English title: Governance of Learning Assessment in the Generative AI Era: Development and Validation of a Human–AI Collaborative Authentic Assessment and Quality Assurance Model
NGUYỄN VĂN HÙNG
TÓM TẮT
Sự phổ biến nhanh chóng của trí tuệ nhân tạo tạo sinh (Generative Artificial Intelligence – GenAI) đang làm thay đổi điều kiện mà trong đó bằng chứng đánh giá được tạo lập, diễn giải và sử dụng trong giáo dục đại học. GenAI có thể hỗ trợ người học phát triển ý tưởng, tổng hợp thông tin, viết, lập trình, phân tích dữ liệu, tạo nội dung đa phương thức và nhận phản hồi; tuy nhiên, các khả năng này đồng thời làm suy yếu giả định truyền thống rằng sản phẩm nộp có thể được quy trực tiếp cho năng lực độc lập của người học. Vì vậy, thách thức cốt lõi không còn chỉ là phát hiện việc sử dụng AI, mà là thiết kế và quản trị đánh giá sao cho bằng chứng thu được vẫn hỗ trợ những suy luận có giá trị về kiến thức, kỹ năng, phán đoán, quyền chủ thể và trách nhiệm của người học. Nghiên cứu đề xuất chuyển trọng tâm từ AI detection sang assessment-by-design và phát triển mô hình gồm bốn cấu trúc nối tiếp: GenAI Assessment Governance Capability (GAGC) → Human–AI Collaborative Authentic Assessment (HACAA) → Assessment Quality (AQ) → Learning Integrity & Competency Evidence (LICE). Trong đó, Assessment Quality Assurance (AQA) được định vị như một điều kiện biên điều tiết mối quan hệ HACAA → AQ. GAGC phản ánh năng lực thể chế trong thiết lập chính sách, phát triển năng lực, phân định vai trò, quản trị rủi ro và bảo đảm trách nhiệm; HACAA phản ánh kiến trúc đánh giá xác thực có tích hợp hợp tác Người–AI nhưng vẫn duy trì khả năng quan sát, xác minh và quy trách nhiệm đối với năng lực người học; AQ phản ánh tính giá trị, độ tin cậy, tính xác thực, công bằng, minh bạch, phù hợp mục tiêu học tập và độ tin cậy của bằng chứng; LICE phản ánh đồng thời liêm chính học tập và khả năng tạo bằng chứng năng lực đáng tin cậy. Nghiên cứu sử dụng thiết kế hỗn hợp tuần tự khám phá, kết hợp tổng quan tài liệu, nghiên cứu định tính, phát triển thang đo, đánh giá giá trị nội dung, phỏng vấn nhận thức, nghiên cứu thử nghiệm, EFA, CFA, CB-SEM, bootstrap mediation/moderation, measurement invariance và robustness tests. Đóng góp trung tâm là thiết lập logic Governance → Design → Quality → Evidence, qua đó chuyển quản trị đánh giá từ mô hình detect–restrict–punish sang govern–design–disclose–verify–evidence–improve.
Từ khóa: Generative AI; quản trị đánh giá; đánh giá xác thực; hợp tác Người–AI; chất lượng đánh giá; bảo đảm chất lượng; liêm chính học thuật; bằng chứng năng lực; giáo dục đại học.
ABSTRACT
The rapid proliferation of Generative Artificial Intelligence (GenAI) is fundamentally transforming the conditions under which assessment evidence is generated, interpreted, and utilized in higher education. GenAI can assist learners in developing ideas, synthesizing information, writing, programming, analyzing data, creating multimodal content, and receiving feedback; however, these capabilities simultaneously undermine the traditional assumption that submitted products can be directly attributed to learners’ independent competence. Consequently, the core challenge is no longer merely detecting AI usage, but rather designing and governing assessment such that the evidence obtained continues to support valid inferences about learners’ knowledge, skills, judgment, agency, and accountability. This study proposes shifting the focus from AI detection to assessment-by-design and develops a model comprising four sequential constructs: GenAI Assessment Governance Capability (GAGC) → Human–AI Collaborative Authentic Assessment (HACAA) → Assessment Quality (AQ) → Learning Integrity & Competency Evidence (LICE). Within this framework, Assessment Quality Assurance (AQA) is positioned as a boundary condition moderating the HACAA → AQ relationship. GAGC reflects institutional capacity in establishing policy, developing capabilities, delineating roles, managing risk, and ensuring accountability; HACAA reflects an authentic assessment architecture that integrates Human–AI collaboration while maintaining the capacity to observe, verify, and attribute accountability for learner competence; AQ reflects validity, reliability, authenticity, fairness, transparency, learning alignment, and evidence credibility; LICE simultaneously reflects learning integrity and the capacity to generate trustworthy competency evidence. The study employs a sequential exploratory mixed-methods design, combining literature review, qualitative inquiry, scale development, content validity assessment, cognitive interviews, pilot testing, EFA, CFA, CB-SEM, bootstrap mediation/moderation, measurement invariance, and robustness tests. The central contribution is the establishment of the Governance → Design → Quality → Evidence logic, thereby transforming assessment governance from a detect–restrict–punish model toward govern–design–disclose–verify–evidence–improve.
Keywords: Generative AI; assessment governance; authentic assessment; Human–AI collaboration; assessment quality; quality assurance; academic integrity; competency evidence; higher education.
- ĐẶT VẤN ĐỀ
Sự phát triển nhanh chóng của GenAI đang làm thay đổi căn bản cả ba thành tố của đánh giá trong giáo dục đại học: người thực hiện nhiệm vụ, quá trình thực hiện và sản phẩm đánh giá. Sinh viên hiện có thể sử dụng GenAI để phát triển ý tưởng, tổng hợp thông tin, viết và biên tập, lập trình, phân tích dữ liệu, tạo nội dung đa phương thức, nhận phản hồi và hỗ trợ giải quyết vấn đề. Những khả năng này mở rộng đáng kể tiềm năng học tập, nhưng đồng thời làm suy yếu giả định truyền thống rằng sản phẩm cuối cùng có thể được sử dụng như một đại diện tương đối trực tiếp cho năng lực của cá nhân người học. Khi một bài viết, đoạn mã, báo cáo phân tích hoặc sản phẩm đa phương thức có thể được tạo ra hoặc nâng cấp đáng kể bởi AI, câu hỏi “ai là tác giả?” không còn đủ để bảo đảm tính giá trị của đánh giá.
Các phản ứng ban đầu của nhiều cơ sở giáo dục thường nhấn mạnh vào cấm đoán, phát hiện và xử lý vi phạm. Tuy nhiên, chiến lược lấy phát hiện làm trung tâm có giới hạn cả về kỹ thuật lẫn giáo dục. Việc xác định một sản phẩm có dấu hiệu sử dụng AI không trực tiếp trả lời được câu hỏi cốt lõi của assessment validity: nhiệm vụ đang đo cấu trúc nào; AI được phép thực hiện phần nào; phần đóng góp của người học được quan sát bằng cách nào; và loại bằng chứng nào đủ để biện minh cho kết luận về năng lực. Trong bối cảnh nghề nghiệp ngày càng có AI hỗ trợ, việc cấm AI tuyệt đối thậm chí có thể làm giảm tính xác thực của nhiệm vụ nếu năng lực hợp tác Người–AI chính là một phần của thực hành nghề nghiệp đích (Lodge et al., 2023; UNESCO, 2023).
Quan điểm này phù hợp với lý thuyết tính giá trị trong đo lường giáo dục, theo đó giá trị không phải là thuộc tính cố định của một công cụ, mà phụ thuộc vào mức độ bằng chứng và lập luận hỗ trợ các suy luận được rút ra từ kết quả đánh giá (Messick, 1995). GenAI tạo ra nguy cơ construct-irrelevant assistance khi hệ thống thực hiện phần công việc vốn được dùng để suy luận về năng lực người học; nhưng ngược lại, loại bỏ hoàn toàn AI có thể tạo ra construct underrepresentation khi năng lực đích bao gồm AI literacy, critical verification hoặc Human–AI collaboration. Vì vậy, việc sử dụng AI tự thân không làm đánh giá có hay không có giá trị; vấn đề quyết định nằm ở sự phù hợp giữa construct, task design, permitted assistance, evidence và inference.
Các nghiên cứu gần đây về GenAI và assessment cũng gợi ý rằng giải pháp bền vững không nằm ở việc mở rộng giám sát kỹ thuật, mà ở việc thiết kế lại assessment theo hướng xác thực, minh bạch và có thể kiểm chứng. Chapman và Dalgarno (2025) nhấn mạnh việc chuyển từ logic “beyond the ban” sang một khuôn khổ tích hợp GenAI trong assessment; Kickbusch et al. (2025) lập luận rằng tính xác thực trong môi trường AI phải được thiết kế lại thông qua các nhiệm vụ làm cho phán đoán, quá trình và trách nhiệm của người học trở nên quan sát và đánh giá được; Toker và Akgun (2025) chỉ ra vai trò của nhiệm vụ tư duy bậc cao trong việc giảm phụ thuộc không phù hợp vào AI; còn Kofinas et al. (2025) cho thấy authentic assessment tự thân chưa đủ nếu không có cơ chế quản trị và bảo đảm phù hợp. Bằng chứng mới hơn cũng cho thấy vấn đề disclosure không thể được giải quyết chỉ bằng detection: hành vi sử dụng và công khai AI của sinh viên phụ thuộc vào thiết kế nhiệm vụ, chuẩn mực đạo đức và điều kiện assessment, qua đó củng cố nhu cầu chuyển từ kiểm soát đầu ra sang thiết kế kiến trúc bằng chứng có thể xác minh.
Từ đó, nghiên cứu xác định bốn khoảng trống. Thứ nhất, adoption gap: phần lớn nghiên cứu GenAI trong giáo dục đại học tập trung vào thái độ, ý định hoặc hành vi sử dụng hơn là năng lực quản trị đánh giá ở cấp thể chế. Thứ hai, detection gap: phát hiện AI không đồng nghĩa với chứng minh hoặc bác bỏ tính giá trị của suy luận đánh giá. Thứ ba, design gap: authentic assessment và Human–AI collaboration thường được nghiên cứu tách biệt, trong khi môi trường GenAI đòi hỏi tích hợp chúng thành một kiến trúc assessment thống nhất. Thứ tư, governance gap: còn thiếu một mô hình parsimonious giải thích cách năng lực quản trị thể chế được chuyển hóa thành thiết kế assessment Người–AI, chất lượng đánh giá và cuối cùng là bằng chứng năng lực đáng tin cậy.
Để giải quyết các khoảng trống này, nghiên cứu phát triển mô hình GAGC → HACAA → AQ → LICE, trong đó AQA điều tiết đường HACAA → AQ. Cấu trúc này chủ động tránh đồng nhất việc sử dụng AI, chất lượng sản phẩm, chất lượng assessment, liêm chính học tập và bằng chứng năng lực. Mỗi construct đảm nhiệm một chức năng riêng trong chuỗi tạo giá trị: governance là tiền đề thể chế; HACAA là cơ chế thiết kế và thực hành; AQ là nơi giá trị assessment được hiện thực hóa; LICE là outcome giáo dục; AQA là điều kiện biên giúp củng cố sự chuyển hóa từ thiết kế sang chất lượng.
Nghiên cứu theo đuổi bốn mục tiêu: (1) khái niệm hóa GAGC như một năng lực thể chế đa chiều dành riêng cho quản trị assessment có GenAI; (2) phát triển HACAA như một kiến trúc assessment tích hợp authentic task design, cấu hình vai trò Người–AI, bằng chứng quá trình, xác minh, phán đoán của con người và trách nhiệm giải trình; (3) kiểm định AQ như cơ chế trung gian chuyển thiết kế assessment thành LICE; và (4) xác định liệu AQA có củng cố khả năng chuyển hóa HACAA thành assessment có chất lượng hay không. Câu hỏi trung tâm của nghiên cứu là: Làm thế nào quản trị và thiết kế lại assessment để hợp tác Người–AI củng cố, thay vì làm suy yếu, tính giá trị của bằng chứng năng lực?
- CƠ SỞ LÝ THUYẾT VÀ PHÁT TRIỂN CẤU TRÚC
2.1. Đánh giá xác thực trong môi trường được trung gian bởi AI
Đánh giá xác thực nhấn mạnh các nhiệm vụ yêu cầu người học huy động tri thức và kỹ năng để xử lý những vấn đề có ý nghĩa, thể hiện phán đoán và tạo ra sản phẩm hoặc hoạt động gần với bối cảnh thực tiễn (Gulikers et al., 2004; Sambell et al., 2013). Trong môi trường GenAI, tính xác thực không thể được giản lược thành điều kiện “không sử dụng AI”. Một nhiệm vụ có thể cho phép AI nhưng vẫn xác thực nếu construct đích, vai trò AI, phần đóng góp của người học và bằng chứng cần quan sát được xác định rõ. Ngược lại, một nhiệm vụ cấm AI nhưng chỉ yêu cầu tái tạo kiến thức hoặc sản phẩm dễ tự động hóa chưa chắc tạo ra bằng chứng năng lực mạnh.
Do đó, authentic assessment trong kỷ nguyên GenAI nên được xem như một vấn đề về kiến trúc bằng chứng (evidence architecture). Giá trị của nhiệm vụ phụ thuộc vào khả năng buộc người học thể hiện những quá trình không thể suy ra chỉ từ chất lượng bề mặt của sản phẩm: lựa chọn, giải thích, kiểm chứng, phản biện, điều chỉnh, ra quyết định, bảo vệ quan điểm và phản tư. Các thành phần như process logs, AI-use disclosure, annotated drafts, oral defense và reflective commentary vì vậy không chỉ là công cụ chống gian lận; chúng là cơ chế tăng khả năng quan sát construct cần đo (Kickbusch et al., 2025).
2.2. Tính giá trị đánh giá và bằng chứng năng lực
Lý thuyết validity đặt trọng tâm vào mức độ bằng chứng và lập luận hỗ trợ các suy luận được rút ra từ kết quả đánh giá (American Educational Research Association et al., 2014; Messick, 1995). Trong môi trường GenAI, một sản phẩm có hình thức rất tốt có thể phản ánh sự hỗ trợ của AI nhiều hơn năng lực độc lập của người học. Điều này làm xuất hiện rủi ro construct-irrelevant assistance. Tuy nhiên, khi AI literacy, critical verification hoặc Human–AI collaboration chính là một phần của năng lực đích, cấm AI hoàn toàn lại có thể tạo ra construct underrepresentation.
Từ đó, nghiên cứu khẳng định một nguyên tắc trung tâm: chất lượng sản phẩm có AI hỗ trợ ≠ chất lượng đánh giá ≠ bằng chứng năng lực. Một sản phẩm trôi chảy và chính xác về hình thức có thể chứa rất ít bằng chứng về năng lực độc lập; ngược lại, một quy trình trong đó người học xác minh, sửa lỗi, phản biện, lựa chọn và bảo vệ quyết định có thể tạo ra bằng chứng mạnh hơn về phán đoán và năng lực chuyên môn. Đây là lý do AQ được đặt giữa HACAA và LICE trong mô hình nghiên cứu.
2.3. Hợp tác Người–AI và trách nhiệm giải trình của con người
Hợp tác Người–AI cung cấp logic để phân biệt augmentation với substitution. Trong assessment có trách nhiệm, AI có thể mở rộng khả năng khám phá, tạo phương án, phản hồi và xử lý thông tin, nhưng quyền diễn giải, xác minh, lựa chọn, biện minh và chịu trách nhiệm cuối cùng phải được duy trì ở người học. Đây là điều kiện để assessment vừa phản ánh thực hành nghề nghiệp có AI hỗ trợ vừa tránh chuyển giao hoàn toàn construct cần đo cho hệ thống.
Do đó, Human–AI collaboration trong nghiên cứu này không được hiểu là tần suất sử dụng AI. Nó được thể hiện thông qua cấu hình vai trò: AI làm gì, người học phải làm gì, điểm nào yêu cầu phán đoán con người, bằng chứng nào phải được lưu giữ và người học phải giải trình ra sao. Logic này tạo nền tảng trực tiếp cho HACAA và phù hợp với định hướng giữ con người trong vòng lặp quyết định của các khuôn khổ Responsible AI (National Institute of Standards and Technology, 2023, 2024; UNESCO, 2021, 2023).
2.4. Quản trị AI có trách nhiệm và bảo đảm chất lượng
Responsible AI governance bổ sung các yêu cầu về minh bạch, công bằng, quyền riêng tư, trách nhiệm giải trình, khả năng giải thích, khả năng khiếu nại và giám sát của con người. Trong assessment, các nguyên tắc này phải được chuyển hóa thành các quy tắc vận hành cụ thể: khai báo AI, bảo vệ dữ liệu, xử lý bất bình đẳng tiếp cận, xác minh đầu ra, phân định trách nhiệm, cơ chế khiếu nại và quyền quyết định cuối cùng của con người (European Commission, High-Level Expert Group on Artificial Intelligence, 2019; UNESCO, 2021).
Bảo đảm chất lượng mở rộng đơn vị phân tích từ một nhiệm vụ đơn lẻ sang toàn bộ hệ thống assessment. Một thiết kế tốt khó tạo ra chất lượng ổn định nếu không có assessment blueprint, peer review, moderation, rubric governance, monitoring, appeals, audit và continuous improvement. Vì vậy, AQA được xem là một boundary condition, chứ không phải là một outcome hoặc thành phần gộp vào GAGC. Cách phân định này giúp mô hình tránh circularity và cho phép kiểm định liệu cùng một mức HACAA có tạo ra AQ khác nhau dưới các chế độ QA khác nhau hay không.
- CÁC CẤU TRÚC ĐỀ XUẤT
3.1. GenAI Assessment Governance Capability (GAGC)
GAGC được định nghĩa là năng lực thể chế trong việc thiết lập, phối hợp và cải tiến các chính sách, nguồn lực, năng lực con người, cơ chế trách nhiệm và bảo đảm chất lượng cần thiết để tích hợp GenAI vào assessment phù hợp với mục tiêu giáo dục. Construct này gồm năm chiều kích dự kiến: (1) Policy & Role Clarity; (2) Assessment Design Capability; (3) Faculty & Learner AI Assessment Capability; (4) Responsible AI & Integrity Safeguards; và (5) Monitoring, Support & Accountability.
Policy & Role Clarity phản ánh mức độ cơ sở giáo dục xác định rõ khi nào AI được phép, hạn chế hoặc bắt buộc khai báo. Assessment Design Capability phản ánh năng lực tái thiết kế nhiệm vụ, rubric và bằng chứng phù hợp với môi trường GenAI. Faculty & Learner AI Assessment Capability phản ánh khả năng sử dụng, xác minh và đánh giá đầu ra AI một cách có phán đoán. Responsible AI & Integrity Safeguards bao gồm các cơ chế về minh bạch, công bằng, quyền riêng tư, liêm chính và giám sát của con người. Monitoring, Support & Accountability phản ánh hệ thống hỗ trợ, phản hồi, giám sát, trách nhiệm và cải tiến.
GAGC khác với AI readiness chung vì đối tượng trực tiếp của nó là assessment. Một trường có thể có hạ tầng AI tốt nhưng vẫn thiếu chính sách về permitted use, disclosure, evidence requirements hoặc moderation. GAGC cũng khác với HACAA: GAGC phản ánh institutional capability, trong khi HACAA phản ánh assessment architecture and practice.
3.2. Human–AI Collaborative Authentic Assessment (HACAA)
HACAA được định nghĩa là kiến trúc đánh giá trong đó hợp tác Người–AI được tích hợp có chủ đích vào nhiệm vụ xác thực nhưng vẫn duy trì khả năng quan sát, xác minh và quy trách nhiệm đối với năng lực của người học. Sáu chiều kích dự kiến gồm: (1) Authentic Task Design; (2) Explicit Human–AI Role Configuration; (3) Process Evidence & Traceability; (4) Verification & Critical Evaluation; (5) Human Judgment & Decision Authority; và (6) Reflection, Disclosure & Accountability.
Một nhiệm vụ HACAA điển hình có thể vận hành theo chuỗi: vấn đề → khám phá có hỗ trợ AI → xác minh của con người → quyết định → sản phẩm → bảo vệ bằng miệng → phản tư. Kiến trúc này chuyển assessment từ việc chỉ quan sát sản phẩm cuối sang quan sát cả quá trình tạo bằng chứng. Điều quan trọng là HACAA không mặc định mọi mức sử dụng AI đều phù hợp; thay vào đó, nó yêu cầu vai trò AI phải được thiết kế theo construct và người học phải duy trì phán đoán, trách nhiệm và khả năng giải trình.
3.3. Assessment Quality (AQ)
AQ phản ánh mức độ assessment tạo ra bằng chứng phù hợp, đáng tin cậy, công bằng và có ý nghĩa đối với mục tiêu học tập. Các chiều kích dự kiến gồm Validity, Reliability/Dependability, Authenticity, Fairness, Transparency, Learning Alignment và Evidence Credibility. AQ được đặt ở vị trí trung gian vì một thiết kế HACAA chỉ có giá trị khi nó thực sự cải thiện chất lượng của suy luận đánh giá. Nói cách khác, thiết kế có AI không tự động tạo ra educational value; giá trị chỉ xuất hiện khi assessment duy trì được tính giá trị, công bằng, minh bạch và khả năng biện minh cho kết luận về năng lực.
3.4. Learning Integrity (LI) và Competency Evidence (CE)
Nghiên cứu tách Learning Integrity (LI) và Competency Evidence (CE) thành hai outcome riêng biệt thay vì mặc định chúng là hai biểu hiện của một cấu trúc bậc cao. LI phản ánh ownership, honesty, responsibility, epistemic integrity và meaningful engagement trong quá trình thực hiện assessment. CE phản ánh mức độ assessment tạo ra bằng chứng có thể bảo vệ được về kiến thức, kỹ năng, lập luận, phán đoán, khả năng chuyển giao và năng lực độc lập. Hai outcome có thể tương quan nhưng không nhất thiết đồng biến theo cùng một cơ chế. Cách tách này là một hiệu chỉnh quan trọng sau phản biện vì nó tránh construct conflation giữa phẩm chất liêm chính của quá trình học tập và sức mạnh của bằng chứng đo lường. Về thực nghiệm, nghiên cứu sẽ so sánh mô hình hai outcome riêng với mô hình higher-order LICE; chỉ khi cả lý thuyết và dữ liệu ủng hộ mới xem xét mô hình hóa LICE như một cấu trúc bậc cao.
3.5. Assessment Quality Assurance (AQA)
AQA là hệ thống các cơ chế bảo đảm assessment được thiết kế, xem xét, triển khai, giám sát, đánh giá và cải tiến theo chuẩn nhất quán. AQA có thể bao gồm assessment blueprint, peer review, moderation, rubric governance, assessment analytics, appeals, audit và continuous improvement. Trong mô hình, AQA không phải outcome và cũng không được nhập vào GAGC; nó được giữ như một điều kiện biên nhằm kiểm định liệu cùng một mức HACAA có tạo ra AQ khác nhau dưới các chế độ QA khác nhau hay không.
- MÔ HÌNH NGHIÊN CỨU VÀ GIẢ THUYẾT
Mô hình được tổ chức theo chuỗi bốn tầng: Governance Capability → Human–AI Assessment Architecture → Assessment Value Realization → Trustworthy Educational Outcomes. Cấu trúc cốt lõi là GAGC → HACAA → AQ → {LI, CE}, trong khi AQA điều tiết đường HACAA → AQ. Kiến trúc này bảo đảm conceptual non-circularity: governance là antecedent, assessment design là mechanism, quality là proximal value, còn LI và CE là hai distal outcomes phân biệt.
H1. GAGC → HACAA
Chính sách rõ ràng, năng lực thiết kế, năng lực AI của các tác nhân, safeguards và accountability tạo điều kiện để giảng viên chuyển từ nhiệm vụ kế thừa sang assessment có cấu hình Human–AI rõ ràng và bằng chứng quá trình có thể quan sát. Vì vậy:
H1: GAGC có ảnh hưởng tích cực đến HACAA.
H2. HACAA → AQ
Nhiệm vụ xác thực, phân định vai trò Người–AI, traceability, verification, human judgment và disclosure làm tăng khả năng assessment tạo ra bằng chứng phù hợp với construct, minh bạch và đáng tin cậy. Do đó:
H2: HACAA có ảnh hưởng tích cực đến AQ.
H3a–H3b. AQ → LI và CE
Assessment có validity, fairness, authenticity, transparency và evidence credibility cao sẽ hỗ trợ cả tính liêm chính của quá trình học tập lẫn khả năng biện minh cho suy luận về năng lực người học. Vì vậy:
H3a: AQ có ảnh hưởng tích cực đến Learning Integrity.
H3b: AQ có ảnh hưởng tích cực đến Competency Evidence.
H4. Vai trò trung gian của HACAA
Governance không tự động tạo ra assessment quality. Tác động của năng lực quản trị phải được chuyển hóa thành thiết kế và thực hành assessment cụ thể. Vì vậy:
H4: HACAA đóng vai trò trung gian trong mối quan hệ giữa GAGC và AQ.
H5a–H5b. Vai trò trung gian của AQ
Một kiến trúc assessment Người–AI chỉ tạo ra LI và CE khi nó thực sự cải thiện các thuộc tính chất lượng của assessment. Vì vậy:
H5a: AQ đóng vai trò trung gian trong mối quan hệ giữa HACAA và Learning Integrity.
H5b: AQ đóng vai trò trung gian trong mối quan hệ giữa HACAA và Competency Evidence.
H6a–H6b. Serial mediation
Hai giả thuyết trung tâm mô tả toàn bộ cơ chế tạo giá trị từ năng lực quản trị đến hai outcome cuối:
H6a: GAGC tác động gián tiếp đến Learning Integrity thông qua HACAA và AQ theo chuỗi GAGC → HACAA → AQ → LI.
H6b: GAGC tác động gián tiếp đến Competency Evidence thông qua HACAA và AQ theo chuỗi GAGC → HACAA → AQ → CE.
H7. Vai trò điều tiết của AQA
QA cung cấp review, moderation, standards và feedback loops giúp chuyển một thiết kế tốt thành chất lượng ổn định ở quy mô tổ chức. Vì vậy:
H7: AQA điều tiết tích cực mối quan hệ giữa HACAA và AQ, sao cho tác động của HACAA lên AQ mạnh hơn khi AQA cao.
- PHƯƠNG PHÁP NGHIÊN CỨU
5.1. Thiết kế nghiên cứu
Nghiên cứu sử dụng sequential exploratory mixed-methods design nhằm vừa phát triển construct mới vừa kiểm định nomological network. Giai đoạn định tính được thực hiện trước để xác lập domain và ngôn ngữ đo lường; giai đoạn định lượng tiếp theo đánh giá cấu trúc nhân tố, độ tin cậy, giá trị đo lường và các quan hệ cấu trúc (Creswell & Plano Clark, 2018).
5.2. Giai đoạn 1: Xác định miền cấu trúc và nghiên cứu định tính
Một systematic/integrative review sẽ tổng hợp tài liệu về authentic assessment, assessment validity, academic integrity, Human–AI collaboration, responsible AI governance và quality assurance. Kết quả được sử dụng để xác định construct boundaries và tạo item pool ban đầu. Tiếp đó, phỏng vấn bán cấu trúc với chuyên gia assessment, nhà quản trị, cán bộ QA, giảng viên và sinh viên sẽ kiểm tra tính đầy đủ, khả năng phân biệt và tính phù hợp bối cảnh của GAGC, HACAA, AQ, LICE và AQA. Dữ liệu định tính được phân tích theo thematic analysis, với audit trail và quy trình coding được ghi nhận rõ để tăng dependability (Braun & Clarke, 2021).
5.3. Giai đoạn 2: Phát triển thang đo và đánh giá giá trị nội dung
Quy trình phát triển thang đo gồm domain specification → item generation → expert review → content validity → cognitive interviews → item refinement (DeVellis & Thorpe, 2021). Hội đồng chuyên gia đánh giá relevance, clarity và representativeness của từng item. Cognitive interviews với người trả lời mục tiêu được sử dụng để phát hiện wording ambiguity, double-barrelled items và sự khác biệt trong cách hiểu thuật ngữ GenAI. Một pilot sample khoảng 150–250 người có thể được sử dụng cho item analysis và EFA; quyết định giữ hoặc loại item không chỉ dựa trên factor loading mà còn dựa trên content coverage.
5.4. Giai đoạn 3: Kiểm định mô hình đo lường và mô hình cấu trúc
Main study nên sử dụng mẫu đa trường và đa ngành, với quy mô dự kiến 500–800 người tham gia nếu điều kiện thực địa cho phép. CFA được sử dụng để kiểm định measurement model (Brown, 2015). Reliability được đánh giá bằng omega hoặc composite reliability; convergent validity bằng factor loadings và AVE; discriminant validity bằng HTMT kết hợp kiểm tra mô hình cạnh tranh. Model fit cần được báo cáo bằng nhiều chỉ số phù hợp với estimator và đặc điểm dữ liệu thay vì dựa vào một ngưỡng duy nhất (Hair et al., 2019).
Sau khi measurement model đạt yêu cầu, CB-SEM được sử dụng để kiểm định H1–H7. Indirect effects của H4–H6 được đánh giá bằng bias-corrected bootstrap confidence intervals. H7 được kiểm định bằng latent interaction hoặc phương pháp tương thích với estimator được lựa chọn. Để bảo vệ tính parsimonious của mô hình đầu tiên, không bổ sung moderator khác nếu không có bằng chứng định tính hoặc lý thuyết đủ mạnh.
5.5. Chiến lược đa thời điểm và đa nguồn
Để giảm common method bias và đồng thời giải quyết level-of-analysis mismatch, nghiên cứu ưu tiên thiết kế đa thời điểm và đa nguồn: Time 1: administrators/QA officers cung cấp dữ liệu về GAGC và AQA ở cấp thể chế/đơn vị; Time 2: giảng viên cung cấp dữ liệu về HACAA và các đặc điểm thiết kế assessment ở cấp học phần/nhiệm vụ; Time 3: sinh viên cung cấp dữ liệu về AQ, LI và CE ở cấp trải nghiệm/kết quả người học. Survey data nên được bổ sung bằng assessment artifacts, rubrics, AI-use disclosures, oral-defense records, process logs và learning outcomes. Các thang đo cấp cao không nên được suy diễn từ đánh giá của sinh viên nếu không có bằng chứng về referent-shift và aggregation validity.
Nếu dữ liệu được lồng theo sinh viên → lớp/học phần → khoa/trường, intraclass correlations, design effects, within-group agreement và số cụm ở từng cấp cần được kiểm tra trước khi quyết định sử dụng Multilevel SEM. Thiết kế đa tầng chỉ nên được triển khai khi số lượng đơn vị cấp cao và mức biến thiên giữa cụm đủ để hỗ trợ ước lượng ổn định; nếu không, mô hình sẽ được giới hạn ở cấp phân tích mà dữ liệu thực tế cho phép.
5.6. Measurement invariance, robustness và đạo đức nghiên cứu
Measurement invariance nên được kiểm định theo các nhóm có ý nghĩa như lĩnh vực đào tạo, loại hình cơ sở hoặc mức độ kinh nghiệm với GenAI trước khi so sánh latent means hoặc structural paths. Robustness tests bao gồm alternative models, direct-path alternatives, nested-model comparisons và kiểm tra incremental validity của GAGC/HACAA so với các construct gần kề.
Nghiên cứu phải được phê duyệt đạo đức theo quy định của cơ sở chủ trì trước khi thu thập dữ liệu thực nghiệm. Người tham gia cần được cung cấp thông tin rõ ràng về mục tiêu nghiên cứu, quyền rút lui, bảo mật dữ liệu và việc sử dụng bất kỳ log, artifact hoặc dữ liệu liên quan đến GenAI. Khi sử dụng dữ liệu có khả năng chứa thông tin cá nhân hoặc nội dung sinh viên tạo ra, quy trình quản trị dữ liệu cần tuân thủ các nguyên tắc về quyền riêng tư, tối thiểu hóa dữ liệu và trách nhiệm giải trình (National Institute of Standards and Technology, 2024; UNESCO, 2023).
- ĐÓNG GÓP LÝ THUYẾT VÀ PHƯƠNG PHÁP DỰ KIẾN
Đóng góp thứ nhất là chuyển đơn vị phân tích từ AI adoption sang responsible assessment governance. GAGC giải thích năng lực mà tổ chức cần có để chuyển các nguyên tắc AI chung thành chính sách và thực hành assessment cụ thể.
Đóng góp thứ hai là phát triển HACAA như một construct nối authentic assessment với Human–AI collaboration. Điểm mới không nằm ở việc cho phép AI, mà ở việc thiết kế vai trò, traceability, verification, human judgment và accountability sao cho AI augmentation không phá vỡ khả năng quan sát năng lực con người.
Đóng góp thứ ba là thiết lập ranh giới rõ giữa artifact quality, assessment quality và competency evidence. Phân biệt này giải quyết một nguồn construct contamination quan trọng trong nghiên cứu GenAI: chất lượng của sản phẩm có AI hỗ trợ không thể được dùng trực tiếp như bằng chứng cho chất lượng assessment hoặc năng lực người học.
Đóng góp thứ tư là cung cấp cơ chế giải thích theo chuỗi Governance → Design → Quality → Evidence. Thay vì giả định governance tác động trực tiếp đến learning integrity, mô hình xác định hai cơ chế trung gian có thể kiểm định: HACAA và AQ.
Đóng góp thứ năm là tái định vị academic integrity từ logic giám sát hành vi sang integrity-by-design. Integrity vẫn quan trọng nhưng được đặt trong một outcome rộng hơn bao gồm competency evidence, qua đó liên kết đạo đức assessment với mục tiêu đo lường và phát triển năng lực.
Về phương pháp, nghiên cứu có thể phát triển hai công cụ mới: GenAI Assessment Governance Capability Scale (GAGC-S) và Human–AI Collaborative Authentic Assessment Scale (HACAA-S). Nếu được kiểm định đầy đủ về content validity, factorial validity, convergent validity, discriminant validity, invariance và incremental validity, hai thang đo này có thể trở thành đóng góp đo lường độc lập cho nghiên cứu về quản trị assessment trong bối cảnh GenAI.
- HÀM Ý THỰC TIỄN VÀ CHÍNH SÁCH
Đối với cơ sở giáo dục đại học, mô hình đề xuất thay thế logic Cấm → Phát hiện → Trừng phạt bằng chu trình Quản trị → Thiết kế → Công khai → Xác minh → Bằng chứng → Cải tiến. Quản trị xác lập policy, roles và accountability; Thiết kế tái cấu trúc nhiệm vụ theo construct cần đo; Công khai yêu cầu minh bạch phạm vi AI assistance; Xác minh làm rõ nghĩa vụ kiểm chứng; Bằng chứng thu thập process, product, defense và reflection; Cải tiến sử dụng QA để review và cập nhật assessment.
Đối với giảng viên, hàm ý quan trọng là không nên chỉ thêm tuyên bố “được/không được dùng AI” vào nhiệm vụ cũ. Assessment cần xác định rõ phần nào AI có thể hỗ trợ, phần nào phải do người học thể hiện, loại evidence nào được lưu giữ và tiêu chí nào đánh giá khả năng sử dụng AI có phán đoán. Một nhiệm vụ mạnh nên tạo ra nhiều lớp bằng chứng thay vì chỉ dựa vào sản phẩm cuối: process log, AI-use disclosure, annotated draft, oral defense, reflection và artifact.
Đối với sinh viên, disclosure cần được thiết kế như một thành phần của professional accountability chứ không chỉ là một công cụ giám sát. Việc khai báo AI cần tập trung vào phạm vi sử dụng, vai trò của công cụ, cách kiểm chứng đầu ra và trách nhiệm cuối cùng của người học đối với sản phẩm.
Đối với quality assurance, sự xuất hiện của GenAI đòi hỏi chuyển từ review nội dung assessment sang review evidence architecture. Moderation cần hỏi không chỉ rubric có phù hợp hay không mà còn liệu permitted AI assistance có làm thay đổi construct, các nhóm sinh viên có cơ hội tiếp cận công bằng hay không, và bằng chứng thu được có đủ để hỗ trợ quyết định học thuật hay không.
- THẢO LUẬN
Mô hình đề xuất cho thấy GenAI không tự thân làm mất tính giá trị của assessment; rủi ro phát sinh khi sự hỗ trợ của AI không được căn chỉnh với construct và hệ thống không quan sát được phần đóng góp có ý nghĩa của người học. Điều này giải thích vì sao một chiến lược phát hiện đơn thuần không đủ: ngay cả khi có thể xác định AI đã được sử dụng, tổ chức vẫn phải trả lời liệu việc sử dụng đó có được phép, có liên quan đến construct, có được khai báo, có được xác minh và có làm suy yếu suy luận về năng lực hay không.
Ngược lại, Human–AI collaboration có thể làm assessment xác thực hơn khi AI là một phần của thực hành nghề nghiệp thực tế. Khi đó, mục tiêu assessment không phải tái tạo một môi trường “không AI” mà là quan sát khả năng người học sử dụng AI một cách có phán đoán: đặt câu hỏi phù hợp, nhận diện giới hạn, kiểm chứng thông tin, lựa chọn giữa các phương án, giải thích quyết định và chịu trách nhiệm về kết quả. HACAA cung cấp cơ chế để biến các hành vi này thành evidence có thể đánh giá.
Vai trò của AQ trong mô hình có ý nghĩa đặc biệt vì nó ngăn việc suy luận trực tiếp từ “assessment có AI” đến “learning integrity tốt/xấu”. Một thiết kế Human–AI chỉ tạo giá trị nếu nó duy trì validity, fairness, transparency, authenticity và evidence credibility. Tương tự, AQA được giữ như boundary condition vì chất lượng của cùng một thiết kế có thể khác nhau đáng kể giữa các cơ sở tùy thuộc vào mức độ review, moderation và continuous improvement.
Về mặt khái niệm, mô hình cũng cho phép phân biệt rõ ba vấn đề thường bị trộn lẫn trong tranh luận về GenAI: (1) AI có được sử dụng hay không; (2) assessment có chất lượng hay không; và (3) bằng chứng có đủ mạnh để hỗ trợ suy luận về năng lực hay không. Chính sự phân biệt này tạo ra giá trị gia tăng lý thuyết của mô hình, bởi nó dịch chuyển trọng tâm từ kiểm soát công nghệ sang kiểm soát chất lượng suy luận giáo dục.
- KẾT LUẬN
Nghiên cứu tái định vị quản trị assessment trong kỷ nguyên GenAI từ một bài toán phát hiện công nghệ thành một bài toán về governance, design, validity, evidence và quality assurance. Mô hình GAGC → HACAA → AQ → {LI, CE}, với AQA điều tiết HACAA → AQ, giải thích cách năng lực quản trị thể chế có thể được chuyển hóa thành kiến trúc assessment Người–AI, từ đó tạo ra assessment có chất lượng, củng cố liêm chính học tập và tạo bằng chứng năng lực đáng tin cậy theo hai outcome có thể kiểm định riêng.
Đóng góp cốt lõi của mô hình nằm ở việc không đồng nhất AI use với misconduct, không đồng nhất artifact quality với assessment quality, và không đồng nhất assessment quality với competency evidence. Thay vào đó, mô hình đặt đúng câu hỏi ở từng tầng của chuỗi tạo giá trị. Theo logic này, thách thức trung tâm của assessment trong kỷ nguyên GenAI không phải chỉ là “AI có được sử dụng hay không?”, mà là “assessment còn chứng minh được người học biết gì, làm được gì, phán đoán được gì và chịu trách nhiệm về điều gì?” Đây cũng là tiêu chuẩn quyết định để đánh giá mọi đổi mới assessment có GenAI: công nghệ chỉ có giá trị giáo dục khi kiến trúc quản trị và thiết kế vẫn bảo vệ được tính hợp lệ của suy luận, khả năng truy nguyên quá trình, quyền phán đoán của con người và độ tin cậy của bằng chứng năng lực.
HIGHLIGHTS
- Governance capability enables responsible Human–AI assessment design.
- HACAA integrates authentic assessment with explicit Human–AI role configuration.
- Assessment quality mediates design and trustworthy competency evidence.
- Quality assurance strengthens the translation of HACAA into assessment quality.
- The model shifts assessment governance from AI detection to evidence-by-design.
TUYÊN BỐ
Nguồn tài trợ: Thông tin về nguồn tài trợ cần được tác giả hoàn thiện theo tình trạng thực tế của nghiên cứu trước khi nộp bài.
Xung đột lợi ích: Tuyên bố xung đột lợi ích cần phản ánh chính xác tình trạng thực tế của tác giả tại thời điểm nộp bài.
Phê duyệt đạo đức và sự đồng ý tham gia: Nếu nghiên cứu thu thập dữ liệu từ người tham gia, bản thảo cuối cùng phải nêu rõ cơ quan phê duyệt, mã phê duyệt (nếu có), quy trình đồng ý tham gia và cơ chế bảo vệ dữ liệu.
Tính sẵn có của dữ liệu: Cần được hoàn thiện sau khi nghiên cứu thực nghiệm kết thúc và phù hợp với chính sách dữ liệu của tạp chí mục tiêu.
Tuyên bố về việc sử dụng GenAI trong quá trình chuẩn bị bản thảo: Bản nộp cuối cùng cần mô tả chính xác công cụ đã sử dụng, mục đích sử dụng, phạm vi biên tập/tái cấu trúc và xác nhận rằng tác giả đã kiểm tra, chỉnh sửa và chịu trách nhiệm hoàn toàn đối với nội dung cuối cùng.
TÀI LIỆU THAM KHẢO
- Ajjawi, R., Tai, J., Boud, D., & Jorre de St Jorre, T. (2020). Assessment for inclusion in higher education: Promises and tensions. Assessment & Evaluation in Higher Education, 45(6), 879–890.
- American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.
- Bearman, M., Dawson, P., Ajjawi, R., Tai, J., & Boud, D. (Eds.). (2020). Re-imagining university assessment in a digital world. Springer.
- Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4th ed.). Open University Press.
- Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, 5(1), 7–74. https://doi.org/10.1080/0969595980050102
- Boud, D., & Falchikov, N. (2006). Aligning assessment with long-term learning. Assessment & Evaluation in Higher Education, 31(4), 399–413. https://doi.org/10.1080/02602930600679050
- Boud, D., & Molloy, E. (Eds.). (2013). Feedback in higher and professional education: Understanding it and doing it well. Routledge.
- Boud, D., & Soler, R. (2016). Sustainable assessment revisited. Assessment & Evaluation in Higher Education, 41(3), 400–413. https://doi.org/10.1080/02602938.2015.1018133
- Braun, V., & Clarke, V. (2021). Thematic analysis: A practical guide. SAGE.
- Brookhart, S. M. (2013). How to create and use rubrics for formative assessment and grading. ASCD.
- Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Press.
- Carless, D. (2015). Excellence in university assessment: Learning from award-winning practice. Routledge.
- Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354
- Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20, Article 43. https://doi.org/10.1186/s41239-023-00411-8
- Chapman, B. L., & Dalgarno, B. (2025). Beyond the ban: A theoretical framework for integrating generative AI in assessment. Policy Futures in Education. Advance online publication. https://doi.org/10.1177/14782103251411725
- Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE.
- Dawson, P. (2021). Defending assessment security in a digital world: Preventing e-cheating and supporting academic integrity in higher education. Routledge.
- DeVellis, R. F., & Thorpe, C. T. (2021). Scale development: Theory and applications (5th ed.). SAGE.
- European Commission, High-Level Expert Group on Artificial Intelligence. (2019). Ethics guidelines for trustworthy AI. European Commission.
- Gulikers, J. T. M., Bastiaens, T. J., & Kirschner, P. A. (2004). A five-dimensional framework for authentic assessment. Educational Technology Research and Development, 52(3), 67–86. https://doi.org/10.1007/BF02504676
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
- Kickbusch, S., Ashford-Rowe, K., Kemp, A., Boreland, J., & Huijser, H. (2025). Beyond detection: Redesigning authentic assessment in an AI-mediated world. Education Sciences, 15(11), 1537. https://doi.org/10.3390/educsci15111537
- Kofinas, A. K., Tsay, C. H.-H., & Pike, D. (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13585
- Lodge, J. M., Howard, S., Bearman, M., Dawson, P., & Associates. (2023). Assessment reform for the age of artificial intelligence. Tertiary Education Quality and Standards Agency.
- Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons’ responses and performances as scientific inquiry into score meaning. American Psychologist, 50(9), 741–749. https://doi.org/10.1037/0003-066X.50.9.741
- Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
- National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1
- National Institute of Standards and Technology. (2024). Artificial intelligence risk management framework: Generative artificial intelligence profile (NIST AI 600-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.600-1
- 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.
- 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
- (2019). Recommendation of the Council on Artificial Intelligence. OECD Publishing.
- Perkins, M. (2023). Academic integrity considerations of AI large language models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching & Learning Practice, 20(2). https://doi.org/10.53761/1.20.02.07
- Sambell, K., McDowell, L., & Montgomery, C. (2013). Assessment for learning in higher education. Routledge.
- Tertiary Education Quality and Standards Agency. (2023). Assessment reform for the age of artificial intelligence. TEQSA.
- Toker, S., & Akgun, M. (2025). Reducing AI plagiarism through assessment of higher-order cognitive skills. Innovations in Education and Teaching International, 62(5), 1665–1681. https://doi.org/10.1080/14703297.2025.2514242
- (2021). Recommendation on the ethics of artificial intelligence. UNESCO Publishing.
- (2023). Guidance for generative AI in education and research. UNESCO Publishing.
- Williamson, D. M., Mislevy, R. J., & Bejar, I. I. (Eds.). (2006). Automated scoring of complex tasks in computer-based testing. Lawrence Erlbaum Associates.
