English title:
Governing Smart Classrooms as Socio-Technical Systems: Development and Validation of an AI–IoT–Robotics Integration Model in Higher Education
NGUYỄN VĂN HÙNG
TÓM TẮT
Sự hội tụ của trí tuệ nhân tạo (Artificial Intelligence – AI), Internet vạn vật (Internet of Things – IoT) và robotics đang mở rộng khả năng của lớp học từ một không gian số hóa sang một môi trường có thể cảm nhận, kết nối, phân tích, thích ứng và hành động. Tuy nhiên, sự hiện diện của công nghệ không tự thân tạo ra “smartness”. Các tổng quan gần đây cho thấy cảm biến và AI có thể hỗ trợ giám sát môi trường, phân tích hành vi và cá nhân hóa học tập, đồng thời làm nổi bật các thách thức về quyền riêng tư, chi phí và tối ưu thuật toán (Zhang et al., 2024). Nghiên cứu này vì vậy tái khái niệm hóa Smart Classroom như một hệ thống xã hội–kỹ thuật và phát triển Socio-Technical Smart Classroom Governance Model (ST-SCGM) để giải thích cách các trường đại học chuyển hóa nguồn lực AI–IoT–Robotics thành giá trị giáo dục thông qua năng lực quản trị thể chế.
Mô hình gồm ba tầng. Tầng thứ nhất là Smart Classroom Governance Capability (SCGC), được khái niệm hóa như một năng lực bậc cao gồm năm cấu phần: Technological Orchestration Capability, Data & AI Governance Capability, Human–Technology Capability, Smart Pedagogical Capability và Organizational & Operational Capability. Tầng thứ hai là Smart Classroom Value Creation (SCVC), phản ánh bốn cơ chế tạo giá trị: personalization, human augmentation, adaptive orchestration và evidence-based decision support. Tầng thứ ba là Educational Outcomes (EO), bao gồm learning effectiveness, learning engagement, human agency, equity and inclusion, và sustainability. Responsible Technology Governance (RTG) được mô hình hóa như một điều kiện biên xuyên suốt, định hướng việc tạo giá trị theo các nguyên tắc công bằng, minh bạch, quyền riêng tư, an toàn, trách nhiệm giải trình và giám sát của con người.
Nghiên cứu đề xuất thiết kế hỗn hợp tuần tự để phát triển và kiểm định thang đo, gồm xác lập miền khái niệm, tạo mục đo, đánh giá chuyên gia, tiền kiểm nhận thức, nghiên cứu thử nghiệm và khảo sát đa cơ sở. EFA, CFA và SEM được sử dụng theo các mẫu độc lập khi điều kiện dữ liệu cho phép. Đóng góp trung tâm của ST-SCGM không nằm ở việc cộng gộp AI, IoT và robotics, mà ở việc giải thích khi nào, bằng cơ chế nào và dưới những năng lực quản trị nào sự hội tụ công nghệ có thể tạo ra giá trị giáo dục có trách nhiệm và bền vững.
Từ khóa:Lớp học thông minh (Smart Classroom); Hệ thống xã hội – kỹ thuật (Socio-Technical Systems); Trí tuệ nhân tạo (Artificial Intelligence – AI); Internet vạn vật (Internet of Things – IoT); Robot học (Robotics); Giáo dục đại học (Higher Education); Quản trị công nghệ (Technology Governance); Học tập thông minh (Smart Learning).
ABSTRACT
The convergence of Artificial Intelligence (AI), the Internet of Things (IoT), and robotics is transforming classrooms from digitized spaces into environments capable of sensing, connecting, analyzing, adapting, and acting. However, the mere presence of technology does not inherently generate “smartness.” Recent systematic reviews indicate that sensors and AI can support environmental monitoring, behavioral analytics, and personalized learning, while simultaneously highlighting persistent challenges related to privacy, cost, and algorithmic optimization (Zhang et al., 2024). This study therefore reconceptualizes the Smart Classroom as a socio-technical system and develops the Socio-Technical Smart Classroom Governance Model (ST-SCGM) to explain how universities translate AI–IoT–Robotics resources into educational value through institutional governance capability.
The model comprises three tiers. The first tier, Smart Classroom Governance Capability (SCGC), is conceptualized as a higher-order capability encompassing five constituent dimensions: Technological Orchestration Capability, Data & AI Governance Capability, Human–Technology Capability, Smart Pedagogical Capability, and Organizational & Operational Capability. The second tier, Smart Classroom Value Creation (SCVC), reflects four value-generation mechanisms: personalization, human augmentation, adaptive orchestration, and evidence-based decision support. The third tier, Educational Outcomes (EO), includes learning effectiveness, learning engagement, human agency, equity and inclusion, and sustainability. Responsible Technology Governance (RTG) is modeled as a cross-cutting boundary condition, orienting value creation toward principles of fairness, transparency, privacy, safety, accountability, and human oversight.
A sequential mixed-methods design is proposed for scale development and validation, encompassing conceptual domain specification, item generation, expert review, cognitive pretesting, pilot testing, and multi-institutional survey administration. Exploratory Factor Analysis (EFA), Confirmatory Factor Analysis (CFA), and Structural Equation Modeling (SEM) are employed across independent samples where data conditions permit. The central contribution of ST-SCGM lies not in aggregating AI, IoT, and robotics within the classroom, but in explaining when, through what mechanisms, and under what governance capabilities technological convergence can generate responsible and sustainable educational value.
Keywords: Smart Classroom; Socio-Technical Systems; Artificial Intelligence; Internet of Things; Robotics; Higher Education; Technology Governance; Smart Learning.
- GIỚI THIỆU
1.1. Bối cảnh nghiên cứu
AI, IoT, robotics, learning analytics, cảm biến thông minh và các hệ thống học tập thích ứng đang tạo ra một thế hệ môi trường học tập mới, trong đó lớp học không chỉ cung cấp nội dung mà có khả năng:
- nhận biết trạng thái của môi trường và người học;
- thu thập dữ liệu học tập theo thời gian thực;
- phân tích và dự báo nhu cầu học tập;
- cá nhân hóa nội dung và hỗ trợ;
- điều phối thiết bị và tài nguyên;
- hỗ trợ tương tác Human–AI và Human–Robot;
- cung cấp thông tin hỗ trợ quyết định cho giảng viên.
Tuy nhiên, một lớp học giàu công nghệ chưa nhất thiết là một lớp học thông minh. Tổng quan của Zhang et al. (2024) cho thấy việc kết hợp cảm biến và AI mở rộng đáng kể khả năng xử lý dữ liệu, giám sát môi trường và hỗ trợ cá nhân hóa, nhưng đồng thời phát sinh các vấn đề về quyền riêng tư, chi phí và chất lượng thuật toán. Vì vậy, AI, cảm biến IoT, robot hoặc bảng tương tác trước hết chỉ tạo ra tiềm năng công nghệ; giá trị giáo dục phụ thuộc vào cách các nguồn lực này được phối hợp với con người, sư phạm, dữ liệu và cấu trúc tổ chức.
1.2. Vấn đề nghiên cứu
Nghiên cứu Smart Classroom hiện còn ba khoảng trống chính.
Khoảng trống 1 – Technology-centric perspective.
Nhiều nghiên cứu tiếp cận Smart Classroom chủ yếu thông qua hạ tầng, thiết bị, kiến trúc IoT hoặc các ứng dụng AI riêng lẻ.
Khoảng trống 2 – Fragmented technology integration.
AI, IoT và robotics thường được nghiên cứu riêng biệt, trong khi lớp học thông minh thế hệ mới đòi hỏi khả năng điều phối chúng như một hệ sinh thái công nghệ thống nhất.
Khoảng trống 3 – Governance deficit.
Nghiên cứu về hạ tầng thông minh phát triển nhanh hơn các mô hình giải thích cách cơ sở giáo dục quản trị đồng thời:
Technology – Data – People – Pedagogy – Organization – Responsibility.
Do đó, câu hỏi quan trọng không còn đơn thuần là:
“Trường đại học có những công nghệ thông minh nào?”
mà là:
“Trường đại học có năng lực nào để điều phối AI, IoT và robotics cùng con người, dữ liệu và sư phạm nhằm tạo ra giá trị giáo dục?”
1.3. Mục tiêu và câu hỏi nghiên cứu
Nghiên cứu có bốn mục tiêu:
- Khái niệm hóa Smart Classroom như một socio-technical system.
- Phát triển mô hình Socio-Technical Smart Classroom Governance Model (ST-SCGM).
- Phát triển và kiểm định thang đo các năng lực quản trị Smart Classroom.
- Kiểm định cơ chế qua đó năng lực quản trị chuyển hóa thành giá trị và kết quả giáo dục.
RQ1. Những năng lực quản trị cốt lõi nào cấu thành Smart Classroom Governance Capability?
RQ2. AI, IoT và robotics nên được điều phối như thế nào trong một hệ thống xã hội–kỹ thuật của giáo dục đại học?
RQ3. Smart Classroom Governance Capability tác động như thế nào đến Smart Classroom Value Creation?
RQ4. Smart Classroom Value Creation chuyển hóa thành Educational Outcomes như thế nào?
RQ5. Responsible Technology Governance đóng vai trò gì trong toàn bộ quá trình?
1.4. Đóng góp dự kiến
Nghiên cứu đóng góp ở ba cấp độ:
Lý thuyết: chuyển Smart Classroom từ technology-centric construct thành socio-technical governance construct.
Đo lường: phát triển thang đo đa chiều về năng lực quản trị Smart Classroom.
Thực tiễn: cung cấp công cụ đánh giá mức độ sẵn sàng và năng lực quản trị AI–IoT–Robotics cho các cơ sở giáo dục đại học.
- CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU
2.1. Từ Technology-Enabled Classroom đến Smart Classroom
Phân biệt:
Digitized Classroom → Connected Classroom → Intelligent Classroom → Smart Classroom.
Trong nghiên cứu này, Smart Classroom không được xác định bởi số lượng thiết bị mà bởi khả năng:
Sense → Connect → Analyze → Adapt → Act → Learn.
Trong kiến trúc này:
- IoT đảm nhiệm sensing, connectivity và contextual data;
- AI đảm nhiệm analytics, prediction, generation và adaptive decision support;
- Robotics mở rộng embodied interaction và physical action;
- Human actors đảm nhiệm mục tiêu, phán đoán, sáng tạo và trách nhiệm;
- Governance xác lập quyền hạn, chuẩn mực, trách nhiệm và giới hạn.
2.2. Socio-Technical Systems Theory: nền tảng lý thuyết neo
Socio-Technical Systems Theory (STS) là nền tảng lý thuyết trung tâm. Logic cốt lõi của STS là hiệu quả của hệ thống không thể đạt được bằng cách tối ưu riêng hệ thống kỹ thuật; thay vào đó, cần thiết kế sự phù hợp và joint optimization giữa hệ thống xã hội và hệ thống kỹ thuật. Trong Smart Classroom, điều này có nghĩa là giá trị của AI–IoT–Robotics phụ thuộc vào sự phù hợp với vai trò của giảng viên và người học, thiết kế sư phạm, cấu trúc công việc, quy trình ra quyết định và cơ chế trách nhiệm.
Một hệ thống hiệu quả không thể được tối ưu bằng cách tối ưu riêng công nghệ; thay vào đó cần joint optimization giữa:
Social subsystem
- students;
- lecturers;
- administrators;
- technicians;
- institutional leadership;
- organizational culture;
- pedagogical practices.
Technical subsystem
- AI;
- IoT;
- robotics;
- learning platforms;
- sensors;
- data infrastructure;
- analytics;
- cybersecurity infrastructure.
Smart Classroom vì vậy được định nghĩa là:
Một hệ thống học tập xã hội–kỹ thuật có khả năng phối hợp con người, sư phạm, dữ liệu, AI, IoT, robotics và cấu trúc tổ chức để cảm nhận, phân tích, thích ứng và tạo ra giá trị giáo dục dưới các cơ chế quản trị có trách nhiệm.
2.3. Các lăng kính lý thuyết bổ trợ
STS cung cấp logic cấu trúc nhưng chưa đủ để giải thích toàn bộ cơ chế tạo giá trị. Vì vậy nghiên cứu tích hợp có chọn lọc:
Dynamic Capabilities Perspective: giải thích khả năng tổ chức nhận biết cơ hội/thách thức, huy động và tái cấu hình nguồn lực khi môi trường công nghệ thay đổi (Teece et al., 1997).
Technology–Organization–Environment (TOE): hỗ trợ phân tích điều kiện tổ chức và môi trường triển khai.
Human–AI Collaboration: giải thích nguyên tắc bổ trợ giữa năng lực con người và năng lực máy.
Responsible AI/Technology Governance: cung cấp cơ sở cho fairness, transparency, privacy, accountability, security và human oversight.
STS vẫn là anchor theory; các lý thuyết khác chỉ đóng vai trò bổ trợ, tránh hiện tượng theoretical stacking.
2.4. Sự hội tụ AI–IoT–Robotics như một nền tài nguyên công nghệ
Ba công nghệ không được mô hình hóa như ba nguyên nhân độc lập của kết quả học tập. Chúng tạo thành technological resource base mà nhà trường phải điều phối. Nghiên cứu về connected robotics cho thấy AI đóng vai trò perception/reasoning, IoT cung cấp sensing và communication ở quy mô lớn, còn robotics tạo ra embodied actuation; đồng thời, các thách thức về interoperability, feedback control, scalability và reliability vẫn còn đáng kể (Bezerra et al., 2026).
IoT – “Sensory layer”
Thu thập dữ liệu về môi trường, thiết bị, hoạt động và tương tác.
AI – “Intelligence layer”
Phân tích dữ liệu, dự báo, tạo sinh nội dung, đề xuất và hỗ trợ quyết định.
Robotics – “Embodied action layer”
Chuyển intelligence thành tương tác hoặc hành động vật lý.
Logic tích hợp:
IoT → Data → AI → Intelligence/Decision → Robotics/System Action → Human Feedback → Continuous Adaptation.
Điều này tạo nên một cyber-physical-social learning environment.
- PHÁT TRIỂN MÔ HÌNH VÀ GIẢ THUYẾT
3.1. Mô hình Socio-Technical Smart Classroom Governance Model – ST-SCGM
TẦNG I – SMART CLASSROOM GOVERNANCE CAPABILITIES
SCGC1. Technological Orchestration Capability – TOC
Khả năng lựa chọn, tích hợp, tương tác và tái cấu hình AI–IoT–robotics cùng hạ tầng số.
Không đo “có bao nhiêu thiết bị”, mà đo khả năng orchestration.
SCGC2. Data & AI Governance Capability – DAGC
Khả năng quản trị vòng đời dữ liệu và AI:
Data quality → interoperability → privacy → security → model governance → accountability.
SCGC3. Human–Technology Capability – HTC
Khả năng của giảng viên, người học và nhân sự hỗ trợ trong:
- AI literacy;
- data literacy;
- human–AI collaboration;
- human–robot interaction;
- critical evaluation;
- human oversight.
SCGC4. Smart Pedagogical Capability – SPC
Khả năng thiết kế sư phạm để chuyển technological affordances thành learning affordances:
- adaptive learning;
- personalization;
- collaborative learning;
- experiential learning;
- intelligent feedback;
- assessment support.
SCGC5. Organizational & Operational Capability – OOC
Bao gồm:
- leadership;
- strategy;
- investment;
- technical support;
- professional development;
- interoperability standards;
- maintenance;
- change management;
- risk management.
Năm cấu phần được đề xuất cấu thành Smart Classroom Governance Capability (SCGC) như một higher-order socio-technical capability. Về mặt đo lường, nghiên cứu không mặc định SCGC là reflective. Vì năm năng lực có nội hàm khác nhau và sự thiếu hụt một cấu phần có thể làm thay đổi bản chất năng lực tổng thể, đặc tả reflective–formative là một khả năng lý thuyết cần được so sánh với các mô hình cạnh tranh trong giai đoạn CFA/SEM.
3.2. TẦNG II – SMART CLASSROOM VALUE CREATION (SCVC)
SCGC không mặc nhiên tạo ra learning outcomes. Nó tạo điều kiện cho các value-creation mechanisms.
Đề xuất bốn cơ chế:
Personalization
Điều chỉnh tài nguyên, tốc độ, feedback và learning pathway.
Human Augmentation
AI và robotics hỗ trợ thay vì thay thế giảng viên và người học.
Adaptive Orchestration
Phối hợp động con người, nội dung, thiết bị, dữ liệu và không gian học tập.
Evidence-Based Decision Support
Chuyển dữ liệu lớp học thành actionable educational intelligence.
3.3. Tầng III – Educational Outcomes (EO)
Mô hình không nên giới hạn thành công ở efficiency.
Đề xuất năm miền kết quả:
- Learning Effectiveness
- Learning Engagement
- Human Agency
- Equity & Inclusion
- Sustainability
Các miền này không mặc nhiên được giả định là các chỉ báo reflective có thể thay thế cho nhau. Nghiên cứu sẽ kiểm định liệu EO phù hợp hơn với một composite bậc cao hay nên được báo cáo như các outcome riêng biệt. Cách đặc tả cuối cùng phải dựa đồng thời trên lý thuyết, tính phân biệt khái niệm và bằng chứng thực nghiệm.
3.4. Responsible Technology Governance – RTG
RTG là lớp quản trị xuyên suốt:
Fairness – Transparency – Explainability – Privacy – Security – Accountability – Human Oversight – Safety – Contestability.
RTG không nên chỉ xuất hiện ở phần “ethical implications”; nó cần được tích hợp trực tiếp vào kiến trúc lý thuyết.
3.5. Giả thuyết nghiên cứu
Để tránh sự trùng lặp giữa cấu phần bậc một và SCGC bậc cao, mô hình cấu trúc không đồng thời ước lượng các đường dẫn trực tiếp từ cả năm cấu phần và SCGC đến SCVC. Năm cấu phần được xử lý trong mô hình đo lường của SCGC; các giả thuyết cấu trúc tập trung vào chuỗi tạo giá trị.
H1a–H1e (cấu trúc đo lường): Technological Orchestration Capability, Data & AI Governance Capability, Human–Technology Capability, Smart Pedagogical Capability và Organizational & Operational Capability là năm cấu phần phân biệt nhưng bổ trợ cấu thành Smart Classroom Governance Capability.
H2: Smart Classroom Governance Capability có tác động tích cực đến Smart Classroom Value Creation.
H3: Smart Classroom Value Creation có tác động tích cực đến Educational Outcomes.
H4: Smart Classroom Value Creation đóng vai trò trung gian trong mối quan hệ giữa Smart Classroom Governance Capability và Educational Outcomes.
H5: Responsible Technology Governance điều tiết tích cực mối quan hệ giữa Smart Classroom Governance Capability và Smart Classroom Value Creation; tác động của SCGC lên SCVC mạnh hơn khi RTG ở mức cao.
Mô hình tổng quát
TẦNG I – GOVERNANCE CAPABILITY
Technological Orchestration + Data & AI Governance + Human–Technology Capability + Smart Pedagogical Capability + Organizational & Operational Capability
→ SMART CLASSROOM GOVERNANCE CAPABILITY (SCGC)
↓
TẦNG II – SMART CLASSROOM VALUE CREATION (SCVC)
Personalization – Human Augmentation – Adaptive Orchestration – Evidence-Based Decision Support
↓
TẦNG III – EDUCATIONAL OUTCOMES (EO)
Learning Effectiveness – Engagement – Human Agency – Equity & Inclusion – Sustainability
RESPONSIBLE TECHNOLOGY GOVERNANCE
Cross-cutting governance/boundary condition
- PHƯƠNG PHÁP NGHIÊN CỨU
4.1. Thiết kế nghiên cứu
Nghiên cứu áp dụng sequential mixed-method scale-development design. Quy trình tuân theo nguyên tắc xác lập miền khái niệm trước khi tạo mục đo, sau đó đánh giá content validity, purification và validation trên các mẫu phù hợp; cách tiếp cận này tương thích với các hướng dẫn kinh điển về phát triển thang đo trong nghiên cứu tổ chức (Churchill, 1979; Hinkin, 1998).
Giai đoạn 1 – Conceptual domain specification
Systematic/scoping review tập trung vào:
- Smart Classroom;
- Smart Learning Environment;
- AI-enabled classroom;
- IoT-enabled learning;
- educational robotics;
- socio-technical systems;
- AI governance;
- technology governance.
Mục tiêu: xác lập construct domain và dimensions.
Giai đoạn 2 – Item generation và content validation
Nguồn item:
- literature review;
- phỏng vấn chuyên gia;
- focus group;
- adaptation từ các thang đo đã được kiểm định.
Hội đồng chuyên gia dự kiến gồm chuyên gia:
- educational technology;
- AI;
- IoT;
- robotics;
- higher education management;
- pedagogy;
- data/AI governance.
Có thể sử dụng Content Validity Index (CVI) và/hoặc Delphi để tinh chỉnh thang đo.
Giai đoạn 3 – Cognitive pretest và pilot study
Trước pilot, cognitive interviews được sử dụng để kiểm tra cách người trả lời hiểu thuật ngữ AI, IoT, robotics, governance và các mục đo. Pilot dự kiến n ≈ 100–200.
Mục tiêu:
- kiểm tra wording;
- item-total correlations;
- reliability;
- preliminary factor structure;
- loại bỏ item kém chất lượng.
Giai đoạn 4 – Main validation study
Khảo sát tại nhiều cơ sở giáo dục đại học.
Đối tượng:
- giảng viên;
- cán bộ quản lý;
- chuyên viên công nghệ/EdTech;
- nhân sự quản lý lớp học thông minh.
Cỡ mẫu mục tiêu n ≈ 500–800 chỉ là khoảng lập kế hoạch; cỡ mẫu cuối cùng cần được xác định bằng power analysis, số tham số tự do, độ phức tạp của higher-order model và chiến lược chia mẫu.
4.2. Phát triển thang đo
Thang Likert 7 mức được ưu tiên để tăng độ phân giải, nhưng quyết định cuối cùng cần thống nhất trên toàn bộ công cụ.
Quy trình:
Domain specification → Item generation → Expert review → Cognitive pretest → Pilot → EFA → CFA → Structural validation.
Nếu cỡ mẫu cho phép, chia mẫu hoặc thu hai mẫu độc lập:
Sample A → EFA
Sample B → CFA/SEM
để tránh xác nhận cấu trúc trên chính mẫu đã dùng khám phá.
4.3. Kiểm định mô hình đo lường
Đánh giá:
- factor loadings;
- Cronbach’s alpha;
- Composite Reliability;
- Average Variance Extracted;
- convergent validity;
- discriminant validity;
- HTMT;
- model fit.
Kiểm định đặc biệt đối với higher-order SCGC và so sánh các đặc tả cạnh tranh.
Cần xác định bằng lý thuyết và empirical diagnostics liệu SCGC phù hợp với:
- reflective–reflective;
- reflective–formative; hoặc
- formative higher-order specification.
Không nên mặc định cấu trúc reflective.
4.4. Kiểm định mô hình cấu trúc
Vì mục tiêu chính là theory testing và scale validation, CB-SEM là lựa chọn mặc định. PLS-SEM chỉ được sử dụng nếu đặc tả formative, mục tiêu dự báo hoặc đặc điểm dữ liệu tạo ra lý do phương pháp luận rõ ràng; lựa chọn kỹ thuật không được quyết định sau khi quan sát kết quả.
Kiểm định:
- direct effects;
- mediation;
- moderation;
- explained variance;
- effect sizes;
- predictive relevance khi phù hợp.
4.5. Common Method Bias và Robustness Checks
Áp dụng:
- procedural remedies;
- anonymity;
- item separation;
- marker-variable hoặc latent-method approaches nếu khả thi;
- kiểm tra alternative models.
Nếu dữ liệu đến từ nhiều trường, cần xem xét:
multilevel structure hoặc cluster-robust standard errors.
4.6. Đạo đức nghiên cứu
Bảo đảm:
- informed consent;
- voluntary participation;
- anonymity/confidentiality;
- data minimization;
- secure storage;
- transparent AI use trong quá trình nghiên cứu.
- CHIẾN LƯỢC PHÂN TÍCH VÀ BÁO CÁO KẾT QUẢ
Do nghiên cứu ở giai đoạn phát triển mô hình, không suy diễn hoặc dự đoán hệ số trước khi thu thập dữ liệu. Bản thảo thực nghiệm sẽ báo cáo đầy đủ cả kết quả ủng hộ và không ủng hộ giả thuyết.
5.1. Measurement model
Trình bày:
- cấu trúc nhân tố;
- reliability;
- convergent validity;
- discriminant validity;
- higher-order construct validation.
5.2. Structural model
Báo cáo:
- standardized coefficients;
- confidence intervals;
- significance;
- effect sizes;
- explained variance;
- mediation;
- moderation.
5.3. Robustness
So sánh:
Full model vs. competing models.
Nếu đủ mẫu, có thể thực hiện Multi-Group Analysis theo:
- loại hình trường;
- mức trưởng thành số;
- kinh nghiệm triển khai Smart Classroom.
- THẢO LUẬN
6.1. Phát hiện trung tâm cần thảo luận
Thảo luận cần quay lại câu hỏi cốt lõi:
Smart Classroom tạo giá trị vì có công nghệ tiên tiến, hay vì tổ chức có năng lực điều phối công nghệ với con người và sư phạm?
Kết quả được diễn giải theo logic STS:
Theo ST-SCGM, smartness là thuộc tính nổi lên (emergent property) của sự phối hợp giữa technology, human actors, pedagogy, data, organization và governance, chứ không phải thuộc tính nội tại của thiết bị.
6.2. Đóng góp lý thuyết
Đóng góp 1
Tái khái niệm hóa Smart Classroom từ technology-rich environment thành socio-technical governance system.
Đóng góp 2
Đề xuất construct Smart Classroom Governance Capability như năng lực thể chế bậc cao.
Đóng góp 3
Giải thích cơ chế trung gian:
Governance Capability → Value Creation → Educational Outcomes.
Đóng góp 4
Tích hợp Responsible Technology Governance vào mô hình thay vì xem đạo đức như một biến ngoại vi.
Đóng góp 5
Làm rõ sự hội tụ:
AI intelligence + IoT sensing/connectivity + Robotics embodiment/action
trong cùng một hệ thống giáo dục.
- HÀM Ý QUẢN TRỊ VÀ CHÍNH SÁCH
7.1. Đối với trường đại học
Không nên bắt đầu bằng câu hỏi:
“Cần mua công nghệ nào?”
mà bằng:
“Cần xây dựng năng lực tổ chức nào để công nghệ tạo ra giá trị học tập?”
Đầu tư Smart Classroom cần đồng thời phát triển:
Infrastructure + Data + Human Capability + Pedagogy + Governance.
7.2. Đối với nhà quản trị
ST-SCGM có thể trở thành công cụ:
- readiness assessment;
- capability diagnosis;
- investment prioritization;
- technology procurement;
- faculty development;
- risk governance;
- performance evaluation.
7.3. Đối với chính sách
Cần chuyển tiêu chuẩn Smart Classroom từ equipment-based standards sang capability- and outcome-based standards.
- HẠN CHẾ VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO
Các hạn chế cần thừa nhận:
- dữ liệu cross-sectional hạn chế suy luận nhân quả;
- self-reported measures có thể tạo common method bias;
- bối cảnh một quốc gia hạn chế khả năng khái quát hóa;
- mức trưởng thành AI–IoT–robotics giữa các trường khác nhau;
- tốc độ thay đổi công nghệ có thể ảnh hưởng độ ổn định của một số indicators.
Nghiên cứu tiếp theo nên:
- longitudinal validation;
- cross-country validation;
- multilevel modeling;
- objective classroom data;
- digital trace/IoT data;
- experimental/quasi-experimental designs;
- human–AI–robot interaction;
- digital twins/XR;
- energy and environmental sustainability.
- KẾT LUẬN
Smart Classroom không nên được đồng nhất với một không gian được trang bị nhiều công nghệ. “Smartness” là một thuộc tính hệ thống, xuất hiện khi công nghệ, con người, sư phạm, dữ liệu và tổ chức được phối hợp có chủ đích.
Nghiên cứu đề xuất Socio-Technical Smart Classroom Governance Model (ST-SCGM) nhằm chuyển trọng tâm nghiên cứu từ technology adoption sang institutional governance capability.
Logic trung tâm của mô hình là:
AI–IoT–Robotics Resource Base
↓
Smart Classroom Governance Capability
↓
Smart Classroom Value Creation
↓
Educational Outcomes
trong đó Responsible Technology Governance tạo thành cơ chế bảo đảm xuyên suốt.
Giá trị cốt lõi của mô hình vì vậy không nằm ở việc chứng minh rằng AI, IoT hay robotics có thể được đưa vào lớp học, mà ở việc giải thích khi nào, bằng cơ chế nào và dưới những năng lực quản trị nào sự hội tụ công nghệ có thể chuyển hóa thành giá trị giáo dục.
CẤU TRÚC MÔ HÌNH NGHIÊN CỨU SAU PHẢN BIỆN
AI–IoT–ROBOTICS RESOURCE BASE
AI – IoT – Robotics
↓
SMART CLASSROOM GOVERNANCE CAPABILITY – SCGC
TOC – Technological Orchestration Capability
DAGC – Data & AI Governance Capability
HTC – Human–Technology Capability
SPC – Smart Pedagogical Capability
OOC – Organizational & Operational Capability
↓
SMART CLASSROOM VALUE CREATION – SCVC
Personalization
Human Augmentation
Adaptive Orchestration
Evidence-Based Decision Support
↓
EDUCATIONAL OUTCOMES – EO
Learning Effectiveness
Learning Engagement
Human Agency
Equity & Inclusion
Sustainability
Cross-cutting layer:
RESPONSIBLE TECHNOLOGY GOVERNANCE – RTG
Fairness – Transparency – Privacy – Security – Accountability – Human Oversight – Safety – Contestability
TUYÊN BỐ ĐÓNG GÓP LÝ THUYẾT CỐT LÕI
The theoretical contribution of ST-SCGM is not the aggregation of AI, IoT, and robotics within a technology-rich classroom. Rather, it lies in conceptualizing smart classroom governance as a higher-order socio-technical capability through which universities orchestrate technological, human, pedagogical, data, and organizational resources to generate responsible and sustainable educational value.
Diễn đạt tiếng Việt:
Đóng góp lý thuyết của ST-SCGM không nằm ở việc tập hợp AI, IoT và robotics trong một lớp học giàu công nghệ, mà ở việc khái niệm hóa quản trị lớp học thông minh như một năng lực xã hội–kỹ thuật bậc cao, qua đó trường đại học điều phối các nguồn lực công nghệ, con người, sư phạm, dữ liệu và tổ chức để tạo ra giá trị giáo dục có trách nhiệm và bền vững.
TÀI LIỆU THAM KHẢO CỐT LÕI (APA 7)
- Bezerra, R., Tadokoro, S., & Ohno, K. (2026). AI-IoT-Robotics integration: Survey of frameworks, emerging trends, and the path toward connected robotics. IEEE Internet of Things Journal. https://doi.org/10.1109/JIOT.2026.3670191
- Churchill, G. A., Jr. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16(1), 64–73.
- Hinkin, T. R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1(1), 104–121. https://doi.org/10.1177/109442819800100106
- 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.
- (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
- Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533.
- (2025). AI and the future of education: Disruptions, dilemmas and directions. UNESCO.
- Zhang, X., Ding, Y., Huang, X., Li, W., Long, L., & Ding, S. (2024). Smart classrooms: How sensors and AI are shaping educational paradigms. Sensors, 24(17), 5487. https://doi.org/10.3390/s24175487
