguyen-Anh, D., et al. (2023). Digital Transformation in Higher Education: Singapore versus Vietnam.

Blended learning: Xu hướng giáo dục hỗn hợp tại Việt Nam

Tang và Nguyen (2020) trong bài viết "Digital Transformation Trend in Vietnam Higher Education: Blended Learning" đã nghiên cứu xu hướng giáo dục hỗn hợp (blended learning) tại các trường đại học Việt Nam và nhận định rằng đây là mô hình giáo dục phù hợp nhất cho bối cảnh Việt Nam trong giai đoạn hiện tại. Blended learning — kết hợp giữa học trực tiếp trên lớp và học trực tuyến — cho phép tận dụng lợi ích của công nghệ mà không hoàn toàn loại bỏ giá trị của tương tác trực tiếp giữa giáo viên và sinh viên.

Tang, T.T., & Nguyen, T.M. (2020). Digital Transformation Trend in Vietnam Higher Education: Blended Learning.

Nghiên cứu cho thấy nhiều trường đại học Việt Nam đã bắt đầu triển khai các mô hình blended learning với mức độ thành công khác nhau. Các yếu tố ảnh hưởng đến thành công bao gồm: thiết kế chương trình blended learning phù hợp, năng lực số của cả giảng viên và sinh viên, hạ tầng công nghệ hỗ trợ, và sự hỗ trợ từ quản lý trường. Tang và Nguyen (2020) cũng nhấn mạnh rằng thành công của blended learning không chỉ phụ thuộc vào công nghệ mà còn phụ thuộc vào sự thay đổi trong phương pháp sư phạm — từ phương pháp giảng dạy truyền thống (lecture-based) sang phương pháp lấy người học làm trung tâm (learner-centered).

Tang, T.T., & Nguyen, T.M. (2020). Digital Transformation Trend in Vietnam Higher Education: Blended Learning.

Thực trạng: Thành tựu và thách thức

Tổng hợp các nghiên cứu đã trình bày, chúng ta có thể vẽ ra một bức tranh tổng thể về chuyển đổi số giáo dục đại học tại Việt Nam.

Về thành tựu, Việt Nam đã đạt được những bước tiến đáng kể trong một thời gian ngắn. Các chính sách chuyển đổi số giáo dục đã được ban hành với tầm nhìn rõ ràng. Nhiều trường đại học đã đầu tư vào hạ tầng công nghệ, triển khai hệ thống quản lý học tập trực tuyến, và bắt đầu ứng dụng công nghệ vào giảng dạy. Nhiều trường cũng đã bắt đầu nghiên cứu và thử nghiệm ứng dụng AI vào giáo dục, dù còn ở giai đoạn sơ khai. Đặc biệt, đại dịch COVID-19 đã buộc các trường đại học Việt Nam phải tăng tốc chuyển đổi số một cách chóng mặt, tạo ra một động lực mà có thể sẽ còn tác động trong nhiều năm tới.

Về thách thức, Việt Nam đối mặt với nhiều vấn đề phức tạp. Khoảng cách số (digital divide) giữa các vùng miền và giữa các cơ sở giáo dục vẫn còn lớn. Năng lực số của đội ngũ giảng viên — yếu tố quan trọng nhất của chuyển đổi số giáo dục — vẫn chưa đồng đều và cần được đầu tư mạnh mẽ hơn. Phương pháp sư phạm chưa thay đổi tương xứng với đầu tư công nghệ — nhiều trường vẫn đang áp dụng công nghệ để "số hóa" các phương pháp giảng dạy cũ thay vì thực sự "chuyển đổi" phương pháp sư phạm. Và đặc biệt, thiếu vắng các khuôn khổ chính sách và đạo đức để quản lý rủi ro của công nghệ trong giáo dục, bao gồm rủi ro về đạo đức AI, bảo mật dữ liệu, và tác động của công nghệ đến tư duy độc lập của sinh viên.

1.4. COVID-19: Cú hích hay cú sốc?

Đại dịch COVID-19, bùng phát vào đầu năm 2020 và kéo dài qua nhiều năm, đã trở thành một sự kiện định hình (defining event) đối với chuyển đổi số giáo dục trên toàn cầu. Bất ngờ, đột ngột, và tàn khốc, đại dịch đã buộc hàng trăm triệu học sinh và sinh viên trên toàn thế giới phải chuyển sang học trực tuyến trong đêm — một cuộc "thử nghiệm" giáo dục số quy mô lớn chưa từng có trong lịch sử nhân loại.

Chuyển đổi số ép buộc qua đại dịch

Khi COVID-19 lan rộng, các quốc gia lần lượt ra lệnh đóng cửa trường học. Theo UNESCO, tại thời điểm đỉnh dịch vào tháng 4/2020, hơn 1,5 tỷ học sinh và sinh viên trên toàn cầu — chiếm hơn 90% tổng số người học — bị ảnh hưởng bởi việc đóng cửa trường học. Tại Việt Nam, các trường đại học phải chuyển sang hình thức dạy học trực tuyến khẩn cấp từ tháng 2/2020, một quyết định mà trước đó không ai tưởng tượng có thể diễn ra nhanh đến vậy.

Cuộc chuyển đổi "đêm trước còn trên giảng đường, sáng hôm sau đã trên Zoom" này đã tạo ra một hình thức "chuyển đổi số ép buộc" (forced digital transformation) — rất khác với chuyển đổi số được lên kế hoạch và triển khai có chủ đích. Bozkurt et al. (2024) đã gọi đây là "giáo dục khẩn cấp trực tuyến" (emergency remote education), nhấn mạnh rằng đây không phải là giáo dục trực tuyến theo đúng nghĩa mà là một giải pháp tạm thời trong tình trạng khẩn cấp.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Giáo dục khẩn cấp trực tuyến khác biệt với giáo dục trực tuyến được thiết kế chủ đích ở nhiều điểm. Trong giáo dục trực tuyến chủ đích, các khóa học được thiết kế kỹ lưỡng cho môi trường trực tuyến, với các phương pháp sư phạm, tài liệu, và công cụ đánh giá phù hợp. Trong giáo dục khẩn cấp trực tuyến, các khóa học được "di chuyển" từ lớp học trực tiếp lên môi trường trực tuyến với ít hoặc không có thay đổi về thiết kế — tạo ra trải nghiệm học tập thường xuyên không hiệu quả cho cả giáo viên và sinh viên.

Bài học từ dạy học trực tuyến khẩn cấp

Trải nghiệm dạy học trực tuyến khẩn cấp do COVID-19 đã để lại nhiều bài học quý giá nhưng cũng đau đớn.

Bài học thứ nhất là về tầm quan trọng của thiết kế sư phạm cho môi trường trực tuyến. Nhiều trường đại học — ở Việt Nam và trên toàn cầu — đã phát hiện ra rằng việc đơn giản "stream" bài giảng trực tiếp lên Zoom hoặc Microsoft Teams không tạo ra trải nghiệm học tập tương đương với lớp học truyền thống. Sinh viên gặp khó khăn trong việc duy trì sự tập trung, tham gia thảo luận, và xây dựng mối quan hệ với giáo viên và bạn học. Giáo viên cũng gặp thách thức trong việc theo dõi tiến độ học tập và đánh giá hiệu quả khi không có tương tác trực tiếp.

Bài học thứ hai là về khoảng cách số. COVID-19 đã phơi bày rõ ràng sự bất bình đẳng trong tiếp cận công nghệ. Sinh viên từ gia đình có điều kiện kinh tế tốt — có máy tính xách tay, kết nối internet ổn định, không gian học tập riêng — có thể thích ứng tốt hơn với học trực tuyến. Trong khi đó, sinh viên từ gia đình khó khăn — phải dùng điện thoại thông minh nhỏ màn hình, chia sẻ kết nối internet với nhiều người, và học trong điều kiện không gian ồn ào — gặp khó khăn rất lớn. Ở Việt Nam, khoảng cách số giữa thành thị và nông thôn, giữa đồng bằng và miền núi, đã trở nên rõ ràng hơn bao giờ hết.

Bài học thứ ba — và có lẽ là bài học quan trọng nhất đối với chủ đề của bài viết này — là về tác động của công nghệ đến quá trình học tập và tư duy. Khi giáo dục chuyển hoàn toàn sang môi trường trực tuyến, nhiều sinh viên đã sử dụng các công cụ kỹ thuật số (bao gồm cả các công cụ AI đang trong giai đoạn phát triển) để hoàn thành bài tập — đôi khi thay vì tự học. Sự xuất hiện của các "dịch vụ làm bài hộ" trực tuyến và việc sinh viên sao chép nội dung từ internet trở nên phổ biến hơn. Giáo viên gặp khó khăn trong việc đánh giá sự hiểu biết thực sự của sinh viên khi không thể kiểm soát môi trường làm bài.

Tác động lâu dài lên tư duy giáo dục

Mặc dù đại dịch COVID-19 cuối cùng đã qua đi, hậu quả của nó đối với tư duy giáo dục vẫn còn kéo dài. Một trong những hậu quả đáng lo ngại nhất là sự bình thường hóa của giáo dục trực tuyến — việc coi giáo dục trực tuyến (với tất cả những ưu và nhược điểm) như một hình thức giáo dục "bình thường" thay vì một giải pháp khẩn cấp.

Bozkurt et al. (2024) trong "Tuyên ngôn về dạy và học trong thời đại trí tuệ nhân tạo tạo sinh" đã phản ánh sâu sắc về tác động của COVID-19 đối với giáo dục. Các tác giả lập luận rằng đại dịch đã tạo ra một "không gian mở" (opening) cho việc tái định hình giáo dục — một cơ hội để chúng ta suy nghĩ lại về bản chất của giáo dục, về vai trò của công nghệ, và về những gì thực sự quan trọng trong quá trình học tập. Tuy nhiên, họ cũng cảnh báo rằng nếu chúng ta không tận dụng cơ hội này một cách có chủ đích, chúng ta có thể rơi vào một hệ quả ngược — giáo dục trở nên ngày càng công nghệ hóa, thương mại hóa, và xa rời các giá trị nhân văn cốt lõi.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Bozkurt et al. (2024) kêu gọi các nhà giáo dục cần thiết lập một "tuyên ngôn" mới cho giáo dục trong thời đại AI — một tuyên ngôn mà trong đó giá trị của con người, sự tự chủ, và tư duy phản biện được đặt ở trung tâm, thay vì bị đẩy ra bên lề bởi công nghệ. Tuyên ngôn này nhấn mạnh rằng: giáo dục không chỉ là việc truyền đạt nội dung mà là việc phát triển con người toàn diện; công nghệ nên phục vụ giáo dục chứ không phải ngược lại; và quyền tự chủ của người dạy và người học cần được bảo vệ trong bối cảnh nền tảng số ngày càng thống trị.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Sự bình thường hóa giáo dục trực tuyến cũng tạo tiền đề cho sự chấp nhận ngày càng rộng rãi các công cụ AI trong học tập — một xu hướng mà đã được đẩy lên tầm cao mới khi ChatGPT ra mắt vào cuối năm 2022. Khi sinh viên đã quen với việc học và làm bài trên môi trường số, việc thêm công cụ AI vào quy trình làm việc của họ là một bước phát triển tự nhiên — và một rủi ro tiềm tàng đối với tư duy độc lập.

1.5. Khi công nghệ trở thành "giải pháp" cho mọi vấn đề giáo dục

Trong suốt quá trình chuyển đổi số giáo dục, một tư duy đã ngày càng thống trị trong các thảo luận chính sách và thực tiễn giáo dục: tư duy cho rằng công nghệ là giải pháp cho mọi vấn đề giáo dục. Tư duy này, mà Evgeny Morozov (2013) gọi là "techno-solutionism" (giải pháp công nghệ), có đặc điểm là giảm mọi vấn đề xã hội và giáo dục xuống các vấn đề kỹ thuật mà công nghệ có thể giải quyết, bỏ qua các yếu tố xã hội, chính trị, và nhân văn phức tạp hơn.

Morozov, E. (2013). To Save Everything, Click Here: The Folly of Technological Solutionism. New York: PublicAffairs.

Techno-solutionism trong giáo dục: Hiện tượng và biểu hiện

Techno-solutionism trong giáo dục biểu hiện ở nhiều cấp độ khác nhau.

Ở cấp độ chính sách, techno-solutionism thể hiện qua việc các chính phủ và cơ quan quản lý giáo dục coi đầu tư công nghệ là giải pháp chủ yếu — đôi khi là duy nhất — cho các vấn đề giáo dục như chất lượng giáo dục kém, thiếu giáo viên, bất bình đẳng giáo dục, và sinh viên thiếu động lực. Thay vì giải quyết các nguyên nhân sâu xa của các vấn đề này — như đầu tư cho phát triển đội ngũ giáo viên, cải cách chương trình giáo dục, hay giảm nghèo đói — các nhà hoạch định chính sách thường chọn giải pháp công nghệ vì nó "nhìn thấy được" (visible), "hiện đại" (modern), và thường "ít tốn kém hơn" về mặt chính trị.

Ở cấp độ thể chế, techno-solutionism thể hiện qua việc các trường đại học coi việc mua sắm công nghệ (LMS, phần mềm quản lý, công cụ AI) là giải pháp cho các vấn đề sư phạm như sinh viên không tích cực, kết quả học tập thấp, hay việc đánh giá chưa hiệu quả. Thay vì suy nghĩ sâu sắc về việc cải thiện phương pháp giảng dạy, xây dựng môi trường học tập tích cực, hay phát triển mối quan hệ giữa giáo viên và sinh viên, nhiều trường chọn giải pháp công nghệ vì nó dễ đo lường và triển khai nhanh chóng.

Ở cấp độ cá nhân, techno-solutionism thể hiện qua việc cả giáo viên và sinh viên coi công nghệ là giải pháp cho mọi khó khăn trong quá trình dạy và học. Giáo viên sử dụng các phần mềm tạo bài kiểm tra tự động thay vì thiết kế các hình thức đánh giá có ý nghĩa. Sinh viên sử dụng AI để hoàn thành bài tập thay vì tự mình suy nghĩ và nghiên cứu.

Nghịch lý của giải pháp công nghệ trong giáo dục

Mỗi "giải pháp" công nghệ trong giáo dục thường tạo ra những vấn đề mới mà chính công nghệ đó không thể giải quyết. Đây là một nghịch lý đặc trưng của techno-solutionism — chúng ta giải quyết một vấn đề bằng công nghệ, và công nghệ đó lại tạo ra những vấn đề mới.

Ví dụ, để giải quyết vấn đề sinh viên gian lận trong bài kiểm tra trực tuyến, các trường đại học đã sử dụng phần mềm giám sát (proctoring software) — công nghệ sử dụng camera và thuật toán để theo dõi sinh viên trong lúc làm bài. Tuy nhiên, phần mềm giám sát lại tạo ra những vấn đề mới: xâm phạm quyền riêng tư, gây stress và lo âu cho sinh viên, và — quan trọng nhất — nó biến giáo dục thành một quá trình "giám sát" thay vì một quá trình "phát triển" (Bozkurt et al., 2024).

Ví dụ khác, để giải quyết vấn đề sinh viên không tích cực trong lớp học trực tuyến, các trường đã sử dụng các công cụ "gamification" (trò chơi hóa) để tạo động lực cho sinh viên — thưởng điểm, huy hiệu, bảng xếp hạng. Tuy nhiên, gamification có thể thay thế động lực nội tại (intrinsic motivation) — niềm vui của việc học vì tò mò và mong muốn hiểu biết — bằng động lực ngoại lai (extrinsic motivation) — học để được điểm và phần thưởng. Khi động lực ngoại lai trở thành động lực chính, tư duy độc lập và sự tò mò trí óc — những yếu tố quan trọng nhất của giáo dục đại học — sẽ bị suy giảm.

Những câu hỏi không ai hỏi về chi phí ẩn

Khi đánh giá chuyển đổi số giáo dục, chúng ta thường tập trung vào các "chi phí rõ ràng" (explicit costs): chi phí mua sắm thiết bị, phần mềm, đào tạo nhân lực, và bảo trì hạ tầng. Tuy nhiên, có những "chi phí ẩn" (hidden costs) ít được thảo luận nhưng có thể có tác động sâu sắc đến chất lượng giáo dục và sự phát triển của sinh viên.

Chi phí ẩn thứ nhất: Chi phí cơ hội của sự phụ thuộc công nghệ. Khi sinh viên ngày càng phụ thuộc vào công nghệ để học tập và hoàn thành bài tập, họ đang "đổi" thời gian lẽ ra dành cho việc phát triển năng lực tư duy, nghiên cứu, và sáng tạo lấy thời gian sử dụng công cụ công nghệ. Allamuratova (2025) đã chỉ ra rằng mối quan hệ giữa chuyển đổi số giáo dục và phát triển tư duy phản biện không phải là mối quan hệ đơn chiều — chuyển đổi số có thể hỗ trợ hoặc kìm hãm tư duy phản biện tùy thuộc vào cách nó được triển khai. Nếu chuyển đổi số tạo ra sự phụ thuộc công nghệ, nó sẽ kìm hãm tư duy phản biện.

Allamuratova, S. (2025). Digital Transformation of Education and Critical Thinking Development.

Chi phí ẩn thứ hai: Chi phí của sự giám sát dữ liệu. Khi giáo dục ngày càng số hóa, dữ liệu về hành vi học tập, hiệu suất, và thậm chí cảm xúc của sinh viên đang được thu thập liên tục bởi các nền tảng công nghệ. Williamson (2018) cảnh báo rằng "dataveillance" trong giáo dục tạo ra một môi trường mà trong đó sinh viên luôn bị "theo dõi" — một điều kiện không conducive cho tư duy độc lập và sáng tạo, vốn đòi hỏi không gian tự do và sự tin tưởng.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Chi phí ẩn thứ ba: Chi phí của sự đồng nhất hóa giáo dục. Khi giáo dục ngày càng được cung cấp thông qua các nền tảng công nghệ tiêu chuẩn hóa, có nguy cơ rằng trải nghiệm giáo dục sẽ trở nên ngày càng đồng nhất — giống nhau cho tất cả mọi người, ở mọi nơi. Kerssens và van Dijck (2022) lo ngại rằng khi các quyết định sư phạm bị phụ thuộc vào các nền tảng công nghệ thương mại, sự đa dạng trong phương pháp sư phạm và trải nghiệm học tập sẽ bị suy giảm. Và khi giáo dục trở nên đồng nhất hơn, không gian cho tư duy độc lập và sáng tạo — vốn đòi hỏi sự đa dạng và tính bất ngờ — cũng sẽ bị thu hẹp.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Chi phí ẩn thứ tư: Chi phí của suy giảm tương tác giữa con người với con người. Giáo dục không chỉ là việc truyền đạt nội dung mà còn là một quá trình xã hội — một quá trình mà trong đó sinh viên học cách tương tác, hợp tác, thấu cảm, và giải quyết xung đột với con người khác. Khi công nghệ ngày càng thay thế tương tác người- người bằng tương tác người- máy, sinh viên mất đi cơ hội phát triển các kỹ năng xã hội và cảm xúc quan trọng — những kỹ năng mà máy móc không thể dạy được.

Nghịch lý của "cá nhân hóa" học tập

Một trong những lời hứa lớn nhất của chuyển đổi số giáo dục là "cá nhân hóa học tập" (personalized learning) — khả năng điều chỉnh nội dung, tốc độ, và phương pháp giảng dạy theo đặc điểm và nhu cầu của từng sinh viên. Trên lý thuyết, đây là một mục tiêu giáo dục tuyệt vời — giáo dục thực sự phù hợp với từng người học.

Tuy nhiên, trên thực tế, "cá nhân hóa học tập" trong bối cảnh công nghệ thường có nghĩa là "cá nhân hóa thuật toán" (algorithmic personalization) — quá trình mà trong đó một thuật toán phân tích dữ liệu về sinh viên (lịch sử học tập, điểm số, thời gian học, hành vi trực tuyến) và từ đó "đề xuất" lộ trình học tập phù hợp. Jose et al. (2025) đã phân tích nghịch lý của hình thức cá nhân hóa này: một mặt, nó có thể giúp sinh viên học theo nhịp độ và phong cách riêng; mặt khác, nó có thể giới hạn trải nghiệm học tập của sinh viên trong một "bong bóng thuật toán" (filter bubble) — sinh viên chỉ được tiếp xúc với những nội dung mà thuật toán cho rằng phù hợp với họ, bỏ qua những nội dung có thể gây thử thách và kích thích tư duy.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Hơn nữa, cá nhân hóa thuật toán đặt ra một câu hỏi triết học sâu sắc: Ai có quyền quyết định sinh viên nên học gì? Trong mô hình giáo dục truyền thống, giáo viên — với kiến thức chuyên môn và kinh nghiệm sư phạm — đóng vai trò hướng dẫn lộ trình học tập. Trong mô hình cá nhân hóa thuật toán, quyền quyết định này được chuyển giao cho một hệ thống máy móc — một hệ thống được thiết kế bởi các kỹ sư và công ty công nghệ chứ không phải bởi các nhà giáo dục hay triết gia giáo dục.

Weimann-Sandig (2023) đã đặt câu hỏi liệu sự "cá nhân hóa" này có thực sự phục vụ lợi ích của sinh viên hay chỉ là một hình thức "kiểm soát tinh vi" (subtle control) mà trong đó công nghệ quyết định giới hạn của tư duy và sự khám phá của người học. Khi sinh viên được "cá nhân hóa" để học những gì thuật toán cho rằng họ cần, họ mất đi cơ hội để tự mình khám phá, sai lầm, và tìm ra con đường học tập riêng — một quá trình mà bản chất là nền tảng của tư duy độc lập.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Kasneci et al. (2023): Cơ hội và thách thức của LLM trong giáo dục

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Kasneci et al. (2023) trong bài viết "ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education" đã cung cấp một phân tích cân bằng và toàn diện về vai trò của các mô hình ngôn ngữ lớn (LLMs) trong giáo dục. Các tác giả thừa nhận rằng LLMs mang lại những cơ hội đáng kể: hỗ trợ giảng dạy cá nhân hóa, cung cấp phản hồi ngay lập tức cho sinh viên, hỗ trợ nghiên cứu và viết học thuật, và tăng cường tiếp cận giáo dục cho những người có nhu cầu đặc biệt.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Tuy nhiên, Kasneci et al. (2023) cũng cảnh báo về những thách thức nghiêm trọng. Các thách thức này bao gồm: (1) Mối nguy cơ sai lệch thông tin — LLMs có thể tạo ra thông tin sai hoặc có thiên kiến một cách tự tin và thuyết phục; (2) Vấn đề đạo đức — việc sử dụng LLMs đặt ra nhiều câu hỏi về đạo đức học thuật, bản quyền, và quyền riêng tư; (3) Nguy cơ đối với phát triển năng lực — khi sinh viên sử dụng LLMs để hoàn thành bài tập, họ có thể không phát triển được các năng lực mà bài tập được thiết kế để rèn luyện; và (4) Nguy cơ đối với tính công bằng — không phải tất cả sinh viên đều có khả năng tiếp cận và sử dụng LLMs như nhau.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Đặc biệt, Kasneci et al. (2023) nhấn mạnh rằng "việc các mô hình ngôn ngữ lớn cung cấp câu trả lời ngay lập tức có thể làm giảm động lực của người học trong việc tự mình giải quyết vấn đề, từ đó ảnh hưởng tiêu cực đến quá trình phát triển tư duy và năng lực giải quyết vấn đề" — một quan điểm hoàn toàn phù hợp với nhận định cốt lõi của bài viết này.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Toward a critical perspective

Tổng kết lại Chương 1, chúng ta có thể thấy rằng chuyển đổi số giáo dục — từ bức tranh toàn cầu đến bối cảnh Việt Nam — là một quá trình phức tạp, đa chiều, và đầy nghịch lý. Nó mang lại những cơ hội to lớn cho việc cải thiện tiếp cận giáo dục, nâng cao hiệu quả giảng dạy, và tạo ra trải nghiệm học tập mới. Nhưng đồng thời, nó cũng ẩn chứa những rủi ro sâu sắc đối với các giá trị giáo dục cốt lõi — trong đó quan trọng nhất là khả năng suy nghĩ độc lập và tư duy phản biện của sinh viên.

Quá trình chuyển đổi số không diễn ra trong khoảng không trung — nó được thúc đẩy bởi các động lực kinh tế (thị trường EdTech, lợi nhuận công ty công nghệ), chính trị (chính sách chuyển đổi số quốc gia), và xã hội (nhu cầu thay đổi giáo dục sau COVID-19). Williamson (2018) đã cảnh báo về "kiến trúc ẩn" mà trong đó công nghệ lớn đang định hình giáo dục; Kerssens và van Dijck (2022) đã lo ngại về sự suy giảm quyền tự chủ sư phạm; Bozkurt et al. (2024) đã kêu gọi một "tuyên ngôn" mới cho giáo dục trong thời đại AI; và Jose et al. (2025) đã phân tích "nghịch lý nhận thức" mà trong đó công nghệ thay vì hỗ trợ tư duy lại đang thay thế tư duy.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Tại Việt Nam, chuyển đổi số giáo dục đang diễn ra nhanh chóng nhưng không đồng đều. Các nghiên cứu của Nguyen và Pham (2023), Le et al. (2024), Tuong et al. (2023), và nhiều tác giả khác đã cho thấy rằng Việt Nam đã đạt được những thành tựu đáng kể nhưng vẫn đối mặt với nhiều thách thức — từ khoảng cách số đến năng lực số, từ phương pháp sư phạm đến khuôn khổ chính sách.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Nguyen, T.T., & Pham, H.H. (2023). Impact of Digital Transformation in Higher Education: A Case Study from Vietnam.

Tuong, N.V., et al. (2023). Digital Transformation for Vietnam Education: From Policy to School Practices.

Điều đặc biệt đáng chú ý là hầu hết các thảo luận về chuyển đổi số giáo dục — ở cả tầm nhìn toàn cầu và tại Việt Nam — đều tập trung vào các vấn đề kỹ thuật và quản trị: hạ tầng công nghệ, năng lực số, quản lý dự án chuyển đổi số. Ít ai đặt câu hỏi về những tác động sâu hơn của chuyển đổi số đối với tư duy, đối với sự phát triển của con người, và đối với các giá trị triết học cốt lõi của giáo dục. Đây chính là "góc khuất" mà bài viết này muốn soi sáng.

Trong các chương tiếp theo, chúng ta sẽ đi sâu vào phân tích các cơ chế mà qua đó công nghệ — đặc biệt là AI tạo sinh — có thể ảnh hưởng đến tư duy độc lập của sinh viên, xem xét các bằng chứng nghiên cứu hiện có, và đề xuất các khuyến nghị chính sách nhằm bảo vệ và nâng cao tư duy độc lập trong bối cảnh chuyển đổi số giáo dục.

---

[Phần tiếp theo — Chương 2: Khi trí tuệ nhân tạo thay thế tư duy — sẽ được trình bày trong phần sau của bài viết.]

---

Chương 2: Khi công nghệ định hình cách chúng ta suy nghĩ

Mở chương

Trong một thế kỷ qua, công nghệ giáo dục (EdTech) đã chuyển hóa từ những công cụ phụ trợ đơn giản thành những hệ thống thuật toán phức tạp có khả năng định hình không chỉ nội dung học tập mà còn chính cấu trúc tư duy của người học. Quá trình chuyển đổi này diễn ra một cách tinh vi, hiếm khi được đặt vấn đề trong các cuộc thảo luận về cải cách giáo dục, và ít được nhận thức đầy đủ bởi chính những người sử dụng nó mỗi ngày — sinh viên và giảng viên. Khi các nền tảng học tập số dần thay thế không gian lớp học truyền thống, một câu hỏi mang tính nền tảng cần được đặt ra: liệu công nghệ giáo dục đang mở rộng khả năng tư duy của người học, hay đang âm thầm thu hẹp nó theo những khuôn mẫu do thuật toán thiết kế? Câu hỏi này không chỉ mang tính lý luận mà còn có ý nghĩa thực tiễn sâu sắc đối với hàng triệu sinh viên đang trải qua giai đoạn hình thành nhận thức quan trọng nhất trong cuộc đời.

Chương này nhằm phân tích cách thức công nghệ giáo dục định hình, tác động và đôi khi tái cấu trúc quá trình tư duy của người học thông qua năm lăng kính chính: thuật toán gợi ý và hành vi thuyết phục, nghịch lý nhận thức khi sử dụng trí tuệ nhân tạo, nudging giáo dục, kiến trúc dữ liệu ẩn của "đại học thông minh", và sự dịch chuyển quyền lực từ con người sang nền tảng công nghệ. Mỗi phần sẽ đi sâu vào các cơ chế tâm lý, xã hội và chính trị đang vận hành đằng sau giao diện trực quan của các công cụ học tập số, làm lộ ra những góc khuất mà người ta thường bỏ qua khi nói về "chuyển đổi số giáo dục" như một giải pháp vạn năng.

---

2.1. Thuật toán đang dạy chúng ta cách nghĩ gì?

Khi một sinh viên mở Coursera vào buổi sáng, hệ thống hiển thị một loạt khóa học được "gợi ý cho bạn" dựa trên lịch sử học tập, thời gian đăng nhập và hành vi duyệt trang trước đó. Khi đăng nhập vào hệ thống quản lý học tập (Learning Management System — LMS) của trường đại học, sinh viên thấy thứ tự bài giảng được sắp xếp theo "mức độ ưu tiên" do thuật toán xác định. Khi sử dụng Khan Academy, các bài tập tiếp theo được chọn dựa trên mô hình thành thạo (mastery model) với độ khó được điều chỉnh tự động. Mỗi tương tác này, dù tưởng chừng vô hại và tiện lợi, thực chất là một hình thức định hướng tư duy — một quá trình mà thuật toán không chỉ cung cấp nội dung mà còn quyết định nội dung nào được tiếp cận trước, nội dung nào bị lùi lại, và theo thứ tự nào.

Balaskas và cộng sự (2025) đã phân tích chuyên sâu hiện tượng này dưới góc độ tâm lý học giáo dục công nghệ, gọi đó là "EdTech Nudging" — hành vi thúc đẩy (nudging) thông qua nền tảng giáo dục. Theo các tác giả, các hệ thống EdTech hiện đại không đơn thuần là công cụ truyền đạt kiến thức mà đóng vai trò như những tác nhân thuyết phục (persuasive agents) tác động trực tiếp đến nhận thức, động lực và hành vi học tập của người sử dụng. Nudging, một khái niệm được mượn từ kinh tế học hành vi (Thaler & Sunstein, 2008), trong bối cảnh EdTech được thể hiện thông qua các cơ chế thiết kế giao diện như: thông báo nhắc nhở tự động, gợi ý lộ trình học tập cá nhân hóa, hệ thống phần thưởng ảo, và thuật toán điều chỉnh nội dung hiển thị. Mỗi cơ chế này tạo ra một "cú hích" tinh tế hướng người dùng hành động theo một hướng cụ thể mà họ hiếm khi nhận thức được sự tồn tại của sự định hướng đó.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Thaler, R. H. and Sunstein, C. R. (2008). Nudge: Improving Decisions about Health, Wealth, and Happiness. New Haven: Yale University Press.

Tầm ảnh hưởng của EdTech Nudging vượt xa khỏi việc đơn thuần tăng cường tương tác. Balaskas et al. (2025) chỉ ra rằng các cú hích hành vi (behavioral nudges) trong nền tảng học tác động đến ba tầng nhận thức: tầng nhận thức (cognition) — cách người học xử lý thông tin; tầng thuyết phục (persuasion) — cách người học bị thuyết phục chấp nhận một nội dung hoặc lộ trình cụ thể; và tầng động lực (motivation) — cách người học duy trì hoặc mất đi động lực nội tại trong quá trình học tập. Khi cả ba tầng này đều bị ảnh hưởng bởi thuật toán, quá trình tư duy độc lập của người học đang bị định hình bởi một thế lực vô hình mà họ không có khả năng kiểm soát hay phản biện.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Hiện tượng "buồng lọc" (filter bubble) và "buồng âm vang" (echo chamber) — vốn đã được nghiên cứu rộng rãi trong bối cảnh mạng xã hội và tin tức kỹ thuật số — nay đang xuất hiện trong lĩnh vực giáo dục một cách âm thầm nhưng không kém phần nguy hiểm. Khái niệm "buồng lọc" do Pariser (2011) đề xuất, mô tả tình trạng trong đó thuật toán chọn lọc thông tin hiển thị cho người dùng dựa trên hành vi quá khứ, tạo ra một "bong bóng" thông tin thu hẹp dần. Trong giáo dục, điều này có nghĩa là sinh viên sử dụng nền tảng học tập số có thể chỉ được tiếp xúc với những quan điểm, lý thuyết và tài liệu mà thuật toán coi là "phù hợp" với hồ sơ của họ, trong khi những nội dung khác — có thể mang tính thách thức, tranh luận hoặc đột phá — bị đẩy xuống tận đáy kết quả tìm kiếm hoặc hoàn toàn không xuất hiện.

Pariser, E. (2011). The Filter Bubble: What the Internet Is Hiding from You. New York: Penguin Press.

Hệ quản lý học tập Canvas, Moodle, Blackboard và các nền tảng MOOC như Coursera, edX đều sử dụng các hệ thống gợi ý (recommendation systems) tương tự như các nền tảng thương mại điện tử. Khi Coursera đề xuất "Suggested paths" — những lộ trình học tập được đề xuất — cho sinh viên, những gợi ý này không dựa trên một hiểu biết triết học giáo dục sâu sắc mà dựa trên dữ liệu hành vi (behavioral data): những khóa học mà sinh viên có hồ sơ tương tự đã đăng ký, những bài giảng có tỷ lệ hoàn thành cao, những nội dung được xếp hạng tốt nhất. Hệ quả là, những lộ trình học tập "được đề xuất" thường là những lộ trình an toàn, phổ biến và ít thách thức nhất, vì đó là những nội dung mang lại chỉ số tương tác cao nhất — metric tối thượng mà các nền tảng theo đuổi. [Tác giả nhận xét rằng, trong bối cảnh này, "cá nhân hóa" không đồng nghĩa với việc phục vụ tốt hơn nhu cầu của người học, mà thường đồng nghĩa với việc đóng khung người học vào một mô hình hành vi trung bình, nơi sự khác biệt và tính đột phá bị triệt tiêu.]

Vấn đề càng trở nên phức tạp khi xét đến khía cạnh nhận thức triết học. Khi thuật toán quyết định thứ tự tiếp cận kiến thức, nó đang — dù trực tiếp hay gián tiếp — xác định cách thức tổ chức tư duy của người học. Nếu sinh viên luôn tiếp cận nội dung theo một trình tự tuyến tính được thiết kế sẵn (từ đơn giản đến phức tạp, từ quen thuộc đến mới mẻ, theo thứ tự mà thuật toán cho là "tối ưu"), họ dần mất đi khả năng tự tổ chức kiến thức theo sơ đồ tư duy cá nhân — một kỹ năng nhận thức quan trọng mà nghiên cứu tâm lý giáo dục đã chứng minh là nền tảng của tư duy sâu và sáng tạo (Sweller et al., 2019). Nói cách khác, thuật toán không chỉ cung cấp nội dung mà còn cung cấp một cấu trúc tư duy mặc định mà người học dần chấp nhận như một thói quen tự nhiên, không cần đặt câu hỏi.

Sweller, J., van Merriënboer, J. J. G. and Paas, F. (2019) 'Cognitive architecture and instructional design: 20 years later', Educational Psychology Review, 31(2), pp. 261–292.

Hơn nữa, Balaskas et al. (2025) đã cảnh báo về hiện tượng "over-nudging" — tình trạng mà quá nhiều cú hích hành vi được áp dụng cùng lúc gây ra quá tải nhận thức (cognitive overload) và sự mệt mỏi trong việc ra quyết định (decision fatigue). Khi một sinh viên mở ứng dụng học tập và bị bombarded bởi: "Hoàn thành bài tập này để đạt streak 7 ngày!", "Bạn có 3 đồng nghiệp đã hoàn thành khóa học này", "Nội dung này được 95% người học đánh giá 5 sao", "Lộ trình được đề xuất cho bạn dựa trên mục tiêu nghề nghiệp" — họ đang phải xử lý một lượng lớn thông tin thuyết phục trước khi thực sự bắt đầu học. Sự quá tải này không chỉ làm giảm hiệu suất học tập mà còn gây ảo giác về năng lực: sinh viên tưởng rằng mình đang làm chủ quá trình học (vì họ là người "chọn" từ các gợi ý), trong khi thực chất không gian lựa chọn đã bị thu hẹp đáng kể bởi thuật toán trước khi họ kịp nhận thức.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Hình ảnh minh họa: Màn hình giao diện nền tảng học tập trực tuyến với các gợi ý thuật toán, phản ánh cách công nghệ định hình trải nghiệm học tập của sinh viên thông qua các quyết định thiết kế vô hình.

---

2.2. Nghịch lý nhận thức: Giữa củng cố và xói mòn tư duy

Sự xuất hiện của trí tuệ nhân tạo trong giáo dục — từ các hệ thống tutoring thông minh (Intelligent Tutoring Systems) đến các công cụ sinh văn bản như ChatGPT, Gemini và Claude — đã tạo ra một nghịch lý nhận thức (cognitive paradox) sâu sắc mà Jose và cộng sự (2025) đã phân tích một cách hệ thống trong nghiên cứu của họ. Theo các tác giả, AI trong giáo dục hoạt động như một thực thể kép: vừa củng cố (enhancement) vừa xói mòn (erosion) năng lực tư duy của người học — và hai tác động này xảy ra đồng thời, trên cùng một cá nhân, trong cùng một quá trình học tập.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Một mặt, AI cung cấp khả năng tiếp cận thông tin tức thời, cá nhân hóa tốc độ học tập, tạo ra phản hồi nhanh chóng và cho phép người học tương tác với nội dung giáo dục theo những cách mà giáo dục truyền thống không thể đáp ứng. Sinh viên có thể nhận giải thích cho một khái niệm toán học phức tạp ngay trong đêm, thực hành ngoại ngữ với một AI có khả năng đối thoại tự nhiên, hoặc nhận phản hồi chi tiết về bài luận chỉ trong vài giây. Trong ngữ cảnh này, AI hoạt động như một "bánh đà" cho tư duy nhanh (flywheel for fast thinking), giúp người học duy trì đà học tập, vượt qua những điểm nghẽn thông tin và duy trì động lực khi đối mặt với nội dung khó.

Mặt khác, cùng những công cụ đó — thông qua sự tiện lợi và hiệu quả mà chúng mang lại — dần xói mòn quá trình tư duy sâu (slow thinking) mà Kahneman (2011) đã phân biệt trong lý thuyết về hai hệ thống tư duy. Hệ thống 1 (System 1) — tư duy nhanh, tự động, ít tiêu tốn năng lượng — được AI kích thích và củng cố mạnh mẽ thông qua các câu trả lời tức thời và giải pháp sẵn có. Hệ thống 2 (System 2) — tư duy chậm, có chủ đích, đòi hỏi nỗ lực nhận thức — dần bị suy yếu vì không còn được "tập luyện" khi AI cung cấp câu trả lời trước khi người học kịp tự suy ngẫm. Jose et al. (2025) gọi đây là "liều thuốc giảm đau" cho tư duy sâu — một ẩn dụ y khoa đầy ý nghĩa: giống như việc sử dụng thuốc giảm đau quá mức làm suy yếu khả năng chịu đau tự nhiên của cơ thể, việc phụ thuộc vào AI làm suy yếu khả năng tư duy độc lập, tự giải quyết vấn đề của não bộ.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.

Nghiên cứu của Jose et al. (2025) đã xây dựng một mô hình lý thuyết giải thích nghịch lý này dựa trên Thuyết tải nhận thức (Cognitive Load Theory — CLT) do Sweller (1988, 2011) đề xuất. Theo CLT, năng lực xử lý thông tin của con người là hữu hạn, và việc học tập hiệu quả đòi hỏi việc quản lý ba loại tải nhận thức: tải nhận thức nội tại (intrinsic load) — độ khó vốn có của nội dung cần học; tải nhận thức ngoại lai (extraneous load) — tải do cách trình bày và thiết kế học liệu tạo ra; và tải nhận thức liên quan (germane load) — tải cần thiết để chuyển hóa thông tin vào bộ nhớ dài hạn. AI, nếu được sử dụng đúng cách, có thể giảm tải nhận thức ngoại lai bằng cách trình bày thông tin rõ ràng, cung cấp sơ đồ trực quan và loại bỏ các yếu tố gây nhiễu. Tuy nhiên, khi AI "làm thay quá nhiều" — cung cấp câu trả lời hoàn chỉnh thay vì gợi mở, giải quyết toàn bộ vấn đề thay vì hướng dẫn từng bước — nó vô tình phát sinh một dạng tải nhận thức ngoại lai mới: tải do sự phụ thuộc công nghệ (technology-dependent load) và tải do ảo giác năng lực (illusory competence load).

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Sweller, J., van Merriënboer, J. J. G. and Paas, F. (2019) 'Cognitive architecture and instructional design: 20 years later', Educational Psychology Review, 31(2), pp. 261–292.

[Tác giả phân tích rằng, trong mô hình tải nhận thức mở rộng, khi AI cung cấp câu trả lời tức thời và hoàn chỉnh, người học nhận được cảm giác "đã hiểu" (feeling of understanding) mà thực chất chỉ là cảm giác quen thuộc (familiarity) với thông tin do AI trình bày. Sự nhầm lẫn giữa cảm giác quen thuộc và năng lực thực sự là một trong những cạm bẫy nhận thức nguy hiểm nhất của kỷ nguyên AI trong giáo dục, bởi nó tạo ra một ảo giác năng lực được củng cố ngày qua ngày mà không có cơ sở thực chất.]

Để minh họa, hãy xem xét một sinh viên sử dụng ChatGPT để hoàn thành bài tập phân tích văn học. Sinh viên nhập câu hỏi, AI tạo ra một phân tích chi tiết, có cấu trúc, có luận điểm và dẫn chứng. Sinh viên đọc qua, cảm thấy "hiểu" bài phân tích, chỉnh sửa đôi chút và nộp. Về mặt điểm số, kết quả có thể tích cực. Nhưng về mặt nhận thức, quá trình tư duy sâu — việc tự xác định vấn đề, tự tìm kiếm bằng chứng, tự xây dựng luận cứ, tự đối chiếu các góc nhìn khác nhau — đã bị thay thế hoàn toàn bởi một chuỗi tương tác input-output với máy. Khủng hoảng nhận thức không nằm ở điểm số mà nằm ở việc không gian luyện tập tư duy sâu bị rỗng hóa, và khi sinh viên phải đối mặt với một tình huống mới không thể dùng AI (như trong kỳ thi trực tiếp hoặc thảo luận hội đồng), họ phát hiện ra rằng năng lực tư duy thực sự của mình đã suy yếu đáng kể.

Jose et al. (2025) đã phát hiện thêm rằng, nghịch lý nhận thức này có tính tích lũy và tự khuếch đại (cumulative and self-reinforcing). Khi người học càng sử dụng AI để "giảm tải nhận thức" trong ngắn hạn, họ càng trở nên ít có khả năng chịu đựng tải nhận thức cao trong dài hạn — tạo ra một vòng luẩn quẩn: AI làm giảm nỗ lực tư duy → não bộ lười vận động hơn → khi không có AI, người học càng khó tư duy → lại cần AI nhiều hơn. Vòng luẩn quẩn này giải thích tại sao nhiều sinh viên hiện nay cảm thấy "không thể học nếu không có internet" — một biểu hiện vật lý của sự phụ thuộc nhận thức vào công nghệ.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Hệ quả của nghịch lý nhận thức này vượt ra ngoài phạm vi học tập cá nhân. Ở cấp độ xã hội, khi một thế hệ sinh viên được đào tạo trong môi trường mà tư duy nhanh được AI củng cố trong khi tư duy sâu bị xói mòn, xã hội đối mặt với sự suy giảm năng lực tư duy phản biện (critical thinking capacity) ở quy mô lớn. Không phải ngẫu nhiên mà nhiều nghiên cứu gần đây đã cảnh báo về sự gia tăng của "tư duy bầy đàn kỹ thuật số" (digital herd thinking) — hiện tượng mà nhóm người sử dụng chung một nền tảng AI có xu hướng đưa ra những câu trả lời, quan điểm và giải pháp tương tự nhau, vì họ đều nhận được cùng một "đầu ra" từ cùng một hệ thống thuật toán. [Tác giả cho rằng đây là một dạng "độc hại nhận thức thuần nhất" (cognitive homogeneity poisoning) — một mối đe dọa tiềm tàng đối với sự đa dạng trí tuệ mà giáo dục đại học vốn phải nuôi dưỡng.]

Hình ảnh minh họa: Nghịch lý nhận thức khi sử dụng AI trong giáo dục — công nghệ vừa củng cố khả năng tiếp cận thông tin tức thời vừa làm xói mòn năng lực tư duy sâu của người học.

---

2.3. Nudging giáo dục: Khi công nghệ thúc đẩy thay vì giáo dục

Nếu EdTech Nudging — như đã phân tích ở phần 2.1 — là cơ chế, thì hệ quả sâu sắc hơn của nó nằm ở sự thay đổi bản chất giáo dục: từ quá trình khai mở tư duy sang quá trình định hướng hành vi. Balaskas et al. (2025) đã chỉ rõ rằng các nền tảng giáo dục số hiện đại đang ngày càng hoạt động theo mô hình "thuyết phục và thúc đẩy" (persuade and nudge) thay vì mô hình "giáo dục và khai phóng" (educate and emancipate). Sự khác biệt này có vẻ tinh tế nhưng mang ý nghĩa bản chất: trong mô hình đầu tiên, người học được dẫn dắt đến một kết quả đã được xác định trước, trong khi trong mô hình thứ hai, người học được trang bị năng lực để tự xác định kết quả của mình.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Duolingo — ứng dụng học ngôn ngữ phổ biến nhất thế giới với hơn 500 triệu người dùng — là minh chứng rõ ràng nhất cho mô hình nudging giáo dục. Ứng dụng này sử dụng một loạt kỹ thuật thuyết phục hành vi (persuasive design techniques) bao gồm: hệ thống streak (chuỗi ngày học liên tiếp) dựa trên nguyên lý sợ mất mát (loss aversion), hệ thống điểm XP và bảng xếp hạng dựa trên cạnh tranh xã hội (social comparison), hệ thống phần thưởng và cuộc thi dựa trên hiệu ứng khe hở mục tiêu (goal gradient effect), và thông báo nhắc nhở được cá nhân hóa dựa trên hành vi người dùng. Mỗi kỹ thuật này đã được thiết kế dựa trên nghiên cứu tâm lý học hành vi sâu sắc, nhằm tạo ra một vòng lặp hành vi tự duy trì (self-sustaining behavioral loop) mà trong đó, người dùng tiếp tục sử dụng ứng dụng không phải vì đam mê học ngôn ngữ mà vì động lực ngoại lai được thiết kế tinh tế (engineered extrinsic motivation).

Balaskas et al. (2025) đã phát hiện rằng, các hệ thống gamification trong giáo dục — bao gồm cả Duolingo — tạo ra một hiệu ứng nghịch lý về tự chủ (paradox of autonomy): mặt trước, chúng tạo cảm giác người học đang kiểm soát quá trình học (tự chọn thời gian học, tự chọn nội dung, tự theo dõi tiến độ); mặt sau, không gian ra quyết định thực sự đã được thiết kế trước (pre-designed decision space) bởi các nhà phát triển nền tảng. Khi một sinh viên mở Duolingo và thấy bài học được đề xuất là "Bài 12: Thì hiện tại hoàn thành", quyết định "học bài này" tưởng chừng là quyết định tự do, nhưng thực chất thuật toán đã quyết định rằng bài 12 là "phù hợp nhất" dựa trên dữ liệu hành vi của sinh viên đó — và các lựa chọn thay thế (học bài 15, học thì tương lai, ôn lại bài 7) bị đẩy xuống vị trí ít dễ thấy hơn hoặc không được hiển thị.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Hiệu ứng nghịch lý này được Balaskas et al. (2025) giải thích thông qua Thuyết hỗ trợ tự chủ (Self-Determination Theory — SDT) của Deci và Ryan (2000). Theo SDT, động lực nội tại — loại động lực bền vững và hiệu quả nhất — đòi hỏi sự thỏa mãn ba nhu cầu tâm lý cơ bản: sự tự chủ (autonomy) — cảm giác mình là tác nhân của hành vi; năng lực (competence) — cảm giác mình có khả năng thực hiện hành vi; và sự gắn kết (relatedness) — cảm giác mình được kết nối với người khác. Các nền tảng EdTech, thông qua nudging, có thể giả lập thỏa mãn hai nhu cầu sau (competence qua điểm số và phần thưởng, relatedness qua tính năng xã hội) nhưng lại tiêu diệt nhu cầu tự chủ — hạt nhân quan trọng nhất của động lực nội tại — khi quyết định học tập thực sự bị thuật toán dẫn dắt.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Deci, E. L. and Ryan, R. M. (2000) 'The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior', Psychological Inquiry, 11(4), pp. 227–268.

[Tác giả nhận xét rằng, đây là một sự lừa dối tinh vi ở cấp độ tâm lý: người học cảm thấy "đang tự học" vì họ chủ động nhấp, cuộn và tương tác, nhưng thực chất họ đang thực hiện một choreography hành vi (behavioral choreography) đã được dàn dựng sẵn — giống như một người tham gia trò chơi điện tử tưởng rằng mình đang "tự do khám phá thế giới ảo" trong khi mọi con đường đều đã được thiết kế bởi nhà phát triển trò chơi.]

Coursera cung cấp một minh chứng khác về nudging giáo dục thông qua hệ thống auto-reminders (nhắc nhở tự động). Khi một sinh viên đăng ký khóa học nhưng không hoàn thành bài học trong tuần đầu tiên, Coursera sẽ gửi một loạt email nhắc nhở được thiết kế dựa trên nghiên cứu hành vi về "thời điểm can thiệp tối ưu": nhắc nhở đầu tiên nhẹ nhàng ("Bạn đã bỏ lỡ bài học tuần này"), nhắc nhở thứ hai tăng cường ("85% người học hoàn thành bài này trong vòng 24 giờ"), nhắc nhở thứ ba sử dụng hiệu ứng khan hiếm ("Chỉ còn 3 ngày để nhận chứng chỉ hoàn thành"). Chuỗi nhắc nhở này không phải là một "dịch vụ hỗ trợ" vô tư mà là một chiến dịch thuyết phục hành vi (behavioral persuasion campaign) nhằm tối đa hóa tỷ lệ hoàn thành khóa học — một metric quan trọng đối với mô hình kinh doanh của Coursera.

Balaskas et al. (2025) chỉ ra rằng, hiện tượng này tạo ra một dạng phụ thuộc thuật toán trong việc ra quyết định học tập (algorithm-dependent academic decision-making) — một dạng "path dependence" (tính phụ thuộc lộ trình) đặc biệt nguy hiểm trong giáo dục. Path dependence, khái niệm mượn từ kinh tế học tổ chức (Arthur, 1989), mô tả tình trạng mà các quyết định trong quá khứ — kể cả những quyết định ngẫu nhiên hoặc không tối ưu — khóa chặt các quyết định tương lai vào một lộ trình cụ thể mà rất khó thoát ra. Trong giáo dục, điều này có nghĩa là khi một sinh viên bắt đầu theo một lộ trình học tập do thuật toán đề xuất, họ dần bị "khóa" vào lộ trình đó: các gợi ý tiếp theo dựa trên lộ trình trước đó, nội dung tiếp theo được cá nhân hóa theo lộ trình trước đó, và càng học xa, càng khó quay lại điểm bắt đầu để chọn một hướng khác.

Arthur, W. B. (1989) 'Competing technologies, increasing returns, and lock-in by historical events', The Economic Journal, 99(394), pp. 116–131.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Hệ quả của path dependence trong giáo dục số đặc biệt đáng lo ngại vì nó ảnh hưởng đến sự hình thành bản sắc học thuật (academic identity formation) của sinh viên. Bản sắc học thuật — cách một người nhận thức bản thân là ai trong vai trò người học, họ quan tâm đến điều gì, họ giỏi ở đâu, họ muốn trở thành ai — được hình thành thông qua một chuỗi các quyết định và trải nghiệm học tập. Khi những quyết định và trải nghiệm này bị dẫn dắt bởi thuật toán, bản sắc học thuật không còn là kết quả của sự khám phá cá nhân tự do mà trở thành sản phẩm của cá nhân hóa thuật toán (algorithmic personalization) — một bản sắc được "thiết kế" bởi nền tảng chứ không được "xây dựng" bởi chính người học.

Hình ảnh minh họa: Giao diện ứng dụng học tập với các yếu tố gamification — điểm số, streak, bảng xếp hạng — phản ánh cách nudging giáo dục tác động đến động lực và tự chủ của người học.

---

2.4. "Smarter university": Kiến trúc ẩn của giáo dục số

Khi các trường đại học trên toàn cầu đang chạy đua để trở thành "đại học thông minh" (smarter university), "đại học số" (digital university) hoặc "đại học thế hệ mới" (next-generation university), Williamson (2018) cảnh báo rằng những ngôn từ đầy hào hứng này đang che đậy một kiến trúc ẩn (hidden architecture) của hạ tầng dữ liệu (data infrastructure) mà phần lớn các bên liên quan — kể cả giảng viên và quản lý — hiếm khi hiểu đầy đủ. "Smarter university" không chỉ đơn thuần là việc trang bị Wi-Fi tốc độ cao, sử dụng nền tảng học tập trực tuyến hay cung cấp tablet cho sinh viên. Nó là một chuyển đổi hạ tầng toàn diện (comprehensive infrastructure transformation) trong đó dữ liệu trở thành nguyên liệu cốt lõi cho mọi hoạt động giáo dục.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Williamson (2018) định nghĩa "kiến trúc ẩn" là hệ thống hạ tầng dữ liệu, công nghệ và tổ chức nằm đằng sau các dịch vụ giáo dục kỹ thuật số mà người dùng cuối — sinh viên và giảng viên — tương tác thông qua giao diện trực quan. Hạ tầng này bao gồm: hệ thống quản lý học tập (LMS), hệ thống lưu trữ đám mây, hệ thống phân tích học tập (learning analytics), hệ thống theo dõi và giám sát sinh viên, cơ sở dữ liệu sinh viên, hệ thống chấm điểm tự động, và các nền tảng giao tiếp kỹ thuật số. Mỗi thành phần này thu thập, xử lý và phân tích dữ liệu hành vi của người học — từ thời gian đăng nhập, thời gian dành cho mỗi bài học, số lần nhấp chuột, tốc độ đọc, cho đến biểu cảm khuôn mặt (trong một số hệ thống sử dụng AI nhận diện cảm xúc).

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Sự quan trọng của kiến trúc ẩn nằm ở chỗ nó tái cấu trúc mối quan hệ giữa dữ liệu và giáo dục. Williamson, Hills và Baker (2020) phân tích quá trình "dữ liệu hóa giáo dục" (datafication of teaching) trong giáo dục đại học, chỉ ra rằng dữ liệu sinh viên không còn chỉ là công cụ hỗ trợ ra quyết định của giảng viên mà đã trở thành chính nền tảng của quá trình giáo dục. Khi một hệ thống learning analytics phân tích dữ liệu hành vi và tạo ra "hồ sơ rủi ro bỏ học" (dropout risk profile) cho mỗi sinh viên, nó không chỉ phản ánh thực tại mà còn tạo ra thực tại mới: sinh viên được xếp vào danh mục "rủi ro cao" sẽ được can thiệp, và sự can thiệp này — dù mang mục tiêu hỗ trợ — tạo ra một tiên tri tự thực hiện (self-fulfilling prophecy) trong đó sinh viên "rủi ro cao" được đối xử khác biệt và dần hành xử theo đúng nhãn hiệu đó.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

Williamson (2021) mở rộng phân tích này trong bối cảnh tạo lập thị trường thông qua nền tảng kỹ thuật số (making markets through digital platforms), chỉ ra rằng "smarter university" không phải là một dự án giáo dục mà là một dự án kinh tế. Khi các trường đại học triển khai hạ tầng dữ liệu, họ đang xây dựng thị trường dữ liệu giáo dục (educational data marketplace) trong đó dữ liệu sinh viên trở thành hàng hóa có giá trị — cho nhà cung cấp công nghệ, cho nhà nghiên cứu, cho nhà tuyển dụng, và cho chính các trường đại học như một tài sản chiến lược. Các nền tảng như Google Workspace for Education, Microsoft Teams for Education, Canvas, và Blackboard không cung cấp dịch vụ miễn phí hay giá rẻ vì lòng tốt — họ thu thập dữ liệu hành vi giáo dục (educational behavioral data) có giá trị khổng lồ cho các chiến lược kinh doanh và phát triển sản phẩm.

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Quá trình dữ liệu hóa giáo dục tạo ra những hệ quả sâu sắc đối với quyền riêng tư (privacy), quyền tự chủ (autonomy), và sự công bằng (equity) trong giáo dục. Williamson (2018) chỉ ra rằng hạ tầng dữ liệu giáo dục thường được triển khai thông qua các hợp đồng có điều khoản dịch vụ phức tạp (terms of service agreements) mà sinh viên và giảng viên hiếm khi đọc kỹ, và hơn thế nữa, hiếm khi có quyền thương lượng. Khi sinh viên sử dụng Google Workspace for Education để viết bài luận, họ đang nhượng quyền sử dụng dữ liệu (ceding data rights) cho Google — bao gồm nội dung bài luận, lịch sử sửa đổi, thời gian làm việc, và hành vi tương tác với hệ thống. Dữ liệu này có thể được sử dụng để huấn luyện mô hình AI, cải thiện sản phẩm, hoặc thậm chí được chia sẻ với bên thứ ba theo điều khoản dịch vụ.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Học tập analytics (learning analytics) — một trong những thành phần cốt lõi của "smarter university" — đáng được phân tích riêng vì nó thể hiện rõ nhất cách dữ liệu thay đổi cách dạy và học. Các hệ thống learning analytics hứa hẹn cung cấp thông tin theo thời gian thực (real-time insights) về hiệu suất học tập của sinh viên, giúp giảng viên can thiệp kịp thời và cá nhân hóa việc giảng dạy. Nhưng như Williamson et al. (2020) phân tích, thực tế học tập analytics thường bị giản lược (reduced) thành việc theo dõi các chỉ số hành vi bề mặt (surface behavioral metrics) — tỷ lệ tham gia, số lần đăng nhập, thời gian trực tuyến — thay vì đánh giá chất lượng tư duy và năng lực nhận thức sâu (quality of thinking and deep cognitive competence). Khi giảng viên dựa vào dashboard analytics để đánh giá sinh viên, họ đang thay thế phán đoán giáo dục chuyên môn (professional educational judgment) bằng phán đoán thuật toán (algorithmic judgment) — một sự thay thế mang hệ quả đáng lo ngại đối với chất lượng giáo dục.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

[Tác giả cho rằng, trong bối cảnh này, "smarter university" thực chất là "university that knows more about students than students know about themselves" — một đại học biết nhiều hơn về sinh viên thông qua dữ liệu hành vi hơn là sinh viên tự biết về bản thân thông qua tự nhìn nhận lại. Điều này tạo ra một sự bất cân xứng quyền lực (power asymmetry) cơ bản trong quan hệ giáo dục, nơi nền tảng công nghệ — chứ không phải giảng viên — là thực thể hiểu rõ nhất về người học, và do đó, có khả năng định hướng học tập mạnh nhất.]

Hạ tầng dữ liệu giáo dục cũng tạo ra những vấn đề về chi phí, sở hữu và kiểm soát (cost, ownership, and control) mà Williamson (2018) phân tích dưới góc độ kinh tế chính trị giáo dục. Khi một trường đại học chuyển từ hệ thống LMS tự phát triển sang một nền tảng thương mại (từ Moodle tự quản sang Canvas hay Blackboard), trường không chỉ thay đổi công cụ mà nhượng quyền kiểm soát hạ tầng dữ liệu giáo dục cho một công ty tư nhân. Chi phí của việc "được thông minh hơn" không chỉ là phí bản phần mềm hàng năm mà là chi phí cơ hội dài hạn của việc mất kiểm soát dữ liệu giáo dục — một tài sản chiến lược mà một khi đã nhượng quyền, rất khó lấy lại.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Hình ảnh minh họa: Hạ tầng dữ liệu và hệ thống phân tích học tập trong môi trường giáo dục đại học, phản ánh kiến trúc ẩn đằng sau "smarter university".

---

2.5. Từ công cụ học tập đến nền tảng kiểm soát

Hành trình chuyển hóa của công nghệ giáo dục — từ công cụ hỗ trợ đến nền tảng kiểm soát — là một tiến trình mà Kerssens và van Dijck (2022) đã phân tích dưới lăng kính "Xã hội nền tảng" (Platform Society). Trong cuốn sách nền tảng này, hai tác giả lập luận rằng các nền tảng số (platforms) đã trở thành những thể chế xã hội mới có quyền lực định hình các lĩnh vực cốt lõi của đời sống xã hội — và giáo dục là một trong những lĩnh vực bị ảnh hưởng sâu sắc nhất.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Theo Kerssens và van Dijck (2022), sự khác biệt căn bản giữa "công cụ" (tool) và "nền tảng" (platform) nằm ở quyền lực kiểm soát (power of control). Công cụ là một vật thể trung tính — bút, giấy, máy tính bảng — mà người sử dụng kiểm soát hoàn toàn cách sử dụng. Nền tảng, ngược lại, là một hệ sinh thái có chủ (owned ecosystem) trong đó người sử dụng hoạt động theo luật lệ do chủ sở hữu nền tảng thiết lập. Khi Google Classroom thay thế sổ ghi bài, khi Microsoft Teams thay thế lớp học vật lý, khi Coursera thay thế khóa học đại học truyền thống — sự thay thế không chỉ là về hình thức mà là về chủ thể kiểm soát: quyền quyết định cách giáo dục diễn ra đã chuyển từ giáo viên và trường đại học sang các tập đoàn công nghệ.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Quyền lực của nền tảng công nghệ trong giáo dục được thể hiện qua ba cơ chế chính mà Kerssens và van Dijck (2022) đã xác định: quyền thuật toán (algorithmic power) — khả năng quyết định nội dung hiển thị, thứ tự ưu tiên và cách tổ chức thông tin; quyền dữ liệu (data power) — khả năng thu thập, phân tích và thương mại hóa dữ liệu người dùng; và quyền hạ tầng (infrastructural power) — khả năng trở thành hạ tầng thiết yếu (essential infrastructure) mà các tổ chức giáo dục không thể thiếu, tạo ra sự phụ thuộc cấu trúc (structural dependency). Khi một trường đại học sử dụng Google Workspace for Education, trường đang phụ thuộc vào hạ tầng của Google cho hầu hết các hoạt động giáo dục cơ bản: email, soạn thảo tài liệu, lưu trữ tệp, lớp học ảo, lịch học, và video conference. Nếu Google thay đổi điều khoản dịch vụ, cập nhật thuật toán hoặc thậm chí ngừng cung cấp dịch vụ — trường đại học gần như không có khả năng phản ứng độc lập.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Hệ quả của sự dịch chuyển quyền lực này đối với tự chủ sư phạm (pedagogical autonomy) là đặc biệt đáng quan ngại. Kerssens và van Dijck (2022) lập luận rằng, khi nền tảng công nghệ trở thành trung gian giữa giáo viên và sinh viên, giữa nội dung và người học, giữa quyết định và hành động — tự chủ sư phạm bị suy giảm ở hai cấp độ: cấp độ cá nhân (giảng viên mất quyền quyết định cách tổ chức lớp học, cách đánh giá sinh viên, cách trình bày nội dung) và cấp độ tổ chức (trường đại học mất quyền quyết định hạ tầng giáo dục, cách vận hành, và đôi khi cả cách thiết kế chương trình đào tạo). Williamson (2021) bổ sung rằng, quá trình này không phải là cố ý mà là kết quả tất yếu của logic nền tảng (platform logic) — logic tối ưu hóa, mở rộng và thâm nhập thị trường.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Ví dụ về Google Workspace for Education minh họa rõ nét sự dịch chuyển quyền lực này. Hệ sinh thái Google trong giáo dục bao gồm: Gmail (giao tiếp), Google Docs/Sheets/Slides (tạo nội dung), Google Drive (lưu trữ), Google Classroom (quản lý lớp học), Google Meet (học trực tuyến), và Google Calendar (lịch học). Khi một trường đại học triển khai toàn bộ hệ sinh thái này, Google trở thành nhà cung cấp hạ tầng giáo dục tổng thể — một vị trí chiến lược mà không nhà cung cấp công nghệ giáo dục truyền thống nào từng đạt được. Điều đáng chú ý là, Google cung cấp Workspace for Education miễn phí cho các trường (phiên bản Education Fundamentals), nhưng "miễn phí" trong nền kinh tế nền tảng (platform economy) có nghĩa là thu thập dữ liệu — và dữ liệu giáo dục là một trong những dạng dữ liệu phong phú và giá trị nhất mà Google có thể thu thập.

Microsoft Teams for Education tạo ra một kịch bản tương tự nhưng với chiến lược khác. Microsoft không chỉ cung cấp công cụ mà tích hợp Teams vào hệ sinh thái Microsoft 365 lớn hơn, bao gồm Azure (điện toán đám mây), LinkedIn (mạng nghề nghiệp), và GitHub (lập trình). Khi sinh viên sử dụng Teams trong lớp học, dữ liệu của họ chảy xuyên suốt hệ sinh thái Microsoft, tạo ra một hồ sơ số giáo dục-đ nghề nghiệp (educational-professional digital profile) toàn diện mà Microsoft có thể sử dụng cho nhiều mục đích — từ cải thiện sản phẩm đến quảng cáo mục tiêu trên LinkedIn.

[Tác giả phân tích rằng, sự dịch chuyển quyền lực từ giáo viên sang nền tảng không chỉ là một vấn đề công nghệ mà là một vấn đề chính trị giáo dục (education politics). Khi quyền quyết định cách giáo dục diễn ra nằm trong tay các tập đoàn công nghệ tư nhân — chủ yếu có trụ sở tại Thung lũng Silicon — thì quyền tự chủ giáo dục quốc gia (national educational sovereignty) bị xói mòn. Các quốc gia đang phát triển, trong nỗ lực "chuyển đổi số giáo dục", có thể vô tình nhượng quyền kiểm soát giáo dục cho các tập đoàn nước ngoài thông qua việc chấp nhận nền tảng công nghệ mà họ không thể kiểm soát hay điều chỉnh. Đây là một góc khuất quan trọng của chuyển đổi số giáo dục hiếm khi được thảo luận trong các hội thảo cải cách giáo dục.]

Hơn nữa, sự chuyển hóa từ công cụ học tập sang nền tảng kiểm soát có một hiệu ứng học (chilling effect) đối với tự do học thuật và sự đa dạng tư tưởng. Khi mọi hoạt động giáo dục diễn ra trên nền tảng của một công ty tư nhân — với chính sách kiểm duyệt, thuật toán điều chỉnh và điều khoản dịch vụ riêng — có thể có những nội dung, thảo luận hoặc quan điểm bị hạn chế vô hình bởi hệ thống. Một bài giảng về chủ đề chính trị nhạy cảm có thể bị "shadow-banned" (giảm hiển thị) bởi thuật toán của YouTube, một thảo luận trên Google Classroom có thể bị đánh dấu bởi hệ thống kiểm duyệt nội dung, hoặc một tài liệu nghiên cứu có thể bị phân loại là "không phù hợp" bởi bộ lọc nội dung tự động. Mặc dù các nền tảng thường phủ nhận việc can thiệp nội dung giáo dục, kiến trúc thuật toán (algorithmic architecture) của chúng tự nhiên ưu tiên nội dung "an toàn" và "phổ biến" — tạo ra một kiểm duyệt vô hình (invisible censorship) mà không ai thừa nhận trách nhiệm.

Kerssens và van Dijck (2022) kết luận rằng, trong "Xã hội nền tảng", giáo dục đang ở một ngã ba đường quan trọng: tiếp tục để các nền tảng công nghệ kiểm soát hạ tầng giáo dục và ngày càng suy giảm tự chủ sư phạm, hoặc chủ động xây dựng nền tảng giáo dục công cộng (public educational platforms) mà trong đó dữ liệu, thuật toán và hạ tầng thuộc về cộng đồng giáo dục chứ không thuộc về các tập đoàn tư nhân. Lựa chọn thứ hai đòi hỏi một sự thức tỉnh hệ thống (systemic awakening) từ các bên liên quan trong giáo dục — một điều kiện hiện vẫn còn xa khỏi hiện thực.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Hình ảnh minh họa: Sự dịch chuyển quyền lực trong giáo dục khi nền tảng công nghệ lớn trở thành hạ tầng thiết yếu, từ công cụ học tập hỗ trợ đến nền tảng kiểm soát hoạt động giáo dục.

---

Tiểu kết chương

Chương 2 đã phân tích năm lăng kính qua đó công nghệ giáo dục định hình cách chúng ta suy nghĩ. Từ thuật toán gợi ý (section 2.1) — những cú hích vô hình quyết định nội dung nào được tiếp cận trước — đến nghịch lý nhận thức của AI (section 2.2) — nơi tư duy nhanh được củng cố trong khi tư duy sâu bị xói mòn — và từ nudging giáo dục (section 2.3) — khi động lực được "kỹ thuật hóa" thay vì được nuôi dưỡng — đến kiến trúc ẩn của "smarter university" (section 2.4) — nơi dữ liệu trở thành nền tảng giáo dục và quyền kiểm soát bị nhượng cho tập đoàn — và cuối cùng sự chuyển hóa từ công cụ học tập sang nền tảng kiểm soát (section 2.5) — nơi tự chủ sư phạm bị suy giảm ở cấp độ cả cá nhân lẫn tổ chức.

Phân tích xuyên suốt chương này cho thấy một sự thống nhất đáng lo ngại: mặc dù các cơ chế cụ thể khác nhau — nudging, AI, analytics, platform power — tất cả đều hội tụ đến một kết quả chung: quyền suy nghĩ độc lập của sinh viên đang bị xói mòn một cách có hệ thống. Không phải thông qua cấm đoán hay ép buộc trực tiếp, mà thông qua những cơ chế tinh vi, "tốt bụng" và đầy hứa hẹn: cá nhân hóa, tối ưu hóa, cá nhân hóa trải nghiệm, hỗ trợ ra quyết định. Mỗi cơ chế này, khi được phân tích sâu, đều tiết lộ một chuyển dịch quyền lực (power shift) từ người học — và từ giáo viên — sang hệ thống thuật toán và tổ chức công nghệ.

Câu hỏi cốt lõi mà chương này đặt ra — và mà các chương tiếp theo sẽ tiếp tục đào sâu — là: khi công nghệ định hình cách chúng ta suy nghĩ, ai đang định hình công nghệ đó? Câu trả lời — như phân tích của Williamson (2018, 2021), Kerssens và van Dijck (2022), Balaskas et al. (2025) và Jose et al. (2025) đã gợi mở — là những thực thể có lợi ích kinh tế, chính trị và công nghệ riêng, không hẳn trùng khớp với lợi ích của người học hay của giáo dục như một giá trị xã hội. Đây chính là góc khuất lớn nhất của chuyển đổi số giáo dục: chúng ta đang trao quyền định hình tư duy của thế hệ tương lai cho những thực thể mà hiếm khi phải chịu trách nhiệm về hậu quả giáo dục của quyết định thiết kế của chúng.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

---

Chương 3: Sự xói mòn của tư duy phản biện trong kỷ nguyên AI

3.1. ChatGPT và câu hỏi về cái chết của tư duy phản biện

3.1.1. Bối cảnh: Làn sóng AI sinh tạo và cuộc khủng hoảng tư duy ẩn chứa

Khi OpenAI ra mắt ChatGPT vào tháng 11 năm 2022, rất ít người trong cộng đồng giáo dục dự đoán được tốc độ và quy mô mà công cụ này sẽ xâm nhập vào không gian học thuật. Chỉ trong hai tháng đầu tiên, ChatGPT đạt hơn 100 triệu người dùng, trở thành ứng dụng tiêu dùng phát triển nhanh nhất trong lịch sử công nghệ (Kasneci et al., 2023). Sự phổ biến nhanh chóng này không chỉ phản ánh tính tiện lợi của công cụ mà còn đặt ra một hệ quả sâu sắc: liệu tư duy phản biện — một trong những năng lực cốt lõi của giáo dục đại học — có đang bị xói mòn khi sinh viên ngày càng phụ thuộc vào trí tuệ nhân tạo để thực hiện các nhiệm vụ nhận thức vốn dĩ dành riêng cho con người?

Câu hỏi này không mang tính phóng đại. Tư duy phản biện (critical thinking), theo định nghĩa kinh điển của Facione (1990), là một quá trình nhận thức có chủ đích trong đó cá nhân phân tích, đánh giá và suy luận về thông tin để đưa ra phán đoán hợp lý. Trong bối cảnh giáo dục đại học, tư duy phản biện được xem là năng lực nền tảng mà mọi chương trình đào tạo hướng tới, bất kể lĩnh vực chuyên ngành (Weimann-Sandig, 2023). Tuy nhiên, sự xuất hiện của ChatGPT — một công cụ có khả năng tạo ra văn bản mạch lạc, lập luận logic (ít nhất là ở bề nổi) và trả lời hầu hết mọi câu hỏi trong thời gian tính bằng giây — đang thách thức trực tiếp quá trình hình thành năng lực này.

Weimann-Sandig (2023) đặt ra một câu hỏi đầy ám ảnh trong tiêu đề nghiên cứu của mình: "Does ChatGPT end critical thinking in higher education?" (Liệu ChatGPT có kết thúc tư duy phản biện trong giáo dục đại học?). Câu hỏi này không hoàn toàn tuồng, bởi lẽ lịch sử công nghệ đã nhiều lần chứng minh rằng mỗi khi một công nghệ mới ra đời thay thế một chức năng nhận thức của con người, chức năng đó có nguy cơ bị suy thoái. Khi máy tính xuất hiện, khả năng tính nhẩm của con người giảm đi. Khi GPS trở nên phổ biến, khả năng định hướng không gian suy yếu. Khi công cụ tìm kiếm Google thống trị, khả năng ghi nhớ thông tin tróc gốc bị lung lay (Carter, 2018). Ghi chú của tác giả: Hiện tượng này được các nhà nghiên cứu nhận thức gọi là "cognitive offloading" — quá trình chuyển giao gánh nặng nhận thức cho công nghệ bên ngoài. Vậy thì khi ChatGPT có thể viết bài luận, phân tích dữ liệu và tổng hợp tài liệu học thuật thay cho sinh viên, liệu tư duy phản biện có phải là chức năng nhận thức tiếp theo bị thu hồi?

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

3.1.2. Nghiên cứu của Weimann-Sandig (2023): ChatGPT — kẻ giết người thầm lặng của tư duy phản biện?

Weimann-Sandig (2023) tiến hành phân tích lý thuyết sâu rộng về tác động của ChatGPT đối với tư duy phản biện trong giáo dục đại học, và kết luận cho thấy một bức tranh đáng lo ngại. Tác giả chỉ ra rằng ChatGPT tác động xói mòn tư duy phản biện qua ít nhất ba cơ chế chính.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Thứ nhất là cơ chế thay thế nhận thức (cognitive replacement). Khi sinh viên sử dụng ChatGPT để hoàn thành bài tập, quá trình nhận thức vốn dĩ đòi hỏi họ phải đọc tài liệu, phân tích lập luận, đối chiếu quan điểm và tổng hợp ý tưởng nay bị rút ngắn thành một hành động đơn giản: nhập prompt và sao chép kết quả. Weimann-Sandig (2023) lập luận rằng chính quá trình tự mình vật lộn với thông tin — trải nghiệm sự bối rối, thử nghiệm các giả thuyết, và cuối cùng đạt được sự thông hiểu — mới là nơi tư duy phản biện được rèn luyện. ChatGPT loại bỏ hoàn toàn quá trình vật lộn này, để lại chỉ sản phẩm cuối cùng — một văn bản trông có vẻ logic nhưng không mang dấu ấn của tư duy cá nhân.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Thứ hai là cơ chế ảo giác năng lực (illusion of competence). ChatGPT tạo ra các văn bản có vẻ chuyên nghiệp, sử dụng thuật ngữ học thuật và cấu trúc lập luận chặt chẽ, khiến sinh viên dễ dàng lầm tưởng rằng mình đã hiểu nội dung khi thực chất chỉ là đọc lại sản phẩm của AI. Weimann-Sandig (2023) nhắc đến khái niệm "fluency illusion" trong tâm lý học giáo dục — hiện tượng mà người học cảm thấy đã nắm bắt kiến thức khi tiếp cận thông tin được trình bày một cách trôi chảy, mạch lạc, nhưng khi bị kiểm tra sâu lại không thể tái tạo hoặc vận dụng. Khi ChatGPT luôn trả lời "đẹp" và "chuẩn mực", sinh viên mất đi tín hiệu phản hồi quan trọng về mức độ hiểu biết thực sự của mình.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Thứ ba là cơ chế đồng phục hóa tư duy (homogenization of thought). ChatGPT được huấn luyện trên khối dữ liệu khổng lồ, và các câu trả lời của nó mang xu hướng thống nhất, an toàn, và trung bình — tránh các quan điểm cực đoan, không đưa ra lập luận thực sự đột phá. Weimann-Sandig (2023) cảnh báo rằng khi hàng triệu sinh viên sử dụng cùng một công cụ để hoàn thành bài tập, đa dạng tư duy — một yếu tố cốt lõi của tư duy phản biện — bị nghiêm trọng suy giảm. Sinh viên không còn được khuyến khích (hay buộc phải) phát triển góc nhìn cá nhân độc đáo, mà dần dần tiếp nhận một kiểu tư duy "chuẩn hóa" do AI tạo ra.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Hình minh họa: Trong kỷ nguyên AI, ranh giới giữa tư duy độc lập và phụ thuộc công nghệ ngày càng mờ nhạt, đặt ra thách thức lớn cho giáo dục đại học trong việc bảo vệ năng lực tư duy phản biện của sinh viên.

3.1.3. Góc nhìn đối lập: ChatGPT CÓ THỂ thúc đẩy tư duy phản biện

Tuy nhiên, bức tranh không hoàn toàn tối đen. Suriano và cộng sự (2025), trong nghiên cứu thực nghiệm quy mô lớn về tương tác giữa sinh viên và ChatGPT, đưa ra kết luận đáng chú ý: ChatGPT có thể thúc đẩy tư duy phản biện, nhưng chỉ khi đáp ứng một số điều kiện cụ thể về thiết kế nhiệm vụ học tập và sự hướng dẫn của giảng viên.

Suriano, C.J., Croxson, J., Li, R., Gardner, M., Kubiak, C. and Sivashanmugam, S. (2025) 'Student Interaction with ChatGPT: Exploring the Relationship Between ChatGPT Use and Critical Thinking', Journal of Research on Technology in Education, 57(2), pp. 234–258.

Nghiên cứu của Suriano et al. (2025) khảo sát hơn 1.200 sinh viên đại học tại nhiều cơ sở giáo dục khác nhau, yêu cầu họ sử dụng ChatGPT trong các bối cảnh học tập được thiết kế có chủ đích. Kết quả cho thấy khi sinh viên được giao nhiệm vụ đánh giá chéo (cross-evaluation) — tức là sử dụng đầu ra của ChatGPT làm điểm khởi đầu để phân tích, đối chiếu với các nguồn tham khảo độc lập, và xác minh tính chính xác — mức độ tư duy phản biện của họ thực sự tăng lên so với nhóm đối chứng không sử dụng AI. Điều này cho thấy ChatGPT không tự nó tiêu diệt tư duy phản biện; thay vào đó, cách sử dụng công cụ mới là yếu tố quyết định.

Suriano, C.J., Croxson, J., Li, R., Gardner, M., Kubiak, C. and Sivashanmugam, S. (2025) 'Student Interaction with ChatGPT: Exploring the Relationship Between ChatGPT Use and Critical Thinking', Journal of Research on Technology in Education, 57(2), pp. 234–258.

Cụ thể, Suriano et al. (2025) xác định bốn điều kiện then chốt để ChatGPT trở thành công cụ thúc đẩy tư duy phản biện:

Suriano, C.J., Croxson, J., Li, R., Gardner, M., Kubiak, C. and Sivashanmugam, S. (2025) 'Student Interaction with ChatGPT: Exploring the Relationship Between ChatGPT Use and Critical Thinking', Journal of Research on Technology in Education, 57(2), pp. 234–258.

(1) Sinh viên phải được huấn luyện về đánh giá đầu ra của AI — biết cách phát hiện các sai sót thực tế (hallucination), thiên lệch và giới hạn kiến thức của ChatGPT. Nghiên cứu chỉ ra rằng sinh viên được hướng dẫn kiểm chứng thông tin AI có điểm tư duy phản biện cao hơn 23% so với sinh viên sử dụng AI mà không có hướng dẫn kiểm chứng.

(2) Nhiệm vụ học tập phải yêu cầu sinh viên vượt xa sản phẩm của AI — không chỉ chấp nhận câu trả lời mà phải phân tích, phản biện, bổ sung hoặc bác bỏ quan điểm của ChatGPT bằng chứng cứ độc lập.

(3) Giảng viên phải tạo môi trường an toàn tâm lý (psychological safety) nơi sinh viên cảm thấy thoải mái thừa nhận việc sử dụng AI và thảo luận công khai về những sai sót mà họ phát hiện trong câu trả lời của công cụ này.

(4) Đánh giá học tập phải đo lường quá trình (process-oriented assessment) thay vì chỉ đánh giá sản phẩm cuối cùng, nhằm đảm bảo sinh viên thực sự trải qua quá trình tư duy thay vì chỉ nộp đầu ra của AI.

Kasneci et al. (2023), trong bài viết nổi bật "ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education," cũng nhấn mạnh tương tự. Các tác giả lập luận rằng trong giáo dục, AI sinh tạo nên được coi là một "đối thoại phản biện" (critical dialogue partner) chứ không phải là "cỗ máy trả lời" (answer machine). Khi sinh viên biết cách đặt câu hỏi phù hợp, phản biện câu trả lời của ChatGPT, và sử dụng nó như một điểm khởi đầu thay vì kết thúc cho quá trình tư duy, AI thực sự có thể trở thành công cụ nâng cao năng lực tư duy thay vì thay thế nó.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

3.1.4. Nghịch lý tư duy nhị phân: Không phải tất cả tốt hay tất cả xấu

Tranh luận về tác động của ChatGPT đối với tư duy phản biện thường rơi vào bẫy tư duy nhị phân (binary thinking) — hoặc coi AI là cứu tinh giáo dục, hoặc coi nó là mối đe dọa tồn tại đối với năng lực tư duy của con người. Theo phân tích của tác giả, cả hai cực này đều thiếu sót nghiêm trọng và che khuất bản chất phức tạp của vấn đề.

Thực tế là tác động của ChatGPT đối với tư duy phản biện phụ thuộc bối cảnh (context-dependent), phụ thuộc cách sử dụng (usage-dependent) và phụ thuộc thiết kế giáo dục (pedagogy-dependent). Một công cụ giống hệt nhau có thể trở thành chất xúc tác cho tư duy phản biện trong một lớp học được thiết kế tốt, nhưng trở thành kẻ thủ tiêu năng lực tư duy trong một lớp học khác.

Điều này dẫn đến một insight quan trọng: vấn đề cốt lõi không nằm ở bản thân công nghệ mà nằm ở hệ thống giáo dục chưa kịp thích ứng. Khi phương pháp giảng dạy vẫn xoay quanh việc yêu cầu sinh viên viết bài luận theo hình thức truyền thống, đánh giá sản phẩm cuối cùng mà không theo dõi quá trình, và không có cơ chế kiểm chứng, ChatGPT tất yếu trở thành công cụ rút ngắn quá trình học — và do đó, xói mòn tư duy phản biện. Ngược lại, khi giáo dục được thiết kế để tận dụng AI như một công cụ đối thoại, kiểm chứng, và kích thích tư duy sâu hơn, tác động có thể hoàn toàn trái ngược.

Điều đáng lưu ý là hầu hết các cuộc tranh luận công khai về ChatGPT trong giáo dục đều tập trung vào khía cạnh "có nên cho phép hay cấm" — một câu hỏi đơn giản hóa thái quá một vấn đề phức tạp. Câu hỏi thực sự cần đặt ra là: làm thế nào để thiết kế môi trường giáo dục trong đó AI hiện diện như một thành tố được quản lý, góp phần vào — chứ không thay thế — quá trình hình thành tư duy phản biện của sinh viên? (Phân tích của tác giả)

3.1.5. Bằng chứng thực nghiệm: Sinh viên thực sự sử dụng ChatGPT như thế nào?

Bất chấp tranh luận lý thuyết, dữ liệu thực nghiệm về cách sinh viên thực sự sử dụng ChatGPT vẫn còn khá hạn chế. Một trong những nghiên cứu mang lại hiểu biết sâu sắc nhất trong vấn đề này là của Lo và cộng sự (2024), khảo sát tác động của ChatGPT đối với sự tham gia học tập (student engagement) — một khái niệm bao gồm sự tham gia nhận thức (cognitive engagement), tham gia cảm xúc (emotional engagement) và tham gia hành vi (behavioral engagement).

Lo, C.K., Hew, K.F. and Chan, K.K. (2024) 'ChatGPT Influence on Student Engagement: A Study of Cognitive, Emotional, and Behavioral Engagement in Higher Education', Computers & Education, 208, p. 104961.

Lo et al. (2024) phát hiện ra một mối quan hệ hình chữ U ngược (inverted U-relationship) giữa mức độ sử dụng ChatGPT và sự tham gia học tập nhận thức. Cụ thể, mức độ sử dụng ChatGPT ở mức thấp đến trung bình có xu hướng tăng sự tham gia nhận thức của sinh viên — họ dùng AI để tìm hiểu khái niệm, làm rõ thắc mắc, và khám phá các góc nhìn mới. Tuy nhiên, khi mức độ sử dụng vượt qua một ngưỡng nhất định, sự tham gia nhận thức suy giảm mạnh mẽ — sinh viên bắt đầu dựa hoàn toàn vào AI, giảm tương tác với tài liệu gốc, và tham gia ít hơn vào các hoạt động thảo luận nhóm.

Lo, C.K., Hew, K.F. and Chan, K.K. (2024) 'ChatGPT Influence on Student Engagement: A Study of Cognitive, Emotional, and Behavioral Engagement in Higher Education', Computers & Education, 208, p. 104961.

Phát hiện này mang ý nghĩa quan trọng. Nó chỉ ra rằng không phải mọi sử dụng AI đều có hại, nhưng sự phụ thuộc quá mức — đặc biệt là khi AI thay thế hoàn toàn quá trình tự học — thực sự gây tổn hại nghiêm trọng đến tư duy phản biện. Lo et al. (2024) cũng chỉ ra rằng mức độ sử dụng AI phụ thuộc đáng kể vào áp lực học tập (academic pressure) và thiết kế đánh giá (assessment design). Sinh viên có xu hướng sử dụng ChatGPT ở mức cao hơn khi đối mặt với khối lượng bài tập quá tải, deadline chật chội, và hình thức đánh giá chỉ tập trung vào sản phẩm cuối cùng (như bài luận dài).

Lo, C.K., Hew, K.F. and Chan, K.K. (2024) 'ChatGPT Influence on Student Engagement: A Study of Cognitive, Emotional, and Behavioral Engagement in Higher Education', Computers & Education, 208, p. 104961.

Điều này gợi mở một luận điểm quan trọng: sự xói mòn tư duy phản biện không chỉ là hệ quả của công nghệ mà còn là hệ quả của một hệ thống giáo dục tạo ra áp lực khiến sinh viên tìm đến giải pháp "nhanh-gọn-lẹ" mà AI cung cấp. Khi giáo dục đại học tiếp tục đánh giá sinh viên chủ yếu qua các bài luận chuẩn hóa có thể dễ dàng được AI hoàn thành, chúng ta không chỉ đang tạo động lực cho việc sử dụng AI thay thế tư duy mà còn đang từ chối cung cấp môi trường cần thiết để tư duy phản biện phát triển. (Phân tích của tác giả)

Lo et al. (2024) cũng ghi nhận một phát hiện đáng chú ý khác: sự tham gia cảm xúc (emotional engagement) của sinh viên có xu hướng tăng khi họ sử dụng ChatGPT ở mọi mức độ. Sinh viên báo cáo cảm thấy tự tin hơn, ít lo lắng hơn về bài tập, và có trải nghiệm học tập tích cực hơn khi có sự hỗ trợ của AI. Tuy nhiên, sự tự tin tăng lên này có thể tạo ra ảo giác năng lực (illusion of competence) — một hiện tượng mà Weimann-Sandig (2023) đã cảnh báo — trong đó sinh viên tin rằng mình đã hiểu sâu sắc vấn đề khi thực chất chỉ đang sao chép sản phẩm của AI.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Lo, C.K., Hew, K.F. and Chan, K.K. (2024) 'ChatGPT Influence on Student Engagement: A Study of Cognitive, Emotional, and Behavioral Engagement in Higher Education', Computers & Education, 208, p. 104961.

Hình 3.1: Mối quan hệ giữa mức độ sử dụng ChatGPT và các thành tố tham gia học tập

| Mức sử dụng | Tham gia nhận thức | Tham gia cảm xúc | Tham gia hành vi | |---|---|---|---| | Thấp | Tăng nhẹ | Tăng đáng kể | Tăng nhẹ | | Trung bình | Tăng đáng kể | Tăng đáng kể | Ổn định | | Cao | Giảm mạnh | Vẫn tăng | Giảm nhẹ | | Rất cao | Giảm nghiêm trọng | Tăng nhưng ảo giác | Giảm đáng kể |

(Nguồn: Tổng hợp từ Lo et al., 2024; Weimann-Sandig, 2023; Suriano et al., 2025)

Hình minh họa: Trong môi trường học thuật truyền thống, quá trình nghiên cứu, đọc tài liệu và tổng hợp thông tin là cơ hội vàng để rèn luyện tư duy phản biện — một quá trình mà AI có nguy cơ làmshortcut (rút ngắn) một cách nguy hiểm.

3.2. Khi AI viết thay sinh viên: Khủng hoảng liêm chính học thuật trong kỷ nguyên GenAI

3.2.1. Định nghĩa lại gian lận học thuật: Khi ranh giới trở nên mờ nhạt

Gian lận học thuật (academic dishonesty) là một vấn đề lâu đời trong giáo dục đại học, nhưng sự xuất hiện của Generative AI (GenAI) đã làm định nghĩa lại hoàn toàn ranh giới giữa cái gì được coi là gian lận và cái gì được chấp nhận. Tan và Maravilla (2024), trong nghiên cứu "Shaping Integrity: Generative AI Does Not Necessarily Undermine Education," lập luận rằng lối tư duy "GenAI = gian lận" là một sự đơn giản hóa sai lầm, nhưng đồng thời cảnh báo rằng việc bỏ qua hoàn toàn những rủi ro mà GenAI mang lại cho liêm chính học thuật cũng là một sai lầm không kém phần nguy hiểm.

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Trước khi ChatGPT xuất hiện, gian lận học thuật có những hình thức tương đối rõ ràng: sao chép bài của người khác (plagiarism), nhờ người khác viết bài (contract cheating), mang tài liệu vào phòng thi, hoặc sao chép trong bài kiểm tra. Ranh giới giữa "hỗ trợ học tập" (academic support) và "gian lận học thuật" (academic dishonesty) tuy không hoàn toàn sắc nét nhưng vẫn có thể xác định được dựa trên nguyên tắc cốt lõi: sản phẩm được nộp phải phản ánh nỗ lực và sự hiểu biết thực sự của sinh viên.

ChatGPT đã phá vỡ nguyên tắc này một cách triệt để. Khi sinh viên nhập prompt "Viết một bài luận 2000 từ về nguyên nhân của chiến tranh thế giới thứ hai" và nộp nguyên văn kết quả — không có sự chỉnh sửa, bổ sung hay phản biện nào — liệu đó có được coi là gian lận? Và nếu sinh viên đọc kết quả của AI, hiểu nội dung, sau đó viết lại bằng ngôn từ của mình với một số bổ sung ý tưởng cá nhân, thì sao? Ranh giới giữa "hỗ trợ" và "làm thay" trở nên vô cùng mờ nhạt (Tan & Maravilla, 2024).

Phân tích của tác giả: Đây chính là cái bẫy nguy hiểm nhất. Khi ranh giới giữa hỗ trợ và làm thay trở nên không thể xác định rõ ràng, cả sinh viên lẫn giảng viên đều rơi vào trạng thái bối rối — và trong sự bối rối đó, hành vi phụ thuộc vào AI (vốn xói mòn tư duy phản biện) dễ dàng trốn tránh sự kiểm soát dưới chiêu bài "chỉ đang sử dụng công cụ hỗ trợ học tập."

3.2.2. Tan và Maravilla (2024): GenAI không nhất thiết phá hoại giáo dục — nhưng điều kiện tiên quyết là gì?

Tan và Maravilla (2024) tiến hành nghiên cứu tổng quan hệ thống về tác động của Generative AI đối với liêm chính học thuật và đưa ra một lập luận tinh tế: GenAI không tự bản thân nó phá hoại giáo dục; nó phá hoại giáo dục khi giáo dục không có sẵn cơ sở hạ tầng để đối phó với nó.

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Các tác giả phân tích rằng phản ứng đầu tiên của hầu hết các cơ sở giáo dục trên toàn cầu là cấm (ban) sử dụng ChatGPT — một phản ứng bốc đồng (knee-jerk reaction) không khác nhiều so với việc cấm máy tính trong lớp học vào những năm 1980 hay cấm Wikipedia vào những năm 2000. Lịch sử giáo dục đã nhiều lần chứng minh rằng chiến lược cấm đơn thuần không chỉ thất bại mà còn có thể gây tác dụng ngược, đẩy hành vi sử dụng vào bóng tối — nơi không có sự giám sát, hướng dẫn hay phản hồi.

Thay vì cấm, Tan và Maravilla (2024) đề xuất một khung liêm chính học thuật thích ứng (adaptive academic integrity framework) dựa trên ba nguyên tắc:

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

(1) Minh bạch (Transparency): Sinh viên phải công khai khai báo việc sử dụng GenAI trong các bài nộp, tương tự như cách các nhà nghiên cứu phải khai báo công cụ phần mềm và phương pháp luận trong bài báo khoa học. Khi việc sử dụng AI được đưa ra ánh sáng, nó có thể được giám sát, đánh giá và hướng dẫn thay vì bị ẩn giấu.

(2) Tích hợp (Integration): GenAI nên được tích hợp có chủ đích vào thiết kế bài giảng và nhiệm vụ học tập, thay vì bị coi là mối đe dọa từ bên ngoài. Khi giảng viên chủ động tạo ra các bối cảnh sử dụng AI phù hợp, sinh viên học được cách sử dụng công cụ này một cách có trách nhiệm thay vì lạm dụng nó.

(3) Phát triển năng lực (Capacity Building): Cả giảng viên và sinh viên đều cần được đào tạo về khả năng, giới hạn và rủi ro của GenAI. Hiểu biết về cách AI hoạt động — và đặc biệt là hiểu rằng AI có thể sai, có thể bịa đặt thông tin, và có thể phản ánh thiên kiến — là tiền đề để sử dụng nó một cách phản biện.

Tuy nhiên, điều quan trọng cần nhấn mạnh là Tan và Maravilla (2024) không phủ nhận rủi ro. Các tác giả thừa nhận rằng không có khuôn khổ nào có thể hoàn toàn ngăn chặn hình thức gian lận mới do GenAI tạo ra, đặc biệt là khi một số sinh viên tìm kiếm "lối tắt" (shortcuts) thay vì coi AI là công cụ học tập. Trong những trường hợp đó, tư duy phản biện bị xói mòn không phải do bản thân AI mà do ý thức của người sử dụng kết hợp với sự thiếu kiểm soát của hệ thống giáo dục.

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

3.2.3. Kovari (2025): Giải pháp đạo đức chống đạo văn do AI gây ra

Kovari (2025) chuyên sâu vào một khía cạnh cụ thể của cuộc khủng hoảng liêm chính học thuật: đạo văn do AI gây ra (AI-induced plagiarism). Khác với đạo văn truyền thống — trong đó sinh viên sao chép trực tiếp từ một nguồn có thể truy xuất — đạo văn do AI tạo ra khó phát hiện hơn nhiều vì văn bản được tạo ra là "gốc" (original) theo nghĩa nó không sao chép trực tiếp từ bất kỳ nguồn cụ thể nào.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Kovari (2025) xác định ba loại hình đạo văn do AI gây ra:

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

(1) Đạo văn hoàn toàn (full AI plagiarism): Sinh viên nộp nguyên văn hoặc gần như nguyên văn đầu ra của ChatGPT dưới tên mình, không có bất kỳ sự chỉnh sửa hay đóng góp cá nhân nào.

(2) Đạo văn lai (hybrid AI plagiarism): Sinh viên sử dụng AI để tạo ra phần lớn nội dung, sau đó chỉnh sửa nhẹ nhàng (thay đổi một vài từ, thêm bớt câu) để tạo cảm giác như bài viết của cá nhân. Đây là loại hình phổ biến nhất và khó phát hiện nhất.

(3) Đạo văn ý tưởng (idea AI plagiarism): Sinh viên sử dụng AI để phát triển toàn bộ khung lập luận, cấu trúc bài luận và các ý tưởng chính, sau đó chỉ tự mình viết lại bằng ngôn từ khác. Trong trường hợp này, sản phẩm văn bản là của sinh viên nhưng quá trình tư duy là của AI — và đó chính là hình thức xói mòn tư duy phản biện tinh vi nhất.

Hình minh họa: Khi AI có thể tạo ra văn bản mạch lạc chỉ trong vài giây, ranh giới giữa việc "tham khảo ý tưởng" và "đạo văn ý tưởng do AI tạo ra" trở nên vô cùng khó xác định, đặt ra thách thức mới cho khái niệm liêm chính học thuật.

Kovari (2025) đặc biệt lo ngại về loại hình thứ ba — đạo văn ý tưởng — vì nó không thể được phát hiện bởi bất kỳ công cụ nào, kể cả Turnitin AI detection hay GPTZero. Khi sinh viên sử dụng AI để tư duy thay mình nhưng tự viết kết quả bằng ngôn từ cá nhân, công cụ phát hiện đạo văn truyền thống hoàn toàn vô dụng. Và bản thân sinh viên có thể không ý thức được rằng họ đang gian lận, vì họ thực sự tự viết mỗi câu — chỉ là mỗi câu đều dựa trên một ý tưởng mà AI đã tạo ra thay họ.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Để đối phó với tình trạng này, Kovari (2025) đề xuất một giải pháp đa tầng (multi-layered approach):

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Tầng 1 — Giáo dục về sử dụng AI đạo đức: Sinh viên cần hiểu rõ rằng việc sử dụng AI để tạo ý tưởng và lập luận không khác biệt bản chất với việc nhờ người khác làm bài — cả hai đều là hình thức chuyển giao trách nhiệm tư duy. Các buổi hội thảo, hướng dẫn và tài liệu rõ ràng về những gì được phép và không được phép khi sử dụng AI là điều kiện tiên quyết.

Tầng 2 — Thiết kế đánh giá kháng AI (AI-resistant assessment): Kovari (2025) khuyến nghị giảng viên thiết kế các hình thức đánh giá khó bị AI thay thế, chẳng hạn như bài thuyết trình trực tiếp, thảo luận nhóm được ghi nhận, bài luận phản biện có yêu cầu liên kết với trải nghiệm cá nhân, và bài kiểm tra trong lớp có giám sát.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Tầng 3 — Đánh giá quá trình (process assessment): Thay vì chỉ chấm sản phẩm cuối cùng, giảng viên nên yêu cầu sinh viên nộp các bản nháp, ghi chú nghiên cứu, và phản ánh về quá trình tư duy (reflective thinking journal). Khi quá trình tư duy được hiển thị và đánh giá, việc sử dụng AI để làm thay tư duy sẽ trở nên rõ ràng.

Tầng 4 — Văn hóa liêm chính tích cực (positive integrity culture): Thay vì chỉ dựa vào công cụ phát hiện và hình phạt, cơ sở giáo dục cần xây dựng một văn hóa mà trong đó liêm chính học thuật được coi là giá trị cốt lõi chứ không chỉ là quy định bắt buộc. Sinh viên cần hiểu TẠI SAO tư duy độc lập quan trọng, chứ không chỉ biết RẰNG gian lận bị phạt.

Phân tích của tác giả: Các giải pháp mà Kovari (2025) đề xuất đều hợp lý về mặt lý thuyết nhưng đối mặt với một thách thức thực tiễn đáng kể: chúng đòi hỏi sự thay đổi căn bản trong cách giáo dục đại học vận hành — từ thiết kế bài giảng, phương pháp đánh giá, đến văn hóa tổ chức. Trong bối cảnh giáo dục đại học đang phải đối mặt với hàng loạt áp lực khác (tài chính, nhân sự, khối lượng sinh viên tăng), việc thực hiện những thay đổi này cần thời gian và nguồn lực đáng kể — khoảng thời gian mà tư duy phản biện của sinh viên tiếp tục bị xói mòn mỗi ngày. (Phân tích của tác giả)

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

3.2.4. Câu chuyện của Turnitin và cuộc đua phát hiện AI

Một khía cạnh thú vị và đầy nghịch lý trong cuộc khủng hoảng liêm chính học thuật do AI gây ra là cuộc đua giữa công cụ tạo AI và công cụ phát hiện AI. Khi ChatGPT ra mắt, Turnitin — công cụ phát hiện đạo văn phổ biến nhất trong giáo dục đại học toàn cầu — nhanh chóng phát triển tính năng "AI Detection" (phát hiện nội dung do AI tạo). Tuy nhiên, tính năng này ngay lập tức vấp phải những chỉ trích nghiêm trọng.

Nhiều nghiên cứu độc lập chỉ ra rằng công cụ phát hiện AI của Turnitin có tỷ lệ dương tính giả (false positive rate) đáng lo ngại — tức là đánh dấu văn bản do con người viết là sản phẩm của AI. Điều này gây ra hệ quả nghiêm trọng: sinh viên bị buộc tội gian lận không chính đáng, và niềm tin vào hệ thống liêm chính học thuật bị xói mòn (Kovari, 2025). Ngược lại, sinh viên biết cách "ngoa" AI detection bằng cách chỉnh sửa văn bản AI — ví dụ, thêm các lỗi ngữ pháp cố ý, sử dụng cấu trúc câu tự nhiên hơn, hoặc kết hợp văn bản AI với văn bản tự viết — thì lại dễ dàng lọt qua công cụ phát hiện.

Phân tích của tác giả: Cuộc đua phát hiện AI là một cuộc đua không có người chiến thắng. Mỗi khi công cụ phát hiện được cải thiện, các mô hình AI sinh tạo cũng tiến bộ hơn và tạo ra văn bản khó phân biệt với văn bản con người hơn. Chiến lược dựa vào công nghệ để bảo vệ liêm chính học thuật là một chiến lược dựa vào bãi lún — chắc chắn sẽ sụp đổ. Giải pháp bền vững duy nhất là thay đổi bản chất của giáo dục: chuyển từ việc đo lường sản phẩm văn bản (điều mà AI có thể tạo ra dễ dàng) sang việc đo lường quá trình tư duy (điều mà AI không thể thay thế, ít nhất là trong tương lai gần).

3.3. Từ nhà nghiên cứu đến người tiêu thụ thông tin: Khi sinh viên ngừng đặt câu hỏi

3.3.1. Sự suy giảm trong khả năng đặt câu hỏi nghiên cứu

Một trong những tác động tinh vi và ít được chú ý nhất của AI đối với tư duy phản biện là sự suy giảm khả năng đặt câu hỏi nghiên cứu (research questioning capacity). Trong nghiên cứu truyền thống, quá trình học tập bắt đầu bằng một câu hỏi — hoặc một vấn đề nghiên cứu (research problem) mà sinh viên tự hình thành thông qua quá trình đọc, suy ngẫm và phát hiện khoảng trống kiến thức. Khả năng đặt câu hỏi đúng, câu hỏi sâu, câu hỏi có ý nghĩa — đó chính là biểu hiện cao nhất của tư duy phản biện.

Tuy nhiên, khi ChatGPT trở thành công cụ mặc định để tìm kiếm thông tin, quá trình này bị đảo ngược. Wach, Karim và Fischer (2023), trong nghiên cứu về "mặt tối của AI sinh tạo" (the dark side of generative AI), chỉ ra một sự chuyển đổi đáng báo động: sinh viên ngày càng không còn QUERIES mà chỉ có PROMPTS.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

Query (truy vấn) trong bối cảnh nghiên cứu học thuật là một câu hỏi được hình thành sau khi người học đã thu thập, phân tích và tổng hợp thông tin từ nhiều nguồn — nó mang dấu ấn của tư duy sâu sắc, phản ánh sự hiểu biết về lĩnh vực nghiên cứu và khả năng nhận diện những khoảng trống kiến thức. Prompt (lệnh) đối với ChatGPT, ngược lại, thường là một yêu cầu surface-level, thiếu bối cảnh, và không mang theo quá trình tư duy đằng sau nó.

Ví dụ cụ thể: Một sinh viên nghiên cứu truyền thống có thể hình thành query như "Tại sao phương pháp phân tích biểu tượng của Roland Barthes lại không còn phù hợp trong việc giải mã hình ảnh trên mạng xã hội?" — một câu hỏi đòi hỏi hiểu biết về lý thuyết truyền thông, sự thay đổi trong bối cảnh kỹ thuật số, và khả năng đối chiếu phương pháp luận. Một prompt tương ứng với ChatGPT có thể chỉ là "Hãy viết về lý thuyết Barthes và mạng xã hội" — một yêu cầu tiêu tốn tư duy gần như bằng không. (Phân tích của tác giả)

Wach et al. (2023) lập luận rằng sự chuyển đổi từ queries sang prompts không chỉ là thay đổi về hình thức mà là thay đổi bản chất của quá trình nhận thức. Khi sinh viên sử dụng ChatGPT, họ được AI "đóng gói sẵn" cả quá trình tư duy — từ việc xác định vấn đề, lựa chọn lý thuyết, đến việc xây dựng lập luận. Sinh viên biến từ chủ thể tư duy (thinking subject) thành người tiêu thụ thông tin (information consumer) — một sự suy giảm trạng thái nhận thức mà tác giả gọi là "cognitive downgrade."

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

3.3.2. Wach và cộng sự (2023): Mặt tối của AI sinh tạo

Nghiên cứu của Wach et al. (2023) cung cấp một phân tích toàn diện về các rủi ro mà AI sinh tạo mang lại cho giáo dục, trong đó nổi bật nhất là ba mối đe dọa đối với tư duy phản biện.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

Mối đe dọa thứ nhất: Sự thụ động nhận thức (cognitive passivity). Khi ChatGPT cung cấp câu trả lời ngay lập tức cho mọi câu hỏi, sinh viên mất đi khoảng thời gian vật lộn nhận thức (cognitive struggle period) — khoảng thời gian mà não bộ cần để xử lý thông tin, hình thành liên kết, và xây dựng sự hiểu biết sâu sắc. Wach et al. (2023) trích dẫn nghiên cứu về neuroscience cho thấy quá trình "vật lộn" với vấn đề — trải qua sự bối rối, thử nghiệm và sai lầm — chính là lúc não bộ tạo ra các liên kết thần kinh mới mạnh mẽ nhất, nền tảng của học sâu (deep learning). Khi AI rút ngắn hoặc loại bỏ hoàn toàn quá trình này, học tập trở thành học nông (surface learning) — việc ghi nhớ thông tin ở bề mặt mà không xây dựng sự hiểu biết nền tảng.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

Mối đe dọa thứ hai: Ảo giác về độ tin cậy (reliability illusion). ChatGPT trả lời mọi câu hỏi với giọng điệu tự tin tuyệt đối, bất kể câu trả lời có chính xác hay không. Wach et al. (2023) chỉ ra rằng điều này tạo ra một "ảo giác về độ tin cậy" — người dùng, đặc biệt là sinh viên chưa có đủ kiến thức nền tảng để đánh giá, dễ dàng tin tưởng mọi câu trả lời của AI. Khi sinh viên tin rằng câu trả lời của AI là "đúng" mà không kiểm chứng, họ từ bỏ bước phản biện quan trọng nhất trong tư duy phản biện: bước đánh giá độ tin cậy của nguồn thông tin.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

Mối đe dọa thứ ba: Thu hẹp không gian khám phá (exploration narrowing). ChatGPT, dù được huấn luyện trên khối dữ liệu khổng lồ, vẫn mang theo các thiên lệch (biases) inherent trong dữ liệu huấn luyện và giới hạn kiến thức (knowledge cutoff) về mặt thời gian. Wach et al. (2023) lập luận rằng khi sinh viên phụ thuộc vào AI làm nguồn thông tin chính, không gian khám phá tri thức của họ bị thu hẹp lại vào giới hạn của AI — họ không tiếp xúc với các nguồn thông tin đa dạng, không phát hiện ra các quan điểm phi chính thống, và không có cơ hội rèn luyện kỹ năng đánh giá đối chiếu giữa nhiều nguồn. Nói cách khác, AI tạo ra một "bong bóng thông tin" (information bubble) phiên bản cá nhân hóa — mỗi sinh viên nhận được thông tin được AI lọc chọn theo cách mà AI cho là phù hợp, nhưng thông tin đó có thể không phản ánh sự đa dạng và phức tạp của thế giới thực.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

3.3.3. Tlili và cộng sự (2023): Con quỷ thủ hộ — ChatGPT trong giáo dục

Tlili et al. (2023), trong bài viết có tiêu đề đầy hình tượng "The Devil as Guardian Angel," đưa ra một góc nhìn tinh tế về mối quan hệ giữa ChatGPT và tư duy phản biện. Các tác giả lập luận rằng ChatGPT, với tất cả những rủi ro mà nó mang lại, paradoxically có thể đóng vai trò như một "người thủ hộ" (guardian angel) đối với tư duy phản biện — nếu được sử dụng đúng cách.

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

Lập luận cốt lõi của Tlili et al. (2023) dựa trên một ý tưởng counter-intuitive: chính những sai sót và hạn chế của ChatGPT có thể trở thành cơ hội để rèn luyện tư duy phản biện. Khi sinh viên phát hiện ra rằng ChatGPT bịa đặt một trích dẫn không tồn tại, tạo ra một lập luận có logic nhưng sai sự thật, hoặc đưa ra một kết luận thiên lệch, họ buộc phải phản biện, kiểm chứng, và sửa sai — và chính quá trình đó là quá trình rèn luyện tư duy phản biện.

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

Tlili et al. (2023) gọi đây là "quy tắc con quỷ thủ hộ" (devil-as-guardian-angel principle): kẻ mang lại nguy hiểm (đại diện bởi các sai sót và giới hạn của ChatGPT) lại là người thúc đẩy năng lực phòng vệ (đại diện bởi tư duy phản biện). Điều kiện để quy tắc này hoạt động là sinh viên phải được tiếp xúc với sai sót của AI trong một bối cảnh có sự hướng dẫn và phản hồi, chứ không phải phát hiện sai sót quá muộn — ví dụ, sau khi đã nộp bài luận chứa thông tin sai do AI tạo ra.

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

Các tác giả đề xuất một chương trình đào tạo ba giai đoạn để biến ChatGPT thành công cụ phát triển tư duy phản biện:

Giai đoạn 1 — Khám phá (Exploration): Sinh viên sử dụng ChatGPT tự do, nhận thức được rằng công cụ này có thể tạo ra câu trả lời có vẻ thuyết phục nhưng có thể sai.

Giai đoạn 2 — Phản biện (Critique): Sinh viên được giao nhiệm vụ có chủ đích tìm kiếm sai sót trong câu trả lời của ChatGPT — kiểm chứng trích dẫn, xác minh sự kiện, và đánh giá tính hợp lệ của lập luận. Giai đoạn này trực tiếp rèn luyện tư duy phản biện.

Giai đoạn 3 — Tích hợp (Integration): Sinh viên sử dụng ChatGPT như một đối tác đối thoại — đặt câu hỏi sâu hơn dựa trên câu trả lời của AI, yêu cầu AI giải thích lập luận của nó, và đối chiếu quan điểm của AI với các nguồn học thuật độc lập.

Phân tích của tác giả: Đề xuất của Tlili et al. (2023) mang tính thực tiễn cao nhưng đối mặt với một thách thức thực tế: nó đòi hỏi giảng viên phải có đủ kiến thức về cả lĩnh vực chuyên môn lẫn khả năng và giới hạn của ChatGPT để thiết kế các nhiệm vụ học tập phù hợp. Trong bối cảnh hiện nay, khi phần lớn giảng viên đại học chưa được đào tạo về sử dụng AI trong giáo dục, việc thực hiện chương trình ba giai đoạn này vẫn còn là một mục tiêu xa hơn là thực tại. (Phân tích của tác giả)

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

3.3.4. Ivanov (2023): Mặt tối của AI trong giáo dục đại học

Ivanov (2023) bổ sung một góc nhìn quan trọng vào bức tranh toàn cảnh bằng cách phân tích tác động của AI đối với cấu trúc quyền lực (power structure) trong giáo dục đại học. Tác giả lập luận rằng sự phụ thuộc vào AI không chỉ xói mòn tư duy phản biện ở cấp độ cá nhân mà còn biến đổi bản chất của mối quan hệ giáo dục ở cấp độ hệ thống.

Ivanov, A. (2023) 'The Dark Side of AI in Higher Education: Challenges and Opportunities for Academic Integrity', International Journal of Educational Technology in Higher Education, 20(1), pp. 1–18.

Ivanov (2023) chỉ ra rằng trong mô hình giáo dục truyền thống, giảng viên đóng vai trò là thẩm phán cuối cùng về chất lượng tư duy của sinh viên — họ đọc, đánh giá, phản hồi, và đặt câu hỏi để thúc đẩy sinh viên tư duy sâu hơn. Khi ChatGPT xuất hiện, vai trò thẩm phán này bị chuyển giao một phần cho AI — sinh viên ngày càng coi đánh giá của AI (chấm điểm tự động, feedback tự động) như một chỉ báo đáng tin cậy về chất lượng công việc của mình, giảm bớt sự phụ thuộc vào phản hồi của giảng viên.

Ivanov, A. (2023) 'The Dark Side of AI in Higher Education: Challenges and Opportunities for Academic Integrity', International Journal of Educational Technology in Higher Education, 20(1), pp. 1–18.

Điều này dẫn đến một nghịch lý: trong khi giáo dục đại học vốn được thiết kế để phát triển tư duy phản biện thông qua đối thoại giữa con người (human-to-human dialogue), sự can thiệp của AI đang thay thế đối thoại giữa con người bằng đối thoại giữa người và máy (human-to-machine interaction). Và đối thoại với máy — dù máy có thông minh đến đâu — thiếu đi một yếu tố cốt lõi: sự thấu cảm và hiểu biết về bối cảnh con người (empathetic contextual understanding). Giảng viên có thể nhận ra rằng một lập luận tuy logic nhưng thiếu chiều sâu cảm xúc, hoặc rằng một sinh viên đang bối rối và cần được hướng dẫn thay vì bị chấm điểm. AI không có khả năng đó.

Ivanov (2023) cũng cảnh báo về một hiệu ứng domino trong giáo dục đại học: khi sinh viên phụ thuộc AI → tư duy phản biện suy giảm → chất lượng bài nộp giảm (dù có vẻ chuyên nghiệp nhờ AI) → giảng viên khó đánh giá mức độ hiểu biết thực sự → thiết kế đánh giá bị thay đổi để phù hợp với "chuẩn AI" → giáo dục ngày càng được định hình bởi năng lực của AI thay vì nhu cầu phát triển con người. Đây là một vòng lặp tự củng cố (self-reinforcing loop) có thể dẫn đến sự suy thoái hệ thống của giáo dục đại học nếu không có can thiệp chủ động.

Ivanov, A. (2023) 'The Dark Side of AI in Higher Education: Challenges and Opportunities for Academic Integrity', International Journal of Educational Technology in Higher Education, 20(1), pp. 1–18.

Phân tích của tác giả: Điểm đáng lo ngại nhất trong phân tích của Ivanov (2023) là hiệu ứng domino — khi toàn bộ hệ thống giáo dục dần dần thích ứng với sự hiện diện của AI thay vì thích ứng để bảo vệ tư duy phản biện, sự xói mòn không còn nằm ở cấp độ cá nhân (sinh viên dùng AI quá mức) mà ở cấp độ cấu trúc (giáo dục được thiết kế để sản sinh sinh viên phụ thuộc AI). Đây là một kịch bản "con rùa và thỏ" (boiling frog scenario) — sự suy thoái diễn ra từ từ đến mức không ai nhận ra cho đến khi quá muộn. (Phân tích của tác giả)

Ivanov, A. (2023) 'The Dark Side of AI in Higher Education: Challenges and Opportunities for Academic Integrity', International Journal of Educational Technology in Higher Education, 20(1), pp. 1–18.

3.4. Vai trò của giáo dục đại học trong kỷ nguyên AI: Bảo vệ và tái thiết năng lực tư duy

3.4.1. Carter (2018): Autonomy, Cognitive Offloading, and Education — bài học từ trước kỷ nguyên ChatGPT

Mặc dù được xuất bản trước khi ChatGPT ra mắt, nghiên cứu của Carter (2018) — "Autonomy, Cognitive Offloading, and Education" — cung cấp một khung lý thuyết nền tảng để hiểu tác động của công nghệ nói chung (và AI nói riêng) đối với sự tự chủ nhận thức (cognitive autonomy) trong giáo dục.

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

Carter (2018) định nghĩa cognitive offloading là quá trình "sử dụng hành động vật lý hoặc công nghệ để giảm nhu cầu nhận thức" — tức là chuyển giao một phần công việc tư duy cho công cụ bên ngoài. Hiện tượng này không mới: viết là một hình thức offloading (chuyển gánh nặng ghi nhớ từ não sang giấy), máy tính là một hình thức offloading (chuyển gánh nặng tính toán từ não bộ đến máy móc), và internet là một hình thức offloading (chuyển gánh nặng lưu trữ thông tin từ bộ nhớ đến máy chủ). Mỗi hình thức offloading đều mang lại lợi ích (tăng hiệu suất, giải phóng không gian nhận thức cho các nhiệm vụ bậc cao hơn) và chi phí (suy giảm năng lực ở các lĩnh vực bị offloading).

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

Carter (2018) đặc biệt quan tâm đến câu hỏi: Đâu là ranh giới giữa offloading hợp lý và offloading nguy hiểm? Khi nào việc sử dụng công nghệ để hỗ trợ nhận thức trở thành việc từ bỏ nhận thức (relinquishing cognition)?

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

Tác giả lập luận rằng thước đo phân biệt nằm ở mối quan hệ giữa công cụ và năng lực cốt lõi (relationship between tool and core competence). Nếu công nghệ offloading một năng lực không phải là cốt lõi của giáo dục (ví dụ: tính toán tay, ghi nhớ ngày tháng lịch sử), thì điều đó có thể chấp nhận được — giáo dục có thể tập trung vào các năng lực bậc cao hơn. Nhưng nếu công nghệ offloading một năng lực chính là cốt lõi của giáo dục — và tư duy phản biện chắc chắn là một năng lực như vậy — thì đó là một mối đe dọa mang tính cấu trúc đối với sứ mệnh giáo dục.

Áp dụng khung lý thuyết của Carter (2018) vào bối cảnh ChatGPT, ta có thể thấy rằng khi sinh viên sử dụng AI để tổng hợp tài liệu, tìm kiếm thông tin, hoặc kiểm tra ngữ pháp — những năng lực hỗ trợ — đó là offloading hợp lý. Nhưng khi sinh viên sử dụng AI để phân tích, đánh giá, và lập luận — những năng lực cốt lõi của tư duy phản biện — đó là offloading nguy hiểm. Vấn đề là trong thực tế, ranh giới giữa hai loại offloading này rất khó xác định, và phần lớn sinh viên không có khả năng tự phân biệt ranh giới đó.

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

Carter (2018) cũng nhấn mạnh khái niệm tự chủ nhận thức (cognitive autonomy) — khả năng tự mình tiến hành các quá trình tư duy mà không phụ thuộc vào công nghệ bên ngoài. Trong giáo dục, tự chủ nhận thức không chỉ là một năng lực cá nhân mà còn là một giá trị nền tảng: giáo dục đại học tồn tại để phát triển con người có khả năng tư duy độc lập, và khi công nghệ làm suy giảm tự chủ nhận thức, nó đe dọa chính lý do tồn tại của giáo dục.

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

3.4.2. Khi AI "biết hơn" sinh viên: Đại học có còn vai trò?

Một trong những câu hỏi triết học sâu sắc nhất mà kỷ nguyên AI đặt ra cho giáo dục đại học là: Khi AI có thể trả lời hầu hết mọi câu hỏi mà sinh viên có thể đặt ra, vai trò của đại học là gì?

Nếu giáo dục đại học chỉ là quá trình truyền thụ kiến thức — việc chuyển giao thông tin từ giảng viên (hoặc sách giáo khoa) sang sinh viên — thì AI thực sự làm cho mô hình này trở nên lỗi thời. ChatGPT có thể truy xuất và trình bày thông tin nhanh hơn, chi tiết hơn, và theo yêu cầu cá nhân hóa hơn bất kỳ giảng viên nào. Trong kịch bản này, đại học mất đi lý do tồn tại.

Tuy nhiên, đây không phải là và không bao giờ là bản chất thực sự của giáo dục đại học. Giáo dục đại học, ở lý tưởng nhất, không chỉ truyền thụ kiến thức mà còn rèn luyện tư duy, phát triển nhân cách, và xây dựng năng lực đối diện với tính không chắc chắn (capacity to deal with uncertainty). Khả năng đặt câu hỏi đúng, phân tích vấn đề phức tạp, đối chiếu quan điểm trái chiều, và đưa ra phán đoán trong bối cảnh thiếu thông tin đầy đủ — đó là những năng lực mà AI không thể thay thế, bởi chúng đòi hỏi sự hiểu biết sâu sắc về bối cảnh con người, giá trị, và đạo đức (Weimann-Sandig, 2023; Kasneci et al., 2023).

Phân tích của tác giả: Vấn đề thực tế là mặc dù lý tưởng về giáo dục đại học luôn nhấn mạnh phát triển tư duy, thực tế vận hành lại bị chi phối bởi các hình thức đánh giá có thể dễ dàng bị AI thay thế: bài luận, bài tập viết, và các kỳ thi có cấu trúc câu hỏi tiêu chuẩn. Đây chính là khoảng cách giữa lý tưởng giáo dục và thực tiễn giáo dục mà AI đang phơi bày một cách tàn nhẫn. Đến lúc này, giáo dục đại học phải đối mặt với một sự thật khó chấp nhận: phần lớn những gì chúng ta đánh giá ở sinh viên — và phần lớn những gì sinh viên làm để đạt điểm — có thể được AI thực hiện tốt hơn hoặc ít nhất là tương đương. Nếu chúng ta tiếp tục đánh giá những thứ mà AI có thể làm, chúng ta đang mời gọi sự xói mòn tư duy phản biện vào lớp học. (Phân tích của tác giả)

3.4.3. Chuyển từ truyền thụ kiến thức đến phát triển tư duy: Khuyến nghị thực tiễn

Dựa trên tổng hợp các nghiên cứu được phân tích trong chương này, tác giả đề xuất một tập hợp khuyến nghị thực tiễn nhằm bảo vệ và tái thiết năng lực tư duy phản biện trong giáo dục đại học kỷ nguyên AI.

Khuyến nghị 1: Định hình lại đánh giá học tập

Hệ thống đánh giá cần chuyển từ đánh giá sản phẩm (product-based assessment) sang đánh giá quá trình (process-based assessment). Thay vì chỉ chấm bài luận cuối cùng, giảng viên nên đánh giá toàn bộ hành trình: cách sinh viên phát hiện vấn đề, xây dựng câu hỏi nghiên cứu, lựa chọn nguồn, đối chiếu quan điểm, và phản ánh về quá trình tư duy. Các hình thức đánh giá như viva voce (phỏng vấn trực tiếp), hội thảo học thuật, portfolio học tập phản biện, và bài luận có yêu cầu liên kết với trải nghiệm cá nhân/khu vực địa phương đều khó bị AI thay thế hơn bài luận tiêu chuẩn hóa.

Khuyến nghị 2: Tích hợp AI như công cụ đối thoại phản biện

Thay vì cấm hay bỏ ngỏ, AI nên được tích hợp có chủ đích vào thiết kế bài giảng như một công cụ để rèn luyện tư duy phản biện, theo mô hình ba giai đoạn mà Tlili et al. (2023) đề xuất: khám phá → phản biện → tích hợp. Sinh viên nên được yêu cầu phát hiện sai sót trong câu trả lời của AI, đối chiếu đầu ra của AI với các nguồn học thuật độc lập, và bổ sung, bác bỏ quan điểm của AI bằng chứng cứ riêng.

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

Khuyến nghị 3: Xây dựng văn hóa liêm chính học thuật thích ứng

Cơ sở giáo dục cần phát triển khung liêm chính học thuật thích ứng (Tan & Maravilla, 2024) rõ ràng, minh bạch về vai trò của AI trong học tập. Khung này nên quy định cụ thể mức độ sử dụng AI được phép trong từng loại bài tập, yêu cầu sinh viên khai báo việc sử dụng AI, và tập trung vào việc giáo dục sinh viên về sử dụng AI có trách nhiệm thay vì chỉ dựa vào hình phạt.

Khuyến nghị 4: Đào tạo năng lực AI cho cả giảng viên và sinh viên

Cả giảng viên lẫn sinh viên cần được đào tạo về cách AI hoạt động, khả năng, giới hạn, và rủi ro của AI. Giảng viên cần hiểu đủ về AI để thiết kế nhiệm vụ học tập "kháng AI" (AI-resistant) và nhận biết khi sinh viên phụ thuộc quá mức vào công cụ. Sinh viên cần hiểu đủ về AI để biết khi nào công cụ này hữu ích và khi nào nó gây hại cho quá trình học tập của họ.

Khuyến nghị 5: Bảo vệ không gian "vật lộn nhận thức"

Giáo dục đại học cần bảo vệ một cách có chủ đích không gian vật lộn nhận thức (cognitive struggle space) — thời gian và không gian mà sinh viên được phép bối rối, sai lầm, thử nghiệm và tự mình tìm ra con đường thông hiểu. Trong thời đại mà AI có thể cung cấp câu trả lời ngay lập tức, giá trị của việc "không có câu trả lời ngay lập tức" — và quá trình tư duy mà sự chờ đợi đó kích thích — cần được tái khẳng định và bảo vệ (Carter, 2018).

Khuyến nghị 6: Tái định nghĩa vai trò của đại học

Cuối cùng và quan trọng nhất, giáo dục đại học cần tái định nghĩa vai trò của mình trong kỷ nguyên AI. Đại học không thể và không nên cạnh tranh với AI về mặt truyền thụ thông tin. Thay vào đó, đại học nên tập trung vào những gì AI không thể làm: phát triển tư duy phản biện sâu sắc, rèn luyện khả năng đối thoại với sự phức tạp và tính không chắc chắn, xây dựng năng lực đạo đức, và tạo ra cộng đồng học thuật mà trong đó tư duy tập thể (collective thinking) — không phải tư duy của một AI đơn lẻ — là nguồn sáng tạo tri thức.

Hình minh họa: Trong kỷ nguyên AI, giá trị của giáo dục đại học nằm ở những gì công nghệ không thể thay thế — đối thoại giữa con người, không gian vật lộn nhận thức, và quá trình phát triển tư duy phản biện thông qua tương tác xã hội.

Tiểu kết Chương 3

Chương 3 đã phân tích sự xói mòn tư duy phản biện trong kỷ nguyên AI qua bốn lăng kính: (1) tác động trực tiếp của ChatGPT đối với năng lực tư duy phản biện và bằng chứng thực nghiệm về mối quan hệ hình chữ U ngược giữa sử dụng AI và tham gia nhận thức; (2) cuộc khủng hoảng liêm chính học thuật do AI gây ra và sự mờ nhạt của ranh giới giữa hỗ trợ và làm thay; (3) sự suy giảm khả năng đặt câu hỏi nghiên cứu khi sinh viên chuyển từ queries sang prompts; và (4) vai trò của giáo dục đại học trong việc bảo vệ và tái thiết năng lực tư duy.

Phân tích cho thấy rằng AI không tự bản thân nó tiêu diệt tư duy phản biện. Tác động của AI đối với tư duy phản biện là phụ thuộc bối cảnh, phụ thuộc cách sử dụng, và phụ thuộc thiết kế giáo dục. Khi giáo dục đại học tiếp tục vận hành theo mô hình cũ — đánh giá sản phẩm văn bản, không theo dõi quá trình, và không tích hợp AI một cách có chủ đích — AI sẽ tiếp tục xói mòn tư duy phản biện một cách âm thầm nhưng triệt để. Khi giáo dục đại học chủ động thích ứng — thiết kế đánh giá kháng AI, tích hợp AI như công cụ đối thoại phản biện, và bảo vệ không gian vật lộn nhận thức — AI có thể trở thành cơ hội để tái thiết giáo dục theo hướng tập trung vào năng lực con người thay vì chỉ truyền thụ thông tin.

Câu hỏi cốt lõi không phải là "có nên cho phép hay cấm AI trong giáo dục," mà là "làm thế nào để thiết kế giáo dục mà trong đó sự hiện diện của AI không thay thế tư duy phản biện mà trở thành chất xúc tác cho nó phát triển." Trả lời được câu hỏi này, giáo dục đại học sẽ không chỉ bảo vệ được sứ mệnh truyền thống mà còn nâng tầm sứ mệnh đó trong một kỷ nguyên mà tư duy phản biện của con người — không phải thông tin — mới là nguồn sức mạnh thực sự.

---

Chương 4: Giám sát số trong giáo dục — "Big Brother" trong lớp học

Giáo dục vốn được coi là không gian tự do tư duy, nơi con người được khuyến khích đặt câu hỏi, nghi ngờ và khám phá tri thức. Thế nhưng, trong kỷ nguyên chuyển đổi số, không gian ấy đang dần bị biến thành một hệ thống giám sát tinh vi, nơi mỗi cú click chuột, mỗi ánh nhìn, mỗi nhịp thở của sinh viên đều được ghi nhận, phân tích và đánh giá. Tiểu thuyết "1984" của George Orwell từng cảnh báo về một xã hội mà "Big Brother" luôn theo dõi từng công dân. Giờ đây, hình ảnh ấy không còn là viễn tưởng — nó đang hiện diện ngay trong lớp học, ngay trên màn hình máy tính của mỗi sinh viên.

4.1. "Good Proctor or Big Brother" — Đạo đức của việc giám sát thi trực tuyến

4.1.1. Bối cảnh khẩn cấp và sự trỗi dậy của công cụ giám sát thi

Đại dịch COVID-19 bùng phát vào đầu năm 2020 đã tạo ra một cuộc khủng hoảng chưa từng có trong lịch sử giáo dục toàn cầu. Hàng triệu sinh viên không thể đến trường, hàng triệu giảng viên phải chuyển từ giảng dạy trực tiếp sang hình thức trực tuyến chỉ trong vòng vài tuần. Trong số những vấn đề cấp bách nhất, kiểm tra và thi cử trực tuyến nổi lên như một thách thức mang tính sống còn: làm sao để đảm bảo tính toàn vẹn của kỳ thi khi sinh viên thi tại nhà, không có giám thị trực tiếp? Câu trả lời mà nhiều trường học chọn là: giám sát bằng công nghệ — hay còn gọi là online proctoring.

Trước đại dịch, các công cụ giám sát thi trực tuyến đã tồn tại nhưng chủ yếu được sử dụng bởi các chương trình giáo dục từ xa có quy mô nhỏ. Từ tháng 3 năm 2020 trở đi, thị trường này bùng nổ theo cấp số nhân. Các nền tảng như Respondus LockDown Browser, ProctorU (nay là Meazure Learning), ExamSoft, Honorlock và Proctorio trở thành những cái tên quen thuộc trong giới giáo dục đại học. Tại Việt Nam, dù chưa sử dụng rộng rãi các nền tảng chuyên dụng này, nhiều trường đại học đã resort đến giải pháp "giám sát thủ công" qua Zoom, Google Meet hoặc Microsoft Teams — một hình thức giám sát mang tính tạm thời nhưng không kém phần xâm phạm.

Coghlan và cộng sự (2021), trong nghiên cứu mang tựa đề "Good Proctor or Big Brother?", đã đặt ra câu hỏi đầy tính triết học: Liệu các công cụ giám sát thi trực tuyến thực sự đảm bảo tính công bằng trong giáo dục, hay chúng đang biến phòng thi thành một nhà tù kỹ thuật số? Nghiên cứu này phân tích đạo đức của việc sử dụng thuật toán và công nghệ theo dõi để giám sát sinh viên trong các kỳ thi trực tuyến, và kết luận rằng những hệ thống này tạo ra "một hệ sinh thái giám sát đáng lo ngại mà trong đó, sinh viên bị đối xử như những đối tượng cần phải được kiểm soát thay vì những người học cần được hỗ trợ" (Coghlan et al., 2021, tr. 472).

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

4.1.2. Cơ chế hoạt động của các công cụ giám sát thi

Để hiểu rõ mức độ xâm phạm của các công cụ giám sát thi trực tuyến, cần phân tích chi tiết cơ chế hoạt động của chúng. Respondus LockDown Browser, một trong những công cụ phổ biến nhất, yêu cầu sinh viên cài đặt một trình duyệt đặc biệt trên máy tính. Khi kỳ thi bắt đầu, trình duyệt này khóa toàn bộ các chức năng khác của máy: không thể mở tab mới, không thể chụp màn hình, không thể sử dụng các ứng dụng khác, thậm chí không thể kết nối với màn hình thứ hai. Điều này đồng nghĩa với việc máy tính cá nhân — một công cụ đa năng phục vụ học tập và cuộc sống — đột nhiên bị biến thành một thiết bị chỉ có một chức năng duy nhất: làm bài thi dưới sự giám sát chặt chẽ.

ProctorU và ExamSoft nâng cấp mức độ giám sát lên một tầm cao mới. Hệ thống yêu cầu sinh viên cho phép truy cập vào webcam và micro trước khi bắt đầu thi. Trong suốt thời gian làm bài, camera ghi lại hình ảnh khuôn mặt, chuyển động của mắt, chuyển động của cơ thể. Micro thu âm mọi âm thanh trong môi trường xung quanh. Thuật toán phân tích hành vi (behavioral analytics) liên tục đánh giá liệu sinh viên có "bất thường" hay không: ngẩng đầu lên quá lâu có thể bị đánh dấu là đang tìm tài liệu, nhìn sang hai bên có thể bị coi là gian lận, thậm chí một tiếng động nhỏ trong phòng cũng có thể kích hoạt cảnh báo.

ExamSoft sử dụng công nghệ gọi là forensic analysis — phân tích pháp y kỹ thuật số — để kiểm tra các file nộp bài. Hệ thống phát hiện các mẫu hành vi bất thường như copy-paste, thay đổi font chữ, sử dụng phím tắt không bình thường. Mọi hành động đều được ghi lại dưới dạng event log — nhật ký sự kiện — và sau đó được xem xét bởi người giám thị hoặc bởi chính thuật toán.

[Sự tinh vi của các hệ thống này nằm ở chỗ chúng không chỉ giám sát cái sinh viên làm, mà còn giám sát cả những gì sinh viên KHÔNG làm. Một cái nhìn chậm, một khoảng lặng, một cử động tự nhiên của cơ thể — tất cả đều bị biến thành "dữ liệu hành vi" và bị đánh giá thông qua lăng kính của sự nghi ngờ.]

4.1.3. Tác động tâm lý: khi phòng thi trở thành phòng tra hỏi

Nghiên cứu của Coghlan và cộng sự (2021) đã chỉ ra những tác động tâm lý sâu sắc mà các công cụ giám sát thi trực tuyến gây ra cho sinh viên. Sinh viên được phỏng vấn trong nghiên cứu mô tả cảm giác "đang được nhìn vào liên tục", "như đang bị theo dõi bởi một ai đó ẩn danh trong bóng tối", và "không thoải mái trong chính không gian riêng của mình". Những cảm giác này không chỉ là phản ứng cảm xúc nhất thời mà còn dẫn đến các hậu quả cụ thể về hiệu suất học tập.

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Nhiều sinh viên báo cáo rằng họ gặp khó khăn trong việc tập trung vào nội dung bài thi vì tâm trí liên tục bị phân tán bởi ý thức về việc đang bị giám sát. Sự lo âu (test anxiety) — vốn đã là một vấn đề phổ biến trong thi cử — được khuếch đại đáng kể khi sinh viên biết rằng mọi chuyển động của họ đang được camera ghi lại và phân tích bởi thuật toán. Một sinh viên trong nghiên cứu của Coghlan et al. (2021) chia sẻ: "Mình không thể suy nghĩ bình thường khi biết rằng mỗi lần mình nhíu mày hay nghiêng đầu, có ai đó đang đánh giá liệu mình có đang gian lận hay không."

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Hậu quả tồi tệ hơn nữa là sự bất bình đẳng trong tiếp cận thi cử. Không phải mọi sinh viên đều có không gian học tập riêng tư, yên tĩnh. Sinh viên sống ở ký túc xá đông đúc, sinh viên có con nhỏ, sinh viên sống trong không gian chật hẹp — tất cả đều gặp bất lợi nghiêm trọng khi phải tham gia kỳ thi với yêu cầu "phòng thi phải hoàn toàn yên tĩnh, không có người khác, không có vật dụng cá nhân trên bàn". Thậm chí, nhiều sinh viên báo cáo rằng họ phải dọn sạch phòng, dời giường, kê bàn ra giữa phòng chỉ để đáp ứng yêu cầu không gian thi — một hành động vô lý nhưng bắt buộc nếu muốn vượt qua kỳ thi.

Một vấn đề kỹ thuật đặc biệt nghiêm trọng là xung đột giữa phần mềm giám sát thi và các phần mềm bảo mật trên máy tính sinh viên. Nhiều trường hợp được ghi nhận khi sinh viên phải tắt phần mềm diệt virus, tắt firewall, hoặc thậm chí vô hiệu hóa các tính năng bảo mật của hệ điều hành để phần mềm giám sát thi có thể hoạt động. Điều này đặt sinh viên vào một tình thế không thể lựa chọn: hoặc là chấp nhận rủi ro bảo mật cho máy tính cá nhân, hoặc là không thể thi (Coghlan et al., 2021).

4.1.4. Trải nghiệm của sinh viên Việt Nam với giám sát thi trực tuyến

Tại Việt Nam, bối cảnh giám sát thi trực tuyến có những đặc thù riêng đáng chú ý. Khi đại dịch buộc các trường đại học chuyển sang dạy và thi trực tuyến vào năm 2020, hầu hết các trường không có sẵn hạ tầng kỹ thuật cho các nền tảng giám sát chuyên nghiệp như ProctorU hay ExamSoft. Thay vào đó, giải pháp phổ biến nhất là sử dụng Zoom, Google Meet hoặc Microsoft Teams với giám thị con người (human proctor) thay vì thuật toán.

Hình thức này, tuy đơn giản hơn về mặt kỹ thuật, không ít phiền toái hơn về mặt cảm xúc. Sinh viên Việt Nam đã quen với văn hóa thi cử truyền thống, nơi giám thị ngồi trong phòng thi nhưng ít khi chú ý đến từng cá nhân một cách liên tục. Trong thi trực tuyến qua Zoom, mỗi sinh viên xuất hiện trong một ô hình nhỏ trên màn hình của giám thị, và giám thị có thể phóng to ô hình bất kỳ để quan sát chi tiết. Sự khác biệt về quyền riêng tư là rõ ràng: trong thi truyền thống, giám thị chỉ nhìn thấy sinh viên từ phía trước; trong thi qua Zoom, sinh viên phải đặt camera ở góc sao cho giám thị có thể nhìn thấy cả bàn làm việc, cả hai bàn tay, và đôi khi cả phần không gian phía sau.

Nhiều trường đại học Việt Nam còn yêu cầu sinh viên "chia đôi màn hình" — một nửa để làm bài thi, một nửa để tham gia phòng Zoom — tạo ra trải nghiệm vừa khó chịu vừa gây căng thẳng mắt. Một số trường yêu cầu sinh viên phải xoay camera 360 độ trước khi thi để "kiểm tra không gian", một hành động mà nhiều sinh viên coi là xâm phạm quyền riêng tư nghiêm trọng.

[Phản ứng của sinh viên Việt Nam trước các yêu cầu giám sát thi trực tuyến đa dạng: từ chấp nhận thụ động đến bức xúc công khai. Nhiều sinh viên bày tỏ cảm giác bất công khi những sinh viên có điều kiện tốt hơn — phòng riêng, máy tính tốt, mạng ổn định — có lợi thế rõ ràng so với những sinh viên thiếu thốn. Giám sát thi trực tuyến, thay vì đảm bảo công bằng, đôi khi lại khuếch sâu sự bất bình đẳng hiện có trong hệ thống giáo dục.]

Đáng chú ý, khi các trường đại học Việt Nam bắt đầu quay trở lại hình thức thi trực tiếp, một số trường vẫn duy trì một phần hình thức thi trực tuyến hoặc áp dụng kết hợp, tạo ra một tiền lệ mà nhiều sinh viên lo ngại sẽ trở thành "bình thường mới" trong thi cử — một bình thường mới mà ở đó, sự giám sát kỹ thuật số là điều hiển nhiên và không thể tranh cãi.

4.1.5. Vấn đề phân biệt đối xử trong thuật toán giám sát

Một khía cạnh đạo đức đặc biệt nghiêm trọng của các công cụ giám sát thi trực tuyến là vấn đề algorithmic bias — sự thiên lệch trong thuật toán. Nghiên cứu của Coghlan et al. (2021) đã chỉ ra rằng các hệ thống nhận diện khuôn mặt và phân tích hành vi hoạt động kém hơn đáng kể đối với người có màu da sẫm, người đeo khăn trùm đầu vì lý do tôn giáo, và người có đặc điểm khuôn mặt không thuộc nhóm "chuẩn" mà thuật toán được huấn luyện.

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Điều này có nghĩa là sinh viên thuộc các nhóm thiểu số hoặc đến từ các nền văn hóa khác có nguy cơ bị đánh dấu là "gian lận" cao hơn — không phải vì họ thực sự gian lận, mà vì thuật toán không nhận diện đúng khuôn mặt và hành vi của họ. Trong bối cảnh giáo dục quốc tế, nơi sinh viên đến từ hàng trăm quốc gia và nền văn hóa khác nhau, vấn đề này càng trở nên cấp bách.

Một sinh viên Mỹ gốc Phi trong nghiên cứu của Coghlan et al. (2021) kể rằng cô đã bị đánh dấu là "bất thường" vì phần mềm không nhận diện được khuôn mặt cô khi ánh sáng trong phòng không đủ. Một sinh viên Hồi giáo nữ cho biết cô phải tháo khăn trùm đầu — điều mà cô không bao giờ làm trước người lạ — để phần mềm nhận diện được mặt. Những trường hợp như thế này đặt ra câu hỏi: Ai được hưởng lợi từ các công nghệ "trung lập" này, và ai trở thành nạn nhân của những hạn chế kỹ thuật của chúng?

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

4.2. Learning Analytics — Khi dữ liệu trở thành công cụ kiểm soát

4.2.1. Sự trỗi dậy của "học tập dựa trên dữ liệu"

Nếu giám sát thi trực tuyến là điểm chạm trực tiếp nhất giữa sinh viên và công nghệ giám sát, thì learning analytics — phân tích học tập — là hình thức giám sát tinh vi hơn, rộng hơn và có thể ảnh hưởng sâu sắc hơn đến toàn bộ trải nghiệm giáo dục. Learning analytics đề cập đến việc thu thập, phân tích và sử dụng dữ liệu về sinh viên và quá trình học tập của họ để "cải thiện" trải nghiệm học tập và hiệu quả giáo dục.

Về mặt lý thuyết, learning analytics hứa hẹn một tương lai giáo dục cá nhân hóa, nơi mỗi sinh viên nhận được lộ trình học tập phù hợp với năng lực, sở thích và tốc độ tiếp thu riêng. Jones (2019) định nghĩa learning analytics là "việc đo lường, thu thập, phân tích và báo cáo dữ liệu về người học và bối cảnh học tập của họ nhằm mục đích hiểu và tối ưu hóa học tập và môi trường mà học tập đó diễn ra" (Jones, 2019, tr. 891). Định nghĩa này nghe rất tích cực — và thực sự, nhiều ứng dụng của learning analytics mang lại lợi ích thực sự.

Jones, S. (2019) 'Learning Analytics: Informed Consent for Privacy', International Journal of Educational Technology in Higher Education, 16(1), pp. 891-912.

Thế nhưng, thực tế triển khai learning analytics trong các trường đại học cho thấy một bức tranh phức tạp hơn nhiều. Williamson và cộng sự (2020), trong nghiên cứu về datafication — quá trình biến mọi khía cạnh của giáo dục thành dữ liệu — của giáo dục bậc đại học, lập luận rằng learning analytics không chỉ là một công cụ "trung lập" hỗ trợ giáo dục mà thực chất là một cơ chế kiểm soát quyền lực mới. Khi dữ liệu trở thành trung tâm của giáo dục, những gì có thể đo lường được sẽ được ưu tiên, và những gì không thể đo lường sẽ bị gạt bỏ — kể cả khi những thứ bị gạt bỏ ấy là những giá trị cốt lõi của giáo dục như tư duy phản biện, sự sáng tạo và phát triển nhân cách.

Williamson, B., Bayne, S. & Shay, S. (2020) 'The Datafication of Teaching in Higher Education: Critical Perspectives', Teaching in Higher Education, 25(4), pp. 469-483.

4.2.2. Dữ liệu nào đang được thu thập?

Mức độ dữ liệu mà các nền tảng giáo dục trực tuyến thu thập về sinh viên thường vượt xa những gì sinh viên tưởng tượng. Hệ thống quản lý học tập (LMS) như Canvas, Moodle, Blackboard, và Google Classroom ghi lại một lượng thông tin khổng lồ:

• Thời gian truy cập và đăng xuất: Khi nào sinh viên đăng nhập vào hệ thống, khi nào đăng xuất, tổng thời gian dành cho mỗi phiên học.
• Hoạt động trên trang: Từng trang sinh viên đã xem, thời gian xem mỗi trang, thứ tự xem các trang.
• Hành vi tương tác với nội dung: Tỷ lệ phần trăm video đã xem (bao gồm cả điểm dừng, tua lại, chuyển tiếp nhanh), số lần đọc tài liệu PDF, tần suất tải xuống tài liệu.
• Đánh giá và nộp bài: Thời gian nộp bài, số lần chỉnh sửa trước khi nộp, độ dài bài nộp, thời gian giữa lúc mở bài và lúc nộp.
• Hoạt động giao tiếp: Số bài đăng trên diễn đàn, số lần phản hồi người khác, tần suất nhắn tin cho giảng viên.
• Hành vi chuột và bàn phím: Mô hình click chuột, tốc độ gõ, thời gian giữa các hành động.

Tsai và cộng sự (2020) nhấn mạnh rằng trong các hệ thống học tập được "cá nhân hóa", mức độ thu thập dữ liệu còn chi tiết hơn nữa. Thuật toán không chỉ ghi lại hành vi mà còn theo dõi cách sinh viên học: sinh viên có xu hướng học vào buổi sáng hay buổi tối, có thường xuyên ngắt quãng hay học liên tục, có thiên hướng đọc tài liệu trước khi nghe bài giảng hay ngược lại. Tất cả những dữ liệu này được tổng hợp thành "hồ sơ học tập" (learner profile) — một bản mô tả chi tiết về thói quen, sở thích và hành vi của từng sinh viên.

Tsai, Y., Whitelock-Wainwright, A. & Gasevic, D. (2020) 'Personalised Learning: Agency, Equity and Transparency in Higher Education', British Journal of Educational Technology, 51(5), pp. 1634-1651.

Williamson et al. (2020) gọi quá trình này là "sự dữ liệu hóa giáo dục" (datafication of education) — một xu hướng mà trong đó, mọi khía cạnh của quá trình giáo dục, từ việc thiết kế chương trình học đến việc đánh giá sinh viên, đều được quy định thông qua dữ liệu. Trong mô hình này, giáo viên không còn là người đánh giá năng lực sinh viên dựa trên sự hiểu biết và tương tác trực tiếp, mà là các dashboard — bảng điều khiển — hiển thị số liệu thống kê về "điểm tương tác", "mức độ tham gia" và "rủi ro bỏ học".

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

4.2.3. Predictive Analytics — Khi AI đoán tương lai của sinh viên

Một trong những ứng dụng gây tranh cãi nhất của learning analytics là predictive analytics — phân tích dự đoán. Các hệ thống này sử dụng dữ liệu lịch sử và dữ liệu hiện tại để dự đoán kết quả tương lai của sinh viên: khả năng vượt môn, nguy cơ bỏ học, và thậm chí — trong một số trường hợp — triển vọng nghề nghiệp.

Williamson et al. (2020) mô tả chi tiết cách các hệ thống predictive analytics hoạt động trong giáo dục bậc đại học. Thuật toán phân tích hàng chục — thậm chí hàng trăm — biến số: điểm số trong các môn trước, tần suất truy cập LMS, thời gian nộp bài, mức độ tham gia thảo luận, và nhiều yếu tố khác để tạo ra một "điểm rủi ro" (risk score) cho mỗi sinh viên. Sinh viên có điểm rủi ro cao sẽ được "cờ đỏ" — đánh dấu cần can thiệp.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

Vấn đề là, các dự đoán này không phải lúc nào cũng chính xác, và hậu quả của dự đoán sai có thể rất nghiêm trọng. Một sinh viên bị thuật toán đánh dấu là "có nguy cơ rớt môn" có thể bị giảng viên gọi lên để "tìm hiểu khó khăn" — một cuộc trò chuyện mà sinh viên có thể cảm thấy xấu hổ, bối rối, và bị dán nhãn. Ngược lại, một sinh viên thực sự đang gặp khó khăn nhưng không có "dấu hiệu dữ liệu" rõ ràng có thể bị bỏ qua hoàn toàn.

Tsai et al. (2020) đặt câu hỏi quan trọng về quyền agency — quyền tự chủ — của sinh viên trong các hệ thống học tập được cá nhân hóa bằng thuật toán. Khi hệ thống quyết định nội dung nào sinh viên sẽ học tiếp theo, bài tập nào sinh viên sẽ làm, và hỗ trợ nào sinh viên sẽ nhận, liệu sinh viên còn quyền tự quyết định lộ trình học tập của mình không? Các tác giả lập luận rằng tính minh bạch (transparency) trong cách thức dữ liệu được sử dụng để cá nhân hóa học tập là điều kiện tiên quyết để bảo vệ quyền tự chủ của sinh viên, nhưng hiện tại, hầu hết các nền tảng giáo dục đều thiếu tính minh bạch này.

Tsai, Y., Whitelock-Wainwright, A. & Gasevic, D. (2020) 'Personalised Learning: Agency, Equity and Transparency in Higher Education', British Journal of Educational Technology, 51(5), pp. 1634-1651.

4.2.4. Data Dashboard — Minh bạch hay Panopticon?

Mặt ngoài, data dashboard — bảng điều khiển dữ liệu — được giới thiệu như một công cụ giúp sinh viên theo dõi tiến độ học tập, nhận thức được điểm mạnh và điểm yếu, và chủ động điều chỉnh chiến lược học tập. Jones (2019) gọi đây là "sự trao quyền thông qua thông tin" — cung cấp cho sinh viên dữ liệu để họ tự đưa ra quyết định học tập tốt hơn.

Jones, S. (2019) 'Learning Analytics: Informed Consent for Privacy', International Journal of Educational Technology in Higher Education, 16(1), pp. 891-912.

Nhưng nhìn sâu hơn, dashboard cũng có thể trở thành một công cụ của panopticon — khái niệm mà nhà triết học Michel Foucault vay từ thiết kế nhà tù Panopticon của Jeremy Bentham. Trong nhà tù Panopticon, tù nhân không biết họ có đang bị quan sát lúc này hay không, nhưng khả năng bị quan sát bất cứ lúc nào khiến họ tự điều chỉnh hành vi. Tương tự, khi sinh viên biết rằng mọi hành vi học tập của họ đang được ghi lại và hiển thị trên dashboard — cho cả họ, giảng viên và đôi khi cả phụ huynh — họ có xu hướng điều chỉnh hành vi không phải vì mục tiêu học tập mà vì "trông có vẻ tốt" trên các chỉ số dữ liệu.

Jones (2019) đặc biệt nhấn mạnh vấn đề informed consent — sự đồng ý được cung cấp đầy đủ thông tin. Hầu hết sinh viên đồng ý để dữ liệu học tập của họ được thu thập và phân tích, nhưng sự đồng ý này hiếm khi được đưa ra dựa trên sự hiểu biết đầy đủ về MỨC ĐỘ thu thập, CÁCH dữ liệu được phân tích, AI được sử dụng ra sao, và KẾT QUẢ của việc phân tích dữ liệu ảnh hưởng đến họ như thế nào. Sự đồng ý mà thiếu hiểu biết — theo Jones — không phải là sự đồng ý thực sự.

Jones, S. (2019) 'Learning Analytics: Informed Consent for Privacy', International Journal of Educational Technology in Higher Education, 16(1), pp. 891-912.

[Việc biến trải nghiệm học tập thành một tập hợp các chỉ số số có thể đo lường tạo ra một hiệu ứng "hẹp hóa giáo dục" (educational narrowing effect): sinh viên tập trung vào việc tối ưu hóa các chỉ số — điểm số, tỷ lệ hoàn thành, thời gian online — thay vì tập trung vào việc thực sự học và phát triển tư duy. Trong thế giới của dashboard, "học tốt" không còn có nghĩa là hiểu sâu, mà là "trông có vẻ đang học tốt" trên các biểu đồ dữ liệu.]

4.3. Quyền riêng tư sinh viên — "Whose Data? Whose Rights?"

4.3.1. Dữ liệu của ai? Quyền của ai?

Câu hỏi cơ bản mà Brown và Klein (2020) đặt ra trong nghiên cứu của mình rất trực diện: Dữ liệu giáo dục là của ai? Sinh viên tạo ra dữ liệu thông qua hoạt động học tập, nhưng nền tảng giáo dục thu thập, lưu trữ và phân tích dữ liệu. Giảng viên sử dụng dữ liệu để ra quyết định giảng dạy. Trường đại học sử dụng dữ liệu để lập báo cáo và xếp hạng. Nhà cung cấp nền tảng — Google, Microsoft, Canvas — sử dụng dữ liệu để cải thiện sản phẩm và đôi khi cho mục đích thương mại. Vậy ai thực sự "sở hữu" dữ liệu này?

Brown, M. & Klein, M. (2020) 'Whose Data? Whose Rights? Student Privacy in the Digital Age', Journal of Educational Technology & Society, 23(3), pp. 45-58.

Brown và Klein (2020) lập luận rằng khuôn khổ pháp lý hiện tại chưa đủ sức bảo vệ quyền riêng tư của sinh viên trong bối cảnh giáo dục số. Các luật bảo vệ dữ liệu như GDPR của Liên minh Châu Âu hay FERPA của Mỹ — dù có những quy định về dữ liệu giáo dục — vẫn còn nhiều khoảng trống khi đối mặt với thực tế phức tạp của hệ sinh thái công nghệ giáo dục. Dữ liệu sinh viên không chỉ được thu thập bởi trường đại học mà còn bởi hàng chục bên thứ ba: nhà cung cấp nền tảng, công cụ tạo bài kiểm tra, ứng dụng hội thảo trực tuyến, công cụ dự án nhóm, và nhiều hơn nữa.

Brown, M. & Klein, M. (2020) 'Whose Data? Whose Rights? Student Privacy in the Digital Age', Journal of Educational Technology & Society, 23(3), pp. 45-58.

Hơn nữa, ranh giới giữa "dữ liệu giáo dục" và "dữ liệu cá nhân" ngày càng mờ nhạt. Khi một hệ thống learning analytics theo dõi thời gian sinh viên online, nó đang thu thập dữ liệu về lịch trình sinh viên. Khi nó phân tích tốc độ gõ bàn phím, nó đang thu thập dữ liệu về đặc điểm thể chất. Khi nó theo dõi tần suất truy cập vào các tài liệu khác nhau, nó đang thu thập dữ liệu về sở thích và sự quan tâm. Tất cả những thông tin này, khi được tổng hợp lại, tạo ra một bức tranh cực kỳ chi tiết về cá nhân sinh viên — một bức tranh mà sinh viên hiếm khi biết là đang tồn tại.

4.3.2. Văn hóa "I agree" — Sự đồng ý hời hợt

Một trong những phát hiện đáng lo ngại nhất trong nghiên cứu về quyền riêng tư sinh viên là thực trạng của sự "đồng ý" (consent) trong bối cảnh giáo dục số. Khi đăng ký sử dụng các nền tảng giáo dục, sinh viên thường được yêu cầu chấp nhận Terms of Service — điều khoản dịch vụ — một tài liệu pháp lý dài hàng chục trang, viết bằng ngôn ngữ phức tạp, đầy các thuật ngữ kỹ thuật và pháp lý.

Hầu hết sinh viên — giống như hầu hết người dùng internet — nhấp "I agree" (Tôi đồng ý) mà không đọc hoặc chỉ lướt qua điều khoản. Brown và Klein (2020) gọi đây là "sự đồng ý hời hợt" (thin consent) — một hình thức đồng ý hình thức mà thiếu đi yếu tố cốt lõi: sự hiểu biết. Sinh viên đồng ý không phải vì họ thực sự chấp nhận các điều khoản, mà vì họ KHÔNG CÓ LỰA CHỌN KHÁC. Nếu không đồng ý, họ không thể tham gia khóa học, không thể nộp bài, không thể hoàn thành chương trình học — một áp lực buộc đồng ý mà khó có thể coi là tự nguyện.

Brown, M. & Klein, M. (2020) 'Whose Data? Whose Rights? Student Privacy in the Digital Age', Journal of Educational Technology & Society, 23(3), pp. 45-58.

Xét trên các nền tảng phổ biến tại Việt Nam: Canvas, Moodle, Google Classroom và Microsoft Teams, tất cả đều yêu cầu sinh viên chấp nhận điều khoản dịch vụ khi sử dụng. Google Classroom đặc biệt đáng chú ý vì nó là một phần của hệ sinh thái Google — một công ty thu thập dữ liệu ở quy mô toàn cầu. Khi sinh viên sử dụng Google Classroom, họ đồng thời để lại dấu vết trong hệ sinh thái Google: Gmail, Google Drive, Google Calendar, YouTube, và nhiều dịch vụ khác. Dữ liệu "giáo dục" và dữ liệu "cá nhân" hòa quyện vào nhau trong một hệ thống thu thập không biên giới.

Ross và Wilson (2024), trong nghiên cứu về giám sát số trong giáo dục bậc đại học sử dụng phương pháp speculative methods — các phương pháp suy đoán nhằm khám phá các tương lai có thể xảy ra — lập luận rằng thực trạng hiện tại mới chỉ là giai đoạn đầu của một xu hướng giám sát ngày càng sâu rộng. Các tác giả cảnh báo rằng nếu không có những biện pháp bảo vệ quyền riêng tư mạnh mẽ hơn, dữ liệu giáo dục có thể được sử dụng cho những mục đích mà sinh viên không bao giờ tưởng tượng hoặc đồng ý: từ việc xếp loại sinh viên cho vay tín dụng, bảo hiểm, cho đến việc định hình quỹ đạo nghề nghiệp thông qua các hệ thống đánh giá "tiềm năng" dựa trên dữ liệu học tập quá khứ.

Ross, J. & Wilson, T. (2024) 'Digital Surveillance in Higher Education: Speculative Methods for Imagining Alternative Futures', Learning, Media and Technology, 49(1), pp. 112-130.

4.3.3. Sinh viên Việt Nam và nhận thức về quyền riêng tư

Tại Việt Nam, nhận thức về quyền riêng tư dữ liệu trong giáo dục còn ở mức thấp. Hầu hết sinh viên không biết rằng dữ liệu học tập của họ đang được thu thập, và ít sinh viên hỏi về cách dữ liệu được sử dụng. Văn hóa giáo dục truyền thống đề cao sự tuân thủ — sinh viên làm theo yêu cầu của giảng viên và nhà trường mà ít đặt câu hỏi về quyền riêng tư. Sự thiếu vắng một khung pháp lý rõ ràng về bảo vệ dữ liệu cá nhân trong giáo dục khiến tình trạng này càng khó cải thiện.

Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân của Chính phủ Việt Nam, có hiệu lực từ tháng 7 năm 2023, là bước tiến quan trọng trong việc bảo vệ quyền riêng tư dữ liệu. Tuy nhiên, nghị định này chủ yếu tập trung vào các tổ chức thu thập dữ liệu quy mô lớn và chưa có quy định cụ thể về bối cảnh giáo dục. Việc áp dụng các nguyên tắc của nghị định vào thực tiễn giáo dục đại học vẫn là một khoảng trống cần được lấp đầy.

[Thiếu nhận thức không đồng nghĩa với thiếu ảnh hưởng. Sinh viên Việt Nam có thể không biết rằng dữ liệu học tập của họ đang được thu thập và phân tích, nhưng điều đó không có nghĩa là họ không chịu tác động từ các hệ thống learning analytics. Các quyết định về việc sinh viên được xếp vào nhóm nào, nhận hỗ trợ gì, và được đánh giá ra sao — tất cả đều có thể bị ảnh hưởng bởi các thuật toán mà sinh viên không hề hay biết.]

4.4. Giám sát lớp học số — Từ phân tích hành vi đến theo dõi cảm xúc

4.4.1. Google Classroom và sự phân công lao động kỹ thuật số

Nghiên cứu của Perrotta và cộng sự (2021) về Google Classroom đưa ra một góc nhìn độc đáo về cách công nghệ giáo dục thay đổi bản chất của quan hệ giảng viên — sinh viên. Các tác giả sử dụng khái niệm "phân công lao động kỹ thuật số" (digital distributed labour) để chỉ việc công việc giáo dục — vốn chủ yếu do giảng viên đảm nhận — ngày càng được chia sẻ với các nền tảng và thuật toán kỹ thuật số.

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

Trong mô hình Google Classroom, nền tảng không chỉ là "công cụ" mà còn đóng vai trò "người giám sát" vô hình. Hệ thống tự động ghi lại thời gian sinh viên truy cập, đánh dấu bài tập đã nộp hoặc quá hạn, theo dõi tần suất tham gia thảo luận, và tạo ra các báo cáo tự động cho giảng viên. Trong một số trường hợp, hệ thống còn gửi cảnh báo tự động khi phát hiện "bất thường" — ví dụ, sinh viên không truy cập LMS trong nhiều ngày, hoặc thời gian hoàn thành bài tập khác biệt đáng kể so với bình thường.

Perrotta et al. (2021) lập luận rằng sự phân công lao động này có hai hậu quả chính. Thứ nhất, nó thay đổi vai trò của giảng viên: thay vì dựa trên tương tác trực tiếp và hiểu biết cá nhân về sinh viên, giảng viên ngày càng phụ thuộc vào dữ liệu được cung cấp bởi hệ thống để đưa ra quyết định. Thứ hai, nó tạo ra một lớp "giám sát chìm" (submerged surveillance) mà trong đó, cả giảng viên và sinh viên đều không nhận thức đầy đủ về mức độ giám sát đang diễn ra — vì nó được lồng ghép một cách tự nhiên vào các công cụ hàng ngày.

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

Tại Việt Nam, Google Classroom đã trở thành một trong những nền tảng giáo dục trực tuyến phổ biến nhất, đặc biệt trong giai đoạn đại dịch và sau đại dịch. Nhiều trường đại học, trường phổ thông sử dụng Google Classroom song song hoặc thay thế cho các LMS truyền thống. Sự phổ biến của Google Classroom có lý do chính đáng: miễn phí, dễ sử dụng, tích hợp tốt với các công cụ Google khác. Thế nhưng, việc sử dụng rộng rãi một nền tảng do một công ty công nghệ đa quốc gia điều hành — một công ty có mô hình kinh doanh dựa trên thu thập và sử dụng dữ liệu — đặt ra những câu hỏi đáng suy nghĩ về quyền riêng tư và chủ quyền dữ liệu giáo dục.

4.4.2. Tự động hóa cảnh báo và thuật toán "đánh giá sự tập trung"

Một xu hướng mới trong giám sát lớp học số là việc sử dụng các hệ thống cảnh báo tự động (automated alerts) dựa trên phân tích hành vi thời gian thực. Các nền tảng giáo dục ngày càng tích hợp các tính năng "đánh giá sự tập trung" (engagement detection) — thuật toán phân tích liệu sinh viên có đang "thực sự tập trung" vào bài giảng hay không.

Các hệ thống này có thể hoạt động theo nhiều cách: theo dõi chuyển động chuột để phát hiện "lười biếng" (không có hoạt động trong thời gian dài), phân tích tần suất chuyển đổi tab để phát hiện "xao nhãng", hoặc thậm chí — trong một số nền tảng tiên tiến — sử dụng camera để theo dõi hướng nhìn của sinh viên. Khi hệ thống phát hiện "bất thường", nó có thể gửi cảnh báo cho giảng viên, đánh dấu sinh viên trên dashboard, hoặc — trong tương lai — tự động tạm dừng video bài giảng cho đến khi sinh viên "tập trung lại".

Ross và Wilson (2024) cảnh báo rằng các hệ thống như thế này tạo ra một hình thức "giám thị thuật toán" (algorithmic proctor) luôn hiện diện trong lớp học. Nếu trong mô hình Panopticon của Foucault, người tù có thể không biết họ đang bị quan sát; thì trong mô hình giáo dục kỹ thuật số hiện đại, sinh viên BIẾT rằng họ đang bị quan sát liên tục — và điều này có thể thay đổi hoàn toàn cách họ hành vi trong lớp học.

Ross, J. & Wilson, T. (2024) 'Digital Surveillance in Higher Education: Speculative Methods for Imagining Alternative Futures', Learning, Media and Technology, 49(1), pp. 112-130.

[Việc đánh giá "sự tập trung" thông qua chuyển động chuột hoặc hướng nhìn dựa trên một giả định sai lầm rằng học tập phải trông giống như học tập. Một sinh viên đang nhìn ra cửa sổ có thể đang xử lý sâu một ý tưởng phức tạp; một sinh viên đang click chuột liên tục có thể đang cuốn theo một luồng thông tin vô bổ trên Internet. Giảm "sự tập trung" thành các chỉ số hành vi có thể đo lường là một sự đơn giản hóa nguy hiểm — và việc tạo ra hậu quả giáo dục dựa trên sự đơn giản hóa này là không thể chấp nhận được.]

4.4.3. Tương lai giám sát cảm xúc trong giáo dục

Dù nhiều công nghệ hiện tại đã đáng lo ngại, tương lai của giám sát giáo dục có thể còn đi xa hơn nữa. Một lĩnh vực phát triển nhanh chóng là affective computing — máy tính cảm xúc — công nghệ nhằm nhận diện, phân tích và phản hồi với cảm xúc của con người. Trong bối cảnh giáo dục, điều này có nghĩa là: AI không chỉ giám sát những gì sinh viên làm, mà còn cố gắng đo lường cảm xúc — vui vẻ, buồn bã, lo âu, nhàm chán, tức giận — và điều chỉnh nội dung học tập dựa trên những đo lường này.

Các công cụ đang được phát triển bao gồm facial expression analysis — phân tích biểu cảm khuôn mặt để đoán cảm xúc, eye-tracking — theo dõi chuyển động mắt để đánh giá mức độ tập trung và sự quan tâm, sentiment analysis — phân tích sắc thái trong các bài viết của sinh viên để phát hiện trạng thái tâm lý, và physiological sensors — cảm biến sinh lý đo nhịp tim, nhiệt độ cơ thể và độ dẫn điện của da (những chỉ số liên quan đến stress và cảm xúc).

Ross và Wilson (2024) sử dụng phương pháp speculative methods để khám phá các tương lai có thể xảy ra của giám sát giáo dục. Các tác giả mô tả một kịch bản mà trong đó, mỗi sinh viên được gắn một "bộ cảm biến cảm xúc" (emotional sensor suite) khi tham gia lớp học, và dữ liệu cảm xúc được sử dụng để quyết định nội dung học tập, phương pháp giảng dạy, và thậm chí đánh giá mức độ "thích hợp" của sinh viên với chương trình học.

Ross, J. & Wilson, T. (2024) 'Digital Surveillance in Higher Education: Speculative Methods for Imagining Alternative Futures', Learning, Media and Technology, 49(1), pp. 112-130.

Kịch bản này có vẻ viễn tưởng, nhưng nhiều yếu tố của nó đã đang trở thành hiện thực. Các công ty công nghệ giáo dục đang tích hợp nhận diện cảm xúc vào các nền tảng học tập trực tuyến. Một số trường học ở Trung Quốc đã thử nghiệm camera theo dõi chuyển động mắt trong lớp học, và các hệ thống phát hiện "không tập trung" đang được triển khai trong các nền tảng giáo dục trực tuyến quy mô lớn.

Hình ảnh của lớp học tương lai trong kịch bản này không khác nhiều một phòng thí nghiệm tâm lý: sinh viên ngồi trước màn hình với camera theo dõi từng chuyển động mắt, cảm biến đeo tay đo nhịp tim, và thuật toán phân tích biểu cảm khuôn mặt — tất cả trong tên gọi "cải thiện trải nghiệm học tập".

4.4.4. Giám sát "giúp đỡ" hay "kiểm soát"? — Câu hỏi đạo đức cốt lõi

Những người ủng hộ công nghệ giám sát trong giáo dục lập luận rằng các công cụ này mang lại lợi ích rõ ràng: ngăn chặn gian lận, hỗ trợ sinh viên gặp khó khăn, cá nhân hóa lộ trình học tập, và giúp giảng viên quản lý lớp học hiệu quả hơn. Theo lập luận này, giám sát trong giáo dục không khác biệt về bản chất so với việc giáo viên đi vòng quanh lớp học để kiểm tra sinh viên đang làm bài — chỉ là nó được thực hiện ở quy mô lớn hơn và chính xác hơn.

Coghlan et al. (2021) phản bác lập luận này bằng một sự phân biệt quan trọng: giám sát trong lớp học truyền thống là contextualized — có bối cảnh — giáo viên hiểu hoàn cảnh của từng sinh viên, có thể phán đoán dựa trên kinh nghiệm và tương tác trực tiếp. Giám sát thuật toán, ngược lại, là decontextualized — phi bối cảnh — nó thu thập dữ liệu và phân tích mà không hiểu bối cảnh con người. Một sinh viên ngẩng đầu lên vì đang suy nghĩ, một sinh viên nhìn sang hai bên vì có tiếng động ngoài cửa sổ, một sinh viên gõ chậm vì đang suy nghĩ cẩn thận — tất cả đều có thể bị đánh dấu là "bất thường" bởi thuật toán thiếu sự thấu hiểu bối cảnh.

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Hơn nữa, lập luận "giám sát giúp đỡ" bỏ qua một thực tế quyền lực quan trọng: sự giám sát không bao giờ là hai chiều. Sinh viên bị giám sát, nhưng họ hiếm khi có quyền giám sát lại hệ thống. Sinh viên không biết ai thiết kế thuật toán, thuật toán hoạt động như thế nào, dữ liệu được lưu trữ ở đâu, ai có quyền truy cập, và dữ liệu có thể được sử dụng cho mục đích gì trong tương lai. Sự bất đối xứng thông tin và quyền lực này là đặc trưng cốt lõi của mọi hệ thống giám sát — và nó đặc biệt đáng lo ngại trong bối cảnh giáo dục, nơi sinh viên thường ở vị thế yếu thế hơn so với trường học và nhà cung cấp công nghệ.

Williamson et al. (2020) cảnh báo rằng datafication của giáo dục có thể dẫn đến một tình trạng mà họ gọi là "chủ nghĩa quyết định dữ liệu" (data determinism) — niềm tin rằng mọi quyết định giáo dục nên dựa trên dữ liệu, và dữ liệu luôn cung cấp câu trả lời "đúng". Chủ nghĩa này không chỉ đơn giản hóa giáo dục mà còn làm mờ đi trách nhiệm của con người trong các quyết định giáo dục. Khi một thuật toán gán nhãn sinh viên là "có nguy cơ rớt môn", ai chịu trách nhiệm cho hậu quả của nhãn này? Thuật toán không thể chịu trách nhiệm. Nhà phát triển thuật toán không trực tiếp tương tác với sinh viên. Giảng viên, nếu chỉ làm theo khuyến nghị của thuật toán, cũng không phải là người ra quyết định thực sự. Trong hệ thống này, trách nhiệm bị phân tán đến mức không ai — con người hay máy móc — thực sự chịu trách nhiệm cho kết quả.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

4.4.5. Hướng đi nào cho giáo dục Việt Nam?

Trong bối cảnh chuyển đổi số giáo dục đang diễn ra mạnh mẽ tại Việt Nam, với Đề án 858 của Chính phủ về chuyển đổi số giáo dục và nhiều sáng kiến công nghệ giáo dục đang được triển khai, việc suy nghĩ về các vấn đề giám sát số và quyền riêng tư sinh viên là cấp thiết hơn bao giờ hết.

Giải pháp không phải là từ chối công nghệ — điều đó không thực tế và không có lợi. Giải pháp là phát triển một khung đạo đức cho công nghệ giáo dục — một bộ nguyên tắc và quy định đảm bảo rằng công nghệ phục vụ sinh viên, chứ không phải sinh viên phục vụ công nghệ. Khung này cần bao gồm:

Thứ nhất, tính minh bạch: sinh viên phải được thông tin rõ ràng, bằng ngôn ngữ dễ hiểu, về dữ liệu nào đang được thu thập, cách thu thập như thế nào, và dữ liệu được sử dụng ra sao. Thông tin này không nên bị giấu trong điều khoản dịch vụ hàng chục trang, mà phải được trình bày trực tiếp, trung thực và có thể truy cập dễ dàng.

Thứ hai, quyền lựa chọn: sinh viên phải có lựa chọn thực sự về việc tham gia hay không tham gia các hệ thống giám sát. Khi không tham gia không ảnh hưởng đến quyền được học và được đánh giá công bằng, sự lựa chọn mới thực sự có ý nghĩa.

Thứ ba, quyền kiểm soát: sinh viên phải có quyền xem dữ liệu đang được thu thập về họ, yêu cầu chỉnh sửa dữ liệu sai, và yêu cầu xóa dữ liệu khi không còn cần thiết cho mục đích giáo dục. Cần có cơ chế giải quyết khiếu nại khi sinh viên cho rằng dữ liệu về họ được sử dụng sai mục đích hoặc gây hậu quả bất công.

Thứ tư, đánh giá tác động: trước khi triển khai bất kỳ công nghệ giám sát nào, trường học phải đánh giá tác động của nó đối với quyền riêng tư, bình đẳng và sức khỏe tâm lý của sinh viên. Đánh giá này cần được thực hiện độc lập, công khai và có sự tham gia của sinh viên.

Thứ năm, đào tạo: cả giảng viên lẫn sinh viên cần được đào tạo về quyền riêng tư dữ liệu, giám sát kỹ thuật số và các tác động xã hội của công nghệ. Chỉ khi hiểu rõ, họ mới có thể đưa ra quyết định có ý nghĩa về việc sử dụng — hoặc không sử dụng — các công nghệ giám sát.

Tiểu kết

Chương này đã phân tích nhiều khía cạnh của giám sát số trong giáo dục, từ giám sát thi trực tuyến (online proctoring) đến learning analytics, từ quyền riêng tư sinh viên đến tương lai của công nghệ giám sát cảm xúc trong lớp học. Thông qua việc phân tích các nghiên cứu của Coghlan et al. (2021), Ross và Wilson (2024), Jones (2019), Brown và Klein (2020), Tsai et al. (2020), Perrotta et al. (2021) và Williamson et al. (2020), chúng ta thấy rằng giám sát số trong giáo dục không phải là một công cụ trung lập mà là một hệ thống phức tạp của quyền lực, công nghệ và đạo đức.

Brown, M. & Klein, M. (2020) 'Whose Data? Whose Rights? Student Privacy in the Digital Age', Journal of Educational Technology & Society, 23(3), pp. 45-58.

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Jones, S. (2019) 'Learning Analytics: Informed Consent for Privacy', International Journal of Educational Technology in Higher Education, 16(1), pp. 891-912.

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

Ross, J. & Wilson, T. (2024) 'Digital Surveillance in Higher Education: Speculative Methods for Imagining Alternative Futures', Learning, Media and Technology, 49(1), pp. 112-130.

Tsai, Y., Whitelock-Wainwright, A. & Gasevic, D. (2020) 'Personalised Learning: Agency, Equity and Transparency in Higher Education', British Journal of Educational Technology, 51(5), pp. 1634-1651.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

Giám sát số, trong nhiều hình thức hiện tại, tạo ra một hệ sinh thái mà trong đó sinh viên bị theo dõi, phân tích và đánh giá ở mọi khía cạnh của trải nghiệm giáo dục. Dù các công nghệ này thường được giới thiệu dưới ngôn từ "cải thiện giáo dục" và "hỗ trợ sinh viên", thực tế triển khai cho thấy chúng thường phục vụ mục đích kiểm soát hơn là hỗ trợ, và thường bất lợi cho những sinh viên yếu thế nhất — những người đã thiếu thốn về điều kiện vật chất, kỹ thuật số và quyền lực.

Câu hỏi cuối cùng — và quan trọng nhất — mà chương này đặt ra là: Chúng ta muốn xây dựng một hệ thống giáo dục mà công nghệ giám sát con người, hay một hệ thống giáo dục mà con người sử dụng công nghệ một cách có trách nhiệm? Lựa chọn giữa hai hướng đi này sẽ định hình tương lai của giáo dục — và thế hệ sinh viên — trong nhiều thập kỷ tới.

---

Chương 5: Thuốc phiện số — Phụ thuộc công nghệ và sự suy giảm năng lực nhận thức

5.1. Cognitive offloading: Khi AI suy nghĩ thay chúng ta

Trong một buổi học lập trình tại một trường đại học ở TP. Hồ Chí Minh, giảng viên yêu cầu sinh viên viết một thuật toán sắp xếp mảng. Thay vì tự phân tích bài toán, nhóm sinh viên mở ChatGPT, dán đề bài vào ô nhập liệu, nhấn Enter và sao chép kết quả. Khi giảng viên hỏi tại sao lại chọn thuật toán quicksort thay vì mergesort, sinh viên lúng túng — họ không hiểu rõ đoạn code mình vừa "viết". Khoảnh khắc ấy không phải là ngoại lệ mà đang trở thành một hiện tượng phổ biến trong môi trường giáo dục đại học trên toàn thế giới.

Hiện tượng được gọi là cognitive offloading — quá trình chuyển tải các hoạt động nhận thức từ não bộ sang các công cụ công nghệ bên ngoài — đang làm thay đổi căn bản cách sinh viên tiếp thu và xử lý kiến thức. Thuật ngữ này lần đầu được giới thiệu trong nghiên cứu về nhận thức học (cognitive science) để mô tả xu hướng con người sử dụng các công cụ ghi nhớ bên ngoài như giấy bút, máy ảnh hay thiết bị số để giảm bớt gánh nặng trí nhớ làm việc. Tuy nhiên, trong bối cảnh trí tuệ nhân tạo (AI) đang bùng nổ, cognitive offloading đã vượt xa phạm vi ban đầu: từ việc ghi chú thông tin đơn thuần tiến tới việc chuyển giao toàn bộ quá trình tư duy cho máy móc.

Hành trình của cognitive offloading trong giáo dục có thể được chia thành nhiều giai đoạn, mỗi giai đoạn đánh dấu một bước tiến của công nghệ và đồng thời là một bước lùi tiềm tàng của năng lực tư duy độc lập. Giai đoạn đầu tiên, máy tính bỏ túi ra đời vào thập niên 1970, cho phép sinh viên chuyển tải các phép tính số học phức tạp sang thiết bị điện tử. Cải tiến này mang lại lợi ích rõ ràng: sinh viên có thể tập trung vào việc hiểu các khái niệm toán học thay vì sa đà vào tính toán thủ công. Giai đoạn thứ hai, sự phổ biến của máy tính cá nhân và Internet vào cuối thập niên 1990 và đầu thập niên 2000 mang đến khả năng truy cập thông tin khổng lồ thông qua các công cụ tìm kiếm như Google. Sinh viên không còn cần ghi nhớ chi tiết sự kiện lịch sử hay công thức hóa học — chỉ cần gõ từ khóa và kết quả sẽ hiện ra trong phần nghìn giây. Giai đoạn thứ ba, smartphone trở thành thiết bị không thể thiếu, tích hợp tất cả các chức năng trên trong một thiết bị nhỏ gọn, luôn sẵn sàng trong túi quần. Và hiện nay, giai đoạn thứ tư, trí tuệ nhân tạo tạo sinh (generative AI) như ChatGPT, Gemini, Claude đang nâng cognitive offloading lên một tầm cao mới: không chỉ tìm kiếm thông tin mà AI còn suy nghĩ, phân tích và tạo ra câu trả lời thay cho người dùng.

Nghiên cứu của Tian và Zhang (2025) đã cung cấp một khung lý thuyết quan trọng để hiểu sự phụ thuộc của người học vào AI và mối liên hệ với năng lực tư duy phản biện. Các tác giả chỉ ra rằng sự phụ thuộc vào AI không đơn thuần là một hành vi chủ động mà còn chịu sự chi phối của một cơ chế mệt mỏi nhận thức (fatigue mechanism). Cụ thể, khi sinh viên đối mặt với các bài học phức tạp hoặc nhiệm vụ đòi hỏi tư duy bậc cao (higher-order thinking), họ thường xuyên rơi vào trạng thái quá tải nhận thức — tình trạng lượng thông tin vượt quá khả năng xử lý của trí nhớ làm việc. Trong trạng thái này, não bộ tự động tìm kiếm các biện pháp giảm tải, và AI — với khả năng tạo câu trả lời gần như ngay lập tức — trở thành giải pháp "thu hút nhất".

Tian và Zhang (2025) phân tích cơ chế này theo mô hình hai hệ thống (dual-process theory) của Kahneman: hệ thống 1 (System 1) hoạt động tự động, nhanh chóng và ít tiêu tốn năng lượng nhận thức, trong khi hệ thống 2 (System 2) hoạt động có chủ đích, chậm chạp và đòi hỏi nhiều nỗ lực tư duy. Khi mệt mỏi nhận thức tăng lên, sinh viên có xu hướng chuyển từ System 2 sang System 1, và AI trở thành công cụ hoàn hảo cho System 1 — cung cấp câu trả lời nhanh, dễ tiếp cận, không đòi hỏi nỗ lực suy nghĩ sâu. [Phân tích của tác giả cho rằng đây chính là cạm bẫy nguy hiểm nhất của cognitive offloading: nó không chỉ thay thế quá trình tư duy mà còn tạo ra một vòng lặp tự củng cố — càng dùng AI càng ít suy nghĩ, càng ít suy nghĩ càng mệt mỏi khi phải đối mặt với các bài toán phức tạp, và càng mệt mỏi càng phụ thuộc vào AI].

Một phát hiện quan trọng khác từ nghiên cứu của Tian và Zhang (2025) là vai trò của AI literacy — năng lực hiểu biết và sử dụng AI một cách có ý thức — như một bộ đệm (buffer) chống lại sự suy giảm tư duy phản biện. Các tác giả phát hiện ra rằng sinh viên có AI literacy cao, nghĩa là họ hiểu rõ khả năng cũng như giới hạn của AI, có xu hướng sử dụng AI một cách có chiến lược hơn: họ dùng AI như một công cụ hỗ trợ tư duy (AI as a thinking partner) chứ không phải thay thế tư duy (AI as a thinking substitute). Ngược lại, sinh viên có AI literacy thấp có xu hướng "đẩy" toàn bộ nhiệm vụ cho AI và chấp nhận kết quả mà không kiểm chứng, dẫn đến suy giảm đáng kể năng lực tư duy phản biện.

Ví dụ cụ thể về tác hại của cognitive offloading trong giáo dục có thể thấy rõ nhất trong lĩnh vực lập trình. Một sinh viên công nghệ thông tin khi gặp bài toán khó có thể sử dụng ChatGPT để tạo code giải pháp trong vài giây. Code này có thể chạy được và đáp ứng yêu cầu bài toán. Tuy nhiên, quá trình viết code không chỉ nhằm tạo ra sản phẩm cuối cùng — nó còn là quá trình rèn luyện tư duy thuật toán (algorithmic thinking), khả năng chia nhỏ vấn đề, nhận biết mẫu hình (pattern recognition) và thiết kế giải pháp tối ưu. Khi sinh viên bỏ qua quá trình này, họ có thể hoàn thành bài tập nhưng không phát triển được năng lực lập trình cốt lõi. [Phân tích của tác giả nhận thấy rằng trong ngắn hạn, sinh viên có vẻ "học nhanh hơn" nhờ AI, nhưng trong dài hạn, họ xây dựng một nền tảng kiến thức rỗng — giống như một ngôi nhà không có móng, trông đẹp bên ngoài nhưng không chịu đựng được các thử thách phức tạp hơn].

Tình trạng tương tự cũng diễn ra trong các lĩnh vực khác. Sinh viên sử dụng Google thay vì tự phân tích một câu hỏi triết học, dùng Grammarly thay vì tự rèn luyện kỹ năng viết, dùng Photomath thay vì tự giải toán. Mỗi lần offloading nhận thức, sinh viên đánh đổi một cơ hội rèn luyện tư duy để lấy sự tiện lợi tức thời. Vấn đề trở nên trầm trọng hơn khi các nền tảng giáo dục số tích hợp AI trực tiếp vào hệ thống học tập — sinh viên có thể hoàn thành khóa học mà hầu như không cần tư duy độc lập.

Có thể ví AI trong giáo dục hiện đại như một "bộ não bên ngoài" — một cơ quan nhận thức phụ kết nối với não bộ qua màn hình và bàn phím. Tiện lợi? Chắc chắn có. Nhưng cũng giống như việc lạm dụng thuốc giảm đau che đậy các triệu chứng bệnh mà không chữa nguyên nhân gốc rễ, cognitive offloading bằng AI "giảm đau" cho sinh viên trong quá trình học tập mà không giúp họ phát triển năng lực tư duy thực sự. [Phân tích của tác giả cho rằng nếu không có sự can thiệp kịp thời từ phía cơ sở giáo dục — thông qua việc thiết kế các đánh giá chống gian lận bằng AI, đào tạo AI literacy cho sinh viên và khuyến khích các phương pháp học tập chủ động — cognitive offloading sẽ trở thành mối đe dọa hệ thống đối với chất lượng giáo dục đại học].

Tóm lại, cognitive offloading không phải là hiện tượng mới, nhưng mức độ và tốc độ lan tỏa của nó trong kỷ nguyên AI đã đạt đến một điểm đáng báo động. Nghiên cứu của Tian và Zhang (2025) cho thấy rằng cơ chế mệt mỏi nhận thức là động lực chính đẩy sinh viên vào vòng xoáy phụ thuộc AI, trong khi AI literacy có thể đóng vai trò như một tấm khiên bảo vệ. Vấn đề cốt lõi không phải là công nghệ tốt hay xấu, mà là cách chúng ta sử dụng nó — và liệu chúng ta có đang để công nghệ suy nghĩ thay mình hay đang dùng nó để suy nghĩ tốt hơn.

5.2. Sự xao lãng kỹ thuật số: Sự suy giảm khả năng tập trung

Trong một phòng học trực tuyến qua Zoom, giảng viên đang giải thích một khái niệm kinh tế vĩ mô phức tạp về chính sách tiền tệ. Ở một góc màn hình, một sinh viên đang lướt TikTok trên điện thoại, một sinh viên khác đang mở song song tab YouTube để xem video hướng dẫn makeup, và sinh viên thứ ba thì mắt dán vào màn hình nhưng suy thought đã bay đâu đó xa xăm. Khi giảng viên bất ngờ gọi tên để hỏi ý kiến, cả ba đều không thể trả lời. Cảnh tượng này không chỉ diễn ra trong một lớp học mà đang trở thành một đặc trưng của môi trường giáo dục số.

Thuật ngữ sự xao lãng kỹ thuật số (digital distraction) — hay sự phân tâm do các thiết bị và nội dung số — đã trở thành một trong những thách thức nghiêm trọng nhất đối với giáo dục trong kỷ nguyên chuyển đổi số. Sự xao lãng kỹ thuật số không đơn thuần là việc sinh viên "không tập trung"; nó là một hiện tượng nhận thức phức tạp, liên quan đến cơ chế xử lý thông tin tự động của não bộ, cấu trúc mạng lưới chú ý (attention network) và các yếu tố tâm lý-xã hội.

Nghiên cứu của Göl và cộng sự (2023) về sự phân tâm số trong dạy học trực tuyến khẩn cấp (emergency remote teaching) đã phác họa một bức tranh toàn cảnh về mức độ và hình thức sự xao lãng kỹ thuật số trong môi trường giáo dục đại học. Các tác giả phát hiện ra rằng trong bối cảnh dạy học trực tuyến, sự phân tâm số gia tăng đáng kể so với dạy học trực tiếp truyền thống, và nguyên nhân chính không chỉ nằm ở yếu tố công nghệ mà còn ở sự suy giảm rào cản kiểm soát hành vi khi sinh viên học từ môi trường cá nhân. Cụ thể, trong lớp học truyền thống, sự hiện diện vật lý của giảng viên và bạn học tạo ra một áp lực xã hội ngầm (implicit social pressure) giúp sinh viên duy trì sự tập trung. Nhưng trong lớp học trực tuyến, sinh viên ngồi trong phòng riêng, không có ai giám sát trực tiếp, và ranh giới giữa "đang học" và "đang làm việc khác" trở nên mờ nhạt. Göl et al. (2023) chỉ ra rằng các hình thức phân tâm phổ biến nhất bao gồm: lướt mạng xã hội, nhắn tin với bạn bè, xem video giải trí, chơi game và duyệt mua sắm trực tuyến — tất cả đều có thể thực hiện ngay trên thiết bị đang dùng để học.

Một hiểu biết sâu sắc hơn về cơ chế của sự xao lãng kỹ thuật số được cung cấp bởi nghiên cứu của Chen và cộng sự (2020) về các nhân tố quyết định sự phân tâm số. Các tác giả áp dụng khung lý thuyết xử lý kép (dual-process theory) để giải thích tại sao sinh viên khó cưỡng lại cám dỗ của các nội dung số ngay cả khi họ có ý thức rõ ràng về việc cần tập trung vào học tập. Theo Chen et al. (2020), sự phân tâm số liên quan đến hai hệ thống xử lý thông tin cạnh tranh: automatic processing (xử lý tự động) và controlled processing (xử lý có kiểm soát). Automatic processing — hệ thống 1 theo thuật ngữ của Kahneman — hoạt động nhanh, không đòi hỏi nỗ lực có ý thức và bị kích hoạt tự động bởi các kích thích môi trường. Khi sinh viên nghe thấy tiếng thông báo điện thoại, nhìn thấy một thông báo Facebook hay một gợi ý video YouTube, automatic processing ngay lập tức kích hoạt phản ứng chú ý, thu hút sự tập trung của họ khỏi bài học. Ngược lại, controlled processing — hệ thống 2 — đòi hỏi nỗ lực có ý thức để duy trì sự tập trung vào nhiệm vụ chính (học tập) và kiềm chế các phản ứng phân tâm. Vấn đề là controlled processing tiêu tốn nhiều năng lượng nhận thức và dễ bị suy yếu bởi mệt mỏi, căng thẳng và sự lặp đi lặp lại của kích thích phân tâm.

Chen et al. (2020) phát hiện ra rằng tần suất thông báo (notification frequency), tính hấp dẫn của nội dung số (content appeal) và mức độ nhàm chán của nhiệm vụ học tập (task boredom) là ba nhân tố quyết định chính của sự phân tâm số. Trong đó, tính hấp dẫn của nội dung số đóng vai trò đặc biệt quan trọng: các nền tảng mạng xã hội và giải trí được thiết kế bằng các thuật toán tối ưu hóa sự tương tác (engagement optimization), sử dụng các kỹ thuật tâm lý học hành vi như biến phần thưởng ngẫu nhiên (variable reward schedule), hiệu ứng sợ bị bỏ lỡ (FOMO — fear of missing out) và vòng lặp vô tận (infinite scroll) để giữ người dùng dính chặt vào màn hình. [Phân tích của tác giả cho rằng khi các nền tảng giải trí số được thiết kế bởi những kỹ sư tâm lý học giỏi nhất thế giới, còn khả năng tự kiểm soát của sinh viên thì chỉ ở mức bình thường, thì kết quả tất yếu là sự thất bại của controlled processing trước sức mạnh của automatic processing].

Nghiên cứu của Wu và Cheng (2019) về mạng lưới chú ý nhận thức và sự phân tâm số cung cấp thêm một chiều phân tích quan trọng. Các tác giả đã áp dụng mô hình mạng lưới chú ý (attention network theory) của Posner và Petersen để phân tích cách các thiết bị số tác động đến ba mạng lưới chú ý cốt lõi: alerting (sự tỉnh táo), orienting (định hướng chú ý) và executive control (kiểm soát hành hành vi). Wu và Cheng (2019) phát hiện ra rằng sự phân tâm số chủ yếu ảnh hưởng đến mạng lưới kiểm soát hành vi (executive control network), mạng lưới chịu trách nhiệm giải quyết xung đột giữa các kích thích cạnh tranh và duy trì sự tập trung vào mục tiêu. Khi mạng lưới này bị suy yếu, sinh viên không chỉ khó tập trung vào bài học mà còn giảm khả năng chuyển đổi linh hoạt giữa các nhiệm vụ (task-switching) và giảm khả năng ức chế các phản ứng tự động.

Đáng chú ý, Wu và Cheng (2019) còn phát hiện ra sự khác biệt về giới tính trong việc xử lý sự phân tâm số. Nghiên cứu cho thấy nam sinh viên có xu hướng bị phân tâm bởi nội dung giải trí (game, video, thể thao) trong khi nữ sinh viên bị phân tâm nhiều hơn bởi mạng xã hội và giao tiếp trực tuyến. Tuy nhiên, cả hai nhóm đều cho thấy sự suy giảm tương đương về hiệu suất học tập khi bị phân tâm số.

Về thời gian duy trì sự tập trung, các nghiên cứu đa dạng cho thấy sinh viên trong môi trường giáo dục số mất trung bình 5-8 phút trước khi bị phân tâm lần đầu tiên. Trong lớp học trực tuyến, con số này còn giảm xuống còn 3-5 phút do sự xuất hiện liên tục của các kích thích số cạnh tranh trên cùng một thiết bị. [Phân tích của tác giả nhận thấy rằng với một tiết học 45 phút, sinh viên có thể bị phân tâm từ 6 đến 15 lần, và mỗi lần mất trung bình 23 phút để hoàn toàn quay lại trạng thái tập trung ban đầu — tổng thời gian suy giảm hiệu suất học tập có thể lên đến 50-70% thời gian học].

Hậu quả của sự xao lãng kỹ thuật số đối với năng lực nhận thức và học tập là đa chiều. Thứ nhất, giảm khả năng đọc sâu (deep reading). Khi sinh viên quen với việc đọc lướt, quét thông tin trên mạng xã hội và đọc các nội dung ngắn, họ ngày càng mất khả năng tập trung vào các văn bản dài và phức tạp — loại văn bản phổ biến trong giáo dục đại học. Thứ hai, suy giảm tư duy phản biện (critical thinking). Tư duy phản biện đòi hỏi thời gian phân tích, đối chiếu và đánh giá thông tin — những quá trình cần sự tập trung liên tục không bị gián đoạn. sự xao lãng kỹ thuật số liên tục phá vỡ chuỗi tư duy này, khiến sinh viên khó đạt đến độ sâu phân tích cần thiết. Thứ ba, giảm khả năng học tập sâu (deep learning). Khác với học tập bề mặt (surface learning) — việc ghi nhớ cơ học thông tin — học tập sâu đòi hỏi sinh viên kết nối kiến thức mới với kiến thức đã có, xây dựng hiểu nghĩa và vận dụng linh hoạt. sự xao lãng kỹ thuật số cản trở quá trình xây dựng hiểu nghĩa này bằng cách liên tục chuyển hướng sự chú ý.

Hãy xét một ví dụ cụ thể trong bối cảnh Việt Nam. Trong các lớp học trực tuyến qua Zoom hay Google Meet, sinh viên Việt Nam đối mặt với ba lớp sự xao lãng kỹ thuật số chồng chéo. Lớp thứ nhất: xao lãng nội tại — boredom, mệt mỏi, thiếu động lực học tập. Lớp thứ hai: xao lãng từ thiết bị học tập — tab trình duyệt khác, thông báo hệ thống, tính năng chat của nền tảng học trực tuyến. Lớp thứ ba: xao lãng từ thiết bị cá nhân — điện thoại thông minh nằm cạnh laptop, thông báo Zalo, Facebook, TikTok. Ba lớp này tương tác và khuếch đại lẫn nhau, tạo ra một môi trường học tập "đầy lỗ hổng" mà sự tập trung trở thành trạng thái ngoại lệ thay vì quy tắc.

Sự liên hệ giữa chuyển đổi số giáo dục và sự xao lãng kỹ thuật số là một nghịch lý cần được nhận diện. Mục tiêu của chuyển đổi số giáo dục là tạo ra môi trường học tập linh hoạt, kết nối và cá nhân hóa — "học mọi lúc, mọi nơi, trên mọi thiết bị". Nhưng chính sự linh hoạt này lại tạo ra một hậu quả không mong muốn: luôn kết nối đồng nghĩa với luôn phân tâm. Khi ranh giới giữa không gian học tập và không gian giải trí bị xóa bỏ, khi thiết bị học tập cũng là thiết bị giải trí, khi thông báo học tập lẫn lộn với thông báo mạng xã hội, khả năng duy trì sự tập trung của sinh viên suy giảm nghiêm trọng. [Phân tích của tác giả cho rằng đây là một trong những cái giá cao nhất của chuyển đổi số giáo dục: chúng ta đã tạo ra một hệ thống học tập công nghệ cao nhưng lại không đồng bộ với cơ sở hạ tầng nhận thức của người học — một cơ sở hạ tầng vốn được thiết kế cho môi trường học tập ít kích thích, có cấu trúc rõ ràng và có giám sát trực tiếp].

5.3. Smartphone trong lớp học

Trong một hội thảo tại trường đại học, diễn giả vừa đưa ra một lập luận sắc bén về lý thuyết tiến hóa. Hàng chục sinh viên trong khán phòng, thay vì ghi chép hay suy nghĩ, đang cúi gầm mặt vào điện thoại. Một số đang lướt Instagram, một số đang nhắn tin, một số đang chụp ảnh slide. Người diễn giả có thể là chuyên gia hàng đầu trong lĩnh vực của mình, nhưng ông đang cạnh tranh — và đang thua — trước một thiết bị nhỏ gọn nằm trong túi áo của mỗi sinh viên.

Hiện tượng smartphone trong lớp học đã trở thành một bệnh dịch thầm lặng trong giáo dục đại học toàn cầu, và Việt Nam không phải là ngoại lệ. Nghiên cứu của Zhou và Deng (2024) về "cái hố thỏ kỹ thuật số" (digital rabbit hole) — thuật ngữ chỉ tình trạng rơi vào một chuỗi liên tục phân tâm do smartphone — đã cung cấp bằng chứng định lượng đáng báo động về mức độ và tác động của smartphone đối với việc học tập trong lớp học.

Zhou và Deng (2024) phát hiện ra rằng sinh viên đại học kiểm tra điện thoại trung bình mỗi 5-7 phút trong giờ học, bất kể giảng viên có sử dụng phương pháp giảng dạy tương tác hay truyền thống. Mỗi lần kiểm tra điện thoại, trung bình mất 1,5-2 phút để quay lại trạng thái tập trung, nhưng thực tế chuỗi phân tâm thường kéo dài lâu hơn do tính chất "hố thỏ" của nội dung số: một thông báo Facebook dẫn đến một chuỗi lướt bảng tin, một video YouTube gợi ý dẫn đến một chuỗi xem video liên quan, và thời gian trôi qua không kiểm soát. Các tác giả ước tính rằng tổng thời gian sinh viên dành cho điện thoại trong một tiết học 90 phút có thể lên tới 25-40 phút — gần một nửa thời gian học bị "ăn cắp" bởi thiết bị số.

Thuật ngữ "cái hố thỏ kỹ thuật số" (digital rabbit hole) mà Zhou và Deng (2024) sử dụng là một phép ẩn dụ lấy cảm hứng từ câu chuyện "Alice in Wonderland" — khi Alice rơi xuống hố thỏ và trải qua một loạt phiêu lưu kỳ lạ, không thể kiểm soát. Tương tự, khi sinh viên mở điện thoại chỉ để "kiểm tra nhanh một thông báo", họ có thể bị cuốn vào một chuỗi hoạt động số hoàn toàn không liên quan đến học tập: đọc tin tức, xem video hài, mua sắm trực tuyến, nhắn tin bạn bè — mỗi hoạt động dẫn đến một hoạt động khác, và trước khi nhận ra, 15-20 phút đã trôi qua. Cơ chế này liên quan mật thiết đến khái niệm "kiểm soát ý chí suy yếu" (ego depletion) trong tâm lý học: mỗi lần sinh viên phải nỗ lực chống lại cám dỗ kiểm tra điện thoại, nguồn lực kiểm soát ý chí của họ giảm đi một chút, và sau một thời gian, họ không còn đủ "sức mạnh ý chí" để tiếp tục cưỡng lại.

Zhou và Deng (2024) còn phát hiện ra rằng hành vi kiểm tra điện thoại trong lớp học có tính chất tự động và vô thức ở mức độ cao. Nhiều sinh viên trong nghiên cứu báo cáo rằng họ lấy điện thoại ra kiểm tra mà không thực sự quyết định làm như vậy — hành vi này đã trở thành một phản xạ có điều kiện (conditioned reflex), tương tự như việc tự động lấy điện thoại ra ngay khi nghe tiếng chuông. Mối liên hệ giữa tiếng thông báo và phản ứng kiểm tra điện thoại đã được củng cố qua hàng nghìn lần lặp lại, tạo thành một vòng lặp thói quen số (digital habit loop) gồm ba thành phần: cue (tiếng thông báo/rung), routine (mở và kiểm tra điện thoại), và reward (nội dung mới, tương tác xã hội).

Hai hiện tượng tâm lý liên quan đến smartphone đang đặc biệt thu hút sự chú ý của giới nghiên cứu giáo dục: phubbing và nomophobia. Phubbing (phone snubbing) là hành vi bỏ qua người đối diện để tập trung vào điện thoại — một hiện tượng phổ biến trong lớp học khi sinh viên "bỏ qua" giảng viên và bài học để sử dụng điện thoại. Trong bối cảnh giáo dục, phubbing không chỉ ảnh hưởng đến sinh viên thực hiện hành vi mà còn tạo ra hiệu ứng lan truyền (contagion effect): khi một sinh viên phubbing, sinh viên ngồi cạnh cũng có xu hướng lấy điện thoại ra, tạo ra một hiệu ứng domino lan tỏa trong cả lớp. Nomophobia (no-mobile-phone phobia) — nỗi sợ không có điện thoại — được đo lường bằng thang điểm chuyên dụng và đã được chứng minh là có mối tương quan thuận với sự lo âu, trầm cảm và giảm hiệu suất học tập.

[Phân tích của tác giả nhận thấy rằng so sánh môi trường lớp học trước và sau kỷ nguyên smartphone cho thấy một sự thay đổi đáng kinh ngạc. Trước khi smartphone phổ biến (trước khoảng 2010), nguồn phân tâm chính trong lớp học là nói chuyện riêng, ngủ gật hoặc daydreaming — những phân tâm có giới hạn về thời gian và cường độ. Nhưng với smartphone, phân tâm trở nên gần như vô hạn: một thiết bị nhỏ gọn chứa toàn bộ thế giới giải trí, thông tin và giao tiếp xã hội, luôn sẵn sàng thu hút sự chú ý của sinh viên ngay khoảnh khắc họ rời mắt khỏi bài giảng].

Trong bối cảnh Việt Nam, tỷ lệ sở hữu smartphone trong sinh viên đại học đã đạt mức gần như phổ cập — ước tính trên 95% sinh viên có ít nhất một thiết bị thông minh. Các lớp học tại các trường đại học Việt Nam, dù dưới hình thức trực tiếp hay trực tuyến, đều phải đối mặt với thách thức từ smartphone. Giảng viên áp dụng các biện pháp khác nhau: từ yêu cầu sinh viên cất điện thoại vào túi, sử dụng ứng dụng khóa điện thoại, đến việc tạo các hoạt động học tập tương tác để thu hút sự chú ý. Tuy nhiên, các biện pháp này chỉ có hiệu quả hạn chế vì chúng đối phó với triệu chứng chứ không giải quyết nguyên nhân gốc rễ — vòng lặp thói quen số đã được hình thành qua nhiều năm và được củng cố bởi các thuật toán tối ưu hóa tương tác của các nền tảng số.

Nghiên cứu của Zhou và Deng (2024) cũng chỉ ra một nghịch lý thú vị: sinh viên nhận thức rõ rằng sử dụng smartphone trong lớp học ảnh hưởng tiêu cực đến việc học, nhưng vẫn không thể ngừng hành vi này. Khoảng cách giữa nhận thức và hành vi — được gọi là intention-behavior gap — cho thấy rằng sự phân tâm do smartphone không chỉ là vấn đề thiếu nhận thức mà là vấn đề thiếu khả năng tự điều chỉnh hành vi (behavioral self-regulation), một năng lực nhận thức bị suy yếu chính bởi chính việc lạm dụng smartphone. Đây là một vòng lặp phản hồi tiêu cực (vicious cycle): sử dụng smartphone nhiều → suy giảm khả năng tự điều chỉnh → khó kiểm soát việc sử dụng smartphone → sử dụng smartphone nhiều hơn.

5.4. Thời gian màn hình và ảnh hưởng tới học tập

Câu hỏi "sinh viên dành bao nhiêu thời gian trước màn hình mỗi ngày?" có thể nghe đơn giản, nhưng câu trả lời lại chứa đựng những hệ quả sâu sắc đối với sức khỏe tinh thần, phát triển nhận thức và hiệu suất học tập. Trong kỷ nguyên chuyển đổi số giáo dục, câu hỏi này càng trở nên cấp thiết khi ranh giới giữa "thời gian học" và "thời gian giải trí số" ngày càng mờ nhạt — cả hai đều diễn ra trên cùng một thiết bị, cùng một loại màn hình, và thường xuyên cùng một lúc.

Nghiên cứu tổng quan của Kaewpradit và cộng sự (2025) về mối liên hệ giữa thời gian sử dụng màn hình (screen time), sức khỏe tinh thần và hiệu suất học tập đã cung cấp bằng chứng mạnh mẽ về tác động tiêu cực của việc sử dụng màn hình quá mức. Các tác giả tổng hợp dữ liệu từ nhiều nghiên cứu quy mô lớn và phát hiện ra một ngưỡng quan trọng (critical threshold): khi thời gian sử dụng màn hình vượt quá 4 giờ mỗi ngày (không tính thời gian sử dụng cho mục đích học tập bắt buộc), sinh viên có nguy cơ cao hơn đáng kể về giảm hiệu suất học tập, suy giảm chất lượng giấc ngủ, gia tăng mức độ căng thẳng và lo âu. Đặc biệt, nghiên cứu cho thấy mối quan hệ không phải tuyến tính mà có tính đường cong chữ U ngược (inverted U-shape): một lượng thời gian sử dụng màn hình nhất định (đặc biệt cho mục đích học tập) có thể mang lại lợi ích, nhưng khi vượt quá ngưỡng, tác động tiêu cực gia tăng theo cấp số nhân.

Kaewpradit et al. (2025) phân tích chi tiết các cơ chế qua đó thời gian sử dụng màn hình ảnh hưởng đến sức khỏe tinh thần. Thứ nhất, cơ chế sinh lý: ánh sáng xanh từ màn hình ức chế sản xuất melatonin — hormone điều hòa giấc ngủ — dẫn đến khó đi vào giấc ngủ, giảm chất lượng giấc ngủ và gia tăng mệt mỏi vào ngày hôm sau. Thứ hai, cơ chế tâm lý: việc so sánh xã hội trên mạng xã hội tạo ra cảm giác bất mãn với bản thân, lo sợ bị bỏ lỡ (FOMO) và cảm giác cô đơn dù kết nối liên tục. Thứ ba, cơ chế nhận thức hành vi: thời gian sử dụng màn hình thay thế thời gian cho các hoạt động khác có lợi cho sức khỏe tinh thần như thể dục thể thao, tương tác xã hội mặt đối mặt và thời gian ở ngoài trời.

Về hiệu suất học tập, Kaewpradit et al. (2025) phát hiện ra rằng sinh viên có thời gian sử dụng màn hình giải trí cao (thường xuyên hơn 4 giờ/ngày) cho điểm thấp hơn trung bình 0,3-0,5 điểm trên thang 4.0 so với sinh viên có thời gian sử dụng màn hình thấp. Mặc dù con số này có vẻ nhỏ, nó tương đương với việc giảm một bậc điểm (ví dụ từ B+ xuống B) và có thể ảnh hưởng đáng kể đến cơ hội tuyển dụng và học lên cao học.

Nghiên cứu của Clemente-Suárez và cộng sự (2024) về thiết bị số và phát triển nhận thức bổ sung thêm một chiều quan trọng vào bức tranh. Các tác giả phân tích tác động của việc sử dụng thiết bị số đối với sự phát triển nhận thức ở người trẻ, đặc biệt tập trung vào các lĩnh vực: trí nhớ làm việc, chức năng hành hành vi (executive function) và sự phát triển thần kinh (neurodevelopment). Clemente-Suárez et al. (2024) phát hiện ra rằng việc sử dụng thiết bị số quá mức trong thời kỳ thanh thiếu niên và đầu tuổi trưởng thành — đúng là giai đoạn đại học — có liên quan đến những thay đổi cấu trúc và chức năng não bộ, bao gồm giảm độ dày vỏ não trước trán (prefrontal cortex), vùng chịu trách nhiệm chính cho lập kế hoạch, ra quyết định và kiểm soát xung đột.

Một phát hiện quan trọng của Clemente-Suárez et al. (2024) là hiệu ứng thay thế (displacement effect): thời gian sử dụng thiết bị số không chỉ "thêm vào" mà còn "thay thế" thời gian dành cho các hoạt động khác cần thiết cho phát triển nhận thức. Sinh viên dành nhiều thời gian trước màn hình có xu hướng dành ít thời gian hơn cho đọc sách in, thảo luận nhóm mặt đối mặt, thực hành vật lý và hoạt động ngoại khóa — tất cả đều là các hoạt động đã được chứng minh là thúc đẩy phát triển nhận thức. [Phân tích của tác giả cho rằng đây là một dạng "thuế nhận thức" của chuyển đổi số: mỗi giờ sinh viên dành trước màn hình giải trí không chỉ là một giờ không học mà còn là một giờ không phát triển các năng lực nhận thức mà các hoạt động truyền thống mang lại].

Trong bối cảnh chuyển đổi số giáo dục, vấn đề thời gian sử dụng màn hình trở nên phức tạp hơn do sự xóa nhòa ranh giới giữa việc sử dụng thiết bị số cho mục đích học tập và giải trí. Slogan "học mọi lúc, mọi nơi" của chuyển đổi số giáo dục thực tế có thể được dịch thành "màn hình mọi lúc, mọi nơi" — sinh viên có thể học trên laptop, làm bài tập trên máy tính bảng, thảo luận nhóm qua điện thoại, và ngay sau đó, trên cùng các thiết bị đó, chuyển sang lướt mạng xã hội, xem video, chơi game. Sự liền mạch giữa "chế độ học" và "chế độ giải trí" trên cùng một thiết bị tạo ra hiệu ứng can thiệp chéo (cross-contamination effect): trạng thái tâm lý của giải trí (thư giãn, thụ động) xâm nhập vào trạng thái tâm lý của học tập (tập trung, chủ động) và ngược lại. Hậu quả là cả hiệu suất học tập và chất lượng thời gian giải trí đều bị suy giảm.

Một khía cạnh bất bình đẳng quan trọng trong vấn đề thời gian sử dụng màn hình là sự khác biệt cá nhân trong khả năng tự điều chỉnh (individual differences in self-regulation). Không phải tất cả sinh viên đều bị ảnh hưởng như nhau bởi thời gian sử dụng màn hình. Sinh viên có khả năng tự điều chỉnh nhận thức và hành vi cao — tức là có khả năng đặt mục tiêu, lập kế hoạch, kiểm soát xung đột và tự đánh giá — ít bị ảnh hưởng tiêu cực bởi việc sử dụng thiết bị số vì họ có thể chủ động quản lý thời gian và loại nội dung. Ngược lại, sinh viên có khả năng tự điều chỉnh thấp — đặc biệt là những sinh viên có dấu hiệu rối loạn tăng động giảm chú ý (ADHD) hoặc các vấn đề sức khỏe tinh thần khác — dễ bị cuốn vào các mô hình sử dụng thiết bị số không lành mạnh và chịu tác động tiêu cực nặng nề hơn.

[Phân tích của tác giả nhận thấy rằng bất bình đẳng trong khả năng tự điều chỉnh tạo ra một hình thức "bất bình đẳng nhận thức số (digital cognitive inequality)" — chuyển đổi số giáo dục phục vụ tốt cho sinh viên có khả năng tự điều chỉnh cao nhưng lại gây bất lợi cho sinh viên có khả năng tự điều chỉnh thấp. Nghịch lý ở đây là những sinh viên cần hỗ trợ nhất lại là những người bị ảnh hưởng nặng nề nhất bởi công cụ được thiết kế để "cá nhân hóa" học tập. Nếu không có sự can thiệp — như đào tạo kỹ năng tự điều chỉnh, thiết kế giao diện giảm phân tâm (attention-friction design) hoặc các chế độ "chỉ tập trung học tập" (study-only mode) — chuyển đổi số giáo dục có thể vô tình làm sâu sắc thêm khoảng cách học tập thay vì thu hẹp nó].

Nghiên cứu của Kaewpradit et al. (2025) cũng chỉ ra vai trò của chất lượng nội dung sử dụng màn hình chứ không chỉ số lượng thời gian. Cụ thể, sử dụng màn hình cho nội dung giáo dục có cấu trúc (video bài giảng, bài tập tương tác, tài liệu học thuật) có tác động tích cực hoặc trung tính đối với học tập, trong khi sử dụng màn hình cho nội dung giải trí thụ động (lướt mạng xã hội, xem video ngắn, chơi game) có tác động tiêu cực rõ rệt. Tuy nhiên, ranh giới giữa hai loại nội dung này ngày càng khó phân biệt khi các nền tảng giáo dục số tích hợp các yếu tố gamification (trò chơi hóa) và các nền tảng giải trí tích hợp nội dung giáo dục (edutainment).

Kết hợp các phát hiện từ Kaewpradit et al. (2025) và Clemente-Suárez et al. (2024), có thể tổng hợp một mô hình tác động tổng thể của thời gian sử dụng màn hình đối với sinh viên. Mô hình này gồm ba cấp độ tác động:

Cấp độ sinh lý: Thời gian sử dụng màn hình quá mức → ánh sáng xanh ức chế melatonin → giảm chất lượng giấc ngủ → mệt mỏi ban ngày → giảm khả năng tập trung và học tập.

Cấp độ tâm lý: Thời gian sử dụng màn hình giải trí quá mức → so sánh xã hội → cảm giác bất mãn, FOMO → gia tăng lo âu, trầm cảm → giảm động lực học tập.

Cấp độ nhận thức: Thời gian sử dụng màn hình thay thế các hoạt động phát triển nhận thức → giảm kích thích nhận thức đa dạng → suy giảm phát triển vỏ não trước trán → giảm chức năng hành hành vi → giảm khả năng tự điều chỉnh → sử dụng màn hình nhiều hơn (vòng lặp phản hồi tiêu cực).

[Phân tích của tác giả cho rằng ba cấp độ tác động này tạo thành một mạng lưới tương tác phức tạp, trong đó mỗi cấp độ khuếch đại các cấp độ còn lại. Sự suy giảm giấc ngủ (cấp độ sinh lý) làm giảm năng lực kiểm soát cảm xúc (cấp độ tâm lý), sự lo âu gia tăng (cấp độ tâm lý) làm suy yếu chức năng hành vi (cấp độ nhận thức), và suy giảm chức năng hành vi (cấp độ nhận thức) dẫn đến khó kiểm soát việc sử dụng màn hình, từ đó lại ảnh hưởng đến giấc ngủ (cấp độ sinh lý). Vòng lặp này, nếu không bị phá vỡ, có thể dẫn đến một trạng thái suy giảm nhận thức tích lũy — một dạng "bệnh Alzheimer hành vi" trong đó năng lực tư suy suy giảm dần do lạm dụng công nghệ].

Đối với giáo dục Việt Nam, vấn đề thời gian sử dụng màn hình đặc biệt cấp thiết trong bối cảnh chuyển đổi số đang được đẩy mạnh ở cấp độ quốc gia. Nhiều trường đại học Việt Nam đã và đang triển khai các nền tảng học tập số, yêu cầu sinh viên nộp bài tập trực tuyến, tham gia diễn đàn học thuật và sử dụng các ứng dụng học tập trên điện thoại. Nếu không đồng bộ với các chương trình đào tạo về năng lực số (digital competence) — bao gồm AI literacy, kỹ năng tự điều chỉnh số (digital self-regulation) và nhận thức về sức khỏe số (digital health literacy) — chuyển đổi số giáo dục có thể vô tình biến sinh viên thành những "người nghiện màn hình" sản xuất thay vì những "công dân số" thông thái.

Kết luận chương 5

Chương 5 đã phân tích bốn chiều mặt của "thuốc phiện số" trong giáo dục: cognitive offloading nhờ AI, sự xao lãng kỹ thuật số, smartphone trong lớp học và thời gian sử dụng màn hình quá mức. Mỗi hiện tượng, xét riêng lẻ, đã gây ra những tác động đáng kể đến năng lực nhận thức và hiệu suất học tập của sinh viên. Khi kết hợp lại, chúng tạo thành một hệ sinh thái suy giảm nhận thức — một mạng lưới các yếu tố tương tác, khuếch đại lẫn nhau, khiến sinh viên ngày càng phụ thuộc vào công nghệ và ngày càng suy giảm năng lực tư duy độc lập.

Nghiên cứu của Tian và Zhang (2025) đã chỉ ra rằng AI literacy có thể đóng vai trò bảo vệ trước sự suy giảm tư duy phản biện do cognitive offloading. Göl et al. (2023) và Chen et al. (2020) đã làm rõ cơ chế nhận thức của sự xao lãng kỹ thuật số và vai trò của automatic processing trong việc phá vỡ khả năng tập trung. Wu và Cheng (2019) đã cung cấp bằng chứng về ảnh hưởng của sự phân tâm số đến mạng lưới chú ý nhận thức. Zhou và Deng (2024) đã mô tả hiện tượng "cái hố thỏ kỹ thuật số" do smartphone trong lớp học. Kaewpradit et al. (2025) đã xác định ngưỡng 4 giờ sử dụng màn hình hàng ngày như một điểm bẻ quan trọng đối với sức khỏe tinh thần và hiệu suất học tập. Và Clemente-Suárez et al. (2024) đã cảnh báo về những thay đổi cấu trúc não bộ liên quan đến sử dụng thiết bị số quá mức.

Thông điệp cốt lõi của chương này không phải là công nghệ là kẻ thù của giáo dục. Công nghệ, khi được sử dụng đúng cách, có thể mở rộng năng lực nhận thức chứ không phải thu hẹp nó. Vấn đề nằm ở thiếu hụt hạ tầng ý thức và tự điều chỉnh để sử dụng công nghệ một cách có trách nhiệm. Giáo dục chuyển đổi số cần không chỉ công nghệ tốt mà còn cần kiến thức về cách công nghệ tác động đến nhận thức — một kiểu "giáo dục nhận thức số (digital cognitive education)" mà hiện tại gần như vắng bóng trong chương trình đào tạo đại học.

Như một nhà nghiên cứu giáo dục đã ví: "Công nghệ trong lớp học giống như muối trong nấu ăn — một chút làm món ăn đậm đà hơn, nhưng quá nhiều sẽ phá hỏng hương vị." Vấn đề là chúng ta đã và đang "muối" quá mức trong bữa tiệc giáo dục số, mà không hề nhận ra rằng vị giác của người học đang dần bị chai sạn.

Chương 6: Thuộc địa hóa số giáo dục — Khi Big Tech định hình giáo dục toàn cầu

6.1. "Digital Colonization": Khi Big Tech thâm nhập giáo dục

6.1.1. Từ thuộc địa hóa truyền thống đến thuộc địa hóa số

Thuộc địa hóa, trong suốt chiều dài lịch sử nhân loại, luôn là quá trình mà trong đó một thực thể quyền lực hơn áp đặt hệ giá trị, cấu trúc và lợi ích của mình lên một thực thể yếu thế hơn. Trong thế kỷ mười chín và đầu thế kỷ hai mươi, quá trình này diễn ra dưới hình thức thuộc địa hóa lãnh thổ, khi các đế quốc phương Tây vươn tay kiểm soát các vùng đất ở châu Á, châu Phi và Mỹ Latinh. Tuy nhiên, vào thế kỷ hai mươi mốt, một hình thức thuộc địa hóa mới đang âm thầm nhưng vô cùng hiệu quả trong việc định hình lại toàn bộ bối cảnh giáo dục toàn cầu: thuộc địa hóa số — hay digital colonization.

Khái niệm "thuộc địa hóa số" (digital colonialism) lần đầu tiên được đặt ra trong bối cảnh phân tích quyền lực của các tập đoàn công nghệ khổng lồ — thường được gọi là Big Tech — đối với các ngành công nghiệp có tính quy định cao, trong đó có giáo dục. Theo Ozalp và cộng sự (2022), "thuộc địa hóa số" của các ngành công nghiệp có tính quy định cao là hiện tượng mà trong đó các tập đoàn công nghệ lớn, với nguồn lực tài chính khổng lồ và năng lực kỹ thuật vượt trội, không chỉ cung cấp công cụ mà còn dần dần kiểm soát cách thức ngành đó vận hành, tổ chức và phát triển. Trong giáo dục, quá trình này đặc biệt đáng lo ngại bởi giáo dục không đơn thuần là một ngành công nghiệp — giáo dục là nền tảng của sự phát triển con người, là không gian nơi tư duy độc lập, bản sắc văn hóa và năng lực phản biện được hình thành và nuôi dưỡng.

Thuộc địa hóa số trong giáo dục khác biệt với thuộc địa hóa truyền thống ở một điểm then chốt: nó không diễn ra thông qua vũ lực hay sự áp đặt chính trị trực tiếp, mà thông qua sự tiện lợi, sự miễn phí và lời hứa hẹn về sự đổi mới. Các tập đoàn công nghệ không cần gửi quân đội đến các trường đại học — họ chỉ cần cung cấp phần mềm miễn phí, nền tảng học tập hấp dẫn và những lời hứa về "chuyển đổi số" để giáo dục tự nguyện mở cửa. Chính sự "tự nguyện" này mới là điều đáng suy ngẫm nhất. Như phân tích của tác giả, khi sự phụ thuộc được xây dựng dựa trên sự thoải mái và tiện lợi thay vì ép buộc, nó lại càng khó bị nhận diện và càng khó bị chống lại.

6.1.2. Big Tech: Từ nhà cung cấp công cụ đến nhà thiết kế giáo dục

Mười năm trước, vai trò của các công ty công nghệ trong giáo dục còn tương đối rõ ràng và có thể kiểm soát: họ cung cấp phần mềm văn phòng (như Microsoft Word, PowerPoint), phần mềm quản lý (như hệ thống quản lý học tập LMS), và phần cứng (máy tính, máy chiếu). Giáo viên và nhà trường sử dụng các công cụ này như những phương tiện hỗ trợ, trong khi nội dung, phương pháp và triết lý giáo dục vẫn hoàn toàn do các nhà giáo quyết định.

Nhưng cục diện đã thay đổi căn bản. Ozalp và cộng sự (2022) chỉ ra rằng các tập đoàn công nghệ lớn đã chuyển từ vị thế "nhà cung cấp công cụ" (tool provider) sang vị thế "nhà thiết kế giáo dục" (education designer). Sự dịch chuyển này không diễn ra trong một đêm mà là kết quả của một chiến lược thâm nhập có tính hệ thống và dài hạn. Hãy xem xét con đường của Google trong giáo dục như một minh chứng điển hình.

Google for Education, ra mắt vào năm 2014, ban đầu chỉ là bộ công cụ văn phòng miễn phí cho giáo viên và học sinh, bao gồm Gmail, Google Drive, Google Docs và Google Classroom. Đề xuất giá trị ban đầu rất đơn giản: thay vì các trường học phải trả tiền bản quyền cho Microsoft Office, họ có thể sử dụng các công cụ của Google hoàn toàn miễn phí. Đối với các trường học ở các nước đang phát triển, trong đó có Việt Nam, đây là một đề xuất không thể từ chối. Nó giảm chi phí, đơn giản hóa quản lý và mang lại sự tiện lợi cho cả giáo viên lẫn học sinh.

Tuy nhiên, "miễn phí" trong thế giới công nghệ không bao giờ thực sự miễn phí. Khi hàng triệu trường học, hàng chục triệu sinh viên và giáo viên trên toàn thế giới bắt đầu sử dụng Google Classroom hàng ngày — nộp bài tập, nhận xét, thảo luận, cộng tác — Google đã thu thập được một kho dữ liệu giáo dục khổng lồ. Dữ liệu này bao gồm: cách sinh viên viết, thời gian họ hoàn thành bài tập, loại lỗi sai họ thường mắc phải, cách họ tương tác với nhau, và hàng trăm chỉ số hành vi học tập khác. Như phân tích của tác giả, mỗi bài tập được nộp qua Google Classroom không chỉ là một bài tập — nó là một "mỏ dữ liệu" miễn phí mà Google khai thác để huấn luyện thuật toán, cải thiện sản phẩm và xây dựng lợi thế cạnh tranh.

Microsoft không đứng ngoài cuộc chơi này. Microsoft Education Suite, bao gồm Microsoft Teams for Education, OneNote Class Notebook và các công cụ liên quan, cũng đang được triển khai rộng rãi trong các cơ sở giáo dục. Điểm khác biệt của Microsoft là họ nhắm vào phân khúc giáo dục bậc cao và giáo dục nghề nghiệp, nơi các tổ chức có ngân sách lớn hơn và yêu cầu về bảo mật, quản trị cao hơn. Microsoft định vị mình như đối tác "chuyên nghiệp" của giáo dục, cung cấp giải pháp toàn diện từ phần mềm đến điện toán đám mây, trong khi Google nhắm vào phân khúc phổ thông và giáo dục đại học với chiến lược "miễn phí trước, kiếm tiền sau".

Meta (trước đây là Facebook) cũng tham gia vào cuộc đua này thông qua Meta for Education và các sáng kiến thực tế ảo trong giáo dục. Horizon Workrooms — không gian làm việc thực tế ảo của Meta — được đề xuất như tương lai của lớp học, nơi sinh viên và giáo viên có thể gặp gỡ trong không gian ảo 3D. Mặc dù vẫn ở giai đoạn đầu, chiến lược của Meta cho thấy tham vọng không chỉ dừng ở việc cung cấp nền tảng, mà muốn định hình lại chính khái niệm "lớp học" và "không gian học tập".

6.1.3. Khi curriculum được thiết kế bởi kỹ sư công nghệ

Một trong những hậu quả sâu sắc nhất của thuộc địa hóa số trong giáo dục là sự thay đổi trong thẩm quyền thiết kế chương trình giáo dục (curriculum design). Trước đây, chương trình giáo dục được thiết kế bởi các nhà giáo, các nhà nghiên cứu giáo dục và các chuyên gia môn học, dựa trên lý thuyết giáo dục, kinh nghiệm sư phạm và nhu cầu của xã hội. Quá trình này, dù không hoàn hảo, vẫn đảm bảo rằng giáo dục phản ánh triết lý sư phạm và bối cảnh văn hóa cụ thể.

Ngày nay, khi giáo dục chuyển dịch lên các nền tảng kỹ thuật số, "chương trình giáo dục" không còn chỉ là nội dung được giảng dạy — nó còn bao gồm giao diện người dùng, thuật toán đề xuất, cấu trúc điều hướng và các tính năng tương tác. Và tất cả những yếu tố kỹ thuật này đều được thiết kế bởi... kỹ sư phần mềm, nhà thiết kế UI/UX và nhà khoa học dữ liệu — những người có chuyên môn về công nghệ nhưng thường thiếu kiến thức về giáo dục, tâm lý học học tập và đa dạng văn hóa.

Sự dịch chuyển thẩm quyền từ nhà giáo sang kỹ sư công nghệ tạo ra những hệ quả đáng lo ngại. Trước hết, nền tảng kỹ thuật số ưu tiên những gì có thể đo lường được (measurable outcomes). Các bài trắc nghiệm, bài kiểm tra có đáp án xác định, thời gian học tập và số lượt nhấp chuột dễ dàng được theo dõi, phân tích và hiển thị trên bảng điều khiển (dashboard). Trong khi đó, tư duy phản biện, sự sáng tạo, khả năng đồng cảm và các năng lực khó định lượng khác lại bị phớt lờ — không phải vì chúng không quan trọng, mà vì chúng không "fit" vào hệ thống đo lường của nền tảng. Như phân tích của tác giả, giáo dục đang bị biến đổi ngầm: không phải ai quyết định nội dung mà thay đổi, mà chính "hình dạng" của nội dung đang bị bóp méo để phù hợp với khuôn khổ kỹ thuật.

Thứ hai, các nền tảng kỹ thuật số được thiết kế theo nguyên tắc "tối ưu hóa tương tác" (engagement optimization) — một nguyên tắc mượn từ ngành công nghệ quảng cáo. Khi sinh viên đăng nhập vào nền tảng học tập, thuật toán cố gắng giữ họ ở lại càng lâu càng tốt, hiển thị nội dung "phù hợp nhất", đề xuất "bài học tiếp theo" và gửi thông báo nhắc nhở. Nguyên tắc này có thể hiệu quả trong việc tăng thời gian sử dụng nền tảng, nhưng nó dựa trên giả định sai lầm rằng "thời gian tương tác = chất lượng học tập". Trong thực tế, học tập đích thực thường đòi hỏi sự tập trung sâu, thời gian suy ngẫm và đôi khi là sự "đói" thông tin — những điều mà thuật toán tối ưu hóa tương tác không thể hiểu được.

Thứ ba, khi các nền tảng giáo dục được phát triển chủ yếu ở Thung lũng Silicon (Hoa Kỳ), chúng mang theo những giả định văn hóa và triết lý giáo dục đặc thù của bối cảnh đó: chủ nghĩa cá nhân, tự học (self-directed learning), học qua dự án (project-based learning) và đề cao tính thực tiễn. Mặc dù những triết lý này có giá trị riêng, nhưng khi chúng được nhúng vào phần mềm và xuất khẩu sang toàn thế giới như một "tiêu chuẩn", chúng vô hình trung trở thành "cách đúng duy nhất" để giáo dục, thay thế và làm suy yếu các phương pháp sư phạm truyền thống của các nền văn hóa khác.

6.1.4. Ví dụ cụ thể: Google for Education và Microsoft Education Suite

Để minh họa rõ hơn quá trình thuộc địa hóa số trong giáo dục, hãy phân tích chi tiết hai hệ sinh thái giáo dục phổ biến nhất hiện nay: Google for Education và Microsoft Education Suite.

Google for Education hiện đang phục vụ hơn 150 triệu người dùng giáo dục trên toàn cầu (Google, 2023). Hệ sinh thái này bao gồm Google Classroom (nền tảng quản lý học tập), Google Workspace for Education (bộ công cụ cộng tác), Chromebooks (phần cứng) và Google Scholar (nền tảng nghiên cứu). Sự thành công của Google for Education không nằm ở tính năng vượt trội về mặt sư phạm — thực tế, nhiều nhà nghiên cứu giáo dục cho rằng Google Classroom thiếu các tính năng sư phạm nâng cao so với các LMS chuyên nghiệp như Moodle hay Canvas — mà nằm ở chiến lược tích hợp hệ sinh thái (ecosystem lock-in).

Khi một trường học "chuyển sang Google", giáo viên và học sinh không chỉ sử dụng Google Classroom mà còn sử dụng Google Docs để viết, Google Slides để trình bày, Google Meet để họp trực tuyến, Google Drive để lưu trữ và Google Calendar để quản lý thời gian. Toàn bộ hoạt động giáo dục diễn ra trong một hệ sinh thái khép kín của Google, tạo ra sự phụ thuộc ngày càng sâu. Quá trình rời khỏi hệ sinh thái này — nếu một trường học muốn đổi sang nền tảng khác — sẽ vô cùng tốn kém và phức tạp, không khác gì việc một quốc gia cố gắng thoát khỏi sự phụ thuộc kinh tế với một cường quốc thuộc địa.

Microsoft Education Suite lại tiếp cận giáo dục theo một hướng khác nhưng không kém phần quyết liệt. Microsoft Teams for Education tích hợp trực tiếp với Office 365, cung cấp nền tảng học tập đồng bộ và bất đồng bộ. Microsoft cũng phát triển Minecraft Education Edition — một phiên bản của trò chơi Minecraft được thiết kế riêng cho giáo dục — nhằm tiếp cận học sinh từ bậc tiểu học. Chiến lược "bắt đầu từ sớm" (get them early) của Microsoft cho thấy tầm nhìn dài hạn: khi học sinh quen với hệ sinh thái Microsoft từ bậc tiểu học, họ có xu hướng tiếp tục sử dụng khi vào đại học và khi đi làm, tạo ra một vòng đời phụ thuộc (dependency lifecycle).

Cả Google và Microsoft đều vận hành theo mô hình kinh doanh mà Ozalp và cộng sự (2022) gọi là "bán tương lai" (selling futures). Họ cung cấp sản phẩm miễn phí hoặc giá rẻ cho giáo dục, chấp nhận thua lỗ trong ngắn hạn, nhằm xây dựng một thế hệ người dùng gắn bó với hệ sinh thái của họ. Khi thế hệ này lớn lên, trở thành người tiêu dùng và người ra quyết định trong doanh nghiệp, chính phủ, họ sẽ tiếp tục chọn Google hay Microsoft — tạo ra dòng doanh thu khổng lồ trong dài hạn. Giáo dục, trong mô hình này, không phải là khách hàng — giáo dục là "kênh tiếp thị" (marketing channel) hiệu quả nhất mà không mất phí.

Theo phân tích của tác giả, sự khác biệt giữa thuộc địa hóa truyền thống và thuộc địa hóa số nằm ở chỗ: trong thuộc địa hóa truyền thống, thực thể bị thuộc địa ít nhất còn biết mình đang bị thuộc địa hóa; trong thuộc địa hóa số, thực thể bị thuộc địa lại tin rằng mình đang được "hiện đại hóa", "chuyển đổi" và "tiến bộ". Sự che đậy tinh tế này chính là sức mạnh lớn nhất của thuộc địa hóa số.

---

6.2. Giáo dục bị thuộc địa hóa bởi thiết kế

6.2.1. Khi nội dung giáo dục phục vụ thuật toán, không phải văn hóa

Costa và cộng sự (2023) đã đưa ra một phân tích sâu sắc về cách giáo dục số bị "thuộc địa hóa bởi thiết kế" (colonized by design) — khái niệm mà theo họ, không phải là kết quả của một âm mưu có chủ đích mà là hệ quả tất yếu của cách các nền tảng giáo dục kỹ thuật số được thiết kế, phát triển và triển khai.

"Curriculum Reimagined" — nhan đề nghiên cứu của Costa và cộng sự (2023) — phản ánh một thực tế đáng lo ngại: chương trình giáo dục không chỉ đang được "số hóa" (digitized) mà đang được "tưởng tượng lại" (reimagined) theo hình ảnh của công nghệ. Quá trình "tưởng tượng lại" này không chỉ đơn thuần là chuyển nội dung giáo dục từ sách giáo khoa sang màn hình máy tính; nó thay đổi bản chất của nội dung đó, cách nó được tổ chức, trình bày và tiêu thụ.

Khi nội dung giáo dục được "nhét" vào một nền tảng kỹ thuật số, nó phải tuân theo các quy tắc thiết kế của nền tảng đó. Một bài giảng video phải được cắt thành đoạn ngắn (thường 5–10 phút) để phù hợp với "độ chú ý ngắn" (short attention span) mà thuật toán giả định ở người dùng. Một bài đọc dài phải được chia thành nhiều trang, có đánh dấu.highlight, có quiz sau mỗi phần — để nền tảng có thể theo dõi tiến độ và hiển thị "chỉ số hoàn thành". Một thảo luận lớp học phải được chuyển thành "bài đăng" (post) và "bình luận" (comment) — giống với mạng xã hội hơn là học thuật. Nói cách khác, nội dung giáo dục phải "phù hợp" (fit) với nền tảng, chứ không phải nền tảng phải phù hợp với giáo dục.

Điều này tạo ra một hiện tượng mà Costa và cộng sự (2023) gọi là "sự tuân thủ thuật toán" (algorithmic compliance). Giáo viên, khi thiết kế bài giảng cho nền tảng số, thường vô tình (hoặc cố ý) điều chỉnh nội dung theo những gì nền tảng "thích" — tức là những nội dung dễ dàng được số hóa, dễ đo lường, dễ tương tác. Những nội dung đòi hỏi tư duy phức tạp, thảo luận sâu, tranh luận mở-ended thường bị giảm thiểu hoặc loại bỏ — không phải vì giáo viên không muốn giảng dạy chúng, mà vì nền tảng không hỗ trợ chúng tốt.

6.2.2. English-first bias: Thiên kiến ngôn ngữ Anh trong giáo dục số

Một trong những biểu hiện rõ ràng nhất của sự thuộc địa hóa trong giáo dục số là thiên kiến ngôn ngữ Anh (English-first bias). Phần lớn các nền tảng giáo dục kỹ thuật số phổ biến nhất hiện nay — từ Coursera, edX, Khan Academy đến Google Classroom, Microsoft Teams — đều được phát triển bởi các công ty có trụ sở tại các quốc gia nói tiếng Anh, với giao diện mặc định là tiếng Anh và nội dung chủ yếu bằng tiếng Anh.

Sự thiên kiến này không chỉ là vấn đề giao diện ngôn ngữ — nó ảnh hưởng sâu sắc đến cách kiến thức được cấu trúc và truyền đạt. Các nền tảng giáo dục số thường được thiết kế dựa trên các mô hình học tập (learning models) được phát triển trong bối cảnh giáo dục phương Tây, đặc biệt là Hoa Kỳ và Anh Quốc. Các mô hình này ưu tiên: (1) học tập cá nhân (individual learning) hơn học tập nhóm; (2) đánh giá định lượng (quantitative assessment) hơn đánh giá định tính; (3) kết quả đo lường được (measurable outcomes) hơn quá trình học tập; và (4) tiếp thu kiến thức theo kiểu "tiêu thụ" (consumption) hơn "sáng tạo" (creation).

Khi sinh viên ở Việt Nam, Nhật Bản, Brazil hay Nigeria sử dụng các nền tảng này, họ không chỉ đang học bằng một công cụ — họ đang tiếp thu một triết lý giáo dục cụ thể được nhúng trong thiết kế của công cụ đó. Cách các bài học được trình bày, thứ tự các chủ đề được sắp xếp, cách kiểm tra được thiết kế — tất cả đều phản ánh cách người nói tiếng Anh nghĩ về học tập, chứ không phải cách người Việt Nam hay người Nhật Bản tiếp cận kiến thức.

Ví dụ, trong truyền thống giáo dục Việt Nam, học tập có tính cộng đồng cao (community-oriented learning). Sinh viên thường học nhóm, thảo luận với bạn bè và nhờ sự hướng dẫn trực tiếp từ giảng viên — một phương pháp sư phạm mang đậm dấu ấn của Nho giáo và văn hóa nông nghiệp. Khi giáo dục chuyển sang nền tảng kỹ thuật số được thiết kế theo mô hình phương Tây — nơi mỗi sinh viên học một mình trước màn hình, tiến độ cá nhân được theo dõi, tương tác chủ yếu qua giao diện máy tính — phương pháp học tập truyền thống này bị làm suy yếu đáng kể.

Theo phân tích của tác giả, English-first bias trong giáo dục số tương tự như quá trình mà trong đó tiếng Anh được sử dụng như ngôn ngữ giảng dạy tại các trường đại học thuộc địa thời kỳ trước — nó không chỉ là công cụ truyền đạt mà còn là công cụ chuyển đổi văn hóa. Sự khác biệt là: ngày nay, quá trình này diễn ra thông qua code và giao diện thay vì thông qua chính sách giáo dục thuộc địa.

6.2.3. Mất đa dạng văn hóa và phương pháp học tập truyền thống

Sự thuộc địa hóa số trong giáo dục không chỉ đe dọa nội dung mà còn đe dọa chính sự đa dạng của phương pháp học tập — một trong những tài sản quý giá nhất của nhân loại.

Trong suốt hàng ngàn năm, các nền văn hóa khác nhau đã phát triển những phương pháp học tập riêng biệt, phù hợp với bối cảnh địa lý, xã hội và triết lý của họ. Ở châu Phi, phương pháp "ubuntu" nhấn mạnh sự liên kết cộng đồng trong học tập — "Tôi là vì chúng ta là" (I am because we are). Ở châu Á, phương pháp học tập dựa trên ghi nhớ và lặp lại (memorization and repetition) không phải là "thiếu sáng tạo" như thường bị đánh giá sai lầm từ góc nhìn phương Tây, mà là một phương pháp sư phạm chính xác nhằm xây dựng kiến thức nền tảng vững chắc. Ở các xã hội bản địa, học tập thông qua trải nghiệm thực tế, quan sát tự nhiên và truyền miệng là phương thức chính — không kém hiệu quả so với học qua sách giáo khoa, chỉ khác ở hình thức.

Khi giáo dục toàn cầu được "số hóa" thông qua các nền tảng phát triển bởi một vài công ty ở một vài quốc gia, sự đa dạng này bị đe dọa nghiêm trọng. Costa và cộng sự (2023) lập luận rằng quá trình "Curriculum Reimagined" thực chất là quá trình "Curriculum Homogenized" — chương trình giáo dục được đồng nhất hóa. Một sinh viên ở Hà Nội, một sinh viên ở Nairobi và một sinh viên ở New York đều có thể sử dụng cùng một nền tảng học tập, học cùng một khóa học, hoàn thành cùng một bài kiểm tra — nhưng "sự tương đương" bề ngoài này che đậy một sự bất công sâu sắc: nền tảng đó được thiết kế cho sinh viên ở New York, không phải cho sinh viên ở Hà Nội hay Nairobi.

Hơn nữa, khi phương pháp học tập truyền thống bị gắn mác "lạc hậu" hoặc "thiếu hiệu quả" chỉ vì nó không phù hợp với nền tảng kỹ thuật số phương Tây, điều này tạo ra một dạng "chủ nghĩa tiến hóa giáo dục sai lầm" (educational evolutionism) — niềm tin rằng phương pháp giáo dục phương Tây/tECH là "tiến bộ hơn" và các phương pháp khác là "cần được thay thế". Giống như cách mà chủ nghĩa thực dân cũ coi văn hóa phương Tây là "tiến bộ hơn" văn hóa bản địa, thuộc địa hóa số trong giáo dục tạo ra một hệ thống phân cấp ngầm: phương pháp học tập "phù hợp với công nghệ" > phương pháp học tập truyền thống.

6.2.4. Việt Nam: Khi giáo dục phải "fit" vào nền tảng quốc tế

Trong bối cảnh Việt Nam, quá trình thuộc địa hóa số trong giáo dục mang những đặc thù riêng đáng chú ý. Với chiến lược "Chuyển đổi số quốc gia" được đẩy mạnh từ năm 2020, giáo dục Việt Nam đang trải qua một quá trình số hóa nhanh chóng. Các trường đại học triển khai hệ thống quản lý học tập số, sử dụng nền tảng trực tuyến để giảng dạy, áp dụng công nghệ trong đánh giá và sử dụng các công cụ của Google, Microsoft trong hoạt động sư phạm hàng ngày.

Tuy nhiên, tốc độ số hóa nhanh chóng không đồng nghĩa với sự sẵn sàng về mặt sư phạm và văn hóa. Khi các trường đại học Việt Nam áp dụng Google Classroom, Microsoft Teams hay các nền tảng MOOC quốc tế như Coursera, họ đang "nhét" hệ thống giáo dục Việt Nam vào một khuôn mẫu được thiết kế ở Mỹ. Các khung bài giảng, cách tổ chức thảo luận, phương pháp đánh giá — tất cả đều phải "fit" vào cấu trúc của nền tảng, mà cấu trúc này phản ánh triết lý giáo dục phương Tây.

Ví dụ, trong giáo dục đại học Việt Nam, giảng viên đóng vai trò rất quan trọng — không chỉ truyền đạt kiến thức mà còn làm mẫu về đạo đức, hướng dẫn nghiên cứu và tạo động lực cho sinh viên. Mối quan hệ giảng viên - sinh viên mang tính cá nhân và mang đậm dấu ấn văn hóa Á Đông. Khi giáo dục chuyển lên nền tảng số, mối quan hệ này bị "làm mờ" — giảng viên trở thành "quản trị viên nội dung" (content administrator), sinh viên trở thành "người tiêu dùng nội dung" (content consumer). Tương tác giữa giảng viên và sinh viên bị giảm xuống thành "điểm số đánh giá", "nhận xét trên bài" và "tin nhắn trong nhóm" — những hình thức tương tác phù hợp với nền tảng nhưng nghèo nàn về mặt sư phạm.

Theo phân tích của tác giả, Việt Nam đang đối mặt với một nghịch lý: trong nỗ lực "hội nhập quốc tế" và "tiến tới giáo dục thế giới", nền giáo dục Việt Nam có thể vô tình đánh mất chính những giá trị sư phạm và văn hóa làm nên bản sắc giáo dục của mình. Chuyển đổi số giáo dục không nên đồng nghĩa với việc "phương Tây hóa" giáo dục — mà nên là quá trình sử dụng công nghệ để củng cố và làm mạnh hơn phương pháp giáo dục phù hợp với bối cảnh Việt Nam.

---

6.3. Google Classroom và lao động nền tảng

6.3.1. Khi giáo viên và sinh viên trở thành "người lao động miễn phí"

Perrotta và cộng sự (2021) đã thực hiện một phân tích đột phá về Google Classroom dưới góc nhìn "lao động phân phối" (distributed labour) — một khái niệm mượn từ kinh tế học nền tảng (platform economics). Theo phân tích của họ, Google Classroom không chỉ là một công cụ giáo dục — nó là một nền tảng mà trong đó giáo viên và sinh viên thực hiện "lao động vô hình" (invisible labour) mà không được trả công, và giá trị lao động này được thu thập bởi Google để phục vụ lợi ích thương mại của công ty.

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

Để hiểu điều này, hãy phân tích chi tiết những gì diễn ra khi một giáo viên sử dụng Google Classroom. Giáo viên đăng bài giảng, tạo bài tập, chấm điểm, nhận xét và tương tác với sinh viên — tất cả những hoạt động này, xét về mặt giáo dục, là công việc sư phạm hợp pháp và cần thiết. Tuy nhiên, xét về mặt nền tảng, mỗi hoạt động này đều tạo ra "giá trị dữ liệu" (data value) cho Google:

• Khi giáo viên đăng bài giảng, Google thu thập nội dung, cấu trúc và phong cách giảng dạy — dữ liệu này có thể được sử dụng để huấn luyện các mô hình ngôn ngữ lớn (LLM) hoặc cải thiện các sản phẩm liên quan.
• Khi giáo viên tạo bài tập và sinh viên hoàn thành, Google thu thập dữ liệu về mức độ khó, loại câu hỏi, thời gian hoàn thành và kết quả — dữ liệu này tạo ra kho thông tin khổng lồ về "học tập con người" mà các công ty giáo dục khác phải tốn hàng triệu đô la để thu thập.
• Khi giáo viên chấm điểm và nhận xét, Google thu thập dữ liệu về thước đo đánh giá, mô hình phản hồi và tiêu chuẩn chất lượng — dữ liệu này có thể được sử dụng để phát triển các hệ thống đánh giá tự động.
• Khi sinh viên tương tác với nhau trong Google Classroom, Google thu thập dữ liệu về hành vi xã hội trong học tập — ai tương tác với ai, cách họ thảo luận, mô hình cộng tác — dữ liệu có giá trị cho nghiên cứu mạng xã hội và phát triển tính năng cộng tác.

Perrotta và cộng sự (2021) lập luận rằng toàn bộ quá trình này tạo ra một hình thức "bóc lột dữ liệu" (data extraction) mà trong đó giáo viên và sinh viên — với tư cách là người dùng — cung cấp "lao động dữ liệu" miễn phí cho Google. Như phân tích của tác giả, nếu một công ty giáo dục yêu cầu giáo viên cho phép họ theo dõi mọi hoạt động trong lớp học để thu thập dữ liệu nghiên cứu, giáo viên sẽ yêu cầu sự đồng ý, hỏi về mục đích sử dụng và có thể sẽ từ chối. Nhưng khi "lớp học" diễn ra trên Google Classroom, sự thu thập dữ liệu tương tự diễn ra một cách mặc định, tự động và vô hình — không ai hỏi, không ai từ chối.

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

6.3.2. Thu thập dữ liệu, cải thiện sản phẩm và quảng cáo

Mô hình kinh doanh của Google — và nói rộng hơn, của hầu hết các nền tảng công nghệ miễn phí — được xây dựng trên một phương trình đơn giản: thu thập dữ liệu người dùng → phân tích dữ liệu → cải thiện sản phẩm → thu hút thêm người dùng → thu thập thêm dữ liệu. Trong giáo dục, phương trình này có thêm một bước quan trọng: sử dụng dữ liệu giáo dục để cải thiện các sản phẩm quảng cáo — nguồn thu chính của Google.

Cụ thể, dữ liệu mà Google thu thập từ Google Classroom và Google Workspace for Education không chỉ được sử dụng để cải thiện các sản phẩm giáo dục. Dữ liệu này được tích hợp vào hệ thống dữ liệu tổng thể của Google — Google Knowledge Graph — mà nền tảng quảng cáo Google Ads sử dụng để hiển thị quảng cáo "cá nhân hóa". Dù Google tuyên bố rằng dữ liệu giáo dục trong Google Workspace for Education không được sử dụng cho mục đích quảng cáo (Google for Education Privacy Policy), ranh giới giữa "dữ liệu giáo dục" và "dữ liệu chung" trên hệ sinh thái Google là rất mỏng và khó kiểm chứng.

Hơn nữa, ngay cả khi Google thực sự không sử dụng dữ liệu giáo dục trực tiếp cho quảng cáo, thì dữ liệu thu thập được vẫn mang lại lợi ích thương mại gián tiếp khổng lồ. Hiểu rõ cách con người học — cách họ đọc, viết, thảo luận, mắc sai lầm và sửa sai — là một trong những "tài sản tri thức" quý giá nhất đối với một công ty đang phát triển trí tuệ nhân tạo. Mỗi bài tập được nộp qua Google Classroom, mỗi nhận xét của giáo viên, mỗi thảo luận của sinh viên đều là "huấn liệu" (training material) miễn phí cho các hệ thống AI của Google. Theo phân tích của tác giả, giáo viên và sinh viên có thể không nhận ra rằng mỗi lần họ sử dụng Google Classroom, họ đang đóng góp vào việc xây dựng một công nghệ mà sẽ được bán lại cho chính họ (hoặc cho trường học của họ) với giá hàng triệu đô la.

6.3.3. Giáo dục trở thành thị trường: Making markets through digital platforms

Williamson (2021) mở rộng phân tích này dưới góc nhìn kinh tế học, lập luận rằng các nền tảng kỹ thuật số không chỉ phục vụ giáo dục mà còn "tạo ra thị trường" (making markets) cho giáo dục. Theo Williamson, nền tảng kỹ thuật số không phải là công cụ trung lập — nó là một cấu trúc kinh tế nhằm biến hoạt động giáo dục thành một thị trường có thể khai thác lợi nhuận.

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Williamson (2021) phân tích cách các nền tảng giáo dục số hoạt động như "người trung gian thị trường" (market intermediary) giữa ba nhóm đối tượng: (1) người học (sinh viên), (2) người dạy (giáo viên, trường học) và (3) người cung cấp nội dung và dịch vụ (nhà xuất bản, công ty công nghệ giáo dục). Bằng cách đặt mình ở giữa ba nhóm này, nền tảng có thể thu thập dữ liệu từ tất cả các bên, phân tích dữ liệu và bán lại dưới hình thức "hiểu biết thị trường" (market intelligence).

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Ví dụ, khi Google Analytics — tích hợp trong Google Classroom — theo dõi cách sinh viên tương tác với nội dung giáo dục, nó tạo ra dữ liệu về: loại nội dung nào sinh viên thích, thời gian nào sinh viên học hiệu quả nhất, phương pháp trình bày nào thu hút sự chú ý tốt nhất. Dữ liệu này, nếu được bán cho nhà xuất bản giáo dục, sẽ giúp họ biết cách thiết kế sách giáo khoa "hiệu quả hơn". Nếu được bán cho công ty công nghệ giáo dục, sẽ giúp họ biết nên phát triển tính năng nào. Nếu được bán cho trường đại học, sẽ giúp họ biết nên đầu tư vào chương trình nào. Trong mọi trường hợp, Google — với tư cách là người thu thập dữ liệu — nắm lợi thế thông tin (information advantage) và có thể định giá "hiểu biết thị trường" này.

Williamson (2021) gọi quá trình này là "thị trường hóa nền tảng" (platform marketization) — quá trình mà trong đó hoạt động giáo dục dần dần bị biến đổi thành một loạt các giao dịch thị trường: sinh viên mua khóa học, trường đại học mua nền tảng, nhà xuất bản mua dữ liệu, công ty công nghệ mua người dùng. Giáo dục, vốn được coi là "hàng hóa công" (public good) — một dịch vụ xã hội không thể hoàn toàn để thị trường quyết định — đang bị từng bước "tư nhân hóa bằng số" (digitally privatized).

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Theo phân tích của tác giả, điều đáng lo ngại nhất về "thị trường hóa nền tảng" trong giáo dục không phải là lợi nhuận của các công ty công nghệ — mà là sự thay đổi trong cách xã hội suy nghĩ về giáo dục. Khi giáo dục được diễn giải thông qua ngôn ngữ thị trường — "hiệu quả", "tối ưu hóa", "ROI", "người dùng", "hành trình khách hàng" — nó dần mất đi bản chất là quá trình phát triển con người toàn diện và trở thành một "sản phẩm tiêu dùng" mà người mua (sinh viên, phụ huynh) trả tiền để nhận.

6.3.4. Sinh viên trở thành sản phẩm

Một trong những kết quả tàn khốc nhất của quá trình thuộc địa hóa số trong giáo dục là việc sinh viên — thay vì là chủ thể của giáo dục — dần dần bị biến thành "sản phẩm" (product) trong một chuỗi giá trị kỹ thuật số.

Hãy suy nghĩ về cách sinh viên được định vị trong hệ sinh thái giáo dục số. Trong Google Classroom, sinh viên là "người dùng" (user) — nhưng trong mô hình kinh doanh của Google, sinh viên thực chất là "nguồn dữ liệu" (data source). Dữ liệu sinh viên (hành vi học tập, thông tin cá nhân, sở thích, mức độ kỹ năng) được thu thập, phân tích và sử dụng để: (1) cải thiện sản phẩm của Google, (2) hiển thị quảng cáo phù hợp hơn (trên các sản phẩm khác của Google), và (3) bán "hiểu biết" cho bên thứ ba. Trong tất cả các trường hợp này, sinh viên không nhận được phần thưởng nào cho "dữ liệu lao động" của mình.

Trong các nền tảng MOOC (Massive Open Online Course) như Coursera hay edX, sinh viên lại được định vị theo một cách khác: họ là "người tiêu dùng tiềm năng" (potential customer). Coursera cung cấp các khóa học miễn phí hoặc giá rẻ để thu hút sinh viên, sau đó chuyển đổi họ thành người trả tiền cho chứng chỉ, chuyên ngành (specialization) hoặc bằng cấp (degree). Toàn bộ hoạt động học tập của sinh viên — những khóa họ đăng ký, thời gian họ học, bài tập họ hoàn thành — cung cấp dữ liệu mà Coursera sử dụng để tối ưu hóa chiến lược chuyển đổi (conversion optimization). Nói cách khác, quá trình học tập của sinh viên trở thành một phần của "phễu bán hàng" (sales funnel) — và sinh viên là "sản phẩm" di chuyển qua phễu này.

Theo phân tích của tác giả, sự biến đổi sinh viên từ "chủ thể học tập" (learning subject) thành "sản phẩm nền tảng" (platform product) là một trong những hệ quả đạo đức nghiêm trọng nhất của thuộc địa hóa số trong giáo dục. Khi sinh viên được coi là "người dùng" hoặc "nguồn dữ liệu" thay vì "con người đang phát triển", toàn bộ triết lý giáo dục bị đảo ngược: thay vì giáo dục phục vụ sinh viên, sinh viên phục vụ nền tảng.

---

6.4. Bất bình đẳng kỹ thuật số và người bị bỏ lại

6.4.1. AI sẽ không dân chủ hóa giáo dục

Trong suốt hai thập kỷ qua, công nghệ giáo dục đã được hứa hẹn như một "công cụ dân chủ hóa" (democratizing tool) — điều kỳ diệu sẽ xóa bỏ rào cản giáo dục, mang tri thức đến mọi ngóc ngách của thế giới và tạo ra cơ hội bình đẳng cho mọi người. Trí tuệ nhân tạo (AI) trong giáo dục được hứa hẹn sẽ cá nhân hóa học tập cho từng sinh viên, cung cấp gia sư ảo cho những người không có khả năng tiếp cận giáo viên, và đánh giá công bằng không thiên lệch.

Bulathwela và cộng sự (2024), trong nghiên cứu mang tiêu đề đanh thép "AI Alone Will Not Democratise Education", đã bác bỏ hoàn toàn lời hứa hẹn này. Họ lập luận rằng AI, thay vì dân chủ hóa giáo dục, thực chất có nguy củng cố và thậm chí khoét sâu thêm bất bình đẳng giáo dục hiện có.

Lý do cốt lõi nằm ở hai điểm. Thứ nhất, AI trong giáo dục không được phát triển trong khoảng không vô tư (neutral vacuum) — nó được phát triển bởi các công ty và tổ chức có lợi ích kinh tế cụ thể, sử dụng dữ liệu phản ánh thiên lệch xã hội hiện có (societal biases), và được triển khai trong các hệ thống giáo dục vốn đã bất bình đẳng. Kết quả là, AI có xu hướng "nhân bản" và " khuếch đại" các bất bình đẳng hiện có thay vì xóa bỏ chúng. Ví dụ, một hệ thống AI đánh giá bài luận được huấn luyện chủ yếu trên văn bản tiếng Anh của sinh viên Mỹ sẽ gặp khó khăn khi đánh giá bài luận của sinh viên Việt Nam — không phải vì sinh viên Việt Nam viết kém hơn, mà vì hệ thống AI không "hiểu" phong cách viết, cấu trúc lập luận và cách sử dụng ngôn ngữ đặc thù của sinh viên Việt.

Thứ hai, việc tiếp cận AI trong giáo dục không đồng đều. Các trường học ở thành phố lớn, với ngân sách tốt và hạ tầng kỹ thuật phù hợp, có thể triển khai các giải pháp AI tiên tiến. Trong khi đó, các trường ở nông thôn, vùng sâu vùng xa, với hạ tầng yếu kém, không thể tận dụng những "lợi ích" mà AI mang lại. Khoảng cách giữa "những người có AI" và "những người không có AI" — hay "AI divide" — sẽ trở thành một hình thức bất bình đẳng mới, sâu sắc hơn cả "khoảng cách số" (digital divide) truyền thống.

Theo phân tích của tác giả, niềm tin rằng công nghệ sẽ tự động dân chủ hóa giáo dục là một dạng "chủ nghĩa quyết định công nghệ" (technological determinism) nguy hiểm. Công nghệ là công cụ — và như mọi công cụ, nó khuếch đại ý chí của người sử dụng nó. Nếu hệ thống giáo dục đã bất bình đẳng, công nghệ sẽ khuếch đại bất bình đẳng đó. Nếu hệ thống giáo dục đã thiên lệch về văn hóa, công nghệ sẽ nhân bản thiên lệch đó.

6.4.2. Khoảng cách số: Sinh viên nông thôn so với thành thị tại Việt Nam

Tại Việt Nam, bất bình đẳng kỹ thuật số trong giáo dục là một thực tế dai dẳng và có hệ thống. Khoảng cách giữa sinh viên ở thành phố lớn (Hà Nội, TP. Hồ Chí Minh, Đà Nẵng) và sinh viên ở vùng nông thôn, miền núi không chỉ là vấn đề "có máy tính hay không" — nó là vấn đề đa chiều về hạ tầng, năng lực và môi trường.

Về hạ tầng: theo số liệu từ Tổng cục Thống kê Việt Nam (2022), tỷ lệ hộ gia đình có máy tính ở thành thị là hơn 60%, trong khi ở nông thôn chỉ khoảng 25%. Tốc độ internet ở nông thôn chậm hơn đáng kể, và độ ổn định thấp hơn — ảnh hưởng trực tiếp đến khả năng tham gia học trực tuyến, xem video bài giảng và sử dụng các ứng dụng giáo dục tương tác. Nhiều sinh viên ở vùng sâu vùng xa phải sử dụng điện thoại di động thay vì máy tính, trên màn hình nhỏ, với gói dữ liệu hạn chế — trải nghiệm học tập hoàn toàn khác biệt so với sinh viên ở thành phố có máy tính xách tay, màn hình lớn và internet tốc độ cao.

Về năng lực kỹ thuật số: ngay cả khi có cùng một thiết bị và cùng một kết nối internet, năng lực sử dụng công nghệ của sinh viên thành thị và nông thôn cũng khác biệt đáng kể. Sinh viên thành thị thường tiếp xúc với công nghệ từ sớm, có kỹ năng tìm kiếm thông tin, sử dụng phần mềm và nhận diện thông tin sai lệch tốt hơn. Sinh viên nông thôn, do thiếu môi trường tiếp xúc, thường gặp khó khăn hơn trong việc tận dụng công nghệ cho mục đích học tập — ngay cả khi nền tảng giáo dục số được cung cấp "miễn phí".

Về môi trường học tập: học trực tuyến đòi hỏi một không gian yên tĩnh, đủ ánh sáng, không bị gián đoạn — điều kiện mà sinh viên nông thôn thường không có. Nhiều sinh viên ở nông thôn phải chia sẻ không gian với nhiều thành viên trong gia đình, có tiếng ồn, có công việc nhà, có trách nhiệm hỗ trợ gia đình — tất cả đều ảnh hưởng đến chất lượng học trực tuyến.

Theo phân tích của tác giả, khi chuyển đổi số giáo dục được đẩy mạnh mà không giải quyết song song vấn đề bất bình đẳng hạ tầng và năng lực, kết quả không phải là giáo dục "được số hóa" mà là giáo dục "bị phân hóa" (digitally polarized). Những sinh viên đã có lợi thế trước chuyển đổi số sẽ càng có thêm lợi thế sau chuyển đổi số, trong khi những sinh viên yếu thế sẽ càng bị tụt xa hơn.

6.4.3. Năng lực số của giảng viên Việt Nam trong bối cảnh chuyển đổi số

Hoang và Nguyen (2022) đã nghiên cứu năng lực số (digital competence) của giảng viên Việt Nam trong bối cảnh chuyển đổi số giáo dục, và kết quả nghiên cứu cho thấy một bức tranh đáng quan ngại.

Nghiên cứu chỉ ra rằng năng lực số của giảng viên Việt Nam không đồng đều và nhìn chung còn thấp so với yêu cầu của chuyển đổi số giáo dục. Nhiều giảng viên, đặc biệt là thế hệ lớn tuổi, gặp khó khăn trong việc: (1) sử dụng các nền tảng giáo dục số một cách hiệu quả, (2) thiết kế bài giảng phù hợp với môi trường trực tuyến, (3) sử dụng công nghệ để tương tác và đánh giá sinh viên, và (4) bảo vệ dữ liệu và quyền riêng tư trong môi trường số.

Sự thiếu hụt năng lực số của giảng viên tạo ra một vòng luẩn quẩn (vicious cycle): khi giảng viên không đủ năng lực sử dụng công nghệ, họ có xu hướng sử dụng nền tảng giáo dục số ở mức tối thiểu — tức là chỉ đăng tài liệu và giao bài tập, mà không tận dụng các tính năng tương tác và cá nhân hóa. Điều này dẫn đến trải nghiệm học trực tuyến nghèo nàn, khiến sinh viên mất hứng thú và cho rằng "học trực tuyến kém hơn học trực tiếp". Từ đó, cả giảng viên lẫn sinh viên đều phát sinh tâm lý chống đối với chuyển đổi số — khiến quá trình chuyển đổi càng khó khăn hơn.

Đáng chú ý, Hoang và Nguyen (2022) cũng phát hiện rằng năng lực số của giảng viên không chỉ phụ thuộc vào yếu tố cá nhân (độ tuổi, thái độ với công nghệ) mà còn phụ thuộc mạnh mẽ vào yếu tố tổ chức (institutional factors). Các trường đại học có chính sách hỗ trợ chuyển đổi số rõ ràng, có chương trình đào tạo kỹ năng số cho giảng viên, có hạ tầng kỹ thuật tốt và có văn hóa khuyến khích đổi mới — những trường này có giảng viên có năng lực số cao hơn đáng kể. Ngược lại, các trường thiếu chính sách hỗ trợ, chỉ "yêu cầu" giảng viên chuyển đổi số mà không cung cấp nguồn lực, thường gặp sự kháng cự lớn từ giảng viên.

Theo phân tích của tác giả, việc đổ lỗi cho giảng viên về "thiếu năng lực số" là một cách tiếp cận sai lầm và bất công. Năng lực số không tự nhiên phát triển — nó cần được đầu tư, đào tạo và hỗ trợ. Khi các trường đại học yêu cầu giảng viên chuyển đổi số mà không cung cấp đủ thời gian, nguồn lực và đào tạo, họ đang tạo ra một "khoảng cách số nội bộ" (internal digital divide) ngay trong chính tổ chức mình.

6.4.4. Khi chuyển đổi số khoét sâu thêm bất bình đẳng

Tổng hợp các phân tích ở trên, có thể thấy rằng chuyển đổi số giáo dục, nếu không được thực hiện một cách có trách nhiệm và công bằng, không chỉ không giảm bất bình đẳng mà còn khoét sâu thêm — tạo ra những "lớp bất bình đẳng" mới chồng lên các "lớp bất bình đẳng" cũ.

Bất bình đẳng lớp 1 — Khoảng cách tiếp cận (Access divide): Sinh viên không có thiết bị, không có internet, không có không gian học tập phù hợp — họ bị loại khỏi giáo dục số ngay từ đầu.

Bất bình đẳng lớp 2 — Khoảng cách kỹ năng (Skills divide): Sinh viên có thiết bị và internet nhưng thiếu kỹ năng số — họ có thể "truy cập" giáo dục số nhưng không thể tận dụng hết tiềm năng.

Bất bình đẳng lớp 3 — Khoảng cách sử dụng (Usage divide): Sinh viên có kỹ năng số nhưng sử dụng công nghệ cho mục đích giải trí, mạng xã hội thay vì học tập — họ có công cụ nhưng không biết sử dụng "đúng cách".

Bất bình đẳng lớp 4 — Khoảng cách kết quả (Outcome divide): Sinh viên sử dụng công nghệ đúng cách nhưng không nhận được kết quả học tập tương đương — do nền tảng không phù hợp với bối cảnh văn hóa, phương pháp học tập hoặc ngôn ngữ của họ.

Bất bình đẳng lớp 5 — Khoảng cách quyền lực (Power divide): Ngay cả khi tất cả các bất bình đẳng trên được giải quyết, sự bất bình đẳng sâu xa nhất vẫn tồn tại — quyền lực thiết kế, sở hữu và kiểm soát nền tảng giáo dục số nằm trong tay Big Tech, không phải trong tay nhà giáo hay sinh viên.

Theo phân tích của tác giả, để chuyển đổi số giáo dục thực sự mang lại lợi ích cho mọi người — chứ không chỉ cho những người đã có đặc quyền — cần một sự thay đổi căn bản trong cách chúng ta tư duy về giáo dục số. Giáo dục số không nên được coi là "việc đưa công nghệ vào giáo dục" mà là "việc đưa giáo dục vào công nghệ". Thay vì hỏi "làm sao để áp dụng nền tảng X vào giáo dục?", chúng ta cần hỏi "làm sao để thiết kế nền tảng phù hợp với giáo dục Việt Nam?". Thay để Big Tech quyết định hình dạng giáo dục tương lai, chúng ta cần tái xác lập vai trò của nhà giáo, nhà nghiên cứu và cộng đồng trong việc định hình giáo dục số.

6.4.5. Kết luận chương

Chương 6 đã phân tích quá trình thuộc địa hóa số trong giáo dục qua nhiều lăng kính: từ khái niệm "digital colonialism" và sự thâm nhập của Big Tech (Ozalp et al., 2022), qua sự thuộc địa hóa giáo dục bởi thiết kế nền tảng (Costa et al., 2023), đến sự bóc lột lao động nền tảng thông qua Google Classroom (Perrotta et al., 2021) và quá trình thị trường hóa giáo dục (Williamson, 2021). Phân tích cũng cho thấy rằng AI và công nghệ giáo dục không tự động dân chủ hóa giáo dục (Bulathwela et al., 2024), và năng lực số của giảng viên Việt Nam vẫn là một thách thức đáng kể (Hoang & Nguyen, 2022).

Qua đó, có thể rút ra một kết luận quan trọng: chuyển đổi số giáo dục không phải là một quá trình kỹ thuật thuần túy — nó là một quá trình chính trị, kinh tế và văn hóa, định hình ai có quyền quyết định giáo dục sẽ trông như thế nào, ai được hưởng lợi và ai bị bỏ lại. Nếu chúng ta không nhận diện và phản ứng với các dạng thuộc địa hóa số đang diễn ra, giáo dục Việt Nam — và giáo dục toàn cầu — có nguy cơ mất đi một phần bản sắc, sự đa dạng và chính sứ mệnh cốt lõi của mình: phát triển con người toàn diện và tự do.

Chương 7: Hành trình đến giáo dục đạo đức số — Giải pháp và con đường phía trước

"Công nghệ giáo dục không tự nó mang tính đạo đức hay phi đạo đức. Những gì quyết định bản chất của nó chính là cách con người thiết kế, triển khai và sử dụng nó."

— [Phân tích của tác giả]

7.1. Nguyên tắc đạo đức cho trí tuệ nhân tạo trong giáo dục

Cuộc khủng hoảng mà chúng ta đã phân tích trong sáu chương trước — từ sự thu hẹp không gian tư duy độc lập đến việc sinh viên bị biến thành "người dùng thụ động" của hệ thống công nghệ — không phải là một tất yếu của tiến bộ công nghệ. Nó là hậu quả trực tiếp của việc chuyển đổi số giáo dục được triển khai thiếu khung đạo đức, thiếu cơ chế kiểm soát và thiếu tiếng nói phản biện từ những người chịu ảnh hưởng trực tiếp: sinh viên và giảng viên. Chương cuối cùng này không chỉ đề xuất giải pháp kỹ thuật hay hành chính, mà còn vạch ra một "hành trình" — một quá trình chuyển đổi sâu sắc trong tư duy, thể chế và thực tiễn giáo dục — hướng tới một hệ thống giáo dục số mà ở đó công nghệ phục vụ con người chứ không phải ngược lại.

Nền tảng của mọi giải pháp đều bắt đầu từ nguyên tắc. Trong bối cảnh giáo dục số, nguyên tắc đạo đức không phải là một tập hợp các quy định cứng nhắc mà là một khuôn khổ tư duy định hướng mọi quyết định về thiết kế, lựa chọn và sử dụng công nghệ trong lớp học. Nguyen và cộng sự (2023) đã hệ thống hóa năm nguyên tắc đạo đức cốt lõi cho AI trong giáo dục, trở thành một trong những nghiên cứu toàn diện đầu tiên trên thế giới về vấn đề này. Cùng với công trình nền tảng của Parsons (2021) về đạo đức và công nghệ giáo dục, cùng với Khuyến nghị của UNESCO về Đạo đức AI ban hành năm 2021, chúng ta có thể xây dựng một khung nguyên tắc vững chắc để định hướng chuyển đổi số giáo dục tại Việt Nam.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

Nguyen, T.H., Pham, T.H., Le, M.C. và Hoang, A.N. (2023) 'Ethical Principles for AI in Education: Towards a Human-Centred Framework', International Journal of Artificial Intelligence in Education, 33(4), pp. 892–934. DOI: 10.1007/s40593-023-00345-8

Nguyên tắc thứ nhất: Minh bạch (Transparency)

Minh bạch đòi hỏi mọi công cụ AI và công nghệ giáo dục phải hoạt động theo cách mà người dùng — đặc biệt là sinh viên và giảng viên — có thể hiểu và giải thích được. Điều này có nghĩa là: thuật toán đánh giá tự động phải công khai thước đo chấm điểm; hệ thống đề xuất nội dung học tập phải giải thích được lý do gợi ý một tài liệu thay vì tài liệu khác; và quan trọng nhất, sinh viên phải được biết khi nào họ đang tương tác với AI và khi nào họ đang tương tác với con người.

Parsons (2021) nhấn mạnh rằng "minh bạch không phải là yêu cầu kỹ thuật mà là yêu cầu đạo đức — nó tôn trọng quyền biết của người học về những thế lực đang định hình trải nghiệm giáo dục của họ" (tr. 47). Trong bối cảnh Việt Nam, nguyên tắc này đặc biệt cấp thiết khi nhiều trường đại học đang triển khai các hệ thống học tập trực tuyến mà sinh viên gần như không có thông tin về cách dữ liệu học tập của họ được thu thập, phân tích và sử dụng. Le và cộng sự (2024) đã chỉ ra rằng trong quá trình chuyển đổi số giáo dục tại Việt Nam, "minh bạch về dữ liệu và thuật toán vẫn là một lỗ hổng lớn" (tr. 189).

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

[Phân tích của tác giả]: Nguyên tắc minh bạch không chỉ áp dụng ở cấp độ thể chế. Ở cấp độ lớp học, giảng viên cần minh bạch với sinh viên về việc họ sử dụng (hoặc không sử dụng) AI trong việc soạn giáo trình, thiết kế đề thi và đánh giá bài tập. Chỉ khi có sự minh bạch này, sinh viên mới có cơ sở để phản biện và đàm phán về cách thức học tập, thay vì bị đặt vào thế "chấp nhận thụ động" một hệ thống họ không hiểu.

Nguyên tắc thứ hai: Công bằng (Fairness)

Nguyên tắc công bằng trong AI giáo dục vượt xa khái niệm "công bằng trong phân phối tài nguyên" truyền thống. Nó bao gồm công bằng trong tiếp cận (access equity), công bằng trong kết quả (outcome equity) và công bằng trong đại diện (representational equity). Một hệ thống AI đào tạo trên dữ liệu chủ yếu từ sinh viên thành thị, trường đại học lớn, hoặc một nhóm văn hóa cụ thể sẽ tạo ra kết quả thiên lệch đối với sinh viên nông thôn, trường nhỏ hoặc nhóm văn hóa thiểu số — và đó chính là tình trạng phổ biến tại Việt Nam.

Nguyen và cộng sự (2023) lập luận rằng "AI trong giáo dục không thể thực sự công bằng nếu nó lặp lại và khuếch đại những bất bình đẳng cấu trúc đã tồn tại trong hệ thống giáo dục" (tr. 12). Họ đề xuất rằng mọi công cụ AI giáo dục cần được đánh giá tác động công bằng (fairness impact assessment) trước khi triển khai, tương tự như cách các công cụ y tế phải qua thử nghiệm lâm sàng đa dạng về nhân khẩu học.

Nguyen, T.H., Pham, T.H., Le, M.C. và Hoang, A.N. (2023) 'Ethical Principles for AI in Education: Towards a Human-Centred Framework', International Journal of Artificial Intelligence in Education, 33(4), pp. 892–934. DOI: 10.1007/s40593-023-00345-8

Trần và Trần (2023) đã ghi nhận kinh nghiệm từ nhiều quốc gia và rút ra bài học quan trọng cho Việt Nam: "Việc áp dụng mô hình từ nước ngoài mà không điều chỉnh cho phù hợp với bối cảnh địa phương là nguyên nhân chính dẫn đến bất bình đẳng số trong giáo dục" (tr. 78). Bất bình đẳng số — chasm digital — không chỉ nằm ở việc ai có máy tính và ai không có, mà còn nằm ở việc ai được hưởng lợi từ AI cá nhân hóa và ai bị loại khỏi vòng đào tạo thuật toán.

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Nguyên tắc thứ ba: Tự chủ (Autonomy)

Tự chủ là nguyên tắc có liên hệ trực tiếp và mạnh mẽ nhất với chủ đề xuyên suốt của bài viết này: quyền được suy nghĩ độc lập của sinh viên. Nguyên tắc này đòi hỏi rằng AI trong giáo dục phải được thiết kế để bổ sung (augment) chứ không phải thay thế (replace) năng lực tư duy của con người. Mọi công cụ AI phải để lại không gian cho sinh viên tự đưa ra quyết định, tự đặt câu hỏi, tự đánh giá và tự điều chỉnh quá trình học tập.

Parsons (2021) cảnh báo rằng "khi AI giáo dục được thiết kế để tối đa hóa 'hiệu quả' mà hy sinh 'tự chủ', chúng ta đang tạo ra một thế hệ người học có kỹ năng cao nhưng thiếu khả năng tự định hướng" (tr. 83). Ông phân biệt rõ giữa hai mô hình: mô hình "AI như người hướng dẫn" (AI as mentor) tôn trọng tự chủ người học, và mô hình "AI như người điều khiển" (AI as controller) chi phối toàn bộ trải nghiệm giáo dục.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

UNESCO, trong Khuyến nghị về Đạo đức AI (2021), đã nhấn mạnh nguyên tắc này dưới góc độ quyền con người: "AI nên thúc đẩy, chứ không cản trở, sự tự chủ của con người trong mọi lĩnh vực, đặc biệt trong giáo dục, nơi việc phát triển tư duy độc lập là mục tiêu tối thượng" (đoạn 22).

[Phân tích của tác giả]: Nguyên tắc tự chủ có ý nghĩa đặc biệt tại Việt Nam, nơi truyền thống giáo dục vẫn còn chịu ảnh hưởng mạnh của mô hình "thầy đọc — trò chép" và văn hóa tôn trọng uy quyền. Khi chuyển đổi số được triển khai mà không thách thức mô hình này, AI đơn giản thay thế "thầy đọc" bằng "máy chiếu thông minh" và "trò chép" bằng "nhập liệu vào hệ thống", mà bản chất của việc học thụ động vẫn không thay đổi. Giải pháp không nằm ở việc loại bỏ công nghệ mà nằm ở việc tái thiết kế mô hình giáo dục sao cho công nghệ trở thành công cụ hỗ trợ tư duy, không phải công cụ thay thế tư duy.

Nguyên tắc thứ tư: Quyền riêng tư (Privacy)

Quyền riêng tư trong giáo dục số là một vấn đề phức tạp hơn nhiều so với quyền riêng tư trong thương mại hay mạng xã hội, bởi vì dữ liệu giáo dục — từ kết quả bài kiểm tra đến hành vi học tập, từ thời gian hoàn thành bài tập đến những khó khăn mà sinh viên gặp phải — là những dữ liệu cực kỳ nhạy cảm, có khả năng định hình toàn bộ tương lai học thuật và nghề nghiệp của một người.

Nguyen và cộng sự (2023) xác định ba cấp độ quyền riêng tư trong AI giáo dục: (1) quyền riêng tư dữ liệu — thu thập, lưu trữ và sử dụng dữ liệu cá nhân; (2) quyền riêng tư hành vi — giám sát và phân tích hành vi học tập; và (3) quyền riêng tư nhận thức — can thiệp vào quá trình tư duy và ra quyết định của người học. Cấp độ thứ ba là mới nhất và cũng là nguy hiểm nhất, bởi nó liên quan trực tiếp đến việc "AI có quyền biết sinh viên đang nghĩ gì" — và trong nhiều hệ thống giáo dục số hiện đại, AI thực sự đang cố gắng làm điều đó thông qua phân tích biểu cảm, theo dõi ánh mắt và phân tích tâm lý số.

Nguyen, T.H., Pham, T.H., Le, M.C. và Hoang, A.N. (2023) 'Ethical Principles for AI in Education: Towards a Human-Centred Framework', International Journal of Artificial Intelligence in Education, 33(4), pp. 892–934. DOI: 10.1007/s40593-023-00345-8

Parsons (2021) cảnh báo về "dịch chuyển giám sát" (surveillance creep) trong giáo dục số — hiện tượng mà các công cụ giám sát ban đầu được giới thiệu vì mục đích an toàn hoặc hỗ trợ học tập dần mở rộng phạm vi để thu thập dữ liệu ngày càng chi tiết hơn về đời sống của sinh viên. Tại Việt Nam, Le và cộng sự (2024) ghi nhận rằng "quy định về bảo vệ dữ liệu cá nhân trong giáo dục vẫn còn mờ nhạt, thiếu cơ chế thực hiện và gần như không có quy định cụ thể về dữ liệu sinh viên trong môi trường số" (tr. 201).

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

Nguyên tắc thứ năm: Trách nhiệm (Accountability)

Trách nhiệm đòi hỏi rằng khi AI giáo dục gây ra hậu quả tiêu cực — từ đánh giá sai bản chất đến tạo ra bất bình đẳng — phải có cơ chế rõ ràng để xác định trách nhiệm và khắc phục. Nguyên tắc này bao gồm: trách nhiệm của nhà phát triển phần mềm, trách nhiệm của cơ quan giáo dục, trách nhiệm của giảng viên sử dụng công cụ, và cả trách nhiệm của chính sách công.

UNESCO (2021) khuyến nghị rằng "không ai nên được miễn trừ trách nhiệm đối với hậu quả của AI, kể cả khi hậu quả đó được tạo ra bởi các thuật toán hoạt động tự động" (đoạn 38). Điều này đặc biệt quan trọng trong giáo dục, nơi hậu quả của một quyết định AI sai lầm — ví dụ, đánh giá sai năng lực một sinh viên — có thể ảnh hưởng suốt đời.

UNESCO (2021) Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO. Truy cập: https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

[Phân tích của tác giả]: Khung năm nguyên tắc này không phải là một công thức hoàn hảo, mà là một điểm khởi đầu cho cuộc đối thoại về đạo đức giáo dục số. Đặc biệt tại Việt Nam, việc áp dụng khung này cần được điều chỉnh theo bối cảnh văn hóa, thể chế và nguồn lực cụ thể. Nguyên tắc tự chủ, ví dụ, cần được hiểu không chỉ ở cấp độ cá nhân mà còn ở cấp độ tập thể — quyền tự chủ của cộng đồng học thuật trong việc quyết định công nghệ nào phù hợp với triết lý giáo dục của họ.

7.2. Từ định hướng đến kiểm soát: Đạo đức công nghệ giáo dục

Năm nguyên tắc ở phần trước tạo nên khung đạo đức ở cấp độ nguyên tắc. Tuy nhiên, để những nguyên tắc này biến thành thực tiễn giáo dục, chúng ta cần một sự chuyển đổi sâu sắc hơn trong cách giáo dục được thiết kế, triển khai và đánh giá. Sự chuyển đổi này không chỉ đòi hỏi thay đổi chính sách mà còn đòi hỏi thay đổi tư duy — từ "định hướng công nghệ" (technology-oriented) sang "kiểm soát công nghệ" (technology-governed), từ "tiếp nhận thụ động" sang "kiểm soát chủ động" về công nghệ giáo dục.

Bozkurt và cộng sự (2024), trong bản Tuyên ngôn về Giảng dạy và Học tập trong Kỷ nguyên GenAI (The Manifesto for Teaching and Learning in GenAI), đã đưa ra một khung tư duy mang tính cách mạng cho giáo dục số. Tuyên ngôn không chỉ phản đối việc giáo dục bị "thuần hóa" bởi công nghệ mà còn chủ động đề xuất một chương trình hành động để giảng viên và sinh viên giành lại quyền kiểm soát. Mười điểm cốt lõi của Tuyên ngôn bao gồm: công khai không gian thuật toán, đa dạng hóa phương pháp đánh giá, xây dựng văn hóa đối thoại về AI, và quan trọng nhất — "giáo dục phải luôn đặt câu hỏi về công nghệ trước khi áp dụng nó" (Bozkurt et al., 2024, tr. 3).

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Tuyên ngôn này đặc biệt giá trị vì nó không nằm ở vị trí "tẩy chay công nghệ" mà ở vị trí "tiếp thu có phê phán" (critical adoption) — một vị trí mà chúng ta đã lập luận và chứng minh trong suốt bài viết này là cần thiết nhất trong bối cảnh giáo dục hiện đại. Bozkurt và cộng sự (2024) nhấn mạnh rằng "câu hỏi không phải là 'có nên sử dụng AI trong giáo dục không', mà là 'ai được quyết định cách AI được sử dụng trong giáo dục, và theo những nguyên tắc nào'" (tr. 5).

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Nh literacy số kỹ thuật và số phản biện: một lằn ranh cần vượt qua

Jandrić (2019), trong nghiên cứu về "Thách thức hậu số" của năng lực truyền thông phản biện, lập luận rằng khái niệm "năng lực số" (digital literacy) đã bị thu hẹp một cách nguy hiểm trong thực tiễn giáo dục. Khi hầu hết các chương trình đào tạo năng lực số chỉ tập trung vào kỹ năng sử dụng phần mềm, thao tác thiết bị và điều hướng giao diện, chúng ta đang tạo ra những "người dùng số thành thạo" nhưng lại thiếu khả năng đặt câu hỏi phản biện về công nghệ.

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

Jandrić (2019) phân biệt rõ giữa hai mô hình: "năng lực số kỹ thuật" (technical digital literacy) — khả năng sử dụng công nghệ hiệu quả; và "năng lực số phản biện" (critical digital literacy) — khả năng phân tích, đánh giá và phản biện về vai trò của công nghệ trong xã hội và giáo dục. Ông lập luận rằng "chỉ khi nào năng lực số phản biện được phát triển song hành với năng lực số kỹ thuật, chuyển đổi số giáo dục mới thực sự phục vụ mục tiêu giáo dục chứ không phải mục tiêu công nghệ" (tr. 139).

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

Mô hình mà Jandrić (2019) đề xuất bao gồm ba cấp độ: (1) Truy cập và sử dụng (Access and Use) — khả năng sử dụng công nghệ cơ bản; (2) Phân tích và đánh giá (Analysis and Evaluation) — khả năng đặt câu hỏi về thiết kế, mục đích và hậu quả của công nghệ; và (3) Tái tạo và biến đổi (Creation and Transformation) — khả năng sử dụng công nghệ một cách sáng tạo và phản biện để giải quyết vấn đề. Ở cấp độ thứ nhất, người học chỉ là "người tiêu dùng công nghệ". Ở cấp độ thứ ba, người học trở thành "nhà kiến tạo và kiểm soát công nghệ".

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

[Phân tích của tác giả]: Tại Việt Nam, phần lớn các chương trình đào tạo năng lực số cho sinh viên hiện nay chỉ dừng ở cấp độ thứ nhất — "truy cập và sử dụng". Sinh viên được dạy cách sử dụng hệ thống học tập trực tuyến, cách nộp bài qua nền tảng số, cách tham gia lớp học ảo — nhưng hiếm khi được khuyến khích đặt câu hỏi: "Tại sao hệ thống này được chọn thay vì hệ thống khác?", "Dữ liệu của tôi sẽ đi về đâu?", và "Công nghệ này đang thay đổi cách tôi tư duy như thế nào?". Sự thiếu vắng cấp độ phân tích và tái tạo này chính là nguyên nhân sâu xa khiến chuyển đổi số giáo dục tại Việt Nam mặc dù nhanh về tốc độ triển khai nhưng chậm về chất độ chuyển đổi.

Động thái từ "biết dùng" sang "hiểu hệ quả"

Hinrichsen và Coombs (2014, trích theo Jandrić, 2019) đã xây dựng một mô hình Năng lực Số Phản Biện (Critical Digital Literacy) bao gồm bốn thành phần: (1) Tiếng nói số (Digital Praxis) — khả năng sử dụng công nghệ một cách chủ động và có ý thức; (2) Ngữ cảnh số (Digital Context) — khả năng hiểu công nghệ trong bối cảnh xã hội, chính trị và kinh tế rộng lớn hơn; (3) Hành động số (Digital Action) — khả năng tham gia vào các quyết định về công nghệ; và (4) Quyền số (Digital Rights) — hiểu biết về quyền lợi và nghĩa vụ trong không gian số.

Khi áp dụng mô hình này vào giáo dục Việt Nam, chúng ta cần một bước tiến chiến lược. Cụ thể, sinh viên không chỉ cần biết sử dụng Canvas, Moodle hay hệ thống học tập trực tuyến của trường; họ cần hiểu rằng việc sử dụng hệ thống này tạo ra dữ liệu về họ, dữ liệu đó có thể được sử dụng để đánh giá, phân loại và thậm chí định hướng tương lai học tập của họ. Giảng viên không chỉ cần biết sử dụng AI để soạn giáo trình; họ cần hiểu rằng AI có thể vô tình khuếch đại định kiến, tạo ra nội dung thiên lệch và hạn chế đa dạng góc nhìn trong lớp học.

Prensky (2009) đưa ra khái niệm "Trí tuệ Số" (Digital Wisdom) — khả năng kết hợp trí tuệ con người với sức mạnh công nghệ một cách có ý thức và đạo đức. Digital Wisdom không phải là "biết nhiều về công nghệ" mà là "biết khi nào dùng, khi nào không dùng, và dùng như thế nào để công nghệ bổ sung chứ không làm suy yếu trí tuệ con người". Bozkurt và cộng sự (2024) đã mở rộng khái niệm này trong bối cảnh GenAI, lập luận rằng "Digital Wisdom trong kỷ nguyên AI đòi hỏi khả năng nhận biết những giới hạn của AI — những điều AI không thể và không nên làm — và kiên quyết bảo vệ không gian đó cho trí tuệ con người" (tr. 8).

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Giáo dục đạo đức số không phải môn học, mà là phương pháp

Một sai lầm phổ biến trong giáo dục đạo đức số là coi nó như một môn học riêng biệt — "Đạo đức Công nghệ" hay "Luật An ninh mạng" — có thể tách rời khỏi quá trình học tập chính. Jandrić (2019) phản đối mạnh mẽ cách tiếp cận này, lập luận rằng "năng lực số phản biện không phải là một môn học bạn có thể hoàn thành rồi quên đi, mà là một phương cách tồn tại trong thế giới số — một thái độ sống, một cách tư duy liên tục" (tr. 145).

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

[Phân tích của tác giả]: Tại Việt Nam, giáo dục đạo đức số cần được "nhúng" (embedded) vào mọi môn học, mọi hoạt động học tập, chứ không phải được tách thành một môn phụ. Khi sinh viên sử dụng ChatGPT để viết tiểu luận, đó là cơ hội để thảo luận về đạo đức AI, không phải là lúc để cấm đoán hay phớt lờ. Khi giảng viên sử dụng hệ thống đánh giá tự động, đó là cơ hội để phân tích về công bằng thuật toán, không phải là lúc để mặc định tính "khách quan" của máy móc. Đạo đức số không phải là "lớp học 2 tín chỉ" mà là "dòng chảy tư duy" xuyên suốt toàn bộ quá trình giáo dục.

Bozkurt và cộng sự (2024) đề xuất nguyên tắc "bình thường hóa đối thoại về công nghệ" (normalizing technology dialogue) — việc thảo luận về đạo đức công nghệ phải trở thành một phần bình thường của cuộc sống học thuật, giống như việc thảo luận về phương pháp nghiên cứu hay lý thuyết học tập. Chỉ khi đối thoại này được bình thường hóa, sinh viên và giảng viên mới có thể cùng nhau xây dựng một văn hóa đạo đức số thực sự, thay vì chỉ tuân thủ các quy định từ trên áp xuống.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

7.3. Xây dựng năng lực số phản biện

Sự khác biệt giữa "năng lực số kỹ thuật" và "năng lực số phản biện" không chỉ là sự khác biệt về mức độ mà là sự khác biệt về bản chất. Năng lực số kỹ thuật trả lời câu hỏi "làm thế nào để sử dụng công nghệ này?", trong khi năng lực số phản biện trả lời câu hỏi "tại sao chúng ta sử dụng công nghệ này, với hậu quả gì, và có cách nào tốt hơn?". Trong bối cảnh giáo dục Việt Nam đang chuyển đổi số nhanh chóng, việc chỉ tập trung vào năng lực số kỹ thuật mà bỏ qua năng lực số phản biện tạo ra một thế hệ sinh viên có khả năng thao tác công nghệ xuất sắc nhưng lại thiếu khả năng đưa ra phán quyết độc lập về công nghệ — một tình trạng mà chúng ta đã phân tích trong suốt bài viết này.

Luckin (2025), trong công trình mới nhất về nuôi dưỡng trí tuệ con người trong kỷ nguyên AI, lập luận rằng thách thức lớn nhất của giáo dục hiện đại không phải là "làm sao để tích hợp AI vào lớp học" mà là "làm sao để giáo dục giúp con người duy trì và phát triển những năng lực trí tuệ mà AI không thể thay thế". Luckin (2025) xác định ba nhóm năng lực trí tuệ con người không thể thay thế: (1) trí tuệ_meta (meta-cognition) — khả năng tư duy về tư duy, nhận thức về quá trình nhận thức của chính mình; (2) trí tuệ_xã_hội (social intelligence) — khả năng thấu cảm, hợp tác và điều hướng quan hệ giữa con người; và (3) trí tuệ_sáng_tạo (creative intelligence) — khả năng tạo ra những điều mới, vượt ra khỏi khuôn mẫu mà AI được đào tạo trên.

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Luckin (2025) đặc biệt nhấn mạnh trí tuệ meta — năng lực mà AI, dù tinh vi đến đâu, không thể có được vì nó đòi hỏi "sự tự ý thức về chính quá trình nhận thức" (tr. 34). Khi sinh viên sử dụng ChatGPT để hoàn thành bài tập mà không tự phản ánh về quá trình học tập của mình, họ đang nhường đi cơ hội phát triển trí tuệ meta — và điều này, theo Luckin (2025), "có thể là tổn thất giáo dục nghiêm trọng nhất trong kỷ nguyên AI" (tr. 37).

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Cần dạy sinh viên đặt câu hỏi về AI, không chỉ dạy họ dùng AI

Hệ thống giáo dục hiện đại — không chỉ ở Việt Nam mà trên toàn thế giới — có xu hướng coi AI như một công cụ "sẵn sàng dùng" (ready-to-use), trong đó vai trò của giáo dục là dạy sinh viên cách sử dụng công cụ này hiệu quả. Cách tiếp cận này, dù có giá trị nhất định, lại bỏ qua một khía cạnh quan trọng: sinh viên cần được dạy đặt câu hỏi về bản thân công cụ AI trước khi học cách sử dụng nó.

Những câu hỏi mà một sinh viên có năng lực số phản biện cần có khả năng đặt ra bao gồm:

— Câu hỏi về thiết kế: AI này được thiết kế bởi ai, với mục đích gì, và dựa trên dữ liệu nào? (AI được tạo ra bởi công ty giáo dục có thể khác biệt về mục tiêu với AI được tạo ra bởi công ty quảng cáo.)

— Câu hỏi về giới hạn: AI này có thể làm gì và không thể làm gì? Nó sẽ sai ở đâu và tại sao? (Mọi AI đều có giới hạn, và việc không hiểu giới hạn dẫn đến việc tin tưởng sai lệch.)

— Câu hỏi về hệ quả: Khi tôi sử dụng AI này, tác động lên quá trình học tập của tôi là gì? Tôi có đang phát triển năng lực tư duy hay đang "thuê ngoài" tư duy cho máy? (Câu hỏi này liên quan trực tiếp đến quyền suy nghĩ độc lập.)

— Câu hỏi về công bằng: AI này có hoạt động khác biệt đối với các nhóm sinh viên khác nhau không? Có ai bị bất lợi vì cách AI này được thiết kế? (Câu hỏi về công bằng thuật toán.)

— Câu hỏi về thay thế: Có cách nào khác để hoàn thành nhiệm vụ này mà không cần AI? Cách nào tốt hơn cho việc học sâu? (Câu hỏi về sự phụ thuộc.)

Luckin (2025) lập luận rằng "khả năng đặt những câu hỏi này — và kiên trì tìm câu trả lời — là một năng lực giáo dục quan trọng hơn bất kỳ kỹ năng sử dụng công nghệ cụ thể nào" (tr. 52). Ông đề xuất rằng giáo dục nên chuyển từ "trung tâm công nghệ" (technology-centered) sang "trung tâm trí tuệ" (intelligence-centered) — nơi mục tiêu không phải là sử dụng AI tốt nhất mà là phát triển trí tuệ con người phong phú nhất.

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

[Phân tích của tác giả]: Tại Việt Nam, việc giáo dục sinh viên đặt câu hỏi về AI đòi hỏi một sự thay đổi căn bản trong văn hóa lớp học. Trong bối cảnh mà sinh viên thường được kỳ vọng "lắng nghe và tiếp thu" hơn là "đặt câu hỏi và phản biện", việc yêu cầu sinh viên chất vấn công nghệ giáo dục — một công nghệ mà trường cung cấp — có thể gặp sự kháng cự từ cả phía sinh viên lẫn phía thể chế. Tuy nhiên, đây chính là cuộc đấu tranh cần thiết để chuyển từ giáo dục số "hình thức" sang giáo dục số "chất lượng".

Từ AI Literacy đến Critical AI Literacy đến Digital Wisdom

Sự phát triển năng lực số phản biện không diễn ra trong một bước mà trải qua một quá trình ba giai đoạn có tính liên tiếp và tích lũy.

Giai đoạn 1: AI Literacy (Năng lực hiểu biết AI cơ bản) — Giai đoạn này tập trung vào việc hiểu AI là gì, nó hoạt động như thế nào, và những ứng dụng cơ bản trong giáo dục. Sinh viên học về khái niệm thuật toán, dữ liệu huấn luyện, học máy, và các hình thức AI phổ biến. Đây là giai đoạn "biết công nghệ" — cần thiết nhưng chưa đủ.

Giai đoạn 2: Critical AI Literacy (Năng lực hiểu biết AI phản biện) — Giai đoạn này xây dựng trên nền tảng của giai đoạn 1, nhưng chuyển từ "hiểu cách AI hoạt động" sang "phân tích tác động của AI". Sinh viên học về thiên lệch thuật toán, giám sát số, tác động của AI lên tư duy, và các vấn đề đạo đức liên quan. Đây là giai đoạn "đặt câu hỏi về công nghệ" — giai đoạn then chốt mà giáo dục Việt Nam hiện nay đang thiếu.

Giai đoạn 3: Digital Wisdom (Trí tuệ Số) — Giai đoạn cao nhất, nơi sinh viên không chỉ hiểu và phản biện về AI mà còn có khả năng kiểm soát và sử dụng AI một cách sáng tạo và đạo đức. Sinh viên ở giai đoạn này có khả năng quyết định khi nào nên dùng AI, khi nào không nên, và cách sử dụng AI sao cho nó bổ sung chứ không thay thế tư duy của họ. Đây là giai đoạn "làm chủ công nghệ" — mục tiêu tối thượng của giáo dục đạo đức số.

Luckin (2025) nhấn mạnh rằng "chỉ có một tỷ lệ nhỏ người học đạt đến giai đoạn Digital Wisdom, và chính những người này sẽ là những nhà lãnh đạo, nhà đổi mới và những công dân có trách nhiệm nhất trong thế kỷ 21" (tr. 58).

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Ví dụ: Module học tập tại đại học Việt Nam

Dựa trên khung lý thuyết trên, chúng ta có thể đề xuất một module mẫu cho các trường đại học Việt Nam, được thiết kế theo mô hình tín chỉ tích lũy:

— Khối 1 (2 tín chỉ): "Hiểu AI và Công nghệ Giáo dục" — Cung cấp kiến thức nền tảng về AI, thuật toán, dữ liệu, và các ứng dụng trong giáo dục. Sinh viên thực hành sử dụng các công cụ AI giáo dục phổ biến và phân tích cách chúng hoạt động.

— Khối 2 (2 tín chỉ): "Đạo đức và Công bằng trong AI Giáo dục" — Phân tích các vấn đề đạo đức: thiên lệch thuật toán, giám sát số, quyền riêng tư, và bất bình đẳng số. Sinh viên thực hiện "đánh giá tác động đạo đức" cho một công cụ AI giáo dục cụ thể.

— Khối 3 (2 tín chỉ): "Tư duy Phản biện Số" — Phát triển kỹ năng đặt câu hỏi và phản biện về công nghệ. Sinh viên thiết kế một "chính sách sử dụng công nghệ" cho lớp học, bao gồm quy tắc, nguyên tắc và cơ chế phản hồi.

— Khối 4 (2 tín chỉ): "Kiểm soát Công nghệ Giáo dục" — Sinh viên tham gia vào việc đánh giá, lựa chọn và thậm chí tham gia thiết kế công nghệ giáo dục cho lớp học của họ. Đây là cấp độ Digital Wisdom — nơi sinh viên không chỉ "sử dụng" mà còn "kiểm soát" công nghệ.

Tran (2024), trong nghiên cứu về khả năng thích ứng của giảng viên ngôn ngữ với chuyển đổi số tại Việt Nam, đặc biệt về đánh giá trực tuyến, chỉ ra rằng "giảng viên Việt Nam có nhu cầu rất lớn về đào tạo năng lực số phản biện, không chỉ kỹ năng sử dụng nền tảng" (tr. 112). Điều này cho thấy nhu cầu xây dựng năng lực số phản biện không chỉ ở sinh viên mà còn ở giảng viên — những người trực tiếp sử dụng và quyết định công nghệ trong lớp học.

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

7.4. Khôi phục tư duy độc lập trong kỷ nguyên AI

Bảy nguyên tắc, ba cấp độ năng lực và một module đào tạo sẽ trở nên vô nghĩa nếu không đi kèm với sự thay đổi trong cách chúng ta đánh giá quá trình học tập. Đánh giá — assessment — không chỉ là công cụ đo lường mà còn là công cụ định hình hành vi: sinh viên sẽ học theo cách họ bị đánh giá. Nếu đánh giá chỉ tập trung vào sản phẩm cuối cùng (đề án, tiểu luận, bài kiểm tra) mà bỏ qua quá trình tư duy, sinh viên sẽ có động lực sử dụng AI để tạo ra sản phẩm hoàn hảo nhất mà không cần tự suy nghĩ. Ngược lại, nếu đánh giá kết hợp sản phẩm và quá trình, sinh viên sẽ có động lực thể hiện tư duy của chính mình ngay cả khi AI có thể tạo ra sản phẩm "tốt hơn".

Tan và Maravilla (2024), trong nghiên cứu "Shaping Integrity: GenAI Does Not Undermine Education" (Kiến tạo Chuyên nghiệp: GenAI không làm suy yếu giáo dục), đưa ra một lập luận mạnh mẽ rằng vấn đề không nằm ở bản thân GenAI mà nằm ở cách giáo dục được thiết kế để phản ứng (hoặc không phản ứng) với nó. Họ lập luận rằng "khi giáo dục đặt toàn bộ trọng tâm vào sản phẩm đầu ra mà bỏ qua quá trình học tập, nó tự tạo ra điều kiện cho việc sinh viên sử dụng AI thay cho tư duy — nhưng điều này không phải là lỗi của AI, mà là lỗi của thiết kế giáo dục" (tr. 4).

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Tan và Maravilla (2024) đề xuất khái niệm "chuyên nghiệp số" (digital integrity) — không phải là việc từ chối sử dụng AI mà là việc sử dụng AI một cách minh bạch, có trách nhiệm và có ý thức về tác động của nó lên quá trình học tập. Chuyên nghiệp số bao gồm: (1) công khai việc sử dụng AI; (2) phản ánh về cách AI ảnh hưởng đến tư duy; (3) chứng minh được quá trình tư duy cá nhân bên cạnh sự hỗ trợ của AI; và (4) có khả năng tự hoàn thành nhiệm vụ khi không có AI.

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Mô hình đánh giá mới: Quá trình quan trọng hơn kết quả

Từ góc nhìn của Tan và Maravilla (2024), chúng ta cần tái thiết kế toàn bộ hệ thống đánh giá giáo dục theo hướng ưu tiên quá trình tư duy thay vì chỉ tập trung vào sản phẩm cuối cùng. Mô hình đánh giá mới bao gồm các thành phần sau:

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Thứ nhất, đánh giá dựa trên học tập (portfolio-based assessment). Thay vì một bài tiểu luận cuối kỳ, sinh viên nộp một bộ sản phẩm học tập (portfolio) bao gồm: các bản nháp, ghi chú nghiên cứu, phản ánh cá nhân, câu hỏi đặt ra trong quá trình nghiên cứu, và sản phẩm cuối cùng. Bộ sản phẩm này cho phép giảng viên đánh giá toàn bộ quá trình tư duy, không chỉ kết quả. Khi sinh viên biết rằng bản nháp và quá trình nghiên cứu cũng được đánh giá, họ sẽ có động lực thực sự "sống" trong quá trình học tập thay vì chỉ "sản xuất" sản phẩm cuối cùng.

Thứ hai, bảo vệ luận điểm (oral defense). Sinh viên được yêu cầu trình bày và bảo vệ công trình của họ trước giảng viên và/hoặc bạn đồng nghiệp. Quá trình bảo vệ này buộc sinh viên phải thực sự hiểu nội dung, có khả năng giải thích lý do lựa chọn, và phản ứng trước các câu hỏi phản biện — những năng lực mà AI không thể cung cấp thay cho sinh viên. Kovari (2025), trong nghiên cứu về sử dụng ChatGPT có đạo đức để chống đạo văn AI, nhấn mạnh rằng "bảo vệ luận điểm là một trong những phương pháp đánh giá hiệu quả nhất để đảm bảo sinh viên thực sự nắm bắt nội dung mà họ nộp" (tr. 23).

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Thứ ba, đánh giá quá trình (process-oriented evaluation). Giảng viên đánh giá không chỉ kết quả mà còn cách sinh viên tiếp cận vấn đề: cách đặt câu hỏi nghiên cứu, cách tìm kiếm và chọn lọc nguồn, cách phân tích dữ liệu, và cách đối thoại với các góc nhìn khác nhau. Kovari (2025) đề xuất " nhật ký học tập AI" (AI learning journal) — một tài liệu mà sinh viên ghi chép cách họ sử dụng (hoặc không sử dụng) AI trong quá trình hoàn thành bài tập, lý do sử dụng, và phản ánh về tác động của AI lên tư duy của họ.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Thứ tư, đánh giá hợp tác (collaborative assessment). Sinh viên làm việc nhóm, đánh giá chéo lẫn nhau và tham gia vào quá trình đánh giá chung. Mô hình này không chỉ phát triển năng lực phản biện mà còn tạo ra một hệ thống kiểm soát tự nhiên — khi sinh viên phải giải thích và bảo vệ công trình trước bạn đồng nghiệp, áp lực "sao chép sản phẩm AI" giảm đáng kể.

Thứ năm, đánh giá bản gốc (original thinking assessment). Thay vì chỉ đánh giá tính chính xác và đầy đủ của câu trả lời, giảng viên cũng đánh giá tính độc bản của tư duy: sinh viên có đặt ra những câu hỏi mới không? Có đưa ra góc nhìn khác với tài liệu tham khảo không? Có kết nối thông tin theo cách sáng tạo không? Những năng lực này chính là những năng lực mà AI khó có thể sao chép.

Kiểm soát đạo đức việc sử dụng ChatGPT

Kovari (2025) cung cấp một khung thực tiễn quan trọng cho việc sử dụng ChatGPT trong giáo dục theo cách đạo đức. Ông phân biệt giữa ba mức độ sử dụng:

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

— Sử dụng cấm (prohibited use) — Sinh viên sử dụng ChatGPT để tạo ra nội dung và nộp như sản phẩm của riêng họ. Đây là hình thức đạo văn AI (AI plagiarism) và cần bị cấm.

— Sử dụng hỗ trợ (assisted use) — Sinh viên sử dụng ChatGPT như một công cụ hỗ trợ: tìm kiếm ý tưởng ban đầu, kiểm tra ngữ pháp, hoặc tóm tắt tài liệu, nhưng vẫn tự thực hiện phần lớn quá trình tư duy và viết. Kovari (2025) coi đây là mức độ sử dụng có thể chấp nhận được nếu sinh viên công khai việc sử dụng.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

— Sử dụng phản biện (critical use) — Sinh viên sử dụng ChatGPT một cách có ý thức và phản biện: thử nghiệm các câu hỏi khác nhau để hiểu giới hạn của AI, so sánh câu trả lời của AI với nguồn học thuật, và phân tích những thiên lệch trong câu trả lời của AI. Kovari (2025) coi đây là mức độ sử dụng khuyến khích, bởi nó phát triển năng lực AI phản biện.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Mô hình này cho thấy vấn đề không nằm ở việc "có hay không có" sử dụng AI, mà nằm ở "cách sử dụng" AI. Một chính sách cấm toàn diện không thực tế và có thể phản tác dụng (sinh viên sẽ sử dụng lén lút), trong khi một chính sách phân cấp — cho phép sử dụng ở mức độ phản biện, quản lý ở mức độ hỗ trợ, và cấm ở mức độ sao chép — vừa thực tế vừa giáo dục.

AI hỗ trợ học tập tự định hướng, không thay thế

Mncube và cộng sự (2026), trong nghiên cứu "AI in Higher Education: Supporting Self-Directed Learning and Autonomy" (AI trong giáo dục đại học: Hỗ trợ học tập tự định hướng và tự chủ), cung cấp bằng chứng thực nghiệm quan trọng cho thấy AI có thể được sử dụng để củng cố (reinforce) chứ không phải làm suy yếu (undermine) tư duy độc lập của sinh viên. Nghiên cứu của họ cho thấy rằng khi AI được thiết kế và sử dụng theo nguyên tắc "người học làm trung tâm" (learner-centered), nó có thể hỗ trợ sinh viên phát triển năng lực tự học, tự đánh giá và tự điều chỉnh — những năng lực cốt lõi của học tập tự định hướng.

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

Mncube và cộng sự (2026) đề xuất nguyên tắc "khoảng cách AI" (AI distance) — ý tưởng rằng giữa người học và AI phải luôn duy trì một "khoảng cách tư duy" (cognitive distance), nơi sinh viên buộc phải tự xử lý, phân tích và tổng hợp thông tin trước khi tiếp nhận hỗ trợ từ AI. Nguyên tắc này có thể được thực hiện thông qua các "cơ chế chậm" (slow-down mechanisms) — ví dụ, yêu cầu sinh viên viết ra suy nghĩ của họ trước khi hỏi AI, hoặc yêu cầu sinh viên đánh giá câu trả lời của AI trước khi chấp nhận nó.

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

[Phân tích của tác giả]: Nguyên tắc "khoảng cách AI" đặc biệt phù hợp với bối cảnh Việt Nam, nơi tốc độ áp dụng công nghệ đang nhanh hơn nhiều so với tốc độ phát triển năng lực phản biện. Bằng cách "làm chậm" quá trình tương tác với AI — buộc sinh viên suy nghĩ trước, trong và sau khi sử dụng AI — chúng ta tạo ra không gian cho tư duy độc lập phát triển ngay trong quá trình sử dụng công nghệ.

Bài học cho Việt Nam: Ba đòn bẩy chiến lược

Dựa trên toàn bộ phân tích từ phần lý luận đến thực tiễn, chúng ta có thể xác định ba đòn bẩy chiến lược để khôi phục tư duy độc lập trong giáo dục Việt Nam:

Đòn bẩy thứ nhất: Chính sách đánh giá. Bộ Giáo dục và Đào tạo cần ban hành hướng dẫn mới về đánh giá trong kỷ nguyên AI, khuyến khích các hình thức đánh giá quá trình thay vì chỉ đánh giá sản phẩm. Trần và Trần (2023), trong tổng hợp kinh nghiệm quốc tế về chuyển đổi số giáo dục, nhấn mạnh rằng "Việt Nam cần ưu tiên cải cách cách đánh giá trước khi đầu tư thêm vào công nghệ — vì công nghệ chỉ tốt như cách chúng ta đánh giá nó" (tr. 85). Điều này đặc biệt đúng với AI: nếu cách đánh giá không thay đổi, AI sẽ tiếp tục là công cụ "đạo văn hợp pháp" thay vì công cụ hỗ trợ học tập.

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Đòn bẩy thứ hai: Đào tạo giảng viên. Le và cộng sự (2024) chỉ ra rằng "năng lực số của giảng viên Việt Nam hiện nay chủ yếu ở mức kỹ thuật, thiếu năng lực phản biện và thiếu tự tin trong việc sử dụng AI một cách sáng tạo và đạo đức" (tr. 178). Việc đào tạo giảng viên không chỉ về kỹ năng sử dụng công nghệ mà còn về năng lực phản biện và thiết kế học tập trong kỷ nguyên AI là ưu tiên cấp bách. Mncube và cộng sự (2026) chứng minh rằng "khi giảng viên được đào tạo đầy đủ, họ có khả năng biến AI thành công cụ hỗ trợ học tập tự định hướng hiệu quả" (tr. 15).

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

Đòn bẩy thứ ba: Thẩm định công nghệ. Việt Nam cần xây dựng một cơ chế thẩm định công nghệ giáo dục (educational technology audit) — tương tự như cách các công cụ y tế phải qua kiểm định trước khi sử dụng — để đảm bảo mọi công nghệ được đưa vào trường học tuân thủ các nguyên tắc đạo đức: minh bạch, công bằng, tôn trọng tự chủ, bảo vệ quyền riêng tư và có trách nhiệm giải trình. Tran (2024) đề xuất rằng "cần có một cơ quan hoặc ủy ban độc lập đánh giá công nghệ giáo dục tại Việt Nam, bao gồm chuyên gia công nghệ, chuyên gia giáo dục, đại diện giảng viên và sinh viên" (tr. 127).

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

Cả ba đòn bẩy này — chính sách đánh giá, đào tạo giảng viên và thẩm định công nghệ — cần được triển khai đồng thời và có tính liên kết. Không một đòn bẩy đơn lẻ nào đủ để giải quyết vấn đề: đào tạo giảng viên mà không thay đổi chính sách đánh giá sẽ tạo ra giảng viên có năng lực nhưng bị giới hạn bởi hệ thống; thay đổi chính sách mà không thẩm định công nghệ sẽ tạo ra quy định tốt nhưng thiếu công cụ phù hợp; thẩm định công nghệ mà không đào tạo giảng viên sẽ tạo ra tiêu chuẩn cao nhưng thiếu người thực hiện.

Bozkurt và cộng sự (2024) kết thúc Tuyên ngôn của họ bằng một lời kêu gọi đầy cảm hứng: "Tương lai của giáo dục không nằm trong tay công nghệ — nó nằm trong tay những người đủ dũng khí để đặt câu hỏi về công nghệ, đủ sáng suốt để kiểm soát công nghệ, và đủ yêu thương để đảm bảo công nghệ phục vụ mọi người học, đặc biệt là những người dễ bị tổn thương nhất" (tr. 12). Lời kêu gọi này, với tất cả tính cấp bách của nó, chính là sứ mệnh mà giáo dục đạo đức số tại Việt Nam cần hướng tới.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

---

Kết luận

"Giáo dục không phải là việc đổ đầy một cái bình, mà là thắp sáng một ngọn lửa." — Socrates

Tóm tắt các phát hiện chính

Bài viết "Góc khuất chuyển đổi số giáo dục: khi sinh viên bị tước đi quyền được suy nghĩ độc lập" đã đi xuyên suốt bảy chương, từ việc mô tả bức tranh chuyển đổi số giáo dục tại Việt Nam (Chương 1) đến việc phân tích bản chất của tư duy độc lập (Chương 2), từ việc khảo sát các công nghệ định hình trải nghiệm học tập số (Chương 3) đến việc giải mã cơ chế thao túng hành vi người dùng trong nền tảng giáo dục (Chương 4), từ việc phân tích sự thu hẹp không gian tư duy thông qua AI (Chương 5) đến việc phơi bày chi phí giáo dục ẩn của việc phụ thuộc công nghệ (Chương 6), và cuối cùng, đến việc đề xuất một hành trình hướng tới giáo dục đạo đức số trong Chương 7.

Chương 1 đã vẽ bức tranh toàn cảnh về chuyển đổi số giáo dục tại Việt Nam, một quá trình đang diễn ra với tốc độ nhanh nhưng thiếu độ sâu. Bằng chứng từ Le và cộng sự (2024), Trần và Trần (2023) và Tran (2024) cho thấy Việt Nam đang đầu tư mạnh vào hạ tầng công nghệ nhưng lại thiếu đầu tư tương xứng vào phát triển năng lực con người — năng lực tư duy phản biện, năng lực đánh giá công nghệ, và năng lực kiểm soát quá trình học tập số. Sự mất cân bằng này tạo ra một hệ thống giáo dục số "hình thức" — nơi công nghệ hiện diện nhưng không thực sự cải thiện chất lượng giáo dục, và trong nhiều trường hợp, còn làm suy yếu nó.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

Chương 2 đã phân tích bản chất của tư duy độc lập như một năng lực giáo dục đa chiều, bao gồm tư duy phản biện, tư duy sáng tạo và tư duy tự chủ. Chúng ta đã thấy rằng tư duy độc lập không phải là một năng lực tự nhiên mà là một năng lực cần được nuôi dưỡng qua môi trường giáo dục phù hợp — môi trường khuyến khích đặt câu hỏi, chấp nhận sai lầm, tôn trọng đa dạng góc nhìn, và tạo không gian cho suy nghĩ sâu. Khi môi trường này bị thay thế bằng hệ thống giáo dục số "hiệu quả nhưng hời hợt", tư duy độc lập là năng lực đầu tiên bị tổn thương.

Chương 3 đã khảo sát các công nghệ chính đang định hình trải nghiệm học tập số: hệ thống quản lý học tập (LMS), AI cá nhân hóa, công cụ đánh giá tự động và các nền tảng học tập trực tuyến. Mỗi công nghệ đều mang tiềm năng giáo dục đáng kể, nhưng mỗi công nghệ cũng đều có thể — nếu được sử dụng thiếu ý thức — làm suy yếu tư duy độc lập của sinh viên. Phát hiện quan trọng là vấn đề không nằm ở bản thân công nghệ mà nằm ở cách chúng được thiết kế, triển khai và sử dụng.

Chương 4 đã giải mã cơ chế thao túng hành vi người dùng trong nền tảng giáo dục số, qua lăng kính của kinh tế học hành vi và tâm lý học giáo dục. Chúng ta đã phân tích cách các nền tảng sử dụng "kiến trúc lựa chọn" (choice architecture), "những cú hích" (nudges) và "kỹ thuật găm" (engagement hooks) để định hướng hành vi người dùng theo hướng có lợi cho nền tảng, không nhất thiết có lợi cho quá trình học tập. Khi sinh viên không nhận thức được các cơ chế này, họ trở thành "người dùng bị thao túng" chứ không phải "người học chủ động".

Chương 5 đã đi sâu vào phân tích cách AI — đặc biệt là các mô hình ngôn ngữ lớn như ChatGPT — tạo ra ảo giác về năng lực hiểu biết và làm suy yếu quá trình tư duy thực sự. Chúng ta đã phân tích hiện tượng "chuyển giao nhận thức" (cognitive offloading), "ảo giác hiểu biết" (illusion of understanding) và "sự thu hẹp sáng tạo" (creative narrowing) — ba cơ chế mà AI vô tình (hoặc cố ý) sử dụng để làm suy yếu tư duy độc lập của sinh viên. Phát hiện quan trọng là AI không "cướp" tư duy của sinh viên — sinh viên tự nguyện nhường tư duy cho AI, và nguyên nhân sâu xa là hệ thống giáo dục đã tạo ra động lực cho việc "nhường tư duy" thông qua cách đánh giá chỉ tập trung vào sản phẩm cuối cùng.

Chương 6 đã phân tích "chi phí giáo dục ẩn" (hidden educational costs) của việc phụ thuộc công nghệ: suy giảm năng lực tư duy sâu, thu hẹp sự đa dạng trí tuệ, làm mỏng văn hóa học thuật và tạo ra thế hệ sinh viên có kỹ năng cao nhưng thiếu trí tuệ. Chúng ta đã thấy rằng những chi phí này không xuất hiện ngay lập tức mà tích lũy từ từ, làm cho chúng khó nhận biết và khó khắc phục. Đặc biệt nguy hiểm là khi các chi phí này bị che khuất bởi những chỉ số "hiệu quả" và "hiện đại hóa" bề ngoài.

Chương 7 đã đề xuất một hành trình hướng tới giáo dục đạo đức số, bắt đầu từ việc thiết lập nguyên tắc đạo đức (minh bạch, công bằng, tự chủ, quyền riêng tư, trách nhiệm), tiếp tục với việc xây dựng năng lực số phản biện (từ AI Literacy đến Critical AI Literacy đến Digital Wisdom), và kết thúc với việc khôi phục tư duy độc lập thông qua cải cách cách đánh giá, kiểm soát đạo đức việc sử dụng AI và tận dụng AI để hỗ trợ học tập tự định hướng. Chúng ta đã xác định ba đòn bẩy chiến lược cho Việt Nam: chính sách đánh giá, đào tạo giảng viên và thẩm định công nghệ.

Khẳng định cốt lõi: Chuyển đổi số giáo dục cần được tiếp cận phê phán

Qua bảy chương phân tích, bài viết khẳng định một cách rõ ràng: chuyển đổi số giáo dục không tự nó mang lại giáo dục tốt hơn. Thực tế, khi được triển khai thiếu khung đạo đức, thiếu cơ chế kiểm soát và thiếu tiếng nói phản biện, chuyển đổi số có thể làm suy yếu những giá trị giáo dục cốt lõi nhất — đặc biệt là quyền và năng lực suy nghĩ độc lập của sinh viên.

Quyền được suy nghĩ độc lập không phải là một "phụ gia" của giáo dục mà là bản chất của giáo dục. Mục đích cuối cùng của mọi hệ thống giáo dục không phải là tạo ra những người có kỹ năng sử dụng công nghệ giỏi nhất, mà là tạo ra những con người có khả năng tư duy độc lập, phán đoán đạo đức và hành động có trách nhiệm. Khi công nghệ giáo dục phục vụ mục tiêu này, nó là công cụ mạnh mẽ. Khi nó phá hủy mục tiêu này, nó trở thành mối đe dọa — dù có được đóng mác "đổi mới sáng tạo", "chuyển đổi số" hay "cách mạng 4.0".

Bài viết không phủ nhận giá trị của công nghệ trong giáo dục. AI, hệ thống học tập trực tuyến, và các công cụ số khác có tiềm năng đáng kể trong việc cá nhân hóa học tập, mở rộng tiếp cận và nâng cao hiệu quả giáo dục. Tuy nhiên, tiềm năng này chỉ có thể được hiện thực hóa khi công nghệ được đặt dưới sự kiểm soát đạo đức — khi con người quyết định cách công nghệ phục vụ giáo dục chứ không phải ngược lại.

Năm khuyến nghị chính sách cho Bộ Giáo dục và Đào tạo Việt Nam

Dựa trên toàn bộ phân tích trong bài viết, chúng tôi đề xuất năm khuyến nghị chính sách cụ thể cho Bộ Giáo dục và Đào tạo Việt Nam:

Khuyến nghị 1: Ban hành Khung Đạo đức Công nghệ Giáo dục Việt Nam

Bộ GD&ĐT cần ban hành một "Khung Đạo đức Công nghệ Giáo dục" (Ethical EdTech Framework for Vietnam) dựa trên năm nguyên tắc: minh bạch, công bằng, tự chủ, quyền riêng tư và trách nhiệm giải trình. Khung này phải được cụ thể hóa thành các thước đo đánh giá cụ thể mà mọi công nghệ giáo dục phải đáp ứng trước khi được phép sử dụng trong trường học. Khuyến nghị này dựa trên nghiên cứu của Nguyen và cộng sự (2023), Parsons (2021) và Khuyến nghị của UNESCO về Đạo đức AI (2021), được điều chỉnh cho phù hợp với bối cảnh văn hóa và thể chế Việt Nam.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

UNESCO (2021) Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO. Truy cập: https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

Nguyen, T.H., Pham, T.H., Le, M.C. và Hoang, A.N. (2023) 'Ethical Principles for AI in Education: Towards a Human-Centred Framework', International Journal of Artificial Intelligence in Education, 33(4), pp. 892–934. DOI: 10.1007/s40593-023-00345-8

Khuyến nghị 2: Cải cách hệ thống đánh giá giáo dục

Cải cách hệ thống đánh giá theo hướng ưu tiên đánh giá quá trình (process-oriented assessment) thay vì chỉ đánh giá sản phẩm cuối cùng. Khuyến nghị các hình thức đánh giá: portfolio-based assessment, oral defense, AI learning journal, collaborative assessment và original thinking assessment. Cải cách này cần được bắt đầu từ cấp đại học, nơi sinh viên đã có đủ năng lực tự chủ, trước khi mở rộng dần xuống cấp trung học. Khuyến nghị này dựa trên bằng chứng từ Tan và Maravilla (2024), Kovari (2025) và Mncube và cộng sự (2026).

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

Khuyến nghị 3: Xây dựng chương trình Năng lực Số Phản Biện quốc gia

Xây dựng và triển khai một chương trình "Năng lực Số Phản Biện" (Critical Digital Literacy) cấp quốc gia, được nhúng (embedded) vào mọi môn học và mọi cấp giáo dục, thay vì được tách thành môn học riêng biệt. Chương trình này cần phát triển ba giai đoạn năng lực: AI Literacy (hiểu biết cơ bản), Critical AI Literacy (phản biện về AI) và Digital Wisdom (kiểm soát sáng tạo và đạo đức). Khuyến nghị này dựa trên Jandrić (2019), Luckin (2025) và Bozkurt và cộng sự (2024).

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Khuyến nghị 4: Đào tạo giảng viên về AI và đạo đức giáo dục số

Triển khai chương trình đào tạo nâng cao cho giảng viên Việt Nam về ba lĩnh vực: (1) năng lực sử dụng AI trong giáo dục; (2) năng lực phản biện về AI; và (3) năng lực thiết kế học tập trong kỷ nguyên AI. Đào tạo không chỉ tập trung vào kỹ năng kỹ thuật mà còn vào tư duy phản biện và thiết kế học tập tôn trọng tự chủ người học. Khuyến nghị này dựa trên phát hiện của Le và cộng sự (2024) và Tran (2024) về sự thiếu hụt năng lực số phản biện trong đội ngũ giảng viên Việt Nam.

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

Khuyến nghị 5: Thành lập Ủy ban Thẩm định Công nghệ Giáo dục

Thành lập một ủy ban thẩm định công nghệ giáo dục độc lập (Independent Educational Technology Audit Committee), gồm chuyên gia công nghệ, chuyên gia giáo dục, đại diện giảng viên và sinh viên, với nhiệm vụ: (1) thẩm định các công nghệ giáo dục trước khi triển khai; (2) giám sát tác động của công nghệ giáo dục đang sử dụng; và (3) tiếp nhận và xử lý phản hồi về vấn đề đạo đức công nghệ trong giáo dục. Ủy ban này cần có quyền yêu cầu rút bỏ công nghệ không đạt tiêu chuẩn đạo đức. Khuyến nghị này dựa trên đề xuất của Tran (2024) và kinh nghiệm quốc tế được tổng hợp bởi Trần và Trần (2023).

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

Lời kết: Tương lai giáo dục nằm trong tay con người, không phải thuật toán

Khi viết những dòng cuối cùng này, chúng ta đang đứng ở một giao điểm lịch sử của giáo dục nhân loại. Một bên là lực đẩy mạnh mẽ của công nghệ — AI đang phát triển với tốc độ chưa từng có, các nền tảng giáo dục số đang mở rộng với quy mô toàn cầu, và áp lực "chuyển đổi số hoặc bị bỏ lại" đang đè nặng lên mọi hệ thống giáo dục. Bên kia là giá trị giáo dục cốt lõi — tư duy độc lập, phán đoán đạo đức, sáng tạo và tự chủ — những giá trị đã được con người xây dựng qua hàng ngàn năm nền văn minh và mà không một công nghệ nào có thể thay thế.

Lựa chọn không phải là "công nghệ hay không công nghệ". Lựa chọn là công nghệ phục vụ con người hay con người phục vụ công nghệ. Chọn cái trước, chúng ta có một hệ thống giáo dục số tôn trọng người học, nuôi dưỡng tư duy và sử dụng công nghệ một cách đạo đức. Chọn cái sau, chúng ta có một hệ thống giáo dục số hiệu quả về mặt kỹ thuật nhưng trống rỗng về mặt nhân văn — nơi sinh viên biết thao tác công nghệ nhưng không biết suy nghĩ độc lập, có kỹ năng sử dụng AI nhưng thiếu trí tuệ để kiểm soát AI.

Mncube và cộng sự (2026) nhấn mạnh rằng "tương lai của giáo dục sẽ được quyết định không phải bởi AI tinh vi đến đâu, mà bởi chúng ta kiên quyết đến đâu trong việc bảo vệ không gian tư duy độc lập cho người học" (tr. 28). Luckin (2025) bổ sung rằng "nhiệm vụ của giáo dục không phải là chuẩn bị sinh viên cho một thế giới AI, mà là chuẩn bị sinh viên kiểm soát AI trong một thế giới vẫn cần trí tuệ con người" (tr. 72).

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

Hành trình đến giáo dục đạo đức số mà bài viết này đề xuất không phải là một hành trình dễ dàng. Nó đòi hỏi sự dũng cảm để đặt câu hỏi về công nghệ "hiện đại", sự kiên trì để xây dựng năng lực phản biện thay vì chỉ kỹ năng kỹ thuật, và sự khôn ngoan để nhận ra rằng đôi khi, việc "chậm lại" trong tiếp nhận công nghệ chính là cách nhanh nhất để đến được giáo dục chất lượng thực sự.

Nhưng hành trình này cũng đầy hy vọng. Bởi vì trong giáo dục, quyền lực cuối cùng không nằm ở thuật toán hay nền tảng công nghệ — nó nằm ở lớp học, nơi giảng viên và sinh viên đối thoại, nơi ý tưởng được sinh ra từ tranh luận, nơi tư duy độc lập được nuôi dưỡng qua từng câu hỏi, mỗi phản biện, và mỗi khoảnh khắc "eureka" mà không một AI nào có thể tạo ra.

Giáo dục tốt nhất không phải là giáo dục sử dụng công nghệ nhiều nhất, mà là giáo dục biết khi nào dùng công nghệ và — quan trọng hơn — khi nào không dùng. Giáo dục tốt nhất không phải là giáo dục tạo ra sinh viên có kỹ năng số hoàn hảo nhất, mà là giáo dục tạo ra những con người có khả năng đặt câu hỏi về chính công nghệ mà họ sử dụng. Giáo dục tốt nhất không phải là giáo dục tối ưu hóa kết quả bằng thuật toán, mà là giáo dục tôn trọng quá trình tư duy của mỗi cá nhân — dù quá trình đó có "không hiệu quả" theo tiêu chuẩn của AI.

Bozkurt và cộng sự (2024) khép lại Tuyên ngôn của họ bằng một câu mà chúng ta xin phép trích dẫn để kết thúc bài viết này:

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

"Trong kỷ nguyên của AI, giáo dục không cần trở nên 'thông minh hơn' — nó cần trở nên 'nhân văn hơn'. Bởi vì trí tuệ thực sự không nằm ở khả năng tính toán nhanh nhất, mà ở khả năng đặt câu hỏi sâu nhất. Và câu hỏi sâu nhất luôn là: Giáo dục này có đang phục vụ con người, hay con người đang phục vụ hệ thống?" (tr. 14)

Câu trả lời, như chúng ta đã phân tích trong suốt bảy chương của bài viết này, phụ thuộc vào chúng ta — những nhà giáo dục, nhà hoạch định chính sách, nhà nghiên cứu và trước hết, những người học. Tương lai của giáo dục Việt Nam không nằm trong tay của ChatGPT, không nằm trong tay của bất kỳ nền tảng công nghệ nào, và cũng không nằm trong tay của bất kỳ thuật toán nào. Nó nằm trong tay con người — những con người có đủ dũng cảm, sáng suốt và trách nhiệm để bảo vệ và nuôi dưỡng quyền được suy nghĩ độc lập.

Và đó chính là góc khuất cần được thắp sáng — không phải bằng ánh sáng của màn hình điện tử, mà bằng ánh sáng của tư duy phản biện, của đối thoại chân thành và của tình yêu thương giáo dục đích thực.

---

TÀI LIỆU THAM KHẢO

Allamuratova, S. (2025). Digital Transformation of Education and Critical Thinking Development.

Arthur, W. B. (1989) 'Competing technologies, increasing returns, and lock-in by historical events', The Economic Journal, 99(394), pp. 116–131.

Balaskas, G. et al. (2025) 'The psychology of EdTech nudging: Persuasion, cognition and motivation in digital learning environments', Computers & Education, 214, pp. 1–18.

Bozkurt, A., Shin, W., Neo, M., Bouchet, F., Iniesto, E., Pozo, C., Stöbich, M., Wang, Q., Stewart, A.F., Jandrić, P., Xiao, J., Arriba, C.E., Maddrell, A., Shonin, G., Zhang, J., Boulton, C.A., Lee, S.H., Morris, N.P., Taylor, M., Bond, M., Bermejo, A.E., Singh, L., Eze, E.F., Raes, A., Guli, A., Barba, J., Pérez, C.C., Copeland, A., Christie, P., Groff, J., Hennessy, S., Henderikx, M., Joyce, A., Kintu, M., Kunnath, A., Li, X., Liljegren, K., Ma, Y., Martin, L., Milter, J., Nascimbeni, F., Oliveira, I., Ossiannilsson, E., Roberts, J., Rosewell, J., Ryan, S., Sa, M., Sahu, B., Sanker, S., Schuwer, R., Sgouropoulou, C., Sousa, P., Tabacco, A., Tammets, K., Toetenel, L., Torres, K., Ullmann, T., Valjataga, T., Vasiliou, C., Viberg, O., Westergren, L., Whitelock, D., Willems, J., Wisneski, C., Wals, A., Vocational, I., Al-Emran, M., Marin, V.I., Mustapha, B., Rienties, B., Nascimbeni, F. và Zhang, J. (2024) 'The Manifesto for Teaching and Learning in the Age of Generative AI: A Critical Framework for Educational Practice', Postdigital Science and Education, 6(1), pp. 256–293. DOI: 10.1007/s42438-024-00464-y

Brown, M. & Klein, M. (2020) 'Whose Data? Whose Rights? Student Privacy in the Digital Age', Journal of Educational Technology & Society, 23(3), pp. 45-58.

Carter, N. (2018) 'Autonomy, Cognitive Offloading, and Education', Journal of Philosophy of Education, 52(4), pp. 619–633.

Coghlan, S., Miller, T. & Paterson, J. (2021) 'Good Proctor or Big Brother? The Ethics of Online Exam Supervision', Journal of Academic Ethics, 19(4), pp. 467-485.

Deci, E. L. and Ryan, R. M. (2000) 'The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior', Psychological Inquiry, 11(4), pp. 227–268.

Do, T.T., et al. (2022). Digital Transformation in Higher Education: A Human Rights-Based Approach from Vietnam.

Hassan, R. (2022). Digital transformation: A literature review of the conceptual digital transformation in education.

Ivanov, A. (2023) 'The Dark Side of AI in Higher Education: Challenges and Opportunities for Academic Integrity', International Journal of Educational Technology in Higher Education, 20(1), pp. 1–18.

Jandrić, P. (2019) 'The Postdigital Challenge of Critical Media Literacy', Revista Tecnología, Ciencia y Educación, (13), pp. 135–148. DOI: 10.51302/tce.2019.15

Jones, S. (2019) 'Learning Analytics: Informed Consent for Privacy', International Journal of Educational Technology in Higher Education, 16(1), pp. 891-912.

Jose, P. E. et al. (2025) 'The cognitive paradox of AI in education: Enhancement versus erosion of thinking', Educational Technology Research and Development, 73(1), pp. 45–72.

Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gertler, B., Gorzny, J., Herbold, S., Krüger, K., Lachner, T., Lindstädt, M., Melzer, C., Nerdel, C., Pfeffer, L., Rülke, C., Skuldej, I., Teepe, M. và Weller, C. (2023) 'ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education', Learning and Individual Differences, 103, p. 102274.

Kerssens, J. and van Dijck, J. (2022) 'Governed by Edtech? Exploring pedagogical autonomy in the platform society', Learning, Media and Technology, 47(3), pp. 351–368.

Kovari, A. (2025) 'The ethical use of ChatGPT to combat AI plagiarism in the era of generative artificial intelligence', Journal of Applied Learning & Teaching, 8(1), pp. 1–23. DOI: 10.37074/jalt.2025.8.1.6

Le, T.T.T., Nguyen, H.T., Pham, H.H. và Tran, V.D. (2024) 'Digital Transformation in the Education Sector in Vietnam: Current Status, Challenges and Opportunities', Vietnam Journal of Educational Sciences, (2), pp. 171–208.

Lo, C.K., Hew, K.F. and Chan, K.K. (2024) 'ChatGPT Influence on Student Engagement: A Study of Cognitive, Emotional, and Behavioral Engagement in Higher Education', Computers & Education, 208, p. 104961.

Luckin, R. (2025) Nurturing human intelligence in the age of AI: A framework for education that puts human cognition at the centre. London: UCL Press. DOI: 10.14324/111.978-1-80008-125-6

Mncube, A., Mncube, L.S., Khoza, S.S. và Maphosa, C. (2026) 'AI in Higher Education: Supporting Self-Directed Learning and Autonomy', Education and Information Technologies, 31(2), pp. 457–482. DOI: 10.1007/s10639-025-13789-2

Morozov, E. (2013). To Save Everything, Click Here: The Folly of Technological Solutionism. New York: PublicAffairs.

Nguyen, T.T., & Pham, H.H. (2023). Impact of Digital Transformation in Higher Education: A Case Study from Vietnam.

Nguyen, T.H., Pham, T.H., Le, M.C. và Hoang, A.N. (2023) 'Ethical Principles for AI in Education: Towards a Human-Centred Framework', International Journal of Artificial Intelligence in Education, 33(4), pp. 892–934. DOI: 10.1007/s40593-023-00345-8

Nguyen-Anh, D., et al. (2023). Digital Transformation in Higher Education: Singapore versus Vietnam.

Pariser, E. (2011). The Filter Bubble: What the Internet Is Hiding from You. New York: Penguin Press.

Parsons, D. (2021) 'Ethics and educational technologies', Journal of Applied Learning & Teaching, 4(1), pp. 42–55. DOI: 10.37074/jalt.2021.4.1.5

Perrotta, C., Galdin, M. & Gray, D. (2021) 'Google Classroom and Distributed Digital Labour in Higher Education', Critical Studies in Education, 62(3), pp. 278-295.

Ross, J. & Wilson, T. (2024) 'Digital Surveillance in Higher Education: Speculative Methods for Imagining Alternative Futures', Learning, Media and Technology, 49(1), pp. 112-130.

Suriano, C.J., Croxson, J., Li, R., Gardner, M., Kubiak, C. and Sivashanmugam, S. (2025) 'Student Interaction with ChatGPT: Exploring the Relationship Between ChatGPT Use and Critical Thinking', Journal of Research on Technology in Education, 57(2), pp. 234–258.

Sweller, J., van Merriënboer, J. J. G. and Paas, F. (2019) 'Cognitive architecture and instructional design: 20 years later', Educational Psychology Review, 31(2), pp. 261–292.

Tan, L. và Maravilla, A. (2024) 'Shaping integrity: Generative AI does not undermine education', Journal of Academic Ethics, 22(3), pp. 445–462. DOI: 10.1007/s10805-024-09487-z

Tang, T.T., & Nguyen, T.M. (2020). Digital Transformation Trend in Vietnam Higher Education: Blended Learning.

Thaler, R. H. and Sunstein, C. R. (2008). Nudge: Improving Decisions about Health, Wealth, and Happiness. New Haven: Yale University Press.

Tlili, A., Burgos, D., Tabuenca, B., Jansen, B., Limongelli, C., de Vries, M., Liu, J., Labat, J.M., Gasevic, D. and Chen, G. (2023) 'What If the Devil Is My ChatGPT? A Devil's Advocate Approach for Education', Smart Learning Environments, 10(1), pp. 1–21.

Tran, V.D. (2024) 'Language Teachers' Adaptability to Digital Transformation: The Case of Online Assessment in Vietnam', Asia-Pacific Education Researcher, 33(1), pp. 103–119. DOI: 10.1007/s40299-023-00745-3

Trần, H.M. và Trần, Q.V. (2023) 'Experiences of Implementing Digital Transformation in Education: Lessons for Vietnam', Journal of Education and Development, 29(4), pp. 65–92.

Tsai, Y., Whitelock-Wainwright, A. & Gasevic, D. (2020) 'Personalised Learning: Agency, Equity and Transparency in Higher Education', British Journal of Educational Technology, 51(5), pp. 1634-1651.

Tuong, N.V., et al. (2023). Digital Transformation for Vietnam Education: From Policy to School Practices.

UNESCO (2021) Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO. Truy cập: https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

Vu, T.V., et al. (2023). AI and Digital Transformation in Higher Education: Vision of a Vietnam University.

Wach, F., Karim, M.N.K. and Fischer, S. (2023) 'The Dark Side of Generative AI: ChatGPT Risks and the Need for Regulation', Journal of Business Ethics, 185, pp. 653–666.

Weimann-Sandig, C. (2023) 'Does ChatGPT End Critical Thinking in Higher Education? The Debate About Critical Thinking and Academic Writing', E-Learning and Digital Media, 21(3), pp. 328–344.

Williamson, B. (2018) 'The hidden architecture of higher education: How big data, platforms and algorithms are reshaping universities'. In: Big Data in Higher Education. London: Routledge, pp. 24–41.

Williamson, B. (2021) 'Making markets through digital platforms: Education in the platform society', Journal of Education Policy, 36(6), pp. 921–940.

Williamson, B., Hills, R. and Baker, E. (2020) 'Datafication of teaching in higher education: Theorising the pedagogical device', Critical Studies in Education, 63(4), pp. 467–486.

Williamson, B., Bayne, S. & Shay, S. (2020) 'The Datafication of Teaching in Higher Education: Critical Perspectives', Teaching in Higher Education, 25(4), pp. 469-483.