T/g: Ngô Thị Thu Giang
Đơn vị: Khoa Tin học - Ngoại Ngữ
Tóm tắt:
Bài viết này nghiên cứu việc ứng dụng Trí tuệ nhân tạo (AI), cụ thể là các mô hình ngôn ngữ lớn (LLM), trong hỗ trợ giảng viên đại học xây dựng đề cương học phần và thiết kế công cụ đánh giá phù hợp với chuẩn đầu ra. Thông qua nghiên cứu tình huống học phần “Tin học đại cương”, nghiên cứu mô phỏng quy trình tích hợp AI vào các bước trọng yếu của thiết kế giảng dạy: xác định mục tiêu học phần, xây dựng chuẩn đầu ra (CLOs), lập kế hoạch nội dung và đánh giá, cũng như sinh đề thi theo từng mức độ đầu ra. Kết quả cho thấy việc sử dụng AI giúp nâng cao hiệu quả và tính nhất quán trong xây dựng đề cương, đồng thời hỗ trợ tốt việc đảm bảo tính phù hợp của đề thi với các cấp độ nhận thức theo thang Bloom. Bài báo cũng phân tích những lợi ích, hạn chế và đề xuất lộ trình ứng dụng AI trong thiết kế chương trình đào tạo trong bối cảnh chuyển đổi số giáo dục đại học tại Việt Nam.
Từ khóa: Trí tuệ nhân tạo, chuẩn đầu ra, đề cương học phần, GPT, giáo dục đại học
1. Đặt vấn đề
Trong những năm gần đây, Trí tuệ Nhân tạo (AI) đã trở thành một trong những động lực chính của chuyển đổi số trong giáo dục đại học. Việc tích hợp các công nghệ AI như mô hình ngôn ngữ lớn (LLM) vào thiết kế và tổ chức dạy học mở ra nhiều khả năng đổi mới hoạt động sư phạm. Trong đó, hai nhiệm vụ thường nhật nhưng quan trọng của giảng viên là xây dựng đề cương học phần và soạn đề thi đánh giá năng lực sinh viên theo chuẩn đầu ra. Tuy nhiên, các hoạt động này thường đòi hỏi thời gian, sự tỉ mỉ và có độ lệch giữa các giảng viên. Do đó, việc áp dụng AI để chuẩn hóa và hỗ trợ tự động hóa các công việc này là hướng đi tiềm năng [3]
2. Cơ sở lý luận và liên quan nghiên cứu
2.1. Chuẩn đầu ra trong giáo dục đại học
Chuẩn đầu ra học phần (Course Learning Outcomes - CLOs) là các tuyên bố mô tả năng lực mà sinh viên cần đạt được sau khi hoàn tất học phần. CLOs được xây dựng dựa trên Khung năng lực Bloom hoặc Harrow và được liên kết với hoạt động giảng dạy cũng như phương pháp kiểm tra đánh giá.[1]
2.2. Trí tuệ Nhân tạo và mô hình GPT
Trí tuệ nhân tạo (AI) đang được ứng dụng mạnh mẽ trong giáo dục đại học, đặc biệt thông qua các mô hình ngôn ngữ lớn (Large Language Models – LLMs) như GPT-3.5, GPT-4, Claude, Gemini… Các mô hình này có khả năng sinh ngôn ngữ tự nhiên, hỗ trợ người dùng thực hiện các tác vụ như: tổng hợp văn bản, gợi ý nội dung, phản hồi đánh giá, và tạo câu hỏi.
Theo nghiên cứu của Luckin et al. (2016), AI trong giáo dục có thể hỗ trợ cá nhân hóa học tập, tăng hiệu quả thiết kế bài giảng, và hỗ trợ phản hồi tự động. Trong khi đó, các nghiên cứu gần đây như của Kasneci et al. (2023) và Rudolph et al. (2023) cho thấy LLMs có tiềm năng trong việc tự động hóa một số phần của quy trình thiết kế đào tạo, bao gồm gợi ý CLOs, thiết kế rubric, và sinh đề kiểm tra.AI có thể hỗ trợ tự động hóa như sau [2]
2.1.1. Gợi ý chuẩn đầu ra học phần (CLOs – Course Learning Outcomes)
- Nhập đầu vào là mô tả học phần, ngành đào tạo, chuẩn đầu ra chương trình (PLOs), hoặc mục tiêu học tập.
- AI có thể sinh ra các CLOs phù hợp theo thang Bloom hoặc harrow
Ví dụ:
+ CLO1: Trình bày được các khái niệm cơ bản về hệ điều hành máy tính. (Nhớ)
+ CLO2: Ứng dụng được phần mềm Excel để tính toán chi phí doanh nghiệp. (Áp dụng)
2.2.2. Thiết kế rubric đánh giá (Rubric design)
- Cho đầu vào là CLOs hoặc dạng bài tập, AI có thể đề xuất rubric gồm:
+ Các tiêu chí đánh giá
+ Mức độ hoàn thành (1–5 điểm, hoặc Không đạt → Xuất sắc)
+ Mô tả chi tiết từng mức điểm
Ví dụ rubric đánh giá bài thuyết trình:
|
Tiêu chí |
Chưa đạt (1) |
Đạt (2) |
Tốt (3) |
Xuất sắc (4) |
|
Nội dung |
Không rõ ràng |
Cơ bản |
Đầy đủ |
Sáng tạo, thuyết phục |
|
Thể hiện |
Đọc chép |
Giao tiếp hạn chế |
Giao tiếp tốt |
Tự tin, linh hoạt |
2.2.3. Sinh đề kiểm tra tự động
- Nhập đầu vào là CLOs hoặc mục tiêu học tập theo Bloom/Harrow, hoặc cung cấp 1 đề thi mẫu
- AI có thể sinh:
+ Câu hỏi trắc nghiệm
+ Câu hỏi tự luận, thực hành
+ Phân loại mức độ nhận thức: Nhớ, hiểu, ap dụng, phân tích, đánh giá, sáng tạo
Ví dụ:
- Nhập đầu vào
+ CLO: Vận dụng thành thạo Microsoft Word, để soạn các văn bản
+ Đề kiểm tra mẫu
- Kết quả, AI sinh ra 1 tình huống đề bài và các yêu cầu kèm theo, đồng thời AI đưa ra các gợi ý chấm điểm
3. Quy trình ứng dụng GPT viết đề cương chi tiết học phần; xây dựng đề thi/kiểm tra theo chuẩn đầu ra
Bước 1: Nhập liệu cơ bản
Giảng viên cung cấp các thông tin đầu vào cần thiết để hệ thống GPT có thể khởi tạo đề cương học phần. Các thông tin bao gồm:
-
Tên học phần (tiếng Việt & tiếng Anh)
-
Mã học phần
-
Chương trình đào tạo & trình độ đào tạo
-
Khối kiến thức, ngôn ngữ giảng dạy
-
Số tín chỉ và số giờ giảng dạy (lý thuyết, thực hành, tự học, kiểm tra)
-
Học phần tiên quyết (nếu có)
-
Mô tả học phần: Tóm lược nội dung kiến thức, kỹ năng và công cụ học tập.
👉 Đây là bước thiết lập nền tảng để GPT hiểu và xử lý tạo đề cương chi tiết một cách chính xác.
Bước 2 - Tạo đề cương chi tiết:
Dựa trên dữ liệu đầu vào từ Bước 1, GPT sẽ hỗ trợ giảng viên xây dựng đề cương chi tiết học phần gồm các nội dung chính:
-
Mục tiêu học phần (CG): Xác định 2–3 mục tiêu tổng quát, gắn với chuẩn đầu ra chương trình đào tạo (PLO).
-
Chuẩn đầu ra học phần (CLO): Viết chi tiết theo từng mục tiêu CG, đánh số thứ tự, phân loại theo bậc tư duy Bloom hoặc Harrow, chia thành 3 nhóm: Kiến thức - Kỹ năng -Tự chủ & Trách nhiệm.
-
Trình bày theo bảng biểu mẫu có cấu trúc rõ ràng giúp dễ kiểm soát và hiệu chỉnh sau này.
👉 Đây là bước trung tâm, giúp định hình toàn bộ nội dung, năng lực đầu ra và hướng dẫn kiểm tra đánh giá sau này.
Bước 3 - Sinh đề thi theo CLOs
Ở bước này, giảng viên yêu cầu GPT tạo đề kiểm tra/đề thi dựa trên các Chuẩn đầu ra học phần (CLO) đã thiết lập. Cụ thể:
-
Cung cấp cấu trúc bài kiểm tra/đề thi: tỉ lệ điểm (VD: 10% chuyên cần, 20% bài tập, 70% thi cuối kỳ) và hình thức (trắc nghiệm, tự luận…).
-
GPT tạo đề thi theo từng CLO, phân loại câu hỏi theo bậc tư duy Bloom, đảm bảo mức độ phù hợp với sinh viên.
-
Tùy chọn: Giảng viên có thể cung cấp đề mẫu, hoặc GPT tự đề xuất cấu trúc và nội dung đề thi.
👉 Đây là bước giúp tự động hóa việc xây dựng đề thi, đảm bảo tính nhất quán với mục tiêu đào tạo và chuẩn đầu ra học phần.
Bước 4 - Rà soát và hiệu chỉnh:
Sau khi GPT tạo xong đề cương và đề thi, giảng viên tiến hành kiểm tra và chỉnh sửa để đảm bảo tính học thuật và phù hợp thực tế. Các hoạt động gồm:
-
Đánh giá tính chính xác chuyên môn: hiệu chỉnh thuật ngữ, nội dung kiến thức.
-
Bổ sung ví dụ thực tiễn, tình huống sư phạm.
-
Điều chỉnh độ khó, cấu trúc trình bày, phương pháp đánh giá.
👉 Đây là bước đảm bảo chất lượng, giúp đề cương và đề thi đạt chuẩn sư phạm, phù hợp với mục tiêu đào tạo và năng lực người học.
Bước 5 - Lưu trữ và chia sẻ:
Sau khi hoàn thiện đề cương và đề thi, giảng viên tiến hành:
-
Xuất tài liệu sang định dạng phổ biến: Word, PDF.
-
Lưu trữ vào hệ thống quản lý học liệu hoặc nền tảng số (LMS, email, Drive…).
-
Chia sẻ với đồng nghiệp, bộ môn hoặc phòng đào tạo để sử dụng, kiểm định và triển khai giảng dạy.
👉 Đây là bước cuối cùng nhằm đảm bảo tính sẵn sàng và khả năng truy cập của tài liệu, phục vụ giảng dạy và quản lý đào tạo hiệu quả.
Bottom of Form
4. Đề xuất triển khai ứng dụng GPT cho học phần Tin học Đại Cương
4.1. Bước 1 - Nhập liệu cơ bản
Giảng viên cung cấp cho hệ thống GPT các thông tin gồm: tên học phần, số tín chỉ, đối tượng sinh viên, mô tả nội dung và mục tiêu tổng quát.
Ví dụ: Giảng viên cung cấp các thông tin sau của học phần Tin học Đại cương của Đại học Thương mại điện tử
Thông tin chung
|
- Tên học phần (tiếng Việt) |
Tin học đại cương |
|
- Tên học phần (tiếng Anh) |
General Infomatics |
- Mã số học phần
- Thuộc CTĐT
- Trình độ đào tạo |
D.TH.0401.4
Thương mại điện tử
Đại học |
|
- Thuộc khối kiến thức |
Kiến thức giáo dục đại cương |
|
- Ngôn ngữ giảng dạy |
Tiếng Việt |
|
- Số tín chỉ |
4 (2,2) |
- Số giờ
+ Số giờ lý thuyết |
200
30 |
|
+ Số giờ thực hành/thảo luận |
55 |
+ Kiểm tra
+ Giờ tự học |
5
110 giờ |
|
- Học phần học trước |
Không |
Mô tả học phần:
Học phần bao các kiến thức và kỹ năng cơ bản về: Máy tính và mạng máy tính; Sử dụng hệ điều hành Windows để quản lý tài nguyên máy tính; Sử dụng, khai thác mạng Internet và thư điện tử; Những kỹ năng cơ bản về xử lý văn bản Microsoft Word; bảng tính điện tử Microsoft Excel; thiết kế bài thuyết trình và trình chiếu Microsoft Power point.
4.2. Bước 2 - Tạo đề cương chi tiết
GPT tạo bản đề cương bao gồm: Mục tiêu học phần; Danh mục chuẩn đầu ra theo Bloom; Kế hoạch giảng dạy theo tuần (15 tuần); Tỷ lệ đánh giá (chuyên cần, bài tập, thi)
Ví dụ: Từ thông tin đầu vào ở phần 3.1 viết vào lời nhắc có yêu cầu như sau: “Hãy viết mục tiêu của học phần Tin học đại cương tối đa là 3 mục tiêu, theo mẫu sau”. Đồng thời giảng viên cung cấp mẫu trình bày ở dạng bảng và các PLO của chương trình đạo tạo
Kết quả như sau:
|
Mục tiêu học phần (CG) |
Nội dung mục tiêu học phần |
Chuẩn đầu ra của chương trình (PLO) |
|
CG1 |
Trình bày được kiến thức cơ bản về công nghệ thông tin, hệ điều hành, thiết bị phần cứng – phần mềm và mạng máy tính. |
PLO2 |
|
CG2 |
Vận dụng được các phần mềm ứng dụng văn phòng như Word, Excel, PowerPoint trong học tập, công việc và trình bày thông tin. |
PLO7 |
|
CG3 |
Phát triển kỹ năng làm việc với Internet, khai thác thư điện tử và tài nguyên số phục vụ học tập, nghiên cứu một cách hiệu quả và an toàn. |
PLO15 |
Bảng 1- mục tiêu học phần
Tương tự, giảng viên nhập lời nhắc: “Căn cứ vào bảng mục tiêu trên, hãy viết các chuẩn đầu ra của học phần theo mẫu sau, đánh thứ tự các CLO từ 1 đến hết”. Đồng thời giảng viên cung cấp biểu mẫu trình bày cho AI và yêu cầu ChatGPT tinh chỉnh các trình bày theo yêu cầu. Kết quả như sau:
|
Mã mục tiêu học phần (CG) |
Chuẩn đầu ra học phần (CLO) |
Nội dung chuẩn đầu ra |
Mức độ đáp ứng |
|
KIẾN THỨC |
|
CG1 |
CLO1 |
Trình bày được kiến thức cơ bản về công nghệ thông tin, phần cứng – phần mềm, hệ điều hành và mạng máy tính. |
Cấp độ 1 – Nhớ (Bloom) |
|
|
CLO2 |
Nhận biết được rủi ro và cách sử dụng công nghệ số an toàn trong môi trường Internet. |
Cấp độ 2 – Hiểu (Bloom) |
|
KỸ NĂNG |
|
|
|
|
CG2 |
CLO3 |
Vận dụng thành thạo Microsoft Word, Excel, PowerPoint để phục vụ học tập, báo cáo và thuyết trình. |
Cấp độ 3 – Vận dụng (Bloom) |
|
|
CLO3 |
Phân tích được bảng tính và trình bày dữ liệu bằng biểu đồ trong Excel. |
Cấp độ 4 – Phân tích (Bloom) |
|
TỰ CHỦ & TRÁCH NHIỆM |
|
CG3 |
CLO4 |
Chủ động khai thác và sử dụng Internet, thư điện tử, nền tảng số trong học tập, giao tiếp và chia sẻ thông tin một cách hiệu quả. |
Cấp độ 3 – Valuing (Định giá) (Harrow) |
|
|
CLO5 |
Có trách nhiệm và tuân thủ quy tắc sử dụng công nghệ, bảo mật thông tin trong môi trường học thuật và cộng tác. |
Cấp độ 4 – Organization (Tổ chức nội tâm hóa) |
Bảng 2 – Các chuẩn đầu ra của học phần
Giảng viên tiếp tục cung cấp: danh mục tài liệu sách tham khảo, mẫu trình bày nội dung và kế hoạch giảng dạy, số tiết bố trí ở mỗi tuần, kèm theo danh sách các phương pháp giảng dạy và yêu cầu AI lập nội dung và kế hoạch giảng dạy. Kết quả AI trả lại cho giảng viên 1 bảng nội dung và kế hoạch giảng dạy, tuy nhiên phải yêu cầu AI tinh chỉnh các đề mục, nội dung theo yêu cầu.
4.3. Bước 3 - Sinh đề thi theo CLOs
GPT có thể sinh đề trắc nghiệm hoặc tự luận theo từng CLO cụ thể.
- Giảng viên cung cấp các thông tin về các bài kiểm tra, bài thi kết thúc được thể hiện trong mục 9 về đánh giá học phần
- Cung cấp cấu trúc bài kiểm tra hoặc có thể yêu cầu ChatGPT xây dựng bảng trọng số và cấu trúc đề thi (Đề thi kết thúc học phần) với điều kiện giảng viên cung cấp mục tiêu kiểm tra đánh giá và các yêu cầu cần thiết phù hợp với mục tiêu đào tạo
- Hoặc nếu có đề mẫu thì cung cấp cho ChatGPT
- Nhập lời nhắc yêu cầu ChatGPT tạo ra đề thi theo cấu trúc và các yêu cầu nêu trên
4.4. Bước 4 - Rà soát và hiệu chỉnh
Giảng viên đánh giá tính phù hợp về mặt học thuật, điều chỉnh thuật ngữ chuyên ngành, bổ sung ví dụ thực tiễn và hoàn thiện tài liệu.
4.5. Bước 5 - Lưu trữ và chia sẻ
Bản đề cương và đề thi/kiểm tra được xuất sang định dạng Word, PDF
5. Phân tích kết quả thử nghiệm và đánh giá
Qua thử nghiệm với ChatGPT, tác giả nghiên cứu nhận thấy:
- Thời gian tạo đề cương rút ngắn từ 8 giờ còn dưới 1 giờ
- ChatGPT gợi ý CLOs hợp lý, có phân bậc tư duy rõ ràng
- Câu hỏi đề thi/kiểm tra phù hợp mức độ sinh viên
- Cần giảng viên kiểm duyệt thuật ngữ chuyên ngành CNTT
6. Lợi ích và thách thức
6.1. Lợi ích
- Hỗ trợ chuẩn hóa đề cương và đề thi
- Tiết kiệm thời gian, đặc biệt cho học phần đại cương
- Gợi ý phong phú, dễ tùy chỉnh
6.2. Thách thức
- GPT không tự động hiểu đặc thù ngành/ngữ cảnh địa phương
- Cần giảng viên kiểm tra đầu ra kỹ lưỡng để tránh lỗi nội dung
- Chưa tích hợp sẵn vào LMS nội bộ
7. Kết luận
Ứng dụng Trí tuệ Nhân tạo vào viết đề cương và thiết kế đề thi theo chuẩn đầu ra là một hướng đi khả thi và có nhiều tiềm năng để nâng cao chất lượng giáo dục đại học. Nghiên cứu tình huống với học phần “Tin học đại cương” cho thấy AI có thể hỗ trợ hiệu quả nếu được áp dụng đúng cách và có sự kiểm soát của giảng viên chuyên môn. Trong tương lai, việc xây dựng một hệ sinh thái hỗ trợ học thuật tích hợp AI sẽ là động lực thúc đẩy đổi mới sáng tạo trong giáo dục.
Tài liệu tham khảo:
1. Bloom, B. S. (1956). Taxonomy of Educational Objectives.
2. OpenAI (2024). GPT-4 Technical Report.
3. Nguyễn Thị Thu Hằng (2023). “Ứng dụng ChatGPT trong giáo dục đại học”, Tạp chí Khoa học Giáo dục Việt Nam.