AI ảnh hưởng đến lo âu và sức khỏe tinh thần của sinh viên như thế nào, và chúng ta có thể làm gì?

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

Một sinh viên ở lại sau giờ học và nói với bạn rằng hoàn thành tấm bằng không còn đáng nữa, vì AI đã làm được công việc mà họ đang được đào tạo cho. Một người khác im lặng hẳn trong học kỳ này: nộp bài ít hơn, không hỏi gì, không có mặt trong buổi thảo luận. Bạn còn mười phút trước tiết tiếp theo và không có cách nào biết đây là chuyện cần một chiến lược hay cần một chỉ dẫn chuyển tuyến.

Câu trả lời để nói với một đồng nghiệp: phần lớn những gì tạo ra lo âu về AI nằm ở sự nghiệp và năng lực chứ không nằm ở công nghệ, và việc trấn an không làm thay đổi cả hai chỗ đó. Trải nghiệm làm chủ, bằng chứng rằng công việc liên quan tới AI là đáng để bỏ công, và khả năng thích ứng nghề nghiệp là những gì các nghiên cứu này chỉ tới. Một số ít sinh viên cần được chuyển tuyến chứ không cần một chiến lược, và bằng chứng về chỗ ranh giới đó nằm ở đâu thì mỏng hơn bạn mong muốn.

Tóm tắt

1. Tìm xem bạn đang đối diện với nỗi sợ nào. Nỗi sợ về sự nghiệp và sự nghi ngờ năng lực cần những câu trả lời khác nhau, và giữa hai điều đó là phần lớn liên hệ với lo âu.

2. Đừng mở đầu bằng cách trấn an. Sự động viên mà không làm thay đổi đánh giá của sinh viên về năng lực của chính họ sẽ không làm lay chuyển cảm xúc.

3. Cho họ một nhiệm vụ họ có thể làm thành công, và một nhiệm vụ họ phải phê phán. Luyện tập rủi ro thấp cộng với việc đánh giá có hướng dẫn đầu ra của AI có chỗ dựa tốt hơn một bài nói về tương lai việc làm.

4. Đặt câu hỏi về nghề nghiệp vào trong khóa học. Khả năng thích ứng nghề nghiệp là cơ chế mà nghiên cứu mạnh nhất ở đây xác định, và việc tin vào bản thân không thay thế được nó.

5. Biết đường chuyển tuyến của bạn trước khi cuộc trò chuyện bắt đầu, và coi sự vô vọng về tấm bằng là tín hiệu chứ không phải sự bực bội với một công cụ.

6. Nếu ai đó đề xuất một công cụ chăm sóc sức khỏe tinh thần, hãy hỏi điều gì xảy ra khi nó sai, và hoãn triển khai cho tới khi bạn có câu trả lời.

Gọi tên nỗi sợ trước khi trả lời nó

Kim và cộng sự định nghĩa lo âu AI là sự lo ngại hay sợ hãi do tốc độ phát triển của AI tạo ra. Họ tách nó khỏi lo âu tự động hóa kiểu cũ vì AI đe dọa các vai trò nhận thức và chuyên môn chứ không phải các nhiệm vụ chân tay, và họ gọi nỗi sợ bị AI thay thế là yếu tố đóng góp chính, với sự tăng trưởng AI không kiểm soát, những lo ngại về quyền riêng tư, thông tin sai lệch do AI tạo ra và thiên lệch của AI là các nguyên nhân thứ cấp. Hãy đọc điều đó đối chiếu với sinh viên đang ngồi trước mặt bạn: người lo bị thay thế đang lo về thị trường lao động mà họ sắp bước vào, không phải về công cụ bạn đã trình diễn tuần trước.

Lo lắng về sự nghiệp là phiên bản có bằng chứng tốt nhất của chuyện này. Üstün và Danacıoğlu (2026) khảo sát 1,057 sinh viên tại 35 trường đại học Thổ Nhĩ Kỳ và thấy rằng lo âu AI cao hơn cùng thái độ tiêu cực hơn với AI đi kèm lo âu tìm việc sau tốt nghiệp cao hơn. Sinh viên nữ, sinh viên khối khoa học xã hội và sinh viên năm hai báo cáo mức này cao hơn. Dağ và cộng sự (2026) thấy một tương quan dương mức trung bình giữa lo âu AI và lo âu tìm việc trong 821 sinh viên khối khoa học sức khỏe (r = 0.233, p < 0.001), với lo âu AI vẫn là yếu tố dự báo có ý nghĩa sau khi kiểm soát các biến nhân khẩu xã hội (β = 0.234, p < 0.001). Duan và cộng sự (2026) đưa câu hỏi đi tới hệ quả: trong một mô hình phương trình cấu trúc trên 315 sinh viên đại học Trung Quốc, lo âu AI dự báo những quyết định nghề nghiệp kém hơn một cách trực tiếp và gián tiếp qua việc làm suy yếu khả năng thích ứng nghề nghiệp, và con đường qua trung gian đó chiếm 63.35% tổng hiệu ứng.

Sự thích nghi bình thường nghe như một sinh viên nói rằng họ chưa biết cách dùng thứ này cho tốt. Hãy chú ý khi nó nghe như thể hoàn thành chương trình là vô nghĩa, khi sinh viên thu mình lại thay vì phàn nàn, hoặc khi nỗi lo bị mang một mình vì nêu ra có cảm giác như thừa nhận sự yếu kém. Mẫu hình cuối cùng đó là điều Bashir và Afzal (2026) mô tả trong sinh viên đại học Pakistan, nơi việc bộc lộ phải trả một cái giá vì định kiến.

Thay việc trấn an bằng một nhiệm vụ họ có thể làm thành công

Một khảo sát hai đợt trên 547 sinh viên đại học Trung Quốc đặt lo âu học tập vì AI vào trong lý thuyết kiểm soát, giá trị (Jiang, Chen và Chen, 2026). Theo cách giải thích này, lo âu đến từ hai phép đánh giá. Một là liệu sinh viên có cảm thấy mình đủ khả năng xử lý các nhiệm vụ học tập liên quan tới AI hay không, được đo bằng hiệu năng tự thân trong học tập với AI. Hai là liệu họ có đánh giá AI là hữu ích cho công việc học thuật hay không, được đo qua cấu trúc nhận thức hữu ích. Hiệu năng tự thân có liên hệ âm mạnh hơn với lo âu và cũng dự báo nhận thức hữu ích. Nhận thức về sự hỗ trợ của nhà trường gắn với lo âu thấp hơn ngay cả khi cả hai phép đánh giá đã có trong mô hình, nhưng phần lớn liên hệ đó đi qua chúng, chỉ còn khoảng một phần ba là liên hệ trực tiếp. Khi mô hình hóa riêng rẽ, chỉ hỗ trợ thông tin giữ được một con đường đáng tin tới hiệu năng tự thân, và đó là chỗ việc đào tạo năng lực AI, các hướng dẫn sử dụng có trách nhiệm và hỗ trợ kỹ thuật dễ tiếp cận có chỗ đứng.

Cách dạy đi kèm thì không hào nhoáng. Hãy xây những trải nghiệm làm chủ: luyện tập rủi ro thấp, đánh giá có hướng dẫn đầu ra của AI, sửa bài dựa trên phản hồi. Cho sinh viên bằng chứng cụ thể rằng công việc liên quan tới AI là đáng bỏ công, vì giá trị là phép đánh giá thứ hai và nó dịch chuyển theo trải nghiệm chứ không theo lý lẽ. Hãy làm cho sự hỗ trợ của bạn mang tính thông tin, loại trả lời câu hỏi về cách một thứ vận hành, chứ không chỉ thuần túy an ủi.

Không ai trong tài liệu này kiểm tra gói đó với một nhóm đối chứng. Khuyến nghị này suy ra từ mô hình đánh giá, và chính các tác giả nói rõ thiết kế của họ không thể xác lập chiều nhân quả, thứ tự thời gian hay trung gian nhân quả. Mẫu là mẫu thuận tiện, lệch về các ngành STEAM, được đo bằng tự báo cáo, và mức lo âu nhìn chung thấp với phương sai hạn chế, điều có thể đã làm phẳng các ước lượng. Hãy coi hướng đi là có căn cứ và độ lớn hiệu ứng là chưa biết.

Dạy việc soi xét, và lường trước rằng mức tham gia sẽ tăng theo

Lo âu và mức tham gia có thể cùng dịch chuyển, điều này thay đổi mục tiêu bạn đang theo đuổi. Trong một khảo sát 107 sinh viên, Kim (2026) thấy lo âu AI cao hơn tương quan dương với hành vi kiểm chứng và sửa bài (β = .24, p < .01), và năng lực đánh giá dự báo mức tham gia chủ động (β = .46, p < .001). Sinh viên được chia thành bốn kiểu điều chỉnh: phụ thuộc không phê phán (18.7%), tích hợp có chọn lọc (34.6%), chuyển hóa có đánh giá (31.8%), từ chối có chiến lược (14.9%).

Nếu lo âu có thể đi kèm hành vi cẩn thận hơn, thì việc giảm cảm giác đó là mục tiêu sai. Dạy việc soi xét và phán đoán có đánh giá biến một sinh viên lo âu thành một người dùng AI sinh tạo có chủ đích thay vì một người né tránh. Thói quen đó là chủ đề của dạy sinh viên kiểm chứng đầu ra của AI, và Năng lực AI (AI Literacy) là khung rộng hơn mà nó nằm trong đó.

Đưa câu hỏi nghề nghiệp vào trong phòng học

Duan và cộng sự (2026) kết luận rằng khả năng thích ứng nghề nghiệp là cơ chế bảo vệ then chốt, và họ khuyến nghị phổ cập hóa các khóa về năng lực AI và lập kế hoạch nghề nghiệp song song với việc gắn kết ngành nghề và giáo dục. Dağ và cộng sự (2026) đi tới cùng một chỗ từ khối khoa học sức khỏe: tăng cường các chương trình cùng với năng lực AI và tư vấn nghề nghiệp, vì lo âu AI định hình tương lai nghề nghiệp của sinh viên chứ không phải ý kiến của họ về một công cụ. Không phát hiện nào trong hai đến từ một can thiệp, nên thứ bạn có là một mục tiêu được lập luận tốt, không phải một chương trình đã được kiểm nghiệm.

Đòn bẩy còn lại có bằng chứng là điều hòa cảm xúc. Trong một khảo sát 1,484 sinh viên đại học Trung Quốc, Zhang, Shi và Lu (2026) thấy lo âu AI tương quan âm với điều hòa cảm xúc (r = -0.172) và với động lực học tập (r = -0.175), trong khi điều hòa cảm xúc tương quan dương với động lực (r = 0.457), tất cả p < 0.001. Phân tích bootstrap xác nhận một con đường gián tiếp âm từ lo âu tới động lực qua điều hòa cảm xúc (hiệu ứng gián tiếp = -0.076, 95% CI -0.108 đến -0.047), với con đường trực tiếp vẫn có ý nghĩa. Thời lượng dùng AI hằng ngày chỉ tương quan yếu với động lực (r = 0.053), điều này chống lại việc đọc thời gian dùng công cụ như chất lượng của mức tham gia. Khuyến nghị của họ là đưa hỗ trợ điều hòa cảm xúc và siêu nhận thức vào giáo dục năng lực AI, có chú ý tới giới tính, vì trong dữ liệu của họ liên hệ giữa điều chỉnh và động lực mạnh hơn ở sinh viên nam.

Cụ thể, việc này có thể là một bài phản tư viết ngắn trước và sau một nhiệm vụ có AI hỗ trợ và có chấm điểm, hoặc một cuộc trò chuyện ngắn có cấu trúc về điều sinh viên sẽ làm nếu vai trò họ nhắm tới thay đổi. Cả hai đều rẻ. Chưa có cái nào được kiểm nghiệm như một can thiệp chống lo âu, và thiết kế của Zhang, Shi và Lu là cắt ngang và tự báo cáo, nên họ không thể chứng minh nhân quả.

Nói rõ điều gì được phép, và chỗ nào có hỗ trợ

Im lặng về AI được một số sinh viên đọc là cấm đoán và những người khác đọc là bỏ mặc, và cách đọc nào cũng nuôi dưỡng vấn đề đánh giá ở trên. Hãy viết kỳ vọng ra giấy: điều gì được phép, điều gì phải khai báo, có hỗ trợ nào khi sinh viên đang vật lộn với công cụ. Hãy nói chúng thành lời trong lớp nữa. Nhận thức về sự hỗ trợ đi trước những đánh giá thuận lợi, và đây là phiên bản hỗ trợ rẻ nhất mà bạn kiểm soát được.

Hãy chuyển tuyến khi nỗi lo đã thôi là chuyện về một công cụ và trở thành chuyện về giá trị của chính sinh viên, về chỗ đứng của họ trong chương trình, hoặc về tương lai của họ: vô vọng về việc hoàn thành, thu mình khỏi công việc và khỏi người khác, những câu nói rằng họ không thấy tương lai nghề nghiệp nào. Bất cứ điều gì gợi ý nguy cơ cho sự an toàn là một ca chuyển tuyến ngay theo quy trình của cơ sở bạn, và không phải cuộc trò chuyện bạn tự xử lý một mình.

Lo âu nghề nghiệp thuộc về dịch vụ hướng nghiệp, vì đó là chuyện tư vấn chứ không phải vấn đề tinh thần, và Duan và cộng sự (2026) thấy rằng chỉ hiệu năng tự thân thì không đệm được tổn hại cho các quyết định nghề nghiệp. Các cơ sở giáo dục là cấp độ mà bằng chứng chỉ tới, với Dağ và cộng sự (2026) khuyến nghị năng lực AI và tư vấn nghề nghiệp cùng với việc tăng cường các chương trình. Nếu điều bạn đang thấy là một sinh viên bị chặn khỏi các công cụ bắt buộc vì khuyết tật hoặc vì nhu cầu tiếp cận, thì việc đó thuộc về văn phòng xử lý các điều chỉnh hỗ trợ ở cơ sở của bạn, và đó là một cuộc trò chuyện khác với cuộc này.

Bạn còn một đòn bẩy mà mẫu chuyển tuyến không có. Bashir và Afzal (2026) xếp quan hệ thầy trò ở vị trí thứ hai trong phân tích mức quan trọng của đặc trưng (10.0%), trên chất lượng giấc ngủ (9.3%), trầm cảm (8.3%) và hỗ trợ xã hội (7.6%). Các tác giả trình bày đó như một giả thuyết cần dữ liệu thu thập tại địa phương. Nó vẫn là một lý do để chắc rằng sinh viên biết bạn là một con đường dẫn tới sự giúp đỡ.

Quyết định xem một công cụ chăm sóc tinh thần có thuộc về đây không

Một chatbot hướng tới sinh viên hấp dẫn nhất với những sinh viên sẽ không nêu nỗi khổ với cha mẹ, thầy cô hay bạn bè, và đó đúng là mẫu hình bộc lộ mà Bashir và Afzal (2026) mô tả. Hệ thống của họ huấn luyện một bộ phân loại căng thẳng bằng Random Forest trên 1,100 phản hồi khảo sát với 20 đặc trưng và đạt độ chính xác 89.09% trên ba mức độ nghiêm trọng, đi kèm một lớp đối thoại Chăm sóc theo bậc bằng tiếng Anh, tiếng Urdu và tiếng Urdu La Mã. Phân tích mức quan trọng của đặc trưng của họ đặt huyết áp ở vị trí đầu (15.6%) và quan hệ thầy trò ở vị trí thứ hai (10.0%), với mức lo âu ở vị trí thứ chín (4.8%), điều họ đọc như bằng chứng rằng nỗi khổ của sinh viên là đa chiều.

Điều họ thừa nhận quan trọng hơn con số độ chính xác. Một bộ phân loại đã huấn luyện quyết định bậc hỗ trợ, còn chuyện gì xảy ra khi phân loại sai một cách có hại, việc bộc lộ được lưu trữ thế nào, những biện pháp bảo vệ quyền riêng tư nào được áp dụng, và việc chuyển lên tư vấn với người thật diễn ra ra sao thì đều bỏ ngỏ. Ranh giới giữa sự giám sát của con người và việc động viên tự động vẫn là một câu hỏi thiết kế. Hệ thống không được trình bày như một công cụ lâm sàng hay trị liệu, và lớp đối thoại được kiểm tra bằng đầu vào mô phỏng cùng thử nghiệm khả dụng không chính thức thay vì với sinh viên, về mức phù hợp văn hóa, an toàn cảm xúc hay sự hài lòng. Không có dữ liệu kết quả nào về sinh viên cả.

Cùng mẫu hình đó xuất hiện trong tài liệu rộng hơn về công cụ. Một luận án về các công cụ chăm sóc tinh thần trên khuôn viên đại học do AI điều khiển (Tang, 2026) báo cáo một chatbot khảo sát (TigerGPT) đạt 75% khả dụng và 81% hài lòng, và một khung hỏi tiếp thích ứng (AURA) tạo ra mức tăng chất lượng trung bình +0.12 (p = 0.044, d = 0.66) bằng cách dùng học tăng cường để chọn xem nên xác nhận, cụ thể hóa, phản chiếu hay dò hỏi. Luận án cũng mô tả một thành phần đánh giá sức khỏe tâm thần dựa trên hướng dẫn DSM-5 và PHQ-8 thay vì phân loại hộp đen, và một kiến trúc nhiều mô hình xếp chồng được cho là cắt giảm rủi ro ảo giác và vượt các mô hình đơn trên Benchmark DAIC-WOZ. Đây là những kết quả phát triển hệ thống. Chúng đo xem công cụ có làm đúng điều nó được thiết kế để làm hay không, chứ không đo xem sức khỏe tinh thần của sinh viên có tốt lên hay không. Con số 89.09% đến từ một lần chia tập giữ lại duy nhất, trên dữ liệu huấn luyện không đại diện cho sinh viên Pakistan, trong một hệ thống được xây bằng tiếng Anh với các cách diễn đạt tiếng Urdu được gợi ý sẵn.

Đặt ra những điều kiện mà khóa học không thể đặt

Những chuyển động trong lớp học ở trên cần tới sự che chở ở cấp cơ sở, còn tài liệu chính sách quanh AI và học tập cảm xúc xã hội thì mỏng hơn tham vọng triển khai. Tran, Liu và Nguyen (2026) xem xét 65 bài báo bình duyệt ở giao điểm giữa AI và SEL: gần ba phần tư hoàn toàn không nhắc gì tới hàm ý chính sách, chỉ khoảng một trong bốn đưa ra bất kỳ khuyến nghị chính sách nào, và rất ít bài đưa hướng dẫn cụ thể cho từng chủ thể về quyền riêng tư, đào tạo giáo viên hay phân bổ nguồn lực. Khung WH của họ hỏi ai nên hành động, hành động nào được khuyến nghị, vì sao, khi nào, ở đâu và được đóng khung mạnh tới mức nào, và phần lớn các bài bỏ ngỏ những câu hỏi đó. Mức tham gia chính sách tương quan với nơi công bố, điều mà những người tổng quan đọc như một cấu trúc động lực ưu ái tính mới lạ kỹ thuật hơn quản trị, và họ gọi kết quả này là bẫy giải pháp kỹ thuật: tiềm năng kỹ thuật được đưa lên trước còn các điều kiện để sử dụng có trách nhiệm thì không được nêu rõ. Với tính công bằng, điều đó nghĩa là những công cụ AI cho SEL nghe có vẻ hợp lý có thể được áp dụng mà không có các biện pháp bảo vệ quyền riêng tư, sự chuẩn bị cho giáo viên và sự công bằng về nguồn lực mà việc áp dụng đó đòi hỏi.

Nếu bạn đang ngồi ở cấp nơi những quyết định này được đưa ra, câu hỏi thực tế cũng là câu hỏi mà lớp học đặt ra. Ai chịu trách nhiệm khi công cụ sai, điều gì xảy ra với những gì sinh viên bộc lộ, và ai đã được đào tạo để đọc đầu ra.

Giảng viên và nhà quản lý hiểu sai gì về điều này

Lo âu AI thực ra là sự khó chịu với công nghệ mới, và nó phai dần khi sự quen thuộc tăng lên. Các yếu tố thúc đẩy trong những nghiên cứu này là những phép đánh giá về sự nghiệp và năng lực: nỗi sợ bị thay thế đứng đầu, và lo âu AI vẫn dự báo lo âu tìm việc sau khi kiểm soát các biến nhân khẩu xã hội. Thời lượng dùng hằng ngày tương quan với động lực ở mức r = 0.053, nên thời gian với công cụ nói rất ít về động lực.

Trấn an là hỗ trợ. Động viên nhắm vào cảm giác, còn mô hình đánh giá nói rằng cảm giác nằm sau các phán đoán về năng lực và giá trị. Hỗ trợ thông tin là kiểu hỗ trợ duy nhất giữ được một con đường đáng tin tới hiệu năng tự thân trong mô hình của Jiang, Chen và Chen.

Mục tiêu là làm lo âu giảm xuống. Kim (2026) thấy lo âu tương quan dương với việc kiểm chứng và sửa bài, và năng lực đánh giá dự báo mức tham gia. Một sinh viên bình tĩnh hơn mà chấp nhận đầu ra đầu tiên thì chưa được giúp gì.

Sự tự tin bảo vệ sinh viên khỏi tổn hại nghề nghiệp. Trong mô hình của Duan và cộng sự, hiệu năng tự thân không đệm được tổn hại đó. Khả năng thích ứng nghề nghiệp mới là thứ mang con đường qua trung gian.

Đây là vấn đề của dịch vụ sinh viên. Phần lớn các động tác trên trang này là việc giảng dạy: luyện tập rủi ro thấp, đánh giá có hướng dẫn đầu ra của AI, sửa bài dựa trên phản hồi, và một bản nêu kỳ vọng để sinh viên đọc. Biết đường chuyển tuyến chỉ là một mục trong số đó.

Một chatbot chăm sóc tinh thần là câu trả lời có thể mở rộng cho năng lực tư vấn mỏng. Tính sẵn có là thật và sức hấp dẫn là dễ hiểu. Độ chính xác trên một lần chia tập giữ lại không phải bằng chứng rằng một sinh viên đang khổ sở thì khá hơn, và các câu hỏi về phân loại sai, lưu trữ và chuyển tuyến không có câu trả lời nào được công bố trong các công trình được dẫn ở đây.

Những phản đối bạn sẽ gặp

“Các em cần học khả năng chịu đựng, không cần sự dễ dãi.” Đúng một phần, và phiên bản đầy tự tin thì hiểu sai cơ chế. Zhang, Shi và Lu thấy điều hòa cảm xúc tương quan dương với động lực (r = 0.457) trong khi lo âu tương quan âm với cả hai, đó là một lập luận ủng hộ việc dạy điều chỉnh. Nhưng khả năng chịu đựng hiểu theo nghĩa tin vào bản thân mạnh hơn là thứ đã thất bại trong phép kiểm tra điều tiết của Duan và cộng sự. Khả năng chịu đựng hiểu theo nghĩa tập dượt, trải nghiệm làm chủ và thích ứng nghề nghiệp là thứ các nghiên cứu chỉ tới, và chưa có phần nào trong đó được kiểm nghiệm như một chương trình.

“Rồi sẽ qua khi sinh viên quen với công cụ.” Thời gian với công cụ không phải cơ chế. Thời lượng dùng AI hằng ngày tương quan yếu với động lực (r = 0.053) trong khảo sát 1,484 sinh viên, và Dağ và cộng sự (2026) thấy lo âu AI vẫn dự báo lo âu tìm việc sau khi kiểm soát các biến nhân khẩu xã hội (β = 0.234, p < 0.001).

“Tôi là giáo viên bộ môn, không phải người tư vấn tâm lý.” Không ai yêu cầu bạn trị liệu cho ai. Luyện tập rủi ro thấp, một nhiệm vụ phê phán và một vòng sửa bài là những động tác giảng dạy bình thường. Phát hiện duy nhất nói về vị trí của bạn là quan hệ thầy trò đứng thứ hai trong phân tích mức quan trọng của đặc trưng của Bashir và Afzal (10.0%), trên chất lượng giấc ngủ (9.3%) và hỗ trợ xã hội (7.6%). Các tác giả gọi đó là một giả thuyết, và nó là một canh bạc hợp lý cho một vai trò bạn đã đang giữ.

“Chúng tôi không có năng lực tư vấn, nên có công cụ vẫn hơn không có gì.” Có thể, và trang này không thể phân xử điều đó. Điều bạn có thể nhất quyết đòi trước khi triển khai là những câu trả lời bằng văn bản về kiểm định độ chính xác, cách bậc hỗ trợ được quyết định, điều gì xảy ra khi phân loại sai một cách có hại, việc bộc lộ được lưu trữ thế nào, và việc chuyển tuyến tới người thật diễn ra ra sao. Không có câu trả lời thì không triển khai. Một sinh viên bộc lộ với một công cụ xếp sai hồ sơ của mình có thể sẽ không bộc lộ lần nữa.

“Nếu tôi nêu chuyện triển vọng nghề nghiệp trong lớp thì tôi đang vượt ra ngoài bộ môn của mình.” Cách thay thế là sinh viên tự ghép câu trả lời của mình từ thị trường lao động và từ nhau. Duan và cộng sự khuyến nghị công việc lập kế hoạch nghề nghiệp như một phần của chương trình học thuật, và Dağ và cộng sự khuyến nghị nó song song với năng lực AI. Bạn có thể tổ chức cuộc trò chuyện đó mà không cần nhận mình là chuyên gia về nó, và chuyển các trường hợp cá nhân sang dịch vụ hướng nghiệp.

Việc cần làm trong tuần này

1. Đo nhiệt độ của một tiết học bằng văn bản. Hỏi sinh viên AI có ý nghĩa gì với công việc họ đang nhắm tới. Bạn có được yếu tố thúc đẩy bằng chính lời của họ, và bạn có một danh sách sinh viên đáng để hỏi thêm riêng.

2. Thay một lần trấn an bằng một động tác đánh giá. Đổi năm phút “em sẽ ổn thôi” lấy một nhiệm vụ trong đó sinh viên đánh giá và sửa một đầu ra của AI.

3. Viết kỳ vọng về việc dùng AI ra giấy, gồm điều gì được phép, điều gì phải khai báo và có hỗ trợ nào, rồi đọc to một lần.

4. Tìm đầu mối dịch vụ hướng nghiệp của bạn và đường chuyển tuyến của cơ sở ngay bây giờ, trước khi cần tới chúng, để cuộc trò chuyện kết thúc bằng một cái tên.

5. Trước khi áp dụng bất kỳ công cụ chăm sóc tinh thần hay công cụ nhận biết cảm xúc nào, hãy lấy năm câu trả lời bằng văn bản ở trên. Nếu nhà cung cấp không đưa được, đó là câu trả lời của bạn.

Đi tiếp từ đây

Anxiety and Stress là phần trình bày khái niệm về chính cảm xúc này, gồm căng thẳng do giám sát thi, mặt có ích của lo âu và lo âu của nhà giáo dục. sức khỏe tinh thần bao quát cách đóng khung trạng thái tích cực trên các chiều cảm xúc, tâm lý và xã hội. Về bức tranh xung quanh, AI đang tác động đến sinh viên như thế nào? xử lý tác động chung của AI lên sinh viên, còn Làm sao thiết kế lại đánh giá để điểm số vẫn cho tôi biết điều gì đó bảo vệ được về những gì sinh viên biết hoặc có thể làm? trình bày phía đánh giá trong một phản ứng ở cấp cơ sở. Career Development and Readiness là nơi lập luận về nghề nghiệp tiếp tục.