Thực hành tốt nhất khi dạy viết trong bối cảnh AI là gì?

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

Bạn đang viết lại một bản giao bài tập, và câu ngay trước mắt bạn nói rằng AI được phép dùng với điều kiện ghi rõ, một câu chẳng nói với sinh viên điều gì về việc liệu công cụ có được phép cung cấp luận điểm hay không. Một đồng nghiệp đã đề xuất cấm toàn khóa, và bạn nghi ngờ lệnh cấm đó giáng nặng nhất vào những người viết đa ngôn ngữ trong lớp. Hoặc một loạt bài luận quay về mượt hơn hẳn cuộc thảo luận seminar đứng sau chúng, và bạn cần một quy tắc có thể bảo vệ được ở cuộc họp chương trình tiếp theo.

Điểm mấu chốt: gọi tên công việc trí tuệ mà bài tập tồn tại để tạo ra, giữ bước đó ở lại với sinh viên, và giao cho công cụ những việc trả về thứ mà sinh viên phải phán xét. Một quy tắc viết theo cách đó cho sinh viên biết nó đang bảo vệ bước nào.

Tóm tắt

1. Viết một câu gọi tên tư duy mà bài tập chấm điểm, và đặt nó ở nơi sinh viên sẽ đọc.

2. Buộc sinh viên cam kết một luận điểm, một cách diễn giải hoặc một bản nháp thô trước khi công cụ nhìn thấy nhiệm vụ.

3. Đặt ranh giới theo từng bước. Cho phép AI ở nơi bước đó không phải là thứ bạn chấm, hạn chế nó ở nơi bước đó chính là thứ bạn chấm.

4. Giao cho AI chiếc ghế của người phê bình, rồi chấm điểm điều sinh viên làm với phản hồi đó.

5. Giữ một bài viết mà công cụ không bao giờ chạm tới và đọc bài có hỗ trợ đối chiếu với nó.

6. Nói trước việc khai báo sẽ ảnh hưởng gì đến điểm.

Gọi tên tư duy mà bài tập hướng tới

Ranh giới AI là câu hỏi thứ hai, và hầu hết bản giao bài tập lại trả lời nó trước tiên. Trước khi quyết định điều gì được phép, hãy hoàn thành câu này: bài tập này tồn tại để cho thấy sinh viên có thể làm X. Nếu X là lập luận, sinh viên phải hình thành và bảo vệ luận điểm. Nếu X là diễn giải theo chuyên ngành, sinh viên phải đưa ra phán đoán diễn giải. Nếu X là lý luận khoa học, sinh viên phải nối bằng chứng với kết luận. AI thực hiện công việc đó phá vỡ suy luận bạn muốn rút ra từ bài luận, và văn xuôi hay không sửa được điều đó. Giá trị đánh giá xem đây là vấn đề giá trị đánh giá chứ không phải vấn đề hạnh kiểm, đó là lý do cả giáo dục viết và liêm chính học thuật đều cuối cùng lập luận cho các quy tắc ở cấp nhiệm vụ thay vì lệnh cấm ở cấp khóa học.

Nash và Burriss cho thấy câu đó dễ sai đến mức nào. Trong 27 giáo viên tiếng Anh dự bị, mỗi người có một chính sách AI trên lớp, 22 chính sách cho phép dùng AI để nảy ý và động não, 22 chính sách cấm hoặc để mơ hồ việc dùng AI để viết câu, đoạn hoặc bài, và 22 chính sách không nói gì về việc đọc. Cũng những giáo viên đó mô tả việc nảy ý và sửa bài là 'tư duy', trong khi đặt tư duy thật vào văn bản viết cuối cùng. Nếu tư duy chạy xuyên suốt lập kế hoạch, viết nháp, sửa và đánh giá, thì một chính sách chỉ canh giữ sản phẩm cuối cùng đang canh giữ sai bước, và việc đọc cần một quy tắc rõ ràng như việc viết.

Hãy viết quy tắc thành một câu về một bước, chẳng hạn: 'Bạn có thể dùng AI để thử các phản biện đối với một luận điểm bạn đã đưa ra. Bạn không được dùng nó để tạo ra luận điểm hay bằng chứng cho luận điểm đó.' Sinh viên có thể hành động theo đó. 'AI được phép dùng với điều kiện ghi rõ' không cho họ gì để hành động.

Buộc sinh viên cam kết trước khi công cụ phản hồi

Thứ tự thao tác là lựa chọn thiết kế hữu ích nhất trong tài liệu này. Nghiên cứu theo tầng của Chen trên 168 sinh viên đại học trong sáu lớp nguyên vẹn tách ra bốn kiểu ủy thác: ủy thác bề mặt, ủy thác cấu trúc, ủy thác ý tưởng và ủy thác lý luận. Cộng tác mở với AI tạo ra bài viết có AI hỗ trợ mạnh nhất và kết quả độc lập về sau yếu nhất. Ủy thác lý luận là tầng có liên hệ tiêu cực mạnh nhất với tư duy bậc cao độc lập. Một điều kiện có giới hạn, hạn chế những gì sinh viên được ủy thác và yêu cầu họ giải thích mình đã chấp nhận, sửa đổi hay bác bỏ từng gợi ý của AI ra sao, làm tốt hơn ở bài viết độc lập, độ sâu lập luận và việc sửa bài.

Hãy xử lý tuyên bố nhân quả một cách thận trọng. Đây là nghiên cứu gần thực nghiệm, với sáu lớp nguyên vẹn và không phân bổ ngẫu nhiên sinh viên, nên khác biệt giữa các lớp vẫn rối với can thiệp. Hướng của kết quả khớp với tài liệu rộng hơn về giảm tải nhận thức, đó là lý do đáng để hành động dựa trên nó, còn độ lớn của hiệu ứng thì không phải thứ để đem ra trích dẫn trước một hội đồng.

Trên bản giao bài, nó tốn một dòng: sinh viên mang đến một cách diễn giải, một giả thuyết, một lập luận hoặc một phân tích, và AI được yêu cầu tấn công nó. 'Đây là ba phản biện đối với lập luận của tôi' giữ tư duy ở lại với người viết. 'Viết lập luận của tôi' thì không, bất kể sau đó sinh viên làm gì với đầu ra.

Coi bản nháp đầu là bước đắt giá

Hỗ trợ ở các giai đoạn khác nhau gây ra những tổn hại khác nhau. Trong một nghiên cứu trên 253 người viết, bất kỳ hỗ trợ AI nào cũng làm giảm cảm giác sở hữu công việc, hỗ trợ viết nháp làm giảm nhiều nhất, và hỗ trợ lập kế hoạch làm giảm ít nhất. Càng nhiều văn bản và ý tưởng do AI đóng góp thì đi kèm chất lượng bài luận tốt hơn và cảm giác sở hữu thấp hơn trong cùng một bài nộp (nghiên cứu về quyền sở hữu từ lập kế hoạch đến sửa bài). Đó chính là sự kết hợp cần tính đến khi thiết kế: một bài luận mạnh hơn và một cảm giác về quyền tác giả yếu hơn đến cùng nhau, và cái thứ hai là thứ mà tính chủ thể trong việc viết dựa vào.

Nếu quyền tác giả có ý nghĩa trong khóa học của bạn, hãy tách quyền hạn ra. AI gợi mở việc lập kế hoạch, hỏi sinh viên đã có bằng chứng gì, hoặc nêu một phản biện mà sinh viên đã bỏ sót thì có thể biện hộ được ở gần như mọi nơi. AI tạo ra các đoạn văn thì khó biện hộ ở nơi viết lách chính là kỹ năng mục tiêu. Ở nơi viết lách không phải mục tiêu, cách tính sẽ khác.

Đặt quy tắc ở từng bước

Một trình tự đáng để vay mượn giữ AI ở vai trò tư vấn và đặt phần lý luận ở lại với sinh viên:

Giai đoạn	Sinh viên làm	AI được phép	Sản phẩm bạn có thể thu
1. Tiếp xúc bằng chứng	Đọc, quan sát, chú giải, tính toán, chạy thí nghiệm	Không gì, hoặc chỉ làm rõ	Ghi chú, chú giải, quan sát
2. Hình thành lập trường	Tạo ra cách diễn giải, câu hỏi, giả thuyết, luận điểm	Đặt câu hỏi, thách thức giả định	Bản ghi luận điểm hoặc giả thuyết
3. Lập kế hoạch	Quyết định bằng chứng, trình tự, độc giả, thể loại	Phê bình một dàn ý, gợi ý phương án khác	Dàn ý kèm lý do
4. Viết nháp	Tạo ra văn xuôi và lý luận có nội dung thực chất	Bị hạn chế tùy theo mục tiêu học tập	Bản nháp và lịch sử phiên bản
5. Phản hồi của con người	Cho và nhận phản hồi từ bạn học hoặc giảng viên	Không cần gì	Nhận xét của bạn học
6. Phản hồi của AI	Yêu cầu phê bình theo tiêu chí	Người phê bình, người đọc, người tạo phản biện, người kiểm tra độ rõ ràng	Bản ghi phản hồi của AI
7. Đánh giá phản hồi	So sánh gợi ý của bạn học, giảng viên và AI, chấp nhận hoặc bác bỏ kèm lý do	Đầu ra của nó giờ là đối tượng đánh giá	Bản ghi quyết định về phản hồi
8. Sửa bài	Thực hiện và biện giải những thay đổi thực chất	Thử độ rõ ràng, đưa ra phương án khác	Bản sửa
9. Kiểm chứng	Kiểm tra mọi tuyên bố thực tế hoặc phụ thuộc nguồn	Không thể kiểm chứng đầu ra của chính nó	Nguồn và bằng chứng
10. Suy ngẫm và khai báo	Giải thích vai trò của AI và điều gì đã thay đổi trong tư duy của mình	Không gì	Bài suy ngẫm ngắn về quá trình
11. Kiểm tra độc lập	Giải thích hoặc áp dụng lý luận mà không có AI	Không gì	Bảo vệ miệng, viết nhanh, tình huống mới

Đây là PAIRR mở rộng: viết nháp, phản hồi của con người, phản hồi của AI, so sánh, sửa bài, suy ngẫm, kèm một đường cơ sở độc lập và một ranh giới chặt hơn quanh phần lý luận. Hãy dùng cột giữa làm bài tập và cột bên phải làm thứ mà một con điểm có thể dựa vào.

Mười một dòng là nhiều hơn hầu hết bài tập cần. Hãy thu gọn bảng lại thành những bước bạn thực sự phân biệt được trong lớp: tiếp xúc bằng chứng, hình thành lập trường, viết nháp và sửa bài. Trong phiên bản ngắn hơn đó, bước tiếp xúc và bước lập trường là nơi cấu trúc năng lực nằm, viết nháp là bước gây tranh cãi, còn định dạng hay kiểm tra tài liệu tham khảo thì có thể cho phép thẳng. Viết bảng ra chính là cách bạn tìm ra hai hay ba chỗ mà quy tắc của bạn buộc phải nói điều gì đó, nên một quy tắc có ba điều khoản mà sinh viên theo được tốt hơn một ma trận không ai đọc.

Giữ phản hồi của con người trong vòng lặp

Nghiên cứu trên lớp lớn nhất ở đây là PAIRR: 654 sinh viên trong mười khóa học viết và ba khóa STEM chú trọng viết. Họ viết nháp, hoàn thành đánh giá đồng đẳng, nhận phản hồi của AI dựa trên rubric, so sánh và đánh giá cả hai nguồn, viết kế hoạch sửa bài, sửa bài và suy ngẫm. 58% thích phản hồi kết hợp bạn học và AI. 6% chỉ thích phản hồi của AI. Sinh viên thấy AI hữu ích cho những lời khuyên sửa bài theo rubric nói chung, còn bạn học cung cấp kiến thức theo ngữ cảnh và một phản ứng độc giả đích thực.

Hãy nói chính xác về tuyên bố. PAIRR đo trải nghiệm và cách sinh viên đánh giá phản hồi, không đo thành quả học tập dài hạn, nên đây là bằng chứng mạnh cho một thiết kế phản hồi và bằng chứng yếu hơn rằng việc viết tốt lên sau nhiều tháng. Hãy giữ bước bạn học ngay cả khi bước AI nhanh hơn. Phần lớn công việc của phản hồi diễn ra trong việc so sánh hai nguồn, và bỏ nó đi là bỏ đúng phần mà sinh viên nói họ coi trọng.

Chấm điểm điều sinh viên làm với phản hồi

Năng lực phản hồi là khả năng tìm kiếm phản hồi, đánh giá chất lượng của nó, quản lý phản ứng của mình trước nó và biến nó thành việc sửa bài. Sinh viên có nhiều năng lực này hưởng lợi từ phản hồi của AI nhiều hơn hẳn. Sinh viên coi đầu ra là chân lý thì thu được ít hơn (Chất lượng phản hồi của AI).

Một bảng quyết định ngắn làm cho năng lực đó trở nên hữu hình, mỗi gợi ý một dòng: gợi ý của AI, chấp nhận / bác bỏ / sửa đổi, vì sao, và tiêu chí rubric hoặc mẩu bằng chứng đứng sau quyết định đó. Bốn cột, không cần bài luận. Nó biến đầu ra của mô hình thành chất liệu cho phán đoán đánh giá, và cho bạn một thứ chấm điểm được mà không phải là văn xuôi.

Hãy mô tả một dòng đạt yêu cầu cẩn thận như bạn mô tả một luận điểm: nó gọi tên tiêu chí rubric, chỉ vào một đoạn văn hoặc một mẩu bằng chứng, và giải thích một thay đổi mà sinh viên thực sự đã làm. Một dòng viết 'ý hay, đồng ý' không được điểm nào. Sinh viên viết theo ví dụ trước mắt, nên ví dụ chính là lời hướng dẫn.

Làm cho việc khai báo rẻ và cụ thể

Sinh viên giấu việc dùng AI khi chính sách mơ hồ, mang tính trừng phạt hoặc gắn nhãn kỳ thị, và việc trung thực có thể thu hút sự nghi ngờ (Tuyên bố sử dụng AI và khai báo; nghiên cứu về sự tự biện minh của sinh viên). Điều làm cho việc khai báo có ích về mặt sư phạm là nó ghi lại các quyết định: công cụ được dùng để làm gì, sinh viên đưa cho nó những gì, những gợi ý nào có ý nghĩa, sinh viên chấp nhận hay bác bỏ điều gì.

Mohamed và Temimi cung cấp cơ chế. Việc khai báo chỉ trở thành lựa chọn hấp dẫn khi cái giá của sự trung thực còn thấp. Công cụ phát hiện cũng tạo ra dương tính giả đối với sinh viên trung thực, nên giám sát nặng hơn có thể làm cho việc giấu giếm trở nên hấp dẫn hơn một cách tương đối. Lời khuyên của họ là thiết kế cho sinh viên dễ bị cám dỗ giấu giếm nhất, và đọc một khai báo như ngữ cảnh chứ không phải lời thú tội.

Hai chi tiết làm phần lớn công việc trên biểu mẫu. Hãy hỏi về những cách dùng cụ thể thay vì một hạng mục chung, và nói rõ một khai báo sẽ ảnh hưởng đến điểm như thế nào. Sinh viên không biết thì sẽ mặc định điều tồi tệ nhất.

Bốn câu hỏi là đủ cho hầu hết bài tập: công cụ được dùng ở bước nào của công việc, sinh viên đã đưa cho nó những gì, những gợi ý nào đã thay đổi bản nháp, và những gợi ý nào bị bác bỏ và vì sao. Câu hỏi cuối cùng là câu cho nhiều thông tin nhất, vì một lời bác bỏ kèm lý do là bằng chứng của phán đoán, còn một danh sách gợi ý được chấp nhận thì không.

Điều chỉnh quy tắc theo cách ngành của bạn gọi là viết

Khóa học sáng tác và viết

Giảng viên dạy viết có lý do mạnh nhất để bảo vệ quá trình, vì viết nháp, các quyết định tu từ, sửa bài, ý thức về độc giả và giọng điệu là mục tiêu học tập chứ không phải là việc phô diễn chúng. Hãy thu vài mẫu độc lập vào đầu học kỳ, để cả bạn và sinh viên đều biết người viết hiện có thể làm gì. Hãy đưa AI vào với vai độc giả, người phê bình và người bạn sửa bài: hỏi xem người đọc mất mạch ở đâu, tạo ra phản biện đối với một luận điểm, so bản nháp với rubric, đánh dấu những tuyên bố thiếu chỗ dựa, giải thích vì sao một đoạn văn nghe rời rạc. Sinh viên phán xét từng gợi ý.

Hãy giữ việc bạn học nhận xét song song với phản hồi của AI, vì bạn học cung cấp kiến thức theo ngữ cảnh và về độc giả mà mô hình thiếu, và việc đánh giá khác biệt giữa hai nguồn tự nó đã là luyện tập viết. Hãy thận trọng với việc để AI tạo ra những đoạn dài của bản nháp đầu khi học viết là mục tiêu, vì các lý do về quyền sở hữu và giảm tải ở trên. Tránh lệnh cấm toàn diện đối với hỗ trợ ngữ pháp, cách diễn đạt hoặc ngôn ngữ, vì chúng tạo ra rào cản không cần thiết cho những người viết đa ngôn ngữ. Thay vào đó, hãy tách hỗ trợ ngôn ngữ khỏi quyền tác giả trí tuệ: hỗ trợ về cách diễn đạt là ổn, và sinh viên vẫn chịu trách nhiệm về ý tưởng, bằng chứng, các quyết định tu từ và ý nghĩa. Hãy kiểm toán chính phản hồi, vì Tan và cộng sự phát hiện rằng cùng một bài viết nhận được nhiều lời khen hơn và ít phê bình thực chất hơn khi thông tin nhân khẩu học hoặc học vấn của sinh viên được đưa vào prompt, điều này đặt giảm thiểu thiên lệch vào bên trong thiết kế phản hồi.

Khóa học nhân văn và khoa học xã hội

Diễn giải thường là năng lực mục tiêu, nên hãy để việc tiếp xúc với nguồn diễn ra trước khi tiếp xúc với AI. Sinh viên chú giải văn bản gốc, nguồn lịch sử, tác phẩm nghệ thuật, tài liệu lưu trữ, bản phỏng vấn hoặc đoạn lý thuyết và hình thành cách đọc ban đầu trước khi hỏi bất cứ điều gì. Sau đó mô hình làm việc như một đối trọng: đưa ra một cách đọc khác, nói bằng chứng nào sẽ thách thức cách diễn giải này, gọi tên những giả định mà lập luận đang dựa vào, tạo ra một cách đọc từ một góc nhìn lý thuyết đối lập. Sinh viên quyết định cách đọc nào văn bản thực sự ủng hộ.

Hãy giao bài phê bình mô hình như một công việc chuyên ngành. Đưa cho sinh viên một cách diễn giải của AI về một bài thơ, một sự kiện, một lập luận hoặc một hiện tượng xã hội và hỏi nó nhận ra điều gì, bỏ sót điều gì, bằng chứng nào ủng hộ các tuyên bố của nó, góc nhìn của ai vắng mặt, và ở đâu nó biến sự mơ hồ thành một câu trả lời trơn tru. Điều đó giữ phán đoán diễn giải lại trong khóa nhân văn, thứ mà khóa học tồn tại để dạy. Hãy đánh giá các quyết định diễn giải và sự biện giải bằng bằng chứng của chúng, và dùng một câu hỏi hội thoại ngắn như 'Vì sao bạn đọc đoạn này theo cách đó thay vì cách khác mà bạn đã bác bỏ?'. Đoán xem một câu có vẻ do máy viết hay không là một thước đo yếu hơn, như phát hiện AI giải thích.

Khóa học STEM và báo cáo thí nghiệm

Một lưu ý trước: cơ sở kiến thức này có bằng chứng mạnh hơn nhiều về viết học thuật có AI hỗ trợ nói chung so với viết báo cáo thí nghiệm nói riêng. Việc dạy học thực hành và trong phòng thí nghiệm vẫn còn ít được đề cập, kể cả trong tài liệu giáo dục kỹ thuật, nên những gì tiếp theo áp dụng các phát hiện về viết, giảm tải, giá trị đánh giá và kỹ thuật vào một bối cảnh mà các nghiên cứu đó chưa từng kiểm nghiệm.

Hãy vẽ ranh giới quanh lý luận khoa học chứ không phải quanh văn xuôi nói chung. Sinh viên vẫn chịu trách nhiệm về quan sát, dữ liệu thô, tính toán, độ bất định, hình vẽ, các lựa chọn phân tích, kết quả và lý luận nối tuyên bố với bằng chứng. Khi những thứ đó đã có, AI có thể giúp một cách hợp lý về tổ chức, độ dễ đọc, chuyển ý và các quy ước chuyên ngành, đúng như cách tách bề mặt với lý luận trong nghiên cứu của Chen.

Một gói báo cáo cho khóa thí nghiệm thời AI gồm báo cáo cộng với dữ liệu thô được chọn, các tính toán hoặc đầu ra sổ tay, một hình vẽ kèm cách diễn giải do sinh viên viết, và một tuyên bố ngắn về việc kết luận trung tâm suy ra từ bằng chứng như thế nào. Với những báo cáo có trọng số cao, hãy hỏi một hoặc hai câu hỏi tiếp theo được cá nhân hóa về một đồ thị, một kết quả bất thường, một lựa chọn phương pháp hoặc một hạn chế. Đừng để sự trôi chảy của văn viết thay thế cho hiểu biết khái niệm: chấm điểm vật lý tự động có thể đánh giá thấp hiểu biết khái niệm khi cách diễn đạt ngôn ngữ yếu hơn, và điều đó giáng nặng nhất vào sinh viên đa ngôn ngữ (Chấm điểm bài luận tự động). Nếu cả lý luận và viết đều là mục tiêu, hãy cho điểm riêng.

Khóa học kỹ thuật

Trách nhiệm nghề nghiệp làm thay đổi cách diễn đạt. Một tổng quan 99 nghiên cứu thực nghiệm về giáo dục kỹ thuật xác định tính minh bạch, sự giám sát của con người, tính độc lập của sinh viên, quyền riêng tư, quyền tác giả, tính công bằng và tính hữu ích là những quan ngại đạo đức lặp lại, và lập luận rằng đạo đức AI thuộc về quá trình hình thành nghề nghiệp chứ không chỉ thuộc về việc tuân thủ quy định. Trong một báo cáo thí nghiệm hoặc báo cáo thiết kế, hãy yêu cầu sinh viên khai báo phần hỗ trợ và xác nhận rằng họ đã kiểm chứng các tính toán, nguồn, giả định và những tuyên bố liên quan đến an toàn.

Giữ một mẫu công cụ không bao giờ chạm tới

Hiệu suất có hỗ trợ không phải là năng lực độc lập, và bạn cần ít nhất một lần đọc về cái thứ hai. Những điều kiện rút công cụ thỉnh thoảng là đủ: một bài viết ngắn không AI, diễn giải tại lớp, một lời giải thích bằng miệng, một buổi hội thoại, sửa bài ngay tại chỗ, hoặc một bài toán tiếp theo chuyển cùng lý luận đó sang một tình huống mới. Điều này quan trọng nhất khi bài cuối mang trọng số điểm lớn. Nó không có nghĩa là phải giám thị mọi bài tập. Vài mẫu được đặt đúng chỗ cho bạn và sinh viên một đường cơ sở để diễn giải bài có hỗ trợ, đó là trường hợp riêng cho việc viết của lập luận trong thiết kế lại đánh giá trong thời đại AI.

Hãy đọc hai bài cạnh nhau và hỏi liệu lý luận trong bài có hỗ trợ có cũng hiện ra trong bài không có hỗ trợ hay không. Ở nơi có, bài luận đang làm đúng việc của nó với tư cách bằng chứng. Ở nơi không có, con điểm của bài có hỗ trợ đang đo thứ mà công cụ cung cấp. Sự so sánh đó cũng là thứ bạn phải cho một sinh viên đang khiếu nại điểm thấy, vì nó chỉ vào một mẩu tư duy cụ thể chứ không chỉ vào một ấn tượng về văn xuôi.

Quyết định AI được phép chấm gì

Hai kết quả trông có vẻ mâu thuẫn lại tương thích. Những hệ thống được hiệu chỉnh cẩn thận với rubric chi tiết và ví dụ có thể chấm tốt một số nhiệm vụ nhất định, còn việc chấm bằng LLM nguyên bản lệch đáng kể so với phán đoán của con người. Mathew và cộng sự phát hiện mức đồng thuận yếu giữa người và LLM, và mức đồng thuận này thay đổi một cách có hệ thống theo chất lượng bài luận: mô hình thưởng quá mức cho những bài ngắn, đọc bề mặt thì trôi, phạt quá mức những bài dài và mạnh hơn có lỗi bề mặt nhỏ, và tụ lại quanh giữa thang điểm. Mẫu hình đó ủng hộ AI cho phản hồi định hình có trọng số thấp, soạn nhận xét và phân loại sơ bộ, hơn hẳn cho việc chấm tổng kết tự động (Chấm điểm bài luận tự động).

Sinh viên cũng tự vẽ một đường tương tự. Trong một khóa truyền thông kỹ thuật bậc đại học, nơi ChatGPT chấm bài viết tay và sinh viên được cho biết điều đó, cả 13 người tham gia đều thấy phản hồi rõ ràng và hữu ích cho việc sửa bề mặt. Phần lớn tách ích lợi của phản hồi khỏi thẩm quyền đánh giá: họ chấp nhận lời phê bình và khăng khăng rằng giảng viên quyết định điểm (Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education). Hãy thiết kế sự giám sát của con người như điểm mà ở đó đầu ra của AI trở thành điểm số, chứ không phải như một cử chỉ lịch sự ban khi tiện.

Đánh giá bằng chứng trước khi viết lại đề cương

Lập luận cho những thiết kế này là hứa hẹn và chưa đủ mạnh để biện minh cho một chính sách viết bằng AI duy nhất áp cho mọi nơi. Một số bằng chứng tốt nhất đến từ những nghiên cứu trên lớp có quy mô, như PAIRR với 654 sinh viên. Phần lớn số còn lại dựa trên gần thực nghiệm, mẫu thực nghiệm nhỏ, phân tích khái niệm và công trình 2025-2026 vẫn còn mới: nghiên cứu viết có giới hạn của Chen có 168 sinh viên nhưng chỉ sáu lớp nguyên vẹn, nghiên cứu về quyền sở hữu dùng một nhiệm vụ viết thực nghiệm ngắn, và một nghiên cứu báo cáo chất lượng tăng ngay sau khi luyện tập với ChatGPT chỉ gồm 21 sinh viên quốc tế năm thứ nhất và không xác lập được sự chuyển giao dài hạn (Leveraging ChatGPT in academic writing: ChatGPT enhances students' writing quality, writing experience, and ownership). Điều mà cơ sở kiến thức AI trong giáo dục ủng hộ là một tập hợp các nguyên tắc thiết kế, và phát hiện xuyên nghiên cứu đáng tin nhất trong đó là hãy bảo tồn tính chủ thể, phán đoán đánh giá, năng lực độc lập, lý luận chuyên ngành và phản hồi của con người của sinh viên, trong khi dùng AI để mở rộng khả năng tiếp cận phê bình, luyện tập, hỗ trợ sửa bài và hỗ trợ ngôn ngữ.

Sự kết hợp đó có một hệ quả thực tiễn. Hãy thay đổi một bài tập, giữ lại sản phẩm, và so sánh khóa tiếp theo với khóa này trên cùng một thước đo. Một quy tắc bạn có thể sửa sau một học kỳ đáng giá hơn một chính sách bạn không thể kiểm nghiệm, và những nghiên cứu nhỏ ở trên sẽ không nói cho bạn biết điều gì xảy ra trong khóa học của bạn.

Giảng viên hiểu sai gì về điều này

Một công cụ phát hiện sẽ giải quyết được việc bài viết có phải của sinh viên hay không. Không. Trong một nghiên cứu thực địa bí mật, 94% bài thi do AI tạo ra không bị phát hiện và còn được điểm cao hơn sinh viên thật, và một nghiên cứu có đối chứng phát hiện công cụ phát hiện gắn cờ những chỉnh sửa nhẹ bằng AI vẫn tuân thủ ở mức 38-80% trong khi bỏ sót hơn 96% các bản viết lại đã bị làm cho giống người (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI; Why AI Detection Fails for Academic Integrity). Phát hiện trả lời một câu hỏi về phát hiện, còn giá trị đánh giá là một câu hỏi khác.

Một chính sách cấp khóa học rõ ràng hơn một quy tắc cho từng bài tập. Các chính sách của Nash và Burriss là những văn bản cấp khóa học, và trong 27 chính sách đó, 22 cho phép động não, 22 hạn chế hoặc làm mờ việc viết, và 22 im lặng về việc đọc. Một văn bản bao trùm mọi thứ có xu hướng cụ thể về bước mà giảng viên lo lắng và mơ hồ về phần còn lại.

Văn xuôi tốt hơn nghĩa là việc dạy viết đã có hiệu quả. Nghiên cứu về quyền sở hữu phát hiện chất lượng bài luận tốt hơn và cảm giác sở hữu thấp hơn trong cùng một bài nộp, còn điều kiện cộng tác mở của Chen tạo ra bài viết có hỗ trợ mạnh nhất với kết quả độc lập về sau yếu nhất. Chất lượng văn xuôi là một thước đo sản phẩm. Thứ mà khóa học hướng tới là một thước đo năng lực.

Tiếp cận không giới hạn cộng với một prompt tốt là đủ. Sinh viên coi phản hồi của AI là chân lý thu được ít hơn từ nó so với sinh viên đã phát triển năng lực phản hồi. Quyền tiếp cận lời phê bình và năng lực sử dụng lời phê bình là hai tài sản khác nhau.

Cấm AI là bảo vệ quá trình viết. Một lệnh cấm trả lời một câu hỏi khác nhau tùy theo từng bước, và nó tạo ra rào cản cho những người viết đa ngôn ngữ cần hỗ trợ ngôn ngữ không liên quan gì đến quyền tác giả. Một cách tách khả thi chạy giữa cách diễn đạt và trách nhiệm trí tuệ.

Những gì sẽ quay lại với bạn

'Tôi không có thời gian đọc thêm một sản phẩm nào nữa.' Vậy hãy làm sản phẩm đó nhỏ lại: bốn cột của một bảng quyết định, hoặc năm phút viết tại lớp làm mẫu độc lập. Cơ sở dữ liệu không báo cáo dữ liệu nào về thời gian chấm cho những thiết kế này, nên lập luận về khối lượng công việc phải được kiểm nghiệm trên một bài tập chứ không thể giả định từ trang này.

'Sinh viên của tôi sẽ dùng AI bất kể quy tắc nói gì.' Họ sẽ dùng, và câu hỏi thiết kế là bài tập của bạn làm cho phản ứng nào trở nên dễ nhất. Một khai báo không tốn gì và một rubric trả điểm cho quá trình làm cho việc khai báo thành con đường rẻ hơn. Cơ chế đó đến từ mô hình hóa chứ không từ một thử nghiệm về chính sách khai báo, nên hãy coi dự đoán này là hợp lý nhưng chưa được xác nhận.

'Một lệnh cấm đơn giản hơn, và nó bảo vệ quá trình.' Đơn giản hơn, đúng. Các chính sách ở trên cho thấy một quy tắc cấp khóa học duy nhất trôi dạt vào im lặng ở đúng những bước quan trọng, và những hạn chế ngôn ngữ toàn diện giáng vào những sinh viên cần chúng nhất.

'Nhận xét của bạn học giờ là thừa vì AI trả lời trong vài giây.' 58% sinh viên PAIRR thích sự kết hợp và 6% chỉ thích AI, và lý do họ đưa ra là kiến thức theo ngữ cảnh và về độc giả mà bạn học cung cấp. Đó là đo trải nghiệm, nên nó đi xa ít hơn một kết quả về thành quả học tập.

'Mô hình chấm nhiệm vụ này tốt như tôi.' Những hệ thống được hiệu chỉnh với rubric chi tiết và ví dụ mẫu có thể chấm tốt một số nhiệm vụ nhất định. Chấm điểm chung chung thì không, và Mathew và cộng sự cho thấy sự bất đồng đi theo chất lượng bài luận chứ không rải ngẫu nhiên, đó là kiểu lỗi khó nhận ra hơn. Hãy thử công cụ trên chính tập bài bạn đã chấm trước khi nó chạm vào một con điểm.

'Điều này phạt những sinh viên có tiếng Anh học thuật yếu hơn.' Có thể, nếu quy tắc coi cách diễn đạt và quyền tác giả là một thứ. Hãy tách chúng ra, và kiểm toán phản hồi của AI để tìm mẫu hình mà Tan và cộng sự phát hiện, nơi cùng một bài viết nhận nhiều lời khen hơn và ít phê bình thực chất hơn khi thông tin nhân khẩu học hoặc học vấn có trong prompt. Cơ sở dữ liệu ghi lại thiên lệch đó. Nó không báo cáo một cách khắc phục đã được kiểm nghiệm, nên phép so sánh của chính bạn là bước kiểm tra.

Việc cần làm trong tuần này

1. Viết câu về năng lực cho bài tập lớn tiếp theo của bạn và đặt nó lên bản giao bài.

2. Thêm một dòng yêu cầu luận điểm, cách diễn giải hoặc bản nháp thô của sinh viên trước mọi việc dùng AI, và nói rõ bạn sẽ thu gì.

3. Đánh dấu từng bước của bài tập đó là có mang cấu trúc năng lực hay không, và viết lại quy tắc AI để nó cho phép công cụ ở nơi bước đó không được chấm.

4. Thêm một bảng quyết định phản hồi bốn cột vào rubric, có gắn điểm.

5. Lên lịch một bài viết ngắn mà không công cụ nào chạm tới, và quyết định ngay bây giờ nó thuộc bài tập nào.

Đi tiếp từ đây

Phía đánh giá của lập luận này, bao gồm thiết kế các bước được xác thực, nằm trong thiết kế lại đánh giá trong thời đại AI. Về văn bản chính sách mà sinh viên thực sự đọc, xem chính sách AI của khóa học, và về chính các công cụ phản hồi, xem chất lượng phản hồi của AI. Cách dạy sinh viên kiểm chứng đầu ra của AI bao quát những gì sinh viên nên kiểm tra khi mô hình cung cấp một tuyên bố hoặc một nguồn, và trang khái niệm AI như người huấn luyện, không phải cái nạng nêu rõ ranh giới mà trang này quay lại nhiều lần.