The AI-Augmented Teacher Model in Higher Education: The Role of Human–AI Collaboration in Professional Competence, Teacher Agency, and Professional Autonomy
NGUYỄN VĂN HÙNG
TÓM TẮT
Sự phát triển nhanh chóng của trí tuệ nhân tạo tạo sinh (Generative Artificial Intelligence – GenAI) đang làm thay đổi cấu trúc công việc học thuật và sư phạm trong giáo dục đại học. Trọng tâm nghiên cứu vì thế cần chuyển từ câu hỏi liệu giảng viên có chấp nhận hoặc sử dụng AI hay không sang câu hỏi có ý nghĩa lý thuyết sâu hơn: AI được tích hợp vào hoạt động nghề nghiệp theo cách nào để mở rộng năng lực con người mà không làm suy giảm năng lực chủ thể, phán đoán chuyên môn và quyền tự chủ nghề nghiệp của giảng viên? UNESCO (2024) xác định năng lực AI của giáo viên không chỉ bao gồm hiểu biết kỹ thuật mà còn gồm tư duy lấy con người làm trung tâm, đạo đức AI, sư phạm AI và học tập nghề nghiệp; đồng thời nhấn mạnh yêu cầu bảo vệ quyền của giáo viên và tăng cường human agency. Các nghiên cứu gần đây về teacher agency và shared agency trong bối cảnh GenAI cũng cho thấy mối quan hệ Người–AI cần được xem như một cấu hình phân bổ động về nhiệm vụ, trách nhiệm và quyền kiểm soát, thay vì như hành vi sử dụng một công cụ đơn lẻ (Kahn et al., 2025; Zhuang et al., 2025).
Trên cơ sở đó, nghiên cứu đề xuất Mô hình Giảng viên được tăng cường bởi AI – AI-Augmented Teacher Model (AATM) nhằm giải thích cách thức Hợp tác Người–AI (Human–AI Collaboration – HAC) tạo ra giá trị nghề nghiệp thông qua ba cấu trúc trung tâm: Năng lực nghề nghiệp (Professional Competence – PC), Năng lực chủ thể của giảng viên (Teacher Agency – TA) và Quyền tự chủ nghề nghiệp (Professional Autonomy – PA). Mô hình được xây dựng trên quan điểm bổ trợ Người–AI, lý thuyết năng lực chủ thể, lý thuyết tự quyết và cách tiếp cận human-centered AI. Chuỗi lý thuyết trung tâm HAC → PC → TA → PA giả định rằng chất lượng hợp tác với AI trước hết mở rộng năng lực nghề nghiệp; năng lực này củng cố khả năng hành động có chủ đích; và agency, đến lượt mình, hỗ trợ việc thực thi quyền tự chủ nghề nghiệp một cách thực chất và có trách nhiệm.
Nghiên cứu dự kiến sử dụng thiết kế sequential exploratory mixed-methods, gồm tổng quan tích hợp, phỏng vấn chuyên gia, phát triển và thẩm định nội dung thang đo, khảo sát thử và khảo sát chính thức giảng viên tại các cơ sở giáo dục đại học Việt Nam. EFA, CFA và CB-SEM được sử dụng tương ứng với các giai đoạn khám phá, xác nhận và kiểm định mô hình cấu trúc; bootstrap được sử dụng để kiểm định các hiệu ứng trung gian. Đóng góp dự kiến của nghiên cứu không nằm ở việc chứng minh rằng “AI có ích cho giảng viên”, mà ở việc xác lập các điều kiện của genuine AI augmentation: AI chỉ được xem là tăng cường nghề nghiệp khi sự gia tăng khả năng thực hiện công việc đồng thời duy trì hoặc phát triển phán đoán chuyên môn, teacher agency, professional autonomy và meaningful human oversight.
Từ khóa: AI-Augmented Teacher; Human–AI Collaboration; Professional Competence; Teacher Agency; Professional Autonomy; Generative AI; Higher Education.
ABSTRACT
The rapid advancement of generative artificial intelligence (GenAI) is reshaping the structure of academic and pedagogical work in higher education. Accordingly, the research focus needs to move beyond the question of whether faculty members accept or use AI toward a theoretically more consequential question: How can AI be integrated into professional practice in ways that augment human capabilities without undermining faculty agency, professional judgment, and professional autonomy? UNESCO (2024) conceptualizes teachers’ AI competencies as extending beyond technical knowledge to encompass a human-centred mindset, AI ethics, AI pedagogy, and AI for professional learning, while emphasizing the protection of teachers’ rights and the enhancement of human agency. Recent research on teacher agency and shared agency in the context of GenAI further suggests that human–AI relationships should be understood as dynamic configurations through which tasks, responsibilities, and control are distributed, rather than merely as the use of a discrete technological tool (Kahn et al., 2025; Zhuang et al., 2025).
Against this background, the study proposes the AI-Augmented Teacher Model (AATM) to explain how Human–AI Collaboration (HAC) generates professional value through three central constructs: Professional Competence (PC), Teacher Agency (TA), and Professional Autonomy (PA). The model is grounded in the human–AI complementarity perspective, agency theory, self-determination theory, and a human-centred AI approach. Its central theoretical pathway, HAC → PC → TA → PA, posits that high-quality collaboration with AI first enhances professional competence; strengthened competence, in turn, reinforces teachers’ capacity for intentional and purposeful action; and teacher agency subsequently enables professional autonomy to be exercised in a substantive, responsible, and professionally meaningful manner.
The study is designed to employ a sequential exploratory mixed-methods approach, comprising an integrative literature review, expert interviews, scale development and content validation, a pilot survey, and a main survey of faculty members across Vietnamese higher education institutions. Exploratory factor analysis (EFA), confirmatory factor analysis (CFA), and covariance-based structural equation modeling (CB-SEM) will be employed at the exploratory, measurement-validation, and structural-model testing stages, respectively, while bootstrapping will be used to assess indirect effects. The anticipated contribution of the study is not to demonstrate merely that “AI is beneficial to faculty,” but rather to establish the conditions for genuine AI augmentation. From this perspective, AI constitutes professional augmentation only when enhanced task capability is accompanied by the preservation or development of professional judgment, teacher agency, professional autonomy, and meaningful human oversight.
Keywords: AI-Augmented Teacher; Human–AI Collaboration; Professional Competence; Teacher Agency; Professional Autonomy; Generative Artificial Intelligence; Higher Education.
- ĐẶT VẤN ĐỀ
1.1. Bối cảnh nghiên cứu
Trí tuệ nhân tạo đang trở thành một lực lượng có khả năng tái cấu trúc giáo dục đại học ở cả cấp độ công việc, năng lực và quản trị nghề nghiệp. Đặc biệt, GenAI mở rộng khả năng tương tác trực tiếp giữa giảng viên và hệ thống AI trong các hoạt động vốn đòi hỏi mức độ cao của lao động nhận thức như tạo lập nội dung, tổng hợp tri thức, thiết kế học tập, đánh giá, phản hồi, phân tích và hỗ trợ ra quyết định. UNESCO (2023) khuyến nghị tiếp cận GenAI theo định hướng lấy con người làm trung tâm; tiếp đó, UNESCO (2024) cụ thể hóa định hướng này thành khung 15 năng lực giáo viên AI thuộc năm chiều cạnh: human-centred mindset, ethics of AI, AI foundations and applications, AI pedagogy và AI for professional learning. Khung này đặc biệt nhấn mạnh việc bảo vệ quyền của giáo viên, tăng cường human agency và duy trì trách nhiệm của con người trong quá trình sử dụng AI.
Đối với giảng viên đại học, AI vì vậy không còn chỉ là một công cụ bổ trợ kỹ thuật. GenAI có thể tham gia vào nhiều giai đoạn của chu trình nghề nghiệp: xác định mục tiêu học tập, thiết kế chương trình, xây dựng học liệu, phát triển nhiệm vụ đánh giá, phản hồi bài làm, phân tích dữ liệu học tập, hỗ trợ nghiên cứu và thực hiện các nhiệm vụ hành chính. Sự thay đổi này làm dịch chuyển đơn vị phân tích từ tool use sang Human–AI Collaboration: vấn đề không chỉ là giảng viên có sử dụng AI hay không, mà là con người và AI phân chia nhiệm vụ, phối hợp hoạt động, kiểm soát quyết định và chịu trách nhiệm như thế nào. Nghiên cứu về Contextualised Shared Agency cho thấy trách nhiệm và quyền kiểm soát giữa nhà giáo dục và GenAI có thể được phân bổ động tùy loại nhiệm vụ, qua đó tạo khả năng tăng cường năng lực mà vẫn bảo vệ autonomy nghề nghiệp (Zhuang et al., 2025).
Tuy nhiên, năng suất tăng lên không nhất thiết đồng nghĩa với năng lực nghề nghiệp được phát triển. Khi AI đảm nhận ngày càng nhiều hoạt động nhận thức, xuất hiện một nghịch lý: cùng một công nghệ có thể vừa augment vừa displace năng lực con người. Nếu AI hỗ trợ giảng viên mở rộng khả năng phân tích, sáng tạo và ra quyết định nhưng giảng viên vẫn duy trì quyền kiểm soát, AI có thể tạo ra sự tăng cường nghề nghiệp. Ngược lại, nếu các hoạt động đặt vấn đề, đánh giá bằng chứng, phán đoán và quyết định chuyên môn được chuyển giao quá mức cho AI, hiệu quả ngắn hạn có thể đi kèm với sự suy giảm năng lực dài hạn.
Do đó, nghiên cứu AI trong giáo dục đại học cần vượt ra ngoài các mô hình truyền thống về technology acceptance để giải thích mối quan hệ giữa AI với năng lực và quyền hành động nghề nghiệp của giảng viên.
1.2. Khoảng trống nghiên cứu
Có thể nhận diện bốn khoảng trống chính.
Thứ nhất, khoảng trống về đơn vị phân tích. Nhiều nghiên cứu xem AI là công nghệ được cá nhân “chấp nhận” hoặc “sử dụng”. Cách tiếp cận này hữu ích đối với giai đoạn phổ biến công nghệ nhưng chưa giải thích đầy đủ sự phân chia nhiệm vụ, quyền quyết định và trách nhiệm trong hệ thống Người–AI.
Thứ hai, khoảng trống giữa sử dụng AI và phát triển năng lực. Tần suất sử dụng AI không phải là chỉ báo đầy đủ của sự phát triển nghề nghiệp. Một giảng viên có thể sử dụng AI thường xuyên nhưng chủ yếu để thay thế hoạt động nhận thức; người khác sử dụng ít hơn nhưng AI giúp họ mở rộng khả năng sáng tạo và phản tư. Vì vậy, cần nghiên cứu chất lượng hợp tác Người–AI, thay vì chỉ đo mức độ sử dụng.
Thứ ba, Teacher Agency và Professional Autonomy chưa được tích hợp đầy đủ vào nghiên cứu AI giáo dục. Teacher Agency phản ánh khả năng đạt được hành động nghề nghiệp có mục đích thông qua sự tương tác giữa kinh nghiệm, định hướng tương lai và điều kiện hiện tại (Priestley et al., 2015), trong khi Professional Autonomy phản ánh không gian và quyền thực thi phán đoán chuyên môn. Hai cấu trúc có liên hệ nhưng không đồng nhất: agency trả lời câu hỏi “giảng viên có thể chủ động định hướng và hành động đến mức nào?”, còn autonomy trả lời câu hỏi “giảng viên có quyền và không gian quyết định chuyên môn đến mức nào?”. Kahn et al. (2025) cho thấy teacher agency trong bối cảnh GenAI còn mang tính quan hệ và văn hóa, gắn với phản ứng của giảng viên trước những thay đổi trong epistemic agency của người học.
Thứ tư, còn thiếu một mô hình tích hợp giải thích đồng thời augmentation, competence, agency và autonomy trong một chuỗi cơ chế có thể kiểm định. Khoảng trống này đặc biệt quan trọng vì AI không chỉ thay đổi giảng viên làm được gì mà còn có thể thay đổi ai định hướng mục tiêu, ai đánh giá đầu ra, ai có quyền phủ quyết và ai chịu trách nhiệm cuối cùng. Do đó, cần một mô hình phân biệt rõ giữa capability enhancement và control displacement, qua đó cho phép đánh giá liệu AI đang tạo ra tăng cường nghề nghiệp thực chất hay chỉ tạo ra hiệu suất ngắn hạn dựa trên chuyển giao nhận thức.
Từ đó, nghiên cứu đề xuất AI-Augmented Teacher Model (AATM).
- MỤC TIÊU VÀ CÂU HỎI NGHIÊN CỨU
2.1. Mục tiêu tổng quát
Phát triển và kiểm định AI-Augmented Teacher Model nhằm giải thích tác động của Hợp tác Người–AI đến Năng lực nghề nghiệp, Năng lực chủ thể và Quyền tự chủ nghề nghiệp của giảng viên trong giáo dục đại học.
2.2. Mục tiêu cụ thể
- Khái niệm hóa AI-Augmented Teacher trong bối cảnh giáo dục đại học.
- Xác định cấu trúc và các chiều cạnh của Human–AI Collaboration trong hoạt động nghề nghiệp của giảng viên.
- Kiểm định tác động của HAC đến Professional Competence.
- Kiểm định tác động của HAC đến Teacher Agency.
- Kiểm định tác động của HAC đến Professional Autonomy.
- Phân tích vai trò trung gian của Professional Competence và Teacher Agency.
- Phát triển và kiểm định thực nghiệm mô hình AATM trong bối cảnh các trường đại học Việt Nam.
- Đề xuất hàm ý cho phát triển đội ngũ và quản trị AI lấy con người làm trung tâm.
2.3. Câu hỏi nghiên cứu
RQ1. AI-Augmented Teacher nên được khái niệm hóa như thế nào trong giáo dục đại học?
RQ2. Những thành tố nào cấu thành Human–AI Collaboration trong công việc nghề nghiệp của giảng viên?
RQ3. Human–AI Collaboration ảnh hưởng như thế nào đến Professional Competence?
RQ4. Human–AI Collaboration ảnh hưởng như thế nào đến Teacher Agency?
RQ5. Human–AI Collaboration ảnh hưởng như thế nào đến Professional Autonomy?
RQ6. Professional Competence và Teacher Agency đóng vai trò gì trong cơ chế chuyển hóa Human–AI Collaboration thành sự tăng cường nghề nghiệp?
RQ7. Làm thế nào để các trường đại học phát triển AI-Augmented Teachers mà không tạo ra sự phụ thuộc AI hoặc suy giảm quyền tự chủ chuyên môn?
- CƠ SỞ LÝ THUYẾT
3.1. Human–AI Collaboration
Human–AI Collaboration không nên được đồng nhất với việc “sử dụng AI”. Về mặt khái niệm, hợp tác hàm ý sự phối hợp tương hỗ giữa con người và hệ thống AI trong quá trình thực hiện nhiệm vụ, trong đó hai bên đóng góp những năng lực khác biệt nhưng bổ sung cho nhau. Jarrahi (2018) mô tả quan hệ này như một hình thức human–AI symbiosis trong ra quyết định; Seeber et al. (2020) tiếp tục mở rộng cách nhìn AI như một thành viên có thể tham gia vào quá trình cộng tác. Trong giáo dục đại học, con người có ưu thế về hiểu biết bối cảnh, giá trị, đạo đức, đồng cảm, phán đoán và trách nhiệm; AI có ưu thế về xử lý quy mô lớn, tổng hợp, nhận dạng mẫu và tạo phương án. Vì thế, giá trị của HAC nằm ở complementarity chứ không nằm ở việc tối đa hóa mức tự động hóa.
Do đó, HAC có thể được xem xét qua các chiều cạnh:
- Task Complementarity: bổ sung thế mạnh giữa người và AI.
- Interactive Co-creation: đồng kiến tạo nội dung và giải pháp.
- Decision Support: AI hỗ trợ nhưng không mặc nhiên thay thế phán đoán chuyên môn.
- Human Oversight: giảng viên kiểm tra, hiệu chỉnh và có quyền phủ quyết.
- Adaptive Learning: giảng viên học từ AI và điều chỉnh cách sử dụng AI qua kinh nghiệm.
Cấu trúc này giúp phân biệt augmentation với automation.
3.2. Lý thuyết bổ trợ Người–AI
Lý thuyết bổ trợ nhấn mạnh rằng hiệu suất và chất lượng quyết định không nhất thiết đạt mức tối ưu khi máy móc thay thế tối đa con người, mà khi năng lực của con người và công nghệ được tổ chức theo nguyên tắc bổ sung. Quan điểm này phù hợp với Jarrahi (2018), theo đó AI có thể đóng vai trò đối tác nhận thức trong những nhiệm vụ phức tạp nhưng không loại bỏ vai trò của phán đoán và trực giác con người. Trong AATM:
AI capability ≠ teacher capability.
Giá trị xuất hiện tại vùng giao nhau:
Human expertise × AI capability × Human oversight → Augmented professional capability.
Do đó, augmentation không phải đặc tính nội tại của AI mà là kết quả của cấu hình quan hệ Người–AI.
3.3. Teacher Agency
Priestley et al. (2015) tiếp cận teacher agency theo quan điểm sinh thái, theo đó agency không phải là một đặc tính cố định mà là một thành tựu được hình thành thông qua tương tác giữa chiều lặp lại từ kinh nghiệm quá khứ, chiều dự phóng về các mục tiêu tương lai và chiều thực hành–đánh giá trong điều kiện hiện tại. Cách tiếp cận này đặc biệt phù hợp với môi trường GenAI, nơi agency của giảng viên phụ thuộc không chỉ vào năng lực cá nhân mà còn vào chính sách tổ chức, hạ tầng công nghệ, chuẩn mực chuyên môn và mức độ kiểm soát mà hệ thống AI cho phép. Kahn et al. (2025) bổ sung rằng teacher agency trong giáo dục đại học thời GenAI cần được hiểu trong quan hệ với sự thay đổi epistemic agency của sinh viên và với các điều kiện văn hóa của hoạt động dạy học.
Trong môi trường AI, Teacher Agency có thể biểu hiện thông qua khả năng:
- xác định mục tiêu nghề nghiệp;
- lựa chọn khi nào nên hoặc không nên sử dụng AI;
- đánh giá và phản biện đầu ra AI;
- điều chỉnh công nghệ theo mục tiêu sư phạm;
- chịu trách nhiệm cuối cùng về quyết định;
- chủ động đổi mới thay vì thụ động tuân theo khuyến nghị thuật toán.
Theo đó, một AI-Augmented Teacher không phải là người giao nhiều công việc nhất cho AI, mà là người có khả năng orchestrate AI while retaining meaningful human agency.
3.4. Professional Autonomy
Professional Autonomy liên quan đến quyền và không gian cho phép giảng viên sử dụng phán đoán chuyên môn trong việc xác định nội dung, phương pháp, đánh giá và các quyết định nghề nghiệp. Khác với Teacher Agency, autonomy chủ yếu phản ánh quyền quyết định và phạm vi kiểm soát nghề nghiệp, trong khi agency phản ánh khả năng biến ý định nghề nghiệp thành hành động trong những điều kiện cụ thể. Việc tách biệt hai cấu trúc này là điều kiện cần để bảo đảm discriminant validity của mô hình AATM.
Trong hệ sinh thái AI, autonomy có thể bị ảnh hưởng theo hai hướng.
Autonomy enhancement: AI mở rộng thông tin, phương án và khả năng cá nhân hóa, giúp giảng viên đưa ra quyết định tốt hơn.
Autonomy erosion: các hệ thống khuyến nghị, phân tích thuật toán hoặc chính sách AI của tổ chức có thể dần dịch chuyển quyền quyết định khỏi giảng viên.
Do đó, PA vừa là một professional outcome, vừa là tiêu chí đánh giá liệu AI augmentation có thực sự lấy con người làm trung tâm hay không.
3.5. Professional Competence
Professional Competence trong nghiên cứu được hiểu là khả năng tích hợp tri thức, kỹ năng, phán đoán, giá trị và năng lực thích ứng để thực hiện hiệu quả các nhiệm vụ nghề nghiệp trong môi trường số và AI. Cấu trúc này không đồng nhất với AI literacy. UNESCO (2024) cho thấy năng lực AI của giáo viên bao gồm cả tư duy lấy con người làm trung tâm, đạo đức, nền tảng AI, sư phạm AI và học tập nghề nghiệp; vì vậy AI literacy nên được đặt như một thành phần của năng lực nghề nghiệp mở rộng, chứ không phải đại diện cho toàn bộ Professional Competence.
Có thể operacionalize PC thành các chiều cạnh:
- Pedagogical Competence;
- Digital and AI Competence;
- Assessment Competence;
- Research and Evidence Competence;
- Ethical–Professional Competence;
- Reflective and Adaptive Competence.
Điểm quan trọng là AI literacy chỉ là một bộ phận, không phải toàn bộ Professional Competence.
- KHÁI NIỆM AI-AUGMENTED TEACHER
Nghiên cứu đề xuất định nghĩa:
AI-Augmented Teacher là giảng viên sử dụng và phối hợp có chủ đích với các hệ thống AI để mở rộng năng lực nhận thức, sư phạm, sáng tạo và ra quyết định nghề nghiệp, đồng thời duy trì quyền kiểm soát có ý nghĩa, phán đoán chuyên môn, năng lực chủ thể, trách nhiệm và quyền tự chủ nghề nghiệp.
Định nghĩa này chứa năm nguyên tắc:
Augmentation – AI mở rộng thay vì mặc nhiên thay thế năng lực.
Complementarity – con người và AI đóng góp những năng lực khác nhau.
Agency preservation – giảng viên duy trì khả năng lựa chọn và hành động.
Human oversight – quyết định quan trọng vẫn chịu sự giám sát có ý nghĩa của con người.
Professional responsibility – trách nhiệm không được chuyển giao cho thuật toán.
Vì vậy:
AI-Augmented Teacher ≠ AI-Using Teacher.
Một người sử dụng AI thường xuyên chưa chắc là một AI-Augmented Teacher.
- MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT
5.1. Kiến trúc mô hình
Mô hình AATM được tổ chức thành ba tầng:
Tầng I – Cơ chế công nghệ–nghề nghiệp
Human–AI Collaboration (HAC)
↓
Tầng II – Cơ chế tăng cường năng lực con người
Professional Competence (PC)
Teacher Agency (TA)
↓
Tầng III – Kết quả nghề nghiệp
Professional Autonomy (PA)
Logic trung tâm được đề xuất:
HAC → PC → TA → PA
đồng thời kiểm định các đường trực tiếp:
HAC → TA
HAC → PA
PC → PA
Cấu trúc này cho phép xác định liệu AI thực sự tạo ra human augmentation hay chỉ tạo ra hiệu quả công việc trước mắt.
5.2. Nghịch lý Augmentation–Autonomy
Một đóng góp lý thuyết được đề xuất để kiểm định trong nghiên cứu là AI Augmentation–Autonomy Paradox. Thuật ngữ này được sử dụng như một mệnh đề khái niệm của AATM, không phải như một lý thuyết đã được xác lập trước đó.
AI có thể đồng thời:
tăng khả năng thực hiện công việc
nhưng
giảm quyền kiểm soát đối với cách công việc được thực hiện.
Do đó:
More AI assistance does not necessarily mean more professional empowerment.
Một hệ thống AI chỉ có thể được xem là tăng cường con người khi sự cải thiện năng lực không đạt được bằng việc đánh đổi agency và autonomy.
- GIẢ THUYẾT NGHIÊN CỨU
H1: Human–AI Collaboration có tác động tích cực đến Professional Competence của giảng viên.
Theo logic bổ trợ Người–AI, HAC có thể mở rộng phạm vi thông tin, tốc độ tạo phương án, khả năng phản hồi và cơ hội phản tư nghề nghiệp, nhưng chỉ khi giảng viên duy trì vai trò đánh giá và hiệu chỉnh đầu ra. Do đó, chất lượng hợp tác – thay vì tần suất sử dụng AI – được kỳ vọng có quan hệ dương với Professional Competence (Jarrahi, 2018; UNESCO, 2024).
H2: Human–AI Collaboration có tác động tích cực đến Teacher Agency.
Khi AI được sử dụng như một đối tác hỗ trợ với quyền kiểm soát cuối cùng thuộc về giảng viên, hệ thống có thể mở rộng tập hợp lựa chọn và tăng năng lực thực hiện mục tiêu nghề nghiệp. Tuy nhiên, hiệu ứng này phụ thuộc vào mức độ meaningful human control; điều này phù hợp với cách tiếp cận shared agency trong đó quyền hành động được phân bổ có chủ đích giữa con người và AI (Kahn et al., 2025; Zhuang et al., 2025).
H3: Human–AI Collaboration có tác động tích cực đến Professional Autonomy.
HAC có thể mở rộng không gian lựa chọn và hỗ trợ quyết định dựa trên bằng chứng, nhưng chỉ tạo ra autonomy enhancement khi AI giữ vai trò hỗ trợ thay vì áp đặt quyết định. Vì vậy, mối quan hệ dương được giả thuyết trong điều kiện hợp tác có human oversight và quyền phủ quyết thực chất của giảng viên (Zhuang et al., 2025).
H4: Professional Competence có tác động tích cực đến Teacher Agency.
Năng lực cao hơn giúp giảng viên đánh giá đầu ra AI, lựa chọn phương án và hành động có chủ đích.
H5: Professional Competence có tác động tích cực đến Professional Autonomy.
Năng lực chuyên môn là nền tảng để quyền tự chủ được thực thi một cách có trách nhiệm.
H6: Teacher Agency có tác động tích cực đến Professional Autonomy.
Khả năng chủ động lựa chọn và hành động giúp chuyển quyền tự chủ hình thức thành quyền tự chủ nghề nghiệp thực chất.
H7: Professional Competence đóng vai trò trung gian trong mối quan hệ giữa Human–AI Collaboration và Teacher Agency.
H8: Teacher Agency đóng vai trò trung gian trong mối quan hệ giữa Human–AI Collaboration và Professional Autonomy.
H9: Professional Competence và Teacher Agency đóng vai trò trung gian nối tiếp trong quan hệ giữa Human–AI Collaboration và Professional Autonomy.
Mô hình trung gian nối tiếp:
HAC → PC → TA → PA
là giả thuyết trung tâm của AATM.
- KHUNG ĐO LƯỜNG ĐỀ XUẤT
| Cấu trúc | Nội hàm chính | Chiều cạnh dự kiến |
| HAC | Chất lượng phối hợp Người–AI | Complementarity; Co-creation; Decision Support; Human Oversight; Adaptive Interaction |
| PC | Khả năng thực hiện nhiệm vụ nghề nghiệp trong môi trường AI | Pedagogical; AI/Digital; Assessment; Research; Ethical; Reflective Competence |
| TA | Khả năng hành động nghề nghiệp có mục đích | Intentionality; Choice; Critical Judgment; Proactivity; Adaptive Action |
| PA | Quyền kiểm soát và quyết định chuyên môn | Pedagogical Autonomy; Assessment Autonomy; Decision Autonomy; AI-related Autonomy |
Các thang đo không nên được ghép cơ học từ các nghiên cứu trước. Nghiên cứu cần thực hiện content validation để bảo đảm các biến quan sát phản ánh đúng bối cảnh hợp tác với GenAI.
- PHƯƠNG PHÁP NGHIÊN CỨU
8.1. Thiết kế nghiên cứu
Đề xuất thiết kế sequential exploratory mixed-methods design gồm bốn giai đoạn liên kết, phù hợp với mục tiêu vừa phát triển/hiệu chỉnh thang đo vừa kiểm định một nomological model mới trong bối cảnh giáo dục đại học Việt Nam.
Giai đoạn 1 – Conceptualization
Thực hiện tổng quan có hệ thống hoặc tổng quan tích hợp về:
- Human–AI Collaboration;
- AI augmentation;
- teacher professional competence;
- teacher agency;
- professional autonomy;
- human-centered AI.
Mục tiêu là xác lập nomological network của AATM.
Giai đoạn 2 – Qualitative validation
Phỏng vấn khoảng 15–25 chuyên gia, gồm chuyên gia giáo dục đại học, AI/EdTech, quản trị đại học và giảng viên có kinh nghiệm sử dụng GenAI.
Phân tích chủ đề được sử dụng để xác định:
- biểu hiện thực tế của HAC;
- ranh giới giữa assistance và dependency;
- biểu hiện của agency/autonomy;
- các biến quan sát đặc thù của bối cảnh Việt Nam.
Giai đoạn 3 – Scale development và pilot study
Thang đo được xây dựng/điều chỉnh thông qua:
Literature Review → Item Generation/Adaptation → Expert Review → Content Validity → Cognitive Interview → Pilot Test → EFA → CFA.
Đối với các cấu trúc kế thừa như Teacher Agency và Professional Autonomy, nghiên cứu ưu tiên thích nghi có kiểm soát từ thang đo đã được công bố. Đối với HAC trong bối cảnh GenAI, nếu cần phát triển thêm biến quan sát, nghiên cứu phải chứng minh content validity và discriminant validity, tránh ghép cơ học các mục đo từ những thang đo không cùng cấp độ khái niệm.
Khảo sát thử dự kiến 150–250 giảng viên.
Giai đoạn 4 – Main study
Khảo sát chính thức dự kiến 600–1.000 giảng viên thuộc nhiều nhóm trường và lĩnh vực đào tạo.
Có thể sử dụng stratified sampling theo:
- loại hình cơ sở giáo dục;
- vùng địa lý;
- lĩnh vực chuyên môn;
- thâm niên;
- mức độ kinh nghiệm với GenAI.
8.2. Phân tích dữ liệu
Quy trình phân tích gồm:
- Data screening và missing data;
- Common method bias diagnostics;
- EFA khi phát triển cấu trúc mới;
- CFA;
- Composite Reliability;
- Cronbach’s alpha;
- AVE;
- HTMT;
- Measurement model assessment;
- Structural Equation Modeling;
- Bootstrap indirect effects;
- Competing-model comparison;
- Robustness analysis;
- Measurement invariance/Multi-group analysis khi phù hợp;
- So sánh mô hình đầy đủ với các mô hình cạnh tranh nhằm đánh giá giá trị gia tăng của chuỗi trung gian nối tiếp HAC → PC → TA → PA.
Đối với mô hình lý thuyết xác nhận, CB-SEM được ưu tiên nếu dữ liệu và giả định thống kê đáp ứng yêu cầu. Các chỉ số phù hợp mô hình được báo cáo theo thông lệ quốc tế, bao gồm χ²/df, CFI, TLI, RMSEA và SRMR; độ tin cậy và giá trị hội tụ/phân biệt được đánh giá bằng hệ số tải chuẩn hóa, Cronbach’s alpha, composite reliability, AVE và HTMT. Hiệu ứng trung gian được kiểm định bằng bootstrap với khoảng tin cậy hiệu chỉnh sai lệch. Nếu so sánh các nhóm giảng viên, measurement invariance phải được kiểm định trước khi diễn giải khác biệt cấu trúc.
- ĐÓNG GÓP DỰ KIẾN
9.1. Đóng góp lý thuyết
Thứ nhất, nghiên cứu chuyển đơn vị phân tích từ AI adoption sang Human–AI Collaboration.
Thứ hai, đề xuất khái niệm AI-Augmented Teacher như một cấu trúc nghề nghiệp trong hệ sinh thái AI.
Thứ ba, tích hợp ba lĩnh vực vốn thường được nghiên cứu riêng biệt:
Human–AI Collaboration × Professional Competence × Teacher Agency/Autonomy.
Thứ tư, phân biệt rõ Teacher Agency với Professional Autonomy, qua đó tránh hiện tượng construct redundancy.
Thứ năm, đề xuất cơ chế:
HAC → PC → TA → PA
nhằm giải thích AI tạo ra professional empowerment bằng cách nào.
Thứ sáu, đề xuất và kiểm định AI Augmentation–Autonomy Paradox như một mệnh đề lý thuyết mới: AI có thể đồng thời mở rộng capability nhưng làm dịch chuyển control. Đóng góp của AATM nằm ở việc biến nghịch lý này thành một vấn đề có thể đo lường và kiểm định thông qua các cấu trúc competence, agency, autonomy và human oversight.
9.2. Đóng góp phương pháp
Nghiên cứu có khả năng cung cấp và kiểm định bộ thang đo HAC phù hợp với công việc học thuật; kiểm định giá trị phân biệt giữa PC, TA và PA; đồng thời thiết lập một nomological network có thể được tái kiểm định trong những hệ thống giáo dục khác.
9.3. Đóng góp thực tiễn
Đối với giảng viên, AATM cung cấp khung tự đánh giá mức độ sử dụng AI theo hướng augmentation thay vì dependency.
Đối với trường đại học, nghiên cứu cho thấy đào tạo AI không nên chỉ tập trung vào prompt engineering hay kỹ năng công cụ mà phải phát triển AI literacy + professional judgment + agency + ethical responsibility.
Đối với nhà quản trị, chính sách AI cần bảo đảm meaningful human oversight và tránh thuật toán hóa quá mức các quyết định chuyên môn.
Đối với nhà hoạch định chính sách, mô hình cung cấp cơ sở để xây dựng chuẩn năng lực giảng viên trong kỷ nguyên AI theo định hướng human-centered AI.
- ĐIỂM MỚI CỦA NGHIÊN CỨU
Điểm mới không nên tuyên bố đơn giản rằng nghiên cứu “đầu tiên nghiên cứu AI-Augmented Teacher”. Đóng góp khoa học cần được xác lập ở cơ chế giải thích.
Nghiên cứu chuyển câu hỏi:
“Giảng viên có sử dụng/chấp nhận AI không?”
thành:
“Chất lượng hợp tác Người–AI tạo ra sự tăng cường nghề nghiệp thông qua những cơ chế nào?”
và sâu hơn:
“Làm thế nào AI có thể tăng cường năng lực nghề nghiệp mà không làm suy giảm năng lực chủ thể và quyền tự chủ của giảng viên?”
Từ đó, AATM đề xuất ba tiêu chuẩn của genuine AI augmentation:
Competence enhancement + Agency preservation/development + Autonomy preservation/development.
Nếu AI giúp tăng tốc công việc nhưng làm giảm phán đoán, khả năng lựa chọn và quyền kiểm soát, hiện tượng đó nên được xem là automation/dependency, không phải augmentation theo nghĩa đầy đủ.
Đây chính là ranh giới lý thuyết quan trọng nhất của mô hình.
- MÔ HÌNH KHÁI NIỆM HOÀN CHỈNH
- HÀM Ý QUẢN TRỊ: TỪ AI ADOPTION ĐẾN AI AUGMENTATION
Kết quả nghiên cứu có thể tạo nền tảng cho một sự thay đổi trong quản trị AI ở đại học. Thay vì đánh giá chuyển đổi AI bằng số tài khoản, tần suất sử dụng hay số lượng công cụ triển khai, các trường cần đánh giá giá trị tăng cường con người.
Một chính sách AI lấy con người làm trung tâm cần trả lời ít nhất bốn câu hỏi: AI đang tăng cường năng lực nào của giảng viên? Giảng viên còn quyền quyết định thực chất ở đâu? Cơ chế human oversight được thiết kế như thế nào? Và việc sử dụng AI dài hạn làm tăng hay giảm năng lực tự thực hiện nhiệm vụ?
Điều này dẫn đến nguyên tắc quản trị:
Không tối đa hóa AI use; tối ưu hóa Human–AI complementarity.
Đào tạo giảng viên vì vậy cần chuyển từ tool-centered AI training sang professional AI capability development, bao gồm năng lực đặt vấn đề, đánh giá đầu ra, xác minh bằng chứng, thiết kế tương tác Người–AI, phán đoán đạo đức và duy trì trách nhiệm nghề nghiệp.
- KẾT LUẬN
Sự xuất hiện của GenAI không chỉ đặt ra câu hỏi về tương lai của công nghệ giáo dục mà còn đặt ra câu hỏi căn bản hơn về tương lai của nghề giảng viên. Khi AI ngày càng tham gia sâu vào thiết kế, sáng tạo, đánh giá, phản hồi và ra quyết định, ranh giới giữa hỗ trợ công nghệ và chuyển giao năng lực trở nên ngày càng quan trọng.
Đề tài đề xuất AI-Augmented Teacher Model nhằm giải thích sự chuyển đổi này từ quan điểm lấy con người làm trung tâm. Mô hình không giả định rằng sử dụng nhiều AI hơn đồng nghĩa với giảng dạy tốt hơn. Thay vào đó, nghiên cứu xác định chất lượng Human–AI Collaboration là điểm khởi đầu và xem Professional Competence, Teacher Agency và Professional Autonomy là những tiêu chí cơ bản để đánh giá giá trị thực sự của AI đối với nghề giảng viên.
Chuỗi lý thuyết:
Human–AI Collaboration → Professional Competence → Teacher Agency → Professional Autonomy
đưa ra một cơ chế có thể kiểm định về cách AI chuyển hóa từ nguồn lực công nghệ thành năng lực nghề nghiệp và quyền hành động của con người.
Quan trọng hơn, AATM đề xuất rằng augmentation chỉ thực sự xảy ra khi sự gia tăng khả năng thực hiện công việc đi cùng với việc duy trì hoặc phát triển phán đoán, năng lực chủ thể và quyền tự chủ nghề nghiệp. Đây là cơ sở để phân biệt một giảng viên thực sự được AI tăng cường với một giảng viên ngày càng phụ thuộc vào AI.
Theo cách tiếp cận này, tương lai của giáo dục đại học không nên được định hình bởi lựa chọn nhị nguyên giữa “con người” và “AI”, mà bởi chất lượng của hệ thống Human + AI. Vấn đề chiến lược vì thế không phải là AI có thay thế giảng viên hay không, mà là các trường đại học có thể thiết kế hệ sinh thái AI như thế nào để AI mở rộng năng lực của giảng viên mà không thu hẹp quyền hành động nghề nghiệp của họ.
TÀI LIỆU THAM KHẢO – APA 7
- Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52, 1–26.
- Biesta, G., Priestley, M., & Robinson, S. (2015). The role of beliefs in teacher agency. Teachers and Teaching, 21(6), 624–640.
- Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
- Deci, E. L., & Ryan, R. M. (2000). The “what” and “why” of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268.
- Holstein, K., McLaren, B. M., & Aleven, V. (2019). Co-designing a real-time classroom orchestration tool to support teacher–AI complementarity. Journal of Learning Analytics, 6(2), 27–52.
- Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human–AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586.
- Kahn, P., Carrigan, M., Smith, P., Murtagh, L., Liu, R., & Song, F. (2025). Teacher agency and generative artificial intelligence: Teaching in higher education as a responsive, cultural activity. Learning, Media and Technology. https://doi.org/10.1080/17439884.2025.2575993
- 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., Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.
- Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). Association for Computing Machinery.
- Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
- Nguyễn, V. H. (Chủ biên). (2026). Công nghệ giáo dục thông minh trong kỷ nguyên AI: Educational technology in the age of artificial intelligence(Tập 1). AITECHBOOK.
- Nguyễn, V. H. (Chủ biên). (2026). Công nghệ giáo dục thông minh trong kỷ nguyên AI: Educational technology in the age of artificial intelligence(Tập 2). AITECHBOOK.
- Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230–253.
- Priestley, M., Biesta, G. J. J., & Robinson, S. (2015). Teacher agency: An ecological approach. Bloomsbury Academic.
- Seeber, I., Bittner, E., Briggs, R. O., de Vreede, T., de Vreede, G.-J., Elkins, A., Maier, R., Merz, A. B., Oeste-Reiß, S., Randrup, N., Schwabe, G., & Söllner, M. (2020). Machines as teammates: A research agenda on AI in team collaboration. Information & Management, 57(2), 103174.
- (2023). Guidance for generative AI in education and research. UNESCO.
- Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.
- Zhuang, A., Shi, Y., & Van Toorn, C. (2025). Contextualised shared agency: An action design research for generative AI-powered education tool. ACIS 2025 Proceedings, Article 104.
