Khuyến nghị xây dựng Khung Quản trị Dữ liệu Giáo dục ASEAN phục vụ chuyển đổi số đại học (phiên bản đầy đủ)

1. Giới thiệu

ASEAN hiện có hơn 6.000 cơ sở giáo dục đại học, phục vụ hàng chục triệu sinh viên thuộc mười quốc gia thành viên. Sự đa dạng về mức độ phát triển kinh tế, năng lực công nghệ và cơ chế quản lý giáo dục tạo ra một bức tranh chuyển đổi số đầy sắc thái — nhưng cũng đầy bất cân xứng. Theo dữ liệu PISA 2018 do Salman và cộng sự phân tích, khoảng cách về nguồn lực công nghệ thông tin giữa các nước ASEAN vẫn còn rất lớn: trong khi Singapore đạt điểm đọc và toán lọt top 5 toàn cầu, Cambodia và Lao PDR mới chỉ bắt đầu xây dựng hạ tầng cơ bản cho học tập số (Salman et al., 2025).

Chuyển đổi số giáo dục đại học không chỉ là mua máy tính hay cài phần mềm. Nó đòi hỏi một hệ sinh thái quản trị dữ liệu đủ mạnh để thu thập, xử lý, bảo vệ và chia sẻ thông tin giữa các cơ sở đào tạo, bộ ngành quản lý, và tổ chức khu vực. ASEAN đã có ASEAN Digital Data Governance Framework (DDGF) cho luồng dữ liệu xuyên biên giới nói chung, ASEAN Work Plan on Education (AWPE) cho chiến lược giáo dục, và ASEAN Qualifications Reference Framework (AQRF) cho tương đương trình độ. Nhưng giữa các khung này vẫn tồn tại một khoảng trống rõ rệt: không có khung quản trị dữ liệu chuyên biệt cho lĩnh vực giáo dục, và đặc biệt là giáo dục đại học.

Điều này gây ra hậu quả thực tế. Các trường đại học ASEAN không có tiêu chuẩn chung về cách thu thập dữ liệu sinh viên, bảo vệ quyền riêng tư trong môi trường học tập số, hay chia sẻ dữ liệu nghiên cứu xuyên biên giới. SEAMEO (Tổ chức Bộ trưởng Giáo dục Đông Nam Á) đã hỗ trợ xây dựng hệ thống Education Management Information System (EMIS) ở cấp quốc gia, nhưng EMIS chủ yếu tập trung vào giáo dục phổ thông và thống kê quy mô, chưa bao phủ được yêu cầu quản trị dữ liệu phức tạp của giáo dục đại học trong kỷ nguyên số (Asio et al., 2022).

Bài viết này đề xuất xây dựng Khung Quản trị Dữ liệu Giáo dục ASEAN (ASEAN Education Data Governance Framework — AEDGF) nhằm lấp đầy khoảng trống đó, với trọng tâm vào giáo dục đại học. Khung đề xuất không phải thay thế cho DDGF hay AWPE, mà bổ trợ chúng bằng cách đưa các nguyên tắc quản trị dữ liệu áp dụng cụ thể vào bối cảnh giáo dục đại học.

Nội dung bài viết gồm: (1) phân tích bức tranh chuyển đổi số giáo dục đại học ASEAN; (2) khảo sát cơ sở lý luận về quản trị dữ liệu giáo dục; (3) đánh giá các khung chính sách đang có và khoảng trống hiện tại; (4) phân tích thách thức; (5) rút kinh nghiệm từ các khu vực khác; (6) và cuối cùng — đề xuất chi tiết cấu trúc và nguyên tắc của AEDGF cùng lộ trình triển khai.

2. Chuyển đổi số giáo dục đại học ASEAN: bức tranh toàn cảnh

2.1. Ba nhóm phát triển

Dựa trên mức độ sẵn sàng cho chuyển đổi số, mười quốc gia ASEAN có thể chia thành ba nhóm với đặc điểm và nhu cầu khác biệt.

Nhóm tiên phong: Singapore, Malaysia.

Singapore và Malaysia dẫn đầu ASEAN về chuyển đổi số giáo dục đại học. Các trường đại học ở hai nước này đã triển khai hệ thống quản lý học tập (LMS) từ đầu những năm 2000, tích hợp công nghệ trí tuệ nhân tạo vào quy trình giảng dạy và xây dựng hạ tầng dữ liệu tương đối hoàn chỉnh. Đại học Quốc gia Singapore (NUS) và Đại học Malaya (UM) đều có chính sách quản trị dữ liệu riêng, tiêu chuẩn bảo mật thông tin sinh viên, và khả năng phân tích dữ liệu học tập (learning analytics) ở mức khu vực (Deja et al., 2021).

Singapore đặc biệt nổi bật nhờ chiến lược Smart Nation, trong đó giáo dục đóng vai trò then chốt. Chính phủ Singapore đã đầu tư mạnh vào EduTech, yêu cầu tất cả cơ sở giáo dục đại học đạt tiêu chuẩn nhất định về quản trị dữ liệu trước khi được cấp phép cung cấp chương trình trực tuyến. Malaysia thông qua Kế hoạch Giáo dục Đại học (Higher Education Blueprint) 2015–2025 đã đặt yêu cầu về sử dụng dữ liệu trong ra quyết định tại tất cả trường đại học công lập.

Nhóm đang phát triển: Việt Nam, Thái Lan, Indonesia, Philippines, Brunei Darussalam.

Năm quốc gia này đang trong giai đoạn tăng tốc chuyển đổi số. Việt Nam ban hành Kế hoạch thực hiện chuyển đổi số ngành giáo dục với mục tiêu cụ thể cho giáo dục đại học (Trần Mai Uóc, 2023). Đại học Bách Khoa Hà Nội, Đại học Quốc gia Hà Nội và Đại học Cần Thơ là những đơn vị tiên phong trong việc xây dựng hệ thống quản lý dữ liệu tích hợp. Tuy nhiên, theo nghiên cứu của Trần Mai Uóc (2023), rào cản lớn nhất ở Việt Nam không phải là hạ tầng công nghệ mà là năng lực quản trị: thiếu tiêu chuẩn thống nhất giữa các trường, thiếu chính sách quyền riêng tư rõ ràng, và thiếu nhân lực chuyên trách về quản trị dữ liệu.

Thái Lan thông qua Bộ Giáo dục đã bắt đầu triển khai hệ thống EMIS mở rộng cho giáo dục đại học, nhưng tiến độ chậm do phân tán trách nhiệm giữa nhiều cơ quan — Bộ Giáo dục, Bộ Giáo dục Cấp cao, và các hội đồng chuyên ngành. Thái Lan cũng đối mặt với tình trạng tương tự Việt Nam: các trường đại học tư thục chiếm phần lớn hệ thống (hơn 70%) và việc đồng bộ hóa tiêu chuẩn dữ liệu khó khăn hơn so với hệ thống công lập.

Indonesia đối mặt với thách thức về quy mô — hơn 4.000 trường đại học cần được đồng bộ hóa. Bộ Giáo dục Indonesia đã triển khai Pangkalan Data Pendidikan (Cơ sở dữ liệu giáo dục) nhưng chủ yếu cho giáo dục phổ thông. Việc mở rộng sang đại học đang ở giai đoạn thử nghiệm tại một số trường tiên phong. Philippines đã tích cực tích hợp công nghệ vào giáo dục, nhưng vấn đề bảo mật dữ liệu sinh viên vẫn chưa được giải quyết triệt để. Theo dữ liệu của Salman và cộng sự (2025), tỷ lệ học sinh Philippines có sẵn thiết bị kết nối mạng ở nhà thấp hơn nhiều so với Malaysia và Thái Lan, ảnh hưởng đến khả năng tham gia học trực tuyến ở bậc đại học (Salman et al., 2025).

Brunei Darussalam có lợi thế về quy mô nhỏ và ngân sách giáo dục cao, nhưng hệ thống đại học chủ yếu dựa vào một vài trường công lập. Chuyển đổi số tại Brunei tập trung vào nâng cao chất lượng chương trình thay vì phát triển hạ tầng dữ liệu quy mô lớn.

Tang và Nguyễn Hùng Tiến (2020) phân tích xu hướng chuyển đổi số giáo dục đại học Việt Nam thông qua mô hình blended learning, chỉ ra rằng các trường đại học Việt Nam đã có bước tiến đáng kể trong việc áp dụng công nghệ, nhưng hệ thống quản trị dữ liệu còn phân mảnh — mỗi trường dùng nền tảng khác nhau, dữ liệu không thể chia sẻ hiệu quả (Tang & Tien, 2020).

Nhóm cần hỗ trợ nhiều hơn: Cambodia, Lao PDR, Myanmar.

Ba quốc gia này đang ở giai đoạn đầu của chuyển đổi số giáo dục. Các rào cản cơ bản như hạ tầng mạng, thiết bị đầu cuối, và năng lực nhân lực vẫn là ưu tiên cao hơn quản trị dữ liệu. Tuy nhiên, đây cũng là lúc cần thiết kế lộ trình từ đầu, tránh lặp lại sai lầm của các nước đã phát triển — đó là xây dựng hạ tầng trước, nghĩ đến quản trị sau. Khuyến nghị của các tổ chức quốc tế như UNESCO và Ngân hàng Thế giới đều nhấn mạnh tầm quan trọng của việc tích hợp quản trị dữ liệu ngay từ giai đoạn thiết kế hệ thống (Martins et al., 2019).

2.2. Nguồn lực công nghệ thông tin trong giáo dục ASEAN

Salman và cộng sự (2025) phân tích dữ liệu PISA về mức độ sẵn sàng học tập số và nguồn lực công nghệ thông tin của học sinh ở các nước ASEAN, cung cấp một bức tranh có giá trị về khoảng cách số. Kết quả cho thấy Singapore có tỷ lệ học sinh có sẵn máy tính tại nhà và kết nối internet đạt gần 100%, trong khi ở Cambodia và Philippines con số này còn dưới 60%. Khoảng cách này không chỉ phản ánh điều kiện kinh tế mà còn ảnh hưởng trực tiếp đến khả năng áp dụng phương pháp giảng dạy số tại các trường đại học (Salman et al., 2025).

Dữ liệu từ Cổng ASEANStats (data.aseanstats.org) và UNESCO Institute for Statistics (UIS) bổ sung thêm chiều kinh tế: ngân sách cho giáo dục đại học tính theo phần trăm GDP thay đổi từ 0,3% ở một số nước lên gần 1,5% ở nước khác. Shedriko và cộng sự (2025) phát hiện rằng mức độ số hóa trong giáo dục ở các nước ASEAN có tương quan dương với mức đầu tư vào giáo dục và độ mở của nền kinh tế số (Shedriko et al., 2025).

2.3. Các sáng kiến khu vực hiện có

SEAMEO đóng vai trò trung tâm trong hợp tác giáo dục khu vực. Các trung tâm SEAMEO như SEAMEO INNOTECH (Manila, Philippines) chuyên về đổi mới giáo dục, SEAMEO RIHED (Bangkok, Thái Lan) chuyên về giáo dục đại học, và SEAMEO RECSAM (Penang, Malaysia) chuyên về khoa học và toán đã phát triển nhiều chương trình hỗ trợ chuyển đổi số.

AWPE là kế hoạch công tác giáo dục được các Bộ trưởng Giáo dục ASEAN thông qua, trong đó nhấn mạnh "hợp tác khu vực trong đổi mới giáo dục và công nghệ giáo dục" như một trong những ưu tiên. Tuy nhiên, AWPE chủ yếu tập trung vào mục tiêu chiến lược rộng, chưa đi sâu vào khía cạnh quản trị dữ liệu.

SEA-PLM (Southeast Asia Primary Learning Metrics) là sáng kiến đánh giá học tập cấp tiểu học do UNICEF và SEAMEO phối hợp triển khai, tạo ra một kho dữ liệu học tập khu vực có giá trị. SEA-PLM đo lường năng lực đọc, viết, và toán cho học sinh lớp 5 ở sáu nước ASEAN — Cambodia, Lao PDR, Malaysia, Myanmar, Philippines, và Việt Nam. Kết quả SEA-PLM cho thấy khoảng cách lớn về kết quả học tập giữa các nước và giữa thành thị — nông thôn trong cùng một nước.

Tuy nhiên, SEA-PLM có hai hạn chế đối với mục tiêu quản trị dữ liệu giáo dục đại học. Thứ nhất, SEA-PLM chưa mở rộng sang giáo dục đại học — nó tập trung vào giáo dục tiểu học. Thứ hai, phương pháp luận thu thập dữ liệu của SEA-PLM chưa được tích hợp với các hệ thống dữ liệu đại học, dù có tiềm năng kết nối: dữ liệu SEA-PLM có thể dùng làm baseline (đường cơ sở) để theo dõi tiến bộ học tập khi học sinh bước vào đại học. Một AEDGF có thể thiết kế cơ chế chuyển tiếp dữ liệu từ SEA-PLM sang hệ thống EMIS đại học, tạo ra đường theo dõi học tập xuyên suốt từ phổ thông đến đại học.

AQRF cho phép so sánh trình độ bằng cấp giữa các nước ASEAN, tạo điều kiện cho lưu động sinh viên và công nhận trình độ xuyên biên giới. Cơ chế này đòi hỏi dữ liệu về chương trình đào tạo, kết quả học tập, và năng lực tốt nghiệp phải được chia sẻ giữa các nước — một yêu cầu mà hiện chưa có khung quản trị dữ liệu hỗ trợ.

2.4. Khoảng cách lớn nhất: quản trị dữ liệu

Trong bức tranh chuyển đổi số giáo dục đại học ASEAN, phần dễ nhất đã được giải quyết — việc trang bị máy tính, kết nối internet, và triển khai LMS đang tiến hành ở hầu hết các nước. Thách thức lớn hơn và ít được chú ý hơn là quản trị dữ liệu: làm thế nào để đảm bảo dữ liệu giáo dục được thu thập nhất quán, bảo vệ quyền riêng tư sinh viên, chia sẻ xuyên biên giới một cách an toàn, và sử dụng hiệu quả cho ra quyết định chính sách.

Omar và Almaghthawi (2020) chỉ ra rằng trong quá trình chuyển đổi số tổ chức, thiếu mô hình quản trị dữ liệu tích hợp là nguyên nhân chính dẫn đến thất bại trong việc tận dụng dữ liệu cho ra quyết định. Điều này đặc biệt đúng trong giáo dục đại học, nơi dữ liệu sinh viên, dữ liệu nghiên cứu, và dữ liệu vận hành tồn tại trong nhiều hệ thống rời rạc (Omar & Almaghthawi, 2020).

Martins và cộng sự (2019) khảo sát việc sử dụng EMIS trong giáo dục đại học và phát hiện rằng các cơ sở thành công nhất là những nơi có chính sách quản trị dữ liệu rõ ràng, được hỗ trợ bởi lãnh đạo cấp cao, và có cơ cấu trách nhiệm minh bạch (Martins et al., 2019).

Chính sự thiếu vắng một khung khu vực — một AEDGF — khiến mỗi quốc gia ASEAN phải tự xây dựng tiêu chuẩn của mình, dẫn đến tình trạng không tương thích, rào cản cho hợp tác khu vực và rủi ro về bảo vệ dữ liệu cá nhân.

3. Cơ sở lý luận: quản trị dữ liệu giáo dục

3.1. Quản trị dữ liệu là gì

Quản trị dữ liệu (data governance) là tập hợp các nguyên tắc, chính sách, quy trình và cơ cấu tổ chức đảm bảo dữ liệu được quản lý như một tài sản có giá trị xuyên suốt vòng đời của nó — từ khi thu thập, lưu trữ, xử lý, cho đến khi chia sẻ và tiêu hủy. Khác với quản lý dữ liệu (data management) — tập trung vào kỹ thuật vận hành — quản trị dữ liệu trả lời câu hỏi "ai có quyền quyết định điều gì với dữ liệu nào, theo quy tắc nào".

Trong giáo dục đại học, quản trị dữ liệu bao gồm nhiều tầng lớp: dữ liệu sinh viên (thông tin cá nhân, kết quả học tập, hành vi học tập trên nền tảng số), dữ liệu giảng viên (năng lực, nghiên cứu, giảng dạy), dữ liệu chương trình đào tạo (khung chương trình, nội dung, phương pháp đánh giá), dữ liệu nghiên cứu (kết quả nghiên cứu, tài trợ, bản quyền), và dữ liệu vận hành (tài chính, cơ sở vật chất, nhân sự).

Jamiu và cộng sự (2019) thực hiện tổng quan hệ thống về quản trị dữ liệu trong giáo dục đại học và phân loại dữ liệu giáo dục thành bốn nhóm: dữ liệu sinh viên, dữ liệu nhân sự, dữ liệu tài chính, và dữ liệu học thuật. Mỗi nhóm có yêu cầu quản trị riêng — dữ liệu sinh viên cần bảo vệ quyền riêng tư cao nhất, dữ liệu nghiên cứu cần chia sẻ xuyên biên giới, dữ liệu tài chính cần kiểm soát chặt (Jamiu et al., 2019).

3.2. Khung lý thuyết quốc tế

DAMA-DMBOK (Data Management Body of Knowledge) của DAMA International là khung tham chiếu chuẩn quốc tế cho quản trị dữ liệu, chia thành 11 lĩnh vực chức năng: quản trị dữ liệu, kiến trúc dữ liệu, phát triển mô hình dữ liệu, quản lý kho dữ liệu, quản lý chất lượng dữ liệu, quản lý dữ liệu chủ (master data), quản lý dữ liệu tham chiếu, quản lý tài liệu và nội dung, quản lý siêu dữ liệu, quản lý bảo mật dữ liệu, và quản lý tích hợp dữ liệu.

Trong giáo dục, khung này cần được điều chỉnh. Omar và Almaghthawi (2020) đề xuất mô hình quản trị dữ liệu tích hợp cho chuyển đổi số, trong đó quản trị dữ liệu liên kết chặt chẽ với quản trị công nghệ thông tin và quản trị tổ chức. Mô hình này nhấn mạnh rằng quản trị dữ liệu không thể tồn tại độc lập mà phải được nhúng vào chiến lược số tổng thể (Omar & Almaghthawi, 2020).

Ba khung lý thuyết quốc tế có ảnh hưởng lớn đến quản trị dữ liệu giáo dục cũng cần nhắc đến. Đầu tiên, General Data Protection Regulation (GDPR) của Liên minh Châu Âu thiết lập tiêu chuẩn toàn cầu về quyền của cá nhân đối với dữ liệu — bao gồm dữ liệu giáo dục. Thứ hai, Family Educational Rights and Privacy Act (FERPA) của Mỹ quy định riêng cho dữ liệu sinh viên, cho phép phụ huynh và sinh viên truy cập và kiểm soát hồ sơ giáo dục. Thứ ba, NIST Privacy Framework của Mỹ cung cấp bộ công cụ quản trị quyền riêng tư dữ liệu có thể áp dụng cho giáo dục. AEDGF cần học hỏi từ cả ba khung này nhưng thiết kế cho bối cảnh đa quốc gia đặc thù của ASEAN (Ismail & Ahmad, 2025).

3.3. Quyền riêng tư và bảo vệ dữ liệu trong giáo dục

Trong bối cảnh giáo dục số, dữ liệu sinh viên có tính nhạy cảm đặc biệt. Khi sinh viên sử dụng LMS, tham gia học trực tuyến, làm bài kiểm tra trên nền tảng số, mỗi hành động tạo ra một dấu vết kỹ thuật số (digital footprint) chi tiết — thời gian học, tốc độ đọc, các câu trả lời sai, tần suất tương tác. Loại dữ liệu này có thể dùng để cá nhân hóa trải nghiệm học tập, nhưng cũng có thể bị lạm dụng nếu không có cơ chế kiểm soát.

Huang (2023) phân tích các vấn đề đạo đức của trí tuệ nhân tạo trong giáo dục, đặc biệt nhấn mạnh rằng hệ thống AI giáo dục thường thu thập dữ liệu sinh viên mà không có sự đồng ý đầy đủ hoặc minh bạch, tạo ra rủi ro về vi phạm quyền riêng tư (Huang, 2023). Selvaratnam và Venaruzzo (2023) khảo sát chính sách quản trị AI và dữ liệu tại các trường đại học Australasia, phát hiện rằng chỉ 40% số trường được khảo sát có chính sách riêng về quản trị dữ liệu AI giáo dục (Selvaratnam & Venaruzzo, 2023).

Ở cấp độ khu vực, Chaipipat (2023) trong nghiên cứu tại Đại học Chulalongkorn phân tích thách thức quản trị quyền riêng tư dữ liệu tại ASEAN, chỉ ra rằng sự khác biệt giữa các luật bảo vệ dữ liệu quốc gia (Singapore có PDPA, Philippines có DPA, Việt Nam có Nghị định 13/2023/NĐ-CP, trong khi Lao PDR và Cambodia chưa có luật chuyên biệt) tạo ra rào cản lớn cho việc chia sẻ dữ liệu giáo dục xuyên biên giới (Chaipipat, 2023).

Molina-Carmona và García-Peñalvo (2024) đề xuất khung quản trị đạo đức AI trong chuyển đổi số đại học, trong đó bảo vệ dữ liệu sinh viên là một trong năm trụ cột. Khung này nhấn mạnh ba nguyên tắc: (1) thu thập dữ liệu tối thiểu — chỉ lấy dữ liệu cần thiết cho mục đích giáo dục; (2) kiểm soát người dùng — sinh viên có quyền biết, truy cập, và xóa dữ liệu của mình; (3) minh bạch thuật toán — khi dùng AI để phân tích dữ liệu học tập, quá trình phân tích phải có thể giải thích được (Molina-Carmona & García-Peñalvo, 2024).

3.4. Hệ thống EMIS: từ giáo dục phổ thông đến đại học

Education Management Information System (EMIS) là công cụ chính mà các quốc gia dùng để quản lý dữ liệu giáo dục. Asio và cộng sự (2022) tóm tắt vai trò của EMIS: cung cấp dữ liệu cho hoạch định chính sách, phân bổ nguồn lực, và giám sát hiệu quả giáo dục. Ở cấp phổ thông, EMIS đã được triển khai ở hầu hết các nước ASEAN với sự hỗ trợ của UNESCO và Ngân hàng Thế giới (Asio et al., 2022).

Tuy nhiên, khi mở rộng sang giáo dục đại học, EMIS gặp hạn chế nghiêm trọng. Martins và cộng sự (2019) chỉ ra rằng EMIS truyền thống được thiết kế cho cấu trúc giáo dục phổ thông — tập trung vào thống kê tuyển sinh, tỷ lệ đỗ tốt nghiệp, và chỉ số cơ bản. Giáo dục đại học có độ phức tạp cao hơn: tự chủ chương trình đào tạo, nghiên cứu khoa học, hợp tác quốc tế, và đa dạng hình thức cung cấp dịch vụ giáo dục (Martins et al., 2019).

Wande Kasope Elugbaju và cộng sự (2024) đề xuất khung khái niệm cho quản trị dựa trên dữ liệu trong giáo dục đại học, trong đó EMIS đại học cần bổ sung các thành phần: dữ liệu hành vi học tập số, dữ liệu nghiên cứu, dữ liệu hợp tác quốc tế, và dữ liệu kết nối với thị trường lao động (Wande Kasope Elugbaju et al., 2024).

4. Khung chính sách ASEAN hiện tại: thành tựu và khoảng trống

4.1. ASEAN Digital Data Governance Framework (DDGF)

DDGF là khung quản trị dữ liệu số mà ASEAN đã thông qua, tập trung vào ba mục tiêu chính: (1) tạo điều kiện cho luồng dữ liệu xuyên biên giới trong ASEAN; (2) bảo vệ dữ liệu cá nhân và quyền riêng tư; (3) thúc đẩy niềm tin số giữa các quốc gia thành viên. DDGF đề ra các nguyên tắc chung về chia sẻ dữ liệu, quản trị dữ liệu cá nhân, và tương tác với khung pháp lý của từng nước.

DDGF có giá trị nền tảng, nhưng hai hạn chế chính khiến nó chưa đủ cho giáo dục đại học. Thứ nhất, DDGF thiết kế cho dữ liệu thương mại và kinh tế số, không có điều khoản đặc thù cho dữ liệu giáo dục — loại dữ liệu có tính nhạy cảm cao và cần quy định riêng. Dữ liệu học tập sinh viên (learning records), hồ sơ năng lực, kết quả nghiên cứu giáo dục — tất cả đều nằm ngoài phạm vi của DDGF. Thứ hai, DDGF hoạt động ở mức nguyên tắc chung, thiếu tiêu chuẩn kỹ thuật chi tiết mà các trường đại học cần để triển khai thực tế. DDGF quy định "dữ liệu nên được bảo vệ" nhưng không quy định "mã hóa bằng thuật toán nào, khóa quản lý ra sao, ai giữ quyền giải mã" (Shedriko et al., 2025).

4.2. ASEAN Work Plan on Education (AWPE)

AWPE là kế hoạch công tác giáo dục đa năm, hiện đang trong giai đoạn AWPE 2021–2025. Kế hoạch này bao gồm nhiều trọng tâm: giáo dục kỹ thuật nghề, giáo dục thường xuyên, giáo dục STEM, và gần đây bổ sung thêm giáo dục số. AWPE tạo ra nền tảng hợp tác giáo dục khu vực mạnh mẽ, nhưng không đi sâu vào quản trị dữ liệu giáo dục.

Trong AWPE, dữ liệu chủ yếu xuất hiện dưới dạng thống kê giáo dục — số liệu tuyển sinh, tỷ lệ tốt nghiệp, ngân sách giáo dục — chứ không được quản trị như một tài sản chiến lược. Thiếu một chương công tác riêng về quản trị dữ liệu giáo dục trong AWPE khiến các nỗ lực hợp tác số (như chia sẻ khóa học trực tuyến, công nhận tín chỉ xuyên biên giới) thiếu nền tảng dữ liệu chung.

4.3. ASEAN Qualifications Reference Framework (AQRF)

AQRF cho phép so sánh trình độ bằng cấp giữa các nước ASEAN, thiết lập các mức độ tham chiếu chung (từ trình độ 1 đến 8). Để AQRF hoạt động hiệu quả, dữ liệu về chương trình đào tạo, kết quả học tập, và năng lực tốt nghiệp phải được chia sẻ giữa các cơ sở cấp bằng ở các nước.

Hiện tại, quá trình tham chiếu trình độ chủ yếu dựa trên tài liệu mô tả chương trình và đánh giá chuyên gia, chưa tận dụng được tiềm năng của dữ liệu số. Một khung AEDGF có thể cung cấp tiêu chuẩn dữ liệu chung cho việc tự động hóa một phần quá trình tham chiếu, giảm chi phí và tăng tốc độ công nhận trình độ.

4.4. Khoảng trống tổng hợp

Phân tích ba khung chính sách hiện có cho thấy một mô hình phân tán: DDGF quản trị dữ liệu nói chung nhưng bỏ qua đặc thù giáo dục, AWPE thiết kế cho giáo dục nhưng bỏ qua quản trị dữ liệu, AQRF đòi hỏi chia sẻ dữ liệu nhưng không quy định cách quản trị.

Khoảng trống này có thể minh họa qua một ví dụ cụ thể. Giả sử một sinh viên Việt Nam hoàn thành hai năm tại Đại học Quốc gia Hà Nội, sau đó chuyển tiếp sang Đại học Malaya cho hai năm còn lại của chương trình liên kết. Quá trình chuyển tiếp này đòi hỏi: (a) chia sẻ hồ sơ học tập giữa hai trường; (b) đảm bảo dữ liệu cá nhân được bảo vệ theo cả luật Việt Nam và Malaysia; (c) công nhận tín chỉ đã tích lũy; (d) đồng bộ hóa dữ liệu kết quả học tập vào hệ thống của trường nhận. Không một trong ba khung DDGF, AWPE hay AQRF cung cấp đủ hướng dẫn để thực hiện toàn bộ quy trình này một cách thống nhất. AEDGF sẽ lấp đầy khoảng trống ở giao điểm của ba khung này.

5. Thách thức quản trị dữ liệu giáo dục đại học ASEAN

5.1. Bất đồng về pháp lý bảo vệ dữ liệu

Mười quốc gia ASEAN có mức độ phát triển luật bảo vệ dữ liệu rất khác nhau. Singapore có Personal Data Protection Act (PDPA) từ 2012, được sửa đổi nhiều lần để theo kịp công nghệ. Philippines thông qua Data Privacy Act (DPA) năm 2012. Việt Nam ban hành Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân. Thái Lan có PDPA từ 2019. Malaysia có Personal Data Protection Act từ 2010.

Ngược lại, Cambodia, Lao PDR và Myanmar chưa có luật bảo vệ dữ liệu cá nhân chuyên biệt. Brunei Darussalam đang trong quá trình thảo luật. Indonesia mới thông qua Undang-Undang Pelindungan Data Pribadi (UU PDP) năm 2022, nhưng chưa có bộ quy tắc thi hành hoàn chỉnh (Chaipipat, 2023).

Sự bất đồng này tạo ra ba vấn đề cho quản trị dữ liệu giáo dục. Thứ nhất, khi một sinh viên Việt Nam học chương trình trực tuyến của trường đại học Singapore, không rõ luật nào áp dụng cho dữ liệu sinh viên đó. Thứ hai, các trường đại học không có tiêu chuẩn chung để thiết kế chính sách thu thập dữ liệu — phải tuân thủ luật nước mình nhưng cũng muốn phục vụ sinh viên quốc tế. Thứ ba, chia sẻ dữ liệu nghiên cứu giáo dục giữa các trường ở các nước khác nhau trở nên rủi ro về mặt pháp lý.

5.2. Không tương thích hệ thống dữ liệu

Setiyawan (2019) đề xuất mô hình quản trị công nghệ thông tin trong bối cảnh điện toán đám mây và quản lý dữ liệu giáo dục đại học, chỉ ra rằng vấn đề lớn nhất nằm ở tiêu chuẩn hóa, không phải công nghệ. Các trường đại học ASEAN sử dụng hàng chục nền tảng LMS khác nhau — Canvas, Moodle, Blackboard, Google Classroom, và nhiều hệ thống nội bộ tự phát triển. Mỗi nền tảng thu thập dữ liệu ở định dạng khác nhau, dùng siêu dữ liệu khác nhau, và có chính sách lưu trữ khác nhau (Setiyawan, 2019).

Deja và cộng sự (2021) khảo sát mức độ sẵn sàng cho chuyển đổi số tại các cơ sở học thuật và phát hiện rằng interoperability — khả năng các hệ thống trao đổi và sử dụng dữ liệu chung — là rào cản lớn nhất trong giai đoạn đầu chuyển đổi số (Deja et al., 2021).

Trở lại trường hợp Việt Nam, Tang và Nguyễn Hùng Tiến (2020) chỉ ra rằng tình trạng "mỗi trường một hệ thống" khiến Bộ Giáo dục và Đào tạo khó có được bức tranh tổng thể về giáo dục đại học, dữ liệu phải được thu thập thủ công qua báo cáo định kỳ (Tang & Tien, 2020).

5.3. Thiếu nhân lực quản trị dữ liệu

Nhiệm vụ quản trị dữ liệu giáo dục đòi hỏi một nhóm kỹ năng lai: hiểu biết về giáo dục (chương trình, đánh giá, chính sách), hiểu biết về công nghệ (cơ sở dữ liệu, bảo mật, tích hợp hệ thống), và hiểu biết về pháp lý (bảo vệ dữ liệu, quyền riêng tư, quy định quốc gia và quốc tế). Nhân lực có cả ba kỹ năng này rất khan hiếm ở hầu hết các nước ASEAN.

Jamiu và cộng sự (2019) phát hiện trong tổng quan hệ thống của họ rằng 73% bài báo về quản trị dữ liệu giáo dục đại học nhấn mạnh thiếu hụt nhân lực là rào cản hàng đầu (Jamiu et al., 2019). Trần Mai Uóc (2023) cũng chỉ ra tình trạng tương tự ở Việt Nam: các trường đại học có nhân viên công nghệ thông tin và nhân viên hành chính, nhưng hiếm khi có người có trách nhiệm chính thức về quản trị dữ liệu (Trần Mai Uóc, 2023).

5.4. Rủi ro từ trí tuệ nhân tạo

Trí tuệ nhân tạo đang tạo ra cả cơ hội và thách thức mới cho quản trị dữ liệu giáo dục. Chan (2023) đề xuất khung chính sách AI giáo dục cho đại học, trong đó dữ liệu là nền tảng — AI cần dữ liệu để hoạt động, nhưng dữ liệu AI cũng tạo ra rủi ro mới về quyền riêng tư, công bằng thuật toán, và minh bạch (Chan, 2023).

Ismail và Ahmad (2025) trong tổng quan hệ thống về các khung quản trị AI phát hiện rằng trong số 52 khung được xem xét, chỉ 6% có điều khoản riêng cho dữ liệu giáo dục. Điều này cho thấy quản trị AI giáo dục — một xu hướng tất yếu tại các trường đại học ASEAN — đang thiếu chuẩn mực về quản trị dữ liệu đi kèm (Ismail & Ahmad, 2025).

5.5. Vấn đề sở hữu và chia sẻ dữ liệu nghiên cứu

Giáo dục đại học không chỉ đào tạo mà còn nghiên cứu. Dữ liệu nghiên cứu — đặc biệt là dữ liệu khảo sát, dữ liệu thực nghiệm, và bộ dữ liệu học tập — có giá trị cao cho hợp tác khu vực nhưng cũng đặt ra câu hỏi về sở hữu. Khi một nhà nghiên cứu Việt Nam hợp tác với đồng nghiệp Thái Lan và Malaysia trong một dự án nghiên cứu giáo dục, ai sở hữu dữ liệu? Khung pháp lý nào áp dụng? AEDGF cần trả lời những câu hỏi này.

6. Kinh nghiệm quốc tế

6.1. Liên minh Châu Âu: GDPR và European Education Area

Liên minh Châu Âu có General Data Protection Regulation (GDPR) — tiêu chuẩn bảo vệ dữ liệu cá nhân toàn cầu — áp dụng cho tất cả dữ liệu giáo dục. GDPR thiết lập quyền của sinh viên: quyền biết dữ liệu nào đang được thu thập, quyền truy cập, quyền sửa, quyền xóa, và quyền di chuyển dữ liệu.

Bên cạnh GDPR, European Education Area (EEA) đang xây dựng tiêu chuẩn chia sẻ dữ liệu giáo dục giữa các nước thành viên, bao gồm European Student Card (thẻ sinh viên Châu Âu kỹ thuật số) cho phép truy cập dịch vụ giáo dục xuyên biên giới, và European Digital Credentials (chứng chỉ kỹ thuật số Châu Âu) cho việc công nhận kết quả học tập.

EU cũng phát hành European Standards for Digital Education Data — tiêu chuẩn kỹ thuật cho dữ liệu giáo dục số, bao gồm định dạng siêu dữ liệu chung, giao thức chia sẻ dữ liệu, và bộ mã ngành giáo dục. Các tiêu chuẩn này được xây dựng với sự tham gia của European University Association (EUA) và European Commission's Joint Research Centre.

6.2. Úc: Tertiary Education Quality and Standards Agency

Úc quản trị dữ liệu giáo dục đại học thông qua Tertiary Education Quality and Standards Agency (TEQSA), cơ quan thiết lập tiêu chuẩn dữ liệu cho tất cả trường đại học. TEQSA yêu cầu các trường phải báo cáo dữ liệu theo định dạng chuẩn — bao gồm tuyển sinh, kết quả học tập, tỷ lệ tốt nghiệp, và dữ liệu việc làm sau tốt nghiệp — và có hệ thống kiểm tra chất lượng dữ liệu định kỳ.

Selvaratnam và Venaruzzo (2023) phân tích chính sách quản trị AI và dữ liệu tại Úc và New Zealand, phát hiện rằng Úc đã đi đầu trong việc tích hợp quản trị dữ liệu vào quy trình đảm bảo chất lượng giáo dục đại học (Selvaratnam & Venaruzzo, 2023).

6.3. Trung Quốc: hệ thống dữ liệu giáo dục quốc gia

Trung Quốc xây dựng hệ thống dữ liệu giáo dục quốc gia (National Education Data Platform) với quy mô lớn — thu thập dữ liệu từ hơn 2.900 trường đại học. Hệ thống này có tiêu chuẩn dữ liệu thống nhất do Bộ Giáo dục ban hành, bao gồm China Education and Research Network (CERNET) cho hạ tầng, và các bộ quy tắc cụ thể cho dữ liệu sinh viên, dữ liệu giảng viên, và dữ liệu nghiên cứu.

Đặc điểm nổi bật của mô hình Trung Quốc là tích hợp chặt chẽ giữa hệ thống dữ liệu giáo dục và hệ thống xếp hạng đại học (như QS và THE), cho phép chính phủ có bức tranh dữ liệu tổng thể về hiệu suất giáo dục đại học. Tuy nhiên, mô hình tập trung này đặt ra câu hỏi nghiêm trọng về quyền riêng tư sinh viên — mức độ thu thập dữ liệu hành vi học tập chi tiết tại các trường đại học Trung Quốc thuộc hàng cao nhất thế giới, nhưng cơ chế kiểm soát người dùng trên lại hạn chế.

Mô hình của Trung Quốc có điểm mạnh về độ phủ và tính thống nhất, nhưng đặt ra câu hỏi về quyền riêng tư và kiểm soát dữ liệu — những vấn đề mà AEDGF cần cân bằng khác với mô hình tập trung của Trung Quốc.

6.4. Bài học cho ASEAN

Ba mô hình trên cho thấy ba cách tiếp cận khác nhau: EU (quy định pháp lý mạnh, tiêu chuẩn hóa cao, nhấn mạnh quyền người dùng), Úc (tích hợp quản trị dữ liệu vào đảm bảo chất lượng), và Trung Quốc (hệ thống tập trung, độ phủ rộng). Không mô hình nào hoàn hảo cho ASEAN — khối này cần một cách tiếp cận linh hoạt, tôn trọng sự đa dạng về phát triển, nhưng đặt ra tiêu chuẩn tối thiểu mà tất cả thành viên đều có thể đạt được.

7. Đề xuất: cấu trúc và nguyên tắc của Khung AEDGF

7.1. Tầm nhìn và mục tiêu

Khung Quản trị Dữ liệu Giáo dục ASEAN (AEDGF) đề xuất với tầm nhìn: tạo ra một hệ sinh thái dữ liệu giáo dục đại học ASEAN đáng tin cậy, bảo vệ quyền lợi người học, thúc đẩy chia sẻ tri thức xuyên biên giới, và hỗ trợ ra quyết định chính sách dựa trên bằng chứng.

Bốn mục tiêu cụ thể:

Thứ nhất, thiết lập nguyên tắc chung về quản trị dữ liệu giáo dục đại học cho toàn ASEAN, phù hợp với DDGF nhưng bổ sung điều khoản đặc thù cho giáo dục.

Thứ hai, xây dựng tiêu chuẩn kỹ thuật tối thiểu cho dữ liệu giáo dục đại học — bao gồm định dạng dữ liệu, siêu dữ liệu, và giao thức chia sẻ — mà các trường đại học ở tất cả mức độ phát triển đều có thể triển khai.

Thứ ba, tạo cơ chế bảo vệ dữ liệu sinh viên xuyên biên giới, đặc biệt trong bối cảnh giáo dục trực tuyến và lưu động sinh viên ngày càng tăng.

Thứ tư, hỗ trợ sử dụng dữ liệu cho nghiên cứu giáo dục khu vực, tạo điều kiện cho hợp tác nghiên cứu giữa các trường đại học ASEAN mà không vi phạm quy định bảo vệ dữ liệu.

7.2. Năm trụ cột của AEDGF

Trụ cột 1: Quản trị dữ liệu sinh viên (Student Data Governance).

Trụ cột này thiết lập quy tắc cho việc thu thập, lưu trữ, sử dụng và chia sẻ dữ liệu cá nhân của sinh viên. Nội dung chính bao gồm:

• Nguyên tắc thu thập tối thiểu: chỉ thu thập dữ liệu cần thiết cho mục đích giáo dục đã khai báo. Việc thu thập dữ liệu hành vi học tập chi tiết (thời gian online, tần suất tương tác, mô hình nhấp chuột) phải có sự đồng ý cụ thể của sinh viên (Huang, 2023).

• Quyền của sinh viên: mỗi sinh viên có quyền biết dữ liệu nào đang được giữ, quyền truy cập, quyền yêu cầu sửa chữa, và quyền yêu cầu xóa dữ liệu khi không còn cần thiết cho mục đích giáo dục. Nguyên tắc này phù hợp với GDPR nhưng được điều chỉnh cho bối cảnh ASEAN (Molina-Carmona & García-Peñalvo, 2024).

• Chính sách lưu trữ: dữ liệu sinh viên phải được lưu trữ trong khoảng thời gian quy định — đủ dài để phục vụ mục đích giáo dục (theo dõi tiến bộ, đánh giá kết quả) nhưng không vô thời hạn. AEDGF đề xuất thời hạn lưu trữ tối đa 10 năm sau khi sinh viên tốt nghiệp, trừ trường hợp dữ liệu được ẩn danh và dùng cho nghiên cứu.

• Luật áp dụng: khi có xung đột pháp lý (sinh viên nước A học ở trường nước B), AEDGF đề xuất áp dụng luật của nước sở tại trường (nơi trường đại học đặt trụ sở chính) làm luật chủ đạo, nhưng phải đảm bảo mức bảo vệ không thấp hơn tiêu chuẩn tối thiểu của AEDGF.

Trụ cột 2: Tiêu chuẩn kỹ thuật dữ liệu (Technical Data Standards).

Trụ cột này thiết lập tiêu chuẩn kỹ thuật để đảm bảo dữ liệu từ các hệ thống khác nhau có thể tương tác:

• Siêu dữ liệu giáo dục (Education Metadata Standards): AEDGF đề xuất bộ siêu dữ liệu tối thiểu cho năm loại dữ liệu giáo dục đại học — sinh viên, giảng viên, chương trình, học tập, và nghiên cứu. Bộ siêu dữ liệu này xây dựng trên nền tảng của Learning Tools Interoperability (LTI) và Experience API (xAPI) — hai tiêu chuẩn giáo dục số phổ biến — nhưng bổ sung trường dữ liệu đặc thù ASEAN (Omar & Almaghthawi, 2020).

• Định dạng dữ liệu chung: AEDGF không yêu cầu tất cả trường dùng cùng một hệ thống, nhưng yêu cầu khả năng xuất dữ liệu ra định dạng chung — tương tự cách các ngân hàng xuất dữ liệu giao dịch ra định dạng chuẩn cho ngân hàng trung ương.

• Bộ mã ngành giáo dục ASEAN: hiện tại mỗi nước dùng hệ thống mã ngành khác nhau. AEDGF đề xuất bảng ánh xạ giữa các hệ thống mã ngành, cho phép tự động chuyển đổi khi chia sẻ dữ liệu chương trình đào tạo giữa các nước.

Trụ cột 3: Bảo vệ dữ liệu và quyền riêng tư (Data Protection and Privacy).

Trụ cột này thiết lập tiêu chuẩn bảo vệ dữ liệu tối thiểu cho giáo dục, bao gồm:

• Mức bảo vệ tối thiểu: tất cả quốc gia ASEAN, dù đã có luật bảo vệ dữ liệu hay chưa, đều phải đảm bảo mức bảo vệ dữ liệu giáo dục tối thiểu theo AEDGF. Tiêu chuẩn này bao gồm: mã hóa dữ liệu khi lưu trữ và truyền tải, kiểm soát truy cập theo vai trò, và ghi nhật ký mọi thao tác truy cập dữ liệu.

• Bảo vệ dữ liệu nghiên cứu: khi dữ liệu giáo dục được dùng cho nghiên cứu, AEDGF quy định: (a) dữ liệu phải được ẩn danh trước khi phân tích; (b) cơ chế xem xét đạo đức nghiên cứu (ethics review) phải đánh giá cả khía cạnh bảo vệ dữ liệu; (c) kết quả nghiên cứu được chia sẻ giữa các nước ASEAN nhưng dữ liệu gốc phải được lưu tại cơ sở ban đầu (Selvaratnam & Venaruzzo, 2023).

• Quản trị AI giáo dục: khi trường đại học sử dụng AI để phân tích dữ liệu học tập (ví dụ: phát hiện sinh viên có nguy cơ bỏ học, cá nhân hóa lộ trình học), AEDGF yêu cầu (a) minh bạch về việc sử dụng AI — sinh viên phải biết hệ thống AI đang phân tích dữ liệu của họ; (b) quyền thách thức — sinh viên có quyền yêu cầu xem xét lại quyết định của AI; (c) không phân biệt — AI không được sử dụng dữ liệu để phân biệt đối xử với sinh viên dựa trên quốc tịch, giới tính, hoặc nền tảng kinh tế (Chan, 2023; Ismail & Ahmad, 2025).

Trụ cột 4: Chia sẻ dữ liệu xuyên biên giới (Cross-border Data Sharing).

Trụ cột này quy định cách thức chia sẻ dữ liệu giáo dục giữa các quốc gia ASEAN:

• Chia sẻ cho công nhận trình độ: AEDGF thiết lập quy trình chia sẻ dữ liệu chứng nhận kết quả học tập giữa các trường đại học ASEAN, phục vụ công nhận tín chỉ và chương trình đào tạo. Dữ liệu chia sẻ trong quy trình này chỉ bao gồm thông tin tối thiểu: tên sinh viên, mã số, chương trình đã hoàn thành, và kết quả đánh giá.

• Chia sẻ cho nghiên cứu: AEDGF đề xuất mô hình "dữ liệu tại chỗ, phân tích di động" — dữ liệu được giữ tại quốc gia sở tại, nhưng nhà nghiên cứu từ nước ASEAN khác có thể gửi thuật toán phân tích đến nơi lưu trữ dữ liệu và nhận kết quả. Mô hình này giảm thiểu rủi ro truyền tải dữ liệu cá nhân xuyên biên giới (Wande Kasope Elugbaju et al., 2024).

• Chia sẻ cho thống kê giáo dục khu vực: AEDGF phối hợp với UNESCO UIS, ASEANStats và SEAMEO để thiết lập bộ chỉ số thống kê giáo dục đại học ASEAN, với quy trình thu thập dữ liệu tự động hơn thông qua kết nối hệ thống thay vì báo cáo thủ công.

Trụ cột 5: Năng lực và tổ chức (Capacity and Organization).

Trụ cột này giải quyết vấn đề nhân lực và cơ chế vận hành:

• Vai trò Chief Data Officer giáo dục: AEDGF khuyến nghị mỗi trường đại học ASEAN bổ nhiệm một cán bộ quản trị dữ liệu giáo dục (Education Data Officer — EDO) có trách nhiệm giám sát việc tuân thủ tiêu chuẩn dữ liệu. EDO không nhất thiết phải là vị trí toàn thời gian ở giai đoạn đầu — có thể do một cán bộ cấp trung đảm nhiệm với hỗ trợ đào tạo (Jamiu et al., 2019).

• Đào tạo nâng cao năng lực: SEAMEO đóng vai trò chính trong việc tổ chức các khóa đào tạo về quản trị dữ liệu giáo dục cho cán bộ đại học ASEAN. Chương trình đào tạo bao gồm: quản trị dữ liệu cơ bản, bảo vệ quyền riêng tư, tiêu chuẩn kỹ thuật AEDGF, và quản trị AI giáo dục.

• Cơ chế giám sát khu vực: AEDGF đề xuất thành Ban Quản trị Dữ liệu Giáo dục ASEAN (ASEAN Education Data Governance Board) dưới sự bảo trợ của SEAMEO RIHED, với đại diện từ mười quốc gia thành viên. Ban này có trách nhiệm: cập nhật tiêu chuẩn AEDGF, hỗ trợ các nước thành viên triển khai, và giải quyết tranh chấp về chia sẻ dữ liệu giáo dục.

7.3. Nguyên tắc thiết kế

AEDGF dựa trên sáu nguyên tắc thiết kế:

1. Tôn trọng chủ quyền: AEDGF không thay thế luật quốc gia mà bổ sung. Mỗi nước giữ quyền tự quyết về chính sách dữ liệu giáo dục trong phạm vi quốc gia, AEDGF chỉ thiết lập tiêu chuẩn tối thiểu cho hoạt động xuyên biên giới.

1. Linh hoạt theo mức độ phát triển: tiêu chuẩn AEDGF chia thành ba mức — cơ bản (cho tất cả), mở rộng (cho nước có hạ tầng tốt), và tiên tiến (cho nước đi đầu). Mỗi nước chọn mức phù hợp và có lộ trình nâng cấp.

1. Dữ liệu phục vụ sinh viên: nguyên tắc cốt lõi — mọi quy định dữ liệu đều nhằm bảo vệ quyền lợi và nâng cao trải nghiệm học tập của sinh viên, không phục vụ mục đích thương mại hay kiểm soát hành chính.

1. Minh bạch và giải trình: các trường đại học phải công khai chính sách quản trị dữ liệu, sinh viên có quyền biết dữ liệu nào được thu thập và dùng vào việc gì.

1. Hợp tác chứ không cạnh tranh: AEDGF khuyến khích chia sẻ dữ liệu giữa các trường đại học ASEAN để nâng cao chất lượng giáo dục, không thiết lập rào cản bảo vệ dữ liệu thái quá cản trở hợp tác.

1. Cập nhật liên tục: công nghệ và chính sách thay đổi nhanh, AEDGF cần có cơ chế xem xét và cập nhật ít nhất mỗi hai năm một lần, với sự tham gia của chuyên gia, nhà giáo dục, và đại diện sinh viên.

8. Lộ trình triển khai và hướng đi cho Việt Nam

8.1. Lộ trình triển khai chung

AEDGF đề xuất lộ trình triển khai ba giai đoạn:

Giai đoạn 1 — Xây dựng nền tảng (Năm 1–2):

• ASEAN Education Ministers Meeting (ASED) thông qua nghị quyết khởi động xây dựng AEDGF
• SEAMEO RIHED thành Nhóm Công tác chuyên trách (Working Group) gồm chuyên gia quản trị dữ liệu, đại diện bộ giáo dục, và đại diện trường đại học từ mười nước
• Nhóm Công tác khảo sát tình hình quản trị dữ liệu giáo dục đại học tại mười nước, xác định khoảng cách với tiêu chuẩn đề xuất
• Ban hành Bộ Nguyên tắc AEDGF — tài liệu nền tảng quy định các nguyên tắc chung, chưa bao gồm tiêu chuẩn kỹ thuật chi tiết

Giai đoạn 2 — Thử nghiệm và hoàn thiện (Năm 3–4):

• Triển khai thử nghiệm AEDGF tại 3–5 trường đại học tiên phong từ các nhóm phát triển khác nhau (ví dụ: NUS, Đại học Malaya, Đại học Quốc gia Hà Nội, Đại học Gadjah Mada, Đại học De La Salle)
• Tập trung vào hai use case cụ thể: chia sẻ dữ liệu công nhận tín chỉ và chia sẻ dữ liệu nghiên cứu
• Căn cứ kết quả thử nghiệm để hoàn thiện Bộ Nguyên tắc thành Bộ Tiêu chuẩn đầy đủ
• Bắt đầu chương trình đào tạo EDO cho cán bộ đại học ASEAN, do SEAMEO INNOTEX và SEAMEO RIHED phối hợp tổ chức
• Thành lập Ban Quản trị Dữ liệu Giáo dục ASEAN (ASEAN Education Data Governance Board) gồm đại diện từ mười quốc gia, đại diện trường đại học tham gia thử nghiệm, và quan sát viên từ UNESCO, UNICEF, Ngân hàng Thế giới

Giai đoạn 3 — Mở rộng và chính thức hóa (Năm 5–6):

• Mở rộng triển khai AEDGF đến tất cả trường đại học ASEAN, với mức tiêu chuẩn phù hợp với từng nhóm phát triển
• ASED thông qua AEDGF chính thức, tích hợp vào AWPE giai đoạn tiếp theo
• Kết nối AEDGF với DDGF và AQRF, tạo thành hệ thống chính sách giáo dục số ASEAN hoàn chỉnh

8.2. Hướng đi cụ thể cho Việt Nam

Việt Nam có lợi thế trung bình trong ASEAN về chuyển đổi số giáo dục đại học — không đi đầu như Singapore nhưng cũng không đối mặt với thách thức cơ bản như Cambodia. Trần Mai Uóc (2023) và Tang & Nguyễn Hùng Tiến (2020) đều chỉ ra rằng Việt Nam đã có bước tiến đáng kể về hạ tầng số giáo dục nhưng cần tập trung vào quản trị.

Việt Nam đã có Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân — cơ sở pháp lý quan trọng để triển khai AEDGF. Bộ Giáo dục và Đào tạo cũng đã ban hành Kế hoạch chuyển đổi số ngành giáo dục. Những nền tảng này giúp Việt Nam có thể tham gia nhóm thử nghiệm AEDGF ở giai đoạn 2.

Bốn hành động cụ thể cho Việt Nam:

Thứ nhất, bổ nhiệm Education Data Officer tại các trường đại học trọng điểm (Đại học Quốc gia Hà Nội, Đại học Bách Khoa Hà Nội, Đại học Cần Thơ, Đại học Huế) — các trường có hạ tầng dữ liệu tốt nhất sẽ là nơi thử nghiệm đầu tiên. Việc bổ nhiệm này không đòi hỏi tạo vị trí mới ngay lập tức — có thể giao nhiệm vụ cho một cán bộ hiện tại (trưởng phòng công nghệ thông tin hoặc phó phòng công tác sinh viên) với thời gian phân công 30–50% cho quản trị dữ liệu.

Thứ hai, xây dựng bộ siêu dữ liệu giáo dục đại học Việt Nam theo tiêu chuẩn AEDGF, đảm bảo khả năng tương tác với hệ thống ASEAN khi khung được triển khai. Việt Nam không cần chờ AEDGF chính thức mới bắt đầu — có thể xây dựng sẵn tiêu chuẩn quốc gia dựa trên nguyên tắc tương thích. Bộ Giáo dục và Đào tạo có thể ban hành Thông tư quy định về tiêu chuẩn dữ liệu giáo dục đại học, bắt đầu với ba loại dữ liệu cốt lõi: dữ liệu tuyển sinh, dữ liệu kết quả học tập, và dữ liệu chương trình đào tạo.

Thứ ba, phát triển chương trình đào tạo quản trị dữ liệu giáo dục cho cán bộ trường đại học, phối hợp với SEAMEO. Chương trình này cần thu hút cán bộ có nền tảng cả giáo dục lẫn công nghệ thông tin. Có thể triển khai theo mô hình đào tạo từ xa (online) do chi phí thấp và khả năng tiếp cận rộng, kết hợp với workshop thực hành hàng năm.

Thứ tư, tham gia tích cực vào Nhóm Công tác xây dựng AEDGF ngay từ giai đoạn 1, đảm bảo tiếng nói và kinh nghiệm của Việt Nam được đưa vào khung. Việt Nam có lợi thế: quy mô giáo dục đại học lớn (hơn 500 trường), nhiều kinh nghiệm với chuyển đổi số, và cơ sở pháp lý đang được hoàn thiện (Trần Mai Uóc, 2023). Việc tham gia sớm cũng giúp Việt Nam định hình tiêu chuẩn theo hướng phù hợp với hệ thống giáo dục trong nước, tránh phải điều chỉnh sau khi AEDGF đã được thông qua.

8.3. Khuyến nghị vi mô cho các trường đại học Việt Nam

Phần trên đề xuất hành động cấp quốc gia. Tuy nhiên, chuyển đổi số thực sự diễn ra ở cấp trường — nơi dữ liệu sinh viên được sinh ra, nơi LMS hoạt động hàng ngày, nơi giảng viên quyết định dùng (hay không dùng) công nghệ. Dưới đây là các khuyến nghị vi mô, được chia theo nhóm trường theo quy mô và năng lực.

Nhóm 1 — Trường đại học công lập trọng điểm (Đại học Quốc gia Hà Nội, Đại học Bách Khoa Hà Nội, Đại học Huế, Đại học Cần Thơ):

Các trường này có hạ tầng công nghệ tốt, đội ngũ IT chuyên nghiệp, và nguồn lực tài chính ổn định. Họ có thể đi đầu trong việc triển khai quản trị dữ liệu ngay cả khi AEDGF chưa chính thức.

Khuyến nghị 1.1 — Lập bản đồ dữ liệu (data mapping): mỗi trường cần lập danh sách đầy đủ các hệ thống đang thu thập dữ liệu sinh viên — LMS, hệ thống quản lý đào tạo, hệ thống thư viện, hệ thống tài chính, hệ thống đăng ký trực tuyến. Từ bản đồ này, xác định điểm chồng chéo, điểm thiếu, và rủi ro bảo mật. Omar và Almaghthawi (2020) nhấn mạnh rằng bước đầu tiên của quản trị dữ liệu không phải mua phần mềm mà là hiểu mình đang có dữ liệu gì, ở đâu (Omar & Almaghthawi, 2020).

Khuyến nghị 1.2 — Xây dựng chính sách bảo vệ dữ liệu sinh viên nội bộ: trước khi chờ quy định cấp Bộ, mỗi trường nên ban hành quy chế bảo vệ dữ liệu sinh viên riêng. Quy chế này quy định rõ: dữ liệu nào được thu thập, mục đích thu thập, thời gian lưu trữ, quyền truy cập của sinh viên, và cơ chế xử lý vi phạm. Molina-Carmona và García-Peñalvo (2024) khuyến nghị chính sách này phải được công khai trên website trường và sinh viên phải được thông báo khi nhập học (Molina-Carmona & García-Peñalvo, 2024).

Khuyến nghị 1.3 — Tích hợp learning analytics với thận trọng: các trường trọng điểm đã triển khai LMS đủ lâu để có dữ liệu hành vi học tập đáng kể. Thay vì để dữ liệu nằm im trong database, trường có thể phân tích để phát hiện sinh viên có nguy cơ bỏ học hoặc cần hỗ trợ học tập. Tuy nhiên, Chan (2023) cảnh báo rằng hệ thống phân tích này phải minh bạch — sinh viên cần biết dữ liệu nào đang được phân tích và ai có quyền tiếp cận kết quả (Chan, 2023). Trước khi triển khai, cần thực hiện đánh giá tác động quyền riêng tư (privacy impact assessment).

Khuyến nghị 1.4 — Xây dựng API nội bộ tiêu chuẩn: mỗi hệ thống (LMS, quản lý đào tạo, thư viện) cần có API cho phép trao đổi dữ liệu. Khi có API tiêu chuẩn, trường có thể xây dựng dashboard tổng hợp cho lãnh đạo — thay vì đọc báo cáo từ từng hệ thống riêng lẻ. Đây là bước nền tảng để sau này kết nối với hệ thống ASEAN khi AEDGF triển khai (Setiyawan, 2019).

Nhóm 2 — Trường đại học công lập khu vực và tư thục lớn (Đại học Đà Nẵng, Đại học Nông Lâm, Đại học Thương mại, Đại học Ngoại Thương, RMIT Việt Nam):

Nhóm này có hạ tầng ở mức khá, đã triển khai LMS nhưng chưa có hệ thống quản lý dữ liệu tích hợp.

Khuyến nghị 2.1 — Hợp nhất nền tảng LMS: nhiều trường trong nhóm này dùng song song hai hay ba nền tảng — Moodle cho dạy học, Google Classroom cho giao tiếp, và hệ thống quản lý đào tạo riêng cho điểm số. Tình trạng phân mảnh này khiến dữ liệu sinh viên nằm rải rác ở nhiều nơi, không thể tổng hợp. Đề xuất: chọn một nền tảng chính, tích hợp các nền tảng khác qua LTI (Learning Tools Interoperability) hoặc xAPI (Experience API). Martins và cộng sự (2019) phát hiện rằng việc hợp nhất nền tảng là yếu tố dự báo thành công lớn nhất của EMIS ở cấp trường (Martins et al., 2019).

Khuyến nghị 2.2 — Đào tạo giảng viên về quản trị dữ liệu học tập: giảng viên là người trực tiếp thu thập dữ liệu sinh viên thông qua bài tập, quiz, thảo luận trực tuyến. Hầu hết giảng viên không nhận thức đầy đủ về dữ liệu họ đang tạo ra. Cần tổ chức chương trình ngắn (2–4 buổi) về: (a) loại dữ liệu sinh viên mà LMS thu thập, (b) quyền riêng tư của sinh viên, (c) cách sử dụng dữ liệu học tập để cải thiện giảng dạy, (d) các hành vi cần tránh (như chia sẻ dữ liệu sinh viên ra ngoài hệ thống trường).

Khuyến nghị 2.3 — Thí điểm quy trình xin phép nghiên cứu dữ liệu sinh viên: khi giảng viên hoặc nghiên cứu sinh muốn sử dụng dữ liệu sinh viên cho nghiên cứu, cần có quy trình xét duyệt — tương tự ethics review nhưng tập trung vào dữ liệu. Selvaratnam và Venaruzzo (2023) ghi nhận rằng các trường có quy trình này giảm đáng kể rủi ro vi phạm quyền riêng tư (Selvaratnam & Venaruzzo, 2023).

Nhóm 3 — Trường đại học tư thục nhỏ và trường nghề:

Nhóm này thường thiếu nhân sự IT chuyên trách, ngân sách hạn chế, và LMS chỉ ở mức cơ bản. Khuyến nghị cần thực tế, chi phí thấp.

Khuyến nghị 3.1 — Sử dụng LMS đám mây có chứng chỉ bảo mật: thay vì tự host LMS (đòi hỏi nhân sự và hạ tầng), các trường nhỏ nên dùng phiên bản đám mây của Moodle, Canvas, hoặc Google Classroom. Ưu tiên nhà cung cấp có chứng chỉ ISO 27001 (quản lý bảo mật thông tin) hoặc tương đương. Việc này chuyển giao trách nhiệm bảo mật phần lớn cho nhà cung cấp, giảm tải cho trường (Setiyawan, 2019).

Khuyến nghị 3.2 — Tuân thủ tối thiểu Nghị định 13/2023/NĐ-CP: các trường cần thực hiện ít nhất ba hành động: (a) phân loại dữ liệu sinh viên theo mức nhạy cảm (cao — thông tin cá nhân, trung — kết quả học tập, thấp — thống kê chung); (b) mã hóa dữ liệu nhạy cảm khi lưu trữ; (c) quy định rõ ai được truy cập dữ liệu sinh viên và ghi nhận mọi thao tác truy cập. Ba hành động này có thể thực hiện trong 3–6 tháng với chi phí thấp (Huang, 2023).

Khuyến nghị 3.3 — Tham gia nhóm chia sẻ kinh nghiệm: các trường nhỏ không thể tự xây dựng năng lực quản trị dữ liệu. Cần thành lập mạng lưới chia sẻ giữa các trường trong cùng khu vực — ví dụ, nhóm trường tại Đà Nẵng có thể họp hàng quý để chia sẻ kinh nghiệm, mời chuyên gia về đào tạo, và cùng đàm phán giá dịch vụ công nghệ với nhà cung cấp. SEAMEO có thể đóng vai trò kết nối các nhóm này ở cấp khu vực ASEAN.

Khuyến nghị cho tất cả nhóm trường:

Khuyến nghị 4.1 — Bao gồm điều khoản quản trị dữ liệu trong hợp đồng với nhà cung cấp công nghệ: khi trường ký hợp đồng với nhà cung cấp LMS, hệ thống quản lý, hoặc dịch vụ đám mây, cần có điều khoản quy định rõ: (a) dữ liệu sinh viên thuộc sở hữu của trường, không phải nhà cung cấp; (b) nhà cung cấp không được sử dụng dữ liệu sinh viên cho mục đích thương mại; (c) khi chấm dứt hợp đồng, dữ liệu phải được trả lại cho trường hoặc tiêu hủy. Đây là bài học từ nhiều vụ lộ dữ liệu giáo dục trên toàn cầu (Huang, 2023).

Khuyến nghị 4.2 — Minh bạch với sinh viên: mỗi trường cần có trang thông tin công khai về chính sách dữ liệu sinh viên — nêu rõ dữ liệu nào thu thập, mục đích sử dụng, thời gian lưu trữ, quyền của sinh viên. Trang này nên đặt trên website trường và trong quy chế sinh viên. Huang (2023) nhấn mạnh rằng minh bạch là nguyên tắc đầu tiên — sinh viên không thể thực hiện quyền của mình nếu không biết dữ liệu nào đang được giữ (Huang, 2023).

Khuyến nghị 4.3 — Khảo sát sẵn sàng quản trị dữ liệu mỗi năm: các trường nên thực hiện khảo sát nội bộ hàng năm để đo lường mức độ trưởng thành về quản trị dữ liệu — từ chưa có ý thức (phân tán dữ liệu, không chính sách) đến trưởng thành (tích hợp hệ thống, chính sách hoàn chỉnh). Wande Kasope Elugbaju và cộng sự (2024) đề xuất khung đánh giá gồm năm chiều: chất lượng dữ liệu, bảo mật, tích hợp, nhân lực, và chính sách. Kết quả khảo sát dùng để xác định ưu tiên cải tiến (Wande Kasope Elugbaju et al., 2024).

9. Kết luận

Khoảng trống về quản trị dữ liệu giáo dục đại học trong ASEAN là một vấn đề thực tế, không chỉ lý thuyết. Khi hàng triệu sinh viên ASEAN học trực tuyến, khi dữ liệu học tập ngày càng chi tiết, khi AI giáo dục đang được triển khai nhanh chóng — việc thiếu khung quản trị dữ liệu chung tạo ra rủi ro về quyền riêng tư, rào cản cho hợp tác, và lãng phí tiềm năng của dữ liệu.

Bài viết này không đề xuất một giải pháp hoàn hảo mà một điểm khởi đầu: một khung AEDGF với năm trụ cột, sáu nguyên tắc, và lộ trình triển khai sáu năm. Khung này xây dựng trên nền tảng của các sáng kiến đang có (DDGF, AWPE, AQRF, SEAMEO), rút kinh nghiệm từ EU, Úc và Trung Quốc, và thiết kế cho sự đa dạng của ASEAN.

AEDGF sẽ không giải quyết mọi vấn đề. Nó sẽ không biến đổi nào các trường đại học ASEAN thành tổ chức dữ liệu trưởng thành. Nhưng nó sẽ thiết lập một tiêu chuẩn chung — một điểm tham chiếu mà tất cả mười quốc gia có thể hướng tới, một cơ chế để chia sẻ dữ liệu an toàn, và một nền tảng để giáo dục đại học ASEAN tận dụng sức mạnh của dữ liệu trong kỷ nguyên số.

Yêu cầu hành động ở ba cấp: ASEAN (thông qua nghị quyết khởi động), chính phủ quốc gia (xây dựng tiêu chuẩn, ban hành chính sách), và từng trường đại học (lập bản đồ dữ liệu, bảo vệ sinh viên, hợp nhất nền tảng). Trong ba cấp, cấp trường là nơi hành động có thể bắt đầu ngay — không cần chờ khung khu vực hay quy định cấp Bộ. Mỗi trường, dù lớn hay nhỏ, đều có thể thực hiện bước đầu tiên trong 6–12 tháng tới.

Giáo dục đại học ASEAN đang ở ngã ba đường. Một bên là tiếp tục chuyển đổi số mà thiếu quản trị dữ liệu — đầu tư hạ tầng, triển khai công nghệ, nhưng dữ liệu phân tán, không bảo vệ được sinh viên, không tận dụng được tiềm năng hợp tác khu vực. Bên kia là xây dựng khung quản trị dữ liệu trước khi quá muộn — thiết lập tiêu chuẩn khi hệ thống mới đang được triển khai, bảo vệ quyền lợi sinh viên ngay từ đầu, và tạo nền tảng cho giáo dục đại học ASEAN thực sự trở thành một cộng đồng số kết nối.

AEDGF, nếu được thiết kế và triển khai đúng cách, có thể trở thành điểm khác biệt giữa hai hướng đi đó.

---

Tài liệu tham khảo

1. Asio, J. M. R., Leva, E. F., Lucero, L. C., & Cabrera, W. C. (2022). Education Management Information System (EMIS) and Its Implications to Educational Policy: A Mini-Review. Indonesian Journal of Medicine and Allied Health Sciences, 3(8). DOI: 10.11594/ijmaber.03.08.01
2. Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20. DOI: 10.1186/s41239-023-00408-3
3. Chaipipat, S. (2023). ASEAN governance on data privacy: challenges to regional protection of data privacy and personal data protection. Chulalongkorn University. DOI: 10.58837/chula.is.2019.80
4. Deja, M., Rak, D., & Bell, B. (2021). Digital transformation readiness: perspectives on academia and library outcomes in information literacy. Journal of Academic Librarianship, 47(5). DOI: 10.1016/j.acalib.2021.102403
5. Huang, L. (2023). Ethics of Artificial Intelligence in Education: Student Privacy and Data Protection. Studies in Innovation & Ethics Forum. DOI: 10.15354/sief.23.re202
6. Ismail, O., & Ahmad, N. (2025). Ethical and Governance Frameworks for Artificial Intelligence: A Systematic Literature Review. International Journal of Interactive Mobile Technologies, 19(14). DOI: 10.3991/ijim.v19i14.56981
7. Jamiu, S. M., Abdullah, N. S., Miskon, S., & Ali, N. M. (2019). Data Governance Support for Business Intelligence in Higher Education: A Systematic Literature Review. In ACIS 2019 Proceedings. Springer. DOI: 10.1007/978-3-030-33582-3_4
8. Martins, J., Branco, F., Gonçalves, R., & Au-Yong-Oliveira, M. (2019). Assessing the success behind the use of education management information systems in higher education. Telematics and Informatics, 36. DOI: 10.1016/j.tele.2018.10.001
9. Molina-Carmona, R., & García-Peñalvo, F. J. (2024). Safeguarding Knowledge: Ethical Artificial Intelligence Governance in the University Digital Transformation. In Handbook of Smart Educational Environments. Springer. DOI: 10.1007/978-3-031-71530-3_14
10. Omar, A., & Almaghthawi, A. (2020). Towards an Integrated Model of Data Governance and Integration for the Implementation of Digital Transformation. International Journal of Advanced Computer Science and Applications, 11(8). DOI: 10.14569/ijacsa.2020.0110873
11. Salman, I., Ramadhan, S., Arlinwibowo, J., & Iftitah, K. N. (2025). How Digital Learning Preparedness and ICT Resources in ASEAN? Insights from PISA. Journal of Research and Technology in Education. DOI: 10.37934/jartim.15.1.1729
12. Selvaratnam, R., & Venaruzzo, L. (2023). Governance of artificial intelligence and data in Australasian higher education: A snapshot of policies. Australasian Council on Open, Distance and E-Learning. DOI: 10.14742/apubs.2023.717
13. Setiyawan, D. (2019). A Proposed Model of IT Governance within Cloud Computing and Data Management in Higher Education. International Journal of Advanced Engineering Research and Science, 6(10). DOI: 10.22161/ijaers.610.4
14. Shedriko, S., Subiyantoro, H., & Rozali, M. (2025). Digitalization, Investment, and Education Level as Determinants of Digital Transformation in ASEAN. International Journal of Economics, Business and Management. DOI: 10.54099/ijebm.v4i1.1310
15. Tang, S. M., & Tien, H. N. (2020). Digital Transformation Trend in Vietnam Higher Education: Blended Learning Model. International Journal of Social Sciences and Economics Invention, 6(7). DOI: 10.23958/ijssei/vol06-i07/218
16. Trần Mai Uóc. (2023). Digital transformation in higher education in Vietnam today. GSE Emerging Scholars. DOI: 10.7769/gesec.v14i8.2699
17. Wande Kasope Elugbaju, Okeke, N. I., & Alabi, O. A. (2024). Conceptual framework for enhancing decision-making in higher education through data-driven governance. Global Journal of Academic Research and Reflection, 2(2). DOI: 10.58175/gjarr.2024.2.2.0055

Nguồn chính sách (Tier 1):

1. ASEAN. ASEAN Digital Data Governance Framework (DDGF). ASEAN Secretariat.
2. ASEAN. ASEAN Work Plan on Education (AWPE) 2021–2025. ASEAN Secretariat.
3. ASEAN. ASEAN Qualifications Reference Framework (AQRF). ASEAN Secretariat.
4. SEAMEO. Southeast Asian Ministers of Education Organization — Education Data and Statistics. SEAMEO Secretariat.
5. UNESCO Institute for Statistics. Education Data — UIS. Truy cập tại uis.unesco.org.
6. Ngân hàng Thế giới. Education Statistics — EdStats. Truy cập tại datatopics.worldbank.org/education/.
7. ASEAN. ASEANStats Data Portal. Truy cập tại data.aseanstats.org.