Tại sao Assessment Design lại là chìa khoá để giữ vững sự trung thực trong học thuật ở thời đại AI

Khi các công cụ AI ngày càng tinh vi, việc phát hiện sinh viên sử dụng chúng trong bài viết học thuật trở thành một thách thức ngày càng phức tạp đối với giảng viên. Các công cụ phát hiện thì ngày càng kém tin cậy và tốn kém để duy trì. Điều này đặt ra câu hỏi: Liệu phát hiện có phải là giải pháp bền vững, hay chúng ta nên tìm một hướng đi khác hiệu quả hơn? 

Tại Diễn đàn OpenLearning 2024, thay vì tập trung vào phát hiện AI, các chuyên gia đã bàn sâu hơn về cách tái thiết kế đánh giá – nhấn mạnh sự sáng tạo và trải nghiệm học tập trung thực. 

Bài viết này phân tích những hạn chế của việc chỉ dựa vào phát hiện, đồng thời đưa ra các chiến lược giúp thiết kế đánh giá vừa giữ được tính trung thực học thuật, vừa tích hợp AI một cách có trách nhiệm. 

Giải quyết tận gốc nguyên nhân của việc sao chép bằng AI 

Tại sao người học lại nhờ AI viết bài? Một số lý do phổ biến: 

• Chạy theo điểm số: Học vì điểm, chứ không thực sự vì kiến thức.
• Thiếu sự liên kết: Bài tập không gắn với mục tiêu hay sở thích cá nhân. 
• Quá tải công việc: Bận rộn, nhiều ưu tiên khác nên muốn “đi đường tắt”. 
• Hướng dẫn không rõ ràng: Tiêu chí hoặc yêu cầu mơ hồ. 
• Ít sự gắn kết: Khóa học thiếu hoạt động tương tác hoặc hợp tác.

Nếu giải quyết được những nguyên nhân này, giáo viên có thể xây dựng môi trường học tin cậy, chân thực, giảm động cơ lạm dụng AI. 

Vì sao không thể chỉ dựa vào phát hiện

Các mô hình AI tiến bộ nhanh đến mức công cụ phát hiện khó theo kịp. Ngay cả những giải pháp mới như “gắn watermark vô hình” cũng có nhiều hạn chế. Ví dụ: 

• Watermark không đảm bảo: AI có thể dễ dàng xóa hoặc né tránh. 

• Chi phí cao: Tốn nhiều kinh phí bảo trì nhưng kết quả lại không ổn định. 

• Sai sót trong phát hiện: Có thể đánh nhầm bài do sinh viên viết là của AI, hoặc ngược lại. 
• Lo ngại về đạo đức: Các công cụ phát hiện thường đòi hỏi thu thập dữ liệu, dễ gây tranh cãi về quyền riêng tư. 

• Thiếu tiêu chuẩn chung: Không có chuẩn mực toàn cầu, khiến kết quả thiếu nhất quán. 

• Tạo tâm thế đối đầu: Khi chỉ lo phát hiện, mối quan hệ thầy – trò dễ chuyển thành “giám sát” thay vì “hỗ trợ học tập”. 

Hơn nữa, trong thực tế, AI đã trở thành công cụ quan trọng trong nhiều công việc. Nếu nhà trường cấm đoán tuyệt đối, điều đó đi ngược lại mục tiêu giáo dục: chuẩn bị cho người học bước vào môi trường làm việc nơi AI được chấp nhận rộng rãi. 

Vì vậy, chỉ dựa vào phát hiện không phải là giải pháp lâu dài.

Suy nghĩ lại về Assessment Design để bảo đảm tính trung thực học thuật  

Các bài đánh giá có thể được thiết kế tập trung vào những kỹ năng và hoạt động đòi hỏi khả năng đặc trưng của con người – như tư duy phản biện, sáng tạo và tự phản chiếu – những điều mà AI khó có thể mô phỏng hiệu quả. 

Mục tiêu là giảm khả năng sinh viên lạm dụng AI bằng cách tạo ra các nhiệm vụ mà công cụ AI không thể hoàn thành dễ dàng nếu thiếu sự tham gia và tư duy của con người. Cách thực hiện như sau: 

1. Tập trung vào cách người học học, thay vì chỉ đo lường cái gì họ đã học 

Hãy thiết kế các hình thức đánh giá khuyến khích người học thể hiện sự hiểu biết thông qua những hoạt động trực tiếp hoặc lặp lại theo thời gian. Bằng cách quan sát quá trình học tập, giảng viên có thể có được cái nhìn sâu hơn về cách người học tiếp cận kiến thức, thay vì chỉ dựa vào các bài tập dạng văn bản tĩnh. 

Ví dụ: 

• Nhật ký phản chiếu: Người học thường xuyên ghi lại hành trình học của mình, kết nối trải nghiệm với mục tiêu môn học.

• Học tập qua dự án: Người học tạo ra các dự án hoặc giải pháp độc đáo gắn với những vấn đề thực tế. 

• Hoạt động lặp lại: Người học chỉnh sửa, hoàn thiện bản nháp, nguyên mẫu hoặc thí nghiệm dựa trên phản hồi. 

Công cụ AI Course Builder của OpenLearning có thể hỗ trợ tạo ra các hướng dẫn dự án có cấu trúc, nhiệm vụ theo từng bước, cũng như gợi ý câu hỏi phản chiếu phù hợp với chuẩn mực giảng dạy, giúp việc lồng ghép các hoạt động tập trung vào quá trình học trở nên dễ dàng hơn.

2. Cá nhân hóa trải nghiệm học tập

Thiết kế các bài đánh giá dựa trên quan điểm, trải nghiệm và sự tương tác độc đáo của từng người học. Những dạng bài này không chỉ khiến AI khó có thể sao chép một cách máy móc, mà còn giúp người học gắn kết chặt chẽ hơn với nội dung môn học. 

Ví dụ: 

• Bài tập cá nhân hóa: Người học liên hệ các khái niệm lý thuyết với chính cuộc sống hoặc nghề nghiệp của mình, thông qua các hoạt động như nhập vai tình huống, chia sẻ kinh nghiệm. 
• Thảo luận nhóm và phản hồi đồng đẳng: Người học cùng nhau xây dựng kiến thức bằng cách thảo luận, đóng góp ý kiến hoặc phê bình công việc của bạn học. 

• Lộ trình học linh hoạt: Người học có thể lựa chọn chủ đề hoặc nghiên cứu tình huống phù hợp với sở thích hoặc định hướng nghề nghiệp của bản thân. 

Công cụ Activity Generator của OpenLearning gợi ý các dự án hợp tác, câu hỏi thảo luận và tình huống gắn liền với cuộc sống của người học, giúp nội dung khóa học trở nên gần gũi và thực tế hơn.

3. Dạy cách sử dụng AI có trách nhiệm

Thay vì né tránh hoàn toàn, hãy lồng ghép những bài tập giúp người học biết cách đánh giá một cách phản biện và tích hợp AI một cách có đạo đức vào công việc của mình. Cách tiếp cận này giúp sinh viên sẵn sàng hơn cho môi trường nghề nghiệp, nơi AI là một công cụ quan trọng, đồng thời đòi hỏi sự hiểu biết sâu sắc về vai trò và giới hạn của nó. 

Ví dụ: 

• Bài tập có sự hỗ trợ của AI: Người học sử dụng AI cho một số phần cụ thể, chẳng hạn như gợi ý ýtưởng hoặc phác thảo, sau đó tự phân tích và tinh chỉnh kết quả. 

• Bài đánh giá phản biện: Người học so sánh nội dung do AI tạo ra với sản phẩm do con người làm, từ đó nhận diện ưu điểm, hạn chế và những thiên lệch tiềm ẩn. 

• Thảo luận đạo đức theo tình huống: Thiết kế các hoạt động để người học tranh luận hoặc phản chiếu về việc sử dụng AI một cách có đạo đức trong lĩnh vực của họ. 

Bằng cách chuyển trọng tâm sang các kỹ năng mang tính con người, các hình thức đánh giá sẽ khó bị AI “làm hộ” hoàn toàn, đồng thời giảm bớt sự hấp dẫn của việc sao chép hoặc lạm dụng AI. 

Công cụ AI Facilitation Tools của OpenLearning còn gợi ý các nhận xét phản chiếu và câu hỏi dẫn dắt, giúp giảng viên tiết kiệm thời gian mà vẫn khuyến khích người học tư duy phản biện và tương tác có chiều sâu với AI. 

Kết luận: Thay đổi trọng tâm 

Với Assessment Design có ý nghĩa, xây dựng khóa học một cách cẩn trọng và tích hợp AI có trách nhiệm, giảng viên có thể tạo ra môi trường học tập nơi việc lạm dụng AI không còn hiệu quả và cũng không còn hấp dẫn. 

Bằng cách chuyển từ phát hiện sang phòng ngừa, giáo dục vừa giữ vững được sự trung thực học thuật, vừa trang bị cho người học những kỹ năng cần thiết để tự tin bước vào một thế giới vận hành bởi AI. 

Bạn đã sẵn sàng thay đổi cách Assessment Design của mình chưa? Khám phá ngay các công cụ AI của OpenLearning để xây dựng trải nghiệm học tập chân thực và lấy con người làm trung tâm. Liên hệ với Flexidata để được tư vấn ngay!