AI đang tác động đến sinh viên như thế nào?

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

Bạn đang dùng AI cho bài tập và vẫn ổn, chỉ có điều bài thi đóng sách cứ như đang đọc ghi chú của người khác. Hoặc một người bạn nói họ chẳng viết gì mà vẫn được điểm A, và bạn tự hỏi điều đó có nghĩa gì với mình. Hoặc bạn đã bắt đầu hỏi chatbot nhiều câu hơn hỏi giảng viên của mình.

Câu trả lời ngắn, ở dạng bạn có thể nhắc lại cho một người bạn: AI hữu ích ở chỗ bạn cần phản hồi và không hữu ích ở chỗ bạn cần luyện tập. Hãy giữ bước suy nghĩ cho chính mình, tự kiểm tra mà không có công cụ trước khi nộp, và nói thẳng về những gì bạn đã dùng. Phần còn lại của trang này giải thích vì sao điều đó đúng và nó trông như thế nào vào một tối thứ Ba.

Tóm tắt

1. Quyết định trước khi mở công cụ xem bạn sẽ tự làm những phần nào của bài tập.

2. Dùng nó để gỡ tắc, để nhận phản hồi, và để xem một ví dụ mẫu. Còn việc lập luận thì tự làm.

3. Trước khi nộp, đóng tab lại và nói to lập luận của bạn cho không ai cả.

4. Giữ hai dòng ghi chú về điều bạn đã hỏi và điều bạn đã sửa.

5. Nếu việc dùng nó khiến bạn lo lắng hay xấu hổ, hãy coi đó là thông tin và nói với ai đó.

Quyết định xem công cụ để làm gì

AI có thể dựng giàn giáo cho sự hiểu biết khi nó giải thích, gợi ý và cho bạn luyện tập ở đúng mức bạn đang làm, và khi nó giữ cho bạn làm phần quan trọng về mặt nhận thức. Phiên bản đó cũng hỗ trợ việc tìm kiếm sự giúp đỡ, vì bạn có thể hỏi một câu mà bạn sẽ không hỏi trước cả phòng (Dùng AI có thực sự giúp sinh viên học không?).

Sự hỗ trợ cá nhân hóa, tức thời, rủi ro thấp có thể nâng cao động lực và mức tham gia, và lý thuyết tự quyết giải thích vì sao phiên bản hữu ích lại hiệu quả: nó nuôi dưỡng tính tự chủ, năng lực và sự kết nối. Phiên bản vô dụng thì làm hộ công việc và để cả ba thứ đó nguyên vẹn. Dùng đúng cách, nó cũng có thể xây năng lực AI, nhận thức phân tán và siêu nhận thức mà người ta muốn nói tới khi bàn về sự sẵn sàng cho một môi trường làm việc có AI tích hợp (xem năng lực thích ứng). Không thứ nào trong đó đến từ việc dùng công cụ. Chúng đến từ điều bạn làm trong lúc dùng nó. Phần lớn sinh viên nhận cả tác động tốt lẫn tác động xấu trong cùng một tuần, và đó là lập luận ở Trải nghiệm sinh viên.

Giữ lại bước mà bạn đang cố học

AI mời gọi giảm tải nhận thức, nghĩa là giao đi phần lập luận mà lẽ ra bạn phải luyện. Trường hợp rõ nhất là một thử nghiệm ngẫu nhiên có đối chứng trong đó một gia sư AI không có rào chắn cải thiện kết quả luyện tập và làm giảm kết quả thi về sau (AI Misuse and Learning Harm). Bạn giỏi hơn ở nhiệm vụ được gia sư kèm và không giỏi hơn ở thứ mà bài thi đo. Dùng quá mức cũng có thể bào mòn siêu nhận thức và khả năng tự điều chỉnh việc học, nên bạn mất khả năng biết mình có thực sự hiểu một điều gì đó hay không.

Một bản tổng hợp năm 2026 của 72 nghiên cứu trong giáo dục tin học đưa ra con số cho điều này. AI sinh tạo nâng đều mức hoàn thành ngắn hạn và giảm thời gian làm bài qua 36 nghiên cứu. Những mức tăng đó “không chuyển sang hiệu suất độc lập” qua 21 nghiên cứu. Lợi ích phụ thuộc vào nền kiến thức: sinh viên được chuẩn bị tốt chuyển hóa sự giúp đỡ thành kỹ năng bền, còn sinh viên chưa được chuẩn bị dùng nó như một chiếc nạng, thứ gỡ mất thất bại có hiệu quả, và điều đó nới rộng khoảng cách năng lực ngay trong một lớp học (Kumar và cộng sự, tổng quan hệ thống).

Hãy coi điều đó là chuyện của chính bạn nếu bạn đang yếu ở một môn. Nếu bạn chưa phân biệt được một lời giải thích tốt với một lời giải thích đầy tự tin, thì công cụ không phải là sự giúp đỡ trung lập.

Biết rằng nó ở đó cũng thay đổi mức bạn sẵn lòng vật lộn với một thứ. Sự sẵn có của AI và động lực ghi nhận mức sẵn lòng ngồi trong thất bại có hiệu quả giảm đi, và việc thụ động chấp nhận đầu ra có thể bào mòn quyền tự quyết hành động cùng cảm giác rằng mình đã làm công việc đó (xem khoảng trống an toàn).

Tự kiểm tra mà không có công cụ

Bước kiểm tra mất mười phút và là việc hữu ích nhất trên trang này. Hãy đóng mọi thứ, lấy một tờ giấy trắng, và viết lập luận của bài nộp từ ký ức: khẳng định, hai hoặc ba lý do, và điều gì sẽ chống lại nó. Rồi mở bài làm ra và so sánh.

Nếu tờ giấy trắng ra gần giống, nghĩa là bạn đã học được tài liệu và công cụ giúp bạn sắp xếp nó. Nếu tờ giấy trắng mà tài liệu thì bóng bảy, nghĩa là bạn có một khoảng cách hiệu suất, và điểm số sẽ che nó cho tới khi một bài thi hoặc một buổi tuyển dụng không che nổi. Hãy quay lại phần bạn không tái tạo được, làm nó mà không có hỗ trợ, và kiểm tra lại.

Nói thẳng về những gì bạn đã làm

AI tạo ra những hình thức gian lận học thuật mới, và quy định khóa học của bạn có lẽ mơ hồ hơn những quy định bạn lớn lên cùng. Hãy tìm hiểu bằng văn bản xem giảng viên cho phép gì, trước hạn nộp, rồi mô tả điều bạn đã làm bằng ngôn ngữ bình thường.

Sự xấu hổ và cảm giác tội lỗi quanh việc dùng AI đẩy sinh viên về phía che giấu, và che giấu lấy đi của bạn đúng một thứ có thể giải quyết mối lo, đó là một bản tường thuật chính xác về quá trình của bạn. Khả năng tiếp cận cũng không đồng đều, và đó là một vấn đề công bằng mà bạn không tạo ra, dù nó vẫn có thể giáng lên bạn. Nếu khả năng tiếp cận của bạn mỏng hơn, thì chiến lược ở đây càng quan trọng, vì không phần nào trong đó phụ thuộc vào gói đăng ký bạn đang có.

Khi AI tạo ra văn bản, kết quả có thể thôi có cảm giác là của bạn, và đó là một cái giá thật. Đó là một mối đe dọa về quyền tác giả đối với bản sắc người học, và nghịch lý năng lực trong các lĩnh vực sáng tạo cho thấy cơ chế: đầu ra càng dễ, bản sắc dựa trên tay nghề mà sinh viên nhận được từ việc làm ra nó càng ít. Nếu bạn nói được vì sao chọn ví dụ này mà không phải ví dụ kia, thì bài làm là của bạn bất kể bạn gõ câu nào trước.

Chăm sóc nỗi lo

Việc dùng AI gắn với lo âu và căng thẳng, về việc bị thay thế, về những bài đánh giá bạn không đoán trước được, và về việc theo kịp (xem phân tích toàn diện về lo âu AI). “Gắn với” là từ đúng, và tài liệu đo lường rất cẩn thận về điều đó.

Zhang, Shi và Lu khảo sát 1,484 sinh viên đại học và thấy lo âu AI tương quan âm với động lực học tập (r = -0.175) và với việc điều hòa cảm xúc (r = -0.172), với điều hòa cảm xúc làm trung gian một phần cho con đường từ lo âu tới động lực (hiệu ứng gián tiếp = -0.076). Thời lượng dùng hằng ngày gần như không dự báo được gì (r = 0.053). Kết luận của họ là việc dạy năng lực AI nên đi kèm hỗ trợ điều hòa cảm xúc và siêu nhận thức, chứ không chỉ đơn giản mở rộng khả năng tiếp cận công cụ (Zhang và cộng sự, lo âu AI và động lực học tập).

Một lưu ý trước khi bạn tự chẩn đoán mình. Một bản tổng hợp phê phán 51 tài liệu về AI hội thoại thấy rằng niềm tin, sự dựa vào, phụ thuộc quá mức, sự gắn bó và sự lệ thuộc bị gộp lẫn với nhau một cách thường xuyên, và rằng những tương quan cắt ngang với sự cô đơn, lo âu, mệt mỏi, trì hoãn và tư duy phản biện yếu hơn không xác lập được nhân quả. Dùng thường xuyên không phải là lệ thuộc nếu không có mất kiểm soát hoặc tổn hại chức năng, nên một tuần dùng nhiều không phải là một rối loạn (Yan, tổng hợp về mức tham gia và sự lệ thuộc với AI hội thoại).

Mặt cảm xúc cũng có thể tốt. Trong một nghiên cứu định tính trên 28 sinh viên và giảng viên điều dưỡng, một số người mô tả AI như một “người bạn đồng hành” mang lại sự an ủi và một không gian không phán xét trong lúc căng thẳng ở môi trường lâm sàng (Akbaba & Calik Kus, giáo dục điều dưỡng). Sự an ủi đó là thật và nó có thể chuyển dần thành sự dựa vào, nên câu hỏi về sức khỏe tinh thần và câu hỏi về việc học cần được trả lời cùng nhau. Nói với một con người về căng thẳng là phần mà chatbot không làm được, và hỗ trợ cảm xúc xã hội trước hết là một thực hành của con người.

Sinh viên hiểu sai gì về AI và việc học của chính mình

Bài nộp tốt hơn nghĩa là bạn học được nhiều hơn. Bản tổng hợp về giáo dục tin học thấy mức hoàn thành ngắn hạn tăng qua 36 nghiên cứu trong khi các mức tăng không chuyển sang được qua 21 nghiên cứu (Kumar và cộng sự, tổng quan hệ thống), và một thử nghiệm ngẫu nhiên có đối chứng tại hiện trường cho thấy phần luyện tập tốt lên trong khi kết quả thi về sau giảm (AI Misuse and Learning Harm). Tài liệu và việc học là hai đầu ra, và chỉ một trong hai được chấm điểm.

Dùng nhiều hơn sẽ hết lo về nó. Lo âu tương quan với động lực thấp hơn và điều hòa cảm xúc thấp hơn, trong khi thời lượng dùng hằng ngày gần như không dự báo được gì (r = 0.053), nên thêm giờ không phải là đòn bẩy (Zhang và cộng sự, lo âu AI và động lực học tập). Đòn bẩy trong nghiên cứu đó là điều hòa cảm xúc và hỗ trợ siêu nhận thức.

Ai cũng đang dùng nó, nên không dùng là bạn tụt lại. Những sinh viên chưa được chuẩn bị trong bản tổng hợp dùng công cụ như một chiếc nạng và đánh mất thất bại lẽ ra đã thu hẹp khoảng cách (Kumar và cộng sự, tổng quan hệ thống). Nếu bạn đang yếu, hãy làm phần cơ bản mà không có công cụ và dùng nó để tự kiểm tra sau đó.

Dùng nhiều nghĩa là bạn bị lệ thuộc. Bản tổng hợp 51 tài liệu nói rõ rằng niềm tin, sự dựa vào, sự gắn bó và sự lệ thuộc bị gộp lẫn, và rằng dùng thường xuyên chỉ được tính là lệ thuộc khi có mất kiểm soát hoặc tổn hại chức năng (Yan, tổng hợp về mức tham gia và sự lệ thuộc với AI hội thoại). Thay vào đó hãy hỏi liệu bạn có thể dừng một tuần mà vẫn làm được việc hay không.

Những gì bạn bè bạn sẽ nói

“Nó chỉ là một công cụ, như máy tính bỏ túi.” Máy tính bỏ túi gỡ đi phép tính mà bạn đã học rồi. Thử nghiệm ngẫu nhiên có đối chứng và bản tổng hợp mô tả một công cụ có thể gỡ đi phần lập luận mà bạn chưa học, đó là lý do cùng một cách dùng để lại một sinh viên mạnh hơn và một sinh viên yếu hơn (AI Misuse and Learning Harm, Kumar và cộng sự, tổng quan hệ thống).

“Tôi chỉ dùng để biên tập, nên không tính.” Biên tập là hợp lệ trong nhiều khóa học, và nó cũng là cách dùng dễ bị đánh dấu nhất, đó là một lập luận ủng hộ việc khai báo. Điều gì được tính là do khóa học của bạn quy định, nên hãy lấy câu trả lời bằng văn bản.

“Nếu tôi dừng, tôi sẽ tụt lại.” Những mức tăng ngắn hạn là thật và phần chuyển giao là phần yếu (Kumar và cộng sự, tổng quan hệ thống). Tụt lại được đo bằng điều bạn làm được trong một căn phòng không có công cụ, và đó là nơi bài thi, buổi tuyển dụng và buổi phỏng vấn diễn ra.

“Điểm của tôi vẫn ổn, nên không có gì sai.” Điểm số là một phép đo hiệu suất, và khoảng cách hiệu suất và việc học đúng là trường hợp mà chúng trông vẫn ổn (AI Misuse and Learning Harm). Nếu bạn muốn biết mình có học được gì không, hãy hỏi điều bạn làm được khi không có công cụ.

Việc cần làm trong tuần này

1. Chọn bài tập tiếp theo và viết ra một bước bạn sẽ làm mà không mở công cụ nào.

2. Chạy bài kiểm tra tờ giấy trắng trên một thứ bạn đã nộp tháng trước. Mười phút, từ ký ức.

3. Thêm hai dòng vào quy trình của bạn: bạn đã hỏi công cụ điều gì, và bạn đã sửa gì.

4. Hỏi giảng viên của bạn, bằng văn bản, điều gì được tính là sử dụng được phép ở bài đánh giá tiếp theo.

5. Nếu nỗi lo là vấn đề lớn hơn, hãy nói với một người trong tuần này.

Đi tiếp từ đây

Dùng AI có thực sự giúp sinh viên học không? là câu hỏi về bằng chứng đứng sau trang này, và Tôi nên dùng AI để học và tiếp thu hiệu quả như thế nào? trình bày các nếp làm việc. AI ảnh hưởng đến lo âu và sức khỏe tinh thần của sinh viên như thế nào, và chúng ta có thể làm gì? đi xa hơn về phía lo âu, và Guardrails giải thích cách một giàn giáo trở thành một thứ thay thế. Góc nhìn thiết kế khóa học nằm ở Tôi nên đưa năng lực AI vào khóa học của mình như thế nào? và Bằng chứng về các can thiệp năng lực AI trong giáo dục đại học là gì?.