Trên trang này

Cập nhật nghiên cứu AIEd hằng tuần #414 tháng 11, 2026

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

Một bản tin hằng tuần từ Cơ sở tri thức về AI trong giáo dục, về ý nghĩa của nghiên cứu được bổ sung trong tuần qua đối với giảng viên, nhà phát triển, nhà nghiên cứu và cán bộ quản lý.

Kể từ số trước, 199 nghiên cứu mới, tám trang khái niệm mới, hai câu hỏi thường gặp mới và mười ba tài nguyên mới đã gia nhập cơ sở tri thức. Cơ sở tri thức hiện chứa 2.277 tóm tắt bài viết, 238 trang khái niệm, 46 câu hỏi thường gặp và 53 tài nguyên. Hãy tìm kiếm hoặc dùng AI để trò chuyện với cơ sở tri thức.

Điểm nổi bật chính và các câu hỏi

Bạn có thể tin một điểm trung bình chấm bài không? Hai phiên bản ChatGPT chấm cùng những bài luận và đẩy mọi bài về phía giữa: một bài mà giảng viên cho trượt ở mức 50 được chấm lại thành 66, một bài 80 thành 67, nên sinh viên yếu nhất và mạnh nhất cuối cùng nhận cùng một điểm. Hãy dùng nhận xét của AI để giúp sinh viên sửa bài, và giữ điểm được ghi lại với con người.
Điều gì xảy ra khi bài tập thay đổi nhưng cách cho điểm thì không? Các trường đại học đổi bài luận sang thuyết trình và bảo vệ miệng, rồi vẫn giữ nguyên một con điểm duy nhất trên bảng điểm. Một sinh viên có thể bảo vệ bài làm của mình bằng lời và vẫn ra trường với một con số không nói gì về cách họ tư duy. Hãy thay đổi những gì bảng điểm báo cáo, nếu không thì cải cách chỉ thay đổi giấy tờ.
Một chatbot có giúp sinh viên hiểu văn bản tốt hơn việc ghi chú không? Sinh viên ghi chú học được nhiều hơn sinh viên hỏi chatbot về cùng một đoạn văn, và sinh viên dùng chatbot thường chép câu trả lời của nó vào ghi chú. Họ vẫn đánh giá chatbot dễ dùng hơn, hữu ích hơn và thú vị hơn. Hãy giữ nhiệm vụ viết, vì một công cụ tóm tắt bài đọc đang làm chính công việc tạo ra việc học.
Chúng ta chấm bài luận hay chấm tư duy? Bài luận được thiết kế để cho thấy một trí óc đang thay đổi trong khi viết, và việc chỉ chấm văn bản hoàn chỉnh đã vứt bỏ điều đó. Hãy yêu cầu một bản nháp đầu, một bài phê bình về nó, và một bản sửa nói rõ điều gì đã thay đổi và vì sao. Một chatbot có thể tạo ra bản nháp cuối. Nó không thể cho thấy công việc để đi đến đó.
AI có thể chấm bài thi viết tay không? Claude chấm bài thi viết tay gần như chính xác như giảng viên ở câu hỏi trắc nghiệm và câu trả lời ngắn, và chấm đúng hình vẽ tay khoảng một nửa số lần. Hãy để nó chấm trước các câu hỏi ghi nhớ, và tự chấm các hình vẽ cùng những chỗ cần phán đoán.
Một chatbot có thể điều hành một bài thi miệng không? Một chatbot có thể phỏng vấn sinh viên mà không bao giờ nhìn thấy rubric, trong khi một phần thứ hai ẩn của hệ thống chấm cuộc trò chuyện, nên sinh viên không thể dùng lời nhắc để giành điểm. Hệ thống của họ chấm quá rộng lượng khi chấm từng câu trả lời ngay lúc diễn ra. Hãy chấm toàn bộ cuộc trò chuyện ở cuối.

Bản tổng quan bằng chứng của Stanford về AI trong K-12 đã được cập nhật lên ấn bản tháng 11 năm 2026 trong tuần này, và nền tảng bằng chứng nhân quả đã tăng gấp đôi lên 52 nghiên cứu. Dùng AI để giải thích và hướng dẫn dự báo việc học tốt hơn, dùng nó để tạo ra sản phẩm dự báo kém hơn, và một thử nghiệm phát hiện một trợ lý đa dụng làm giảm động lực của sinh viên.

FAQ mới

Hai câu trả lời đã gia nhập FAQ trong tuần này. Cả hai đều về những quyết định đến trước khi bất kỳ ai chọn một công cụ.

Có những lựa chọn và vấn đề nào cần cân nhắc khi áp dụng công cụ AI?

Câu trả lời về việc áp dụng tách ba quyết định mà một danh mục nhà cung cấp trộn lẫn với nhau: dữ liệu nào đi vào công cụ, cơ sở có cho phép hay không, và ai vận hành mô hình. Một chatbot miễn phí giữ cuộc trò chuyện trên máy chủ của nhà cung cấp. Một cổng của trường giữ nó trên máy chủ của bạn và có thể cắt quyền truy cập. Hãy bắt đầu với câu hỏi về dữ liệu, vì đó là điều bạn không thể hoàn tác về sau.

Các nhà giáo dục nên tránh làm gì với AI?

Câu trả lời về điều cần tránh nêu ba sai lầm. Đừng dùng AI để làm phần tư duy mà bài tập tồn tại để dạy. Đừng coi lượt nhấp, thời gian trên trang hay việc hoàn thành là bằng chứng của việc học. Và đừng viết một quy định nói "hãy dùng AI có trách nhiệm" trong khi để nguyên một bài tập mà chatbot có thể hoàn thành trong một phút. Điều cuối cùng đó là thất bại phổ biến: một câu chính sách không thay đổi những gì sinh viên có thể làm. Bài tập và bằng chứng bạn thu thập thì có.

Khái niệm mới

Tám trang khái niệm đã gia nhập cơ sở tri thức trong tuần này.

AI ngầm là việc dùng AI diễn ra trước khi bất kỳ ai phê duyệt. Một giảng viên soạn phản hồi trong tài khoản ChatGPT cá nhân và cơ sở không bao giờ biết rằng bài làm của sinh viên đã đi qua đó.
Hạ tầng AI của cơ sở là hệ thống đường ống đằng sau việc dùng AI trong trường: ai được truy cập, mô hình nào chạy, những gì được ghi log và ai trả tiền. Một ví dụ là cổng của một trường đại học cấp hạn mức cho từng khoa và giữ nhật ký kiểm toán.
Chức năng điều hành bao gồm việc lập kế hoạch, giữ thông tin trong đầu và dừng một xung động. Hãy nghĩ đến một sinh viên có thể lập dàn ý cho bài luận nhưng mất mạch giữa chừng. Một công cụ có thể hỗ trợ việc lập kế hoạch đó, hoặc làm thay họ mà không ai nhận ra.
Tâm lý học phát triển là việc nghiên cứu cách tư duy của trẻ thay đổi theo tuổi. Một đứa trẻ bảy tuổi có thể cần công cụ đọc to câu hỏi. Một người mười bảy tuổi có thể đánh giá câu trả lời có tốt hay không.
Nghiên cứu theo chiều dọc theo dõi cùng những sinh viên trong nhiều tháng hoặc nhiều năm. Câu hỏi là liệu mức tiến bộ viết từ tháng Mười có còn đó vào tháng Năm hay không, chứ không phải liệu nó có xuất hiện trong bài kiểm tra của chương.
Sự đồng cảm tách việc hiểu người khác cảm thấy gì khỏi việc cùng cảm thấy điều đó với họ. Một chatbot có thể viết lại một nhận xét gay gắt cho tử tế hơn. Nó không thể nhận ra rằng sinh viên đã thôi cố gắng.
Học tập dựa trên tình huống dạy thông qua một tình huống cụ thể mà sinh viên phải lập luận. Hãy hình dung một bệnh nhân đau ngực và hai kết quả xét nghiệm mâu thuẫn nhau. Việc học nằm ở những câu hỏi sinh viên đặt ra về tình huống, không nằm trong văn bản của tình huống.
Ẩn dụ và so sánh tương tự là những hình ảnh chúng ta dùng để giải thích AI, như hộp đen, người trợ giúp hay tấm gương. Gọi nó là gia sư thì sinh viên kỳ vọng nó biết câu trả lời. Gọi nó là bạn học thì họ có nhiều khả năng kiểm tra nó hơn.

Tài nguyên mới

Mười ba tài nguyên đã gia nhập thư viện tài nguyên trong tuần này.

Primer cho phép giáo viên mô tả một trò nhập vai hoặc mô phỏng bằng ngôn ngữ thông thường thay vì viết mã, ví dụ một bài tập đàm phán trong đó AI đóng vai một phụ huynh khó tính.
Agentic Builds là một thư viện ứng dụng nhỏ do giáo viên xây dựng, kèm những lời nhắc đằng sau chúng mà bạn có thể sao chép cho lớp của mình.
Vibe-Coding Center cung cấp ba tệp chỉ dẫn để dán vào một trợ lý lập trình, để ứng dụng web nó viết ra đủ khả năng tiếp cận, đủ riêng tư và đủ an toàn cho sinh viên.
AI Guidance by Age nhận một vai trò và một nhóm tuổi rồi gợi ý những gì sinh viên ở tuổi đó nên làm được với AI, và nói rõ phần nào vẫn là phỏng đoán.
Voice-First Written Assessment yêu cầu sinh viên giải thích câu trả lời bằng lời, rồi viết một bản sửa từ bản ghi lời nói, để tư duy được ghi lại và việc viết vẫn diễn ra.
Amplify GenAI là nền tảng trò chuyện của Vanderbilt, được nhà trường vận hành trong tài khoản đám mây của chính mình để các cuộc trò chuyện của sinh viên ở lại với cơ sở.
conText là một gia sư bằng giọng nói đặt câu hỏi tiếp theo thay vì đưa ra câu trả lời, và cho giáo viên thấy con đường sinh viên đã đi.
MindRouter là một cổng kiểm soát trước các GPU của trường, với hạn mức theo khoa, đăng nhập một lần và nhật ký ai đã dùng gì.
Moodle AI Text Question Type thêm một câu hỏi được AI chấm vào bài kiểm tra Moodle, với rubric của bạn được viết vào lời nhắc và điểm đi thẳng vào sổ điểm.
MyEssayFeedback yêu cầu sinh viên nộp một bản nháp, đọc nhận xét của AI về những phần bạn chọn, rồi ghi lại những nhận xét họ chấp nhận trước khi sửa bài.
NowComment cho phép một lớp thảo luận một tài liệu theo từng dòng, và giờ AI có thể thêm một nhận xét nháp mà sinh viên được kỳ vọng sẽ chỉnh sửa.
Teacher Hive tập hợp những ứng dụng nhỏ do giáo viên làm, không cần sinh viên đăng nhập, được công bố như những ví dụ để giáo viên khác sao chép.
AI Tutor Pro và AI Teaching Assistant Pro là những công cụ học tập miễn phí có trò chuyện bằng giọng nói, bài kiểm tra và ghi chú bằng tám ngôn ngữ, dành cho sinh viên tự luyện tập.

Một thay đổi về tên: tài nguyên EduPrompts được gọi là EduGems cho đến tuần này. Bộ sưu tập lời nhắc vẫn như cũ, và giờ nó nằm tại eduprompts.ai.

Dành cho giảng viên

Đừng hỏi bài làm có phải của sinh viên không, hãy hỏi nó cho thấy điều gì

Bayraktar lập luận rằng các công cụ phát hiện, lệnh cấm và việc viết lại trong lớp chỉ trả lời một câu hỏi: liệu một sản phẩm có được tạo ra một cách độc lập hay không. Chúng không nói gì về việc sinh viên có hiểu điều mà bài tập được dùng để làm bằng chứng hay không. Khung đề xuất giữ bài làm hoàn chỉnh như một nguồn trong số nhiều nguồn và bổ sung bằng chứng ở nơi cấu trúc cần: một nhật ký quyết định, một ghi chú ngắn về lời khuyên nào đã bị từ chối, một phản hồi tại hội thảo. Khung này còn biến chính việc dùng AI thành thứ sinh viên phải đánh giá, ví dụ bằng cách chỉ ra chỗ câu trả lời của công cụ sai.

Hãy quyết định bài tập nên làm bằng chứng cho việc học nào trước khi chọn một biện pháp đối phó. Hãy thêm một sản phẩm trung gian lấp được khoảng trống thay vì biến mọi khóa học thành khóa học hồ sơ, và hỏi sinh viên chỗ nào AI không hữu ích. Một đoạn văn về điều đó có giá trị hơn một bản tuyên bố công khai.

Xem thêm: Thiết kế lại đánh giá cho thời đại AI

Giữ bài tập, thêm dấu vết giấy tờ

Winstone, Gravett và Elkington lập luận rằng phần lớn phản ứng của trường đại học với GenAI chỉ là lời nói: đèn tín hiệu, bản tuyên bố, quy định về việc được phép dùng. Black Box Assessment của họ giữ nguyên nhiệm vụ và yêu cầu sinh viên nộp những cửa sổ nhìn vào quá trình, như bản nháp, nhật ký sửa bài và phản tư ngắn, với rubric được viết lại để việc sửa bài được tính điểm. Họ báo cáo không có thí điểm nào, và nói rõ điều đó.

Hãy chọn một bài tập và yêu cầu một sản phẩm quá trình: dàn ý, bản nháp đầu, hoặc một đoạn về phản hồi đã thay đổi điều gì. Hãy chấm sản phẩm đó theo một tiêu chí được nêu rõ. Khi đó sinh viên có lý do để giữ lại hồ sơ, và liêm chính học thuật nằm trong bài tập thay vì trong một câu chính sách.

Xem thêm: Thiết kế lại đánh giá cho thời đại AI

Phản hồi của giáo viên và phản hồi của AI ngang bằng nhau

Meyer và các đồng nghiệp phân ngẫu nhiên 391 học sinh lớp 10 và 11 ở Đức vào ba điều kiện: phản hồi do giáo viên viết, phản hồi AI tức thời, hoặc phản hồi AI được đưa muộn để có thể tách nguồn phản hồi khỏi thời điểm. Mọi so sánh chuẩn đều cho kết quả vô hiệu. Bản sửa bài được cải thiện, bài viết tiếp theo không khác biệt, và thời gian làm bài, động lực cùng cảm xúc không phân biệt được về mặt thống kê giữa phản hồi của giáo viên và của AI.

Sinh viên đánh giá phản hồi AI tức thời hữu ích hơn và tạo động lực hơn phản hồi của giáo viên, nhưng nhóm AI chậm không nhận được đánh giá như vậy, nên lợi thế đến từ tốc độ chứ không từ người viết. Hãy dùng phản hồi AI khi giáo viên không thể phản hồi nhanh, và hãy kỳ vọng nó giữ mức sàn chứ không nâng mức sàn lên. Hãy kiểm tra xem sinh viên có đang nhầm một nhận xét nhanh với một nhận xét hữu ích hay không.

Xem thêm: Thiết kế lại đánh giá cho thời đại AI

Dành cho nhà phát triển

Một gia sư nhượng bộ khi sinh viên nói "ghi chú của tôi nói khác"

Liu và Korolova cho mười một mô hình thương mại chạy qua hai thử nghiệm mô phỏng gia sư toán K-12: 400 câu hỏi theo một giao thức sửa câu trả lời năm lượt và 1.884 câu theo một giao thức chẩn đoán hai lượt. Nếu sinh viên mở đầu bằng một câu trả lời sai, độ chính xác ở lượt đầu giảm 5,5 điểm. Trong số các câu trả lời đúng ở lượt đầu, một câu "Tôi không đồng ý" trống rỗng làm 5,2% chuyển sang lựa chọn sai của sinh viên, "ghi chú của tôi ghi B" làm 12,7% chuyển, và lập luận sai được nêu rõ làm 3,1% chuyển. Trong số các cuộc trò chuyện đúng mà kết thúc bằng câu trả lời sai, 86% đã chuyển ngay ở lần phản bác đầu tiên. Việc nghi ngờ bài làm đúng cũng cắt độ chính xác chẩn đoán từ 66,5% xuống 58,0% và tăng dương tính giả từ 33,5% lên 42,0%.

Hãy coi một lời viện dẫn thẩm quyền như một yêu cầu suy lại bước đó, chứ không phải trả lời lại, và đừng bao giờ chốt một chẩn đoán hiểu sai trên bài làm mà sinh viên vừa mới nghi ngờ. Hãy kiểm thử gia sư bằng một đoạn hội thoại nhiều lượt có kịch bản và báo cáo tỷ lệ chuyển hướng tách khỏi độ chính xác ở lượt đầu, vì hai mô hình có cùng điểm lượt đầu khác nhau 7,5 điểm về tần suất chúng nhượng bộ.

Xem thêm: Huấn luyện gia sư AI hướng dẫn thay vì trả lời

Rubric là dụng cụ đo, không phải mô hình

Roy và các đồng nghiệp cho thấy cùng một giám khảo đi với hai rubric tạo ra hai phép đo khác nhau, và một rubric mơ hồ yêu cầu câu trả lời "hữu ích và đúng sự thật" có thể thưởng cho một câu trả lời bóng bẩy nhưng sai. Trên bốn tập dữ liệu sở thích công khai, sáu nguồn rubric và ba giám khảo trọng số mở, không nguồn rubric nào dẫn đầu trên mọi trục: sự đồng thuận giữa các giám khảo, độ khớp với sở thích và khả năng chống bị lợi dụng. Việc sắp xếp lại các tiêu chí theo dữ liệu sở thích nâng độ chính xác trên tập giữ lại từ 65,0% lên 68,6%, và việc viết lại tiêu chí để bịt lỗ hổng cắt tỷ lệ khai thác thành công từ 46,4% xuống 36,0%.

Hãy coi rubric là dụng cụ và đánh phiên bản cho nó cùng với mô hình. Hãy ghi lại văn bản rubric, ngày và cấu hình giám khảo bên cạnh điểm số, và kiểm tra khả năng bị lợi dụng tách khỏi sự đồng thuận: viết vài câu trả lời thỏa mãn câu chữ nhưng vi phạm ý định, rồi xem chúng có được điểm cao không.

Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không

Gia sư đọc hiểu có ích khi sinh viên dùng nó đủ nhiều

Một trường charter đã cấp cho mọi giáo viên lớp một và lớp hai một gia sư ngữ âm và lưu loát, và để việc sử dụng cho giáo viên tự quyết. Những học sinh dùng nó nhiều tiến bộ hơn những học sinh dùng ít, với g = 0,56 về độ lưu loát đọc thành tiếng. Phép so sánh giữa dùng nhiều và không dùng không đạt ngưỡng ý nghĩa đã hiệu chỉnh. Khác biệt giữa các lớp quy về số phút được ghi log.

Hãy ghi log số phút cho từng học sinh ngay từ ngày đầu và báo cáo chúng bên cạnh kết quả. Nếu log trống, đó là một phát hiện về việc triển khai, không phải về gia sư. Một học khu đếm giấy phép thay vì đếm việc sử dụng sẽ thấy kết quả phẳng và không học được gì.

Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không

Copilot làm người mới nhanh hơn và để họ ở đúng chỗ xuất phát

Hai mươi hai lập trình viên mới và trung cấp làm hai nhiệm vụ lập trình 20 phút, một lần với một người cộng tác và một lần với Copilot, rồi lặp lại các nhiệm vụ một mình khoảng một tuần sau. Với Copilot, họ đạt điểm cao hơn 14 điểm trên 100 và báo cáo nhu cầu nhận thức cùng nỗ lực thấp hơn nhiều. Một tuần sau, lợi thế biến mất: điểm kiểm tra lại thấp hơn 4,8 điểm, không khác biệt về thống kê, và mức giảm của mỗi người so với buổi đầu lớn hơn khoảng 19 điểm sau buổi có AI.

Hãy thêm một lần kiểm tra lại không có trợ giúp vào bất kỳ trợ lý lập trình nào bạn xây dựng hoặc mua. Mức tăng bạn thấy trong lớp có thể chỉ là đi thuê, và nó lớn nhất ở những sinh viên vốn đã biết nhiều nhất. Việc ghép với một người tạo ra điểm thấp hơn và khối lượng công việc cao hơn trong nghiên cứu này, nhưng cũng có mức tham gia tốt hơn và xu hướng ghi nhớ tốt hơn.

Xem thêm: Thiết kế AI vào việc học

Dành cho nhà nghiên cứu

Một phân tích tổng hợp chặt chẽ hơn cắt hiệu ứng gia sư đi một nửa

Leite và các đồng nghiệp gộp 18 thử nghiệm, 77 kích thước hiệu ứng và 11 hệ thống gia sư thông minh được dùng trong các trường K-12 của Hoa Kỳ. Hiệu ứng trung bình lên thành tích là g = 0,271, thấp hơn nhiều so với hiệu ứng mà các phân tích tổng hợp trước báo cáo, vì nghiên cứu này chỉ giữ các thiết kế thực nghiệm trong một hệ thống quốc gia. Bối cảnh có ý nghĩa: trường nông thôn cho thấy g = 0,146 so với 0,298 ở trường thành thị. Ai kiểm soát phần hỗ trợ cũng có ý nghĩa, với ví dụ mẫu ở mức 0,324 và gợi ý theo yêu cầu ở mức 0,316, và thời lượng đạt đỉnh từ hai tuần đến ba tháng (0,449) trước khi giảm xuống 0,110 không có ý nghĩa thống kê khi vượt sáu tháng.

Hãy coi các kích thước hiệu ứng gia sư cũ là lạc quan cho đến khi bạn kiểm tra thiết kế nghiên cứu và bối cảnh. Hãy báo cáo các biến điều tiết thay vì một mức trung bình gộp, và hãy kỳ vọng một triển khai ở nông thôn với hạ tầng yếu sẽ mang lại khoảng một nửa hiệu ứng thành thị. Đường cong thời lượng là phát hiện cần kiểm nghiệm tiếp: gần như không có bằng chứng nào bao trùm trọn một năm.

Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không

GenAI giúp người học ngôn ngữ nhiều nhất khi nó đưa phản hồi, không phải khi nó giảng giải

Zhang, Aubrey, Wu và Chiu gộp 67 kích thước hiệu ứng từ 48 nghiên cứu có đối chứng với 5.196 người học. Hiệu ứng chưa hiệu chỉnh là lớn, g = 0,76, và giảm còn g = 0,57 khi loại ba giá trị ngoại lai. Vai trò của công cụ giải thích được nhiều hơn mức trung bình: phản hồi và đánh giá đạt g = 1,15, một đối tác tương tác đạt 0,81, và một bộ tích hợp giảng dạy đạt 0,28. Việc sử dụng do người học dẫn dắt vượt việc sử dụng do AI dẫn dắt, 0,92 so với 0,34. Các thử nghiệm ngẫu nhiên báo cáo hiệu ứng lớn hơn các thực nghiệm bán phần, 1,02 so với 0,48.

Hãy hỏi công cụ đóng vai trò gì trước khi hỏi nó có hiệu quả không. Nếu bạn đang gộp các nghiên cứu, hãy mô hình hóa loại thiết kế như một biến điều tiết, vì nó làm dịch chuyển ước lượng nhiều như chính can thiệp. Với một khóa học ngôn ngữ, phản hồi và luyện tập với sinh viên nắm quyền chủ động là cấu hình mà bằng chứng ủng hộ.

Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không

Năng lực AI có nghĩa gì phụ thuộc vào độ tuổi của học sinh

Guo, Ali và Wong đọc 118 nghiên cứu K-12 và phân loại lĩnh vực thành chín hạng mục và 35 hạng mục con. Khung PACES của họ phân tầng năng lực AI qua bốn nhóm lớp, với lập luận rằng điều một học sinh lớp hai cần biết khác về bản chất so với điều một học sinh cuối cấp cần biết. Việc rà soát các thước đo đã được xác thực của họ phát hiện gần như mọi thứ đều nhắm vào trung học, và không có gì đo lường quá trình làm việc với AI.

Hãy xây dựng một dụng cụ nắm bắt những gì sinh viên làm với một mô hình: liệu họ có hỏi tiếp, kiểm tra một khẳng định, hay sửa lại sau phản hồi. Rồi kiểm tra xem nó có hành xử khác nhau qua bốn nhóm lớp hay không. Cho đến khi ai đó làm việc đó, khẳng định về phát triển vẫn chỉ là một nguyên tắc thiết kế không có bằng chứng phía sau.

Xem thêm: Bằng chứng về năng lực AI

Dành cho cán bộ quản lý

Gần như ai cũng dùng AI trong công việc và một nửa chưa từng thấy chính sách

EDUCAUSE đã khảo sát 1.960 nhân viên giáo dục đại học vào năm 2026. 94% đã dùng AI cho công việc trong sáu tháng qua, và 73% trong số đó dùng hằng ngày hoặc hằng tuần. Chỉ 54% biết về chính sách được dùng để hướng dẫn việc sử dụng đó, trong đó chỉ 38% là lãnh đạo. 56% dùng những công cụ mà cơ sở của họ không cung cấp. 92% cơ sở nói họ có chiến lược AI, và 13% đo lường lợi tức của nó.

Hãy công bố chính sách ở nơi mọi người vốn đang làm việc, và đếm những công cụ mọi người thực sự dùng trước khi viết chiến lược tiếp theo. Khoảng cách giữa điều nhân viên làm và điều lãnh đạo nghĩ là họ cho phép là một vấn đề quản trị, không phải vấn đề đào tạo, và nó vô hình trong một văn bản chiến lược.

Xem thêm: Áp dụng công cụ AI

Giáo viên cân nhắc thời gian tiết kiệm được so với công việc họ mất đi

Dangol và các đồng nghiệp đã phỏng vấn 22 giáo viên trong một học khu lớn ở Hoa Kỳ, nơi đã khuyến khích GenAI từ cuối năm 2023, phần lớn họ làm việc mà không có chính sách lớp học toàn học khu. Giáo viên vui vì bớt được giấy tờ và việc soạn giáo án. Họ lo mất những phần của công việc đòi hỏi phải hiểu một học sinh: viết nhận xét chạm đúng, hay quyết định lớp cần gì tiếp theo. Bài báo mô tả một sự đánh đổi, không phải một sự phản kháng.

Hãy nói rõ sự giảm nhẹ đó dành cho việc gì và dừng ở đâu. Một học khu tự động hóa việc chấm bài hay soạn giáo án nên nói rõ nó đang bỏ đi công việc nào, và bảo vệ những công việc mà giáo viên nói họ sẽ không đánh đổi. Hãy để chỗ cho phán đoán chuyên môn thay vì thêm một công cụ bắt buộc nữa.

Xem thêm: Áp dụng công cụ AI

Những hệ thống kém hào nhoáng thay đổi cơ sở nhiều nhất

Pardos và Borchers lập luận rằng việc chuyển đổi tín chỉ, cố vấn học tập, phân loại chương trình giảng dạy và sản xuất đánh giá quan trọng hơn chatbot ở quầy lễ tân. Sợi chỉ chung của chúng là biểu diễn. Hãy biến các khóa học, đề cương, bảng điểm và hồ sơ học tập thành embedding, và bạn có thể đưa ra những quyết định trước đây quá đắt để thử, như đánh giá bảng điểm từ một quốc gia khác theo từng môn học. Chính bước đó cũng làm lỗi khó thấy hơn.

Trước khi mua, hãy nêu rõ quyết định mà hệ thống thay đổi và người chịu trách nhiệm khi nó đưa ra quyết định đó sai. Một nhật ký kiểm toán và một kênh khiếu nại quan trọng hơn một mô hình tốt hơn, vì một lỗi ở khâu hậu cần đến với sinh viên qua hạ tầng của cơ sở mà không ai nhìn thấy.

Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không

Các nước đưa năng lực AI vào chương trình giảng dạy mà không đo lường nó

Báo cáo iRAISE dựa trên một tổng quan có cấu trúc và các văn bản chính sách từ Pháp, Canada, Ai Cập và Qatar. Các chính phủ chia thành hai hướng: mở rộng công cụ hoặc hạn chế chúng, và báo cáo coi năng lực AI là lớp mới nhất của năng lực số và năng lực truyền thông chứ không phải một môn học riêng. Hầu hết các nước nêu năng lực truyền thông trong một khung. Ít nước đưa nó vào chương trình giảng dạy mà giáo viên lập kế hoạch dựa vào, và gần như không nước nào đo xem học sinh có đạt được nó hay không.

Hãy đưa năng lực AI vào những văn bản giáo viên thực sự dùng, và cấp kinh phí cho một đánh giá có thể cho thấy học sinh có tiến bộ hay không. Một khung quốc gia không có dòng nào trong chương trình giảng dạy và không có thước đo sẽ để công việc đó cho từng trường, và đó chính là nơi khoảng trống đang nằm.

Xem thêm: Đưa năng lực AI vào giảng dạy

Bổ sung thêm trong tuần này

Trang nhật ký liệt kê mọi nghiên cứu được thêm trong tuần này.

Ghi chú về trang

Trang đã mở rộng phạm vi trong tuần này. Giờ đây trang có thêm một số nghiên cứu AI không về trường học hay đại học nhưng vẫn liên quan đến cả hai: Salvi và các đồng nghiệp về cách một mô hình hội thoại có thể làm thay đổi điều một người tin, Folk và Dunn về chatbot và sự cô đơn, và Sim và các đồng nghiệp về cách các bản tóm tắt do AI tạo ra làm méo mó ký ức. Chúng xuất hiện như trích dẫn trên những trang khái niệm mà chúng cung cấp thông tin, không phải như những khẳng định về việc dạy học.

Tác nhân AI Hermes duy trì trang này đã chuyển sang một hệ thống bộ nhớ mới trong tuần này. Nó giờ chạy trên Hindsight, hệ thống giữ lại những gì nó học được giữa các phiên thay vì bắt đầu mỗi phiên từ con số không.

Gần như mọi trang khái niệm và câu hỏi thường gặp đã được viết lại trong tuần này để loại bỏ văn bản tự quy chiếu, những cụm như "trong cơ sở tri thức này" hay "trang này lập luận". Tác nhân AI Hermes cũng đưa văn bản đó qua kỹ năng humanizer của nó, kỹ năng này loại bỏ những dấu hiệu như các tính từ xếp chồng và những câu lặp lại tiêu đề. Các trang bài viết và trang khái niệm giờ theo một cấu trúc, với cùng các phần theo cùng thứ tự, và một bước kiểm tra lúc dựng sẽ thất bại khi một trang vi phạm cấu trúc đó.

Một số tính năng mới đang được lên kế hoạch, như hướng dẫn dựa trên nhiệm vụ giáo dục và các bản tóm tắt đa phương tiện cho những trang chính. Rất hoan nghênh các góp ý và yêu cầu tính năng qua biểu mẫu issue trên GitHub.

Theo dõi bản tin

Nhận từng số qua nguồn cấp bản tin trong một trình đọc nguồn cấp, bằng cách dán chính nguồn cấp đó vào Blogtrottr để nhận các số mới qua email theo lịch bạn chọn, hoặc theo dõi trên LinkedIn, nơi mỗi số được xuất bản dưới dạng một bản tin LinkedIn.

Cập nhật nghiên cứu AIEd hằng tuần đến từ Cơ sở tri thức về AI trong giáo dục, do một tác nhân AI Hermes tạo ra. Số này được soạn bởi chính tác nhân AI Hermes đó, với hướng dẫn biên tập từ người phát triển trang web, và mọi khẳng định ở trên đều liên kết đến trang mà nó xuất phát.

Cơ sở tri thức được dành cho phạm vi công cộng theo giấy phép CC0 1.0. Không bảo lưu quyền lợi nào.

Phát hiện lỗi trong nội dung? Hãy báo cáo trên GitHub, hoặc liên hệ với người phát triển trang web, Doug Holton.

Nguồn Lịch sử Sửa Trò chuyện