Đề xuất tái cấu trúc chương trình đào tạo đại học tích hợp trí tuệ nhân tạo

Trong báo cáo về tái cấu trúc chương trình đào tạo, PGS.TS Trần Thành Nam – Hiệu trưởng Trường Đại học Giáo dục, Đại học Quốc gia Hà Nội, đề xuất tích hợp AI theo bốn tầng, gắn với đào tạo liên ngành, dự án thực tiễn và đánh giá năng lực cá nhân.

Một sinh viên có thể dùng AI để hoàn thành bài luận, phân tích dữ liệu hoặc xây dựng phương án giải quyết tình huống. Tuy nhiên, chất lượng sản phẩm chưa đủ cho biết người học đã hiểu vấn đề đến đâu, có nhận ra sai sót hay có thể tự đưa ra quyết định chuyên môn hay không. Khoảng cách này đặt ra câu hỏi đối với các trường đại học: chương trình cần thay đổi thế nào để kết quả học tập phản ánh đúng năng lực sinh viên?

Theo phân tích của PGS.TS Trần Thành Nam, việc tái cấu trúc cần bắt đầu từ xác định những năng lực người học phải đạt. Trên cơ sở đó, nhà trường điều chỉnh nội dung, phương pháp giảng dạy, cách đánh giá và điều kiện tổ chức. Bổ sung học phần AI cần được đặt trong quá trình đổi mới có liên hệ giữa các thành phần của chương trình.

Sinh viên Trường ĐH Giáo dục - ĐHQG Hà Nội.

Nghề nghiệp thay đổi, kiến thức nền tảng càng cần được củng cố

PGS.TS Trần Thành Nam dẫn dự báo của Diễn đàn Kinh tế Thế giới năm 2025: đến năm 2030, cứ 100 người lao động thì có 59 người cần được đào tạo hoặc đào tạo lại. Một công bố của Tổ chức Lao động Quốc tế năm 2026 cũng được dẫn trong báo cáo, cho biết khoảng 11,5 triệu lao động Việt Nam làm việc trong những nghề có nhiệm vụ có thể chịu tác động của AI tạo sinh.

Ông cho rằng, cần hiểu đúng ý nghĩa của những con số này. Mức độ công việc có thể chịu tác động của công nghệ không đồng nghĩa với số người sẽ mất việc. Thay đổi có thể diễn ra ở từng nhiệm vụ, kéo theo yêu cầu cập nhật kỹ năng và điều chỉnh cách phối hợp giữa con người với công cụ.

Đối với giáo dục đại học, điều đó đòi hỏi mỗi ngành rà soát những công việc AI có thể hỗ trợ, những quyết định cần con người kiểm tra và những kiến thức sinh viên phải nắm vững. Sử dụng AI trong phân tích dữ liệu giáo dục, tư vấn pháp lý hay thiết kế dịch vụ đa ngôn ngữ có yêu cầu khác nhau về độ chính xác và trách nhiệm nghề nghiệp.

“Kiến thức chuyên môn vì thế tiếp tục giữ vai trò quyết định. Người học cần nền tảng đủ sâu để nhận diện một câu trả lời thiếu căn cứ, kiểm tra giả định và giải thích giới hạn của kết luận. Năng lực tự học cũng phải thể hiện qua những việc cụ thể như xác định kiến thức còn thiếu, lựa chọn nguồn học và tự kiểm tra sự tiến bộ”, PGS.TS Trần Thành Nam cho hay.

Kinh nghiệm quốc tế: gắn công nghệ với chuyên môn và đánh giá

Dẫn kinh nghiệm quốc tế, PGS.TS Trần Thành Nam cho biết, tại Trung Quốc, Đại học Nam Kinh kết nối kiến thức AI nền tảng với các học phần phát triển năng lực và ứng dụng theo lĩnh vực. Đại học Sư phạm Hoa Đông phát triển chương trình chuyên sâu kết hợp AI với từng ngành. Kinh nghiệm đáng chú ý là tạo lộ trình từ hiểu biết chung đến vận dụng chuyên môn, đồng thời làm rõ cách tính tín chỉ.

Tại Hoa Kỳ, Đại học Florida yêu cầu học phần AI xác định chuẩn đầu ra và nhiệm vụ đánh giá tương ứng. Cách tiếp cận này giúp việc tích hợp công nghệ có mục đích rõ ràng: sinh viên phải làm được gì sau học phần và giảng viên dùng bằng chứng nào để xác nhận kết quả.

Trong khi đó, hướng dẫn của Cơ quan Quản lý Chất lượng và Tiêu chuẩn Giáo dục Đại học Úc nhấn mạnh yêu cầu bảo đảm độ tin cậy của đánh giá. Khi AI tham gia vào quá trình tạo sản phẩm, nhà trường cần có thêm bằng chứng về mức độ hiểu biết và khả năng vận dụng của từng sinh viên.

Kinh nghiệm học qua các nhiệm vụ thử thách tại Đại học Công nghệ Eindhoven và việc đưa AI vào chương trình năm thứ nhất tại Đại học Công nghệ và Thiết kế Singapore cũng gợi mở hướng tổ chức học tập gắn với vấn đề thực tiễn.

Những trường hợp này cung cấp kinh nghiệm thiết kế và tổ chức. PGS.TS Trần Thành Nam cho rằng, hiệu quả học tập vẫn cần được đo lường trong từng điều kiện triển khai, trước khi áp dụng rộng rãi.

PGS.TS Trần Thành Nam.

Khung bốn tầng và yêu cầu bố trí lại tín chỉ

Từ những phân tích trên, PGS.TS Trần Thành Nam đề xuất khung tích hợp AI theo bốn tầng.

Tầng đầu tiên cung cấp hiểu biết nền tảng cho mọi sinh viên, gồm khả năng, giới hạn, đạo đức và trách nhiệm sử dụng AI. Tầng thứ hai đưa AI vào các học phần cơ sở ngành, chuyên ngành, gắn với nhiệm vụ nghề nghiệp cụ thể.

Tầng thứ ba liên quan trực tiếp đến phương pháp dạy học và đánh giá. Giảng viên thiết kế lại nhiệm vụ, sinh viên trình bày cách sử dụng công cụ, kiểm tra kết quả và giải thích phần đóng góp của mình. Tầng này được thực hiện xuyên suốt chương trình.

Tầng thứ tư hướng đến nghiên cứu và đổi mới sáng tạo về phương pháp, ứng dụng hoặc tác động của AI, phù hợp với định hướng của từng chương trình và đề tài.

Đây là khung đề xuất tổ chức thực hiện. Mức độ tích hợp cần căn cứ vào đặc thù ngành học và điều kiện của cơ sở đào tạo.

Về tín chỉ, theo PGS.TS Trần Thành Nam, nhà trường cần rà soát chuẩn đầu ra và nội dung trùng lặp trước khi sửa đổi, bổ sung. Chẳng hạn, có thể thí điểm bố trí lại 12 tín chỉ trong chương trình hiện có, gồm 6 tín chỉ học phần liên ngành và 6 tín chỉ dự án xuyên ngành. Đây là phương án minh họa, không phải yêu cầu cộng thêm 12 tín chỉ hoặc định mức chung cho mọi ngành.

Về tổ chức, cần phân biệt hai loại hình cơ sở. Đại học có các trường thành viên có thể tổ chức học phần chung và điều phối giảng viên, hạ tầng, kinh phí theo cơ chế nội bộ phù hợp. Trường cấp bằng xác nhận điều kiện công nhận tín chỉ trước khi sinh viên đăng ký.

Với trường đại học độc lập, nên ưu tiên phối hợp giữa các khoa, mời chuyên gia bên ngoài và tổ chức dự án với cơ quan, doanh nghiệp. Hợp tác liên trường chỉ mở rộng khi đã thống nhất trách nhiệm, tín chỉ và chi phí. Không mặc định các trường độc lập có ngân sách chung hoặc có thể áp dụng cơ chế phân bổ kinh phí như trong VNU.

Về đánh giá, PGS.TS Trần Thành Nam đề xuất sử dụng hồ sơ học tập số E-Portfolio. Hồ sơ lưu bài làm, các bản chỉnh sửa, phản hồi và phần giải thích quá trình hoàn thiện. Giảng viên kết hợp hồ sơ với vấn đáp hoặc thực hành cá nhân để theo dõi sự tiến bộ. Cần tận dụng bài làm trong các học phần hiện có, tránh yêu cầu sinh viên nộp trùng lặp và bảo đảm quyền riêng tư.

Về học tập suốt đời, nhà trường cần mở học phần bồi dưỡng theo yêu cầu nghề nghiệp và công bố điều kiện công nhận kết quả vào chương trình tiếp theo. Có thể xem xét hỗ trợ một khóa bồi dưỡng trong ba năm đầu sau tốt nghiệp, nhưng phải xác định nguồn kinh phí và đối tượng trước khi cam kết.

Ở cấp quốc gia, PGS.TS Trần Thành Nam kiến nghị Bộ GD&ĐT hướng dẫn điều kiện công nhận kết quả học tập, bảo đảm chất lượng và hỗ trợ thí điểm tại các loại hình cơ sở khác nhau. Các trường chịu trách nhiệm về chương trình, đội ngũ và nguồn lực. Địa phương, doanh nghiệp cùng xác định vấn đề thực tiễn, hướng dẫn và đánh giá giải pháp.

Thí điểm có đánh giá trước khi mở rộng

Về tổ chức, PGS.TS Trần Thành Nam cho rằng, đại học có các trường thành viên có thể điều phối học phần và nguồn lực chung. Trường đại học độc lập có thể bắt đầu từ phối hợp giữa các khoa, kết hợp chuyên gia và đối tác bên ngoài. Hợp tác liên trường cần có thỏa thuận rõ về tín chỉ, trách nhiệm chất lượng và chi phí.

Ông đề xuất thí điểm trong 12 tháng, lần lượt dành thời gian cho chuẩn bị, giảng dạy và đánh giá. Việc xem xét mở rộng cần dựa trên tiến bộ của sinh viên, khả năng công nhận tín chỉ, chi phí và mức độ tiếp cận của người học.

Cùng với đó, các trường có thể phát triển học phần bồi dưỡng sau tốt nghiệp. Đề xuất hỗ trợ học phí một khóa học trong ba năm đầu cần được tính toán nguồn lực trước khi cam kết.

Thước đo của quá trình tái cấu trúc là năng lực người học thể hiện qua những nhiệm vụ cụ thể: hiểu vấn đề, kiểm tra kết quả, đưa ra quyết định có căn cứ và tiếp tục học khi yêu cầu nghề nghiệp thay đổi.