THE EFFECTIVENESS OF THE “AI TEACHING 5.0” MODEL BASED ON HUMAN–AI COLLABORATION IN IMPLEMENTING PROJECT-BASED LEARNING (PBL)
Nguyễn Văn Hùng
HIGHLIGHTS
- Xác lập mô hình Dạy học AI 5.0: Tích hợp năm trụ cột với khung sư phạm 6A, cung cấp kiến trúc vận hành khả thi cho PBL ở quy mô lớn.
- Luận giải cơ chế “Đối tác Nhận thức”: AI là đối tác phân quyền, con người giữ quyền quyết định chiến lược và đánh giá đạo đức.
- Tích hợp bằng chứng quốc tế và Việt Nam: Ruiz Viruel et al. (2025) với *n* = 300, *d* = 1,30; Fei (2026) với ba mẫu hợp tác; Cheng (2026) với mô hình triadic; Dinh Khuong và Duong (2026) trên 898 sinh viên Việt Nam cho thấy AI tác động gián tiếp qua educator questioning và feedback (β = 0,463 và 0,349) .
- Bối cảnh hóa chính sách Việt Nam: Nghị quyết 57-NQ/TW (R&D 2% GDP) , Nghị quyết 71-NQ/TW (“đổi mới tư duy, nhận thức và thể chế”) , Thông tư 02/2025 với miền VI “Ứng dụng trí tuệ nhân tạo” .
- Thiết kế bán thực nghiệm có kiểm soát: N = 140 (70/70), power ≈ 0,84, xử lý cluster effects, đo lường đa nguồn, kiểm soát educator mediation.
- Khung phân quyền Human–AI 12 tuần: Ma trận với AI intervention level 1–3.
TÓM TẮT BÀI BÁO (STRUCTURED ABSTRACT)
Tóm tắt tiếng Việt
Bối cảnh: PBL được thừa nhận rộng rãi về khả năng phát triển năng lực người học; tuy nhiên, rào cản lớn nhất khi mở rộng quy mô là áp lực khối lượng công việc của giảng viên. Ruiz Viruel et al. (2025) cho thấy PBL tích hợp AI được đánh giá cao hơn có ý nghĩa thống kê so với PBL không AI (*d* = 1,30), nhưng nghiên cứu dừng ở nhận thức giáo viên. Tại Việt Nam, Dinh Khuong và Duong (2026) trên 898 sinh viên tại 12 trường đại học cho thấy AI hỗ trợ có tương quan với kết quả học tập gián tiếp qua educator questioning và feedback (β = 0,463 và 0,349) — nhấn mạnh vai trò trung gian của giảng viên.
Vấn đề nghiên cứu: Y văn thiếu mô hình sư phạm hoàn chỉnh được thiết kế riêng cho PBL trong bối cảnh Việt Nam và kiểm chứng qua thực nghiệm có kiểm soát. Nghị quyết 71-NQ/TW yêu cầu “đổi mới tư duy, nhận thức và thể chế” , nhưng cơ chế chuyển hóa từ chính sách sang mô hình sư phạm cấp khóa học chưa được vận hành hóa.
Mục tiêu: (1) Xây dựng mô hình Dạy học AI 5.0 tích hợp năm trụ cột và khung 6A; (2) thiết kế bán thực nghiệm đánh giá hiệu quả, có kiểm soát educator mediation; (3) nhận diện rủi ro phản nghịch.
Phương pháp: Tổng hợp lý thuyết tích hợp (Social Constructivism, ZPD, 6A, Human-in-the-loop) với bằng chứng từ Ruiz Viruel et al. (2025), Fei (2026), Cheng (2026), Dinh Khuong và Duong (2026) , và bối cảnh chính sách Việt Nam. Thiết kế bán thực nghiệm N = 140 (70/70), power ≥ 0,80.
Kết quả lý thuyết: Mô hình Dạy học AI 5.0, khung phân quyền 12 tuần, bốn giả thuyết (H1–H4), trong đó H1 và H4 tích hợp biến điều tiết educator mediation.
Đóng góp: Mô hình sư phạm khả vận hành cho PBL quy mô lớn, chuyển từ tích hợp công cụ rời rạc sang quan hệ đối tác nhận thức có cấu trúc, có đối thoại với bằng chứng Việt Nam về vai trò trung gian của giảng viên.
Từ khóa: Project-Based Learning; Human–AI Collaboration; AI Teaching 5.0; Cognitive Partnership; Educator Mediation; Vietnamese Higher Education.
Structured English Abstract
Background: PBL is widely recognized for developing learner competencies; however, instructor workload constrains scalability. Ruiz Viruel et al. (2025) demonstrate that AI-enhanced PBL is rated significantly higher than regular PBL (*d* = 1.30), but this remains at teacher perception level. In Vietnam, Dinh Khuong and Duong (2026) on 898 students from 12 universities show that AI-supported teaching is associated with learning outcomes indirectly through educator questioning and feedback (β = 0.463 and 0.349) .
Research Problem: Literature lacks a complete pedagogical model designed specifically for PBL in Vietnam and validated through controlled experiments. Resolution 71-NQ/TW requires “innovation in thinking, awareness, and institutions” , but the mechanism for translating policy into course-level pedagogical models remains unoperationalized.
Purpose: (1) Construct AI Teaching 5.0 integrating five pillars and 6A; (2) design quasi-experimental assessment controlling for educator mediation; (3) identify countervailing risks.
Approach: Integrative synthesis connecting Social Constructivism, ZPD, 6A, and Human-in-the-loop with evidence from Ruiz Viruel et al. (2025), Fei (2026), Cheng (2026), Dinh Khuong and Duong (2026) , and Vietnamese policy context. Quasi-experimental design with N = 140 (70/70), power ≥ 0.80.
Theoretical Results: AI Teaching 5.0 model, 12-week Human–AI task allocation matrix, four propositions (H1–H4) with educator mediation as moderator in H1 and H4.
Contribution: Operational pedagogical model for scalable PBL, shifting from fragmented AI tool integration to structured cognitive partnership, engaging with Vietnamese evidence on educator mediation.
Keywords: Project-Based Learning; Human–AI Collaboration; AI Teaching 5.0; Cognitive Partnership; Educator Mediation; Vietnamese Higher Education.
1. GIỚI THIỆU
1.1. Bối cảnh và Nghịch lý Triển khai
PBL được thừa nhận rộng rãi về khả năng phát triển phẩm chất và năng lực người học. Tuy nhiên, rào cản lớn nhất khi mở rộng quy mô không nằm ở thiết kế chương trình mà ở áp lực khối lượng công việc của giảng viên. Việc cung cấp phản hồi định hình kịp thời và cá nhân hóa lộ trình cho từng nhóm đòi hỏi nguồn lực vượt quá khả năng của đội ngũ giảng dạy trong điều kiện lớp học đông.
Ruiz Viruel, Sánchez Rivas và Ruiz Palmero (2025) công bố trên Education Sciences cung cấp bằng chứng định lượng có ý nghĩa thiết kế. Với mẫu 300 giáo viên, nghiên cứu so sánh nhận thức về PBL tích hợp AI so với PBL không tích hợp AI. Kết quả kiểm định *t*-test cho thấy PBL tăng cường AI được đánh giá cao hơn có ý nghĩa thống kê, với Cohen’s *d* = 1,30 — một hiệu ứng lớn. Lợi thế được ghi nhận đặc biệt ở hai giai đoạn: sản xuất nguyên mẫu và đánh giá. Tuy nhiên, nghiên cứu này dừng ở mức độ nhận thức của giáo viên, chưa kiểm chứng tác động lên kết quả học tập thực tế của sinh viên, và chưa được thực hiện trong bối cảnh Việt Nam.
Bằng chứng từ Việt Nam: Dinh Khuong và Duong (2026) công bố trên Future in Educational Research (Wiley) thực hiện khảo sát cắt ngang với 898 sinh viên đại học từ 12 trường tại Việt Nam tham gia các dự án công nghiệp thực tế có hỗ trợ AI. Sử dụng PLS-SEM, nghiên cứu phát hiện: AI hỗ trợ nghiên cứu (AIRLT) có tương quan với educator questioning (β = 0,642) và educator feedback (β = 0,611); cả hai đều tương quan với student inquiry engagement (β = 0,463 và 0,349); inquiry engagement tương quan mạnh với authentic project learning outcomes (β = 0,689) . Hàm ý quan trọng: AI không tự động cải thiện học tập; giá trị sư phạm của AI được trung gian hóa bởi giảng viên — thông qua câu hỏi gợi mở và phản hồi định hình.
Bối cảnh chính sách: Nghị quyết 71-NQ/TW (22/8/2025) yêu cầu “đột phá phát triển giáo dục và đào tạo phải bắt đầu từ đổi mới tư duy, nhận thức và thể chế” . Nghị quyết 57-NQ/TW (22/12/2024) xác lập mục tiêu đầu tư R&D 2% GDP và tạo hành lang cho ứng dụng AI trong giáo dục . Thông tư 02/2025/TT-BGDĐT quy định Khung năng lực số cho người học với 6 miền năng lực, trong đó miền thứ VI là “Ứng dụng trí tuệ nhân tạo” — yêu cầu người học “hiểu, sử dụng và đánh giá các công cụ, hệ thống AI một cách có đạo đức và trách nhiệm” . Tuy nhiên, giữa định hướng chính sách và vận hành thực tế ở cấp khóa học vẫn tồn tại khoảng cách chuyển hóa: Thông tư 02/2025 định vị năng lực AI là năng lực người học, chưa cung cấp mô hình sư phạm để giảng viên vận hành hóa trong chu trình PBL.
Nghịch lý triển khai: PBL cần AI để giải phóng giảng viên khỏi tác vụ hỗ trợ kỹ thuật sơ cấp, nhưng tích hợp AI thiếu cấu trúc sư phạm có thể làm suy giảm chính những phẩm chất mà PBL muốn phát triển — tự chủ, tư duy phản biện và trách nhiệm giải trình. Fei (2026) xác định ba mẫu hợp tác sinh viên–AI trong PBL: “cộng tác viên chiến lược cân bằng” (hiệu suất cao nhất), “người học hợp tác thích ứng” (trung gian), và “người tìm kiếm hỗ trợ phụ thuộc” (hiệu suất thấp nhất). Phát hiện này có hàm ý thiết kế: giá trị sư phạm của GenAI phụ thuộc vào thời điểm, chất lượng và tính chủ đích của tương tác. Mô hình Dạy học AI 5.0 được đề xuất chính là nỗ lực giải quyết nghịch lý đó bằng cách nhúng cấu trúc phân quyền Human–AI vào từng giai đoạn của chu trình PBL, đồng thời duy trì vai trò trung gian của giảng viên như bằng chứng từ Dinh Khuong và Duong (2026) chỉ ra .
1.2. Vấn đề Nghiên cứu
Y văn về AI trong giáo dục đại học đang đối mặt với ba khoảng trống.
Khoảng trống thứ nhất – thiếu mô hình sư phạm hoàn chỉnh được kiểm chứng trong bối cảnh Việt Nam. Ruiz Viruel et al. (2025) dừng ở nhận thức giáo viên; Cheng (2026) đề xuất mô hình triadic nhưng trong khóa học “Photography Technology” cụ thể, chưa kiểm chứng tại Việt Nam. Dinh Khuong và Duong (2026) cung cấp bằng chứng quan trọng về vai trò trung gian của giảng viên nhưng là khảo sát cắt ngang, không phải thực nghiệm có nhóm đối chứng . Chưa có mô hình sư phạm hoàn chỉnh nào được thiết kế riêng cho PBL trong bối cảnh Việt Nam và kiểm chứng qua bán thực nghiệm.
Khoảng trống thứ hai – thiếu nghiên cứu thực nghiệm có kiểm soát tại Việt Nam. Các nghiên cứu hiện có tại Việt Nam chủ yếu là khảo sát nhận thức và hiệu quả tự báo cáo. Dinh Khuong và Duong (2026) với 898 sinh viên là khảo sát cắt ngang quy mô lớn, nhưng thiết kế không cho phép suy luận nhân quả . Chưa có nghiên cứu nào thiết kế bán thực nghiệm với nhóm đối chứng để đánh giá tác động của một mô hình sư phạm tích hợp AI lên kết quả học tập và năng lực người học.
Khoảng trống thứ ba – thiếu khung phân quyền Human–AI cho PBL. Fei (2026) xác định các mẫu hợp tác nhưng không đề xuất ma trận phân công nhiệm vụ theo giai đoạn. Cheng (2026) đề xuất mô hình triadic nhưng không có ma trận phân quyền định lượng. Dinh Khuong và Duong (2026) nhấn mạnh vai trò của educator questioning và feedback nhưng không vận hành hóa thành khung phân quyền theo tuần .
1.3. Mục tiêu, Câu hỏi Nghiên cứu và Ánh xạ Giả thuyết
Nghiên cứu đặt ba mục tiêu: (1) xây dựng mô hình Dạy học AI 5.0 tích hợp năm trụ cột và khung sư phạm 6A; (2) thiết kế bán thực nghiệm đánh giá hiệu quả mô hình, có kiểm soát educator mediation; (3) nhận diện các rủi ro phản nghịch.
| Mục tiêu | Câu hỏi nghiên cứu | Giả thuyết | Loại |
| MT1 | CH1: Mô hình Dạy học AI 5.0 cần tích hợp các thành phần nào để vận hành tối ưu trong chu trình PBL? | — (câu hỏi thiết kế) | Thiết kế mô hình |
| MT2 | CH2: Tác động của mô hình đến năng lực chuyên môn, tư duy bậc cao và năng lực hợp tác Human–AI, sau khi kiểm soát educator mediation? | H1, H2 | Kiểm định |
| MT2 | CH3: Mô hình định hình lại bản chất tương tác Giảng viên–AI–Sinh viên theo cơ chế nào? | H3 | Kiểm định |
| MT3 | CH4: Đâu là các rủi ro về liêm chính học thuật, ảo tưởng tri thức và khoảng cách kỹ năng số? | H4 | Thăm dò |
Ghi chú phương pháp luận: CH2 được thiết kế để kiểm định tác động của mô hình sau khi kiểm soát chất lượng giảng viên, dựa trên phát hiện của Dinh Khuong và Duong (2026) rằng AI tác động gián tiếp qua educator questioning và feedback . CH4 được trả lời qua H4 — giả thuyết thăm dò — kết hợp định lượng tương quan và định tính.
1.4. Phạm vi Nghiên cứu
Phạm vi lý thuyết giới hạn ở thiết kế mô hình sư phạm tích hợp AI cho PBL trong giáo dục đại học. Phạm vi thực nghiệm đề xuất giới hạn ở 140 sinh viên năm 3 CNTT/HTTT tại một trường đại học công lập Việt Nam, trong 12 tuần, giai đoạn 2020–2026. Cỡ mẫu N = 140 (70/nhóm) đảm bảo power ≥ 0,80 cho *d* = 0,5, α = 0,05 hai phía.
1.5. Tuyên bố Vị thế Tác giả
Tác giả đứng trên lập trường pedagogy-first, cho rằng công nghệ AI phải phục vụ mục tiêu giáo dục. Tuy nhiên, tác giả thừa nhận rằng lập trường này có thể trở thành giáo điều nếu bị đơn giản hóa. Tác giả cũng nhận thức được các phê phán từ entangled pedagogy, posthumanist và critical pedagogy — đặc biệt là rủi ro mô hình “human-centered AI” có thể củng cố quan hệ quyền lực hiện có nếu không được thiết kế cẩn trọng.
2. CƠ SỞ LÝ THUYẾT TÍCH HỢP
2.1. PBL và Kiến tạo Xã hội
PBL hiện đại dựa trên nền tảng kiến tạo xã hội của Vygotsky (1978): tri thức được kiến tạo thông qua tương tác xã hội trong ZPD, với vai trò của scaffolding. Trong PBL, giàn giáo truyền thống đến từ giảng viên và bạn học; khi quy mô lớp học tăng, khả năng cung cấp giàn giáo kịp thời và cá nhân hóa bị hạn chế.
Ruiz Viruel et al. (2025) cung cấp bằng chứng cho thấy giảng viên nhận thức rằng PBL tích hợp AI vượt trội so với PBL không AI ở khía cạnh cá nhân hóa và phản hồi thích ứng. Điều này gợi ý rằng AI có thể đảm nhận vai trò giàn giáo bổ sung. Tuy nhiên, Dinh Khuong và Duong (2026) cảnh báo rằng giá trị của AI phụ thuộc vào cách giảng viên tổ chức inquiry — AI không thay thế được vai trò sư phạm mà chỉ khuếch đại nó khi được nhúng trong questioning và feedback có chủ đích .
Giới hạn của ZPD khi tác nhân giàn giáo là AI: AI thiếu khả năng đọc ngữ cảnh cảm xúc và nhận diện chính xác trạng thái nhận thức của người học. AI có thể đảm nhận giàn giáo ở cấp độ kỹ thuật (gợi ý cấu trúc, phát hiện lỗi) nhưng không thể thay thế giàn giáo ở cấp độ cảm xúc và quan hệ. Đây là lý do mô hình Dạy học AI 5.0 đặt con người ở vị trí trung tâm của phán đoán sư phạm, phù hợp với phát hiện của Dinh Khuong và Duong (2026) về vai trò trung gian của educator mediation .
2.2. Khung Sư phạm 6A
Khung 6A được đề xuất trong nghiên cứu này như cấu trúc vận hành nguyên bản, kế thừa Constructive Alignment (Biggs, 1996) và định hướng human-centered của UNESCO (2023). Đây là khung đề xuất, chưa được kiểm chứng độc lập trong y văn.
Alignment (Tương thích): Tương thích giữa CLOs, hoạt động dự án và năng lực AI can thiệp.
Augmentation (Tăng cường): AI tăng cường năng lực nhận thức thay vì thay thế quy trình tư duy.
Adaptivity (Thích ứng): Thích ứng theo tiến độ và phong cách học tập của từng nhóm.
Assessment (Đánh giá): Đánh giá xác thực đa nguồn kết hợp thời gian thực.
Analytics (Phân tích): Khai phóng dữ liệu học tập để cảnh báo sớm điểm nghẽn nhận thức.
Accountability (Trách nhiệm Giải trình): Trách nhiệm giải trình sư phạm, kiểm soát đạo đức dữ liệu và minh bạch thuật toán.
2.3. Mô hình Dạy học AI 5.0
Năm trụ cột: Human-Centered Purpose (công nghệ phụng sự phát triển con người); AI-Augmented Pedagogical Design (Backward Design tích hợp AI từ khâu phân bổ mục tiêu); Human–AI Collaboration (đối tác nhận thức theo cấp độ phân quyền); Intelligent Learning Environment (hệ sinh thái số ghi nhận chuỗi tương tác); Continuous Assessment (đánh giá liên tục theo tiến trình).
2.4. Lý thuyết Phân công Nhiệm vụ Human–AI
Tác vụ AI tối ưu: Tổng hợp dữ liệu, rà soát lỗi cú pháp, gợi ý cấu trúc, tìm kiếm tài liệu.
Năng lực độc quyền của con người: Định hướng chiến lược, đánh giá đạo đức, phán đoán cảm xúc, sáng tạo ngữ cảnh, trách nhiệm giải trình.
Sự phân quyền thay đổi theo giai đoạn dự án: khởi động (con người chủ đạo), thiết kế–phát triển (AI hỗ trợ cấu trúc), báo cáo (AI kiểm tra nhất quán, con người giữ nội dung và lập luận).
2.5. Đối thoại với các Lý thuyết Cạnh tranh
Activity Theory, Distributed Cognition, Actor-Network Theory, Critical Pedagogy được xem xét. Việc chọn Social Constructivism, ZPD và Human-in-the-loop phản ánh ưu tiên vận hành hóa và định hướng quy phạm, không phủ nhận giá trị của các khung trên.
3. TỔNG QUAN NGHIÊN CỨU VÀ KHOẢNG TRỐNG HỌC THUẬT
3.0. Chiến lược Tìm kiếm Tài liệu
Tìm kiếm trên Scopus, Web of Science, ERIC, Google Scholar với từ khóa: (“project-based learning” OR “PBL”) AND (“generative AI” OR “GenAI”); (“human-AI collaboration”) AND education; (“AI” AND “Vietnam” AND “higher education”). Khung 2020–2026. Kết quả: 247 bản ghi; sau sàng lọc: 38 bài.
3.1. Kinh nghiệm Quốc tế
Ruiz Viruel, Sánchez Rivas và Ruiz Palmero (2025) — Education Sciences 15(2), 150. Mẫu 300 giáo viên; *t*-test; Cohen’s *d* = 1,30. Kết luận: PBL tăng cường AI được đánh giá cao hơn có ý nghĩa thống kê, đặc biệt ở giai đoạn sản xuất nguyên mẫu và đánh giá. Hạn chế: đo nhận thức giáo viên, không phải kết quả sinh viên; chưa thực hiện tại Việt Nam.
Cheng (2026) — CSTE 2026, pp. 353–359. Đề xuất mô hình “AI-empowered Blended PBL” với hệ thống triadic Teacher–AI–Student. Bán thực nghiệm trong khóa “Photography Technology”; nhóm thực nghiệm vượt trội có ý nghĩa thống kê về điểm dự án, hiệu quả và trải nghiệm. Hạn chế: Trung Quốc; ngành sáng tạo/nghệ thuật; không công bố effect size cụ thể; chưa kiểm chứng tại Việt Nam.
Fei (2026) — Journal of Research on Technology in Education. Phân tích 40 sinh viên tại University of Malaya trong khóa PBL một học kỳ; sequence analysis và process mining. Ba mẫu: Pattern 1 (strategic balanced collaborator) — hiệu suất cao nhất; Pattern 3 (dependent support-seeker) — thấp nhất. Hàm ý: giá trị sư phạm của GenAI phụ thuộc vào thời điểm, chất lượng và tính chủ đích của tương tác. Hạn chế: 40 sinh viên; bối cảnh Malaysia; chưa kiểm chứng tại Việt Nam.
KAKEN (2026) — Dự án KAKENHI (Nhật Bản, FY2026–2029) đang triển khai hướng “AI như learning partner” trong PBL, với “pseudo-student agent” tham gia thảo luận bình đẳng với sinh viên. Trạng thái: Đã được cấp phép, chưa có kết quả công bố. Hàm ý: Cho thấy xu hướng quốc tế đang dịch chuyển từ “AI như công cụ” sang “AI như đối tác nhận thức” — tương thích với triết lý của mô hình Dạy học AI 5.0, nhưng cần theo dõi kết quả để đối chiếu.
3.2. Bối cảnh Việt Nam
Dinh Khuong và Duong (2026) — Future in Educational Research (Wiley). Khảo sát cắt ngang 898 sinh viên từ 12 trường đại học Việt Nam tham gia dự án công nghiệp thực tế có hỗ trợ AI. PLS-SEM cho thấy: AIRLT → educator questioning (β = 0,642); AIRLT → educator feedback (β = 0,611); questioning → student inquiry engagement (β = 0,463); feedback → inquiry engagement (β = 0,349); inquiry engagement → authentic project outcomes (β = 0,689) . Phát hiện then chốt: AI có ý nghĩa sư phạm nhất khi được nhúng trong questioning, feedback và inquiry có mục đích — không phải bản thân việc sử dụng AI là mục tiêu giáo dục. Hạn chế: khảo sát cắt ngang, không phải thực nghiệm; không đo trực tiếp năng lực Human–AI Collaboration như construct riêng.
Khung chính sách:
- Nghị quyết 57-NQ/TW (22/12/2024): mục tiêu R&D 2% GDP, hành lang AI trong giáo dục .
- Nghị quyết 71-NQ/TW (22/8/2025): “đột phá phát triển giáo dục và đào tạo phải bắt đầu từ đổi mới tư duy, nhận thức và thể chế” .
- Thông tư 02/2025/TT-BGDĐT (24/01/2025): Khung năng lực số 6 miền, 24 năng lực thành phần; miền VI “Ứng dụng trí tuệ nhân tạo” yêu cầu “hiểu, sử dụng và đánh giá các công cụ, hệ thống AI một cách có đạo đức và trách nhiệm” .
Khoảng cách chuyển hóa: Thông tư 02/2025 định vị năng lực AI là năng lực người học, chưa cung cấp mô hình sư phạm để giảng viên vận hành hóa trong chu trình PBL. Dinh Khuong và Duong (2026) cho thấy giảng viên là mediator thiết yếu , nhưng chưa có công cụ để giảng viên thiết kế can thiệp AI có chủ đích theo giai đoạn dự án.
3.3. Khoảng trống Nghiên cứu
(1) Chưa có mô hình sư phạm hoàn chỉnh nào được thiết kế riêng cho PBL trong bối cảnh Việt Nam và kiểm chứng qua bán thực nghiệm có kiểm soát; (2) chưa có thực nghiệm có nhóm đối chứng tại Việt Nam; (3) chưa có khung phân quyền Human–AI cụ thể theo giai đoạn dự án, tích hợp vai trò trung gian của educator mediation như bằng chứng từ Dinh Khuong và Duong (2026) .
4. KHUNG MÔ HÌNH VẬN HÀNH VÀ HỆ SINH THÁI CÔNG CỤ
4.1. Khung Vận hành Năm Thành phần
Lớp 1 – Định hướng lấy Con người làm Trung tâm: Giảng viên xác lập bài toán thế giới thực, định chuẩn giá trị nhân văn. AI không tham gia quyết định vấn đề gì đáng giải quyết.
Lớp 2 – Thiết kế Can thiệp Tăng cường: Ma trận giao việc cụ thể cho con người và máy móc qua từng giai đoạn, được thiết kế bởi giảng viên.
Lớp 3 – Vận hành Đối tác: Sinh viên tương tác với AI qua vai trò “Người phê bình phản biện” và “Trợ lý hỗ trợ”. Giảng viên thiết kế câu hỏi gợi mở (educator questioning) và phản hồi định hình (educator feedback) — hai cơ chế mà Dinh Khuong và Duong (2026) chứng minh là mediator thiết yếu .
Lớp 4 – Hạ tầng Môi trường Thông minh: Nền tảng ghi nhận chuỗi tương tác, dữ liệu làm việc nhóm.
Lớp 5 – Kiểm chuẩn Liên tục: Giảng viên giám sát dashboard để can thiệp kịp thời. Dashboard là công cụ hỗ trợ phán đoán, không thay thế phán đoán.
4.2. Cụm Công cụ AI Chuyên trách
AI Research & Discovery Assistant; AI Brainstorming & Design Coach; AI Project Management; AI Feedback & Code/Content Reviewer; AI Presentation & Defense Coach.
4.3. Giả thuyết Nghiên cứu
H1 (Hiệu quả sản phẩm dự án, có kiểm soát educator mediation). Nhóm can thiệp đạt điểm rubric sản phẩm dự án cao hơn có ý nghĩa thống kê so với nhóm đối chứng, đặc biệt ở hai chiều “Tính đổi mới sáng tạo” và “Độ chuẩn xác kỹ thuật”, sau khi kiểm soát chất lượng educator questioning và feedback. Cơ sở: Ruiz Viruel et al. (2025) với *d* = 1,30; Dinh Khuong và Duong (2026) cho thấy AI tác động gián tiếp qua educator mediation . Ngưỡng kỳ vọng: *d* ≥ 0,5 trên điểm rubric tổng hợp; educator mediation là biến điều tiết có ý nghĩa.
H2 (Năng lực Hợp tác Human–AI). Nhóm can thiệp phát triển năng lực Human–AI Collaboration cao hơn nhóm đối chứng (Tư duy phản biện, Đánh giá phê phán đầu ra AI, Chỉ huy tác vụ AI, Duy trì tự chủ nhận thức). Cơ sở: Fei (2026) Pattern 1 highest; Cheng (2026) positive attitudes. Lưu ý: construct chưa có thang đo chuẩn hóa — đây là đóng góp mới; thang đo sẽ được phát triển và kiểm định EFA/CFA. Ngưỡng: *d* ≥ 0,5; ít nhất 2/4 chiều có ý nghĩa.
H3 (Chuyển dịch vai trò giảng viên). Giảng viên nhóm can thiệp giảm thời gian tác vụ hỗ trợ kỹ thuật sơ cấp và tăng thời gian cho cố vấn chiến lược, đối thoại chuyên sâu và giáo dục đạo đức. Cơ sở: UNESCO (2023); Dinh Khuong và Duong (2026) nhấn mạnh vai trò mediator của giảng viên . Lưu ý: H3 chưa có bằng chứng thực nghiệm trực tiếp từ y văn — đây là giả thuyết mới. Ngưỡng: giảm ≥ 30% thời gian tác vụ sơ cấp so với baseline tuần 1–2.
H4 (Giả thuyết thăm dò — Thiếu educator mediation và phụ thuộc AI). Trong nhóm can thiệp, mức độ educator mediation thấp (đo qua tần suất và chất lượng câu hỏi gợi mở, phản hồi định hình của giảng viên) có tương quan với tỷ lệ sao chép đầu ra AI không phản biện cao hơn và điểm bảo vệ miệng độc lập thấp hơn. Cơ sở: Fei (2026) Pattern 3 lowest performance; Dinh Khuong và Duong (2026) cho thấy thiếu educator mediation dẫn đến inquiry engagement thấp ; Sweller et al. (2011) về cognitive offloading. Lưu ý: H4 là giả thuyết thăm dò, kết quả mang tính khám phá tương quan.
5. THIẾT KẾ PHƯƠNG PHÁP NGHIÊN CỨU
5.1. Thiết kế Nghiên cứu
Bán thực nghiệm kết hợp phương pháp hỗn hợp. Nhóm can thiệp (N = 70) triển khai mô hình Dạy học AI 5.0; nhóm đối chứng (N = 70) triển khai PBL tiêu chuẩn. Phân bổ bán ngẫu nhiên theo lớp, kiểm tra tương đương đầu vào qua GPA và pre-test.
Power Analysis: N = 140 (70/70), *d* = 0,5, α = 0,05 hai phía, power ≈ 0,84. ANCOVA với pre-test covariate để tăng power hiệu quả.
Xử lý Cluster Effects: Tính ICC; nếu ICC > 0,05, HLM với lớp là random intercept; nếu ≤ 0,05, ANCOVA với cluster-robust SE.
Kiểm soát Educator Mediation: Chất lượng educator questioning và feedback sẽ được đo lường qua quan sát lớp học (rubric riêng) và log LMS, nhập vào mô hình như biến điều tiết (moderator) trong H1 và H4, dựa trên phát hiện của Dinh Khuong và Duong (2026) .
Đạo đức: Phê duyệt hội đồng đạo đức; informed consent; mã hóa dữ liệu; quy tắc trích dẫn AI minh bạch.
5.2. Mẫu Nghiên cứu
140 sinh viên năm 3 CNTT/HTTT tại một trường đại học công lập Việt Nam, cân bằng năng lực đầu vào. Tiêu chí: đã hoàn thành khóa học cơ sở lập trình và CSDL; có kinh nghiệm AI cơ bản. Loại trừ sinh viên đã có kinh nghiệm sử dụng AI như đối tác phản biện có cấu trúc.
5.3. Quy trình Can thiệp
12 tuần, bốn giai đoạn: (1) Khởi động (tuần 1–3); (2) Thiết kế và Phát triển (tuần 4–7); (3) Thử nghiệm và Tối ưu (tuần 8–10); (4) Báo cáo và Đánh giá (tuần 11–12). Ma trận phân quyền với AI Level tăng từ 1 (giai đoạn 1) đến 3 (giai đoạn 3), giảm về 1 ở giai đoạn 4 (Phụ lục B).
Quy trình xử lý vi phạm: Khi log cho thấy sao chép >70% đầu ra AI không phản biện, giảng viên đối thoại, yêu cầu viết lại với log phản biện; tái phạm áp dụng quy trình liêm chính. Dữ liệu vi phạm là biến đo lường cho H4.
5.4. Hệ thống Đo lường Đa nguồn
Chất lượng sản phẩm dự án: Đánh giá kép (blind peer-review và hội đồng ngoài trường) qua Rubric (Phụ lục A).
Năng lực thế kỷ XXI: Thang Likert 5 mức (Cronbach’s Alpha, EFA/CFA) đo Tư duy phản biện, Hợp tác nhóm, Giải quyết vấn đề, AI Literacy.
Dữ liệu hành vi: Prompt Interaction Logs, tần suất truy cập, thời lượng xử lý.
Đo lường Educator Mediation: Rubric quan sát lớp học đo chất lượng câu hỏi gợi mở (questioning) và phản hồi định hình (feedback), dựa trên khung của Dinh Khuong và Duong (2026) . Inter-rater reliability ≥ 0,80.
Đo lường H3: Time-diary hàng tuần; log LMS; quan sát lớp học độc lập. Ngưỡng: giảm ≥ 30% tác vụ sơ cấp so với baseline tuần 1–2.
Đo lường H4: Tỷ lệ sao chép AI không phản biện; điểm bảo vệ miệng độc lập; điểm educator mediation (từ rubric quan sát); mã hóa chủ đề “ảo tưởng tri thức” từ phỏng vấn.
Phát triển thang đo H2: Thang đo Human–AI Collaboration được phát triển cho nghiên cứu này, dựa trên khung 4 chiều; độ tin cậy và giá trị kiểm định qua EFA/CFA.
5.5. Phân tích Dữ liệu
Định lượng: *t*-test độc lập hoặc Mann-Whitney U; ANCOVA với pre-test covariate; HLM nếu ICC > 0,05. Mức ý nghĩa *p* < 0,05. Báo cáo Cohen’s *d*, η², 95% CI.
| Giả thuyết | Biến phụ thuộc | Phương pháp chính | Biến điều tiết | Ngưỡng |
| H1 | Điểm rubric sản phẩm | ANCOVA/HLM | Educator mediation | *d* ≥ 0,5; moderator có ý nghĩa |
| H2 | Thang năng lực Human–AI (4 chiều) | MANOVA/HLM | — | *d* ≥ 0,5; 2/4 chiều có ý nghĩa |
| H3 | Thời gian tác vụ | Mixed-effects model | — | Giảm ≥ 30%; *p* < 0,05 |
| H4 | Điểm bảo vệ; tỷ lệ sao chép | Tương quan Spearman + hồi quy | Educator mediation | Tương quan nghịch *p* < 0,05 |
Định tính: Thematic Analysis từ phỏng vấn và nhật ký phản tư; mã hóa hai chu kỳ; Cohen’s Kappa ≥ 0,70.
5.6. Tuyên bố về Tính khả dụng của Dữ liệu
Dữ liệu định lượng mã hóa, mã phân tích, rubric và thang đo, giao thức phỏng vấn công bố trên Zenodo/OSF sau ẩn danh hóa. Dữ liệu định tính thô không công bố để bảo vệ quyền riêng tư.
5.7. Tuyên bố về Xung đột Lợi ích và Sử dụng AI
Xung đột lợi ích: Tác giả tuyên bố không có xung đột lợi ích.
Sử dụng AI: Tác giả sử dụng AI tạo sinh để hỗ trợ rà soát ngữ pháp và chuẩn hóa APA 7. Mọi nội dung học thuật do tác giả chịu trách nhiệm hoàn toàn.
6. KẾT QUẢ DỰ KIẾN VÀ LOGIC KIỂM CHỨNG
Lưu ý: Đây là các dự đoán có cơ sở lý thuyết, không phải kết quả thực nghiệm đã thu thập.
6.1. Kết quả Học tập và Chất lượng Dự án (H1)
Dựa trên Ruiz Viruel et al. (2025), Cheng (2026), và Dinh Khuong và Duong (2026) , dự kiến nhóm can thiệp đạt điểm rubric cao hơn có ý nghĩa thống kê ở tính toàn diện và độ chuẩn xác kỹ thuật, sau khi kiểm soát educator mediation. Logic: ANCOVA với pre-test covariate; educator mediation là moderator; kỳ vọng *d* ≥ 0,5.
6.2. Năng lực Người học (H2)
Dựa trên Fei (2026), dự kiến sinh viên nhóm can thiệp phát triển vượt bậc ở “Đặt câu hỏi chuyên sâu” và “Đánh giá phê phán đầu ra AI”. Logic: MANOVA; kỳ vọng 2/4 chiều có ý nghĩa với *d* ≥ 0,5.
6.3. Tương tác Sư phạm (H3)
Dự kiến giảng viên giảm khoảng 30–40% thời gian tác vụ sơ cấp, chuyển sang cố vấn chiến lược và giáo dục đạo đức. Logic: mixed-effects model; ngưỡng giảm ≥ 30%.
6.4. Nghịch lý và Thách thức (H4)
Dự kiến mức educator mediation thấp có tương quan với tỷ lệ sao chép AI cao hơn và điểm bảo vệ độc lập thấp hơn. Cơ sở: Dinh Khuong và Duong (2026) cho thấy thiếu questioning và feedback dẫn đến inquiry engagement thấp ; Fei (2026) Pattern 3 lowest. Logic: tương quan Spearman và hồi quy có kiểm soát educator mediation; kỳ vọng tương quan nghịch *p* < 0,05. Kết quả mang tính thăm dò.
7. THẢO LUẬN
7.1. Đối sánh Quốc tế và Trong nước
Kết quả dự kiến sẽ được đối chiếu với Ruiz Viruel et al. (2025) tại Tây Ban Nha, Cheng (2026) tại Trung Quốc, Fei (2026) tại Malaysia, và Dinh Khuong và Duong (2026) tại Việt Nam . Sự khác biệt văn hóa Á Đông có thể ảnh hưởng đến mô hình hợp tác Human–AI. Lưu ý về ngành: Cheng (2026) thực hiện trong “Photography Technology” — lĩnh vực sáng tạo; kết quả về “tính đổi mới sáng tạo” có thể không chuyển giao trực tiếp sang CNTT/HTTT.
Đối thoại với Dinh Khuong và Duong (2026): Phát hiện của họ rằng AI tác động gián tiếp qua educator mediation đặt ra thách thức cho các mô hình “AI-first”. Mô hình Dạy học AI 5.0 phản hồi bằng cách tích hợp educator mediation như biến điều tiết trong H1 và H4, đồng thời thiết kế Lớp 3 (Vận hành Đối tác) để giảng viên chủ động thiết kế questioning và feedback . Đây là điểm khác biệt so với các mô hình chỉ tập trung vào công cụ AI.
Liên hệ với rủi ro “ảo tưởng tri thức”: Trong bối cảnh văn hóa Á Đông, rủi ro này có thể đặc biệt nghiêm trọng. Thiết kế can thiệp cần bao gồm “thực hành truy hồi” trước khi hỏi AI, hoặc “bảo vệ miệng không có AI” trong đánh giá cuối kỳ.
7.2. Bản chất Chuyển dịch Vị thế của Người thầy
Giảng viên không trở nên mờ nhạt mà vai trò được nâng tầm thành “Kiến trúc sư trải nghiệm học tập” và “Người giữ chốt chặn đạo đức”. Điều này phù hợp với UNESCO (2023), Nghị quyết 71-NQ/TW về đổi mới tư duy giáo dục , và Thông tư 02/2025 với miền năng lực “Ứng dụng AI” .
7.3. Hàm ý Chính sách và Thực thi Sư phạm
Cấp thiết của năng lực AI cho giảng viên: Dinh Khuong và Duong (2026) chứng minh educator mediation là mediator thiết yếu ; do đó, đầu tư vào năng lực sư phạm của giảng viên trong môi trường AI là ưu tiên.
Xây dựng AI Code of Conduct: Cần quy định rõ ràng về trích dẫn AI, giới hạn sử dụng, quy trình phát hiện gian lận.
Đối thoại với chính sách: Mô hình phù hợp với Nghị quyết 71-NQ/TW về “đổi mới tư duy, nhận thức và thể chế” và Thông tư 02/2025 về miền năng lực “Ứng dụng AI” . Tuy nhiên, cần hướng dẫn vận hành ở cấp bộ và cơ chế đào tạo giảng viên đồng bộ.
7.4. Hạn chế và Chiều Phản tư
Hạn chế về thiết kế: Đây là đề xuất nghiên cứu; kết quả dự kiến cần kiểm chứng. Phân bổ theo lớp nguyên vẹn có thể tạo cluster effects; power ≈ 0,84 với biên an toàn nhưng nếu ICC > 0,05, power hiệu quả có thể giảm. H4 là giả thuyết thăm dò, không khẳng định nhân quả. H3 và construct “Human–AI Collaboration competence” chưa có bằng chứng thực nghiệm trực tiếp từ y văn.
Hạn chế về bối cảnh: Mẫu giới hạn ở sinh viên CNTT/HTTT tại một trường đại học công lập — kết quả có thể không khái quát hóa cho các ngành khác. Dinh Khuong và Duong (2026) khảo sát trên 12 trường nhưng là thiết kế cắt ngang ; nghiên cứu này bổ sung bằng thiết kế bán thực nghiệm nhưng trong một trường.
Đối thoại với KAKEN (2026): Dự án KAKENHI đang triển khai hướng “AI như learning partner” với pseudo-student agent — AI tham gia PBL với tư cách “thành viên nhóm” bình đẳng. Đây là hướng tiếp cận triệt để hơn so với mô hình Dạy học AI 5.0, vốn giữ AI ở vị trí “đối tác phản biện có cấu trúc” để bảo toàn trách nhiệm giải trình của con người. Sự khác biệt này là lựa chọn quy phạm cần được kiểm chứng trong tương lai: liệu AI có thể tham gia PBL với tư cách thành viên bình đẳng mà không làm xói mòn tự chủ nhận thức của sinh viên? Mô hình Dạy học AI 5.0 chọn giải pháp thận trọng hơn — AI là công cụ khuếch đại, không phải thành viên thay thế — nhưng cần theo dõi kết quả KAKEN để đối chiếu.
Chiều phản tư: Tác giả thừa nhận các phê phán từ entangled pedagogy, posthumanist và critical pedagogy; khung 6A chủ trương phán đoán giảng dạy phải “ràng buộc” lựa chọn công nghệ về mặt quy phạm, không tiền giả định trình tự thời gian tuyến tính.
8. KẾT LUẬN
Nghiên cứu này đề xuất mô hình “Dạy học AI 5.0” như một kiến trúc sư phạm hoàn chỉnh cho PBL trong giáo dục đại học Việt Nam, tích hợp năm trụ cột với khung 6A và lý thuyết phân quyền Human–AI. Mô hình không đơn thuần là trang bị thêm công cụ kỹ thuật, mà là chuyển đổi mô thức sang quan hệ đối tác nhận thức Human–AI, đồng thời duy trì vai trò trung gian thiết yếu của giảng viên như bằng chứng từ Dinh Khuong và Duong (2026) chỉ ra .
Đóng góp lý thuyết là tích hợp Social Constructivism, ZPD, khung 6A và phân quyền Human–AI thành mô hình khả vận hành, xác lập “năng lực hợp tác Human–AI” như mục tiêu học tập độc lập, và tích hợp educator mediation như biến điều tiết trong kiểm định hiệu quả. Đóng góp thực tiễn là khung phân quyền 12 tuần với mức độ can thiệp định lượng, bộ công cụ AI chuyên trách, và thiết kế bán thực nghiệm có power analysis đạt ≥ 0,80 (N = 140) và kế hoạch xử lý cluster effects.
Bốn giả thuyết H1–H4 định hình thiết kế kiểm định: (H1) điểm sản phẩm dự án cao hơn sau kiểm soát educator mediation; (H2) năng lực Human–AI Collaboration cao hơn; (H3) giảng viên giảm ≥ 30% thời gian tác vụ sơ cấp; (H4 — thăm dò) educator mediation thấp tương quan với phụ thuộc AI cao và điểm bảo vệ thấp. Các giả thuyết này cần được kiểm chứng qua thực nghiệm tại một trường đại học Việt Nam trong giai đoạn 2020–2026.
Hướng nghiên cứu tương lai: mở rộng phạm vi kiểm chứng trên các nhóm ngành khác; nghiên cứu dọc theo dõi cohort qua nhiều học kỳ; phát triển công cụ tự động phát hiện “ảo tưởng tri thức” và “phụ thuộc AI”; và đối chiếu với kết quả của KAKEN (2026) về AI như learning partner để làm rõ lựa chọn quy phạm giữa “AI là đối tác phản biện” và “AI là thành viên nhóm bình đẳng”.
TUYÊN BỐ ĐÓNG GÓP CỦA TÁC GIẢ (CRediT)
Nguyễn Văn Hùng: Conceptualization; Methodology & Theoretical Development; Framework Architecture & Propositions; Evidence Integration; Experimental Design; Writing – Original Draft; Writing – Review & Editing; Project Administration.
DANH MỤC TÀI LIỆU THAM KHẢO (APA 7TH EDITION)
Biggs, J. (1996). Enhancing teaching through constructive alignment. Higher Education, 32(3), 347–364. https://doi.org/10.1007/BF00138871
Bộ Chính trị. (2024). Nghị quyết số 57-NQ/TW ngày 22 tháng 12 năm 2024 về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia .
Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 2025 về đột phá phát triển giáo dục và đào tạo .
Bộ Giáo dục và Đào tạo. (2025). Thông tư số 02/2025/TT-BGDĐT ngày 24 tháng 01 năm 2025 quy định Khung năng lực số cho người học .
Cheng, R. (2026). AI-empowered blended project-based learning: Construction and empirical study of a triadic collaborative teaching model. In 2026 8th International Conference on Computer Science and Technologies in Education (CSTE) (pp. 353–359). IEEE.
Dinh Khuong, P., & Duong, L. T. (2026). AI-supported research-led teaching in syntegrative project-based learning: Educator questioning, feedback, and student learning outcomes in authentic industry projects. Future in Educational Research. https://doi.org/10.1002/fer3.70055
Fei, X. (2026). Student–AI collaboration patterns in project-based learning: Temporal and structural characteristics. Journal of Research on Technology in Education, 1–19. https://doi.org/10.1080/15391523.2026.2661697
KAKEN. (2026). Transformative project-based learning with AI as a learning partner: Introducing pseudo-student agents [Grant-in-Aid for Scientific Research, FY2026–2029]. KAKENHI Database.
Ruiz Viruel, S., Sánchez Rivas, E., & Ruiz Palmero, J. (2025). The role of artificial intelligence in project-based learning: Teacher perceptions and pedagogical implications. Education Sciences, 15(2), 150. https://doi.org/10.3390/educsci15020150
Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer. https://doi.org/10.1007/978-1-4419-8126-4
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wiggins, G., & McTighe, J. (2005). Understanding by design (2nd ed.). ASCD.
PHỤ LỤC
Phụ lục A: Rubric Đánh giá Sản phẩm Dự án PBL
| Chiều | Xuất sắc (4) | Đạt (3) | Cần cải thiện (2) | Không đạt (1) |
| Tính đổi mới sáng tạo | Giải pháp nguyên bản, tư duy thiết kế vượt khuôn khổ | Cải tiến rõ rệt so với chuẩn hiện có | Lặp lại mô hình phổ biến | Sao chép giải pháp có sẵn |
| Độ chuẩn xác kỹ thuật | Không lỗi; xử lý edge case | Lỗi nhỏ không ảnh hưởng chức năng | Lỗi ảnh hưởng một phần chức năng | Lỗi nghiêm trọng |
| Tính ứng dụng thực tiễn | Triển khai được ngay; có bằng chứng người dùng thử | Có tiềm năng, cần tinh chỉnh nhỏ | Chỉ khả thi trong điều kiện lý tưởng | Không có bối cảnh ứng dụng |
| Năng lực báo cáo | Lập luận mạch lạc, phản biện tốt | Trình bày rõ, trả lời câu hỏi chính | Trình bày rời rạc | Không bảo vệ được nội dung |
Phụ lục B: Ma trận Phân quyền Nhiệm vụ Human–AI (12 tuần)
Ký hiệu: H = Human-only; A = AI-optimal; AI Level: 1 = thấp; 2 = trung bình; 3 = cao
| Tuần | Giai đoạn | Sinh viên (H) | AI (A) | Giảng viên (mediation) | AI Level |
| 1–3 | Khởi động & Xác lập đề tài | Xác định vấn đề, mục tiêu | Tìm kiếm nền, lập bản đồ khái niệm | Phê duyệt đề tài; questioning định hướng | 1 |
| 4–7 | Thiết kế & Phát triển | Quyết định kiến trúc, viết logic cốt lõi | Sinh mã mẫu, gợi ý cấu trúc, rà soát cú pháp | Review thiết kế; feedback định hình | 3 |
| 8–10 | Thử nghiệm & Tối ưu | Thiết kế test case, quyết định sửa | Chạy lint, phát hiện lỗi, gợi ý tối ưu | Kiểm tra log; questioning về phụ thuộc | 3 |
| 11–12 | Báo cáo & Đánh giá | Viết báo cáo, lập luận, bảo vệ | Kiểm tra định dạng, gợi ý cấu trúc | Chấm rubric; vấn đáp | 1 |
Quy tắc chốt: Không có tác vụ nào ở cột “Sinh viên” được chuyển giao hoàn toàn cho AI; mọi đầu ra AI phải qua đánh giá phê phán (ghi log). Cột “Giảng viên (mediation)” nhấn mạnh vai trò trung gian thiết yếu của educator questioning và feedback .
Phụ lục C: Khung Câu hỏi Phỏng vấn Sâu
Sinh viên: (1) Mô tả lần em dùng AI để phản biện lập luận của chính mình; (2) Có lúc nào em cảm thấy AI “làm hộ” và em mất tự chủ?; (3) Tiêu chí nào để chấp nhận/bác bỏ gợi ý AI?; (4) Nếu AI vắng mặt 48 giờ trước bảo vệ, em tự tin đến mức nào?; (5) Đề xuất điều chỉnh gì cho ma trận phân quyền?
Giảng viên: (1) Thời gian đã dịch chuyển như thế nào?; (2) Dashboard cảnh báo gì hữu ích/gây nhiễu?; (3) Phân biệt “phụ thuộc lành mạnh” và “phụ thuộc triệt tiêu”?; (4) Rủi ro liêm chính nào quan sát được?; (5) Câu hỏi gợi mở và phản hồi định hình của thầy/cô đã thay đổi như thế nào so với PBL không AI?
Phụ lục D: Hướng dẫn Prompt Engineering Mẫu
Nguyên tắc: AI là đối tác phản biện, không phải người viết.
Mẫu 1 — Phản biện lập luận: “Đây là luận điểm của tôi: [X]. Hãy đóng vai phản biện khó tính, liệt kê 3 điểm yếu logic và 2 giả định ngầm. Không đề xuất giải pháp — chỉ đặt câu hỏi.”
Mẫu 2 — Kiểm tra cấu trúc: “Đây là dàn ý: [Y]. Chỉ ra chỗ thiếu bằng chứng, lập luận nhảy bậc, lặp ý. Không viết lại — chỉ đánh dấu.”
Mẫu 3 — Socratic questioning: “Tôi cân nhắc A và B. Đặt 5 câu hỏi Socrates để tôi tự làm rõ tiêu chí, thay vì khuyên chọn.”
Mẫu 4 — Kiểm lỗi kỹ thuật: “Đây là đoạn mã [Z]. Chỉ ra lỗi cú pháp và edge case. Giải thích vì sao là lỗi — không sửa mã.”
Quy tắc trích dẫn AI: Ghi log (prompt + phản hồi + quyết định chấp nhận/bác bỏ) và trích dẫn: [Tên công cụ AI], prompt ngày [dd/mm/yyyy], phản hồi được chấp nhận một phần.
