402
ĐỀ XUẤT KIẾN TRÚC MÔ HÌNH HỌC TẬP CÁ NHÂN HÓA DỰA TRÊN AI
CHO MÔI TRƢỜNG HỌC TẬP SỐ HỢP TÁC
Đào Thị Xuân Hường.
Khoa Công nghệ Thông tin – K thuật Điện,
Trường Cao đẳng Bách khoa Nam Sài Gòn.
Email: xuanhuong@nsg.edu.vn; Mobile: 84-0909546736
T m tắt
Một trong các mục tiêu của giáo dục và học tập trong công nghệ số hiện nay; chính là tạo
cho người học một môi trường học tập trực tuyến linh hoạt và hiệu quả, với công nghệ AI
23
có khả năng thích ứng với nhu cầu và đặc điểm riêng biệt của từng người học, đồng thời
thúc đẩy sự tương tác và cộng tác số một cách tích cực giữa các thành viên trong nhóm học
tập. Đề tài nghiên cứu này tập trung vào việc xây dựng một kiến trúc toàn diện và xác định
các thành phần cốt lõi cho một mô hình học tập cá nhân hóa, được hỗ trợ bởi trí tuệ nhân
tạo, trong bối cảnh học tập số có tính hợp tác.
Kiến trúc đề xuất sẽ bao gồm các module chức năng như thu thập và phân tích dữ liệu học
viên, với hệ thống AI thông minh để đưa ra các khuyến nghị và điều chỉnh cá nhân hóa cho
người học và các công cụ hỗ trợ nhóm trong cộng tác số. Sự tích hợp nhịp nhàng giữa các
thành phần này nhằm mục đích tối ưu hóa trải nghiệm học tập, nâng cao hiệu suất làm việc
nhóm và đạt được kết quả học tập tốt hơn.
T kho : Mô hình học tập, Cá nhân hoá dựa trên AI, Học tập số hợp tác.
Đặt vấn đề
Tổng quan
Trong bối cảnh kỷ nguyên số với sự bùng nổ của công nghệ và sự chuyển đổi mạnh mẽ
trong lĩnh vực giáo dục, học tập số đã và đang trở thành xu hướng chủ đạo, mang đến sự
linh hoạt và khả năng tiếp cận tri thức nguồn mở rộng lớn. Tuy nhiên, phần lớn các nền tảng
học tập số hiện tại vẫn còn tồn tại những hạn chế trong việc đáp ứng nhu cầu học tập đa
dạng và riêng biệt của từng cá nhân người học, nên thường cung cấp nội dung và lộ trình
học tập mang tính đại trà.
Hiện nay, với sự phát triển vượt bậc của công nghệ AI, đã mở ra những cơ hội rộng mở để
cá nhân hóa trải nghiệm học tập, từ việc phân tích dữ liệu người học, đề xuất nội dung phù
hợp đến việc cung cấp hỗ trợ thông minh. Bên cạnh đó, học tập hợp tác được chứng minh là
một phương pháp hiệu quả để nâng cao tương tác, chia sẻ kiến thức và phát triển các kỹ
năng mềm thiết yếu trong môi trường làm việc hiện đại. Do đó, nghiên cứu về việc đề xuất
một kiến trúc mô hình học tập cá nhân hóa dựa trên AI cho môi trường học tập số hợp tác
trở nên vô cùng cấp thiết. Nghiên cứu này không chỉ giải quyết nhu cầu cấp bách về một
môi trường học tập linh hoạt, thích ứng và mang tính tương tác cao, mà còn tận dụng triệt để
tiềm năng của AI để tối ưu hóa hiệu quả học tập cho người học, mang lại hiệu quả cho công
23
Artificial Intillegence - Trí tuệ Nhân tạo.
403
tác giảng dạy và góp phần vào sự đổi mới và nâng cao chất lượng của toàn bộ hệ thống giáo
dục trong bối cảnh chuyển đổi số mạnh mẽ.
Lý do chọn đề tài:
Bài nghiên cứu đưa ra những lý do và cũng đặt ra các mục tiêu chính là nhắm đến các đề
xuất giải quyết các vấn đề:
Sự ph t triển mạnh mẽ của học tập số với nhu cầu c nhân h a: cho mỗi người học
có sự tương tác hoạt động nhóm đã và đang áp dụng trong quá trình đào tạo số hiện nay.
Với xu hướng chủ đạo trong giáo dục số hiện đại, học tập số có tương tác nhóm đòi hỏi
người học phải có tính tự chủ với kế hoạch học tập cá nhân, linh hoạt kết hợp giữa những
hoạt động bản thân và nhóm học. Điều này giúp người học mở rộng khả năng tiếp cận
rộng rãi về: kiến thức mở, tương tác số, quản lý công việc – thời gian,... Tuy nhiên, các
nền tảng học tập số hiện tại thường cung cấp nội dung và lộ trình học tập chung cho tất cả
người học, chưa đáp ứng được nhu cầu và đặc điểm riêng biệt của từng cá nhân phù hợp
cho hoạt động chung của nhóm học. Vì thế, nhu cầu về một môi trường học tập có khả
năng thích ứng và cá nhân hóa ngày càng trở nên cấp thiết để tối ưu hóa trải nghiệm và
hiệu quả học tập. (Dillenbourg, 1999)
Sự ph t triển và tiềm năng của công nghệ AI trong gi o dục: đã và đang chứng
minh khả năng vượt trội trong việc phân tích dữ liệu lớn, nhận diện mẫu, dự đoán và đưa
ra các đề xuất thông minh. Vì thế ứng dụng AI trong học tập có thể giúp hiểu rõ hơn về
người học, tự động hóa các tác vụ lặp trong kế hoạch, cung cấp phản hồi cá nhân hóa và
tạo ra các lộ trình học tập tối ưu. Vậy tầm quan trọng của công nghệ AI sẽ giúp khám
phá và khai thác tiềm năng của của người học, để giải quyết bài toán cá nhân hóa trong
môi trường học tập số. Dẫn chứng về tiềm năng của công nghệ AI trong giáo dục đã
được nghiên cứu từ các trường đại học hàng đầu thế giới như Harvard, MIT và Wharton
chỉ ra rằng người học có sử dụng AI thường hoàn thành nhiều công việc hơn có thể đến
12,2% so với mức trung bình, và tốc độ nhanh hơn đến 25,1%, đồng thời với chất lượng
công việc cao hơn 40%. [6]
Sự cần thiết của hợp tác trong môi trƣờng học tập số: thể hiện việc mang lại nhiều
lợi ích như tăng cường tương tác, chia sẻ kiến thức, phát triển kỹ năng làm việc nhóm và
tư duy phản biện. Do đó, môi trường học tập tương tác số cần tạo điều kiện thuận lợi cho
sự hợp tác hiệu quả giữa các người học. Nghiên cứu này hướng đến việc tích hợp các yếu
tố hợp tác vào mô hình học tập cá nhân hóa, tạo ra một môi trường học tập vừa linh hoạt
cá nhân, vừa giàu tính tương tác xã hội. (Dillenbourg, 1999) (Heather Staker, Michael B.
Horn, 2012)
Những hạn chế của các mô hình học tập cá nhân hóa hiện tại:
Nhiều mô hình học tập cá nhân hóa hiện tại tập trung chủ yếu vào việc điều chỉnh nội dung
và tốc độ học tập, ít chú trọng đến các yếu tố như phong cách học, sở thích, mục tiêu cá
nhân và tương tác xã hội. (Nguyễn Thị Phương Lê, Lam Thị Loan, Vũ Thị Thuý Hằng,
2024)
Ngoài ra, sự thiếu tương tác người dùng với học liệu, với giảng viên, (Anh, 2025)khả năng
hiểu và nắm rõ kiến thức nền của sinh viên Việt Nam còn yếu và thiếu; nguyên do phần lớn
là do sinh viên quá chú ý và ―ỷ lại‖ vào truy cứu kiến thức qua công nghệ. (Anh, 2025)
Việc tích hợp AI vào các mô hình học tập cá nhân hoá vẫn còn ở giai đoạn sơ khai và chưa
khai thác hết tiềm năng. Nghiên cứu này mong muốn vượt qua những hạn chế đó bằng cách
404
đề xuất một kiến trúc toàn diện hơn, kết hợp AI và các yếu tố hợp tác một cách hiệu quả.
(Nguyễn Thị Phương Lê, Lam Thị Loan, Vũ Thị Thuý Hằng, 2024)
Yêu cầu đổi mới và nâng cao chất lƣợng giáo dục trong bối cảnh chuyển đổi số:
Giáo dục đang trải qua quá trình chuyển đổi số mạnh mẽ, đòi hỏi các phương pháp và mô
hình học tập mới, sáng tạo và hiệu quả hơn. Nghiên cứu này góp phần vào nỗ lực đổi mới
giáo dục bằng cách đề xuất một giải pháp tiên tiến, tận dụng các công nghệ mới nhất để
nâng cao chất lượng dạy và học. ―Đây được xem là cơ hội để các cơ sở giáo dục thay đổi
nội dung, hình thức giảng dạy nhằm đáp ứng nhu cầu cá nhân của người học, giúp họ thích
nghi với môi trường học tập và làm việc trong tương lai.‖ (Nguyễn Thị Phương Lê, Lam Thị
Loan, Vũ Thị Thuý Hằng, 2024)
Tầm quan trọng của chủ đề nghiên cứu:
Đối với người học:
Tối ưu hóa trải nghiệm học tập: thông qua mô hình cá nhân hóa sẽ giúp người học tìm
được nội dung và phương pháp học tập phù hợp với nhu cầu, từ đó tăng cường sự
hứng thú và động lực học tập.
Nâng cao hiệu quả học tập theo thời gian: thông qua lộ trình học tập được điều chỉnh
phù hợp với năng lực và tốc độ của từng cá nhân, giúp người học nắm vững kiến thức
và kỹ năng một cách hiệu quả nhất.
Phát triển toàn diện: với việc tích hợp yếu tố hợp tác số, giúp người học phát triển các
kỹ năng mềm quan trọng như giao tiếp, làm việc nhóm và tư duy phản biện.
Hỗ trợ học tập suốt đời: qua mô hình phát triển linh hoạt và khả năng thích ứng cao có
thể hỗ trợ người học trong suốt quá trình học tập và phát triển nghề nghiệp của bản
thân.
Đối với người giảng dạy:
Cung cấp công cụ hỗ trợ dạy học hiệu quả: với các công cụ AI có thể giúp giảng viên
hiểu rõ hơn về nhu cầu và tiến trình học tập của từng sinh viên, từ đó đưa ra các can
thiệp và hỗ trợ kịp thời.
Giảm tải công việc quản lý và đánh giá: do giảng viên có thể tự động hóa một số tác
vụ như theo dõi tiến độ, chấm điểm bài tập trắc nghiệm và cung cấp phản hồi ban đầu
cho người học.
Nâng cao chất lượng giảng dạy: qua một thời gian thực hiện, với bộ dữ liệu phân tích
từ AI có thể cung cấp thông tin hữu ích để giảng viên cải thiện phương pháp giảng dạy
và thiết kế nội dung phù hợp hơn cho người học.
Tạo ra môi trường học tập tương tác và hấp dẫn: thông qua việc tích hợp các công cụ
hợp tác và hỗ trợ thông minh từ AI có thể tạo ra một môi trường học tập năng động và
thu hút người học.
Đối với hệ thống gi o dục:
Nâng cao chất lượng và hiệu quả đào tạo: với mô hình học tập cá nhân hóa có tiềm
năng nâng cao chất lượng đầu ra của hệ thống giáo dục, đáp ứng tốt hơn nhu cầu của
thị trường lao động.
405
Thúc đẩy đổi mới sáng tạo trong giáo dục: Nghiên cứu này góp phần khám phá và ứng
dụng các công nghệ tiên tiến trong lĩnh vực giáo dục, thúc đẩy sự đổi mới và phát triển
của ngành.
Tăng cường khả năng cạnh tranh quốc tế: Một hệ thống giáo dục tiên tiến và hiệu quả
sẽ giúp quốc gia nâng cao năng lực cạnh tranh trên trường quốc tế.
Góp phần vào mục tiêu chuyển đổi số quốc gia: Nghiên cứu này đóng góp vào việc
ứng dụng công nghệ số, đặc biệt là AI, trong lĩnh vực giáo dục, một trong những trụ
cột quan trọng của quá trình chuyển đổi số quốc gia.
Tóm lại, đề tài nghiên cứu về kiến trúc mô hình học tập cá nhân hóa dựa trên AI cho môi
trường học tập số hợp tác có ý nghĩa khoa học và thực tiễn, giải quyết những thách thức
hiện tại và mở ra những tiềm năng mới cho giáo dục trong kỷ nguyên số. Việc xây dựng một
mô hình hiệu quả sẽ mang lại lợi ích thiết thực cho người học, nhà giáo dục và toàn bộ hệ
thống giáo dục.
Cơ sở lý thuyết và vấn đề nghiên cứu
Cơ sở lý thuyết
Học tập c nhân h a (PL - Personalized Learning)
Học tập cá nhân hóa là một phương pháp sư phạm tập trung vào người học, trong đó quá
trình học tập được điều chỉnh để phù hợp với nhu cầu, sở thích, phong cách học tập, tốc độ
học tập và mục tiêu cá nhân của từng người học. (Barbara A. Bray, Kathleen A. McClaskey,
2016). Thay vì một khuôn mẫu giáo dục đồng nhất, PL tạo ra các lộ trình học tập riêng biệt,
trao quyền cho người học và khuyến khích sự tự chủ trong quá trình tiếp thu kiến thức
(Heather Staker, Michael B. Horn, 2012). Các yếu tố cốt lõi của PL bao gồm:
Hồ sơ ngƣời học (Learner Profile): Thu thập thông tin đa dạng về người học, bao
gồm kiến thức nền tảng, phong cách học tập, sở thích, mục tiêu học tập và tiến độ
hiện tại.
Lộ trình học tập linh hoạt (Flexible Learning Paths): Cung cấp nhiều lựa chọn về
nội dung, hoạt động và phương pháp đánh giá để người học có thể lựa chọn con
đường học tập phù hợp nhất với mình.
Học tập theo nhịp độ cá nhân (Pace-Based Learning): Cho phép người học tiến bộ
theo tốc độ riêng của họ, đảm bảo sự hiểu biết sâu sắc trước khi chuyển sang các khái
niệm mới.
Phản hồi liên tục và có mục tiêu (Targeted Feedback): Cung cấp thông tin phản
hồi kịp thời và cụ thể để giúp người học nhận biết điểm mạnh, điểm yếu và điều
chỉnh quá trình học tập.
Quyền tự chủ của ngƣời học (Learner Agency): Khuyến khích người học tham gia
vào việc thiết kế và quản lý quá trình học tập của chính mình.
Trí tuệ Nhân tạo (AI) trong Gi o dục
Trí tuệ Nhân tạo đang ngày càng được ứng dụng rộng rãi trong giáo dục, mang lại những
giải pháp thông minh để cải thiện hiệu quả dạy và học. Trong bối cảnh học tập cá nhân hóa,
AI đóng vai trò then chốt trong việc:
Phân tích dữ liệu ngƣời học: AI có khả năng xử lý lượng lớn dữ liệu về người học
như: hành vi tương tác, kết quả học tập, phong cách học, v.v.; để có thể nhận diện các
406
mẫu, xu hướng và đưa ra những hiểu biết sâu sắc về nhu cầu và đặc điểm của từng cá
nhân. (Ryan S. Baker, George Siemens, 2012)
Đề xuất và cá nhân hóa nội dung: Dựa trên phân tích dữ liệu, các thuật toán AI có
thể đề xuất tài liệu học tập, bài tập, hoạt động và nguồn lực phù hợp với trình độ, sở
thích và phong cách học tập của từng người.
Cung cấp phản hồi thông minh: AI có thể tự động chấm điểm bài tập, cung cấp
phản hồi chi tiết và gợi ý các bước cải thiện cho người học. Các hệ thống AI tiên tiến
còn có khả năng phân tích ngôn ngữ tự nhiên để hiểu và phản hồi các câu hỏi phức
tạp của người học.
Hỗ trợ học tập thích ứng: AI có thể điều chỉnh độ khó của nội dung, tốc độ trình
bày và phương pháp tiếp cận dựa trên hiệu suất và mức độ hiểu bài của người học
trong thời gian thực.
Hỗ trợ tƣơng tác và cộng tác: AI có thể tạo ra các nhóm học tập phù hợp dựa trên
sở thích, trình độ hoặc mục tiêu chung, đồng thời hỗ trợ các hoạt động cộng tác thông
qua các công cụ phân tích tương tác và cung cấp gợi ý.
Môi trường học tập số hợp t c (CDLE - Collaborative Digital Learning Environment)
Môi trường học tập số hợp tác là một không gian trực tuyến nơi người học có thể tương tác
với nhau, chia sẻ ý tưởng, cùng nhau giải quyết vấn đề và xây dựng kiến thức thông qua các
hoạt động nhóm và dự án chung (Dillenbourg, 1999). Học tập hợp tác mang lại nhiều lợi
ích, bao gồm phát triển kỹ năng giao tiếp, tư duy phản biện, giải quyết vấn đề và làm việc
nhóm. Trong CDLE, các công cụ và nền tảng số hỗ trợ các hình thức tương tác đa dạng như
diễn đàn thảo luận, phòng chat, công cụ chia sẻ tài liệu và dự án nhóm trực tuyến.
Khung lý thuyết và phân tích sử dụng
Khung lý thuyết đề xuất:
Chi tiết kiến trúc mô hình học tập cá nhân hóa dựa trên AI cho môi trường học tập hợp tác
số được đề nghị theo kiến trúc phân tầng bao gồm các tầng hoặc các module chính sau:
Tầng dữ liệu: thu thập và quản lý dữ liệu người học gồm có: thông tin cá nhân, lịch
sử quá trình học tập, phong cách học tập riêng của người học, các hoạt động tương
tác hợp tác trên nền tảng số.
Tầng AI: gồm các module AI chịu trách nhiệm phân tích dữ liệu, đưa ra các khuyến
nghị cá nhân hóa (về nội dung, các hoạt động, có lộ trình khả thi); hỗ trợ hình thành
nhóm học tập số phù hợp, và điều phối tương tác nhóm.
Tầng giao diện và tƣơng tác: nhằm cung cấp giao diện thân thiện và phù hợp cho
người học và nhóm học tương tác với hệ thống, nâng cao hiệu quả việc tham gia vào
các hoạt động học tập cá nhân và hợp tác số.
Tầng dịch vụ: là qui trình tương tác giữa hệ thống và người học, thông qua việc quy
trình cung cấp các dịch vụ và xử lý nhằm hỗ trợ học tập số cho người học. Chẳng hạn
như hệ thống phản hồi hỗ trợ chắc tuyến, công cụ đánh giá kết quả, công cụ giao tiếp
định kỳ nhắc nhở hay khuyến khích với người học.
