Giảng dạy

Trên trang này

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

Giảng dạy - cách AI định hình lại công việc, bản sắc và quyền chủ động của nhà giáo dục. Với hơn 50 bài viết xem xét chiều kích này, cơ sở kiến thức ghi nhận một sự chuyển đổi nền tảng: từ chỗ là nguồn tri thức duy nhất sang chỗ là người điều phối các môi trường học tập người-AI. Trang này vượt ra ngoài việc mô tả sự chuyển dịch đó - nó trình bày chi tiết điều giáo viên thực sự làm khác đi, cách họ có thể thích ứng thực hành của mình, và cách họ kết nối với thiết kế học tập, năng lực AI và liêm chính học thuật.

Malyn-Smith và cộng sự (2026) gọi đây là nghịch lý "nhiều con người hơn": trong sáu kịch bản năm 2030 được 20 nhà nghiên cứu từ 13 quốc gia cùng xây dựng, sự bão hòa AI làm tăng cường chứ không thay thế công việc sư phạm của con người. Các kịch bản mô tả AI như "hệ thống xử lý không khí của hệ sinh thái học tập" - bạn chỉ nhận ra nó khi nó trục trặc.

Những câu hỏi cần cân nhắc

Trang này mô tả sự chuyển dịch của giáo viên "từ chỗ là nguồn tri thức duy nhất sang chỗ là người điều phối các môi trường học tập người-AI". Bạn được gì và mất gì với vai trò nhà giáo dục khi không còn là nguồn nội dung chính?
Trang lập luận rằng AI tái phân bổ nguồn lực khan hiếm nhất của giáo viên - sự chú ý - từ việc sản xuất tài liệu sang việc diễn giải người học. Cách định khung lại đó có đúng với bạn không, và bạn sẽ thực sự làm gì với khoảng thời gian được lấy lại?
Nghiên cứu được trích dẫn trên trang cho thấy giáo viên là những nhà thiết kế AI chủ động - người viết ra các lời nhắc và giàn giáo định hình cách AI hành xử với học sinh của mình - chứ không phải người tiêu thụ thụ động. Cần điều gì để bạn (hoặc những giáo viên bạn biết) cảm thấy mình là nhà thiết kế AI thay vì người dùng nó?
Ở đầu xa của phổ "giáo viên-AI đồng đội", giáo viên điều phối một đội gồm người học, gia sư AI và tài nguyên chương trình. Phán đoán của con người còn không thể thay thế ở đâu trong đội đó, và điều gì có thể lặng lẽ bị bào mòn nếu việc điều phối phần lớn được giao cho AI?
Nếu sự chú ý của giáo viên được tái phân bổ từ sản xuất tài liệu sang diễn giải người học, điều đó tạo ra những năng lực và rủi ro mới nào, và ai hỗ trợ giáo viên phát triển chúng?

Giới thiệu

Giảng dạy ở đây gọi tên vai trò nghề nghiệp khi AI định hình lại nó: ít truyền đạt nội dung hơn, nhiều điều phối người tham gia là con người và máy móc hơn, diễn giải điều người học thực sự hiểu, và thiết kế các điều kiện trong đó việc dùng AI là chính đáng. Các trang được tập hợp dưới khái niệm này ghi nhận sự thay đổi trong quan hệ đồng đội và quy trình làm việc giữa giáo viên và AI, những năng lực mà vai trò này nay đòi hỏi, và căng thẳng giữa lợi ích hiệu quả với sự chú ý mà việc hỗ trợ cá nhân cần đến. Nó đứng cạnh phát triển giáo dục, năng lực AI và đánh giá như một trong những vai trò quyết định liệu việc tích hợp AI có thay đổi thực hành hay chỉ trang trí cho nó. Các ngành khoa học về học tập là lĩnh vực nghiên cứu có bằng chứng định hình lại vị trí này: chúng mô tả và kiểm nghiệm việc học diễn ra như thế nào và thiết kế nào thay đổi nó, trong khi trang này bao quát vai trò lớp học, thứ phải hành động dựa trên bằng chứng đó ngay tại thời điểm.

AI biến đổi việc giảng dạy như thế nào

Từ người giảng sang người điều phối: Năm cấp độ đồng đội giữa giáo viên và AI và nghiên cứu về điều phối quyền chủ động lập bản đồ phổ từ AI như công cụ đến AI như đối tác giảng dạy. Ở đầu xa, giáo viên điều phối một đội gồm người học, gia sư AI và tài nguyên chương trình thay vì tự truyền đạt toàn bộ nội dung.
Chuyển đổi quy trình làm việc: How AI Is Changing Teaching Workflows ghi nhận cách AI chuyển thời gian của giáo viên từ truyền đạt nội dung sang những hoạt động giá trị cao hơn như hỗ trợ cá nhân, phản hồi và thiết kế chương trình. Nguồn lực khan hiếm nhất của giáo viên - sự chú ý - được tái phân bổ từ sản xuất tài liệu sang diễn giải người học. Một tổng quan hệ thống về các nhà giáo dục ngôn ngữ (Li và cộng sự 2026) củng cố điều này: nhà giáo dục đánh giá GenAI cao nhất ở công việc chuẩn bị (lập kế hoạch bài học, tạo tài liệu, hỗ trợ viết) trong khi còn do dự với việc dùng trực tiếp trong lớp, và việc tiếp nhận của họ được định hình bởi các yếu tố bản sắc nghề nghiệp, sư phạm, kỹ thuật, thể chế và liêm chính học thuật - với những khoảng trống năng lực ánh xạ vào episteme (hiểu năng lực/giới hạn của AI), techne (kỹ thuật nhắc, thiết kế nhiệm vụ/đánh giá có AI hỗ trợ, phát hiện văn bản do AI tạo) và phronesis (phán đoán đạo đức, xử lý thiên kiến/quyền riêng tư, phán đoán nhạy cảm với ngữ cảnh). ghi nhận cách AI chuyển thời gian của giáo viên từ truyền đạt nội dung sang những hoạt động giá trị cao hơn như hỗ trợ cá nhân, phản hồi và thiết kế chương trình. Nguồn lực khan hiếm nhất của giáo viên - sự chú ý - được tái phân bổ từ sản xuất tài liệu sang diễn giải người học.
Những đòi hỏi về năng lực: Các khuôn khổ năng lực AI của giáo viên xác định điều nhà giáo dục cần biết, từ sự thành thạo công cụ cơ bản đến việc điều phối có nền tảng sư phạm. Các nghiên cứu về tiếp nhận chỉ ra những rào cản thực sự: sự tự tin, hỗ trợ thể chế và lo ngại về khối lượng công việc. Bai & Hsieh (2026) bổ sung trọng lượng thực nghiệm cho điều này trong một mô hình SEM với 898 giảng viên đại học Trung Quốc: đổi mới giảng dạy có GenAI hỗ trợ phụ thuộc ít hơn vào kiến thức công nghệ AI riêng lẻ và nhiều hơn vào năng lực AI được nhúng trong sư phạm và ngành học (năng lực AI và bản sắc nghề nghiệp), cả hai đều làm trung gian một phần cho quan hệ năng lực→đổi mới - một tín hiệu rằng cần xây dựng phát triển đội ngũ quanh năng lực AI được nhúng và gắn với bản sắc thay vì chỉ đào tạo công cụ.
Sự sẵn sàng như một năng lực thiết kế, không phải một thái độ: Charles (2026) lập luận rằng không thể đọc ra sự sẵn sàng của giáo viên cho việc học tương tác giàu AI từ mức tiếp nhận, sự tự tin hay năng lực số, vì không điều nào trong số đó dự đoán chất lượng của những thiết kế giáo viên thực sự tạo ra. Sẵn sàng-qua-thiết-kế định hướng vào việc thực hiện: giáo viên huy động kiến thức sư phạm liên quan đến AI, niềm tin sư phạm, tự hiệu quả và định hướng đạo đức thông qua trung gian thiết kế (chọn công cụ, thiết kế nhiệm vụ và lời nhắc, giàn giáo, minh bạch, kiểm chứng, thiết kế lại đánh giá, lập kế hoạch khả năng tiếp cận và giám sát của con người) bên trong một hệ sinh thái thể chế và chính sách vốn cho phép và điều tiết sự chuyển dịch. Hai luận điểm mang trọng lượng thực tiễn. Tự hiệu quả là một nguồn lực để huy động chứ không phải một chỉ báo chất lượng, nên sự tự tin mà thiếu kiến thức sư phạm liên quan đến AI hoặc định hướng đạo đức có thể đẩy nhanh một thiết kế tồi. Và sự rõ ràng của chính sách cùng hỗ trợ vật chất là những yếu tố điều tiết riêng biệt, nên một trường có nhiều nguồn lực vẫn có thể để giáo viên đoán mò điều gì được phép. Charles cũng từ chối đánh đồng việc không sử dụng với việc chưa sẵn sàng: một quyết định có lý lẽ để không dùng AI tự nó có thể chứng tỏ sự sẵn sàng.
Đồng thiết kế và quyền chủ động: Các lời nhắc do giáo viên viết và vibe coding cho giáo viên cho thấy nhà giáo dục là những nhà thiết kế AI chủ động, không phải người tiêu thụ thụ động - người viết ra các lời nhắc và giàn giáo định hình cách AI hành xử với học sinh của mình. Trong việc lập kế hoạch bài học nghệ thuật STEAM cho trẻ em, Luo và Tahir (2025) đã xác nhận bằng thực nghiệm rằng cách giáo viên ủy thác cho ChatGPT có ý nghĩa: việc lấp đầy các khoảng trống nội dung trong một bài học do chính mình phác thảo (cách được 60% ưa thích và được khuyến nghị) bảo tồn quyền tự chủ thiết kế của giáo viên trong khi vẫn nâng cao chất lượng bài học được chuyên gia đánh giá (trung vị 20.5 so với 17.6, p = 0.002, hiệu ứng lớn), vượt trội so với việc để AI tạo toàn bộ bài học hoặc chỉ kiểm tra một bài đã hoàn thành. AI chủ yếu phục vụ như một cộng sự truyền cảm hứng và tìm khoảng trống chứ không phải nguồn đổi mới hoàn toàn nguyên bản - củng cố rằng giáo viên vẫn là chủ thể thiết kế và người phán xét đầu ra, kể cả việc bắt được những sai sót về an toàn trẻ em và thiên kiến văn hóa mà công cụ bỏ qua. Một tổng quan hệ thống về đồng thiết kế nhiệm vụ học tập giữa giáo viên và AI (Wang, Liu & Islam 2026) phát hiện lập trường đồng thiết kế này vẫn chưa đồng đều - mô thức chiếm ưu thế vẫn là AI như trợ lý/nguồn tạo nội dung - và Talebzadeh (2026) cho thấy quyền chủ động của giáo viên như một "nhà thiết kế học tập song ngữ" chính là thứ biến các hoạt động nhóm do AI thiết kế thành giảng dạy khác biệt hóa, phù hợp với ZPD.
Viết ra một bot không giống với việc kiểm soát điều nó dạy. Hai mươi bảy giáo viên trung học cơ sở đã cấu hình một công cụ viết chatbot theo mục đích và quy tắc chỉ thấy sự trung thực một phần trong hành vi được tạo ra - mức khớp giảm từ 88.9% cho khả năng phản hồi và 81.5% cho nhân vật xuống 70.4% cho các quy tắc và 59.3% cho mục đích, và việc tuân thủ quy tắc thay đổi theo mô hình được chọn - khoảng cách thực thi/đánh giá khiến vai trò giáo viên-nhà thiết kế trở thành một sự tập dượt ý định hơn là một bảo đảm cho ý định đó (Riahi và cộng sự (2026)).
Chuẩn bị cho giáo sinh: Đào tạo dựa trên TPACK và các chương trình phát triển giáo dục chuẩn bị cho giáo viên tương lai những lớp học có AI tăng cường trước khi họ bước vào. Nhập vai với học sinh mô phỏng mở rộng điều này thành thực hành trực tiếp: một bot ChatGPT tùy chỉnh (Student GPT) đóng vai một học sinh trung học cơ sở đầy hiểu lầm toán học cho phép giáo sinh tập dượt việc chẩn đoán và dẫn dắt lý luận của học sinh trong một môi trường ít rủi ro, chuẩn bị cho họ một nhiệm vụ giảng dạy trung tâm - đọc và khắc phục tư duy của học sinh.
Một biên giới hướng tới giáo viên mà nền tảng bằng chứng hầu như chưa bước vào: Štefánik và cộng sự (2026) tập hợp Edustories, 1,492 tình huống lớp học thật do giáo viên viết về các lớp tiểu học và trung học - hành vi thách thức của học sinh, can thiệp mà giáo viên đã thử, và điều gì xảy ra sau đó - chính vì phần lớn nghiên cứu về AI trong giáo dục nhắm vào hỗ trợ cá nhân hóa cho học sinh trong khi phần lớn việc giảng dạy diễn ra trong các lớp học tập thể. Đánh giá chuẩn bốn họ mô hình ngôn ngữ về việc dự đoán liệu một can thiệp có thành công, các mô hình mạnh nhất đạt độ chính xác 58% so với 64% của chuyên gia con người; các tác giả đọc khoảng cách này theo cả hai hướng, như một giới hạn của hỗ trợ hướng tới giáo viên hiện nay và như bằng chứng về tiềm năng đang hình thành. Điều trang này thu được từ đó là một mức trần được đo lường chứ không phải một tuyên bố về năng lực: lời khuyên cho giáo viên cần tốt hơn phán đoán của chuyên gia trước khi có thể được tin cậy, và hiện nay trật tự đang ngược lại. Một khoảng trống song song xuất hiện trong tổng quan PRISMA của Yalçın và cộng sự (2026) về 46 nghiên cứu thực nghiệm về GenAI trong giảng dạy lập trình bậc đại học: vai trò giảng viên và thực hành thể chế thuộc nhóm ít được nghiên cứu nhất của lĩnh vực, và 26 trong 46 nghiên cứu không đưa ra mô tả có thể mã hóa về cách tiếp cận giảng dạy của mình, nên những quyết định thiết kế tạo ra các kết quả được báo cáo thường vô hình ngay cả với các giảng viên khác.
AI thực sự bước vào công việc ở đâu, theo từng nhiệm vụ: Holster (2026) tách việc tiếp nhận khỏi việc phân bổ bằng dữ liệu TALIS 2024 từ 56,669 giáo viên, với một mẫu phân bổ gồm 24,058 người dùng AI trên 46 hệ thống giáo dục. Một nhiệm vụ được đánh giá cao hơn mức đòi hỏi trung bình của chính giáo viên một điểm có nhiều khả năng nhận được trợ giúp AI hơn (OR = 1.163), nhưng hướng đi khác nhau theo nhiệm vụ: lập kế hoạch tăng theo mức đòi hỏi (OR = 1.084), đánh giá và chấm bài giảm (OR = 0.921), còn hỗ trợ và thích ứng cho giáo dục đặc biệt tăng dốc (OR = 1.442, một độ trải dự đoán từ 34.0% đến 50.3% trên toàn dải mức đòi hỏi). Cách đọc về năng lực và chính sách là giáo viên vốn đã giữ việc chấm bài có hệ quả cao cho con người trong khi với tay tới AI ở công việc thích ứng cá nhân hóa, nên hướng dẫn coi việc giáo viên dùng AI như một hành vi duy nhất sẽ bỏ sót nơi thực sự cần hỗ trợ.

Vai trò đang thay đổi thực sự trông như thế nào: các ví dụ cụ thể

Cách trừu tượng "người điều phối" dễ nắm bắt hơn qua những thay đổi cụ thể, hằng ngày trong công việc của giảng viên:

Từ việc viết mọi bản phát tay sang việc tuyển chọn các bản nháp do AI tạo. Một giảng viên từng dành cả buổi tối để xây dựng một bảng bài tập khác biệt hóa nay nhắc AI tạo ra ba phiên bản ở các mức độ khó khác nhau, rồi dành chính buổi tối đó để xem xét và thích ứng chúng - một sự chuyển dịch từ việc viết sang phán đoán biên tập. Các quy trình Chương trình như Mã làm cho đường ống này trở nên tường minh, và tổng quan hệ thống của Kibar & Ilgaz cho thấy AI hành động như một "đồng nghiệp" phác thảo nội dung mà nhà thiết kế sau đó tinh chỉnh. Việc thẩm định của chuyên gia đối với các kế hoạch bài học khoa học do AI tạo làm rõ điều mà phán đoán biên tập đó phải cân nhắc: Karaismailoglu, Surmeli và Yildirim (2026) phát hiện mười một chuyên gia giáo dục khoa học đánh giá các kế hoạch lớp sáu của ChatGPT-4 và của một công cụ tập trung vào giáo dục là những bản nháp dùng được - 7 trong 11 xếp chúng "áp dụng được sau khi sửa", chỉ 3 xếp trực tiếp "Áp dụng được" - và sự ưa thích khác với điểm số thô (7 người thích công cụ tập trung vào giáo dục có điểm cao hơn, 4 người thích kế hoạch đa dụng) vì phán đoán cân nhắc cả các chiều cảm xúc và ngữ cảnh vượt ra ngoài mức trung thực về cấu trúc. Giáo viên vẫn là người phân xử liệu và bằng cách nào một bản nháp AI trở thành một bài học có thể dạy được và gắn với ngữ cảnh.
Từ giảng bài sang huấn luyện theo thời gian thực. Thay vì đưa cùng một cách giải thích cho cả lớp, giáo viên ngày càng chuyển các câu hỏi thường gặp cho một gia sư AI và dành thời gian trực diện cho những học sinh cần phán đoán của con người - các nghiên cứu về quy trình làm việc ghi nhận chính xác sự tái phân bổ sự chú ý này.
Từ chấm điểm sang thiết kế các bài đánh giá mà AI không thể lách. Giảng viên ngừng dựa vào các nhiệm vụ dựa trên ghi nhớ mà LLM giải được dễ dàng và thay vào đó thiết kế đánh giá thực chất, thang đánh giá, và các nhiệm vụ định hình bảo tồn kết quả học tập.
Từ dạy nội dung sang dạy cách dùng. Công việc của giáo viên ngày càng bao gồm việc làm gương về cách nhắc, đánh giá và sử dụng AI có trách nhiệm - một chương trình năng lực AI đan vào mọi khóa học, không phải một môn riêng.
Từ việc đọc bảng điều khiển sang việc hành động dựa trên nó - theo ngữ cảnh. Mejia-Domenzain và cộng sự (2026) cho thấy cách giáo viên thực sự dùng bảng điều khiển phân tích khác nhau theo ngữ cảnh: giáo viên lớp học đảo ngược (đại học) theo một quá trình khám phá tuần tự và ưa thích thích ứng ở cấp khóa học cùng việc trình bày bảng điều khiển trong lớp, trong khi giáo viên dạy nghề quay lại các trang tóm tắt và dùng công cụ chủ yếu cho các buổi huấn luyện cá nhân. Các hành động giáo viên đề xuất được định hình bởi nội dung được biểu diễn và cấp độ giảng dạy của họ chứ không phải bởi kiểu đồ thị - giáo viên đại học ưa thích kiểm tra hằng tuần và thích ứng khóa học, giáo viên dạy nghề ưa thích huấn luyện trực tiếp, cá nhân hóa. Điều này chỉ ra nhu cầu thiết kế bảng điều khiển nhận biết ngữ cảnh và hỗ trợ giáo viên khác biệt thay vì một giao diện phân tích dùng chung cho mọi người.
Từ việc nhận cảnh báo sang việc phán xét chúng. Swidan (2026) theo dõi một giáo viên và tám học sinh trung học có thành tích cao trong một bài học hình học trên GeoGebra, nơi Dash4Emotion đóng khung học sinh bằng các hình chữ nhật đỏ báo hiệu cảm xúc tiêu cực, và phát hiện rằng các cảnh báo không dẫn dắt kết quả - mà là hành động của giáo viên sau mỗi cảnh báo: việc định khung lại nhiệm vụ của Mira từ tìm một giá trị cực tiểu sang quỹ tích hình học của các điểm cực tiểu đã mở lại cuộc khám phá của em, ba cảnh báo đồng thời khơi ra một lần định khung lại cho cả lớp, và việc cố ý không can thiệp trong một tiết tự nó là một quyết định sư phạm. Lập trường của nghiên cứu là một cảnh báo cảm xúc do AI tạo ra là một tín hiệu cần được diễn giải cùng với những gì giáo viên nhìn thấy, không phải một chỉ dẫn phải tuân theo.
Từ người gác cổng sang người điều phối có nguyên tắc phản hồi cộng tác. Các thí điểm lớp học của Community Builder (CoBi) cho thấy vai trò giáo viên quyết định tính toàn vẹn của việc triển khai: những giáo viên dùng các nhận xét và trực quan hóa của AI để khơi gợi siêu nhận thức và phản tư phê phán về cộng tác đạt được mức sử dụng toàn vẹn cao, trong khi những người để hệ thống trôi sang giám sát hiệu suất - hoặc lạc sang các cuộc thảo luận AI chung chung - thì không. Giáo viên cũng lo bị đặt "vào thế khó" bởi phản hồi thời gian thực và ưa thích xem xét trước/sau hơn là hiển thị trực tiếp, nhấn mạnh rằng việc điều phối AI cộng tác trong toàn lớp đòi hỏi học tập chuyên môn đáng kể, không chỉ sự thành thạo công cụ.
Từ giảng dạy với AI sang đóng vai thay cho nó. Nơi khoảng cách số không cho mỗi học sinh một thiết bị, giáo viên có thể trở thành giao diện vật lý của hệ thống - một người đại diện thay vì người điều phối nó. Trong mô hình "AIED không cần thiết bị" của Rodrigues và cộng sự (2026), học sinh tiếp tục làm việc với giấy và bút trong khi giáo viên chụp ảnh bài giải của các em, và AI trả lại các danh sách bài tập cá nhân hóa cùng phản hồi theo lỗi cụ thể để giao lại. Đây là một bán thực nghiệm theo cụm trên 19 lớp tiểu học Brazil thực tế chứ không phải một minh họa nguyên mẫu, và hai kết quả của nó liên quan trực tiếp đến vai trò. Thứ nhất, lợi thế học tập so với thực hành thông thường đến từ một buổi đào tạo giáo viên duy nhất 50 phút, không phải từ công nghệ: điều kiện chỉ đào tạo và điều kiện đào tạo cộng hệ thống không khác nhau về mức tăng (-4.33, KTC 95% [-17.29, 7.23]), nên sự chuẩn bị, chứ không phải công cụ, là thành phần tác động. Thứ hai, lợi ích của chính hệ thống diễn ra gián tiếp, qua giáo viên - việc giảm Nỗ lực làm trung gian cho một hiệu ứng dương lên mức tăng (3.649, KTC 95% [1.097, 6.398]) - nên hiệu ứng chạm tới những học sinh mà AI không hề chạm tới, và công việc chụp ảnh-rồi-kiểm chứng mà giáo viên mô tả (chụp ảnh phiếu bài tập, chờ xử lý, sửa lỗi nhận dạng) là một phần chi phí sư phạm của việc mở rộng AI tới các lớp học ít nguồn lực.
Từ người cung cấp thông tin sang nhà thiết kế học tập. Hochberg và Waitzman (2026) theo dõi 93 giáo viên qua một chương trình AI tám tuần và phát hiện thực hành chuyển dịch về phía thiết kế heutagogical cho quyền chủ động của người học, dù những chuyển dịch tự báo cáo không có ý nghĩa thống kê sau khi điều chỉnh và kết quả học tập của người học không được đo.

Ẩn dụ điều phối

Ẩn dụ chiếm ưu thế trong cơ sở kiến thức là điều phối: giáo viên phối hợp người học, gia sư AI và tài nguyên chương trình. Điều này tương phản với các tự sự thay thế - AI tăng cường chứ không thay thế việc giảng dạy của con người. Bằng chứng thực nghiệm ủng hộ lập trường này: một tổng quan hệ thống theo hướng dẫn PRISMA trên 42 nghiên cứu (2023-2025) phát hiện LLM ngang bằng người chấm ở các nhiệm vụ ngắn, có cấu trúc tốt nhưng hiệu suất giảm ở công việc dài hơn, đa ngôn ngữ và tinh tế - kết luận rằng LLM không thể thay thế hoàn toàn giáo viên và rằng các hệ thống đánh giá lai có con người trong vòng lặp đạt hiệu quả chấm điểm cao nhất (Can ChatGPT Replace the Teacher in Assessment? A Review of Research on the Use of Large Language Models in Grading and Providing Feedback). Lăng kính điều phối định khung lại kỹ năng cốt lõi của giảng viên là phán đoán: quyết định khi nào một con người, một AI, hay một hoạt động học tập được thiết kế là công cụ phù hợp cho một người học và một thời điểm nhất định. Một tổng quan PRISMA năm 2026 trên 29 nghiên cứu về Teacher intervention in K-12 AI-based instruction: a systematic review of processes, strategies, and effects làm sắc nét ẩn dụ thành một chu trình bốn giai đoạn - giám sát, phán đoán, can thiệp, điều phối - và cho thấy vì sao không giai đoạn nào có thể được giả định. Giáo viên ưa thích quyền kiểm soát chia sẻ, chấp nhận, sửa đổi, từ chối hoặc bác bỏ các gợi ý của AI; một số hoãn can thiệp có chủ ý để học sinh có thể vật lộn một cách sinh lợi trước; và các bảng điều khiển mở rộng nhận thức cũng có thể làm quá tải sự chú ý hoặc vượt quá điều một giáo viên có thể thực sự hành động. Ba chiến lược của tổng quan - chuyển dịch sư phạm đầu ra của AI, thiết kế hỗ trợ học tập, và tái cấu trúc các cấu trúc tương tác - mô tả công việc như sự tái ngữ cảnh hóa thay vì sự phê duyệt, điều đặt giáo viên gần với vai trò người trung gian hơn là vai trò người xem xét có con người trong vòng lặp. Quan sát lớp học gọi tên cùng những hành vi đó thành các kiểu. Sáu bài học với một giáo viên giàu kinh nghiệm bổ sung ba kiểu điều phối vào bốn kiểu của Drijvers - giám sát bảng điều khiển, sửa lỗi AI và trung gian AI - với vai trò nội dung và đạo đức của giáo viên hiện rõ nhất khi ông sửa phản hồi do AI tạo (Noh & Kim, 2026).

Những vai trò giáo viên đang tiến hóa và mang tính phê phán

Công trình gần đây mở rộng ẩn dụ điều phối thành những khái niệm hóa vai trò phong phú hơn:

Đồng điều phối viên qua các chuyển tiếp hoạt động. Yang và cộng sự (2026) dùng phương pháp hẹn hò nhanh có sự tham gia của 17 giáo viên và 13 học sinh để lập bản đồ cách phân bổ quyền kiểm soát qua các giai đoạn của một hoạt động lớp học - trước, trong và sau các chuyển tiếp giữa làm việc cá nhân và cộng tác - trong một công cụ đồng điều phối hỗ trợ ghép cặp năng động theo thời gian thực. Nguyên tắc thiết kế nổi lên là quyền kiểm soát không phải một điểm cố định: giáo viên và học sinh muốn mức quyền chủ động khác nhau ở mỗi giai đoạn, và công cụ nên cho phép giáo viên điều chỉnh việc nhóm, các chuyển tiếp hoạt động và thời điểm can thiệp theo thời gian thực trong khi vẫn giữ quyền ghi đè của giáo viên. Điều này định vị giáo viên như người đồng điều phối toàn bộ môi trường học tập đang diễn ra - một vai trò cụ thể hơn ẩn dụ điều phối chung, tập trung vào những quyết định chi tiết, từng khoảnh khắc về ai làm việc với ai, khi nào và với hỗ trợ gì - và nó kết nối nghiên cứu về gia sư cá nhân với thiết kế ở cấp lớp học.
"Người biên đạo nhận thức". Các khuôn khổ hậu nhân văn định nghĩa lại giáo viên là một người biên đạo nhận thức, người điều phối nhận thức phân tán trên các hệ thống sinh học và nhân tạo, vượt ra ngoài các mô hình công cụ luận như Technological Pedagogical Content Knowledge (TPACK) và SAM.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)
Người điều phối, người đồng điều tra, người giám sát đạo đức. Trong học tập khoa học, vai trò của giáo viên chuyển từ người truyền đạt tri thức sang người điều phối và người đồng điều tra, và có thêm trách nhiệm mới là người giám sát đạo đức đối với việc sử dụng AI có trách nhiệm của học sinh.(Artificial Intelligence in Science Learning within the Framework of Situated Learning Theory: A Qualitative Investigation of Teachers' Perspectives)
Người trung gian của các nguyên lý học tập. Nhà giáo dục vận hành hóa những nguyên lý học tập lâu đời (trải nghiệm, định cảnh và nhận thức phân tán) qua AI, coi AI như công cụ tăng cường chứ không thay thế vai trò dẫn dắt của nhà giáo dục.(Empowering Educators: Operationalizing Age-Old Learning Principles Using AI)
Người trung gian phê phán, biến đầu ra của AI thành đối tượng của phê phán. Canonigo (2026) theo dõi mười giáo viên toán trung học qua một can thiệp ChatGPT-4 tám tuần và xác định năm thực hành trung gian: đặt bài toán do AI tạo, giàn giáo gợi ý được thiết kế để giảm dần, so sánh phê phán đầu ra của AI với bài làm của chính học sinh, nhắc phân biệt hóa (một phép loại suy trực quan cho một học sinh đang chật vật, một phần mở rộng bậc ba cho một bạn khác), và AI như đối tác đối thoại phản tư. Nơi giáo viên thực hiện những điều này, đầu ra trở thành thứ để tranh luận chứ không phải một đáp án, và học sinh tiến tới phỏng đoán và đặt câu hỏi siêu nhận thức; nơi không có trung gian, quyền uy chuyển về phía thuật toán, với học sinh tham khảo AI trước giáo viên và chỉ quay lại để được xác nhận, khiến một giáo viên mô tả sự chuyển dịch từ "nhà tiên tri" sang "biên tập viên". Phát hiện về công bằng của nghiên cứu là điểm sắc nhất: qua 300 phản hồi của mô hình, mô hình bậc miễn phí không chính xác trong 32.7% trường hợp so với 12% ở mô hình cao cấp (χ²(1) = 17.5, p < 0.001), nên giáo viên ở trường ít nguồn lực gọi nó là "gần như vô dụng cho toán học". Chất lượng công cụ, chứ không chỉ quyền truy cập công cụ, trở thành một biến số sư phạm, và chính sách sử dụng được chấp nhận của trường một giáo viên đã mười năm tuổi và không nói gì về AI, để khoảng trống quản trị rơi xuống lớp học.
Bản sắc nghề nghiệp chưa ổn định và dễ bị tổn thương. Farazouli và cộng sự (2026) ghi nhận mặt cảm xúc của việc tái cấu hình vai trò: 24 giảng viên đại học Thụy Điển trải nghiệm sự xuất hiện của GAI như điều đáng báo động và choáng ngợp, báo cáo một "trạng thái dễ bị tổn thương" (tự tin thấp, bất an, sợ "không đi trước sinh viên") và cảm thấy "bế tắc" giữa các diễn ngôn không tưởng và phản không tưởng. GAI thúc đẩy họ đánh giá lại các ưu tiên - nuôi dưỡng tư duy phản biện, phán đoán đánh giá và việc dùng GAI có đạo đức - và đặt câu hỏi về vai trò tương lai của chính họ và của trường đại học trong một bối cảnh có cảm giác "ngoài tầm kiểm soát". Điều này định khung sự chuyển dịch vai trò giáo viên như một vấn đề ở cấp bản sắc và đầy cảm xúc, không chỉ là thay đổi kỹ năng hay quy trình.
Nhà phát triển học thuật như những người trung gian số, kể cả như một phanh hãm. Sithole (2026) phỏng vấn mười hai nhà phát triển học thuật và nhà thiết kế học tập tại hai Cơ sở Giáo dục có Hoàn cảnh Khó khăn về Lịch sử ở Nam Phi và phát hiện vai trò chuyển từ tạo điều kiện cho giảng dạy phản tư sang trung gian công nghệ và người giải quyết vấn đề, với việc trung gian trải khắp sư phạm, đạo đức và chính trị thể chế. Bước đi khác biệt là coi việc làm chậm lại như một phần của công việc: một người tham gia mô tả việc chuyển dịch giữa "điều ban quản lý muốn, điều công nghệ có thể làm, và điều các giảng viên thực sự lo lắng", và gọi tên đạo văn, sự phụ thuộc của sinh viên và việc thuê ngoài tư duy trước khi sự hào hứng định nhịp - "Đây không chỉ là hỗ trợ kỹ thuật; đây còn là đàm phán." Cùng nghiên cứu ghi nhận chi phí cảm xúc ("Tôi cảm thấy mình như kẻ giả mạo. Tôi học AI trong khi vừa làm, nhưng thể chế kỳ vọng sự chuyên môn") và phản ứng học tập chuyên môn: những không gian đồng đẳng thử nghiệm và cố ý phá vỡ công cụ, nhắm tới phán đoán thay vì kỹ năng, và một sự từ chối rõ ràng nhị phân tiếp nhận-hoặc-kháng cự - "Tôi không chống AI; tôi theo ngữ cảnh."
Tính chọn lọc có nguyên tắc thay vì tiếp nhận hay kháng cự. Adiozaman và Segar (2026) phỏng vấn hai học giả có hơn mười năm kinh nghiệm ba lần trong một học kỳ và phát hiện công việc bản sắc được tổ chức quanh ba căng thẳng liên quan - sư phạm so với nền tảng, nhà giáo dục so với người điều phối, và chăm sóc so với tuân thủ - những căng thẳng này không giải quyết thành một lập trường ổn định mà thành tính chọn lọc có nguyên tắc: những quyết định nhạy cảm với ngữ cảnh được dẫn dắt bởi giá trị sư phạm, cam kết đạo đức và phán đoán nghề nghiệp. Họ mô tả một quỹ đạo từ định hướng ngầm, qua các chiến lược giữa học kỳ như yêu cầu sinh viên giải thích lý luận của mình và thiết kế lại nhiệm vụ cùng đánh giá, đến những lập trường cố ý để ngỏ thay vì cố định, với việc từ chối một cách sử dụng cụ thể được coi là việc thực hiện phán đoán một cách chính đáng chứ không phải sự thất bại trong tiếp nhận. Điều này cung cấp đối trọng mang tính xây dựng cho sự dễ bị tổn thương đã ghi nhận ở trên: điều sự chuyển dịch vai trò đòi hỏi là phán đoán, nên các phản ứng thể chế xây quanh đào tạo công cụ đang giải quyết sai vấn đề.
Bán tự chủ như điểm vận hành được ưa thích. Dai và cộng sự (2026) khảo sát 287 giáo viên có kinh nghiệm GenAI ở 27 quốc gia và vùng lãnh thổ và phát hiện họ đặt công cụ ở các mức bán tự chủ của một thang tự động hóa - 130 người chọn Cấp 2 ("hỗ trợ giáo viên"), 94 người chọn Cấp 3 ("tự động hóa một phần"), và đúng một người chọn Cấp 6 - mô tả nó là "phụ trợ", "giàn giáo", "bổ sung" hay "đối tác". Tính hữu ích được cảm nhận chi phối ý định tiếp nhận của họ (β = 0.832, p < 0.001), trong khi quyền tự chủ nhân tạo được cảm nhận chỉ ảnh hưởng tới ý định một cách gián tiếp qua tính hữu ích, và sự ác cảm rủi ro làm giảm ý định mà không làm giảm tính hữu ích vì những lo lắng của họ gắn với việc sinh viên sử dụng - gian lận và liêm chính, kiến thức nền tảng và tư duy bậc cao bị suy yếu, ảo giác, giảm tương tác con người, và các rủi ro đạo đức, pháp lý và công bằng. Nhãn "kẻ thù-và-bạn" của các tác giả nắm bắt chính xác lập trường: GenAI được đánh giá cao như công cụ hỗ trợ nhưng bị ngờ vực như một tác tử tự chủ. Hệ quả cho vai trò giảng dạy là giáo viên muốn vẫn là chủ thể quyết định và giải quyết từng trường hợp sử dụng - ngành học, nhu cầu sinh viên, loại nhiệm vụ, thời điểm - nên các công cụ điều phối nên được xây quanh giám sát của con người và phán đoán ở cấp từng trường hợp thay vì những lời hứa về tự chủ.
Quyền uy ở lại với giáo viên; năng lực chỉ mở rộng bên trong nó. Reichert, Briceno, Tabarsi & Barnes (2026) giao cho sáu giáo viên trung học ở các lớp 6-12 (nghiên cứu xã hội, toán, khoa học động vật, khoa học, và khoa học máy tính cùng robot) nhiệm vụ tạo nguyên mẫu giấy cho một chatbot LLM dùng cho lớp học của chính mình, và phát hiện mọi nguyên mẫu đều mã hóa cùng một lập trường: hệ thống là một chuyên gia có giới hạn, chuyên biệt nhưng bị giới hạn trong một miền xác định và được giáo viên giám sát. Giáo viên vạch hai ranh giới. Ranh giới quyền uy xuất phát từ trách nhiệm nghề nghiệp và pháp lý - quyền kiểm soát điều sinh viên học và cách họ được giữ an toàn không thể ủy thác, nên việc giám sát (nhật ký hội thoại đầy đủ, cảnh báo thời gian thực cho các truy vấn không phù hợp, và ghi đè thủ công) được coi là một bổn phận của vai trò chứ không phải một sự kiểm tra công cụ. Ranh giới chuyên môn xuất phát từ điều mô hình không thể biết: lịch sử của từng sinh viên, động lực lớp học và các chuẩn mực thể chế. Việc ủy thác sau đó được phân bổ có chọn lọc trên toàn bộ hoạt động giảng dạy - giáo viên hoan nghênh AI trình bày nội dung, cung cấp bài tập, làm giàn giáo và đưa phản hồi định hình, nhưng tự mình thông báo mục tiêu cho sinh viên và thực hiện đánh giá tổng kết. Điều này cung cấp cho sở thích bán tự chủ đã ghi nhận ở trên một kiến trúc cụ thể: quyền uy của giáo viên là yếu tố cố định và năng lực AI chỉ lớn lên bên trong nó.
Giáo viên như những người chấm điểm mang giá trị. Luo & Dawson (2026) cho thấy việc chấm bài làm có GenAI hỗ trợ không phải một hành vi trung lập dựa trên tiêu chí mà là một phán đoán giá trị được định hình bởi phỏng đoán của giáo viên về việc sinh viên là ai (trung thực, siêng năng), họ có khả năng gì (độc lập, kỹ năng GenAI, thành thạo ngành học), họ quan hệ với người khác thế nào (niềm tin), và liệu quyết định có dẫn tới kết quả tốt hay không (công bằng, thiện chí). Giáo viên thường thiếu nhận thức về các định hướng giá trị nằm dưới việc chấm điểm của mình, và những định hướng này thay đổi theo ngành học (nhân văn phê phán việc dùng GenAI nhiều hơn; các ngành khoa học cứng/ứng dụng ít thách thức trong chấm điểm hơn) và theo lập trường nhận thức luận (tuyệt đối/chấp nhận nhiều quan điểm/coi trọng đánh giá). Điều này định vị giáo viên như một chuyên gia đánh giá mà phán đoán của họ - không chỉ việc dùng công cụ - phải được hỗ trợ và làm cho minh bạch.
Giáo viên như người phân xử các giải thích có ý nghĩa sư phạm. Vì niềm tin của giáo viên vào các khuyến nghị AI tăng lên khi các giải thích được định khung trong ngôn ngữ chương trình/sư phạm của họ thay vì trong nội bộ thô của mô hình, các công cụ hiệu quả phải "nói" được miền của giáo viên. Trong một thí nghiệm trong đối tượng, Feldman-Maggor và cộng sự (2025) phát hiện các giải thích dựa trên miền về một công cụ nhóm của AI được tin tưởng và chấp nhận nhiều hơn hẳn các giải thích tầm quan trọng đặc trưng dựa trên dữ liệu, định vị từ vựng sư phạm của giáo viên như giao diện qua đó AI giành được niềm tin và việc sử dụng - và phán đoán của họ về việc một giải thích có hợp lý về mặt sư phạm hay không như yếu tố quyết định trong tiếp nhận.
Người điều phối mà chức năng có thể được ủy thác một phần. Kuhail và cộng sự (2026) cho 32 sinh viên STEM tranh luận dưới một người điều hành là con người, một chatbot AI (GPT-4, được nhắc với các hành vi kỳ vọng của giảng viên: trung lập, thời gian phát biểu công bằng, chỉ dẫn ngắn, giữ đúng chủ đề, câu hỏi tiếp nối, hạ nhiệt căng thẳng), hoặc lần lượt từng bên, và phát hiện không có khác biệt có ý nghĩa về hiệu quả, sự thú vị, sự hài lòng, tính hữu ích hay ý định dùng lại (t = 0.23 đến 1.30, p = 0.198 đến 0.818). Các tác giả đọc kết quả vô hiệu này như sự bình thường hóa cộng tác người-AI trong thảo luận có quy tắc, không phải như sự tương đương. Con đường tới việc dùng lại có khác: dưới sự điều hành của con người, sự hài lòng dẫn dắt ý định sử dụng, trong khi dưới sự điều hành của AI, tính hữu ích được cảm nhận mới là yếu tố dẫn dắt (0.806 so với 0.495), nên một hoạt động do AI điều phối tồn tại được nhờ tính hữu ích được chứng minh chứ không nhờ cảm giác dễ chịu. Cách đọc thực tiễn là điều hành bằng AI như một trợ giúp mở rộng quy mô cho các khóa học lớn hoặc ít nhân sự, dưới sự giám sát của con người, với tính công bằng chưa được kiểm chứng cho sự mỉa mai, ngôn ngữ gián tiếp và các phong cách giao tiếp của nhóm thiểu số.
Người đặt ra mục đích, không chỉ năng lực. Fagerlund và cộng sự (2026) phỏng vấn 13 giáo viên Phần Lan từ mầm non đến lớp 9 về lý do học sinh nên học về AI và học với AI, đọc các tường thuật của họ qua các phạm trù qualification, socialization và subjectification của Biesta. Qualification là mục đích rõ ràng và cụ thể nhất, bao gồm AI vừa như đối tượng học tập vừa như công cụ cho việc học; socialization xuất hiện như việc nuôi dưỡng những lập trường thuận lợi với AI và chuẩn bị cho học sinh thành lao động tương lai hiểu biết AI; subjectification, sự tham gia tự định hướng và có ý nghĩa cá nhân, được tán thành là quan trọng nhưng không có chiến lược giảng dạy cụ thể nào phía sau, chỉ dựa vào "thảo luận và suy ngẫm". Các tác giả đề xuất quyền chủ động AI có hiểu biết, với subjectification ở trung tâm và năng lực làm nền tảng, điều mang lại cho vai trò giảng dạy một bổn phận đặt mục đích: làm rõ "vì sao" để các kỹ năng có ngữ cảnh thay vì đứng như mục đích tự thân, và bổ sung cho các khuôn khổ kỹ thuật như Technological Pedagogical Content Knowledge (TPACK) bằng sự chú ý bền bỉ tới mục đích giáo dục.
Tiếp nhận không phải cùng một đòn bẩy với hiệu suất. Qua 200 giáo viên ở Bắc Sumatra, việc dùng AI không có tác động trực tiếp lên hiệu suất giáo viên (β = 0.112, p = 0.087) trong khi hành vi công dân tổ chức làm trung gian ở β = 0.370, nên chính công việc cộng tác ngoài vai trò quanh công cụ, chứ không phải công cụ, là thứ chuyển việc sử dụng thành hiệu suất (Sherly và cộng sự (2027)).

Những vai trò này kết nối công việc của giáo viên với nhận thức phân tán, học tập định cảnh, học tập thể hiện và sư phạm phê phán, và định nghĩa lại giáo viên như một nhà thiết kế và người dẫn dắt đạo đức của việc học qua trung gian AI-xã hội-văn hóa thay vì chỉ là người dùng.

Các quyết định có AI hỗ trợ tập trung ở nơi có dữ liệu hành vi. Köroğlu và cộng sự (2026) xem xét 27 nghiên cứu thực nghiệm (2016-2025) và xác định tám kiểu quyết định của giảng viên, phát hiện hỗ trợ AI tập trung vào các quyết định giảng dạy, phản hồi và đánh giá trong khi các quyết định về chương trình, môi trường học tập, cảm xúc, đạo đức và hành chính hiếm khi được hỗ trợ. Bảng điều khiển phân tích dữ liệu học tập là hệ thống phổ biến nhất, xử lý văn bản và dữ liệu nhật ký thành các chỉ báo hành vi về hiệu suất và sự tham gia; dữ liệu đa phương thức và dựa trên tương tác, các hệ thống tác tử, và các kết quả nhận thức, siêu nhận thức, động lực và cảm xúc đều tương đối hiếm trong tập tài liệu được xem xét. Cách đọc thực tiễn cho giảng viên là không gian quyết định mà một công cụ AI mở ra bị giới hạn bởi dữ liệu nó hiển thị, nên việc chọn công cụ cũng là một lựa chọn về việc những quyết định giảng dạy nào đang được cấp nguồn lực.

Giảng viên nên thích ứng thực hành giảng dạy của mình với AI như thế nào

Bằng chứng trong cơ sở kiến thức hội tụ về một tập hợp các thích ứng cụ thể:

Thiết kế lớp bao sư phạm cho AI, không chỉ thiết kế công cụ. Cùng một AI có thể tạo ra kết quả học tập lớn hoặc tổn hại ròng tùy theo cách hoạt động được thiết kế quanh nó. Kibar & Ilgaz và bằng chứng về kết quả học tập nhất quán với nhau: công việc của giảng viên là thiết kế trải nghiệm học tập, coi AI như một thành phần trong một hoạt động có cấu trúc thay vì động cơ trả lời. Hãy làm giàn giáo cho một lần thử của sinh viên trước, rồi để AI huấn luyện - đó là khác biệt giữa đánh giá và sự lạm phát hiệu suất.

Yêu cầu một điểm kiểm soát có con người trong vòng lặp. Thay vì chấp nhận đầu ra của AI theo bề mặt, hãy dạy sinh viên đánh giá, sửa chữa và nhận quyền sở hữu công việc có AI hỗ trợ. Năng lực AI theo hướng sử dụng hợp lý định khung điều này như việc cân bằng năng suất của AI với sự phát triển và quyền tác giả thực sự của con người. Hãy thiết kế bài tập để AI giúp phác thảo nhưng người học vẫn là chủ thể đánh giá và sửa đổi.

Tuyển chọn các bản nháp phản hồi của AI; đừng chuyển tiếp chúng. Chen và cộng sự (2026) cho 64 giáo sinh Trung Quốc nhận phản hồi có ChatGPT hỗ trợ về bài viết tranh luận và phát hiện rằng việc coi đầu ra như tư liệu nháp thay vì nhận xét hoàn chỉnh đã chuyển dịch tư duy phản biện trong khi phản hồi chỉ từ giáo viên thì không (d của Cohen ở hậu kiểm là 3.74 so với 0.25 ở tiền kiểm, p < 0.001). Điều giáo viên làm với bản nháp mới là phần có thể chuyển giao: họ sao chép nội dung phù hợp ở mức tương tự của chính mình (28%), mở rộng nó với đầu vào sâu hơn (16%), cung cấp nó (16%), sửa đổi nó (14%), hoặc loại bỏ hoàn toàn (14%), với thêm 9% cần sửa. Phản hồi có hỗ trợ nghiêng về làm mẫu (minh họa, 33.1% so với 10.9%) và chất vấn (hỏi sát, 21.5% so với 6.0%), và sinh viên sửa đổi nó theo hướng phân tích, đánh giá và sáng tạo thay vì nhận biết, nhưng sáu trong tám người được phỏng vấn vẫn báo cáo sự thiếu chính xác và thiếu tính chuyên nghiệp. Bước kiểm chứng của giáo viên là thứ làm cho phương pháp lai trở nên an toàn.

Thích ứng đánh giá với thời đại AI. Hãy rời xa các nhiệm vụ mà LLM có thể hoàn thành nguyên văn để tiến tới đánh giá thực chất, dựa trên quá trình và trực tiếp. Các thang đánh giá cho giảng viên một rubric để quyết định mức hỗ trợ AI nào là chính đáng ở mỗi giai đoạn, và bằng chứng phân tích tổng hợp cho thấy AI có thể hỗ trợ tư duy bậc cao khi thiết kế đánh giá đòi hỏi điều đó.

Bảo vệ các điều kiện cho việc học bền vững. Vì các câu trả lời của AI làm cho việc học trông dễ dàng, giảng viên phải thiết kế để chống lại khoảng cách hiệu suất-học tập. Lodge & Loble cảnh báo rằng thành công không nỗ lực với AI có thể che giấu sự vắng mặt của việc học; giảng viên nên xây dựng vật lộn sinh lợi, yêu cầu thể hiện sự thành thạo không có trợ giúp, và coi các câu trả lời có AI hỗ trợ là điểm khởi đầu, không phải kết quả cuối cùng.

Lập kế hoạch cho phương tiện truyền đạt. Việc thích ứng không trung lập với phương tiện: giảng dạy trực tuyến với AI nhân lên cả cơ hội (cá nhân hóa có thể mở rộng, hỗ trợ luôn sẵn có) lẫn rủi ro (liêm chính, giảm tải). Hãy thiết kế lớp bao AI một cách có chủ ý trong môi trường trực tuyến cũng như trực tiếp.(Can AI deliver appropriate support for diverse student profiles? A large-scale evaluation)

Đưa năng lực AI vào giảng dạy

Năng lực AI không phải một mô-đun riêng - nó được đan vào cách giảng viên thiết kế mọi khóa học. Các cách tiếp cận hiệu quả bao gồm:

Làm gương về năng lực AI trong thực hành. Những giáo viên tự mình sử dụng, đánh giá và phê phán AI đặt ra chuẩn mực cho sinh viên. các liên tục năng lực AI mô tả tiến trình từ thành thạo công cụ đến đánh giá phê phán mà giảng viên nên làm giàn giáo.
Dạy đánh giá và hiệu chỉnh, không chỉ dạy sử dụng. Sinh viên cần biết khi nào AI đáng tin và khi nào nó ảo giác - tư duy phản biện về đầu ra của AI là một năng lực cốt lõi. Điều này kết nối với sử dụng có trách nhiệm và cách việc sử dụng AI được định khung cho học sinh.
Đồng xây dựng các chuẩn mực sử dụng AI với sinh viên. Các cách tiếp cận có nguyên tắc với giáo dục AI và các lời nhắc do giáo viên viết cho thấy những kỳ vọng rõ ràng, được đồng thiết kế hiệu quả hơn các quy tắc mang tính trừng phạt.

Bảo đảm liêm chính học thuật trong thời đại AI

Liêm chính học thuật với AI là một vấn đề thiết kế, không phải vấn đề kiểm soát. Giảng viên thích ứng bằng cách:

Định khung lại liêm chính quanh quá trình và quyền tác giả. Thay vì phát hiện, hãy nhấn mạnh liêm chính học thuật như việc sử dụng minh bạch, được ghi chép. Nghiên cứu về AI tác tử và sinh viên ma cho thấy rủi ro liêm chính thay đổi khi sinh viên triển khai tác tử AI thay mặt mình, nên giảng viên phải xác định quyền tác giả nghĩa là gì khi "bóng ma" là một AI.
Dùng việc tiết lộ và định khung. Cách việc sử dụng AI được định khung cho học sinh - như một cái nạng hay một công cụ chính đáng - định hình việc các em có tiết lộ nó hay không. Các chuẩn mực minh bạch (ví dụ tiết lộ việc dùng AI) làm giảm động cơ che giấu việc dùng AI.
Thiết kế để loại bỏ động cơ gian lận. Các bài đánh giá thực chất, dựa trên quá trình và trực tiếp (thi vấn đáp, hồ sơ điện tử, giải quyết vấn đề có quan sát) làm cho việc thuê ngoài kém hấp dẫn hơn so với các công cụ phát hiện AI. Các thang đánh giá và đánh giá thực chất là lựa chọn thay thế mang tính xây dựng cho các cuộc chạy đua vũ trang phát hiện.
Quy định ở cấp nhiệm vụ là cách giảng viên thực sự quản trị AI. Nghiên cứu của Chirikov (2026) trên hơn 31,000 đề cương khóa học cho thấy giảng viên ngày càng hành động như những nhà quản lý ở cấp nhiệm vụ thay vì áp dụng các quy tắc toàn diện: họ hạn chế AI cho việc phác thảo/sửa đổi (79% các khóa học) và lý luận/giải quyết vấn đề (65%), cho phép nó cho việc biên tập/đọc bản thảo (83%) và hỗ trợ học tập (80%), và để việc phát ý tưởng/lập kế hoạch là lĩnh vực gây tranh cãi nhất (46% cho phép / 54% hạn chế). Sự phân biệt này - dựa trên việc nhiệm vụ nào AI thay thế so với tăng cường - là một lựa chọn thay thế cụ thể, do giảng viên dẫn dắt, cho chính sách tiếp nhận-hoặc-cấm, và mang lại cho vai trò giáo viên một vị trí trung tâm trong việc hình thành chính sách.
Nhân sự theo giờ gánh khối lượng chấm bài mà không có thẩm quyền. Hai mươi học giả theo hợp đồng, một số dạy đồng thời ở ba cơ sở trở lên, mô tả việc phát hiện hành vi sai trái bằng tay nghề không được đào tạo trong khi không có thẩm quyền về chương trình hay chính sách (Andriamora & Andriamora, 2026).

Kết nối giảng dạy với thiết kế học tập

Giảng dạy và thiết kế học tập là hai mặt của cùng một đồng xu - những phán đoán hằng ngày của giảng viên là sự thực thi trực tiếp của trải nghiệm học tập đã được thiết kế. AI làm chặt thêm mối kết nối này:

Giáo viên như những nhà thiết kế học tập. LearnAI và thiết kế lời nhắc do giáo viên viết cho thấy giảng viên vận hành như những nhà thiết kế: đặc tả hoạt động, vai trò của AI, và các giàn giáo cấu trúc việc học. Đây là thiết kế học tập trong hành động tại điểm sử dụng.
Các nguyên tắc thiết kế học tập chi phối sư phạm AI. Cùng những nguyên tắc thiết kế học tập - mục tiêu rõ ràng, đánh giá thẳng hàng, giàn giáo và phản hồi - quyết định liệu AI giúp ích hay gây hại. ISD-Agent-Bench xác nhận bằng thực nghiệm rằng việc neo thiết kế AI trong các mô hình thiết kế giảng dạy chính thức vượt trội so với kỹ thuật nhắc không có lý thuyết.
Thiết kế cho việc điều phối của giáo viên. Các môi trường học tập AI hiệu quả được thiết kế với giáo viên trong tâm trí - các công cụ mà AI lấy con người làm trung tâm cung cấp nên giảm khối lượng công việc cho giáo viên và tăng cường phán đoán, không phải thêm một hộp đen mờ đục khác. Khi giảng viên đồng thiết kế các hoạt động học tập AI (các góc nhìn lý thuyết hoạt động), cả mức tiếp nhận lẫn chất lượng đều được cải thiện.

Quan hệ với bản sắc người học

Vai trò giáo viên và bản sắc người học là hai mặt tương hỗ của cùng một quá trình con người, và AI định hình lại cả hai.

Bản sắc giáo viên là bản sắc nghề nghiệp; bản sắc người học là bản sắc học tập. Trang vai trò giáo viên ghi nhận cách AI định hình lại công việc, bản sắc và quyền chủ động của nhà giáo dục - sự tự hiểu nghề nghiệp đang tiến hóa của họ (xem cách định khung của Laidlaw về GenAI như một cuộc khủng hoảng bản sắc). Bản sắc người học là khái niệm song song cho sinh viên: họ là ai và đang trở thành ai với tư cách người học, theo các nghĩa ngành học, nghề nghiệp, sáng tạo và học thuật.
Hai bên gắn kết nhân quả với nhau. Những giáo viên trải nghiệm sự gián đoạn bản sắc (không chắc chắn về mục đích nghề nghiệp của mình giữa GenAI) ít có khả năng hỗ trợ sự phát triển bản sắc của sinh viên - một giáo viên nghi ngờ vai trò của mình sẽ chật vật khi phải xác nhận cảm nhận đang hình thành về bản thân của sinh viên trong cùng một lĩnh vực. Ngược lại, những giáo viên duy trì một bản sắc nghề nghiệp tự tin có vị thế tốt hơn để làm giàn giáo cho sự thuộc về và quyền tác giả của sinh viên.
Những chế độ thất bại khác nhau. Bản sắc giáo viên bị đe dọa bởi sự lỗi thời của vai trò và mục đích (câu hỏi "dạy học để làm gì?"). Bản sắc người học bị đe dọa bởi mất quyền tác giả và năng lực (câu hỏi "đây có thực sự là của mình / mình có đủ giỏi không?"). Cả hai đều là những phản ứng ở cấp bản sắc (không chỉ cấp kỹ năng) với AI.
Cả hai đều là mối quan tâm của phát triển chuyên môn và sư phạm. Hỗ trợ bản sắc giáo viên thuộc về phát triển giáo dục và năng lực AI của giáo viên; hỗ trợ bản sắc người học thuộc về trải nghiệm của học sinh, đánh giá thực chất và quyền chủ động. Một hệ thống tích hợp AI được thiết kế tốt quan tâm tới cả hai - vì bản sắc của giáo viên là điều kiện để bản sắc của người học hình thành.

Giáo viên đồng thiết kế năng lực AI sớm

Đồng thiết kế của giáo viên trong năng lực AI sớm. Lee (2026) cho thấy hai giáo viên mầm non và hai giáo viên mẫu giáo đã đồng thiết kế chương trình Play With AI (PL-AI) trải nghiệm sự phát triển đáng kể về sự tự tin và quyền chủ động sư phạm, với việc đồng thiết kế nuôi dưỡng quyền sở hữu chương trình, thực hành phản tư và thích ứng có ý nghĩa. Điều này định vị giáo viên như những người đồng thiết kế trung tâm - không chỉ người thực hiện - các chương trình năng lực AI phù hợp với sự phát triển, một mô hình có hàm ý cho việc chuẩn bị giáo viên trong giáo dục mầm non và tiểu học về AI.

Giáo viên đồng thiết kế các nguồn lực học tập AI

Vai trò của giáo viên mở rộng tới việc đồng thiết kế các nguồn lực học tập AI: các mô phỏng do giáo viên và AI đồng thiết kế cho việc giảng dạy STEM bằng máy bay không người lái giữ cho đầu ra GenAI hợp lý về mặt sư phạm và phù hợp về ngữ cảnh, và giáo viên là những người thụ hưởng dự kiến của Thang Năng lực AI cho Giáo viên. Việc tích hợp GenAI hiệu quả ngày càng phụ thuộc vào sự tham gia của giáo viên trong thiết kế.

Các hệ thống phản tư AI nên thích ứng với kinh nghiệm của giáo viên

Phân tích phản tư AI hướng tới giáo viên nên được thích ứng theo chuyên môn, không dùng chung cho mọi người. Một khảo sát 100 giáo viên K-12 ở Hoa Kỳ (chia trung vị ở mốc chín năm; kiểm định nhị thức; chênh lệch lựa chọn 15% phát hiện được ở lực thống kê khoảng 83%) phát hiện những khác biệt ưa thích có hệ thống. Giáo viên ít kinh nghiệm hơn nêu thiếu thời gian phản tư là trở ngại hàng đầu với tỷ lệ gấp 3 lần nhóm giàu kinh nghiệm (37% so với 12%, p < 0.001) và muốn phân tích về sự rời bỏ học tập của học sinh (48% so với 33%, p = 0.028) và cảm xúc (31% so với 18%, p = 0.036).
Quy tắc thiết kế rút ra từ sự phân tách là các chế độ khuyến nghị thích ứng theo kinh nghiệm. Giáo viên giàu kinh nghiệm muốn phân tích về việc học được cải thiện sau khi giúp một học sinh (40% so với 26%, p = 0.019) và về phương pháp giảng dạy của mình (42% so với 26%, p = 0.012); trở ngại hàng đầu của họ là theo dõi hiệu suất (28% so với 15%, p = 0.009). Quy tắc thiết kế: chế độ cho người mới = lời nhắc có cấu trúc và phân tích sự tham gia; chế độ cho chuyên gia = phân tích dọc linh hoạt - một lập luận trực tiếp chống lại các bảng điều khiển đồng nhất. (How expertise levels shape preferences and reflection needs — towards AI reflection systems for teacher empowerment)

Những hiểu lầm phổ biến

"AI sẽ giảm bớt hoặc thay thế công việc sư phạm của việc giảng dạy." Bằng chứng từ các kịch bản chuyên gia chỉ ra hướng ngược lại. Malyn-Smith và cộng sự (2026) gọi đó là nghịch lý nhiều con người hơn: qua sáu kịch bản năm 2030 được 20 nhà nghiên cứu từ 13 quốc gia cùng xây dựng, sự bão hòa AI làm tăng cường chứ không thay thế công việc sư phạm của con người. Các kịch bản mô tả AI như "hệ thống xử lý không khí của hệ sinh thái học tập" - hạ tầng bạn chỉ nhận ra khi nó trục trặc. Điều thay đổi không phải số lượng phán đoán con người cần đến mà là đối tượng của nó: sự chú ý chuyển từ sản xuất tài liệu sang diễn giải người học.

"Năng lực AI của giáo viên nghĩa là học các công cụ." Sự thành thạo công cụ là yếu tố dự đoán yếu nhất trong số các yếu tố sẵn có. Trong mô hình SEM của Bai và Hsieh (2026) với 898 giảng viên đại học Trung Quốc, đổi mới giảng dạy có GenAI hỗ trợ phụ thuộc ít hơn vào kiến thức công nghệ AI riêng lẻ và nhiều hơn vào năng lực AI được nhúng trong sư phạm và ngành học cùng với bản sắc nghề nghiệp, cả hai đều làm trung gian một phần cho kết quả. Một buổi tập huấn về các tính năng mà không chạm tới sư phạm hay bản sắc ngành học là nhắm vào sai biến số - đó là lý do Laidlaw và cộng sự định khung phản ứng của giảng viên với GenAI như một câu hỏi bản sắc chứ không phải một khoảng trống kỹ năng.

"Giáo viên đã là những người đồng thiết kế AI, nên sự chuyển dịch đang diễn ra." Khát vọng là thật; phần mô tả thì chưa. Tổng quan hệ thống của Wang, Liu và Islam (2026) về đồng thiết kế nhiệm vụ học tập giữa giáo viên và AI phát hiện lập trường đồng thiết kế vẫn chưa đồng đều, với mô thức chiếm ưu thế vẫn là AI như trợ lý hoặc nguồn tạo nội dung. Đọc tổng quan đó như bằng chứng về một sự chuyển dịch đã hoàn tất sẽ che giấu khoảng cách giữa những giáo viên mà một trang như thế này khuyến nghị và những giáo viên mà phần lớn các thể chế thực sự có.

"Cách một giáo viên ủy thác cho chatbot hầu như không quan trọng, vì mô hình làm công việc." Mô thức ủy thác chính là can thiệp. Trong việc lập kế hoạch bài học nghệ thuật STEAM cho trẻ em, Luo và Tahir (2025) phát hiện bằng thực nghiệm rằng việc lấp đầy các khoảng trống nội dung trong một bài học do chính mình phác thảo bảo tồn quyền tự chủ thiết kế của giáo viên trong khi vẫn nâng cao chất lượng bài học được chuyên gia đánh giá (trung vị 20.5 so với 17.6, p = 0.002, hiệu ứng lớn), vượt trội so với phương án để mô hình cung cấp dàn ý. Cùng mô hình, cùng nhiệm vụ, cách phân công lao động khác, kết quả khác biệt về vật chất.

Một trình tự khởi đầu thực tiễn

Bằng chứng ủng hộ một trật tự thao tác cụ thể cho một giảng viên tiếp nhận AI, thay vì một danh sách các tính năng cần học.

Viết hoạt động trước khi chọn công cụ. Đặc tả mục tiêu, lần thử của sinh viên diễn ra trước, và điều gì được tính là bằng chứng của sự hiểu biết. Những công cụ được chọn trước có xu hướng viết lại hoạt động quanh chính chúng.
Quyết định mô thức ủy thác một cách rõ ràng. Tự phác thảo bài học và để AI lấp các khoảng trống nội dung, thay vì chấp nhận một dàn ý được tạo ra - mô thức nêu trên với chênh lệch chất lượng đã được đo.
Đặt điểm kiểm soát của con người ở nơi có quyền sở hữu. Thiết kế để người học đánh giá, sửa chữa và sở hữu công việc có AI hỗ trợ, và để phản hồi của AI đến như một bản nháp mà giáo viên tuyển chọn chứ không phải một nhận xét mà giáo viên chuyển tiếp.
Bảo vệ thời gian diễn giải mà sự chuyển dịch tạo ra. Nếu sự chú ý chuyển từ sản xuất tài liệu sang đọc người học, khoảng thời gian được tái phân bổ đó cần sống sót khi tiếp xúc với lịch làm việc; nếu nó bị công việc hành chính mới nuốt mất, sự thay đổi vai trò đã hứa sẽ không xảy ra.
Kiểm tra xem bạn đang được đào tạo về công cụ hay về sư phạm. Với kết quả SEM, hãy ưu tiên phát triển chuyên môn làm việc trên các nhiệm vụ ngành học và bản sắc hơn là các buổi giới thiệu tính năng.

Các khái niệm liên quan

Pedagogical Partnerships - Quan hệ đối tác sư phạm
Learner Identity - bản sắc người học đang tiến hóa theo ngành học, nghề nghiệp, sáng tạo và học thuật
Business Education
Phát triển giáo dục
Năng lực AI của giáo viên
Năng lực AI (AI Literacy)
K-12
Higher Education
Scaffolding
Thiết kế học tập
Intelligent Tutoring
Large Language Models (LLMs)
Workplace Learning
Distributed Cognition
Situated Learning
Critical Pedagogy
Teacher Education
Learning Sciences
Liêm chính học thuật
Pedagogies and Teaching Strategies - Ôm trùm: các phương pháp sư phạm và chiến lược giảng dạy trong giáo dục AI
Stakeholders - Ôm trùm: con người và các đối tượng trong giáo dục AI (người học, giáo viên, nhà thiết kế, nhà quản lý, nhà hoạch định chính sách)

FAQ liên quan

Siêu dữ liệu

Cấp độ	K 12, Higher Ed
Đối tượng dự kiến	Instructors, Faculty Developers, Learners
Học tập và giảng dạy	Scaffolding
Công nghệ và kỹ thuật	Intelligent Tutoring
Nền tảng về AI trong giáo dục	Năng lực AI (AI Literacy), Phát triển giáo dục, Thiết kế học tập, Năng lực AI của giáo viên

Nguồn Lịch sử Sửa Trò chuyện