Những khoảng trống đáng chú ý trong tài liệu nghiên cứu về AI trong giáo dục là gì?

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

Hạn nộp một khoản tài trợ còn tám ngày, và phần bối cảnh cần một câu về điều mà lĩnh vực này chưa biết. Hoặc một đồng nghiệp đã nói với hội đồng rằng gia sư AI nâng cao thành tích, dẫn ra một thí nghiệm hai năm trên 18 trường trung học cơ sở, và bạn là người phải nói xem nghiên cứu đó có thể chống đỡ được điều gì. Hoặc bạn đang chọn một câu hỏi luận án và mọi phiên bản của nó dường như đã có người làm.

Những khoảng trống đáng kể nằm ở độ mạnh, độ cụ thể và khả năng áp dụng. AI có thể thực hiện các nhiệm vụ giáo dục; những câu hỏi còn mở là liệu một thiết kế cụ thể có tạo ra lợi ích bền vững không, cho ai, qua cơ chế nào, và trong điều kiện nào. Sự phân biệt đó quyết định hai việc trên bàn làm việc của bạn: nghiên cứu gì tiếp theo, và ngừng khẳng định điều gì trong lúc chờ. Những hạn chế trong nghiên cứu AIEd là bản danh mục đứng sau trang này. Bằng chứng về hệ thống gia sư thông minh, phân tích học tập dự báo, AI sinh tạo và các tác nhân tự trị cũng không thể thay thế cho nhau, và nghiên cứu về việc dùng AI để hỗ trợ học tập khác với nghiên cứu về việc dạy người ta hiểu về AI, như phần tổng quan AI trong giáo dục giải thích.

Tóm tắt

1. So sánh AI với một phương án mạnh không dùng AI, giữ nguyên chương trình, phần luyện tập và phần hỗ trợ, rồi nói rõ AI đã thêm được gì.

2. Đo hiệu suất sau một khoảng trễ, khi không có trợ giúp, và nêu rõ rằng hiệu suất có trợ giúp không phải là lợi ích học tập.

3. Báo cáo thành phần nào trong gói can thiệp đã tạo ra kết quả và bạn khẳng định cơ chế nào.

4. Kiểm định mọi điểm số tự động và mọi người học mô phỏng dựa trên người học thật, kể cả những người học ngoài mẫu phát triển của bạn.

5. Nêu rõ ranh giới quần thể, vì một con số trung bình gộp không trả lời được câu hỏi về công bằng.

6. Mô tả cách sắp xếp đủ chi tiết để người khác có thể dựng lại.

Chọn một phép so sánh cô lập được AI

Các thí nghiệm lớp học nghiêm ngặt đã có, nên câu “chúng ta cần thử nghiệm ngẫu nhiên” không còn chỉ ra được khoảng trống nữa. Câu hỏi sắc hơn là liệu thành phần AI có thêm giá trị gì ngoài việc luyện tập nhiều hơn, tài liệu tốt hơn, phản hồi kịp thời hay nhiều hỗ trợ giảng dạy hơn.

One Click Away báo cáo mức tăng thành tích khiêm tốn trên 18 trường trung học cơ sở, song song với việc ít tham gia thực chất vào các cuộc trò chuyện với gia sư, và các tác giả lưu ý rằng mức tăng ấy giống mức tăng từ việc luyện tập có cấu trúc mà không có AI. Đó là bằng chứng về một gói can thiệp đã được triển khai, và nó không thể cô lập được phần AI đã thêm vào trong đó.

Vấn đề nằm bên dưới vừa mang tính khái niệm vừa mang tính thực nghiệm. “ChatGPT” là tên một công cụ, không phải một phương pháp. Weidlich và cộng sự (2025) rà soát 19 nghiên cứu so sánh ChatGPT trong giáo dục: chỉ 4 nghiên cứu (21%) nêu đủ cả ba yếu tố, gồm một can thiệp có thể lặp lại, một nhóm đối chứng được tác nghiệp hóa và một thước đo học tập hợp lệ (74% có can thiệp được định nghĩa rõ, 42% có đối chứng được định nghĩa rõ, 53% có một kết quả học tập). Khi AI mới xuất hiện cùng với hoạt động mới, phản hồi mới hay thiết kế giao diện mới, phương tiện và phương pháp bị nhiễu lẫn nhau và không hiệu ứng nào thuộc về AI.

Điều gì sẽ giải quyết được: các phép so sánh với những phương án thay thế không dùng AI thực tế, giữ chương trình, cơ hội luyện tập và hỗ trợ càng cố định càng tốt, cộng với những lần lặp lại độc lập qua cơ sở, giảng viên, môn học và mô hình. Các phương pháp trả lời những câu hỏi khác nhau ở đây. Công trình định tính và dựa trên thiết kế giải thích việc triển khai, trong khi các thí nghiệm được thiết kế tốt mang các khẳng định nhân quả, như Phương pháp nghiên cứu hiệu quả trình bày.

Đo việc học sau khi công cụ không còn

Công việc tốt hơn trong lúc dùng AI không phải bằng chứng về việc học còn tồn tại sau khi trợ giúp chấm dứt. Các tổng quan Lợi ích học tập và Giảm tải nhận thức vẫn vạch cùng một ranh giới giữa hiệu suất có trợ giúp, kiến thức được giữ lại, lập luận độc lập và chuyển giao.

Making AI Tutoring Productive cho thấy vấn đề đo lường trong một thí nghiệm ngẫu nhiên với hơn 6,000 học sinh trung học cơ sở. Một quy tắc thành thạo “ba câu đúng liên tiếp” làm tăng mức thành công do nền tảng định nghĩa mà tự nó không tạo ra lợi ích học tập nào đo được sau một tuần. Bằng chứng mạnh nhất từ bài kiểm tra trễ xuất hiện khi AI nằm bên trong quy trình thành thạo và tập trung vào tài liệu đã được luyện.

Khoảng trống còn lại nằm ở quỹ đạo của năng lực, và thêm một bài kiểm tra sau can thiệp không lấp được nó. Chưa ai xác lập được việc duy trì qua nhiều tháng, chuyển giao qua các nhiệm vụ, hiệu suất sau khi rút bỏ trợ giúp, hay độ chính xác của người học khi đánh giá điều họ biết, và lĩnh vực này chưa tách được việc không tiếp thu nổi một kỹ năng khỏi việc suy giảm một kỹ năng đã có. Nghiên cứu về giảm tải vẫn cần chỉ ra khi nào việc ủy thác hỗ trợ những quỹ đạo ấy và khi nào nó thay thế chính phần luyện tập tạo ra chúng.

Tìm ra phần nào của gói can thiệp đã tạo ra kết quả

“Học tập có AI hỗ trợ” thường gộp nhiều thay đổi: phản hồi mới, thêm phản tư, thảo luận với bạn học, trình tự nhiệm vụ khác, động cơ đánh giá bị thay đổi. Một gói thành công không cho bạn biết thành phần nào là cần thiết.

Thiết kế phản hồi GenAI lấy con người làm trung tâm là một bước tiến thật sự về câu hỏi đó. Trong 1,176 sinh viên năm thứ nhất, các thiết kế phản tư và thiết kế hỗn hợp vượt trội hơn phản hồi AI trực tiếp ở khả năng chuyển giao trễ khi không có AI. Điều kiện hỗn hợp kết hợp tự đánh giá, phản hồi từ bạn học và phê bình của AI. Điều đó tách cách phản hồi được tổ chức và sử dụng khỏi việc sinh viên có được tiếp cận phản hồi hay không.

Vẫn còn mở: đóng góp và thời điểm của những lần thử độc lập ban đầu, tự giải thích, ý kiến bạn học, phản hồi sửa lỗi, gợi ý và việc giảm dần trợ giúp, cùng cách mỗi yếu tố tương tác với kiến thức tiền đề và độ khó nhiệm vụ.

Khoảng trống lý thuyết chạy song song. Nêu tên một lý thuyết học tập không phải là kiểm nghiệm nó. Một nghiên cứu cần một dự đoán lý thuyết gắn với một hành vi cụ thể của hệ thống và một quá trình học tập đo được, và phân tích trung gian thống kê đóng góp vào lời giải thích đó mà không xác lập một cơ chế nhân quả. Phát triển lý thuyết trong AI trong giáo dục và giàn giáo đẩy lập luận đi xa hơn.

Kiểm định thước đo trước khi diễn giải nó

Các cấu trúc như mức độ tham gia, tư duy phản biện, năng lực AI và cá nhân hóa được đo không nhất quán trong tài liệu này. Tự báo cáo mô tả nhận thức; chúng không thể thay cho năng lực đã được thể hiện. Độ chính xác kỹ thuật, chất lượng đầu ra do chuyên gia đánh giá và việc học của sinh viên là ba mục tiêu đánh giá khác nhau. Đo lường giáo dục và Đánh giá AI trong giáo dục coi những phân biệt đó là nền tảng.

Một khoảng trống nằm bên trong vấn đề đo lường: các hệ thống AI được dùng để đánh giá những hệ thống AI khác. Trong Simulating Students or Sycophantic Problem Solving?, người học mô phỏng thường xuyên từ bỏ những quan niệm sai lệch được giao sau phản hồi sửa lỗi, dù phản hồi đó có giải quyết quan niệm sai lệch hay không, nên câu trả lời của chúng có thể khiến một can thiệp không hiệu quả trông thành công. Việc huấn luyện có mục tiêu đã cải thiện thước đo độ trung thực của nghiên cứu, và cải thiện trên thước đo ấy không phải là kiểm định dựa trên việc học của con người.

Điều còn thiếu là kiểm định toàn bộ chuỗi đánh giá, từ hành vi mô hình đến phán đoán sư phạm, đến phản ứng của người học, đến kết quả giáo dục, trên những người học và bối cảnh không được dùng trong quá trình phát triển. Phán đoán của con người cũng cần sự soi xét tương tự, vì sự đồng thuận giữa những người chấm không phải bằng chứng rằng đúng cấu trúc đã được đo.

Quyết định xem một bài đánh giá còn có thể chứng nhận điều gì

AI tạo ra hai vấn đề đánh giá có liên hệ với nhau: nó giúp tạo ra chính sản phẩm đang được đánh giá, và nó có thể ảnh hưởng đến cách sản phẩm ấy được chấm.

Nghiên cứu về các tác nhân AI hoàn thành nhiệm vụ đánh giá trên LMS trong cơ sở tri thức ghi lại việc các tác nhân điều hướng một khóa học đại học đang diễn ra và hoàn thành các hoạt động được đánh giá. Điều đó chứng minh một năng lực thách thức các giả định về bằng chứng do sinh viên tạo ra. Nó không xác lập mức độ phổ biến của cách dùng như vậy, và nó không vô hiệu hóa đánh giá không đồng bộ như một phạm trù.

Câu hỏi nghiên cứu là những thiết kế nào vẫn chống đỡ được các kết luận có thể biện minh về người học. Hồ sơ học tập điện tử, phản tư, bài nộp theo giai đoạn và nhật ký hoạt động cần được kiểm định như bằng chứng thay vì được giả định là xác lập quyền tác giả hay sự hiểu biết. Các nghiên cứu nên kiểm tra những tổ hợp bằng chứng đối chiếu với năng lực được quan sát độc lập, đồng thời tính đến khả năng tiếp cận, khối lượng công việc, quyền riêng tư và lo lắng của sinh viên. Giá trị của đánh giá chứa phần chi tiết.

Với chấm điểm tự động, LLMs Do Not Grade Essays Like Humans báo cáo sự bất đồng có hệ thống giữa các mô hình dùng nguyên bản và người chấm là con người. Các phát hiện gắn với cấu hình cụ thể, và chúng cho thấy vì sao tính nhất quán nội tại không thể chống đỡ một khẳng định về giá trị.

A Human Capability Test for Learning Outcomes in the AI Era đề xuất đánh giá riêng biệt những gì người học phải làm độc lập, những gì họ có thể hoàn thành với AI, và những gì họ phải kiểm chứng và bảo vệ. Đó là một khung khái niệm đang chờ kiểm định thực nghiệm.

Phát hiện là ngõ cụt rõ ràng nhất trong lĩnh vực này. Karr và cộng sự (2026) chạy hai công cụ phát hiện thương mại ở τ = 0.50 trên 642 tóm tắt tiếng Anh đã công bố. Việc biên tập nhẹ bằng AI tuân thủ hướng dẫn bị gắn cờ ở mức 38-80%. Các bản gốc 2023-25 không chỉnh sửa bị gắn cờ ở mức 9-15%, với công trình ngoài STEM cao hơn nhiều so với STEM ở p < 0.001. Sau khi “nhân bản hóa”, các công cụ bắt được dưới 4% số bản viết lại có nhãn AI, tức tỷ lệ âm tính giả trên 96%. Một điểm số trừng phạt sự trợ giúp trung thực và bỏ sót sự né tránh thì không thể làm nền cho một kết luận về người học.

Đừng đọc điểm số năng lực như bằng chứng về hành vi

Nghiên cứu về can thiệp năng lực AI đủ nhiều để tổng hợp. AI Literacy Interventions in Education bao gồm 59 nghiên cứu và 7,211 người tham gia, báo cáo một hiệu ứng trung bình dương, và cũng báo cáo sự biến thiên đáng kể với khoảng dự đoán rộng vắt qua số không. Các kết quả tập trung vào kiến thức mạnh hơn kỹ năng, thái độ hay đạo đức.

Khoảng trống sắc hơn là liệu việc dạy năng lực có thay đổi điều người ta làm khi dùng AI không, và thêm một khung năng lực nữa sẽ không lấp được nó. Người học có nhận ra những khẳng định không có căn cứ, kiểm chứng nguồn, từ chối những gợi ý gây nhầm lẫn, nhận thấy sự đồng tình không thích hợp, và chọn khi nào không nên ủy thác không? Những điều đó có giữ được dưới áp lực thời gian không, và có chuyển giao sang những hệ thống và ngành học xa lạ không?

Giải quyết điều này cần đánh giá dựa trên thực hiện, kết hợp với quan sát các quyết định thực tế và theo dõi trễ, giữ tách biệt kiến thức khái niệm, sự thành thạo vận hành và phán đoán phản biện thay vì gộp chúng. Năng lực AI và Hiệu chỉnh niềm tin cung cấp những phân biệt ấy.

Báo cáo phát hiện bỏ sót ai

Phát hiện từ một khóa học, một cơ sở, một ngôn ngữ hay một nhóm người học hiếm khi cho phép đưa ra quyết định ở nơi khác, một vấn đề mà tổng quan Những hạn chế trong nghiên cứu AIEd coi là lặp đi lặp lại. Mức độ hiệu ứng thay đổi theo giai đoạn phát triển, ngành học, kiến thức tiền đề, khuyết tật, ngôn ngữ và điều kiện nguồn lực phần lớn vẫn chưa được đo.

Nghiên cứu về công bằng cũng phải tách quyền tiếp cận, kỹ năng và kết quả. Tổng quan Khoảng cách số nói rõ rằng thiết bị và quyền tiếp cận công cụ không xác lập năng lực hưởng lợi ngang nhau. Does School-Based AI Education Narrow Readiness Gaps? theo dõi 752 học sinh trung học cơ sở ở Hồng Kông: khoảng cách về mức sẵn sàng tâm lý thu hẹp trong khi khác biệt trên một bài kiểm tra năng lực AI khách quan vẫn tồn tại. Mọi nhóm đều tiến bộ, và bất bình đẳng không được thu hẹp. Các hồ sơ học tập trước đó không được phân bổ ngẫu nhiên, nên vai trò nhân quả của chúng vẫn chưa rõ.

Độ phủ mỏng ở những chỗ cụ thể. Hiệu ứng khác biệt giữa các nhóm người học đếm tài liệu theo nhóm người học: người học song ngữ và đa ngữ cùng sinh viên khuyết tật là những mạch sâu nhất, giới tính và đa dạng thần kinh đến tiếp theo, sinh viên thế hệ thứ nhất và sinh viên quốc tế mỗi nhóm có một nghiên cứu trong cơ sở này, học sinh năng khiếu và thành tích cao thực tế chưa được nghiên cứu, và người học tị nạn, nhập cư và di dời không xuất hiện ở nghiên cứu nào. Một nền bằng chứng có hình dạng như vậy không thể trả lời câu hỏi về công bằng bằng cách gộp lại.

Năng lực cũng thay đổi trong cùng một hệ thống quốc gia. Adeniranye và cộng sự (2026) chấm điểm mức tích hợp AI tại 45 trường đại học Nigeria và thấy mức áp dụng tổng thể ở mức trung bình (M = 4.79, khoảng 1.83-7.83 trên thang 10 điểm), với loại hình cơ sở không dự báo được mức tích hợp khi đã kiểm soát tuổi và vị trí địa lý (tuổi β = 0.43; vị trí Tây Nam β = 0.31). Các năng lực nội tại tương quan với nhau ở r = 0.79-0.80 và hợp tác quốc tế tương quan với quan hệ đối tác công nghiệp ở r = 0.74, nên những cơ sở có nhiều kết nối tích lũy lợi thế cộng dồn. Những thiết kế xây dựng năng lực nào thay đổi kết quả tại các cơ sở mới hơn, ít kết nối hơn thì chưa được kiểm nghiệm.

Ưu tiên nghiên cứu là xác định những thiết kế làm giảm khác biệt về năng lực được thể hiện, mức tham gia và quyền tự quyết, với kết quả và gánh nặng của từng nhóm con được báo cáo bên cạnh mức tăng trung bình. Khả năng tiếp cận mang một câu hỏi riêng chưa được giải quyết: liệu một thiết kế gỡ bỏ rào cản tham gia hay thay thế một năng lực mà người học được kỳ vọng phát triển. Xem Công bằng trong giáo dục AI và khả năng tiếp cận.

Nói rõ ai nắm quyền kiểm soát, và khi nào quyền đó thay đổi

Khi các hệ thống lập kế hoạch, khởi phát hành động, giữ bộ nhớ và điều phối công cụ, câu hỏi giáo dục trở thành ai nên kiểm soát phần nào của quá trình học, và khi nào quyền kiểm soát đó nên chuyển dịch.

Agentic AI in Education: A Scoping Review lập bản đồ 474 nghiên cứu và thấy việc kiểm định theo chiều dọc còn hạn chế, sự tập trung ở giáo dục đại học và STEM, và tích hợp lý thuyết giáo dục yếu: chỉ 29% số nghiên cứu được rà soát dựa dứt khoát vào lý thuyết giáo dục, một phát hiện về cơ sở đó chứ không phải về toàn bộ công trình AIED.

Các câu hỏi mở tiếp theo. Sự trợ giúp do người học khởi xướng có tạo ra kết quả khác với sự trợ giúp do tác nhân khởi xướng không? Có thể rút bỏ trợ giúp khi năng lực phát triển mà không mất mát gì không? Người học có giữ được khả năng thách thức hệ thống không? Các tổng quan AI tác nhân và Cộng tác giữa người và AI bổ sung sự can thiệp và trách nhiệm giải trình của giáo viên trong các bối cảnh đa tác nhân, nơi chưa ai xác lập được ai chịu trách nhiệm cho quyết định của một tác nhân. Quyền tự chủ lớn hơn là một lựa chọn thiết kế sư phạm mà nền bằng chứng vẫn còn phải xây.

Kiểm tra các thất bại an toàn trên người học thật

An toàn giáo dục vượt ra ngoài độ chính xác thực tế và các yêu cầu bị cấm. Một gia sư có thể đưa ra câu trả lời đúng trong khi tước đi cơ hội lập luận của người học, củng cố một quan niệm sai lệch, hay tạo ra sự phụ thuộc. An toàn sư phạm bao quát cấu trúc này.

SafeTutors xác định các thất bại gồm việc tiết lộ đáp án quá mức và việc bỏ rơi giàn giáo, với số thất bại nhiều hơn đáng kể khi kiểm tra nhiều lượt. Đó là những phát hiện từ phép đo chuẩn trong những điều kiện xác định, không phải ước lượng tần suất tác hại xảy ra trong lớp học.

Điều gì xảy ra khi những thất bại ấy gặp người học thật trong quá trình sử dụng lâu dài thì chưa rõ. Những thất bại nào gây nhầm lẫn tạm thời, những thất bại nào tạo quan niệm sai lệch dai dẳng, những thất bại nào làm giảm động lực, và những thất bại nào làm yếu năng lực độc lập thì chưa được đo. Cũng chưa ai xác lập được những biện pháp bảo vệ nào cắt giảm các rủi ro đó mà không tạo ra sự từ chối hay bực bội quá mức. Công trình dài hạn cũng cần lấy niềm tin, thiện chí tìm trợ giúp từ con người, quyền tự quyết của người học và quan hệ với bạn học và giáo viên làm kết quả đo. Với trẻ em, điều đó đòi hỏi những nghiên cứu phù hợp với giai đoạn phát triển, nối hành vi của hệ thống với kết quả giáo dục và quan hệ.

Tách việc áp dụng khỏi việc triển khai

Năng lực kỹ thuật không xác lập rằng một công cụ được dùng tốt, và việc bồi dưỡng chuyên môn không tự động đến được người học. Mắt xích còn thiếu thường chạy từ việc chuẩn bị cho giáo viên, qua thực hành lớp học đã thay đổi, đến kết quả của người học.

Pedagogy First, Technology Second là một nghiên cứu đa cấp trên 46 giáo viên và 2,832 học sinh. Kiến thức sư phạm về AI có liên hệ với nhận thức và ý định của người học, và không thành phần kiến thức giáo viên nào được đo có liên hệ trực tiếp với mức tăng kiến thức AI của người học. Những liên hệ kiểu đó không xác lập rằng một can thiệp huấn luyện sẽ gây ra việc học tốt hơn.

Câu hỏi mở là những tổ hợp nào của việc huấn luyện kèm cặp, sự khớp nối chương trình, quy trình rà soát, lịch trình và hỗ trợ từ cơ sở tạo ra cải thiện bền vững, và các nghiên cứu cần quan sát việc dạy đã được thực hiện thay vì sự tự tin hay ý định áp dụng của giáo viên. Năng lực AI của giáo viên và Phát triển giáo dục bao quát địa hạt này.

Hiệu quả chi phí so sánh là khoảng trống thứ hai. Các đánh giá nên tính cả thời gian kiểm chứng, sửa lỗi, huấn luyện, giám sát, bảo trì và triển khai bên cạnh chi phí thuê bao và sử dụng mô hình, và so sánh việc cung cấp có AI hỗ trợ với những phương án thay thế thực tế. Câu hỏi đáng trả lời là toàn bộ cách sắp xếp ấy mang lại lợi ích giáo dục gì cho nguồn lực mà nó tiêu tốn.

Coi các văn bản quản trị là ý định

Các nguyên tắc đạo đức và khung quản trị là cần thiết, và sự tồn tại của chúng không xác lập rằng chúng thay đổi thực hành hay bảo vệ người học.

Agarwal và cộng sự rà soát 25 bài báo và thấy người dùng cuối phần lớn thụ động trong tài liệu về đạo đức, với tiếng nói của sinh viên hầu như vắng mặt, cùng với những căng thẳng giữa các giá trị và sự bất đối xứng quyền lực giữa các bên liên quan. Đó là mô tả về tài liệu được rà soát. Đó không phải khẳng định rằng sinh viên không bao giờ tham gia vào việc thiết kế AIED.

Điều còn thiếu là bằng chứng về việc những cách sắp xếp quản trị nào tạo ra khác biệt đo được. Việc sinh viên và giáo viên tham gia có thay đổi việc mua sắm, thiết kế công cụ, quy tắc đánh giá hay biện pháp khắc phục sau một sai sót không? Các quy trình rà soát bởi con người có bắt được những lỗi hệ trọng không? Những người được bảo phải dùng AI có thực sự có phương án thay thế không? Nghiên cứu về quyền riêng tư có một khoảng trống song song: giá trị giáo dục của việc thu thập thêm dữ liệu thường được giả định, và những thiết kế giảm thiểu dữ liệu hiếm khi được so sánh với những thiết kế xâm nhập hơn về cả việc học lẫn quyền tự chủ của người học. Xem Quản trị AI và quyền riêng tư.

Làm cho nghiên cứu có thể dựng lại được

AIED có một vấn đề tái lập khó một cách bất thường. Các nghiên cứu bỏ qua prompt, phiên bản mô hình, thiết lập, mã và chi tiết giảng dạy, và các hệ thống độc quyền có thể thay đổi trong hoặc sau một can thiệp. Những hạn chế trong nghiên cứu AIEd ghi lại mô thức này.

Dựng lại một nghiên cứu nghĩa là mô tả cả cách sắp xếp giảng dạy lẫn mô hình: nhiệm vụ học tập, nguồn nội dung, hành động được phép, giao diện, hỗ trợ từ giáo viên, điều kiện đánh giá, và bất cứ thứ gì đã thay đổi trong quá trình triển khai. Tái tạo một cấu hình và kiểm tra xem nguyên lý sư phạm của nó có chuyển giao sang cấu hình khác không là hai thành tựu riêng biệt, và hướng dẫn báo cáo trong Phương pháp nghiên cứu hiệu quả đề cập cả hai.

Tổng hợp cũng cần sự cẩn trọng như vậy. Phân tích tổng hợp và tổng quan hệ thống liệt kê các nghiên cứu sơ cấp yếu, thiên lệch công bố, can thiệp không đồng nhất và kết quả không tương thích như những giới hạn của kết luận gộp, và một “hiệu ứng AI” trung bình duy nhất che khuất những phân biệt mà nhà giáo dục cần. Các tổng quan nên tách hiệu suất có trợ giúp khỏi việc học độc lập, phân biệt các loại can thiệp và điều kiện so sánh, và làm cho các quyết định mã hóa có thể kiểm toán được.

Bản thân tài liệu tổng hợp cũng là một khoảng trống. Cuộc kiểm toán pháp y của O'Neill (2026) trên 14 phân tích tổng hợp có tác động lớn thấy rằng không có phân tích nào đưa ra nền tảng hợp lệ cho các khẳng định của nó. Không có cấu trúc mạch lạc: một công cụ được coi là một can thiệp, các kết quả đa chiều bị gộp lại. Thiên lệch công bố được đánh giá không hợp lệ trong cả 14 phân tích. Chỉ số I² được báo cáo chạy từ 77.2% đến 94.4% trong mọi phân tích có báo cáo nó, với 12 trong số 13 phân tích ở mức trên 80%. 61% số nghiên cứu sơ cấp được kiểm tra ngẫu nhiên có những lo ngại về giá trị. 14 phân tích đó thu về hơn 2,000 trích dẫn trong khoảng 16 tháng, và một phân tích tổng hợp đã bị rút vẫn được trích dẫn như có thẩm quyền trong 60% số bài trích dẫn sau khi rút mà không có lưu ý. Trong 14 bài trích dẫn một phân tích tổng hợp khác đã được kiểm toán, với phần tóm tắt quảng cáo một hiệu ứng lớn của “giáo dục AI” mà thực ra đo việc dạy sinh viên hiểu về AI, chỉ 2 bài trích dẫn phù hợp, 8 bài đọc nó như bằng chứng rằng tích hợp AI cải thiện việc học, và 4 bài sai theo những cách khác. Cuộc kiểm toán yêu cầu các tạp chí buộc phải minh bạch dữ liệu đầy đủ cho phân tích tổng hợp (giao thức tìm kiếm, đặc điểm nghiên cứu đã mã hóa, thống kê đã trích xuất, mã phân tích), yêu cầu biên tập viên không coi lý lịch công bố là bằng chứng về năng lực phản biện, và yêu cầu việc rút bài phải hiển thị ở mọi nơi một bài báo được phát hiện, xuất ra hay trích dẫn. Khả năng tái lập bao phủ chuỗi tổng hợp, không chỉ từng nghiên cứu riêng lẻ.

Giảng viên muốn phiên bản ở cấp lớp học có thể theo đánh giá các can thiệp AI.

Nhà nghiên cứu và giảng viên hiểu sai điều gì về điều này

Lĩnh vực này thiếu nghiên cứu. Nó thiếu những nghiên cứu được đặc tả. Đã có các thí nghiệm đa điểm, thử nghiệm ngẫu nhiên với hàng nghìn sinh viên, và 14 phân tích tổng hợp có tác động lớn. Chỉ 21% số so sánh được kiểm toán định nghĩa can thiệp, đối chứng và kết quả đủ rõ để quy một hiệu ứng cho chúng.

Nêu tên một lý thuyết là kiểm nghiệm nó. Một trích dẫn tới một lý thuyết học tập là một quyết định đóng khung. Một phép kiểm nghiệm cần một dự đoán, một hành vi hệ thống thực hiện dự đoán đó, và một thước đo quá trình có thể cho kết quả ngược lại.

Một điểm số tự động đã được kiểm định là một kết quả đã được kiểm định. Sự đồng thuận với những người chấm là con người xác lập tính nhất quán với những người chấm đó. Người học mô phỏng cải thiện trên một thước đo độ trung thực mà không được kiểm định dựa trên việc học của con người, và chuỗi từ hành vi mô hình đến kết quả vẫn chưa được xây.

Tiếp cận là công bằng. Trong nghiên cứu Hồng Kông, khoảng cách về mức sẵn sàng tâm lý thu hẹp trong khi khác biệt trên bài kiểm tra khách quan vẫn giữ nguyên, và mọi nhóm đều tiến bộ mà bất bình đẳng không được thu hẹp. Thiết bị và giấy phép thay đổi ai có thể tiếp cận công cụ.

Tự chủ nhiều hơn là tiến bộ. Sự độc lập lớn hơn của tác nhân là một lựa chọn thiết kế. Với 29% trong 474 nghiên cứu về tác nhân dựa vào lý thuyết giáo dục và việc kiểm định theo chiều dọc còn hạn chế, chưa ai chứng minh rằng chuyển quyền kiểm soát sang hệ thống cải thiện việc học.

Những phản đối bạn sẽ gặp

“Khoảng trống chỉ là chúng ta cần thêm thử nghiệm ngẫu nhiên.” Hiện đã có rất nhiều, và vấn đề nằm ở thượng nguồn của các nhãn thiết kế: một thử nghiệm về một gói gộp phản hồi mới, nhiệm vụ mới và giao diện mới không thể quy bất cứ điều gì cho AI. Điều kiện so sánh mới là nơi công việc nằm.

“Tôi không thể chạy theo dõi nhiều năm.” Vậy hãy đo một lần trễ, không có trợ giúp, và nói rõ khoảng thời gian nó bao phủ. Một tuần là một phát hiện thật, và nghiên cứu về quy tắc thành thạo có kết quả ở một tuần nhờ nhúng AI vào quy trình và tập trung vào tài liệu đã luyện.

“Phân bổ ngẫu nhiên là bất khả trong khóa học của tôi.” Công trình dựa trên thiết kế và định tính trả lời những câu hỏi triển khai mà thử nghiệm không trả lời được, và lĩnh vực cần cả hai. Ở nơi có thể phân bổ ngẫu nhiên, cách làm đó vẫn mang khẳng định nhân quả.

“Cỡ hiệu ứng gộp đã cho tôi biết điều gì hiệu quả.” 14 phân tích tổng hợp được kiểm toán định nghĩa can thiệp là một công cụ, gộp những kết quả không tương thích, và báo cáo I² trên 80% trong 12 của 13 phân tích có đưa ra chỉ số này. Con số gộp mô tả một tập nghiên cứu có vấn đề về cấu trúc.

“Người học mô phỏng rẻ hơn, nên việc kiểm định chúng có thể chờ.” Trong nghiên cứu về sự nịnh bợ, người học mô phỏng từ bỏ quan niệm sai lệch dù phản hồi có giải quyết chúng hay không, và đó chính là kiểu thất bại khiến một gia sư không hiệu quả trông có hiệu quả.

Việc cần làm trong tuần này

1. Viết điều kiện so sánh của nghiên cứu bạn đang lập kế hoạch trong một câu. Nếu đó là “giáo dục như thường lệ”, hãy sửa nó trước khi sửa bất cứ điều gì khác.

2. Thêm một thước đo trễ, không có trợ giúp vào thiết kế và nêu rõ khoảng thời gian trong phần phương pháp.

3. Viết ranh giới quần thể vào phần mô tả thiết kế, rồi vào phần tóm tắt, để khẳng định không thể đi xa hơn mẫu.

4. Lấy khẳng định mạnh nhất trong bản thảo hiện tại và xóa phiên bản mà thước đo của bạn không chống đỡ được. Giữ lại câu về giới hạn trần.

5. Với mọi điểm số tự động hay người học mô phỏng trong nghiên cứu, nêu rõ chuẩn của con người và người phân xử trước khi bắt đầu thu thập dữ liệu.

Đi tiếp từ đây

Báo cáo và diễn giải nghiên cứu AIEd là trang đối ứng về báo cáo cho trang này, và Phương pháp nghiên cứu trong AI trong giáo dục bao quát các lựa chọn thiết kế đứng sau mỗi khoảng trống. Đánh giá các can thiệp AI xử lý thước đo và thiết kế so sánh, kiểm tra xem AI giáo dục có hiệu quả không là bản ngắn hơn của câu hỏi hiệu quả, và AI có giúp sinh viên học không tập hợp những gì đã biết về việc học bền vững. Phát triển lý thuyết trong AIEd và công bằng, đạo đức và an toàn sư phạm trong nghiên cứu đẩy các mạch lý thuyết và công bằng đi xa hơn.