10 phát hiện hàng đầu từ nghiên cứu AI trong giáo dục mà giảng viên nên biết là gì?

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

Đó là tuần trước khi học kỳ bắt đầu, hoặc tuần sau bài nộp lớn đầu tiên, và ai đó đã hỏi bạn một điều bạn không thể trả lời bằng kinh nghiệm: sinh viên được phép làm gì với AI trong bài tập này, và điểm số khi đó chứng minh điều gì. Có thể một bài luận mang về nhà được trau chuốt theo cách không khớp với bài làm trước đó của sinh viên. Có thể khoa của bạn đang viết chính sách AI và muốn môn học của bạn tuân theo trước thứ Sáu. Có thể một sinh viên đang khiếu nại điểm và bạn không thể chứng minh bài làm đó thể hiện điều gì.

Kết luận cốt lõi từ nghiên cứu mà cơ sở kiến thức này đã tập hợp: cách bạn đưa AI sinh tạo vào hoạt động quyết định liệu nó củng cố tư duy hay thay thế tư duy. Đòn bẩy bạn kiểm soát là thiết kế nhiệm vụ. Phép thử của mọi thiết kế là điều sinh viên còn làm được khi không có công cụ. Mười phát hiện mà trang này được đặt tên theo nằm bên dưới, sắp xếp theo quyết định mà mỗi phát hiện phục vụ.

Tóm tắt

1. Gọi tên tư duy mà bài tập tồn tại để tạo ra, rồi giao cho AI một việc không thực hiện tư duy đó.

2. Đặt quy định AI theo từng bài tập chứ không theo cả môn học, và viết lý do bên cạnh, ở nơi sinh viên sẽ đọc.

3. Đưa ít nhất một bước được chấm điểm trong mỗi chương mà sinh viên hoàn thành khi không có AI.

4. Đánh giá hoạt động bằng điều sinh viên làm được sau vài tuần, không có trợ giúp, chứ không bằng chất lượng bài nộp.

5. Hỏi sinh viên đã dùng công cụ thế nào, và chấm việc kiểm chứng chứ không chấm số lần đăng nhập.

6. Xem thiết kế giúp những sinh viên nào, vì con số trung bình che giấu những người bị nó bỏ lại.

Quyết định bài tập để làm gì

Viết một câu nêu tên năng lực trước khi bạn chạm vào công cụ: cuối chương này sinh viên phải làm được điều gì mà đầu chương chưa làm được? Câu trả lời có thể là: xây dựng một lập luận từ bằng chứng, viết một chứng minh, đi đến một chẩn đoán, đưa ra một quyết định thiết kế trong các ràng buộc. Nếu bạn không gọi tên được, quy định AI sẽ tùy tiện và sinh viên sẽ nhận ra.

Hai hướng nghiên cứu giải thích vì sao điều này phải đứng đầu. Thất bại có ích là phát hiện rằng người học thường ghi nhớ nhiều hơn khi họ thử giải một vấn đề trước khi được chỉ cách, nên ma sát đôi khi chính là cơ chế chứ không phải chướng ngại cần dỡ bỏ. Khung ICAP dự báo việc học khác nhau từ cách dùng thụ động, chủ động, kiến tạo và tương tác với cùng một tài liệu. Cả hai cùng chỉ vào một câu hỏi thiết kế: sinh viên đang làm gì trong khi công cụ mở?

Ví dụ rõ nhất trong tập nghiên cứu đến từ so sánh một chatbot dựa trên lý thuyết, có giàn giáo cho phần giải thích của sinh viên, với ChatGPT thông thường và cách dạy như cũ. Khác biệt tức thời không có ý nghĩa thống kê. Bốn tuần sau, nhóm có giàn giáo giữ được nhiều kiến thức khái niệm hơn. Đó là một nghiên cứu và không phải hiệu ứng phổ quát, và nội dung hữu ích của nó là hình dạng của kết quả: thiết kế có thể nặng hơn năng lực mô hình, vì điều phân biệt các điều kiện là việc hoạt động yêu cầu sinh viên làm gì.

Tổng quan hệ thống 72 nghiên cứu giáo dục máy tính có bình duyệt đi đến cùng tầng đó từ hướng ngược lại. Nó gọi việc tương tác phê phán với đầu ra của AI là “cơ chế chung liên kết mọi can thiệp hiệu quả trong tập nghiên cứu” và đề nghị tiếp cận theo bậc, chỉ đưa AI sinh tạo vào sau khi năng lực nền tảng đã được chứng minh. Không tuyên bố nào nói về việc bạn cấp phép sản phẩm nào.

Giao cho AI một việc không phải tư duy bạn đang chấm

Nhiều thập kỷ nghiên cứu gia sư thông minh mô tả mô thức hiệu quả: chẩn đoán sinh viên hiểu gì, đặt câu hỏi, đưa gợi ý theo bậc, yêu cầu họ giải thích, đưa phản hồi. Mọi thứ trừ việc đưa ra lời giải. Công trình hiện nay về tác tử sư phạm vạch cùng ranh giới giữa hành vi dạy và việc sản xuất đáp án, và phép so sánh Thermomix làm điều đó cụ thể. Một thiết bị có thể nấu ăn thay bạn, khi đó bạn mất kỹ năng, hoặc có thể làm bạn đồng hành thử nghiệm cho những ý tưởng bạn vẫn phải tự hiểu. Những chế độ đó ánh xạ vào ICAP: thụ động, chủ động, kiến tạo, tương tác.

Những công cụ hẹp cho thấy cùng nguyên tắc. Một gia sư đọc sơ đồ kỹ thuật theo cấu trúc đạt F1 cấp cạnh 93.0% so với độ chính xác toàn sơ đồ 89.3%, nghĩa là nó có thể chỉ ra những liên kết cụ thể bị thiếu hoặc bị đọc sai ngay cả khi toàn bộ sơ đồ sai. Đó là phản hồi sinh viên có thể hành động theo, thay vì đạt hay không đạt.

Câu hỏi khó hơn là gia sư được phép đề xuất gì. Khi một cuộc tranh luận đa tác tử thay “đây là đáp án của AI” bằng một cuộc thảo luận mà vị trí ưu tiên của chính nó bị giữ kín, việc chuyển sang vị trí AI sai gây hại giảm từ 42-60.5% xuống 5.7-8.2%. Việc chấp nhận vị trí AI đúng cũng giảm, từ 61.1-72.3% xuống 22.1-33.3%. Giữ kín khuyến nghị bảo vệ phán đoán ban đầu của sinh viên và để việc sửa sai cho tranh luận, nên thiết kế đánh đổi khả năng sửa lỗi lấy ít lần rẽ sai đầy tự tin hơn. Hãy quyết định bạn muốn điều nào trong hai điều đó từ cuộc trao đổi trước khi viết prompt.

Trong lớp, điều này rẻ để thực hiện. Một trình tự Socratic là mô thức để hướng tới, với công cụ đặt câu hỏi thay vì trả lời. Hãy bảo sinh viên xin “một gợi ý”, “hỏi tôi câu hỏi”, hoặc “phê bình lập luận của tôi”, và biến “giải bài này” thành trường hợp bất thường. Bạn đang thay đổi động từ mặc định của tương tác, và đó là phần sinh viên thực sự kiểm soát.

Một giới hạn đáng nói rõ. Phần lớn bằng chứng này đến từ các nhiệm vụ ngắn trong một số ít môn học, và không có gì hứa rằng một gia sư chuyên đưa gợi ý sẽ nâng điểm thi trong lớp của bạn. Với câu hỏi đó bạn cần thử nghiệm ngẫu nhiên bàn ở dưới, và kết quả của nó thì tỉnh người.

Đặt quy định trên bài tập, và nói vì sao

Một khung hữu ích tách ba trường hợp. Hạn chế AI khi năng lực độc lập là thứ bạn đang đo. Dùng AI làm giàn giáo khi sự trợ giúp có giới hạn không làm phương hại năng lực đó. Yêu cầu dùng AI khi cộng tác người-AI thành thạo tự nó là thứ sinh viên phải học. Hầu hết môn học chứa cả ba, ở các tuần khác nhau, nên một quy định duy nhất ở cấp môn học luôn thất bại ở các rìa.

Nghiên cứu phương pháp hỗn hợp trên 85 giáo viên tập sự cho thấy một quy định không kèm lý do tạo ra gì. 62.4% mẫu từ chối dùng AI sinh tạo ngay cả khi được phép, và 41.5% trong số những người từ chối nêu lý do sợ bị buộc tội đạo văn. 9 trong 11 người được phỏng vấn đọc bản thân chính sách cho phép như một cái bẫy. Trong cùng nghiên cứu, chỉ 37.6% dùng AI sinh tạo được phép, lựa chọn của họ bám theo văn hóa chương trình và thiết kế đánh giá hơn là sự cho phép của bất kỳ môn học nào, và các tuyên bố công bố của chính họ báo cáo thấp hơn mức dùng thực tế ở mọi môn học.

Hãy đọc những con số đó như một bản yêu cầu thiết kế. Một sự cho phép không nêu mục đích trông như một cái bẫy, và một lệnh cấm không nêu mục đích trông như chướng ngại để đi vòng. Điều sinh viên phản ứng là lý lẽ gắn với nhiệm vụ này. Hãy đặt quy định vào đề bài, một dòng, và làm cho dòng đó cụ thể đủ để sinh viên biết liệu sự trợ giúp họ sắp nhận có làm suy yếu thứ bạn đang chấm hay không.

Chấm một thứ sinh viên làm mà không có công cụ

Đây là bước làm nên công việc, và bằng chứng ở đây là rõ ràng nhất trên trang.

Tổng quan 72 nghiên cứu cho thấy AI sinh tạo nâng đáng tin cậy tỉ lệ hoàn thành ngắn hạn và giảm thời gian làm bài trong 36 nghiên cứu, điều các tác giả coi là kết quả được tái lập tốt nhất trong tập nghiên cứu, và những lợi ích hiệu quả đó “không chuyển thành hiệu suất độc lập” trong 21 nghiên cứu. Một nghiên cứu think-aloud trên 38 sinh viên đại học cho thấy điều đó xảy ra thế nào trong trường hợp thông thường. Giảm tải nhận thức gây hại nhất cho việc học khi AI thực hiện phần lập luận mà sinh viên lẽ ra phải luyện. Ở đó, 76.32% dừng lại ở mô thức hỏi, đáp, dừng trong một lượt, và chỉ 21.06% xen kẽ dùng AI với đọc và viết độc lập. Nhóm lớn nhất, 31 trên 38, mô tả mục tiêu thành thạo, làm việc thành các lượt đơn lẻ phân mảnh, rồi báo cáo phụ thuộc quá mức, tự mãn về mặt tinh thần, và quên nhanh; một người nói “tốc độ bạn quên nó cũng rất nhanh”. Một bài khung 2026 đặt tên cho mô thức này. Điểm số và sản phẩm tăng trong khi công việc trí tuệ tạo ra học tập bền vững giảm.

Thử nghiệm ngẫu nhiên giải quyết cuộc tranh luận cho ít nhất một bối cảnh. Một thử nghiệm ngẫu nhiên có đối chứng ba nhánh với 275 sinh viên CS1 so sánh một gia sư đưa gợi ý có giữ lại lời giải đầy đủ, ChatGPT không hạn chế, và tài nguyên web truyền thống. Điểm bài tập tách rõ: 71.84% cho ChatGPT so với 29.85% cho nhóm đối chứng không AI, gia sư đưa gợi ý ở 57.50%. Mức tăng kiến thức khái niệm không khác nhau chút nào giữa ba nhánh, ở 0.83, 0.71 và 0.85 điểm (thời gian × nhóm p = .773). Cả hai điều kiện AI đều giảm thất vọng và tải ngoại lai, và chỉ gia sư đưa gợi ý nâng động lực nội tại. Công cụ được sinh viên đánh giá hữu ích hơn và dễ hơn cũng là công cụ giảm nhiều nhất quá trình xử lý tạo ra học tập.

Lưu ý điều thiết kế đó không thể chống đỡ. Đó là một môn học, một học kỳ, một ngôn ngữ, và điểm bài tập theo cấu trúc là hiệu suất có trợ giúp, đúng thước đo mà nghiên cứu cảnh báo đừng tin. Nó không cho thấy gia sư vô dụng. Nó cho thấy kết quả bạn chọn đo quyết định câu trả lời bạn nhận, và sở thích của sinh viên không phải thước đo học tập.

Vậy hãy chấm phiên bản không có trợ giúp. Một nhiệm vụ mỗi chương nơi sinh viên truy hồi, giải thích, giải hoặc bảo vệ ý tưởng khi không có AI, và cho nó điểm thật. Lập luận về hiệu lực đằng sau điều này nằm ở hiệu lực đánh giá: một sản phẩm mang về nhà trau chuốt không còn cho thấy người nộp nó có năng lực mà sản phẩm đó thể hiện. 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? triển khai toàn bộ kiến trúc, gồm bước xác thực rẻ cho lớp đông.

Thay đổi bài tập bạn đã có, không phải cả môn học

Hầu hết giảng viên hỏi câu này không xây môn học mới. Họ có một bài luận học kỳ, một báo cáo thí nghiệm, hoặc một bộ bài tập đã hiệu quả nhiều năm, và họ muốn biết đặt đường nối ở đâu. Hãy tách bài tập từng bước, hỏi mỗi bước bạn đang đánh giá gì ở đó, và để câu trả lời đặt ranh giới. Đó là phương pháp cấp nhiệm vụ được ghi trong công trình về chính sách môn học căn chỉnh của McCorkle, và một lượt trên bài tập gây tranh cãi nhất thường đủ để thấy hình dạng của nó.

Một bài luận học kỳ mười trang thường tách như sau. Chọn đề tài và tìm nguồn là nơi phán đoán sống, nên một công cụ đề xuất luận điểm hoặc lắp danh mục đọc đã thực hiện phần bạn đang chấm. Tổng hợp và lập luận chính là cấu trúc. Định dạng trích dẫn, kiểm tra tài liệu tham khảo, và biên tập ngôn ngữ là những bước mà việc dùng công cụ không hiện ra trong cấu trúc của bạn, và cấm nó ở đó chẳng được gì ngoài sự bực bội. Hãy nói điều đó trong đề bài, từng bước, trong một bảng ngắn nếu bạn muốn.

Rồi làm cho bước giữa hiện ra. Yêu cầu một bản giải trình có chú giải dài một trang, nộp kèm bài, nêu hai nguồn sinh viên đã loại và vì sao, một tuyên bố họ đã sửa sau khi kiểm tra, và chỗ họ chọn không theo một gợi ý. Chấm nó với cùng độ cụ thể bạn dùng cho phần văn. Một bản giải trình chỉ có trọng lượng nếu sinh viên bỏ nó mất nhiều hơn được; vì vậy hãy cho nó đủ điểm để phép tính rõ ràng.

Một bộ bài tập dễ hơn và đường nối nằm ở chỗ khác. Đáp án không phải cấu trúc; chọn phương pháp và chẩn đoán lỗi mới là. Yêu cầu bước đầu của mỗi bài, bằng lời của sinh viên, trước khi mở công cụ, và làm một bài của bộ ngay trong lớp khi không có gì. Đó là thay đổi nhỏ hơn vẻ ngoài, và nó biến bộ bài tập từ sản phẩm bạn không kiểm chứng được thành bản ghi cách sinh viên suy nghĩ.

Với báo cáo thí nghiệm, đường nối thường là diễn giải dữ liệu và phân tích sai số. Hãy để công cụ định dạng bảng và kiểm đơn vị. Giữ việc diễn giải, việc chọn cái gì là bất thường, và giải thích sự lệch với kết quả mong đợi trong tay sinh viên, và chấm những thứ đó với điểm kèm theo.

Mô thức tổng quát hóa: định vị bước nơi năng lực sống, bảo vệ bước đó, giải phóng phần còn lại, và đặt bằng chứng quá trình ở nơi có điểm. Điều bạn đang tránh là kiểu thiết kế lại thay đổi cách công việc được tạo ra mà không thay đổi điều điểm số có thể chống đỡ.

Đánh giá công cụ phản hồi và chấm điểm bằng hiệu suất về sau

Phản hồi của AI có thể kịp thời, cụ thể, mở rộng được, và được sinh viên chấp nhận, kể cả trong giáo dục đại học. Việc nó có dạy hay không phụ thuộc vào độ chính xác, sự phù hợp sư phạm, và năng lực đọc phản hồi của sinh viên, khả năng đánh giá phản hồi và hành động theo nó. Nếu bạn đang cân nhắc nó để phản hồi hoặc chấm điểm, những con số dưới đây là thứ cần mang vào cuộc họp mua sắm.

Phân tích phê phán 14 tài liệu hướng dẫn của cơ sở phát hiện prompt chung chung tạo ra kết quả, hoạt động và đánh giá tách rời nhau. Công cụ không thể biết một chủ đề liên kết chặt đến đâu, nên phản hồi của nó vẫn chung chung thay vì chính xác về chẩn đoán.

Cấu hình thực sự làm chất lượng thay đổi, đo được. Trong một nghiên cứu về phản hồi AI trên mục tiêu học tập, chỉ mô hình giải thích 26.9% biến thiên chất lượng phản hồi và thêm prompt nâng lên 42.8%, tức thêm 15.9%. Đặc điểm prompt duy nhất có ý nghĩa là thuật ngữ chuyên ngành; đổi nó thành cách diễn đạt thường ngày làm phản hồi kém đi rõ rệt. Việc chọn mô hình cũng quan trọng: Claude 3 và Gemini Advanced tạo phản hồi được đánh giá thấp hơn rõ rệt so với ChatGPT-4.

Chấm điểm còn lung lay hơn. Một so sánh 18 mô hình ngôn ngữ chấm 6,081 bài nộp lập trình cho điểm trung bình từ 0.290 đến 0.608 tùy mô hình, với tỉ lệ khớp chính xác thấp nhất 0.20 ở một số mô hình và cao nhất 0.74. Hai sinh viên với bài làm giống hệt có thể được chấm khác nhau tùy khoa cấp phép mô hình nào.

Rồi có câu hỏi sinh viên quan tâm, là liệu phản hồi có thay đổi điều họ làm được về sau. Một triển khai kéo dài một học kỳ trong môn toán đại học với 343 sinh viên tiếng Anh và 236 sinh viên tiếng Hà Lan tạo nhận xét cá nhân hóa và bài tập luyện từ ảnh bài làm. Người đánh giá xếp bài tập luyện mạnh nhất và độ chính xác chẩn đoán cùng độ rõ ràng yếu nhất. Thử nghiệm chéo ngẫu nhiên trên các câu thi liên kết không tìm thấy khác biệt có ý nghĩa thống kê sau điều chỉnh (pHolm = 0.104), và việc đi học bám theo điểm thi rõ hơn nhiều so với việc được tiếp xúc phản hồi (ρ = 0.49 và 0.54, cả hai p < 0.001). Phản hồi sinh viên coi trọng và hành động theo không phải phản hồi tạo ra học tập đo được.

Có một cái bẫy nữa nếu bạn để mô hình chấm. Trong một nghiên cứu 1,426 luận án tâm lý học trải mười năm học, cả bốn giám khảo AI cho điểm thấp nhất với bài do sinh viên viết và cao nhất với bài do AI viết. 10 trong 16 so sánh đủ lớn để những khác biệt cỡ đó là hiếm trong nghiên cứu giáo dục, lên tới mức chênh lệch lớn nhất từng quan sát được, và thiên lệch mạnh nhất với văn bản do AI tạo hoàn toàn. Một giám khảo có thể thưởng văn bản vì nó giống máy ngay cả khi chỉ dẫn nói phải đánh giá nội dung.

Tách những sinh viên thiết kế giúp khỏi những người nó bỏ lại

Một cải thiện trung bình có thể che giấu một môn học nơi người giỏi mạnh lên và người yếu bị đối xử tệ hơn. Khoảng cách số nay chạy theo ít nhất ba đường: tiếp cận công cụ, kỹ năng dùng chúng, và ai thực sự nhận được kết quả hữu ích. Chỉ kỹ năng viết prompt tạo ra một “đặc quyền prompt” trong đó người dùng có kinh nghiệm hơn nhận đầu ra tốt hơn từ cùng một hệ thống.

Tổng quan 72 nghiên cứu tách hai cơ chế. Khoảng cách kỹ năng xuất hiện khi sinh viên có kiến thức nền mạnh hơn chuyển trợ giúp thành lợi ích bền vững trong khi sinh viên chưa được chuẩn bị tốt thay thế nó bằng luyện tập. Khoảng cách nguồn lực xuất hiện khi internet ổn định và truy cập trả phí duy trì việc dùng công cụ tốt hơn giữa các cơ sở. Chỉ sáu nghiên cứu trong tập nghiên cứu xem xét trực tiếp công bằng, điều các tác giả coi là vấn đề chứ không phải chú thích; công bằng trong giáo dục AI là nơi lập luận đó được phát triển.

Trợ giúp có thể thu hẹp khoảng cách khi những sinh viên cần nó là những người tham gia. Một nghiên cứu bốn thử nghiệm về người học khám phá quy tắc ẩn với sự trợ giúp của tác tử AI phát hiện trợ giúp giảm số nước đi cần thiết 33-52%, và lợi ích tập trung ở những người kém nhất trong khi người học mạnh hầu như không bị ảnh hưởng. Đó là phiên bản lạc quan, và nó phụ thuộc vào việc những sinh viên cần trợ giúp nhất là những người dùng nó tốt, điều mà khoảng cách kỹ năng gợi ý họ sẽ không làm được nếu không được dạy.

Giữ những quyết định hệ trọng với con người

Năng lực AI của giảng viên không ở chỗ cuộc trò chuyện chính sách giả định. Ở giáo viên khoa học đã hoàn thành đào tạo AI, năng lực AI trung bình là 16.7 trên 30, dưới mẫu tham chiếu 18.79, và không liên quan đến tuổi, giới tính, số năm công tác, hay mức độ đã dùng AI. Một khảo sát 412 giáo viên toán tương lai thấy mức sẵn sàng ở giai đoạn sớm, với niềm tin về dạy học cao nhất ở trung bình 5.24 trên thang 7 điểm và kiến thức kỹ thuật về AI thấp nhất ở 4.23.

Đó là lập luận cho công cụ có giới hạn, không phải công cụ tự trị. Phân tích tài liệu hướng dẫn đề xuất một tác tử tăng cường truy hồi được cấu hình ở cấp cơ sở, dẫn dắt tư duy mà không cung cấp đáp án, đánh dấu sự lệch chuẩn, và chuyển lên người ở các rìa, với thẩm quyền được mô tả là “phái sinh và có giới hạn”. Có bằng chứng trực tiếp cho việc giữ người trong vòng lặp thay vì trước mặt nó: một hệ thống tạo tài liệu môn học được điểm tốt hơn khi người vẫn tham gia, với chế độ có nhiều đầu vào của người nhất cải thiện điểm người đánh giá 0.5-0.9 điểm so với chế độ hoàn toàn tự trị. Người đánh giá tự trị của nó tụ lại chặt quanh 2.9-3.1 trong khi người đánh giá của con người trải rộng và phân biệt tốt hơn, nên các tác giả giữ phán đoán của con người làm tín hiệu chất lượng chính.

Phiên bản thực dụng cho một môn học: để AI soạn thảo, sắp xếp và đánh dấu. Giữ độ chính xác, công bằng, quyền riêng tư, và mọi quyết định về tiến trình của sinh viên dưới sự giám sát có ý nghĩa của con người. Những rủi ro khiến điều này cần thiết là bộ quen thuộc: thiên lệch, quyền riêng tư, minh bạch, tính tự chủ của người học, trách nhiệm giải trình, và an toàn sư phạm. Danh sách đó là lý do năng lực AI sư phạm quan trọng hơn sự quen thuộc kỹ thuật.

Giảng viên hiểu sai gì về điều này

“Bài làm trau chuốt trước mặt tôi là bằng chứng sinh viên làm được.” Đó là bằng chứng bài làm trau chuốt. Khoảng cách 71.84% so với 29.85% trên điểm bài tập, với mức tăng khái niệm phẳng trong cùng thử nghiệm, và 36 nghiên cứu trong tổng quan tìm thấy hiệu quả mà không chuyển giao, đều mô tả khoảng cách giữa hiệu suất có trợ giúp và năng lực. Nếu sản phẩm là thứ duy nhất bạn chấm, thì sản phẩm là tất cả những gì bạn đã đo.

“Nếu AI là gia sư thì nó ở đúng phía của ranh giới.” Nhãn hiệu không mang bảo đảm. Trong thử nghiệm CS1, gia sư đưa gợi ý tránh được thiệt hại mà ChatGPT không hạn chế gây ra trên bài tập, và vẫn không tạo lợi thế khái niệm nào so với không có AI. Giữ lại đáp án cuối không giống giữ lại lập luận, và một gia sư có thể làm điều thứ hai trong khi trông như chỉ làm điều thứ nhất.

“Một công cụ phát hiện, hay một quy định chặt hơn, giải quyết vấn đề liêm chính.” Phát hiện chỉ giải quyết một phản ứng trong nhiều phản ứng. Nghiên cứu trên giáo viên tập sự phát hiện nỗi sợ bị buộc tội đàn áp việc dùng được phép, văn hóa chương trình dự báo hành vi tốt hơn bất kỳ chính sách môn học nào, và tự khai báo báo cáo thấp hơn mức dùng ở mọi môn học. Một quy định chặt hơn thay đổi điều sinh viên che giấu, không thay đổi điều họ học.

“Một quy định AI cho cả môn học công bằng hơn và đơn giản hơn.” Đơn giản hơn, đúng. Bằng chứng ủng hộ quy định đặt theo từng bài tập, vì ba trường hợp, hạn chế, giàn giáo, và yêu cầu, cùng tồn tại trong hầu hết môn học và cùng một sự cho phép mang nghĩa khác nhau trong báo cáo thí nghiệm và trong bài phản tư. Những lập trường bao trùm cũng là thứ sinh viên dễ đi vòng nhất.

“Sinh viên nói công cụ giúp họ là đang học từ nó.” Sự hài lòng là một thước đo tự báo cáo, và trong thử nghiệm CS1 điều kiện được đánh giá cao nhất là điều kiện giảm nhiều nhất quá trình xử lý đằng sau việc học. Triển khai môn toán thấy cùng sự tách rời: phản hồi sinh viên coi trọng, không khác biệt thi có ý nghĩa.

“Năng lực AI là kỹ năng prompt, và sinh viên học nó bằng cách dùng công cụ.” Các khung coi năng lực AI là hiểu biết khái niệm, kỹ năng vận hành, đánh giá phê phán, phán đoán đạo đức, và nhận thức về giới hạn. Tổng quan nói rõ rằng kỹ thuật prompt, kiểm chứng đầu ra, và phân tích lỗi AI là những kỹ năng có thể dạy được mà không phát triển qua việc tiếp xúc. Những giáo viên khoa học đã qua đào tạo đạt 16.7 trên 30 là phiên bản thực nghiệm của tuyên bố đó.

“Vấn đề công bằng là tiếp cận.” Tiếp cận là một trong ba đường. Kỹ năng và ai nhận được kết quả hữu ích là hai đường còn lại, và chỉ sáu nghiên cứu trong tập nghiên cứu xem xét trực tiếp bất kỳ điều nào. Trao cho mọi sinh viên một giấy phép chỉ giải quyết một phần ba dễ nhất.

Những gì sẽ quay lại với bạn

“Sinh viên tôi nói AI giúp họ.” Nó thường thực sự giúp với công việc trước mặt, và phát hiện là về điều còn lại sau đó. Hỏi họ còn làm được gì khi không có trợ giúp và bạn nhận câu trả lời khác, đó là lý do bước được chấm không có AI tồn tại.

“Tôi dạy 200 sinh viên. Tôi không thể đọc bản nháp hay kiểm tra vấn đáp.” Bạn không phải đọc mọi thứ. Một bài áp dụng trong lớp hoặc một đoạn giải thích ghi âm ngắn trong bài tập hệ trọng nhất, cộng một kiểm tra lấy mẫu trên bài làm trông không khớp với các lần nộp trước, bao phủ phần lớn rủi ro. Nộp theo giai đoạn, giải trình có chú giải, và hồ sơ quá trình mở rộng được; chấm việc kiểm chứng một đầu ra AI cố tình có lỗi cũng vậy.

“Phát hiện là tất cả những gì chúng tôi có.” Công cụ phát hiện có vấn đề về độ tin cậy và công bằng đã được ghi nhận, và hiệu lực là vấn đề khó hơn: một sản phẩm mang về nhà trau chuốt không còn cho thấy người nộp nó có năng lực. Bằng chứng quá trình rẻ hơn một cuộc chạy đua vũ trang và tạo ra thứ bạn bảo vệ được khi có khiếu nại.

“Cấm là đơn giản hơn.” Đơn giản hơn, và nó thường thất bại. Việc áp dụng trong nghiên cứu giáo viên tập sự bám theo văn hóa chương trình hơn là chính sách của bất kỳ môn học nào, và công bố báo cáo thấp hơn mức dùng thực tế ở mọi môn học. Một lệnh cấm cũng lấy đi khả năng thấy sinh viên sẽ dùng công cụ thế nào khi họ ra trường.

“Tôi không dạy AI. Đây không phải môn của tôi.” Các phát hiện là về môn của bạn. Khi AI thực hiện phần luyện tập mà môn học của bạn tồn tại để cung cấp, đó đúng là lúc nó can thiệp, và sự can thiệp hiện ra trong đánh giá của bạn dù bạn có nhắc đến công cụ hay không.

“Bằng chứng còn quá mới để hành động.” Đúng một phần, và nó cắt cả hai chiều. Phần lớn tập nghiên cứu là can thiệp ngắn, nghiên cứu tự báo cáo, một ngành hẹp, hoặc công trình 2025 và 2026, và các tuyên bố từ nghiên cứu gia sư thông minh trưởng thành mạnh hơn tuyên bố về chatbot đa dụng không hạn chế. Ở đâu một tuyên bố nay có thử nghiệm ngẫu nhiên chống lưng, sự tách rời hiệu suất và học tập trong thử nghiệm CS1 và kết quả phản hồi trong triển khai môn toán, thì thử nghiệm đó được trích ở đây. Ở đâu không có, hãy coi phát hiện là hướng dẫn tốt nhất hiện có chứ không phải luật đã ngã ngũ, và hãy hoài nghi nhất với kết quả chỉ cho thấy sự hài lòng, tốc độ làm bài, chất lượng đầu ra, hoặc hiệu suất có trợ giúp tức thời.

Việc cần làm trong tuần này

1. Chọn bài tập mà bạn thấy khó bảo vệ nhất. Viết câu năng lực ở đầu đề bài.

2. Thêm một bước chạy không có AI: một bài áp dụng năm phút trong lớp, một đoạn giải thích ghi âm ngắn, hoặc một đoạn viết ngay trong phòng học. Cho nó điểm thật.

3. Nêu điều kiện AI cho bài tập đó và thêm một dòng lý do. Nếu bài tập trộn nhiều bước, nói rõ bước nào là bước nào.

4. Viết lại một prompt bạn đưa cho sinh viên từ “giải bài này” thành “cho tôi một gợi ý và hỏi tôi một câu hỏi”, và nói cho họ biết vì sao.

5. Trước khi học kỳ bắt đầu, mang thay đổi đó tới trưởng chương trình và tới người phê duyệt các điều chỉnh hỗ trợ, để lần khiếu nại đầu tiên không đồng thời là cuộc trò chuyện đầu tiên.

Đi tiếp từ đây

Để có phiên bản theo từng bên liên quan của những hiểu nhầm này, xem Làm thế nào để xử lý những hiểu sai phổ biến về AI trong giáo dục?. Với các yêu cầu thiết kế mà những phát hiện về công bằng và phán đoán của con người ngụ ý, xem Nghiên cứu AI trong giáo dục nên lồng ghép công bằng, khả năng tiếp cận, quyền riêng tư, đạo đức và an toàn sư phạm như thế nào?. 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? đi xa hơn ở nửa đánh giá, và Dùng AI có thực sự giúp sinh viên của tôi học tốt hơn không? là tổng quan bằng chứng đằng sau các tuyên bố trên trang này. Nếu bạn đang chọn giữa thiết kế lại và cưỡng chế, Làm thế nào để giảm gian lận AI trong khóa học của tôi? và Làm thế nào để tôi viết chính sách AI cho khóa học và truyền đạt nó tới sinh viên? là các trang đồng hành.