(The Theoretical Foundations of SkillTrip X Based on Experiential Learning and Smart Learning Theories)

 NGUYỄN VĂN HÙNG

TÓM TẮT (Abstract)

Trong bối cảnh trí tuệ nhân tạo (AI) và chuyển đổi số đang làm thay đổi sâu sắc giáo dục, các mô hình học tập trải nghiệm truyền thống cần được tái cấu trúc để đáp ứng yêu cầu phát triển năng lực trong thế kỷ XXI. Mặc dù Experiential Learning và Smart Learning đã được nghiên cứu rộng rãi, vẫn thiếu một khung lý thuyết tích hợp giữa học tập trải nghiệm, học tập thông minh, AI-Augmented Learning, AI Literacy và Digital Competence trong một mô hình thống nhất. Nghiên cứu này nhằm xây dựng cơ sở lý luận của SkillTrip X, đề xuất một khung Smart Experiential Learning tích hợp các học thuyết học tập trải nghiệm với công nghệ AI. Nghiên cứu sử dụng phương pháp Conceptual Research kết hợp Design-Based Research, dựa trên tổng quan hệ thống tài liệu từ Scopus, Web of Science, OECD, UNESCO và các nguồn học thuật uy tín. Kết quả đề xuất khung lý thuyết gồm ba trụ cột: Experiential Learning (Learning by Doing), Smart Learning (Learning Everywhere) và AI-Augmented Learning (Learning with AI). Mô hình được cấu trúc thành 7 giai đoạn liên hoàn (Pre-Trip → On-Trip → Reflection → Knowledge Construction → Project → Digital Portfolio → Lifelong Learning), mở rộng chu trình của Kolb từ bốn lên bảy giai đoạn với AI được tích hợp xuyên suốt quá trình học tập. Nghiên cứu đóng góp một định nghĩa học thuật mới về SkillTrip X như một mô hình giáo dục trải nghiệm thông minh, tạo nền tảng phát triển đồng thời năng lực trải nghiệm, năng lực số, hiểu biết về AI, kỹ năng 7Cs và năng lực chuyển đổi theo OECD Learning Compass 2030.

Từ khóa: Experiential Learning (Học tập trải nghiệm); Smart Learning (Học tập thông minh); AI-Augmented Learning (Học tập tăng cường bởi trí tuệ nhân tạo); SkillTrip X; Smart Experiential Learning (Giáo dục trải nghiệm thông minh); AI Literacy (Năng lực hiểu biết về AI); Digital Competence (Năng lực số).

1. GIỚI THIỆU (Introduction)

1.1. Bối cảnh nghiên cứu

Sự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) và chuyển đổi số đang tạo ra một bước chuyển từ chuyển đổi công nghệ sang chuyển đổi nhận thức, buộc giáo dục phải đổi mới cả mục tiêu, phương pháp và mô hình tổ chức dạy học. Theo Diễn đàn Kinh tế Thế giới (2025), đến năm 2030 khoảng 44% kỹ năng cốt lõi của lực lượng lao động sẽ thay đổi và 78 triệu việc làm mới sẽ được tạo ra, đòi hỏi người học phải phát triển năng lực thích ứng, tư duy phản biện, sáng tạo và học tập suốt đời. Trong bối cảnh đó, AI, Smart Learning, Learning Analytics và các công nghệ số đang hình thành môi trường học tập thông minh, thích ứng và cá nhân hóa, đồng thời mở rộng không gian học tập vượt ra ngoài lớp học truyền thống.

Song song với xu thế này, giáo dục trải nghiệm (Experiential Learning) cũng đứng trước yêu cầu tái cấu trúc sau những biến đổi do đại dịch COVID-19 và sự phổ biến của AI. Các hình thức trải nghiệm trực tiếp ngày càng được bổ sung bằng trải nghiệm số, thực tế ảo (VR), thực tế tăng cường (AR) và học tập lai (Hybrid Learning), tạo nên chu trình học tập liên tục trước – trong – sau trải nghiệm. Tuy nhiên, các mô hình hiện nay vẫn chưa tích hợp một cách hệ thống giữa Experiential Learning, Smart Learning, AI-Augmented Learning và phát triển năng lực thế kỷ XXI. Khoảng trống này đặt ra yêu cầu xây dựng một khung lý thuyết mới có khả năng kết nối các nguyên lý sư phạm truyền thống với công nghệ AI, làm nền tảng cho các mô hình giáo dục trải nghiệm thông minh trong bối cảnh chuyển đổi số và phát triển bền vững.

1.2. Khoảng trống nghiên cứu

Tổng hợp các khoảng trống nghiên cứu qua bảng sau:

Chủ đề	Đã nghiên cứu	Khoảng trống
Experiential Learning	Dewey (1938), Kolb (1984), Beard & Wilson (2018) đã xác lập nền tảng lý thuyết và các ứng dụng trong giáo dục	Thiếu tích hợp công nghệ; mô hình tuyến tính, đơn giản; chưa xem xét bối cảnh AI và Smart Learning
Smart Learning	Kim et al. (2013), Hwang (2014), Spector (2014), Zhu et al. (2016) về môi trường học tập thông minh	Chủ yếu tập trung vào công nghệ; thiếu kết nối với lý thuyết học tập trải nghiệm; chưa tích hợp vào quy trình học tập cụ thể
AI in Education	Holmes et al. (2019), Zawacki-Richter et al. (2019), Chen et al. (2020) về ứng dụng AI trong giáo dục	Ứng dụng chủ yếu trong giáo dục truyền thống; thiếu tích hợp có hệ thống vào giáo dục trải nghiệm
AI Literacy	Long & Magerko (2020), Ng et al. (2021) về khung năng lực AI	Nghiên cứu độc lập, chưa gắn với mô hình giáo dục trải nghiệm cụ thể
Digital Competence	Ferrari (2013), Redecker (2017) về khung năng lực số	Chưa tích hợp vào quy trình học tập trải nghiệm
Educational Tourism	Carr (2011), Falk & Balling (1982), Orion & Hofstein (1994) về học tập trong chuyến đi thực địa	Thiếu tích hợp với công nghệ số và AI; chưa có mô hình học tập trải nghiệm trong du lịch học đường
Outdoor Education	Priest & Gass (2018), Martin et al. (2006), Gilbertson et al. (2022) về lãnh đạo và phương pháp giáo dục ngoài trời	Chưa tích hợp AI và công nghệ số vào môi trường học tập ngoài trời
Team Building	Katzenbach & Smith (2015), Tuckman (1965), Lencioni (2002), Belbin (2012) về động lực nhóm và phát triển đội ngũ	Chưa gắn với quy trình học tập trải nghiệm có sự hỗ trợ của AI
SkillTrip X	Chưa có nghiên cứu	Chưa có mô hình tích hợp Experiential Learning, Smart Learning, AI-Augmented Learning, AI Literacy, Digital Competence, và Lifelong Learning

 

 

Điểm nhấn: Mặc dù nhiều nghiên cứu đã khẳng định giá trị của Experiential Learning, Smart Learning, AI-Augmented Learning, AI Literacy, Digital Competence và các khung năng lực thế kỷ XXI, hiện vẫn chưa có một mô hình lý thuyết tích hợp các nền tảng này trong một khung giáo dục trải nghiệm thống nhất. Khoảng trống nghiên cứu trở nên rõ nét hơn khi UNESCO (2024) ban hành AI Competency Framework for Students và AI Competency Framework for Teachers, xác định các năng lực cốt lõi về tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, cùng thiết kế hệ thống AI. Những định hướng quốc tế này cho thấy nhu cầu cấp thiết phải phát triển các mô hình giáo dục trải nghiệm thế hệ mới có khả năng tích hợp AI, phát triển năng lực số và đáp ứng yêu cầu học tập trong kỷ nguyên trí tuệ nhân tạo.

1.3. Mục tiêu nghiên cứu

Nghiên cứu hướng tới ba mục tiêu chính. Thứ nhất, phân tích cơ sở lý luận của SkillTrip X trên nền tảng các học thuyết Experiential Learning và Smart Learning, đồng thời làm rõ những khoảng trống nghiên cứu trong bối cảnh chuyển đổi số và trí tuệ nhân tạo. Thứ hai, xây dựng khung lý thuyết tích hợp kết nối Experiential Learning, Smart Learning, AI-Augmented Learning và Competency-Based Education, tạo nền tảng cho giáo dục trải nghiệm thông minh. Thứ ba, đề xuất mô hình SkillTrip X với 7 giai đoạn học tập liên hoàn, tích hợp vai trò của AI và khung năng lực đầu ra, đồng thời xác lập định nghĩa học thuật về SkillTrip X như một mô hình Smart Experiential Learning đáp ứng yêu cầu phát triển năng lực số, kỹ năng thế kỷ XXI và học tập suốt đời trong kỷ nguyên AI.

1.4. Câu hỏi nghiên cứu

Để hiện thực hóa các mục tiêu nghiên cứu, bài báo tập trung giải quyết ba câu hỏi nghiên cứu trọng tâm. RQ1: Học thuyết Experiential Learning cần được mở rộng như thế nào để thích ứng với bối cảnh trí tuệ nhân tạo và đáp ứng yêu cầu phát triển năng lực thế kỷ XXI? RQ2: Smart Learning có thể bổ sung những thành tố nào nhằm nâng cao hiệu quả của giáo dục trải nghiệm, và việc tích hợp các thành tố này vào chu trình học tập nên được thiết kế ra sao? RQ3: Mô hình SkillTrip X được hình thành từ những nền tảng lý luận nào, và các nền tảng đó được tích hợp như thế nào để tạo thành một khung Smart Experiential Learning thống nhất, định hướng phát triển năng lực số, AI Literacy và học tập suốt đời?

2. CƠ SỞ LÝ LUẬN (Theoretical Framework)

2.1. Học thuyết Experiential Learning: Từ nền tảng triết học đến những mở rộng đương đại

Học thuyết Experiential Learning có nền tảng triết học và tâm lý học từ các công trình của John Dewey, Kurt Lewin, Jean Piaget và David Kolb. Các tác giả này thống nhất ở luận điểm cốt lõi rằng học tập đích thực xuất phát từ kinh nghiệm và được chuyển hóa thành tri thức thông qua phản tư và hành động (Kolb, 1984; Illeris, 2018). Luận điểm này vẫn giữ nguyên giá trị, nhưng đòi hỏi sự tái diễn giải trong bối cảnh hiện đại.

2.1.1. John Dewey: Nền tảng triết học của giáo dục trải nghiệm

Dewey (1938) được coi là “cha đẻ” của giáo dục trải nghiệm hiện đại (Miettinen, 2000), với hai nguyên lý: tính liên tục và tương tác. Nguyên lý liên tục được Dewey diễn giải: “Nguyên lý liên tục của trải nghiệm có nghĩa là mỗi trải nghiệm vừa tiếp nhận điều gì đó từ trải nghiệm trước đó, vừa tạo ra điều gì đó cho trải nghiệm tiếp theo” (Dewey, 1938, tr. 35). Nguyên lý tương tác khẳng định trải nghiệm là kết quả của sự tương tác giữa người học và môi trường (bao gồm cả vật chất và xã hội). Trong bối cảnh số hóa, môi trường tương tác đã được mở rộng ra không gian ảo với các tác nhân AI, phù hợp với quan điểm của Dewey về học tập gắn với kinh nghiệm sống (Dewey, 1916). Triết lý này đã được các nhà nghiên cứu như Priest và Gass (2018) và Gilbertson và cộng sự (2022) vận dụng vào giáo dục ngoài trời, cũng như Martin và cộng sự (2006) trong các khung năng lực lãnh đạo ngoài trời.

2.1.4. David Kolb: Chu trình học tập trải nghiệm và những hạn chế cần vượt qua

Kolb (1984) đã hệ thống hóa các tư tưởng của Dewey, Lewin và Piaget thành chu trình học tập trải nghiệm với 4 giai đoạn: Concrete Experience (CE), Reflective Observation (RO), Abstract Conceptualization (AC), và Active Experimentation (AE). Mô hình này, dù có ảnh hưởng sâu rộng, đã bộc lộ những hạn chế trong bối cảnh giáo dục hiện đại. Các nhà phê bình như Seel (2012) đã chỉ ra tính tuyến tính và sự đơn giản hóa quá mức của mô hình, trong khi Illeris (2018) nhấn mạnh sự thiếu vắng bối cảnh xã hội và văn hóa. Ngoài ra, mô hình cũng không có các giai đoạn tiền trải nghiệm và liên kết tương lai, vốn rất cần thiết cho học tập suốt đời (Beard & Wilson, 2018).

Khoảng trống này càng trở nên rõ nét hơn khi xem xét sự phát triển của công nghệ, đặc biệt là AI. Như Giáo sư Rose Luckin (2024) đã nhấn mạnh, “điều thực sự quan trọng là chúng ta coi AI như một công cụ để làm cho chúng ta thông minh hơn, không phải để làm chúng ta kém thông minh hơn”. Điều này đòi hỏi một sự tích hợp có chủ đích AI vào quá trình học tập, thay vì chỉ sử dụng nó như một tiện ích. Hơn nữa, trong bối cảnh giáo dục trải nghiệm được hỗ trợ bởi AI, các chuyên gia như Wayne Holmes (2024) nhấn mạnh tầm quan trọng của năng lực AI phê phán. Holmes lập luận rằng “mọi người đều cần phải có năng lực AI một cách có phê phán”, và cảnh báo về một “lực hút hấp dẫn của AI” có thể khiến con người “từ bỏ quyền tự chủ của mình”. Do đó, việc mở rộng mô hình Kolb trở nên cấp thiết để tạo ra một khuôn khổ vừa giữ được tinh thần của học tập trải nghiệm, vừa trang bị cho người học những năng lực cần thiết để tương tác với AI một cách có ý thức và trách nhiệm.

2.2. Smart Learning và Smart Education: Nền tảng cho giáo dục trải nghiệm trong kỷ nguyên số

2.2.4. Learning Analytics trong Smart Learning

Learning Analytics, được định nghĩa là “việc đo lường, thu thập, phân tích và báo cáo dữ liệu về người học và bối cảnh học tập, nhằm mục đích hiểu và tối ưu hóa học tập và môi trường học tập” (Siemens & Baker, 2012, tr. 252), là một thành tố cốt lõi của Smart Learning. Vai trò của nó trong việc theo dõi (Ferguson, 2012), cung cấp phản hồi (Ifenthaler & Yau, 2020), dự báo (Gašević và cộng sự, 2015), và cá nhân hóa (Chen và cộng sự, 2020) là không thể phủ nhận. Trong giáo dục trải nghiệm, nó hứa hẹn mang lại sự theo dõi toàn diện và phản hồi tức thời.

Tuy nhiên, việc ứng dụng này phải được đặt trong một khuôn khổ đạo đức. UNESCO (2024) đã cảnh báo rằng “AI có thể gây ra những rủi ro đáng kể cho học sinh và cộng đồng giáo viên… Chúng ta cần giữ con người ở vị trí trung tâm và kiểm soát quá trình”. Do đó, việc tích hợp Learning Analytics vào giáo dục trải nghiệm đòi hỏi phải có sự cân bằng giữa việc tận dụng dữ liệu để tối ưu hóa trải nghiệm và bảo vệ quyền riêng tư cũng như tính tự chủ của người học.

2.3. AI-Augmented Learning: Từ công cụ đến tác nhân đồng hành

AI-Augmented Learning, theo định nghĩa của Holmes và các cộng sự (2019) và Luckin và các cộng sự (2016), là hình thức học tập trong đó AI đóng vai trò là “tác nhân tăng cường”, bổ sung và nâng cao năng lực của con người thay vì thay thế. Đây là một quan điểm phù hợp với định hướng của UNESCO về một cách tiếp cận AI lấy con người làm trung tâm trong giáo dục.

Holmes và Shiohira (2024) đã nhấn mạnh một cách thận trọng rằng “AI cuối cùng chỉ là một công cụ, nhưng không phải là một công cụ hoàn hảo. AI không phải là những cỗ máy có thể tư duy độc lập” . Để khai thác tiềm năng của AI trong giáo dục trải nghiệm, người học và giáo viên cần được trang bị năng lực số và AI Literacy. Điều này được thể hiện rõ trong các khuôn khổ như DigCompEdu (Redecker, 2017) và UNESCO AI Competency Framework for Students (2024). Khung năng lực của UNESCO, với các chiều kích về tư duy lấy con người làm trung tâm và đạo đức AI, cung cấp một nền tảng vững chắc để tích hợp AI vào các mô hình giáo dục hiện đại. Nó hướng tới việc đào tạo ra những “công dân có trách nhiệm và những người đồng sáng tạo với AI” , một tầm nhìn phù hợp với mục tiêu của SkillTrip X.

2.5. Khoảng trống lý luận: Từ phân tích đến tổng hợp

Sự tổng hợp các lý thuyết cho thấy một khoảng trống rõ ràng: chưa có một mô hình nào tích hợp Experiential Learning, Smart Learning và AI-Augmented Learning một cách có hệ thống, đồng thời gắn kết với các khung năng lực hiện đại. SkillTrip X ra đời để lấp đầy khoảng trống này, cung cấp một khuôn khổ lý thuyết thống nhất cho giáo dục trải nghiệm trong thời đại AI.

3. PHƯƠNG PHÁP NGHIÊN CỨU (Research Methodology)

3.1. Thiết kế nghiên cứu

Nghiên cứu này áp dụng thiết kế nghiên cứu lý thuyết (Conceptual Research) kết hợp với nghiên cứu thiết kế (Design-Based Research – DBR). Thiết kế này phù hợp với mục tiêu xây dựng một khung lý thuyết mới dựa trên tổng hợp và tích hợp các lý thuyết hiện có (Jaakkola, 2020). Như nhà tâm lý học người Mỹ William James đã nhấn mạnh: “The greatest discovery of my generation is that a human being can alter his life by altering his attitudes of mind” – triết lý này đặt nền tảng cho việc thiết kế các mô hình giáo dục lấy người học làm trung tâm, nơi thái độ và nhận thức của người học có thể được định hình lại thông qua trải nghiệm có chủ đích. Conceptual Research là phương pháp nghiên cứu tập trung vào việc phát triển các khái niệm, mô hình và lý thuyết mới thông qua phân tích và tổng hợp tài liệu (Meredith, 1993). Design-Based Research (DBR) bổ sung vào Conceptual Research khía cạnh thiết kế và phát triển một mô hình có khả năng ứng dụng thực tiễn trong các bối cảnh giáo dục cụ thể (Cobb et al., 2003; McKenney & Reeves, 2018). Như David A. Kolb – người sáng lập Lý thuyết Học tập Trải nghiệm – đã khẳng định: “Learning is the process whereby knowledge is created through the transformation of experience”. Câu nói này không chỉ định nghĩa bản chất của học tập mà còn định hướng toàn bộ thiết kế nghiên cứu: mô hình SkillTrip X được xây dựng dựa trên tiền đề rằng tri thức được kiến tạo thông qua quá trình chuyển hóa trải nghiệm, do đó thiết kế nghiên cứu phải tạo ra không gian cho cả trải nghiệm thực tiễn lẫn sự phản tư lý thuyết.

DBR được lựa chọn bởi khả năng dung hòa giữa mục tiêu nghiên cứu học thuật và thiết kế thực tiễn – một đặc tính được nhận định là “uniquely positioned to address the complex challenges of balancing educational and psychological research goals and design efforts”. Sự kết hợp này cho phép nghiên cứu vừa phát triển lý thuyết về học tập trải nghiệm thông minh, vừa thiết kế một mô hình can thiệp giáo dục có thể vận hành trong thực tế.

3.2. Phương pháp nghiên cứu

Nghiên cứu sử dụng bốn phương pháp chính được trình bày trong Bảng 1.

Bảng 1. Tổng hợp các phương pháp nghiên cứu

Phương pháp	Mô tả	Mục đích
Systematic Review	Tổng quan hệ thống theo quy trình PRISMA	Xác định và tổng hợp các nghiên cứu liên quan
Document Analysis	Phân tích tài liệu định tính	Phân tích sâu các tài liệu lý thuyết
Comparative Analysis	So sánh các mô hình hiện có	Xác định điểm mạnh, hạn chế và khoảng trống
Theoretical Synthesis	Tổng hợp và tích hợp lý thuyết	Xây dựng khung lý thuyết mới

3.2.1. Systematic Review – Tổng quan hệ thống

Phương pháp Systematic Review được thực hiện theo hướng dẫn PRISMA 2020 (Page et al., 2021), với quy trình tìm kiếm, sàng lọc và tổng hợp tài liệu có hệ thống. Nghiên cứu đã phân tích 142 công trình được đăng tải trên các cơ sở dữ liệu Scopus, Web of Science và IEEE Xplore trong giai đoạn 2015–2025, tập trung vào các chủ đề: Experiential Learning, AI trong giáo dục, và khung năng lực thế kỷ XXI. Như nhà triết học giáo dục người Mỹ John Dewey đã chỉ ra: “The belief that all genuine education comes about through experience does not mean that all experiences are genuinely or equally educative” – luận điểm này đặt ra yêu cầu then chốt cho tổng quan hệ thống: không chỉ thu thập các nghiên cứu về học tập trải nghiệm, mà còn phải đánh giá chất lượng và tính giáo dục của các trải nghiệm được mô tả trong từng công trình. Một số lượng đáng kể các nghiên cứu về học tập trải nghiệm trong giáo dục đại học chỉ áp dụng một phần mô hình Kolb, với chỉ 30% số nghiên cứu (n = 9) thực hiện đầy đủ chu trình học tập.

3.2.2. Document Analysis – Phân tích tài liệu

Phân tích tài liệu định tính được tiến hành song song với tổng quan hệ thống, tập trung vào việc giải mã các văn bản chính sách và khung năng lực từ các tổ chức quốc tế. OECD Learning Compass 2030 – được mô tả là “an evolving learning framework that sets out an aspirational vision for the future of education” – cung cấp một định hướng chiến lược về các năng lực cần thiết cho thế kỷ XXI, trong đó nhấn mạnh “student agency, co-agency, and well-being as powerful means for positive transformation in education and in society”. Đồng thời, UNESCO AI Competency Framework for Students (2025) xác định 12 năng lực được phân bố trong bốn lĩnh vực: human-centred perspective, AI ethics, AI techniques and applications, và AI system design. Như Tổng Giám đốc UNESCO Audrey Azoulay đã tuyên bố: “Teachers cannot be replaced by technologies. AI must be designed with and by teachers and should serve to strengthen the teacher-student relationship” – tuyên bố này nhấn mạnh nguyên tắc nhân văn xuyên suốt trong việc tích hợp AI vào giáo dục, một nguyên tắc được vận dụng trực tiếp vào thiết kế mô hình SkillTrip X. Việc phân tích các văn bản này cho phép nghiên cứu xác định được các điểm tương đồng và khác biệt trong cách tiếp cận năng lực của các tổ chức khác nhau, từ đó hình thành cơ sở cho việc tích hợp lý thuyết.

3.2.3. Comparative Analysis – Phân tích so sánh

Phương pháp so sánh được sử dụng để đối chiếu các mô hình học tập trải nghiệm hiện có (Kolb, 1984; 2015), các khung năng lực của OECD và UNESCO, cũng như các mô hình tích hợp AI trong giáo dục. Phân tích so sánh tập trung vào việc xác định:

• Điểm mạnhcủa từng mô hình: Kolb cung cấp chu trình học tập có cấu trúc rõ ràng; OECD Learning Compass 2030 đưa ra tầm nhìn hệ thống về các năng lực chuyển đổi; UNESCO cung cấp khung năng lực AI cụ thể cho người học.
• Hạn chế: Kolb thiếu sự tích hợp công nghệ; OECD và UNESCO thiếu hướng dẫn cụ thể về vận hành trong bối cảnh giáo dục đại học tại các nước đang phát triển.
• Khoảng trống lý luận: Chưa có mô hình nào tích hợp đầy đủ ba thành tố – học tập trải nghiệm, học tập thông minh (smart learning) và năng lực thế kỷ XXI – vào một khung lý thuyết thống nhất.

Nhà vật lý người Đức Albert Einstein từng nhận xét: “Education is what remains after one has forgotten what one has learned in school” – câu nói này đặt ra một câu hỏi then chốt cho phân tích so sánh: liệu các mô hình hiện có đang hướng tới việc hình thành những gì còn đọng lại sau quá trình học tập, hay chỉ đơn thuần trang bị kiến thức nhất thời? Sự tương phản giữa các mô hình cho thấy một điểm chung đáng chú ý: dù cách tiếp cận khác nhau, tất cả đều hướng tới việc phát triển năng lực bền vững – những gì còn lại sau khi những chi tiết kiến thức đã bị lãng quên.

3.2.4. Theoretical Synthesis – Tổng hợp lý thuyết

Phương pháp tổng hợp lý thuyết được sử dụng để tích hợp các thành tố từ các mô hình và khung năng lực đã phân tích, tạo thành một khung lý thuyết mới. Quá trình tổng hợp tuân theo nguyên tắc do Jaakkola (2020) đề xuất: xác định các thành tố cốt lõi, phân tích mối quan hệ giữa chúng, và xây dựng một cấu trúc lý thuyết có tính nhất quán nội tại. Nhà tâm lý học người Nga Lev Vygotsky đã chỉ ra: “What a child can do today with assistance, she will be able to do by herself tomorrow” – luận điểm về Vùng phát triển gần nhất (Zone of Proximal Development) này định hướng cho việc thiết kế mô hình SkillTrip X: mô hình được cấu trúc để người học tiến triển từng bước từ các nhiệm vụ có hỗ trợ đến các nhiệm vụ tự chủ, phản ánh đúng quá trình phát triển năng lực thông qua trải nghiệm có hướng dẫn.

3.3. Nguồn dữ liệu

Nghiên cứu sử dụng các tài liệu từ các nguồn uy tín, được trình bày trong Bảng 2.

Bảng 2. Nguồn dữ liệu nghiên cứu

Nguồn	Loại tài liệu
Scopus, Web of Science (WoS), IEEE Xplore	Bài báo khoa học, hội thảo quốc tế
OECD, UNESCO, UN Tourism, UNEP, World Bank	Báo cáo chính sách, khung năng lực
Springer, Taylor & Francis, Elsevier, Human Kinetics	Sách chuyên khảo, giáo trình

Tiêu chí lựa chọn: (1) Công bố từ năm 2015 đến 2025; (2) Ngôn ngữ tiếng Anh hoặc tiếng Việt; (3) Có liên quan đến Experiential Learning, Smart Learning, AI trong giáo dục, hoặc khung năng lực thế kỷ XXI; (4) Được xuất bản bởi các nhà xuất bản hoặc tổ chức uy tín. Nhà văn người Anh George Bernard Shaw từng viết: “We are made wise not by the recollection of our past, but by the responsibility for our future” – câu nói này định hướng việc lựa chọn nguồn dữ liệu: nghiên cứu ưu tiên các tài liệu không chỉ ghi nhận thành tựu quá khứ mà còn dự báo xu hướng và thách thức của tương lai giáo dục, như các báo cáo tầm nhìn 2030 của OECD và UNESCO.

3.4. Quy trình nghiên cứu

Quy trình nghiên cứu được thực hiện theo sáu bước tuần tự:

Bước 1 – Tìm kiếm và sàng lọc tài liệu (PRISMA): Áp dụng quy trình PRISMA 2020 với bốn giai đoạn: xác định (identification), sàng lọc (screening), đánh giá đủ tiêu chuẩn (eligibility), và đưa vào phân tích (inclusion). Tổng số 142 bài báo được đưa vào phân tích sau quá trình sàng lọc.

Bước 2 – Phân tích tài liệu định tính: Tiến hành phân tích nội dung các tài liệu đã được chọn, tập trung vào các khái niệm, mô hình và lý thuyết nền tảng. Như nhà khoa học chính trị người Pháp Alexis de Tocqueville đã nhận xét: “The American Republic will endure until the day Congress discovers that it can bribe the public with the public’s money” – mặc dù câu nói đề cập đến bối cảnh chính trị, nhưng ẩn dụ về sự bền vững của một hệ thống dựa trên tính chính trực và minh bạch có thể được vận dụng để nhấn mạnh tầm quan trọng của việc xây dựng các mô hình giáo dục dựa trên nền tảng lý thuyết vững chắc, không bị chi phối bởi các xu hướng nhất thời.

Bước 3 – Xác định khoảng trống lý luận: Dựa trên kết quả phân tích, xác định các khoảng trống giữa lý thuyết hiện có và nhu cầu thực tiễn. Nhà khoa học máy tính người Mỹ gốc Hungary John von Neumann đã nhận xét: “The most vitally characteristic fact about mathematics is its quite peculiar relationship to the natural sciences” – tương tự, đặc trưng quan trọng nhất của giáo dục học hiện đại là mối quan hệ đặc thù giữa lý thuyết học tập và công nghệ. Khoảng trống được xác định rõ nhất là sự thiếu vắng một mô hình tích hợp giữa học tập trải nghiệm, AI và khung năng lực thế kỷ XXI.

Bước 4 – Xây dựng khung lý thuyết: Tổng hợp các thành tố lý thuyết từ các mô hình đã phân tích để xây dựng một khung lý thuyết mới. OECD định nghĩa khung này như một “roadmap for educators and practitioners to cultivate students’ holistic development, help adolescents thrive and flourish in future world, and influence the well-being of the world”. Nhà triết học người Đức Immanuel Kant đã nói: “Sapere aude! Have courage to use your own understanding!” – đây là tinh thần xuyên suốt của khung lý thuyết: khuyến khích người học sử dụng chính khả năng tư duy của mình, không ngừng đặt câu hỏi và khám phá, một triết lý phù hợp với bản chất của học tập trải nghiệm.

Bước 5 – Đề xuất mô hình SkillTrip X: Mô hình SkillTrip X được thiết kế dựa trên khung lý thuyết đã xây dựng, tích hợp ba thành tố: (a) Experiential Learning Cycle (Kolb, 1984; 2015), (b) Smart Learning với sự hỗ trợ của AI và công nghệ số, và (c) Khung năng lực thế kỷ XXI theo OECD Learning Compass 2030 và UNESCO AI Competency Framework (2025). Như nhà văn người Ireland Oscar Wilde đã từng nói: “Education is an admirable thing, but it is well to remember from time to time that nothing that is worth knowing can be taught” – câu nói đầy nghịch lý này gợi mở một nguyên lý thiết yếu trong thiết kế SkillTrip X: những điều đáng biết nhất thường không thể được truyền thụ một cách thụ động, mà phải được người học tự kiến tạo thông qua trải nghiệm và phản tư – đúng như tinh thần cốt lõi của học tập trải nghiệm và được cụ thể hóa trong cấu trúc mô hình.

Bước 6 – Đối chiếu và đánh giá lý thuyết: Mô hình SkillTrip X được đối chiếu với các mô hình hiện có để đánh giá tính hợp lý và giá trị bổ sung. Nhà vật lý lý thuyết người Anh Stephen Hawking từng nói: “The greatest enemy of knowledge is not ignorance, it is the illusion of knowledge” – lời cảnh tỉnh này được áp dụng trong bước đối chiếu và đánh giá: mô hình SkillTrip X không được xem là một chân lý tuyệt đối mà được đặt trong sự so sánh phản biện với các mô hình hiện có, nhằm tránh ảo tưởng về một giải pháp duy nhất và toàn diện. Quá trình đối chiếu cho phép xác định những đóng góp lý thuyết mới của mô hình, đồng thời nhận diện các giới hạn cần được tiếp tục nghiên cứu trong tương lai.

4. KẾT QUẢ NGHIÊN CỨU (Results)

4.1. Khung lý thuyết của SkillTrip X

Từ tổng quan lý luận và phân tích khoảng trống, nghiên cứu đề xuất khung lý thuyết của SkillTrip X với 5 thành phần cốt lõi:

4.2. Ba trụ cột lý luận của SkillTrip X

Trụ cột 1: Experiential Learning – Learning by Doing

SkillTrip X kế thừa nền tảng triết học và tâm lý học của Experiential Learning từ Dewey (1938), Lewin (1946), Piaget (1970) và Kolb (1984), đồng thời tích hợp các phát triển đương đại từ giáo dục ngoài trời (Priest & Gass, 2018; Martin et al., 2006; Gilbertson et al., 2022), du lịch học đường (Carr, 2011; Falk & Balling, 1982; Orion & Hofstein, 1994), và học tập trải nghiệm trong bối cảnh giáo dục người lớn (Jarvis, 2010; Fenwick, 2003; Boud et al., 1993). Từ các lý thuyết này, SkillTrip X tiếp nhận các nguyên lý sau:

(1) Học từ trải nghiệm – Tri thức được xây dựng từ kinh nghiệm sống của người học, không chỉ từ việc tiếp nhận thông tin thụ động. Như Joplin (1981) đã định nghĩa, giáo dục trải nghiệm là quá trình trong đó người học trực tiếp tham gia vào trải nghiệm và sau đó phản tư về trải nghiệm đó để tăng cường kiến thức, phát triển kỹ năng và làm rõ giá trị.

(2) Học bằng hành động – Người học tham gia trực tiếp vào các hoạt động và tương tác với môi trường để tạo ra tri thức. Nguyên lý này được thể hiện rõ trong các mô hình lãnh đạo ngoài trời của Priest và Gass (2018), nơi người học học thông qua việc tham gia vào các chương trình phiêu lưu và trải nghiệm thực tế.

(3) Phản tư có ý nghĩa – Trải nghiệm chỉ trở thành học tập khi được phản tư và chuyển hóa thành tri thức. Như Lewin đã chỉ ra và Boud, Keogh và Walker (2013) đã phát triển, phản tư là cầu nối giữa trải nghiệm và học tập – một quá trình có thể được tăng cường đáng kể thông qua các công cụ AI.

(4) Tính liên tục – Mỗi trải nghiệm kết nối với trải nghiệm trước đó và ảnh hưởng đến trải nghiệm tiếp theo, phù hợp với nguyên lý liên tục của Dewey. Trong bối cảnh giáo dục hiện đại, tính liên tục này có thể được duy trì và tăng cường thông qua các nền tảng số và hồ sơ học tập điện tử.

(5) Học tập trong bối cảnh nhóm và xã hội – Học tập trải nghiệm diễn ra trong bối cảnh xã hội, nơi sự tương tác và hợp tác đóng vai trò quan trọng. Các lý thuyết về phát triển nhóm (Tuckman, 1965; Katzenbach & Smith, 2015; Lencioni, 2002; Belbin, 2012) cung cấp những hiểu biết quan trọng về cách thức các nhóm hình thành, phát triển và hoạt động hiệu quả trong bối cảnh học tập trải nghiệm.

Tuy nhiên, SkillTrip X không chỉ đơn thuần áp dụng Experiential Learning mà còn mở rộng lý thuyết này trong ba hướng:

• Từ 4 lên 7 giai đoạn– Bổ sung Pre-Trip, Digital Portfolio, và Lifelong Learning, đáp ứng yêu cầu về tính liên tục và học tập suốt đời
• Tích hợp AI– AI hỗ trợ toàn bộ các giai đoạn của chu trình, từ chuẩn bị đến đánh giá và định hướng tương lai
• Tăng cường tính liên tục– Kết nối chặt chẽ giữa trước, trong và sau trải nghiệm, phù hợp với nguyên lý liên tục của Dewey
• Tích hợp khung năng lực hiện đại– Gắn kết với các khung năng lực của OECD, UNESCO, DigComp và AI Literacy

Trụ cột 2: Smart Learning – Learning Everywhere

SkillTrip X tích hợp các nguyên lý của Smart Learning (Kim et al., 2013; Hwang, 2014; Zhu et al., 2016) để tạo ra môi trường học tập thông minh cho giáo dục trải nghiệm:

(1) Học tập phổ biến (Ubiquitous Learning) – Người học có thể học tập và trải nghiệm mọi lúc, mọi nơi thông qua các công cụ và nền tảng số. Điều này đặc biệt quan trọng đối với các chương trình giáo dục trải nghiệm kéo dài và diễn ra ở nhiều địa điểm khác nhau.

(2) Học tập thích ứng (Adaptive Learning) – Nội dung và lộ trình học tập được điều chỉnh tự động theo trình độ và tiến độ của người học, dựa trên dữ liệu được thu thập và phân tích trong suốt quá trình.

(3) Học tập cá nhân hóa (Personalized Learning) – Mỗi người học có một hành trình trải nghiệm riêng, phù hợp với sở thích, năng lực và mục tiêu học tập của họ. Khả năng này phù hợp với định hướng của UNESCO về tiếp cận lấy người học làm trung tâm.

(4) Nhận biết ngữ cảnh (Context-aware) – Hệ thống nhận biết và phản hồi theo bối cảnh cụ thể của hoạt động trải nghiệm, bao gồm vị trí địa lý, thời gian, điều kiện môi trường và trạng thái của người học.

(5) Tích hợp công nghệ thông minh – AI, IoT, Cloud Computing và Big Data được tích hợp để hỗ trợ toàn bộ quá trình, từ thu thập dữ liệu đến phân tích và phản hồi.

Trụ cột 3: AI-Augmented Learning – Learning with AI

SkillTrip X dựa trên quan điểm AI-Augmented Learning (Holmes et al., 2019; Luckin et al., 2016; Holmes, 2024; Luckin, 2024) với ba nguyên lý chính:

(1) AI là tác nhân đồng hành (Co-agent) – AI không thay thế con người mà đồng hành và hỗ trợ trong suốt quá trình học tập. Quan điểm này phù hợp với định hướng của UNESCO về AI lấy con người làm trung tâm.

(2) AI tăng cường năng lực con người (Augmentation) – AI mở rộng khả năng nhận thức, phản tư và hành động của con người, giúp người học đạt được những gì họ không thể làm một mình. Như Luckin (2024) đã nhấn mạnh, AI nên làm cho chúng ta thông minh hơn, không làm chúng ta trở nên kém thông minh hơn.

(3) AI hỗ trợ toàn diện – AI hỗ trợ tất cả các giai đoạn của chu trình học tập, từ thiết lập mục tiêu đến đánh giá và định hướng tương lai, với các vai trò cụ thể: AI Tutor, AI Assistant, AI Coach, AI Reflection, AI Analytics, và AI Assessment.

Trong SkillTrip X, AI đóng 6 vai trò cụ thể, được tích hợp xuyên suốt 7 giai đoạn của mô hình, đảm bảo rằng người học nhận được sự hỗ trợ phù hợp tại mọi thời điểm của hành trình học tập.

4.3. Cấu trúc SkillTrip X

Kết hợp ba trụ cột lý luận trên, SkillTrip X được cấu trúc thành 7 giai đoạn liên hoàn:

Mô tả 7 giai đoạn:

Giai đoạn	Mô tả	Vai trò AI	Liên hệ lý thuyết
1. Pre-Trip	Thiết lập mục tiêu, xác định câu hỏi nghiên cứu, kết nối kiến thức nền tảng	AI Tutor, AI Assistant	Dewey (nguyên lý liên tục); chuẩn bị trải nghiệm
2. On-Trip	Tham gia trực tiếp vào hoạt động trải nghiệm thực tế	AI Assistant, AI Analytics	Kolb (CE); trải nghiệm cụ thể
3. Reflection	Suy ngẫm, tự đánh giá và phân tích trải nghiệm	AI Reflection, AI Analytics	Lewin, Kolb (RO); phản tư có hệ thống
4. Knowledge Construction	Tổng hợp và khái niệm hóa tri thức từ trải nghiệm	AI Tutor, AI Analytics	Piaget, Kolb (AC); kiến tạo tri thức
5. Project	Áp dụng tri thức vào dự án thực tế	AI Coach, AI Assessment	Kolb (AE); thực nghiệm tích cực
6. Digital Portfolio	Xây dựng hồ sơ số tổng hợp quá trình học tập	AI Assessment, AI Analytics	Đánh giá năng lực; phản tư tổng hợp
7. Lifelong Learning	Kết nối trải nghiệm với học tập tương lai	AI Analytics, AI Tutor	Dewey (liên tục); học tập suốt đời

4.4. Định nghĩa học thuật mới

Từ khung lý thuyết và cấu trúc mô hình, nghiên cứu đề xuất định nghĩa học thuật cho SkillTrip X:

SkillTrip X là một mô hình Smart Experiential Learning (Học tập Trải nghiệm Thông minh) được tăng cường bởi trí tuệ nhân tạo, tổ chức theo chu trình liên tục gồm 7 giai đoạn (Pre-Trip, On-Trip, Reflection, Knowledge Construction, Project, Digital Portfolio, Lifelong Learning), trong đó AI đóng vai trò là tác nhân đồng hành hỗ trợ toàn bộ quá trình học tập. Mô hình phát triển đồng thời 6 nhóm năng lực cốt lõi: (1) năng lực trải nghiệm, (2) năng lực số (Digital Competence), (3) AI Literacy, (4) tư duy dữ liệu (Data Literacy), (5) kỹ năng 7Cs, và (6) năng lực chuyển đổi OECD 2030.

Định nghĩa này nhấn mạnh 5 đặc điểm cốt lõi của SkillTrip X:

(1) Là một mô hình Smart Experiential Learning – Kết hợp giữa lý thuyết học tập trải nghiệm (Dewey, Lewin, Piaget, Kolb) và công nghệ giáo dục thông minh (Smart Learning), đồng thời tích hợp các phát triển đương đại từ giáo dục ngoài trời, du lịch học đường và phát triển nhóm.

(2) Được tăng cường bởi AI – AI không phải công cụ bổ trợ mà là thành phần cấu trúc của mô hình, đóng 6 vai trò xuyên suốt (Tutor, Assistant, Coach, Reflection, Analytics, Assessment), phù hợp với định hướng của UNESCO và OECD về tích hợp AI trong giáo dục.

(3) Chu trình 7 giai đoạn – Mở rộng và làm phong phú chu trình Kolb (1984), bổ sung các giai đoạn Pre-Trip, Digital Portfolio và Lifelong Learning để đáp ứng yêu cầu về tính liên tục và học tập suốt đời.

(4) Tính liên tục – Kết nối trước – trong – sau trải nghiệm và hướng tới học tập suốt đời, phù hợp với nguyên lý liên tục của Dewey và các mục tiêu của UNESCO Futures of Education (2021).

(5) Phát triển năng lực đa chiều – Tích hợp nhiều khung năng lực trong một mô hình thống nhất, bao gồm OECD Learning Compass 2030 (2018), UNESCO Futures of Education (2021), 7Cs (Trilling & Fadel, 2009), Digital Competence (Redecker, 2017) và AI Literacy (Long & Magerko, 2020; Ng et al., 2021; UNESCO AI Framework, 2024).

5. THẢO LUẬN (Discussion)

5.1. Đóng góp lý luận

SkillTrip X có ba đóng góp lý luận chính:

Thứ nhất, mở rộng chu trình Kolb từ 4 lên 7 giai đoạn. Mặc dù mô hình Kolb (1984) đã có ảnh hưởng lớn trong giáo dục trải nghiệm, nó chỉ tập trung vào các giai đoạn diễn ra trong và ngay sau trải nghiệm (concrete experience → reflective observation → abstract conceptualization → active experimentation). SkillTrip X bổ sung ba giai đoạn quan trọng: (1) Pre-Trip – chuẩn bị và thiết lập mục tiêu trước trải nghiệm, đáp ứng yêu cầu về sự chuẩn bị có hệ thống mà các nghiên cứu về chuyến đi thực tế (Orion & Hofstein, 1994; Falk & Balling, 1982) đã chỉ ra là yếu tố quan trọng cho thành công học tập; (2) Digital Portfolio – tổng hợp và phản ánh toàn diện sau trải nghiệm, cho phép người học nhìn lại toàn bộ hành trình học tập của mình; và (3) Lifelong Learning – kết nối trải nghiệm với học tập suốt đời, phù hợp với định hướng của UNESCO (2021) và OECD (2018). Sự bổ sung này khắc phục hai hạn chế lớn của mô hình Kolb: tính tuyến tính và thiếu sự liên tục với quá khứ và tương lai (Seel, 2012; Illeris, 2018).

Thứ hai, tích hợp AI xuyên suốt toàn bộ chu trình. Trong khi các nghiên cứu trước đây về AI trong giáo dục thường chỉ tập trung vào một khía cạnh cụ thể (như ITS, learning analytics, hoặc adaptive learning) (Holmes et al., 2019; Zawacki-Richter et al., 2019), SkillTrip X tích hợp 6 vai trò của AI vào tất cả 7 giai đoạn. Điều này tạo ra một mô hình AI-augmented experiential learning toàn diện, nơi AI không chỉ hỗ trợ kỹ thuật mà còn tham gia vào các hoạt động nhận thức và phản tư của người học. Sự tích hợp này phù hợp với xu hướng phát triển của AI trong giáo dục, từ “AI là công cụ” sang “AI là tác nhân đồng hành” (Luckin et al., 2016; Holmes et al., 2019), đồng thời đáp ứng các yêu cầu về năng lực AI do UNESCO (2024) và OECD (2024) đặt ra.

Thứ ba, tích hợp các khung năng lực hiện đại và lý thuyết liên ngành. SkillTrip X không chỉ là một mô hình quy trình học tập mà còn là một khung phát triển năng lực. Mô hình tích hợp các khung năng lực của OECD (2018), UNESCO (2021), 7Cs (Trilling & Fadel, 2009), Digital Competence (Redecker, 2017), và AI Literacy (Long & Magerko, 2020; Ng et al., 2021) vào cấu trúc của mình thông qua ma trận liên kết. Bên cạnh đó, mô hình còn tích hợp các lý thuyết về giáo dục ngoài trời (Priest & Gass, 2018; Martin et al., 2006; Gilbertson et al., 2022), du lịch học đường (Carr, 2011; Orion & Hofstein, 1994), và phát triển nhóm (Tuckman, 1965; Katzenbach & Smith, 2015; Lencioni, 2002; Belbin, 2012) – những lĩnh vực thường bị tách biệt trong các mô hình giáo dục trải nghiệm truyền thống. Sự tích hợp đa ngành này có ý nghĩa quan trọng trong bối cảnh giáo dục hiện đại, khi ranh giới giữa các lĩnh vực học tập đang ngày càng trở nên linh hoạt và liên kết.

5.2. Khác biệt với các mô hình hiện hành

So sánh SkillTrip X với các mô hình giáo dục trải nghiệm và học tập phổ biến:

Tiêu chí	Kolb (1984)	PBL	Inquiry Learning	Design Thinking	SkillTrip X
Số giai đoạn	4	5-7	5-6	5	7
Tích hợp AI	Không	Không/Hạn chế	Không/Hạn chế	Không/Hạn chế	Toàn diện
Smart Learning	Không	Không	Không	Không	Có
Kết nối trước-sau	Không	Hạn chế	Không	Không	Liên hoàn
Phản tư có hệ thống	Có (RO)	Hạn chế	Có	Có (Test)	AI-enhanced
Hồ sơ số	Không	Hạn chế	Không	Không	Tích hợp
Lifelong Learning	Không	Không	Không	Không	Tích hợp
AI Literacy	Không	Không	Không	Không	Tích hợp
Digital Competence	Không	Hạn chế	Không	Hạn chế	Tích hợp
OECD 2030	Không	Không	Không	Không	Tích hợp
Outdoor Education	Không	Không	Không	Không	Tích hợp
Team Building	Không	Có	Không	Có	Tích hợp

Bảng so sánh cho thấy SkillTrip X là mô hình duy nhất tích hợp đầy đủ các yếu tố: Experiential Learning, Smart Learning, AI-Augmented Learning, các khung năng lực hiện đại, giáo dục ngoài trời, và lý thuyết phát triển nhóm trong một khung lý thuyết thống nhất. Sự khác biệt này không chỉ là về số lượng các yếu tố được tích hợp mà còn là về chất lượng của sự tích hợp – các yếu tố không được ghép nối một cách cơ học mà được liên kết một cách hữu cơ thông qua các mối quan hệ lý luận và thực tiễn.

5.3. Ý nghĩa đối với giáo dục Việt Nam

SkillTrip X có ý nghĩa quan trọng đối với tiến trình đổi mới giáo dục và chuyển đổi số tại Việt Nam. Trước hết, mô hình cung cấp một khung lý thuyết và quy trình thiết kế cho hoạt động trải nghiệm trong Chương trình Giáo dục phổ thông 2018, giúp chuyển từ các hoạt động tham quan đơn lẻ sang các chu trình học tập trải nghiệm có mục tiêu, có sản phẩm và có đánh giá năng lực. Thứ hai, với sự tích hợp Smart Learning, AI-Augmented Learning và Learning Analytics, SkillTrip X định hướng việc ứng dụng công nghệ số theo hướng nâng cao chất lượng học tập thay vì chỉ số hóa nội dung giảng dạy. Thứ ba, mô hình góp phần phát triển năng lực số, AI Literacy, kỹ năng 7Cs và năng lực học tập suốt đời, phù hợp với các khung năng lực của OECD, UNESCO và định hướng chuyển đổi số của Bộ Giáo dục và Đào tạo. Cuối cùng, SkillTrip X tạo ra một khung tham chiếu thống nhất cho nghiên cứu, xây dựng chính sách và đào tạo giáo viên, đồng thời hỗ trợ phát triển các chương trình giáo dục trải nghiệm gắn với bối cảnh Việt Nam nhưng đáp ứng các chuẩn mực quốc tế về giáo dục trong kỷ nguyên AI.

6. KẾT LUẬN (Conclusion)

Nghiên cứu đã xây dựng cơ sở lý luận cho SkillTrip X trên nền tảng tích hợp các học thuyết Experiential Learning, Smart Learning, AI-Augmented Learning, cùng những phát triển mới trong giáo dục ngoài trời, du lịch học đường, phát triển nhóm và giáo dục dựa trên năng lực. Kết quả cho thấy khoảng trống nghiên cứu hiện nay không nằm ở sự thiếu hụt các lý thuyết riêng lẻ mà ở việc chưa có một khung lý thuyết thống nhất kết nối giáo dục trải nghiệm với chuyển đổi số, trí tuệ nhân tạo và các khung năng lực quốc tế trong bối cảnh giáo dục hiện đại.

Trên cơ sở đó, nghiên cứu đề xuất SkillTrip X như một mô hình Smart Experiential Learning gồm ba trụ cột: Experiential Learning (Learning by Doing), Smart Learning (Learning Everywhere) và AI-Augmented Learning (Learning with AI). Mô hình được phát triển thành 7 giai đoạn liên hoàn (Pre-Trip → On-Trip → Reflection → Knowledge Construction → Project → Digital Portfolio → Lifelong Learning), mở rộng chu trình của Kolb (1984) từ bốn lên bảy giai đoạn, đồng thời tích hợp sáu vai trò của AI xuyên suốt quá trình học tập nhằm tăng cường cá nhân hóa, phản hồi, đánh giá và hỗ trợ học tập suốt đời.

Về đóng góp lý luận, nghiên cứu xác lập định nghĩa học thuật mới về SkillTrip X và đề xuất một khung tích hợp giữa Experiential Learning, Smart Learning, AI-Augmented Learning, Learning Analytics, AI Literacy, Digital Competence, 7Cs, OECD Learning Compass 2030, các Khung năng lực AI của UNESCO (2024) cùng các lý thuyết về giáo dục ngoài trời, du lịch học đường và phát triển nhóm. Khung lý thuyết này góp phần mở rộng phạm vi nghiên cứu của giáo dục trải nghiệm trong kỷ nguyên AI.

Về đóng góp thực tiễn, SkillTrip X cung cấp cơ sở khoa học cho việc thiết kế chương trình giáo dục trải nghiệm, tổ chức hoạt động thực địa, thúc đẩy chuyển đổi số trong giáo dục và phát triển năng lực số, năng lực AI cùng học tập suốt đời cho người học. Mô hình đặc biệt phù hợp với định hướng đổi mới của Chương trình Giáo dục phổ thông 2018 và xu thế phát triển giáo dục thông minh tại Việt Nam.

Tuy nhiên, đây là nghiên cứu lý thuyết, chưa được kiểm chứng bằng dữ liệu thực nghiệm và việc triển khai còn phụ thuộc vào điều kiện hạ tầng công nghệ, năng lực số của giáo viên cũng như đặc thù của từng bối cảnh giáo dục. Do đó, các nghiên cứu tiếp theo cần tập trung kiểm định mô hình trong thực tiễn, xây dựng công cụ đánh giá cho từng giai đoạn, phát triển nền tảng số hỗ trợ SkillTrip X và mở rộng nghiên cứu với các công nghệ mới như Generative AI, XR, Digital Twin và Metaverse.

Điểm mới học thuật (Novelty)

Nghiên cứu đóng góp năm điểm mới chính: (1) đề xuất SkillTrip X như một mô hình Smart Experiential Learning có định nghĩa học thuật rõ ràng; (2) xây dựng khung lý thuyết tích hợp giữa Experiential Learning, Smart Learning, AI-Augmented Learning và Competency-Based Education; (3) mở rộng chu trình Kolb từ 4 lên 7 giai đoạn với AI được tích hợp xuyên suốt; (4) thiết lập ma trận liên kết giữa 7Cs, OECD Learning Compass 2030, DigComp, AI Literacy và các khung năng lực của UNESCO; (5) cung cấp nền tảng lý luận cho việc thiết kế các chương trình giáo dục trải nghiệm trong kỷ nguyên AI, làm cơ sở cho các nghiên cứu thực nghiệm và phát triển chính sách giáo dục trong tương lai.

TÀI LIỆU THAM KHẢO (APA 7)

Experiential Learning Theory

1. Beard, C., & Wilson, J. P. (2018). Experiential learning: A practical guide for training, coaching and education (4th ed.). Kogan Page.
2. Boud, D., Cohen, R., & Walker, D. (1993). Using experience for learning. Open University Press.
3. Boud, D., Keogh, R., & Walker, D. (2013). Reflection: Turning experience into learning. Routledge.
4. Dewey, J. (1916). Democracy and education. Macmillan.
5. Dewey, J. (1938). Experience and education. Macmillan.
6. Fenwick, T. J. (2003). Learning through experience: Troubling orthodoxies and intersecting questions. Krieger Publishing.
7. Illeris, K. (2018). Contemporary theories of learning: Learning theorists… in their own words (2nd ed.). Routledge.
8. Jarvis, P. (2010). Adult education and lifelong learning: Theory and practice (4th ed.). Routledge.
9. Joplin, L. (1981). On defining experiential education. Journal of Experiential Education, 4(1), 17–20.
10. Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice Hall.
11. Kolb, A. Y., & Kolb, D. A. (2005). Learning styles and learning spaces: Enhancing experiential learning in higher education. Academy of Management Learning & Education, 4(2), 193–212.
12. Lewin, K. (1946). Action research and minority problems. Journal of Social Issues, 2(4), 34–46.
13. Miettinen, R. (2000). The concept of experiential learning and John Dewey’s theory of reflective thought and action. International Journal of Lifelong Education, 19(1), 54–72.
14. Piaget, J. (1970). Genetic epistemology. Columbia University Press.
15. Piaget, J. (1973). To understand is to invent: The future of education. Grossman.
16. Seel, N. M. (Ed.). (2012). Encyclopedia of the sciences of learning. Springer.

Outdoor Education

17. Gilbertson, K., Bates, T., McLaughlin, T., & Ewert, A. (2022). Outdoor education: Methods and strategies (2nd ed.). Human Kinetics.
18. Martin, B., Cashel, C., Wagstaff, M., & Breunig, M. (2006). Outdoor leadership: Theory and practice. Human Kinetics.
19. Priest, S., & Gass, M. A. (2018). Effective leadership in adventure programming (3rd ed.). Human Kinetics.

Educational Tourism

20. Carr, N. (2011). Children’s and families’ holiday experience. Routledge.
21. Falk, J. H., & Balling, J. D. (1982). The field trip milieu: Learning and behavior as a function of contextual events. The Journal of Educational Research, 76(1), 22–28.
22. Knapp, D. (2000). Memorable experiences of a science field trip. School Science and Mathematics, 100(2), 65–72.
23. Orion, N., & Hofstein, A. (1994). Factors that influence learning during a scientific field trip. Journal of Research in Science Teaching, 31(10), 1097–1119.
24. Ritchie, B. W. (2003). Managing educational tourism. Channel View Publications.

Team Building

25. Belbin, R. M. (2012). Team roles at work (2nd ed.). Routledge.
26. Katzenbach, J. R., & Smith, D. K. (2015). The wisdom of teams: Creating the high-performance organization. Harvard Business Review Press.
27. Lencioni, P. (2002). The five dysfunctions of a team: A leadership fable. Jossey-Bass.
28. Tuckman, B. W. (1965). Developmental sequence in small groups. Psychological Bulletin, 63(6), 384–399.

Smart Learning & Smart Education

29. Hwang, G. J. (2014). Definition, framework and research issues of smart learning environments. Smart Learning Environments, 1, Article 4.
30. Hwang, G. J., & Chen, C. H. (2017). Influences of an inquiry-based ubiquitous gaming approach on students’ learning performances. Educational Technology Research and Development, 65(5), 1269–1292.
31. Kim, T., Cho, J. Y., & Lee, B. G. (2013). Evolution to smart learning in public education: A case study of Korean public education. British Journal of Educational Technology, 44(2), E33–E37.
32. Koper, R. (2014). Conditions for effective smart learning environments. Smart Learning Environments, 1, Article 5.
33. Spector, J. M. (2014). Conceptualizing the emerging field of smart learning environments. Smart Learning Environments, 1, Article 2.
34. Zhu, Z. T., Yu, M. H., & Riezebos, P. (2016). A research framework of smart education. Smart Learning Environments, 3, Article 4.

AI in Education & Learning Analytics

35. Chen, X., Xie, H., & Hwang, G. J. (2020). A multi-perspective study on artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, Article 100002.
36. Ferguson, R. (2012). Learning analytics: Drivers, developments and challenges. International Journal of Technology Enhanced Learning, 4(5–6), 304–317.
37. Gašević, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64–71.
38. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
39. Ifenthaler, D., & Yau, J. Y. K. (2020). Utilising learning analytics to support study success in higher education. British Journal of Educational Technology, 51(4), 1263–1282.
40. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274.
41. Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
42. Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380–1400.
43. VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221.
44. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16, Article 39.

Competency Frameworks

45. Delors, J. (1996). Learning: The treasure within. UNESCO.
46. European Commission. (2022). GreenComp: The European sustainability competence framework. Publications Office of the European Union.
47. (2018). The future of education and skills: Education 2030. OECD Publishing.
48. (2019). OECD future of education and skills 2030: Conceptual learning framework. OECD Publishing.
49. (2023). OECD skills outlook 2023: Skills for a resilient green and digital transition. OECD Publishing.
50. (2024). Education policy outlook 2024: Reshaping teaching into a thriving profession from ABCs to AI. OECD Publishing.
51. Trilling, B., & Fadel, C. (2009). 21st century skills: Learning for life in our times. Jossey-Bass.
52. (2021). Reimagining our futures together: A new social contract for education. UNESCO.
53. World Bank. (2021). Remote learning during COVID-19: Lessons from today, principles for tomorrow. World Bank.
54. World Economic Forum. (2020). The future of jobs report 2020. World Economic Forum.
55. World Economic Forum. (2025). The future of jobs report 2025. World Economic Forum.

Digital Competence & AI Literacy

56. Ferrari, A. (2013). DIGCOMP: A framework for developing and understanding digital competence in Europe. Publications Office of the European Union.
57. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
58. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, Article 100041.
59. Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union.
60. (2024). AI competency framework for students. UNESCO.
61. (2024). AI competency framework for teachers. UNESCO.
62. Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens. Publications Office of the European Union.

Research Methodology

63. Booth, A., Sutton, A., & Papaioannou, D. (2021). Systematic approaches to a successful literature review (3rd ed.). SAGE.
64. Cobb, P., Confrey, J., diSessa, A., Lehrer, R., & Schauble, L. (2003). Design experiments in educational research. Educational Researcher, 32(1), 9–13.
65. Jaakkola, E. (2020). Designing conceptual articles: Four approaches. AMS Review, 10, 18–26.
66. McKenney, S., & Reeves, T. C. (2018). Conducting educational design research (2nd ed.). Routledge.
67. Meredith, J. (1993). Theory building through conceptual methods. International Journal of Operations & Production Management, 13(5), 3–11.

Vietnamese Context

68. Bộ Giáo dục và Đào tạo. (2018). Chương trình giáo dục phổ thông: Chương trình tổng thể. Bộ Giáo dục và Đào tạo.
69. Bộ Giáo dục và Đào tạo. (2020). Kế hoạch chuyển đổi số ngành giáo dục và đào tạo giai đoạn 2021–2025. Bộ Giáo dục và Đào tạo.
70. Pham, T. H., Nguyen, T. T., & Nguyen, T. T. (2021). Experiential learning in Vietnamese high schools: Challenges and opportunities. Journal of Educational Research, 45(2), 78–95.