KHÁM PHÁ TIỀM NĂNG, HỆ QUẢ CỦA TRÍ TUỆ NHÂN TẠO VÀ CHATGPT ĐỐI VỚI GIÁO DỤC ĐẠI HỌC

Tạ Văn Cánh

 Tóm tắt: Trong thập kỷ qua, các tiến bộ công nghệ, đặc biệt là Trí tuệ nhân tạo (AI), đã biến đổi đáng kể trong  giáo dục đại học. Gần đây, sự phát triển và áp dụng của Generative Pre-trained Transformers (GPT), đặc biệt là ChatGPT của OpenAI, đã thu hút sự quan tâm đáng kể từ nhiều phía. Khả năng chưa từng có của những mô hình này, như tạo văn bản giống con người và thúc đẩy cuộc trò chuyện tự động, có tác động lớn đối với nhiều lĩnh vực, bao gồm giáo dục và y tế. Mặc dù có tiềm năng lớn, lo ngại về việc sử dụng rộng rãi và tính mờ của chúng đã được đặt ra trong cộng đồng khoa học. ChatGPT, phiên bản mới nhất của loạt mô hình GPT, đã thể hiện sự thành thạo đáng kể, vượt qua kỳ thi luật Mỹ và thu hút hơn một triệu người đăng ký ngay sau khi ra mắt. Tuy nhiên, ảnh hưởng của nó đối với giáo dục đã gây ra các phản ứng trái chiều, một số giảng viên hoan nghênh nó như một bước tiến tiên bộ trong khi những người khác cảnh báo về khả năng giảm kỹ năng phân tích và thúc đẩy hành vi không đúng đắn của sinh viên. Bài báo này nhằm mục đích thảo luận sâu vào những ý kiến trên đồng thời khám phá tiềm năng và các vấn đề liên quan đến việc áp dụng các mô hình Trí tuệ nhân tạo trong giáo dục. Nó xây dựng trên nền tảng khám phá các bài báo khoa học đã công bố gần đây, đồng thời đóng góp vào việc hiểu cách những công nghệ này định hình lại các tiêu chuẩn giáo dục trong thời kỳ "vàng son AI".

Từ khóa: Trí tuệ nhân tạo (AI); ChatGPT; công nghệ giáo dục; giáo dục Đại học

Giới thiệu

Trong thập kỷ qua, thế giới đã trải qua bối cảnh giáo dục thay đổi nhanh chóng, chủ yếu là do sự tiến bộ công nghệ. Trong số những công nghệ này, có thể nói rằng có ảnh hưởng lớn nhất là Trí tuệ nhân tạo (AI)[1]. Tiến triển và mở rộng gần đây trong machine learning (máy học) đã dẫn đến việc tạo ra nội dung số phức tạp, như Trí tuệ nhân tạo tạo ra (GAI), có khả năng hỗ trợ giáo dục [2,3]. GAI là một hệ thống học máy không giám sát hoặc giám sát một phần tạo ra đầu ra bằng cách sử dụng xác suất và thống kê [4,5]. Thông qua sự tiến bộ trong học sâu (DL-Deep Learning), Trí tuệ nhân tạo tạo ra những tác phẩm nghệ thuật nhân tạo  bằng cách sử dụng nội dung số hiện có, chẳng hạn như video, hình ảnh/đồ họa, văn bản và âm thanh, bằng cách nghiên cứu các ví dụ đào tạo và học các mô hình và phân phối của chúng [6]. Khoa học hiện đã xác định hai loại chính của Trí tuệ nhân tạo tạo ra — Mạng đối thủ sáng tạo (GAN) và Trí tuệ nhân tạo hỗ trợ  đào tạo (GPT).

Các mô hình Trí tuệ nhân tạo  (GPT) chủ yếu đã được thảo luận trong thời gian qua do sự xuất hiện của OpenAI, ChatGPT, một công nghệ thường được định nghĩa là một người thay đổi thế giới [7]. Công nghệ GPT sử dụng một lượng lớn dữ liệu nội dung số công khai (xử lý ngôn ngữ tự nhiên) để xử lý và tạo ra văn bản giống con người và có thể thể hiện sự sáng tạo khi viết văn bản thuyết phục về hầu hết các chủ đề. Các mô hình GPT thậm chí có thể tương tác với khách hàng như trong cuộc trò chuyện giống con người và đã được triển khai thành công để thực hiện một số nhiệm vụ công việc như là chatbot dịch vụ khách hàng [8]. Công nghệ mới nhất, ChatGPT, phát triển bởi OpenAI, là một công cụ linh hoạt được thiết kế để tối ưu hóa cuộc trò chuyện tự động và có thể khiến con người trở nên không cần thiết [9].

Công nghệ ChatGPT đã trải qua nhiều phiên bản [10]. GPT-3 có 175 tỷ tham số, gấp 10 lần so với mô hình ngôn ngữ đã phát triển trước đó. GPT-3 đã trở thành NLP (Natural Language Processing) cơ bản chạy mô hình ngôn ngữ tự nhiên mới được phát triển gần đây là ChatGPT, mô hình này đã thu hút sự chú ý của nhiều lĩnh vực, bao gồm giáo dục [11,12] và y tế [13–15]. Sau khi ra mắt vào ngày 30 tháng 11 năm 2022, ChatGPT đã thu hút hơn một triệu người đăng ký chỉ trong một tuần [16]. Gần đây hơn, một mô hình mới và mạnh mẽ hơn, GPT-4, đã được phát hành vào ngày 14 tháng 3 [17], với 170 nghìn tỷ tham số đáng kinh ngạc, đại diện cho sự tăng cường đáng kinh ngạc về khả năng xử lý tính toán so với mô hình trước đó [18]. Hơn nữa, như một minh chứng cho sức mạnh ngôn ngữ của nó, OpenAI tuyên bố rằng LLM (Large Language Module) của họ có thể vượt qua kỳ thi bar Hoa Kỳ trong lĩnh vực luật với kết quả ở phân vị thứ 90, so với phân vị 10 của phiên bản trước của ChatGPT [19].

Tuy nhiên, công nghệ vẫn bị hạn chế về tính khả dụng, yêu cầu người dùng phải trả phí đăng ký và tuân thủ các ràng buộc về việc sử dụng số lượng. Trong khi các thành tựu của công nghệ này đã đáng chú ý, cộng đồng khoa học đã bày tỏ sự thất vọng do thiếu minh bạch của OpenAI về các phương pháp đào tạo và nguồn dữ liệu được sử dụng cho mô hình, cũng như cách GPT-4 hoạt động bên ngoài giao diện người dùng [20]. Thời kỳ mới của các cuộc cách mạng do Trí tuệ nhân tạo thúc đẩy đã được định nghĩa bởi một số tác giả như "đào vàng AI mới" [21], nhấn mạnh làm thế nào tất cả các đối thủ nổi bật nhất trong lĩnh vực công nghệ thông tin đang nhanh chóng phát triển mô hình tốt hơn và tốt hơn để đánh bại đối thủ, trong một thị trường mới được tạo ra nhanh chóng.

Tác động của những mô hình Trí tuệ nhân tạo  này, đặc biệt là khả năng ấn tượng của ChatGPT trong lĩnh vực giáo dục, đã tạo nên một sự pha trộn cảm xúc trong cộng đồng giảng viên [12]. Bước tiến tiên bộ này trong công nghệ Trí tuệ nhân tạo  dường như đang làm đổi mới các tiêu chuẩn giáo dục hiện tại, dẫn đến những cuộc tranh luận. Một số giảng viên nhìn nhận ChatGPT và các Trí tuệ nhân tạo tương tự như một bước tiến tiên bộ hướng tới tương lai của giáo dục và nghiên cứu. Ngược lại, một số người khác đang nghi ngờ và coi đó như một nguy cơ tiềm ẩn, có rủi ro dẫn đến giảm hoạt động giáo dục và khuyến khích sự lười biếng giữa giảng viên và sinh viên do giảm kỹ năng phân tích [22,23].

 Gần đây, khi chủ đề này đã thu hút sự chú ý trong truyền thông, một số tác giả khoa học đã cố gắng đánh giá các khả năng và vấn đề có thể xuất hiện liên quan đến sự xuất hiện của các công nghệ Trí tuệ nhân tạo  trong lĩnh vực giáo dục [11,12,23–25], và UNESCO cũng đã công bố một báo cáo thảo luận về các thách thức chính và các tình huống đạo đức mới nổi của Trí tuệ nhân tạo trong giáo dục đại học [26].

1. Trí tuệ nhân tạo và ChatGPT trong việc thúc đẩy các hoạt động giảng dạy và học tập

Nghiên cứu gợi ý rằng công nghệ Trí tuệ nhân tạo có tiềm năng phục vụ như một tài sản quan trọng trong giáo dục, đảm nhiệm nhiều vai trò làm giàu cả trải nghiệm học tập và giáo dục. Các tác giả đã chỉ ra rằng công nghệ Trí tuệ nhân tạo là một công cụ quan trọng trong việc đánh giá bài luận [27,28], mặc dù giá trị và hiệu suất của các công cụ đánh giá dựa trên Trí tuệ nhân tạo này vẫn chưa rõ ràng đầy đủ trong khuôn khổ của khoa học hiện tại. Nghiên cứu cho rằng ChatGPT có khả năng tự động hóa và cải thiện hệ thống đánh giá và đã đề xuất rằng ChatGPT có thể được sử dụng để tự động hóa một phần quá trình đánh giá cho công việc của sinh viên bằng cách nhận biết cả các điểm mạnh và yếu trong một nhiệm vụ cụ thể trong một loạt các bài tập, bao gồm cả bài nghiên cứu, bài luận học thuật và các hình thức khác của công việc viết [29]. Trong ngữ cảnh này, giảng viên có thể điều chỉnh các báo cáo được tạo ra bởi một mô hình như vậy để đưa ra phản hồi có ích cho sinh viên, cho dù ở dạng đánh giá hình thành hoặc đánh giá kết thúc.

Hơn nữa, với sự hỗ trợ của ChatGPT, việc đánh giá chính xác hơn về thách thức học tập và tiến triển của sinh viên có thể được xác định. Điều này có thể giúp giảng viên xác định các lĩnh vực mà sinh viên gặp khó khăn, giúp họ tập trung can thiệp một cách hiệu quả hơn [29]. Việc triển khai Trí tuệ nhân tạo để đánh giá các câu trả lời ngắn trong môi trường học trực tuyến đã được chứng minh thành công trong các nghiên cứu trước đây [30,31]. Hơn nữa, đã có các luận điểm cho rằng một máy đánh giá tự động có sức mạnh Trí tuệ nhân tạo (được sử dụng để chuẩn bị cho kỳ thi) có thể tiềm ẩn làm công cụ hỗ trợ giảng dạy cho sinh viên và giúp họ đạt được điểm thi cao hơn. Hơn nữa, các máy đánh giá Trí tuệ nhân tạo có thể đóng góp vào quá trình đánh giá công bằng hơn [30,31]. Tuy nhiên, đáng lưu ý rằng quan trọng để nghiên cứu giải thích về cách điểm và quá trình đánh giá mà những hệ thống này đang báo cáo cho sinh viên, điều này có thể là một khía cạnh quyết định khi cảm nhận cả vấn đề đạo đức liên quan đến công nghệ và sự chấp nhận của nó [30,32].

Ngoài ra, vì các hệ thống Trí tuệ nhân tạo dựa trên dữ liệu hiện tại từ các đánh giá trước đó để đào tạo, chúng có thể phù hợp đặc biệt để đánh giá các kỳ thi chuẩn hóa, như kỳ thi chuyên nghiệp trên quy mô quốc gia, nơi dữ liệu từ các kỳ thi trước đây phong phú và đánh giá chuẩn hóa là ưu tiên. Tuy nhiên, các hệ thống này có thể kém hiệu quả khi đánh giá các kỳ thi tại các trường đại học, nơi thường xuyên thay đổi định dạng hàng năm và nơi dữ liệu đánh giá trước đây có thể bị hạn chế.

Hơn nữa, việc triển khai Trí tuệ nhân tạo để đánh giá các bài tập phức tạp có thể chưa đủ, đòi hỏi việc hiệu chỉnh hoặc trọng số hóa điểm của Trí tuệ nhân tạo bằng cách xem xét các biến đổi độc đáo của mỗi bài tập. Các biến này có thể bao gồm công việc và đóng góp độc lập của sinh viên, sự hiểu biết và biểu hiện về văn học hiện tại về một chủ đề nhất định, và các tình huống có dữ liệu đào tạo hạn chế. Một quy trình đánh giá cân đối kết hợp cả một hệ thống Trí tuệ nhân tạo minh bạch hoặc có thể giải thích (đối với quan điểm và định nghĩa của Trí tuệ nhân tạo có thể giải thích, xem, ví dụ như [33,34]) và sự tham gia của con người có thể tạo ra kết quả thuận lợi nhất về chất lượng đánh giá và sự chấp nhận khi sử dụng Trí tuệ nhân tạo để đánh giá công việc của sinh viên, ít nhất là trong tương lai gần ​​[30].

Do sự hỗ trợ của Trí tuệ nhân tạo trong tương lai, giảng viên có thể giảm thiểu công việc của họ, chuyển hướng trọng tâm chính của họ vào việc xây dựng các kế hoạch giảng dạy đổi mới, tham gia phát triển chuyên môn và cung cấp hướng dẫn và hỗ trợ cá nhân cho mỗi sinh viên. Tất cả những hoạt động này đều quan trọng để tăng cường hiệu suất học tập của sinh viên đối với kỹ năng và thách thức trong tương lai.

Tiềm năng của các công cụ Trí tuệ nhân tạo không chỉ giới hạn trong việc đánh giá; chúng cũng có thể được triển khai để dịch các tư liệu giáo dục và thúc đẩy môi trường học tập tương tác và thích ứng. Đáng chú ý, các mô hình sáng tạo, như GPT-4, thể hiện sự hứa hẹn đáng kể trong những lĩnh vực này. GPT-4 đã chứng minh khả năng cao trong các nhiệm vụ dịch thuật, vượt qua các giải pháp trước đó về chất lượng [9,35,36]. Tuy nhiên, tính mới lạ của ứng dụng này có phần bị làm dịu do sự thành công trước đó của các công nghệ dịch máy, mà đã mang lại kết quả hài lòng trong việc dịch tài liệu từ nhiều năm trước đây [37,38]. Mặc dù đây không phải là một phát triển hoàn toàn mới, nhưng nó làm nổi bật sự tiến bộ liên tục và cải thiện trong lĩnh vực trí tuệ nhân tạo , đặc biệt là trong lĩnh vực dịch máy.  

Lĩnh vực hướng dẫn cá nhân hóa là một chiều sâu khác nơi mà Trí tuệ nhân tạo thể hiện tính hữu ích lớn. Các hệ thống Trí tuệ nhân tạo có thể điều chỉnh phương pháp hướng dẫn để phù hợp với phong cách học và tiến triển học tập. 

Hệ thống hướng dẫn cá nhân này đã trải qua quá trình thử nghiệm thành công trong nhiều lĩnh vực hướng dẫn, chẳng hạn như đào tạo y tế [39,40]; để biết thêm thông tin, xem [41]), khoa học máy tính [42] và toán học [43]. Ngoài ra, các hệ thống Trí tuệ nhân tạo cũng đã được triển khai thành công như những người hướng dẫn ngoài các lĩnh vực học thuật truyền thống, đóng vai trò như những huấn luyện viên tâm lý cá nhân [44]. Trong bối cảnh học tậpl hoạt - nơi giáo dục được tùy chỉnh để phù hợp với phong cách học và tiến triển học tập cá nhân [45] - các hệ thống Trí tuệ nhân tạo có thể đóng một vai trò quan trọng. Đã được đề xuất [46] rằng Trí tuệ nhân tạo có thể cung cấp một phương pháp giáo dục tinh chỉnh phù hợp với khả năng, sở thích và yêu cầu cụ thể của từng sinh viên. Những nỗ lực như vậy đã được báo cáo trong văn bản khoa học, nhấn mạnh tính khả thi và tiềm năng của phương pháp này trong việc tăng cường trải nghiệm học tập [36,47,48]. Do đó, sự xuất hiện của Trí tuệ nhân tạo như một công cụ mạnh mẽ hỗ trợ học tập cá nhân chứng tỏ khả năng biến đổi của công nghệ này và nhấn mạnh khả năng của nó trong việc định nghĩa lại trải nghiệm giáo dục.  

 Theo [49], với sự hỗ trợ của ChatGPT, giảng viên có quyền sáng tạo các kỹ thuật giảng dạy độc đáo. Một ví dụ là việc áp dụng phương pháp lớp học nghịch, nơi cơ hội học tập không chỉ giới hạn trong lớp học mà mở rộng đến môi trường từ xa, từ đó tạo ra không khí tự học độc lập giữa sinh viên. Atlas (2023) [50] cho rằng khả năng của ChatGPT không chỉ giúp giảng viên tạo ra bài kiểm tra, kỳ thi và chương trình học mà còn là một công cụ mạnh mẽ để tạo ra kế hoạch giảng dạy toàn diện, bài thuyết trình hấp dẫn và các nguồn tài nguyên giáo dục khác.

Giảng viên có thể sử dụng ChatGPT để tạo ra các phương tiện hỗ trợ giảng dạy, chẳng hạn như các slides trình bày kết quả học tập dự kiến và tiêu chí cần thiết để hoàn thành công việc học tập [51]. Hơn nữa, khả năng của công cụ Trí tuệ nhân tạo để nhanh chóng tạo ra một lượng câu hỏi và yêu cầu lớn hơn dựa trên nội dung của khóa học có thể giúp kích thích khả năng giải quyết vấn đề và tư duy phê phán của sinh viên [29], những phần quan trọng trong quá trình học tập trong bối cảnh giáo dục hiện đại.

2. Những thách thức và mối đe dọa do ChatGPT đặt ra trong giáo dục

Mặc dù tiềm năng của ChatGPT là rất lớn nhưng vẫn cần phải giải quyết một số lo ngại về tính chính xác của nội dung do nó tạo ra. Topsakal và Topsakal (2022) [52] đã đề xuất sử dụng ChatGPT để tạo tài liệu hội thoại thô để đào tạo các chatbot dành riêng cho khóa học. Sau khi xác minh tính chính xác của nội dung, ChatGPT có thể dịch những tài liệu này sang định dạng tương thích với các chatbot AI như Google Dialogflow, từ đó cung cấp cho sinh viên một môi trường học tập tương tác và cá nhân hóa.

Trong khi, như đã thảo luận trước đó, các công cụ AI có thể giúp giảng viên giảm khối lượng công việc hiện tại và do đó thúc đẩy nhiều hoạt động nghiên cứu và học tập suốt đời hơn (ví dụ: để cải thiện chất lượng giảng dạy tổng thể và triển khai các phương pháp giảng dạy mới trong lớp học), họ cũng có thể dẫn đến cắt giảm việc làm [53] hoặc gia công phần lớn công việc được trả lương cho máy móc [54].

Việc sử dụng ChatGPT trong giáo dục đặt ra những thách thức liên quan đến tính chính xác và độ tin cậy của nó [13]. Vì ChatGPT được đào tạo trên một lượng lớn dữ liệu thô, chưa được sàng lọc nên có thể không khách quan và có những sai sót nghiêm trọng đã được báo cáo. Hiệu quả của các mô hình tổng quát phụ thuộc vào chất lượng và tính đa dạng của dữ liệu được sử dụng trong quá trình đào tạo của họ. Nếu các tập dữ liệu huấn luyện này bao gồm các thành kiến, thì những thành kiến này luôn thấm vào mô hình. Hãy xem xét một tình huống minh họa trong đó một mô hình được đào tạo bằng cách sử dụng tập dữ liệu chủ yếu bao gồm các bài luận của các sinh viên thuộc một nhóm nhân khẩu học cụ thể. Việc thiếu sự trình bày đa dạng này có thể ảnh hưởng đến khả năng của mô hình trong việc đánh giá các bài luận được viết bởi các sinh viên bên ngoài nhóm nhân khẩu học đó.

 Nguồn gốc của những thành kiến này có thể bắt nguồn từ các yếu tố như quá phụ thuộc vào dữ liệu nghiên cứu có nguồn gốc từ các quốc gia giàu có hoặc việc sử dụng sách giáo khoa không đề cập đến quan điểm toàn cầu [55]. Bằng chứng là công trình của Pavlik (2023) [56], ChatGPT không quen thuộc với thông tin quan trọng liên quan đến việc đánh giá chất lượng của các nguồn truyền thông và những thành kiến cuối cùng. Người ta cũng phát hiện ra rằng, trong một số trường hợp, thông tin do ChatGPT cung cấp có thể thiên vị về mặt chính trị [57,58]; cũng như về tôn giáo, chủng tộc, giới tính và sự công bằng (xem [59] để đánh giá). Tuy nhiên, những thành kiến này dường như đã giảm đi trong phiên bản mới nhất của công cụ AI [60]. Ngoài ra, kiến thức của ChatGPT hiện chỉ giới hạn ở dữ liệu trước năm 2021 [61,62]. Khi xem xét thời gian cần thiết để hệ thống AI thu thập và cập nhật dữ liệu, dự kiến sẽ có một số mức độ trễ giữa thời điểm thông tin được tạo (ví dụ: qua internet) và được đưa vào mô hình trong tương lai (mặc dù điều này có thể xảy ra). được giảm thiểu, ví dụ: bằng cách cho phép mô hình truy cập thông tin trực tiếp trên internet, như khi triển khai ChatGPT vào Bingo hoặc phiên bản beta duyệt ChatGPT được phát hành gần đây).

Vì vậy, phản hồi của nó có thể không phải lúc nào cũng chính xác hoặc đáng tin cậy, đặc biệt đối với các chủ đề chuyên  và các sự kiện gần đây. Hơn nữa, ChatGPT có thể tạo ra thông tin không chính xác hoặc thậm chí bịa đặt, như thường được báo cáo bởi cả người dùng và tài liệu khoa học [13,63,64], và vấn đề như vậy có thể gây rắc rối cho những sinh viên dựa vào ChatGPT để cung cấp thông tin cho việc học của họ. Tuy nhiên, các vấn đề liên quan đến thông tin sai lệch do các mô hình AI cung cấp (thường được gọi là “Ảo giác AI”, xem [65]) có thể sẽ được giảm thiểu trong tương lai và GPT4 đã hiển thị ít ảo giác này hơn so với phiên bản trước của ChatGPT [66].

Vấn đề phức tạp về đạo văn của sinh viên đã trở thành mối lo ngại đáng kể trong các cơ sở giáo dục do việc sử dụng rộng rãi các công cụ viết AI. Việc lạm dụng tràn lan tài sản trí tuệ mà không có trích dẫn thích hợp làm dấy lên những lo ngại về đạo đức và làm suy yếu tính liêm chính trong học thuật của quá trình giáo dục. Để chống lại điều này, các ứng dụng phát hiện đạo văn thường xuyên phát hiện nội dung đạo văn trong bài nộp của sinh viên. Các giải pháp phần mềm này sử dụng nhiều phương pháp khác nhau, từ kiểm tra độ tương tự đến phân tích mẫu ngôn ngữ nâng cao, để xác định tài liệu đạo văn (để phân tích chuyên sâu về các công cụ này và ứng dụng của chúng [67]).

Bất chấp các biện pháp phòng ngừa này, các nghiên cứu gần đây đã nêu bật một xu hướng đáng báo động khi các mô hình AI phức tạp như ChatGPT có thể vượt qua thành công các trình phát hiện đạo văn này. Có vẻ như ChatGPT, do khả năng tạo ra văn bản có vẻ nguyên bản, có thể tạo ra nội dung có vẻ thực sự mới lạ, do đó tránh được sự phát hiện của phần mềm đạo văn truyền thống [68]. Làm trầm trọng thêm vấn đề này là những phát hiện cho thấy ngay cả các máy phát hiện đạo văn được thiết kế để gắn cờ văn bản do mô hình AI tạo ra cũng có thể không hoàn toàn đáng tin cậy. Mặc dù các máy dò cụ thể này đã cho thấy một số hứa hẹn nhưng chúng không phải là không thể sai lầm và đôi khi không thể xác định được nội dung do AI tạo ra [19,69]. Sự không nhất quán này làm suy yếu hiệu quả của các công cụ này, góp phần làm tăng độ phức tạp của việc phát hiện đạo văn.

Vấn đề càng trở nên trầm trọng hơn khi người ta phát hiện ra rằng những sinh viên sử dụng ChatGPT cho bài tập của họ có nhiều khả năng tham gia vào hành vi đạo văn hơn những sinh viên không sử dụng công cụ này [69]. Việc ChatGPT dễ dàng tạo ra văn bản có chất lượng tương đối tốt có thể khuyến khích sinh viên sử dụng nó như một lối tắt, từ đó góp phần tạo ra văn hóa thiếu trung thực trong học thuật. Điều này có thể làm tổn hại đến tính liêm chính trong học thuật của các tổ chức và thách thức mục tiêu cơ bản của đánh giá, đó là đánh giá và phản ánh việc học tập của sinh viên một cách chính xác và công bằng. Tuy nhiên, điều đáng chú ý là sinh viên có thể muốn sử dụng các công cụ AI như ChatGPT không phải để gian lận trong đánh giá mà là một công cụ học tập để học cách viết bài luận tốt hơn.

Hậu quả đáng chú ý của việc lạm dụng ChatGPT là tạo ra một sân chơi học thuật không công bằng. Những sinh viên sử dụng ChatGPT để tạo nội dung độc đáo có thể đạt được lợi thế không công bằng so với các bạn cùng lứa không có quyền truy cập vào nội dung đó hoặc chọn không sử dụng nội dung đó do các cân nhắc về đạo đức [70]. Sự chênh lệch này có thể làm sai lệch điểm số và sự công nhận về mặt học thuật, làm suy yếu giá trị của sự chăm chỉ và nỗ lực cá nhân. Hơn nữa, có những tác động tiềm ẩn trong tương lai đối với những sinh viên chưa biết về toàn bộ khả năng của các công cụ AI như ChatGPT. Những sinh viên như vậy có thể vô tình sử dụng sai công cụ này, dẫn đến việc vô tình đạo văn. Điều này nhấn mạnh sự cần thiết của giáo dục toàn diện về việc sử dụng AI có đạo đức trong môi trường học thuật. Có lẽ khía cạnh đáng báo động nhất của vấn đề này là tác động đến khả năng đánh giá chính xác kết quả học tập của sinh viên của các nhà giáo dục.  

Các mô hình sáng tạo như ChatGPT, mặc dù thể hiện khả năng vượt trội trong việc tạo văn bản, nhưng lại thiếu một số khía cạnh quan trọng nhất định khi so sánh với giảng viên hoặc gia sư là con người. Một lĩnh vực như vậy là thiếu sự tương tác, sự đồng cảm và trí tuệ cảm xúc giống con người trong những mô hình này, những điều này thường rất quan trọng trong môi trường học tập [71]. Giảng viên là con người có thể hiểu và phản hồi trạng thái cảm xúc của sinh viên, điều này có thể tác động đáng kể đến động lực và kết quả học tập của sinh viên.
 
Việc thiếu sự tương tác mang sắc thái này trong các mô hình AI có thể gây bất lợi cho những sinh viên phát triển mạnh trong môi trường học tập đồng cảm, độc đáo. Các nghiên cứu đã chứng minh rằng gia sư ảo được trang bị các tính năng mang lại mức độ đồng cảm cao hơn sẽ dẫn đến kết quả học tập được cải thiện so với những gia sư thiếu các tính năng đó [72]. Điều này cho thấy các hệ thống dạy kèm AI trong tương lai phải thể hiện hành vi giống con người, bao gồm bắt chước sự đồng cảm của con người, để được sử dụng hiệu quả trong các nhiệm vụ giảng dạy.

Các mô hình tổng quát, như ChatGPT, chỉ dựa vào các mẫu thống kê học được từ dữ liệu mà chúng đã được đào tạo [73,74]. Kết quả là, những mô hình này thiếu sự hiểu biết thực sự về các khái niệm mà chúng đang giúp sinh viên học tập. Những hạn chế như vậy có thể cản trở khả năng đưa ra lời giải thích hoặc phản hồi phù hợp với nhu cầu riêng hoặc quan niệm sai lầm của sinh viên. Những phản hồi phù hợp như vậy rất quan trọng đối với giáo dục thực tế, cho phép các nhà giáo dục trực tiếp giải quyết và sửa chữa những hiểu lầm của sinh viên.

Các mô hình sáng tạo hoạt động bằng cách bắt chước các mẫu được quan sát trong dữ liệu mà chúng được đào tạo, theo truyền thống, điều này đặt ra những hạn chế về tính độc đáo và tính sáng tạo của kết quả đầu ra. Tuy nhiên, một sự thay đổi gần đây trong bối cảnh AI đã chứng kiến sự phát triển của các mô hình thể hiện các hành vi giống với sự sáng tạo của con người [75,76]. Hơn nữa, nghiên cứu mới nổi chỉ ra rằng AI đã bắt đầu vượt qua việc mô phỏng đơn thuần các phong cách nghệ thuật hiện có và đã bắt đầu thể hiện khả năng nghệ thuật sáng tạo thực sự [77–80]. Các công cụ AI đã được chứng minh là có khả năng tái tạo phong cách của các nghệ sĩ mang tính biểu tượng [81] cũng như đề xuất các cách thể hiện nghệ thuật độc đáo và mới lạ [82]. Phạm vi tiếp cận sáng tạo của AI không chỉ giới hạn ở một phương tiện mà đã lan rộng trên nhiều lĩnh vực nghệ thuật khác nhau, chẳng hạn như sáng tác âm nhạc [83] và thơ [84]. Công việc do AI tạo ra đã trở nên phức tạp đến mức thường đặt ra thách thức để phân biệt nó với các tác phẩm do con người tạo ra [84,85]. Hơn nữa, các đánh giá mù quáng đã tiết lộ rằng tác phẩm nghệ thuật do AI tạo ra có thể thu được sự đánh giá và giá trị nghệ thuật cao [86].
 
 Tính nhạy cảm và tính chất cá nhân của dữ liệu sinh viên làm tăng nguy cơ vi phạm dữ liệu, truy cập trái phép và khả năng lạm dụng dữ liệu cho các mục đích phi giáo dục [29]. Tlili và các đồng nghiệp (2023) [87] nêu bật sự nhầm lẫn nảy sinh từ những lo ngại như vậy, trích dẫn ví dụ về ChatGPT của OpenAI. Theo trang web chính thức của OpenAI, các cuộc hội thoại với ChatGPT được ghi lại và phân tích để cải thiện hiệu suất của mô hình, tuy nhiên chi tiết cụ thể về việc lưu trữ và sử dụng các cuộc hội thoại này vẫn chưa rõ ràng. Điều thú vị là khi các nhà nghiên cứu đặt ra những mối quan ngại này trực tiếp với ChatGPT, nó lại mâu thuẫn với thông tin trên trang chính thức, tuyên bố rằng nó không lưu giữ bất kỳ dữ liệu hội thoại nào [87].
 
3. Các hành động khả thi và chiến lược giảm thiểu để ứng phó với tác động của ChatGPT

Không thể phóng đại nhu cầu cấp thiết nhằm giải quyết tác động của ChatGPT đối với lĩnh vực giáo dục và nhu cầu hành động ngay lập tức đã được đề xuất [88]. Có một nhu cầu cấp thiết là phải điều chỉnh các thực tiễn đánh giá và các giao thức của tổ chức để quản lý các vấn đề nổi lên do sự gia tăng nhanh chóng của nội dung do AI tạo ra trong công việc học tập [89]. Trước khi triển khai GPT-4 vào tháng 3 năm 2023, các nhà giáo dục có thể thay đổi cẩn thận thiết kế bài kiểm tra của mình bằng cách giới thiệu các tài nguyên đa phương tiện (ví dụ: hình ảnh và biểu đồ) để giảm thiểu khả năng các bài tập được thực hiện hoàn toàn bởi AI, vì ChatGPT 3.5 không thể xử lý nội dung hình ảnh hoặc video, từ đó tạo ra thách thức đối với những sinh viên cố gắng lợi dụng nó để gian lận [13,90,91]. Tuy nhiên, điều này đã thay đổi với phiên bản công nghệ mới nhất (GPT-4), vì hệ thống AI hiện cũng được thiết kế để xử lý dữ liệu đầu vào trực quan.

Điều này đòi hỏi các nhà giáo dục phải khám phá các chiến lược thay thế liên quan đến việc tích hợp các thành phần không có kỹ thuật số vào các nhiệm vụ đánh giá của họ, chẳng hạn như thuyết trình, phỏng vấn và bài kiểm tra viết được thực hiện mà không sử dụng công cụ hỗ trợ kỹ thuật số [49,87,88,92 ]. Các thành phần phi kỹ thuật số như vậy của đánh giá sẽ yêu cầu sinh viên thể hiện năng lực của mình một cách trực tiếp và trực tiếp mà không cần các công cụ bên ngoài.

Đầu tư vào việc đào tạo các nhà giáo dục và cung cấp thông tin cho sinh viên có thể là một chiến lược, dựa trên tình hình thực tế, để quản lý các tác động của ChatGPT [93]. Một lĩnh vực trọng tâm quan trọng là trang bị cho người hướng dẫn khả năng nhận biết việc sử dụng ChatGPT trong bài tập của sinh viên, một kỹ năng có thể được phát triển với sự trợ giúp của các công cụ phát hiện AI.
 
Mặt khác, các nhà giáo dục cần được đào tạo về cách tối đa hóa tiềm năng của ChatGPT trong việc chuẩn bị và đánh giá bài học [29,88], đồng thời sinh viên cần được hiểu rõ về những hạn chế cố hữu của ChatGPT [94,95], bao gồm cả sự phụ thuộc của nó vào một phần dữ liệu [96], quyền truy cập bị hạn chế của nó vào kiến thức hiện tại [97] và xu hướng tạo ra thông tin sai lệch [63]. Do đó, các nhà giáo dục nên hướng dẫn sinh viên xác nhận độ tin cậy của thông tin có nguồn từ ChatGPT bằng các tài liệu tham khảo đáng tin cậy, có căn cứ như sách giáo khoa và bài báo khoa học [23,98]. Cũng cần chú trọng hơn đến việc thông báo cho sinh viên về các chính sách liêm chính trong học tập của trường đại học và hậu quả của sai sót trong học tập [99,100].

 4. Tiên phong trong sự phát triển AI trong giáo dục: Thích ứng, tiến bộ và đổi mới

Trí tuệ nhân tạo, với tiềm năng to lớn của nó, sẽ ảnh hưởng đáng kể đến nền giáo dục hiện đại. Điều này đặc biệt rõ ràng trong trường hợp các mô hình sáng tạo như ChatGPT, có thể nhanh chóng trở nên phổ biến trong dân chúng nói chung. Mặc dù còn nhiều cuộc tranh luận khác nhau xung quanh ứng dụng của nó và những hạn chế công nghệ nhất định, nhưng chỗ đứng của AI trong lĩnh vực giáo dục vẫn còn và nó có thể nhanh chóng thúc đẩy những chuyển đổi sâu rộng về phương pháp dạy và học [101].

Trọng tâm của các cuộc thảo luận đang diễn ra xung quanh AI trong giáo dục là mối lo ngại về khả năng sử dụng sai mục đích của nó, đặc biệt là trong các bài tập học thuật. Nhiều người đã đề xuất các biện pháp nghiêm khắc, chẳng hạn như cấm hoàn toàn các công cụ AI như ChatGPT trong môi trường trường học và đại học [102]. Cách tiếp cận này đã bị chỉ trích vì nó có thể gây bất lợi cho sinh viên ở những trường bị cấm sử dụng những công cụ này so với những sinh viên đang theo học ở những trường được phép sử dụng những công cụ này [103]. Đồng thời, có sự thúc đẩy phát triển và sử dụng các công nghệ có khả năng phân biệt nội dung do AI sản xuất [104,105]. Tuy nhiên, một cuộc chạy đua giữa ChatGPT và phần mềm phát hiện có thể tốn kém và không hiệu quả [68]. Sự tiến bộ không ngừng trong công nghệ AI, bằng chứng là sự phát triển của mô hình Open AI ChatGPT, đặt ra thách thức đối với tính hiệu quả của các biện pháp bảo vệ này.

​Để giải quyết thêm vấn đề, các hướng dẫn đã được đề xuất nhằm giúp các nhà giáo dục giảm thiểu nguy cơ sinh viên phụ thuộc vào AI trong học tập. Thực hiện một bước đi quyết liệt theo hướng này. Một số trường đại học ở Mỹ đã áp đặt lệnh cấm truy cập ChatGPT trên tất cả các thiết bị và mạng thuộc sở hữu của trường học [106], đồng thời các trường học và cao đẳng khác cũng đã ban hành lệnh cấm đối với ChatGPT và các dịch vụ khác [107,108].

Hiện tại, có vẻ thực tế hơn khi chấp nhận và tích hợp các công cụ công nghệ này vào cơ cấu giáo dục của chúng ta [3,109] thay vì cố gắng ngăn chặn sự phát triển của chúng một cách vô vọng, điều này có thể gây hại nhiều hơn là có lợi, theo một số báo cáo [110]. Người ta cũng lưu ý rằng việc cấm sử dụng ChatGPT cho sinh viên nên được coi là ngang bằng với việc cấm máy tính trong lớp học toán [111] hoặc cấm Google [112]. Với những gã khổng lồ như Microsoft có kế hoạch kết hợp ChatGPT trên phạm vi sản phẩm của họ [21,113], việc các công cụ AI trở thành một vật cố định phổ biến trong cuộc sống của chúng ta chỉ là vấn đề thời gian. Khi sự chuyển đổi này thành hiện thực, các tổ chức giáo dục có thể phải đối mặt với những thách thức đáng kể trong việc thực hiện các chính sách thúc đẩy việc sử dụng an toàn và hiệu quả các công cụ AI như ChatGPT.

Mặc dù còn quá sớm để đưa ra kết luận cụ thể nhưng rõ ràng là các phương pháp đánh giá hiện tại có thể cần được xem xét lại để theo kịp tầm ảnh hưởng của AI. Nghiên cứu hiện tại minh họa rằng nhiều nhà giáo dục gặp khó khăn trong việc thiết kế các phương pháp đánh giá hiệu quả nhằm thúc đẩy việc học tập [114,115]. Do đó, nhu cầu phát triển chuyên môn trong lĩnh vực này là rất quan trọng, giúp giảng viên khai thác khả năng của các công cụ AI như ChatGPT để nâng cao hiệu quả giảng dạy và học tập.

Khi Trí tuệ nhân tạo ngày càng được đưa vào lĩnh vực chuyên môn sau khi tốt nghiệp đại học, việc chuẩn bị cho sinh viên những kỹ năng cần thiết để phát triển trong một tương lai do AI thống trị là điều cần thiết. Để đạt được mục tiêu này, việc tích hợp các ứng dụng AI, chẳng hạn như ChatGPT, trong môi trường giáo dục có thể là một bước quan trọng.

Việc đàm phán các chuyển đổi nhanh chóng do AI thúc đẩy liên quan đến việc điều hướng một số chiều phức tạp. Đầu tiên trong số này là xác định các chiến lược hiệu quả để sử dụng ChatGPT và các công cụ AI tương tự nhằm làm phong phú trải nghiệm giáo dục và thiết kế các mô-đun đào tạo tùy chỉnh phù hợp với cả giảng viên và sinh viên, nhằm tối đa hóa lợi ích của các công cụ AI trong việc khuếch đại việc dạy và học. Hơn nữa, việc kết hợp các công cụ AI này trong các chương trình đào tạo giảng viên có thể trang bị cho các nhà giáo dục kiến thức và kỹ năng để sử dụng những công nghệ này một cách tối ưu trong lớp học. Điều bất hợp lý là trong tương lai, những sinh viên không được đào tạo về các công cụ AI có thể gặp bất lợi khi cạnh tranh trên thị trường việc làm so với những sinh viên có kinh nghiệm thực tế và tiếp xúc sâu rộng với các công cụ này. Vì vậy, điều tối quan trọng là phải nhanh chóng thiết lập một khuôn khổ giáo dục vừa sử dụng vừa xem xét kỹ lưỡng những công cụ này vì lợi ích của sinh viên.

5. Kết luận

Sự xuất hiện của Trí tuệ nhân tạo và ChatGPT mang lại những tiềm năng rất lớn đến hoạt động giáo dục và đào tạo trong giáo dục, hỗ trợ giảng viên, đưa ra những giải pháp nhanh, phù hợp, có thể giải quyết các công việc khác nhau, lĩnh vực khác nhau, tự động hóa nhiều hoạt động khó. Do đó giáo dục đại học cần phải có chiến lược phù hợp để tận dụng được những thế mạnh của trí tuệ nhân tạo, đồng thời có những giải pháp hạn chế những tác động tiêu cực của Trí tuệ nhân tạo đến hiệu quả việc dạy và học. Qua phân tích xu hướng của Trí tuệ nhân tạo và ChatGPT có thể khẳng định giáo dục không thể bỏ qua Trí tuệ nhân tạo và ChatGPT, giảng viên cần đầu tư nghiên cứu ứng dụng của Trí tuệ nhân tạo và ChatGPT để nâng cao chất lượng đào tạo đồng thời giám sát chặt chẽ những hành vi thiếu chuẩn mực trong sinh viên khi cố tình lạm dụng Trí tuệ nhân tạo và ChatGPT để thực hiện các hành vi vi phạm liêm chính học thuật.

Tài liệu tham khảo

1. Makridakis, S. The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms. Futures 2017, 90, 46–60.  

2. Bozkurt, A.; Xiao, J.; Lambert, S.; Pazurek, A.; Crompton, H.; Koseoglu, S.; Farrow, R.; Bond, M.; Nerantzi, C.; Honeychurch, S. Speculative Futures on ChatGPT and Generative Artificial Intelligence (AI): A collective reflection from the educational landscape. Asian J. Distance Educ 2023, 18, 50–130.

3. Bozkurt, A. Generative artificial intelligence (AI) powered conversational educational agents: The inevitable paradigm shift. Asian

J. Distance Educ. 2023, 18. Available online: http://www.asianjde.com/ojs/index.php/AsianJDE/article/view/718 (accessed on 15 April 2023).

4. Mondal, S.; Das, S.; Vrana, V.G. How to bell the cat? A theoretical review of generative artificial intelligence towards digital disruption in all walks of life. Technologies 2023, 11, 44.  

5. Zhang, C.; Zhang, C.; Li, C.; Qiao, Y.; Zheng, S.; Dam, S.K.; Zhang, M.; Kim, J.U.; Kim, S.T.; Choi, J. One small step for generative ai, one giant leap for agi: A complete survey on chatgpt in aigc era. arXiv 2023, arXiv:2304.06488.

6. Jovanovic, M.; Campbell, M. Generative Artificial Intelligence: Trends and Prospects. Computer 2022, 55, 107–112.  

7. Mathew, A. Is Artificial Intelligence a World Changer? A Case Study of OpenAI’s Chat GPT. Recent Prog. Sci. Technol. 2023, 5, 35–42.

8. Rivas, P.; Zhao, L. Marketing with chatgpt: Navigating the ethical terrain of gpt-based chatbot technology. AI 2023, 4, 375–384.  

9. Kalla, D.; Smith, N. Study and Analysis of Chat GPT and its Impact on Different Fields of Study. Int. J. Innov. Sci. Res. Technol.

2023, 8.

10. Brown, T.B.; Mann, B.; Ryder, N.; Subbiah, M.; Kaplan, J.; Dhariwal, P.; Amodei, D. Language models are few-shot learners. Adv. Neural Inf. Process. Syst. 2020, 33, 1877–1901. Available online: https://proceedings.neurips.cc/paper/2020/file/1457c0d6bfcb4 967418bfb8ac142f64a-Paper.pdf (accessed on 15 April 2023).

11. Baidoo-Anu, D.; Owusu Ansah, L. Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Soc. Sci. Res. Netw. 2023.

12. Lo, C.K. What is the impact of ChatGPT on education? A rapid review of the literature. Educ. Sci. 2023, 13, 410.  

13.    Sallam, M. ChatGPT utility in healthcare education, research, and practice: Systematic review on the promising perspectives and valid concerns. Healthcare 2023, 11, 887.  

14. Biswas, S.S. Role of chat gpt in public health. Ann. Biomed. Eng. 2023, 51, 868–869.

15. Biswas, S. ChatGPT and the future of medical writing. Radiology 2023, 307, e223312.  

16. Rahimi, F.; Abadi, A.T.B. ChatGPT and publication ethics. Arch. Med. Res. 2023, 54, 272–274.  

17. Hassani, H.; Silva, E.S. The role of ChatGPT in data science: How ai-assisted conversational interfaces are revolutionizing the field. Big Data Cogn. Comput. 2023, 7, 62.

18. Koubaa, A. GPT-4 vs. GPT-3.5: A Concise Showdown. 2023. Available online: https://www.techrxiv.org/articles/preprint/GPT- 4_vs_GPT-3_5_A_Concise_Showdown/22312330 (accessed on 15 April 2023).

19. Katz, D.M.; Bommarito, M.J.; Gao, S.; Arredondo, P. Gpt-4 passes the bar exam. Available at SSRN 2023, 4389233.  

20. Sanderson, K. GPT-4 is here: What scientists think. Nature 2023, 615, 773.  

21. Rudolph, J.; Tan, S.; Tan, S. War of the chatbots: Bard, Bing Chat, ChatGPT, Ernie and beyond. The new AI gold rush and its impact on higher education. J. Appl. Learn. Teach. 2023, 6.  

22. Skavronskaya, L.; Hadinejad, A.; Cotterell, D. Reversing the threat of artificial intelligence to opportunity: A discussion of ChatGPT in tourism education. J. Teach. Travel Tour. 2023, 23, 253–258.  

23. Halaweh, M. ChatGPT in Education: Strategies for Responsible Implementation; Bastas: Tokyo, Japan, 2023.

24. Sok, S.; Heng, K. ChatGPT for education and research: A review of benefits and risks. SSRN Electron. J. 2023.  

25. Rahman, M.M.; Watanobe, Y. Chatgpt for education and research: Opportunities, threats, and strategies. Appl. Sci. 2023, 13, 5783.  

26. Sabzalieva, E.; Valentini, A. ChatGPT and Artificial Intelligence in Higher Education: Quick Start Guide. 2023. Available online: https://eduq.info/xmlui/handle/11515/38828 (accessed on 15 April 2023).

27. Babitha, M.M.; Sushma, C. Trends of Artificial Intelligence for online exams in education. Int. J. Early Child. Spec. Educ. 2022, 14,

2457–2463.

28. AlAfnan, M.A.; Dishari, S.; Jovic, M.; Lomidze, K. Chatgpt as an educational tool: Opportunities, challenges, and recommenda- tions for communication, business writing, and composition courses. J. Artif. Intell. Technol. 2023, 3, 60–68.  

29. Kasneci, E.; Seßler, K.; Küchemann, S.; Bannert, M.; Dementieva, D.; Fischer, F.; Gasser, U.; Groh, G.; Günnemann, S.; Hüllermeier, E. ChatGPT for good? On opportunities and challenges of large language models for education. Learn. Indi- vid. Differ. 2023, 103, 102274.  

30. Schlippe, T.; Stierstorfer, Q.; Koppel, M.T.; Libbrecht, P. Explainability in Automatic Short Answer Grading. In Artificial Intelligence in Education Technologies: New Development and Innovative Practices: Proceedings of 2022 3rd International Conference on Artificial Intelligence in Education Technology; Springer: Berlin, Germany, 2023; pp. 69–87.

31. Schlippe, T.; Sawatzki, J. Cross-lingual automatic short answer grading. Artificial Intelligence in Education: Emerging Technologies, Models and Applications: Proceedings of 2021 2nd International Conference on Artificial Intelligence in Education Technology; Springer: Berlin, Germany, 2021; pp. 117–129.

32. Conijn, R.; Kahr, P.; Snijders, C. The Effects of Explanations in Automated Essay Scoring Systems on Student Trust and Motivation.

J. Learn. Anal. 2023, 10, 37–53.  

33. Hagras, H. Toward human-understandable, explainable AI. Computer 2018, 51, 28–36.  

34.    Langer, M.; Oster, D.; Speith, T.; Hermanns, H.; Kästner, L.; Schmidt, E.; Sesing, A.; Baum, K. What do we want from Explainable Artificial Intelligence (XAI)?–A stakeholder perspective on XAI and a conceptual model guiding interdisciplinary XAI research. Artif. Intell. 2021, 296, 103473.  

35. Jiao, W.X.; Wang, W.X.; Huang, J.T.; Wang, X.; Tu, Z.P. Is ChatGPT a good translator? Yes with GPT-4 as the engine. arXiv 2023,

arXiv:2301.08745.

36. Wang, L.; Lyu, C.; Ji, T.; Zhang, Z.; Yu, D.; Shi, S.; Tu, Z. Document-level machine translation with large language models.

arXiv 2023, arXiv:2304.02210.

37. Deng, X.; Yu, Z. A systematic review of machine-translation-assisted language learning for sustainable education. Sustainability

2022, 14, 7598.

38. Tsai, S.C. Using google translate in EFL drafts: A preliminary investigation. Comput. Assist. Lang. Learn. 2019, 32, 510–526.

39. Fazlollahi, A.M.; Bakhaidar, M.; Alsayegh, A.; Yilmaz, R.; Winkler-Schwartz, A.; Mirchi, N.; Langleben, I.; Ledwos, N.; Sabbagh, A.J.; Bajunaid, K. Effect of artificial intelligence tutoring vs expert instruction on learning simulated surgical skills among medical students: A randomized clinical trial. JAMA Netw. Open 2022, 5, 2149008.

40.    Afzal, S.; Dhamecha, T.I.; Gagnon, P.; Nayak, A.; Shah, A.; Carlstedt-Duke, J.; Pathak, S.; Mondal, S.; Gugnani, A.; Zary, N.; et al. AI medical school tutor: Modelling and implementation. In Proceedings of the Artificial Intelligence in Medicine: 18th International Conference on Artificial Intelligence in Medicine, AIME 2020, Proceedings; Springer: Berlin, Germany, 2020; Volume 18, pp. 133–145.

41. Chan, K.S.; Zary, N. Applications and challenges of implementing artificial intelligence in medical education: Integrative review.

JMIR Med. Educ. 2019, 5, 13930.

42.    Francisco, R.E.; Oliveira Silva, F. Intelligent Tutoring System for Computer Science Education and the Use of Artificial Intelligence: A Literature Review. 2022. Available online: http://repositorio.grial.eu/handle/grial/2566 (accessed on 15 April 2023).

43.    Grossman, J.; Lin, Z.; Sheng, H.; Wei, J.T.Z.; Williams, J.J.; Goel, S.M. Transforming Online Resources for Learning Math into Conversational Interactions. AAAI. 2019. Available online: http://logical.ai/story/papers/mathbot.pdf (accessed on 15 April 2023).

44. Abduljabbar, A.; Gupta, N.; Healy, L.; Kumar, Y.; Li, J.J.; Morreale, P. A Self-Served AI Tutor for Growth Mindset Teaching. In Proceedings of the 2022 5th International Conference on Information and Computer Technologies (ICICT), New York, NY, USA, 4–6 March 2022; pp. 55–59.

45. Kerr, P. Adaptive learning. Elt J. 2016, 70, 88–93.

46. Zhai, X. Chatgpt and ai: The game changer for education. Available at SSRN 2023. in preprint.

47.    Furini, M.; Gaggi, O.; Mirri, S.; Montangero, M.; Pelle, E.; Poggi, F.; Prandi, C. Digital twins and artificial intelligence: As pillars of personalized learning models. Commun. ACM 2022, 65, 98–104.

48. Trojer, L.; Ambele, R.M.; Kaijage, S.F.; Dida, M.A. A review of the Development Trend of Personalized learning Technologies and its Applications. Int. J. Adv. Sci. Res. Eng. 2022, 8, 75–91.

49. Rudolph, J.; Tan, S.; Tan, S.C. Bullshit spewer or the end of traditional assessments in higher education? J. Appl. Learn. Teach.

2023, 6.

50. Atlas, S. ChatGPT for Higher Education and Professional Development: A Guide to Conversational AI. 2023. Available online: https://digitalcommons.uri.edu/cba_facpubs/548 (accessed on 15 April 2023).

51.    Whalen, J.; Mouza, C. ChatGPT: Challenges, Opportunities, and Implications for Teacher Education. Contemp. Issues Technol. Teach. Educ. 2023, 23, 1–23.

52. Topsakal, O.; Topsakal, E. Framework for a Foreign Language Teaching Software for Children Utilizing AR, Voicebots and ChatGPT (Large Language Models. J. Cogn. Syst. 2022, 7, 33–38.

53. Howard, J. Artificial intelligence: Implications for the future of work. Am. J. Ind. Med. 2019, 62, 917–926.  

54. De Cremer, D.; Kasparov, G. AI should augment human intelligence, not replace it. Harv. Bus. Rev. 2021, 18. Available online: https:

//www.daviddecremer.com/wp-content/uploads/HBR2021_AI-Should-Augment-Human-Intelligence-Not-Replace-It.pdf   (accessed on 15 April 2023).

55. Mbakwe, A.B.; Lourentzou, I.; Celi, L.A.; Mechanic, O.J.; Dagan, A. ChatGPT Passing USMLE Shines a Spotlight on the Flaws of Medical Education. PLoS Digit. Health 2023, 2, 0000205.  

56. Pavlik, J.V. Collaborating with ChatGPT: Considering the Implications of Generative Artificial Intelligence for Journalism and Media Education. J. Mass Commun. Educ. 2023, 78, 10776958221149577.

57. McGee, R.W. Is chat gpt biased against conservatives? an empirical study. SSRN Electron. J. 2023, 2023.

58. Rozado, D. The political biases of chatgpt. Soc. Sci. 2023, 12, 148.

59. Singh, S. Is ChatGPT Biased? A Rev. 2023. Available online: http://osf.io/9xkbu/download (accessed on 15 April 2023).

60. Abramski, K.; Citraro, S.; Lombardi, L.; Rossetti, G.; Stella, M. Cognitive network science reveals bias in GPT-3, ChatGPT, and GPT-4 mirroring math anxiety in high-school students. arXiv 2023, arXiv:2305.18320.

61. Gilson, A.; Safranek, C.W.; Huang, T.; Socrates, V.; Chi, L.; Taylor, R.A.; Chartash, D. How does CHATGPT perform on the United States Medical Licensing Examination? the implications of large language models for medical education and knowledge assessment. JMIR Med. Educ. 2023, 9, 45312.

62. Grünebaum, A.; Chervenak, J.; Pollet, S.L.; Katz, A.; Chervenak, F.A. The exciting potential for ChatGPT in obstetrics and gynecology. Am. J. Obstet. Gynecol. 2023, 228, 696–705.  

63. Gravel, J.; D’Amours-Gravel, M.; Osmanlliu, E. Learning to fake it: Limited responses and fabricated references provided by ChatGPT for medical questions. Mayo Clin. Proc. Digit. Health 2023, 1, 226–234.

64. Wen, J.; Wang, W. The future of ChatGPT in academic research and publishing: A commentary for clinical and translational medicine. Clin. Transl. Med. 2023, 13, 1207. 

65. Alkaissi, H.; McFarlane, S.I. Artificial hallucinations in ChatGPT: Implications in scientific writing. Cureus 2023, 15, e35179.

66.    Ali, R.; Tang, O.Y.; Connolly, I.D.; Fridley, J.S.; Shin, J.H.; Sullivan, P.L.Z.; Cielo, D.; Oyelese, A.A.; Doberstein, C.E.; Telfeian, A.E.; et al. Performance of ChatGPT, GPT-4, and Google Bard on a Neurosurgery Oral Boards Preparation Question Bank. Neurosurgery 2023.

67. Naik, R.R.; Landge, M.B.; Mahender, C.N. A review on plagiarism detection tools. Int. J. Comput. Appl. 2015, 125, 16–22.

68. Khalil, M.; Er, E. Will ChatGPT get you caught? Rethinking of plagiarism detection. arXiv 2023, arXiv:2302.04335.

69. Bašic´, Ž.; Banovac, A.; Kružic´, I.; Jerkovic´, I. Better by you, better than me, chatgpt3 as writing assistance in students essays. arXiv

2023, arXiv:2302.04536.
 
 

70.    Cotton, D.R.; Cotton, P.A.; Shipway, J.R. Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innov. Educ. Teach. Int. 2023, 1–12.

71. Chan, C.K.Y.; Tsi, L.H. The AI Revolution in Education: Will AI Replace or Assist Teachers in Higher Education? arXiv 2023, arXiv:2305.01185.

72. Oker, A.; Pecune, F.; Declercq, C. Virtual tutor and pupil interaction: A study of empathic feedback as extrinsic motivation for learning. Educ. Inf. Technol. 2020, 25, 3643–3658.

73. Chomsky, N.; Roberts, I.; Watumull, J.N.C. The False Promise of ChatGPT. The New York Times. 2023, p. 8. Available online:

www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html (accessed on 20 April 2023).

74. Pegoraro, A.; Kumari, K.; Fereidooni, H.; Sadeghi, A.R. To ChatGPT, or not to ChatGPT. arXiv 2023, arXiv:2304.01487.

75. Miller, A.I. The Artist in the Machine: The World of AI-Powered Creativity; Mit Press: Cambridge, MA, USA, 2019.

76. Anantrasirichai, N.; Bull, D. Artificial intelligence in the creative industries: A review. Artif. Intell. Rev 2022, 55, 589–656.

77. Arriagada, L. CG-Art: Demystifying the anthropocentric bias of artistic creativity. Connect. Sci. 2020, 32, 398–405.

78.    Carnovalini, F.; Rodà, A. Computational creativity and music generation systems: An introduction to the state of the art. Front. Artif. Intell. 2020, 3, 14.

79. Colton, S.; Wiggins, G.A. Computational creativity: The final frontier? Front. Artif. Intell. Appl. 2012, 242, 21–26.

80. Toivanen, J.M.; Järvisalo, M.; Alm, O.; Ventura, D.; Vainio, M.; Toivonen, H. Towards transformational creation of novel songs.

Connect. Sci. 2019, 31, 4–32.

81. Iansiti, M.; Lakhani, K.R. Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World; Harvard Business Press: Brighton, MA, USA, 2020.

82. Schwab, K. The Fourth Industrial Revolution; Currency: Redfern, Australia, 2017.

83. Rubinstein, Y. Uneasy Listening: Towards a Hauntology of AI-Generated 835 Music. Reson. J. Sound Cult. 2020, 1, 77–93.

84.    Köbis, N.; Mossink, L.D. Artificial intelligence versus Maya Angelou: Experimental evidence that people cannot differentiate AI-generated from human-written poetry. Comput. Hum. Behav. 2021, 114, 106553.

85. Gangadharbatla, H. The role of AI attribution knowledge in the evaluation of artwork. Empir. Stud. Arts 2022, 40, 125–142.

86. Elgammal, A.; Liu, B.; Elhoseiny, M.; Mazzone, M. Can: Creative adversarial networks, generating "art" by learning about styles and deviating from style norms. arXiv 2017, arXiv:1706.07068.

87. Tlili, A.; Shehata, B.; Adarkwah, M.A.; Bozkurt, A.; Hickey, D.T.; Huang, R.; Agyemang, B. What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learn. Environ. 2023, 10, 15.

88. Farrokhnia, M.; Banihashem, S.K.; Noroozi, O.; Wals, A. A SWOT analysis of ChatGPT: Implications for educational practice and research. Innov. Educ. Teach. Int. 2023, 1–15.

89. Sullivan, M.; Kelly, A.; McLaughlan, P. ChatGPT in higher education: Considerations for academic integrity and student learning.

J. Appl. Learn. Teach. 2023, 6.

90. Susnjak, T. ChatGPT: The End of Online Exam Integrity? arXiv 2022, arXiv:2212.09292.

91.    Newton, P.M. ChatGPT Performance on MCQ-Based Exams. 2023. Available online: https://edarxiv.org/sytu3 (accessed on 15 April 2023).

92. King, M.R.; ChatGpt. A conversation on artificial intelligence, chatbots, and plagiarism in higher education. Cell. Mol. Bioeng.

2023, 16, 1–2.

93. García-Peñalvo, F.J. The Perception of Artificial Intelligence in Educational Contexts after the Launch of ChatGPT: Disruption or Panic?

Ediciones Universidad de Salamanca: Salamanca, Spain, 2023.

94.    Azaria, A. ChatGPT Usage and Limitations. 2022. Available online: https://hal.science/hal-03913837v1/preview/ChatGPT.pdf (accessed on 15 April 2023).

95. Yang, K.B.; Echeverria, V.; Lu, Z.; Mao, H.; Holstein, K.; Rummel, N.; Aleven, V. Pair-Up: Prototyping Human-AI Co-orchestration of Dynamic Transitions between Individual and Collaborative Learning in the Classroom. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, Hamburg, Germany, 23–28 April 2023; Association for Computing Machinery: New York, NY, USA, 2023; pp. 1–17.

96. Ray, P.P. ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope. Internet Things Cyber-Phys. Syst. 2023, 3, 121–154.

97. Eggmann, F.; Weiger, R.; Zitzmann, N.U.; Blatz, M.B. Implications of large language models such as ChatGPT for dental medicine.

J. Esthet. Restor. Dent. 2023.

98. Szabo, A. ChatGPT a Breakthrough in Science and Education: Can it Fail a Test? OSF Prepr. 2023. Available online: https:

//journals.lsu.lt/baltic-journal-of-sport-health/article/view/1341 (accessed on 15 April 2023).

99. Ventayen, R.J.M. ChatGPT by OpenAI: Students’ Viewpoint on Cheating Using Artificial Intelligence-Based Application. SSRN

2023. 4361548 %U. Available online: https://ssrn.com/abstract=4361548 (accessed on 15 April 2023).

100. Perkins, M. Academic Integrity considerations of AI Large Language Models in the post-pandemic era: ChatGPT and beyond.

J. Univ. Teach. Learn. Pract. 2023, 20, 7.

101. Adiguzel, T.; Kaya, M.H.; Cansu, F.K. Revolutionizing education with AI: Exploring the transformative potential of ChatGPT.

Contemp. Educ. Technol. 2023, 15, 429.

102. Huang, K. Alarmed by AI chatbots, universities start revamping how they teach. The New York Times, 16 January 2023.

103. Duffy, C. Public school bans on AI tools like ChatGPT raise fears private school kids are gaining an unfair edge and widening a digital divide. ABC News Australia, 26 May; 2023.

104. Sun, Y.; Zheng, Y.; Hao, C.; Qiu, H. NSP-BERT: A Prompt-based Zero-Shot Learner Through an Original Pre-training Task—Next Sentence Prediction. arXiv 2021, arXiv:2109.03564.

105. Verma, V.; Fleisig, E.; Tomlin, N.; Klein, D. Ghostbuster: Detecting Text Ghostwritten by Large Language Models. arXiv 2023,

arXiv:2305.15047.

106.    Elsen-Rooney, M. NYC Education Department Blocks ChatGPT on School Devices, Networks %U. Chalkbeat New York. 2023. Available online: https://ny.chalkbeat.org/2023/1/3/23537987/nyc-schools-ban-chatgpt-writing-artificial-intelligence (accessed on 15 April 2023).

107. Castillo, E. These Schools and Colleges Have Banned Chat GPT and Similar AI Tools. 2023. Available online: https://www. Bestcolleges.com (accessed on 15 April 2023).

108. Myklebust, J.P. Universities adjust to ChatGPT, but the ‘real AI’ Lies Ahead. 2023. Available online: www.universityworldnews. com (accessed on 15 April 2023).

109. Al-Worafi, Y.M.; Hermansyah, A.; Goh, K.W.; Ming, L.C. Artificial Intelligence Use in University: Should We Ban ChatGPT? Preprints. Preprints.org 2023, 2023020400.

110. Roose, K. Don’t Ban ChatGPT in Schools %U. Teach with It. 2023. Available online: https://www.nytimes.com/2023/01/12

/technology/chatgpt-schools-teachers.html (accessed on 15 April 2023).

111. Toscano, J. Banning ChatGPT in Schools Is Like Banning Calculators in Math Class. forbes.com. 2023. Available online: http://www.forbes.com/sites/joetoscano1/2023/04/20/banning-chatgpt-in-schools-is-like-banning-calculators-in-math- class/?sh=adff58812131 (accessed on 20 April 2023).

112. Anthony, P.; Eager, B.; Glendinning, I.; Webb, M.; Maris, S.C. To Ban or Not to Ban; QAA: Gloucester, UK, 2023.

113.    Yu, H. Reflection on whether Chat GPT should be banned by academia from the perspective of education and teaching. Front. Psychol. 2023, 14, 2156.

114. Earl, L.M. Assessment as Learning: Using Classroom Assessment to Maximize Student Learning; Corwin Press: Thousand Oaks, CA, USA, 2012.

115. Willis, J.; Adie, L.; Klenowski, V. Conceptualising teachers’ assessment literacies in an era of curriculum and assessment reform.

Aust. Educ. Res. 2013, 40, 241–256.