Cơ sở tri thức AIEdAIEd KB
Trên trang này

Đọc trang này bằng tiếng Anh

Khái niệm

Hợp tác người–AI

Ngày tạo 2026-05-29 · Ngày cập nhật 2026-11-08

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

Hợp tác người–AI — sự phân chia lao động nhận thức giữa con người và mô hình — là chủ đề tương tác cốt lõi của cơ sở kiến thức: Human-AI collaboration in higher education: Exploring the impact of technology expectations and distrust, "It felt a bit eerie": Exploring humanlike interactions during collaborative writing with an artificial agent, Generative AI (GenAI) as a mindtool that supports generative learning (GL), và Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing xem xét niềm tin, quyền chủ động và các vai trò bổ trợ (Human-in-the-Loop, AI tác tử). Câu hỏi định nghĩa là liệu sự hợp tác bảo tồn hay thay thế công việc nhận thức của chính người học — cùng một cách sắp xếp có thể hỗ trợ việc học hoặc thay thế nó, tùy vào cách trách nhiệm được chia sẻ.

Những câu hỏi cần cân nhắc

  • Câu hỏi định nghĩa trong hợp tác người–AI là liệu sự hợp tác bảo tồn hay thay thế công việc nhận thức của chính bạn. Hãy nghĩ về một nhiệm vụ bạn đã giao cho AI: bạn đang tạo ra và quyết định, hay chỉ đang chấp nhận?
  • Một nghiên cứu phát hiện rằng hợp tác tự do với ChatGPT chỉ tạo ra những lợi ích nhất thời rồi sụp đổ ở một nhiệm vụ không có hỗ trợ sau đó, trong khi một giao thức 'suy nghĩ trước, ChatGPT sau' mang lại việc học bền vững. Vì sao việc ai tạo ra ý tưởng lại có thể dự báo liệu bạn có thực sự học được hay không?
  • Cùng một công cụ có thể hỗ trợ việc học hoặc thay thế nó tùy vào cách trách nhiệm được chia sẻ. Bạn có thể nghĩ ra một cách sắp xếp giữ bạn năng suất về mặt nhận thức, so với một cách sắp xếp âm thầm giảm tải tư duy của bạn không?
  • Một cách sắp xếp đảo ngược các vai trò thông thường: thay vì mô hình cung cấp câu trả lời, sinh viên giải thích nội dung và mô hình đóng vai người không biết gì, đòi giải thích, ví dụ và một phản biện. Nếu AI là bên đặt câu hỏi, thì phần tư duy còn lại ở phía bạn sẽ ra sao?
  • Niềm tin được mô tả như một thứ phải được hiệu chỉnh chứ không được giả định — dựa vào AI ở nơi phù hợp và kiểm chứng ở nơi không. Hiện tại bạn quyết định khi nào nên tin và khi nào nên kiểm chứng đầu ra của AI như thế nào?
  • Nghiên cứu xác định các chế độ hợp tác đánh đổi hiệu quả lấy độ sâu của sự tham gia tự điều chỉnh của bạn. Khi nào thì đáng chấp nhận ít hiệu quả hơn để giữ nhiều việc học hơn trong tay mình?
  • Nếu hợp tác là một lựa chọn sư phạm nhiều ngang với một lựa chọn kỹ thuật, bạn sẽ thiết lập những bước thiết kế nào (prompt, quy trình làm việc, cấu trúc) để bảo đảm AI tăng cường thay vì thay thế tư duy của người học?

Giới thiệu

Hợp tác người–AI mô tả cách người học, giáo viên và các hệ thống AI phân chia công việc nhận thức — ai làm gì, ai quyết định, và niềm tin cùng quyền chủ động được duy trì như thế nào. Thay vì định khung AI như một vật thay thế hoặc một công cụ thụ động, nghiên cứu về hợp tác coi AI là một đối tác có những thế mạnh bổ trợ, mà giá trị phụ thuộc vào cách trách nhiệm được chia sẻ và giám sát. Ở cấp độ hành vi quan sát được, Student-AI Interaction nắm bắt cách người học thực hiện mối quan hệ này trong thực tiễn — những câu hỏi, prompt và bước kiểm chứng họ thực hiện với AI từng khoảnh khắc.

Sự phân chia lao động cũng chạy qua những người thiết kế tương tác. Qua mười hai triển khai khóa học trong đào tạo giáo viên, giảng viên định vị AI như một đối tác tư duy, một cỗ máy tạo phê bình hoặc một công cụ tập dượt, trong khi các ứng viên giữ trách nhiệm đánh giá, thích ứng và biện minh cho các quyết định, thế nhưng cùng một sách trắng đó báo cáo rằng các ứng viên đánh giá thấp những phản hồi mà họ đã từng thấy hữu ích khi biết tác giả là AI, một tình huống mà nó gọi là hiệu ứng quả bóng xẹp. Một phân tích 1,378 lượt thiết kế–chatbot chỉ về hướng ngược lại ở khâu tạo sinh: nhà thiết kế dùng một trợ lý nhúng chủ yếu để kiểm tra sự ăn khớp với chuẩn đầu ra và cách tiếp cận sư phạm chứ không phải để tạo nội dung. Trong cả hai trường hợp, chính phán đoán đánh giá của con người, chứ không phải đầu ra của mô hình, mang lấy việc học.

Lợi ích, rủi ro và hàm ý thiết kế

Bằng chứng của cơ sở kiến thức cho thấy hợp tác người–AI là một cách sắp xếp hai mặt, mà kết quả được quyết định bởi thiết kế chứ không bởi bản thân AI:

  • Hợp tác có thể nâng cao việc học khi nó bảo tồn sự tham gia nhận thức. Các nghiên cứu về GenAI như một công cụ tư duy và hợp tác có hướng dẫn cho thấy khi sự phân chia lao động giữ cho người học tạo ra, quyết định và đánh giá, AI tăng cường thay vì thay thế tư duy — tạo ra những lợi ích bền vững về học tập tự điều chỉnh và sáng tạo. Việc người học giữ vai trò quyết định cũng mở rộng sang viết lách: Oppenheimer, Cash & Connell Pensky (2025) cho thấy các phê bình của LLM đối với bài luận lập luận của sinh viên cải thiện kỹ năng viết qua một học kỳ, với người học quyết định có tiếp thu hay phản bác phản hồi của mô hình (87.8% các khẳng định bị phản bác) — một cách sắp xếp bảo tồn công việc đánh giá của người học — và lợi ích xuất hiện ngay cả trên các bài luận viết không có hỗ trợ của LLM, gợi ý một kỹ năng bền vững chứ không phải sự phụ thuộc vào công cụ.
  • Hợp tác có thể thay thế việc học khi nó giảm tải quá nhiều. Chế độ thất bại là sự phụ thuộc quá mức: khi AI tạo ra câu trả lời, vai trò của người học sụp thành sự chấp nhận thụ động, và hiệu năng nhiệm vụ tức thời che lấp việc thiếu học tập bền vững. Nghiên cứu về hiệu năng so với học tập và chu trình tổn hại từ thay thế đến giàn giáo (From Substitution to Scaffolding: Breaking the Self-Reinforcing Harm Cycle of AI in Education (and Beyond)) ghi chép điều này một cách hệ thống.
  • Một điểm số tốt hơn tự nó không phải bằng chứng rằng sự hợp tác đã dạy được điều gì. Bằng chứng khác của trang này đọc hiệu năng có hỗ trợ một cách thận trọng, và một thử nghiệm ngẫu nhiên về kiểu hỗ trợ cho thấy vì sao. Trong nghiên cứu phòng thí nghiệm của Iqbal và cộng sự (2026), 87 sinh viên EFL viết một bài luận không có hỗ trợ, rồi sửa nó với ChatGPT 4.0 (n = 29), với một giảng viên viết là con người (n = 28), hoặc không có hỗ trợ (n = 30). Chiến lược sửa bài nào trong bốn chiến lược suy ra từ dấu vết mà một sinh viên dùng có liên hệ mạnh với kiểu hỗ trợ họ nhận được (Cramér's V = 0.668) và chỉ liên hệ vừa phải với chiến lược viết trước đó của họ (Cramér's V = 0.333); động lực, kỹ năng viết và độ chính xác của phán đoán siêu nhận thức không cho thấy liên hệ tổng thể nào, mối liên hệ siêu nhận thức chỉ hiện ra ở điều kiện không có hỗ trợ (p = 0.0460). Điều then chốt là không chiến lược sửa bài nào dự báo thay đổi điểm số (p = 0.273) dù kiểu hỗ trợ thì có: nhóm GenAI cải thiện nhiều hơn đáng kể so với nhóm chuyên gia con người và nhóm đối chứng (H(2) = 16.591, p = 0.00025, η² = 0.174), và trong cùng chiến lược tìm kiếm hỗ trợ giảm dần, sinh viên GenAI tăng trung bình khoảng 4 điểm trong khi sinh viên có chuyên gia con người giảm 0.5. Các tác giả đọc mẫu hình này như hỗ trợ bên ngoài đi vòng qua phán đoán siêu nhận thức của chính người học và cảnh báo rằng các lợi ích có thể là tối ưu hóa đặc thù nhiệm vụ chứ không phải năng lực bền vững. Điều này không lật ngược nguyên tắc ai tạo ra và ai quyết định (nghiên cứu thay đổi ai cung cấp hỗ trợ, chứ không thay đổi ai tạo ra tư duy), nhưng nó làm sắc phép thử mà một giảng viên nên áp dụng: một lợi ích đạt được dưới sự hỗ trợ phải sống sót qua một nhiệm vụ không có hỗ trợ trước khi được tính là học tập, và việc thêm một chuyên gia con người vào phòng không tự động là cách sắp xếp an toàn hơn.
  • Thêm bạn học cũng không tự động là cách sắp xếp an toàn hơn. Chu, Dai và Zhai (2026) cho 87 sinh viên đại học làm việc một mình hoặc theo cặp với một hệ thống đa tác tử GenAI trong tám tuần. Các cặp đạt điểm cao nhất ở dự án thiết kế phức hợp (M = 89.64, so với 85.85 ở sinh viên làm theo cặp không có hệ thống và 86.45 ở người làm một mình với hệ thống, p = 0.039), thế nhưng nhận thức về tư duy phản biện tăng nhiều nhất ở những người làm một mình (M = 0.41) và giảm nhẹ ở các cặp (M = −0.04, p = 0.039).
  • Nguyên tắc thiết kế — bảo tồn công việc sinh lợi của người học. Qua toàn bộ nghiên cứu, yếu tố dự báo sắc nhất về việc hợp tác giúp ích hay gây hại là ai tạo ra và ai quyết định. Những cách sắp xếp giữ người học năng suất về mặt nhận thức (tạo prompt có hướng dẫn, "suy nghĩ trước, rồi tham khảo AI", các bước kiểm chứng và đánh giá) hỗ trợ việc học; những cách sắp xếp giao toàn bộ nhiệm vụ cho mô hình thì không. Bước bổ trợ là thay đổi vai trò được giao cho mô hình. Trong thực nghiệm bán ngẫu nhiên của Wang và cộng sự (2026), 68 giáo viên trước khi vào nghề hoặc giải thích khái niệm lớp học đảo ngược cho một người học mới GAI xây trên ERNIE 3.5 (một hệ thống được định khung là hay hỏi và biết ghi nhận, đòi giải thích, ví dụ, lập luận kiểm chứng và một góc nhìn đối lập, được sắp theo thang Bloom), hoặc đặt câu hỏi cho một giáo viên GAI xây trên cùng mô hình. Những sinh viên dạy AI giải thích tốt hơn (định nghĩa lớp học đảo ngược M = 4.18 so với 3.29; các hoạt động giảng dạy của nó M = 4.91 so với 3.06, cả hai p < 0.001) và tạo ra nhiều câu hỏi hơn cùng chất lượng cao hơn (M = 3.67 so với 2.14; M = 5.67 so với 3.07, cả hai p < 0.001), trong khi khả năng nhớ khách quan không khác biệt về mặt thống kê (M = 23.18 so với 21.57, p = 0.416), nên lợi thế nằm ở giải thích và chuyển giao chứ không ở việc truy xuất sự kiện. Sinh viên ở điều kiện giáo viên-AI thẳng thắn về sự đánh đổi: một số thừa nhận nó cho "thông tin chính xác và chi tiết hơn" nhưng báo cáo rằng "sau khi dùng nó, tôi không muốn suy nghĩ độc lập nữa." Giao cho mô hình vai trò người học để được dạy biến sinh viên thành nguồn ý tưởng duy nhất và gỡ bỏ khó khăn lâu đời là tìm một bạn học phù hợp để dạy. Có hai giới hạn thiết kế đi kèm: lập kế hoạch và giám sát không cải thiện (M = 4.01 so với 3.78, p = 0.062), nên đảo ngược vai trò tự nó không phải một can thiệp siêu nhận thức, và các tác giả truy nguyên kết quả vô hiệu đó về một thiết kế nhiệm vụ giữ sinh viên tập trung vào độ chính xác nội dung. Trong một lớp học viết, nguyên tắc đó có một hình thức cụ thể, có thể dạy được. Trong thực nghiệm bán ngẫu nhiên của Alshehri và cộng sự (2026) với sinh viên EFL Ả Rập Xê Út, sinh viên chạy một quy trình năm phần — định khung vấn đề và thiết kế prompt, viết nháp lặp lại, sửa bài, kiểm chứng mọi khẳng định và trích dẫn với các cơ sở dữ liệu học thuật, và tự điều chỉnh việc ghi nhận nguồn cùng sự phụ thuộc của mình — với mỗi bài tập yêu cầu một nhật ký sử dụng AI ghi lại những gì họ chấp nhận, bác bỏ và vì sao. Viết lách và tư duy phản biện số tăng cùng nhau và gần như song hành, và các phản tư của sinh viên gắn cụ thể các quy trình kiểm chứng và sửa ảo giác với các lợi ích về tư duy phản biện: chính những thói quen chất vấn đầu ra đã định hình các quyết định viết của họ. Lưu ý của chính các tác giả là phần bổ trợ cần thiết cho nguyên tắc — quy trình là tùy nghi chứ không tự đủ, và có thể phản tác dụng khi thiếu Scaffolding, khi năng lực tư duy phản biện hoặc siêu nhận thức thấp (khi sinh viên thiếu khả năng bắt được đầu ra tồi), khi các quyết định viết bị ủy thác dần dần, hoặc khi chính sách sử dụng AI của thể chế không rõ ràng.
  • Thẩm quyền có giới hạn tự nó là một mẫu hình thiết kế cho hợp tác có hệ quả cao. Giáo viên trong Reichert và cộng sự (2026) không tạo mẫu các trợ lý mở mà là những hệ thống có mức tự do được cố định trước: mọi thiết kế đều giới hạn chatbot trong nội dung bài học cụ thể, và an toàn được xếp lớp thành các ranh giới miền (phạm vi riêng theo bài học, cộng một "hạn ngạch thông tin" đòi tối thiểu một số sự kiện hoặc bài toán trước khi cuộc trò chuyện tiến tiếp), lọc nội dung với các lời từ chối chuẩn hóa ("Xin lỗi, đây không phải phần trong cơ sở kiến thức của tôi") mà cũng cảnh báo giáo viên, và một quyền ghi đè của giáo viên cho các trường hợp mơ hồ — ví dụ được nêu là một câu hỏi về sinh sản ở người vốn hợp pháp trong bài học của nó và nên chuyển đến một con người thay vì bị tự động từ chối. Cá nhân hóa về định dạng, thể loại, nhịp độ và độ phức tạp được hoan nghênh bên trong các ranh giới đó, và việc giám sát (nhật ký trò chuyện đầy đủ, cảnh báo thời gian thực, quyền ghi đè) được định khung là trách nhiệm nghề nghiệp chứ không phải sự thiếu tin tưởng vào mô hình. Hàm ý là trong các bối cảnh có hệ quả cao, sự phân chia lao động nên được quy định là có giới hạn, được giám sát và có thể thu hồi, thay vì được thương lượng từng lượt.
  • Tự động hóa và tăng cường không phải những lựa chọn thay thế. Qua bốn trường hợp hướng đến giáo viên, việc thay thế dừng lại bên trong các nhiệm vụ phân tích có giới hạn, trong khi việc bổ trợ xuất hiện ở mọi nơi giáo viên diễn giải và kiểm chứng đầu ra, nên tăng cường hóa ra là một thuộc tính của điều giáo viên làm tiếp theo chứ không phải của bản thân công cụ (Horvers và cộng sự (2026)).
  • Niềm tin phải được hiệu chỉnh, không được giả định. Hợp tác sinh lợi phụ thuộc vào việc người học hiệu chỉnh chính xác khi nào nên dựa vào và khi nào nên kiểm chứng đầu ra của AI — kết nối với Trust Calibration và giám sát của con người thay vì chấp nhận mù quáng hay bác bỏ toàn diện.
  • Một cảnh báo cảm xúc là một tín hiệu để giáo viên diễn giải, không phải một chỉ thị để tuân theo. Trong một bài hình học ở trường trung học, các cảnh báo cảm xúc của một hệ thống AI đi trước những bước đi rất khác nhau của giáo viên, và chính bước đi — tái định khung nhiệm vụ, một lời khẳng định ngắn hay một sự không can thiệp có chủ đích — là điều thay đổi sự tham gia, nên cảnh báo hoạt động như một đầu vào trong số những gì giáo viên có thể quan sát (Swidan (2026)).
  • Hợp tác giáo viên–AI là hai mặt đối với sự tham gia, không chỉ đối với việc học. Trong một khảo sát ba đợt với 468 giảng viên đại học, hợp tác nâng cao sự tham gia công việc qua sự sẵn có tâm lý (gián tiếp 0.19) nhưng hạ thấp nó qua sự tha hóa công việc (gián tiếp −0.03); năng lực số điều tiết cả hai, làm phẳng độ dốc tha hóa từ 0.38 xuống 0.17 (Sun và cộng sự (2026)).
  • Sự phân chia lao động đi theo độ tin cậy, không phải năng lực. Điều người học đi đến là một sự phân bổ có nguyên tắc: AI cho phản hồi ngôn ngữ tức thời, áp dụng rộng, và giảng viên cho hướng dẫn cá nhân hóa, có quan hệ, được phân bổ theo độ tin cậy được nhận thức của mỗi nguồn chứ không theo độ chính xác của nó, bởi ràng buộc chặt chẽ đối với việc dựa vào là sự quan tâm được nhận thức, không phải năng lực (Serpil & Mor, 2026).
  • Sự phụ thuộc là một quá trình quần thể, không chỉ một lựa chọn cá nhân. Trong một mô hình dựa trên tác tử, bằng chứng xã hội hữu hình cho việc sử dụng chưa kiểm chứng làm sụp việc kiểm chứng từ 0.29 xuống 0.002 và nâng sự phụ thuộc quá mức từ 0.30 lên 0.52, trong khi việc kiểm chứng của bạn học được nhìn thấy khôi phục việc kiểm chứng gần như hoàn toàn — thay đổi điều người học thấy người khác làm hiệu quả hơn việc hạ thấp chi phí kiểm tra (Biswas (2026)).

Điều này khiến hợp tác người–AI trở thành một cấu trúc sư phạm nhiều ngang với một cấu trúc kỹ thuật: giá trị của sự hợp tác được định hình bởi cách giáo viên thiết kế tương tác, cách người học điều tiết nó, và cách hệ thống mời gọi hay ngăn cản sự tham gia sinh lợi.

Cách hợp tác người–AI xuất hiện trong nghiên cứu

  • Niềm tin và kỳ vọng: Kỳ vọng về niềm tin xem xét cách kỳ vọng của người học về AI định hình liệu hợp tác có sinh lợi hay dẫn tới sự phụ thuộc quá mức.
  • Các vai trò bổ trợ trong viết và tư duy: Viết cộng tác với AI giống người và GenAI như một công cụ tư duy cho thấy AI có thể tăng cường thay vì thay thế tư duy của người học như thế nào khi sự phân chia lao động bảo tồn sự tham gia nhận thức của người học.
  • Điều phối và quyền chủ động: Điều phối quyền chủ động giáo viên–học sinh và mô hình tâm trí của sinh viên bàn về cách quyền chủ động được thương lượng giữa con người và AI, kết nối với Human-in-the-Loop và AI tác tử.
  • Các chiều siêu nhận thức và đội nhóm: Các mô hình siêu nhận thức về AI lấy con người làm trung tâm và trung gian hóa ngành học trong các đội sinh viên mở rộng hợp tác sang siêu nhận thức và học tập theo đội.
  • Năng lực hợp tác như một cấu hình, không phải một danh sách kiểm tra — siêu nhận thức đảm nhận vai trò tích hợp của Kiến thức Nội dung Sư phạm Công nghệ (TPACK). Dang, Hong, Doyle và Nguyen (2026) định nghĩa Năng lực Hợp tác Người–AI như một cấu hình động của năng lực ngành học, năng lực AI và năng lực siêu nhận thức cùng các giao điểm của chúng (Làm việc với AI, Học tập tác tử với AI, Phát triển cá nhân và nghề nghiệp tác tử, và chính HACC), bác bỏ rõ ràng một danh sách cộng gộp các kỹ năng AI gắn thêm vào một chương trình sẵn có. Bước đi trung tâm của họ tái phân công công việc tích hợp mà phương pháp sư phạm đảm nhận trong TPACK: bởi AI là một bên tham gia thích ứng mà phần đóng góp dịch chuyển khi nhiệm vụ diễn ra, gánh nặng điều phối rơi vào chính siêu nhận thức của người học — quyết định khi nào tham khảo AI, định khung tương tác ra sao, và khi nào ghi đè nó — nên chính người học, chứ không phải giáo viên, giữ cơ chế giữ cho sự hợp tác sinh lợi. Quyền chủ động của người học được cố ý bỏ ra khỏi vai trò một nút độc lập; thay vào đó nó là phẩm chất nổi lên mà người học thể hiện khi điều phối ba năng lực, điều này khiến quyền chủ động trở thành thuộc tính của cấu hình chứ không phải một kỹ năng cần huấn luyện riêng lẻ. Nghiên cứu phỏng vấn của khuôn khổ với 24 nhà giáo dục New Zealand hỗ trợ các chiều này một cách mô tả, và cấp vai trò làm dịch chuyển trọng tâm chứ không làm thay đổi sự chấp nhận: mạng lưới của các hiệu trưởng tập trung vào AI với các liên kết tới HACC và phát triển nghề nghiệp, khác biệt đáng kể so với các nhà giáo dục cấp cao (U = 10.00, p = .04) và các nhà giáo dục mới vào nghề (U = 7.00, p = .01).
  • Các chế độ hợp tác khác biệt: công trình thực nghiệm xác định ba chế độ giải quyết vấn đề cộng tác người–AI — Lập luận được ủy thác, Diễn giải phối hợp, và Triển khai được ủy thác — cho thấy một sự đánh đổi giữa hiệu quả của hệ thống người–AI phân tán và độ sâu tham gia tự điều chỉnh của người học (lập luận được ủy thác hoạt động tốt nhất nhưng với tự điều chỉnh thấp hơn).(Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective)
  • Người điều phối là con người và AI có thể hoán đổi được về mặt cảm nhận trong thảo luận có cấu trúc, nhưng lý do quay lại thì khác nhau. Kuhail và cộng sự (2026) hoán đổi một người điều phối là con người bằng một người điều phối GPT-4 (rồi đổi lại) qua 32 phiên tranh luận do 32 sinh viên STEM thực hiện, và phát hiện không có khác biệt có ý nghĩa thống kê về hiệu quả, sự thích thú, sự hài lòng, tính hữu dụng hay ý định sử dụng (t từ 0.23 đến 1.30, p từ 0.198 đến 0.818). Điều khác biệt là vì sao sinh viên muốn quay lại: dưới sự điều phối của AI, tính hữu dụng được nhận thức dẫn dắt ý định sử dụng (0.806, p = 0.004), trong khi sự hài lòng chỉ dẫn dắt nó dưới sự điều phối của con người (0.556, p = 0.002). Các tác giả đọc so sánh ngang bằng này như sự bình thường hóa trong các nhiệm vụ có luật chặt chẽ chứ không phải bằng chứng về sự tương đương, và khuyến nghị giữ giám sát của con người vì lý do đạo đức và quan hệ trong khi làm cho tính hữu dụng của các hoạt động do AI điều phối trở nên dễ thấy thay vì dựa vào sự thích thú. Bởi nghiên cứu chỉ đo nhận thức, nó không nói gì về việc sinh viên có tranh luận tốt hơn hay không.
  • Giao nhiệm vụ trước khi ủy thác nó. Tsim và Gutoreva (2025) thêm một vùng thứ tư — điều mô hình đã biết — vào các vùng phát triển của người học, tạo ra các nhiệm vụ Thay thế, Bổ trợ, Hỗ trợ và Không thể thương lượng, và lập luận rằng các chế độ tự động hóa–tăng cường–hợp tác khác nhau ở điểm kiểm soát và trách nhiệm tri thức luận chứ không ở độ tinh vi của công cụ.
  • Tạo prompt như tư duy sư phạm, được xây qua nghiên cứu bài học. Robinson và cộng sự (2026) theo dõi năm nhà đào tạo giáo viên tại một thể chế ở UAE qua hai chu trình nghiên cứu bài học tiếp cận 36 giáo viên trước khi vào nghề ở toán trung học và tiểu học, thiết kế các bài học có AI hỗ trợ với ChatGPT (GPT-4o). Bước đi làm nên công việc là ghép AI với một khuôn khổ ngành học: các giáo viên trước khi vào nghề tạo một nhiệm vụ, phán đoán nhu cầu nhận thức của nó theo một Khuôn khổ Phân tích Nhiệm vụ Toán học đã sửa đổi, rồi viết lại prompt của họ để nâng độ sâu khái niệm, nên việc sửa được neo vào toán học chứ không vào các tính năng công cụ. Mười sáu trong 26 prompt phân tích được mang các đặc điểm nhiệm vụ khái niệm, và các nhà giáo dục kết luận rằng tạo prompt "không phải một kỹ năng kỹ thuật; đó là một kỹ năng nhận thức." Việc học được báo cáo tăng ở bài học đã sửa (5 trong 7 giáo viên trước khi vào nghề ở chu trình đầu và 10 trong 14 ở chu trình hai báo cáo học được cách phân biệt nhiệm vụ khái niệm với nhiệm vụ thủ tục), với lưu ý rằng yêu cầu AI tạo một nhiệm vụ khái niệm hơn đôi khi chỉ tạo ra một nhiệm vụ phức tạp hơn. Đối với phát triển đội ngũ, lập luận là cho điều tra cộng tác bền vững vào các bài học thực chứ không phải các workshop công cụ độc lập.
  • Hướng dẫn quyết định hiệu năng so với học tập: Wong và Qiu (2026) đối chiếu hợp tác người–AI tự do với có hướng dẫn trên một nhiệm vụ sáng tạo. Hợp tác tự do với ChatGPT chỉ tạo ra hiệu năng nhất thời rồi sụp đổ ở một nhiệm vụ không có hỗ trợ sau đó, trong khi một giao thức có hướng dẫn "suy nghĩ trước, ChatGPT sau" — tạo ý tưởng của chính mình, rồi dùng ChatGPT để cải thiện, phát triển và đánh giá chúng — mang lại những lợi ích bền vững về sáng tạo độc lập. Lợi thế được trung gian bởi các prompt cộng tác nhắm vào việc cải thiện ý tưởng của chính mình, cho thấy ai tạo ra (sự phân chia lao động) dự báo liệu hợp tác tạo ra việc học hay sự thay thế.(Think First, ChatGPT Later: Guiding Human–AI Collaboration for Learning Gains in Independent Human Creativity)
  • AI như trung gian, không chỉ đối tác: Niari tái khái niệm hóa AI như một trung gian sư phạm điều phối tương tác, việc tạo nghĩa tri thức luận và các quá trình điều tiết, phân phối lại quyền chủ động, quyền uy và trách nhiệm giữa các bên tham gia con người và phi nhân thay vì coi AI là gia sư, bạn học hay công cụ.
  • Hợp tác của giáo viên với AI cũng có mẫu hình, không phải nhị phân. Khi giáo viên thiết kế các thiết kế bài học với AI sinh tạo, tương tác của họ có những hình thức phân biệt được về mặt thực nghiệm. Choi và cộng sự (2026) xác định bảy mẫu hình tương tác giáo viên–AI — từ tiếp nhận trực tiếp và tiếp nhận có triển khai đầu ra của AI đến từ chối ban đầu, tiếp nhận đã sửa, sử dụng có hướng dẫn tiếp theo, tương tác phức hợp, và đi vòng qua AI — trong đó kinh nghiệm giảng dạy và năng lực AI của giáo viên cùng định hình việc họ có nhắc lại một cách phản biện và thích ứng AI cho sinh viên và bối cảnh hay không (một sự phân chia lao động bổ trợ, nhận thức phân tán) hoặc chấp nhận các gợi ý một cách thụ động (một phân phối do AI chi phối).
  • Tác nhân trung gian như một hình thức tham gia lai. Thay vì một điểm giữa công cụ và cộng sự, AI sinh tạo được khái niệm hóa như một tác nhân trung gian làm trung gian cho hành động trong khi tạo ra những đóng góp tùy nghi, không chịu trách nhiệm giải trình — một phạm trù riêng chuyển hướng thiết kế từ năng lực công nghệ sang các thói quen tham gia (quyền chủ động giám sát, cảnh giác tri thức luận).(Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory)
  • Cộng đồng và quyền uy tri thức luận: học AI căn cứ cộng đồng cho thấy hợp tác cũng là một câu hỏi về ai có quyền uy, đặt sự tham gia AI vào các tri thức luận sống của người học.
  • Khám phá đặc điểm dựa trên dữ liệu: Phân tích Đặc điểm Chính (PTA) tự động hóa việc suy ra các "đặc điểm" tương tác từ các kho ngữ liệu hội thoại Large Language Models (LLMs) lớn — một quy trình bốn giai đoạn lấy cảm hứng từ PCA, trích xuất các quan sát hành vi, gom cụm chúng thành các đặc điểm ứng viên, chấm điểm từng bên cộng tác, và chọn ra những đặc điểm phân biệt nhất. Được đánh giá trên một kho ngữ liệu sinh viên–gia sư AI và một kho ngữ liệu nhà phát triển–tác tử lập trình, PTA tìm ra các đặc điểm giải thích và dự báo kết quả (ví dụ tham gia khái niệm sâu tương quan dương, ủy thác nhiệm vụ tương quan âm, trong bối cảnh giáo dục), và — bởi chúng chưa khái quát hóa được qua các học kỳ/bối cảnh hay cho thấy quỹ đạo đường cong học tập — các tác giả lập luận rằng các đặc điểm này chưa thể được hiểu là "kỹ năng". Điều này đưa ra một bổ trợ khách quan, có thể mở rộng cho các khuôn khổ Năng lực AI (AI Literacy) và các thước đo tự báo cáo, trực tiếp cung cấp thông tin cho cách nhà giáo dục dạy "kỹ năng sử dụng AI."
  • Quan hệ người–AI là mối quan ngại bền bỉ nhất qua các thế hệ CAI. Tổng quan ôm trùm về các tác tử AI hội thoại (Ganguly và cộng sự 2025, 34 tổng quan) phát hiện các quan ngại về quan hệ người–AI — phụ thuộc quá mức, cô lập xã hội, phi cá nhân hóa, phụ thuộc cảm xúc, minh bạch, trách nhiệm giải trình — là vấn đề đạo đức được thảo luận thường xuyên nhất qua mọi thế hệ CAI, có trước GenAI. Điều này đặt câu hỏi "bảo tồn so với thay thế" vào đúng trung tâm của đạo đức CAI và củng cố rằng giá trị của hợp tác được quyết định bởi thiết kế (ai tạo ra, ai quyết định, trách nhiệm được chia sẻ ra sao).(Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions for ethical and responsible use)
  • AI mở rộng chuyên môn thời gian thực cho người mới — thử nghiệm ngẫu nhiên có đối chứng đầu tiên về dạy kèm trực tiếp. Wang và cộng sự (2024) thực hiện một thử nghiệm ngẫu nhiên (900 gia sư, khoảng 1,800 học sinh K-12 ở các cộng đồng ít được phục vụ) đặt AI về phía gia sư thay vì phía học sinh: Tutor CoPilot tạo ra các gợi ý thời gian thực giống chuyên gia (được xây từ lập luận nói thành lời của các gia sư giàu kinh nghiệm) mà các gia sư mới vào nghề có thể sửa hoặc bác bỏ. Học sinh của các gia sư được can thiệp có xác suất thành thạo chủ đề cao hơn 4 điểm phần trăm (p < 0.01), với mức tăng 9 điểm phần trăm ở học sinh của các gia sư được xếp hạng thấp nhất — những người vươn lên ngang với kết quả đối chứng của các gia sư được xếp hạng cao hơn — với chi phí khoảng 20 đô la Mỹ/gia sư/năm. Phát hiện này là một neo thực nghiệm mạnh cho việc tăng cường giáo viên/gia sư như một chế độ hợp tác người–AI công bằng: con người giữ phán đoán sư phạm và quyền tự chủ trong khi AI cung cấp chuyên môn có thể mở rộng.
  • Chuyên gia có giới hạn: giáo viên phân chia quyền uy với một AI như thế nào. Reichert, Briceno, Tabarsi & Barnes (2026) thực hiện một nghiên cứu thiết kế có tham gia trong đó sáu giáo viên trung học tạo mẫu các chatbot LLM cho lớp học của chính họ và phân tích cách quyền uy nên được phân bổ giữa giáo viên và hệ thống. Giáo viên nhất quán định khung AI như một chuyên gia có giới hạn — năng lực chuyên biệt bị giới hạn trong một miền được định nghĩa chặt chẽ và hoạt động dưới sự giám sát của con người — và tách tính có giới hạn đó thành hai chiều: ranh giới quyền uy, nơi trách nhiệm nghề nghiệp và pháp lý đối với việc học và sự an toàn của học sinh không thể bị ủy thác, và ranh giới chuyên môn, nơi hệ thống thiếu tri thức bối cảnh của giáo viên về từng học sinh, động lực lớp học và các chuẩn mực thể chế. Việc ánh xạ các mẫu thử lên chín sự kiện giảng dạy của Gagné cho thấy việc ủy thác có tính chọn lọc chứ không phải tất cả hoặc không gì cả: giáo viên hoan nghênh AI cho việc trình bày nội dung, cung cấp bài tập, giàn giáo, và phản hồi định hình, nhưng từ chối giao việc thông báo mục tiêu cho học sinh hoặc đánh giá tổng kết. Cách đọc thiết kế là một giao diện hợp tác nên làm hiện ra nơi con người giữ vai trò quyết định, chứ không chỉ nơi mô hình có năng lực.
  • Vai trò phải thích ứng, không chỉ được dán nhãn. Liao (2026) cho thấy một bạn đồng hành AI cố định ở vai "bạn học" duy trì được các tương tác trò chuyện về sách lâu hơn nhưng chi phối cuộc trao đổi (tỷ lệ từ/câu của sinh viên thấp hơn) và chạm trần cảm xúc, lập luận rằng hợp tác đòi hỏi logic vai trò thích ứng — chuyển đổi giữa bạn học, trợ lý và cố vấn — thay vì một nhân vật tĩnh duy nhất.
  • Đồng thiết kế phía giáo viên và kiến trúc vai trò cũng là hợp tác. Ngoài các đối tác hướng đến sinh viên, giáo viên hợp tác với GenAI để thiết kế việc giảng dạy. Wang và cộng sự (2026) tổng quan hệ thống việc đồng thiết kế nhiệm vụ học tập giữa giáo viên và AI, lập bản đồ các chế độ hợp tác và căng thẳng (quyền chủ động, quyền uy tri thức luận, kiểm soát) nảy sinh khi giáo viên và AI cùng tạo ra thiết kế; Talebzadeh (2026) phát hiện chuyên môn sư phạm của giáo viên — không phải độ trôi chảy AI — quyết định chất lượng các hoạt động nhóm phân hóa do AI thiết kế (độ phong phú vai trò, hiệp lực, sự ăn khớp cấp độ), định vị giáo viên như một "nhà thiết kế học tập song ngữ."
  • GenAI như một tác tử và một không gian cộng tác trong nhóm. Xu và cộng sự (2026) quan sát các đội nhỏ ở Higher Education và cho thấy vai trò của GenAI được thương lượng và có thể cấu hình — từ trợ lý cấp dưới đến thành viên đội bị tranh chấp — và rằng việc dùng chung đồng bộ duy trì nền tảng chung trong khi việc dùng riêng bất đồng bộ làm phân mảnh tính minh bạch, đề xuất một lăng kính Công việc Hợp tác được GenAI Hỗ trợ coi GenAI vừa là tác tử vừa là không gian cộng tác tương tác.
  • Những nửa bổ trợ của hợp tác trong lớp học. Hai nghiên cứu năm 2026 lập bản đồ những nửa bổ trợ của hợp tác người–AI trong lớp học. MeduAI-SP (Yang và cộng sự) lập luận cho "sự bổ trợ chức năng" trong giáo dục lâm sàng: các tác tử AI đảm nhận đóng vai lặp lại, mô phỏng bệnh nhân nhất quán, giám sát danh sách kiểm tra, nhắc Socratic và phản hồi định hình sơ bộ, trong khi giảng viên và bệnh nhân chuẩn hóa là con người cung cấp diễn giải bối cảnh, phản ứng cảm xúc tinh tế, khắc phục cá nhân hóa, đánh giá tính chuyên nghiệp và các phán đoán về sự sẵn sàng — việc thay thế bị giới hạn bởi hệ quả của sai sót, độ không chắc chắn của nhiệm vụ, độ nhạy cảm quan hệ và khả năng rà soát của con người sẵn có, và một hệ thống AI bị cấm rõ ràng việc tự động xác định năng lực lâm sàng. Ở hướng ngược lại, một cuộc thảo luận đạo đức 45 sinh viên hỗn hợp 3 người/3 tác tử (Seo và cộng sự, 2026) ghi chép một mẫu hình hai mặt: các tác tử hạ thấp rào cản xã hội (người tham gia nói thẳng hơn vì tác tử không có cảm xúc, và không thấy nghĩa vụ lấp đầy khoảng lặng), thế nhưng chính sự thoải mái đó lại chuyển hướng tương tác ra khỏi con người — 79.7% câu hỏi hướng đến các tác tử so với 60% mà mức sẵn có của chúng dự báo (p = .017). Đáng chú ý là sự hiện diện của những người khác khiến người tham gia đối xử với AI tôn trọng hơn, gợi ý rằng sự đồng hiện của con người tự nó là một điều kiện thuận lợi để hiệu chỉnh sự tham gia AI.
  • Tính bổ trợ là có điều kiện, không phải thuộc tính mặc định của đội nhóm. Tuo và cộng sự (2026) phát hiện các đội người–AI vượt qua cả con người lẫn AI riêng lẻ chỉ trong một trong sáu điều kiện — những trường hợp khó nơi AI kém chính xác hơn con người — và báo cáo không có lợi thế đội nhóm nhất quán ở những nơi khác, nên việc thêm một đối tác AI tự nó không phải con đường dẫn đến hiệu năng bổ trợ.
  • Các chương trình chuyên nghiệp chuyển hướng đào tạo từ sản xuất thường quy sang các năng lực hợp tác (một giao thức thiết kế): Wang (2026) đề xuất một khuôn khổ dựa trên thiết kế cho đào tạo biên dịch viên xây quanh một kiểm kê dịch chuyển nhiệm vụ (18 nhiệm vụ phụ được đánh giá khả năng bị AI dịch chuyển với các nhãn xuất xứ [E]/[P]) và bốn năng lực được chuyển hướng: tri thức liên ngành, điều phối AI, phán đoán chiến lược, và đánh giá AI phản biện. Khuôn khổ là một giao thức đăng ký trước chưa có dữ liệu thực nghiệm; đóng góp của nó là phương pháp — một phân tích dịch chuyển có thể kiểm toán cộng một lộ trình đồng thiết kế cho cải cách chương trình — có thể chuyển giao cho bất kỳ chương trình chuyên nghiệp nào mà các hệ thống tác tử ngày càng thực hiện những nhiệm vụ thường quy của nó.
  • Các kiểu vướng mắc khác nhau ở điều chúng đòi hỏi ở sinh viên, và đó là lý do một số kiểu vẫn hiếm. Sun, Dohn và Rehm (2026) phân loại 102 nghiên cứu giáo dục đại học theo cách công việc tri thức luận được chia sẻ giữa sinh viên và hệ thống (Assistant, Enabler, Synthesizer, Generator, Reimaginator) và phát hiện hai hình thức giữ năng lực quy được về cá nhân sinh viên chiếm 42.16% bộ ngữ liệu mỗi loại, trong khi các hình thức phân phối quyền tác giả vẫn ở biên. Cách giải thích của họ mang tính thể chế chứ không kỹ thuật: các kiểu hiếm đòi sinh viên nhận trách nhiệm tri thức luận cho những đầu ra họ không tạo ra trong khi vẫn bị đánh giá như tác giả cá nhân, và chính mâu thuẫn đó — không phải bản thân sự phân chia lao động — giữ chúng ngoài thực tiễn. Phản ứng thiết kế là làm cho sự phân phối công việc tri thức luận trở nên tường minh, sắp xếp các hoạt động qua phổ đó, và xây phản tư về cách trách nhiệm được chia sẻ.
  • Sở hữu một tác phẩm không giống với là tác giả của nó. Hong và cộng sự (2026) gọi tên một thâm hụt hợp thức hóa quyền tác giả: một người có thể trải nghiệm một đầu ra như của chính mình nhưng không thể bảo chứng cho vai trò tác giả, bởi quyền sở hữu tâm lý, cảm giác quyền chủ động, và trách nhiệm trả lời khi công bố tác phẩm là những con đường riêng không nhất thiết thẳng hàng. Mạng lưới lao động về quyền tác giả của họ phân loại các đóng góp theo từng vai trò, nên một bản ghi có thể chống đỡ một khẳng định biên tập và đồng thời trượt một khẳng định tác giả duy nhất. Bài viết là một phân tích khái niệm không có dữ liệu và không có mô hình được kiểm chứng, nên thâm hụt này là một cấu trúc được đề xuất mà các dự báo của nó vẫn chưa được kiểm tra.
  • Hướng dẫn, không phải nói cho biết, cần tiêu chí riêng để đánh giá một tác tử. Một trường hợp thiết kế nhằm phản chiếu sự điều phối của giáo viên phát hiện rằng một tác tử tri thức bị giới hạn trong một cơ sở được tuyển chọn có thể được đánh giá về độ chính xác, trong khi một tác tử nhằm dẫn sinh viên đến câu trả lời của chính họ thì không thể (Humburg và cộng sự, 2025).
  • Sự hợp tác mở rộng đến chính quá trình nghiên cứu, không chỉ việc học của sinh viên — Potter và cộng sự (2026) cho GPT-4o soạn mã và các chủ đề sơ bộ trong một nền tảng RAG bảo mật trong khi ba nhà nghiên cứu chính và hai người xác thực bên ngoài giữ quyền uy diễn giải, kết tinh thành bốn chủ đề cuối. Quy trình lai này phân phối lại lao động của nhà nghiên cứu thay vì loại bỏ nó.

Các kết nối

Hợp tác người–AI kết nối với Human-in-the-Loop (giám sát), AI tác tử (tự chủ), Giảng dạy (công việc đang thay đổi của giáo viên), Scaffolding và Metacognition (cách hợp tác hỗ trợ việc học), và Sự phụ thuộc quá mức (chế độ thất bại khi hợp tác trở thành thay thế). Nó là một chủ đề cốt lõi xuyên suốt Năng lực AI (AI Literacy), Self-Regulated Learning, và Student Experience.

Những hiểu lầm phổ biến

  • "Hợp tác nghĩa là AI làm một phần công việc." Người học giữ vai trò quyết định, và điều này mở rộng sang viết lách: Oppenheimer, Cash và Connell Pensky (2025) cho thấy nó đúng khi cách sắp xếp được thiết kế cho điều đó. Phân chia lao động không phải hợp tác trừ khi con người giữ được phán đoán.
  • "AI là bên giải thích trong một cách sắp xếp đảo ngược." Sinh viên dạy AI giải thích tốt hơn — định nghĩa lớp học đảo ngược ở M = 4.18 so với 3.29, các hoạt động giảng dạy ở M = 4.91 so với 3.06, cả hai p < 0.001. Việc học tích lũy về phía người giải thích.
  • "Đóng góp của con người và AI là những vật thay thế." Hai nghiên cứu năm 2026 lập bản đồ những nửa bổ trợ của hợp tác trong lớp học, điều này định khung vấn đề thiết kế như sự phân bổ chứ không phải sự thay thế.

Khái niệm liên quan

Bài viết liên quan

Siêu dữ liệu

Học tập và giảng dạyStudent-AI Interaction
Công nghệ và kỹ thuậtGenerative AI, Large Language Models (LLMs)
Nền tảng về AI trong giáo dụcHợp tác người–AI, Năng lực AI (AI Literacy)
NguồnLịch sửSửaTrò chuyện

Nhúng trang này

Sao chép mã bên dưới để nhúng trang này vào hệ thống quản lý học tập hoặc trang web khác. Bản nhúng chỉ hiển thị nội dung trang — nó ẩn phần đầu trang, điều hướng và chân trang của website.