Tại nhiều trường học ở mọi cấp học trên thế giới, các nền tảng dạy kèm bằng AI đang được triển khai, giúp theo dõi từng bước mà học sinh giải toán, mô hình hóa mức độ hiểu biết của các em theo thời gian thực, rồi can thiệp bằng gợi ý, chỉ dẫn hoặc các bài toán phụ ngay khi phát hiện học sinh bắt đầu chững lại theo cách mà máy cho là 'không hiệu quả'.
Triết lý thiết kế hệ thống khá nhất quán và xét theo một nghĩa nào đó cũng rất nhân văn, bởi nó giúp giảm quá tải nhận thức, giữ học sinh trong 'vùng phát triển tiệm cận' (một khái niệm tâm lý học, chỉ vùng của những nhiệm vụ mà học sinh có thể làm được nếu được hỗ trợ), và duy trì sự hứng thú. Như vậy thì liệu có thể xảy ra điều gì tồi tệ cho được? Thế mà hóa ra lại có khá nhiều.
Năm 2021, một nghiên cứu phân tích tổng hợp, dựa trên 53 nghiên cứu trong các lĩnh vực toán học, vật lý, hóa học, sinh học, y học, tâm lý học và khoa học môi trường để làm rõ một câu hỏi: Học sinh nên làm bài trước khi được hướng dẫn công thức, lý thuyết, hay nên được dạy trước? Kết quả rất rõ ràng. Những học sinh vật lộn với vấn đề trước đạt kết quả vượt trội đáng kể so với những học sinh được hướng dẫn công thức, lý thuyết trước.
Học sinh đạt hiểu biết thực sự khi các em được phép thất bại. Ảnh: Pexel
Điều này cho thấy việc để học sinh vật lộn với bài toán trước khi học lý thuyết giúp cải thiện khả năng hiểu bản chất và khả năng áp dụng kiến thức sang tình huống mới, mà không làm giảm kỹ năng làm bài và thao tác toán học. Khi cách thiết kế việc dạy học bám sát các nguyên tắc mà nghiên cứu gọi là 'thất bại hiệu quả' (productive failure), tiến bộ học tập đo được lớn gấp khoảng ba lần mức mà một giáo viên xuất sắc có thể tạo ra trong một năm.
Tức là, theo nghiên cứu trên, học sinh học sâu hơn khi các em được phép thất bại trước - điều ngược lại mọi bản năng của một thị trường giáo dục ưa thích sự dễ chịu.
Sự thất bại không phải là tác dụng phụ đáng tiếc của việc dạy kém. Nó là một đặc tính cơ bản của việc học. Đối diện với một bài toán mà không có các hỗ trợ, đương đầu với những điều chưa biết, thử các cách làm khác nhau mà vẫn bế tắc, rồi sau đó mới nhận được hướng dẫn về khái niệm - tất cả những điều này kích hoạt những quá trình nhận thức mà chỉ nghe giảng không thôi thì không tạo ra được.
Những học sinh vật lộn với bài toán trước khi học lý thuyết không ghi nhớ kiến thức một cách rời rạc; các em cũng nhận thức rõ hơn về những lỗ hổng của mình và sẵn sàng tiếp thu bài giảng của thầy cô. Đó chính xác là cơ chế của việc học.
Còn các nền tảng gia sư AI hiện nay được tối ưu hóa để giảm mọi sự khó khăn, vật lộn - lại đang từng bước phá hủy cơ chế học tập này.
Một nghiên cứu quan sát công bố trên Journal of Mathematics Teacher Education năm 2015 [2] cũng đi đến kết luận tương tự từ một hướng khác. Nghiên cứu phân tích 186 tình huống ‘vật lộn’ trong các lớp toán trung học cơ sở và ghi nhận điều xảy ra với học sinh lớp 6 và lớp 7 khi giáo viên phản ứng theo những cách khác nhau. Cuối cùng, học sinh đạt được hiểu biết thực sự không phải trong những trường hợp giáo viên nhanh chóng giảm độ khó của nhiệm vụ hoặc cung cấp hướng dẫn trực tiếp mà khi các em được giáo viên thúc đẩy suy luận, phát triển các tư duy vốn có của bản thân, và cho các em thời gian để tự suy nghĩ.
Những học sinh vật lộn với bài toán trước nhận thức rõ hơn về những lỗ hổng của mình và sẵn sàng tiếp thu bài giảng của thầy cô. Ảnh: Pexel
Nghiên cứu gọi đây là ‘sự vật lộn có ích cho học tập’ (productive struggle), và chỉ ra nó dễ dàng bị phá hỏng như thế nào bởi bản năng (dù có thiện chí đến đâu) muốn giúp học sinh vượt qua khó khăn.
Giờ hãy mở rộng bản năng đó ra quy mô lớn, biến nó thành một hệ thống AI phản hồi trong vài mili giây và không bao giờ biết mệt, rồi triển khai nó đồng bộ trong hàng nghìn lớp học.
Chính bởi sự phát triển bùng nổ của công nghệ hỗ trợ nhận thức, các nhà nghiên cứu khoa học thần kinh về học tập đang gấp gáp làm sáng tỏ một cách có hệ thống cơ chế học tập của não.
Nhóm tác giả của chương sách Nghịch lý của trí nhớ: Vì sao bộ não chúng ta cần tri thức trong thời đại AI [3] lập luận rằng việc liên tục chuyển giao công việc nhận thức sang các công cụ bên ngoài thay vì biến kiến thức thành tư duy của mình sẽ dẫn đến các sơ đồ thần kinh nông cạn, hạn chế khả năng hiểu sâu và tư duy xuyên lĩnh vực. Hệ thống trí nhớ khai báo (giúp chúng ta nhớ công thức) và trí nhớ thủ tục (giúp chúng ta biết cách áp dụng công thức và nắm được thao tác giải bài) của não bộ không phải là những ổ cứng lưu dữ liệu thụ động; chúng là những cấu trúc phát triển một cách chủ động khi được sử dụng và teo đi khi bị bỏ quên.
Một gia sư AI liên tục can thiệp trước khi học sinh có thời gian huy động các hệ thống đó không phải đang hỗ trợ học tập. Ngay từ những bước đầu tiên, nó đang phá bỏ chính kiến trúc nhận thức vốn có chức năng làm cho việc học trở nên khả thi, hiệu quả.
Không phải các công ty bán những hệ thống này không biết gì về những nghiên cứu như vậy. Họ đã đọc chúng và tìm ra cách thích nghi. Phản hồi của họ về cơ bản là thế này: hệ thống của chúng tôi không đưa ra đáp án; nó dẫn học sinh đến hiểu biết thông qua các gợi ý vừa đủ. Đây là một lập trường dễ được lòng hơn so với việc đơn giản là cung cấp đáp án, nhưng nó cố tình lờ đi một vấn đề cốt yếu.
Các nghiên cứu về ‘thất bại hiệu quả’, bên cạnh việc phản đối đưa đáp án, luôn nhấn mạnh rằng chính quá trình thử các cách làm mà vẫn bế tắc hay việc cảm nhận khoảng cách giữa điều mình biết và điều bài toán hỏi, mới là cấu phần quan trọng nhất của việc học. Một gợi ý của gia sư AI, dù vừa phải và không đưa ra đáp án cuối cùng, vẫn ngăn học sinh nỗ lực thu hẹp khoảng cách đó. Xét về mặt nhận thức, cách này không khác mấy so với việc đưa đáp án trực tiếp và cũng đang ăn bớt chính quá trình nhận thức tạo ra học tập sâu.
Học sinh từ các khóa học toán với sự dẫn dắt của gia sư AI hoàn toàn có thể đạt được các chỉ số về hiệu suất học tập mà các nền tảng đặt ra. Tuy nhiên, điều các em có thể không đạt được là khả năng áp dụng kiến thức đã học trong những tình huống mới, sự tự tin trước những bài toán xa lạ, hoặc sự kiên trì khi không có gợi ý nào xuất hiện. Đây chính là những năng lực làm nên sự khác biệt giữa học sinh có thể ứng dụng toán học với học sinh chỉ có thể giải những bài toán cụ thể với sự hỗ trợ, giám sát. Điều trớ trêu là những công nghệ được quảng bá như sự chuẩn bị cho một tương lai phức tạp, bất định và bão hòa AI có thể lại đang tạo ra những người học thiếu năng lực để điều hướng bản thân trong chính tương lai đó.
Có một câu hỏi mà các công ty phát triển những công cụ này, các nhà quản lý quyết định mua chúng và các chính phủ tài trợ việc mua sắm đó không muốn đặt ra: ai được hưởng lợi từ một hệ thống tạo ra những cải thiện ngắn hạn rõ ràng, dễ đo lường trong thành tích học tập, nhưng phải đánh đổi bằng sự phát triển dài hạn khó nhìn thấy và khó đo lường hơn của tư duy toán học thực sự? Tôi ngờ rằng đáp án không phải là học sinh.
Trước khi làn sóng tiếp theo của việc ứng dụng 'gia sư AI' bị khóa chặt vào các hợp đồng với các trường học, chúng ta rất cần hỏi lại một câu hỏi mà nhiều nghiên cứu và cả xã hội đã chỉ rõ: liệu các em học với gia sư AI có hiểu toán học tốt hơn trong một bối cảnh khác, mà không có sự hỗ trợ của thuật toán hay không. Nếu không cẩn thận thì thay vì việc triển khai một đổi mới sư phạm, chúng ta lại đang tiến hành một thí nghiệm không kiểm soát ở quy mô lớn, chưa đánh giá hết được hệ quả.
---
Chú thích:
[1] Sinha, T., & Kapur, M. (2021). When Problem Solving Followed by Instruction Works: Evidence for Productive Failure. Review of Educational Research, 91(5), 761–798. https://doi.org/10.3102/00346543211019105
[2] Warshauer, H. K. (2015). Productive Struggle in Middle School Mathematics Classrooms. Journal of Mathematics Teacher Education, 18(4), 375–400. https://doi.org/10.1007/s10857-014-9286-3
[3] Oakley, B., Johnston, M., Chen, K.-Z., Jung, E., & Sejnowski, T. (2025). The Memory Paradox: Why Our Brains Need Knowledge in an Age of AI. In M. Rangeley & N. Fairfax (Eds.), The artificial intelligence revolution: Challenges and opportunities. Springer Nature.