AI tạo sinh thay đổi giáo dục đại học thế nào?

Ảnh minh họa/Internet

Khác với các hệ thống AI truyền thống chủ yếu phân tích, phân loại hoặc dự báo, GenAI có thể tạo văn bản, hình ảnh, âm thanh, video và mã nguồn từ yêu cầu bằng ngôn ngữ tự nhiên. Khi những công cụ này trở nên dễ tiếp cận, câu hỏi đối với đại học không còn chỉ là “có nên sử dụng AI hay không”, mà là “sử dụng AI như thế nào để nâng cao chất lượng đào tạo mà vẫn bảo đảm năng lực thực chất của người học”.

PGS.TS. Ngô Tứ Thành – Viện Công nghệ thông tin, Học viện Phụ nữ Việt Nam phân tích tác động của GenAI ở ba cấp độ có quan hệ chặt chẽ: thay đổi cách học của sinh viên, thay đổi cách dạy và đánh giá của giảng viên, và tái định hình chương trình đào tạo – đặc biệt trong lĩnh vực Công nghệ thông tin (CNTT). Từ đó nhấn mạnh nguyên tắc: GenAI nên được xem là công cụ khuếch đại năng lực con người, không phải là sự thay thế cho tư duy, kiến thức nền tảng và trách nhiệm học thuật.

Thay đổi cách học của sinh viên, cách dạy của giảng viên

Giá trị quan trọng của GenAI trong giáo dục đại học không nằm ở việc thay thế giảng viên hay tự động hóa mọi hoạt động học tập, mà ở khả năng mở rộng mức độ cá nhân hóa, tăng tốc tiếp cận tri thức và tạo ra những hình thức tương tác mới. Tác động này diễn ra đồng thời đối với sinh viên, giảng viên, phương pháp đánh giá và cấu trúc chương trình đào tạo.

Trong lớp học truyền thống, một giảng viên phải đáp ứng nhu cầu của nhiều sinh viên có nền tảng và tốc độ tiếp thu khác nhau. GenAI có thể bổ sung một lớp hỗ trợ cá nhân, cho phép người học đặt câu hỏi, yêu cầu giải thích lại và luyện tập theo nhịp độ riêng.

Gia sư học tập 24/7: AI có thể giải thích cùng một khái niệm ở nhiều mức độ. Chẳng hạn, trong ngành Công nghệ thông tin, hệ mật RSA là thuật toán khó dạy khó học, sinh viên có thể yêu cầu AI giải thích trực quan trước, sau đó tiếp tục yêu cầu phân tích ở mức kỹ thuật sâu hơn.

Hỗ trợ tiếp cận tài liệu: GenAI có thể tóm tắt, dịch, lập dàn ý và gợi ý các khái niệm cần đọc sâu hơn, qua đó giảm rào cản ngôn ngữ. Tuy nhiên, sinh viên vẫn cần đối chiếu với nguồn gốc và tài liệu học thuật chính thống.

Môi trường luyện tập và phản biện: người học có thể thử nghiệm mã nguồn, yêu cầu AI phản biện một lập luận, mô phỏng phỏng vấn hoặc tình huống nghề nghiệp. Giá trị của hoạt động này nằm ở vòng lặp thử – sai – sửa, chứ không phải ở việc sao chép câu trả lời.

Khi thông tin có thể được truy xuất và diễn giải nhanh bằng AI, vai trò của giảng viên chuyển mạnh từ người cung cấp nội dung sang người thiết kế hoạt động học tập, định hướng phương pháp, kiểm chứng tri thức và phát triển tư duy cho sinh viên.

Hỗ trợ chuẩn bị học liệu: GenAI có thể gợi ý cấu trúc đề cương, câu hỏi trắc nghiệm, tình huống thảo luận, ví dụ minh họa hoặc bản nháp slide. Giảng viên vẫn phải chịu trách nhiệm thẩm định nội dung, điều chỉnh theo chuẩn đầu ra và bối cảnh môn học.

Hỗ trợ phản hồi và đánh giá: AI có thể giúp đối chiếu bài làm với rubric, gợi ý nhận xét và phát hiện những điểm cần xem xét. Quyết định đánh giá cuối cùng, đặc biệt với các bài tập phức tạp, vẫn cần vai trò chuyên môn của giảng viên.

Đổi mới mô hình giáo dục đại học

Trước hết là đổi mới phương pháp đánh giá. Sự phổ biến của GenAI làm giảm độ tin cậy của những bài tập chỉ yêu cầu tái hiện kiến thức hoặc viết sản phẩm hoàn chỉnh ngoài lớp mà không kiểm soát quá trình. Vì vậy, thay vì “khai tử” bài luận, cần thiết kế lại cách đánh giá: kết hợp bài viết với vấn đáp, nhật ký quá trình, dữ liệu phiên bản, giải quyết tình huống, thực hành tại lớp và bảo vệ dự án. Sinh viên có thể được phép sử dụng AI trong những nhiệm vụ phù hợp nhưng phải khai báo cách sử dụng, kiểm chứng đầu ra và chứng minh mình hiểu giải pháp.

Thứ hai là định nghĩa lại năng lực của người học. Trong kỷ nguyên GenAI, ghi nhớ vẫn cần thiết để hình thành nền tảng chuyên môn, nhưng ở mức độ cao hơn. Năng lực nổi bật chuyển sang đặt vấn đề, tư duy phản biện, kiểm chứng thông tin, hiểu giới hạn và “ảo giác” của mô hình, sử dụng AI có trách nhiệm, và tích hợp công cụ AI vào quy trình giải quyết vấn đề. Prompt Engineering vì thế chỉ là một phần của năng lực rộng hơn: biết giao nhiệm vụ cho AI, đánh giá kết quả và chịu trách nhiệm về quyết định cuối cùng.

Thứ ba, thúc đẩy chương trình học linh hoạt và liên ngành. GenAI có khả năng làm việc với văn bản, dữ liệu, hình ảnh và mã nguồn, qua đó tạo điều kiện cho các dự án liên ngành giữa CNTT với kinh tế, y tế, truyền thông, quản trị và khoa học xã hội. Chương trình đại học vì vậy cần tăng các học phần dự án, học phần tự chọn và bài toán thực tiễn, đồng thời trang bị kiến thức về đạo đức, quyền riêng tư, sở hữu trí tuệ và an toàn AI.

Có thể xem GenAI tương tự một công nghệ nền tảng mới đi vào lớp học: ban đầu làm gia tăng lo ngại về gian lận và lệ thuộc, nhưng đồng thời buộc giáo dục phải nâng chuẩn câu hỏi, nhiệm vụ và năng lực cần đánh giá. Giá trị của đại học vì thế dịch chuyển từ việc cung cấp thông tin sang tổ chức quá trình hình thành năng lực.

PGS.TS. Ngô Tứ Thành trong giờ dạy.

Ngành Công nghệ thông tin thay đổi như thế nào dưới tác động của GenAI?

CNTT là một trong những lĩnh vực chịu tác động trực tiếp nhất của GenAI. Các trợ lý lập trình có thể hỗ trợ sinh mã, giải thích code, viết kiểm thử, xử lý dữ liệu và tạo tài liệu kỹ thuật. Điều này không làm mất đi nhu cầu về kỹ sư CNTT, nhưng làm thay đổi đáng kể cách họ làm việc và những năng lực mà đại học cần đào tạo.

Thứ nhất, thay đổi quy trình làm việc: GenAI có thể đảm nhận hoặc hỗ trợ nhiều tác vụ lặp lại, giúp kỹ sư dành nhiều thời gian hơn cho phân tích yêu cầu, thiết kế kiến trúc, kiểm thử, tối ưu và ra quyết định.

Làm sạch và tiền xử lý dữ liệu: AI có thể gợi ý mã để phát hiện giá trị thiếu, điểm ngoại lai và chuẩn hóa dữ liệu; kỹ sư cần kiểm tra giả định, chất lượng và tác động của từng bước xử lý.

Sinh và sửa mã nguồn: các trợ lý lập trình có thể tạo hàm, kiểm thử, giải thích lỗi hoặc đề xuất cách triển khai. Năng lực quan trọng chuyển từ nhớ cú pháp sang hiểu thuật toán, kiến trúc và khả năng kiểm định mã do AI sinh.

Dữ liệu tổng hợp (Synthetic Data): GenAI có thể hỗ trợ tạo dữ liệu tổng hợp cho một số bài toán thiếu dữ liệu hoặc có yêu cầu bảo vệ riêng tư. Tuy nhiên, dữ liệu tổng hợp không mặc nhiên “giống hệt” dữ liệu thật và vẫn phải được đánh giá về độ đại diện, thiên lệch, rủi ro tái nhận dạng và yêu cầu pháp lý.

Thứ hai, dịch chuyển chân dung năng lực của kỹ sư CNTT. GenAI làm giảm giá trị tương đối của những thao tác có thể tự động hóa, nhưng làm tăng giá trị của kiến thức nền, tư duy hệ thống và khả năng chịu trách nhiệm kỹ thuật.

Từ thành thạo cú pháp đến hiểu bản chất: kỹ năng viết code vẫn cần thiết, nhưng lợi thế bền vững nằm ở khả năng hiểu thuật toán, cấu trúc dữ liệu, kiến trúc hệ thống và các đánh đổi kỹ thuật.

Từ “ra lệnh” đến thiết kế tương tác với AI: kỹ sư cần biết mô tả yêu cầu rõ ràng, chia nhỏ bài toán, cung cấp ngữ cảnh và thiết kế quy trình có AI tham gia. Prompt Engineering nên được đặt trong năng lực rộng hơn về AI Engineering và Problem Solving.

Năng lực kiểm định và phản biện (Validation): do mô hình có thể tạo đầu ra sai, thiếu an toàn hoặc thiên lệch, kỹ sư phải kiểm thử, đối chiếu dữ liệu, đánh giá hiệu năng, bảo mật và độ tin cậy trước khi đưa kết quả vào hệ thống thực tế.

Thứ ba, thay đổi chương trình đào tạo đại học ngành CNTT. Để sinh viên không lạc hậu ngay khi tốt nghiệp, chương trình CNTT cần vừa tích hợp GenAI, vừa củng cố những kiến thức mà AI không thể thay thế trách nhiệm của con người.

Dạy “tại sao” bên cạnh “làm thế nào”: giảm việc học thuộc cú pháp đơn thuần, tăng toán học, thuật toán, cấu trúc dữ liệu, kiến trúc phần mềm, cơ sở dữ liệu, an toàn thông tin và tư duy hệ thống.

Cho phép sử dụng AI có kiểm soát trong đồ án: tiêu chí không chỉ là “code chạy được” mà còn gồm thiết kế giải pháp, chất lượng kiểm thử, khả năng giải thích mã, nhật ký sử dụng AI và bảo vệ trước phản biện.

Bổ sung AI Literacy và Responsible AI: sinh viên cần hiểu ảo giác, bias, quyền riêng tư, bản quyền, bảo mật, truy xuất nguồn gốc và trách nhiệm nghề nghiệp khi dùng mô hình tạo sinh.

Có thể nói, GenAI đang tạo ra sự thay đổi sâu rộng đối với giáo dục đại học, nhưng tác động quan trọng nhất không phải là “AI làm thay con người” mà là sự phân công lại công việc giữa con người và máy. Với sinh viên, GenAI mở rộng khả năng học tập cá nhân hóa, tiếp cận tài liệu và luyện tập; với giảng viên, nó hỗ trợ thiết kế học liệu, phản hồi và tổ chức trải nghiệm; với nhà trường, nó đặt ra yêu cầu đổi mới đánh giá, chương trình đào tạo và quản trị học thuật.

Đối với ngành CNTT, GenAI làm giảm tỷ trọng của những thao tác lặp lại nhưng đồng thời nâng yêu cầu đối với tư duy thuật toán, kiến trúc hệ thống, kiểm thử, an toàn, đạo đức và khả năng kiểm chứng. Vì vậy, đại học không nên lựa chọn giữa “cấm AI” và “phó mặc cho AI”, mà cần xây dựng mô hình sử dụng AI có kiểm soát: cho phép khai thác công cụ, yêu cầu minh bạch quá trình sử dụng, đánh giá năng lực thực chất và duy trì trách nhiệm cuối cùng ở con người.