Trên trang này

Đọc trang này bằng tiếng Anh

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

Một tuyển tập biên soạn miễn phí từ Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) tổ chức nội dung về AI tạo sinh theo từng học phần thay vì theo từng công cụ. Tâm lý học cung cấp người trả lời cho nhiều khảo sát về sử dụng AI mà không phải là chủ thể của chúng; cuốn sách này là trường hợp ngược lại, với 21 chương học phần cùng một lời mở đầu và một kết luận trong 255 trang.

Lập luận mà cuốn sách đưa ra

Tiền đề của các biên tập viên là giảng viên tâm lý học có vị thế thuận lợi khác thường để dạy cách sử dụng AI, vì ngành này vốn đã dạy sự phán đoán về đo lường, bằng chứng và hành vi con người. Tuyên bố của họ hẹp hơn câu "năng lực AI là quan trọng". Đó là năng lực AI có tính phát triển: sinh viên không phải có sẵn hay thiếu nó, họ tiếp thu nó thông qua việc tiếp cận theo giai đoạn, phản tư và phản hồi.

Ba cam kết thiết kế tiếp nối sau đó, và hầu hết các chương thực hiện ít nhất một trong số chúng. Phân giai đoạn những gì sinh viên được phép làm với một công cụ, chuyển từ sử dụng có hướng dẫn sang sử dụng độc lập khi phán đoán phát triển. Ghép việc sử dụng với kiểm chứng, để một tuyên bố đưa ra cùng mô hình phải được đối chiếu với một nguồn và trình bày ra. Định nghĩa thành công là phán đoán về khi nào và có nên dùng công cụ hay không, chứ không phải sự thành thạo với nó.

Cấu trúc chính là lập luận. Các chương được nhóm theo học phần mà giảng viên sắp dạy — nền tảng và xuyên suốt, lâm sàng và tư vấn, phương pháp nghiên cứu và thống kê — thay vì theo công cụ, năng lực hay chính sách của cơ sở.

Phần I: các học phần nền tảng và xuyên suốt

  • Tiếp cận là vấn đề đầu tiên, không phải công cụ (Slade và Hyk). Những sinh viên bước vào mà chưa có kinh nghiệm AI chịu bất lợi hai lần: họ thiếu kỹ năng viết prompt và thiếu phán đoán về khi nào một câu trả lời trôi chảy là sai. Chương này dạy kỹ thuật prompt song song với các kho prompt mở có thể tái sử dụng, và coi việc giảng dạy đó là một biện pháp công bằng. Tác giả khai báo một lợi ích tài chính trong một công ty đang thương mại hóa AI giáo dục.
  • AI như một công cụ tạo nội dung cho giảng dạy (Corcoran). Trường hợp sử dụng của chương là chính sự chuẩn bị của giảng viên: hình ảnh trực quan, ví dụ, bài toán và các kích thích giảng dạy khác được tạo ra theo một mục tiêu đã nêu. Lập luận của chương là việc tùy chỉnh theo mục tiêu đó, chứ không phải sự mới lạ, mới làm cho đầu ra hữu ích. Chương cũng nhấn mạnh rằng sinh viên phải được dạy về AI — những hạn chế và đạo đức của nó — chứ không chỉ đơn thuần được trao công cụ.
  • Kỹ năng học tập như cây cầu nối đến lý thuyết (Costa). Trong một học phần bậc cao về học tập và trí nhớ, sinh viên dùng các công cụ học tập AI rồi ánh xạ những gì công cụ làm vào luyện tập giãn cách và truy xuất. Thiết kế này đặt tâm lý học làm chủ thể và công cụ làm mẫu vật, đó là cách rõ ràng nhất để dạy một học phần mà nội dung chính là khoa học học tập mà các công cụ tuyên bố đang triển khai.
  • Một dự án thay đổi hành vi ứng dụng (Emanuel). Sinh viên thực hiện một dự án thay đổi hành vi sức khỏe với một hệ thống AI làm huấn luyện viên. Các bài phản tư của họ tách những gì hiệu quả — các gợi ý tức thì, được điều chỉnh riêng, không phán xét — khỏi những gì không hiệu quả: thiếu sự đồng cảm, và thông tin sai lệch về sức khỏe nghe có vẻ hợp lý. Chương này là một trong số ít chương đặt mô hình vào một vai trò mà sai lầm phải trả giá.
  • AI làm huấn luyện viên tranh biện (Jackson). Một học phần tâm lý học xã hội bậc cao dùng một mô hình để lập bản đồ lập luận, nêu ra phản biện và tập dượt các lời bác bỏ trước một cuộc tranh biện công khai, với mọi tuyên bố được kiểm chứng đối chiếu với các nguồn đã bình duyệt. Trong các bài phản tư viết, 75% thấy mô hình ít nhất là hữu ích ở mức vừa phải cho việc chuẩn bị và 35% đánh giá rất tích cực; khoảng 10% thấy ít hữu ích, chủ yếu vì mô hình tạo ra các lập luận chung chung hoặc những lỗi sai đầy tự tin. Lần lặp lại sau bổ sung một kế hoạch chuẩn bị dài một trang và một sổ cái bằng chứng nối mỗi tuyên bố với một nguồn.
  • Một chatbot học phần với nhiệm vụ phản hồi (Lee, Nam và Wages). Một chatbot được xây dựng cho các học phần Nhập môn Tâm lý học, Phương pháp Nghiên cứu và Thực tập Tâm lý học đã hỗ trợ động não chủ đề, tinh chỉnh câu hỏi nghiên cứu và cấu trúc bài viết. Các tác giả báo cáo 124 sinh viên trong khảo sát tiền kiểm và tỷ lệ phản hồi hậu kiểm là 25%, nên bằng chứng kết quả mỏng hơn chi tiết triển khai.
  • Đánh giá theo ba tầng (Granito). Các nhiệm vụ chẩn đoán, hình thành và tổng kết mỗi loại đều có một phiên bản tăng cường AI, và đầu tổng kết dịch chuyển về phía các dự án thực tế nơi công cụ là đối tác hỗ trợ chứ không phải sản phẩm nộp. Đây là chương nên đọc nếu câu hỏi là ngừng chấm cái gì.

Phần II: các học phần lâm sàng và tư vấn

  • Tâm lý trị liệu như một hoạt động nhập môn (Castro). Sinh viên chọn một rối loạn theo DSM-5-TR và một kỹ thuật tâm lý trị liệu, rồi trải nghiệm một phiên mô phỏng và thảo luận về những gì y tế từ xa dựa trên AI được và mất. Thiết kế này dạy kỹ thuật bằng sự tương phản: phiên mô phỏng cho thấy phần quan hệ của trị liệu là gì bằng cách lược bỏ nó.
  • Cùng nhau xây dựng nghiên cứu tình huống (Pulido). Sinh viên dùng ChatGPT để phác thảo các nghiên cứu tình huống DSM-5-TR rồi đánh giá chúng, điều này đặt kỹ năng đánh giá vào sinh viên thay vì mô hình. Chương mô tả các cách điều chỉnh cho bậc sau đại học và đại học, và coi việc tinh chỉnh prompt lặp đi lặp lại là một phần của suy luận lâm sàng, không phải một việc vặt kỹ thuật.
  • Khái niệm hóa ca trong một seminar (Draheim). Khái niệm hóa ca là nơi sinh viên tổng hợp thông tin thân chủ và nghiên cứu kết quả điều trị, và rất khó dạy ở bậc đại học. Seminar này dùng AI để tạo ra và phê bình các bản khái niệm hóa, với khối lượng phản hồi của giảng viên được nêu tên như ràng buộc khiến công cụ trở nên hấp dẫn ngay từ đầu.
  • Sự khiêm tốn văn hóa (Draheim). Một bài tập về nhà dùng một mô hình để tìm hiểu kỹ một bài viết về sự khiêm tốn văn hóa, tiếp theo là một bài tập trên lớp tìm các thiên kiến bên trong đầu ra tạo sinh. Sự ghép cặp này quan trọng: công cụ được dùng để mở ra một chủ đề rồi trở thành đối tượng phê bình trong cùng một tuần.
  • Giảng dạy đáp ứng sang chấn (Rubio). Các học phần sau đại học về sang chấn dùng mô hình văn bản và hình ảnh để đồng sáng tạo các câu chuyện trị liệu và hình ảnh nơi chốn an toàn, dựa trên mô hình ba giai đoạn của Herman và mô hình trình tự thần kinh của Perry. Khuôn khổ đảm nhận công việc ở đây; các công cụ cung cấp chất liệu để khuôn khổ sau đó ràng buộc.
  • Bot làm nhà trị liệu (Niederjohn). Sinh viên trò chuyện với vài chatbot và so sánh trải nghiệm đó với làm việc trực tiếp về liên minh trị liệu. Chương cung cấp những con số khiến bài tập này trở nên cấp bách: 65% chuyên gia sức khỏe tâm thần trong các khảo sát trước đó thấy lợi ích ở hỗ trợ chatbot, trong khi 86% không ủng hộ việc dùng chúng trong chăm sóc. Gợi ý thực tiễn của chương là một chiếc thang — nhập vai với AI trước, rồi đến bạn học, rồi đến bệnh nhân mô phỏng là người thật.
  • Nhập vai cho học viên (Labriola và VanHara). Các màn nhập vai AI thay thế nhập vai theo kịch bản giữa bạn học bằng các trình bày lâm sàng không kịch bản, điều mà các tác giả lập luận làm tăng tính chân thực và sự sẵn lòng chấp nhận rủi ro. Họ neo nhu cầu đó vào dữ liệu khảo sát sinh viên: 86% trong gần 4,000 sinh viên ở 16 quốc gia báo cáo đã dùng AI, 58% nói họ thiếu kiến thức đầy đủ về nó, và 72% muốn có các khóa học về năng lực AI.

Phần III: phương pháp nghiên cứu, thống kê và năng lực khoa học

  • AI làm đồng lái nghiên cứu (Sumutka và cộng sự). Các hoạt động dẫn người mới qua việc thu hẹp chủ đề, tìm nguồn, tạo ra và thao tác hóa các biến, và áp dụng đạo đức. Mục tiêu nêu ra là năng lực thông tin trước, tốc độ sau, và chương nói rõ rằng công cụ được làm mẫu cách sử dụng nhiều ngang với việc được dùng.
  • Tạo câu hỏi như một cách đánh giá phản biện (Burkett). Một cách tiếp cận ba giai đoạn trong học phần phương pháp nghiên cứu bậc đại học biến ChatGPT thành công cụ tạo các câu hỏi đánh giá về thiết kế nghiên cứu, với một GPT tùy chỉnh được xây dựng cho mục đích đó. Các câu hỏi sau đó đóng vai trò thước đo mức độ hiểu — một nước đi đánh giá mà các chương khác nói đến nhưng hiếm khi thao tác hóa.
  • Sử dụng và lạm dụng, dưới dạng mô-đun (Urdan, Firtch và White). Các mô-đun dùng ngay bao gồm tạo thiết kế nghiên cứu, bài kiểm tra luyện tập và các dạng lỗi đã biết, dựa trên lập luận rằng ma sát khi áp dụng mới là rào cản thực sự với những giảng viên tò mò về AI nhưng thiếu thời gian.
  • Chatbot không đạt kỳ vọng (Hilley và Edwards). "Zig", được xây dựng trên nền tảng Juji cho một học phần thống kê bắt buộc, lẽ ra cung cấp trợ giúp theo yêu cầu cho các bài toán luyện tập. Nó đã không đáp ứng kỳ vọng. Những thất bại của nó cụ thể và đáng học hỏi: một sinh viên hỏi về kiểm định Levene gõ "levee" và nhận được lời từ chối, một câu hỏi về chấm điểm tạo ra câu trả lời không liên quan về z-score, và các yêu cầu cho ví dụ lại nhận được định nghĩa. Phần lớn điều này bắt nguồn từ một nền tảng nạp sẵn hỏi-đáp thay vì một mô hình suy luận, nhưng chương này là kết quả âm tính trung thực của tuyển tập và là chương nên đọc trước khi xây dựng một bot học phần.
  • Tích hợp theo giai đoạn trong dạy R (Garrison, Tyson và Lyu). Mô hình bốn giai đoạn bắt đầu với việc học không AI và chỉ thêm công cụ khi sinh viên có thể đánh giá những gì công cụ tạo ra. Tín hiệu sẵn sàng mà các tác giả nêu tên là sự bực bội với các giới hạn của AI, và dạng thất bại họ ghi nhận là đưa AI vào sớm hơn, điều đã tạo ra sự phụ thuộc trước khi có nền tảng.
  • ChatGPT kết hợp Elicit trong một seminar năm cuối (Katzarska-Miller). Bốn buổi workshop chuẩn bị đi trước một bài nghiên cứu kéo dài cả học kỳ, với một mô hình tạo sinh để phác thảo và một công cụ trợ lý nghiên cứu cho tài liệu. Chương đặt nền tảng thiết kế vào lý thuyết học tập kiến tạo xã hội và dùng tự đánh giá trước và sau khóa học để kiểm tra xem năng lực AI có dịch chuyển hay không.

Điều lặp lại qua hai mươi mốt chương

  • Phân giai đoạn việc tiếp cận. Gần như mọi chương đều chưa cho dùng công cụ cho đến khi sinh viên có thứ để làm chuẩn đánh giá nó, dù đó là một thống kê, một khuôn khổ, một lập trường tranh biện hay một kiến thức lập trình nền tảng.
  • Yêu cầu kiểm chứng và làm cho nó hiển hiện. Sổ cái bằng chứng, kiểm tra nguồn, nhật ký prompt và các ghi chú "điều gì thay đổi sau khi kiểm chứng thông tin" xuất hiện xuyên suốt các phần. Chính yêu cầu đó là thứ chuyển việc dùng công cụ thành học tập.
  • Dùng phản tư của sinh viên làm công cụ đo. Các bài phản tư là cơ sở bằng chứng của hầu hết các chương, đó cũng là điểm yếu phương pháp luận trung tâm của tuyển tập.
  • Thiết kế ở cấp học phần, không phải cấp công cụ. Chính quyết định tổ chức của cuốn sách — mỗi học phần một chương — là khuyến nghị.
  • Giữ phán đoán của giảng viên làm trọng tâm. Tuyên bố lặp đi lặp lại là sinh viên kết thúc khóa học phải có khả năng quyết định khi nào không nên dùng công cụ.

Những chỗ cuốn sách còn mỏng

Các chương là tường thuật của người thực hành. Gần như không chương nào báo cáo một thiết kế, một mẫu hay một kích thước hiệu ứng, và ở nơi các con số xuất hiện, chúng mô tả việc triển khai chứ không phải việc học. Các ngoại lệ chỉ là một phần: Lee và cộng sự có khảo sát tiền kiểm và hậu kiểm với tỷ lệ phản hồi hậu kiểm 25%, và phân tích phản tư của Jackson là một mã hóa chủ đề của một lớp.

Sự nhiệt tình cũng được kiểm tra không đồng đều. Corcoran và Costa viết với tư cách người ủng hộ; Hilley và Edwards báo cáo một thất bại; chỉ Slade và Hyk khai báo lợi ích thương mại. Các chương nêu tên sản phẩm cụ thể sẽ nhanh chóng lỗi thời, vì hầu hết mô tả các công cụ như chúng đã hoạt động trong năm 2025.

Những khoảng trống độ phủ đáng biết: chi phí và các gói trả phí cao cấp hầu như không được thảo luận, khả năng tiếp cận và khuyết tật không được xử lý thành một phần riêng, và K-12 chỉ xuất hiện trong chương giáo dục trung học của Castro. Tuyển tập là về giảng dạy tâm lý học bậc đại học và sau đại học tại Hoa Kỳ, với rất ít nội dung về các lớp giảng đường lớn ngoài chương của Costa và Granito.

Bạn có thể làm gì với nó

Hãy đọc chương dành cho học phần bạn sắp dạy. Ba phần — các học phần nền tảng và xuyên suốt, các học phần lâm sàng và tư vấn, phương pháp nghiên cứu và thống kê — giữ các chương liên quan ở cạnh nhau. Ví dụ: một chatbot gia sư AI trong thống kê tâm lý học, ChatGPT ghép với Elicit trong một seminar năm cuối, AI làm huấn luyện viên tranh biện, khái niệm hóa ca và sự khiêm tốn văn hóa trong đào tạo lâm sàng, và một chương phương pháp nghiên cứu cho sinh viên tạo câu hỏi bằng ChatGPT rồi phê bình chúng.

Dành cho ai

Giảng viên tâm lý học ở bất kỳ giai đoạn nghề nghiệp nào, và giảng viên trong các ngành khoa học xã hội lân cận có các vấn đề đánh giá mang cùng hình dạng: bài tập nặng về bài luận, thảo luận ca, lo âu thống kê, các học phần nhỏ nơi một lần thiết kế lại là khả thi.

Ghi chú và lưu ý

PDF miễn phí, không cần tài khoản. Bản quyền thuộc về STP, không phải giấy phép Creative Commons: được phép sao chép cho cá nhân và lớp học kèm ghi nguồn, trong khi phân phối lại hoặc dùng thương mại cần sự cho phép của tác giả. Các chương là tường thuật của người thực hành, không phải nghiên cứu — không thiết kế, mẫu hay kích thước hiệu ứng — nên hãy coi các tuyên bố là báo cáo kinh nghiệm và trích dẫn từng chương riêng lẻ.

Khái niệm liên quan

Nhúng trang này

Sao chép mã bên dưới để nhúng trang này vào hệ thống quản lý học tập hoặc trang web khác. Bản nhúng chỉ hiển thị nội dung trang — nó ẩn phần đầu trang, điều hướng và chân trang của website.