Lịch sử AI trong Giáo dục

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Lịch sử AI trong giáo dục — việc nghiên cứu cách trí tuệ nhân tạo và giáo dục cùng tiến hóa từ giữa thế kỷ 20, và cách những lựa chọn khái niệm, thuật ngữ và thiết kế trong quá khứ vẫn tiếp tục định hình các tranh luận hôm nay về AI trong học tập. Thay vì coi AI sinh tạo là một lực lượng đột ngột, chưa từng có, một lăng kính lịch sử cho thấy những căng thẳng tái diễn — kiểm soát so với quyền chủ động, chuẩn hóa so với sáng tạo, tự động hóa so với tăng cường — đã cấu trúc nên AI trong giáo dục từ thuở khai sinh.

Những câu hỏi cần cân nhắc

AI sinh tạo hôm nay thường được mô tả như một cuộc cách mạng chưa từng có. Cách định khung đó ('chronocentrism' — chủ nghĩa lấy hiện tại làm trung tâm) có thể ngăn chúng ta nhìn thấy những mẫu hình tái diễn bên dưới như thế nào?
Lĩnh vực này suýt được đặt tên là 'cybernetics' thay vì 'artificial intelligence'. Lựa chọn đặt tên duy nhất đó có thể đã định hình việc chúng ta nhìn máy móc như những trí tuệ độc lập hay như một phần của các hệ thống phản hồi liên kết với nhau như thế nào?
Trang này định khung lịch sử AIED như một căng thẳng giữa kiểm soát (các gia sư nhận thức của Anderson tối ưu hóa việc giảng dạy) và quyền chủ động (chủ nghĩa kiến tạo của Papert trao quyền cho người học). Những lựa chọn của chính bạn về AI trong giáo dục nằm ở đâu trên phổ đó — và vì sao?
Trang lập luận rằng cá nhân hóa có hai nghĩa: thay đổi lộ trình đến cùng một kết quả, hoặc tạo điều kiện cho những kết quả đa dạng do người học định hướng. Thể chế của bạn thực sự theo đuổi kiểu cá nhân hóa nào, và bạn nghĩ nó nên theo kiểu nào?
Nếu các tranh luận về GenAI hôm nay 'phản chiếu' những căng thẳng lịch sử này, chúng ta có thể đang lặp lại những sai lầm nào trong quá khứ — và có thể tránh được gì nhờ ghi nhớ chúng?
Trang khẳng định các lựa chọn thiết kế kỹ thuật mang trong mình những phán đoán giá trị về mục đích của việc học. Bạn có thể chỉ ra một quyết định thiết kế trong một công cụ giáo dục AI bạn từng dùng đã âm thầm ưu ái chuẩn hóa hơn quyền chủ động của người học — hoặc ngược lại — không?

Giới thiệu

Lịch sử của lĩnh vực này không phải một tiến trình tuyến tính mà là một chuỗi các quyết định tùy nghi mà hệ quả vẫn còn vang vọng. Hiểu lịch sử này giúp chống lại "chronocentrism" (thiên lệch coi những phát triển hiện tại là độc nhất và mang tính cách mạng), giúp tránh lặp lại sai lầm trong quá khứ, và cho thấy cách những lựa chọn về định khung và thuật ngữ — không chỉ công nghệ — lái quỹ đạo của AI trong giáo dục.

Các sợi chỉ lịch sử then chốt

Từ điều khiển học đến "trí tuệ nhân tạo". Khi John McCarthy lên kế hoạch cho Dự án Nghiên cứu Mùa hè Dartmouth năm 1956, ông cố ý chọn thuật ngữ artificial intelligence thay vì cybernetics — một phần để tách lĩnh vực khỏi Norbert Wiener và trọng tâm của ông vào phản hồi tương tự. Quyết định đặt tên này định khung năng lực của máy móc trong sự so sánh trực tiếp với nhận thức của con người (định khung nhân hình), lái các ưu tiên nghiên cứu, nhận thức công chúng và tranh luận đạo đức trong nhiều thập kỷ. Nếu lĩnh vực giữ định khung điều khiển học, bài viết hình dung rằng giờ đây có lẽ chúng ta sẽ nói về "các hệ thống học tập điều khiển học" nhấn mạnh phản hồi và liên kết, thay vì "các gia sư AI" định vị máy móc như một nguồn trí tuệ độc lập.

Cuộc cách mạng nhận thức và cội nguồn của ITS. Những người tiên phong thời đầu — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — không chỉ mô hình hóa nhận thức; họ đang điều tra những câu hỏi nền tảng về học tập và giảng dạy. Công trình của họ tạo ra các mô hình xử lý thông tin về nhận thức của con người, trở thành nền tảng cho tâm lý học giáo dục, và dẫn tới Hệ thống Gia sư Thông minh (ITS), bắt rễ từ các mẫu hình tìm kiếm heuristic và hệ chuyên gia của AI thập niên 1960–70. Những hệ thống này gắn kết tự nhiên với các cấu trúc đánh giá và chuẩn hóa sẵn có, và cuối cùng kết tụ thành cộng đồng AIED.

Kiểm soát so với quyền chủ động: Anderson và Papert. Hai viễn cảnh cạnh tranh xuất hiện, hiện thân ở John Anderson và Seymour Papert. Các gia sư nhận thức của Anderson (lý thuyết ACT/ACT-R) phân rã tri thức thành các luật sản xuất, cung cấp phản hồi cá nhân hóa chính xác, và củng cố các cấu trúc giáo dục truyền thống — một viễn cảnh về AI như công cụ tối ưu hóa việc giảng dạy. Chủ nghĩa kiến tạo của Papert (constructionism; Logo, "thế giới vi mô", gỡ lỗi như học tập) coi máy tính là môi trường nơi trẻ em kiến tạo tri thức qua thử nghiệm sáng tạo — một viễn cảnh về AI như công cụ trao quyền trí tuệ thách thức các thứ bậc thể chế. "Căng thẳng cốt yếu" giữa kiểm soát và quyền chủ động này chính là sợi chỉ xuyên suốt lịch sử của lĩnh vực.

Hai hình thức cá nhân hóa. Cá nhân hóa có hai cách giải thích khác biệt ánh xạ lên các viễn cảnh này. Cách thứ nhất giữ kết quả đồng nhất trong khi thay đổi lộ trình (bắt rễ từ các máy dạy học của Skinner; viễn cảnh Khan Academy về dạy kèm đến thành thạo). Cách thứ hai đón nhận các kết quả đa dạng — người học theo đuổi sở thích và tài năng riêng, không bị ràng buộc bởi ranh giới chương trình chuẩn (Zhao, 2024). Mô hình ITS hỗ trợ cách thứ nhất; chủ nghĩa kiến tạo hỗ trợ cách thứ hai.

Bài học cho kỷ nguyên GenAI. Các tranh luận hôm nay về AI sinh tạo phản chiếu sát sao những căng thẳng lịch sử này. GenAI thường được định vị như một gia sư thông minh thế hệ tiếp theo (mở rộng Anderson), làm dấy lên lo ngại về giám sát, thu thập dữ liệu và chuẩn hóa. Hoặc nó có thể là một công cụ cho quyền chủ động sáng tạo (mở rộng Papert), đòi hỏi chúng ta phải suy nghĩ lại về đánh giá và chấp nhận những kết quả mơ hồ hơn. Như Mishra và cộng sự kết luận, các lực lượng thể chế liên tục ưu ái những cách tiếp cận củng cố cấu trúc sẵn có — và ngôn ngữ cùng ẩn dụ chúng ta chọn sẽ định hình những khả thể tương lai. Khuôn khổ AI×Ed của Rismanchian & Doroudi cho trực giác này một nền tảng thực nghiệm: định vị các bài viết từ kỷ yếu AIED (1985, 1993, 2021, 2024) và IJAIED (2004, 2014, 2021) dọc hai trục — vai trò của AI (công cụ ứng dụng so với phép loại suy của trí thông minh con người) và người dùng cuối — họ truy vết một lĩnh vực đã chuyển từ một hỗn hợp đa dạng, gồm cả nghiên cứu sơ khởi đáng kể dùng AI như phép loại suy của trí thông minh con người (các mô hình tính toán của học tập, thế giới vi mô của Papert, các mô hình dựa trên tác tử của việc lĩnh hội tri thức), sang một trọng tâm gần như độc quyền vào các ứng dụng công cụ, dụng cụ vào thập niên 2000. Đáng chú ý là kỷ nguyên AI sinh tạo dường như đảo ngược một phần quỹ đạo đó: đến AIED 2024, ba trong bốn vị trí ở góc phần tư "AI như phép loại suy" được xây bằng LLM, và một trong số đó giành giải bài viết xuất sắc cho các tác tử có thể dạy được chạy bằng LLM.

Bản ghi tạp chí quay hai lần. Một mô hình chủ đề cấu trúc trên 5,387 bài viết của Computers & Education (1976–2026) phát hiện AI trong 390 bản ghi (7.2%), trải trên 17 trong 18 chủ đề của tạp chí. Tỷ lệ cược hằng năm rằng một bài viết liên quan đến AI tăng 21.8% mỗi năm cho đến 1989, giảm 3.7% mỗi năm cho đến 2018, rồi tăng 40.1% mỗi năm đến 2025 (Wu và cộng sự, 2026). Bước ngoặt 2018 đi trước ChatGPT bốn năm, nên kỷ nguyên tạo sinh đã tăng tốc một xu hướng vốn đang diễn ra chứ không khởi tạo nó.

Tác động gần đây của AI sinh tạo

Sự xuất hiện của AI sinh tạo — một họ rộng bao gồm các mô hình ngôn ngữ lớn (văn bản), cùng các công cụ tạo hình ảnh, âm thanh và video — đánh dấu điểm uốn có hệ quả nhất trong lịch sử AIED kể từ khi lĩnh vực hình thành. Các LLM là thành viên nổi bật nhất của họ này và là động lực của phần lớn tác động trong lớp học, nhưng AI sinh tạo nói chung (có khả năng tạo ra văn bản, hình ảnh, âm thanh và mã mới) mới là lực lượng rộng hơn đang định hình lại giáo dục. Tốt nhất là hiểu nó dựa trên lịch sử AIED chứ không như một sự đoạn tuyệt sạch sẽ. Một số đặc điểm khiến kỷ nguyên AI sinh tạo trở nên khác biệt:

Quy mô và độ phủ. Khác với các gia sư nhận thức và ITS của những thập kỷ trước, vốn hoạt động trong phòng thí nghiệm và lớp học được kiểm soát, các LLM tiếp cận hàng trăm triệu người học và nhà giáo dục trong vòng vài tháng sau khi phát hành, xâm nhập gần như ngay lập tức vào viết lách, bài tập về nhà và giảng dạy hằng ngày. Tranh luận về GenAI chuyển từ các tạp chí chuyên ngành sang lớp học, phòng họp hội đồng quản trị và cơ quan lập pháp với tốc độ chưa từng có.

Một kiểu năng lực mới. Các hệ thống AIED trước đây mô hình hóa nhận thức và cung cấp giảng dạy có cấu trúc (truyền thống Anderson). Các LLM thực hiện tạo sinh mở — tạo ra bài luận, giải thích, mã và đối thoại — điều này đưa quyền chủ động và sáng tạo của người học (truyền thống Papert) lên hàng đầu theo cách các ITS trước đây không thể. Đây là lý do thời điểm hiện tại làm bùng lại căng thẳng kiểm soát-so-với-quyền-chủ-động mạnh mẽ đến vậy: cùng một công cụ có thể được triển khai như một gia sư thông minh thế hệ tiếp theo (kiểm soát kết quả) hoặc như một người đồng viết sáng tạo và đối tác tư duy (khuếch đại quyền chủ động).

Một sự đảo ngược của phương trình tiếp cận. Trong lịch sử, dạy kèm cá nhân hóa là khan hiếm và đắt đỏ; GenAI khiến hỗ trợ thích ứng một-một gần như miễn phí và phổ quát — hạ thấp đáng kể các rào cản tiếp cận và chi phí đã định hình AIED trước đây. Nhưng nó cũng đưa vào những rủi ro mới: thiên kiến thuật toán, ảo giác, giám sát, thu thập dữ liệu, và sự suy giảm kỹ năng của nhà giáo dục.

Lo ngại mới về năng lực AI và lạm dụng. Kỷ nguyên AI sinh tạo khiến năng lực AI trở nên cấp bách và định khung lại các tranh luận về liêm chính học thuật (phát hiện so với đối thoại), đồng thời làm sống lại những lo ngại lâu dài về tự động hóa, chuẩn hóa và sự phụ thuộc tri thức luận. Đây là những biểu hiện hiện đại của các căng thẳng nguyên thủy của lĩnh vực.

Rủi ro của chủ nghĩa lấy hiện tại làm trung tâm. Như Mishra và cộng sự cảnh báo, sự cường điệu quanh AI sinh tạo thường thiếu nhận thức lịch sử, để các nhà truyền bá công nghệ chi phối cuộc trò chuyện. Hiểu rằng các tranh luận GenAI hôm nay vang vọng sự phân rẽ Anderson–Papert và quyết định đặt tên điều khiển học năm 1955 giúp chúng ta đưa ra những lựa chọn có chủ đích thay vì coi hiện tại là tất yếu. Câu hỏi thực sự không phải là các công cụ AI sinh tạo có thể làm gì, mà là chúng ta muốn chúng làm gì — một quyết định được định hình bởi nơi chúng ta đã đi qua.

Hàm ý

Đọc sự cường điệu bằng lăng kính lịch sử. Hãy nhận ra rằng mỗi làn sóng AI mới đều được định khung là cách mạng; nhận thức lịch sử cho thấy tính liên tục và giúp chống lại sự chi phối của doanh nghiệp trong cuộc trò chuyện.
Coi các lựa chọn thiết kế là lựa chọn giá trị. Các quyết định kỹ thuật về AI trong giáo dục mang trong mình những lập trường ý thức hệ về mục đích của việc học — hãy làm chúng hiện ra và chất vấn chúng.
Cân nhắc kiểm soát so với quyền chủ động một cách có chủ đích. Việc AI nên tối ưu hóa hướng tới các kết quả chuẩn hay tạo điều kiện cho những kết quả đa dạng do người học định hướng là một lựa chọn thực sự có hệ quả thể chế và chính trị, không phải một điều cho sẵn về mặt kỹ thuật.
Bảo tồn quyền chủ động của người học. Sự phản kháng tái diễn đối với chuẩn hóa và kiểm soát, nghiêng về các cách tiếp cận mở, lấy người học làm trung tâm, là một sợi chỉ bền bỉ đáng để bảo vệ.

Những hiểu lầm phổ biến

"AI trong giáo dục bắt đầu với ChatGPT." Không phải vậy, và niềm tin này tốn kém vì nó làm mọi bài học trước đó trở nên vô hình. Dạy kèm thông minh bắt nguồn từ công trình tìm kiếm heuristic và hệ chuyên gia của thập niên 1960 và 70, và cộng đồng AIED hình thành quanh nó nhiều thập kỷ trước các mô hình ngôn ngữ lớn. Mishra và cộng sự cho thấy các tranh luận hiện tại đang tái tạo một sự phân rẽ đã hiện rõ trong các gia sư nhận thức của Anderson và chủ nghĩa kiến tạo của Papert, nên một độc giả đặt lĩnh vực bắt đầu từ 2022 sẽ tự rút ra lại những lập luận mà lĩnh vực đã từng giải quyết, từ bỏ hoặc đánh mất một lần.

"Lĩnh vực đã dần từ bỏ AI-như-phép-loại-suy để chuyển sang các công cụ ứng dụng, và AI sinh tạo tiếp tục xu hướng đó." Đây là sự chỉnh sửa có tính chỉ dẫn nhất trên trang, vì quỹ đạo là thật nhưng không đơn điệu. Phân tích định vị của Rismanchian và Doroudi về AIED 1985, 1993, 2021 và 2024 cùng IJAIED 2004, 2014 và 2021 quả thực cho thấy một sự trôi dạt từ một lĩnh vực hỗn hợp sang tính dụng cụ ứng dụng gần như độc quyền vào thập niên 2000. Nhưng tại AIED 2024, ba trong bốn bài viết ở góc phần tư AI-như-phép-loại-suy dựa trên LLM, gồm cả công trình đoạt giải bài viết xuất sắc về các tác tử có thể dạy được dựa trên LLM. AI sinh tạo đảo ngược một phần xu hướng thay vì mở rộng nó, đó là lý do coi nó là "gia sư thông minh tiếp theo" đọc sai nơi biên giới nghiên cứu thực sự đã dịch chuyển.

"Cá nhân hóa nghĩa là điều chỉnh độ khó cho từng người học." Đó chỉ là một trong hai nghĩa không tương thích, và việc lẫn lộn chúng che giấu một lựa chọn chính trị. Ở nghĩa thứ nhất, kết quả được giữ cố định và chỉ lộ trình thay đổi, dòng dõi chạy từ các máy dạy học của Skinner qua dạy kèm dựa trên thành thạo. Ở nghĩa thứ hai, bản thân các kết quả trở nên đa dạng, khi người học theo đuổi sở thích cá nhân không bị ràng buộc bởi chương trình chuẩn (Zhao, 2024). Một ITS thực hiện nghĩa thứ nhất; chủ nghĩa kiến tạo thực hiện nghĩa thứ hai. Một công cụ được mô tả là "cá nhân hóa" chưa nói với bạn điều gì cho đến khi bạn biết nó mang nghĩa nào.

"'Trí tuệ nhân tạo' chỉ đơn giản là cái tên hiển nhiên cho lĩnh vực." Thuật ngữ này là một lựa chọn có chủ đích. Khi McCarthy lên kế hoạch cho dự án Dartmouth năm 1956, ông ưu ái artificial intelligence hơn cybernetics một phần để tách công trình khỏi truyền thống phản hồi tương tự của Wiener. Quyết định duy nhất đó định khung máy móc trong sự so sánh trực tiếp với nhận thức của con người, và định khung nhân hình mà nó cài đặt vẫn định hình các ưu tiên nghiên cứu, ngôn ngữ sản phẩm, và những câu hỏi đạo đức mà công chúng đặt ra.

Đưa vào thực tiễn

Cho giảng viên và nhà thiết kế giảng dạy

Hãy gọi tên truyền thống mà công cụ của bạn thuộc về trước khi áp dụng nó. Hỏi xem nó tối ưu hóa hướng tới các kết quả cố định hay mở ra hướng đi cho người học, bởi câu trả lời đó, chứ không phải danh sách tính năng, quyết định điều nó sẽ làm với thiết kế đánh giá của bạn.
Chất vấn từ "cá nhân hóa" trong mọi lời chào hàng của nhà cung cấp, và đòi một câu trả lời theo hai nghĩa nêu trên. Một sản phẩm thay đổi nhịp độ hướng tới một chuẩn chung và một sản phẩm cho phép sinh viên rẽ khác nhau không phải là vật thay thế cho nhau.
Khi sinh viên trình bày GenAI như điều chưa từng có, lịch sử tự nó là nội dung có thể dạy được. Định khung Anderson-Papert cho họ một từ vựng để tranh luận về AI thay vì chỉ sử dụng nó.

Cho nhà phát triển

Ngôn ngữ giao diện là một quyết định thiết kế có dòng dõi. Gọi hệ thống của bạn là "gia sư AI" thừa hưởng định khung của Anderson và kỳ vọng tối ưu hóa hướng tới các kết quả chuẩn; gọi nó là "thế giới vi mô" hay "môi trường học tập" thừa hưởng định khung của Papert. Không bên nào trung lập, nên hãy chọn có chủ đích.
Nếu bạn đang xây trong truyền thống phép loại suy (các mô hình học tập, tác tử có thể dạy được, mô phỏng việc lĩnh hội tri thức), hãy nói rõ điều đó. Góc phần tư đó gần như trống trong hai thập kỷ và đang được tái lấp; việc định vị là một điểm khác biệt và các tiêu chí đánh giá cũng khác.

Cho nhà nghiên cứu

Dùng các kho ngữ liệu lịch sử làm đường cơ sở thay vì coi hiện tại là so sánh duy nhất sẵn có. Kỷ yếu AIED các năm 1985, 1993, 2021 và 2024 cùng IJAIED các năm 2004, 2014 và 2021 là một mẫu dọc sẵn có về chính những khẳng định của lĩnh vực.
Trích dẫn dòng dõi khi bạn tuyên bố tính mới. Một khẳng định rằng một hệ thống "cá nhân hóa việc học" hay "mô hình hóa người học" chỉ mới so với một truyền thống trước đó cụ thể, và truyền thống đó được ghi chép lại.

Khái niệm liên quan

Siêu dữ liệu

Học tập và giảng dạy	Constructivism, Learning Theories
Công nghệ và kỹ thuật	Generative AI, Intelligent Tutoring
Nền tảng về AI trong giáo dục	Quyền chủ động của người học, AI trong Giáo dục, Lịch sử AI trong Giáo dục

Nguồn Lịch sử Sửa Trò chuyện