AI càng giỏi, càng khó đo lường việc học

Một học sinh làm đúng liên tiếp ba bài hình học. Thay vì tiếp tục đưa ra những bài tương tự, nền tảng học tập tự động chuyển em sang một bài khó hơn. Với học sinh làm sai, hệ thống lại hạ độ khó và tăng gợi ý.

Trong ví dụ về sách giáo khoa số tích hợp AI tại Hàn Quốc mà cuốn Khuyến học thời AI của tác giả Nguyễn Thanh Tùng dẫn lại, hệ thống còn có thể ghi nhận tốc độ thao tác, thời gian dừng ở từng phần nội dung, số lần phân vân giữa các đáp án để cá nhân hóa lộ trình học.

Tình huống ấy cho thấy một thay đổi đáng chú ý. AI trong giáo dục không còn chỉ xuất hiện khi học sinh chủ động mở một chatbot và đặt câu hỏi. Nó đã nằm trong công cụ tìm kiếm, hệ thống gợi ý, nền tảng học tập thích ứng, thậm chí tham gia quyết định người học sẽ nhìn thấy nội dung nào tiếp theo. Câu hỏi vì thế dần chuyển từ "học sinh sử dụng AI như thế nào?" sang một câu hỏi khó hơn: khi máy đã tham gia vào nhiều khâu của hoạt động nhận thức, người học phải hiểu và tổ chức lại chính quá trình học của mình ra sao?

Điều này thể hiện khá rõ ở phần sách bàn về sự phân công giữa người và AI. Với những công việc trí óc trước đây được thực hiện như một chuỗi tương đối liền mạch bởi một cá nhân, AI nay có thể chen vào nhiều điểm: tìm và xử lý dữ liệu, tóm tắt, sắp xếp và tạo bản nháp... Vì vậy, người học bắt đầu phải quyết định phần việc nào có thể chuyển cho máy, phần nào cần giữ lại, kết quả nào cần kiểm tra và ở điểm nào phải quay trở về với dữ liệu hoặc thực tế.

Nhưng khả năng phân công sẽ sớm đụng phải một giới hạn khác: người dùng có thể giao việc cho một hệ thống mà mình chỉ hiểu rất ít không?

Một ví dụ nhỏ trong sách cho thấy vì sao mức hiểu ấy quan trọng. Khi học sinh dùng một mô hình thị giác để phân loại chó, mèo và thỏ, hệ thống liên tục nhận diện sai. Vấn đề sau đó được truy về tập dữ liệu: ảnh chó phần lớn là chó lớn ngoài trời, ảnh mèo chủ yếu chụp trong nhà, còn ảnh thỏ quá ít. Máy đã học cả bối cảnh của ảnh thay vì những đặc điểm mà học sinh tưởng nó đang nhận diện.

Ở đây, câu hỏi đã vượt khỏi chuyện "AI đôi khi mắc lỗi". Điều quan trọng hơn là một kết quả của máy có thể phản ánh những quyết định diễn ra ở tầng mà người dùng không nhìn thấy. Nếu người học chỉ biết sử dụng giao diện và đọc đầu ra, phần quan trọng nhất của hệ thống vẫn nằm ngoài tầm hiểu của họ.

Biết một ứng dụng chạy thế nào chưa đủ; người học còn cần hiểu dữ liệu được giữ ở đâu, quyền được trao cho ai, quy tắc nào tạo ra một quyết định và rủi ro nào đang bị bỏ sót.

Ba chương thực hành cuối sách đều được hình thành theo cùng logic đó. Sản phẩm không được tạo ra bằng một câu lệnh lớn rồi chỉnh sửa ở cuối. Nó được hình thành qua nhiều vòng: chia nhỏ vấn đề, xây một phần, kiểm thử, đọc lại, bổ sung chức năng rồi kiểm thử tiếp. Dòng vận hành này làm hiện ra dòng vận hành của tư duy, tạo thành một lịch sử có thể truy lại.

Tác giả cũng trình bày ý tưởng tương tự trong phần sách bàn về sáng tạo với các công cụ tạo ảnh như Midjourney hay DALL-E. Những sản phẩm đầu tiên có thể rất bóng bẩy nhưng dễ rơi vào thẩm mỹ đại trà của Internet. Sách đề xuất một cách đánh giá chuyển trọng tâm khỏi bức ảnh cuối cùng sang "nhật ký đồng sáng tạo", trong đó người học phải cho thấy mình đã nghiên cứu tư liệu gì và đã chỉnh lại những sai lệch của máy thế nào.

Bởi vậy, tác giả hết sức đề cao học tập dựa trên dự án. Một dự án đủ dài cho phép giáo viên nhìn thấy nhiều trạng thái trung gian thay vì chỉ nhìn kết quả cuối cùng. Khi AI có thể giúp tạo sản phẩm rất nhanh, những trạng thái trung gian ấy trở thành bằng chứng quan trọng về việc học.

Tác giả không quên nhấn mạnh rằng, nếu học sinh dùng AI để đi vòng qua quá trình ghi nhớ và thấu hiểu, các em sẽ thiếu chính nguyên liệu cần thiết để kiểm tra kết quả mà máy tạo ra. AI không đơn giản làm cho các năng lực nhận thức bậc thấp trở nên thừa, nó làm thay đổi mục đích của việc tích lũy kiến thức. Không còn ghi nhớ chỉ để tái hiện một câu trả lời; ta cần tri thức trong đầu để nhận ra khi câu trả lời của máy có vấn đề. Càng trao việc sản xuất câu trả lời cho máy, năng lực phán đoán của con người càng phụ thuộc vào phần tri thức mà họ thực sự sở hữu.

AI vì thế làm xuất hiện một yêu cầu khó hơn chuyện "biết dùng công cụ". Người học cần giữ cho quá trình nhận thức của mình có thể nhìn thấy, truy lại và giải thích được, ngay cả khi một phần của quá trình ấy diễn ra bên trong máy.

Và có lẽ đây mới là thách thức đáng kể của giáo dục thời AI: làm sao để đo lường chính xác năng lực của người học, khi công nghệ ngày càng giỏi tổ chức thông tin, thực hiện nhiệm vụ và tạo sản phẩm?

Theo thang phân loại nhận thức Bloom sửa đổi, các hoạt động nhận thức trải từ mức cơ bản đến nâng cao: ghi nhớ, hiểu, vận dụng đến phân tích, đánh giá và sáng tạo. Tuy nhiên, AI làm nảy sinh một vấn đề mà cách đọc thang Bloom thông thường chưa giải quyết hết. Một bài viết, hình ảnh hay chương trình có thể trông giống một sản phẩm đòi hỏi tư duy nâng cao trong khi trên thực tế, quá trình suy nghĩ của người học chỉ đóng vai trò rất nhỏ.

Bởi vậy, đồng thời với việc giúp học sinh phát triển năng lực tư duy lên mức cao hơn, giáo dục còn cần xác định những bằng chứng cho thấy hoạt động tư duy thực sự đã diễn ra ở người học.

Cuốn sách của Nguyễn Thanh Tùng nằm giữa thể loại phổ biến khoa học giáo dục và tài liệu thực hành sư phạm. Tác giả kết hợp khung tham chiếu quốc tế với các tình huống lớp học, thường đi từ một vấn đề cụ thể đến nguyên tắc và công cụ thực hành. Vì thế, sách hướng tới những ai có mong muốn tìm một cách tiếp cận AI gắn với hoạt động học thực tế.