Luận án tiến sĩ Lí luận và phương pháp dạy học: Dạy học cho sinh viên ngành Công nghệ thông tin với sự hỗ trợ của công nghệ trí tuệ nhân tạo

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC BÁCH KHOA HÀ NỘI ĐẠI HỌC BÁCH KHOA HÀ NỘI ---oo0oo---

Đinh Thị Mỹ Hạnh

ĐINH THỊ MỸ HẠNH

DẠY HỌC CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO

ỨNG DỤNG CÔNG NGHỆ AI HỖ TRỢ DẠY HỌC

CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN

LUẬN ÁN TIẾN SĨ LÍ LUẬN VÀ PHƯƠNG PHÁP DẠY HỌC

LUẬN ÁN TIẾN SĨ

LÍ LUẬN VÀ PHƯƠNG PHÁP DẠY HỌC

Hà Nội – 2023

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC BÁCH KHOA HÀ NỘI

Đinh Thị Mỹ Hạnh

DẠY HỌC CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO

Ngành: Lí luận và phương pháp dạy học

Mã số: 9140110

LUẬN ÁN TIẾN SĨ LÍ LUẬN VÀ PHƯƠNG PHÁP DẠY HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

PGS.TS. NGÔ TỨ THÀNH

Hà Nội – 2023

LỜI CAM ĐOAN

Tôi xin cam đoan bản luận án là công trình nghiên cứu khoa học của riêng tôi. Nội dung và kết quả nghiên cứu trong luận án là trung thực, chưa được tác giả khác công bố. Các dữ liệu và tài liệu được trích dẫn trong luận án đều có nguồn gốc rõ ràng.

Tôi xin chịu trách nhiệm về những lời tôi đã cam đoan ở trên.

GIÁO VIÊN HƯỚNG DẪN

Ngô Tứ Thành

Trang i

Hà Nội, ngày tháng 8 năm 2023 NGHIÊN CỨU SINH Đinh Thị Mỹ Hạnh

LỜI CẢM ƠN

Trong thời gian thực hiện luận án, tôi đã nhận được rất nhiều động viên từ gia đình; thầy, cô giáo; các đồng nghiệp; bạn bè và các bạn sinh viên. Đây là nguồn động lực rất lớn giúp tôi vượt qua các khó khăn, thử thách trong quá trình nghiên cứu đề tài luận án.

Tôi xin gửi lời cảm ơn trân trọng đến PGS.TS Ngô Tứ Thành đã tận tình hướng dẫn tôi trong suốt quá trình học tập, nghiên cứu; trân trọng cảm ơn các thầy, cô giáo của Viện Sư phạm Kĩ thuật, Đại học Bách khoa Hà Nội – nơi tôi học tập, nghiên cứu; lãnh đạo và đồng nghiệp tại Đại học Đà Nẵng đã tạo điều kiện thuận lợi để tôi hoàn thành nhiệm vụ học tập. Tôi cũng xin gửi lời cảm ơn chân thành đến các đơn vị, cá nhân đã hỗ trợ tôi trong quá trình thực nghiệm, khảo sát các nội dung của luận án.

Tôi xin cảm ơn chân thành tới gia đình, đồng nghiệp, đã luôn sát cánh, giúp đỡ

tôi thực hiện thành công những nghiên cứu của luận án.

Cuối cùng, tôi xin gửi tới những bạn sinh viên lời cảm ơn, lòng yêu quý với những hỗ trợ nhiệt tình của các bạn trong các đợt thực nghiệm công trình nghiên cứu.

TÁC GIẢ LUẬN ÁN

Trang ii

Đinh Thị Mỹ Hạnh

MỤC LỤC

LỜI CAM ĐOAN ...................................................................................................... i

LỜI CẢM ƠN ........................................................................................................... ii

MỤC LỤC ................................................................................................................ iii

DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT ............................................ vii

DANH MỤC CÁC BẢNG ....................................................................................... ix

DANH MỤC HÌNH VẼ, ĐỒ THỊ .......................................................................... xi

DANH MỤC CÔNG THỨC ................................................................................. xiii

MỞ ĐẦU .................................................................................................................... 1

1.1. Lí do chọn đề tài ........................................................................................... 1

1.1.1. Tăng cường ứng dụng Công nghệ Thông tin vào đổi mới giáo dục, đáp ứng yêu cầu của cuộc Cách mạng công nghiệp 4.0 ............................................. 1

1.1.2. Vai trò của AI trong dạy học .................................................................. 3

1.1.3. Tác động của AI trong dạy học cho sinh viên ngành Công nghệ thông tin ............................................................................................................................. 5

1.2. Câu hỏi nghiên cứu ....................................................................................... 6

1.3. Giả thuyết nghiên cứu ................................................................................... 6

1.4. Mục đích nghiên cứu..................................................................................... 6

1.5. Nhiệm vụ nghiên cứu .................................................................................... 6

1.6. Đối tượng và khách thể nghiên cứu .............................................................. 6

1.7. Phạm vi nghiên cứu....................................................................................... 7

1.8. Cách tiếp cận và phương pháp nghiên cứu ................................................... 7

1.8.1. Cách tiếp cận .............................................................................................. 7

1.8.2. Phương pháp nghiên cứu ........................................................................ 7

1.9. Ý nghĩa khoa học của luận án .......................................................................... 8

1.9.1. Về lí luận ................................................................................................ 8

1.9.2. Về thực tiễn ............................................................................................ 8

1.10. Những luận điểm bảo vệ ................................................................................ 8

1.11. Những đóng góp mới của luận án .................................................................. 9

Trang iii

1.12. Cấu trúc của luận án ..................................................................................... 10

CHƯƠNG 1. CƠ SỞ LÍ LUẬN VÀ THỰC TIỄN DẠY HỌC CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO ............................................................................... 11

Tóm tắt chương 1 .................................................................................................. 11

1.1. Tổng quan nghiên cứu về AI và AIEd ........................................................... 11

1.1.1. Tình hình nghiên cứu trên thế giới .......................................................... 11

1.1.2. Tình hình nghiên cứu trong nước ......................................................... 18

1.1.3. Một số bài học kinh nghiệm và hướng nghiên cứu tiếp theo ............... 23

1.2. Các khái niệm liên quan đến đề tài ................................................................ 23

1.2.1. Khái niệm công cụ ................................................................................... 23

1.2.2. Một số khái niệm khác liên quan ............................................................. 27

1.3. Cơ sở lí luận về dạy học với sự hỗ trợ của AI ............................................... 29

1.3.1. Mô hình dạy học với sự hỗ trợ của công nghệ ........................................ 29

1.3.2. Các thành tố của quá trình dạy học .......................................................... 32

1.3.3. Những ứng dụng nổi bật của AI trong hỗ trợ dạy học ............................. 34

1.3.4. Tác động và những thách thức của AI đối với việc dạy và học trong giáo dục đại học ................................................................................................. 35

1.3.5. Một số công cụ trong dạy học có sự hỗ trợ của AI .................................. 38

1.4. Các lí thuyết và phương pháp dạy học có liên quan ...................................... 44

1.4.1. Lí thuyết kết nối ....................................................................................... 45

1.4.2. Dạy học tương tác .................................................................................... 47

1.4.3. Dạy học kết hợp ....................................................................................... 49

1.5. Điều kiện triển khai dạy học với sự hỗ trợ của AI ......................................... 50

1.6. Thực trạng dạy học ngành CNTT với sự hỗ trợ của AI ................................. 51

1.6.1. Mục đích khảo sát ................................................................................ 51

1.6.2. Đối tượng ................................................................................................. 51

1.6.3. Nội dung .................................................................................................. 51

1.6.4. Phương pháp ......................................................................................... 52

1.6.5. Đánh giá thực trạng về dạy học với sự hỗ trợ của công nghệ AI ............ 52

Tiểu kết chương 1 ................................................................................................. 57

CHƯƠNG 2. THIẾT KẾ DẠY HỌC VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN TRÌNH ĐỘ ĐẠI HỌC ................................................................................... 59

Trang iv

Tóm tắt chương 2 .................................................................................................. 59

2.1. Đặc điểm ngành Công nghệ thông tin và nhu cầu đào tạo nhân lực ngành Công nghệ thông tin .............................................................................................. 59

2.1.1. Đặc điểm ngành Công nghệ thông tin ..................................................... 59

2.1.2. Nhu cầu đào tạo nhân lực ngành Công nghệ thông tin ............................ 60

2.2. Phân tích chương trình ngành Công nghệ thông tin ...................................... 62

2.2.1. Mục tiêu ................................................................................................... 62

2.2.2. Chuẩn đầu tra ....................................................................................... 62

2.2.3. Phương pháp và công cụ đánh giá ....................................................... 63

2.3. Nguyên tắc thiết kế dạy học với sự hỗ trợ của AI.......................................... 64

2.3.1. Đảm bảo tương tác người và máy ........................................................ 64

2.3.2. Đảm bảo tính thống nhất và khoa học với việc sử dụng các phương tiện dạy học khác ...................................................................................................... 65

2.3.3. Đảm bảo tính hiệu quả ......................................................................... 65

2.3.4. Đảm bảo tính gợi mở, định hướng cho người học ............................... 65

2.3.5. Đảm bảo nguyên tắc về cấu trúc của khóa học trực tuyến ................... 65

2.4. Mô hình dạy học với sự hỗ trợ của AI cho sinh viên ngành Công nghệ thông tin ..................................................................................................................... 65

2.4.1. Các hình thức dạy học .......................................................................... 65

2.4.2. Mô hình dạy học với sự hỗ trợ của AI cho sin viên ngành Công nghệ thông tin ............................................................................................................. 68

2.5. Thiết kế khóa học học phần cơ sở ngành với sự hỗ trợ của AI ...................... 72

2.5.1. Môi trường và phương tiện dạy học ..................................................... 72

2.5.2. Thiết kế học liệu số .............................................................................. 72

2.6. Thiết kế hệ thống dạy học với sự hỗ trợ của AI ............................................. 77

2.6.1. Thiết kế tiến trình dạy học với sự hỗ trợ của AI .................................. 77

2.6.2. Thiết kế website dạy học với sự hỗ trợ của AI .................................... 80

2.6.3. Chatbot ................................................................................................. 84

2.6.4. Cá nhân hóa .......................................................................................... 94

2.7. Kịch bản dạy học với sự hỗ trợ của công nghệ AI ....................................... 101

Tiểu kết chương 2 ............................................................................................... 103

CHƯƠNG 3. THỰC NGHIỆM VÀ ĐÁNH GIÁ ............................................... 105

Tóm tắt chương 3 ................................................................................................ 105

3.1. Mục đích, đối tượng, phương pháp thực nghiệm và đánh giá ..................... 105

Trang v

3.1.1. Mục đích thực nghiệm và đánh giá ........................................................ 105

3.1.2. Địa điểm, đối tượng thực nghiệm và đánh giá ...................................... 105

3.1.3. Phương pháp thực nghiệm và đánh giá ................................................. 105

3.2. Đánh giá kết quả thực nghiệm ..................................................................... 106

3.2.1. Phương pháp chuyên gia ........................................................................ 106

3.2.2. Phương pháp điều tra thông tin .......................................................... 110

3.2.3. Phương pháp thực nghiệm sư phạm ................................................... 115

Tiểu kết chương 3 ............................................................................................... 122

THẢO LUẬN ........................................................................................................ 124

KẾT LUẬN VÀ KIẾN NGHỊ .............................................................................. 128

1. Kết luận ..................................................................................................... 128

2. Kiến nghị ................................................................................................... 129

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN LUẬN ÁN .......................................................................................................................... 131

TÀI LIỆU THAM KHẢO .................................................................................... 132

PHỤ LỤC 1: PHIẾU ĐIỀU TRA THỰC TRẠNG ............................................... 1

PHỤ LỤC 2: PHIẾU ĐIỀU TRA THỰC TRẠNG PHIẾU KHẢO SÁT GV ..... 4

PHỤ LỤC 3: PHIẾU KHẢO SÁT SINH VIÊN VỀ VIỆC SỬ DỤNG CHATBOT TRONG HỖ TRỢ HỌC TẬP ............................................................ 7

PHỤ LỤC 4: PHIẾU XIN Ý KIẾN SINH VIÊN VỀ VIỆC AI HỖ TRỢ CÁ NHÂN HOÁ HỌC TẬP ........................................................................................... 8

PHỤ LỤC 5: PHIẾU XIN Ý KIẾN CHUYÊN GIA ............................................ 11

PHỤ LỤC 6: DANH SÁCH CHUYÊN GIA XIN Ý KIẾN................................. 13

PHỤ LỤC 7: DANH SÁCH SINH VIÊN LỚP THỰC NGHIỆM NỘI DUNG ỨNG DỤNG CHATBOT HỖ TRỢ DẠY HỌC .................................................. 16

PHỤ LỤC 8: DANH SÁCH SINH VIÊN LỚP ĐỐI CHỨNG NỘI DUNG ỨNG DỤNG CHATBOT HỖ TRỢ DẠY HỌC ............................................................. 18

PHỤ LỤC 9: DANH SÁCH SINH VIÊN LỚP THỰC NGHIỆM NỘI DUNG ỨNG DỤNG “CÁ NHÂN HOÁ” ĐỂ HỖ TRỢ DẠY HỌC ............................... 20

Trang vi

PHỤ LỤC 10: DANH SÁCH SINH VIÊN LỚP ĐỐI CHỨNG NỘI DUNG ỨNG DỤNG “CÁ NHÂN HOÁ” ĐỂ HỖ TRỢ DẠY HỌC ............................... 23

DANH MỤC CÁC KÍ HIỆU VÀ CHỮ VIẾT TẮT

* Từ tiếng Việt

Từ viết tắt Đọc là

Công nghệ Thông tin CNTT

Cách mạng công nghệ CMCN

Chương trình đào tạo CTĐT

Điện toán đám mây ĐTĐM

Giáo dục và đào tạo GDĐT

Giảng viên GV

Sinh viên SV

Phương pháp dạy học PPDH

Trí tuệ nhân tạo TTNT

* Từ tiếng Anh

Từ viết tắt Viết đầy đủ Nghĩa tiếng Việt

Artificial Intelligence Trí tuệ nhân tạo AI

Augmented Reality tương tác thực tại ảo AR

Artificial Intelligence in Education Trí tuệ nhân tạo trong AIEd

giáo dục

ChatGPT

Chat Generative Pre-trained Transformer

Tên của một hệ thống chatbot AI, ra mắt lần đầu vào tháng 11/2022

Thuật ngữ học liệu số DLR

Digital Learning Material, Digital Educational Resources hay Digital Learning Resources

Internet of Things Internet vạn vật IoT

ICT

Information & Communication Technologies Công nghệ Thông tin và Truyền thông

Intelligent Tutoring Systems ITS

Hệ thống dạy học thông minh

Machine learning Học máy ML

SMAC

Trang vii

Social, Mobile, Analytics và Cloud Mạng xã hội, điện toán đám mây, di động, phân

tích dựa trên dữ liệu lớn

OLE Online Learning Environment

Môi trường học tập trực tuyến

Open Learning Initiative Sáng kiến Học tập mở OLI

Virtual Realtime thực tế ảo VR

STEM

Science, Technology, Engineer, Math

Một chương trình giảng dạy được thiết kế để trang bị cho người học các kiến thức và kĩ năng liên quan đến lĩnh vực khoa học (Science), công nghệ (Technology), kĩ thuật (Engineer), toán học (Math)

K-nearest Neighbor Tên của 1 thuật toán KNN

SPSS

Statistical Package for the Social Sciences

Tên của phần mềm thống kê được sử dụng phổ biến cho các nghiên cứu điều tra xã hội học và kinh tế lượng

LMS Learner Management System

Hệ thống quản trị người học

MOOC Massive Open Online Course Khoá đào tạo từ xa

OLMs Open Learner Models Mô hình người học mở

Trang viii

RM Recommendation module Module khuyến nghị

DANH MỤC CÁC BẢNG

Bảng 1.1 Điểm dữ liệu đầu vào ................................................................................ 40 Bảng 1.2 Tập dữ liệu huấn luyện .............................................................................. 41 Bảng 1.3 Tập dữ liệu kiểm thử ................................................................................. 41 Bảng 1.4 Tính khoảng cách và sắp xếp đối với tập huấn luyện ............................... 41 Bảng 1.5 Tính khoảng cách từng điểm trong tập dữ liệu kiểm thử .......................... 42 Bảng 1.6 Thông tin kết quả ....................................................................................... 42 Bảng 1.7 Một số PPDH tương tác được đề xuất ứng dụng trong thời gian dạy học

trực tiếp trên lớp........................................................................................ 48 Bảng 1.8 Thông tin về nội dung khảo sát thực trạng ............................................... 51 Bảng 1.9 Các mức thang đo Likert ........................................................................... 52 Bảng 1.10 Các biến số nghiên cứu với các số câu hỏi và loại đo lường tương ứng 53 Bảng 1.11 Giá trị trung bình, độ lệch chuẩn của các phát biểu liên quan đến ý kiến và quan điểm của SV về AIEd và mức độ sẵn sàng sử dụng AI ................ 53

Bảng 1.12 Giá trị trung bình, độ lệch chuẩn của các phát biểu liên quan đến quan

điểm của GV về AIEd và mức độ sẵn sàng sử dụng AI để hỗ trợ dạy học 54 Bảng 1.13 Kết quả khảo sát về hệ thống đánh dấu theo dõi .................................... 55 Bảng 1.14 Kết quả khảo sát về các công nghệ AI .................................................... 56 Bảng 1.15 Kết quả khảo sát về những kì vọng đối với công nghệ AI trong hỗ trợ

dạy học ...................................................................................................... 56 Bảng 2.1 Chỉ tiêu tuyển sinh ngành CNTT ở bậc đại học tại một số trường ........... 61 Bảng 2.2 Kịch bản dạy học với sự hỗ trợ của công nghệ AI .................................. 101 Bảng 3.1 Thông tin lớp thực nghiệm sư phạm ....................................................... 106 Bảng 3.2 Bảng hỏi khảo sát ý kiến của chuyên gia ................................................ 106 Bảng 3.3 Bảng phân tích kết quả khảo sát ý kiến chuyên gia ................................ 107 Bảng 3.4 Kết quả tính cần thiết về mức độ đồng ý ................................................. 108 Bảng 3.5 Kết quả mức độ đồng ý của tiêu chí “Tính hợp lí”................................. 108 Bảng 3.6 Kết quả mức độ đồng ý của tiêu chí “Tính khả thi” ............................... 109 Bảng 3.7 Bộ câu hỏi khảo sát SV về việc sử dụng Chatbot trong hỗ trợ học tập .. 111 Bảng 3.8 Phân bố đánh giá mức độ của thang đo Likert ....................................... 111 Bảng 3.9 Đánh giá trung bình, phương sai và thứ bậc của các câu hỏi ................ 111 Bảng 3.10 Kết quả phân tích dữ liệu khảo sát về cá nhân hóa học tập ................. 112 Bảng 3.11 Kết quả phân tích dữ liệu khảo sát về việc giảng dạy trên khóa học có

sử dụng AI ............................................................................................... 113

Bảng 3.12 Kết quả phân tích dữ liệu khảo sát về việc AI có thể giúp dự đoán nhu

Trang ix

cầu của người học không? ...................................................................... 114 Bảng 3.13 Kết quả phân tích dữ liệu khảo sát về mức độ thỏa mãn các nhu cầu tâm lí về học tập của SV có AI ....................................................................... 114 Bảng 3.14 Kết quả phân tích dữ liệu khảo sát về khóa học và nội dung ............... 115 Bảng 3.15 Kết quả phân tích dữ liệu khảo sát về hiệu quả sau bài học có AI ....... 115

Trang x

Bảng 3.16 Thông tin lớp TN và lớp ĐC trong nội dung về Chatbot ...................... 116 Bảng 3.17 Kết quả kiểm định T-test độc lập năng lực của SV trước thực nghiệm của hai lớp TN1 và ĐC1 ................................................................................ 116 Bảng 3.18 Tổng hợp các tham số thống kê của bài kiểm tra ................................. 117 Bảng 3.19 Bảng mô tả nội dung bài học và chuẩn kĩ năng cần đạt ....................... 118 Bảng 3.20 Kết quả đánh giá kĩ năng lập trình C/C++ của hai lớp TN và ĐC ...... 118 Bảng 3.21 Thống kê tổng trị số trung bình và độ lệch chuẩn ................................ 120 Bảng 3.22 Trị số trung bình và phương sai TN-ĐC ............................................... 120 Bảng 3.23 Paired Samples Correlations ................................................................ 121 Bảng 3.24 Kiểm định T-test độc lập ....................................................................... 121 Bảng 3.25 Bảng đối chiếu 1 vài số liệu so sánh giữa lớp TN và lớp ĐC ............... 121

DANH MỤC HÌNH VẼ, ĐỒ THỊ

Hình 1.1 Hai quan niệm thay thế về mối kết hợp giữa AI và Ed (Nguồn: [13]) ...... 12 Hình 1.2 Hệ thống sinh thái cho các hệ thống dạy kèm thông minh (Nguồn:[4]) ... 17 Hình 1.3 Hệ sinh thái cơ bản của giáo dục được cá nhân hóa dựa trên AI (Nguồn:

[52]) .......................................................................................................... 18 Hình 1.4 Dấu hiệu của quá trình dạy học (Nguồn: [65]) ........................................ 25 Hình 1.5 AI tham gia vào quá trình dạy - học .......................................................... 26 Hình 1.6 Những bước phát triển của giáo dục qua các cuộc CMCN thế giới ......... 30 Hình 1.7 Mô hình TPCK (Nguồn: [75]) ................................................................... 31 Hình 1.8 Mô hình thiết kế dạy học của Dick và Carey (Nguồn: [76]) ..................... 32 Hình 1.9 Cấu trúc các thành tố của quá trình dạy học (Nguồn: [65]) .................... 33 Hình 1.10 Điều chỉnh của quá trình dạy học (Nguồn: [65]) ................................... 33 Hình 1.11 Minh họa thuật toán phân lớp ................................................................. 39 Hình 1.12. Mức độ công nghệ Chatbot được sử dụng trong các lĩnh vực

(Nguồn:[88]) ............................................................................................. 43 Hình 1.13 Mô hình các bình diện của các PPDH (Nguồn: [96]) ............................ 45 Hình 1.14 Mô hình các bình diện của dạy học với sự hỗ trợ của AI ....................... 45 Hình 1.15 Mối quan hệ giữa PPDH theo Lí thuyết kết nối và các lí thuyết dạy học

Trang xi

tích cực khác (Nguồn:[100]) ..................................................................... 46 Hình 2.1 Mô hình dạy học với sự hỗ trợ của AI ....................................................... 68 Hình 2.2 Các công nghệ AI ...................................................................................... 70 Hình 2.3 Minh họa bài học, tài liệu.......................................................................... 73 Hình 2.4 Minh họa bài tập theo chương .................................................................. 74 Hình 2.5 Hình minh họa khóa học Đồ họa máy tính ................................................ 74 Hình 2.6 Quản lí thông tin khoá học ........................................................................ 75 Hình 2.7 Chức năng thêm bài giảng ........................................................................ 75 Hình 2.8 Hình ảnh minh họa về chức năng quản lí danh sách bài học ................... 76 Hình 2.9 Chức năng tạo phần Testcase .................................................................... 76 Hình 2.10 Chức năng thêm bài tập nhóm tại module Quản lí bài tập ..................... 76 Hình 2.11 Chức năng tạo cuộc thi tại module Quản lí Cuộc thi .............................. 77 Hình 2.12 Tiến trình tổ chức dạy học với sự hỗ trợ của AI ...................................... 77 Hình 2.13 Các công việc trong giai đoạn chuẩn bị dạy học .................................... 78 Hình 2.14 Các công việc trong giai đoạn chuẩn bị dạy học .................................... 79 Hình 2.15 Các công việc trong giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động ........................................................................................................... 80 Hình 2.16 Sơ đồ BFD của hệ thống hỗ trợ dạy học ................................................. 82 Hình 2.17 Hệ thống phân cấp chức năng dành cho admin ...................................... 83 Hình 2.18 Cấu trúc chung của Chatbot (Nguồn:[133]) ........................................... 85 Hình 2.19 Công cụ Chatbot của hệ thống ................................................................ 86 Hình 2.20 Sơ đồ cấu trúc hệ thống ML course ......................................................... 87

Trang xii

Hình 2.21 Kiến trúc hệ thống tương tác E-learning (Nguồn: [67]) ......................... 88 Hình 2.22 Giao diện của Chatbot trên website ........................................................ 89 Hình 2.23 Giao diện người dùng tương tác với hệ thống qua Chatbot ................... 89 Hình 2.24 Giao diện cửa số tương tác với các câu hỏi gợi ý sẵn ............................ 90 Hình 2.25 Giao diện tạo các nội dung trả lời tự động ............................................. 90 Hình 2.26 Giao diện chức năng xây dựng kịch bản trả lời ...................................... 91 Hình 2.27 Sơ đồ hoạt động của Chatbot .................................................................. 92 Hình 2.28 Giao diện trang OpenAI .......................................................................... 93 Hình 2.29 Giao diện trang kiểm tra dung lượng sử dụng của ChatGPT ................. 93 Hình 2.30 Cá nhân hóa học tập ................................................................................ 96 Hình 2.31 Sơ đồ kiến trúc hệ thống (phân hệ tổ chức khóa học) ............................. 97 Hình 2.32 Giao diện các khóa học ........................................................................... 98 Hình 2.33 Giao diện thông báo SV tham gia làm bài kiểm tra ................................ 98 Hình 2.34 Giao diện bài kiểm tra quá trình của SV ................................................. 99 Hình 2.35 Giao diện phần chấm điểm tự động của hệ thống ................................... 99 Hình 2.36 Giao diện chức năng Tạo cuộc thi ảo ................................................... 100 Hình 2.37 Giao diện phần làm bài thi của SV ........................................................ 100 Hình 2.38 Hệ thống đưa ra lời nhận xét và kết quả ............................................... 101 Hình 3.1 Biểu đồ so sánh điểm của lớp TN và lớp ĐC .......................................... 121 Hình 3.2 Biểu đồ fi (%) đánh giá kết quả học tập SV .............................................. 122 Hình 3.3 Tổng hợp các tham số thống kê của bài kiểm tra .................................... 122

DANH MỤC CÔNG THỨC

Trang xiii

Công thức 1.1 Tính khoảng cách giữa 2 điểm theo công thức Euclidean ............... 40 Công thức 3.1 Công thức tính giá trị hệ số ảnh hưởng ES .................................... 117

MỞ ĐẦU

1.1. Lí do chọn đề tài

1.1.1. Tăng cường ứng dụng Công nghệ Thông tin vào đổi mới giáo dục, đáp ứng yêu cầu của cuộc Cách mạng công nghiệp 4.0

Cuộc Cách mạng Công nghiệp (CMCN) 4.0 sẽ tạo ra những thay đổi sâu sắc về công nghệ sản xuất và lưu thông, phân phối, tạo ra những tác động mạnh mẽ, toàn diện đến mọi mặt của đời sống kinh tế - xã hội thông qua các công nghệ như Internet vạn vật (Internet of Things - IoT), trí tuệ nhân tạo (Artificial Intelligence - AI), thực tế ảo (Virtual Realtime - VR), tương tác thực tại ảo (Augmented Reality - AR), mạng xã hội, điện toán đám mây (ĐTĐM), di động, phân tích dựa trên dữ liệu lớn (Social, Mobile, Analytics và Cloud - SMAC)... để chuyển hóa toàn bộ thế giới thực thành thế giới số.

Trong những năm tới, các đại học trên toàn thế giới sẽ đứng trước những cơ hội và thách thức to lớn về đào tạo nhân lực thích nghi với sự thay đổi to lớn này. Giáo dục nói chung và giáo dục đại học nói riêng sẽ không nằm ngoài tầm ảnh hưởng đó. Xu hướng này phù hợp với hành vi thay đổi bao gồm các đặc tính như: tính song hành, kết nối và trực quan hóa [1], [2].

1.1.1.1 Cuộc Cách mạng công nghiệp 4.0 đặt ra yêu cầu về đào tạo nguồn nhân lực chất lượng cao

Đảng ta đã xác định đào tạo nhân lực, nhất là nhân lực chất lượng cao là một trong những khâu đột phá để phát triển đất nước trong những năm tới. Nhu cầu nguồn nhân lực có trình độ cao (tốt nghiệp đại học và sau đại học) với kĩ năng mềm tốt (kĩ năng ngoại ngữ, ứng dụng Công nghệ Thông tin (CNTT), làm việc nhóm…) sẽ gia tăng trong những năm tới.

Đảng và Nhà nước đã có nhiều văn bản quan trọng liên quan đến chủ trương, chính sách đầu tư cho công tác đào tạo, bồi dưỡng nguồn nhân lực chất lượng cao, đáp ứng yêu cầu hội nhập và phát triển của đất nước. Quyết định số 1981/QĐ-TTg ngày 18 tháng 10 năm 2016 về phê duyệt Khung cơ cấu hệ thống giáo dục quốc dân và Quyết định số 1982/QĐ-TTg ngày 18 tháng 10 năm 2016 về phê duyệt Khung trình độ quốc gia Việt Nam. Đây là hai văn bản quan trọng để các trường đại học định hướng mục tiêu đào tạo, điều chỉnh lại chương trình, khung thời gian, chuẩn đầu ra để đào tạo sinh viên (SV) có trình độ và năng lực tương đương với các trường đại học trong khu vực và trên thế giới.

Trang 1

Nghị quyết 29-NQ/TW ngày 04 tháng 11 năm 2013 về “Đổi mới căn bản, toàn diện giáo dục và đào tạo, đáp ứng yêu cầu công nghiệp hóa, hiện đại hóa trong điều kiện kinh tế thị trường định hướng xã hội chủ nghĩa và hội nhập quốc tế” ra đời đã có tác động tích cực đến nền giáo dục nước nhà. Theo đó, giáo dục Việt Nam đã có những bước phát triển tích cực.

1.1.1.2 Sự chuyển đổi của quá trình dạy học dưới tác động của cuộc Cách mạng công nghiệp 4.0

Sự chuyển đổi dạy học trong thế kỉ XXI, đặc biệt dưới tác động của cuộc CMCN 4.0 là quá trình dạy học có sự hỗ trợ của CNTT và Truyền thông (cụm từ trong tiếng Anh là Information & Communication Technologies, viết tắt là ICT), kết hợp dạy học theo những học thuyết kinh điển (Thuyết hành vi – B.F. Skinner, Thuyết nhận thức – E.C. Tolman, Thuyết kiến tạo xã hội – J.Piaget, J.Bruner, L.S.Vugotsky, Thuyết sư phạm tương tác – J.M.Denome, M.Roy v.v.) và học thuyết sư phạm kết nối. Vì vậy, quá trình dạy học trong thế kỉ XXI có sự dịch chuyển lớn, đặc biệt nhấn mạnh sự kết hợp với dạy học số. Việc ứng dụng các tiến bộ trong lĩnh vực ICT vào giáo dục nói chung và quá trình dạy – học nói riêng đã và sẽ tiếp tục đem lại những bước chuyển biến đáng kể. Vai trò của giáo viên và và sinh viên đều cần thay đổi để phù hợp với xu thế. Bảng 1 thể hiện sự chuyển đổi này. Bảng 1 Ứng dụng ICT trong giảng dạy mang lại sự thay đổi trong vai trò của giáo viên và sinh viên (Nguồn:[3])

Sinh viên Giáo viên

Vai trò cũ Vai trò cũ

Vai trò mới Người hỗ trợ học tập, cộng tác viên, huấn luyện viên tin,

Người truyền thụ, chuyển giao tri thông thức

Người tiếp nhận thông tin, tri thức là chủ thể thụ động của quá trình dạy học Người tái hiện lại kiến thức Vai trò mới Người chủ động tìm kiếm, chia sẻ thông tin, chủ thể tích cực của quá trình học tập Người tạo ra tri thức mới Là nguồn thông tin chính

Thực hoạt hiện động học tập đơn lẻ, rời rạc Thực hoạt hiện động học tập hợp tác, cộng tác nhóm

Là người kiểm soát và chỉ đạo tất cả các hoạt động của người học Người định hướng kiến thức và đồng hành với người học Là người tạo ra cho sinh viên nhiều lựa chọn và trách nhiệm hơn với việc học của chính họ

Trang 2

Đổi mới phương pháp dạy học (PPDH) bằng cách áp dụng rộng rãi, triệt để những thành tựu khoa học, đặc biệt CNTT là một trong những việc cần thiết và hiệu quả. Chính sách của Việt Nam về ứng dụng và phát triển CNTT trong Luật CNTT 2006 đã nêu rõ: “Ưu tiên ứng dụng và phát triển CNTT trong chiến lược phát triển kinh tế - xã hội và sự nghiệp công nghiệp hóa, hiện đại hóa đất nước”, …“tạo điều kiện thuận lợi để phát triển cơ sở hạ tầng thông tin quốc gia”, cho phép ứng dụng những thành tựu của CNTT vào trong giáo dục và đào tạo (GDĐT) thuận lợi. Hệ thống các văn bản chỉ đạo, triển khai từ Đảng, Chính phủ, các Bộ, ngành đã thể hiện sự quyết tâm cao trong việc đẩy mạnh và nâng cao chất lượng của việc ứng dụng CNTT trong đổi mới PPDH. Một số văn bản quan trọng có thể kể đến như Chỉ thị số 5444/BGDĐT-GDĐH, ngày 16 tháng 11 năm 2017 của Bộ GDĐT về áp dụng cơ chế đặc thù đào tạo các ngành thuộc lĩnh vực CNTT trình độ đại học, Chỉ thị số 16/CT-TTg ngày 04 tháng 5 năm 2017 của Thủ tướng Chính phủ về tăng cường năng lực tiếp cận Cuộc CMCN lần thứ 4, Quyết định số 117/QĐ-TTg ngày 25

tháng 01 năm 2017 của Thủ tướng Chính phủ phê duyệt Đề án “Tăng cường ứng dụng CNTT trong quản lí và hỗ trợ các hoạt động dạy – học, nghiên cứu khoa học góp phần nâng cao chất lượng giáo dục và đào tạo giai đoạn 2016-2020 định hướng đến năm 2025”, Quyết định số 749/QĐ-TTg ngày 03 tháng 6 năm 2020 của Thủ tướng Chính phủ phê duyệt “Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030”...

Trên cơ sở các Chỉ thị, Quyết định của Chính phủ, hằng năm, Bộ GDĐT đều ban hành chương trình, nhiệm vụ năm học để triển khai cụ thể hoá. Trong đó, nhiệm vụ về tăng cường CNTT trong dạy và học luôn là nhiệm vụ quan trọng. Gần đây nhất là Công văn số 4003/BGDĐT-CNTT ngày 07/10/2020 về việc hướng dẫn thực hiện nhiệm vụ CNTT năm học 2020 – 2021.

Ngày 26 tháng 01 năm 2021, Thủ tướng Chính phủ đã kí Quyết định số 127/QĐ-TTg ban hành Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng TTNT đến năm 2030, đặt mục tiêu đẩy mạnh nghiên cứu, phát triển và ứng dụng AI, đưa AI trở thành lĩnh vực công nghệ quan trọng của Việt Nam trong cuộc CMCN lần thứ tư. Một trong những nội dung quan trọng liên quan đến việc thúc đẩy phát triển và triển khai các ứng dụng AI trong lĩnh vực giáo dục là: “Dự đoán nhu cầu công việc của thị trường; xác định tiêu chí đánh giá SV, hỗ trợ SV xác định được thế mạnh việc làm khi tốt nghiệp; tự động hóa quy trình nghiệp vụ của giáo viên; xác định các tiêu chí nhằm đạt mục tiêu học tập; cá nhân hóa việc học tập, nâng cao hiệu quả học tập có sự trợ giúp của giáo viên và trợ giảng ảo; hỗ trợ nâng cao nhận thức của SV”.

1.1.2. Vai trò của AI trong dạy học

Theo dự báo của các chuyên gia kinh tế thế giới thì đến giữa thập niên 2030 sẽ có khoảng 30% lao động hiện nay được thay thế bằng robot. Khoảng thời gian này có thể rút ngắn hơn khi tốc độ phát triển AI, Big Data, IoT ngày càng mạnh mẽ như hiện nay. Trong những năm tới, những công việc đơn giản và mang tính lặp lại sẽ do máy móc thực hiện hoàn toàn. Ngay cả những công việc đòi hỏi trí tuệ như giáo viên, phiên dịch, chuyển ngữ, kế toán… cũng sẽ do robot thực hiện. Các trường đại học vì thế phải nhanh chóng đổi mới chương trình, mục tiêu đào tạo, phương pháp giảng dạy để đào tạo ra thế hệ SV mới có thể thích nghi với môi trường lao động đang biến đổi sâu sắc.

Cuộc CMCN 4.0 đã và đang tác động mạnh mẽ đến mọi mặt đời sống xã hội, thông qua các công nghệ như IoT, AI, VR, AR, mạng xã hội, ĐTĐM, di động, phân tích dữ liệu lớn... để chuyển hóa toàn bộ thế giới thực thành thế giới số. Cuộc CMCN 4.0 này có ảnh hưởng trực tiếp đến nhiều lĩnh vực như: Giao thông, thương mại, dịch vụ, giải trí, y tế, nông nghiệp… và giáo dục. Giáo dục 4.0 đáp ứng nhu cầu của xã hội trong “kỉ nguyên sáng tạo”. Xu hướng này phù hợp với hành vi thay đổi với các đặc tính đặc biệt của tính song hành, kết nối và trực quan hóa.

Trang 3

Giáo dục nói chung và giáo dục đại học nói riêng sẽ không nằm ngoài tầm ảnh hưởng đó. Giáo dục thay đổi trong nhiều thế kỉ, từ phạm vi kiến thức tới mô hình và không gian học tập. Trong thời đại CMCN 4.0, nhiều quan niệm học tập truyền thống đã thay đổi so với quá khứ, mở ra một viễn cảnh giáo dục rộng mở và linh hoạt hơn. Học tập suốt đời, học tại bất cứ đâu, vai trò của giảng viên (GV) từ chuyên gia thành người điều phối... là những khác biệt trong nền giáo dục.

Một trong những công nghệ được nhắc đến nhiều trong một vài năm trở lại đây, góp phần tạo ra những bước đột phá mạnh mẽ và đem lại những kết quả “thần kì” chính là AI. AI là một ngành thuộc lĩnh vực khoa học máy tính, là trí tuệ do con người lập trình tạo nên với mục tiêu giúp máy tính có thể thực hiện tự động hóa các hành vi thông minh như con người.

Tiếp cận theo hướng thực tế thì AI là lĩnh vực nghiên cứu triển khai, hướng tới phát triển máy tính (nói riêng) và máy (nói chung) với năng lực trí tuệ có thể chứng minh (cảm nhận, đối sánh; đo đếm, đánh giá) được. Một số năng lực trí tuệ điển hình là: (i) Học từ kinh nghiệm (trích rút tri thức từ kinh nghiệm) và áp dụng tri thức; (ii) Xác định và trích chọn các đặc trưng quan trọng của các đối tượng, sự kiện, quá trình; (iii) Xử lí tình huống phức tạp; (iv) Phản ứng nhanh chóng và chính xác đối với tình huống mới; (v) Nhận dạng và hiểu được ngữ nghĩa hình ảnh; (vi) Xử lí và thao tác kí hiệu (vii) Sáng tạo và có trí tưởng tượng; (viii) Sử dụng heuristic (mẹo). Việc chứng minh khả năng trí tuệ của máy hoặc do con người kiểm định (kiểm thử Turing) hoặc đánh giá khách quan (sử dụng các công cụ thống kê, logic vị từ và mệnh đề) [4].

Từ góc độ khái niệm đến các định hướng thực tế cho thấy, AI sẽ là một trong những “đòn bẩy” giúp CNTT trở nên ngày càng gần gũi trong cuộc sống và đem lại những bước đột phá trong những năm tiếp theo. Năm 2010, AI hầu như chỉ mới xuất hiện trong các bộ phim khoa học viễn tưởng hơn là trong cuộc sống thực hằng ngày. Tuy nhiên, công nghệ này giờ đây đã gần gũi hơn bao giờ hết.

Cho đến nay, theo nhiều cách, AI đã trở nên phổ biến ở nhiều khía cạnh trong đời sống hàng ngày của chúng ta. AI xuất hiện trong điện thoại thông minh từ phần mềm nhận dạng khuôn mặt để mở khóa điện thoại cho đến các ứng dụng phổ biến như Google Maps. AI cũng tham gia vào các lĩnh vực khác như: chăm sóc sức khoẻ, nghệ thuật (tạo ra các tác phẩm âm nhạc, hội hoạ … “rất giống” với thứ tương tự mà con người tạo ra) [5].

Hiện nay, AI đang được ứng dụng trong nhiều lĩnh vực khoa học và đời sống. Tuy ứng dụng AI trong giáo dục chưa thật sự mạnh mẽ như trong lĩnh vực khoa học kĩ thuật, nhưng với tính hiệu quả của nó, một số trường học bắt đầu phối hợp với các đơn vị công nghệ tiên phong để đưa AI vào giảng dạy và quản lí. Sự thay đổi trong quản lí, giảng dạy tại các đơn vị này là rất rõ nét. AI được sử dụng như một “giáo viên ảo” [6]. “Giáo viên ảo” ứng dụng học máy (Mearchine Learning) và AI sẽ mang lại một phương pháp học online hiệu quả, thiết thực nhất đến với người dùng.

Ngoài việc sử dụng AI để tạo ra một “giáo viên ảo” cùng đồng hành với “giáo viên thật trong quá trình giảng dạy, chúng ta cũng có thể tận dụng sự hỗ trợ của AI bằng cách “nhúng” AI vào các website dạy học, qua đó thu thập, phân tích các “thói quen, hành vi” của SV trong quá trình học tập để đưa ra những “gợi ý”, “tư vấn” cho SV lựa chọn một phương pháp học tập hay một khoá học phù hợp. Đây là một giải pháp hiệu quả, có tính thực tế cao khi mà vai trò của “cố vấn học tập” trong điều kiện học tập theo tín chỉ luôn luôn là một nhiệm vụ quan trọng phải triển khai nhưng vì nhiều lí do khác nhau mà công việc này trên thực tế chưa được thực hiện một cách hiệu quả, còn mang tính hình thức.

Trang 4

Việc tạo ra một “trợ lí học tập” trên nền tảng công nghệ AI là một hướng đi cần được quan tâm. Người học sẽ khó có được thành công nếu không giải quyết triệt để

những vấn đề khó khăn mà họ gặp phải. Người học luôn cần tận dụng tối đa những “chi phí” về thời gian, công sức, vật chất… bỏ ra để đạt hiệu quả cao nhất. Để có thể làm tốt vai trò “cố vấn” và hỗ trợ cho một cá nhân hay một nhóm người học, một hệ thống thông minh cần phải mô hình hoá những thay đổi xảy ra ở người học, có cách thức để đo lường, đánh giá được năng lực hoặc trạng thái cảm xúc của người học, được lưu trữ trong các “mô hình người dùng”, đại diện cho những gì người học biết, cảm nhận và có thể làm. Phương pháp “học máy” và khai phá dữ liệu được sử dụng để khám phá những loại dữ liệu giáo dục riêng biệt nhằm hiểu rõ hơn về SV và thiết lập những nội dung SV cần học tập, qua đó giúp người học đạt hiệu quả học tập cao hơn.

1.1.3. Tác động của AI trong dạy học cho sinh viên ngành Công

nghệ thông tin

Là những người được đào tạo chuyên sâu về CNTT, việc vừa được tiếp cận kiến thức truyền thụ từ GV (và các kênh khác) vừa thấy được các lợi ích thực tế mà CNTT nói chung và AI nói riêng đem lại trong quá trình học tập (thông qua các hệ thống tư vấn, hỗ trợ …) sẽ góp phần giúp SV gắn đào tạo với thực tiễn, có động lực và niềm tin vào ngành nghề, là nền tảng để SV tiếp tục con đường nghiên cứu và cho ra những sản phẩm về CNTT nói chung và AI nói riêng có ý nghĩa với cộng đồng.

SV ngành CNTT có nhiều đặc điểm tâm sinh lí, các kĩ năng để dễ dàng tiếp cận các công nghệ mới, trong đó có AI. Những đặc điểm này sẽ được bàn luận kĩ ở các chương tiếp theo của luận án. Ngoài các đặc điểm về môi trường học tập truyền thống như SV các ngành đào tạo khác, về cơ bản, SV ngành CNTT có thời gian học tập, tương tác trên máy tính, Internet cũng như các ứng dụng, phần mềm máy tính nhiều hơn. Các kiến thức thuộc lĩnh vực CNTT nhìn chung thay đổi với tốc độ rất nhanh, sự xuất hiện của các công nghệ mới có thể thay đổi rất nhiều, rất sâu sắc đến các lĩnh vực đời sống, xã hội, trong đó có giáo dục. Điều này hình thành trong SV ngành CNTT sự nhanh nhạy, thích ứng với công nghệ, là đối tượng dễ dàng triển khai các thử nghiệm dạy học mới.

Trang 5

Khi đưa AI vào hỗ trợ dạy học cho SV ngành CNTT, công nghệ này sẽ tác động đến nhiều mặt của quá trình dạy học. Trong đó, rõ nét nhất là tác động tích cực đến ý thức chủ động học tập, được trải nghiệm các cách thức dạy học mới với “trợ lí ảo” AI, các tương tác kịp thời và thường xuyên của chatbot giúp SV củng cố kiến thức. Đặc biệt, cá nhân hoá học tập là một trong những giải pháp để góp phần nâng cao chất lượng học tập của SV. Theo quan niệm đánh giá truyền thống, trong một lớp học, SV không theo kịp tiến độ dạy của GV là SV kém. Dưới quan điểm mới của AI, SV không theo kịp bài giảng không hẳn là kém, mà thực ra đó là do cách học và cách dạy không hợp nhau. Ứng dụng AI trong dạy học, với cùng một khái niệm kiến thức, các SV khác nhau có thể tiếp thu khác nhau, lúc này AI có thể biết được năng lực tiếp thu của từng SV và đưa ra chiến lược dạy học khác nhau phù hợp nhận thức của từng SV. Điều đó có nghĩa là, AI trong giáo dục tạo ra mô hình học cá nhân hóa, giúp mỗi SV có thể tự sử dụng chương trình học một cách phù hợp, theo năng lực bản thân. Với chương trình học cá nhân hóa, nội dung học tập được cung cấp sẽ thích nghi với tốc độ nhận thức của từng cá nhân. Nó có thể đưa ra những kiến thức khó hơn hoặc đề xuất, gợi ý những kiến thức, nguồn tài liệu tham

khảo phù hợp với nhu cầu/ khả năng, tiến độ học tập nhằm tăng tốc học tập nếu SV hiểu nhiều hơn, và tiếp tục tăng lên nữa (hoặc giảm xuống) tùy theo trình độ người học. Bằng cách này, cả người học nhanh và chậm đều có thể cải thiện trình độ mà không ảnh hưởng đến các SV khác. Xuất phát từ những lí do trên, đề tài nghiên cứu “Dạy học cho sinh viên ngành Công nghệ Thông tin với sự hỗ trợ của công nghệ Trí tuệ nhân tạo” được đặt ra.

1.2. Câu hỏi nghiên cứu

Luận án tập trung làm rõ những câu hỏi nghiên cứu sau đây: - Câu hỏi 1: Tổng quan về AI và những ảnh hưởng, tác động của AI đến quá

trình dạy học trong bối cảnh hiện nay như thế nào? - Câu hỏi 2: Chatbot và cá nhân hoá học tập được ứng dụng như thế nào trong việc hỗ trợ dạy học cho SV ngành CNTT? - Câu hỏi 3: Biện pháp áp dụng AI trong hỗ trợ dạy học cho SV ngành CNTT? - Câu hỏi 4: Công cụ và công nghệ hỗ trợ việc dạy học cho SV ngành CNTT?

- Câu hỏi 5: Đo lường và đánh giá độ tin cậy của việc ứng dụng AI hỗ trợ dạy học cho SV ngành CNTT như thế nào?

- Câu hỏi 6: Liệu có sự khác biệt có ý nghĩa thống kê về mức độ trải nghiệm và kết quả học tập giữa nhóm SV lớp thực nghiệm (học tập có sự hỗ trợ của AI) và đối chứng (học tập không có sự hỗ trợ của AI)?

1.3. Giả thuyết nghiên cứu

Nếu xác định được các cơ sở khoa học (lí luận và thực tiễn) của dạy học với sự hỗ trợ của công nghệ AI ở bậc đại học kết hợp với một tiến trình cụ thể để thiết kế dạy học cho SV ngành CNTT với sự hỗ trợ của công nghệ AI thì sẽ có tác động tích cực đến kết quả và quá trình học tập của SV.

1.4. Mục đích nghiên cứu

Xây dựng và áp dụng được mô hình, tiến trình dạy học với sự hỗ trợ của công

nghệ AI trong dạy học cho SV ngành CNTT.

1.5. Nhiệm vụ nghiên cứu

Luận án có các nhiệm vụ nghiên cứu sau đây: 1. Nghiên cứu lí luận về dạy học với sự hỗ trợ của công nghệ AI; 2. Khảo sát thực trạng về dạy học với sự hỗ trợ của công nghệ AI trong các trường đại học ở Việt Nam;

3. Xây dựng mô hình dạy học phù hợp với thực tiễn hoạt động dạy học ngành CNTT với sự hỗ trợ của công nghệ AI nhằm nâng cao chất lượng dạy học định hướng năng lực;

4. Thực nghiệm sư phạm.

1.6. Đối tượng và khách thể nghiên cứu

Trang 6

1. Đối tượng nghiên cứu: Công nghệ AI trong việc hỗ trợ dạy và học cho SV ngành CNTT tại một số trường đại học ở Việt Nam.

2. Khách thể nghiên cứu: Quá trình dạy và học cho SV ngành CNTT ở trường đại học.

1.7. Phạm vi nghiên cứu

1. Về phạm vi nội dung dạy thực nghiệm: Nghiên cứu thực trạng dạy học các môn thuộc lĩnh vực CNTT với sự hỗ trợ của công nghệ AI của GV đại học; thực trạng sử dụng website dạy học của GV ở các trường đại học trên địa bàn thành phố Đà Nẵng nói riêng và một số trường đại học tại miền Trung; từ đó đề xuất mô hình ứng dụng công nghệ AI, thiết kế tiến trình và tổ chức dạy học để hỗ trợ việc dạy và học cho SV, phát triển năng lực tự học cho SV ngành CNTT. 2. Về địa bàn nghiên cứu: GV và SV các Khoa Tin học/CNTT các trường đại học khu vực miền Trung. 3. Về phạm vi đối tượng thực nghiệm: SV ngành CNTT bậc Đại học trong Đại học Đà Nẵng. 4. Về thời gian nghiên cứu: Từ năm 2020 đến năm 2023.

1.8. Cách tiếp cận và phương pháp nghiên cứu

1.8.1. Cách tiếp cận

1. Dưới góc độ tâm lí học và giáo dục học: Hướng tiếp cận này giúp tác giả đánh giá được cơ sở lí luận, vị trí, tầm quan trọng của việc sử dụng công nghệ AI vào ứng dụng dạy học cho SV đại học ngành CNTT. Đồng thời, nó cũng giúp cho tác giả nhận thức được tầm quan trọng và mối liên hệ giữa việc ứng dụng công nghệ và hiệu quả giảng dạy.

2. Dưới góc độ lí luận và giảng dạy các môn khoa học: Hướng tiếp cận này cho phép tác giả đánh giá được tầm quan trọng của việc sử dụng công nghệ AI để xây dựng mô hình ứng dụng vào dạy học cho SV ngành CNTT trong cuộc CMCN 4.0. 3. Tiếp cận năng lực người học: Để xác định năng lực, mức độ, nội dung, phương thức hướng dẫn sao cho phù hợp với đối tượng SV ngành CNTT.

4. Tiếp cận trên phương diện so sánh để đánh giá, đối sánh: Để đánh giá, đối sánh giả thuyết khoa học và kết quả thực nghiệm, thực trạng dạy và học nhằm khẳng định tính khả thi khi ứng dụng công nghệ AI vào hỗ trợ dạy học so với các PPDH truyền thống không có sự hỗ trợ của công nghệ AI.

1.8.2. Phương pháp nghiên cứu

Trang 7

1. Nhóm phương pháp nghiên cứu lí thuyết (phân tích – tổng hợp các tài liệu) được sử dụng để xây dựng cơ sở lí luận về dạy học với sự hỗ trợ của công nghệ AI. Các tài liệu khoa học được tìm kiếm trực tuyến trong cơ sở dữ liệu Google Scholar và tìm kiếm thủ công tại một số cơ sở dữ liệu của Việt Nam. Phương pháp phân tích, tổng hợp, khái quát các quan điểm, công trình nghiên cứu đã có về lí luận và thực tiễn ở trong nước và nước ngoài về việc áp dụng công nghệ AI trong hỗ trợ dạy học nhằm đem lại hiệu quả giảng dạy cao hơn, phát triển năng lực và phẩm chất của người học, làm cơ sở xây dựng khung lí thuyết của đề tài, định hướng cho triển khai nghiên cứu thực tiễn.

2. Nhóm phương pháp nghiên cứu thực tiễn (bao gồm các hoạt động điều tra,

khảo sát, phỏng vấn, thực nghiệm, hỏi ý kiến chuyên gia…). Trong đó: - Phương pháp chuyên gia: Phương pháp chuyên gia được sử dụng trong đề tài nghiên cứu này như là một trong những mô hình chủ yếu nhằm thu thập các ý kiến của những người có kinh nghiệm, có kiến thức chuyên sâu trong việc ứng dụng các công nghệ, đặc biệt là công nghệ AI vào lĩnh vực nghiên cứu dạy học nhằm phát triển năng lực, phẩm chất của người học.

- Phương pháp điều tra viết: Trong điều tra/đánh giá định lượng, phiếu trưng cầu ý kiến sẽ được thiết kế để tìm hiểu thực trạng dạy và học với PPDH hiện nay. Sử dụng phiếu trưng cầu ý kiến dành cho cán bộ quản lí và GV các trường đại học trên địa bàn thành phố Đà Nẵng và một số trường đại học lớn trên địa bàn cả nước.

- Phương pháp thực nghiệm: Phương pháp này được thực hiện nhằm lựa chọn và phối hợp với một số trường đại học trong Đại học Đà Nẵng để triển khai thử nghiệm một số nội dung trong chương trình giảng dạy ngành CNTT. Kết quả của thực nghiệm sẽ khẳng định tính khả thi của mô hình dạy học có sự hỗ trợ của công nghệ AI mà tác giả đề xuất.

3. Nhóm phương pháp nghiên cứu hỗ trợ (sử dụng một số các công cụ, phần mềm phân tích, xử lí số liệu, thống kê…). Phương pháp xử lí số liệu bằng thống kê toán học được sử dụng trong đề tài này để xử lí, phân tích, đánh giá định lượng và định tính các kết quả nghiên cứu, đảm bảo độ tin cậy và tính khách quan trong sai số cho phép, phần mềm được dùng là SPSS hoặc Excell.

1.9. Ý nghĩa khoa học của luận án

1.9.1. Về lí luận

Luận án hệ thống và phát triển lí luận về ứng dụng công nghệ AI trong hỗ trợ dạy học cho SV ngành CNTT. Cụ thể: (1) Nghiên cứu về TTNT và phạm vi ứng dụng, ảnh hưởng của nó trong các lĩnh vực khác nhau, đặc biệt trong lĩnh vực giáo dục; (2) Đánh giá có hệ thống các nghiên cứu về ứng dụng AI trong dạy học đại học – Vai trò của các nhà giáo dục; (3) Nghiên cứu sâu hơn về nhu cầu cấp thiết của việc ứng dụng AI trong dạy học để chuẩn bị GV cho các trường học trong tương lai; (4) Nghiên cứu những tác động của AI đối với việc học, việc dạy nói riêng và nền giáo dục nói chung; (5) Khám phá tác động của AI đối với việc dạy và học trong giáo dục đại học.

1.9.2. Về thực tiễn

Thiết kế và xây dựng một website có tích hợp công nghệ AI để hỗ trợ dạy học; thiết kế 2 khóa học Tin học đại cương, Đồ họa máy tính trên hệ thống dạy học với sự hỗ trợ của công nghệ AI, đánh giá các dữ liệu học tập của SV để đưa ra tư vấn, hỗ trợ cụ thể trong việc điều chỉnh nội dung học tập.

1.10. Những luận điểm bảo vệ

Trang 8

Luận án sẽ tập trung bảo vệ các luận điểm chính sau đây: 1. Luận điểm về sự cần thiết của việc sử dụng AI trong dạy học ngành CNTT: Cuộc CMCN 4.0 cùng sự tiến bộ vượt bậc trong nhiều lĩnh vực khoa học công nghệ đã tác động mạnh mẽ đến việc dạy và học nói chung và dạy học ngành

CNTT nói riêng. CNTT là một ngành đào tạo có nhiều đặc thù, là một trong những ngành học đòi hỏi sự tiên phong trong ứng dụng CNTT vào đổi mới PPDH, phù hợp với xu thế và yêu cầu của thực tiễn.

2. Luận điểm về sự phù hợp của mô hình sử dụng AI trong dạy học ngành CNTT: Bản chất của AIEd là những hệ thống hỗ trợ học tập thông minh, các trợ lí ảo. Với sự phát triển mạnh mẽ của AI và các hình thức học tập đa dạng khác trong điều kiện hiện nay của Việt Nam (trong đó có mô hình E-learning, B-learning) đã và đang chứng tỏ sự phù hợp trong việc tạo ra môi trường tốt giúp cho quá trình kiến tạo – tương tác được thuận lợi. Bên cạnh đó, dạy học với sự hỗ trợ của AI là một mô hình dạy học có nhiều ưu điểm, phù hợp với xu thế phát triển công nghệ hiện đại, giúp nâng cao năng lực phát hiện - giải quyết vấn đề và năng lực sử dụng ICT cho người dạy và người học. GV và SV ngành CNTT là những đối tượng phù hợp để triển khai dạy – học với sự hỗ trợ của AI (thông qua các công cụ và tiến trình dạy học cụ thể) vì khả năng tiếp cận công nghệ nhanh chóng, thời gian làm việc (dạy – học) trên môi trường Internet nhiều.

3. Luận điểm về đặc điểm/tính chất/bản chất của mô hình sử dụng AI trong dạy học ngành CNTT. Bản chất của việc sử dụng AI trong dạy học được đề cập đến trong luận án này là “hỗ trợ dạy học”. AI không thay thế hoàn toàn vai trò của GV trong việc tổ chức và triển khai các hoạt động, nội dung dạy học. Sự hỗ trợ đó sẽ giúp GV giảm một phần thời gian tương tác với SV, SV có sự hỗ trợ của AI trong việc đánh giá, nhận xét kết quả học tập (thông qua các bài kiểm tra) và gợi ý tài liệu ôn tập phù hợp với khả năng của SV.

1.11. Những đóng góp mới của luận án

1. Về mặt lí luận - Luận án đã tổng hợp, hệ thống hóa cơ sở lí luận về dạy học với sự hỗ trợ của công nghệ AI, làm rõ khái niệm có liên quan.

- Luận án cung cấp các báo cáo mô tả cắt ngang về thực trạng dạy học với sự hỗ trợ của công nghệ AI (trong đó tập trung vào vai trò của chatbot và cá nhân hóa trong hỗ trợ dạy học cho SV ngành CNTT) dựa trên các quan điểm, nhận định của các GV và SV. Đồng thời, luận án đã đề xuất mô hình dạy học với sự hỗ trợ của công nghệ AI. - Đề xuất một tiến trình thiết kế dạy học với sự hỗ trợ của công nghệ phù hợp với bối cảnh dạy học SV CNTT tại Việt Nam hiện nay.

2. Về mặt thực tiễn Triển khai xây dựng một website hỗ trợ dạy học có tích hợp chatbot và đưa các thuật toán để từng bước cá nhân hóa học tập thông qua việc hỗ trợ đánh giá quá trình và đánh giá cuối khóa học (đưa ra nhận xét, gợi ý tài liệu học tập phù hợp với trình độ của SV). Kết quả của thực nghiệm sư phạm đã khẳng định việc triển khai dạy học với sự hỗ trợ của công nghệ AI có tác động tích cực đến kết quả học tập của SV, đem lại các trải nghiệm học tập mới mẻ, đồng thời hình thành cho SV sự chủ động, độc lập trong học tập.

Trang 9

Các kết quả nghiên cứu về mặt lí luận và thực tiễn của luận án cung cấp bằng chứng xác thực để góp phần thực hiện Nghị quyết số 29-NQ/TW về đổi mới căn

bản, toàn diện giáo dục và đào tạo theo hướng đẩy mạnh việc ứng dụng CNTT trong dạy và học.

1.12. Cấu trúc của luận án

Ngoài phần mở đầu, thảo luận, kết luận và khuyến nghị, tài liệu tham khảo và phụ lục, luận án được cấu trúc gồm 03 chương: Chương 1. Cơ sở lí luận và thực tiễn dạy học cho sinh viên ngành Công nghệ Thông tin với sự hỗ trợ của công nghệ Trí tuệ nhân tạo Chương 2. Thiết kế dạy học với sự hỗ trợ của công nghệ Trí tuệ nhân tạo cho sinh viên ngành Công nghệ Thông tin trình độ đại học

Trang 10

Chương 3. Thực nghiệm và đánh giá

CHƯƠNG 1. CƠ SỞ LÍ LUẬN VÀ THỰC TIỄN DẠY HỌC CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO

Tóm tắt chương 1

Chương 1 của luận án trình bày Tổng quan nghiên cứu về AI, AIEd và các khái niệm liên quan đến đề tài. Các vấn đề căn bản trong cơ sở lí luận về dạy học với sự hỗ trợ của AI cũng được bàn luận trong chương này. Ngoài ra, chương 1 cũng tập trung nghiên cứu các lý thuyết và phương pháp dạy học có liên quan, bao gồm: Lí thuyết kết nối, dạy học tương tác và dạy học kết hợp. Luận án cũng dành một phần nghiên cứu các điều kiện triển khai dạy học với sự hỗ trợ của AI. Trong phần cuối của chương 1, nghiên cứu sinh đã trình bày sâu về thực trạng dạy học ngành CNTT với sự hỗ trợ của AI.

1.1. Tổng quan nghiên cứu về AI và AIEd

1.1.1. Tình hình nghiên cứu trên thế giới

1.1.1.1. Lịch sử phát triển và các ứng dụng chính của AI

J. McCarthy là người đầu tiên đưa cụm từ TTNT (hay AI trong tiếng Anh) trở thành một khái niệm khoa học vào khoảng năm 1956. Nghiên cứu AI nhằm mô tả chính xác các khía cạnh của xử lí trí tuệ và học (để có được tri thức) và tạo ra được các hệ thống, máy mô phỏng hoạt động học và xử lí trí tuệ [7].

Theo S. Russell và P. Norvig [8], AI có một số năng lực trí tuệ điển hình là: Học từ kinh nghiệm (trích rút tri thức từ kinh nghiệm) và áp dụng tri thức; Xác định và trích chọn các đặc trưng quan trọng của các đối tượng, sự kiện, quá trình; Xử lý tình huống phức tạp; Phản ứng nhanh chóng và chính xác đối với tình huống mới; Nhận dạng và hiểu được ngữ nghĩa hình ảnh; Xử lý và thao tác ký hiệu; Sáng tạo và có trí tưởng tượng; Sử dụng heuristic (m o).

Mục tiêu cơ bản của nghiên cứu AI bao gồm biểu diễn kiến thức, lí luận, lập kế hoạch, học tập và xử lí cũng như khả năng sử dụng các đối tượng [9]. Nhiều loại phương pháp tiếp cận được thực hiện để đạt được các mục tiêu của AI, chẳng hạn như mô hình thống kê và trí thông minh tính toán AI không chỉ ảnh hưởng đến lĩnh vực khoa học máy tính mà còn thu hút các lĩnh vực toán học, kĩ thuật, ngôn ngữ học và nhiều lĩnh vực khác [10]. Kể từ khi ra đời vào năm 1956, quá trình phát triển của AI cho thấy thành tựu của mỗi giai đoạn sau là kết quả của sự thừa kế, phát huy các bộ phận phù hợp và sự rút gọn, hiệu chỉnh các bộ phận không phù hợp từ các giai đoạn trước đó. AI đang là một ngành khoa học máy tính đầy triển vọng [8].

1.1.1.2. Lịch sử phát triển và các ứng dụng AI trong dạy học

Trang 11

a) Lịch sử phát triển của AIEd TTNT trong giáo dục (Artificial Intelligence in Education - AIEd) ra đời vào khoảng những năm 1970 [11]. Mục tiêu ban đầu của các nhà nghiên cứu là hướng đến xây dựng một hệ thống được gọi là Hệ thống dạy kèm thông minh (Intelligent Tutoring Systems - ITS) hoặc hệ thống AIEd.

AIEd ban đầu được thực hiện trong các nhóm về AI, tập trung nghiên cứu, phát triển và đánh giá phần mềm máy tính để cải thiện việc giảng dạy và học tập, mục tiêu dài hạn được xác định là nhằm thu thập phản hồi của người học, đánh giá năng lực người học và nguyên nhân yếu kém, cá nhân hóa cho một người hoặc nhóm người học và cuối cùng là sử dụng các kĩ thuật của AI để tìm hiểu và phát triển các lí thuyết dạy – học [12]. AIEd sẽ trở thành một xu hướng chính trong giáo dục vào khoảng năm 2010 và những năm tiếp theo, đồng thời AIEd có thể đóng một vai trò quan trọng trong việc kết hợp nghiên cứu định hướng khoa học máy tính (AI) và tâm lí học, sư phạm (Giáo dục) [6].

Hình 1.1 minh họa quan niệm mới về AIEd so với trước đây trong việc kết hợp AI và Ed lại với nhau: (trái) AIEd là lợi ích tổng hợp của AI và Nghiên cứu giáo dục; (phải) AIEd như một lĩnh vực độc lập, đa ngành, xác định mục tiêu và phạm vi của riêng mình giữa các lĩnh vực AI và Giáo dục tương ứng [13]. Kiến thức AIEd sẽ thu h p khoảng cách này bằng cách cung cấp các kĩ thuật để thúc đẩy các tương tác hiệu quả và thông minh hơn với con người nhằm cải thiện kết quả dạy học.

Hình 1.1 Hai quan niệm thay thế về mối kết hợp giữa AI và Ed (Nguồn: [13])

Nghiên cứu về AIEd trong vài thập kỉ qua đã được dành riêng cho việc thúc đẩy các công nghệ tính toán thông minh như hệ thống dạy kèm thông minh [14], chatbots [15]... Với những đột phá trong CNTT trong thập kỉ qua, các nhà tâm lí học giáo dục đã tiếp cận nhiều hơn với dữ liệu lớn. Nói một cách cụ thể, phương tiện truyền thông xã hội (Ví dụ: Facebook, Twitter), môi trường học tập trực tuyến (Ví dụ: Khóa học trực tuyến mở rộng rãi – MOOC, viết tắt của cụm từ tiếng Anh Massive Open Online Course), hệ thống dạy kèm thông minh (Ví dụ: AutoTutor), hệ thống quản lí người học LMS, cảm biến và thiết bị di động tạo ra lượng dữ liệu động và phức tạp ngày càng tăng có chứa hồ sơ cá nhân, dữ liệu sinh lí, nhật kí học tập và hoạt động của học sinh cũng như hiệu suất và kết quả học tập của SV [5].

b) Phân loại AIEd Theo một nghiên cứu của Tuomi, các kĩ thuật AI trong dạy học có thể được chia thành hai loại khác nhau, đó là: (i) AI dựa trên kiến thức/ đại diện, (ii) AI theo hướng dữ liệu [16]. Các thuật toán AI dựa trên kiến thức nhằm mục đích sử dụng kiến thức chuyên sâu của con người trong việc ra quyết định, chẳng hạn như các hệ thống dựa trên quy tắc. Phần lớn các nỗ lực trong thập kỉ trước là dựa trên AI dựa trên tri thức [17]. Tuy nhiên, gần đây xu hướng chuyển sang các kĩ thuật hướng dữ liệu.

Trang 12

c) Vai trò của AI trong giáo dục và trong dạy học Xét ở góc độ mô hình trong hỗ trợ dạy học, Baker đã xác định ba vai trò chính của các mô hình AIEd: (1) Mô hình là công cụ khoa học, nghĩa là mô hình được sử dụng như một phương tiện để hiểu hoặc dự đoán một số khía cạnh của một tình huống giáo dục, (2) Mô hình như một thành phần. Theo đó, một mô hình tính toán được sử dụng như một thành phần hệ thống cho phép môi trường học tập phản ứng

thích ứng với đầu vào của người dùng hoặc đầu vào khác, (3) Mô hình làm cơ sở thiết kế: Đó là mô hình của một quá trình giáo dục, với lí thuyết kèm theo của nó, hướng dẫn việc thiết kế phương pháp học tập nâng cao bằng công nghệ [18].

Dimitrova, McCalla và Bull đưa ra một vai trò quan trọng thứ tư của AIEd. (4) Các mô hình mở làm lời nhắc cho người học và/hoặc giáo viên phản ánh và hành động: Các mô hình tính toán được thực hiện để người học và/hoặc giáo viên có thể kiểm tra và có thể mở ra để người học và/hoặc giáo viên chỉnh sửa [19].

Từ góc độ nghiên cứu về vai trò của AI trong giáo dục đại học, trong số 50 nghiên cứu có liên quan được trích dẫn nhiều nhất cho thấy, về mặt lập hồ sơ và dự đoán, trọng tâm là khám phá độ chính xác, độ nhạy của công nghệ AI; về ITS, trọng tâm là điều tra hành vi học tập của người học và ảnh hưởng; về đánh giá, mục đích chính là khám phá hiệu quả học tập và hành vi học tập của người học; đối với hệ thống thích ứng và cá nhân hóa, các nghiên cứu chủ yếu điều tra nhận thức của người học và ảnh hưởng [20].

Trong đó, ba vai trò chính trong dạy học bao gồm: hỗ trợ (i) Học sinh cá biệt, (ii) Cả lớp, (iii) Toàn bộ nhóm học sinh [21]. Ở cấp độ cá nhân, trọng tâm tập trung nhiều hơn vào việc điều chỉnh các phương pháp giảng dạy và cách tiếp cận phù hợp với nhu cầu của một người học cụ thể. Các hệ thống được phát triển là kết quả của những nỗ lực đó được gọi là “Hệ thống Gia sư Thông minh, ITS”, được cho là hiệu quả ngang với các gia sư của con người [22]. Mặt khác, ở cấp độ lớp học, AI nhằm mục đích giúp giáo viên quản lí toàn bộ lớp học thay vì từng người học [23]. Một số ứng dụng chính của AI trong lớp học bao gồm dạy kèm, chấm điểm và học tập dựa trên. Thực tế ảo để cải thiện trải nghiệm dạy và học trong lớp học thông qua sự cộng tác hiệu quả của giáo viên và AI [24]. Ở cấp độ nhóm người học, AI nhằm mục đích phân tích sự tương tác của người học với hệ thống và điều chỉnh hệ thống học tập dựa trên sự thất bại và thành công trong tương tác của người học với hệ thống.

d) Các ứng dụng của AIEd Việc ứng dụng AI vào trong dạy học còn hạn chế so với các lĩnh vực khác như khoa học ứng dụng, tài chính hoặc y học. Tuy nhiên, ngày càng có nhiều hệ thống AI trong dạy học thể hiện được những ưu thế vượt trội của nó. Nhiều hệ thống AI được chứng minh là có tác động tích cực đáng kể về mặt thống kê đối với việc học của SV.

Một là, sử dụng AI để tạo ra các hệ thống theo dõi hiệu suất học tập. Một số trường đại học đã và đang sẵn sàng cho việc sử dụng AI vào trong dạy học. Khi nói đến việc tư vấn cho SV, AI nên tiếp cận các phương pháp giảng dạy trực tuyến được cá nhân hóa. Học trực tuyến là cách hiệu quả nhất để dạy và học mà không cần tương tác trực tiếp với giáo viên [25]. Hai yếu tố quyết định chất lượng của E-learning chính là chất lượng của phần mềm và nội dung. Chất lượng của E- learning chỉ dựa vào sự kiểm soát của giáo viên [25]. Giáo viên có thể quyết định nội dung nào hữu ích cho SV học tập. Tuy nhiên, AI có thể hỗ trợ đưa đề xuất và khuyến nghị cho giáo viên và học sinh, đồng thời AI cũng có thể cung cấp phản hồi cho SV ngay lập tức dưới hình thức trợ giảng AI. Học sinh có thể nhận được phản hồi về những gì họ đã hoàn thành mà không cần phải đợi phản hồi của giáo viên.

Trang 13

Samarakou và các cộng sự đã đề cập đến một hệ thống theo dõi hiệu suất của học sinh bằng cách sử dụng AI có tên là StuDiAsE (Learner Diagnosis, Assistance, Evaluation System). Đây là Hệ thống Chẩn đoán, Hỗ trợ, Đánh giá người học dựa

trên AI, là một OLE nâng cao được phát triển đặc biệt để đáp ứng nhu cầu của SV kĩ thuật [26].

Hai là, cá nhân hoá học tập. Sự phát triển của CNTT đã thúc đẩy thúc đẩy AIEd phát triển một cách nhanh chóng. Một trong những mục tiêu quan trọng được các nhà nghiên cứu về AIEd xác định từ đầu và còn tiếp tục được theo đuổi đến hôm nay chính là giảng dạy cá nhân hoá (personalized teaching), xuất phát từ những lợi ích mà Bloom đã đề cập. Nghiên cứu đã đưa ra những lập luận cùng minh chứng cụ thể để khẳng định nền tảng của AIEd chính là tạo ra các hệ thống học tập được cá nhân hoá với giao diện sử dụng hiệu quả cao [4]. Điều chỉnh việc học dựa trên nhu cầu cụ thể của từng người học là một ưu tiên cho các nhà giáo dục trong nhiều năm nhưng AI sẽ cho phép một mức độ khác biệt [27].

Cá nhân hóa trong giáo dục bằng cách sử dụng AI là một hệ thống cho phép học sinh tạo môi trường học tập, cho dù môi trường ở dạng trang web hay ứng dụng. Cá nhân hóa có thể loại bỏ nhiều rào cản trong học tập và giảng dạy. Sự khác nhau trong phong cách học tập, năng lực tiếp thu bài giảng và các thuộc tính khác (thậm chí là duy nhất) dẫn đến nhu cầu học tập khác nhau. Dựa trên các thuộc tính này, các mô hình học tập lí thuyết nên được xây dựng phù hợp với SV [28]. Người hướng dẫn có thể thiết lập các mô hình học tập bằng cách đánh giá các bài kiểm tra mà SV có thể tham gia và mỗi SV có thể có các mô hình học tập của mình do giáo viên tạo ra bằng cách sử dụng công cụ E-learning [29]. Các LMS có thể được giáo viên sử dụng để điều khiển nội dung học tập mà họ muốn đưa vào [30]. Bằng cách sử dụng LMS và AI, giáo viên có thể xác định những gì người học muốn và cách họ học tập. Sự kết hợp giữa LMS và AI mở ra cơ hội để làm nghiên cứu, cộng tác, dạy và học lấy SV làm trung tâm [31].

Sự hiểu biết về sự khác biệt của từng cá nhân là rất quan trọng để phát triển các công cụ sư phạm nhằm mục tiêu hướng vào người học cụ thể và điều chỉnh việc dạy học phù hợp với nhu cầu cá nhân ở các giai đoạn khác nhau. Hệ thống giáo dục thông minh sử dụng dữ liệu lớn và các kĩ thuật AI có khả năng thu thập dữ liệu cá nhân chính xác và phong phú. Dữ liệu lớn và AI có tiềm năng hiện thực hóa quá trình học tập cá nhân hóa để đạt được giáo dục chính xác [32].

Sáng kiến Học tập mở (Open Learning Initiative - OLI) là một dự án tài nguyên giáo dục mở tại Đại học Carnegie Mellon (Hoa Kì) bắt đầu vào năm 2002 với sự tài trợ của William và nền tảng Flora Hewlett. OLI tạo các khóa học dựa trên web được thiết kế để SV có thể học hiệu quả mà không cần người hướng dẫn. Ngoài ra, các khóa học thường được sử dụng bởi các GV để hỗ trợ và bổ sung cho việc giảng dạy trực tiếp trên lớp [33]. ALEKS (Assessment and LEarning in Knowledge Spaces) [34], một Hệ thống Gia sư Thông minh cho Toán học, như một phương pháp chiến lược can thiệp vào các môi trường sau giờ học để cải thiện các kĩ năng toán học của học sinh gặp khó khăn. Một số ví dụ khác có thể tham khảo là SQL-Tutor [35], Gia sư nhận thức [36] và ASSISTments[37]. Thành công bước đầu của các hệ thống dựa trên AI này một phần do sự kết nối chặt chẽ giữa thiết kế của các hệ thống này và bằng chứng nghiên cứu từ khoa học học tập [37].

Trang 14

Một trong những phần mềm AI nổi tiếng trên thế giới do IBM (Hoa Kì) phát triển với mục đích đưa ra lời đáp cho các câu hỏi được nêu lên bằng ngôn ngữ tự nhiên có tên gọi là Watson. Chương trình này được đặt tên của nhà sáng lập công ty

IBM là Thomas J. Watson [38], Watson đã được phát triển như một phần của dự án nghiên cứu mang tên DeepQA [39]. Ưu điểm lớn nhất của IBM Watson trong giáo dục là cho phép người dùng có thể học ở bất cứ đâu, sử dụng trực tuyến, miễn phí mọi tiện ích và tích hợp của phần mềm [40].

Các hệ thống dạy kèm thông minh đã bùng nổ trong nhiều thập kỉ trở lại đây, một trong những hệ thống như vậy có tên là gia sư dựa trên hộp thoại ảo (virtual dialog- based tutor, viết tắt là DBT). Trong DBTs, hệ thống dạy kèm hướng dẫn người học bằng cách tiến hành một hộp thoại đối thoại cho phép thực hiện các trao đổi phong phú thông qua kết nối với nội dung đa phương tiện và các công nghệ khác. Một số trong số các DBT đã được triển khai và thử nghiệm, chẳng hạn như AutoTutor [41] và MATHia [42].

Ba là, gia sư “ảo”. AI được sử dụng để tạo ra một “giáo viên ảo” (hay “gia sư ảo”) cùng đồng hành với giáo viên thật trong quá trình giảng dạy, chúng ta cũng có thể tận dụng sử hỗ trợ của AI bằng cách “nhúng” AI vào các website dạy học, qua đó thu thập, phân tích các “thói quen, hành vi” của SV trong quá trình học tập để đưa ra những “gợi ý”, “tư vấn” cho SV lựa chọn một phương pháp học tập hay một khoá học phù hợp. Đây được xem là một giải pháp hiệu quả, có tính thực tế cao khi mà vai trò của “cố vấn học tập” trong điều kiện học tập theo tín chỉ luôn luôn là một nhiệm vụ quan trọng phải triển khai nhưng vì nhiều lí do khác nhau mà công việc này trên thực tế chưa được thực hiện một cách hiệu quả, còn mang tính hình thức.

Graesser và các cộng sự đã đề cập đến AI chatbot với vai trò của một “giáo viên ảo” [43]. “Giáo viên ảo” ứng dụng học máy (Mearchine Learning) và AI sẽ mang lại một phương pháp học online hiệu quả, thiết thực nhất đến với người dùng. Có thể sử dụng AI chatbot trong thu thập thông tin SV liên quan đến sở thích, thói quen và phương pháp học, thậm chí thu thập các lỗi sai thường gặp trong một điểm ngữ pháp cụ thể của SV. Qua đó, điều chỉnh trong nội dung bài dạy và giao bài tập online cho từng cá nhân SV, hoặc nhóm SV thông qua platform MyELT. Các hệ thống dạy kèm được đề cập đến trong tài liệu [43] sử dụng những hội thoại bằng tiếng Anh, hệ thống không chỉ cung cấp thông tin mà còn giúp SV tích cực xây dựng kiến thức thông qua hội thoại.

AI chatbot là một trong những ứng dụng được sử dụng trong thu thập thông tin SV liên quan đến sở thích, thói quen và phương pháp học, thậm chí thu thập các lỗi sai thường gặp trong một điểm ngữ pháp cụ thể của SV. Các xu hướng chính trong hỗ trợ học tập mà chatbot đang giải quyết như sau [44]:

1. Chatbot có thể hoạt động như một phương pháp học tập tối ưu bằng cách lặp lại các bài học cũ ngay khi người học quên chúng. Do đó, các chatbot hỗ trợ học tập nên duy trì kiến thức bằng cách lặp lại nó sau một khoảng thời gian hợp lí. 2. Chatbot có thể được sử dụng để thu thập phản hồi về một khóa học. Thông tin này là một nguồn có giá trị để cải thiện việc học tập và giảng dạy.

Trang 15

3. Chatbot được đào tạo để trả lời các câu hỏi phổ biến về nghiên cứu một chủ đề. Điều này thúc đẩy việc hỗ trợ học tập nhanh chóng và thuận tiện hơn. SV luôn cần hỗ trợ về hành chính như nộp bài tập, đăng kí môn học, lịch thi, điểm, tốt nghiệp, ... Khi các vấn đề này được chatbot tự động giải quyết sẽ giảm thiểu rất nhiều gánh nặng cho các phòng ban trong trường.

Ngày 30/11/2022 đánh dấu một “thế hệ chatbot mới” ra đời khi công ty AI OpenAI có trụ sở nằm tại San Francisco công bố sản phẩm ChatGPT (Generative Pre-trained Transformer) là một hệ thống trò chuyện tự động dựa trên mô hình học sâu (deep learning), được huấn luyện trước trên một lượng lớn dữ liệu văn bản để có khả năng tạo ra câu trả lời tự nhiên và có ý nghĩa đối với các câu hỏi được đưa ra. ChatGPT sử dụng kiến trúc Transformer để xử lí thông tin văn bản và tự động sinh ra phản hồi một cách có logic và hợp lí. ChatGPT đã được ứng dụng trong nhiều lĩnh vực, bao gồm trợ lí ảo, hỗ trợ khách hàng, hỗ trợ bác sĩ trong chẩn đoán bệnh.

ChatGPT được tạo nên từ hệ thống kho dữ liệu khổng lồ với nguồn thông tin lấy từ Internet, trong đó có cả website Reddit - một nơi lưu trữ đa dạng các thông tin trên toàn thế giới và các cuộc tranh luận về nhiều chủ đề khác nhau. Việc đào tạo và phát triển ChatGPT dựa vào cách sử dụng những phản hồi của người dùng. Nguyên lí hoạt động của ChatGPT là ghi nhận những câu hỏi của người dùng, sau đó đưa ra lời giải đáp tương ứng. Tương tự các loại chatbot đã có, ChatGPT có một số ưu điểm nổi bật là:

- Khả năng tự động hóa: ChatGPT có thể hoạt động tự động và trả lời hàng ngàn câu hỏi từ nhiều người dùng cùng một lúc.

- Tính tương tác: ChatGPT cho phép người dùng tương tác với nó theo cách tự nhiên, giống như khi trò chuyện với một người thật.

- Tiết kiệm thời gian và chi phí: ChatGPT giúp tiết kiệm thời gian và chi phí trong việc trả lời các câu hỏi của khách hàng hoặc người dùng.

- Phạm vi ứng dụng rộng: ChatGPT có thể được sử dụng trong nhiều lĩnh vực khác nhau. Các ứng dụng chính của ChatGPT là trợ lí ảo, hỗ trợ khách hàng, hỗ trợ bác sĩ trong chẩn đoán bệnh, trợ giúp học tập, hỗ trợ xử lí ngôn ngữ tự nhiên, chat trên các nền tảng xã hội…

Bên cạnh đó, ChatGPT cũng tồn tại một số hạn chế nhất định, cụ thể như sau: - Giới hạn của mô hình học máy: ChatGPT có thể không hoàn toàn hiểu và trả lời đúng các câu hỏi phức tạp hoặc không rõ ràng.

- Khả năng thực hiện giới hạn: ChatGPT có thể cần thời gian để trả lời một số câu hỏi hoặc không thể hoạt động hiệu quả nếu có quá nhiều câu hỏi đến cùng một lúc.

- Khả năng bảo mật: ChatGPT có thể phải đối mặt với các vấn đề bảo mật như lộ thông tin người dùng, tấn công từ hacker hoặc việc sử dụng sai mục đích. - Giới hạn về ngôn ngữ: ChatGPT có thể có hạn chế trong việc sử dụng các ngôn ngữ khác nhau và không thể hoạt động hiệu quả nếu không được đào tạo đầy đủ trên các ngôn ngữ khác nhau.

Trang 16

e) AI đóng vai trò hỗ trợ GV trong quá trình dạy học Khi bàn về vai trò của GV trong xu hướng dạy học có sự hỗ trợ của AI, mặc dù hầu hết các chuyên gia cho rằng sự hiện diện của GV là chưa thể thay thế (ít nhất là ở giai đoạn hiện tại) nhưng sẽ có nhiều thay đổi trong công việc của GV cũng như PPDH. Theo Bernard Marr [45], AI đã được áp dụng vào trong dạy học thông qua việc phát triển và sử dụng các công cụ hỗ trợ phát triển kĩ năng và hệ thống kiểm tra đánh giá. AI có thể thúc đẩy hiệu quả, cá nhân hóa và hợp lí hóa các nhiệm vụ quản trị để cho

phép giáo viên có thời gian và tự do cung cấp sự hiểu biết và khả năng thích ứng - khả năng duy nhất của con người nơi máy móc sẽ gặp khó khăn.

Khi AI dần khẳng định được những tiến bộ trong lĩnh vực dạy học thì càng có nhiều bằng chứng hơn để chứng minh rằng, cần cả hệ thống thông minh và con người để quản lí các khía cạnh khác nhau của năng lực học tập và xã hội của học sinh. AI có thể sẽ không thay thế nhưng sẽ đóng vai trò như một phần mở rộng vô giá của chuyên gia con người, giúp giáo viên đáp ứng đồng thời hiệu quả hơn các nhu cầu đa dạng của nhiều học sinh.

1.1.1.3. Xây dựng hệ sinh thái để triển khai AIEd

Xây dựng hệ sinh thái cho các ứng dụng cá nhân hoá học tập đã được nêu ra trong nhiều nghiên cứu và ngày càng đươc hoàn thiện hơn với sự nâng cao nhận thức của các nhà quản lí, nhà giáo dục, đặc biệt là sự phát triển của khoa học công nghệ hiện đạy, trong đó có CNTT. Các nghiên cứu cũng đưa ra mô hình về hệ sinh thái cho các hệ thống dạy kèm thông minh và đưa ra những khả năng phát triển trong tương lai.

Hình 1.2 Hệ thống sinh thái cho các hệ thống dạy kèm thông minh (Nguồn:[4])

Trang 17

Có 3 xu hướng công nghệ chính sẽ góp phần thúc đẩy AIEd phát triển theo, bao gồm: (1) Sự ra đời của các công cụ quản trị (thu thập, quản lí thông tin người học, ví dụ hệ thống quản trị người học LMS; (2) Các công cụ hỗ trợ cho việc học tập suốt đời dựa trên công nghệ cảm biến; (3) Sự ra đời và phát triển của MOOC [46]. Các nghiên cứu [47], [48], [49] đã cho thấy việc học trực tuyến giúp tăng cường học tập cũng như tư duy bậc cao. Đồng thời, mô hình người học mở (Open Learner Models - OLMs) cho phép người học xem mô hình của họ và cách các ứng dụng giảng dạy giải thích và sử dụng nó. Điều này có thể cho phép họ sửa nó hoặc cũng có thể thay đổi nó theo những cách khác. Mô hình người học là cốt lõi của AIEd và đã được cộng đồng AIEd và ITS chấp nhận thông qua các công bố [46], [50], [51]. Trong một nghiên cứu liên quan đến những kì vọng mà AI có thể đem lại trong việc cá nhân hoá học tập, S. Maghsudi và các cộng sự đã chỉ ra hệ sinh thái cơ bản của giáo dục cá nhân hóa trực tuyến, bao gồm tất cả các bên liên quan, cùng với các yếu tố quan trọng và chỉ số đo lường hiệu suất [52].

Người hướng dẫn

Người học

Hiệu quả

Khả năng sử dụng

Giảng dạy

Cá nhân hóa

Sự công bằng

Người thiết kế nội dung

Nhà xây dựng chính sách

Học tập

Dân số

Hình 1.3 Hệ sinh thái cơ bản của giáo dục được cá nhân hóa dựa trên AI (Nguồn: [52])

Hầu hết các nghiên cứu ứng dụng nêu trên đều được triển khai tại các nước phát triển về công nghệ như các quốc gia Châu Âu hay Mỹ. AI được đánh giá là cần thiết cho tương lai của ngành giáo dục Châu Á – Thái Bình Dương, nhưng mới chỉ 1/3 các cơ sở giáo dục đại học khu vực này bắt đầu hành trình AI hóa . Kết quả trên từ khảo sát Đánh giá việc ứng dụng AI trong dạy học ở khu vực châu Á - Thái Bình Dương (tên tiếng Anh của dự án: Future Ready Skills: Assessing APAC Education Sector’s Use of AI) do Microsoft và IDC thực hiện, được công bố tại Hội nghị thượng đỉnh Châu Á về giáo dục và kĩ năng (ASES) diễn ra tại Ấn Độ. Nghiên cứu được khảo sát với 207 lãnh đạo doanh nghiệp và 150 nhân viên ngành giáo dục, trong tổng số hơn 1.600 lãnh đạo và nhân viên thuộc đa dạng ngành nghề. Họ hoạt động tại 15 thị trường ở khu vực Châu Á - Thái Bình Dương gồm: Việt Nam, Úc, Trung Quốc, Hồng Kông, Indonesia, Ấn Độ, Nhật Bản, Hàn Quốc, Malaysia, New Zealand, Philippines, Singapore, Sri Lanka, Đài Loan và Thái Lan.

Theo đó, 61% tin rằng, AI giúp họ thực hiện công việc hiệu quả hơn hoặc giảm thiểu các nhiệm vụ lặp đi lặp lại. 75% các nhà lãnh đạo giáo dục cũng đồng ý AI sẽ giúp họ cải thiện và nâng cao tính cạnh tranh của các cơ sở giáo dục. Tuy nhiên, chỉ có 32% các cơ sở giáo dục cấp đại học ở khu vực đã bắt đầu hành trình AI hóa. Nguyên nhân ngành giáo dục đứng sau các ngành khác về mức độ sẵn sàng ứng dụng AI nằm ở các khía cạnh dữ liệu, chiến lược – đầu tư và văn hóa. Như vậy, có thể thấy tại Châu Á – Thái Bình Dương, việc nghiên cứu và ứng dụng AI trong dạy học đã được triển khai ở một số quốc gia, trong đó chủ yếu vẫn là những nước có nền khoa học công nghệ phát triển mạnh mẽ.

1.1.2. Tình hình nghiên cứu trong nước

1.1.2.1. Nghiên cứu lí thuyết

Trang 18

Tại Việt Nam hiện nay, các thuật ngữ như CMCN 4.0, chuyển đổi số, AI… xuất hiện ngày một nhiều. TTNT được xác định là một công nghệ cho mục đích tổng thể (general purpose technologies). Vì vậy, TTNT được coi là công nghệ “người cầm lái” dẫn dắt năng suất quốc gia. Thủ tướng Chính phủ đã khẳng định, Việt Nam cần

“sớm lên đoàn tàu 4.0” và điều đó có nghĩa là cần thiết xây dựng một chiến lược TTNT quốc gia “TTNT cùng con người vì nhân loại” phù hợp nhất cho Việt Nam.

Trong bài nghiên cứu có tên TTNT và chặng đường 50 năm, Hồ Tú Bảo đã lược sử chặng đường 50 năm phát triển của ngành AI, các lĩnh vực nghiên cứu chính và những thành tựu nổi bật của AI trên thế giới trong 50 năm qua [53]. Tuy nhiên, trong bài tổng kết này chưa đề cập đến việc ứng dụng AI tại Việt Nam cũng như trong lĩnh vực giáo dục của Việt Nam.

Giai đoạn 1996 - 2016, trong 10 quốc gia Đông Nam Á, Việt Nam xếp thứ 5 về số lượng công bố khoa học trên cơ sở dữ liệu Web of science¸ xếp thứ 4 về số lượng công bố khoa học trên cơ sở dữ liệu Scopus về AI và xếp thứ nhất về tỉ lệ công bố trên Scopus về AI trong tổng số công bố khoa học Scopus của Việt Nam nói chung. Trong khi GDP danh nghĩa của Việt Nam thấp hơn hẳn trong Top 5 quốc gia hàng đầu về kinh tế Đông Nam Á, điều này cho thấy nỗ lực của cộng đồng AI của Việt Nam. Tính từ năm 2010 đến nay, đã có 40 đề tài cấp Nhà nước liên quan tới lĩnh vực AI được phê duyệt, chủ yếu tập trung vào các lĩnh vực: các hệ thống thông minh, xử lí ảnh, xử lí ngôn ngữ tự nhiên, tương tác người máy, tin sinh học. Một số sản phẩm, hệ thống ứng dụng AI “Made in Vietnam” đã được đưa vào sử dụng trong thực tế. Hiện tại, đã bắt đầu xuất hiện các quỹ đầu tư khoa học và công nghệ như VINIF nhấn mạnh quan tâm về AI, khoa học dữ liệu và học máy, đã tạo ra một cách tiếp cận và động lực mới trong nghiên cứu, ứng dụng AI [54].

Tuy nhiên, nghiên cứu này cũng nói rõ hiện chưa xuất hiện một báo cáo khảo sát chính thức về quy mô thị trường TTNT của Việt Nam. Các báo cáo về thị trường TTNT thế giới và khu vực của các công ty khảo sát có uy tín trên thế giới chưa cho thông tin về Việt Nam, nghĩa là thị trường TTNT Việt Nam vẫn còn nhỏ bé. Tác giả cũng không đề cập đến mảng AI trong giáo dục tại Việt Nam hiện nay.

Một số công trình nghiên cứu, công bố và luận án tiến sĩ trong những năm gần đây nghiên cứu về ứng dụng ICT nói chung và AI trong giáo dục cũng như trong dạy học tại Việt Nam, cụ thể như sau:

Ngô Tứ Thành với bài báo “Giải pháp đổi mới phương pháp giảng dạy ở các Trường đại học ICT hiện nay” [55] đã đưa ra các giải pháp đổi mới phương pháp giảng dạy ở các trường đại học theo các tiêu chí 3C cùng mối quan hệ khăng khít của chúng trong hệ thống giáo dục mới, đó là : (1) Tiêu chí hàng đầu của việc dạy và học là dạy cách học, dạy cách nghiên cứu; (2) Phẩm chất cần phát huy mạnh mẽ là tính chủ động của người học; (3) Công cụ cần khai thác triệt để là ICT.

Lê Thị Minh Thanh với nghiên cứu “Xây dựng hệ thống giáo dục trên nền tảng ĐTĐM” [56]. Các nghiên cứu này tập trung làm rõ những vấn đề như: ưu điểm mà ĐTĐM mang lại cho giáo dục; giải pháp xây dựng các hệ thống quản lí giáo dục trên nền tảng ĐTĐM. Tác giả khẳng định, đây là xu thế, là cơ hội cho nền giáo dục Việt Nam trong thời kì chuyển đổi số, không những giảm thiểu chi phí triển khai, quản lí mà còn góp phần thực hiện nhiệm vụ ứng dụng CNTT trong giáo dục.

Nghiên cứu của Nguyễn Duy Thanh và các cộng sự [57] về sự chấp nhận và sử dụng đào tạo trực tuyến trên ĐTĐM tại Việt Nam đã trình bày những điều kiện thuận lợi, yếu tố xã hội, động lực thụ hưởng và thói quen có ảnh hưởng đến ý định và hành vi sử dụng đào tạo trực tuyến trên nền ĐTĐM.

Trang 19

Nghiên cứu của Cao Thị Thu Hương và các cộng sự [58] đưa ra cái nhìn tổng quan về ĐTĐM, các lợi ích của việc sử dụng ĐTĐM cho các hệ thống E-learning

và mô hình E-learning trên nền ĐTĐM. Tuy nhiên, nghiên cứu chỉ theo hướng tổng hợp cơ sở lí luận được tham khảo từ các nguồn khác chứ chưa đề xuất được lí luận mới.

Phạm Thế Bảo trong bài nghiên cứu “Thông minh nhân tạo: quá khứ - hiện tại – tương lai và ứng dụng” [59] đã nhận định: “Việc ứng dụng AI để giải quyết rất nhiều bài toán khác nhau trong nhiều lĩnh vực khác nhau”. Các nghiên cứu về AI sẽ gắn kết tất cả các ngành nghề trong xã hội 5.0. Để đáp ứng xu thế phát triển của xã hội, ngành CNTT phải chuẩn bị CTĐT, nhân lực, tài nguyên và kiến thức liên ngành.

Luận án tiến sĩ của Hà Đức Ngọc “Dạy học với các công nghệ mới nổi trong giáo dục nghề nghiệp Việt Nam” đã tổng hợp các nghiên cứu trong nước và trên thế giới, đồng thời xây dựng cơ sở lí luận về việc dạy học với các công nghệ mới nổi. Theo đó, luận án đề xuất việc sử dụng mô hình lớp học tăng cường (augmented classroom) là mô hình thích hợp nhất để tích hợp các công nghệ mới nổi vào trong giáo dục nghề nghiệp Việt Nam hiện nay [60]. Mô hình thiết kế dạy học của Dick và Carrey đã được sử dụng giải thích thiết kế dạy học với các công nghệ mới nổi.

1.1.2.2. Triển khai ứng dụng AI trong thực tiễn dạy học

Theo thông tin cung cấp trên website chính thức của Ban Quản lí Chương trình ETEP (Bộ GDĐT), hiện nay nhiều cơ sở giáo dục đã và đang triển khai ứng dụng AI vào trong quản lí, đổi mới phương pháp giảng dạy và đã đạt được những hiệu quả bước đầu [61]. Cụ thể như sau:

Tập đoàn FPT (có Trường Đại học FPT) là một trong những đơn vị đi đầu trong việc triển khai, ứng dụng các thành tựu của AI vào trong công tác quản lí, đổi mới phương thức giảng dạy. Trường Đại học FPT còn triển khai ứng dụng AI sâu hơn khi ngoài nhận diện khuôn mặt SV, điểm danh, quản lí SV trong kí túc xá, đơn vị còn đang triển khai AI vào công tác chấm điểm các bài thi trắc nghiệm.

Trường Đại học Công nghiệp Thực phẩm Thành phố Hồ Chí Minh, ngoài việc triển khai mạnh mẽ ứng dụng AI vào việc thu thập dữ liệu để công tác quản lí, điểm danh SV được nhanh chóng hơn, nhà trường còn đẩy mạnh ứng dụng AI vào công tác giảng dạy tiếng Anh. Cụ thể là, thử nghiệm AI chatbot trong thu thập thông tin SV liên quan đến sở thích, thói quen và phương pháp học, thậm chí thu thập các lỗi sai thường gặp trong một điểm ngữ pháp cụ thể của SV. Qua đó, điều chỉnh trong nội dung bài dạy và giao bài tập online cho từng cá nhân SV, hoặc nhóm SV thông qua platform MyELT (do nhà trường phối hợp với tổ chức National Geographic Learning) triển khai. Trường Đại học Quốc tế Hồng Bàng đã áp dụng AI vào công tác nhận diện khuôn mặt, giọng nói của SV trong công tác điểm danh.

Trang 20

Ngoài ra, một vài năm gần đây, các trường đại học đã dành sự quan tâm nhiều hơn cho việc triển khai đưa AI vào hỗ trợ dạy học ở nhiều mức độ khác nhau. Dự án nghiên cứu “giáo viên ảo” ứng dụng Học máy và AI trong môn Địa lí do giáo viên Lê Vân Anh và học sinh Lê Việt Dũng (Trường THPT FPT) đã công bố khiến nhiều người ngỡ ngàng bởi sự hiệu quả và tính tích hợp mà AI mang lại. Công cụ để dựng được một “giáo viên ảo” đến từ phần mềm IBM Watson. “Giáo viên ảo” sẽ được sử dụng qua 2 mảng khác nhau nhưng liên kết với nhau: 1 chatbot và 1 kênh video. Việc sử dụng chatbot sẽ giúp người dùng có thể dễ dàng tìm kiếm thông tin cũng như đặt câu hỏi liên quan đến bài học cho chatbot.

Ngày 21 tháng 11 năm 2020, tại diễn đàn Công nghệ giáo dục EDU 4.0, nhà khoa học, chuyên gia về AI Phạm Thành Nam cùng cộng sự Phạm Minh Toàn ra mắt robot AI có tên Trí Nhân. Trí Nhân là sản phẩm công nghệ giáo dục thứ 2 của công ty khởi nghiệp Open Classroom mà chuyên gia Phạm Thành Nam và Phạm Minh Toàn là người đồng sáng lập. Open Classroom cũng đoạt giải cao nhất trong chương trình "Tri thức trẻ vì giáo dục” năm 2017 với hệ thống phòng thí nghiệm ảo Virtual Lab, mang lại trải nghiệm tương tác trực quan sinh động, tăng khả năng tiếp thu kiến thức của người học. Tận dụng được sức mạnh tìm kiếm của Google, Trí Nhân có thể trả lời được kiến thức của hầu hết lĩnh vực với những câu trả lời mà chính những người tạo ra cũng không thể biết. Trí Nhân chính là người máy AI của Việt Nam hướng đến việc phục vụ giáo dục bằng cách hỗ trợ đắc lực cho việc dạy và học của GV và học sinh, SV thông qua giải đáp, giải toán và trợ giảng.

Tuy nhiên, Robot TTNT có tên Trí Nhân trong giáo dục mới chỉ là mô hình thử nghiệm. Người chế tạo là Phạm Thành Nam, chuyên gia công nghệ không phải là nhà nghiên cứu khoa học giáo dục. Luận án Tiến sĩ mà tác giả đang triển khai đứng trên quan điểm là của chuyên gia giáo dục nghiên cứu ứng dụng AI đổi mới PPDH. Ngoài ra, một số phần mềm, ứng dụng có tính thương mại khác đang được triển khai trong vài năm trở lại đây là một minh chứng rõ nét cho việc AI ứng dụng trong giáo dục đang dần trở nên quen thuộc và hiệu quả.

Grammarly - phần mềm kiểm tra lỗi chính tả và ngữ pháp tiếng Anh, là một trong những sản phẩm hình thành dựa trên công nghệ AI và “Xử lí ngôn ngữ tự nhiên”. Sản phẩm AI này như một công cụ giúp họ cải thiện kĩ năng viết cũng như giao tiếp bằng văn bản tốt hơn. Phần mềm này có một số ưu điểm là: dễ cài đặt; tùy vào nhu cầu mà người dùng có thể nâng cấp các gói sử dụng; có thể sử dụng mọi lức, mọi nơi với kết nối Internet; đề xuất chỉnh sửa dễ dàng; phiên bản miễn phí có sẵn . Tuy nhiên, phần mềm vẫn có một số nhược điểm như: không phù hợp với cách dịch cho văn bản chuyên ngành; phải nâng cấp bản có phí để sử dụng được nhiều tính năng; đôi khi sửa không chính xác.

Một phần mềm khác cũng dựa trên nền tảng “Xử lí ngôn ngữ tự nhiên” chính là một phần mềm học nói tiếng Anh có tên (English Language Speech Assistant). ELSA cũng sử dụng các công nghệ khả năng học sâu (deep learning) và nhận diện giọng nói (speech recognition) độc quyền. Ứng dụng ELSA Speak là ứng dụng học nói và giao tiếp tiếng Anh gần như duy nhất có thể sửa lỗi phát âm chính xác từng âm tiết, đồng thời đưa ra nhận xét tức thì và hướng dẫn sửa lại chuẩn xác.

Theo trang web chính thức của ứng dụng giới thiệu, ELSA có những điểm nổi bật như: AI; Phản hồi tức thì; Kho dữ liệu học tập phong phú, thường xuyên được cập nhật; Trợ lí cá nhân: Có khả năng thiết kế một lộ trình học riêng biệt cho từng người, hoàn toàn phù hợp với năng lực và mục tiêu của bạn. Một số điểm hạn chế của ứng dụng là: có trả phí; nền tảng sử dụng (chỉ sử dụng trên thiết bị điện thoại nền tảng Android/iOS, chưa hỗ trợ PC/Laptop hay các loại điện thoại với hệ điều hành khác).

Trang 21

Tại Việt Nam, AI đã và đang được ứng dụng mạnh mẽ trong nhiều lĩnh vực như y tế, giáo dục, nông nghiệp, giao thông, thương mại điện tử... Về cơ bản, những yếu tố tích cực mà AI đem lại trong giáo dục đại học ở Việt Nam sẽ tương tự như ở các nước khác trên thế giới. Đặc biệt, trong bối cảnh Việt Nam vẫn là một nước đang

phát triển thì việc có thể triển khai AIEd một cách triệt để sẽ đem lại những thay đổi rõ nét.

Tuy nhiên, Việt Nam cũng như nhiều nước đang phát triển khác sẽ gặp phải một số thách thức, khó khăn khi triển khai AIEd. Nghiên cứu của Nye, B.D. [62] nêu ra 07 rào cản đối với việc áp dụng một Intelligent Tutoring Systems (tạm dịch: hệ thống dạy học thông minh, viết tắt là ITS) ở các quốc gia đang phát triển: (1) Tính khả dụng của phần cứng ICT; (2) Độ tin cậy về điện; (3) Độ tin cậy của Internet; (4) Chi phí cho dữ liệu; (5) Kĩ năng về ICT cơ bản của người học; (6) Khả năng sử dụng thành thạo ngôn ngữ; (7) Thiếu nội dung phù hợp với văn hóa.

AI chưa thể thay thế hoàn toàn vai trò của giáo viên nhưng AI sẽ làm thay đổi rất lớn vai trò của người thầy trong kỷ nguyên giáo dục 4.0. Cần tiếp tục đổi mới hơn nữa các phương pháp dạy và học trong nhà trường theo hướng lấy người học làm trung tâm, người thầy đóng vai trò hỗ trợ.

Nguồn nhân lực làm việc trong lĩnh vực AI nói chung và đội ngũ GV có kiến thức và có khả năng tiếp cận, ứng dụng và triển khai AI trong giáo dục nói riêng cũng là một bài toán đặt ra đối với Việt Nam khi muốn đẩy mạnh AIEd trong tương lai. Việt Nam cần khởi động và phát triển một cộng đồng chuyên gia về AI, hình thành hệ sinh thái AI để hỗ trợ thúc đẩy công nghệ AI phát triển trên tất cả các ngành nghề, lĩnh vực và phạm vi cả nước. Đào tạo đội ngũ GV có khả năng tiếp cận công nghệ nói chung và các ứng dụng AI nói riêng một cách nhanh chóng.

Cải thiện kĩ năng và dữ liệu sẽ cần thiết cho việc áp dụng và sử dụng AI rộng rãi trong giáo dục. Bồi dưỡng nghiên cứu cơ bản là quan trọng nhưng có thể không phải là giải pháp cho những nhu cầu ngắn hạn. Thay vào đó, trong R&D, các quốc gia sẽ phải tăng cường đáng kể khả năng AI của mình. Những quốc gia đã có hệ thống giáo dục STEM mạnh sẽ có lợi thế hơn, nhưng những quốc gia khác sẽ cần phải nhập khẩu những kĩ năng này trong ngắn hạn, có nghĩa là họ phải tạo ra động lực mạnh mẽ để thu hút nhân tài nước ngoài. Điều này cũng có nghĩa là, họ sẽ phải nới lỏng các quy định lao động để tạo điều kiện thuận lợi cho việc nhập khẩu các kĩ năng cần thiết. Tương tự, để các ngành công nghiệp AI thành công, Việt Nam sẽ phải đặc biệt chú ý đến việc tăng cường cả “dữ liệu hóa” (hoặc khả năng thu thập dữ liệu) của nền kinh tế và tính sẵn có của dữ liệu.

Các công trình nghiên cứu về AI trong dạy học chứng tỏ tiềm năng của AI còn rất lớn. Tuy nhiên, những nghiên cứu tầm lí luận về đổi mới PPDH khi triển khai AI vào dạy học là chưa nhiều, chưa tường minh.

Trang 22

Tóm lại, mặc dù việc ứng dụng ICT trong giáo dục đã được nghiên cứu và triển khai nhiều tại Việt Nam và bước đầu đạt được những kết quả khích lệ, tuy nhiên, việc nghiên cứu một cách chuyên sâu về ứng dụng AI trong dạy học tại Việt Nam hiện nay chưa có nhiều. Các ứng dụng đã triển khai chủ yếu là những sản phẩm thương mại (phải trả phí) hoặc được triển khai trong những tập đoàn công nghệ lớn. Đặc biệt là hạ tầng thông tin, chiến lược sư phạm, sự chuẩn bị và năng lực sử dụng CNTT của người dạy và người học vẫn là một hạn chế để có thể triển khai đồng bộ, rộng rãi vấn đề này. Vì vậy, cần xây dựng một mô hình dạy học trong đó có ứng dụng AI vào dạy học, phù hợp với đặc điểm của nền giáo dục Việt Nam, các đặc điểm của GV và SV Việt Nam nhằm đạt được hiệu quả cao nhất. Đây sẽ là những vấn đề mà luận án tập trung nghiên cứu và đưa ra giải pháp.

1.1.3. Một số bài học kinh nghiệm và hướng nghiên cứu tiếp theo

1.1.3.1. Một số bài học kinh nghiệm

Trên cơ sở các nghiên cứu tổng quan về AI và AIEd ở trong nước và trên thế giới, tác giả luận án rút ra một số bài học kinh nghiệm chính sau đây:

Một là, AI và ứng dụng AI trong các lĩnh vực đời sống, trong đó có giáo dục đã đem lại những kết quả khả quan. Sự xuất hiện của AI cho chúng ta một cách nhìn mới về ngành giáo dục. Hình thức giáo dục truyền thống cần được cải tiến và điều chỉnh để phù hợp với bối cảnh hiện tại. Đây cũng là một xu thế tất yếu, là động lực và giải pháp để các quốc gia, các nhà trường phát triển nhanh chóng.

Hai là, việc ứng dụng AI vào trong quá trình dạy – học không có nghĩa vai trò của GV sẽ bị thay thế hoàn toàn. Trên thực tế, AI có thể hỗ trợ hoặc thay thế GV trong một số trường hợp cụ thể. Đồng thời, GV vẫn đóng một vai trò quan trọng trong việc kết nối và thúc đẩy các mối quan hệ, thấu hiểu nhu cầu và tình cảm xã hội của người học.

Ba là, trong điều kiện hiện tại của Việt Nam như cơ chế, điều kiện cơ sở hạ tầng, các lớp học còn khá đông, hình thức đào tạo từ xa, văn hoá, tâm lý của người dạy/ người học, trình độ phát triển về công nghệ… thì việc ứng dụng AI vào giáo dục là hình thức cần thiết phải phát triển trong tương lai. Do đó, xây dựng quy trình và mô hình dạy học với sự hỗ trợ của AI như thế nào để đạt được hiệu quả cao trong dạy học cho sinh viên ngành CNTT là một hướng phát triển đầy triển vọng.

Bốn là, trong quá trình ứng dụng AI vào trong giáo dục nói chung và quá trình dạy – học nói riêng, các tổ chức và cá nhân có liên quan cần hết sức quan tâm đến việc bảo vệ sự riêng tư và bảo mật của người học. Các cơ quan quản lý giáo dục, các cơ sở đào tạo cần thiết lập cơ chế và ban hành các hướng dẫn một cách rõ ràng đối với quá trình thu thập, lưu trữ và sử dụng dữ liệu, đồng thời hạn chế việc phụ thuộc quá nhiều vào AI.

1.1.3.2. Hướng nghiên cứu tiếp theo

Một số hướng nghiên cứu đề xuất triển khai trong thời gian tiếp theo là: Nghiên cứu thực trạng dạy học với sự hỗ trợ của công nghệ AI tại các trường đại học ở Việt Nam và khảo sát thông tin của các nhóm đối tượng có liên quan (GV, SV, nhà khoa học, nhà quản lý ...) về việc ứng dụng AI vào quá trình dạy – học để có cơ sở đề xuất mô hình dạy học phù hợp; (2) Nghiên cứu sâu về các khái niệm, lý thuyết dạy học phù hợp, các vấn đề liên quan đến ứng dụng AI trong dạy học cho SV ngành CNTT nhằm đề xuất quy trình tổ chức dạy học hiệu quả; (3) Xây dựng một công cụ hỗ trợ dạy học có tích hợp AI, đưa vào quy trình tổ chức dạy học hoàn chỉnh để chứng minh kết quả thông qua thực nghiệm sư phạm.

1.2. Các khái niệm liên quan đến đề tài

1.2.1. Khái niệm công cụ

1.2.1.1. Trí tuệ nhân tạo

Trang 23

TTNT là thuật ngữ được dùng rộng rãi trong lĩnh vực CNTT và dần đang được sử dụng nhiều trong các lĩnh vực khác có liên quan. Việc nghiên cứu và phát triển, ứng dụng AI đã và đang tiếp tục trải qua nhiều giai đoạn khác nhau. Ở giai đoạn đầu, AI hướng tới xây dựng các hệ thống máy có khả năng sử dụng ngôn ngữ tự nhiên, trừu

tượng hóa - hình thức hóa các khái niệm và giải quyết vấn đề dựa trên tiếp cận logic, ra quyết định trong điều kiện thiếu thông tin. TTNT là lĩnh vực liên ngành của Triết học, Tâm lý học, Khoa học thần kinh, Toán học, Điều khiển học, Khoa học máy tính, Ngôn ngữ học, Kinh tế [8].

AI cũng có thể hiểu theo một cách đơn giản là trí thông minh nhân tạo, tức là sự thông minh của máy móc do con người tạo ra, đặc biệt tạo ra cho máy tính, robot, hay các máy móc có các thành phần tính toán điện tử. Trí tuệ nhân tạo là một lĩnh vực của khoa học và công nghệ nhằm làm cho máy có những khả năng của trí tuệ và trí thông minh của con người, tiêu biểu như biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ và tiếng nói, biết học và tự thích nghi [45].

J. McCarthy là người đầu tiên đưa cụm từ AI trở thành một khái niệm khoa học. Nghiên cứu AI nhằm mô tả chính xác các khía cạnh của xử lí trí tuệ, học (để có được tri thức) và tạo ra được các hệ thống, máy mô phỏng hoạt động học và xử lí trí tuệ [7]. S. Russell và P. Norvig đề cập 04 khái niệm về AI như Bảng 1.2 sau đây: Bảng 1.2 Bốn khái niệm về AI (Nguồn:[8])

Tư y h "Nghiên cứu năng lực thần kinh thông qua các mô hình tính toán" (Charniak và McDermott, 1985). “Nghiên cứu các mô hình tính toán giúp máy có nhận thức, có lập luận và hành động” (Winston, 1992).

trong vật tạo Tư y như n người “Những nỗ lực...làm cho máy tính suy nghĩ ... máy móc có tâm trí, theo nghĩa đầy đủ và theo nghĩa đen” (Haugeland, 1985). “Các hoạt động tự động hóa gắn kết với tư duy của con người, như ra quyết định, giải quyết vấn đề, học ...” (Bellman, 1978). H nh i như n người "Nghệ thuật tạo ra máy móc thực hiện các chức năng đòi hỏi trí thông minh giống như khi con người thực hiện" (Kur weil, 1990). "Nghiên cứu cách thức làm cho máy tính làm được những việc trí tuệ có thể tốt hơn con người" (Rich and Knight, 1991). H nh i h “Tính toán thông minh là nghiên cứu về thiết kế các tác tử thông minh” (Poole và cộng sự, 1998). “TTNT... quan tâm đến hành vi thông minh tác” (Nilsson, 1998).

Baker và Smith đưa ra một cách hiểu rộng hơn về AI: “Máy tính thực hiện các nhiệm vụ nhận thức, thường gắn liền với tâm trí con người, đặc biệt là học tập và giải quyết vấn đề”. Họ giải thích rằng AI không mô tả một công nghệ duy nhất. Nó là một thuật ngữ bao trùm để mô tả một loạt các công nghệ và phương pháp, chẳng hạn như học máy, xử lí ngôn ngữ tự nhiên, khai thác dữ liệu, mạng nơ-ron hoặc một thuật toán [63]. Đây chính là khái niệm mà tác giả lựa chọn để sử dụng xuyên suốt luận án của mình.

1.2.1.2. Trí tuệ nhân tạo trong giáo dục

Trang 24

a) Khái niệm Hầu hết các tài liệu nước ngoài đều đề cập đến khái niệm về Artificial Intelligence in Education (AIEd), dịch sang tiếng Việt nghĩa là Trí tuệ nhân tạo trong giáo dục. Tuy nhiên, nội hàm các khái niệm này đều liên quan đến việc dạy học (teaching) chứ không theo nghĩa rộng của thuật ngữ “giáo dục” trong tiếng Việt.

Khái niệm TTNT trong giáo dục ra đời vào khoảng những năm 1970 [11], ban đầu được thực hiện trong các nhóm về AI, tập trung nghiên cứu, phát triển và đánh giá phần mềm máy tính để cải thiện việc giảng dạy và học tập, mục tiêu dài hạn được xác định là nhằm thu thập phản hồi của người học, đánh giá năng lực người học và nguyên nhân yếu kém, cá nhân hóa cho một người hoặc nhóm người học, cuối cùng là sử dụng các kĩ thuật của AI để tìm hiểu và phát triển các lí thuyết dạy – học [12].

Năm 2010, Hiệp hội AIEd quốc tế đưa ra khái niệm AIEd là nghiên cứu liên ngành “ở ranh giới của khoa học máy tính, giáo dục và tâm lí học”. Nó thúc đẩy nghiên cứu, phát triển môi trường học tập tương tác và thích ứng cho người học ở mọi lứa tuổi, trên mọi lĩnh vực” [64]. Đây cũng là khái niệm được thống nhất hiểu trong tất cả các phần của luận án này.

1.2.1.3. Dạy học với sự hỗ trợ của công nghệ Trí tuệ nhân tạo

Trong tiếng Việt, khái niệm “dạy học” được hiểu ở một phạm vi h p hơn so với khái niệm “giáo dục”. Do đó, luận án tiến hành nghiên cứu các khái niệm về dạy học, quá trình dạy học để từ đó đề xuất ra khái niệm “dạy học với sự hỗ trợ của công nghệ TTNT”.

Dạy học là hoạt động đặc trưng và chủ yếu nhất trong nhà trường, diễn ra theo một quá trình nhất định từ t0 đến tn gọi là quá trình dạy học. Đó là một quá trình xã hội bao gồm và gắn liền với hoạt động dạy và hoạt động học, trong đó người học (SV, học sinh…) tự giác, tích cực, chủ động trong việc tổ chức, điều chỉnh hoạt động nhận thức của mình dưới sự điều khiển, chỉ đạo, tổ chức, hướng dẫn của người dạy (giáo viên, GV…) nhằm thực hiện mục tiêu, nhiệm vụ dạy học. Quá trình dạy học là chuỗi liên tiếp các hành động dạy, hành động của người dạy và hành động của người học đan xen và tương tác với nhau trong khoảng không gian và thời gian nhất định, nhằm thực hiện các nhiệm vụ dạy học [65]. Kết quả của quá trình dạy học là làm biến đổi ở người học những đặc tính nào đó đã được xác định từ trước.

Hình 1.4 Dấu hiệu của quá trình dạy học (Nguồn: [65])

Trang 25

Hà Đức Ngọc đưa ra khái niệm “Dạy học với các công nghệ mới nổi là tập hợp các thiết kế và hoạt động dạy học thông qua việc tăng cường sử dụng các công nghệ mới nổi đóng vai trò như các công cụ nhận thức cho người học” [60].

Trên cơ sở các khái niệm nêu trên, luận án đề xuất khái niệm về “dạy học với sự hỗ trợ của công nghệ TTNT”. Theo đó, dạy học với sự hỗ trợ của công nghệ TTNT là quá trình dạy học trong đó sử dụng các công cụ có tích hợp TTNT (ứng dụng, website…) để hỗ trợ việc dạy học nhằm đem lại hiệu quả cao hơn cho việc dạy và học. Trong quá trình đó, TTNT đóng vai trò hỗ trợ cho người dạy trong việc hướng dẫn và truyền thụ tri thức cho người học thông qua các cách thức khác nhau như theo dõi tiến trình, cá nhân hóa học tập, chatbot... Ngoài ra, TTNT còn tham gia hỗ trợ quá trình kiểm tra đánh giá, gợi ý kiến thức... nhằm giúp người học thuận tiện hơn trong việc ôn tập và điều chỉnh tiến độ, lộ trình học tập.

Trên cơ sở mô tả về quá trình dạy học nêu trên (Hình 1.4), luận án mô tả quá trình dạy học khi có sự tham gia của công nghệ AI (Xem Hình 1.5). Theo đó, công nghệ AI sẽ tác động đến cả quá trình dạy của GV và quá trình học của SV theo nhiều cách và ở nhiều cấp độ khác nhau.

Ở Hình 1.5 dưới đây, nếu xem quá trình dạy học bắt đầu từ trạng thái của người học ở thời điểm t0 đến thời điểm tn như các quá trình dạy học thông thường khác, trong đó:

Trạng thái người học ở thời điểm t0 và tn đều thể hiện bởi:

- Sự hiểu biết, khả năng, thái độ; - Các điều kiện nội tâm khác.

Điểm khác nhau ở 2 thời điểm này chính là quá trình dạy học sẽ làm thay đổi các đặc tính được xác định từ trước, hay nói một cách khác, đây chính là việc thực hiện mục tiêu của quá trình dạy học. Ngoài ra, mỗi quá trình dạy học đều chịu sự tác động, ảnh hưởng từ các yếu tố bên ngoài như các điều kiện kinh tế, văn hoá, xã hội… Việc sử dụng công nghệ AI để hỗ trợ cho quá trình dạy học cần được tác động ở cả hoạt động dạy và hoạt động học (bao gồm cả hoạt động học tập và hoạt động học tập phụ). Ở đây, hoạt động dạy hướng vào đối tượng là GV còn hoạt động học hướng vào chủ thể là SV.

Dạy học

Giảng viên

Công nghệ AI

Định hướng

Điều chỉnh

Kiểm tra

Hoạt động học tập

Trạng thái của SV ở thời điểm t(0)

Trạng thái của SV ở thời điểm t(1)

Hoạt động học tập phụ

Điều kiện ngoại cảnh (môi trường)

Trang 26

Hình 1.5 AI tham gia vào quá trình dạy - học

1.2.2. Một số khái niệm khác liên quan

1.2.2.1. Tự học

Tự học là quá trình mà người học tự tìm hiểu, tư duy, nghiên cứu các kiến thức cần thiết cho bản thân mà không có sự chỉ dẫn, giúp đỡ của người khác. Hoặc có thể người học được người khác chỉ dẫn những bước ban đầu và tự hoàn thiện kiến thức về sau.

Tự học được hiểu là tất cả các hoạt động học của người học được thực hiện bởi các cá nhân người học với rất ít hoặc không có sự hướng dẫn của GV. Đây là một quá trình giúp SV tự định hướng việc học của mình theo kinh nghiệm học tập của bản thân, có quyền tự chủ và điều khiển hoạt động học của họ thông qua các bài tập, dự án hay vấn đề mà giáo viên gợi ý, hướng dẫn ở lớp.

1.2.2.2. Cá nhân hóa học tập

Cá nhân hóa học tập đề cập đến sự hướng dẫn trong đó các mục tiêu, lộ trình và tốc độ trải nghiệm học tập được tối ưu hóa theo nhu cầu, sở thích của từng người học và hiệu suất liên tục. Với cách hiểu này, quá trình học tập được cá nhân hóa có thể được đặc trưng bởi một chu kì bốn quy trình: (1) Tham gia, (2) Đo lường, (3) Diễn giải, (4) Điều chỉnh. Cá nhân hóa liên quan đến học sinh tham gia vào một trải nghiệm học tập nào đó, từ đó nhu cầu, sở thích của cá nhân họ và hiệu suất có thể được đo lường. Sau khi các biện pháp đã được thu thập, chúng được giải thích một cách tương đối đối với một số bộ tiêu chuẩn hoặc tiêu chí. Sau đó, cách diễn giải này được sử dụng để thông báo về các điều chỉnh cụ thể trải nghiệm học tập có thể khác nhau giữa các học sinh về mục tiêu, lộ trình và/hoặc tốc độ. Tùy thuộc vào cách cấu hình môi trường học tập và vai trò của công nghệ, trong một bối cảnh nhất định, các diễn giải và điều chỉnh như vậy có thể được thực hiện bởi chính công nghệ, giáo viên, hoặc học sinh.

Cá nhân hoá học tập đề cập đến việc giảng dạy trong đó các mục tiêu, lộ trình và tốc độ trải nghiệm học tập được tối ưu hóa cho nhu cầu, sở thích và hiệu suất liên tục của mỗi người học. Định nghĩa này dựa trên định nghĩa trong Kế hoạch Công nghệ Giáo dục Quốc gia (NETP, Bộ Giáo dục Hoa Kì, 2010), cũng như các ưu tiên bổ sung của Bộ và định nghĩa cho các chương trình tài trợ tùy ý (Bộ Giáo dục Hoa Kì, 2014, 79 FR 73425).

Encyclopedia of the Sciences of Learning đã đưa ra khái niệm chung của “học tập được cá nhân hóa” như sau: Học tập được cá nhân hóa có nghĩa là giáo dục điều chỉnh cho phù hợp với tình hình hiện tại của người học, các đặc điểm và nhu cầu để giúp người học đạt được điều tốt nhất có thể tiến độ và kết quả học tập. Học tập được cá nhân hóa có thể xuất hiện trên các trình độ học vấn, bao gồm cá nhân hóa chương trình giảng dạy, khóa học, học tập vật chất, hoạt động học tập và các hỗ trợ học tập khác. Thông qua cá nhân hóa học tập, mỗi người học được cung cấp nền giáo dục phù hợp với các đặc điểm và nhu cầu của cá nhân và học theo cách phù hợp nhất với người học, dẫn đến trải nghiệm học tập khác nhau cho mỗi người học.

1.2.2.3. Chatbot

Trang 27

Hiện nay, tồn tại nhiều khái niệm khác nhau về Chatbot, dưới đây là những khái niệm phù hợp với những định hướng nghiên cứu của luận án, cụ thể như sau:

Ciechanowski và cộng sự [66] định nghĩa: Chatbot là một chương trình máy tính bắt chước và xử lí giao tiếp của con người, cho phép mọi người tương tác với các thiết bị kĩ thuật số như thể chúng đang nói chuyện với một người thực. Đó là một cơ chế đối thoại khuyến khích sự hợp tác học tập hoặc là hệ thống tự động phản hồi truy vấn của con người.

Clarizia và cộng sự [67] đưa ra khái niệm: Chatbot là một tác nhân thông minh có khả năng tương tác với SV để trả lời một loạt câu hỏi và đưa ra câu trả lời thích hợp.

Một khái niệm khác về Chatbot (hay Chatterbot) là một phần mềm (máy) nói chuyện với người dùng (con người): nó là một trợ lí ảo có thể trả lời một số câu hỏi của người dùng, đưa ra câu trả lời chính xác [67]. Đây là khái niệm ngắn gọn và dễ hiểu do Fabio Clarizia và các cộng sự đưa ra. Tôi sử dụng khái niệm này thống nhất trong toàn luận án của mình.

1.2.2.4. Mô hình và mô hình dạy học

a) Mô hình Theo Từ điển Oxford Dictionary, mô hình là: 1) Một đối

tượng thường được xây dựng với quy mô nhỏ đại diện cho chi tiết khác, đối tượng khác lớn hơn; 2) Mô tả sơ đồ của một hệ thống, lí thuyết, hoặc hiện tượng chứa thuộc tính được biết đến hay suy ra được và có thể được sử dụng để nghiên cứu thêm các đặc điểm của nó: một mô hình của một nguyên tử, một mô hình kinh tế...; 3) Một đại diện đơn giản của một hệ thống, tổ chức phức tạp hoặc hiện tượng để giải thích chúng; 4) Một hình thức, hành động đại diện cho một cái gì đó (thường là trên một quy mô nhỏ hơn)... [68].

Threo Wikipedia: (1) Mô hình là mẫu, là kế hoạch, là sự biểu thị (đặc biệt bằng cách thu nhỏ) hoặc sự mô tả được thiết kế để thấy rõ được đối tượng hay hoạt động chủ yếu của đối tượng, hệ thống hoặc khái niệm; (2) Là sự thể hiện về một số hiện tượng của thế giới thực, được tạo ra để thuận tiện cho việc hiểu về sự hoạt động của nó. Một mô hình thường là sự đơn giản hóa hoặc là phiên bản tổng quát về những sự kiện thực tế.

Theo Nguyễn Xuân Lạc [69], mô hình được hiểu là một thể hiện bằng thực thể hoặc bằng khái niệm – theo một cách tiếp cận xác định – một số thuộc tính và quan hệ tiêu biểu của một đối tượng nào đó (gọi là nguyên hình) nhằm một trong hai, hoặc cả hai, mục đích nhận thức sau: (1) Làm đối tượng quan sát (nhận dạng) thay cho nguyên hình, (2) Làm đối tượng nghiên cứu (thực nghiệm hay suy diễn) về nguyên hình. Như vậy, có ít nhất hai loại mô hình khác nhau: mô hình vật chất và mô hình tư duy (hay mô hình lí thuyết). Các mô hình lí thuyết có vị trí quan trọng trong việc nhận thức thực tiễn nhất là các quá trình trừu tượng.

Trang 28

b) Mô hình dạy học Theo Từ điển Giáo dục học, “Mô hình dạy học” là loại mô hình hướng dẫn việc xây dựng một chương trình, việc lựa chọn tài liệu sư phạm và việc hỗ trợ giáo viên trong nhiệm vụ của họ. Như vậy, mô hình dạy học được xem là mô hình lí thuyết, phản ánh các thành phần cơ bản của quá trình dạy học và mối quan hệ giữa chúng như mục tiêu, nội dung, phương pháp và phương tiện dạy học, các hình thức tổ chức dạy học, kiểm tra đánh giá… Hoặc thể hiện thành phần, cấu trúc và mối quan hệ cơ bản của hoạt động dạy và học (kích thích động cơ học tập của người học, tổ chức và

điều khiển các tương tác sư phạm, đánh giá và điều chỉnh hoạt động dạy học…) được thực hiện trong môi trường xác định.

Trong lĩnh vực GDĐT, phương pháp mô hình được sử dụng vừa để tìm hiểu đối tượng nhận thức của khoa học giáo dục, vừa để xây dựng những mẫu hình mang tính lí thuyết nhằm áp dụng vào thực tế với đặc trưng là một lĩnh vực của đời sống xã hội. Vì thế, mô hình được hiểu là hình thức diễn đạt hết sức ngắn gọn những đặc trưng chủ yếu của một đối tượng, là sự điển hình hóa các hoạt động, mối quan hệ tương tác giữa các bộ phận trong một sự vật và giữa sự vật này với sự vật khác, các mối liên hệ đặc trưng quan trọng nhất mang tính bản chất của các sự vật, hiện tượng, quá trình diễn ra trong đời sống xã hội. Đó là những mô hình điểm, đã có trong thực tế, có thể nhân rộng (như mô hình hợp tác xã, mô hình trang trại, mô hình trường dạy tốt – học tốt,...). Còn theo nghĩa là một mẫu hình thì mô hình là một thiết kế (chưa hoặc đã có trong thực tế nhưng chưa hoàn hảo, chưa đáp ứng được nhu cầu cụ thể), là ý tưởng của người thiết kế, sau khi đã nghiên cứu, phân tích một cách đầy đủ các yếu tố cơ bản: nhu cầu thực tế, các điều kiện khả thi và hiệu quả sử dụng,..., là cơ sở của quá trình đưa vào thể nghiệm trong thực tế (như thiết kế xây dựng, thiết kế mẫu hình hoạt động của một tổ chức: phòng thực hành, phòng phương pháp, quản lí đào tạo,...) [70], [71], [72].

Như vậy, mô hình dạy học là một mô hình kĩ thuật mô tả những nét khái quát nhất của một PPDH dựa trên những căn cứ khoa học nhất định, nhằm định hướng cho toàn bộ hệ thống dạy học, quá trình dạy học, trong đó mô tả rõ cách thức hoạt động của bộ ba nhân tố (người dạy, người học và đối tượng) theo định hướng chung của mô hình lí thuyết và bao gồm tập hợp tất cả các thành tố trong một mô hình [69].

1.3. Cơ sở lí luận về dạy học với sự hỗ trợ của AI

1.3.1. Mô hình dạy học với sự hỗ trợ của công nghệ

Trang 29

Thế giới đã trải qua 4 cuộc CMCN và chúng ta đang trong giai đoạn của CMCN 4.0. Cùng với các cuộc CMCN thì nền giáo dục thế giới cũng có những bước phát triển song hành. Theo Phạm Đỗ Nhật Tiến, giáo dục 4.0 hiện nay là giáo dục suốt đời, mở, cá thể hóa và chuẩn bị con người cho canh tân, sáng tạo. CMCN 4.0 tạo cơ hội cũng như đặt ra yêu cầu tất yếu phải xây dựng nền giáo dục 4.0. Theo đó, giáo dục trở thành một hệ sinh thái mà mọi người có thể cùng học tập mọi lúc, mọi nơi với các thiết bị được kết nối. Tổ chức giáo dục trở thành một hệ sinh thái tạo sản phẩm sáng tạo mang tính cá thể, với kiến thức và năng lực đổi mới, sáng tạo riêng của cá nhân.

Hình 1.6 Những bước phát triển của giáo dục qua các cuộc CMCN thế giới

Tiếp cận giáo dục, dạy học thông minh (SMART Education) được nhắc đến từ những năm đầu thế kỉ XXI và ngày càng được nghiên cứu và phát triển theo các mô hình đa dạng (4C bao gồm Creativity, Critical Thinking, Collaboration, Communication; CBE là từ viết tắt của Competency-based Education - dạy học phát triển năng lực, OBE viết tắt của Outcomes-based Education- dạy học theo tiếp cận đầu ra...). Trong đó, nhấn mạnh đến sự chuyển đổi từ cách dạy học truyền thống sang một phương thức mới theo tiếp cận công nghệ với các mô hình dạy học phi truyền thống.

(technology): Dựa trên nền liệu mở rộng; T

Về tổng thể, giáo dục thông minh được hiểu là: “sự tích hợp toàn diện công nghệ, khả năng tiếp cận và kết nối mọi thứ qua Internet bất cứ lúc nào và ở đâu”. Trong mô hình “SMARTER Education” các thành tố được thiết lập theo một hệ thống chỉnh thể, có tác động tương hỗ, thúc đẩy chất lượng và hiệu quả của quá trình giáo dục. Với các thành tố bao gồm: S (self-directed): Tự định hướng; M (motivated): Tạo động lực; A (adaptive): Tính thích ứng cao; R (resources): Các nguồn lực, tài tảng công nguyên, học nghệ; E (engagement): khuyến khích sự tham gia; R (relevance): Sự phù hợp [73]. Mô hình này có thể tác động mạnh vào quá trình giáo dục theo những chiều hướng sau:

- Sự thay đổi trong kì vọng của người học và khả năng đáp ứng của các trường (khả năng thích ứng, có việc làm và tự tạo việc làm sau tốt nghiệp; khả năng duy trì và phát triển chuyên môn nghề nghiệp; cơ hội học tập suốt đời…); - Sự đa dạng hóa các “sản phẩm giáo dục”, quá trình đảm bảo và nâng cao chất lượng giáo dục nhờ cơ sở dữ liệu lớn, TTNT, chuỗi giá trị trong giáo dục; - Sự thay đổi trong mối quan hệ, vai trò, vị trí của người dạy và người học

Trang 30

trong quá trình dạy học, trong hệ sinh thái giáo dục; - Sự thay đổi của môi trường dạy học, khuôn viên học tập với các dạng học liệu đa chức năng; - Sự thay đổi các mô hình quản lí, điều hành trong giáo dục, dạy học trên nền tảng kĩ thuật số mới.

Về bản chất, với sự trợ giúp của công nghệ mới, giáo dục thông minh cần phải tạo được một phương thức hoàn toàn khác với giáo dục mang tính đại trà, “đồng phục”, hướng đến sự phân hóa, cá thể hóa và cá nhân hóa cao độ. Hệ thống kết nối con người - thông tin - vật thể, máy móc tạo thành một chuỗi liên kết trong đào tạo, nghiên cứu và chuyển giao công nghệ, thúc đẩy quá trình chuyển đổi thiết chế giáo dục thành một hệ sinh thái đổi mới và sáng tạo.

TPACK (Technological Pedagogical Content Knowledge) là mô hình xác định những kiến thức mà người dạy cần có để giảng dạy hiệu quả với sự hỗ trợ của CNTT.

Ý tưởng về mô hình này đã nảy sinh trên cơ sở của nhiều công trình nghiên cứu, trong đó có mô hình Pedagogical Content Knowledge (PCK) của [74]. Rất nhiều công trình nghiên cứu đã nêu ra rằng, CNTT không thể được xem là một thành tố độc lập trong quá trình dạy-học. Hoạt động dạy-học hiệu quả cần có sự kết hợp CNTT với phương pháp sư phạm và kiến thức chuyên môn. Mô hình TPACK gồm có 3 thành tố chính đan xen lẫn nhau như Hình 1.7 dưới

đây:

Hình 1.7 Mô hình TPCK (Nguồn: [75])

Trang 31

Ba thành tố chính của TPACK (Technological Pedagogical Content Knowledge) được thể hiện bằng 3 vòng tròn, mỗi vòng tròn là một mảng kiến thức quan trọng của GV: kiến thức về lĩnh vực dạy - học (CK – Content Knowledge), kiến thức về phương pháp sư phạm (PK – Pedagogical Knowledge) và kiến thức về CNTT (TK – Technological Knowledge). Mô hình TPACK cũng đề cập đến các dạng kiến thức mới hình thành do sự tương tác của 3 mảng kiến thức trên: - Kiến thức phương pháp sư phạm sử dụng trong lĩnh vực dạy - học (PCK - Pedagogical Content Knowledge). - Kiến thức về các công cụ CNTT chuyên dùng trong lĩnh vực dạy - học (TCK - Technological Content Knowledge). - Kiến thức về các công cụ CNTT hỗ trợ những ý tưởng, phương pháp dạy - học cụ thể (TPK - Technological Pedagogical Knowledge).

Để việc ứng dụng CNTT vào dạy - học có hiệu quả, GV cần có cả 3 mảng kiến thức trên, nhưng việc vận dụng, mức độ tham gia của từng khối kiến thức trong những hoàn cảnh, bài học cụ thể phải linh hoạt.

Mô hình TPACK là một khung lí thuyết giúp các nhà giáo dục và quản lí thiết kế những hệ thống dạy - học và đào tạo hiệu quả hơn. Trước hết, mô hình TPACK chỉ ra sự kém hiệu quả của những mô hình đào tạo mà GV chỉ đơn giản tập trung vào một loại năng lực nào đó. Mô hình này chính là cơ sở cho việc phân tích kiến thức, năng lực GV, từ đó có những giải pháp đào tạo GV đáp ứng yêu cầu dạy - học của thế kỉ XXI. Ngoài ra, TPACK cũng tạo cơ sở để GV thiết kế những hoạt động học tập hiệu quả hơn. TPACK đã chỉ ra là việc học đạt hiệu quả cao nhất khi thầy trò cùng sử dụng sức mạnh của CNTT để khám phá tri thức trong môi trường học tập có gắn kết chặt chẽ với thực tiễn.

AI là một trong các công nghệ mới nổi tiêu biểu, có sự tác động và ảnh hưởng lớn đến nhiều lĩnh vực, trong đó có lĩnh vực dạy học. Mô hình thiết kế dạy học của Dick và Carey (The instructional design model) là một mô hình nổi tiếng về việc chỉ dẫn thiết kế dạy học với các công nghệ mới nổi [76], mô hình này có thể được vận dụng cho quá trình thiết kế dạy học với sự hỗ trợ của công nghệ AI.

Hình 1.8 Mô hình thiết kế dạy học của Dick và Carey (Nguồn: [76])

Trong mô hình trên, các đường nét liền thể hiện các bước chính được người dạy quan tâm thực hiện trong quá trình thiết kế dạy học và thể hiện sự liên tục của quá trình, các đường nét đứt thể hiện các bước được thực hiện “ngầm” và có thể không phải là hoạt động bắt buộc thường xuyên.

1.3.2. Các thành tố của quá trình dạy học

Để quá trình dạy học diễn ra đạt hiệu quả cao, người dạy luôn cần quan tâm đến

các thành tố cấu thành nên quá trình dạy học.

Trang 32

- Nếu xét ở góc độ hệ thống thì quá trình dạy học bao gồm 3 thành tố quan trọng nhất, đó là: (1) GV và hoạt động dạy, (2) SV/học sinh và hoạt động học, (3) Nội dung dạy học. - Nếu xét ở góc độ cấu trúc ở dạng đơn giản nhất thì quá trình dạy học bao gồm 6 thành tố sau đây:

+ Mục tiêu: GV đưa ra các mục tiêu của quá trình dạy học, trong đó luôn hướng đến đảm bảo phù hợp với năng lực của SV, giúp SV đạt được sau mỗi giờ học/bài học/môn học. Yêu cầu đặt ra khi xây dựng mục tiêu là tính khả thi, đo lường được và có giới hạn về thời gian. + Nội dung: Là yếu tố quan trọng nhất trong mỗi giờ dạy, bao gồm các kiến thức chuyên môn liên quan đến nghề nghiệp và nằm trong chương trình học đã được thiết kế trước đó.

+ PPDH: Được hiểu là cách thức làm việc giữa GV và SV nhằm giúp SV đạt được các mục tiêu về kiến thức, kĩ năng và hình thành một số năng lực nhất định.

+ Phương tiện dạy học: Là các đồ dùng, thiết bị, phương tiện máy móc … phục vụ cho quá trình dạy học.

+ Hoạt động dạy học. + Kiểm tra đánh giá

HOẠT ĐỘNG DẠY HỌC

Phương tiện dạy học

Mục tiêu dạy học

Nhu cầu xã hội

Đánh giá dạy học

Kết quả dạy học

Nội dung dạy học

Phương pháp dạy học

MÔI TRƯỜNG KINH TẾ - XÃ HỘI – VĂN HÓA – KHOA HỌC

Cả 6 thành tố này có mối quan hệ gắn bó hữu cơ với nhau, được hình thành trên cơ sở nhu cầu xã hội, chịu tác động, ảnh hưởng từ các điều kiện môi trường bên ngoài (kinh tế - xã hội – văn hoá và khoa học). Hình 1.9 dưới đây mô tả một cách đơn giản mối quan hệ giữa các thành tố cơ bản của quá trình dạy học:

Hình 1.9 Cấu trúc các thành tố của quá trình dạy học (Nguồn: [65])

Kết quả

Nội dung

Mục tiêu dạy học

Tổ chức dạy học Phương pháp – Phương tiện – Hình thức tổ chức

Điều chỉnh

Kiểm tra

Khi xem xét bản chất của quá trình dạy học, luận án xem quá trình dạy học là một quá trình điều khiển và điều chỉnh của GV kết hợp với quá trình tự điều khiển và điều chỉnh của SV. Theo đó, quá trình dạy học luôn cần có sự kết hợp chặt chẽ giữa người dạy và người học và có sự tác động từ hai phía. Quá trình này được mô tả như một chu trình khép kín [65].

Trang 33

Hình 1.10 Điều chỉnh của quá trình dạy học (Nguồn: [65])

Đối với việc dạy học có sự hỗ trợ của công nghệ AI mà luận án đang hướng đến, yếu tố AI sẽ can thiệp vào các thành tố sau đây:

1. Phương pháp dạy học; 2. Phương tiện dạy học; 3. Hoạt động dạy học; 4. Kiểm tra đánh giá.

1.3.3. Những ứng dụng nổi bật của AI trong hỗ trợ dạy học

Hiện nay, việc ứng dụng AI trong dạy học ở những năm gần đây được các chuyên gia và nhà giáo dục đánh giá là một bước tiến đột phá. AI tham gia vào quá trình dạy học ở nhiều mức độ khác nhau. Tuy nhiên, về cơ bản AI chủ yếu vẫn là một công nghệ hỗ trợ, chưa thay thế hoàn toàn vai trò của GV trong quá trình dạy học. Theo những nghiên cứu và tổng hợp của [77], những ứng dụng nổi bật và chủ yếu của AI trong dạy học thể hiện trong các mặt sau đây:

(1) AI được ứng dụng để xếp loại và đánh giá người học. Theo đó, một số kĩ thuật AI đã được sử dụng để phát triển các mô hình chính xác để dự đoán hành vi của học sinh và thành tích trong lớp.

(2) AI tham gia vào việc dự đoán về khả năng giữ chân và bỏ học của học sinh. Việc duy trì và bỏ học của SV là một yếu tố phổ biến ảnh hưởng đến cả nền tảng học tập trực tuyến và ngoại tuyến.

(3) AI góp phần để việc học tập được cá nhân hóa. Việc cá nhân hóa học tập về cơ bản được thúc đẩy bởi nhu cầu của học sinh, nhu cầu của nhà nước, quốc tế hóa và toàn cầu hóa cũng như việc quản lí giáo dục và sự phát triển của công nghệ. Các mô hình học tập tương tác, lấy người học làm trung tâm, chương trình giảng dạy được điều chỉnh để phục vụ từng học sinh hoặc nhóm học sinh trở nên gần gũi hơn sẽ tăng sự tương tác, cải thiện khả năng hiểu và đem lại kết quả học tập tốt hơn. Lớp học đảo ngược tạo thành một trong những thay đổi quan trọng trong dạy học.

(4) AI giúp dự đoán hiệu suất của học sinh. Để có thể dự đoán khả năng hoạt động trong tương lai của học sinh trong một khóa học thì cần cung cấp các nền tảng rất mạnh mẽ để hỗ trợ các biện pháp can thiệp giáo dục và khắc phục kịp thời. Sự phát triển của các mô hình AI để dự đoán kết quả hoạt động của học sinh và khám phá những thông tin chi tiết và mô hình tiềm ẩn là một số ứng dụng và lĩnh vực nghiên cứu nổi bật nhất trong lĩnh vực khai phá dữ liệu giáo dục.

(5) Phân tích tình cảm trong quá trình học tập. Việc phân tích cảm xúc góp phần cải thiện quá trình học tập bằng cách phân tích phản hồi của SV để hiểu rõ hơn ý kiến của họ và điều chỉnh nội dung hoặc cách phân phối tài liệu học tập cho phù hợp. Điều này đóng một vai trò quan trọng để giải thích tác động của phương tiện truyền thông xã hội như một nền tảng để phát sóng ý kiến của học sinh về quá trình học tập; một thước đo chính trong đánh giá học tập.

Trang 34

(6) Hệ thống khuyến nghị. Việc kết hợp các dịch vụ AI với Hệ thống quản lí học tập (LMS) đã trở nên hoàn toàn khả thi để lưu trữ và đối chiếu kết quả đánh giá của SV cũng như cung cấp các phân tích và báo cáo cơ bản cho các nhà quản lí học tập cho các quy trình hoạt động hàng ngày hoặc để đảm bảo và công nhận chất lượng địa phương, khu vực hoặc mục đích công nhận [78]. Dữ liệu đánh giá được thu thập qua một số học kì được nhóm lại theo kết quả học tập ở các cấp độ của khóa học và chương trình. Những thiếu sót về kết quả học tập của SV trong lịch sử thường được

khắc phục với các chuyên gia miền và điều phối viên khóa học được thu thập để học tập, trong đó một nhóm các hành động khắc phục (khuyến nghị) được thu thập trong vòng từ 3 đến 5 năm [78].

(7) Hệ thống Gia sư thông minh (ITS). ITS cung cấp phản hồi ngay lập tức và tùy chỉnh cho người học, đóng một vai trò quan trọng trong việc thu h p khoảng cách ngày càng tăng giữa số lượng người học ngày càng tăng và sự thiếu hụt giáo viên chuyên môn có trình độ trên toàn cầu. AI cũng rất hiệu quả trong việc dự đoán nhu cầu nhận thức, kết quả, trạng thái tinh thần và kĩ năng của học sinh và sau đó đề xuất cách hành động phù hợp.

1.3.4. Tác động và những thách thức của AI đối với việc dạy và học

trong giáo dục đại học

Từ đầu những năm 1980 đến nay, các ứng dụng trong dạy học của AI chủ yếu tập trung vào cách tiếp cận dựa trên tri thức [79]. Các nghiên cứu nổi bật nhất đã được quan tâm là các hệ thống gia sư thông minh hoặc ITS [80]. Những hệ thống này sử dụng một kiến trúc dựa trên kiến thức. Một kiến trúc ITS điển hình có một mô hình miền mô tả khu vực sẽ học và một mô hình SV mô tả trạng thái hiện tại của kiến thức và học tập của SV. Một hệ thống chuyên gia hoặc mô hình sư phạm quản lí việc giới thiệu các tài liệu học tập cho SV thông qua giao diện người dùng thích ứng và tương tác [81].

Các hệ thống này trước đây thường sử dụng cách tiếp cận dựa trên tri thức, phổ biến được gọi là good-old-fashioned-AI, (tạm dịch: AI lỗi thời). Chúng đã đạt những thành công tương đối trong một số lĩnh vực hạn chế và rõ ràng, chẳng hạn như Toán học và Vật lí [14][26]. Khi thói quen hành vi và hành vi học tập của SV có thể được theo dõi trong môi trường ITS một cách chi tiết, môi trường gia sư thông minh cũng là một nguồn dữ liệu quan trọng cho nghiên cứu về học tập [82]. Khó khăn trong việc phát triển ITS cho các lĩnh vực học tập cũng có sự chuyển trọng tâm việc sử dụng AI và học máy sang tạo giao diện giáo viên cho học sinh và theo dõi học tập và học tập chẩn đoán. Điều này thường được gọi là phân tích học tập và khai thác dữ liệu giáo dục.

1.3.4.1. Tác động của AI đến kĩ năng và năng lực

Một trong những vai trò chính của hệ thống giáo dục hiện đại là giúp mọi người nâng cao năng lực tham gia vào lĩnh vực kinh tế của cuộc sống. Lịch sử của các hệ thống giáo dục gắn liền với sự phát triển của xã hội công nghiệp. Giáo dục góp phần quan trọng và là yếu tốt cốt lõi trong việc xây dựng, phát triển nguồn nhân lực lao động; là động lực chính của năng suất và khả năng cạnh tranh kinh tế. Do đó, điều quan trọng là phải xác định được trong bối cảnh chính sách giáo dục đó, AI sẽ biến đổi công việc và việc làm như thế nào.

Trang 35

Nhiều nghiên cứu trước đây về tác động của máy tính và tự động hóa dựa trên các mô hình thiên về kĩ năng (skill- biased models) của thay đổi công nghệ. Trong các mô hình thiên về kĩ năng, các công việc không đòi hỏi người lao động có trình độ, kinh nghiệm và kĩ năng sẽ dễ bị tự động hóa. Trong các mô hình như vậy, máy tính thường được sử dụng cho các nhiệm vụ đòi hỏi kĩ năng hạn chế. Vì vậy, để tránh thất nghiệp, mọi người cần được đào tạo ở trình độ cao hơn.

1.3.4.2. Tác động của AI đến việc học của SV

Khi một công nghệ đầy hứa h n mới xuất hiện và khi những hạn chế của công nghệ và những thách thức của việc áp dụng nó thường không được hiểu một cách thấu đáo, công nghệ dường như mở ra những khả năng hoàn toàn mới để giải quyết các vấn đề cũ. Đây là những gì xảy ra ở giai đoạn đầu của vòng đời của các công nghệ nói chung và nó thúc đẩy công nghệ. Doanh nhân và nhà hoạch định chính sách có tầm nhìn đối với tiềm năng của công nghệ mới và xem xét tất cả các khả năng làm thế nào nó có thể tạo ra sự khác biệt. Trong lĩnh vực học tập, chúng ta nhận ra rằng, AI sẽ không chỉ làm cho giáo dục hiện tại hiệu quả hơn mà còn thay đổi bối cảnh nơi học tập xảy ra và nơi nó trở nên phù hợp với xã hội. Thực tiễn học tập hiện nay giải quyết nhu cầu của một xã hội công nghiệp hiện đang được chuyển đổi. Thật dễ dàng để tự động hóa những thứ chỉ đơn thuần hóa là thói quen cũ. Trong một thế giới đang thay đổi, điều này thường tạo ra sự thất vọng vì các giải pháp có thể trở nên lỗi thời trước khi chúng được thực hiện. Việc sử dụng công nghệ có thể cách mạng hóa việc học nhưng cũng có thể tự động hóa các ý tưởng và sao chép các hoạt động ít liên quan đến việc học.

Kì vọng về hiệu quả của các Massive Open Online Course - MOOCs (khóa đào tạo từ xa) đã được ghi nhận rộng rãi nhưng chúng ta vẫn biết rất ít về tác động của chúng đối với việc mang lại kết quả học tập mong muốn. Một giáo viên có thể dạy rất nhiều học sinh trong môi trường trực tuyến, nhưng khó biết được học sinh học gì, một trong những kì vọng rất lớn của AI là phân tích học tập quy mô lớn trong môi trường như vậy. Nhiều người mong muốn rằng, AI có thể được sử dụng để đánh giá khách quan việc học của SV bằng cách chấm điểm kết quả kiểm tra mà không có sự thiên vị của GV. Khi cung cấp đầy đủ dữ liệu được gắn nhãn của con người, AI thần kinh và học máy có thể dễ dàng học cách phân loại SV dựa trên kết quả kiểm tra của họ. Tuy nhiên, việc kết quả kiểm tra có thể hiện chính xác các chỉ số liên quan đến việc học tập không lại là điều không rõ ràng, đây lại là yếu tố quan trọng hơn để hỗ trợ học tập. Sự phát triển của năng lực nhận thức xác định các hình thức tư duy tiên tiến dựa trên sự phù hợp xã hội của họ và ít có liên quan ngay lập tức cho một cá nhân người học. Ví dụ, giao tiếp qua trung gian thông qua văn bản là một cách thức không tự nhiên đối với một đứa trẻ vốn hoàn toàn sử dụng lời nói từ khi còn nhỏ [14]. Do đó, AI có thể cung cấp những cơ hội mới thú vị để điều chỉnh nội dung học tập dựa trên đặc điểm cá nhân và phong cách học tập của SV.

1.3.4.3. Tác động của AI đến việc dạy của GV

Trang 36

Để tránh bị những tác động không mong muốn và áp dụng những điểm tích cực của AI vào giáo dục, điều quan trọng là phải hiểu tác động của AI trong bối cảnh học tập và giáo dục trong tương lai, thay vì trong các hệ thống giáo dục và hình thức học tập hiện tại. Do đó, việc phân tích tác động của AI đối với việc dạy học sẽ gắn với việc định hướng trong tương lai của việc học. Tuy nhiên, có một số nhiệm vụ giáo dục mà AI có thể có tác động rõ ràng. Một trong số đó là việc đánh giá dưới nhiều hình thức khác nhau. Trong các hệ thống dạy kèm thông minh thông thường, một thành phần trung tâm là mô hình SV (dùng để cung cấp thông tin về tình trạng hiện tại của người học) và dựa trên mô hình SV này để cố gắng suy ra những vướng mắc có thể xảy ra trong cách hiểu của SV về lĩnh vực mà họ đang học.

a) Mô hình SV do AI tạo ra và các cơ hội sư phạm mới Các hệ thống gia sư thông minh dựa trên tri thức truyền thống đã rất khó khăn trong việc tạo ra các mô hình SV vì không có cách rõ ràng để tạo ra các mô hình SV trong các lĩnh vực phức tạp và trong bối cảnh học tập thực tế. Tuy nhiên, AI thần kinh có thể tạo ra các mô hình SV nếu có đủ lượng dữ liệu. Học máy có thể tạo ra các biểu diễn phức tạp như vậy theo cách hoạt động trong thực tế, bất chấp tất cả các bất cập về khái niệm và kĩ thuật của chúng. Được cung cấp đủ dữ liệu, học máy có thể tạo ra các mô hình SV đủ tốt để có giá trị thực tế.

Những tiến bộ nhanh chóng trong xử lí ngôn ngữ tự nhiên và giao diện người- máy dựa trên AI cũng sẽ tạo ra các khả năng sư phạm mới. Ví dụ, khi robot trò chuyện và bạn đồng hành học tập ngày càng có sẵn, học bằng robot dạy học cho thấy một số tiềm năng. Tính toán cảm xúc và AI cảm xúc sẽ là các thành phần quan trọng của các hệ thống như vậy. Ngoài ra, dịch máy thời gian thực mở ra những khả năng mới trong việc học ngôn ngữ và có thể sử dụng các hệ thống AI để giải thích các văn bản được viết bởi các SV, do đó giúp họ viết các văn bản truyền đạt tốt hơn những gì SV dự định giao tiếp.

b) Sự cần thiết của định hướng tầm nhìn về AI trong tương lai AI có thể mang lại rất nhiều lợi ích trong tương lai. Tuy nhiên, cần có những nghiên cứu nghiêm túc, có tầm nhìn xa và nguyên tắc sư phạm rõ ràng về khả năng AI sẽ tham gia và cung cấp các sản phẩm và dịch vụ vào giáo dục, thay vì chỉ tập trung vào những thách thức kinh tế và xã hội vơ bản hiện tại. Đối với một start-up AI trong lĩnh vực giáo dục, thật khó để cung cấp các sản phẩm và dịch vụ đòi hỏi phải thay đổi được thực tiễn giáo dục hiện tại. Do đó, nếu không có tầm nhìn và chính sách rõ ràng, đặt các khả năng kĩ thuật mới nổi trong bối cảnh rộng lớn hơn về chuyển đổi giáo dục và tương lai của việc học, AI giáo dục có thể sẽ chủ yếu được cung cấp như là giải pháp cho các vấn đề hiện có. Thay vì làm mới hệ thống và định hướng nó theo nhu cầu của một nền kinh tế hậu công nghiệp và xã hội tri thức, AI có thể cơ giới hóa và tái phát minh các thực tiễn giảng dạy lỗi thời và khiến chúng ngày càng khó thay đổi. Do đó, cần phải phát triển tầm nhìn và chính sách phù hợp bằng cách đồng thời tạo ra các mô hình định hướng tương lai cho giáo dục và giảng dạy. Triển khai các thử nghiệm cụ thể trong một bối cảnh xác thực với sự tham gia của các giáo viên và chuyên gia về giáo dục là rất quan trọng. Vì AI hiện đang thu hút sự quan tâm trong chương trình nghị sự về chính sách nên việc xây dựng tầm nhìn về tương lai phát triển và cuộc cách mạng kĩ thuật của AI là điều rất thuận lợi. Điều quan trọng chính là các giáo viên, những người thường xuyên phải giải quyết nhu cầu cụ thể của thực tiễn giảng dạy hàng ngày và các sáng kiến mới sẽ không bị đào thải bởi công nghệ mới này.

Trang 37

c) Tác động của AI đến việc tư duy lại vai trò của giáo dục trong xã hội Ở cấp độ hệ thống, AI sẽ có tác động sâu sắc đến các hệ thống giáo dục. Điều này không phải vì bất kì đặc điểm cụ thể nào của AI. Thay vào đó, AI là một trong những biểu hiện của sự chuyển đổi rộng lớn hơn đang diễn ra từ việc số hóa, kết nối mạng và truyền thông thời gian thực toàn cầu và tự động hóa các quy trình sản xuất. Điều này được gọi là xã hội thông tin, nền kinh tế tri thức và cuộc cách mạng thuật toán. Một trong những lí do khiến AI nổi lên như một chủ đề chính sách lớn trong những năm gần đây chính là do AI sẽ có tác động triệt để đến công việc với quy mô

toàn cầu. Hiện nay, khi các tổ chức giáo dục phải tham gia giải quyết cho các vấn đề của thời đại công nghiệp, nhiều câu trả lời trong số này hiện đang trở nên lỗi thời.

Trong lịch sử tư duy giáo dục, đã có một tranh luận không ngừng giữa các quan điểm về giáo dục, từ quan điểm công cụ giáo dục như một cách chuẩn bị cho những người lao động tương lai đến quan điểm khác phát triển hơn khi xem giáo dục là một cách hiện thực hóa những tiềm năng của con người. Cho dù sẽ có việc làm trong tương lai hay không, AI đẩy giáo dục theo hướng các mô hình giáo dục phát triển hơn này. Giả sử rằng AI sẽ biến đổi thị trường lao động, một cách có thể hữu ích để tưởng tượng về tương lai của hệ thống giáo dục và giáo dục là bắt đầu từ khả năng thứ hai. Nếu chúng ta tưởng tượng rằng giáo dục trong một thế giới nơi công việc không phải là yếu tố trung tâm trong cuộc sống hoặc nơi mà việc làm không tồn tại thì vai trò của giáo dục sẽ là gì? Làm thế nào để chúng ta có thể tổ chức nó? Mục đích của nó là gì và những gì nó cần giải quyết?

1.3.5. Một số công cụ trong dạy học có sự hỗ trợ của AI

1.3.5.1. Cá nhân hoá học tập

a) Giới thiệu về cá nhân hoá học tập Theo dõi hoạt động của người học bằng cách sử dụng AI là theo dõi những gì người học đang làm vào thời gian học tập của họ. Một cách để theo dõi là sử dụng Hệ thống Chẩn đoán người học, Hỗ trợ, Đánh giá dựa trên AI (StuDiAsE). Hệ thống StuDiAse có 05 hệ thống con gồm: giám sát, ghi nhật kí, lập hồ sơ, mô hình hóa và đánh giá. Mỗi hệ thống con đều có chức năng riêng của nó. Hệ thống có thể theo dõi các cá nhân, cho phản hồi và hồ sơ dựa trên tiến trình của họ. Có nghĩa là, hệ thống sẽ đánh giá hành động của người học và cung cấp thông tin về kiểu người học đó. Ví dụ, một số người trong số họ thích học bằng cách đọc và một số thích học bằng cách xem video ngắn [75].

AI có thể hỗ trợ đưa đề xuất và khuyến nghị cho giáo viên và học sinh, đồng thời AI cũng có thể cung cấp phản hồi cho SV ngay lập tức dưới hình thức trợ giảng AI. Học sinh có thể nhận được phản hồi về những gì họ nên đã hoàn thành mà không cần phải đợi phản hồi của giáo viên. Tuy nhiên, điều này không có nghĩa là sự phát triển của AI sẽ thay thế giáo viên. Có nhiều trường hợp AI chưa thể thực hiện được, chẳng hạn như tạo nội dung và cung cấp hướng dẫn cho SV những tài liệu để nghiên cứu [83].

Trên cơ sở phân tích các thông tin, dữ liệu được cung cấp/thu thập từ người dùng, (Ví dụ: bằng cách hỏi SV muốn gì hoặc bằng cách theo dõi tài liệu nào SV thích học…), AI sẽ xem xét và cung cấp các nội dung hữu ích cho SV thông qua Mô-đun khuyến nghị (RM), còn được gọi là Hệ thống khuyến nghị [84]. RM là một hệ thống hướng dẫn SV bằng cách đánh giá sự tiến bộ của họ và gợi ý các nguồn tài nguyên và học liệu. Hệ thống theo dõi hiệu suất phải được thiết lập để theo dõi về sự tiến bộ của người học và sở thích của họ [85].

Trang 38

b) Thuật toán K-nearest Neighbor cho cá nhân hoá học tập Bài toán phân lớp là quá trình phân lớp 1 đối tượng dữ liệu vào 1 hay nhiều lớp đã cho trước nhờ 1 mô hình phân lớp (model). Mô hình này được xây dựng dựa trên 1 tập dữ liệu được xây dựng trước đó có gán nhãn (hay còn gọi là tập huấn luyện). Quá trình phân lớp là quá trình gán nhãn cho đối tượng dữ liệu. Bài toán phân lớp và bài toán gom cụm (cluster) là 2 bài toán lớn trong lĩnh vực ML.

Một số thuật toán tiêu biểu và phổ biến được sử dụng trong bài toán phân lớp là: Naive Bayes; Cây quyết định; Rừng ngẫu nhiên; Hồi quy logistic; Hỗ trợ Máy Vector; K-nearest Neighbor…

Hình 1.11 Minh họa thuật toán phân lớp

Trong số đó, thuật toán phân lớp kinh điển có thể kể tên là thuật toán K-nearest Neighbor (KNN). Điểm chấm màu sáng (Hình 1.11) sẽ được phân vào lớp xanh hay lớp đó?

* Ý tưởng của thuật toán KNN Bài toán đặt ra cho ở đây là: SV A có điểm của một môn học nhưng A không biết mình xếp loại học lực gì (Giỏi, khá, trung bình, yếu), giả sử A không biết bất kì quy tắc nào để phân loại cả.

Giải pháp đưa ra là, A phải đi khảo sát những SV xung quanh có điểm gần với mức số điểm của mình nhất. Giả sử trong lớp 50 SV và việc khảo sát 5 SV gần mức điểm của A nhất, dữ liệu thu về như sau:

Điểm của A: 7 Điểm của các bạn A: 7.1 => Khá 7.2 => Khá 6.7 => Khá 6.6 => Khá 6.4 => Trung bình Qua kết quả trên thì A sẽ mạnh dạn đoán mình xếp loại khá. Với cách này, chúng ta có thể phân loại dữ liệu 1 chiều (1 feature) bằng cách làm khá đơn giản. Chúng ta nhận thấy rằng, dữ liệu khảo sát càng nhiều, càng rộng thì dự đoán đưa ra càng chính xác (Giả sử lớp A không có ai loại khá ngoài A thì cho dù A lấy bao nhiêu người gần điểm bạn nhất cũng sẽ ra kết quả sai).

Trang 39

Bài toán đặt ra là, cần gợi ý cho SV những nhận xét, cách học, hay những khóa học phù hợp với năng lực của SV dựa trên số điểm của từng kĩ năng, từ đó giúp SV cải thiện số điểm từng kĩ năng của mình. Trong ngôn ngữ học máy, bài toán này được gọi là bài toán phân lớp (Classification). Phân lớp trong bài toán này có nghĩa

là phân loại (xác định) những lời nhận xét phù hợp với kết quả kiểm tra của SV; gợi ý các tài liệu học tập phù hợp với trình độ của SV (thông qua việc đánh giá kết quả bài kiểm tra).

Thuật toán KNN cho rằng, những dữ liệu tương tự nhau sẽ tồn tại gần nhau trong một không gian, từ đó công việc của chúng ta là sẽ tìm k điểm gần với dữ liệu cần kiểm tra nhất. Có nhiều công thức có thể sử dụng để tìm khoảng cách giữa 2 điểm, tùy trường hợp mà chúng ta lựa chọn cho phù hợp.

Một cách ngắn gọn, KNN là thuật toán đi tìm đầu ra của một điểm dữ liệu mới bằng cách chỉ dựa trên thông tin của K điểm dữ liệu trong tập huấn luyện gần nó nhất (K-lân cận), không quan tâm đến việc có một vài điểm dữ liệu trong những điểm gần nhất này là nhiễu. a) Trình bày thuật toán Để áp dụng thuật toán KNN vào bài toán đặt ra ở phần b của mục này, ta cần các bước định nghĩa như sau:

Bước 1: Lựa chọn điểm dữ liệu (Data point) Xét thấy ta có thể sử dụng các điểm thi của từng loại danh mục câu hỏi trong 1 bài kiểm tra đầu vào để xem như 1 điểm không gian n chiều tương ứng với n loại câu hỏi trong 1 bài kiểm tra.

Bước 2: Chọn đầu ra, nhãn Đầu ra của bài toán chúng ta cần chính là khóa học phù hợp nhất với SV. Ngoài ra, có thể kèm theo các nhận xét, hoặc những danh mục, tài liệu cần để cải thiện điểm chưa tốt. Bước 3: Tính khoảng cách giữa điểm dữ liệu đầu vào và các điểm trong tập huấn luyện (training set) và sắp xếp chúng theo thứ tự tăng dần.

√( ) ( ) ( ) ( )

Công thứ 1.1 Tính khoảng cách giữa 2 điểm theo công thức Euclidean

Với x, y, .. là điểm số của từng loại câu hỏi có trong bài thi Bước 4: Tìm số K để tìm K điểm gần nhất Thử lần lượt với K=1, K=2, … K=100. Với mỗi giá trị K, ta dùng 1 tập dữ liệu kiểm thử để đánh giá độ chính xác dựa trên phương pháp bỏ phiếu chính (major vote). Nghĩa là, ta cho ra K điểm gần nhất dựa trên danh sách đã sắp xếp ở bước 2. Lựa chọn nhãn đầu ra xuất hiện nhiều nhất trong K điểm là kết quả. So kết quả với tập dữ liệu kiểm thử, tính được có bao nhiêu dự đoán đúng so với tập dữ liệu kiểm thử từ đó ra được % độ chính xác. Giá trị K nào cho ra % độ chính xác cao nhất sẽ được chọn làm kết quả cuối cùng. Ví dụ: Bảng 1.1 Điểm dữ liệu đầu vào

Category1 Category2 Category3

Khóa học (nhãn đầu ra) ? 30 50 30

Trang 40

Ta có tập dữ liệu huấn luyện như sau:

Category1 Bảng 1.2 Tập dữ liệu huấn luyện Category2 Category3

40.5 20.7 60 53.2 40.2 80 50 40 80 20.2 19.7 80 21 30.2 10 29 40 80 Khóa họ (nhãn đầ ra) Khóa học 1 Khóa học 2 Khóa học 1 Khóa học 3 Khóa học 3 Khóa học 3 Khóa học 2 Khóa học 2 Khóa học 1

70.3 30.5 70.5 20 30 50 59 40 80 Chọn 4 record cuối làm tập dữ liệu kiểm thử

Bảng 1.3 Tập dữ liệu kiểm thử

10 29 40 80 50 59 40 80 Khóa học 3 Khóa học 2 Khóa học 2 Khóa học 1

80 50 40 80 Tính khoảng cách và sắp xếp đối với tập huấn luyện:

Bảng 1.4 Tính khoảng cách và sắp xếp đối với tập huấn luyện

Category1 Category2 Category3 Khóa họ (nhãn đầ ra) Kh ảng á h đến điểm ữ iệ

40.2 30.2 30 Khóa học 3 22.27285

20.7 19.7 30.5 Khóa học 2 31.69905

53.2 21 20 Khóa học 3 38.46089

40.5 20.2 70.3 Khóa học 1 51.20918

60 80 70.5 Khóa học 1 58.65364

Tính khoảng cách của từng điểm trong tập dữ liệu kiểm thử với các điểm trong

Trang 41

tập dữ liệu huấn luyện, thử với từng K.

Bảng 1.5 Tính khoảng cách từng điểm trong tập dữ liệu kiểm thử

K=1 K=2 K=3 K=4 K=5

50 Khóa học 3 80 10 1 1 1 1 1

20 20 1 1 0 0 0 20 Khóa học 2

40 40 0 1 0 0 0 40 Khóa học 2

80 80 1 1 1 1 1 80 Khóa học 1

75% 100% 50% 50% 50%

Bảng trên, số 1 tương ứng với dự đoán khớp với dữ liệu kiểm thử, 0 nếu sai. Với K = 2 cho ra tỉ lệ chính xác cao nhất, chọn K = 2 Lựa trên danh sách đã sắp xếp 2 record có khoảng cách nhỏ nhất. Vì số lượng của nhãn khóa học 3 và khóa học 2 bằng nhau nên ta lựa chọn điểm bé hơn là điểm có nhãn là khóa 3 làm kết quả.

Bảng 1.6 Thông tin kết quả

Category1 Category2 Category3 Khóa họ (nhãn đầ ra) Kh ảng á h đến điểm ữ iệ

40.2 30.2 30 Khóa học 3 22.27285

20.7 19.7 30.5 Khóa học 2 31.69905

1.3.5.2. Chatbot

a) Tổng quan về Chatbot Có nhiều định nghĩa khác nhau về Chatbot, theo đó, Chatbot là các tác nhân tương tác hoặc trò chuyện cung cấp tức thì phản hồi cho người dùng. Alin-Andrei trong nghiên cứu [86] định nghĩa Chatbot là một phần mềm (máy) nói chuyện với người dùng (con người), cũng có thể xem như một trợ lí ảo có thể trả lời một số câu hỏi của người dùng. Chatbot cũng có thể xem là một tác nhân thông minh có khả năng tương tác với người dùng để trả lời một loạt câu hỏi và đưa ra câu trả lời thích hợp. Một chương trình máy tính bắt chước và xử lí giao tiếp của con người, cho phép mọi người tương tác với các thiết bị kĩ thuật số như thể chúng đang nói chuyện với một người thực. Đó là một cơ chế đối thoại khuyến khích sự hợp tác học tập. Hệ thống tự động phản hồi truy vấn của con người.

Trang 42

Đây là một hình thức khác để thu thập dữ liệu chính xác. Chatbot có thể giữ một bản ghi câu hỏi của SV. Nếu SV muốn biết điều gì đó, họ có thể hỏi những gì họ muốn Chatbot biết. Có nghĩa là Chatbot có thể nhớ câu hỏi của họ và xác định những gì họ thích và những gì họ liên tục hỏi [86]. Hệ thống Chatbot có thể được

triển khai dưới dạng web di động ứng dụng để hỗ trợ trong học tập. Một trong các vấn đề của Chatbot là chúng có xu hướng thiếu kĩ năng giao tiếp và đưa ra câu trả lời nhàm chán [87]. b) Chatbot trong dạy học

Có nhiều cách để tương tác trong quá trình dạy học, chẳng hạn như giao tiếp qua email, tương tác giữa SV với nhau và tương tác giữa SV với GV, không điều nào trong số này có thể tạo điều kiện cho trải nghiệm học tập cá nhân hóa thuận tiện hơn cho SV. Chatbot có thể cung cấp cho SV một chương trình cá nhân hóa và môi trường cũng như trải nghiệm học tập hấp dẫn hơn.

Sự ra đời của công nghệ hỗ trợ bởi AI, đặc biệt là các hệ thống Chatbot đã mở ra một loạt cơ hội mới cho nhiều ngành công nghiệp khác nhau. Trong lĩnh vực giáo dục, Chatbot không chỉ được sử dụng để phát triển kĩ năng tương tác của SV. Việc sử dụng Chatbot trong giáo dục giúp tăng khả năng kết nối, hiệu quả và giảm sự không chắc chắn trong các tương tác. Chúng có thể dễ dàng cung cấp một môi trường học tập trực tuyến tập trung, cá nhân hóa và định hướng kết quả, đó chính xác là những gì các tổ chức giáo dục ngày nay cần.

Chatbot đã được sử dụng vào mục đích hỗ trợ quá trình dạy học theo nhiều cách khác nhau bao gồm dạy và học, quản trị, đánh giá, tư vấn, và nghiên cứu và phát triển. Các báo cáo học thuật được trích xuất liên quan đến nghiên cứu hiện tại về các khía cạnh tương ứng được hiển thị trong Hình 1.12.

Hình 1.12. Mức độ công nghệ Chatbot được sử dụng trong các lĩnh vực (Nguồn:[88])

Hình trên mô tả mức độ mà công nghệ Chatbot đã được sử dụng trong các lĩnh vực giáo dục khác nhau, bao gồm cả việc dạy và học (66%), quản trị (5%), đánh giá (6%), tư vấn (4%), và nghiên cứu và phát triển (19%). Đối với việc dạy và học, các nghiên cứu đã chỉ ra rằng, Chatbot có thể được sử dụng để cung cấp nội dung khóa học cho SV thông qua một nền tảng trực tuyến như một tác nhân trò chuyện có khả năng cung cấp thông tin chính xác cho người dùng ([89] [90] [91]).

Trang 43

Chatbot có thể được xem là một sự đổi mới quan trọng đối với E-learning, trong đó nổi bật lên là việc Chatbot tạo ra trải nghiệm học tập tương tác cho SV tương tự như tương tác 1-1 với GV, đồng thời kiểm tra hành vi của người học và theo dõi sự cải thiện của họ. Chatbot đóng một vai trò thiết yếu trong việc nâng cao các kĩ năng cá nhân và khuyến khích SV làm việc bằng cách gửi thông báo và nhắc nhở thường xuyên. Việc đưa Chatbot vào trong quy trình tổ chức dạy học sẽ góp phần thực hiện việc “cá nhân hóa” học tập. Công nghệ này có thể cải thiện sự tương tác giữa các SV và khuyến khích sự tương tác với những thành viên còn lại trong lớp bằng cách giao các công việc và dự án nhóm như GV thường làm. Chatbot có thể hỗ trợ GV

trả lời các câu hỏi của người học hoặc thậm chí kiểm tra bài tập về nhà của họ hoặc kiểm tra bài tập về nhà, giao dự án và đặc biệt là theo dõi sự tiến bộ và thành tích của từng người học. Ngoài ra, Chatbot còn đem lại một số lợi ích quan trọng khác đối với hệ thống giáo dục theo nhiều cách khác nhau, cụ thể như sau:

- Truy cập nhanh: Một trong những lợi ích được đề cập trong bài viết đã đánh giá là Chatbot khuyến khích truy cập nhanh vào thông tin giáo dục. Đây là một giải pháp dễ dàng và nhanh chóng để truy cập vào thông tin cần thiết giúp tiết kiệm thời gian, tối đa hóa khả năng học tập và thành tích của học sinh.

- Cho phép nhiều người dùng: Một trong những lợi ích chính của việc sử dụng Chatbot cho mục đích giáo dục là nó cho phép nhiều người dùng truy cập cùng lúc. Rooein (2019) [92] cũng khẳng định rằng, một Chatbot có khả năng xử lí nhiều câu hỏi tại đồng thời, tiết kiệm thời gian của người dùng để làm các công việc khác.

- Hỗ trợ ngay lập tức: Việc sử dụng Chatbot trong giáo dục cho phép các nhà nghiên cứu và SV nhận được câu trả lời nhanh chóng cho các truy vấn của họ và các hoạt động. Chatbot có thể cung cấp hỗ trợ tức thì trong quá trình học tập của từng cá nhân, giúp SV tự động hóa các hoạt động của họ, chẳng hạn như nộp bài tập về nhà, trả lời email, thích ứng với người học hành động cảm xúc quảng cáo cũng như nhận được câu trả lời tức thì cho câu hỏi của họ [88].

- Hỗ trợ cá nhân hóa: Một vài nghiên cứu đã cho thấy, việc sử dụng công nghệ Chatbot trong giáo dục là một trong những cách tiếp cận quan trọng nhất để nâng cao và thúc đẩy trải nghiệm học tập được cá nhân hóa hơn [93][94]. Hệ thống Chatbot có thể được triển khai dưới dạng ứng dụng di động để hỗ trợ trong học tập. Chatbot có thể cung cấp ngay lập tức cho SV với các chi tiết được tiêu chuẩn hóa, chẳng hạn như nội dung khóa học, thực hành câu hỏi và câu trả lời... Chatbot có thể cung cấp cho SV một chương trình học tập cá nhân hóa và môi trường học tập hấp dẫn hơn [93], [95]. Những hệ thống này không chỉ có thể cải thiện sự tham gia và hỗ trợ SV mà còn có thể giảm bớt khối lượng công việc hành chính của GV, cho phép họ tập trung vào phát triển và nghiên cứu chương trình giảng dạy.

1.4. Các lí thuyết và phương pháp dạy học có liên quan

Trong bối cảnh mà khoa học công nghệ, đặc biệt là CNTT, IoT, AI… phát triển một cách nhanh chóng, tác động và chi phối đến hầu hết các lĩnh vực thì giáo dục đại học cũng nằm ngoài tầm ảnh hưởng mạnh mẽ đó. Trong rất nhiều các lí thuyết dạy học và PPDH hiện đang được sử dụng thì Lí thuyết kết nối, dạy học tương tác, dạy học kết hợp rất phù hợp trong xu thế mà việc ứng dụng CNTT vào dạy học trở thành một yêu cầu, xu thế tất yếu. Trong nghiên cứu này, tác giả luận án sẽ trình bày những nội dung cốt lõi nhất của các lí thuyết nêu trên nhằm làm rõ lí do áp dụng và những hiệu quả mà các lí thuyết và PPDH này đem lại khi triển khai ứng dụng AI vào hỗ trợ dạy học cho SV ngành CNTT theo đề xuất của luận án.

Trang 44

Lí thuyết dạy học có vai trò định hướng mang tính tổng thể, làm nền tảng để triển khai các PPDH cụ thể. Thông qua môi trường học tập được kết nối mạng, sự kết nối

Lí thuyết dạy học

Bình diện vĩ mô

Hình thức tổ chức dạy học

Tiến trình dạy học

Phương pháp dạy học

Bình diện trung gian

Phương tiện dạy học

Kĩ thuật dạy học

Bình diện vi mô

giữa chủ thể của quá trình dạy học (là GV và SV) với các đối tượng khác của quá trình dạy học đó sẽ được thực hiện. Sự tác động của các lí thuyết dạy học, PPDH và kĩ thuật dạy học được mô tả bằng Hình 1.13 dưới đây.

Hình 1.13 Mô hình các bình diện của các PPDH (Nguồn: [96])

Lí thuyết kết nối

Bình diện vĩ mô

Hình thức tổ chức dạy học

Dạy học tương tác

Tiến trình dạy học

Bình diện trung gian

Kĩ thuật dạy học

Bình diện vi mô

Website có tích hợp AI (chatbot, cá nhân hóa học tập)

Trên cơ sở mô hình trên (Hình 1.13), luận án đề xuất các lí thuyết dạy học, PPDH và phương tiện dạy học cụ thể phù hợp với việc ứng dụng công nghệ AI hỗ trợ dạy học cho SV ngành CNTT.

Hình 1.14 Mô hình các bình diện của dạy học với sự hỗ trợ của AI

1.4.1. Lí thuyết kết nối

1.4.1.1. Khái niệm

Các nghiên cứu của George Siemens và Downes đã nêu lên khái niệm về Lí

thuyết kết nối (tên tiếng Anh là Connectivism) như sau:

Lí thuyết kết nối là một lí thuyết học tập dựa trên sự kết nối nhiều nguồn học liệu có liên quan tới bài học, như mạng Internet, nó được diễn ra trong thời đại kĩ thuật số phát triển nhanh chóng [97], [98], [99]. Stephen Downes và George Siemens đã đưa ra quan điểm của Lí thuyết kết nối, coi Lí thuyết kết nối là một lí thuyết học tập trong thời đại kĩ thuật số phát triển mạnh mẽ.

1.4.1.2. Các nguyên tắc cốt lõi

Trong một công bố năm 2005, Siemens đã nêu ra 8 nguyên tắc cốt lõi của Lí thuyết kết nối như sau:

Trang 45

(1) Học tập và kiến thức dựa trên sự đa dạng của các ý kiến; (2) Học tập là một quá trình kết nối các nguồn thông tin; (3) Việc học có thể nằm trong các thiết bị ngoại vi;

(4) Năng lực hiểu biết quan trọng hơn những gì để biết; (5) Nuôi dưỡng và duy trì các kết nối là việc cần thiết để tạo ra điều kiện học tập liên tục; (6) Khả năng thấy được sự kết nối giữa các lĩnh vực, ý tưởng và khái niệm là một kĩ năng cốt lõi; (7) Chuẩn xác, cập nhật kiến thức là mục đích của hoạt động học tập theo Lí

thuyết kết nối;

(8) Việc ra quyết định chính là quá trình học tập. Chọn lọc những thông tin có được phù hợp với thực tế. Kiến thức chuẩn của ngày hôm nay cũng có thể bị sai ở tương lai bởi những thông tin mới được bổ sung [97].

1.4.1.3. Vấn đề dạy học với Lí thuyết kết nối

Tác giả Vũ Hồng Linh [100] đã chỉ ra một số đặc điểm, đặc trưng của việc dạy học theo Lí thuyết kết nối như sau:

a) Đặc điểm - Người học được đặt vào một môi trường mạng với một nội dung cụ thể nào đó mà học sinh quan tâm (hoặc cần lĩnh hội) được chứa đựng trong các nút kết nối; - Người học tự giác, tích cực, chủ động, tìm tòi, khám phá tri thức tuỳ thuộc vào khả năng của mình.

- Thông qua môi trường mạng Internet, học sinh được kết nối những kiến thức của người học với những tri thức, kinh nghiệm của người khác và sự tương tác xã hội;

- Tạo ra sự liên kết kiến thức, nguồn thông tin, PPDH với sự hỗ trợ của CNTT. b) Đặc trưng - Tạo ra sự liên kết kiến thức, nguồn thông tin, PPDH với sự hỗ trợ của CNTT; - Ứng dụng CNTT để tạo ra sự liên kết, hỗ trợ cho việc tự học, tự đánh giá có hiệu quả.

Trang 46

Hình 1.15 Mối quan hệ giữa PPDH theo Lí thuyết kết nối và các lí thuyết dạy học tích cực khác (Nguồn:[100])

c) Vận dụng Lí thuyết kết nối trong dạy học cho SV ngành CNTT với sự hỗ trợ của AI

Dạy học theo Lí thuyết kết nối là PPDH mà ở đó cả GV và SV đều có thể sử dụng các nút kết nối dựa trên nền CNTT để hỗ trợ cho việc dạy và học, qua đó góp phần nâng cao hiệu quả dạy học. Đồng thời, người học đóng vai trò chủ động trong việc thiết kế quá trình học tập, đồng thời được cung cấp công cụ để tạo ra phương pháp học tập riêng [96].

Dạy học theo thuyết kết nối đòi hỏi cả GV và SV đều phải có những kiến thức và kĩ năng nhất định trong việc sử dụng CNTT, GV cần nhiều thời gian để chuẩn bị các bài giảng/tài liệu học tập điện tử (nguồn học liệu số), đồng thời cần có sự thay đổi vai trò từ truyền thụ kiến thức sang hướng dẫn cho SV. Ngược lại, SV cần phát huy mạnh mẽ tính chủ động, tích cực, tự học trong suốt quá trình.

Đối với ngành học CNTT, về cơ bản cả GV và SV đều đáp ứng được các tiêu chí về kiến thức, kĩ năng CNTT, kĩ năng chuẩn bị bài giảng điện tử. SV ngành CNTT cũng là những đối tượng người học có tính chủ động, sáng tạo cao nên việc sử dụng Lí thuyết kết nối vào dạy học cho nhóm SV ngành này là hoàn toàn khả thi và phù hợp.

Theo Hình 1.14, Lí thuyết kết nối sẽ tác động ở bình diện vĩ mô như đã phân tích trên đây, ở cấp độ thấp hơn (bình diện trung gian). Chúng ta cần lựa chọn một PPDH phù hợp để có thể đạt được hiệu quả cao nhất.

1.4.2. Dạy học tương tác

Trong tác phẩm “Tiến tới một phương pháp sư phạm tương tác”, hai tác giả người Canada là Jean Marc Denommé và Madeleine Roy đã mô tả logic của hoạt động dạy học và mở ra một quan điểm sư phạm tương tác với cấu trúc dạy học là một “bộ ba” gồm: người học, người dạy và môi trường. Còn nội dung kiến thức được coi như là một yếu tố khách quan mà người dạy muốn hướng người học chiếm lĩnh [101].

1.4.2.1. Khái niệm

Theo “The Oxford Modern English Dictionary”, “tương tác” có nghĩa là “hành động cùng nhau” [102], còn theo “Từ điển tiếng Việt” thì “Tương tác là sự tác động qua lại lẫn nhau” [103]. Trên cơ sở nghiên cứu đối tượng tham gia tương tác, Jean Maxc Denomme và Madeleine Roy cho rằng, sự tương tác trong hoạt động dạy học là mối quan hệ tác động qua lại của ba yếu tố cơ bản là người dạy, người học và môi trường học [104], trong đó tương tác giữa người dạy và người học là mối quan hệ tương tác chủ đạo. Trong kiểu dạy học này, GV có chức năng thiết kế, tổ chức, chỉ đạo và kiểm tra quá trình học nhưng không “làm thay” SV. Còn SV tự điều khiển quá trình chiếm lĩnh khái niệm khoa học của bản thân dưới sự điều khiển sư phạm của GV. Hoạt động dạy và học thống nhất với nhau nhờ sự cộng tác.

Trang 47

Dạy học tương tác là một chiến lược dạy học hướng đến người học, đề cao tính chủ động, tích cực của người học trong quá trình học tập. Từ sự phân tích đó, “dạy học tương tác” có thể hiểu là mối quan hệ tác động qua lại giữa các yếu tố người dạy, người học và môi trường dạy học nhằm thúc đẩy và thực hiện các chức năng của hoạt động dạy học, nâng cao kiến thức, kĩ năng và năng lực của người học. PPDH tương tác chỉ đạt hiệu quả tối đa khi có sự tham gia của cả ba yếu tố nói trên.

1.4.2.2. Nghiên cứu ứng dụng ICT trong dạy học theo quan điểm tương tác

Trong một số nghiên cứu liên quan đến lí luận về dạy học hiện đại cho thấy các mối tương tác giữa ba yếu tố người dạy, người học, đối tượng học tập được đặt trong một “tam giác dạy học” là các tương tác cốt lõi. Các mối tương tác này được thực hiện thông qua yếu tố về mục tiêu, nội dung, phương pháp, phương tiện, hình thức, nhiệm vụ, đánh giá, tại địa điểm, thời gian xác định [105].

Trong một tài liệu khác, nhóm tác giả Pho & Ngo [106] đã phân tích tổng quan về mô hình dạy học theo quan điểm sư phạm tương tác và việc ứng dụng phương pháp và công nghệ dạy học trong môi trường này ở các loại hình nhà trường khác nhau; đưa ra cách tiếp cận mới về quan điểm sư phạm tương tác, các PPDH tích cực đã được sử dụng trong môi trường này; khẳng định các PPDH tích cực chỉ được thực hiện có hiệu quả trong một môi trường giàu tính công nghệ, môi trường dạy học đa phương tiện; giới thiệu các phần mềm hữu ích được sử dụng trong dạy học.

Đối với việc ứng dụng công nghệ AI hỗ trợ dạy học cho SV ngành CNTT, hình thức tổ chức dạy học vừa kết hợp giữa dạy trực tiếp trên lớp và dạy học với sự hỗ trợ của công cụ (website) có tích hợp AI. Như vậy, đối với thời gian dạy học trực tiếp trên lớp, GV có thể sử dụng các hình thức dạy học tương tác phổ biến như sau: Bảng 1.7 Một số PPDH tương tác được đề xuất ứng dụng trong thời gian dạy học trực tiếp trên lớp

STT 1.

Vai trò trong dạy học Giúp người học nắm bắt nội dung bài học và giúp người học vận dụng, sáng tạo

2. Ôn tập kiến thức đã học

3. Phương há Diễn giảng tích cực (sử dụng thiết bị dạy học, kết hợp hỏi đáp, trao đổi…) Củng cố và hệ thống hóa kiến thức Kiểm tra, đánh giá

4. 5. Thảo luận, biện luận Vấn đáp

6. Hoạt động nhóm Nhận định thực trạng, định hướng điều chỉnh hoạt động học tập của học sinh. Tạo điều kiện nhận định thực trạng, định hướng điều chỉnh hoạt động giảng dạy của giáo viên. Cùng suy nghĩ Rèn luyện kĩ năng biểu đạt, tư duy năng lực của SV Chia sẻ kinh nghiệm và kiến thức, cùng nhau xây dựng kiến thức mới

7. Giải quyết tình huống Nâng cao khả năng biểu đạt, rèn luyện kĩ

8. Ứng dụng CNTT

năng tương tác Giúp người học tiếp xúc với khoa học công nghệ tiên tiến, tận dụng lợi thế và sự hỗ trợ của công nghệ vào quá trình học tập

Trang 48

Xét riêng việc dạy học với sự hỗ trợ của AI, PPDH tương tác trên môi trường Internet (một trường hợp cụ thể hơn của việc ứng dụng CNTT nêu trên) được bàn luận trong luận án này. Bên cạnh các tương tác trực tiếp tại lớp, PPDH tương tác

trên môi trường Internet, thông qua các công cụ hỗ trợ dạy học như máy tính, website có tích hợp AI, các nguồn học liệu số cùng với một tiến trình dạy học cụ thể sẽ góp phần khai thác tối đa hiệu quả thế mạnh của CNTT, AI và Internet. Đặc biệt tập trung khai thác thế mạnh về khả năng sử dụng CNTT, kĩ năng tự học và tư duy chủ động, sáng tạo của SV ngành CNTT.

1.4.3. Dạy học kết hợp

1.4.3.1. Khái niệm

Dạy học kết hợp, thuật ngữ tiếng Anh là Blended – learning, là một mô hình dạy học có tính linh hoạt trong đó có sự kết hợp các tiến bộ sáng tạo và công nghệ của học tập trực tuyến với sự tương tác và sự tham gia của việc học tập giáp mặt. Sự thay đổi quan trọng trong mô hình dạy học kết hợp chính là sự dịch chuyển từ quan điểm “lấy người dạy làm trung tâm” sang “lấy người học làm trung tâm”. Có nhiều khái niệm về dạy học kết hợp như sau:

- Theo Kaye Thorne [107]: Học kết hợp là sự tích hợp của các tiến bộ của công nghệ vào học trực tuyến kết hợp với sự tham gia tương tác của học giáp mặt.

- Theo Graham [108] đưa ra quan điểm rằng, dạy học kết hợp là sự kết hợp hiệu quả các chế độ phân phối khác nhau, các mô hình dạy học và phong cách học tập được thực hiện trong một môi trường học tập tương tác. Các khóa học kết hợp linh hoạt trong các hoạt động học tập trực tuyến và lớp học giáp mặt, đồng thời sử dụng tài nguyên một cách tối ưu để cải thiện kết quả học tập của SV nhằm giải quyết các vấn đề liên quan bài học.

- Dạy học kết hợp là bất cứ lúc nào một SV học ít nhất một phần tại trường (giáp mặt) và một phần thông qua học trực tuyến mà SV có thể tự chủ động về thời gian, địa điểm, cách thức và/hoặc tốc độ học tập [109].

1.4.3.2. Cấu trúc chính của mô hình dạy học kết hợp

a) Các thành phần trong mô hình dạy học kết hợp Theo nghiên cứu của M. Carman, 05 thành phần chính trong mô hình dạy học kết hợp [109] bao gồm:

- Hoạt động đồng bộ trực tiếp: gồm các hoạt động đồng bộ trên các môi trường học tập trực tuyến và giáp mặt do giáo viên hướng dẫn và tất cả học viên đều tham gia cùng một lúc.

- Cộng tác: Cộng tác trong học tập là một quá trình làm việc theo nhóm, trong đó mỗi thành viên đóng góp và hỗ trợ nhau để cùng đạt được một mục đích chung.

- Hoạt động tự học: Nếu xem tự học là quá trình tự mình hoạt động lĩnh hội tri thức khoa học và rèn luyện kĩ năng thực hành thì người học sẽ học những kinh nghiệm mà họ hoàn thành một cách riêng lẻ theo tốc độ và thời gian của riêng mình, khi đó GV cần định hướng cho người học cách tự học đồng thời xây dựng hệ thống hỗ trợ giúp người học có thể tự học tốt ở những môi trường khác nhau.

Trang 49

- Kiểm tra đánh giá: Bao gồm thước đo về kiến thức của người học khi học tập giáp mặt và trực tuyến để xác định kiến thức trước cũng như để đo lường chuyển giao học tập.

- Tài nguyên hỗ trợ: Là những tài liệu tham khảo giúp tăng cường học tập, lưu

giữ và chuyển giao. b) Các mức độ kết hợp Bên cạnh các thành phần chính trong mô hình dạy học kết hợp, chúng ta cần quan tâm đến 04 mức độ kết hợp trong dạy học kết hợp đó là: Kết hợp ở mức độ hoạt động học tập (Activity level); Kết hợp ở mức độ khóa học (Courrse level); Kết hợp ở mức độ chương trình (Program level) và kết hợp ở mức độ thể chế (Institutional level).

Trong phạm vi của luận án này, dạy học kết hợp được triển khai ở mức độ hoạt động học tập. Nghĩa là GV sẽ có kịch bản triển khai dạy học để đảm bảo kết hợp các hoạt động trên lớp (dạy học giáp mặt) và dạy học trên hệ thống hỗ trợ dạy học có tích hợp công nghệ AI (dạy học trực tuyến). Việc tổ chức dạy học cho SV với sự hỗ trợ của công nghệ AI theo hướng mà luận án đề xuất sẽ tập trung khai thác có hiệu quả 4 (trong tổng số 5) thành phần của mô hình dạy học kết hợp là cộng tác, tự học, kiểm tra đánh giá và tài nguyên hỗ trợ. Nội dung này sẽ được phân tích chi tiết ở phần mô tả kịch bản dạy học.

1.5. Điều kiện triển khai dạy học với sự hỗ trợ của AI

Để triển khai dạy học với sự hỗ trợ của công nghệ AI, một số điều kiện cơ bản cần đảm bảo như sau:

Điều kiện về cơ chế, chính sách: Theo Francesc Pedro và các cộng sự [110], giáo dục vừa là “khách hàng”, vừa là “tác nhân” tham gia vào quá trình phát triển của AI nói chung và AIEd nói riêng. Một mặt, AI có tiềm năng lớn để cải thiện hệ thống giáo dục. Mặt khác, các hệ thống giáo dục đại học cũng góp phần tạo ra những người học có kĩ năng để phát huy tốt năng lực trong một xã hội mà AI dường như xuất hiện ở mọi nơi. Bên cạnh đó, cần tiếp tục đẩy mạnh hợp tác công tư trong việc đào tạo, nghiên cứu và triển khai ứng dụng. Điều này một mặt sẽ giúp chia sẻ nguồn nhân lực và tài chính, một mặt sản phẩm đào tạo phù hợp với nhu cầu thị trường lao động.

Điều kiện cơ sở vật chất phục vụ dạy học: Ngoài các điều kiện cần thiết cơ bản của việc dạy học thông thường theo quy định chung, hiện nay chưa có quy định cụ thể về điều kiện để triển khai dạy học với sự hỗ trợ của công nghệ AI. Tuy nhiên, trên thực tế, việc thử nghiệm dạy học này cho thấy, cần đảm bảo các điều kiện về thiết bị máy tính, các phần mềm/website dạy học có tích hợp AI, tốc độ đường truyền Internet đảm bảo, các tài nguyên/học liệu số phù hợp với việc tổ chức dạy học.

Trang 50

Điều kiện về đội ngũ giảng viên: Cho đến nay, AI không thể thay thế hoàn toàn GV. Giảng dạy không đơn thuẩn chỉ là cung cấp kiến thức mà bỏ qua tầm quan trọng của yếu tố sáng tạo và cảm xúc xã hội [111] và GV là người quyết định thời điểm thích hợp để sử dụng các công cụ có hỗ trợ của AI. Các công cụ đó được phát triển và tích hợp vào quá trình dạy học nhằm mục đích hỗ trợ những điều mà nhà giáo dục cần chứ không phải những người làm công nghệ nghĩ rằng giáo dục cần [112]. Để dạy học với các công cụ có sự hỗ trợ của AI một cách hiệu quả, GV cần có được các kĩ năng mới sau: (1) Hiểu rõ về cách mà các hệ thống với sự hỗ trợ AI có thể tạo điều kiện và làm cho quá trình dạy học trở nên hiệu quả hơn; (2) Có các kĩ năng sử dụng CNTT một cách căn bản, kĩ năng về nghiên cứu, phân tích dữ liệu;

kĩ năng quản lí mới để có thể quản lí được nguồn nhân lực và AI theo ý muốn chủ quan; (3) GV cần tận dụng lợi thế của AI để thực hiện các nhiệm vụ lặp đi lặp lại nhằm mang lại nhiều năng lực hơn cho con người mà trước đây họ có thể không có thời gian thực hiện: cố vấn, hỗ trợ tinh thần, kĩ năng giao tiếp cá nhân…; (4) GV cũng cần có các kiến thức và kĩ năng khác nhằm giúp người học có được những kĩ năng và năng lực mà máy móc không thể thay thế được.

Điều kiện về năng lực, kĩ năng của người học: người học cần có kiến thức và kĩ năng cơ bản trong sử dụng CNTT để thao tác trên các nền tảng website/ ứng dụng dạy học có hỗ trợ của công nghệ AI; SV đồng thời cần có năng lực tự học, chủ động trong quá trình học tập. Ngoài ra, bản thân SV cần ý thức được rằng AI chỉ là công cụ hỗ trợ, không làm thay SV trong quá trình học tập, nếu không, SV sẽ bị mất dẫn các kĩ năng vốn có của mình.

Ngoài ra, để triển khai việc dạy học với sự hỗ trợ của công nghệ AI thì cần một chính sách đồng bộ cũng như những cơ chế, quy trình tổ chức dạy học cụ thể, phù hợp với từng cơ sở đào tạo để đảm bảo khai thác hiệu quả nhất những tác động tích cực mà AI đem lại.

1.6. Thực trạng dạy học ngành CNTT với sự hỗ trợ của AI

1.6.1. Mục đích khảo sát

Mục đích khảo sát thực trạng về dạy học cho SV ngành CNTT với sự hỗ trợ của AI nhằm đánh giá hiện trạng, phân tích nguyên nhân, nhằm làm cơ sở thực tiễn của Luận án và xác định tính khả thi cho những đề xuất của đề tài nghiên cứu về xây dựng mô hình dạy học cho SV ngành CNTT với sự hỗ trợ của AI.

1.6.2. Đối tượng

Đối tượng khảo sát gồm 120 GV và 877 SV các chuyên ngành về CNTT hiện đang theo học bậc đại học chính quy tại các trường đại học thành viên của Đại học Đà Nẵng và một số trường đại học bên ngoài Đại học Đà Nẵng.

1.6.3. Nội dung

Trên cơ sở lí luận của việc ứng dụng AI trong việc hỗ trợ dạy học nói chung và dạy học SV ngành CNTT nói riêng, luận án tập trung khảo sát với các nội dung về điều kiện, sự sẵn sàng của GV và SV trong quá trình dạy - học với sự hỗ trợ của AI. Nội dung bảng hỏi được xây dựng dựa trên cơ sở tham khảo bảng hỏi của tác giả Shar, T.H. [113], trong nghiên cứu này, Shar, T.H. đã xác định các yếu tố mà AI sẽ ảnh hưởng đến hiệu suất, khả năng hoàn thành các nhiệm vụ, các chức năng dự kiến và cách sử dụng AIED theo quan điểm của học sinh. Nghiên cứu trên cũng xem xét ảnh hưởng của các biến độc lập đối với biến phụ thuộc. Trên cơ sở đó, luận án xây dựng bảng hỏi tập trung thu thập các thông tin khảo

sát SV và GV liên quan đến các nhóm nội dung như trong Bảng 1.8. Bảng 1.8 Thông tin về nội dung khảo sát thực trạng

Thang đ Likert Số câu hỏi

Trang 51

Nhóm câu hỏi Hệ thống đánh dấu theo dõi Nền tảng công cụ Các công nghệ AI Kì vọng vào AI 1-5 1-5 1-5 1-5 2 1 4 3

Các biến quan sát đối với mỗi vấn đề khảo sát được sử dụng thang đo Likert 5 mức độ về sự đồng ý: 1- Hoàn toàn không đồng ý, 2 –Không đồng ý, 3 –Đồng ý một phần, 4 –Đồng ý, 5 – Hoàn toàn đồng ý.

Để có thể nhận xét về kết quả khảo sát, với thang đo 5 mức độ như trên, luận án xác định mức cao nhất là 5 điểm và mức thấp nhất là 1 điểm. Khoảng điểm cho các mức được xác định là 0.8 được tính bằng cách lấy điểm cao nhất của thang đo là 5 điểm trừ đi điểm thấp nhất của thang đo là 1 điểm và chia 5. Mức độ thang đo với các khoảng điểm được xác định ở Bảng 1.9 như sau: Bảng 1.9 Các mức thang đo Likert

Ý nghĩa

1 2 3 4 5

Tương ứng với nhận định là không đáp ứng Tương ứng với nhận định là ít đáp ứng Tương ứng với nhận định là đáp ứng vừa phải Tương ứng với nhận định là khá đáp ứng Tương ứng với nhận định là hoàn toàn đáp ứng

Mức Giá trị trung bình (Mean Value ̅) 1.00 ≤ ̅ ≤ 1.80 1.81 ≤ ̅ ≤ 2.60 2.61 ≤ ̅ ≤ 3.40 3.41 ≤ ̅ ≤ 4.20 4.21 ≤ ̅ ≤ 5.00

1.6.4. Phương pháp

- Phương pháp chính để thực hiện việc điều tra là sử dụng bảng hỏi; trong đó, các câu hỏi được thiết kế theo phiếu điều tra ý kiến được gửi khảo sát đến GV và SV theo hình thức trực tuyến trên Google Form. Khảo sát được thực hiện trực tuyến nhằm giảm chi phí và thời gian thực hiện, đồng thời đảm bảo rằng, tác giả không can thiệp vào quan điểm của người tham gia về các câu hỏi theo bất kì cách nào. Ngoài ra, thời gian triển khai khảo sát trùng với thời điểm bùng phát dịch bệnh COVID-19 trên cả nước nên việc lựa chọn hình thức khảo sát trực tuyến là phù hợp với tình hình thực tiễn.

- Cấu trúc của hệ thống câu hỏi gồm nhiều phương án lựa chọn và có nội dung rõ ràng, dễ hiểu, logic và đảm bảo tính khách quan. Nội dung các câu hỏi được thiết kế theo hướng đóng và mở nhằm đa dạng hóa ý kiến của người được khảo sát.

- Mẫu được khảo sát là 877 SV đại học chính quy và 120 GV đại học thuộc nhiều ngành đào tạo khác nhau. Độ tin cậy của việc khảo sát dựa vào chỉ số Cronbach’s Alpha. - Công cụ xử lí số liệu sử dụng phần mềm SPSS và các thuật toán thống kê phổ biến.

1.6.5. Đánh giá thực trạng về dạy học với sự hỗ trợ của công

nghệ AI

1.6.5.1. Thiết kế bảng câu hỏi

Nghiên cứu thực hiện 02 bảng hỏi dành cho 02 nhóm đối tượng là GV và SV. Bảng hỏi dành cho SV gồm 10 câu hỏi và dành cho GV gồm 10 câu hỏi liên quan đến các nhóm nội dung khác nhau.

Trang 52

Bảng câu hỏi dành cho SV gồm 10 câu hỏi, thu thập ý kiến và quan điểm của người tham gia về AIEd và mức độ sẵn sàng sử dụng AI của họ. Trong đó, 02 câu hỏi đầu tiên thu thập các đặc điểm nhân khẩu học của những người tham gia (Giới tính, năm học đại học). Bảng câu hỏi dành cho GV về cơ bản các thông tin tương tự

bảng hỏi dành cho SV, riêng phần lấy thông tin cá nhân sẽ thu thập thông tin về độ tuổi, thâm niên công tác và trình độ đào tạo của người được khảo sát (thông tin không bắt buộc).

Bảng 1.10 Các biến số nghiên cứu với các số câu hỏi và loại đo lường tương ứng

Biến nghiên cứu Số thứ tự câu hỏi

Bảng hỏi SV Bảng hỏi GV

Nền tảng công cụ Q1 Q1

Hệ thống đánh dấu theo dõi Q2, Q6 Q2, Q6

Các công nghệ AI Q3, Q4, Q5, Q7 Q3, Q4, Q5, Q7

Kì vọng vào AI Q8, Q9, Q10 Q8, Q9, Q10

Nội dung chi tiết của các bảng hỏi xem tại Phụ lục 1 và Phụ lục 2 kèm theo.

1.6.5.2. Kết quả khảo sát

Tác giả sử dụng phần mềm SPSS để xử lí các dữ liệu thu được từ các phiếu khảo sát. Hệ số Cronbach’s Alpha được sử dụng để kiểm định độ tin cậy của các biến quan sát. Kết quả sau khi xử lí được thể hiện ở các Bảng 1.11 dưới đây: Bảng 1.11 Giá trị trung bình, độ lệch chuẩn của các phát biểu liên quan đến ý kiến và quan điểm của SV về AIEd và mức độ sẵn sàng sử dụng AI

Hệ số Cronbach's Alpha Phát biểu Mean N 0,658 SD

Mức độ đá ứng 4 3,6636 877 ,87179

3,7252 877 ,80720 4

3,7320 877 ,86274 4

3,6784 877 ,85296 4

3,5097 877 ,95514 4

Trang 53

3,6534 877 1,00944 4 Q1. Nền tảng công cụ mà em thường sử dụng để học tập là gì? Q2. Hệ thống theo dõi (tracking system) hiệu suất dựa trên AI rất có ích vì nó sẽ mang lại cho SV sự tự tin, SV không phải lo lắng về những điều sai trái vì hệ thống theo dõi sẽ hướng dẫn SV làm điều đúng đắn Q3. Các nền tảng học tập trực tuyến có thể hỗ trợ SV trong việc tìm kiếm thông tin đa dạng, chất lượng và một môi trường trực quan dễ chịu. Vậy em có nghĩ môi trường học tập trực tuyến giúp cho SV cải thiện năng suất và hiệu quả học tập? Q4. Module khuyến nghị có thể được sử dụng để cung cấp danh sách các đề xuất (tài liệu học tập, khoá học…) dựa trên thói quen, sở thích, phong cách học tập của SV. Bạn có đồng ý với nội dung này không? Q5. Việc sử dụng các trợ giảng AI có thể đưa ra phản hồi tức thì. Q6. Em có tin tưởng vào tính an toàn, bảo mật khi sử dụng hệ thống theo dõi trực tuyến.

Hệ số Cronbach's Alpha Phát biểu Mean N 0,658 SD

3,5918 877 ,86395 Mức độ đá ứng 4

3,7058 877 ,83591 4

3,3193 877 ,90572 4

3,7697 877 ,98009 4

Q7. Chatbot có vai trò như trợ lí cho SV trong quá trình học tập Q8. Các ứng dụng dạy học có tích hợp TTNT (AI) rất hữu ích cho SV Q9. AI cung cấp các trải nghiệm học tập tốt hơn cho SV Q10. Em sẽ sẵn sàng sử dụng các ứng dụng hỗ trợ học tập có tích hợp AI nếu có thể

Theo [114], một thang đo tốt nên có độ tin cậy Cronbach’s Alpha từ 0.7 trở lên, tuy nhiên, với tính chất là một nghiên cứu khám phá sơ bộ, ngưỡng Cronbach’s Alpha là 0.6 có thể chấp nhận được. Hệ số Cronbach's Alpha càng cao thể hiện độ tin cậy của thang đo càng cao.

Như đã thấy, trong Bảng 1.11, Cronbach’s Alpha cho mỗi đơn vị bảng câu hỏi là 0.658 ( > 0,6) của bảng khảo sát SV; 0,754 của bảng khảo sát GV (xem Bảng 1.12) cho thấy độ tin cậy và có thể chấp nhận được để áp dụng trong nghiên cứu thực tế. Bảng 1.12 Giá trị trung bình, độ lệch chuẩn của các phát biểu liên quan đến quan điểm của GV về AIEd và mức độ sẵn sàng sử dụng AI để hỗ trợ dạy học

0,754

Mean

N

Hệ số Cronbach's Alpha Phát biểu

4,3000

120

SD Mức độ đá ứng 5

,57394

3,5833

120

,90362

4

4,2083

120

,56354

5

4,2750

120

,63461

5

Q1. Nền tảng công cụ mà Quý Thầy/ Cô thường sử dụng để dạy học là gì? Q2. Hệ thống theo dõi (tracking system) hiệu suất dựa trên AI rất có ích vì nó sẽ mang lại cho SV sự tự tin, SV không phải lo lắng về những điều sai trái vì hệ thống theo dõi sẽ hướng dẫn SV làm điều đúng đắn. Quý Thầy/Cô có đồng ý với vấn đề này không? Q3. Các nền tảng học tập trực tuyến có thể hỗ trợ SV trong việc tìm kiếm thông tin đa dạng, chất lượng và một môi trường trực quan dễ chịu. Vậy Quý Thầy/Cô có nghĩ môi trường học tập trực tuyến giúp cho SV cải thiện năng suất và hiệu quả học tập? Q4. Module khuyến nghị có thể được sử dụng để cung cấp danh sách các đề xuất (tài liệu học tập, khoá học…) dựa trên thói quen, sở thích, phong cách học tập của SV. Quý Thầy/Cô có đồng ý với nội dung này không?

Trang 54

0,754

Hệ số Cronbach's Alpha Phát biểu

Mean

N

4,1833

120

SD Mức độ đá ứng 4

,57953

3,5250

120

,92548

4

3,3750

120

,82056

3

4,3000

120

,72876

5

4,2583

120

,64163

5

4,0167

120

,67343

4

Q5. Việc sử dụng các trợ giảng AI có thể đưa ra phản hồi tức thì Q6. Quý Thầy/ Cô có tin tưởng vào tính an toàn, bảo mật thông tin của người dùng khi sử dụng hệ thống theo dõi trực tuyến để quản lí quá trình học tập của SV. Q7. Chatbot có vai trò như trợ lí cho SV trong quá trình học tập Q8. Các ứng dụng dạy học có tích hợp AI rất hữu ích cho SV Q9. AI cung cấp các trải nghiệm học tập tốt hơn cho SV Q10. Quý Thầy/Cô sẽ sẵn sàng sử dụng các ứng dụng hỗ trợ giảng dạy có tích hợp AI nếu có thể

1.6.5.3. Phân tích kết quả

Trên cơ sở số liệu của Bảng 1.11 phân tích các câu trả lời của 877 SV và Bảng 1.12 phân tích câu trả lời của 120 GV tham gia khảo sát có thể thấy: a) Đối với nhóm câu hỏi liên quan đến hệ thống đánh dấu theo dõi

Bảng 1.13 Kết quả khảo sát về hệ thống đánh dấu theo dõi

Nội ng Câu hỏi SV (Mean) GV (Mean)

Q2 3,7252 3,5833

Hệ thống theo dõi (tracking system) hiệu suất dựa trên AI rất có ích vì nó sẽ mang lại cho SV sự tự tin, SV không phải lo lắng về những điều sai trái vì hệ thống theo dõi sẽ hướng dẫn SV làm điều đúng đắn

Q6 3,6534 3,5250 Sự tin tưởng vào tính an toàn, bảo mật khi sử dụng hệ thống theo dõi trực tuyến

Trang 55

Ở nhóm câu hỏi này, SV đánh giá mức độ tin cậy cao hơn GV đối với cả hai khía cạnh là những lợi ích mà hệ thống theo dõi hiệu suất sựa trên AI mang lại và tính an toàn, bảo mật khi sử dụng hệ thống theo dõi trực tuyến. Mức độ chấp nhận của hai nhóm đối với cả 2 câu hỏi này đều ở mức 4. b) Đối với nhóm câu hỏi liên quan đến các công nghệ AI

Bảng 1.14 Kết quả khảo sát về các công nghệ AI

Nội ng Câu hỏi SV (Mean) GV (Mean)

Q3 3,7320 4,2083

Các nền tảng học tập trực tuyến có thể hỗ trợ SV trong việc tìm kiếm thông tin đa dạng, chất lượng và một môi trường trực quan dễ chịu. Đánh giá về việc môi trường học tập trực tuyến giúp cho SV cải thiện năng suất và hiệu quả học tập?

Q4 3,6784 4,2750

Module khuyến nghị có thể được sử dụng để cung cấp danh sách các đề xuất (tài liệu học tập, khoá học…) dựa trên thói quen, sở thích, phong cách học tập của SV.

Q5 3,5097 4,1833 Việc sử dụng các trợ giảng AI có thể đưa ra phản hồi tức thì.

Q7 3,5918 3,3750 Chatbot có vai trò như trợ lí cho SV trong quá trình học tập

Đối với kết quả thể hiện ở Bảng 1.14, sự đánh giá của GV đạt mức trung bình cao hơn so với SV ở 3 trong số 4 câu hỏi và đều đạt mức giá trị trung bình khá cao (các câu Q3, Q4, Q5). Điều này xuất phát từ những trải nghiệm thực tế trong quá trình dạy học làm cho đa số GV tin tưởng các công nghệ AI sẽ có những hỗ trợ đắc lực cho mình trong việc dạy học. Đặc biệt, GV đánh giá cao (mức chấp nhận 5) đối với khả năng cải thiện năng suất, hiệu quả học tập của SV cũng như đưa ra những khuyến nghị, đề xuất phù hợp dựa trên thói quen hành vi, phong cách học tập của SV.

Tuy nhiên, GV không đánh giá cao việc Chatbot có thể thực hiện tốt vai trò trợ lí cho SV trong quá trình học tập. Nguyên nhân là do GV chưa thật sự tin tưởng vào khả năng giao tiếp của Chatbot, độ tin cậy của dữ liệu trả lời hoặc tính chủ động của SV trong quá trình học tập.

c) Đối với nhóm câu hỏi liên quan đến những kì vọng của SV đối với việc sử

dụng công nghệ AI trong hỗ trợ học tập

Bảng 1.15 Kết quả khảo sát về những kì vọng đối với công nghệ AI trong hỗ trợ dạy học

Nội ng Câu hỏi SV (Mean) GV (Mean)

Q8 3,7058 4,300 Các ứng dụng dạy học có tích hợp AI rất hữu ích cho SV

Q9 3,3193 4,2583 AI cung cấp các trải nghiệm học tập tốt hơn cho SV

Trang 56

Q10 3,7697 4,0167 Mức độ sẵn sàng sử dụng các ứng dụng hỗ trợ giảng dạy có tích hợp AI nếu có thể

Đối với nhóm câu hỏi khảo sát liên quan đến những kì vọng đối với công nghệ AI trong việc hỗ trợ việc dạy – học, điều ngạc nhiên là giá trị trung bình trong đánh giá của GV đạt mức cao (tất cả giá trị mean đều trên 4), trong đó mức chấp nhận của Q8, Q9 đều đạt 5. Kết quả phân tích này cho thấy, các GV đặt kì vọng rất lớn vào những điều mà AI có thể hỗ trợ cho quá trình dạy học, AI cung cấp các trải nghiệm học tập tốt cho SV, đồng thời GV có độ sẵn sàng cao khi được đề nghị sử dụng các ứng dụng hỗ trợ dạy học có tích hợp AI.

Đối với các ý kiến của người học, Q9 có giá trị thấp nhất (3,3193) và đồng thời thấp nhất của cả bảng giá trị. Điều này cho thấy, SV chưa đánh giá cao việc AI có thể đem đến những trải nghiệm học tập tốt hơn cho mình. Lí do xuất phát từ việc SV chưa được trải nghiệm thực tế nhiều, các trường học chưa tích hợp công nghệ AI vào trong dạy học để SV được hỗ trợ thực tế nên mức độ kì vọng thấp. Mặc dù những kì vọng về trải nghiệm học tập mà AI đem lại chưa cao nhưng đa số SV sẽ sẵn sàng sử dụng các ứng dụng hỗ trợ học tập có tích hợp AI, điều này thể hiện ở câu Q10 có giá trị mean cao nhất trong cụm câu hỏi là 3,7697. Kết quả này cho thấy việc SV đã chủ động tiếp cận và mong muốn được ứng dụng các tiến bộ của khoa học, trong đó có CNTT và đặc biệt AI vào quá trình học tập của mình. Nhìn chung, kết quả phân tích số liệu khảo sát 877 SV và 120 GV cho thấy một số điểm chính sau đây:

- Hệ số Cronbach’s Alpha cho mỗi đơn vị bảng câu hỏi là 0.658 của bảng khảo sát SV và 0,754 của bảng khảo sát GV cho thấy độ tin cậy và có thể chấp nhận được để áp dụng trong nghiên cứu thực tế; - Mức độ chấp nhận của hầu hết các câu hỏi đều đạt mức 4, một số câu đạt mức chấp nhận là 5 cho thấy mức độ chấp nhận cao của bảng hỏi

- Các ý kiến của GV và SV đa số đều rất tin tưởng vào những tác động, hỗ trợ tích cực mà AI đem lại đối với việc dạy và học; tin tưởng vào tính bảo mật, độ an toàn khi sử dụng công cụ AI. Đồng thời sẵn sàng sử dụng các ứng dụng/ công cụ AI vào trong quá trình dạy và học.

Tiểu kết chương 1

Trang 57

Chương 1 của luận án tập trung giải quyết hai vấn đề chính được nêu ra như sau: Thứ nhất, nghiên cứu tổng quan về AI và những ảnh hưởng, tá động của AI đến quá trình dạy học trong bối cảnh hiện nay. Luận án đã trình bày tổng quan các vấn đề lí luận và thực tiễn về AI, AIEd cũng như những ảnh hưởng, tác động của AI đến giáo dục đại học nói chung và đến quá trình dạy học nói riêng từ góc nhìn của các nghiên cứu trong nước và trên thế giới. Chương 1 cũng đề cập đến các khái niệm AI, AIEd, cá nhân hóa học tập và các khái niệm khác có liên quan khác. Đặc biệt, luận án đưa ra khái niệm “Dạy học với sự hỗ trợ của AI” làm cơ sở cho việc triển khai các nội dung nghiên cứu ở các chương tiếp theo. Chương 1 cũng tập trung phân tích mô hình dạy học với sự hỗ trợ của công nghệ nói chung, làm rõ các thành tố của quá trình dạy học để xác định AI sẽ can thiệp, hỗ trợ trong khâu nào, tác động đến thành tố nào của quá trình đó. Luận án đề xuất lí thuyết dạy học và PPDH phù hợp với điều kiện dạy học trên môi trường Internet, đặc biệt phù hợp với việc dạy học cho SV ngành CNTT là Lí thuyết kết nối và PPDH tương tác, PPDH kết hợp.

Trang 58

Thứ hai, nghiên cứu việc ứng dụng Chatbot và cá nhân hoá học tập trong việc hỗ tr dạy học cho SV ngành CNTT. Trong phần giới thiệu các công cụ trong dạy học có sự hỗ trợ của AI (mục 1.3.5), luận án đã giới thiệu tổng quan, thuật toán KNN và ứng dụng cụ thể của “cá nhân hoá học tập” và Chatbot trong việc hỗ trợ dạy học. Ngoài ra, thông qua việc thực hiện khảo sát và đánh giá thực trạng dạy học cho SV ngành CNTT với sự hỗ trợ của AI, luận án đã nhận được các ý kiến phản hồi tích cực từ phía SV và GV tham gia khảo sát liên quan đến việc AI có thể hỗ trợ nâng cao hiệu quả, chất lượng của việc dạy học.

CHƯƠNG 2. THIẾT KẾ DẠY HỌC VỚI SỰ HỖ TRỢ CỦA CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO CHO SINH VIÊN NGÀNH CÔNG NGHỆ THÔNG TIN TRÌNH ĐỘ ĐẠI HỌC

Tóm tắt chương 2

Chương 2 của luận án tập trung phân tích đặc điểm ngành CNTT, yêu cầu đào tạo SV ngành CNTT và phân tích chương trình ngành CNTT. Chương 2 cũng trình bày các nguyên tắc thiết kế dạy học với sự hỗ trợ của AI bao gồm việc đảm bảo các nguyên tắc như: Tương tác người và máy; Tính thống nhất và khoa học với việc sử dụng các phương pháp dạy học khác; Tính hiệu quả; Tính gợi mở, định hướng cho người học; Nguyên tắc về cấu trúc của khoá học trực tuyến.

Các nội dung liên quan đến mô hình dạy học với sự hỗ trợ của AI cho SV ngành CNTT như: các hình thức dạy học, mô hình dạy học với sự hỗ trợ của AI cho SV ngành CNTT được trình bày trong chương 2, làm cơ sở để thực hiện các nhiệm vụ như: thiết kế khoá học học phần cơ sở ngành với sự hỗ trợ của AI; Thiết kế hệ thống dạy học với sự hỗ trợ của Trí tuệ nhân tạo.

Cuối cùng, nghiên cứu sinh xây dựng kịch bản dạy học với sự hỗ trợ của công nghệ AI, bao gồm: Hoạt động dạy học trên lớp, hoạt động dạy học trên hệ thống website có tích hợp AI (ngoài giờ trên lớp) và chiến lược hỗ trợ SV.

2.1. Đặc điểm ngành Công nghệ thông tin và nhu cầu đào tạo

nhân lực ngành Công nghệ thông tin

2.1.1. Đặc điểm ngành Công nghệ thông tin

Thuật ngữ CNTT (tiếng Anh: Information technology hay là IT) là một nhánh của ngành kĩ thuật sử dụng máy tính và phần mềm máy tính với mục đích thu thập, chuyển đổi, lưu trữ, bảo vệ, xử lí và truyền tải thông tin [115].

Trên thế giới, thuật ngữ CNTT xuất hiện lần đầu vào năm 1958 trong bài viết xuất bản tại tạp chí Harvard Business Review khi các tác giả Leavitt và Whisler đã bình luận: "Công nghệ mới chưa thiết lập một tên riêng. Chúng ta sẽ gọi là CNTT (Information Technology - IT)" [116].

Ở Việt Nam, khái niệm CNTT được hiểu và định nghĩa trong Nghị quyết Chính phủ 49/CP kí ngày 4 tháng 8 năm 1993: "CNTT là tập hợp các phương pháp khoa học, các phương tiện và công cụ kĩ thuật hiện đại - chủ yếu là kĩ thuật máy tính và viễn thông - nhằm tổ chức khai thác và sử dụng có hiệu quả các nguồn tài nguyên thông tin rất phong phú và tiềm năng trong mọi lĩnh vực hoạt động của con người và xã hội" [117].

Trang 59

CNTT là một ngành mà các kiến thức, công nghệ liên quan có tốc độ thay đổi nhanh chóng; người học trong ngành CNTT phải có khả năng thích nghi và chịu áp lực cao, có tư duy sáng tạo và niềm say mê với lĩnh vực theo đuổi. Sau khi hoàn thành CTĐT, SV học ngành CNTT sẽ được trang bị các kiến thức chuyên sâu về lĩnh vực CNTT, tập trung vào một số kiến thức trọng tâm sau đây:

- Lập trình: Công việc chính của lập trình viên là sử dụng những công cụ và ngôn ngữ lập trình để phân tích, thiết kế, xây dựng và phát triển phần mềm, website, ứng dụng… cung cấp cho thị trường.

- Chế tạo, lắp ráp và sửa chữa phần cứng: Những người làm trong lĩnh vực này có khả năng chế tạo, sửa chữa hay lắp ráp, lắp đặt các thiết bị, linh kiện của máy tính.

- Thiết kế giải pháp tích hợp: Công việc này đòi hỏi các chuyên gia phải am hiểu cả phần cứng và phần mềm, có khả năng thiết kế các giải pháp trọn gói cho một công ty, tổ chức về cả phần cứng lẫn phần mềm, dựa trên yêu cầu cụ thể.

- Quản trị hệ thông và an ninh mạng: Người làm trong lĩnh vực này có nhiệm vụ bảo đảm cho hệ thống vận hành suôn sẻ, giải quyết trục trặc khi hệ thông gặp sự cố, đảm bảo an toàn và bảo mật cho dữ liệu.

Việc đào tạo nhân lực ngành CNTT nói chung và đào tạo SV các lĩnh vực thuôc ngành CNTT nói riêng trong các trường đại học tại Việt Nam hiện nay có nhiều đặc điểm khác so với các ngành nghề khác. Do yêu cầu về chuẩn đầu ra và đặc điểm ngành nghề, SV ngành CNTT sẽ đươc cung cấp các kiến thức và kĩ năng từ cơ bản đến nâng cao về khoa học máy tính, lập trình, phát triển phần mềm, kiểm thử… SV ngành CNTT sau khi tốt nghiệp sẽ có cơ hội làm việc ở rất nhiều vị trí việc làm khác nhau như:

Các vị trí công tác có thể đảm nhận: - Lập trình viên hệ thống và cơ sở dữ liệu; - Lập trình viên trên môi trường di động, Web; - Lập trình viên phát triển các hệ thống thông minh; - Chuyên viên phân tích, thiết kế, phát triển hệ thống; - Quản trị mạng, chuyên viên an ninh mạng; - Chuyên viên thiết kế và xử lí nội dung số; - Chuyên viên tư vấn dịch vụ CNTT ; - Chuyên viên kiểm thử phần mềm; - Có khả năng phát triển lên trưởng nhóm phát triển phần mềm, quản lí hệ thống thông tin, quản lí dự án.

2.1.2. Nhu cầu đào tạo nhân lực ngành Công nghệ thông tin

Theo số liệu thống kê từ năm 2018 đến năm 2022 [118], nhu cầu nhân lực cho ngành CNTT tại Việt Nam tăng cao liên tục. Dựa trên Báo cáo về thị trường IT Việt Nam 2021 của TopDev, năm 2021 Việt Nam cần đến 450.000 nhân lực trong ngành CNTT. Trong khi đó, số lượng lập trình viên hiện tại của Việt Nam mới chỉ đạt khoảng 430.000 người. Báo cáo thị trường IT Việt Nam năm 2022 của TopDev, trong giai đoạn 2023 – 2024, số lượng lập trình viên/ kỹ sư thiếu hụt sẽ ở mức 150.000 – 195.000 nhân sự, mặc dù mặt bằng thu nhập và thưởng của ngành CNTT đang tăng lên đáng kể.

Trang 60

Theo thống kê của Bộ GDĐT, nhóm ngành CNTT đứng top 2 trong số những ngành học được nhiều thí sinh Trung học phổ thông lựa chọn nhất trong kì tuyển sinh THPT năm 2021, với 336.001 nguyện vọng đăng kí (trong khi chỉ lấy 49.582

chỉ tiêu). Điều này chứng minh độ “hot” của ngành học này, cùng thực tế tỉ lệ thí sinh mong muốn được học tập và làm việc trong ngành CNTT là rất cao.

Hiện nay, khoảng 100 trường đại học có đào tạo các ngành liên quan đến CNTT. Tìm hiểu trên các trang thông tin tuyển sinh của một số cơ sở đào tạo lớn tại Việt Nam có thể thấy, chỉ tiêu tuyển sinh bậc đại học cho các ngành về CNTT vẫn chiếm một tỉ lệ rất lớn, thậm chí có trường tăng rất nhiều chỉ tiêu trong năm 2023, điểm chuẩn đầu vào của ngành CNTT ở các trường đều thuộc nhóm dẫn đầu. Bảng 2.1 cung cấp dữ liệu tuyển sinh của một vài trong số 100 trường đại học có đào tạo lĩnh vực CNTT để tham khảo. Bảng 2.1 Chỉ tiêu tuyển sinh ngành CNTT ở bậc đại học tại một số trường

Chỉ tiêu tuyển sinh STT Trường

1. Trường Đại học CNTT, 2022 1.705 2023 1.670 Đại học Quốc gia Thành phố Hồ Chí Minh

2. Đại học Bách khoa Hà Nội 3. Trường Đại học CNTT và Truyền thông Việt 1.100 980 1.080 980 – Hàn, Đại học Đà Nẵng

4. Trường Đại học Công nghệ 580 890 Đại học Quốc gia Hà Nội

5. Trường Đại học Khoa học Tự nhiên 980 960 Đại học Quốc gia Thành phố Hồ Chí Minh

6. Trường Đại học Bách khoa 685 685 Đại học Quốc gia Thành phố Hồ Chí Minh

7. Trường Đại học FPT 8. Trường Đại học Bách khoa 9.630 405 11.360 440 Đại học Đà Nẵng

9. Trường Đại học Khoa học, Đại học Huế 400 800

Với nhu cầu ngày càng tăng cao đối với nguồn nhân lực trong lĩnh vực CNTT cùng với những cơ hội việc làm rất tốt, SV được đào tạo trong các chuyên ngành có liên quan đến CNTT sẽ là một nguồn cung ứng nhân lực chất lượng cao ở trong nước và khu vực trong nhiều năm tới. Với lợi thế đó, yêu cầu về việc nâng cao chất lượng đào tạo trong ngành CNTT tiếp tục được đặt lên hàng đầu.

Trang 61

Mục tiêu đào tạo SV ngành CNTT hiện nay phải đáp ứng các chuẩn đầu ra được công bố của các cơ sở đào tạo, trong đó, ngoài vấn đề chuyên môn được đào tạo một cách bài bản, chuyên sâu, bám sát các bước phát triển của công nghệ trên thế giới, SV còn cần được đào tạo và tạo môi trường, cơ hội phát triển các kĩ năng nghề nghiệp, kĩ năng giao tiếp, tính sáng tạo, khả năng thích ứng cao trong thời kì công nghệ số; các sản phẩm mà SV CNTT làm ra phải có tính thực tiễn cao. Nhà trường cần đổi mới PPDH thông qua mô hình dạy học đáp ứng yêu cầu, giúp SV phát triển toàn diện bản thân. Đặc biệt, các cơ sở đào tạo cần nhanh chóng đưa khoa học công nghệ tiên tiến vào trong trường học nhằm tạo môi trường cho SV làm quen, công nghệ trở thành “người bạn”, người đồng hành hỗ trợ GV, SV trong quá trình dạy và học.

2.2. Phân tích chương trình ngành Công nghệ thông tin

Về cơ bản, các nội dung về mục tiêu, chuẩn đầu ra, CTĐT, các phương pháp đánh giá kiểm tra đối với CTĐT kỹ sư ngành CNTT là tương đồng ở hầu hết các trường đại học, trừ những chương trình liên kết đào tạo hoặc chương trình chất lượng cao, chương trình tiên tiến … có thể có thêm một số nội dung điều chỉnh để phù hợp với yêu cầu. Do đó, trong phạm vi luận án này, các nội dung dưới đây được tham khảo từ mô tả CTĐT bậc đại học dành cho kỹ sư ngành CNTT tại Trường Đại học CNTT và Truyền thông Việt – Hàn (là trường đại học thành viên của Đại học Đà Nẵng) được ban hành kèm theo Quyết định số 209/QĐ-ĐHVH ngày 29/3/2021 của Hiệu trưởng Trường Đại học CNTT và Truyền thông Việt – Hàn.

2.2.1. Mục tiêu

2.2.1.1. Mục tiêu chung

Đào tạo kĩ sư ngành CNTT có phẩm chất chính trị, đạo đức, trách nhiệm nghề nghiệp và ý thức phục vụ cộng đồng; có kiến thức, kĩ năng thực hành nghề nghiệp và năng lực nghiên cứu tương xứng với trình độ đào tạo; có sức khỏe, đáp ứng tốt nhu cầu lao động trong thời kì hội nhập quốc tế và cuộc CMCN lần thứ tư.

2.2.1.2. Mục tiêu cụ thể

Các mục tiêu cụ thể (POs - Program Objectives) của CTĐT ngành CNTT

như sau: PO1. Có kiến thức cơ bản về khoa học tự nhiên, khoa học xã hội, kiến thức toàn diện, chuyên sâu và tiên tiến về lĩnh vực CNTT; PO2. Có khả năng nghiên cứu, giải quyết vấn đề và đưa ra những đề xuất, kết luận mang tính chuyên gia thuộc lĩnh vực CNTT; PO3. Có kĩ năng làm việc độc lập, làm việc nhóm và sử dụng ngoại ngữ phục vụ học tập và phát triển nghề nghiệp; PO4. Có đạo đức tốt và trách nhiệm đối với nghề nghiệp, cộng đồng.

2.2.2. Chuẩn đầu tra

SV tốt nghiệp CTĐT Kĩ sư ngành CNTT có khả năng: PLO1. Có đạo đức, trách nhiệm đối với nghề nghiệp và cộng đồng; PLO2. Giao tiếp và làm việc theo nhóm hiệu quả; PLO3: Có tư duy phản biện, sáng tạo, khởi nghiệp; PLO4. Đạt năng lực ngoại ngữ bậc 4/6 khung năng lực ngoại ngữ của Việt Nam; PLO5. Vận dụng các kiến thức về khoa học tự nhiên, khoa học xã hội, CNTT để giải quyết các vấn đề cơ bản;

PLO6. Thiết kế, phát triển được các sản phẩm CNTT cơ bản;  Đối với định hướng chuyên ngành Kĩ th ật phần mềm ( hương trình

toàn cầu):

PLO7b. Có khả năng phân tích và áp dụng các quy trình, kĩ thuật, công cụ phát triển phần mềm; PLO8b. Có khả năng lập kế hoạch, tổ chức và quản lí thực hiện dự án CNTT;

Trang 62

- Đối ới định hướng chuyên ngành Hệ thống nhúng và IoT:

- PLO7d. Có khả năng thiết kế, xây dựng, triển khai phần cứng, phần mềm, các sản phẩm, giải pháp thông minh và tự động hóa.

PLO8d. Có khả năng khắc phục các sự cố liên quan đến, mạch điện tử, các hệ thống nhúng, hệ thống thông minh, tự động hóa.

 Đối với định hướng chuyên ngành Truyền thông đa hương tiện:

PLO7e. Có khả năng ứng dụng CNTT để sáng tạo, thiết kế, xây dựng các sản phẩm truyền thông đa phương tiện trong các lĩnh vực khác nhau. PLO8e. Có khả năng nghiên cứu phát triển, quản lí, tổ chức thực hiện dự án, hệ thống truyền thông đa phương tiện (Chỉ dành cho kĩ sư).

2.2.3. Phương pháp và công cụ đánh giá

Trong phần này chỉ tập trung trình bày về việc đánh giá học phần. Đánh giá học phần là quá trình ghi chép, lưu giữ và cung cấp thông tin về sự tiến bộ của người học trong suốt quá trình dạy học học phần. Việc đánh giá đảm bảo nguyên tắc rõ ràng, chính xác, khách quan và phân hóa, thường xuyên liên tục và định kì. Đánh giá học phần gồm đánh giá quá trình, đánh giá giữa kì và đánh giá cuối kì. Các phương pháp đánh giá được sử dụng trong loại đánh giá này gồm:

1. Đánh giá chuyên cần (Attendance checking) - Ngoài thời gian tự học, sự tham gia thường xuyên của người học trong học phần cũng phản ánh thái độ học tập của người học; sự tham gia đầy đủ các giờ học theo quy định giúp người học tiếp cận kiến thức, rèn luyện kĩ năng một cách hệ thống, liên tục và hình thành thái độ tốt, đúng đắn, chấp hành nội quy, nền nếp tại cơ quan, doanh nghiệp sau khi người học tốt nghiệp.

2. Đánh giá bài tập (Classroom tasks và Homework assignment) - Người học được yêu cầu thực hiện một số nội dung liên quan đến bài học trong giờ học hoặc ngoài giờ học trên lớp. Các bài tập này có thể thực hiện bởi một cá nhân và một nhóm người học được đánh giá theo tiêu chí cụ thể tùy GV quy định. 3. Kiểm tra tự luận (Written Exam) - Theo phương pháp đánh giá này, SV được yêu cầu trả lời một số câu hỏi, bài tập hay ý kiến cá nhân về những vấn đề liên quan đến yêu cầu chuẩn đầu về kiến thức của học phần và được đánh giá dựa trên đáp án được thiết kế sẵn. Thang điểm đánh giá được sử dụng trong phương pháp đánh giá này là thang điểm 10. Số lượng câu hỏi trong bài đánh giá được thiết kế tùy thuộc vào yêu cầu nội dung kiến thức của học phần.

4. Kiểm tra trắc nghiệm (Multiple choice Exam) - Phương pháp đánh giá này tương tự như phương pháp kiểm tra viết, SV được yêu cầu trả lời các câu hỏi liên quan dựa trên đáp án được thiết kế sẵn. Điểm khác là trong phương pháp đánh giá này SV trả lời các câu hỏi yêu cầu dựa trên các gợi ý trả lời cũng được thiết kế và in sẵn trong đề thi. 5. Kiểm tra vấn đáp (Oral Exam) - Trong phương pháp đánh giá này, SV được được đánh gia thông qua phỏng vấn, hỏi đáp trực tiếp.

6. Báo cáo, bài tập lớn (Written Report) - Người học được đánh giá thông qua sản phẩm báo cáo của SV, bao gồm cả nội dung trình bày trong báo cáo, cách thức trình bày thuyết minh, bản vẽ hình ảnh, biểu đồ… trong báo cáo.

Trang 63

7. Đánh giá báo cáo thực tập (Internship Report) - Người học được đánh giá thông qua sản phẩm báo cáo, bao gồm nội dung trình bày trong báo cáo, cách thức thuyết minh, sơ đồ, biểu đồ… trong báo cáo.

8. Đánh giá Khóa luận/Đồ án tốt nghiệp (Graduation Thesis) - Khóa luận/Đồ án tốt nghiệp được đánh giá bởi GV hướng dẫn, hội đồng đánh giá khóa luận/đồ án bằng cách sử dụng các phiếu đánh giá phù hợp với ngành đào tạo.

2.3. Nguyên tắc thiết kế dạy học với sự hỗ trợ của AI

Việc áp dụng các nguyên tắc thiết kế dạy học phải nhằm hướng đến việc đảm bảo nhất quán được các quan điểm sau: Thứ nhất, sử dụng AI trong hỗ trợ dạy học sẽ góp phần nâng cao hiệu quả, chất lượng của quá trình dạy và học.

Thứ hai, việc ứng dụng AI chỉ mang tính chất hỗ trợ việc học tập của SV chứ không thay thế hoàn toàn các nhiệm vụ mà SV phải thực hiện. Quá trình hỗ trợ đó sẽ giúp SV thuận lợi hơn trong việc tiếp thu bài giảng, hỗ trợ SV trong việc đánh giá lại kết quả học tập của mình và lựa chọn các tài liệu học tậm, tham khảo nhằm bổ trợ kiến thức đã học. Việc hỗ trợ đó không được làm giảm đi tư duy và kĩ năng của SV ngành CNTT.

Cuối cùng, AI tham gia vào quá trình dạy và học chỉ với vai trò bổ trợ/ hỗ trợ chứ không làm thay SV, việc tiếp thu kiến thức, làm bài kiểm tra vẫn hoàn toàn là nỗ lực tự thân của SV. Do đó việc thiết kế dạy học cần đảm bảo được vấn đề đạo đức và liêm chính trong học thuật.

2.3.1. Đảm bảo tương tác người và máy

Theo [119], tương tác người – máy được hiểu là sự giao tiếp giữa người dùng con người và hệ thống, trong đó công cụ thực hiện (hay hỗ trợ thực hiện nhiệm vụ) là máy tính.

Một số dạng tương tác được sử dụng trong thiết kế giao tiếp người – máy là: - Giao tiếp dòng lệnh; - Câu hỏi/trả lời dạng truy vấn; - Điền theo form điền (mẫu); - Giao tiếp bằng ngôn ngữ tự nhiên; - Giao tiếp bảng chọn (menu); - Giao tiếp dạng WIMP (các hệ thống cửa sổ đơn giản). Thiết kế tương tác người – máy phải đảm bảo tính “dùng được” (usability), nghĩa là hệ thống cho phép người dùng thực hiện các nhiệm vụ một cách hiệu quả. Hai câu hỏi cần được trả lời khi thiết kế hệ thống tương tác, đó là: (1) Hệ thống tương tác có đảm bảo “tính dùng được”?; (2) “Tính dùng được” của hệ thống có thể chứng minh hay lượng hoá hay không?

Theo [120], tiêu chí thể hiện tính “dùng được” là: tính hiệu quả; tính dễ đọc; tính dễ nhớ; tính dự đoán lỗi và đáp ứng tính chủ quan. Trong đó, 03 tiêu chí chính là tính dễ đọc (Learnability) - Tính mềm dẻo (Flexibility) - Tính vững chắc (Robustness).

Trang 64

- Tính dễ đọc: Cho phép những người dùng mới vẫn có thể sử dụng hệ thống đạt hiệu quả tối đa. Tính chất này thể hiện ở các điểm: tính dự đoán; tính tổng hợp; tính thân thiện; tính khái quát; tính nhất quán.

- Tính mềm dẻo: Cho phép người dùng và máy tương tác theo nhiều cách khác nhau. Có 5 đặc điểm thể hiện tính mềm dẻo: đối thoại chủ động; đa luồng; di trú nhiệm vụ; thay thế; cá nhân hoá.

- Tính vững chắc: Tính chất này bao trùm các đặc trưng hỗ trợ việc thực hiện thành công và khẳng định đích, thể hiện ở các tiêu chí sau: Tính quan sát; Tính khôi phục; Tính đáp ứng; Tính tương hợp nhiệm vụ.

2.3.2. Đảm bảo tính thống nhất và khoa học với việc sử dụng các

phương tiện dạy học khác

Mặc dù dạy học với sự hỗ trợ của AI đem lại nhiều hiệu quả nhưng đây không phải là công cụ vạn năng có thể thay thế tất cả các phương tiện dạy học khác hoặc GV. Mỗi phương pháp, công cụ dạy học đều có ưu, nhược điểm riêng. Do đó, việc kết hợp một cách hiệu quả, khoa học các phương tiện, PPDH khác nhau sẽ đem lại hiệu quả tối đa cho việc dạy – học.

2.3.3. Đảm bảo tính hiệu quả

Dù cho việc sử dụng các mô hình dạy học có hiện đại đến đâu cũng cần đảm bảo tính hiệu quả. Trước hết là hiệu quả sư phạm, nghĩa là người học phải thu nhận và hình thành kĩ năng một cách nhanh nhất, tri thức kĩ năng bền vững và trở thành kĩ năng của riêng mình. Ngoài ra, người học phải hình thành năng lực tư duy sáng tạo, phương pháp làm việc khoa học. Mô hình cũng cần đạt hiệu quả về mặt kinh tế, tránh lãng phí.

2.3.4. Đảm bảo tính gợi mở, định hướng cho người học

Hoạt động dạy học nói chung và ứng dụng công nghệ AI vào hỗ trợ dạy học nói riêng không chỉ là việc cung cấp, truyền đạt thông tin cho người học. Quan trọng hơn là tổ chức và chuẩn bị các điều kiện cần thiết để tạo ra môi trường học tập có tính gợi mở, định hướng cho người học; phát huy tính chủ động, sáng tạo của người học.

2.3.5. Đảm bảo nguyên tắc về cấu trúc của khóa học trực tuyến

Cấu trúc khóa học đề cập đến cách một khóa học được thiết kế cho E-learning. Việc dạy học với sự hỗ trợ của AI không hoàn toàn là dạy học trực tuyến nhưng trong thiết kế nội dung học tập, giảng dạy sẽ có các phần cho phép SV học trực tuyến. Do đó, một trong những yêu cầu đối với việc thiết kế khóa học với sự hỗ trợ của AI là đảm bảo nguyên tắc về cấu trúc của khóa học trực tuyến.

2.4. Mô hình dạy học với sự hỗ trợ của AI cho sinh viên ngành

Công nghệ thông tin

2.4.1. Các hình thức dạy học

Nhằm giúp SV đạt được các yêu cầu về mục tiêu và chuẩn đầu ra của CTĐT ngành CNTT, chiến lược và PPDH được thiết kế cụ thể như sau:

2.4.1.1. Chiến lược dạy học trực tiếp

Trang 65

Dạy học trực tiếp là chiến lược dạy học trong đó thông tin được chuyển tải đến với

người học theo cách trực tiếp, GV trình bày và SV lắng nghe. Chiến lược này thường được áp dụng trong các lớp học truyền thống và hiệu quả khi muốn truyền đạt cho người học những thông tin cơ bản, giải thích một kĩ năng mới.

Các phương pháp giảng dạy theo chiến lược này được CTĐT ngành CNTT áp dụng gồm phương pháp lí thuyết kết hợp thực hành và đi thực tế tại các doanh nghiệp, cụ thể như sau:

- Giải thích cụ thể (Explicit Teaching): Đây là phương pháp thuộc chiến lược dạy học trực tiếp trong đó GV hướng dẫn và giải thích chi tiết cụ thể các nội dung liên quan đến bài học, giúp cho SV đạt được mục tiêu dạy học về kiến thức và kĩ năng.

- Thuyết giảng (Lecture): GV trình bày nội dung bài học và giải thích các nội dung trong bài giảng. GV là người thuyết trình, diễn giảng. SV chỉ nghe giảng và thình thoảng ghi chú để tiếp nhận các kiến thức mà GV truyền đạt. - Tham luận (Guest lecture): Theo phương pháp này, SV được tham gia vào các khóa học mà người diễn giảng, thuyết trình không phải là GV mà là những người đến từ các doanh nghiệp bên ngoài. Thông qua những kinh nghiệm và hiểu biết của diễn giảng để giúp SV hình thành kiến thức tổng quan hay cụ thể về chuyên ngành đào tạo.

2.4.1.2. Chiến lược dạy học gián tiếp

Người học được tạo điều kiện trong quá trình học tập mà không cần có bất kì hoạt động giảng dạy công khai nào được thực hiện bởi GV. Đây là tiến trình dạy học tiếp cận hướng đến người học, lấy người học làm trung tâm, trong đó GV không trực tiếp truyền đạt nội dung bài học đến SV mà thay vào đó, SV được khuyến khích tham gia tích cực trong tiến trình học, sử dụng kĩ năng tư duy phản biện để giải quyết vấn đề. Các phương pháp giảng dạy theo chiến lược này gồm:

- Câu hỏi gợi mở (Inquiry): Quá trình gợi mở được thực hiện trong quá trình học tập, việc dạy học tiếp cận hướng đến người học, lấy người học làm trung tâm.

- Giải quyết vấn đề (Problem Solving): Trong tiến trình dạy và học, người học làm việc với vấn đề được đặt ra và học được những kiến thức mới thông qua việc đối mặt với vấn đề cần giải quyết. Thông qua qúa trình tìm giải pháp cho vấn đề đặt ra, SV đạt được kiến thức và kĩ năng theo yêu cầu của môn học.

- Học theo tình huống (Case Study): Đây là phương pháp hướng đến cách tiếp cận dạy học lấy người học làm trung tâm, giúp người học hình thành kĩ năng tư duy phản biện, giao tiếp. Theo phương pháp này, GV liên hệ các tình huống, vấn đề hay thách thức trong thực tế và yêu cầu SV giải quyết, giúp SV hình thành kĩ năng giải quyết vấn đề, kĩ năng ra quyết định cũng như kĩ năng nghiên cứu.

2.4.1.3. Học trải nghiệm

Trang 66

Học trải nghiệm là chiến lược dạy học trong đó người học tiếp nhận được kiến thức và kĩ năng thông qua những gì mà họ được trải nghiệm qua thực hành, thực tế quan sát và cảm nhận. Các phương pháp giảng dạy theo chiến lược này gồm đưa SV đi thực tập thực tế tại doanh nghiệp; mời doanh nghiệp đến tham gia giảng dạy, hướng dẫn đồ án; thực tập thực tế; nhóm nghiên cứu.

- Mô hình (Models): Là phương pháp mời doanh nghiệp đến tham gia giảng dạy, hướng dẫn đồ án; việc học thông qua trải nghiệm qua thực hành, thực tế quan sát và cảm nhận.

- Thực tập, thực tế (Field Trip): Thông qua các hoạt động tham quan, thực tập, đi thực tế tại công trường và các công ty để giúp SV hiểu được môi trường làm việc thực tế của ngành đào tạo sau khi tốt nghiệp, học hỏi các công nghệ đang được áp dụng trong lĩnh vực ngành đào tạo, hình thành kĩ năng nghề nghiệp và văn hóa làm việc trong công ty. Phương pháp này không những giúp SV hình thành kiến thức kĩ năng mà còn tạo cơ hội nghề nghiệp cho SV sau khi tốt nghiệp.

- Thí nghiệm (Experiment): Là PPDH trong đó GV sử dụng các thao tác thí nghiệm, SV quan sát và thực hành các thí nghiệm đó theo hướng dẫn của GV, từ đó hướng đến mục tiêu dạy học.

- Nhóm nghiên cứu (Research Team): SV được khuyến khích tham gia vào các dự án, nhóm nghiên cứu của GV, giúp hình thành năng lực nghiên cứu và kĩ năng sáng tạo. Từ đó, tạo tiền đề cho SV tiếp tục học tập cao hơn ở bậc học thạc sỹ, tiến sỹ sau khi hoàn thành chương trình đào stạo và tốt nghiệp.

2.4.1.4. Dạy học tương tác

Đây là chiến lược dạy và học trong đó giáo viên sử dụng kết hợp nhiều hoạt động trong lớp học như đặt vấn đề hay câu hỏi gợi mở và và yêu cầu SV thảo luận, tranh luận để giải quyết vấn đề đó. GV với vai trò hướng dẫn SV từng bước giải quyết vấn đề, từ đó giúp SV đạt được mục tiêu dạy học. SV có thể học từ bạn học hay từ GV để phát triển các kĩ năng xã hội, kĩ năng tư duy phản biện, giao tiếp, đàm phán để đưa ra quyết định. Các kĩ thuật, phương pháp được áp dụng theo chiến lược này gồm có:

- Tranh luận (Debates): Là tiến trình dạy học trong đó GV đưa ra một vấn đề liên quan đến nội dung bài học, SV vơi các quan điểm trái ngược nhau về vấn đề đó phải phân tích, lí giải, thuyết phục người nghe ủng hộ quan điểm của mình. Thông qua hoạt động dạy học này, SV hình thành các kĩ năng như tư duy phản biện, thương lượng và đưa ra quyết định hay kĩ năng nói trước đám đông.

- Thảo luận (Discussion): Là PPDH trong đó SV được chia thành các nhóm và tham gia thảo luận về những quan điểm cho một vấn đề nào đó được GV đặt ra. Khác với phương pháp tranh luận, trong phương pháp thảo luận, người học với cùng quan điểm mục tiêu chung và tìm cách bổ sung để hoàn thiện quan điểm, giải pháp của mình.

- Học nhóm (Pear Learning): SV được tổ chức thành các nhóm nhỏ để cùng nhau giải quyết các vấn đề được đặt ra và trình bày kết quả của nhóm thông qua báo cáo, thuyết trình trước các nhóm khác và GV.

2.4.1.5. Tự học

Trang 67

Phương pháp tự học được áp dụng chủ yếu là bài tập ở nhà (Work Assigment): SV được giao nhiệm vụ làm việc ở nhà với những nội dung và yêu cầu do GV đặt ra. Thông qua việc hoàn thành các nhiệm vụ được giao ở nhà này, SV học được cách tự học, cũng như đạt được những nội dung về kiến thức cũng như kĩ năng theo yêu cầu.

Các phương pháp giảng dạy và học tập nói trên giúp SV đạt được chuẩn đầu ra CTĐT, thể hiện trong Bảng 2.2 dưới đây: Bảng 2.2 Mối liên hệ giữa phương pháp dạy-học và chuẩn đầu ra CTĐT

Chuẩn đầ ra CTĐT (PLOs) PLO1 PLO2 PLO3 PLO4 PLO5 PLO6 PLO7 PLO8 Chiến ư c và hương pháp dạy - học

x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x

Trực tiếp Gián tiếp Trải nghiệm Tương tác Tự học Trong mô hình dạy học cho SV ngành CNTT với sự hỗ trợ của AI, luận án lồng ghép giữa các cách thức dạy học nói trên với việc dạy và học hỗ trợ trên website có tích hợp AI. Do đó, việc dạy học theo cách thức truyền thống vẫn được triển khai bình thường theo kế hoạch đã được GV xây dựng sẵn.

2.4.2. Mô hình dạy học với sự hỗ trợ của AI cho sin viên ngành

Công nghệ thông tin

2.4.2.1. Mô hình đề xuất

Trong những năm gần đây, các trường đại học tại Việt Nam đã đẩy mạnh việc ứng dụng công nghệ tiên tiến nói chung và công nghệ AI nói riêng nhằm nâng cao chất lượng, hiệu quả việc dạy và học. Tuy nhiên, việc ứng dụng AI vào hỗ trợ dạy học trong các trường đại học vẫn là một mục tiêu đầy thách thức vì còn thiếu các nghiên cứu cung cấp thông tin về cách thiết kế mô hình dạy học với sự hỗ trợ của AI như một tác nhân học tập hợp tác trong các lớp học. Trên cơ sở các nghiên cứu về công nghệ AI và công nghệ giáo dục, nghiên cứu này đề xuất một mô hình dạy học với sự trợ giúp của AI, trong đó có những thành phần quan trọng như sau (xem Hình 2.1):

Môi trường học tập

Mục tiêu

Sinh viên

Nội dung dạy học

Quá trình DH với sự hỗ trợ của AI

h c á s h n í h c / ế h c ể h T

Đánh giá trên mô hình dạy học có AI

V ă n h ó a h ọ c đ ư ờ n g

Giảng viên

Các công nghệ AI hỗ trợ DH

Học liệu, phương tiện

Phương pháp

Không gian học tập

Trang 68

Hình 2.1 Mô hình dạy học với sự hỗ trợ của AI

Mô hình này có tham khảo một số thành phần từ mô hình được đề cập trong tài liệu [121], đồng thời nghiên cứu sinh bổ sung thêm các thành phần khác để phù hợp với nội dung đề tài đặt ra.

2.4.2.2. Giải thích các thành phần của mô hình

a) Hợp tác SV - AI - GV Mô hình hợp tác SV – AI – GV trên đây thể hiện sự kết nối giữa 3 thành phần chính là SV, GV và các công nghệ AI. SV được xem là tác nhân học tập tích cực trong mô hình nói trên thay vì chỉ tiếp nhận kiến thức một cách thụ động. Mô hình cũng xác định AI là một tác nhân học tập khác, thay cho việc chỉ là một công cụ học tập đơn thuần như trước đây. Các nghiên cứu trước đây lưu ý đến các đặc điểm giống người của AI như một đặc điểm duy nhất giúp phân biệt nó với các công cụ giáo dục truyền thống và mở rộng vai trò của AI trong học. Thay vì đưa ra khái niệm về sự tương tác như một quá trình chỉ dành cho con người còn công nghệ thì đóng vai trò của một công cụ trung gian, mô hình đề xuất khả năng lí thuyết về việc AI như một chủ thể tương tác trực tiếp trao đổi thông tin với SV trong quá trình học [122]. Tương tác với AI là động chứ không phải tĩnh, dựa trên giao tiếp và tương tác được trao đổi trong một quy trình và bối cảnh học tập. Cuối cùng, GV đóng một vai trò quan trọng trong việc hình thành và tạo điều kiện thuận lợi trong mô hình, đồng thời chịu trách nhiệm cho quá trình học tập của SV trên lớp.

Liên quan đến vai trò của GV trong việc hình thành và tạo điều kiện thuận lợi cho mô hình kết hợp nói trên, [123] mô tả GV là người kiểm soát việc áp dụng AI trong lớp học, bao gồm cả việc cho phép SV tương tác với AI trong hoạt động học tập trên lớp.

Mô hình dạy học đề xuất trên đây là loại mô hình lí thuyết mô tả cấu trúc, chức năng của hệ thống dạy học dựa trên mô hình dạy học hiện đại và có cấu trúc cơ bản gồm các thành tố: Triết lí và mục tiêu dạy học; Nội dung dạy học kết hợp; Nguyên tắc, phương pháp và kĩ thuật dạy học; Học liệu và phương tiện dạy học; Đánh giá trên mô hình dạy học có AI. b) Môi trường học tập Môi trường học tập đề cập đến các địa điểm, bối cảnh và văn hóa đa dạng mà ở đó SV tiến hành việc học tập, thuật ngữ này thường được sử dụng như một sự thay thế chính xác hơn hoặc được ưu tiên hơn cho lớp học, có ý nghĩa truyền thống và hạn chế hơn chỉ với một căn phòng có các dãy bàn và bảng đen. Thuật ngữ này cũng bao gồm văn hóa của một trường học hoặc lớp học, bao gồm cách các cá nhân tương tác và đối xử với nhau cũng như cách thức mà giáo viên có thể tổ chức một môi trường giáo dục để tạo điều kiện học tập… [124] . Trong phạm vi nghiên cứu của luận án này, môi trường học tập được xác định bao gồm 3 thành phần chủ yếu sau đây:

- Không gian học tập: Để AI có thể nhúng thành công vào lớp học, một không gian học tập thích hợp phải được xây dựng trước. Việc phân phối các thiết bị thông minh và thiết lập môi trường mạng không dây cho các lớp học như một phần của việc xây dựng không gian học tập đầy đủ cho AIEd. Ngoài ra, cơ sở hạ tầng kĩ thuật số (tức là nền tảng học tập) được coi là cần thiết cho mô hình hợp tác này [125] .

Trang 69

- Thể chế, chính sách giáo dục: Hỗ trợ thể chế, chính sách phù hợp là cần thiết cho việc cung cấp ngân sách/ tài trợ, phát triển chương trình giảng

dạy/phương pháp sư phạm và các hướng dẫn pháp lí/đạo đức trong AIEd. Đặc biệt, thời gian và chi phí phát triển và giới thiệu một phương pháp luận phù hợp để triển khai AIEd đặt ra một thách thức lớn trong các cơ sở giáo dục công lập. Nếu không có định hướng và hướng dẫn rõ ràng của cơ sở giáo dục cấp trên về chương trình giảng dạy và phương pháp sư phạm cho AIEd, nó sẽ bị thách thức cho các trường học áp dụng AI, công nghệ mới [125]. Hơn nữa, việc sử dụng AI trong lớp học có thể gây ra một số vấn đề pháp lí và đạo đức liên quan đến thông tin cá nhân và quyền riêng tư, do đó, các biện pháp bảo vệ thể chế là cần thiết để bảo vệ học sinh khỏi thiệt hại và tranh chấp [126].

- Văn hoá học đường: Văn hóa học đường là một yếu tố môi trường quan trọng trong hợp tác giữa GV, SV và AI. AIEd phải đạt được thông qua ý chí chung của các bên liên quan trong hệ thống giáo dục. Ví dụ, GV không thích áp dụng công nghệ mới sau khi họ nhận được phản hồi tiêu cực từ đồng nghiệp, SV và phụ huynh trong trường cũng như do lịch trình khắt khe của họ để đáp ứng các vai trò khác nhau trong trường học. Do đó, điều quan trọng là phải xây dựng văn hóa trường học hợp tác hỗ trợ đối thoại chuyên nghiệp về nhu cầu và tầm quan trọng của AIEd và việc sử dụng AI để học tập giữa các bên liên quan khác nhau. Các GV nhận thấy rằng điều cần thiết là phải thiết lập văn hóa học tập hợp tác làm cơ sở để thúc đẩy việc triển khai sâu rộng mô hình hợp tác SV – AI – GV.

Các công nghệ AI

Cá nhân hóa

Hệ thống theo dõi hiệu suất và đề xuất được cá nhân hóa bằng AI

Chatbot

Theo dõi tiến trình và cá nhân hóa

Module khuyến nghị trong AI

Tùy chỉnh

Hệ thống theo dõi hiệu suất

E-learning trong cá nhân hóa

c) Công nghệ AI Phần này đề xuất một số công nghệ AI đang được phát triển và thử nghiệm, nhằm mục đích cải thiện giáo dục về mặt nghiên cứu và học tập cho người học. Đối với giáo viên, họ có thể nhận được sự trợ giúp từ AI là một trợ lí trong việc giảng dạy và trở thành giám khảo bằng cách đưa ra phản hồi cho học sinh trong một khoảng thời gian ngắn bằng cách sử dụng những công nghệ này.

Hình 2.2 Các công nghệ AI

Trang 70

(1) Hệ thống theo dõi hiệu suất và đề xuất được cá nhân hóa bằng AI - Module khuyến nghị: Cụm từ tiếng Anh là recommendation module (viết tắt là RM) nhằm cung cấp cho SV các khuyến nghị. Một trong những bước cần thiết để tạo danh sách đề xuất là truy cập lịch sử của SV về những gì họ tìm

kiếm về nội dung giáo dục. Để cung cấp các khuyến nghị hiệu quả cho SV lần đầu tiên, RM cần dữ liệu ban đầu dưới dạng xác định những gì họ muốn và tìm kiếm nội dung phù hợp.

- Theo dõi cá nhân và theo dõi tiến trình: Theo dõi hiệu suất của SV bằng cách sử dụng AI là để theo dõi những gì họ đang làm vào thời gian học tập của mình. Hệ thống có thể theo dõi các cá nhân, cho phản hồi và hồ sơ dựa trên tiến trình của người học, có nghĩa là hệ thống sẽ đánh giá hành động của người học và cung cấp thông tin về kiểu SV đó.

- Hệ thống theo dõi hiệu suất: Nhu cầu và phong cách học tập khác nhau của SV chính là yếu tố cần xem xét khi cung cấp tài liệu. Môi trường học tập điện tử được cá nhân hóa nên sẵn sàng cung cấp tài liệu cho từng SV. Tuy nhiên, đây không phải là việc có thể được thực hiện dễ dàng do tính chất phức tạp của nó. Tuy nhiên, cá nhân hóa có thể được thực hiện bằng cách theo dõi các trang, các sản phẩm và các bài báo mà SV đã đọc. Dựa trên kết nối các trang web và kết quả của các trang đó, AI có thể tạo ra một môi trường cá nhân hóa.

- Chatbot: Trong thời gian gần đây, đã có sự gia tăng các ứng dụng Chatbot trên các nền điện tử để hỗ trợ việc học tập của SV [127]. Trong lĩnh vực giáo dục, Chatbot được sử dụng không chỉ để phát triển kĩ năng tương tác của học sinh mà còn hỗ trợ giảng dạy trên cơ sở của việc tự động hóa. Việc này giúp tăng khả năng kết nối và hiệu quả trong các tương tác. Một số lợi ích nổi bật bao gồm: (1) Hỗ trợ tích hợp nội dung; (2) Truy cập nhanh; (3) Tạo động lực và sự tương tác; (4) Hỗ trợ ngay lập tức; (5) Hỗ trợ cá nhân hóa [88].

(2) Cá nhân hóa - Tùy chỉnh: Một trong những cách để tùy chỉnh môi trường học tập là đưa ra các đề xuất cho SV. Từ đó, họ có thể lựa chọn nội dung do RM gợi ý. Bằng cách chọn đề xuất, họ đang đưa ra sở thích của họ đối với môi trường học tập điện tử. Việc học cơ chế khuyến nghị theo định hướng mục tiêu cũng có thể tạo ra các khuyến nghị ổn định cho SV. Khi SV truy cập vào phần giới thiệu, các gợi ý sẽ nhiều hơn chính xác cho SV. Điều này có nghĩa là SV có quyền kiểm soát những gì họ muốn và nó cũng loại bỏ các khả năng trùng lặp [128].

- E-learning trong cá nhân hoá: E-learning là một hình thức dạy và học mà học sinh có thể tiếp cận để học tập tài liệu thông qua điện thoại di động, máy tính và máy tính bảng sử dụng Internet. Với công nghệ này, Hệ thống quản lí học tập (LMS) có thể được tích hợp vào E-learning. Sự kết hợp giữa LMS và AI mở ra cơ hội để làm nghiên cứu, cộng tác, dạy và học lấy SV làm trung tâm. E-learning là một phần của việc sử dụng AI và LMS. E-learning có thể cung cấp một nền tảng để khai thác dữ liệu, đánh giá, phân tích và tạo nội dung cho các cá nhân. Với sự tiến bộ của AI, E-learning có thể được nâng lên một tầm cao mới.

Trang 71

Tóm lại, mô hình dạy học SV ngành CNTT với sự hỗ trợ của AI sẽ có hai ứng dụng chính là Chatbot và cá nhân hoá học tập nhằm đưa ra những khuyến nghị phù hợp cho SV liên quan đến hệ thống bài giảng, bài tập, bài kiểm tra. Quá trình dạy – học được đặt trong một mối tổng hoà các yếu tố của môi trường dạy – học (thể chế chính sách phù hợp, không gian học tập và văn hoá học đường) đảm bảo tạo điều

kiện cho việc dạy và học đạt hiệu quả cao. Khi triển khai mô hình dạy học nêu trên, SV sẽ phát huy tốt tinh thần tự học, tự trải nghiệm kết hợp với việc học tập dưới sự hướng dẫn của GV, sự hỗ trợ của công cụ AI. Để đảm bảo việc học đạt kết quả cao, ngoài các yếu tố nêu trên, bản thân SV phải đảm bảo các kĩ năng về CNTT, khả năng tự học, tự trải nghiệm.

2.5. Thiết kế khóa học học phần cơ sở ngành với sự hỗ trợ

của AI

2.5.1. Môi trường và phương tiện dạy học

Như đã trình bày trong chương 1, môi trường dạy học được xác định là các địa điểm, bối cảnh và văn hóa đa dạng mà ở đó GV tổ chức dạy học, SV tiến hành việc học tập [124]. Thuật ngữ này thường được sử dụng như một sự thay thế chính xác hơn hoặc được ưu tiên hơn cho lớp học, có ý nghĩa truyền thống và hạn chế hơn chỉ với một căn phòng có các dãy bàn và bảng đen.

Trong quá trình dạy học với sự hỗ trợ của AI, môi trường học tập được hiểu là ngoài các điều kiện cơ sở vật chất phục vụ việc học theo cách truyền thống (lớp học, bảng đen, thiết bị trình chiếu hiện đại…) thì cần có thêm các yếu tố khác như máy tính/ thiết bị di động kết nối Internet, các phần mềm/website dạy học có sự hỗ trợ của AI. Quá trình dạy học chính là sự kết hợp giữa dạy trực tiếp trên lớp, học trên website hỗ trợ dạy học tại địa chỉ https://ailearn.com.vn. Ngoài việc tổ chức dạy học trực tiếp trên lớp, GV sẽ cung cấp các nguồn học liệu số lên website và hướng dẫn quy trình tổ chức dạy học để SV có thể chủ động trong quá trình học tập.

Thông qua việc tổ chức dạy học với sự hỗ trợ của AI, GV có thể quản lí được quá trình học tập, kết quả học tập của SV, đồng thời tăng cường sự tương tác với người học từ đó định hướng, hỗ trợ người học đạt được các mục tiêu đề ra.

Để đáp ứng được yêu cầu của việc dạy học cho SV ngành CNTT với sự hỗ trợ của AI theo đề xuất đưa ra trong luận án này, bên cạnh các phương tiện dạy học truyền thống trên lớp (bảng đen, máy trình chiếu, máy tính …) thì các phương tiện dạy học cần có khác là: máy tính cho GV và SV có kết nối Internet, website tại địa chỉ https://ailearn.com.vn.

2.5.2. Thiết kế học liệu số

Thuật ngữ học liệu số (Digital Learning Material, Digital Educational Resources hay Digital Learning Resources - DLR) hiện được dùng theo nhiều cách khác nhau song hành cùng với các thuật ngữ gần như học liệu điện tử, học liệu mở. Có tác giả mô tả DLR là phương tiện dùng cho mục đích dạy - học thông qua các sản phẩm, dịch vụ công nghệ thông tin - truyền thông (ICT); học liệu này có thể gắn âm thanh, hình ảnh và dùng được cho các dạng thức học tập khác nhau. Theo định nghĩa này, học liệu số gồm nội dung số và công cụ số (Ví dụ, các nền tảng số hay thiết bị phần cứng) - mặc dù trên thực tế nhiều khi nội dung số được tích hợp sẵn (inbuilt) vào các công cụ số ngay từ khâu chế tạo, phát triển [129].

Trang 72

Cũng có tác giả định nghĩa DLR là tổng hợp các nguồn học liệu khác nhau dùng trên mạng máy tính, bao gồm tất cả các nguồn học liệu dưới dạng dữ liệu điện tử lưu trữ âm thanh, hình ảnh, văn bản và được lưu trữ bằng các cách khác nhau như đĩa từ, đĩa quang học, thẻ nhớ ( SB) cũng như các dạng lưu trữ phi giấy tờ khác;

được truyền đưa hoặc tái tạo nhờ máy tính, thông qua môi trường mạng hoặc thiết bị đầu cuối. Hoặc là, DLR là các nguồn thông tin đa phương tiện được sắp xếp phù hợp với các đối tượng người học khác nhau, chạy trên môi trường máy tính hoặc môi trường mạng, có thể chia sẻ rộng rãi [129].

Trong phạm vi của luận án này, thuật ngữ DLR được hiểu một cách đơn giản là những tài liệu học tập dưới dạng video, văn bản, hệ thống các bài thi, bài kiểm tra dưới hình thức trắc nghiệm trực tuyến.

Nội dung của các học liệu số được sắp xếp theo từng học phần (C/C++, Tin học đại cương, Đồ hoạ máy tính …). Người dùng đăng nhập hệ thống để truy cập và khai thác nguồn học liệu này. Tuỳ theo phân quyền của người dùng mà mức độ truy cập, khai thác nguồn học liệu số sẽ khác nhau.

2.5.2.1. Nguồn học liệu số của website

Hiện tại, https://ailearn.com.vn/ đang được mở 2 khóa học là Khóa học C++ và Khóa học Đồ họa máy tính. Ngoài 2 khoá học được thực nghiệm nêu trên, wensite hiện có thêm học liệu cho một số học phần khác.

a) Khóa học Tin học đại cương (C++) Khóa học C++ hiện đang có 80 bài học, được xây dựng theo 8 chương của giáo trình tài liệu học tập được quy định trong chương trình học của Trường Đại học CNTT và Truyền thông Việt – Hàn (Đại học Đà Nẵng); Mỗi chương gồm có 10 bài tập. Tài liệu dành cho khóa học được sắp xếp theo thứ tự bên phải của trang web, giúp SV có thể tìm kiếm nhanh.

Trang 73

Hình 2.3 Minh họa bài học, tài liệu

Hình 2.4 Minh họa bài tập theo chương

Trong quá trình hoàn thiện luận án cũng như phát triển sau này, nguồn học liệu số tiếp tục được bổ sung, cập nhật cho phù hợp với yêu cầu cụ thể của các khoá học.

b) Khóa học Đồ họa máy tính Khóa học Đồ họa máy tính hiện nay có 250 bài học được phân bổ theo 6 chương. Cách sắp xếp vị trí các nguồn học liệu này về cơ bản giống nhau ở tất cả các khoá học.

Trang 74

Hình 2.5 Hình minh họa khóa học Đồ họa máy tính

2.5.2.2. Phân quyền truy cập nguồn học liệu số

Việc phân quyền truy cập và thao tác đối với nguồn học liệu số được thực hiện bởi admin của website.

a) Chức năng thêm bài học Hệ thống hỗ trợ các module chức năng sau đây: - Thêm/ chỉnh sửa khoá học

Hình 2.6 Quản lí thông tin khoá học

Hình 2.7 Chức năng thêm bài giảng

Trang 75

GV nhập các thông tin cho bài học sau đó chọn Lưu. Sau khi lưu thông tin, GV trở lại mục Quản lí bài học, chọn khóa học, sau đó chọn Lọc để lọc ra bài học mới vừa tạo. Bài học/ Câu hỏi sẽ được phân loại theo kiểu Bài tập dành cho Cuộc thi hay bài tập để học. Khi chọn bài dành cho cuộc thi thì bộ câu hỏi sẽ được đưa đến Kho đề thi dành cho cuộc thi ảo. Ngoài ra, GV có thể chọn chức năng chỉnh sửa để chỉnh sửa nội dung bài học.

Hình 2.8 Hình ảnh minh họa về chức năng quản lí danh sách bài học

Sau khi tạo bài học, GV có thể tạo các testcase để phục vụ cho việc kiểm tra, đánh giá việc tiếp thu bài của SV (Hình 2.11)

Hình 2.9 Chức năng tạo phần Testcase

Ngoài ra, GV có thể thực hiện các chức năng quản lí bài tập, quản lí cuộc thi dành cho SV.

Trang 76

Hình 2.10 Chức năng thêm bài tập nhóm tại module Quản lí bài tập

Hình 2.11 Chức năng tạo cuộc thi tại module Quản lí Cuộc thi

2.6. Thiết kế hệ thống dạy học với sự hỗ trợ của AI

2.6.1. Thiết kế tiến trình dạy học với sự hỗ trợ của AI

Khi tổ chức dạy học với sự hỗ trợ của AI có thể thực hiện theo tiến trình gồm các bước như Hình 2.14. Tiến trình này là sự hiện thực hóa cơ sở lí thuyết về dạy học với sự hỗ trợ của AI vào trong thực tiễn quá trình dạy học, giúp các GV dễ dàng tiếp cận và áp dụng trong quá trình tổ chức và thực hiện dạy học.

Tiến trình tổ chức dạy học thực hiện theo lưu đồ gồm có 03 bước như sau: (1) Giai đoạn chuẩn bị dạy học; (2) Giai đoạn tổ chức dạy học; (3) Giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động dạy học.

01 Giai đoạn chuẩn bị dạy học

02 Giai đoạn tổ chức dạy học

03 Giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động dạy học

Học trực tiếp trên lớp

Chuẩn bị hệ thống dạy học có AI hỗ trợ

Đánh giá trên lớp học trực tiếp

Học trên hệ thống

Lập kế hoạch dạy học có AI hỗ trợ

Đánh giá trên hệ thống hỗ trợ dạy học

Thiết kế nguồn học liệu

Rút kinh nghiệm, chỉnh sửa hoàn thiện

Trang 77

Hình 2.12 Tiến trình tổ chức dạy học với sự hỗ trợ của AI

a) Giai đoạn chuẩn bị dạy học Đây là giai đoạn đầu tiên nhưng quan trọng vì công tác chuẩn bị càng chu đáo thì hiệu quả đạt được càng cao. Các bước triển khai cụ thể của giai đoạn chuẩn bị dạy học như Hình 2.15 sau:

01 Giai đoạn chuẩn bị dạy học

Thiết kế nguồn học liệu

Chuẩn bị hệ thống dạy học có AI hỗ trợ

Lập kế hoạch dạy học có AI hỗ trợ

Lập kế hoạch học tập của SV

Lập kế hoạch dạy học của GV

Hình 2.13 Các công việc trong giai đoạn chuẩn bị dạy học

- Chuẩn bị hệ thống dạy học có AI hỗ trợ: Ngoài việc chuẩn bị các điều kiện để triển khai dạy trực tiếp trên lớp theo phương pháp truyền thống, GV cần chuẩn bị hệ thống hỗ trợ dạy học có tích hợp AI. Trong trường hợp này, tác giả đề cập đến website hỗ trợ dạy học có địa chỉ là https://ailearn.com.vn. Hệ thống cần được cập nhật đầy đủ nguồn học liệu số theo chương trình học để SV tự học, hệ thống bài kiểm tra đánh giá theo chủ đề học để đảm bảo triển khai việc hỗ trợ dạy học hiệu quả, đạt mục tiêu đề ra.

- Lập kế hoạch dạy học có AI hỗ trợ: Về nguyên tắc, việc dạy – học với sự hỗ trợ của AI thực chất vẫn đảm bảo quy trình tổ chức dạy học trực tiếp như bình thường, tuy nhiên, điểm khác biệt chính là việc GV và SV sẽ kết hợp sử dụng hệ thống dạy – học có sự hỗ trợ của AI (website tại địa chỉ https://ailearn.com.vn) để triển khai các hoạt động dạy – học song song và bổ trợ cho việc triển khai dạy – học trực tiếp. Khi xây dựng kế hoạch dạy học với sự hỗ trợ của AI, GV cần quan tâm đến việc phân bổ nội dung, thời lượng học trên lớp và tự học của SV; đồng thời lựa chọn các hình thức kiểm tra, đánh giá phù hợp với nội dung, hình thức dạy – học. Trong bước này, kế hoạch cần làm rõ kế hoạch dạy học của GV và kế hoạch học tập của SV.

+ Kế hoạch dạy học của GV: Kế hoạch nêu rõ (1) nội dung bài dạy là gì, (2) PPDH được sử dụng là gì, (3) cách thức kiểm tra, đánh giá như thế nào (bộ công cụ kiểm tra, đánh giá được sử dụng với sử hỗ trợ của AI) + Kế hoạch học tập của SV: Xây dựng kế hoạch học tập của SV đảm bảo hoàn thành được chương trình, đạt các chuẩn đầu ra môn học.

Trang 78

- Thiết kế nguồn học liệu: Đối với việc dạy học với sự hỗ trợ của AI, nguồn học liệu cũng có vai trò quan trọng và là một phần không thể tách rời khỏi quá trình tổ chức dạy học. Như đã nói ở trên, nguồn học liệu được đề cập đến

trong luận án này là những tài liệu học tập dưới dạng video, văn bản, hệ thống các bài thi, bài kiểm tra dưới hình thức trắc nghiệm trực tuyến. Giai đoạn tổ chức dạy học b)

02 Giai đoạn tổ chức dạy học

Học trực tiếp trên lớp

Học trên hệ thống hỗ trợ dạy học có tích hợp AI

Hình 2.14 Các công việc trong giai đoạn chuẩn bị dạy học

Giai đoạn tổ chức dạy học bao gồm hai hoạt động được triển khai song song hoặc xen kẽ nhau, đó là:

- Học trực tiếp trên lớp: Việc dạy học trên lớp sẽ triển khai như phương pháp truyền thống với các bước như ổn định lớp/khởi động; kiểm tra bài cũ và sự chuẩn bị bài mới của SV; triển khai nội dung dạy mới kết hợp các hình thức thảo luận/ bài tập cá nhân/ bài tập nhóm; củng cố kiến thức, giao nhiệm vụ về nhà cho SV (bao gồm cả nội dung học tập trên hệ thống hỗ trợ dạy học có tích hợp AI nêu trên).

- Học trên hệ thống hỗ trợ dạy học có tích hợp AI: Song song với việc triển khai dạy học trực tiếp trên lớp, nội dung dạy học trên hệ thống hỗ trợ dạy học có tích hợp AI là một bước quan trọng, có ý nghĩa trong việc tổ chức dạy học theo phương pháp mà luận án đang đề xuất. Hệ thống sẽ hỗ trợ thực hiện “cá nhân hóa” việc học của SV thông qua các đề xuất, khuyến nghị cụ thể:

+ Đối với GV: Trên cơ sở kế hoạch dạy học đã được lập tại giai đoạn chuẩn bị dạy học (phần a nêu trên), GV sẽ đưa ra các yêu cầu đối với SV (về nội dung tự học, các bài tập hoặc bài kiểm tra cần hoàn thành…).

Trang 79

+ Đối với SV: SV thực hiện các nội dung tự học theo tiến độ/kế hoạch mà GV đưa ra hoặc chủ động việc học của mình. Sự hỗ trợ của AI trong hệ thống này thể hiện ở nội dung khuyến nghị trong và sau khi SV thực hiện các bài kiểm tra đánh giá. Nội dung khuyến nghị được đưa ra là nhóm các câu hỏi có mức độ kiến thức tương đương với những câu trả lời mà SV đã làm sai … và các tài liệu hỗ trợ học tập tương ứng. Việc học trên hệ thống với sự hỗ trợ của AI có thể thực hiện nhiều lần nhằm đảm bảo SV được củng cố kiến thức thông qua việc được làm lại nhiều lần các câu hỏi kiểm tra hoặc chủ động học lại/học trước các tài liệu được cung cấp trên hệ thống.

c) Giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động

03 Giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động

Đánh giá trên lớp học trực tiếp

Đánh giá trên hệ thống hỗ trợ dạy học

Rút kinh nghiệm, chỉnh sửa hoàn thiện

Hình 2.15 Các công việc trong giai đoạn kiểm tra, đánh giá và điều chỉnh các hoạt động

Sau khi thực hiện dạy học, GV đánh giá lại xem quá trình dạy học đạt được chuẩn đầu ra hay mục tiêu mà kế hoạch dạy học đã đặt ra không. Từ ưu điểm và nhược điểm trong quá trình dạy học để cải thiện, hiệu chỉnh và rút kinh nghiệm cho bài dạy sau:

- Đánh giá trên lớp học trực tiếp: GV lựa chọn các hình thức đánh giá phù hợp theo nội dung học tập trên lớp với cách đánh giá như trong PPDH truyền thống (cuối mỗi buổi học, kết thúc chương học hoặc nhóm bài học có kiến thức liên quan đến nhau dưới dạng bài tập lớn…).

- Đánh giá trên hệ thống hỗ trợ dạy học: Quá trình dạy học với sự hỗ trợ của AI (thông qua website) diễn ra song song với quá trình dạy học trực tiếp trên lớp, do đó GV sẽ thiết kế các bài kiểm tra để SV tự làm, sự hỗ trợ của AI thể hiện thông qua việc đưa ra các đề xuất, gợi ý trong quá trình SV làm bài kiểm tra.

- Rút kinh nghiệm, chỉnh sửa, hoàn thiện: trong quá trình dạy học, các phản hồi của người học (thông qua các đánh giá sau buổi học), của hệ thống (thông qua hệ thống các gợi ý cho SV có đảm bảo sự đa dạng về nguồn học liệu không, các báo cáo tổng hợp do hệ thống trích xuất ra theo yêu cầu của người dùng) là cơ sở để GV điều chỉnh rút kinh nghiệm, điều chỉnh kế hoạch giảng dạy. Tương tự, SV cũng có thể dựa trên kết quả học tập (thông qua kết quả kiểm tra, đánh giá của hệ thống) để tự điều chỉnh lộ trình học (hoặc thực hiện theo lộ trình đề xuất của hệ thống).

2.6.2. Thiết kế website dạy học với sự hỗ trợ của AI

2.6.2.1. Giới thiệu công cụ lập trình

Trang 80

Hệ thống website được xây dựng mới, trừ các công cụ chatbot sử dụng lại từ các nhà phát triển có sẵn. Website bao gồm nhiều phân hệ chức năng, trong đó phân hệ Chatbot sử dụng các công cụ sẵn có và tích hợp vào (Messenger của Facebook và ChatGPT), các phân hệ còn lại được xây dựng mới. Một số thông tin cơ bản về các công cụ lập trình và quản trị cơ sở dữ liệu của hệ thống:

- Ngôn ngữ lập trình PHP: PHP (viết tắt của cụm từ Personal Home Page) là ngôn ngữ lập trình kịch bản (scripting language) mã nguồn mở được dùng phổ biến để ra tạo các ứng dụng web chạy trên máy chủ.

hình MVC trên mô – View (Model dựa

- Frameword Laravel: Laravel là một PHP Framework mã nguồn mở miễn phí, được phát triển bởi Taylor Otwell với phiên bản đầu tiên được ra mắt vào tháng 6 năm 2011. Laravel ra đời nhằm mục đích hỗ trợ phát triển các ứng dụng web, – Controller). Laravel hiện được phát hành theo giấy phép MIT, với source code được lưu trữ tại Gitthub. - Cơ sở dữ liệu MySQL: MySQL là một hệ thống quản trị cơ sở dữ liệu mã

nguồn mở (gọi tắt là RDBMS) hoạt động theo mô hình client-server.

- Reactjs: React là một thư viện UI phát triển tại Facebook để hỗ trợ việc xây dựng những thành phần (components) I có tính tương tác cao, có trạng thái và có thể sử dụng lại được.

2.6.2.2. Phân tích chức năng hệ thống

Trang 81

Công cụ dạy học với sự hỗ trợ của AI được đề cập trong luận án này tập trung vào nội dung chính là cá nhân hóa học tập và Chatbot để hỗ trợ quá trình dạy và học. Chương 1 của luận án đã giới thiệu một số nét chính về Chatbot và cá nhân hóa học tập, trong phần này sẽ trình bày kĩ hơn về quá trình triển khai ứng dụng thực tế trong giảng dạy.

Đăng nhập/ Đăng xuất/ Tạo tài khoản

Cập nhật thông tin cá nhân

Tài khoản cá nhân

Thay đổi mật khẩu

Chat bot

Lấy lại mật khẩu thông qua email

BI Tool

Chấm điểm tự động

Liên hệ phản hồi

Kiểm tra đầu vào

Đánh giá nhận xét trên thuật toán KNN

Hệ thống ML Course (End-user)

Bài tập cá nhân

Bài tập tự luận nộp file

Bài tập nhóm

Tài liệu khóa học

Đánh giá chéo cá nhân

Đánh giá chéo

Đánh giá chéo nhóm

Khóa học

Đánh giá chấm điểm tự động

Bài tập trắc nghiệm

Gợi ý bài học theo năng lực

Đánh giá chấm điểm tự động

Cuộc thi

Đánh giá nhận xét trên thuật toán KNN

Tìm kiếm

Tạo cuộc thi ảo

Quản lí group

Hình 2.16 Sơ đồ BFD của hệ thống hỗ trợ dạy học

Trang 82

Trong đó: - Quản lí tài khoản cá nhân (User): Phân hệ này có chức năng quản lí tài khoản cá nhân giúp người dùng (User) thực hiện các thao tác tạo tài khoản, đăng nhập, đăng xuất, cập nhật, thay đổi thông tin cá nhân.

- Chatbot: Dựa trên cơ sở dữ liệu có sẵn, Chatbot đưa ra những câu trả lời cho người sử dụng thông qua các từ khóa.

- Khóa học: Ở phân hệ này, người dùng tham gia các bài kiểm tra đầu vào của khóa học, tham gia học bằng cách đọc tài liệu, làm các bài tập trắc nghiệm, bài tập nhóm, bài tập cá nhân. Sau khi thực hiện các bài tập cũng như các bài kiểm tra, hệ thống sẽ đưa ra các lời nhận xét, các bài học cùng mức độ để người học thực hiện. Kết thúc khóa học, người học có thể tự tạo cho mình một cuộc thi ảo với bộ đề và thời gian đã được thiết lập sẵn. Kết thúc cuộc thi, người học nhận được kết quả làm bài kèm theo lời nhận xét. - BI Tool: cung cấp chức năng trích xuất các báo cáo dữ liệu theo nhiều yêu

cầu khác nhau của người dùng. - Liên hệ phản hồi: ser trao đổi với quản trị (admin) hệ thống qua qua trang

Hệ thống ML Course (admin)

Quản lí lịch sử

Quản lí tài khoản

Quản lí Slide

Quản lí khóa học

Tìm kiếm

Quản lí liên hệ phản hồi

Xem lịch sử

Khóa tài khoản

Thêm Slide

Quản lí bài kiểm tra đầu vào

Danh sách liên hệ

Sửa Slide

Mở khóa tài khoản

Quản lí bài tập tự luận nộp file

Xử lí liên hệ thông qua email

Xóa Slide

Quản lí tài liệu khóa học

Danh sách Slide

Quản lí đánh giá chéo

Quản lí bài tập trắc nghiệm

Quản lí cuộc thi

Quản lí loại bài tập

Xem đánh giá tổng quát về người học

liên hệ, và nhận lại phản hồi qua email đăng kí của người dùng.

Trang 83

Hình 2.17 Hệ thống phân cấp chức năng dành cho admin

Đối với admin, hệ thống cung cấp các chức năng như sau: - Quản lí lịch sử: Admin quản lí được thời gian làm bài tập của các user của theo từng khóa học; - Quản lí tài khoản: Admin quản lí danh sách người dùng, khóa/ mở khóa tài khoản người dùng;

- Quản lí slide: Quản lí danh sách slide, thêm/ xóa/sửa slide; - Quản lí khóa học: Ở phân hệ này, người quản lí thực hiện các chức năng như: Quản lí các bài kiểm tra đầu vào, các bài học, bài tập, các cuộc thi, xem tổng quát về quá trình học của user. Ở chức năng này, admin chỉ được phép mở/ khóa khóa học mà không được phép can thiệp vào nội dung khóa học của Giáo viên; - Quản lí liên hệ phản hồi: Thông qua trang quản lí, người quản lí xem được các danh sách liên hệ, và xử lí nội dung thông qua các email; - Tìm kiếm: Hệ thống tạo các bộ lọc để người dùng tìm kiếm một cách nhanh chóng các nội dung trong phần quản lí.

2.6.3. Chatbot

2.6.3.1. Mục đích sử dụng

Bên cạnh những thuận lợi về mặt tương tác (truyền đạt và thu thập kiến thức) trực tiếp, quá trình dạy – học trực tiếp giữa GV và SV gặp phải một số khó khăn như: SV ngại tương tác trực tiếp với GV, GV không đủ thời gian để theo dõi/ trả lời từng SV,

Như đã trình bày tại Chương 1, Chatbot hiện nay được nghiên cứu và triển khai ứng dụng ngày một rộng rãi trong dạy học. Các nghiên cứu cũng chỉ rõ những lợi ích khi triển khai Chatbot trong giáo dục như: (1) Truy cập nhanh; (2) Cho phép nhiều người dùng; (3) Hỗ trợ ngay lập tức; (4) Hỗ trợ cá nhân hóa.

Trong phạm vi của luận án, nghiên cứu sinh đưa Chatbot vào công cụ hỗ trợ dạy học (được tích hợp lên website) và xây dựng quy trình tổ chức dạy học tương ứng nhằm đạt được một số mục đích sau đây:

- Củng cố kiến thức cơ bản của người học: Thông qua việc trả lời các câu hỏi một cách tự động, Chatbot sẽ cung cấp thông tin, kiến thức liên quan bài học qua đó giúp SV củng cố kiến thức. Những kiến thức mới chưa được cập nhật vào hệ thống sẽ được Chatbot “học” để làm giàu thêm kho dữ liệu và tiếp tục hoàn thiện kiến thức cho người học trong các lần tương tác tiếp theo.

- Thu thập dữ liệu của người học thông qua nội dung tương tác nhằm từng bước cá nhân hóa học tập. Dữ liệu phục vụ cho Chatbot được xây dựng trên cơ sở các câu hỏi/ câu trả lời tương ứng liên quan đến nội dung các học phần. Kho dữ liệu này được xây dựng và phát triển thông qua 2 cách:

+ Dữ liệu sẵn có được nhập khi triển khai xây dựng website. Đây là những câu hỏi thường gặp liên quan đến nội dung môn học như khái niệm, công thức, cách sử dụng…;

Trang 84

+ Dữ liệu mà Chatbot “tự học”/“tự bổ sung” trong quá trình tương tác với người dùng. Thông qua việc thu thập dữ liệu, Chatbot sẽ “hiểu” và phân loại được SV (phong cách học tập, kiến thức cần cập nhật…) để từng bước “cá nhân hóa” việc học tập của SV.

- Tăng sự tương tác của người học: Chatbot cho phép nhiều SV tương tác cùng một lúc, không hạn chế về thời gian/không gian tương tác, đồng thời không gặp các rào cản tâm lí lo ngại khi hỏi đáp với GV nên sẽ góp phần tăng sự tương tác của người học.

2.6.3.2. Thiết kế Chatbot

Phân hệ Chatbot có nhiệm vụ cung cấp giao diện cho phép người dùng truy vấn nội dung học tập bằng các câu lệnh ngôn ngữ tự nhiên của con người. Người học có thể học tập theo cách thức truyền thống hoặc thông qua Chatbot. Đối với cách học truyền thống, website cung cấp hệ thống học liệu số cho phép người dùng truy cập, tham khảo và học tập một cách chủ động. Chatbot là một công cụ bổ sung cho phép người học thay đổi cách tương tác với hệ thống bằng cách gõ các nội dung hỏi vào hộp thoại. Với thiết kế đó, Chatbot đóng vai trò là một trợ lí ảo tiếp nhận và trả lời cho người học.

Có rất nhiều khung Chatbot được đề xuất bởi các cộng đồng và nhóm khác nhau (ví dụ: Wit.ai – Facebook, Microsoft Bot Framework – Microsoft...) [130][131][132]. Mỗi framework dựa trên các môi trường lập trình khác nhau, loại hội thoại, mô hình dữ liệu, phương pháp đào tạo... Tuy nhiên, chúng có cùng một mục đích đó là chủ động nhận tin nhắn từ người dùng và tạo câu trả lời một cách thuận tiện.

Câu hỏi của SV

Phân tích câu hỏi của SV

Ý định của người dùng

Ngữ cảnh của người dùng

Ý định của người dùng Thông tin ngữ cảnh

Phản hồi của hệ thống

Phản hồi

Hình 2.18 Cấu trúc chung của Chatbot (Nguồn:[133])

Một Chatbot thông thường sẽ có 2 thành phần chính là thành phần phân tích tin nhắn của người dùng, thành phần tạo phản hồi [133]. Thành phần phân tích tin nhắn của người dùng sử dụng kĩ thuật xử lí ngôn ngữ tự nhiên để hiểu những gì người dùng đang nói. Nó bao gồm 2 nhiệm vụ chính:

Trang 85

- Xác định ý định của người dùng: mục đích của công việc này là xác định ý định của người dùng thông qua tin nhắn của họ. Nó có thể được coi là mục tiêu của các thông điệp. - Trích xuất ngữ cảnh của người dùng: đối với mỗi ý định của người dùng, một bộ thông tin ngữ cảnh cụ thể được trích xuất từ thông báo.

a) Kiến trúc hệ thống Dựa vào các nghiên cứu [67], một hệ thống Chatbot điện tử trên nền website https://ailearn.com.vn được cài đặt, các kết quả nghiên cứu và triển khai của hệ thống này đã được trình bày trong một bài báo của tác giả và các cộng sự.

Trang 86

Hình 2.19 Công cụ Chatbot của hệ thống

Đăng nhập/ Đăng xuất/ Tạo tài khoản

Cập nhật thông tin cá nhân

Tài khoản cá nhân

Thay đổi mật khẩu

Lấy lại mật khẩu thông qua email

Chat Facebook

Chat bot

ChatGPT

BI Tool

Kiểm tra đầu vào

Hệ thống ML Course (End-user)

Liên hệ phản hồi

Bài tập tự luận nộp file

Tài liệu khóa học

Khóa học

Đánh giá chéo

Tìm kiếm

Bài tập trắc nghiệm

Quản lí group

Cuộc thi

Trang 87

Hình 2.20 Sơ đồ cấu trúc hệ thống ML course

Hình 2.21 Kiến trúc hệ thống tương tác E-learning (Nguồn: [67])

b) Facebook Messenger Chatbot * Giao diện Chatbot trên web được triển khai như sau: - Tạo trang Facebook: Cần phải tạo trang Facebook vì hiện tại chỉ cho phép kết nối trang Facebook với một ứng dụng Facebook. - Tạo ứng dụng Facebook: Ứng dụng Facebook được thiết kế để tương tác với các nền tảng của Facebook thông qua API.

- Liên kết ứng dụng Facebook với trang Facebook: Nếu người dùng gửi tin nhắn đến trang Facebook được liên kết với ứng dụng Facebook, nó sẽ tạo ra một sự kiện tới webhook (Webhook là một công nghệ rất tiện dụng trong việc triển khai các phản ứng sự kiện (event) trên website. Webhook cung cấp một giải pháp giúp ứng dụng server-side thông báo cho ứng dụng phía client- side khi có sự kiện phát sinh đã xảy ra trên máy chủ (event reaction). Cũng chính vì vậy, ứng dụng client-side sẽ không cần phải liên tục hỏi hoặc check với ứng dụng server-side) tương ứng. Do đó, các lập trình viên có thể lấy dữ liệu do người dùng gửi cho quá trình xử lí tiếp theo.

Trang 88

* Kịch bản hội thoại Chatbot được thiết kế để giao tiếp với người học trong các trường hợp sau: - Chatbot được đào tạo để phản hồi hội thoại thông thường: lời chào, phép lịch sự, cảm xúc...

Hình 2.22 Giao diện của Chatbot trên website

- Chức năng trả lời các câu hỏi của người dùng về nội dung học tập: Người dùng có thể yêu cầu Chatbot cung cấp các nội dung học tập bằng cách gõ nội dung câu hỏi vào ô soạn thảo.

Hình 2.23 Giao diện người dùng tương tác với hệ thống qua Chatbot

Trang 89

* Xây dựng các lệnh định sẵn Hệ thống cung cấp 1 loạt các câu hỏi thường được người dùng đặt ra với tần suất cao, điều này giúp người dùng có thể tương tác ngay với hệ thống mà không cần hiểu nhiều về cách sử dụng Chatbot, nó tương tự cách chúng ta thấy khi tương tác với trợ lí ảo Siri của hệ điều hành iOS. Những gợi ý này sẽ xuất hiện và thay đổi tùy theo ngữ cảnh. Chẳng hạn, khi khởi động website, Chatbot có thể gợi ý từ ngữ để đưa người dùng vào các ngữ cảnh học tập khác nhau. Trong ngữ cảnh cụ thể, bot sẽ gợi ý một số câu để người dùng lựa chọn thay vì phải gõ.

Hình 2.24 Giao diện cửa số tương tác với các câu hỏi gợi ý sẵn

* Xây dựng cơ sở dữ liệu Chatbot Để xây dựng dữ liệu cho Chatbot, người quản trị cần chuẩn bị bộ câu hỏi/ từ khóa và câu trả lời liên quan về chủ đề để đưa lên hệ thống. Các bước xây dựng kho dữ liệu được thực hiện như sau: - Bước 1: Trên fanpage, để thiết lập Chatbot thì chọn đến mục trả lời tự động > Lựa chọn vào phần “kịch bản trả lời tự động” cho fanpage của mình.

- Bước 2: Xác định mục tiêu của phần trò chuyện, ở đây chọn mục tiêu chia sẻ thông tin và chọn “câu hỏi thường gặp” và chọn “Tạo tin trả lời tự động” để bắt đầu cung cấp dữ liệu cho Chatbot.

Hình 2.25 Giao diện tạo các nội dung trả lời tự động

Trang 90

Khung hội thoại sẽ hiển thị, lúc này bắt đầu xây dựng kịch bản trả lời các từ khóa/câu hỏi.

Hình 2.26 Giao diện chức năng xây dựng kịch bản trả lời

Cuối cùng sẽ chọn Lưu thay đổi để lưu toàn bộ dữ liệu vừa cập nhật vào hệ thống.

Các bước để sử dụng Chatbot như sau: - Bước 1: Tiếp nhận tin nhắn từ người dùng nhập ở cửa sổ Chatbot; - Bước 2: Phân tích nội dung tin nhắn, dựa vào nội dung câu hỏi để truy xuất dữ liệu từ cơ sở dữ liệu được xây dựng sẵn; - Bước 3: Tìm kiếm từ khóa của câu hỏi trong kho dữ liệu có sẵn và phản hồi

cho người dùng. Xảy ra 2 trường hợp: + Tìm thấy từ khóa/nội dung hỏi tương ứng trong cơ sở dữ liệu thì thực hiện phản hồi thông tin cho người dùng ra cửa sổ chat.

Trang 91

+ Không tìm thấy nội dung tương ứng trong cơ sở dữ liệu thì sẽ không có thông tin phản hồi từ hệ thống. Do hiện nay, website đang sử dụng Chatbot của facebook messenger nên không thể tự học/ cập nhật dữ

Nhận thông tin của người dùng

Phân tích

liệu tự động, thay vào đó, người quản trị có nhiệm vụ theo dõi và cập nhật các dữ liệu chư đầy đủ. Để hoàn thiện việc tự học của Chatbot thì cần xây dựng mới hoàn toàn.

Không

Xuất thông tin trả lời người dùng

Kiểm tra dữ liệu

Yêu cầu thêm, cập nhật dữ lệu

Database hệ thống

Có

Hình 2.27 Sơ đồ hoạt động của Chatbot

c) ChatGPT Sử dụng hệ thống mã nguồn mở có sẵn được tích hợp vào website. Công cụ ghi nhận các câu hỏi, từ khóa người học nhập vào để đưa ra những câu trả lời dựa trên nguồn dữ liệu được đào tạo sẵn. Website sử dụng ChatGPT thông qua API được cung cấp bởi OpenAI.

Trang 92

Để sử dụng được ứng dụng trên, người dùng phải tạo tài khoản openAI, sau đó tạo mới một app với API key được cung cấp cho app sử dụng. Từ API key đã được cung cấp, người dùng sử dụng tài liệu API là tích hợp vào web.

Hình 2.28 Giao diện trang OpenAI

Hiện nay, do ChatGPT chưa được miễn phí nên người dùng phải mua tài khoản và nộp tiền để có dung lượng dùng. Trong quá trình tương tác, số tiền nạp vào tài khoản sẽ bị trừ dần theo dung lượng đã dùng. Người sử dụng có thể kiểm tra dung lượng (hoặc số tiền còn lại trong tài khoản) bằng cách truy cập vào mục usage của trang thông tin.

Trang 93

Hình 2.29 Giao diện trang kiểm tra dung lượng sử dụng của ChatGPT

d) Đánh giá việc ứng dụng của Chatbot trong hỗ trợ tương tác với người trên hệ thống - Chatbot của Facebook Messenger:

+ Ưu điểm: Ứng dụng miễn phí, giao diện quen thuộc với người dùng và dễ cài đặt do đa số SV đều có tài khoản Facebook. Nguồn dữ liệu hỏi đáp do chính người dùng xây dựng nên đảm bảo được đúng theo + Hạn chế: (1) Sử dụng miễn phí nên không thể can thiệp và điều chỉnh một số cài đặt của Chatbot như không cài đặt được nội dung trả lời tự động trong trường hợp không tìm thấy câu trả lời trong cơ sở dữ liệu; (2) Phần nội dung trả lời cho câu hỏi bị hạn chế số từ, do đó khi cài đặt câu trả lời phải ngắn gọn hoặc phải đính kèm thêm link tài liệu để người học có thể tham khảo thêm; (3) Cơ sở dữ liệu phải xây dựng mới nên mất nhiều thời gian. - Sử dụng ChatGPT

+ Ưu điểm: Kho dữ liệu đa dạng và đồ sộ; Tốc độ trả lời nhanh; ChatGPT có khả năng xử lí một lượng lớn thông tin và tương tác của người dùng. Khả năng hoạt động 24/7, công cụ này có thể cung cấp thông tin và phản hồi nhanh chóng; ChatGPT có thể cung cấp các đề xuất và hỗ trợ thông tin được cá nhân hóa dựa trên các tương tác và sở thích trước của người dùng. + Hạn chế: (1) Hiện nay, để sử dụng tài khoản ChatGPT, người dùng phải tốn phí tạo tài khoản và mua dung lượng dùng; (2) Người dùng vẫn lo ngại về nguy cơ bảo mật, bị đánh cắp thông tin nếu công cụ không được bảo mật đúng cách. (3) Khó khăn về ngôn ngữ: ChatGPT có thể gặp khó khăn trong việc hiểu cách ngôn ngữ khác nhau hoặc giọng điệu, cách diễn đạt không chuẩn, dẫn đến hiểu lầm, đặc biệt đối với sự phong phú và đa nghĩa của tiếng Việt. Khả năng xử lí các yêu cầu phức tạp hoặc nhiều sắc thái còn hạn chế; (4) Đến thời điểm hiện tại, vẫn còn nhiều nghi ngại về độ chính xác của các thông tin trả lời do ChatGPT cung cấp.

2.6.4. Cá nhân hóa

2.6.4.1. Mục đích

Theo kết quả khảo sát thế hệ Thiên niên kỷ toàn cầu năm 2019 của Deloitte, thế hệ Millennial (gen Z) sẽ là một thế hệ xem trọng những trải nghiệm, trong đó xu hướng cá nhân hoá trải nghiệm đang dần trở thành chuẩn mực trong tất cả các ngành nghề và dịch vụ. Trong lĩnh vực giáo dục, mô hình cá nhân hoá trải nghiệm học tập cũng đã xuất hiện từ lâu và ngày càng phát triển mạnh mẽ trong thời đại 4.0. Như đã phân tích ở chương 1, cá nhân hoá trong giáo dục là một phương pháp đặc biệt nhằm điều chỉnh việc học phù hợp với nhu cầu, sở thích và năng lực của mỗi người học, dựa trên những đặc tính cá nhân của họ. Trong khuôn khổ của luận án, tác giả đưa ra một số mục đích chính khi đưa cá

nhân hóa vào trong hệ thống hỗ trợ dạy học cho SV ngành CNTT:

Trang 94

(1) Tăng mức độ tương tác của SV đối với hệ thống Việc cá nhân hóa trải nghiệm trong học tập giúp SV trở thành người quyết định (hoặc quyết định 1 phần) quá trình học tập của mình. Với sự hỗ trợ của AI, các kiến thức được hệ thống khuyến nghị và cung cấp đến SV thông qua quá trình chắt lọc sẽ

có sát với nhu cầu mà người học đang tìm kiếm hoặc đang cần, từ đó kích thích khả năng tương tác và tốc độ ghi nhớ thông tin. (2) Tăng động lực học tập của SV thông qua việc tạo ra trải nghiệm học tập mới, phù hợp với xu thế.

Trong bối cảnh mà AI đang trở thành một xu thế, trào lưu thu hút đông đảo người dùng thì các hệ thống dạy học hoặc hỗ trợ dạy học có tích hợp AI sẽ thu hút SV sử dùng, tạo cơ hội để SV có các trải nghiệm học tập mới, bắt kịp xu thế.

(3) Giảm thời gian tìm kiếm thông tin hỗ trợ học tập Quá trình cá nhân hoá trải nghiệm học tập được xây dựng dựa trên những nghiên cứu về đặc tính, điểm mạnh, điểm yếu, trình độ của mỗi cá nhân. Vì thế, phương pháp cá nhân hoá sẽ giúp bạn đỡ mất thời gian vào việc học những khái niệm không cần thiết, không phù hợp với trình độ và kinh nghiệm của bản thân. Việc tập trung vào những nội dung kiến thức cần thiết sẽ giúp người học đạt hiệu quả nhanh hơn, rút ngắn thời gian chinh phục mục tiêu học tập. (4) Góp phần cải thiện kết quả học tập của SV Rất nhiều nghiên cứu đã chỉ ra rằng cá nhân hoá trong giáo dục có thể cải thiện kết quả học tập nhờ thay đổi cách tiếp cận với người học. Cá nhân hoá cung cấp cho người học những tài liệu đúng với nhu cầu hơn, kích thích tương tác với nội dung học thuật, từ đó cải thiện kết quả trong học tập.

2.6.4.2. Các bước xây dựng cơ sở dữ liệu cho “cá nhân hoá” học tập

Để thực hiện được việc cá nhân hóa trong học tập, luận án cần xây dựng kho dữ liệu phục vụ cho việc sử dụng thuật toán KNN bao gồm dữ liệu nhận xét, đánh giá và kho đề thi trắc nghiệm môn học (đánh giá quá trình, đánh giá kết thúc học phần). a) Xây dựng kho đề thi trắc nghiệm

- GV xác định mục tiêu và các nội dung cần đánh giá quá trình học của SV. - Trên cơ sở nội dung đã xác định, GV lựa chọn bộ câu hỏi tương ứng với từng nội dung và xác định độ khó của bài tập để hệ thống gợi ý cho SV khi làm bài.

Ví dụ: Bộ đề gồm có 10 câu hỏi, GV quy định nếu trả lời đúng sẽ được 10 điểm, trả lời sai 1 lần bị trừ 1 điểm, số lần submit tối đa là 3 lần (quy định này được thiết lập cho từng câu hỏi khi nhập lên hệ thống). Mức điểm tích lũy để hệ thống gợi ý và mở bài cho SV làm được quy định như sau:

- Câu 1 và 2: độ khó bằng 0 điểm; - Câu 3, 4, 5: độ khó bằng 15 điểm; - Câu 6, 7: độ khó bằng 40 điểm; - Câu 8, 9, 10: độ khó bằng 55 điểm.

Để xác định độ khó của câu hỏi, GV phải tính toán kết quả làm bài của SV. Ở bộ 10 câu hỏi trên, độ khó được xác định bằng điểm tối thiểu SV đạt được sau 3 lần submit.

Trang 95

Ví dụ: Từ câu 1 đến câu 3 nếu mỗi câu SV đều submit đến lần 3 mới có kết quả đúng thì tổng số điểm SV đạt được sẽ là 24 điểm (điểm này là điểm tí h ũy), câu 4 SV đạt 10 điểm, câu 5 SV đạt 9 điểm. Như vậy, tổng điểm tích lũy SV đạt được là 43 điểm. Với điểm 43 điểm tích lũy, hệ thống sẽ cho phép SV làm các câu 6,7 vì 2 câu này được thiết lập với mức điểm cần đạt là 40 điểm.

- Sau khi xác định được nội dung và độ khó của câu hỏi, GV đưa dữ liệu lên hệ thống theo từng chương, từng nội dung để SV học.

b) Quy trình hỗ trợ của hệ thống - SV tiến hành học, lựa chọn bài học theo từng chương. Hệ thống sẽ hiển thị bộ câu hỏi theo từng chương đã được thiết lập sẵn.

- Như ví dụ ở trên, Chương 1 có 10 câu hỏi với các mức độ khó được thiết lập sẵn. Ở câu 1, SV trả lời lần thứ nhất sai thì bị trừ 1 điểm trên tổng số điểm câu 1, SV làm lại lần 2 cho kết quả đúng thì số điểm SV đạt được là 9 điểm. Với điểm tích lũy này, hệ thống sẽ gợi ý SV làm câu số 2, vì câu 2 ở đây độ khó bằng 0.

- Ở câu 2, SV làm ngay lần đầu tiên đúng, đạt được 10 điểm. Vậy sau 2 câu, SV đạt được 19 điểm. Hệ thống sẽ gợi ý ra câu hỏi số 3, 4 và 5, vì số điểm tích lũy của SV đạt được đã vượt qua độ khó của câu hỏi do GV quy định mức điểm cần đạt để được làm bài tập. Ở câu 3, SV trả lời cả 2 lần đều sai thì sau mỗi lần sai hệ thống gợi ý cho SV các câu hỏi cùng mức, ở đây sẽ gợi ý câu 4 và 5.

- Ở mỗi lần trả lời sai, SV sẽ nhận được lời nhận xét và các câu hỏi khác cùng mức để làm bài hoặc chọn tài liệu tham khảo để đọc, tìm hiểu thêm kiến thức sau đó quay trở lại làm bài tập. Còn nếu trả lời đúng thì hệ thống đưa ra lời nhận xét, các câu hỏi cùng mức (nếu điểm tích lũy chưa đạt để mở các bài tập có độ khó cao hơn) hoặc câu hỏi có độ khó cao hơn. - Đối với bài tập cuối khóa học. Hệ thống sẽ xuất ra bộ câu hỏi ngẫu nhiên gồm 20 câu hỏi có trong kho đề có sẵn để SV thực hiện. Sau khi học, hệ thống đều lưu lại kết quả học của SV vào database nhằm phục vụ cho việc đánh giá SV của GV.

2.6.4.3. Các phân hệ chức năng thực hiện “cá nhân hóa” học tập

Hỗ trợ "cá nhân hoá" học tập

Đánh giá quá trình BI Tool Đánh giá kết thúc học phần

Trang 96

Hình 2.30 Cá nhân hóa học tập

Chấm điểm tự động

Kiểm tra đầu vào

Đánh giá nhận xét trên thuật toán KNN

Bài tập cá nhân

Bài tập tự luận nộp file

Bài tập nhóm

Tài liệu khóa học

Đánh giá chéo cá nhân

Đánh giá chéo

Khóa học

Hệ thống ML Course (End- user)

Đánh giá chéo nhóm

Đánh giá chấm điểm tự động

Bài tập trắc nghiệm

Gợi ý bài học theo năng lực

Đánh giá chấm điểm tự động

Cuộc thi

Đánh giá nhận xét trên thuật toán KNN

Tạo cuộc thi ảo

Hình 2.31 Sơ đồ kiến trúc hệ thống (phân hệ tổ chức khóa học)

2.6.4.4. Minh họa quá trình thực hiện trên khoá học

Trang 97

Khoá học trên website được tổ chức song song với khoá học trực tiếp trên lớp (không thay thế các bước tổ chức lớp học trực tiếp mà chỉ có tính chất hỗ trợ quá trình dạy học). Phần dưới đây minh hoạ các bước thực hiện của SV trong một khoá học được mở trên website:

Bước 1: SV vào hệ thống để xem các khóa học đang được mở, lựa chọn khóa học phù hợp với nhu cầu của mình để học.

Hình 2.32 Giao diện các khóa học

Bước 2: SV tham gia làm bài kiểm tra quá trình. Bộ đề kiểm tra được cung cấp theo tiến độ học tập của SV trên lớp (theo chương, bài… đã học). Việc kiểm tra này vừa giúp SV ôn tập kiến thức cũ đã học, đánh giá mức độ nắm bài đồng thời tích lũy điểm kiểm tra trong suốt quá trình học.

Hình 2.33 Giao diện thông báo SV tham gia làm bài kiểm tra

Trang 98

- SV lựa chọn bài học trong danh sách được hiển thị và bấm “Bắt đầu” để tham gia bài kiểm tra.

Hình 2.34 Giao diện bài kiểm tra quá trình của SV

Các bài kiểm tra được thiết kế gồm nhiều câu hỏi dưới dạng trắc nghiệm kiến thức, những người được cấp quyền có thể cài đặt các thông số liên quan đến bài kiểm tra (ví dụ số lần được làm lại câu hỏi, điểm của các câu trả lời đúng, điểm trừ khi trả lời sai, điểm tích luỹ sau khi trả lời đúng 1 câu …).

Sau khi hoàn thành tất cả các câu trắc nghiệm, SV xác nhận nộp bài. Hệ thống sẽ căn cứ vào kết quả mà SV đạt được để đưa ra lời nhận xét. Những lời nhận xét đưa ra có tính chất động viên, khuyến khích hoặc lưu ý SV ở những nội dung chưa làm tốt, các nhận xét này dùng để tham khảo chứ không thay thế điểm số chấm cho SV.

Trang 99

Hình 2.35 Giao diện phần chấm điểm tự động của hệ thống

Đối với các bài kiểm tra sau khi được thực hiện, SV trả lời sai sẽ đưa ra bài gợi ý cùng mức độ hoặc mức độ thấp hơn để học. Trong trường hợp SV trả lời sai các câu hỏi trong bài kiểm tra, hệ thống sẽ căn cứ vào điểm tích lũy trong quá trình làm bài đó để đưa ra các câu hỏi gợi ý trả lời phù hợp. Công việc tại bước 2 này được thực hiện nhiều lần do kết thúc mỗi bài học thì SV đều làm bài kiểm tra quá trình.

Các bài kiểm tra định kì này được SV làm khi kết thúc mỗi bài học, sau khi hoàn thành tất cả các bài học, SV sẽ thực hiện bài kiểm tra tổng kết học phần (trên hệ thống gọi là Cuộc thi ảo) như mô tả tại bước 3 sau đây.

Bước 3: SV chọn tham gia cuộc thi ảo để làm Bài kiểm tra cuối khóa học. Hệ thống sẽ xuất ngẫu nhiên bộ câu hỏi gồm 20 câu hỏi có trong kho đề để SV làm. Các bước thực hiện được mô tả sau đây.

Hình 2.36 Giao diện chức năng Tạo cuộc thi ảo

- SV chọn cuộc thi  Tạo cuộc thi ảo để bắt đầu làm bài. Sau khi làm bài xong thì chọn Nộp bài để hoàn tất.

Trang 100

Hình 2.37 Giao diện phần làm bài thi của SV

Hình 2.38 Hệ thống đưa ra lời nhận xét và kết quả

Tương tự như các bài kiểm tra quá trình được thực hiện cuối mỗi bài học, sau hi thực hiện xong bài kiểm tra kết thúc học phần, hệ thống căn cứ trên số câu điểm đạt được để đưa ra các lời nhận xét.

2.7. Kịch bản dạy học với sự hỗ trợ của công nghệ AI

Trong suốt quá trình dạy – học cho SV với sự hỗ trợ của công nghệ AI, GV thực hiện kết hợp hoạt động dạy học trên lớp và dạy học trên hệ thống. Giả sử số lượng tuần học được đánh thứ tự từ 1 đến n, kịch bản quá trình dạy học được mô tả ở Bảng 2.2 dưới đây:

Bảng 2.2 Kịch bản dạy học với sự hỗ trợ của công nghệ AI

Tuần Hoạt động dạy học trực tiếp trên lớp Hoạt động dạy học trên hệ thống website có tích h p AI (ngoài giờ trên lớp)

GV SV

1

GV + Tiếp tục hướng dẫn và hỗ trợ SV các nội dung đã triển khai trên lớp.

Trang 101

+ Giới thiệu các nội dung cơ bản về môn học. + Hướng dẫn SV sử dụng, thao tác thành + Thực hiện các nội dung do GV hướng dẫn về cách thức sử dụng công cụ học tập (website) cũng SV + Thực hiện các nội dung GV đã hướng dẫn trên lớp. + Trao đổi các vướng mắc (nếu có) để được GV

Tuần Hoạt động dạy học trực tiếp trên lớp Hoạt động dạy học trên hệ thống website có tích h p AI (ngoài giờ trên lớp)

hướng dẫn, giải đáp.

như cách khai thác tài các nguyên học tập được cung cấp trên website. + Ghi nhớ và có thể thực hiện thành thục các thao tác trên hệ thống để đảm bảo việc dạy – học ra diễn đúng yêu cầu.

2 … n

+ Thực hiện các nội dung học tập theo lớp trên hướng dẫn của GV.

+ Hướng dẫn SV thực hiện việc học/ tự học trên hệ thống website. + Theo dõi quá trình học, làm bài kiểm tra của SV trên (dựa thông tin lưu vết trên hệ thống) để kịp thời nhắc nhở, hỗ trợ.

Thực hiện các bước theo yêu cầu của GV, bao gồm: + Học lại kiến lớp trên thức thông qua các liệu được tài cung cấp trên website. + Làm bài kiểm tra quá trình theo tiến độ của bài học trên lớp (Riêng tuần cuối cùng của khoá học thì làm thêm bài kiểm tra kết thúc khoá học).

Trang 102

trên hệ thạo thống dạy học có sự hỗ trợ của công nghệ AI (website). + Giới thiệu hệ thống nguồn học liệu số (bao gồm tài liệu học tập chính thức và nguồn tài liệu tham khảo; hệ thống các bài tập…). + Trình bày các nội dung trọng tâm của bài học theo kế hoạch giảng dạy đã được xây dựng. + Tổ chức các hoạt động giảng dạy. + Trao đổi, thảo luận. + Thực hiện các bài kiểm tra, đánh giá tại lớp để kiểm tra mức độ hiểu bài của SV. + Đưa ra các yêu cầu SV cần thực hiện trên hệ thống dạy học website) sau giờ học. + Giới thiệu nội dung bài học tiếp của buổi theo.

* Chiến lược hỗ trợ SV: Việc lập chiến lược hỗ trợ học tập trong mô hình dạy học với sự hỗ trợ của công nghệ AI nhằm giúp SV giải đáp những thắc mắc trong quá trình học trên hệ thống website hay trực tiếp. Các thông tin trên hệ thống dạy học với sự hỗ trợ của AI được sử dụng phục vụ cho việc hỗ trợ SV bao gồm: - Thông tin theo dõi quá trình học của SV (số lần học/truy cập hệ thống; số lần làm bài kiểm tra…);

- Kết quả mỗi lần kiểm tra, các nhận xét đánh giá của hệ thống; - Các nội dung tương tác với chatbot thể hiện sự quan tâm của SV, phần

kiến thức SV tra cứu nhiều…

Căn cứ trên các thông tin thống kê được, GV sẽ biết được những phần kiến thức (bài học) SV còn yếu để có sự nhắc nhở, gợi ý/cung cấp tài liệu/bài tập bổ trợ (bên cạnh những hỗ trợ trực tiếp từ hệ thống trong quá trình học của SV). Việc thực hiện một cách thường xuyên, liên tục quá trình hỗ trợ nêu trên sẽ giúp SV không ngừng nâng cao kiến thức, bổ sung những phần kiến thức còn yếu. Sự hỗ trợ học tập này còn nhằm khuyến khích và động viên người học để người học cũng cần cảm thấy tự tin trong việc sử dụng công nghệ và nhận thức được các khía cạnh "xã hội" trong việc cộng tác và giao tiếp trong môi trường trực tuyến giống như trong lớp học truyền thống. Sự hỗ trợ liên tục này của GV ngoài giờ lên lớp cho sinh viên là cần thiết để truyền thông hiệu quả giữa SV, GV.

Ngoài ra, việc tăng khai thác hiệu quả hệ thống dạy học với sự hỗ trợ của AI nêu trên còn giúp GV giảm thời gian bổ trợ kiến thức trên lớp (do SV đã được hệ thống hỗ trợ), giảm thời gian nắm tình hình/ mức độ hiểu bài của SV (hệ thống đã theo vết và thống kê các kết quả kiểm tra của SV).

Tiểu kết chương 2

Chương 2 của luận án đã tập trung giải quyết một số vấn đề chính sau đây: Thứ nhất, luận án trình bày những đặc điểm chính của ngành CNTT và yêu cầu đào tạo cho SV ngành CNTT, chỉ ra nhu cầu đào tạo nguồn nhân lực trong lĩnh vực CNTT là rất lớn (thể hiện ở chỉ tiêu tuyển sinh trong các năm gần đây ở một số trường đại học lớn của các khu vực tại Việt Nam). Ngoài ra, các nội dung phân tích về chương trình đào tạo, các nguyên tắc thiết kế dạy học với sự hỗ trợ của AI… đóng vai trò quan trọng trong việc đề xuất một mô hình dạy học cũng như thiết kế khoá học học phần cơ sở cho SV ngành CNTT với sự hỗ trợ của AI.

Thứ hai, các biện pháp áp dụng AI trong hỗ trợ dạy học cho SV ngành CNTT cũng được phân tích cụ thể. Theo đó, 2 biện pháp được dùng để hỗ trợ dạy học cho SV ngành CNTT chính là sử dụng Chatbot và cá nhân hoá học tập. - Hệ thống ML Course có tích hợp Chatbot đã cung cấp hỗ trợ nghiên cứu và phát triển cho SV bằng cách đưa ra các phản hồi phù hợp trong các cuộc trò chuyện về các vấn đề liên quan đến các môn học được triển khai thực nghiệm. Hai ứng dụng được tích hợp phục vụ cho chức năng Chatbot chính là Chatbot của Facebook Messenger và ChatGPT.

Trang 103

- Cá nhân hoá học tập của người học được triển khai thông qua việc xây dựng cơ sở dữ liệu phù hợp (dữ liệu đánh giá, nhận xét; kho đề trắc nghiệm…) và áp dụng

thuật toán KNN để phân lớp dữ liệu của SV (kết quả các bài kiểm tra quá trình, bài kiểm tra kết thúc học phần).

Thứ ba, mô hình dạy học với sự hỗ trợ của AI được tác giả đề xuất trong luận án là mô hình mà ở đó có sự kết hợp, tương tác chặt chẽ giữa 3 yếu tố là GV, SV và AI. Các yếu tố này đặt trong một môi trường dạy – học cụ thể. Để triển khai được mô hình dạy học nêu trên, tác giả phải tiến hành thiết kế khóa học với những yếu tố trong môi trường dạy học và các phương tiện dạy học đảm bảo yêu cầu; nguồn học liệu số tương ứng với nội dung dạy học và yêu cầu của khóa học, môn học cụ thể. Đặc biệt, để triển khai thực nghiệm sư phạm, tác giả tiến hành phân tích yêu cầu, xây dựng hệ thống website hỗ trợ dạy học có tích hợp AI tại địa chỉ https://ailearn.com.vn/. Đây chính là công cụ và công nghệ hỗ trợ việc dạy học cho SV ngành CNTT. - Công cụ được sử dụng để hỗ trợ dạy học cho SV ngành CNTT là hệ thống các bài kiểm tra dưới dạng trắc nghiệm được xây dựng theo các quy tắc cụ thể. Song song với hệ thống bài thi trắc nghiệm là các tài liệu học tập được cung cấp theo chương trình chuẩn của nhà trường.

- Công nghệ áp dụng là website được tích hợp Chatbot (bao gồm Chatbot của Facebook Messenger và ChatGPT) và việc cá nhân hoá học tập thực hiện thông qua việc sử dụng thuật toán phân lớp dữ liệu KNN. Website được đặt tại đường dẫn https://ailearn.com.vn/. Website được thiết kế với giao diện dễ nhìn, phù hợp cho việc triển khai các khoá học dành cho SV nói chung và SV ngành CNTT nói riêng.

Trang 104

Việc đề xuất một tiến trình dạy học có sự hỗ trợ của AI với công cụ dạy học là 1 website có sử dụng Chatbot và cá nhân hoá học tập, SV được khuyến khích học tập thông qua những trải nghiệm mới. Việc triển khai hệ thống hỗ trợ dạy học có tích hợp AI sẽ góp phần nâng cao sự tương tác giữa SV với hệ thống, hỗ trợ GV trong việc cung cấp kiến thức, tạo môi trường để SV ôn tập nội dung học cũ và tự học các bài học mới.

CHƯƠNG 3. THỰC NGHIỆM VÀ ĐÁNH GIÁ

Tóm tắt chương 3

Chương 3 tập trung vào hai nội dung chủ yếu là: (1) Mục đích, đối tượng và phương pháp thực nghiệm: (2) Đánh giá kết quả thực nghiệm: trong đó, nghiên cứu sinh thực hiện đánh giá kết quả thực nghiệm dựa trên các phương pháp là: Phương pháp chuyên gia, phương pháp điều tra thông tin và phương pháp thực nghiệm sư phạm.

3.1. Mục đích, đối tượng, phương pháp thực nghiệm và

đánh giá

3.1.1. Mục đích thực nghiệm và đánh giá

Việc kiểm nghiệm và đánh giá được thực hiện nhằm đạt được các mục đích sau đây: (1) Mục đích chung: Kiểm tra tính đúng đắn của giả thuyết khoa học mà luận án đã đề xuất; (2) Mục đích cụ thể: Đánh giá tính khả thi và hiệu quả của tiến trình và các biện pháp đã đề xuất.

3.1.2. Địa điểm, đối tượng thực nghiệm và đánh giá

(1) Với phương pháp chuyên gia, những người được hỏi ý kiến, tham gia thảo luận là các GV đang nghiên cứu, giảng dạy ngành CNTT tại một số trường đại học ở Việt Nam. Đó là những người có trình độ, có kinh nghiệm trong nghiên cứu và giảng dạy chuyên ngành CNTT. Danh sách chuyên gia được trình bày trong Phụ lục 6.

(2) Với phương pháp thực nghiệm sư phạm: - Địa điểm thực nghiệm sư phạm: Các thiết kế thực nghiệm được tiến hành tại Trường Đại học CNTT và Truyền Thông Việt – Hàn, Trường Đại học Sư phạm. Đây là hai trường đại học thành viên của Đại học Đà Nẵng, là các cơ sở đào tạo có uy tín, luôn chủ động, tích cực trong việc ứng dụng CNTT vào đổi mới PPDH.

- Đối tượng thực nghiệm: SV đại học hệ chính quy đang theo học các ngành CNTT. Học phần thực nghiệm tại Trường Đại học CNTT và Truyền thông Việt – Hàn là Tin học đại cương (C/C++), học phần thực nghiệm tại Trường Đại học Sư phạm là Đồ họa máy tính. Danh sách SV được trình bày trong các Phụ lục 7, 8, 9.

3.1.3. Phương pháp thực nghiệm và đánh giá

Trang 105

Mục đích của thử nghiệm là đánh giá hiệu quả của hệ thống trong việc ghi nhận các yêu cầu của SV năm thứ nhất về một khoá học lập trình C/C++ và học phần Đồ hoạ máy tính. Hơn nữa, khả năng sử dụng của hệ thống đã được SV đánh giá sau khoá học.

Bảng 3.1 Thông tin lớp thực nghiệm sư phạm

STT Đối tư ng thực nghiệm

1 Số SV lớp TN 50 Số SV lớ ĐC 50

2 SV Trường Đại học CNTT và Truyền thông Việt – Hàn SV Trường Đại học Sư phạm 67 67 Nội dung thực nghiệm Dạy học với sự hỗ trợ của Chatbot Dạy học với sự hỗ trợ của cá nhân hóa học tập

Việc triển khai Chatbot đã được cài đặt trên nền tảng E-learning với website đặt tại địa chỉ https://ailearn.com.vn cho SV thuộc Trường Đại học CNTT và Truyền thông Việt – Hàn và nội dung thực nghiệm về cá nhân hoá học tập được triển khai cho SV Trường Đại học Sư phạm thuộc Đại học Đà Nẵng với học phần Đồ họa máy tính.

3.2. Đánh giá kết quả thực nghiệm

3.2.1. Phương pháp chuyên gia

3.2.1.1. Nội dung và tiến trình thực hiện

a) Nội dung Nội dung phương pháp chuyên gia được tiến hành qua phương pháp phỏng vấn và phương pháp điều tra bằng phiếu hỏi. Cụ thể:

(1) Phương pháp phỏng vấn được thực hiện song song với phương pháp điều tra bằng phiếu hỏi. Tác giả đã trực tiếp xin ý kiến một số chuyên gia có trình độ và kinh nghiệm trong lĩnh vực giáo dục và các chuyên gia trong giảng dạy ngành CNTT.

(2) Phương pháp điều tra bằng phiếu hỏi được thực hiện để xin ý kiến chuyên gia về tính khả thi của việc dạy học với sự hỗ trợ của AI cho SV ngành CNTT. Nội dung xin ý kiến xem cụ thể tại Phụ lục. Trong đó, luận án đề nghị các chuyên gia ghi mức độ đồng ý của mình cho các

nội dung dưới đây với quy ước rằng: 1 – Hoàn toàn không đồng ý 2 – Phần lớn không đồng ý 3 – Phân vân 4 – Phần lớn đồng ý 5 – Hoàn toàn đồng ý

Bảng 3.2 Bảng hỏi khảo sát ý kiến của chuyên gia

Tên biện pháp Tính h p lí Ý kiến khác

Tính cần thiết Tính khả thi

Trang 106

Sử dụng Chatbot hỗ trợ SV học tập Các yếu tố trong mô mình phù hợp với môi trường đại học Mô hình được đề xuất là xu hướng trong tương lai về sử dụng công nghệ trong dạy học Sử dụng TTNT giúp cá nhân hóa học tập

Tên biện pháp Tính cần thiết Tính h p lí Tính khả thi Ý kiến khác

cho SV Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV

b) Tiến trình thực hiện Ở đây đề tài trình bày tiến trình thực hiện phương pháp sử dụng phiếu hỏi. Tiến trình thực hiện như sau:

Bước 1: Biên soạn nội dung xin ý kiến chuyên gia. Bước 2: Lập danh sách chuyên gia. Các chuyên gia ở đây là những GV có thâm niên công tác và uy tín, hiện đang nghiên cứu, giảng dạy chuyên ngành CNTT ở một số trường đại học.

Bước 3: Gửi phiếu xin ý kiến chuyên gia. Gặp một số chuyên gia để trao đổi. Bước 4: Thu phiếu, xử lí kết quả (tổng hợp thông tin, phân tích thông tin, tổng hợp kết quả phiếu xin ý kiến chuyên gia). Bước 5: Tiến hành chỉnh sửa, hoàn thiện tiến trình tổ chức dạy học và các biện pháp đề xuất theo các góp ý của cụ thể của các chuyên gia.

3.2.1.2. Kết quả khảo sát

Bảng 3.3 Bảng phân tích kết quả khảo sát ý kiến chuyên gia

STT Hệ số Cronbach's Alpha: 0,683

Mean N

SD Mức độ đá ứng 4 4 4 4 4 3,8302 53 0,82592 3,8491 53 0,84116 3,6792 53 0,87208 4,0755 53 0,78076 3,6981 53 1,04853 Xếp thứ tự 3 2 5 1 4 1 2 3 4 5

Trang 107

Kết quả đánh giá từ phiếu xin ý kiến chuyên gia cho thấy việc sử dụng Chatbot, cá nhân hoá học tập, nội dung, phương pháp, tiến trình đề xuất để tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI là có tính khả thi, đáp ứng được các yêu cầu khi tổ chức dạy học các môn cơ sở ngành; đảm bảo tính khả thi để các GV tổ chức thực hiện dạy học. 100% các quan điểm đưa ra đều đạt mức độ chấp nhận là 4. Cụ thể từng biện pháp, các ý kiến chuyên gia về “Tính cần thiết”, “Tính hợp lí”, “Tính khả thi” được thể hiện trong các bảng dưới đây.

a) Phân tích định lượng * Tính cần thiết

Bảng 3.4 Kết quả tính cần thiết về mức độ đồng ý

Mứ độ đồng ý

Tính cần thiết 1 2 4 5 Trung bình Độ lệch chuẩn 3

5 0 0 36 12 4,13 0,55 Sử dụng Chatbot hỗ trợ SV học tập

0 0 6 37 10 4,08 0,54

Các yếu tố trong mô mình phù hợp với môi trường đại học

0 0 11 28 11 3,89 0,8

Mô hình được đề xuất là xu hướng trong tương lai về sử dụng công nghệ trong dạy học

0 0 16 25 22 4,3 0,67 Sử dụng AI giúp cá nhân hóa học tập cho SV

0 0 19 20 10 3,7 0,87

Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV

Dựa vào Bảng 3.4, nội dung 4 “Sử dụng AI giúp cá nhân hóa học tập cho SV” được các chuyên gia cho có mức độ đồng ý cao nhất với điểm trung bình 4,3 (mức độ đồng ý cao). Tiếp đến là nội dung 1 “Sử dụng Chatbot hỗ trợ SV học tập” có điểm trung bình 4,13. Điều đó thể hiện rằng việc dùng AI như Chatbot và cá nhân hóa sẽ giúp SV cải thiện hiệu suất học tập của mình cũng như kết quả học tập. Nội dung được đánh giá thấp nhất là nội dung số 5 “Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV” với mức điểm trung bình chỉ đạt 3,7. Điều này cho thấy rằng, dù trong thời đại công nghệ số nhưng ở Việt Nam hiện tại có nhiều nguyên nhân dẫn đến việc giai đoạn này vẫn chưa cần thiết hoàn toàn đưa AI vào mà chỉ một phần nào đó đưa AI vào là phù hợp hơn.

* Tính hợp lí

Bảng 3.5 Kết quả mức độ đồng ý của tiêu chí “Tính hợp lí”

Mứ độ đồng ý

Tính h p lí 1 2 4 5 Trung bình Độ lệch chuẩn 3

0 0 35 12 6 4,11 0,58 Sử dụng Chatbot hỗ trợ SV học tập

Trang 108

0 0 6 36 11 4,09 0,56 Các yếu tố trong mô mình

Mứ độ đồng ý Trung bình

Độ lệch chuẩn

Tính h p lí phù hợp với môi trường đại học

0 0 12 27 14 4 0,78

Mô hình được đề xuất là xu hướng trong tương lai về sử dụng công nghệ trong dạy học

0 0 3 29 21 4,33 0,58 Sử dụng AI giúp cá nhân hóa học tập cho SV

0 0 18 24 11 3,8 0,86

Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV

Dựa vào Bảng 3.5 về kết quả mức độ đồng ý của “Tính hợp lí” cho thấy: Các chuyên gia cũng đồng ý với hai nội dung 1, 4 về Chatbot và cá nhân hóa học tập sử dụng AI là hợp lí trong giai đoạn hiện nay (điểm trung bình lần lượt là 4,11 và 4,33). Mức độ đồng ý tiếp theo là nội dung 2 “ Các yếu tố trong mô mình phù hợp với môi trường đại học” với mức điểm trung bình khá cao 4,09.

* Tính khả thi

Bảng 3.6 Kết quả mức độ đồng ý của tiêu chí “Tính khả thi”

Mứ độ đồng ý

Tính khả thi 1 2 4 5 Trung bình Độ lệch chuẩn 3

3 0 0 33 17 4,26 0,56 Sử dụng Chatbot hỗ trợ SV học tập

0 0 4 35 14 4,19 0,55

Các yếu tố trong mô mình phù hợp với môi trường đại học

0 0 8 25 18 4,11 0,8

Mô hình được đề xuất là xu hướng trong tương lai về sử dụng công nghệ trong dạy học

0 0 3 26 24 4,39 0,6 Sử dụng AI giúp cá nhân hóa học tập cho SV

0 0 11 22 20 4,17 0,75

Trang 109

Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV

Bảng 3.6 cho thấy, hầu hết chuyên gia đều cho rằng, các nội dung đều có tính khả thi với mức độ đồng ý cao (điểm trung bình từ 4,11 đến 4,39). Trong đó, nội dung 1 và nội dung 4 cũng được các chuyên gia đặt lên hàng đầu về tính khả thi. Điều này cũng cho thấy, các chuyên gia khẳng định trong thời đại công nghệ số này, việc áp dụng AI vào là có tính khả thi khi mà kiến thức học tập dành cho SV đa dạng nhưng GV thiếu thời gian hỗ trợ. Tương tự cá nhân hóa học tập với sự trợ giúp AI cũng được đánh giá khả thi.

b) Phân tích định tính Ngoài 3 tiêu chí là “Tính cần thiết”, “Tính hợp lí”, “Tính khả thi”, một số chuyên gia đã đề xuất biện pháp sử AI vào hỗ trợ như sau:

(1) Hệ thống học tập thông minh: AI có thể được sử dụng để tạo ra các hệ thống học tập thông minh, cung cấp thông tin và tư vấn cho SV. Ví dụ, một hệ thống Chatbot có thể được thiết kế để giải đáp các câu hỏi của SV về nội dung học tập hoặc tư vấn về lộ trình học tập.

(2) Học tập tùy chỉnh: AI có thể được sử dụng để phân tích dữ liệu về quá trình học tập của SV và tạo ra các lộ trình học tập tùy chỉnh cho từng SV. Như vậy, SV có thể được cung cấp nội dung học tập phù hợp với trình độ và sở thích của mình.

(3) Hệ thống đánh giá thông minh: AI có thể được sử dụng để phân tích và đánh giá các bài tập và bài kiểm tra của SV. Như vậy, giáo viên có thể cung cấp phản hồi nhanh chóng và tư vấn hỗ trợ để giúp SV cải thiện kết quả học tập. (4) Phát triển kĩ năng mềm: AI có thể được sử dụng để tạo ra các bài tập và hoạt động để phát triển kĩ năng mềm cho SV, như kĩ năng giao tiếp, kĩ năng lãnh đạo và kĩ năng giải quyết vấn đề.

(5) Điều chỉnh mức độ khó: AI có thể được sử dụng để đo lường trình độ của SV và điều chỉnh mức độ khó của bài tập và bài kiểm tra để phù hợp với trình độ của từng SV.

3.2.2. Phương pháp điều tra thông tin

3.2.2.1. Khảo sát về việc sử dụng Chatbot trong hỗ trợ SV học tập

Một khóa học nghiên cứu dành cho môn học Tin học đại cương, nội dung lập trình C/C++ đã được xem xét. Các kết qủa trình bày dưới đây đã được công bố trong bài báo của tác giả và các cộng sự (có đề cập đến ở danh mục công trình đã công bố ở cuối luận án này).

Trang 110

Lớp thứ nhất (lớp TN) có 50 SV và lớp thứ hai (lớp ĐC) cũng có 50 SV. Trong học kì, tất cả 50 SV ở lớp thực nghiệm đều sử dụng nền tảng và Chatbot và 50 SV còn lại của lớp đối chứng không sử dụng nền tảng Chatbot. Việc phân tích thử nghiệm chỉ được thực hiện về những SV đã vượt qua bài kiểm tra ở lần đầu tiên, 100% SV hoàn thành bài về những kiến thức cơ bản đối với môn học/học phần Tin học đại cương dành cho SV chuyên CNTT. Vào cuối khoá thực nghiệm, một cuộc khảo sát gồm sáu câu hỏi Q1,Q2,…Q6 đã được gửi đến những SV đã vượt qua kì thi.

Bảng 3.7 Bộ câu hỏi khảo sát SV về việc sử dụng Chatbot trong hỗ trợ học tập

Câu hỏi Q1

Q2 Q3 Q4 Q5

Nội dung Phản hồi ngay lập tức của công cụ Chatbot và GV trên website thu được thông qua Chatbot giúp tôi cải thiện việc học của mình. Chatbot giúp giải đáp thắc mắc nhanh cho bạn Chatbot giúp bạn định hướng bài học Chatbot có gợi ý chính xác về bài học Chatbot đưa ra một gợi ý chính xác, nhưng nó không phù hợp với nhu cầu thực sự của bạn Nhiều lúc Chatbot đưa ra một gợi ý sai

Q6 Kết quả cho thấy, hiệu suất của Chatbot trong việc cung cấp các đề xuất chính xác cho người dùng đã được đánh giá. Đặc biệt, ba tình huống khác nhau đã được xem xét:

- Chatbot đưa ra gợi ý chính xác; - Chatbot đưa ra một gợi ý chính xác, nhưng nó không phù hợp với nhu cầu thực sự của SV;

- Chatbot đưa ra một gợi ý sai. (3) Kết quả phiếu đánh giá theo tiêu chí: Sử dụng phương pháp bảng hỏi theo thang Likert 5 bậc, phương pháp thống kê mô tả để thu thập dữ liệu và sử dụng phần mềm SPSS xử lí số liệu nhằm đánh giá độ tin cậy của các biến quan sát. Chúng tôi đã tiến hành khảo sát mức độ hài lòng của 50 SV tham gia thực nghiệm. Vận dụng công thức (Max-Min)/n để tính khoảng phân biệt giữa các mức độ (5-1)/5 = 0.8. Do đó, có thể phân bố mức đánh giá như Bảng 3.8 sau: Bảng 3.8 Phân bố đánh giá mức độ của thang đo Likert

Mức Mức độ đồng ý

1 Giá trị trung bình (Mean ̅) 1.00 ≤ ̅ ≤ 1.80

2 3 4 5 Hoàn toàn không đồng ý Không đồng ý Đồng ý một phần Đồng ý Hoàn toàn đồng ý 1.81 ≤ ̅ ≤ 2.60 2.61 ≤ ̅ ≤ 3.40 3.41 ≤ ̅ ≤ 4.20 4.21 ≤ ̅ ≤ 5.00

Bảng 3.9 Đánh giá trung bình, phương sai và thứ bậc của các câu hỏi

Trang 111

Câu hỏi Q1 Q2 Q3 Q4 Q5 Q6 Giá trị trung bình (Mean ̅) 4,36 3,84 4,28 3,7 4,24 4,26 Variance 0,32 0,55 0,41 0,7 0,47 0,56

Qua khảo sát mức độ đồng ý khi tham gia khoá học với sự hỗ trợ của Chatbot trong Bảng 3.9 cho thấy rằng: Điểm trung bình cao nhất là 4,36 trong câu hỏi 1 (Q1) (4.21 ≤ ̅ ≤ 5.00), SV hoàn toàn đồng ý với việc phản hồi ngay lập tức của công cụ Chatbot, mức thấp nhất của giá trị trung bình trong câu hỏi 4 là 3,7 ( 3.41 ≤ ̅ ≤ 4.20) là mức đồng ý, tức là SV đồng ý với việc “Chatbot có gợi ý chính xác về bài học”. Tuy vậy, dựa vào Bảng 3.9 chúng ta cũng thấy rằng với điểm trung bình của 4/6 câu hỏi SV đều hoàn toàn đồng ý, chiếm tỉ lệ gần 70%.

3.2.2.2. Khảo sát về cá nhân hóa trong học tập với sự hỗ trợ của AI

Để tiến hành khảo sát ý kiến của SV về việc ứng dụng AI nhằm cá nhân hoá học tập của người học, một trong những giải pháp để nâng cao chất lượng học tập của SV. Tác giả tiến hành xây dựng bộ câu hỏi khảo sát gồm 28 câu liên quan đến nhiều nhóm thông tin khác nhau. Đối tượng khảo sát là SV sẽ tham gia hai lớp TN (67 SV) và lớp ĐC (cũng có 67 SV) hệ chính quy của Trường Đại học Sư phạm (Đại học Đà Nẵng). Thông tin chi tiết của bộ câu hỏi SV về nội dung cá nhân hoá học tập xem tại Phụ lục 4. Bảng 3.10 Kết quả phân tích dữ liệu khảo sát về cá nhân hóa học tập

Hệ số Cronbach's Alpha: 0,873 Mã câu hỏi khảo sát Mean N SD

Trang 112

4,3731 3,8507 4,3433 3,7313 4,3582 4,2687 3,7910 4,3284 3,5224 4,1940 3,4478 3,0149 3,8358 3,6866 3,2090 3,3582 3,2239 3,2239 3,7612 3,6866 3,8657 4,0746 4,1940 4,1642 3,2836 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 67 0,59888 0,80253 0,64084 0,84535 0,62040 0,59243 0,80787 0,56106 0,95914 0,46836 1,00429 0,96126 0,89776 0,76295 0,99296 0,81094 0,73487 0,98197 0,74038 0,83863 0,77646 0,58552 0,63338 0,77062 1,09829 Mức độ đá ứng 5 4 5 4 5 5 4 5 4 4 4 3 4 4 3 3 3 4 4 4 4 4 4 4 3 Xếp thứ tự 1 11 3 15 2 5 13 4 18 6 19 28 12 16 26 22 24 24 14 16 10 9 6 8 23 C1 C2 C3 C4 C5 H1 H2 H3 H4 H5 K1 K2 K3 K4 K5 Q1 Q2 Q3 Q4 Q5 Q6 Q7 D1 D2 D3

Hệ số Cronbach's Alpha: 0,873 Mã câu hỏi khảo sát Mean N SD

3,3731 3,0597 3,4179 67 67 67 0,96665 0,85068 0,98703 Mức độ đá ứng 3 3 4 Xếp thứ tự 21 27 20 D4 D5 D6

Tổng thể bảng phân tích kết quả cho thấy, hệ số Cronbach's Alpha = 0,873 câu hỏi có giá trị trung bình cao nhất là C1 (mean = 4,3731) và thấp nhất là K2 (mean = 3,0149). Trong đó:

- Có 5/28 câu hỏi khảo sát nhận về kết quả đánh giá ở mức chấp nhận cao nhất (mức 5), chiếm 17,85%. Trong đó cao nhất là C1 (mean = 4,3731) và thấp nhất là H1 (mean = 4,2687). - Chiếm tỉ lệ cao nhất là các câu hỏi khảo sát đạt mức chấp nhận 4 (16/28 câu hỏi), chiếm 54,14%. - Có 7/28 câu hỏi khảo sát có kết quả chấp nhận ở mức trung bình (mức 3), chiếm 25%.

Phân tích riêng từng nhóm nội dung, ta có các kết quả như sau: Bảng 3.11 Kết quả phân tích dữ liệu khảo sát về việc giảng dạy trên khóa học có sử dụng AI

Hệ số Cronbach's Alpha h ng ủa khả sát: 0,873 Mã câu hỏi khảo sát Mean N SD

4,3731 3,8507 4,3433 3,7313 4,3582 67 67 67 67 67 ,59888 ,80253 ,64084 ,84535 ,62040 Mức độ đá ứng 5 4 5 4 5 Xếp thứ tự 1 4 3 5 2 C1 C2 C3 C4 C5

Dựa vào Bảng 3.11, chúng ta rút ra một số điểm sau: - Đây là phần nội dung nhận được sự đồng ý cao nhất trong bảng khảo sát với 5 câu đạt mức 5 (C1, C3 và C5) đồng thời cũng có giá trị trung bình cao nhất trong toàn bảng khảo sát. Như vậy đa số SV được khảo sát rất đồng tình với quan điểm “GV dạy học kết hợp AI giúp bạn có nhiều động lực học hơn khi theo đuổi phương pháp học được thiết kế cho riêng mình”, “Khóa học có sử dụng AI giúp bạn có thành tích và kết quả học tập cao hơn” và “Khóa học có sử dụng AI giúp bạn tăng cường quyền tự do của bản thân”.

- Hai câu còn lại trong bảng cũng nhận được mức độ đồng ý cao (mức 4). Như vậy, hầu hết các phát biểu liên quan đến việc triển khai các khoá học có sử

Trang 113

dụng AI đều được SV đồng tình với mức độ cao.

Bảng 3.12 Kết quả phân tích dữ liệu khảo sát về việc AI có thể giúp dự đoán nhu cầu của người học không?

Hệ số Cronbach's Alpha h ng ủa khả sát: 0,873 Mã câu hỏi khảo sát Mean N SD

4,2687 3,7910 4,3284 3,5224 4,1940 67 67 67 67 67 ,59243 ,80787 ,56106 ,95914 ,46836 Mức độ đá ứng 5 4 5 4 4 Xếp thứ tự 1 4 2 5 3 H1 H2 H3 H4 H5

Đối với kết quả phân tích dữ liệu khảo sát về việc AI có thể dự đoán nhu cầu của người học không? Bảng 3.12 cho thấy các kết quả sau:

- H1 (AI có thực sự giúp bạn tiếp thu kiến thức hiệu quả hơn các phương pháp dạy truyền thống) và H3 (AI giúp bạn cá nhân hóa trong học tập và giúp bạn cơ hội trong quá trình phát triển năng lực) có giá trị trung bình cao nhất đồng thời cũng đạt mức độ chấp nhận tối đa (mức 5). Điều này cho thấy, SV rất đồng ý với việc AI sẽ giúp họ cá nhân hoá học tập và đem lại hiệu quả học tập cao hơn.

- Các quan điểm còn lại cũng đạt mức độ chấp nhận là 4, trong đó H4 (AI giúp bạn có trách nhiệm hơn, có thể nhận thức được đâu là cách học hiệu quả) có giá trị mean thấp nhất nhóm với giá trị 3,5224.

Bảng 3.13 Kết quả phân tích dữ liệu khảo sát về mức độ thỏa mãn các nhu cầu tâm lí về học tập của SV có AI

Hệ số Cronbach's Alpha h ng ủa khả sát: 0,873 Mã câu hỏi khảo sát Mean N SD

3,4478 3,0149 3,8358 3,6866 3,2090 67 67 67 67 67 1,00429 ,96126 ,89776 ,76295 ,99296 Mức độ đá ứng 4 3 4 4 3 Xếp thứ tự 3 5 1 2 4 K1 K2 K3 K4 K5

Trang 114

Bảng 3.13 phân tích các kết quả khảo sát về mức độ thỏa mãn các nhu cầu tâm lí về học tập của SV có AI. Trong đó đạt giá trị trung bình cao nhất là K3 với mean = 3,8358. Đây là câu hỏi liên quan đến việc AI có giúp SV giải quyết những vấn đề khó hiểu liên quan bài học. Thấp nhất trong nhóm đồng thời cũng là quan điểm nhận được giá trị trung bình thấp nhất toàn bảng khảo sát là K2 (AI có thể trợ giúp trong một số lĩnh vực liên quan đến đánh giá và phản hồi), điều này cho thấy SV chưa thật sự tin tưởng vào những kết quả đánh giá và phản hồi mà AI đem lại.

Bảng 3.14 Kết quả phân tích dữ liệu khảo sát về khóa học và nội dung

Hệ số Cr nba h’s A ha h ng ủa khả sát: 0,873 Mã câu hỏi khảo sát Mean N SD

3,3582 3,2239 3,2239 3,7612 3,6866 3,8657 4,0746 67 67 67 67 67 67 67 ,81094 ,73487 ,98197 ,74038 ,83863 ,77646 ,58552 Mức độ đá ứng 3 3 4 4 4 4 4 Xếp thứ tự 5 6 6 3 4 2 1 Q1 Q2 Q3 Q4 Q5 Q6 Q7

Bảng 3.14 thể hiện kết quả phân tích dữ liệu khảo sát về khóa học và nội dung. Với 5/7 câu hỏi đạt mức chấp nhận là 4 (chiếm 71,43%) cho thấy đa số các quan điểm được nêu ra liên quan đến nội dung các khoá học đã xây dựng. Trong đó, Q7 đạt giá trị mean cao nhất (4,0746) và Q2, Q3 cùng đạt giá trị thấp nhất là 3,2239. Bảng 3.15 Kết quả phân tích dữ liệu khảo sát về hiệu quả sau bài học có AI

Hệ số Cronbach's Alpha h ng ủa khả sát: 0,873

Mã câu hỏi khảo sát Mean N SD

4,1940 4,1642 3,2836 3,3731 3,0597 3,4179 67 67 67 67 67 67 ,63338 ,77062 1,09829 ,96665 ,85068 ,98703 Mức độ đá ứng 4 4 3 3 3 4 Xếp thứ tự 1 2 5 4 6 3 D1 D2 D3 D4 D5 D6

Nhóm câu hỏi cuối cùng được khảo sát ý kiến của SV là các quan điểm về hiệu quả sau bài học có AI. Đây là nhóm mà có các quan điểm đạt giá trị thấp nhất trong bảng khảo sát với 50% câu có mức chấp nhận là 3 (D3, D4, D5). Điều này cho thấy, SV chưa thật sự hào hứng với khoá học dự kiến được triển khai thử nghiệm. 50% các quan điểm còn lại đạt mức chấp nhận là 4.

Như vậy, qua phân tích từng nhóm nội dung được khảo sát cho thấy, đa số SV nhận thấy những lợi ích mà AI đem lại trong quá trình học tập. Tuy nhiên, họ chưa thật sự tự tin để trải nghiệm thực tế.

3.2.3. Phương pháp thực nghiệm sư phạm

3.2.3.1. Các phương pháp kiểm tra được sử dụng

Kiểm tra T-test: Dữ liệu về tác động của dạy học với các công nghệ mới nổi đến thành tích học tập được lấy từ điểm kiểm tra sau thực nghiệm ở cả lớp thực nghiệm và lớp đối chứng. Dữ liệu được sử dụng là điểm số của SV trong bài kiểm tra sau thực nghiệm, tính trên thang 10 điểm. Trong phần mềm SPSS, một bài kiểm tra t- test (Independent Samples T-Test) được tiến hành để xác định xem liệu có sự khác biệt giữa điểm trung bình của điểm số kiểm tra lớp thực nghiệm và lớp đối chứng hay không.

Trang 115

Kiểm tra phân phối chuẩn (Normality analysis): Trong SPSS, các biểu đồ biểu diễn đường cong chuẩn được vẽ để quan sát liệu dữ liệu có được phân phối bình thường hay không.

3.2.3.2. Thực nghiệm về việc sử dụng Chatbot hỗ trợ học tập

Sau khi thực hiện khảo sát ý kiến của SV, tác giả luận án tiếp tục triển khai phần TN sư phạm đối với các SV được đề cập ở trên đây. Như đã trình bày, lớp TN có 50 SV và lớp ĐC cũng có 50 SV. Trước thực nghiệm: Bảng 3.16 Thông tin lớp TN và lớp ĐC trong nội dung về Chatbot

Tên lớp Tin học đại cương 5 (C/C++) Tin học đại cương 10 (C/C++) Số ư ng 50 50 Lớp Lớp TN Lớp ĐC

Để khẳng định năng lực đầu vào của lớp TN và lớp ĐC không có sự khác biệt về phương diện thống kê điểm trung bình (mức độ năng lực tương đương nhau), luận án thực hiện việc so sánh điểm trung bình của hai nhóm kiểm định bằng kiểm định T-test độc lập (Independent Samples T-test), với mức ý nghĩa 0,05. Ví dụ, giả thiết đặt ra ở trường Đại học CNTT và Truyền thông Việt - Hàn giữa hai lớp TN và ĐC như sau:

Gọi ̅ là điểm trung bình nhóm TN; ̅ là điểm trung bình nhóm ĐC. - Giải thuyết H0: ̅ ̅ (Không có sự khác biệt có ý nghĩa thống kê giữa điểm trung bình giữa lớp TN1 và lớp ĐC1)

- Đối thuyết: H1: ̅ (Có sự khác biệt có ý nghĩa thống kê giữa điểm trung bình giữa lớp TN1 và lớp ĐC1) Trong đó, TN1 và ĐC1 là tên gọi của lớp TN và ĐC ở giai đoạn trước khi tiến hành dạy thực nghiệm với sự hỗ trợ của Chatbot.

Kết quả điểm bài kiểm tra cả hai lớp trước TN: Trước TN, 2 lớp TN1 và ĐC1 thực hiện một bài kiểm tra đánh đánh giá đầu vào về những kiến thức liên quan đến học phần “Tin học đại cương (C/C++)” được học ở bậc THPT. Kết quả bài kiểm tra được thể hiện bảng dưới đây: Bảng 3.17 thể hiện kết quả kiểm định T-test độc lập năng lực của SV trước thực

nghiệm của hai lớp TN1 và ĐC1. Bảng 3.17 Kết quả kiểm định T-test độc lập năng lực của SV trước thực nghiệm của hai lớp TN1 và ĐC1

t Sig.

2,72 0,09 Trường Đại học CNTT và Truyền thông Việt - Hàn Lớp TN1 ĐC1 ̅ 8,11 7,92 S 0,59 0,96

Bảng 3.17 cho thấy, kiểm định Independent Samples T-test với các hệ số Sig. (2 đuôi) của nhóm TN và ĐC có giá trị bằng 0,09 > 0,05. Có nghĩa là không có sự khác biệt điểm trung bình giữa các lớp TN và ĐC.

Trang 116

Trong học kì, tất cả 50 SV ở lớp TN đều sử dụng nền tảng và Chatbot và 50 SV còn lại của lớp đối chứng không sử dụng nền tảng Chatbot. Việc phân tích thử nghiệm chỉ được thực hiện về những SV đã vượt qua bài kiểm tra ở lần đầu tiên,

100% SV hoàn thành bài về những kiến thức cơ bản đối với môn học/học phần Tin học đại cương dành cho SV chuyên CNTT. Từ bảng kết quả đánh giá định tính và định lượng dựa trên bài kiểm tra giữa hai nhóm TN và ĐC và đồng thời phân tích kết quả T-test độc lập (p), giá trị p =0,0013 < 0,05 đã phản ánh sự chênh lệch rõ rệt giữa điểm trung bình của hai lớp TN và ĐC thông qua sự hỗ trợ của Chatbot không có khả năng xảy ra ngẫu nhiên. Kết quả đánh giá của SV của hai nhóm TN và nhóm ĐC được cho trong đồ thị và các Bảng 3.18 dưới đây:

Đối tượng Mode

ĐC 7,7

TN 8,7

Median

7,7 7,6 1,02

8,7 8,4 0,85

S(SD) t-test độc lập (p) ES

0,0013 <0,05 0,784 > 0,5

Chỉ số ES = 0,784 > 0,5 và đạt xấp xỉ 0,8 nên mức độ ảnh hưởng của TN và ĐC là lớn.

Bảng 3.18 Tổng hợp các tham số thống kê của bài kiểm tra

Công thứ 3.1 Công thức tính giá trị hệ số ảnh hưởng ES

Giá trị ES (là hệ số ảnh hưởng) khi đánh giá là 0,784 > 0,5 và đạt xấp xỉ 0,8 như vậy tác động của nghiên cứu đã có mức ảnh hưởng lớn đến kết quả của lớp TN và nghiên cứu này có thể nhân rộng được. * Kết quả đánh giá định lượng về tác động của việc sử dụng Chatbot hỗ trợ SV học lập trình C/C++ đến kĩ năng của SV

Trang 117

- Mục đích: Đánh giá sự phát triển kĩ năng lập trình C/C++ trong hoc phần Tin học đại cương của SV của hai lớp ĐC và TN sau khi thực hiện kiểm nghiệm. - Nội dung: Tập trung 4 nội dung chính thuộc các chủ đề như: (1) Cấu trúc điều khiển; (2) Hàm; (3) Mảng; (4) Chuỗi. Trong đó, các kĩ năng được cho trong Bảng 3.19 dưới đây:

Bảng 3.19 Bảng mô tả nội dung bài học và chuẩn kĩ năng cần đạt

STT Chủ đề Nội dung/bài học Kĩ năng cần đạt

1 (2) Cấu trúc Switch Cấu trúc điều khiển

(3) Cấu trúc lặp

(1) Hàm đệ quy

2 Hàm (2) Macro

(1) Mảng 1 chiều

3 Mảng (2) Mảng 2 chiều

(1) Nhập và xuất chuỗi

4 Chuỗi (2) So sánh chuỗi (1) Cấu trúc lệnh If …Else Viết được đoạn chương trình sử dụng cấu trúc lệnh If …Else Viết được đoạn chương trình sử dụng cấu trúc lệnh Switch Viết được đoạn chương trình sử dụng cấu trúc lệnh lặp Giải được các bài toán sử dụng đệ quy Áp dụng hàm dạng Macro để lập trình Viết được chương trình xuất mảng 1 chiều dùng ngôn ngữ C/C++ Viết được chương trình xuất mảng 2 chiều dùng ngôn ngữ C/C++ Viết được đoạn chương trình nhập và xuất chuỗi So sánh được độ dài của hai chuỗi

- Kết quả 2 bài kiểm tra kĩ năng đối với hai lớp TN và ĐC được thể hiện trong Bảng 3.20 dưới đây. Bảng 3.20 Kết quả đánh giá kĩ năng lập trình C/C++ của hai lớp TN và ĐC

Trường Test t

Sig. 0,00 1 4,802

Trường Đại học CNTT và Truyền thông Việt - Hàn 2 5,54 0,00 Lớp TN1 ĐC1 TN1 ĐC1 ̅ 7,91 7,59 8,19 7,85 S 1,05 1,26 1,13 0,89

Bảng 3.20 cho thấy, ở kiểm định Independent Samples T-test với các hệ số Sig. (2 đuôi) của nhóm thực nghiệm và đối chứng, cả hai bài kiểm tra đều có giá trị bằng 0,00 < 0,05. Điều đó có nghĩa là có sự khác biệt điểm trung bình giữa các lớp TN và ĐC về kĩ năng lập trình C/C++ khi có tác động của hệ thống hỗ trợ lập trình có tích hợp TTNT ML Course.

Trang 118

Hệ thống ML Course có tích hợp Chatbot đã cung cấp hỗ trợ nghiên cứu và phát triển cho SV bằng cách phản hồi thích hợp các cuộc trò chuyện về các vấn đề liên quan đến tìm kiếm các vấn đền liên quan đến thuật toán trong lập trình C/C++. Nghiên cứu là một phần của chương trình giảng dạy đại học cho SV năm nhất và công nghệ Chatbot được tích hợp trên hệ thống E-learning trên trang website

https://ailearn.com.vn sử dụng để cung cấp các phản hồi khi SV cần thiết nhằm hướng tới một kết quả đầu ra được cải thiện.

Nghiên cứu này cung cấp các kết quả nghiên cứu trong thời gian đại dịch COVID-19 lan rộng ở Việt Nam, các khoá học sử dụng Chatbot trên nền tảng web rất ít được thực hiện ở Việt Nam đặc biệt là các trường đại học. Tuy vậy, nghiên cứu đã thử nghiệm thành công cho các lớp học ở bậc đại học với SV năm nhất. Họ đã rất hài lòng và cải thiện được hiệu suất cũng như kết quả học tập của họ.

3.2.3.3. Thực nghiệm về cá nhân hóa trong học tập với sự hỗ trợ của AI

Tương tự như quá trình thực nghiệm cho nhóm 100 SV về việc sử dụng Chatbot trong hỗ trợ học tập đã nêu trên, luận án tiếp tục triển khai đánh giá thực nghiệm đối với cá nhân hóa học tập với sự hỗ trợ của AI sẽ đem lại hiệu quả như thế nào.

Lớp TN có 67 SV và lớp ĐC cũng có 67 SV hệ chính quy của Trường Đại học Sư phạm (Đại học Đà Nẵng), học phần được lựa chọn triển khai thực nghiệm là Đồ họa máy tính. Trong học kì, tất cả 67 SV ở lớp TN đều sử dụng hệ thống hỗ trợ dạy học có tích hợp AI theo quy trình tổ chức dạy học đã đề xuất ở trên và 67 SV còn lại của lớp ĐC không sử dụng nền tảng. Việc phân tích thử nghiệm chỉ được thực hiện về những SV đã vượt qua bài kiểm tra ở lần đầu tiên, 100% SV hoàn thành bài về những kiến thức cơ bản đối với môn học/học phần Đồ họa máy tính dành cho SV chuyên CNTT.

Trang 119

Hình 3.1 Sơ đồ phân phối chuẩn lớp đối chứng

Hình 3.2 Sơ đồ phân phối chuẩn lớp thực nghiệm

Với hệ số Cronbach's Alpha = 0,983 của bảng khảo sát SV cho thấy độ tin cậy cao và có thể chấp nhận được để áp dụng trong nghiên cứu thực tế.

Bảng 3.21 Thống kê tổng trị số trung bình và độ lệch chuẩn

Mean Minimum Maximum Range Maximum / Minimum

Variance N of Items

6,851

6,478

7,224

,746

1,115

,278

2

Trị số trung bình và độ lệch chuẩn

2,912

2,722

3,102

,380

1,140

,072

2

Bảng 3.22 Trị số trung bình và phương sai TN-ĐC

N

Nhóm TN-ĐC Mean

Std. Deviation

Std. Error Mean

7,22

67

1,650

,202

6,48

67

1,761

,215

Trang 120

Bảng 3.22 cho thấy các giá trị trung bình, độ lệch chuẩn của lớp TN và lớp ĐC. Trong đó, giá trị trung bình của lớp TN > giá trị trung bình của lớp ĐC là 7,22 – 6,48 = 0,74, điểm trung bình của lớp TN tốt hơn lớp ĐC. Bảng 3.23 Paired Samples Correlations

N Correlation Sig. Nhóm TN-ĐC

67 ,969 ,000

Bảng 3.24 Kiểm định T-test độc lập

Std. Deviation Nhóm TN-ĐC

TN - ĐC Mean ,746 ,438 t 13,933 p- Value ,000

Bảng trên cho thấy chỉ số T-test độc lập (p) = 0,000 < 0.05. Bảng 3.25 Bảng đối chiếu 1 vài số liệu so sánh giữa lớp TN và lớp ĐC

ĐC TN

Mean 6,48 7,22

N 67 67

25

20

15

10

5

0

1

2

3

4

5

6

7

8

9

10

ĐC

TN

1,761 1,650 Std. Deviation

Trang 121

Hình 3.1 Biểu đồ so sánh điểm của lớp TN và lớp ĐC

35

30

25

20

15

10

5

0

1

2

3

4

5

6

7

8

9

10

ĐC

TN

120.00

100.00

80.00

Lớp ĐC

60.00

Lớp TN

40.00

20.00

0.00

1

10

2

3

7

9

6

8

4

Hình 3.2 Biểu đồ fi (%) đánh giá kết quả học tập SV

5 0 Hình 3.3 Tổng hợp các tham số thống kê của bài kiểm tra

Từ bảng kết quả đánh giá định tính và định lượng dựa trên bài kiểm tra giữa hai nhóm TN và ĐC và đồng thời phân tích kết quả T-test độc lập (p).

Giá trị p =0,000 < 0,05 đã phản ánh sự chênh lệch rõ rệt giữa điểm trung bình của hai lớp TN và ĐC thông qua sự hỗ trợ của Chatbot không có khả năng xảy ra ngẫu nhiên.

Tiểu kết chương 3

Trong chương 3, luận án đã tiến hành kiểm chứng tính khả thi của mô hình dạy học cho SV ngành CNTT.

Trang 122

Một là, tiến hành đo lường và đánh giá độ tin cậy của việc ứng dụng AI hỗ trợ dạy học cho SV ngành CNTT. Để thực hiện đo lường và đánh giá độ tin cậy của việc ứng dụng AI hỗ trợ dạy học cho SV ngành CNTT, luận án đã triển khai 3 phương pháp thực nghiệm thường dùng trong nghiên cứu khoa học giáo dục là phương pháp chuyên gia, phương pháp khảo sát ý kiến và thực nghiệm sư phạm. Tác giả sử dụng công cụ SPSS và phương pháp thống kê phổ biến để đo lường và đánh giá độ tin cậy nêu trên. * Đối với phương pháp lấy ý kiến chuyên gia:

Kết quả thực nghiệm cho thấy hướng nghiên cứu của luận án là hoàn toàn đúng đắn, giả thuyết khoa học đặt ra của luận án bước đầu được minh chứng là thuyết phục, các đề xuất về tiến trình và biện pháp tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI được đa số các chuyên gia, GV và SV tham gia thực nghiệm ủng hộ và đánh giá tốt. Hệ số Cronbach's Alpha của khảo sát ý kiến chuyên gia là 0,683 chứng tỏ độ tin cậy cao (mục 3.2.1.2). * Đối với phương pháp khảo sát ý kiến: - Luận án triển khai 02 bộ câu hỏi khảo sát (1) Bộ câu hỏi khảo sát về việc sử dụng Chatbot trong hỗ trợ học tập (gồm 6 câu hỏi), thực hiện với 877 SV; (2) Bộ câu hỏi khảo sát về việc AI hỗ trợ thực hiện cá nhân hóa học tập (gồm 28 câu hỏi), thực hiện với 124 SV.

- Qua ý kiến đánh giá và phản hồi của SV đã khẳng định đa số SV đánh giá cao việc Chatbot sẽ hỗ trợ SV trong việc học tập. Hệ số Cronbach's Alpha của khảo sát về cá nhân hoá học tập là 0,873 thể hiện độ tin cậy cao (mục 3.2.2.2).

- Đặc biệt, với việc hỗ trợ đưa ra những gợi ý về câu hỏi kiểm tra, nội dung kiến thức hỗ trợ cho phần kiểm tra đã làm sai, hệ thống đã thay GV 1 phần trong việc củng cố kiến thức cho SV. Ngược lại, SV có thể tự bổ sung các phần kiến thức chưa vững bằng cách tăng cường học tập trên hệ thống. Tất cả các số liệu thống kê đều cho thấy kết quả của các khảo sát là đáng tin cậy. Hai là, các kết quả nghiên cứu khẳng định có sự khác biệt có ý nghĩa thống kê về mức độ trải nghiệm và kết quả học tập giữa nhóm SV TN (học tập có sự hỗ trợ của AI) và ĐC (học tập không có sự hỗ trợ của AI). Để chứng minh luận điểm này, luận án đã triển khai thực nghiệm sư phạm đối với 2 nội dung sử dụng Chatbot và cá nhân hoá để hỗ trợ dạy học cho SV ngành CNTT (lớp TN), sau đó tiến hành các so sánh kết quả với lớp ĐC (học không có sự hỗ trợ của AI).

Các kết quả định lượng đã trả lời được nội dung câu hỏi số 6. Cụ thể là, Bảng 3.20 cho thấy ở kiểm định Independent Samples T-test với các hệ số Sig. (2 đuôi) của nhóm thực nghiệm và đối chứng, cả hai bài kiểm tra đều có giá trị bằng 0,00 < 0,05. Điều đó có nghĩa là có sự khác biệt điểm trung bình giữa các lớp TN và ĐC về kĩ năng lập trình C/C++ khi có tác động của hệ thống hỗ trợ lập trình có tích hợp TTNT ML Course. Kết quả học tập của nhóm TN tốt hơn nhóm ĐC đã khẳng định mô hình dạy học mà tác giả đề xuất cùng với việc triển khai website tại địa chỉ https://ailearn.com.vn để hỗ trợ dạy học là hiệu quả.

Trang 123

Tóm lại, việc áp dụng tiến trình và các biện pháp tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI là một hướng đổi mới trong PPDH phù hợp với xu thế phát triển của công nghệ hiện đại (đặc biệt là CNTT và truyền thông), góp phần phát triển năng lực tự học cho SV và từng bước nâng cao chất lượng và hiệu quả quá trình dạy học trong cơ sở đào tạo đại học. Kết quả thực nghiệm sư phạm cho thấy, các đề xuất trong tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI là phù hợp, khả thi và hiệu quả. Giải pháp đề ra đã góp phần tạo môi trường học tập hứng thú cho SV, hình thành và phát huy tinh thần tự học và tự khám phá tri thức của SV; góp phần nâng cao chất lượng dạy học trong nhà trường. Quá trình triển khai việc thực nghiệm sư phạm cũng chỉ ra những yêu cầu đối với GV trong việc đầu tư thời gian, công sức trong việc xây dựng nguồn học liệu số, nâng cao khả năng tương tác với các hệ thống dạy học trực tuyến có sự hỗ trợ của AI.

THẢO LUẬN

Luận án đã thực hiện một đánh giá có hệ thống các tài liệu về ứng dụng của công nghệ AI, đặc biệt tập trung phân tích tiềm năng, lợi ích, ảnh hưởng, ứng dụng cụ thể của Chatbot và cá nhân hoá học tập trong hỗ trợ dạy học cho SV ngành CNTT.

1. Những ư điểm của Chatbot và cá nhân hoá trong dạy học a) Đối với Chatbot Nếu nhìn ở góc độ tổng quát thì Chatbot là một tác nhân thông minh có khả năng tương tác với người dùng để trả lời một loạt câu hỏi và đưa ra câu trả lời thích hợp. Đó cũng có thể xem là một chương trình máy tính bắt chước và xử lí giao tiếp của con người, cho phép mọi người tương tác với các thiết bị kĩ thuật số như thể chúng đang nói chuyện với một người thực. Tuy nhiên, các nghiên cứu cũng nhận định rằng, một trong các vấn đề của Chatbot là chúng có xu hướng thiếu kĩ năng giao tiếp và đưa ra câu trả lời nhàm chán.

Trong lĩnh vực dạy học, Chatbot đã được sử dụng vào mục đích hỗ trợ quá trình dạy học theo nhiều cách khác nhau, bao gồm dạy và học, quản trị, đánh giá, tư vấn, và nghiên cứu và phát triển. Các báo cáo học thuật được trích xuất liên quan đến nghiên cứu hiện tại về các khía cạnh tương ứng cho thấy, Chatbot tham gia vào việc dạy và học chiếm tỉ lệ cao nhất (66%). Nhiều nghiên cứu đã chỉ ra rằng, Chatbot được sử dụng để cung cấp cho SV nội dung khóa học thông qua một nền tảng trực tuyến.

Những ưu thế mà Chatbot đem lại trong dạy học chính là đảm bảo việc truy cập một cách nhanh chóng, cho phép nhiều người dùng tương tác đồng thời theo thời gian thực. Bên cạnh đó, Chatbot có thể cung cấp hỗ trợ tức thì trong quá trình học tập của từng cá nhân. Mặt khác, Chatbot có thể cung cấp cho SV một chương trình học tập cá nhân hóa và môi trường học tập hấp dẫn hơn.

b) Đối với cá nhân hoá học tập Cá nhân hóa trong dạy học bằng cách sử dụng AI là một hệ thống cho phép người học tạo môi trường học tập của riêng mình. Cá nhân hóa có thể loại bỏ nhiều rào cản trong học tập và giảng dạy như sự khác biệt trong phong cách học tập, năng lực tiếp thu bài giảng và các thuộc tính khác. AI có thể hỗ trợ đưa đề xuất và khuyến nghị cho giáo viên và học sinh, đồng thời AI cũng có thể cung cấp phản hồi cho SV ngay lập tức dưới hình thức trợ giảng AI. Trong quá trình tương tác với hệ thống, trên cơ sở phân tích các thông tin, dữ liệu được cung cấp/thu thập từ người dùng, AI sẽ xem xét và cung cấp các nội dung hữu ích cho SV thông qua các Hệ thống khuyến nghị [84]. Những hệ thống này không chỉ có thể cải thiện sự tham gia và hỗ trợ SV mà còn có thể giảm bớt khối lượng công việc hành chính của GV, cho phép họ tập trung vào phát triển và nghiên cứu chương trình giảng dạy.

2. Kết quả thực nghiệm đối với việc ứng dụng Chatbot và cá nhân hoá

trong hỗ tr dạy học cho SV ngành CNTT

Trang 124

Trên cơ sở những tác động, ưu điểm mà Chatbot và cá nhân hoá học tập đem lại trong quá trình dạy học, luận án đã đưa Chatbot và cá nhân hoá học tập vào trong tiến trình hỗ trợ dạy học cho SV.

a) Ứng dụng Chatbot Chatbot kế thừa 2 ứng dụng rất phổ biến và được rất đông SV sử dụng hiện nay là Chatbot của Facebook Messenger và ChatGPT. Bên cạnh đó, các ứng dụng này dễ sử dụng, giao diện thân thiện, ChatGPT có kho dữ liệu phong phú và tốc độ truy cập nhanh. Việc sử dụng Chatbot sẽ giúp giảm bớt thời gian tương tác để trả lời các câu hỏi (thường được lặp đi lặp lại) của SV, tạo ra một trải nghiệm học tập mới và giúp SV có nhiều hứng thú trong học tập.

Website hỗ trợ dạy học đã tích hợp ứng dụng Chatbot của Facebook Messenger thông qua API. Khi SV gửi tin nhắn đến trang Facebook được liên kết với ứng dụng Facebook, nó sẽ tạo ra một sự kiện tới webhook tương ứng. Do đó, các lập trình viên có thể lấy dữ liệu do người dùng gửi cho quá trình xử lí tiếp theo. Để thực hiện được các tương tác (hỏi/trả lời) giữa người dùng đối với Chatbot này, tác giả đã xây dựng dữ liệu cho Chatbot bao gồm bộ câu hỏi/từ khóa và câu trả lời liên quan về chủ đề để đưa lên hệ thống.

Ngoài ra, website cũng sử dụng một Chatbot khác hiện nay rất thu hút sự quan tâm của người dùng, đó là ChatGPT. Chatbot này sử dụng hệ thống mã nguồn mở có sẵn được tích hợp vào website, công cụ ghi nhận các câu hỏi, từ khóa người học nhập vào để đưa ra những câu trả lời dựa trên nguồn dữ liệu được đào tạo sẵn. Ưu điểm lớn nhất của ChatGPT là tốc độ xử lí nhanh, nguồn dữ liệu phong phú, nội dung các cuộc trò chuyện giữa ChatGPT và người dùng gần giống cuộc hội thoại thông thường nên đem lại những trải nghiệm học tập mới mẻ cho người dùng.

Để đánh giá và kiểm chứng những lợi ích mà Chatbot đem lại cho việc dạy học, luận án đã triển khai nội dung thực nghiệm sư phạm. Đối tượng thực nghiệm là SV ngành CNTT của Trường Đại học CNTT và Truyền thông Việt – Hàn (Đại học Đà Nẵng).

Để khẳng định năng lực đầu vào của lớp TN và lớp ĐC không có sự khác biệt về phương diện thống kê điểm trung bình (mức độ năng lực tương đương nhau), luận án thực hiện việc so sánh điểm trung bình của hai nhóm kiểm định bằng kiểm định T-test độc lập (Independent Samples T-test), với mức ý nghĩa 0,05.

Hai nhóm SV này sau đó tiếp tục được giữ nguyên, nhóm 50 SV của lớp TN được dạy học với sự hỗ trợ của Chatbot (thông qua tiến trình, công cụ website hỗ trợ) và nhóm 50 SV còn lại thuộc lớp ĐC thì được dạy học theo phương pháp thông thường, không có sự hỗ trợ từ Chatbot. Từ bảng kết quả đánh giá định tính và định lượng dựa trên bài kiểm tra giữa hai nhóm TN và ĐC và đồng thời phân tích kết quả T-test độc lập (p), giá trị p =0,0013 < 0,05 đã phản ánh sự chênh lệch rõ rệt giữa điểm trung bình của hai lớp TN và ĐC thông qua sự hỗ trợ của Chatbot không có khả năng xảy ra ngẫu nhiên (Bảng 3.18).

Trang 125

Ngoài ra, luận án còn đánh giá định lượng về tác động của việc sử dụng Chatbot hỗ trợ SV học lập trình C/C++ đến kĩ năng của SV thông qua 4 nhóm nội dung học tập. Kết quả chi tiết được thể hiện ở Bảng 3.20. Bảng 3.20 cho thấy, ở kiểm định Independent Samples T-test với các hệ số Sig. (2 đuôi) của nhóm thực nghiệm và đối chứng, cả hai bài kiểm tra đều có giá trị bằng 0,00 < 0,05. Điều đó có nghĩa là, có sự khác biệt điểm trung bình giữa các lớp TN và ĐC về kĩ năng lập trình C/C++ khi có tác động của hệ thống hỗ trợ lập trình có tích hợp TTNT ML Course.

b) Ứng dụng cá nhân hoá Để thực hiện nội dung này, lớp TN có 67 SV và lớp ĐC cũng có 67 SV hệ chính quy của Trường Đại học Sư phạm (Đại học Đà Nẵng), học phần được lựa chọn triển khai thực nghiệm là Đồ họa máy tính. Trong học kì, tất cả 67 SV ở lớp TN đều sử dụng hệ thống hỗ trợ dạy học có tích hợp AI theo quy trình tổ chức dạy học đã đề xuất ở trên và 67 SV còn lại của lớp ĐC không sử dụng nền tảng.

Trong quá trình tổ chức dạy học cho SV của lớp TN với sự hỗ trợ của AI thông qua việc “cá nhân hoá học tập”, ngoài các nội dung học tập trên lớp trực tiếp theo phương pháp thông thường, nhóm SV lớp TN được hướng dẫn học tập trên website dạy học, thực hiện các bài kiểm tra quá trình ở cuối mỗi bài học, trên cơ sở kết quả kiểm tra, hệ thống sẽ đưa ra các lời nhận xét, gợi ý câu hỏi ôn tập tương ứng và gợi ý tài liệu học tập tương ứng với phần kiến thức bị làm sai nhiều.

Tương tự, kết thúc toàn bộ chương trình học, SV lớp TN sẽ làm bài kiểm tra tổng hợp bằng cách tạo và tham gia “cuộc thi ảo”. Đây thực chất là 1 bài kiểm tra tổng hợp kiến thức của toàn bộ chương trình đã học thuộc học phần này. Hệ thống cũng căn cứ vào kết quả làm bài của SV để đưa ra những lời nhận xét và gợi ý nguồn tài liệu ôn tập phù hợp.

Cách thức dạy học này tạo cho SV một trải nghiệm mới, đồng thời giúp SV tìm được nguồn tài liệu ôn tập phù hợp với phần kiến thức bị “hổng” hoặc chưa nắm chắc. Đó chính là mảng kiến thức có nhiều câu hỏi bị làm sai.

Với hệ số Cronbach's Alpha = 0,983 của bảng khảo sát SV cho thấy độ tin cậy cao và có thể chấp nhận được để áp dụng trong nghiên cứu thực tế. Các kết quả phân tích, so sánh kết quả kiểm tra của 2 lớp TN và ĐC được thể hiện ở Bảng 3.22, qua đó cho thấy các giá trị trung bình, độ lệch chuẩn của lớp TN và lớp ĐC. Trong đó giá trị trung bình của lớp TN > giá trị trung bình của lớp ĐC là 7,22 – 6,48 = 0,74, điểm trung bình của lớp TN tốt hơn lớp ĐC. Đồng thời, giá trị p =0,000 < 0,05 đã phản ánh sự chênh lệch rõ rệt giữa điểm trung bình của hai lớp TN và ĐC thông qua sự hỗ trợ của Chatbot không có khả năng xảy ra ngẫu nhiên.

3. Một số khó khăn Khi triển khai việc dạy học với sự hỗ trợ của công nghệ AI nói chung và Chatbot, cá nhân hoá học tập nói riêng cho SV ngành CNTT, tác giả luận án nhận thấy một số khó khăn ảnh hưởng đến việc tổ chức, thực hiện dạy – học như sau:

Thứ nhất là khó khăn về mặt chính sách cho việc triển khai AI trong dạy học. Hiện nay, mặc dù Việt Nam đã ban hành nhiều văn bản ở nhiều cấp độ khác nhau (từ chủ trương, chính sách đến các kế hoạch triển khai cụ thể), tuy nhiên, sự phát triển không ngừng của công nghệ đòi hỏi các chính sách phải thường xuyên được cập nhật phù hợp. Ngoài ra, các cơ chế, chính sách phải đồng bộ, tạo điều kiện phát triển một hệ sinh thái đa dạng và hoàn chỉnh, thông qua đó để kêu gọi các nguồn đầu tư, xây dựng các trung tâm nghiên cứu AI, đào tạo nhân sự (trong đó có nhân sự trong lĩnh vực GDĐT) về lĩnh vực AI. Bên cạnh đó, cần tiếp tục đẩy mạnh hợp tác công tư trong việc đào tạo, nghiên cứu và triển khai ứng dụng. Điều này một mặt sẽ giúp chia sẻ nguồn nhân lực và tài chính, một mặt sản phẩm đào tạo phù hợp với nhu cầu thị trường lao động.

Trang 126

Ngoài ra, vấn đề bảo mật các thông tin cá nhân được các ứng dụng AI thu thập cần được quan tâm. Các chính sách và giải pháp nhằm bảo đảm an toàn thông tin dữ

liệu, nâng cao ý thức tự bảo vệ thông tin cá nhân phải được triển khai đồng bộ với quá trình đưa AI vào hỗ trợ dạy học.

Thứ hai, nhiều cơ sở đào tạo đại học gặp khó khăn về cơ sở vật chất khi triển khai dạy học với sự hỗ trợ của AI. Hạ tầng mạng, cơ sở vật chất (thiết bị máy tính, các công cụ hỗ trợ dạy học có tích hợp AI…) ở nhiều cơ sở đào tạo chưa được đầu tư đồng bộ hoặc mới bắt đầu được đầu tư trong vài năm gần đây nên việc triển khai còn nhiều bất cập.

Thứ ba, năng lực và kĩ năng của nhiều GV trong việc ứng dụng CNTT nói chung và AI nói riêng để hỗ trợ dạy học cho SV chưa đáp ứng yêu cầu. Đa số các GV trẻ sẽ dễ dàng tiếp cận các phương pháp dạy học mới có ứng dụng công nghệ, đặc biệt các công nghệ mới nổi như AI. Ngoài ra, để triển khai dạy học với sự hỗ trợ của AI đòi hỏi các GV phải dành nhiều thời gian nghiên cứu, chuẩn bị tài liệu giảng dạy, xây dựng nguồn học liệu phù hợp. Ngoài việc xây dựng kế hoạch nâng cao kiến thức và kĩ năng giảng dạy nói chung, các nhà trường và bản thân từng GV cần chủ động cập nhật các PPDH mới, trong đó có việc ứng dụng AI trong hỗ trợ dạy học để bắt kịp xu thế, đồng thời nâng cao hiệu quả, chất lượng dạy và học.

Thứ tư, thói quen và ý thức chủ động, tự giác trong học tập với sự hỗ trợ của AI trong một số SV chưa cao. Bản thân AI và các ứng dụng của AI không tự nâng cao hiệu quả và chất lượng học tập của SV mà chỉ có vai trò hỗ trợ như một “trợ lí ảo”. Bản thân SV phải chủ động, tích cực và tự giác trong quá trình học tập. Đồng thời nâng cao kĩ năng khai thác các nền tảng công nghệ nói chung và AI nói riêng để hỗ trợ học tập. SV cần thay đổi thói quen hành vi, nâng cao ý thức và chủ động học tập, kết hợp với các công nghệ hiện đại mới đem lại kết quả học tập tối ưu nhất.

Tóm lại, một mô hình dạy học được đề xuất dành cho SV với sự hỗ trợ của AI sẽ ứng dụng hai công nghệ chính của AI là Chatbot và cá nhân hoá học tập nhằm đưa ra những khuyến nghị phù hợp cho SV liên quan đến hệ thống bài giảng, bài tập, bài kiểm tra. Quá trình dạy – học được đặt trong một mối tổng hoà các yếu tố của môi trường dạy – học (thể chế chính sách phù hợp, không gian học tập và văn hoá học đường) đảm bảo tạo điều kiện cho việc dạy và học đạt hiệu quả cao. Khi triển khai mô hình dạy học nêu trên, SV sẽ phát huy tốt tinh thần tự học, tự trải nghiệm kết hợp với việc học tập dưới sự hướng dẫn của GV, sự hỗ trợ của công cụ AI. Để đảm bảo việc học đạt kết quả cao, ngoài các yếu tố nêu trên, bản thân SV phải đảm bảo các kĩ năng về CNTT, khả năng tự học, tự trải nghiệm.

Quá trình thiết kế dạy học với sự hỗ trợ của AI cần đảm bảo được các nguyên tắc cơ bản, sau đây: (1) Đảm bảo tương tác người và máy; (2) Đảm bảo sự thống nhất và khoa học với việc sử dụng các phương tiện dạy học khác nhau; (3) Đảm bảo tính hiệu qủa khi triển khai; (4) Đảm bảo được tính gợi mở, định hướng cho người học; và cuối cùng là đảm bảo nguyên tắc về cấu trúc của khóa học trực tuyến.

Trang 127

Mô hình dạy học với sự hỗ trợ của AI được tác giả đề xuất trong bài báo này là mô hình mà ở đó có sự kết hợp, tương tác chặt chẽ giữa 3 yếu tố là GV, SV và AI. Các yếu tố này đặt trong một môi trường dạy – học cụ thể. Để triển khai được mô hình dạy học nêu trên, cần phải tiến hành thiết kế khóa học với những yếu tố trong môi trường dạy học và các phương tiện dạy học đảm bảo yêu cầu; nguồn học liệu số tương ứng với nội dung dạy học và yêu cầu của khóa học, môn học cụ thể.

KẾT LUẬN VÀ KIẾN NGHỊ

1. Kết luận

Trên cơ sở những nghiên cứu lí luận liên quan đến AI, ứng dụng AI trong dạy học và những thực nghiệm cụ thể khi triển khai tiến trình, biện pháp tổ chức dạy học cho SV ngành CNTT tại các đơn vị đào tạo với sự hỗ trợ của AI cho thấy, đây là một trong những giải pháp rất quan trọng, ý nghĩa và có tính khả thi cao nhằm đổi mới PPDH trong bối cảnh của cuộc CMCN 4.0 và sự bùng nổ của CNTT và truyền thông những năm gần đây.

Nghiên cứu này có ý nghĩa trong việc tìm ra một giải pháp phù hợp trong bối cảnh chuyển đổi số và khoa học công nghệ tiên tiến đang chi phối, ảnh hưởng đến rất nhiều lĩnh vực khác nhau, trong đó có giáo dục đại học. Việc tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI đã kết hợp được những ưu điểm của dạy học trực tiếp trên lớp với dạy học trên các ứng dụng/website (tại địa chỉ https://ailearn.com.vn) có sự hỗ trợ của AI, tạo cơ hội cho SV được trải nghiệm trong môi trường học tập cả thực (trực tiếp) và ảo (trực tuyến). Với mục đích ứng dụng công nghệ AI hỗ trợ quá trình dạy học cho SV ngành CNTT nhằm nâng cao chất lượng dạy học, phát triển năng lực tự học cho người học, luận án đã giải quyết tốt các nhiệm vụ đặt ra. Các kết quả đóng góp của luận án được nêu rõ trong từng phần, từng chương cụ thể, đặc biệt là được tổng kết ở cuối mỗi chương. Cụ thể như sau:

(1) Trên cơ sở nghiên cứu lí luận về AI và ứng dụng AI trong dạy học, luận án đã bổ sung được hệ thống lí luận về dạy học với sự hỗ trợ của AI. Tác giả luận án đã làm rõ các khái niệm về ứng dụng AI trong giáo dục, khái niệm tự học, cá nhân hóa học tập... Đồng thời, xây dựng khái niệm cũng như đề xuất mô hình dạy học với sự hỗ trợ của AI; xác định các đặc điểm, môi trường, hình thức, tiến trình tổ chức dạy học với sự hỗ trợ của AI.

(2) Tổ chức nghiên cứu, khảo sát, đánh giá thực trạng việc dạy và học ngành CNTT với sự hỗ trợ của AI. Kết quả điều tra, khảo sát là cơ sở thực tiễn để triển khai đề xuất tiến trình tổ chức dạy học cũng như các biện pháp tổ chức dạy học cho SV ngành CNTT với sự hỗ trợ của AI.

(3) Xây dựng mô hình dạy học phù hợp với thực tiễn hoạt động dạy học ngành CNTT với sự hỗ trợ của công nghệ AI nhằm nâng cao được chất lượng dạy học định hướng năng lực. Triển khai thực nghiệm đối với các môn cơ sở ngành (C/C++; Đồ họa máy tính) và đạt được các kết quả khả quan. SV ngành CNTT là một đối tượng phù hợp để triển khai thử nghiệm việc dạy học theo mô hình mà luận án đề xuất. Tuy nhiên, cần có thêm các đánh giá và các triển khai cụ thể để nhận định đầy đủ và chính xác hơn về việc triển khai mô hình dạy học này đối với SV các nhóm ngành khác.

Trang 128

(4) Đề xuất sử dụng công nghệ AI để đưa ra các giải pháp nhằm nâng cao hiệu quả công tác hỗ trợ cho SV trong quá trình học tập. Các GV khi triển khai dạy học theo mô hình đề xuất có sự hỗ trợ của AI cần phải tuân thủ các quy định tiêu chuẩn trong xây dựng và thiết kế bài giảng, quy trình dạy học, thiết

kế nguồn học liệu và đặt trong bối cảnh phù hợp của cơ sở đào tạo và của Việt Nam.

* Đóng góp mới của luận án:

Luận án đã tổng hợp, hệ thống hóa cơ sở lí luận về dạy học với sự hỗ trợ của công nghệ AI, làm rõ khái niệm dạy học với sự hỗ trợ của AI và các khái niệm khác có liên quan. Luận án cũng cung cấp các báo cáo về thực trạng dạy học với sự hỗ trợ của công nghệ AI. Luận án đề xuất được tiến trình thiết kế dạy học với sự hỗ trợ của công nghệ AI để dạy học SV CNTT tại Việt Nam hiện nay; xây dựng một website hỗ trợ dạy học có tích hợp Chatbot và đưa các thuật toán để từng bước cá nhân hóa học tập thông qua việc hỗ trợ đánh giá quá trình và đánh giá cuối khóa học (đưa ra nhận xét, gợi ý tài liệu học tập phù hợp với trình độ của SV). * Một số định hướng phát triển của đề tài:

(1) Tiếp tục nhân rộng mô hình dạy học với sự hỗ trợ của AI ra các đối tượng SV thuộc các nhóm ngành khác CNTT để có đánh giá toàn diện và đầy đủ hơn về hiệu quả, tác động của mô hình dạy học đến kết quả học tập của SV. (2) Các khảo sát đánh giá, thực nghiệm cần triển khai với mẫu lớn hơn, đa dạng các học phần thực nghiệm nhằm khẳng định được độ tin cậy của mô hình. (3) Tiếp tục nâng cấp các chức năng trên website hỗ trợ dạy học, cụ thể: Nâng cấp chức năng Chatbot để có thể tự học dữ liệu thu nhận được trong quá trình SV tương tác với hệ thống; đa dạng nguồn dữ liệu đầu vào cho kho câu hỏi và trả lời. Đồng thời tiếp tục cập nhật thêm các chức năng hỗ trợ dạy học, tăng cường việc cá nhân hóa học tập với sự hỗ trợ của AI bằng các kĩ thuật theo dấu người học, đánh giá kết quả học tập, gợi ý các nguồn tài liệu từ Internet để SV tham khảo.

2. Kiến nghị

Để mô hình dạy học với sự hỗ trợ của AI có thể được áp dụng một cách hiệu quả, rộng rãi và phát huy hết các lợi điểm của nó, trên cơ sở các phân tích đánh giá của nhiều nhà khoa học về việc ứng dụng AI trong dạy học cũng như xuất phát từ góc nhìn của tác giả, luận án xin đề xuất một số kiến nghị sau đây:

a) Đối với các Bộ, ngành có liên quan (1) Cần xây dựng các cơ chế, chính sách phù hợp nhằm thúc đẩy việc ứng dụng CNTT nói riêng và AI nói chung vào trong đào tạo.

(2) Có cơ chế đầu tư một cách đồng bộ cơ sở hạ tầng, nền tảng công nghệ chung của Nhà nước để có thể triển khai các PPDH tiên tiến nói chung và dạy học với sự hỗ trợ của AI nói riêng.

Trang 129

b) Đối với các trường đại học (1) Nghiên cứu thiết kế chương trình học tập theo hướng tích hợp, ứng dụng công nghệ (đặc biệt là CNTT) vào quá trình tổ chức dạy học, triển khai linh hoạt các hình thức dạy học (trực tuyến/thông qua các hệ thống hỗ trợ dạy học và trực tiếp) nhằm giúp người học có thể học tập mọi lúc mọi nơi, phát triển năng lực cho SV, nâng cao chất lượng dạy học, đảm bảo chuẩn đầu ra của ngành nghề đào tạo.

(2) Đầu tư cơ sở vật chất, đặc biệt là các thiết bị dạy học, công cụ dạy học đảm bảo điều kiện để ứng dụng CNTT vào quá trình tổ chức dạy học một cách hiệu quả, khoa học.

(3) Triển khai đồng bộ các giải pháp, trong đó bên cạnh việc đầu tư cơ sở vật chất, nền tảng công nghệ thì cần quan tâm đặc biệt đến việc đào tạo đội ngũ GV, xây dựng nguồn học liệu số, đổi mới quy trình tổ chức dạy học một cách linh hoạt và phù hợp với xu thế của xã hội hiện đại.

(4) Có cơ chế động viên, khuyến khích GV ứng dụng mạnh mẽ CNTT nói chung và AI nói riêng vào quá trình dạy học thông qua nhiều giải pháp cụ thể khác nhau. c) Đối với các GV (1) Tích cực nghiên cứu về các PPDH tích cực, dạy học tương tác nhằm triển khai hiệu quả việc ứng dụng khoa học công nghệ, đặc biệt CNTT và AI vào quá trình tổ chức dạy học.

(2) Nâng cao kĩ năng sử dụng các hệ thống thiết bị máy móc, kĩ năng về CNTT để chủ động tổ chức và đạt hiệu quả cao trong quá trình dạy học; góp phần phát triển năng lực cho SV, đặc biệt là năng lực tự học.

(3) Có kiến thức cơ bản và không ngừng nâng cao sự hiểu biết về những tác động, ảnh hưởng của CNTT nói chung và AI nói riêng đối với giáo dục nói chung và quá trình tổ chức dạy học nói riêng để chủ động điều chỉnh, cập nhật kiến thức, kĩ năng sử dụng và ứng dụng hiệu quả các kiến thức đó vào quá trình tổ chức, triển khai giảng dạy.

(4) Đầu tư thời gian để xây dựng nguồn học liệu số, đổi mới quy trình tổ chức dạy học với sự hỗ trợ của AI. Chủ động và tích cực có các hình thức đánh giá người học nhằm không ngừng cải tiến phương pháp giảng dạy.

d) Đối với SV (1) Nắm vững các yêu cầu về chuẩn đầu ra của ngành đào tạo để chủ động xây dựng lộ trình học tập phù hợp, hiệu quả; Phát huy tối đa tinh thần chủ động, tự học, sáng tạo trong quá trình học tập.

(2) Trong suốt quá trình học tập, SV thường xuyên đánh giá kết quả học tập so với toàn bộ yêu cầu của CTĐT cũng như yêu cầu của ngành nghề trong bối cảnh cụ thể của xã hội để không ngừng tự trau dồi kiến thức, kĩ năng;

Trang 130

(3) Nâng cao kiến thức chuyên môn và các kĩ năng sử dụng CNTT cơ bản cũng như nâng cao để tham gia tích cực vào các hoạt động học tập. Cập nhật các kiến thức mới về khoa học công nghệ, đặc biệt là ứng dụng CNTT trong quá trình học tập, tìm kiếm thông tin.

DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ LIÊN QUAN ĐẾN LUẬN ÁN

1. Đinh Thị Mỹ Hạnh, Trần Văn Hưng (2020), “Học tập kết hợp (Blended learning) của sinh viên trong trường đại học: Một trường hợp nghiên cứu về năng lực sử dụng công nghệ thông tin và truyền thông (ICT)”, Tạp chí Giáo dục và Xã hội, ISSN 1859-3917, Số 117 (178), pp. 124-130.

2. Đinh Thị Mỹ Hạnh, Trần Văn Hưng (2021), “Trí tuệ nhân tạo trong giáo dục: cơ hội và thách thức đến tương lai của việc dạy và học ở trường đại học”, Tạp chí Khoa học và Công nghệ Đại học Đà Nẵng, ISSN 1889- 1531, Vol. 19, No. 2, pp. 38-42.

3. Dinh Thi My Hanh, Ngo Tu Thanh, Tran Van Hung (2021), “The impact of Artificial Intelligence – The future of higher education”, Proceedings of the 2nd International Conference on Innovation in Learning Instruction and Teacher Education – ILITE 2 (Innovation for sustainable education in the changing context), ISBN 978-604-54-8739-6, pp. 298-311

in Teaching Programing

4. Dinh Thi My Hanh, Tran Van Hung, Ngo Tu Thanh (2022), “Chatbot in Education: Experience for Freshmen at University”, International Journal of Science and Research (IJSR), ISSN: 2319-7064, SJIF (2022): 7.942, Volume 11, pp. 1113-1119. DOI: 10.21275/SR22814071943

Trang 131

5. Dinh Thi My Hanh, Tran Van Hung (2023), “Artificial Intelligence in University Education – Designing a Learning Model to Support the Interaction between Students and AI”, International Journal of Science and Research (IJSR), ISSN: 2319-7064, SJIF (2022): 7.942, Volume 12, pp. 1258-1268. DOI: 10.21275/SR23320133658

TÀI LIỆU THAM KHẢO

[1].

[2].

[3].

[4].

[5].

[6].

[7].

[8].

[9]. Ngô Thái Hà (2017), “Tác động cuộc cách mạng công nghiệp 4.0 đến nguồn lực trong lĩnh vực giáo dục - đào tạo”. Kỷ yếu hội thảo khoa học quốc tế, NXB ĐH Kinh tế Quốc dân, tr. 46-51. Nguyễn Lộc (2017), “Giáo dục Việt Nam và cuộc cách mạng công nghiệp 4.0”, Kỷ yếu Hội thảo khoa học quốc tế, NXB ĐH Kinh tế Quốc dân, tr. 128-139. P. Resta, M. Patru (Eds) 2010, “Teacher Development in an E-learning Age: A Policy and Planning Guide, Paris, UNESCO B. S. Bloom (1984), “The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring”, Educational researcher, Vol.13, No.6, pp. 4-16. B. Daniel (2015), “Big data and analytics in higher education: opportunities and challenges”, Br. J. Educ. Technol. 46, pp. 904–920. doi: 10.1111/bjet.12230 G. Cumming, A. McDougall (2000), “Mainstreaming AIED into education?”, International Journal of Artificial Intelligence in Education (IJAIED), 11, pp. 197-207 John McCarthy, M.L. Minsky, N. Rochester, C.E. Shannon (1955), “A Proposal the Dartmouth summer conference on artificial for intelligence”, AI Magazine Stuart Russell, Peter Norvig (2016), “Artificial Intelligence A Modern Approach”, 3rd Global Edition, Pearson. G. Kolata (1982), “How Can Computers Get Common Sense?”, Science 1982, 217, 1237–1238. DOI: 10.1126/science.217.4566.1237 [10]. R. Kurzweil (2005), “The Singularity Is Near”, Penguin Books: London,

[11].

in Education, International Artificial Intelligence UK, ISBN 978-0-670-03384-3. J. Self (2016), “The birth of IJAIED”, International Journal of Artificial Intelligence in Education Society, 26, pp. 4-12.

[12]. R. Baker, G. Siemens (2014), “Educational data mining and learning analytics”, In K. Sawyer (Ed.), Cambridge handbook of the learning sciences, 2nd Edition, pp. 253-274, New York, NY: Springer.

[13]. Björn Sjödén (2015), “Why AIED Needs Marriage Counselling by (to Live Happily Ever After)”, Seventeenth Cognitive Science International Conference on Artificial Intelligence in Education (AIED 2015 Workshop Proceedings) – Vol.4, 85 (28-37).

[14]. A. C. Graesser, P. Chipman, B. C. Haynes, A. Olney (2005), "AutoTutor: an intelligent tutoring system with mixed-initiative dialogue", IEEE Transactions on Education, vol. 48, no. 4, pp. 612-618, Nov. 2005, doi: 10.1109/TE.2005.856149.

Trang 132

[15]. Pavel Smutny, Petra Schreiberova (2020), “Chatbots for learning: A review of educational chatbots for the Facebook Messenger”, Computers & Education, Vol.151, doi: 10.1016/j.compedu.2020.103862.

[16]. March 25,

I. Tuomi (2020), “The use of artificial intelligence (AI) in education”. Retrieved 2021, from https://research4committees.blog/2020/09/07/the-use-of-artificial- ntelligence-ai-in-education/ [17]. A. K. Goel, D. A. Joyner (2016), “Design of an online course on knowledge-based AI”. In AAAI, pp. 4089–4094

[18]. Baker, M. (2000), “The roles of models in Artificial Intelligence and Education research: a prospective view”, International Journal of Artificial Intelligence in Education, 11, pp. 122-143.

[19]. V. Dimitrova, G. McCalla, S. Bull (2007), “Open Learner Models: Future Research Directions”, Special Issue of the IJAIED (Part 2). International Journal of Artificial Intelligence in Education, 17, 3, pp. 217-226.

[20]. O. Zawacki-Richter, V. I. Marín, M. Bond, F. Gouverneur (2019), “Systematic review of research on artificial intelligence applications in higher education–where are the educators?” International Journal of Educational Technology in Higher Education, 16(1), Article 39. https://doi.org/10.1186/s41239-019-0171-0 in intelligence [21]. “Artificial

education: where are we now?” https://www.youtube.com/watch?v=54-yKBv6xeU, accessed: 2020-12-1 [22]. B. du Boulay (2016), “Artificial intelligence as an effective classroom assistant”. IEEE Intelligent Systems, vol. 31, no. 6, pp. 76–81. [23]. K. Holstein (2018), “Towards teacher-ai hybrid systems”, Companion Proceedings of the Eigth International Conference on Learning Analytics & Knowledge. [24]. “How artificial is being used intelligence the classroom”. in https://tinyurl.com/yy2oomye, accessed: 2020-04-13.

[25]. V. Nikolić, J. Kaljevic, S. Jović, D. Petković, M. Milovančević, L. Dimitrov, P. Dachkinov (2018), “Survey of quality models of E-learning systems”, Physica A, doi:10.1016/j.physa.2018.07.058

[26]. M. Samarakou, E.D. Fylladitakis, W.G. Früh, A. Hatziapostolou, J. Gelegenis (2015), “An advanced E-learning environment developed for engineering learners”, International Journal of Emerging Technologies in Learning (iJET), 10(3), pp. 22-33, doi:10.3991/ijet.v10i3.4484 [27]. Avneet Pannu (2015), “Artificial Intelligence and its Application in Different Areas”, International Journal of Engineering and Innovative Technology (IJEIT), Vol.4, Issue 10, pp. 79-84, ISSN: 2277-3754 [28]. R. Bajaj, V. Sharma (2018), “Smart Education with artificial intelligence based determination of learning styles”, Procedia Computer Science, 132 (834–842), doi:10.1016/j.procs.2018.05.095

Trang 133

[29]. T.-Y. Chang, Y.-R. Ke (2013), “A personalized e-course composition based on a genetic algorithm with forcing legality in an adaptive learning system”, Journal of Network and Computer Applications, 36(1), pp. 533-542, doi:10.1016/j.jnca.2012.04.002

[30]. A. Garrido, L. Morales, I. Serina (2016), “On the use of case-based learning personalization”, Expert Systems with for e- planning Applications, 60, pp. 1-15, doi:10.1016/j.eswa.2016.04.030

[31]. M.W. Rodrigues, S. Isotani, L.E. árate (2018), “Educational data mining: A review of evaluation process in the E-learning”, Telematics and Informatics, 35(6), pp. 1701-1717, doi:10.1016/j.tele.2018.04.015.

[32]. O. H. T. Lu, A. Y. Q. Huang, J. C. H. Huang, A. J. Q. Lin, H. Ogata, S. J. H. Yang (2018), “Applying learning analytics for the early prediction of students’ academic performance in blended learning”, Journal of Educational Technology & Society , Vol. 21, No. 2 , pp. 220- 232.

learning”, Journal of Interactive Media [33]. M. Lovett, O. Meyer, C. Thille (2008), “The open learning initiative: Measuring the effectiveness of the OLI statistics course in accelerating in Education, student http://jime.open.ac.uk/2008/14

[34]. S. D. Craig, X. Hu, A. C. Graesser, A. E. Bargagliotti, , A. Sterbinsky, K. R. Cheney, T. Okwumabua (2008), “The impact of a technology-based mathematics after-school program using ALEKS on student's knowledge and behaviors”, Computers & Education, 68, pp. 495–504

[36].

[35]. A. Mitrovic, S. Ohlsson (1999), “Evaluation of a constraint-based tutor for a database language”, International Journal of Artificial Intelligence in Education, 10, pp. 238–256. J.F. Pane, B.A. Griffin, D. F. McCaffrey, R. Karam (2014), “Effectiveness of cognitive tutor algebra I at scale”, Educational Evaluation and Policy Analysis, 36(2), pp. 127–144.

[37]. K. R. Koedinger, E. A. McLaughlin, N. T. Heffernan (2010), “A quasi- experimental evaluation of an on-line formative assessment and tutoring system”, Journal of Educational Computing Research, 43(4), pp. 489– 510. [38]. Mike Hale, Actors and Their Roles for $300, HAL? HAL!, The New York Times, truy cập ngày 08/02/2011.

[39]. What kind of technology is Watson based on?, IBM Corporation, Truy cập ngày 11/02/2011.

Trang 134

[40]. Shazia Afzal, Bryan Dempsey, Cassius D'Helon, Nirmal Mukhi, Milena Pribic, Aaron Sickler, Peggy Strong, Mira Vanchiswar, Lorin Wilde (2019), “The Personality of AI Systems in Education: Experiences with the Watson Tutor, a one-on-one virtual tutoring system”, Childhood Education, 95:1, pp. 44-52, doi: 10.1080/00094056.2019.1565809. [41]. Y. Goktas, S. Yildirim, Z. Yildirim (2009), “Main Barriers and Possible Enablers of ICTs Integration into Pre-Service Teacher Education Programs”, Educational Technology and Society Society, 12(1), pp. 193–204. [42]. S. Ritter, S. Fancsali (2016), “MATHia X: The next generation cognitive tutor”, Education Data Mining, pp. 624-625.

[43]. A. C. Graesser, K. VanLehn, C.P. Rose, P. W. Jordan, , D. Harter (2001), tutoring systems with conversational dialogue”, AI “Intelligent Magazine, 22(4), pp. 39-51. [44]. Hubert (2017), “6 Ways Artificial Intelligence and Chatbots Are

Changing Education”.

Of Today Peek Into A

[46]. [45]. Bernard Marr (2018), “How Is AI Used In Education - Real World The And Examples Future”, https://www.forbes.com/sites/bernardmarr/2018/07/25/how-is- ai-used-in-education-real-world-examples-of-today-and-a-peek-into-the- future Judy Kay (2000), “Stereotypes, student models and scrutability”, Intelligent Tutoring Systems, Springer Berlin Heidelberg, pp. 19-30.

[47]. A.S. Brewer, D.J. Klein (2004), “Small group learning in an online for (ERIC Document asynchronous environment”, Washington, D.C.: Association Educational Communications and Technology Reproduction Service No. ED484997)

[48]. N. Dabbagh, A. Kitsantas (2005), “Using web-based pedagogical tools as scaffolds for self-regulated learning”, Instructional Science, 33(5-6), pp. 513-540.

[50].

[49]. R.G. Wingard (2004), “Classroom teaching changes in web-enhanced courses: A multiinstitutional study”, EDUCAUSE Quarterly, 27(1), pp. 26-35. Judy Kay (2000), “Accretion representation for scrutable student modelling”, Intelligent Tutoring Systems, Springer Berlin Heidelberg, pp. 514-523.

[51]. M. Czarkowski, J. Kay, S. Potts (2005), “Scrutability as a core interface element”, Proceedings of the 2005 conference on Artificial Intelligence in Education: Supporting Learning through Intelligent and Socially Informed Technology, pp. 783-785, IOS Press.

[52]. S. Maghsudi, A. Lan, J. Xu, M. van der Schaar (2021), "Personalized Education in the Artificial Intelligence Era: What to Expect Next", IEEE Signal Processing Magazine, vol.38, no. 3, pp. 37-50, doi: 10.1109/MSP.2021.3055032. [53]. Hồ Tú Bảo, “Trí tuệ nhân tạo và chặng đường 50 năm”, http://www.jaist.ac.jp/~bao/Writings/AI50years.pdf.

[54]. Nguyễn Thanh Thuỷ, “Nhân lực là yếu tố cốt lõi đảm bảo sự thành công của phát triển trí tuệ nhân tạo”, Tạp chí Khoa học và Công nghệ Việt Nam, https://vjst.vn/vn/tin-tuc/1411/gs-ts-nguyen-thanh-thuy--nhan-luc- la-yeu-to-cot-loi-dam-bao-su-thanh-cong-cua-phat-trien-tri-tue-nhan- tao.aspx.

Trang 135

[55]. Ngô Tứ Thành (2008), “Giải pháp đổi mới phương pháp giảng dạy ở các Trường đại học ICT hiện nay”, Tạp chí Khoa học Đại học Quốc gia Hà Nội, Khoa học Xã hội và Nhân văn, 24, pp. 237-242.

[56]. Lê Thị Minh Thanh (2013), “Xây dựng hệ thống giáo dục trên nền tảng điện toán đám mây”, Tạp chí Khoa học Trường Đại học Sư phạm Hà Nội, 58 (8), pp. 59-69.

[57]. Nguyễn Duy Thanh, Nguyễn Tiến Dũng, Cao Hào Thi (2014), “Sự chấp nhận và sử dụng đào tạo trực tuyến trên điện toán đám mây”, Tạp chí Phát triển Khoa học và Công nghệ, 17 (3), pp. 71-87.

[58]. Cao Thị Thu Hương, Lê Hoài Thu, Cáp Thị Thanh Vân (2017), “Ứng dụng cloud computing trong dạy học trực tuyến”, Kỉ yếu Hội thảo khoa học quốc gia Đào tạo trực tuyến trong thời kì Cách mạng công nghiệp 4.0, Hà Nội, pp. 103-112.

[59]. Phạm Thế Bảo (2020), “Thông minh nhân tạo – Quá khứ - Hiện tại – Tương lai và ứng dụng”, Hội thảo quốc tế Chuyển đổi mô hình đào tạo chất lượng cao của nhà trường thông minh trong bối cảnh cách mạng công nghiệp, NXB Tài chính, Lí Tự Trọng College.

[60]. Hà Đức Ngọc (2021). “Dạy học với các công nghệ mới nổi trong giáo dục nghề nghiệp Việt Nam” , Luận án Tiến sĩ Chuyên ngành Lí luận và Phương pháp dạy học bộ môn Kĩ thuật công nghiệp, Trường Đại học Sư phạm Hà Nội. [61]. Anh Tú, “Đưa trí tuệ nhân tạo hỗ trợ giảng dạy: Xu hướng làm thay đổi phương thức giáo dục), http://etep.moet.gov.vn/tintuc/chitiet?Id=1258

[62]. B.D. Nye (2015), “Intelligent Tutoring Systems by and for the Developing World: a review of trends and approaches for Educational Technology in a Global Context”. International Journal of Artificial Intelligence in Education, Volume 25 (2), pp.177-203.

(2010). About society. At [64]. the [63]. T. Baker, L. Smith (2019), “Educ-AI-tion rebooted? Exploring the future of artificial intelligence in schools and colleges”, Retrieved from Nesta Foundation website: https://media.nesta.org.uk/documents/Future_of_AI_and_education_v5_ WEB.pdf International AIED Society http://iaied.org/about/ checked 31/01/11

[65]. Nguyễn Văn Tuấn (2009). "Tài liệu bài giảng Lí luận dạy học", Trường Đại học Sư phạm Kĩ thuật Thành phố Hồ Chí Minh, pp. 11.

[66]. L. Ciechanowski, A. Przegalinska, M. Magnuski, P. Gloor (2019), “In the shades of the uncanny valley: An experimental study of human– chatbot interaction”, Future Generation Computer Systems, 92, pp.539- 548

[67]. F. Clarizia, F. Colace, M. Lombardi, F. Pascale, D. Santaniello (2018), “Chatbot: An education support system for student”, International symposium on cyberspace safety and security. Springer. http://www.thefreedictionary.com/model [68]. [69]. Nguyễn Xuân Lạc (2017), “Nhập môn lí luận và công nghệ dạy học hiện đại”, Nhà xuất bản Giáo dục Việt Nam.

Trang 136

[70]. Nguyễn Đức Trí (2000), “Xây dựng mô hình đào tạo GVKT ở trình độ ĐH cho các trường TCCN – DN”, Đề tài NCKH cấp Bộ, mã số: B99- 52-36.

[71]. Đỗ Thế Hưng (2015), “Dạy học theo tiếp cận “CDIO” trong đào tạo GVKT trong trường ĐH”. Luận án tiến sĩ khoa học giáo dục, Hà Nội 2015 [72]. Horn and Staker (2011), “Online and Blended Learning”, A Survey of Policy and Practice of K-12 Schools Around the World.

[73]. Nguyễn Quý Thanh, Tôn Quang Cường, “Những xu thế mới của công nghệ trong giáo dục”, http://hdll.vn/vi/thong-tin-ly-luan/nhung-xu-the- moi-cua-cong-nghe-trong-giao-duc.html [74]. L.S. Shulman (1986), “Those who understand: Knowledge growth in teaching”, Educational Researcher, 15(2), pp.4-14.

[75]. M.J. Koehler, P. Mishra (2008), “Introducing TPCK”, In AACTE Committee on Innovation and Technology (Ed.), The handbook of technological pedagogical content knowledge [76]. Nguyễn Văn Hạnh, Nguyễn Hữu Hợp (2016). Giáo trình Công nghệ giáo dục. Đại học Quốc gia Hà Nội.

[77]. K. Ahmad, W. Iqbal, A. El-Hassan, J. Qadir, D. Benhaddou, M. Ayyash, A. Al-Fuqaha, “Data-Driven Artificial Intelligence in Education: A Comprehensive Review” [78]. “Moodle: A learning management system”, https://moodle.org/, accessed: 2020-04-13

[79]. European Commission, Joint Research Centre, I. Tuomi, Y. Punie, R. Vuorikari (2019), “The impact of Artificial Intelligence on learning, teaching, and education”, (Y, Punie, editor, R, Vuorikari, editor, M, Cabrera, editor) Publications Office.

[80]. Woolf, Beverly Park (2009), “Building Intelligent Interactive Tutors: for Revolutionizing E-learning”, San Student-Centered Strategies Francisco, CA: Morgan Kaufmann.

[81]. Riener, Cedar, Daniel Willingham (2010), “The Myth of Learning Styles”, Change: The Magazine of Higher Learning 42 (5), pp.32–35. https://doi.org/10.1080/00091383.2010.503139.

[82]. Porayska-Pomsta, Kaska, (2015), “AI in Education as a Methodology for Enabling Educational Evidence-Based Practice”, In Seventeenth International Conference on Artificial Intelligence in Education (AIED 2015), 52–61, Madrid.

[83]. M. Verma (2018), “Artificial intelligence and its scope in different areas with special reference to the field of education”. International Journal of Advanced Educational Research, 3(1), pp. 5 – 10.

Systems, Decision Support 103, [84]. Q. Wang, J. Ma, X. Liao, W. Du (2017), “A context-aware researcher recommendation system for university-industry collaboration on R&D projects”, pp.46-57. doi:10.1016/j.dss.2017.09.001.

Trang 137

[85]. K. İçö , V.A. Sanalan, M.A. Çakar, E. Benli Ö demir, S. Kaya (2015), “Using students’ performance to improve ontologies for intelligent E- learning system”, Educational Sciences: Theory & Practice, 15(4). doi:10.12738/estp.2015.4.2645.

[86]. Alin-Andrei (2018), “Chatbots for education – trends, benefits and challenges”, The 14th International Scientific Conference eLearning and Software for Education, doi:10.12753/2066-026X-18-097.

unstructured documents from for

[87]. Z. Yan, N. Duan, J. Bao, P. Chen, M. Zhou, Z. Li (2018), “Response selection human-computer conversation systems”, KnowledgeBased Systems, 142, 149-159. doi:10.1016/j.knosys.2017.11.033.

[88]. C.W. Okonkwo, A. Ade-Ibijola (2021), “Chatbots applications in education: A systematic review”, Computers and Education: Artificial Intelligence, Volume 2, 100033.

[89]. Akcora, D. E., Belli, A., Berardi, M., Casola, S., Di Blas, N., Falletta, S., Faraotti, A., Lodi, L., Diaz, D. N., Paolini, P., et al. (2018). Conversational support for education. International conference on artificial intelligence in education. Springer [90]. Chen, L., Chen, P., & Lin, Z. (2020). “Artificial intelligence in education: A review”, Ieee Access, 8, 75264–75278.

[91]. Y.-H. Lin, T. Tsai (2019), “A conversational assistant on mobile devices for primitive learners of computer programming”, In 2019 IEEE international conference on engineering, technology and education (TALE), pages 1–4. IEEE [92]. D. Rooein (2019), “Data-driven edu chatbots”, In companion

proceedings of the 2019 world wide web conference, pages 46–49. [93]. S. Cunningham-Nelson, W. Boles, L. Trouton, E. Margerison (2019), “A review of chatbots in education: Practical steps forward”, 30th annual conference for the australasian association for engineering education (AAEE 2019): Educators becoming agents of change: Innovate, integrate. Motivate: Engineers Australia.

[94]. M.H. Su, C.H. Wu, K.Y. Huang, Q.B. Hong, H.M. Wang (2017), “A chatbot using LSTM-based multi-layer embedding for elderly care”, In: International Conference on Orange Technologies (ICOT).

[95]. L. Benotti, M.C. Martnez, F. Schapachnik (2017), “A tool for introducing computer science with automatic formative assessment”, IEEE transactions on learning technologies, 11(2), pp.179–192. [96]. Nguyễn Danh Nam (2020). "Vận dụng một số lí thuyết dạy học trong đổi mới phương pháp dạy học ở trường phổ thông". Tạp chí Khoa học và Công nghệ, Đại học Thái Nguyên, ISSN 1859-2171, tập 225, số 10, tr.136-144.

Trang 138

[97]. G. Siemens (2005), “Connectivism: A learning theory for the digital age”, International Journal of Instructional Technology & Distance Learning. [98]. G. Siemens (2008), “Learning and knowing in networks: Changing roles for educators and designers”, University of Georgia. [99]. S. Downes (2012), “Connectivism and Connective Knowledge Essays on meaning and learning networks”, ISBN: 978-1-105-77846-9.

[100]. Vũ Hồng Linh (2018), “Lí thuyết kết nối và một số gợi ý vận dụng lí thuyết kết nối trong dạy học”, Tạp chí Giáo dục, Số đặc biệt tháng 9/2018, pp.112-114.

[101]. Nguyễn Thị Bích Hạnh (2003), “Vận dụng quan điểm sư phạm tương tác vào hoạt động thực hành giáo dục”, Tạp chí Giáo dục, (57), pp. 16-17, 19. [102]. Julia Swannell (1994), "The Oxford modern English zictionary, Oxford University Press, New York

[103]. Viện ngôn ngữ học (2002), "Từ điển tiếng Việt", Nxb Đà Nẵng [104]. J. Dennome, M.Roy (2001), "Tiến tới một phương pháp sư phạm tương

tác", NXB Thanh niên và Trí thức. [105]. B. Meier, C.V. Nguyen (2019), “Lí luận dạy học hiện đại [Modern teaching theory]”, NXB Đại học Sư phạm Hà Nội.

[106]. H.D. Pho, S.Q. Ngo (2011), “Phương pháp và công nghệ dạy học trong môi trường sư phạm tương tác [Teaching methods and technology in an interactive pedagogical environment]”, NXB Đại học Sư phạm Hà Nội.

[107]. Kaye Thorne (2003), “Blended learning: how to integrate online and traditional learning”, Includes bibliographical references and index, ISBN 0-7494-3901-7.

[108]. C. R. Graham (2013), “Emerging practice and research in blended learning”, In I. G. (Ed.), Handbook of distance education 3rd ed (pp. 333–350). New York, NY: Routledge.

[109]. Carman, M. Jared (2005). “Blended Learning Design: Five Key at Available

Ingredients”. http://www.agilantlearning.com/pdf/Blended%20Learning%20Desi gn.pdf Accessed 20th November 2011.

[110]. Francesc Pedro, Miguel Subosa (UNESCO), Axel Rivas (Udesa), Paula Valverde (ProFuturo, Telefonica) (2019), “Artifcial Intelligence in Education: Challenges and Opportunities for Sustainable Development”, United Nations Educational, Scientifc and Cultural Organization, 7, place de Fontenoy, 75352 Paris 07 SP, France, UNESCO, 45.

[111]. Bali, Maha (2017),“Against the 3A’s of EdTech: AI, Analytics, and Education”. Technologies in

Adaptive https://www.chronicle.com/blogs/profhacker/against-the-3as-of-edtech- ai-analytics-and-adaptive-technologies-in-education/64604

of Organi ational Behavior, Journal 36(1), [112]. R. Luckin, W. Holmes, M. Griffiths, L.B. Forcier (2016), “Intelligence Unleashed: an argument for Al in Education”, London: Pearson [113]. T.H. Shar (2019), “Students’ Perspectives on Artificial Intelligence in Education’, Thar Shar Thesis with correction1.pdf (wintec.ac.nz) [114]. Bonett, G. Douglas, Wright, A. Thomas (2015), “Cronbach's alpha reliability: Interval estimation, hypothesis testing, and sample size planning”, 3– 15. doi:10.1002/job.1960.

Trang 139

[115]. “Princeton WordNet Search 3.1”. Truy cập ngày 7 tháng 4 năm 2012. [116]. J.L. Harold, L.W. Thomas (1958), “Management in the 1980’s”, Harvard Business Review.

[117]. “Nghị quyết số 49/CP về phát triển công nghệ thông tin ở nước ta trong những năm 90”. Chính phủ Việt Nam. Bản gốc lưu trữ ngày 21 tháng 4 năm 2015. [118]. ““Khát” nhân lực ngành Công nghệ thông tin”, “Khát” nhân lực ngành Công nghệ thông tin (baodansinh.vn) [119]. Lương Mạnh Bá (2005), “Tương tác người – máy”, NXB Khoa học và Kĩ thuật [120]. J. Nielsen (2000), “Designing web usability: The practice of simplicity”, Indianapolis, IN: New Riders Publishing.

for AI leading [121]. J. Kim, H. Lee, Y.H. Cho (2022), “Learning design to support student- in (2022). teachers 6069–6104 Inf AI collaboration: perspectives of education”, Educ Technol 27, https://doi.org/10.1007/s10639-021-10831-6

[122]. A. L. Guzman, S. C. Lewis (2020), “Artifcial intelligence and communication: A human–machine communication research agenda”, New Media & Society, 22(1), 70–86

teaching processes”, Hawaii [123]. M. Utterberg Modén, M. Tallvid, J. Lundin, B. Lindström (2021), “Intelligent tutoring systems: Why teachers abandoned a technology aimed at automating International Conference on System Sciences.

[124]. https://www.edglossary.org/learning-environment/ [125]. T. Wang, E.C.K. Cheng (2021), “An investigation of barriers to Hong Kong K-12 schools incorporating artifcial intelligence in education”, Computers and Education: Artifcial Intelligence, 2, 100031.

[126]. K. Okoye, J.T. Nganji, S. Hosseini (2020), “Learning analytics for educational innovation: A systematic mapping study of early indicators and success factors”, International Journal of Computer Information Systems and Industrial Management Applications, 12, pp. 138–154.

Source them”, Open [127]. D.A. Nayyar (2019), “Chatbots and the open source tools you can use to You website: the-open-source-

develop For https://opensourceforu.com/2019/01/chatbots-and- tools-you-can-use-to-develop-them.

[128]. S. Wan, Z. Niu (2018), “An E-learning recommendation approach based learning resource”, Knowledge-Based the selforganization of on Systems, doi:10.1016/j.knosys.2018.06.014.

[129]. “Norvegian Centre for ICT in Education, Quality criteria for digital learning resources”, Norwegian Centre for ICT in Education - DocShare.tips [130]. M. Mitrevski (2018), “Getting Started with Wit. Ai”, In Developing Conversational Interfaces for iOS (pp. 143-164). Apress, Berkeley, CA. [131]. R. Dale (2016), “The return of the chatbots”, Natural Language Engineering, 22(5), pp.811-817.

Trang 140

[132]. A. Del Sole (2018), “Introducing Microsoft Cognitive Services”. [133]. N.K. Manaswi (2018), “Developing Chatbots”, In Deep Learning with Applications Using Python (pp. 145-170). Apress, Berkeley, CA.

PHỤ LỤC PHỤ LỤC 1: PHIẾU ĐIỀU TRA THỰC TRẠNG

(Dành cho sinh viên)

Kính gửi:..........................................................................................................

Nhằm đánh giá thực trạng của việc ứng dụng Công nghệ Thông tin nói chung và Trí tuệ nhân tạo nói riêng vào giảng dạy, học tập ở bậc đại học, xin các em vui lòng cho ý kiến của mình về những nội dung ghi trong phiếu này bằng cách đánh dấu (x) vào ô trống, hoặc viết ra ý kiến của mình.

Những ý kiến trong phiếu này chỉ phục vụ mục đích nghiên cứu khoa học và

không ảnh hưởng đến người tham gia khảo sát.

Câu 1. Nền tảng công cụ m em thường sử dụng để học tập là gì?

 Các thiết bị di động  Máy tính bảng  Máy tính để bàn  Máy tính xách tay  Thiết bị khác

Câu 2. Hệ thống theo dõi (tracking system) hiệu suất dựa trên AI rất có ích vì nó sẽ mang lại cho sinh viên sự tự tin, sinh viên không phải lo lắng về những điều sai trái vì hệ thống theo dõi sẽ hướng dẫn sinh viên làm điều đúng đắn. Em có đồng ý với vấn đề này không?

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 3. Các nền tảng học tập trực tuyến có thể hỗ trợ sinh viên trong việc tìm kiếm thông tin đa dạng, chất lượng và một môi trường trực quan dễ chịu. Vậy em có nghĩ môi trường học tập trực tuyến giúp cho sinh viên cải thiện năng suất và hiệu quả học tập?

PL-1

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 4. Module khuyến nghị có thể được sử dụng để cung cấp danh sách các đề xuất (tài liệu học tập, khoá học…) dựa trên thói quen, sở thích, phong cách học tập của sinh viên. Bạn có đồng ý với nội dung này không?

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 5. Việc sử dụng các tr giảng AI có thể đưa ra hản hồi tức thì.

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 6. Em ó tin tưởng vào tính an toàn, bảo mật khi sử dụng hệ thống theo dõi trực tuyến?

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 7. Chatbot có vai trò như tr lí cho sinh viên trong quá trình học tập

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 8. Các ứng dụng dạy học có tích h p trí tuệ nhân tạo (AI) rất hữu ích cho sinh viên

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 9. AI cung cấp các trải nghiệm học tập tốt hơn cho sinh viên

PL-2

 Hoàn toàn không đồng ý  Không đồng ý

 Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 10. Em sẽ sẵn sàng sử dụng các ứng dụng hỗ tr học tập có tích h p AI nếu có thể

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Cảm ơn á em đã tham gia khảo sát! MỘT SỐ THÔNG TIN CÁ NHÂN (Không bắt buộc)

1. Giới tính của người đư c khảo sát

 Nam

 Nữ

 Giới tính khác

2. Người đư c khả sát sinh iên năm thứ mấy?

PL-3

 Năm 1  Năm 2  Năm 3  Năm 4  Năm 5

PHỤ LỤC 2: PHIẾU ĐIỀU TRA THỰC TRẠNG PHIẾU KHẢO SÁT GV

Kính gửi: ....................................................................................................................

Nhằm đánh giá thực trạng của việc ứng dụng Công nghệ Thông tin nói chung và Trí tuệ nhân tạo nói riêng vào giảng dạy, học tập ở bậc đại học, Quý Thầy/ Cô vui lòng cho ý kiến của mình về những nội dung ghi trong phiếu này bằng cách đánh dấu (x) vào ô trống hoặc viết ra ý kiến của mình.

Những ý kiến trong phiếu này chỉ phục vụ mục đích nghiên cứu khoa học và

không ảnh hưởng đến người tham gia khảo sát.

Câu 1. Nền tảng công cụ mà Quý Thầy/ Cô thường sử dụng để dạy học là gì?

 Các thiết bị di động  Máy tính bảng  Máy tính để bàn  Máy tính xách tay  Thiết bị khác

Câu 2. Hệ thống theo dõi (tracking system) hiệu suất dựa trên AI rất có ích vì nó sẽ mang lại cho sinh viên sự tự tin, sinh viên không phải lo lắng về những điều sai trái vì hệ thống theo dõi sẽ hướng dẫn sinh viên làm điều đúng đắn. Quý Thầy/ Cô có đồng ý với vấn đề này không?

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 3. Các nền tảng học tập trực tuyến có thể hỗ trợ sinh viên trong việc tìm kiếm thông tin đa dạng, chất lượng và một môi trường trực quan dễ chịu. Vậy Quý Thầy/ Cô có nghĩ môi trường học tập trực tuyến giúp cho sinh viên cải thiện năng suất và hiệu quả học tập?

PL-4

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 4. Module khuyến nghị có thể được sử dụng để cung cấp danh sách các đề xuất (tài liệu học tập, khoá học…) dựa trên thói quen, sở thích, phong cách học tập của sinh viên. Quý Thầy/ Cô có đồng ý với nội dung này không?

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 5. Việc sử dụng các tr giảng AI có thể đưa ra hản hồi tức thì.

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 6. Quý Thầy/ Cô ó tin tưởng vào tính an toàn, bảo mật thông tin của người dùng khi sử dụng hệ thống theo dõi trực tuyến để quản lí quá trình học tập của sinh viên.

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 7. Chatbot có vai trò như tr lí cho sinh viên trong quá trình học tập.

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 8. Các ứng dụng dạy học có tích h p trí tuệ nhân tạo (AI) rất hữu ích cho sinh viên

PL-5

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 9. AI cung cấp các trải nghiệm học tập tốt hơn cho sinh viên

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Câu 10. Quý Thầy/ Cô sẽ sẵn sàng sử dụng các ứng dụng hỗ tr giảng dạy có tích h p AI nếu có thể

 Hoàn toàn không đồng ý  Không đồng ý  Đồng ý một phần  Đồng ý  Hoàn toàn đồng ý

Cảm ơn q í Thầy/Cô đã tham gia khảo sát!

MỘT SỐ THÔNG TIN CÁ NHÂN (Không bắt buộc)

1. Năm sinh:.......................... Giới tính: Nam  Nữ 

2. Thâm niên công tác: ......... năm; Thâm niên giảng dạy:............ năm.

PL-6

3. Trình độ được đào tạo: Đại học  Thạc sỹ  Tiến sĩ 

PHỤ LỤC 3: PHIẾU KHẢO SÁT SINH VIÊN VỀ VIỆC SỬ DỤNG CHATBOT TRONG HỖ TRỢ HỌC TẬP

Để đánh giá sự phù hợp của các biện pháp dạy học có sử dụng CHATBOT hỗ trợ sinh viên đại học trong học tập, tác giả luận án xin gửi tới các em sinh viên các câu hỏi. Rất mong các em sinh viên đọc và cho ý kiến về nội dung trong phiếu bằng cách đánh dấu (X) vào ô trống tương ứng. Chúng tôi cam kết là nội dung khảo sát chỉ phục vụ cho mục đích nghiên cứu và do vậy sẽ được bảo mật, không tiết lộ ra bên ngoài.

Các em sinh viên vui lòng cung cấp thông tin và trả lời các câu hỏi khảo sát dưới đây:

I. THÔNG TIN CÁ NHÂN

Họ và tên: .....................................................................................................................

Trường đại học: ............................................................................................................

Là sinh viên năm thứ mấy: ...........................................................................................

Điện thoại: ....................................................................................................................

Email: ............................................................................................................................

II. NỘI DUNG KHẢO SÁT

Sinh viên ghi mức độ đồng ý của mình cho các nội dung dưới đây với quy ước rằng:

1 – Hoàn toàn không đồng ý 2 – Phần lớn không đồng ý 3 – Phân vân 4 – Phần lớn đồng ý 5 – Hoàn toàn đồng ý

Nội dung 1 2 3 4 5

Mã Câu hỏi Q1

Q2

Q3 Q4 Q5

PL-7

Q6 Phản hồi ngay lập tức của công cụ Chatbot và GV trên website thu được thông qua Chatbot giúp tôi cải thiện việc học của mình. Chatbot giúp giải đáp thắc mắc nhanh cho bạn Chatbot giúp bạn định hướng bài học Chatbot có gợi ý chính xác về bài học Chatbot đưa ra một gợi ý chính xác, nhưng nó không phù hợp với nhu cầu thực sự của bạn Nhiều lúc Chatbot đưa ra một gợi ý sai

PHỤ LỤC 4: PHIẾU XIN Ý KIẾN SINH VIÊN VỀ VIỆC AI HỖ TRỢ CÁ NHÂN HOÁ HỌC TẬP

Để đánh giá sự phù hợp của các biện pháp dạy học có sử dụng AI hỗ trợ (chatbot và cá nhân hóa) và mô hình dạy học có sử dụng AI nhằm tạo động lực học tập cho sinh viên đại học, tác giả luận án xin gửi tới các em sinh viên các câu hỏi. Rất mong các em sinh viên đọc và cho ý kiến về nội dung trong phiếu bằng cách đánh dấu (X) vào ô trống tương ứng. Chúng tôi cam kết là nội dung khảo sát chỉ phục vụ cho mục đích nghiên cứu và do vậy sẽ được bảo mật, không tiết lộ ra bên ngoài.

Các em sinh viên vui lòng cung cấp thông tin và trả lời các câu hỏi khảo sát

dưới đây:

I. THÔNG TIN CÁ NHÂN

Họ và tên: .....................................................................................................................

Trường đại học: ............................................................................................................

Là sinh viên năm thứ mấy: ...........................................................................................

Điện thoại: ....................................................................................................................

Email: ............................................................................................................................

II. NỘI DUNG KHẢO SÁT

Sinh viên ghi mức độ đồng ý của mình cho các nội dung dưới đây với quy ước

rằng:

1 – Hoàn toàn không đồng ý 2 – Phần lớn không đồng ý 3 – Phân vân 4 – Phần lớn đồng ý 5 – Hoàn toàn đồng ý

STT Mã Phát biểu 1 2 3 4 5

C: Giảng dạy trên khóa học có sử dụng AI

1. C1

2. C2

3. C3 GV dạy học kết hợp AI giúp bạn có nhiều động lực học hơn khi theo đuổi phưsơng pháp học được thiết kế cho riêng mình. GV dạy học kết hợp AI giúp bạn sử dụng thời gian và nguồn lực hiệu quả hơn. Khóa học có sử dụng AI giúp bạn có thành tích và kết quả học tập cao hơn.

PL-8

4. C4 Khóa học có sử dụng AI làm tăng động lực

STT Mã Phát biểu 1 2 3 4 5

5. C5 học tập cho bạn Khóa học có sử dụng AI giúp bạn tăng cường quyền tự do của bản thân

H: AI có thể giúp dự đ án nh ầu của người học không?

6. H1

7. H2

8. H3

9. H4

10. H5 AI có thực sự giúp bạn tiếp thu kiến thức hiệu quả hơn các phương pháp dạy truyền thống Bạn thực sự phát triển kiến thức và kĩ năng với sự hỗ trợ của AI AI giúp bạn cá nhân hóa trong học tập và giúp bạn cơ hội trong quá trình phát triển năng lực AI giúp bạn có trách nhiệm hơn, có thể nhận thức được đâu là cách học hiệu quả. AI giúp điều chỉnh, thay đổi phương pháp học theo nhu cầu và sở thích của bạn

K: Mứ độ thỏa mãn các nhu cầu tâm lí về học tập của SV có AI

11. K1

12. K2

13. K3

14. K4

15. K5 Trí tuệ nhân tạo không thể và không nên thay thế phản hồi trực tiếp. AI có thể trợ giúp trong một số lĩnh vực liên quan đến đánh giá và phản hồi AI giúp bạn giải quyết những vấn đề khó hiểu liên quan bài học Sử dụng chatbot cho phép bạn trò chuyện về kết quả học tập của bạn AI Thúc đẩy một cộng đồng học tập có động lực bằng cách lôi kéo học sinh tham gia vào quá trình ra quyết định.

Q: Khóa học và nội dung

16. Q1

17. Q2

18. Q3

19. Q4

20. Q5

21. Q6

22. Q7 Các tài liệu tham khảo được cung cấp đáp ứng nhu cầu của tôi Các bài tập trên website ailearning.edu.vn phù hợp với bạn Phản hồi của AI giúp bạn định hướng mức độ nhận thức AI gợi ý cho bạn các cấp độ bài tập ngang hàng nhau giúp bạn thuận lợi trong quá trình giải toán Nội dung của các bài tập được thiết kế theo chủ đề giúp tôi dễ học Các gợi ý của tài liệu tham khảo liên quan chủ đề giúp tôi dễ dàng hiểu những gì tôi cần làm. Các hoạt động học tập trong môi trường web được xác định rõ ràng với các hướng dẫn thích hợp để thực hiện chúng.

PL-9

D: Hiệu quả sau bài học có AI

STT Mã Phát biểu 1 2 3 4 5

23. D1

24. D2

25. D3

26. D4

27. D5

28. D6 Khóa học này giúp tôi cá nhân hóa học tập theo năng lực của tôi Phản hồi ngay lập tức của AI trên web cải thiện việc học của mình. Thông qua trang web tôi có thể học trong một môi trường thoải mái và yên tĩnh hơn. Tôi thích những khóa học khác được dạy giống như khóa học này Khóa học giúp tôi trải nghiệm giải bài tập được tốt. Khóa học giúp tôi nâng cao kĩ năng học trực tuyến

PL-10

Trân trọng cảm ơn!

PHỤ LỤC 5: PHIẾU XIN Ý KIẾN CHUYÊN GIA

Kính gửi quý Thầy (Cô),

Để đánh giá sự phù hợp của các biện pháp dạy học có sử dụng AI hỗ trợ (chatbot và cá nhân hóa) và mô hình dạy học có sử dụng AI nhằm tạo động lực học tập cho sinh viên đại học, tác giả luận án kính gửji tới quý Thầy (Cô) các câu hỏi. Kính mong quý Thầy (Cô) đọc và cho ý kiến về nội dung trong phiếu bằng cách đánh dấu (X) vào ô trống tương ứng hoặc viết ý kiến đề xuất vào các dòng trống.

Chúng tôi cam kết là nội dung khảo sát chỉ phục vụ cho mục đích nghiên cứu

và do vậy sẽ được bảo mật, không tiết lộ ra bên ngoài.

Quý Thầy (Cô) vui lòng cung cấp thông tin và trả lời các câu hỏi khảo sát

dưới đây:

I. THÔNG TIN CÁ NHÂN

Họ và tên: .....................................................................................................................

Đơn vị công tác:............................................................................................................

Thâm niên công tác: .....................................................................................................

Vị trí công tác: ..............................................................................................................

Điện thoại: ....................................................................................................................

Email: ............................................................................................................................

II. NỘI DUNG KHẢO SÁT

1. Quý Thầy (Cô) ghi mức độ đồng ý của mình cho các nội dung dưới đây với

quy ước rằng:

1 – Hoàn toàn không đồng ý 2 – Phần lớn không đồng ý 3 – Phân vân 4 – Phần lớn đồng ý 5 – Hoàn toàn đồng ý

Tên biện pháp Ý kiến khác Tính cần thiết Tính h p lí Tính khả thi

PL-11

Sử dụng Chatbot hỗ trợ SV học tập Các yếu tố trong mô mình phù hợp với môi trường đại học Mô hình được đề xuất là xu hướng trong tương lai về sử dụng công nghệ trong dạy học

Tên biện pháp Ý kiến khác Tính cần thiết Tính h p lí Tính khả thi

Sử dụng AI giúp cá nhân hóa học tập cho sinh viên Giai đoạn này phù hợp để đưa AI vào hỗ trợ dạy học cho SV

2. Ngoài các biện pháp Chatbot và Cá nhân hóa học tập đề xuất ở trên, theo quý Thầy (Cô), cần bổ sung thêm biện pháp nào sử dụng công nghệ vào hỗ trợ dạy học nâng cao động lực học tập cho sinh viên đại học được hoàn thiện hơn? ......................................................................................................................................

......................................................................................................................................

......................................................................................................................................

......................................................................................................................................

3. Ý kiến khác: ......................................................................................................................................

......................................................................................................................................

......................................................................................................................................

PL-12

Xin chân thành cảm ơn quý Thầy (Cô) về những đóng góp quý báu cho nghiên cứu này!

PHỤ LỤC 6: DANH SÁCH CHUYÊN GIA XIN Ý KIẾN

STT Họ và tên Đơn ị Trình độ chuyên môn Thâm niên công tác

1. PGS.TS NBHT 40

2. LTTN TS 22

3. LTTM TS 21

4. VCĐ TS 11

5. NHP TS 22

6. TVH TS 17

7. PAP TS 27

8. NQV TS 26

9. VTL TS 30

10. ĐNL Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Bách Khoa Đại học Đà Nẵng Trường Đại học Giáo dục TS 20

11. TTTO Trường Đại học Vinh TS 25

12. DTTT ThS 18

13. NVB TS 15

14. NĐB TS 24

15. HCP PGS.TS 25

16. NMH PGS.TS 30

PL-13

17. HNT TS 15 Trường Đại học Quảng Nam Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Khoa học Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Khoa học Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng

STT Họ và tên Đơn ị Trình độ chuyên môn Thâm niên công tác

18. PGS.TS VTH 29

19. PXH TS

20. HTMP ThS 10

21. Trường Đại học Sư phạm Kĩ thuật, Đại học Đà Nẵng Trường Đại học Quảng Bình Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Quảng Bình HĐT TS 12

22. DTMN ThS 11

23. HH TS 20

24. LTH TS 17

25. LQT TS 13

26. NVK TS 20

27. NT TS 23

28. HVH TS 26

29. ĐĐT TS 10

30. ` NTB PGS.TS 23

31. ĐTT TS 15

32. TCD TS 20

33. VHC ThS 12

34. NTC TS 23

PL-14

35. NQV TS 21 Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Khoa học Đại học Huế Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Kinh tế Đại học Đà Nẵng Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Khoa học Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng

STT Họ và tên Đơn ị Trình độ chuyên môn Thâm niên công tác

36. NHQ TS 20

37. NĐH TS 27

38. VĐN TS 10

39. Trường Đại học Sư phạm Đại học Huế Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học FPT Trường Đại học Quảng Bình TVC TS 19

40. LQT TS 17

41. ĐTB TS 14

42. TTV TS 15

43. NTBT ThS 11

44. NV TS 14

45. LTH TS 18

46. NTLA TS 18

47. NĐL TS 20

48. HVP TS 16

49. ĐDB ThS 19

50. NVL TS 17

51. LMT PGS.TS 35

52. NĐHC TS Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Bách Khoa Đại học Đà Nẵng Viện Nghiên cứu và Đào tạo Việt – Anh Đại học Đà Nẵng Trường Đại học FPT Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Đại học Sư phạm Đại học Huế Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Sư phạm Đại học Đà Nẵng Trường Đại học CNTT và Truyền thông Việt – Hàn Đại học Đà Nẵng Trường Đại học Khoa học Đại học Huế Đại học Huế 13

PL-15

53. TS DXH Trường Đại học Quảng Bình 20

PHỤ LỤC 7: DANH SÁCH SINH VIÊN LỚP THỰC NGHIỆM NỘI DUNG ỨNG DỤNG CHATBOT HỖ TRỢ DẠY HỌC

Lớp: Tin họ đại ương (5) Học kì 1. Năm học 2021 - 2022 Họ và tên

STT Mã sinh viên

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

21IT257 21IT258 21IT259 21IT260 21IT261 21IT262 21IT263 21IT264 21IT669 21IT265 21IT670 21IT601 21IT266 21IT271 21IT267 21IT268 21IT603 21IT269 21IT270 21IT606 21IT272 21IT273 21IT274 21IT275 21IT276 21IT277 21IT279 21IT280 21IT281 21IT282 21IT618 21IT619 21IT283 21IT284 21IT285 21IT286

LÊ TRƯỜNG LÊ VĂN LÊ ĐẶNG NGỌC NGÔ NGUYỄN TUẤN TRẦN HÙNG LÊ VĂN NGÔ GIA VÕ QUỐC TRÌNH HẢI TRẦN HƯNG TỐNG CHÍNH DƯƠNG VĂN TRẦN ĐỨC TRẦN THỊ THU TỪ ANH ĐỖ THÀNH VƯƠNG TIẾN ĐINH HỒNG NGUYỄN ANH TRẦN VĂN PHẠM THỊ THU HÀ ĐỨC TRỊNH NGUYỄN NHẬT PHẠM ANH NGUYỄN VIỆT NGUYỄN VĂN ĐOÀN QUỐC LÊ NGUYỄN QUỐC NGUYỄN NGỌC PHẠM HOÀNG PHAN QUANG TRẦN VIẾT TRẦN THANH ĐÀO LÊ QUỐC NGUYỄN QUANG NGUYỄN THỊ BẢO

AN AN ANH ANH ANH BẢO BẢO BẢO BIÊN BÌNH CHUNG CƯỜNG CƯỜNG DUNG ĐÀI ĐẠT ĐẠT ĐỨC ĐỨC GÔ HIỀN HIỆP HIẾU HOÀN HOÀNG HƯNG HUY HUY HUY HUY HUY HUY HUYỀN KHÁNH KIỆT LINH

Lớp SH 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4

PL-16

Họ và tên

STT Mã sinh viên 37 38 39 40 41 42 43 44 45 46 47 48 49 50

21IT287 21IT288 21IT289 21IT291 21IT292 21IT293 21IT294 21IT630 21IT295 21IT296 21IT297 21IT635 21IT298 21IT299

PHAN THỊ MỸ NGUYỄN THÀNH ĐOÀN TRƯỜNG HOÀNG THỊ TRẦN NGUYỄN THIÊN LÊ HOÀI VÕ THỊ NGUYỄN TRUNG TĂNG NGỌC BIỀN MAI PHẠM VĂN TRẦN THANH HOÀNG NGỌC

LINH LỘC LONG LÍ MẪN MINH NAM NGỌC NGUYÊN NHÂN NHƯ PHI PHONG PHÚC

Lớp SH 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4 21IT4

PL-17

PHỤ LỤC 8: DANH SÁCH SINH VIÊN LỚP ĐỐI CHỨNG NỘI DUNG ỨNG DỤNG CHATBOT HỖ TRỢ DẠY HỌC

Lớp: Tin họ đại ương (10) Học kì 1. Năm học 2021 - 2022

HỌ VÀ TÊN

PL-18

SỐ THẺ 21AD001 21AD002 19IT219 21AD003 21AD004 21AD005 21AD006 21AD007 21AD008 21AD009 21AD016 21AD017 21AD018 21AD010 21AD011 21AD012 21AD013 21AD014 21AD072 21AD015 21AD019 21AD020 21AD021 21AD024 21AD025 21AD076 18IT071 21AD026 21AD027 21AD028 21AD029 21AD031 21AD032 STT 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 PHAN NGUYỄN THÀNH LÊ HỒNG NGUYỄN VĂN NGUYỄN LÊ THANH LÊ CẨM NGUYỄN KHẮC NGUYỄN NHO GIA VÕ HỒ ĐĂNG ĐẶNG CHIẾN LÊ VĂN CHÂU VĂN ĐOÀN THỊ MỸ NGUYỄN TỐ NGUYỄN VĂN HOÀNG HỮU TIẾN LÊ HỮU RCOM ROÃN TIẾN TRẦN CHÍNH TRẦN LƯƠNG THÀNH NGUYỄN THÀNH NGUYỄN ĐỨC LÊ VĂN ĐÀM GIA DƯƠNG TẤN NGÔ PHÚC TRƯỜNG Nguyễn Sỹ NGUYỄN XUÂN NGUYỄN XUÂN PHAN TÀI NGỌC TRẦN QUANG ĐỖ QUỐC HỒ QUỐC AN ANH ANH BA BẰNG BÀO BẢO CHÁNH CÔNG CƯỜNG DIÊN DIỆU DIỆU ĐẠI ĐẠT ĐẠT ĐẠT ĐẠT ĐẠT ĐẠT ĐỨC HẢO HIẾU HƯNG HUY HUY Huy HUY HUY HUY HUY KHÁNH KHÁNH LỚP SH 21AD 21AD 19IT4 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 18IT2 21AD 21AD 21AD 21AD 21AD 21AD

HỌ VÀ TÊN

PL-19

STT 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 SỐ THẺ 21AD033 21AD073 21AD035 21AD036 21AD037 21AD074 21AD039 21AD075 21AD040 21AD041 21AD042 21AD043 21AD044 21AD045 21AD046 18IT235 21AD047 NGUYỄN QUỐC HỨA TRUNG NGUYỄN TRUNG TRẦN TẤN TRƯƠNG VĂN VƯƠNG HÀ NHẬT NGUYỄN TRÍ PHẠM VĂN PHẠM VĂN PHÙNG VIẾT NGUYỄN HOÀI PHAN HOÀNG TRUNG TRẦN PHẠM SONG TRẦN SINH ĐẶNG THỊ THANH TRẦN NHẤT NGÔ ĐÌNH KHÁNH KIÊN KIÊN KIỆT KIM LINH MÙI MỸ NAM NGHĨA NGỌC NGUYÊN NGUYÊN NHẬT NHI PHIÊN PHONG LỚP SH 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 21AD 18IT4 21AD

PHỤ LỤC 9: DANH SÁCH SINH VIÊN LỚP THỰC NGHIỆM NỘI DUNG ỨNG DỤNG “CÁ NHÂN HOÁ” ĐỂ HỖ TRỢ DẠY HỌC

Mã học phần: 31231214

Học kì 2. Năm học 2022 - 2023

STT Mã SV Họ và tên Lớp SH

3120222003 Phan Hoàng Khiếu Anh 1 22CNTT2

3120222017 Nguyễn Ngọc Đào 2 22CNTT2

3120222165 Phommasone Dokhak 3 22CNTT2

3120222019 Trần Nguyên Đôn 4 22CNTT2

3120222024 Trần Phước Duy 5 22CNTT2

3120222032 Nguyễn Công Hậu 6 22CNTT2

3120222035 Phạm Thanh Hiếu 7 22CNTT2

3120222039 Nguyễn Đăng Huy Hoàng 8 22CNTT2

3120222042 Nguyễn Văn Huân 9 22CNTT2

3120222044 Lê Quang Hưng 10 22CNTT2

3120222046 Trần Thị Hường 11 22CNTT2

3120222048 Đồng Văn Huy 12 22CNTT2

3120222054 Phạm Gia Khải 13 22CNTT2

3120222166 Saiphouluang Kham 14 22CNTT2

3120222064 Lê Thị Mỹ Linh 15 22CNTT2

3120222066 Nguyễn Thị Nhật Loan 16 22CNTT2

3120222068 Địch Vũ Bảo Long 17 22CNTT2

3120222081 Trần Thị Út My 18 22CNTT2

3120222083 Đoàn Thị Nga 19 22CNTT2

3120222086 Nguyễn Thị Thanh Ngân 20 22CNTT2

3120222088 Trần Nguyễn Thu Ngân 21 22CNTT2

3120222090 Hoàng Trung Nguyên 22 22CNTT2

3120222092 Đoàn Công Nhật 23 22CNTT2

3120222094 Huỳnh Thị Yến Nhi 24 22CNTT2

PL-20

3120222105 Trần Việt Phúc 25 22CNTT2

STT Mã SV Họ và tên Lớp SH

26 3120222108 Trần Minh Quân 22CNTT2

27 3120222115 Trần Thi Tuyết Sang 22CNTT2

28 3120222117 Trần Hữu Tài 22CNTT2

29 3120222119 Nguyễn Khắc Tấn 22CNTT2

30 3120222121 Ngô Thị Như Thảo 22CNTT2

31 3120222124 Ngô Bá Thiện 22CNTT2

32 3120222129 Trương Hữu Gia Thịnh 22CNTT2

33 3120222168 Phommavanh Thipphachanh 22CNTT2

34 3120222135 Nguyễn Hữu Tín 22CNTT2

35 3120222137 Kiều Quốc Toàn 22CNTT2

36 3120222140 Huỳnh Lê Thùy Trang 22CNTT2

37 3120222144 Lê Thị Thùy Trinh 22CNTT2

38 3120222153 Nguyễn Thanh Việt 22CNTT2

39 3120222157 Nguyễn Quang Vũ 22CNTT2

40 3120222159 Dương Văn Vương 22CNTT2

41 3120222164 Vixaykoummarn Xaypanya 22CNTT2

42 3120222161 Lê Thị Hoàng Yến 22CNTT2

43 3120222001 Lê Tấn An 22CNTT1

44 3120222162 Mivong Choulia 22CNTT1

45 Đại 22CNTT1 3120222016 Võ Anh

46 Đạt 22CNTT1 3120222018 Mai Duy

47 Dũng 22CNTT1 3120222021 Lê Văn

48 Duy 22CNTT1 3120222023 Bùi Vũ Nhật

49 22CNTT1 3120222027 Nguyễn Lộc Hoàng Gia

50 Hải 22CNTT1 3120222029 Phạm Ngọc

51 Hạnh 22CNTT1 3120222031 Lê Quang

52 Hiếu 22CNTT1 3120222036 Vũ Văn

53 Hoa 22CNTT1 3120222038 Đỗ Thị

54 22CNTT1 3120222041 Trần Đức Minh Hoàng

55 Hưng 22CNTT1 3120222045 Trịnh Ngọc

PL-21

56 Huy 22CNTT1 3120222047 Đinh Quốc

STT Mã SV Họ và tên Lớp SH

3120222053 Võ Ngọc Huy 57 22CNTT1

3120222057 Đặng Quốc Khánh 58 22CNTT1

3120222055 Lê Quang Khanh 59 22CNTT1

3120222061 Trần Nguyễn Ngọc Khoa 60 22CNTT1

3120222091 Nhân Đức Khoa Nguyên 61 22CNTT1

3120222097 Nguyễn Thị Ánh Nhi 62 22CNTT1

63 3120222167 Singsavath Phoudphavanh 22CNTT1

3120222103 Nguyễn Phúc 64 22CNTT1

3120222110 Trần Hoàng Quang 65 22CNTT1

3120222122 Trần Thị Thanh Thảo 66 22CNTT1

PL-22

3120222125 Nguyễn Hoàng Thiện 67 22CNTT1

PHỤ LỤC 10: DANH SÁCH SINH VIÊN LỚP ĐỐI CHỨNG NỘI DUNG ỨNG DỤNG “CÁ NHÂN HOÁ” ĐỂ HỖ TRỢ DẠY HỌC

Mã học phần: 31231214

STT Mã SV Họ và tên

1 2 3 3120221352 Phan Hoàng 3120221021 Nguyễn Đăng 3120221387 Trần Quang Dung Duy Huy Lớp SH 21CNTT4 21CNTT4 21CNTT4

4 3120221402 Nguyễn Thị Vân Kiều 21CNTT4

5 6 7 8 3120221405 Nguyễn Thị Mỹ 3120221221 Nhữ Văn 3120221311 Nguyễn Văn 3120221134 Lê Trần Kim Lệ Minh Tuấn Ánh 21CNTT4 21CNTT4 21CNTT4 21CNTT3

9 10 3120221333 Trương Phan Nhật 3120221348 Trần Công Ánh Dự 21CNTT3 21CNTT3

11 12 13 14 15 16 3120221350 Lương Trần Minh 3120221363 Nguyễn Thúy 3120221030 Tôn Quang 3120221176 Võ Văn 3120221408 Đinh Văn 3120221225 Ông Hoàng Đức Hằng Hiền Hoà Lộc Mỹ 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3

17 18 19 20 21 22 23 24 25 26 3120221238 Nguyễn Nho Phương 3120221248 Trần Tuấn 3120221435 Ngô Thị Kim 3120221449 Nguyễn Hà 3120221273 Ngô Quốc 3120221465 Võ Đức 3120221097 Lê Thị Anh 3120221485 Võ Xuân 3120221488 Võ Thị Thanh 3120221302 Nguyễn Minh Nguyên Nhựt Oanh Sỹ Tài Thảo Thư Tịnh Trâm Trí 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3 21CNTT3

27 3120221501 Dương Văn Anh Tú 21CNTT3

PL-23

28 29 30 3120221503 Nguyễn Thị Bích 3120221125 Ngô Thị Ngọc 3120221331 Trần Tuấn Tuyền Vy Anh 21CNTT3 21CNTT3 21CNTT2

Họ và tên

STT Mã SV 31 32 33 34 35 36 3120221140 Lê Thiên 3120221518 Chandalasouk 3120221345 Nguyễn Đa 3120221155 Lê Trung 3120221154 Trần Vũ Huỳnh 3120221158 Lê Quang Bảo Chanpaseuth Đa Đức Đức Dương Lớp SH 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2

37 38 39 40 41 42 43 44 3120221368 Nguyễn Thị Châu 3120221371 Nguyễn Phúc 3120221392 Thiều Trung 3120221196 La Vỹ 3120221522 Simmavong 3120221406 Lê Thị Bích 3120221414 Lê Tự Công 3120221418 Hoàng Tấn Hậu Hiệp Kha Khang Khanthaphone Liễu Lí Nam 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2

45 46 47 48 3120221228 Nguyễn Thị Thanh 3120221428 Huỳnh Văn 3120221430 Lê Minh 3120221432 Đỗ Thị Quỳnh Ngân Nhân Nhật Nhi 21CNTT2 21CNTT2 21CNTT2 21CNTT2

49 50 51 52 53 3120221243 Nguyễn Thị Linh 3120221247 Hồ Thị Huỳnh 3120221074 Võ Văn Anh 3120221254 Đặng Anh 3120221439 Võ Thị Thu Nhi Như Pha Phú Phương 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2

54 55 56 57 58 59 60 61 62 3120221270 Nguyễn Văn Hoàng 3120221454 Nguyễn Thanh 3120221455 Đỗ Song 3120221286 Trần Quốc 3120221461 Hứa Văn 3120221472 Nguyễn Phú 3120221294 Nguyễn Văn 3120221102 Nguyễn Văn 3120221109 Lê Thị Sơn Tâm Tân Thành Thảo Thịnh Thuận Tiền Trang 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2 21CNTT2

PL-24

63 64 65 66 67 3120221113 Võ Nguyễn Anh 3120221526 Phonsamai 3120221322 Phạm Thị Như 3120221338 Huỳnh Gia 3120221340 Nguyễn Gia Trinh Vilat Ý Bảo Bảo 21CNTT2 21CNTT2 21CNTT2 21CNTT1 21CNTT1