NGHIÊN CỨU THIẾT KẾ VÀ TRIỂN KHAI MÔ HÌNH “CURRICULUM 5.0” TRONG BỐI CẢNH GIÁO DỤC ĐẠI HỌC VIỆT NAM

RESEARCH ON DESIGNING AND IMPLEMENTING THE “CURRICULUM 5.0” MODEL IN VIETNAMESE HIGHER EDUCATION

Nguyễn Văn Hùng

HIGHLIGHTS

• Xác lập khung sáu đặc trưng Curriculum 5.0 (Six-Pillar Framework): Định hướng năng lực, cá nhân hóa thích ứng, dựa trên dữ liệu và bằng chứng, mô-đun và tín chỉ vi mô, tích hợp công nghệ sâu và AI, lấy con người làm trung tâm và tư duy đạo đức — đáp ứng trực tiếp yêu cầu của Thông tư 54/2026/TT-BGDĐT về việc lần đầu tiên đưa năng lực số và nội dung AI vào chuẩn đầu ra bắt buộc của trình độ đại học.
• Kế thừa và vận hành hóa khung Curriculum 5.0 của Barrot (2022): Barrot đã đặt nền tảng khái niệm với sáu đặc trưng cốt lõi cho giáo dục đại học thế kỷ 21; nghiên cứu này chuyển hóa khung đó thành quy trình sáu bước khả vận hành, tích hợp đặc thù thể chế Việt Nam (Thông tư 54/2026, Thông tư 02/2025, Quyết định 3439). ▸ [EV-01]
• Định vị “Trí tuệ Chương trình” (Curriculum Intelligence – CI) như năng lực tổ chức trung gian: Chuyển dịch logic từ thuyết quyết định công nghệ (AI adoption → outcome) sang cơ chế tổ chức (AI capability → intelligence → adaptability → value), trong đó CI đóng vai trò trung gian giữa năng lực AI và tính thích ứng của chương trình đào tạo. Khái niệm CI đã được thương mại hóa trong thực tiễn quản trị đại học (ví dụ: KKU Curriculum Intelligence Platform). ▸ [EV-05]
• Tích hợp Khung năng lực AI của UNESCO (2024) với khung quốc gia Việt Nam: Bốn chiều năng lực của UNESCO (tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, thiết kế hệ thống AI) với ba mức độ tiến trình (hiểu – áp dụng – sáng tạo) được đối chiếu với miền năng lực thứ sáu “Ứng dụng trí tuệ nhân tạo” trong Thông tư 02/2025/TT-BGDĐT.
• Bối cảnh hóa cửa sổ chính sách Việt Nam 2025–2026: Phân tích sự kết nối thể chế giữa bốn mạch kiến thức của Quyết định 3439/QĐ-BGDĐT và yêu cầu chuẩn đầu ra của Thông tư 54/2026, nhận diện khoảng cách chuyển hóa từ “bổ sung môn học AI” sang “tái cấu trúc quản trị chương trình”.
• Đề xuất quy trình thiết kế lặp sáu bước (Six-Step Iterative Design Cycle): Từ phân tích nhu cầu kỹ năng bằng NLP (Skill Intelligence) đến tái định vị chuẩn đầu ra, ánh xạ chương trình bằng AI, phân tích khoảng trống, thiết kế mô-đun số hóa, và đánh giá cải tiến liên tục.
• Xác lập khung đánh giá thực nghiệm: Thiết kế nghiên cứu dựa trên thiết kế (Design-Based Research) kết hợp thực nghiệm bán tự nhiên với N = 200 sinh viên (100 thực nghiệm / 100 đối chứng), đo lường năng lực AI, kết quả học tập và trải nghiệm cá nhân hóa, cùng kiểm định vai trò trung gian của Curriculum Intelligence (H4).

TÓM TẮT BÀI BÁO (STRUCTURED ABSTRACT)

Tóm tắt tiếng Việt

Bối cảnh (Background): Kỷ nguyên trí tuệ nhân tạo (AI) và chuyển đổi số đặt ra yêu cầu tái cấu trúc toàn diện giáo dục đại học. Thông tư 54/2026/TT-BGDĐT ban hành ngày 30 tháng 6 năm 2026 lần đầu tiên quy định chuẩn đầu ra trình độ đại học phải bao gồm năng lực số, nội dung trí tuệ nhân tạo, năng lực ngoại ngữ, khả năng thích ứng và học tập suốt đời. Tuy nhiên, phần lớn chương trình đào tạo vẫn vận hành theo mô hình đóng khung với chu kỳ rà soát 3–5 năm, tạo ra khoảng cách giữa yêu cầu thể chế và năng lực triển khai thực tế.

Vấn đề nghiên cứu (Research Problem): Y văn hiện có về chương trình đào tạo trong kỷ nguyên AI chủ yếu dừng ở việc bổ sung môn học đơn lẻ hoặc sử dụng công cụ AI rời rạc. Barrot (2022) đã đề xuất khung Curriculum 5.0 khái niệm cho giáo dục đại học thế kỷ 21, nhưng khung này chưa được vận hành hóa cho điều kiện thể chế cụ thể của Việt Nam. Nghiên cứu về Curriculum Intelligence đề xuất CI như năng lực tổ chức trung gian chuyển hóa AI capability thành curriculum adaptability, nhưng chưa được kiểm định thực nghiệm tại Việt Nam. Khoảng trống cốt lõi là thiếu một khung Curriculum 5.0 tích hợp đặc thù thể chế Việt Nam, cùng thiết kế thực nghiệm đánh giá hiệu quả. ▸ [EV-01]

Mục tiêu (Purpose): (1) xây dựng khung lý thuyết và hướng dẫn thực thi Curriculum 5.0 cho giáo dục đại học Việt Nam; (2) đề xuất quy trình thiết kế lặp sáu bước tích hợp AI vào PLO và ma trận học phần; (3) thiết kế thực nghiệm bán tự nhiên đánh giá tác động lên năng lực AI, kết quả học tập và trải nghiệm cá nhân hóa, cùng kiểm định vai trò trung gian của CI.

Phương pháp tiếp cận (Approach): Tổng hợp lý thuyết tích hợp, kết nối Constructive Alignment (Biggs, 1996), Competency-Based Education, Education 5.0, Curriculum Intelligence, và khung Curriculum 5.0 của Barrot (2022), đối chiếu với UNESCO AI Competency Framework for Students (2024) và Thông tư 02/2025/TT-BGDĐT. Thiết kế DBR kết hợp thực nghiệm bán tự nhiên với N = 200.

Kết quả lý thuyết (Theoretical Results): Thiết lập khung sáu đặc trưng Curriculum 5.0 vận hành hóa cho Việt Nam, quy trình thiết kế sáu bước, và bốn giả thuyết (H1–H4) về tác động lên năng lực AI, kết quả học tập, trải nghiệm cá nhân hóa, và vai trò trung gian của Curriculum Intelligence trong chuỗi AI capability → CI → curriculum adaptability.

Đóng góp (Contribution): Cung cấp khung Curriculum 5.0 khả vận hành cho bối cảnh Việt Nam — kế thừa nền tảng khái niệm của Barrot (2022) và mở rộng bằng tích hợp thể chế cụ thể (Thông tư 54/2026, Thông tư 02/2025, Quyết định 3439), quy trình sáu bước, và thiết kế thực nghiệm có đối chứng; chuyển từ tiếp cận “thêm môn học AI” sang quản trị chương trình đào tạo thích ứng dựa trên dữ liệu.

Bối cảnh ứng dụng (Context): Một chương trình đào tạo cử nhân ngành Kinh tế/Quản trị tại trường đại học công lập trọng điểm Việt Nam, giai đoạn 2020–2026.

Keywords / Từ khóa: Curriculum 5.0; Curriculum Intelligence; Constructive Alignment; Competency-Based Education; AI Literacy; Vietnamese Higher Education.

Structured English Abstract

Background: The AI and digital transformation era demands comprehensive restructuring of higher education. Circular 54/2026/TT-BGDDT, issued on June 30, 2026, for the first time mandates that undergraduate learning outcomes include digital competency, artificial intelligence content, foreign language ability, adaptability, and lifelong learning capacity. However, most curricula still operate within closed frameworks with 3–5 year review cycles, creating a gap between institutional requirements and implementation capacity.

Research Problem: Existing literature largely stops at adding standalone AI courses or using isolated AI tools. Barrot (2022) proposed a conceptual Curriculum 5.0 framework for 21st-century higher education, but this framework has not been operationalised for Vietnam’s specific institutional conditions. Curriculum Intelligence research proposes CI as an intermediate organizational capability converting AI capability into curriculum adaptability, yet remains untested empirically in Vietnamese higher education. The core gap is the absence of a Curriculum 5.0 framework integrating Vietnam’s specific institutional requirements, along with an experimental design for effectiveness evaluation. ▸ [EV-01]

Purpose: (1) To construct a theoretical framework and implementation guidance for Curriculum 5.0 in Vietnamese higher education; (2) to propose a six-step iterative design cycle embedding AI into PLOs and curriculum mapping; (3) to design a quasi-experimental study assessing effects on AI competency, learning outcomes, and personalized experience, while testing the mediating role of CI.

Approach: Integrative theoretical synthesis connecting Constructive Alignment (Biggs, 1996), Competency-Based Education, Education 5.0, Curriculum Intelligence, and Barrot’s (2022) Curriculum 5.0 framework, aligned with UNESCO AI Competency Framework for Students (2024) and Circular 02/2025/TT-BGDDT. A DBR combined with quasi-experimental design (N = 200) is proposed.

Theoretical Results: A six-pillar Curriculum 5.0 framework operationalised for Vietnam, a six-step iterative design cycle, and four propositions (H1–H4) on effects on AI competency, learning outcomes, personalized experience, and the mediating role of Curriculum Intelligence in the AI capability → CI → curriculum adaptability chain.

Contribution: An operational Curriculum 5.0 framework for the Vietnamese context — inheriting Barrot’s (2022) conceptual foundation and extending it with specific institutional integration (Circular 54/2026, Circular 02/2025, Decision 3439), a six-step process, and a controlled experimental design; shifting from “adding AI courses” to data-driven adaptive curriculum governance.

Application Context: A bachelor’s program in Economics/Business at a key public university in Vietnam, 2020–2026.

Keywords: Curriculum 5.0; Curriculum Intelligence; Constructive Alignment; Competency-Based Education; AI Literacy; Vietnamese Higher Education.

 

1. GIỚI THIỆU (INTRODUCTION)

1.1. Bối cảnh (Context)

Kỷ nguyên trí tuệ nhân tạo (AI) và chuyển đổi số đặt ra yêu cầu tái cấu trúc toàn diện giáo dục đại học. Chương trình đào tạo (CTĐT) tại Việt Nam phần lớn vẫn vận hành theo mô hình đóng khung truyền thống, chu kỳ rà soát kéo dài 3–5 năm, dẫn đến tình trạng chậm cập nhật và sinh viên thiếu hụt các năng lực thích ứng với môi trường làm việc thông minh. Trong khi đó, Thông tư 54/2026/TT-BGDĐT ban hành ngày 30 tháng 6 năm 2026 đánh dấu bước chuyển thể chế quan trọng: lần đầu tiên, chuẩn đầu ra trình độ đại học được quy định phải bao gồm năng lực số, nội dung trí tuệ nhân tạo, năng lực ngoại ngữ, khả năng thích ứng và học tập suốt đời. Yêu cầu này đặt ra áp lực tái thiết kế chương trình không chỉ ở cấp độ bổ sung môn học mà ở cấp độ kiến trúc tổng thể.

Bối cảnh chính sách Việt Nam giai đoạn 2020–2026 cho thấy sự hình thành dày đặc của các khung thể chế liên quan. Thông tư 02/2025/TT-BGDĐT ban hành ngày 24 tháng 01 năm 2025 quy định Khung năng lực số cho người học với sáu miền năng lực và 24 năng lực thành phần, trong đó miền thứ sáu 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. Khung này được xác định là cơ sở để xây dựng chuẩn chương trình đào tạo, phát triển chương trình giáo dục và đánh giá kết quả năng lực số của người học.

Quyết định 3439/QĐ-BGDĐT ban hành ngày 15 tháng 12 năm 2025 về Khung nội dung thí điểm giáo dục trí tuệ nhân tạo cho học sinh phổ thông, dựa trên bốn mạch kiến thức: tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, thiết kế hệ thống AI. ▸ [EV-06] (Lưu ý: một số tài liệu trình bày khung này dưới dạng ba mạch, gộp “Đạo đức, Dữ liệu và Pháp luật” thành một mạch; cách phân loại bốn mạch được sử dụng trong nghiên cứu này phản ánh cấu trúc năng lực chi tiết hơn.) Khung này được thiết kế xuyên suốt từ tiểu học đến trung học phổ thông, với mức độ phức tạp tăng dần, tạo nền tảng liên thông cho giáo dục đại học. Những khung này tạo ra hệ sinh thái thể chế liên thông từ phổ thông đến đại học, nhưng đồng thời đặt ra thách thức về cách tích hợp chúng vào chuẩn đầu ra và ma trận học phần của từng CTĐT cụ thể.

Tuy nhiên, phần lớn các trường đại học Việt Nam vẫn tiếp cận AI theo cách rời rạc: bổ sung một môn “Nhập môn AI” vào chương trình, hoặc sử dụng công cụ AI trong một vài lớp học. Cách tiếp cận này không tạo ra sự chuyển dịch cấu trúc cần thiết để sinh viên phát triển năng lực AI một cách hệ thống, và không kết nối được với yêu cầu của thị trường lao động đang thay đổi nhanh chóng. Khoảng cách giữa yêu cầu thể chế (Thông tư 54/2026) và thực tiễn triển khai (bổ sung môn học đơn lẻ) chính là vấn đề mà nghiên cứu này muốn giải quyết.

Để định lượng khoảng cách này, nghiên cứu đề xuất sử dụng công cụ Skill Intelligence dựa trên NLP để phân tích 10.000 bản mô tả công việc ngành Kinh tế từ các nền tảng tuyển dụng số, nhằm xác định khoảng trống kỹ năng giữa yêu cầu thị trường lao động và nội dung CTĐT hiện hành. ▸ [IC-06]

1.2. Vấn đề nghiên cứu (Research Problem)

Y văn về chương trình đào tạo trong kỷ nguyên AI đang đối mặt với ba khoảng trống liên quan đến câu hỏi thiết kế và triển khai.

Khoảng trống thứ nhất – thiếu mô hình vận hành hóa tích hợp đặc thù thể chế Việt Nam. Barrot (2022) đã đề xuất khung Curriculum 5.0 khái niệm cho giáo dục đại học thế kỷ 21, với sáu đặc trưng: đáp ứng nhu cầu công nghiệp/xã hội, cân bằng kết quả và quy trình, khai thác công nghệ bổ trợ sáng tạo con người, phát triển đa năng lực, khai thác kỹ năng tự quản lý, và tiếp cận văn hóa-xã hội. ▸ [EV-01] Tuy nhiên, khung này dừng ở cấp độ khái niệm quốc tế, chưa tích hợp các yêu cầu thể chế cụ thể của Việt Nam (Thông tư 54/2026, Thông tư 02/2025, Quyết định 3439) và chưa cung cấp quy trình thiết kế khả vận hành. Nghiên cứu về Curriculum Intelligence (CI) đề xuất CI như năng lực tổ chức trung gian chuyển hóa AI capability thành curriculum adaptability, nhưng cũng dừng ở cấp độ khái niệm và đo lường.

Khoảng trống thứ hai – thiếu kết nối giữa khung năng lực AI và chuẩn đầu ra chương trình đào tạo. UNESCO (2024) đã cung cấp Khung năng lực AI cho sinh viên với 12 năng lực trên bốn chiều và ba mức độ tiến trình (hiểu, áp dụng, sáng tạo). Thông tư 02/2025/TT-BGDĐT cung cấp khung năng lực số với miền “Ứng dụng AI”. Tuy nhiên, chưa có nghiên cứu nào đề xuất phương pháp luận để tích hợp các khung này vào chuẩn đầu ra (PLOs) và ma trận học phần (curriculum mapping) một cách có hệ thống.

Khoảng trống thứ ba – thiếu thiết kế thực nghiệm để đánh giá hiệu quả. Các nghiên cứu về đổi mới chương trình đào tạo thường dừng ở đề xuất khung lý thuyết hoặc mô tả trường hợp, thiếu thiết kế thực nghiệm có nhóm đối chứng để đánh giá tác động lên năng lực sinh viên. Nghiên cứu về Curriculum Intelligence cũng thừa nhận rằng novelty của CI chỉ hợp lệ nếu nó chứng minh được conceptual distinctiveness, discriminant validity, và incremental validity, nhưng chưa có thiết kế thực nghiệm để kiểm định những điều này trong bối cảnh Việt Nam. ▸ [IC-02]

1.3. Mục tiêu và câu hỏi nghiên cứu (Objectives and Research Questions)

Nghiên cứu đặt ba mục tiêu: (1) xây dựng khung lý thuyết và hướng dẫn thực thi mô hình Curriculum 5.0 cho giáo dục đại học Việt Nam; (2) đề xuất quy trình thiết kế lặp sáu bước tích hợp AI vào chuẩn đầu ra và ma trận học phần; (3) thiết kế thực nghiệm bán tự nhiên để đánh giá tác động lên năng lực AI, kết quả học tập, và trải nghiệm cá nhân hóa của sinh viên, cùng kiểm định vai trò trung gian của Curriculum Intelligence.

Câu hỏi nghiên cứu tương ứng: (1) Các thành tố và đặc trưng cốt lõi cấu thành mô hình Curriculum 5.0 trong bối cảnh giáo dục đại học Việt Nam là gì? (2) Cơ chế nào cho phép tích hợp hiệu quả khung năng lực AI vào chuẩn đầu ra (PLOs) và ma trận học phần? (3) Mô hình thí điểm tác động ra sao đến mức độ đáp ứng năng lực AI, kết quả học tập và trải nghiệm cá nhân hóa của sinh viên?

1.4. Phạm vi nghiên cứu (Scope)

Phạm vi lý thuyết giới hạn ở thiết kế khung Curriculum 5.0 cho giáo dục đại học, tập trung vào cấp độ chương trình đào tạo cử nhân. Phạm vi thực nghiệm đề xuất giới hạn ở một CTĐT ngành Kinh tế/Quản trị tại một trường đại học công lập trọng điểm Việt Nam, giai đoạn 2020–2026, với N = 200 sinh viên tham gia (100 thực nghiệm, 100 đối chứng).

2. CƠ SỞ LÝ THUYẾT TÍCH HỢP (INTEGRATED THEORETICAL FOUNDATIONS)

2.1. Lý thuyết Liên kết Xây dựng (Constructive Alignment)

Biggs (1996) đề xuất nguyên lý Liên kết Xây dựng (Constructive Alignment) như một cách tiếp cận thiết kế giảng dạy ở bậc đại học, đảm bảo tính nhất quán nội tại giữa Chuẩn đầu ra dự kiến (Intended Learning Outcomes – ILOs/PLOs), Hoạt động dạy và học (Teaching & Learning Activities), và Đánh giá kết quả (Assessment Tasks). Nguyên lý này có hàm ý thiết kế quan trọng cho Curriculum 5.0: việc tích hợp năng lực AI không thể dừng ở việc thêm mục tiêu vào PLOs mà phải kéo theo tái thiết kế hoạt động học tập và phương thức đánh giá tương ứng. Nếu PLOs yêu cầu sinh viên “áp dụng AI để giải quyết vấn đề” nhưng hoạt động học tập vẫn là giảng đường truyền thụ và đánh giá vẫn là thi giấy, thì sự liên kết bị phá vỡ và năng lực AI không được hình thành.

Bổ sung cho Biggs (1996), Wiggins và McTighe (2005) với nguyên lý Thiết kế Đảo ngược (Backward Design) cung cấp quy trình ba bước: xác định kết quả mong muốn, xác định bằng chứng đánh giá, và thiết kế hoạt động học tập. Chi và Wylie (2014) với Khung ICAP bổ sung tiêu chí đánh giá mức độ gắn kết nhận thức: Curriculum 5.0 có giá trị sư phạm khi nó khuyến khích chuyển dịch từ thụ động sang kiến tạo và tương tác.

2.2. Giáo dục dựa trên Năng lực (Competency-Based Education)

Giáo dục dựa trên Năng lực (CBE) chuyển dịch trọng tâm từ “thời gian tích lũy tín chỉ” (seat time) sang “mức độ làm chủ năng lực thực tế” (mastery). Điều này tạo cơ sở cho việc công nhận học tập theo mô-đun và tín chỉ vi mô (micro-credentials), cho phép sinh viên tích lũy năng lực theo tốc độ và lộ trình cá nhân. Trong bối cảnh Curriculum 5.0, CBE cung cấp nền tảng cho đặc trưng “Competency-oriented” và “Flexible & Modular”.

2.3. Triết lý Giáo dục 5.0 (Education 5.0)

Triết lý Giáo dục 5.0 phát triển trên nền tảng Xã hội 5.0 (Society 5.0) – nơi công nghệ số và AI đóng vai trò công cụ trợ lực (enabler), còn con người giữ vị trí trung tâm. Đối với Curriculum 5.0, triết lý này cung cấp định hướng quy phạm: AI không phải là mục tiêu mà là phương tiện, và sự phát triển năng lực của con người (tư duy phản biện, đạo đức, trí tuệ cảm xúc) vẫn là đích đến tối thượng.

2.4. Khung Curriculum 5.0 của Barrot (2022) và Mô hình Curriculum Intelligence (CI)

▸ [EV-01] Barrot (2022) đã đề xuất khung Curriculum 5.0 cho giáo dục đại học thế kỷ 21, với sáu đặc trưng cốt lõi: giải quyết nhu cầu công nghiệp/xã hội, cân bằng kết quả và quy trình, khai thác công nghệ bổ trợ sáng tạo con người, phát triển đa năng lực, khai thác kỹ năng tự quản lý, và tiếp cận văn hóa-xã hội. Đây là nền tảng khái niệm quan trọng mà nghiên cứu này kế thừa và vận hành hóa. Tuy nhiên, Barrot không tích hợp đặc thù thể chế Việt Nam và không cung cấp quy trình thiết kế khả vận hành — đây chính là khoảng trống mà nghiên cứu này lấp đầy.

Nghiên cứu về Curriculum Intelligence đề xuất CI như một năng lực tổ chức ở cấp trung gian, chuyển hóa AI capability thành curriculum adaptability thông qua chuỗi: AI capability → Curriculum Intelligence → Curriculum Adaptability → Graduate Competency Relevance. Đóng góp lý thuyết của CI là chuyển logic từ technological determinism (AI adoption → outcome) sang organizational mechanism (AI capability → intelligence → adaptability → value). CI được định vị là domain-specific organizational capability, không chỉ là việc sử dụng công cụ AI trong quản trị chương trình. Điều này có nghĩa là Curriculum 5.0 không thể chỉ là tập hợp các công cụ AI được thêm vào quy trình hiện có, mà phải là sự tái cấu trúc năng lực tổ chức để liên tục cảm nhận (sense), tích hợp (integrate), diễn giải (interpret), quyết định (decide), tái cấu hình (reconfigure), đánh giá (evaluate), và học hỏi (learn).

▸ [EV-05] Khái niệm CI cũng đã được ứng dụng trong thực tiễn quản trị đại học. Khon Kaen University (Thái Lan) đã triển khai “KKU Curriculum Intelligence Platform” từ tháng 6/2026, cho phép các cấp quản lý từ hội đồng trường đến giảng viên truy cập dữ liệu chương trình để phân tích, benchmark quốc tế, và ra quyết định điều chỉnh chương trình theo hướng tích hợp AI. Điều này cho thấy CI không chỉ là khái niệm lý thuyết mà đã trở thành công cụ vận hành trong thực tiễn.

Bổ sung cho CI, các lý thuyết học tập thực chứng cung cấp nền tảng nhận thức cho thiết kế mô-đun. Bransford, Brown và Cocking (2000) xác lập ba nguyên lý khoa học học tập. Ambrose và cộng sự (2010) bổ sung bảy nguyên tắc sư phạm thực chứng. Sweller, Ayres và Kalyuga (2011) cảnh báo rằng khi AI loại bỏ hoàn toàn nỗ lực nhận thức, nó triệt tiêu cơ chế hình thành lược đồ nhận thức. Vygotsky (1978) với ZPD nhắc rằng học tập hiệu quả nhất xảy ra khi người học được hỗ trợ trong vùng phát triển gần nhất. Papert (1980) với constructionism bổ sung chiều “học qua làm”. Mishra và Koehler (2006) với TPACK nhắc rằng năng lực tích hợp công nghệ là sự giao thoa giữa tri thức công nghệ, sư phạm và nội dung. Zimmerman (2002) và Pintrich (2000) bổ sung chiều tự điều hòa học tập. Dunlosky và cộng sự (2013) cung cấp tiêu chí cho thiết kế hoạt động học tập. Facione (1990) và Kuhn (1999) bổ sung chiều tư duy phản biện. Nicol và Macfarlane-Dick (2006) và Boud và Falchikov (2007) cung cấp khung cho thiết kế đánh giá.

3. TỔNG QUAN NGHIÊN CỨU VÀ KHUNG NĂNG LỰC (LITERATURE REVIEW AND COMPETENCY FRAMEWORKS)

3.1. Xu hướng Mô hình Chương trình Đào tạo Kỷ nguyên AI

Hai xu hướng chính đang định hình thiết kế chương trình đào tạo trong kỷ nguyên AI. Thứ nhất, AI-enabled Curriculum chuyển từ việc dạy công nghệ như một môn học sang nhúng công nghệ vào quy trình kiến tạo tri thức. Thứ hai, Micro-credentials & Modular learning phản ánh xu hướng tích lũy chứng chỉ kỹ năng số linh hoạt. Thông tư 54/2026/TT-BGDĐT của Việt Nam cũng yêu cầu chương trình đào tạo phải chỉ rõ các thành phần bắt buộc và tự chọn để sinh viên có thể xây dựng lộ trình học tập phù hợp.

3.2. Khung Năng lực AI Quốc tế làm Chuẩn Đối sánh

UNESCO AI Competency Framework for Students (2024) mô tả 12 năng lực trên bốn chiều: tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, và thiết kế hệ thống AI. Các năng lực này trải qua ba mức độ tiến trình: hiểu, áp dụng, và sáng tạo. Đây là khung tham chiếu chính cho việc tích hợp năng lực AI vào PLOs trong mô hình Curriculum 5.0.

▸ [EV-02] OECD AI Literacy Framework (AILit) đã ra mắt phiên bản cuối cùng vào ngày 18 tháng 6 năm 2026, sau giai đoạn dự thảo từ tháng 5/2025. Khung này tổ chức AI literacy thành bốn lĩnh vực: tương tác với AI (Engage with AI), sáng tạo với AI (Create with AI), quản lý AI (Manage AI), và định hình AI (Shape AI). Điểm đáng chú ý là khung này nhấn mạnh siêu nhận thức, phản tư, và tự điều chỉnh, giúp sinh viên suy nghĩ phản biện về cách AI ảnh hưởng đến việc học, lựa chọn và các mối quan hệ của họ. Mặc dù được thiết kế cho giáo dục phổ thông, các nguyên lý của khung này có thể mở rộng cho giáo dục đại học và học tập suốt đời.

3.3. Bối cảnh Chính sách Giáo dục Việt Nam

Thông tư 02/2025/TT-BGDĐT quy định Khung năng lực số cho người học với sáu miền năng lực và 24 năng lực thành phần. Miền thứ sáu – “Ứng dụng trí tuệ nhân tạo” – tập trung vào việc hiểu, sử dụng và đánh giá các công cụ, hệ thống AI một cách có đạo đức và trách nhiệm. Thông tư nêu rõ khung này được sử dụng làm cơ sở để xây dựng chuẩn chương trình đào tạo, phát triển chương trình giáo dục, và đánh giá kết quả năng lực số của người học.

Quyết định 3439/QĐ-BGDĐT ban hành Khung nội dung thí điểm giáo dục AI cho học sinh phổ thông, dựa trên bốn mạch kiến thức tương ứng với bốn miền năng lực: tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, thiết kế hệ thống AI. ▸ [EV-06] Khung này được thiết kế xuyên suốt từ tiểu học đến trung học phổ thông, với mức độ phức tạp tăng dần, tạo nền tảng liên thông cho giáo dục đại học.

Thông tư 54/2026/TT-BGDĐT về chương trình đào tạo giáo dục đại học yêu cầu chuẩn đầu ra phải được định nghĩa dưới dạng năng lực đo lường và đánh giá được. Đối với trình độ đại học, sinh viên tốt nghiệp phải có năng lực số, kiến thức AI, năng lực ngoại ngữ, và khả năng thích ứng và học tập suốt đời. Đây là lần đầu tiên năng lực số và AI được quy định là chuẩn đầu ra bắt buộc cho tất cả CTĐT đại học, tạo ra động lực thể chế mạnh mẽ cho việc tái thiết kế chương trình.

3.4. Khoảng trống Nghiên cứu (Research Gap)

Từ tổng quan trên, ba khoảng trống được xác định. Thứ nhất, chưa có khung Curriculum 5.0 nào được vận hành hóa cho bối cảnh thể chế Việt Nam — Barrot (2022) đã đặt nền tảng khái niệm, nhưng chưa tích hợp các yêu cầu cụ thể của Thông tư 54/2026, Thông tư 02/2025, và Quyết định 3439. Thứ hai, chưa có phương pháp luận hệ thống để ánh xạ khung năng lực AI (UNESCO, OECD) vào chuẩn đầu ra và ma trận học phần của CTĐT đại học. Thứ ba, chưa có thiết kế thực nghiệm để đánh giá hiệu quả của một mô hình chương trình tích hợp AI trong bối cảnh giáo dục đại học Việt Nam, bao gồm việc kiểm định conceptual distinctiveness, discriminant validity, và incremental validity của CI. ▸ [EV-01, IC-02]

4. MÔ HÌNH NGHIÊN CỨU VÀ QUY TRÌNH THIẾT KẾ (RESEARCH MODEL AND DESIGN PROCESS)

4.1. Khung Sáu Đặc trưng Curriculum 5.0 (Six-Pillar Framework)

Khung Curriculum 5.0 được xây dựng trên sáu đặc trưng trụ cột, mỗi đặc trưng gắn với một cơ chế vận hành và một chỉ báo đánh giá.

Bảng 1: Sáu đặc trưng trụ cột của Curriculum 5.0

Đặc trưng	Cơ chế vận hành	Chỉ báo đánh giá
1. Định hướng năng lực (Competency-oriented)	PLOs được định nghĩa dưới dạng năng lực đo lường được, liên kết với khung năng lực AI (UNESCO/Thông tư 02)	Tỷ lệ PLOs có thể đo lường; mức độ liên kết với khung năng lực
2. Cá nhân hóa thích ứng (Adaptive Personalization)	Lộ trình học tập tùy biến theo tốc độ và năng lực cá nhân, sử dụng AI để gợi ý mô-đun phù hợp	Mức độ cá nhân hóa lộ trình; sự hài lòng của sinh viên với trải nghiệm cá nhân hóa
3. Dựa trên dữ liệu và bằng chứng (Data & Evidence)	Vận hành và điều chỉnh dựa trên learning analytics và dữ liệu thị trường tuyển dụng	Tần suất sử dụng dữ liệu để điều chỉnh chương trình; mức độ kết nối với dữ liệu thị trường lao động
4. Linh hoạt và Mô-đun (Flexible & Modular)	Cấu trúc khối kiến thức vi mô, dễ tích hợp tín chỉ kỹ năng số và micro-credentials	Số lượng mô-đun; tỷ lệ sinh viên tích lũy micro-credentials
5. Tích hợp công nghệ sâu (Deep Tech & AI)	Tận dụng GenAI, Agentic AI, LMS thông minh, và mô phỏng thực nghiệm số trong dạy và học	Mức độ tích hợp AI vào hoạt động học tập; tần suất sử dụng công cụ AI
6. Lấy con người làm trung tâm và Tư duy đạo đức (Human-Centered & Ethical Mind)	Chú trọng tư duy phản biện, đạo đức công nghệ, trí tuệ cảm xúc, và phát triển bền vững	Điểm đánh giá tư duy phản biện; nhận thức về đạo đức AI

4.2. So sánh Tương phản với Các Khung Đã có (Contrastive Comparison with Existing Frameworks)

Khung	Trọng tâm	Điểm mạnh	Điểm hạn chế so với khung đề xuất
Barrot (2022) — Curriculum 5.0	Sáu đặc trưng khái niệm cho giáo dục đại học thế kỷ 21	Nền tảng khái niệm tiên phong, có ảnh hưởng	Khung khái niệm quốc tế; chưa vận hành hóa cho Việt Nam; chưa có quy trình thiết kế và thiết kế thực nghiệm
Education 5.0 (Thongpanit et al., 2026)	Mô hình STUDIES: lộ trình từ tiếp thu kiến thức đến siêu nhận thức	Nhấn mạnh lấy con người làm trung tâm, phát triển kỹ năng xã hội-cảm xúc	Tập trung vào giáo dục giáo viên, chưa thiết kế khung chương trình đào tạo cụ thể cho đại học
Curriculum Intelligence (aitechbook.com, 2026)	CI như năng lực tổ chức trung gian	Chuyển logic từ technological determinism sang organizational mechanism	Dừng ở cấp độ khái niệm và đề xuất đo lường, chưa có kết quả thực nghiệm
KKU Curriculum Intelligence Platform (2026)	Ứng dụng CI trong quản trị đại học	Triển khai thực tiễn, tích hợp dữ liệu từ cấp trường đến lớp học	Là công cụ vận hành, chưa có đánh giá học thuật về hiệu quả
OECD AI Literacy Framework (2026)	Bốn lĩnh vực: Engage, Create, Manage, Shape	Nhấn mạnh siêu nhận thức, phản tư, tự điều chỉnh	Thiết kế cho giáo dục phổ thông, chưa mở rộng cho đại học và quản trị chương trình
Khung đề xuất	Sáu đặc trưng + quy trình sáu bước + bốn giả thuyết	Kế thừa Barrot (2022), vận hành hóa cho Việt Nam; tích hợp thể chế cụ thể; thiết kế thực nghiệm có đối chứng	Cần kiểm định thực nghiệm

4.3. Quy trình Thiết kế Lặp Sáu bước (Six-Step Iterative Design Cycle)

Bước 1 – Phân tích Nhu cầu Kỹ năng (Skill Intelligence): Ứng dụng NLP khai phá dữ liệu lớn từ thị trường lao động số để xác định các năng lực cần thiết cho ngành Kinh tế/Quản trị. Kết quả là một bản đồ năng lực (competency map) phản ánh yêu cầu thực tế của thị trường.

Bước 2 – Tái định vị Chuẩn đầu ra (Redefining PLOs): Nhúng khung năng lực AI (UNESCO 2024, Thông tư 02/2025) vào chuẩn đầu ra chuyên ngành. Mỗi PLO được diễn đạt dưới dạng năng lực đo lường được, với các mức độ tiến trình (hiểu, áp dụng, sáng tạo) tương ứng với yêu cầu của ngành.

Bước 3 – Ánh xạ Chương trình (AI Curriculum Mapping): Đối chiếu ma trận ba chiều: Courses ↔ PLOs ↔ AI Competencies. Sử dụng công cụ AI để tự động hóa việc ánh xạ và phát hiện các khoảng trống hoặc trùng lặp.

Bước 4 – Phân tích Khoảng trống (Gap Analysis): Định lượng độ lệch giữa chương trình hiện hành và yêu cầu thực tế (từ Bước 1) cũng như yêu cầu thể chế (từ Bước 2). Khoảng trống được phân loại theo mức độ ưu tiên và nguồn lực cần thiết để lấp đầy.

Bước 5 – Thiết kế và Số hóa Mô-đun (Modular Design & Development): Xây dựng các gói học phần linh hoạt, tích hợp bài tập thực chiến có trợ lý AI giám sát. Mỗi mô-đun được thiết kế theo nguyên lý Constructive Alignment.

Bước 6 – Đánh giá và Cải tiến Liên tục (Feedback & Continuous Improvement): Thu thập dữ liệu phản hồi theo chu kỳ ngắn hạn từ người học và giảng viên. Sử dụng dữ liệu này để điều chỉnh thiết kế mô-đun, cập nhật PLOs, và tinh chỉnh ma trận ánh xạ. Đây là cơ chế vận hành của Curriculum Intelligence: Sense → Integrate → Interpret → Decide → Reconfigure → Evaluate → Learn. ▸ [IC-10]

4.4. Bốn Giả thuyết Nghiên cứu (Four Propositions)

H1 (Năng lực AI): Sinh viên trong nhóm thực nghiệm (học theo Curriculum 5.0) đạt điểm năng lực AI cao hơn có ý nghĩa thống kê so với nhóm đối chứng (học theo CTĐT truyền thống), đo bằng bộ công cụ đánh giá chuẩn hóa theo khung UNESCO (2024) và Thông tư 02/2025/TT-BGDĐT.

H2 (Kết quả học tập): Sinh viên trong nhóm thực nghiệm đạt điểm GPA và điểm Rubric giải quyết vấn đề bằng công nghệ số cao hơn có ý nghĩa thống kê so với nhóm đối chứng.

H3 (Trải nghiệm cá nhân hóa): Sinh viên trong nhóm thực nghiệm báo cáo mức độ hài lòng với trải nghiệm cá nhân hóa cao hơn nhóm đối chứng, đo bằng khảo sát Likert 5 điểm và phỏng vấn sâu.

H4 (Vai trò trung gian của Curriculum Intelligence): Curriculum Intelligence (CI) trung gian hóa mối quan hệ giữa năng lực AI của tổ chức (AI capability) và tính thích ứng của chương trình đào tạo (curriculum adaptability). Cụ thể, tác động gián tiếp của AI capability lên curriculum adaptability thông qua CI sẽ có ý nghĩa thống kê, ngay cả khi kiểm soát tác động trực tiếp. Cơ sở: CI được định vị là năng lực tổ chức trung gian chuyển hóa AI capability thành curriculum adaptability; nghiên cứu về CI thừa nhận novelty của CI chỉ hợp lệ nếu chứng minh được conceptual distinctiveness, discriminant validity, và incremental validity — những điều này đòi hỏi kiểm định mediation. Việc xác nhận H4 sẽ cung cấp bằng chứng thực nghiệm đầu tiên tại Việt Nam cho chuỗi logic AI capability → CI → curriculum adaptability → graduate competency relevance. ▸ [IC-01]

5. PHƯƠNG PHÁP NGHIÊN CỨU (RESEARCH METHODOLOGY)

5.1. Thiết kế (Design)

Nghiên cứu sử dụng thiết kế nghiên cứu dựa trên thiết kế (Design-Based Research – DBR) kết hợp phương pháp hỗn hợp (Mixed-Methods) và thực nghiệm bán tự nhiên (Quasi-experimental). DBR phù hợp với nghiên cứu này vì nó cho phép vừa thiết kế và triển khai can thiệp, vừa nghiên cứu quá trình và kết quả trong bối cảnh thực tế.

Đạo đức nghiên cứu: Nghiên cứu sẽ được phê duyệt bởi hội đồng đạo đức của trường. Tất cả người tham gia ký informed consent và được thông báo về quyền rút khỏi nghiên cứu bất cứ lúc nào. Dữ liệu sẽ được mã hóa và lưu trữ bảo mật. Hiệu ứng Hawthorne được kiểm soát bằng cách không thông báo cho sinh viên biết giả thuyết nghiên cứu cụ thể.

5.2. Mẫu (Sample)

Mẫu gồm 200 sinh viên năm hai tại một CTĐT cử nhân ngành Kinh tế/Quản trị tại một trường đại học công lập trọng điểm. Nhóm thực nghiệm (N = 100) học theo CTĐT thí điểm Curriculum 5.0; nhóm đối chứng (N = 100) học theo CTĐT truyền thống. Phân bổ ngẫu nhiên trong điều kiện cho phép (nếu không thể phân bổ ngẫu nhiên hoàn toàn, sử dụng propensity score matching để kiểm soát sự khác biệt ban đầu).

5.3. Các Giai đoạn Triển khai (Research Phases)

Giai đoạn 1 – Khảo sát và Gap Analysis (3 tháng): Phân tích đối sánh chương trình hiện tại với 10.000 bản mô tả công việc ngành Kinh tế được quét tự động qua công cụ Skill Intelligence. Kết quả là bản đồ khoảng trống năng lực và đề xuất điều chỉnh PLOs.

Giai đoạn 2 – Thiết kế Mẫu thử (6 tháng): Hoàn thiện khung CTĐT Curriculum 5.0, đề cương chi tiết môn học, và bộ tiêu chí đánh giá. Tổ chức hội thảo với giảng viên và chuyên gia để thẩm định thiết kế.

Giai đoạn 3 – Triển khai Thí điểm (1 học kỳ chính quy): Vận hành giảng dạy thí điểm cho nhóm thực nghiệm. Nhóm đối chứng tiếp tục học theo CTĐT truyền thống. Thu thập dữ liệu quá trình (learning analytics, thinking trail) và dữ liệu định tính (nhật ký giảng viên, phỏng vấn sinh viên).

Giai đoạn 4 – Đo lường và Phân tích (2 tháng): Thực hiện khảo sát Pre-test và Post-test đối với cả hai nhóm. Đánh giá năng lực AI, kết quả học tập, và trải nghiệm cá nhân hóa. Phân tích định lượng (ANCOVA, effect size, mediation analysis) và định tính (thematic analysis).

5.4. Công cụ và Thang đo lường (Measures)

Năng lực AI: Bộ công cụ đánh giá chuẩn hóa theo khung năng lực AI của UNESCO (2024) và Thông tư 02/2025/TT-BGDĐT. Bao gồm bốn chiều: tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, thiết kế hệ thống AI. Thang đo Likert 5 điểm kết hợp bài kiểm tra năng lực thực hành.

Kết quả học tập: Điểm GPA học kỳ kết hợp thang đo Rubric đánh giá năng lực giải quyết vấn đề bằng công nghệ số. Rubric gồm bốn mức: chưa đạt, đạt, khá, tốt.

Chỉ số hài lòng và tương tác: Khảo sát Likert 5 mức độ về trải nghiệm cá nhân hóa, mức độ hữu ích của AI trong học tập, và mức độ hài lòng tổng thể. Phỏng vấn sâu với 20 sinh viên (10 mỗi nhóm) và 5 giảng viên.

Đo lường Curriculum Intelligence (cho H4): CI được đo bằng thang đo năng lực tổ chức gồm bảy chiều tương ứng với chu trình Sense → Integrate → Interpret → Decide → Reconfigure → Evaluate → Learn, với Likert 5 điểm, đánh giá bởi giảng viên và cán bộ quản lý chương trình. AI capability được đo bằng mức độ tích hợp công cụ AI vào quy trình quản trị chương trình. Curriculum adaptability được đo bằng tần suất và mức độ điều chỉnh chương trình dựa trên dữ liệu trong 12 tháng. ▸ [IC-01]

Inter-rater reliability: Bài luận và rubric được đánh giá độc lập bởi hai giảng viên. Độ tin cậy giữa người đánh giá được kiểm định bằng Cohen’s kappa cho từng chiều và cho tổng điểm, với ngưỡng chấp nhận κ ≥ 0,70 (substantial agreement). Nếu κ < 0,70, hai giảng viên sẽ thảo luận để thống nhất tiêu chí và chấm lại 20% bài. ▸ [RB-02]

5.5. Phân tích (Analysis)

Định lượng: ANCOVA với điểm pre-test làm covariate để kiểm định H1, H2, H3. Effect size dự kiến 0,3–0,5 cho H1 và H2; H3 có thể có effect size lớn hơn do đo lường chủ quan.

Phân tích mediation cho H4: Sử dụng PROCESS macro (Model 4) với bootstrapping 5.000 lần lặp để kiểm định tác động gián tiếp của AI capability lên curriculum adaptability thông qua CI; báo cáo indirect effect, 95% CI, và tỷ lệ mediation. Xử lý dữ liệu thiếu: Với H4, missing data được xử lý bằng FIML (Full Information Maximum Likelihood) trong mô hình SEM, phù hợp hơn multiple imputation cho phân tích mediation. Kiểm soát confounding: Mô hình mediation bao gồm các covariates ở cấp tổ chức: quy mô trường (số sinh viên), tỷ lệ giảng viên/sinh viên, và ngân sách công nghệ hàng năm, nhằm kiểm soát sự khác biệt về nguồn lực giữa các đơn vị. ▸ [RB-02]

Nếu PSM được sử dụng: báo cáo standardized mean differences trước/sau matching (ngưỡng < 0,1) và thực hiện sensitivity analysis cho unmeasured confounding (Rosenbaum bounds). ▸ [RB-02]

Định tính: Phân tích chủ đề (thematic analysis) learning analytics, nhật ký giảng viên, và phỏng vấn, tập trung vào cơ chế vận hành CI và chiến lược thích ứng chương trình.

6. KẾT QUẢ DỰ KIẾN (ANTICIPATED RESULTS)

Lưu ý: Toàn bộ Mục 6 trình bày kết quả dự kiến suy luận từ khung lý thuyết và bằng chứng y văn, không phải kết quả thực nghiệm đã quan sát.

6.1. Kết quả 1: Khung Lý thuyết và Hướng dẫn Thực thi Curriculum 5.0

Dự kiến nghiên cứu sẽ tạo ra một khung lý thuyết hoàn chỉnh về Curriculum 5.0, bao gồm sáu đặc trưng trụ cột, quy trình thiết kế lặp sáu bước, và bộ công cụ đánh giá. Khung này sẽ được vận hành hóa cho hệ thống giáo dục đại học Việt Nam, tích hợp các yêu cầu của Thông tư 54/2026, Thông tư 02/2025, và Quyết định 3439, đồng thời kế thừa nền tảng khái niệm của Barrot (2022).

6.2. Kết quả 2: Bản thiết kế CTĐT Cử nhân Ngành Kinh tế Mẫu

Dự kiến nghiên cứu sẽ tạo ra một bản thiết kế CTĐT cử nhân ngành Kinh tế mẫu, tích hợp toàn diện năng lực AI và chứng chỉ vi mô (micro-credentials). Bản thiết kế này sẽ bao gồm: ma trận ánh xạ PLOs ↔ Courses ↔ AI Competencies, danh sách các mô-đun với đề cương chi tiết, hệ thống đánh giá theo Constructive Alignment, và lộ trình học tập cá nhân hóa cho sinh viên.

6.3. Kết quả 3: Báo cáo Thực nghiệm về Tác động

Dựa trên thiết kế thực nghiệm, dự kiến nhóm thực nghiệm sẽ đạt điểm cao hơn có ý nghĩa thống kê (p < 0,05) về năng lực AI, tính chủ động học tập, và điểm Rubric giải quyết vấn đề so với nhóm đối chứng. Effect size dự kiến ở mức trung bình (0,3–0,5) cho H1 và H2, tương đương với mức cải thiện được ghi nhận trong các nghiên cứu về can thiệp giáo dục có cấu trúc (Hattie, 2009, với effect size trung bình 0,40; Cohen, 1988, với effect size 0,2–0,5 được coi là nhỏ đến trung bình). H3 (trải nghiệm cá nhân hóa) có thể có effect size lớn hơn do đo lường chủ quan.

Kết quả dự kiến cho H4: Phân tích mediation dự kiến sẽ xác nhận rằng CI trung gian hóa một phần mối quan hệ giữa AI capability và curriculum adaptability, với indirect effect có ý nghĩa thống kê (95% CI không chứa 0). Đây sẽ là bằng chứng thực nghiệm đầu tiên tại Việt Nam cho chuỗi logic AI capability → CI → curriculum adaptability → graduate competency relevance, đồng thời cung cấp cơ sở để kiểm định conceptual distinctiveness, discriminant validity, và incremental validity của CI. ▸ [IC-01]

6.4. Kết quả 4: Bài học Kinh nghiệm và Rủi ro Nhận diện

Dự kiến nghiên cứu sẽ xác định các rủi ro chính trong chuyển đổi CTĐT sang kỷ nguyên AI, bao gồm: (1) năng lực sư phạm số và nhận thức về AI của đội ngũ giảng viên chuyên ngành; (2) rào cản hạ tầng công nghệ thông tin và bản quyền các công cụ AI trả phí; (3) tính liêm chính học thuật và độ tin cậy của các hình thức kiểm tra đánh giá trực tuyến.

7. THẢO LUẬN VÀ HÀM Ý (DISCUSSION AND IMPLICATIONS)

7.1. Đối sánh Quốc tế (International Comparison)

Mô hình Curriculum 5.0 tại Việt Nam kế thừa khung khái niệm của Barrot (2022) và có điểm tương đồng với các mô hình giáo dục AI của Mỹ, châu Âu và Singapore ở việc nhấn mạnh năng lực AI như một chuẩn đầu ra bắt buộc, phù hợp với xu hướng của OECD AI Literacy Framework và UNESCO AI Competency Framework. Điểm khác biệt là bối cảnh thể chế Việt Nam với các yêu cầu cụ thể của Thông tư 54/2026 và Thông tư 02/2025, cũng như điều kiện nguồn lực hạn chế hơn so với các hệ thống giáo dục phát triển.

▸ [EV-05] Một điểm đối sánh đáng chú ý là việc triển khai Curriculum Intelligence trong thực tiễn. Khon Kaen University (Thái Lan) đã vận hành “KKU Curriculum Intelligence Platform” từ tháng 6/2026, cho phép phân tích dữ liệu chương trình từ cấp hội đồng trường đến giảng viên, benchmark quốc tế, và đề xuất điều chỉnh tích hợp AI. Điều này cho thấy CI đã bước ra khỏi phòng thí nghiệm học thuật để trở thành công cụ quản trị thực tế.

Hàm ý lý thuyết của H4: Nếu H4 được xác nhận, điều này có ý nghĩa quan trọng đối với cách hiểu về vai trò của AI trong quản trị chương trình. Cụ thể, đầu tư vào AI capability (công cụ, hạ tầng, dữ liệu) mà không đồng thời phát triển Curriculum Intelligence (năng lực tổ chức để sense, integrate, interpret, decide, reconfigure, evaluate, learn) sẽ không tự động tạo ra curriculum adaptability. Điều này giải thích tại sao nhiều trường đại học mua công cụ AI nhưng chương trình đào tạo không thay đổi — họ thiếu năng lực tổ chức trung gian để chuyển hóa công cụ thành thích ứng. Hàm ý chính sách là: đầu tư vào CI (đào tạo cán bộ quản lý chương trình, xây dựng quy trình ra quyết định dựa trên dữ liệu, phát triển văn hóa học hỏi liên tục) quan trọng không kém đầu tư vào công nghệ. ▸ [RB-01]

7.2. Các Thách thức Then chốt (Key Challenges)

Ba thách thức chính cần được giải quyết để Curriculum 5.0 khả thi. Thứ nhất, năng lực sư phạm số của giảng viên: nhiều giảng viên chuyên ngành Kinh tế chưa được đào tạo về tích hợp AI vào giảng dạy, dẫn đến nguy cơ “AI washing” – thêm công cụ AI vào mà không thay đổi phương pháp sư phạm. Mishra và Koehler (2006) với khung TPACK nhắc rằng năng lực tích hợp công nghệ là sự giao thoa giữa tri thức công nghệ, sư phạm và nội dung. Thứ hai, hạ tầng công nghệ và bản quyền công cụ AI. Thứ ba, liêm chính học thuật: việc sử dụng AI trong đánh giá đặt ra câu hỏi về tính xác thực của kết quả học tập, đòi hỏi thiết kế đánh giá mới.

Rào cản thể chế và chu kỳ rà soát chương trình: Một rào cản thể chế chưa được thảo luận đầy đủ là chu kỳ rà soát chương trình 3–5 năm theo quy định hiện hành. Ngay cả khi CI được triển khai, nó có thể tăng tốc độ phát hiện khoảng trống năng lực, nhưng quyết định điều chỉnh chương trình vẫn phụ thuộc vào quy trình thể chế (họp hội đồng, phê duyệt, cập nhật đề cương). Điều này tạo ra “độ trễ cấu trúc” mà bản thân CI không thể vượt qua nếu không có thay đổi về quy định. Cần nghiên cứu thêm về cách tích hợp CI vào quy trình rà soát hiện hành — ví dụ: sử dụng dữ liệu CI để kích hoạt rà soát sớm khi phát hiện khoảng trống nghiêm trọng, thay vì chờ đến chu kỳ 3–5 năm. ▸ [RB-03]

7.3. Hàm ý Chính sách và Quản trị (Policy and Governance Implications)

Nghiên cứu có ba hàm ý chính sách. Thứ nhất, cần hoàn thiện hành lang pháp lý cho tín chỉ vi mô và mô hình đào tạo kết hợp AI. Thứ hai, cần trao quyền tự chủ thiết kế chương trình cho cơ sở giáo dục đại học: Thông tư 54/2026 đã tạo cơ sở pháp lý cho tự chủ, nhưng cần hướng dẫn cụ thể hơn về cách tích hợp AI vào PLOs. Thứ ba, cần ngân sách đào tạo liên tục cho giảng viên. Các hướng dẫn của Harvard Bok Center (2024) về tích hợp GenAI và liêm chính học thuật, của University of Oxford (2024) về chính sách khảo thí trong kỷ nguyên AI, và của UNESCO (2023) về nguyên tắc cốt lõi về giáo dục lấy con người làm trung tâm và đạo đức AI đều nhấn mạnh tầm quan trọng của việc phát triển năng lực phản biện khi sử dụng AI. ▸ [APA-03]

 

8. KẾT LUẬN (CONCLUSION)

Nghiên cứu này đề xuất một khung Curriculum 5.0 cho giáo dục đại học Việt Nam, dựa trên sáu đặc trưng trụ cột và quy trình thiết kế lặp sáu bước, tích hợp các khung năng lực AI quốc tế (UNESCO 2024, OECD 2026) với các yêu cầu thể chế Việt Nam (Thông tư 54/2026, Thông tư 02/2025, Quyết định 3439). Khung này kế thừa nền tảng khái niệm của Barrot (2022) và vận hành hóa cho bối cảnh thể chế cụ thể của Việt Nam, chuyển dịch từ tiếp cận “thêm môn học AI” sang tiếp cận quản trị chương trình đào tạo thích ứng dựa trên dữ liệu, với Curriculum Intelligence là cơ chế trung gian chuyển hóa AI capability thành curriculum adaptability.

Đóng góp lý thuyết của nghiên cứu là tích hợp Constructive Alignment (Biggs, 1996), Competency-Based Education, Education 5.0, Curriculum Intelligence, và khung Curriculum 5.0 của Barrot (2022) thành một khung thiết kế khả vận hành cho bối cảnh Việt Nam, đồng thời kết nối với các lý thuyết học tập thực chứng đã trình bày tại Mục 2.4. Đóng góp thực tiễn là cung cấp quy trình thiết kế sáu bước, bộ công cụ đánh giá, và thiết kế thực nghiệm có thể được các trường đại học sử dụng để tái thiết kế CTĐT.

Bốn giả thuyết được đề xuất để kiểm định: (H1) nhóm thực nghiệm đạt điểm năng lực AI cao hơn; (H2) đạt kết quả học tập cao hơn; (H3) có trải nghiệm cá nhân hóa tốt hơn; và (H4) Curriculum Intelligence trung gian hóa mối quan hệ giữa AI capability và curriculum adaptability. 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 bao gồm: mở rộng và chuẩn hóa quy trình triển khai Curriculum 5.0 cho các khối ngành Kỹ thuật, Khoa học Xã hội và Sư phạm; phát triển các bộ công cụ tự động hóa quá trình ánh xạ chuẩn đầu ra (Curriculum Mapping Engine) kết nối dữ liệu trực tiếp với thị trường lao động; và nghiên cứu sự phát triển chuyên môn của giảng viên trong việc thiết kế và triển khai hoạt động học tập tích hợp AI. Câu hỏi xuyên suốt là: làm thế nào để chương trình đào tạo trở thành hệ thống thích ứng liên tục học hỏi và điều chỉnh, thay vì cấu trúc tĩnh được rà soát định kỳ vài năm một lần.

 

TUYÊN BỐ ĐÓNG GÓP CỦA TÁC GIẢ (CRediT AUTHORSHIP STATEMENT)

Nguyễn Văn Hùng: Ý tưởng nghiên cứu cốt lõi (Conceptualization); Thiết lập phương pháp luận và cơ sở lý thuyết Constructive Alignment, Competency-Based Education, Education 5.0, Curriculum Intelligence, và các lý thuyết học tập thực chứng (Methodology & Theoretical Development); Xây dựng khung sáu đặc trưng và quy trình thiết kế sáu bước (Framework Architecture & Propositions); Tích hợp bằng chứng từ UNESCO, OECD, Thông tư 02/2025, Quyết định 3439, Thông tư 54/2026 (Evidence Integration); Thiết kế thực nghiệm kiểm định (Experimental Design); Soạn thảo toàn văn bản thảo (Writing – Original Draft); Rà soát, hiệu đính học thuật và chuẩn hóa APA 7 (Writing – Review & Editing); Quản trị dự án nghiên cứu (Project Administration).

DANH MỤC TÀI LIỆU THAM KHẢO (REFERENCES – APA 7TH EDITION)

aitechbook.com. (2026). Xây dựng và kiểm định mô hình Curriculum 5.0: Quản trị chương trình đào tạo thích ứng dựa trên AI nhằm nâng cao sự phù hợp năng lực người tốt nghiệp. https://aitechbook.com/xay-dung-va-kiem-dinh-mo-hinh-curriculum-5-0-quan-tri-chuong-trinh-dao-tao-thich-ung-dua-tren-ai-nham-nang-cao-su-phu-hop-nang-luc-nguoi-tot-nghiep/

Ambrose, S. A., Bridges, M. W., DiPietro, M., Lovett, M. C., & Norman, M. K. (2010). How learning works: Seven research-based principles for smart teaching. Jossey-Bass.

Barrot, J. S. (2022). Curriculum 5.0 for the twenty-first century higher education: A way to move forward. In International handbook on education development in Asia-Pacific (pp. 1–15). Springer Nature Singapore. https://doi.org/10.1007/978-981-16-2327-1_134-1 ▸ [APA-01, EV-01, EV-07 — DOI cần xác minh lại qua SpringerLink trước khi gửi phản biện]

Biggs, J. (1996). Enhancing teaching through constructive alignment. Higher Education, 32(3), 347–364. https://doi.org/10.1007/BF00138871

Boud, D., & Falchikov, N. (Eds.). (2007). Rethinking assessment in higher education: Learning for the longer term. Routledge.

Bộ Giáo dục và Đào tạo. (2025a). Thông tư số 02/2025/TT-BGDĐT ngày 24 tháng 01 năm 2025 quy định Khung năng lực số cho người học. https://vanban.chinhphu.vn/?pageid=27160&docid=212648

Bộ Giáo dục và Đào tạo. (2025b). Quyết định số 3439/QĐ-BGDĐT ngày 15 tháng 12 năm 2025 về việc ban hành Khung nội dung thí điểm giáo dục trí tuệ nhân tạo cho học sinh phổ thông.

Bộ Giáo dục và Đào tạo. (2026). Thông tư số 54/2026/TT-BGDĐT ngày 30 tháng 6 năm 2026 quy định về chương trình đào tạo các trình độ của giáo dục đại học.

Bransford, J. D., Brown, A. L., & Cocking, R. R. (Eds.). (2000). How people learn: Brain, mind, experience, and school. National Academies Press.

Cambridge University Press. (2025). Artificial intelligence in schools: Literacy, critical thinking, and education. Cambridge University Press.

CAST. (2024). Universal design for learning guidelines version 3.0. CAST.

Chi, M. T. H., & Wylie, R. (2014). The ICAP framework: Linking cognitive engagement to active learning outcomes. Educational Psychologist, 49(4), 219–243. https://doi.org/10.1080/00461520.2014.965823

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques: Promising directions from cognitive and educational psychology. Psychological Science in the Public Interest, 14(1), 4–58. https://doi.org/10.1177/1529100612453266

Facione, P. A. (1990). Critical thinking: A statement of expert consensus for purposes of educational assessment and instruction (The Delphi Report). The California Academic Press.

Harvard Bok Center. (2024). Generative AI in teaching and learning guidance. Harvard University. ▸ [APA-03]

Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement. Routledge.

Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86. https://doi.org/10.1207/s15326985ep4102_1

Kuhn, D. (1999). A developmental model of critical thinking. Educational Researcher, 28(2), 16–46. https://doi.org/10.3102/0013189X028002016

Mayer, R. E. (2021). Multimedia learning (3rd ed.). Cambridge University Press.

Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-students

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

Nicol, D. J., & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218. https://doi.org/10.1080/03075070600572090

OECD. (2026). AI literacy framework for primary and secondary education (Final version). OECD Publishing.

Papert, S. (1980). Mindstorms: Children, computers, and powerful ideas. Basic Books.

Pintrich, P. R. (2000). The role of goal orientation in self-regulated learning. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 451–502). Academic Press. https://doi.org/10.1016/B978-012109890-2/50043-3

Stanford HAI. (2025). AI Index Report 2025. Stanford Institute for Human-Centered Artificial Intelligence.

Sweller, J., Ayres, P., & Kalyuga, S. (2011). Cognitive load theory. Springer. https://doi.org/10.1007/978-1-4419-8126-4

Thongpanit, P., Thongpanit, P., & Uamcharoen, S. (2026). The STUDIES model: Validating a human-centric framework for Education 5.0. International Journal of Evaluation and Research in Education, 15(5). https://doi.org/10.11591/ijere.v15i5.39645

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.

University of Oxford. (2024). Policy and guidance on the use of AI in education. Oxford University. ▸ [APA-03]

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.

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2

PHỤ LỤC (APPENDIX)

Phụ lục A: Ma trận Ánh xạ Chuẩn đầu ra và Năng lực AI (AI Curriculum Mapping Matrix)

(Mô tả ma trận: Hàng là các học phần trong CTĐT; Cột là các PLOs và các năng lực AI theo khung UNESCO (2024) và Thông tư 02/2025. Ô là mức độ đóng góp: I = Giới thiệu, R = Củng cố, M = Làm chủ. Ma trận cho phép phát hiện khoảng trống và trùng lặp.)

Phụ lục B: Bảng Phân tích Khoảng trống Kỹ năng Nghề nghiệp (Job Skills Gap Analysis)

(Mô tả bảng: Liệt kê các kỹ năng được yêu cầu nhiều nhất trong 10.000 tin tuyển dụng ngành Kinh tế, so sánh với mức độ hiện diện trong CTĐT hiện hành. Cột “Khoảng trống” đánh dấu các kỹ năng có nhu cầu cao nhưng chưa được đào tạo đầy đủ.)

Phụ lục C: Bộ Công cụ Khảo sát và Rubric Đánh giá Năng lực AI (Survey Instruments and AI Competency Rubric)

Phần 1 – Khảo sát Năng lực AI (Likert 5 điểm): 24 mục tương ứng với 24 năng lực thành phần trong Thông tư 02/2025, tập trung vào miền “Ứng dụng AI” và các miền liên quan.

Phần 2 – Rubric Đánh giá Năng lực Giải quyết Vấn đề bằng Công nghệ số: Bốn mức (Chưa đạt, Đạt, Khá, Tốt) với các tiêu chí: xác định vấn đề, lựa chọn công cụ AI phù hợp, triển khai giải pháp, đánh giá kết quả và tác động đạo đức.

Phần 3 – Khảo sát Trải nghiệm Cá nhân hóa (Likert 5 điểm): 10 mục về mức độ phù hợp của lộ trình học tập, mức độ hỗ trợ từ AI, và mức độ hài lòng tổng thể.

Phần 4 – Thang đo Curriculum Intelligence (cho H4): 7 chiều tương ứng với chu trình Sense → Integrate → Interpret → Decide → Reconfigure → Evaluate → Learn, mỗi chiều 3–4 mục Likert 5 điểm, đánh giá bởi giảng viên và cán bộ quản lý chương trình.