Trí tuệ nhân tạo đã biến các bài kiểm tra đại học thành một ‘bài toán hóc búa’ – và chúng ta chưa có đủ lời giải
AI has turned university assessments into a ‘wicked problem’ – and we don’t have all the answers

Kể từ khi ChatGPT ra mắt vào cuối năm 2022, những lo ngại về các bài kiểm tra, đánh giá tại bậc đại học ngày càng gia tăng. Liệu chúng ta đang kiểm tra năng lực học tập của sinh viên? Hay đơn giản là khả năng sử dụng AI tạo sinh của họ?
Các trường đại học và giảng viên đã nỗ lực cải tổ các hình thức đánh giá để đảm bảo bằng cấp vẫn thực sự thể hiện được kiến thức và kỹ năng của sinh viên. Nhưng đây vẫn là một thách thức liên tục đối với toàn ngành giáo dục.
Các trường đại học đang phản ứng như thế nào, và chúng ta có đang tiến步 (tiến bộ) không?
AI doesn’t always equal cheating
AI không phải lúc nào cũng đồng nghĩa với gian lận
Vào tháng 7, công ty phần mềm Turnitin của Mỹ đã công bố một báo cáo cho thấy gần 54% bài nộp của sinh viên đại học Úc, được xử lý qua hệ thống của họ từ tháng 10 năm 2025 đến tháng 4 năm 2026, có sử dụng AI dưới một hình thức nào đó. Khoảng 10% trong số các bài nộp này chứa hơn 80% nội dung do AI tạo ra.
Tuy nhiên, sự xuất hiện của AI trong các bài kiểm tra không đồng nghĩa với việc tất cả sinh viên sử dụng nó đều đang gian lận.
Sinh viên có thể sử dụng AI một cách có chọn lọc trong công việc của mình. Ví dụ, yêu cầu nó hỗ trợ phát triển ý tưởng, chỉnh sửa câu, cải thiện bản thảo hoặc đưa ra phản hồi về một lập luận.
Nhiều sinh viên cũng sử dụng AI để hỗ trợ việc làm bài tập từ rất lâu trước khi họ bắt đầu viết. Trong một nghiên cứu do tôi và các đồng nghiệp thực hiện vào năm 2024, chúng tôi đã phỏng vấn 24 sinh viên để tìm hiểu cách họ sử dụng AI hỗ trợ đọc các tài liệu học thuật. Chúng tôi thấy rằng hơn một nửa số sinh viên sử dụng AI để tóm tắt văn bản, làm rõ các bài đọc khó và kiểm tra cách hiểu của họ.
Bài viết này là một phần trong chuỗi bài về cách trí tuệ nhân tạo (AI) đang định hình lại giáo dục đại học.
Chúng ta sẽ cùng tìm hiểu sâu hơn về cách AI làm đảo lộn các văn bằng đại học, cách các trường đại học đang ứng phó với những thách thức mới này và công nghệ này có ý nghĩa gì đối với tương lai của ngành giáo dục. Bạn có thể tìm đọc thêm các bài viết tại đây.
Rules aren’t always clear
Các quy định không phải lúc nào cũng rõ ràng
Nhưng nghiên cứu cho thấy ranh giới giữa việc sử dụng AI được phép và không được phép không phải lúc nào cũng rõ ràng đối với sinh viên hoặc giảng viên. Ví dụ, việc cải thiện một bản thảo bằng AI chỉ có nghĩa là sửa lỗi ngữ pháp, hay nó có nghĩa là cấu trúc lại toàn bộ lập luận?
Một trong những thách thức lớn nhất là ranh giới giữa việc sử dụng AI thích hợp và không thích hợp có thể khác nhau giữa các bài kiểm tra và cũng có thể thay đổi đối với từng sinh viên ngay cả trong cùng một bài kiểm tra.
How are unis responding ?
Các trường đại học đang ứng phó thế nào?
Australian
Các trường đại học ở Úc có yêu cầu pháp lý phải đảm bảo các bài kiểm tra có thể xác nhận sinh viên đã đạt được kiến thức và kỹ năng mà các khóa học của họ yêu cầu. Cách tiếp cận của các trường đại học trong việc thực hiện điều này đã có sự khác biệt trong những năm gần đây.
Một phản ứng có sức ảnh hưởng lớn là “phương pháp hai làn đường” của Đại học Sydney, với nhiều biến thể hiện đang được áp dụng tại nhiều trường đại học ở Úc.
Phương pháp hai làn đường chia các bài kiểm tra thành hai loại. Làn đường thứ nhất là “bảo mật”, yêu cầu sinh viên thể hiện kỹ năng và kiến thức mà không sử dụng bất kỳ sự trợ giúp nào từ AI. Các bài kiểm tra này thường là thi trực tiếp tại trường và kiểm tra vấn đáp tương tác, nơi người chấm thi có thể trực tiếp nhìn thấy sinh viên hoàn thành nhiệm vụ mà không mở ChatGPT để hỗ trợ.
Làn đường thứ hai là “mở”, cho phép sinh viên tự do sử dụng AI, chẳng hạn như trong các bài kiểm tra trắc nghiệm trực tuyến và bài luận. Do rất khó để đánh giá xem AI có bị sử dụng sai mục đích trong các định dạng như vậy hay không, các bài kiểm tra ở làn đường thứ hai thường được định hướng là dành cho việc nhận phản hồi và học tập, chứ không phải để chứng minh hay đảm bảo năng lực học tập của sinh viên.
Unis are still struggling to keep up
Các trường đại học vẫn đang chật vật bắt kịp
Tuy nhiên, việc ngày càng phụ thuộc vào các hình thức kiểm tra trực tiếp không phải là giải pháp lâu dài hoàn hảo. Các hình thức kiểm tra này:
thường tốn kém để vận hành
giới hạn những loại kỹ năng mà giảng viên có thể đánh giá
cũng có thể tạo ra sự thiên vị bất công đối với một số nhóm nhân khẩu học sinh viên nhất định.
Các bài kiểm tra trực tiếp cũng không có nghĩa là AI hoàn toàn nằm ngoài tầm với của sinh viên. Các thiết bị AI có thể đeo được, chẳng hạn như kính thông minh hỗ trợ AI, có thể trông giống như kính mắt bình thường và cung cấp sự trợ giúp trong phòng thi cho sinh viên mà không để lộ các dấu hiệu rõ ràng trước giám thị.
Sinh viên đã bị bắt quả tang sử dụng các thiết bị này trong các kỳ thi ở New Zealand, Đài Loan và Hàn Quốc, và việc giám sát công nghệ này vẫn là một thách thức đối với các trường đại học.
Are unis on the right track ?
Các trường đại học có đang đi đúng hướng không?
Nghiên cứu của chúng tôi mô tả AI và việc đánh giá năng lực là một “bài toán hóc búa” – nó không có giải pháp đơn giản, một lần là xong.
Một phần sự phức tạp của thách thức này là các trường đại học không phải lúc nào cũng biết liệu sinh viên đang sử dụng AI để hỗ trợ việc học của họ hay để làm suy yếu khả năng của giảng viên trong việc đánh giá xem việc học thực sự có diễn ra hay không.
Các trường đại học cần những bằng chứng đáng tin cậy về những gì sinh viên tốt nghiệp có thể làm. Nhưng nếu coi việc kiểm tra đánh giá thuần túy là một vấn đề an ninh để ngăn chặn việc sử dụng AI, chúng ta sẽ có nguy cơ đo lường sự thành công của các biện pháp kiểm soát thay vì sự thành công trong giáo dục của sinh viên.
Có lẽ thay vì chỉ đơn thuần đặt câu hỏi liệu một hình thức kiểm tra mới có hiệu quả trong thế giới AI hay không, chúng ta nên tự hỏi nó giải quyết vấn đề gì, và nó có thể tạo ra những vấn đề nào khác.
Ví dụ, nếu mục đích là ngăn chặn AI ra khỏi các bài kiểm tra, thì việc giám sát nhiều hơn và kiểm soát chặt chẽ hơn có vẻ là sự tiến bộ. Nhưng nếu mục tiêu là chuẩn bị cho sinh viên sử dụng AI thành thạo cho lực lượng lao động, thì những hạn chế tương tự đó có thể cản trở việc học mà chúng ta mong muốn. Điều này cho thấy rằng một “giải pháp” trong bối cảnh này có thể lại trở thành rào cản trong bối cảnh khác.
Nếu các trường đại học muốn tiến bộ, họ cần hiểu rõ cách tiếp cận cải cách đánh giá nào mang lại hiệu quả – và cách nào không – trong các ngành học và bối cảnh cụ thể, thay vì tìm kiếm một câu trả lời “hoàn hảo” duy nhất áp dụng cho toàn bộ tổ chức.
Thomas Corbin
Thomas Corbin không làm việc cho, tư vấn cho, sở hữu cổ phần trong hoặc nhận tài trợ từ bất kỳ công ty hay tổ chức nào có thể hưởng lợi từ bài viết này, đồng thời không công bố bất kỳ mối liên hệ có liên quan nào ngoài học hàm học vị của mình.
có thể bạn cũng quan tâm
-

‘Ly hôn trong thầm lặng’ gọi tên một vấn đề cũ — sự xói mòn dần dần của sự thân mật
‘Quiet divorcing’ puts a new name to an old problem — the slow erosion of intimacy
-

Rong biển dạt vào bờ gây mùi hôi thối – đây là lý do tại sao chúng gây hại cho sức khỏe của bạn
Seaweed strandings cause a stink – here’s why they harm your health