Lý thuyết và khuôn khổ

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

Lý thuyết và khuôn khổ — danh mục đang vận hành gồm những cấu trúc giải thích và tổ chức mà cơ sở kiến thức này thực sự dùng. Lý thuyết giải thích vì sao việc học diễn ra (Learning Theories, Self-Determination Theory, Sociocultural Learning, lý thuyết hoạt động); khuôn khổ tổ chức các quyết định về thiết kế, giảng dạy và chấp nhận (Kiến thức Nội dung Sư phạm Công nghệ (TPACK), SAMR, các mô hình chấp nhận công nghệ, ICAP, thiết kế phổ quát cho học tập); mô hình làm cho các khẳng định về học tập có thể kiểm chứng và tính toán được (lý thuyết ứng đáp câu hỏi, Assessment Validity, Knowledge Tracing). Dùng trang này để tìm lăng kính mà một nghiên cứu dựa vào, hoặc để chọn một lăng kính cho công việc của chính bạn.

Những câu hỏi cần cân nhắc

Một lý thuyết dự báo điều gì xảy ra khi một thứ gì đó thay đổi; một khuôn khổ cho bạn biết cần chú ý đến đâu. Khi một nghiên cứu báo cáo một kết quả cải thiện dưới ngọn cờ của một khuôn khổ nhưng không đưa ra dự báo nào có thể đã thất bại, thì thực sự đã học được điều gì?
TPACK, SAMR, UDL, các mô hình chấp nhận và ICAP đều ra đời trước các mô hình ngôn ngữ lớn. Phần nào của chúng vẫn đứng vững khi công cụ có thể tự viết, tự giải thích và tự thích ứng, và bạn sẽ phân biệt điều đó như thế nào?
Một số lý thuyết được liệt kê dưới đây được đặt ra cho AI chỉ trong vài năm gần đây. Điều gì sẽ khiến một trong số chúng bị coi là sai, và đã có ai thử chứng minh điều đó chưa?
Việc chấp nhận thường được báo cáo như sự dịch chuyển qua các giai đoạn. Nếu một đồng nghiệp nói rằng khóa học của họ năm nay đã "đi từ thay thế đến tái định nghĩa", bạn sẽ yêu cầu bằng chứng độc lập nào trước khi tin điều đó?
Phần lớn lĩnh vực này áp dụng lý thuyết vay mượn hơn là kiểm chứng nó. Hãy chọn một phát hiện mà bạn dựa vào: nó có thể được định khung lại như một phép kiểm chứng một lý thuyết không, và điều đó sẽ đòi hỏi phép đo nào?

Giới thiệu

Mỗi gia sư AI, hệ thống phản hồi và bảng điều khiển đều nhúng vào những giả định về cách con người học, bất kể nhà thiết kế có nêu chúng ra hay không. Trang này tập hợp các lý thuyết, khuôn khổ và mô hình mà những giả định đó bắt nguồn từ đó, sắp xếp lỏng lẻo theo mức độ tài liệu nghiên cứu hiện nay dựa vào chúng, và nói ngắn gọn mỗi thứ hữu ích ở chỗ nào. Những phân biệt giữa ba nhãn gọi là có thật nhưng nhỏ, và chúng được tóm tắt ở gần cuối trang thay vì được coi là chủ đề chính. Điều quan trọng trên thực tiễn là một khẳng định dựa trên lăng kính nào, và liệu lăng kính đó có đủ sức nâng đỡ khẳng định ấy không.

Các lý thuyết học tập mà tài liệu áp dụng

Những lý thuyết này giải thích cơ chế: chúng gọi tên các bộ phận làm nên công việc và dự báo điều gì xảy ra khi các bộ phận đó thay đổi. Trong tài liệu về AI, chúng chủ yếu được vay mượn từ tâm lý học và khoa học học tập, và được dùng như những khung diễn giải quanh một công cụ mới.

Các lý thuyết học tập (ôm trùm) — cả họ lý thuyết, gồm các cực cổ điển là thuyết hành vi và thuyết kiến tạo, cùng khoảng cách "kiến tạo trên danh nghĩa, hành vi trên thực tế" tái diễn trong các triển khai AI. Thuyết kết nối và lý thuyết tải nhận thức cũng được đề cập ở đây.
Thuyết kiến tạo — học tập như việc kiến tạo tri thức một cách chủ động. Nó là nền tảng cho công việc dựa trên dự án, cho việc dạy kèm bằng AI dựa trên đối thoại, và cho phê phán rằng các hệ thống luyện tập–phản hồi vi phạm chính sư phạm mà chúng tuyên bố.
Thuyết văn hóa – xã hội — học tập như được trung giới bởi công cụ và tương tác xã hội, đó là lý do AI được lý thuyết hóa như một vật thể trung giới chứ không chỉ là một trợ cụ.
Lý thuyết hoạt động — lấy toàn bộ hệ thống hoạt động, kể cả các mâu thuẫn, làm đơn vị phân tích. Phổ biến trong các nghiên cứu AI hướng đến giáo viên, nơi phát hiện thú vị thường là căng thẳng giữa công cụ, quy tắc và cộng đồng.
Học tập tình huống và Học tập nhập thân — học tập gắn với bối cảnh và với cơ thể, đối trọng với việc coi AI như một phương tiện thuần túy ngôn ngữ.
Nhận thức phân tán — tư duy trải rộng trên người và vật thể, định khung sự hỗ trợ của AI như việc phân bổ lại lao động nhận thức chứ không phải thay thế nó.
Cộng đồng tìm hiểu — các hiện diện xã hội, nhận thức và giảng dạy làm nên một trải nghiệm trực tuyến hiệu quả; vừa là lý thuyết về trải nghiệm vừa là khung thiết kế.
Thuyết tự quyết — tự chủ, năng lực và sự kết nối như những tiền đề tạo động lực. Thường là lời giải thích được đưa ra khi việc dùng AI làm tăng sự tham gia mà không làm tăng việc học.
Thuyết nhận thức — xử lý thông tin, trí nhớ làm việc, và sự phân kỳ giữa cảm giác đang học và việc học thực sự.
Lý thuyết nhận thức xã hội (sự ấm áp và năng lực) — được nhập từ nhận thức xã hội và nghiên cứu robot dịch vụ, lý thuyết này định khung cách người dùng đánh giá độ tin cậy của một tác tử AI: năng lực được nhận thức dự báo trực tiếp độ tin cậy của phản hồi ChatGPT trong khi sự ấm áp chỉ tác động qua sự đồng cảm giống người (SEM, 230 sinh viên; Pérez-López và cộng sự (2026)).
Một phạm trù khả năng cung ứng thứ tư đã được đề xuất, chưa được kiểm chứng. Mã hóa 24 nghiên cứu theo một sơ đồ ba phần về khả năng cung ứng, các nhà tổng quan thấy sự tham gia, an toàn và tự hiệu quả không khớp với các phạm trù công nghệ, sư phạm hay xã hội, và đề xuất các khả năng cung ứng cảm xúc dựa trên thuyết quyết định tương hỗ của Bandura (Lopez & Arabadzhy (2026)).

Các mô hình về người học và về quá trình học

Học tập tự điều chỉnh — lập kế hoạch, giám sát và đánh giá việc học của chính mình. Cấu trúc chủ lực để hỏi liệu sự hỗ trợ của AI có chạm tới những giai đoạn quan trọng hay chỉ chạm tới khâu thực thi.
Siêu nhận thức — tư duy về chính tư duy của mình, và là cấu trúc thường được nêu tên nhất khi AI bị cáo buộc làm hộ việc tư duy cho sinh viên.
Động lực — vì sao người học tham gia, và là cấu trúc tách sự tham gia khỏi việc học trong các nghiên cứu AI.
Tự hiệu quả — niềm tin vào khả năng của bản thân, khác với năng lực, và là yếu tố trung gian thường gặp giữa việc dùng AI và các kết quả.
Quyền chủ động — ai điều hướng công việc: cấu trúc nằm sau căng thẳng kiểm soát–tự chủ của lĩnh vực, và sau cơ chế ủy thác quyền chủ động trong lý thuyết mới nhất.
Khó khăn hữu ích, truy xuất, giãn cách và xen kẽ, và văn bản phản bác — những phát hiện làm cho ma sát trở nên có giá trị sư phạm, được áp dụng vào các quyết định về việc AI nên làm bao nhiêu.
Chuyển di học tập — liệu năng lực có tồn tại khi sự hỗ trợ được rút đi, điều mà lý thuyết gần đây coi là tiêu chí phân biệt việc học với sự trợ giúp, chứ không phải một kết quả trong số nhiều kết quả.

Các khuôn khổ giảng dạy, tích hợp và chấp nhận

TPACK — kiến thức giáo viên hòa trộn công nghệ, sư phạm và nội dung; khuôn khổ mặc định cho các nghiên cứu AI hướng đến giáo viên.
Các mô hình chấp nhận — ý định như một hàm của nhận thức hữu ích và tính dễ dùng. Được dùng rộng đến mức việc lĩnh vực dựa vào ý định thay vì hành vi đã trở thành một phê phán thường trực.
ICAP — xếp hạng sự tham gia thành thụ động, chủ động, kiến tạo, tương tác; hữu ích để hỏi một tương tác với AI thực sự cho phép chế độ nào.
SAMR — từ thay thế đến tái định nghĩa. Phổ biến như một câu chuyện về độ chín, yếu như một công cụ đo lường.
Thiết kế phổ quát cho học tập, học tập bao trùm và khả năng tiếp cận — các khung thiết kế về việc ai được phục vụ, và là những khung thường được viện dẫn nhất trong công việc về khuyết tật và công bằng.
Thiết kế học tập, Thiết kế chương trình và Tư duy thiết kế — cách nhiệm vụ, trình tự và chương trình được cấu trúc trước khi bất kỳ công cụ nào được chọn.
Quản lý thay đổi — liệu một hệ thống có được tiếp nhận hay không, điều thường là một câu hỏi thể chế hơn là một câu hỏi sư phạm.

Các mô hình đo lường và tính toán

Lý thuyết ứng đáp câu hỏi — ước lượng độ khó câu hỏi và năng lực, và là mô hình làm cho các con số của một bài kiểm tra trở nên diễn giải được.
Đo lường giáo dục — bức tranh các công cụ, gồm những thang đo được xây dựng riêng cho năng lực AI.
Tính hợp lệ — liệu một công cụ có đo đúng cấu trúc mà nó tuyên bố, điều quyết định liệu một kết quả được báo cáo có nâng đỡ được khẳng định lý thuyết gắn với nó hay không.
Các thang tự báo cáo — nguồn bằng chứng chiếm ưu thế và mong manh nhất trong tài liệu này; một số cấu trúc nêu trên được biết là phân kỳ mạnh giữa tự báo cáo và hiệu năng.
Truy vết tri thức và Mô hình hóa người học — ước lượng trạng thái của người học theo thời gian từ dữ liệu tương tác.
Chẩn đoán nhận thức — quy hiệu năng cho những thành phần kỹ năng cụ thể, đối tác mô hình hóa của việc dạy chẩn đoán.
Các chuẩn đối sánh, đánh giá giáo dục AI và nhận thức trắc nghiệm học trong thiết kế AI — cách các hệ thống và can thiệp được cho điểm, so sánh và kiểm toán.
Nghiên cứu dựa trên thiết kế — phương pháp tạo ra lý thuyết từ các can thiệp được thiết kế thay vì kiểm chứng lý thuyết trước.

Những lý thuyết được đặt ra cho kỷ nguyên AI

Bốn đề xuất trong cơ sở kiến thức xây dựng lý thuyết thay vì vay mượn. Chúng là các trang bài viết chứ không phải nút khái niệm, vì mỗi đề xuất là một lập luận duy nhất:

Thuyết tạo sinh — một lý thuyết học tập mới lập luận rằng bốn lý thuyết cổ điển bộc lộ những hạn chế khái niệm đáng kể khi AI sinh tạo lan rộng.
Đồng quyền chủ động tri thức luận — một mô hình về cách người học và các hệ thống AI cùng nhau tạo ra tri thức và hiểu biết.
Đường cơ sở nhận thức vắng mặt — lý thuyết hóa lý do sinh viên bản địa AI đánh giá quá cao việc học của mình khi AI thổi phồng hiệu năng.
Thuyết tác tử — một lý thuyết tầm trung gọi tên bốn cơ chế (ủy thác quyền chủ động, giám sát và xác minh tri thức luận, nội hóa tái kiến tạo, và chuyển di dưới sự hỗ trợ giảm bớt) và nêu sáu mệnh đề có thể kiểm chứng.

Phân biệt ba nhãn gọi

Các từ này được dùng lỏng lẻo trong tài liệu, và sự khác biệt đáng một đoạn văn chứ không đáng cả một trang:

Một lý thuyết giải thích một cơ chế và dự báo điều gì xảy ra khi các bộ phận của nó thay đổi. Nó có thể sai, đó là lý do những nghiên cứu kiểm chứng nó có thể báo cáo độ lớn hiệu ứng.
Một khuôn khổ tổ chức hoặc quy định. Nó gọi tên những thành phần cần chú ý, thường không dự báo độ lớn, và không thể bị bác bỏ.
Một mô hình là một biểu diễn hình thức, thường là về đo lường hoặc về trạng thái của người học. Nó có thể được khớp, được so sánh, và được chứng minh là sai theo cách một khuôn khổ không thể.
Các nhãn gọi chồng lấn nhau. Cộng đồng tìm hiểu vừa là lý thuyết vừa là khung thiết kế; lý thuyết hoạt động vừa có tính giải thích vừa có tính phân tích. Hãy coi nhãn gọi là một manh mối về điều một nguồn tuyên bố, chứ không phải một phạm trù lưu trữ.

Các tầng liên quan

Hai trang lân cận được cố ý dành cho một vấn đề khác. Triết học AI trong giáo dục đặt những câu hỏi quy phạm và khái niệm — giáo dục để làm gì, liệu một cỗ máy có thể dạy được hay không — và không dự báo độ lớn hiệu ứng; một nghiên cứu có thể ngây thơ về triết học mà vững về lý thuyết, hoặc ngược lại. Phát triển lý thuyết là hoạt động siêu cấp của việc xây dựng, vay mượn và sửa đổi lý thuyết, gồm cả phê phán thường trực rằng phần lớn công trình AIED áp dụng lý thuyết sẵn có thay vì kiểm chứng nó. Trang này là danh mục; phát triển lý thuyết là việc sản xuất và sửa đổi danh mục.

Chọn một lăng kính khi câu hỏi mang tính thực tiễn

Giảng viên bắt đầu từ một vấn đề có thể làm ngược lại: nếu người học không tham gia, ICAP và SDT gọi tên những nguyên nhân khác nhau và gợi ý những cách khắc phục khác nhau; nếu câu hỏi là có nên chấp nhận một công cụ hay không, các mô hình chấp nhận và SAMR hỏi những điều khác nhau về công cụ đó.
Nhà thiết kế học tập thu được nhiều nhất từ các khung thiết kế — UDL, Thiết kế học tập và Scaffolding — ghép với một lý thuyết dự báo điều gì xảy ra khi giàn giáo bị dỡ bỏ.
Nhà nghiên cứu nên nêu rõ một nghiên cứu tuyên bố nút khái niệm nào và liệu thiết kế có thực sự kiểm chứng được nó không; các mô hình đo lường (IRT, Assessment Validity, Self-Report Measures) quyết định liệu một kết quả được báo cáo có nâng đỡ được khẳng định đó.
Nhà quản lý gặp các khuôn khổ này như những câu hỏi về chấp nhận và thay đổi, nơi một mô hình theo giai đoạn thường được dùng như một câu chuyện về độ chín hơn là một công cụ.

Những gì khuôn khổ không thể làm

Khuôn khổ không phải bằng chứng. Chúng thường được vay mượn từ các bối cảnh trước LLM và được bản địa hóa bởi người áp dụng, chúng có thể hoạt động như thương hiệu, và các mô hình theo giai đoạn mời gọi việc chấp nhận theo kiểu đánh dấu ô, báo cáo sự dịch chuyển qua các cấp độ thay vì báo cáo việc học. Những khẳng định dựa trên một khuôn khổ nên được đọc cùng các hạn chế xuyên suốt của lĩnh vực, tính hợp lệ của bất cứ thứ gì đo kết quả, và những giới hạn đã biết của tự báo cáo.

Sự ăn khớp giữa cơ chế và lý thuyết vẫn có thể mang tính quyết định: một tổng hợp chủ đề trên 55 nghiên cứu học tập dựa trên trò chơi có AI hỗ trợ phát hiện hiệu quả phụ thuộc vào việc cơ chế AI có thực thi đúng sư phạm mà nó được tạo ra để phục vụ hay không, chứ không phụ thuộc vào độ tinh vi thuật toán (Kaşarcı và Yurt (2026)).

Những hiểu lầm phổ biến

"Áp dụng một lý thuyết vay mượn vào một công cụ AI là đang dùng lý thuyết." Phần lớn lĩnh vực này áp dụng lý thuyết vay mượn hơn là kiểm chứng nó, và sự khác biệt nằm ở việc khuôn khổ có đưa ra một dự báo có thể đã thất bại hay không. Khi một nghiên cứu báo cáo một kết quả cải thiện dưới ngọn cờ của một khuôn khổ mà không cam kết một dự báo có thể bác bỏ, thì không có gì được học về khuôn khổ đó — một kết quả tương thích với mọi lý thuyết trong danh mục là bằng chứng cho không lý thuyết nào cả.

"Giá trị của một khuôn khổ là mức độ nó mô tả đúng một hệ thống bạn đã xây dựng." Đó là việc dán nhãn hậu nghiệm. Một phân loại chứa được bất kỳ thiết kế nào thì không có sức phân biệt, đó là lý do các khuôn khổ mô tả nên được đánh giá trên những gì chúng loại trừ. Câu hỏi đánh giá không phải là "hệ thống của tôi có khớp với cái này không?" mà là "khuôn khổ này sẽ nói loại hệ thống nào là sai?"

"Lý thuyết học tập, mô hình về người học và khuôn khổ chấp nhận là những lăng kính thay thế được cho nhau." Chúng trả lời những câu hỏi khác nhau — việc học diễn ra thế nào, trạng thái của người học là gì, và vì sao một thực hành lan rộng — và các loại bằng chứng của chúng cũng khác nhau tương ứng. Chọn sai tầng sẽ tạo ra một nghiên cứu đo đúng biến so với sai dự báo, và kết quả đọc như một kết quả vô hiệu trong khi thực ra là một lỗi phạm trù.

"Càng nhiều khuôn khổ thì lĩnh vực càng chín." Các khuôn khổ được đặt ra cho kỷ nguyên AI tích lũy nhanh hơn tốc độ chúng được kiểm chứng, và tích lũy mà không bác bỏ là một triệu chứng chứ không phải tiến bộ. Độ chín thể hiện ở việc các dự báo cạnh tranh nhau được giải quyết, chứ không phải ở việc vốn từ tăng lên.

Khái niệm liên quan

Phát triển lý thuyết trong AI trong giáo dục — xây dựng và sửa đổi lý thuyết trong lĩnh vực
Triết học về AI trong giáo dục — tầng quy phạm và khái niệm
Learning Theories — khái niệm ôm trùm cho lý thuyết học tập
Learning Sciences — lĩnh vực lân cận mà phần lớn lý thuyết được vay mượn từ đó
Những hạn chế trong nghiên cứu AIEd — những gì nền tảng bằng chứng có thể và không thể nâng đỡ
Kiến thức Nội dung Sư phạm Công nghệ (TPACK) — khuôn khổ kiến thức giáo viên
Technology Adoption Models — các khuôn khổ chấp nhận
Item Response Theory — một mô hình đo lường
Universal Design for Learning — một khuôn khổ thiết kế
Research Methods in AIED — cách lý thuyết được kiểm chứng

Siêu dữ liệu

Học tập và giảng dạy	Learning Theories
Đánh giá và đo lường	Assessment Validity, Item Response Theory
Phương pháp nghiên cứu và đánh giá	Research Methods in AIED
Nền tảng về AI trong giáo dục	AI trong Giáo dục, Phát triển lý thuyết trong AI trong giáo dục, Triết học về AI trong giáo dục

Nguồn Lịch sử Sửa Trò chuyện