Ứng dụng AI trong giáo dục

Giá trị cốt lõi của AI nằm ở khả năng xử lý dữ liệu học tập ở quy mô lớn và phản hồi nhanh hơn các quy trình thủ công. Từ lịch sử làm bài, mức độ hoàn thành, loại lỗi thường gặp và tốc độ tiến bộ, hệ thống có thể đề xuất nội dung phù hợp với từng người học. Ở cấp độ quản lý, AI giúp cơ sở giáo dục phát hiện sớm nguy cơ bỏ học, phân bổ nguồn lực, theo dõi chất lượng chương trình và giảm khối lượng công việc hành chính.

AI chỉ tạo ra giá trị giáo dục khi được đặt trong một mô hình sư phạm phù hợp. Một hệ thống có thể tạo câu hỏi nhanh hoặc dự đoán kết quả chính xác nhưng vẫn không cải thiện việc học nếu mục tiêu, nội dung, phương pháp đánh giá và vai trò của giáo viên không được thiết kế đồng bộ.

AI được ứng dụng trong giáo dục như thế nào?

AI được ứng dụng vào ba nhóm hoạt động chính: hỗ trợ người học, hỗ trợ giáo viên và hỗ trợ quản lý đào tạo. Trong mỗi nhóm, AI tiếp nhận dữ liệu đầu vào, phân tích trạng thái hiện tại, sau đó tạo phản hồi, đề xuất hoặc cảnh báo để con người đưa ra quyết định phù hợp.

Đối với người học, AI có thể điều chỉnh nội dung, độ khó, nhịp độ và hình thức luyện tập. Đối với giáo viên, AI hỗ trợ chuẩn bị học liệu, tạo câu hỏi, tổng hợp kết quả và phát hiện những nội dung mà lớp học chưa nắm vững. Đối với nhà quản lý, AI cung cấp dữ liệu để theo dõi tiến độ, dự báo rủi ro và đánh giá hiệu quả vận hành.

Quy trình ứng dụng thường gồm bốn bước:

1.    Thu thập dữ liệu từ hoạt động học tập và quản lý

2.    Phân tích dữ liệu để nhận diện trình độ, hành vi hoặc rủi ro

3.    Tạo đề xuất, phản hồi, nội dung hoặc cảnh báo

4.    Giáo viên, người học hoặc nhà quản lý xem xét và hành động

Bước thứ tư đặc biệt quan trọng. AI có thể hỗ trợ nhận định nhưng không nên tự động quyết định toàn bộ những vấn đề ảnh hưởng lớn đến người học, chẳng hạn xếp loại, kỷ luật, tuyển sinh hoặc định hướng nghề nghiệp.

Cá nhân hóa lộ trình học tập

Cá nhân hóa là một trong những ứng dụng nổi bật nhất của AI trong giáo dục. Thay vì cung cấp cùng một nội dung và tốc độ cho mọi người, hệ thống có thể điều chỉnh trải nghiệm dựa trên năng lực, mục tiêu và lịch sử học tập của từng cá nhân.

Điều chỉnh nội dung và độ khó

Hệ thống học tập thích ứng có thể phân tích kết quả của từng câu trả lời để xác định người học đã hiểu kiến thức nào và đang gặp khó khăn ở đâu. Nếu người học liên tục trả lời đúng, hệ thống có thể tăng độ khó hoặc chuyển sang nội dung tiếp theo. Nếu xuất hiện nhiều lỗi, hệ thống có thể cung cấp bài tập bổ trợ, giải thích lại khái niệm hoặc quay về kiến thức nền.

Cơ chế này giúp giảm hai tình trạng phổ biến:

·         Người học khá phải lặp lại nội dung quá dễ

·         Người học yếu bị đẩy sang nội dung mới khi chưa nắm vững kiến thức trước đó

Tuy nhiên, cá nhân hóa không đồng nghĩa với việc mỗi người học theo một chương trình hoàn toàn tách biệt. Giáo dục còn có mục tiêu hình thành năng lực hợp tác, giao tiếp và tiếp nhận những tri thức chung. Vì vậy, AI nên điều chỉnh phần luyện tập và hỗ trợ cá nhân trong một khung chương trình có mục tiêu thống nhất.

Đề xuất tài nguyên phù hợp

Dựa trên chủ đề đang học, mức độ thành thạo và dạng lỗi thường gặp, AI có thể đề xuất video, bài đọc, ví dụ, bài tập hoặc hoạt động ôn tập phù hợp. Một người học tốt qua hình ảnh có thể được gợi ý sơ đồ và mô phỏng, trong khi người cần luyện kỹ năng có thể nhận thêm bài tập thực hành.

Chất lượng đề xuất phụ thuộc trực tiếp vào dữ liệu và tiêu chí lựa chọn tài nguyên. Nếu hệ thống chỉ ưu tiên nội dung dễ hoàn thành hoặc tạo tương tác cao, người học có thể được tiếp cận tài liệu hấp dẫn nhưng không đủ chiều sâu. Giáo viên vẫn cần xác định chuẩn đầu ra và kiểm tra tính chính xác của nguồn học liệu.

Phản hồi theo thời gian gần thực

AI có thể cung cấp phản hồi ngay sau khi người học hoàn thành bài tập. Phản hồi nhanh giúp người học nhận ra lỗi khi quá trình tư duy vẫn còn rõ ràng, từ đó sửa sai trước khi lỗi trở thành thói quen.

Phản hồi có thể bao gồm:

·         Xác định bước làm sai

·         Gợi ý kiến thức cần xem lại

·         Đưa ra câu hỏi dẫn dắt

·         Giải thích một cách giải khác

·         Đề xuất bài luyện tập tiếp theo

Phản hồi tốt không nên chỉ cung cấp đáp án. Nếu AI đưa ra lời giải hoàn chỉnh quá sớm, người học có thể hoàn thành nhiệm vụ mà không phát triển khả năng tự suy luận. Cách triển khai phù hợp là cung cấp gợi ý theo từng mức, khuyến khích người học tự kiểm tra trước khi xem lời giải.

Trợ lý học tập và gia sư AI

Trợ lý học tập sử dụng AI có thể trả lời câu hỏi, giải thích khái niệm, tạo ví dụ và hướng dẫn người học thực hiện nhiệm vụ. Công cụ này mở rộng khả năng tiếp cận hỗ trợ ngoài thời gian lên lớp, đặc biệt khi giáo viên không thể phản hồi riêng cho từng học sinh.

Gia sư AI có thể hỗ trợ nhiều hoạt động:

·         Giải thích lại bài học bằng ngôn ngữ đơn giản

·         Tạo ví dụ theo bối cảnh quen thuộc

·         Đặt câu hỏi kiểm tra mức độ hiểu

·         Mô phỏng hội thoại để luyện ngoại ngữ

·         Hướng dẫn từng bước giải quyết vấn đề

·         Tạo kế hoạch ôn tập theo mục tiêu

Khác với công cụ tìm kiếm chỉ cung cấp danh sách tài liệu, trợ lý AI có thể duy trì hội thoại và điều chỉnh phản hồi dựa trên câu hỏi tiếp theo. Điều này giúp người học khám phá vấn đề theo tiến trình liên tục.

Dù vậy, câu trả lời do AI tạo ra có thể không chính xác, thiếu nguồn hoặc trình bày một nhận định chưa chắc chắn như một sự thật. Vì thế, người học cần được hướng dẫn kiểm chứng thông tin, so sánh với tài liệu chính thức và nhận biết giới hạn của nội dung do máy tạo.

Hỗ trợ giáo viên thiết kế và tổ chức bài giảng

AI có thể giảm thời gian dành cho những công việc lặp lại, giúp giáo viên tập trung nhiều hơn vào hướng dẫn, quan sát và tương tác với người học.

Xây dựng học liệu

Từ mục tiêu bài học, cấp học và thời lượng, AI có thể hỗ trợ tạo:

·         Dàn ý bài giảng

·         Câu hỏi khởi động

·         Tình huống thảo luận

·         Bài tập theo nhiều mức độ

·         Phiếu học tập

·         Rubric đánh giá

·         Bản tóm tắt kiến thức

·         Ví dụ minh họa

Giáo viên cần xem sản phẩm của AI là bản nháp. Nội dung vẫn phải được kiểm tra về độ chính xác, mức độ phù hợp với chương trình, ngôn ngữ, văn hóa và năng lực của lớp học.

Một câu hỏi được tạo đúng ngữ pháp chưa chắc đo được đúng năng lực cần đánh giá. Chẳng hạn, câu hỏi yêu cầu ghi nhớ không thể thay thế cho nhiệm vụ đánh giá khả năng phân tích hoặc vận dụng. Giáo viên phải xác định mục tiêu nhận thức trước khi lựa chọn nội dung do AI đề xuất.

Phân hóa hoạt động học tập

Trong cùng một lớp, người học có thể khác nhau về kiến thức nền, tốc độ tiếp thu và nhu cầu hỗ trợ. AI giúp giáo viên tạo nhiều phiên bản của cùng một nhiệm vụ mà vẫn hướng đến một chuẩn đầu ra chung.

Ví dụ, một chủ đề có thể được triển khai thành:

·         Bản có hướng dẫn chi tiết cho người cần hỗ trợ

·         Bản tiêu chuẩn cho phần lớn lớp học

·         Bản mở rộng dành cho người học đã thành thạo

·         Bản sử dụng hình ảnh hoặc ngôn ngữ đơn giản hơn

Việc phân hóa phải tránh gắn nhãn cố định cho người học. Kết quả trong một số bài tập không đủ để kết luận lâu dài về năng lực. Nhóm học tập và mức hỗ trợ nên được điều chỉnh theo tiến bộ thực tế.

Tự động hóa đánh giá và phản hồi

AI có thể hỗ trợ chấm các dạng bài có cấu trúc rõ ràng như trắc nghiệm, bài điền đáp án, bài lập trình hoặc một số nhiệm vụ sử dụng rubric cụ thể. Hệ thống cũng có thể tổng hợp lỗi phổ biến để giáo viên biết phần kiến thức nào cần được giảng lại.

Đối với bài viết, thuyết trình hoặc sản phẩm sáng tạo, AI có thể hỗ trợ kiểm tra hình thức, cấu trúc, tính đầy đủ và mức độ phù hợp với tiêu chí. Tuy nhiên, việc đánh giá các yếu tố như lập luận, sáng tạo, bối cảnh và ý nghĩa thường cần nhận định chuyên môn của giáo viên.

Một quy trình đánh giá có AI phù hợp gồm:

1.    Giáo viên xác định tiêu chí và mức độ đạt

2.    AI phân tích bài làm theo tiêu chí đã thiết lập

3.    Hệ thống tạo nhận xét hoặc đề xuất điểm

4.    Giáo viên xem xét những trường hợp chưa rõ ràng

5.    Người học nhận phản hồi và có cơ hội sửa bài

Không nên dùng kết quả tự động như căn cứ duy nhất cho các quyết định có ảnh hưởng lớn. Sai lệch trong dữ liệu, cách diễn đạt hoặc mô hình chấm điểm có thể khiến một số nhóm người học bị đánh giá không công bằng.

Phân tích dữ liệu học tập và cảnh báo sớm

Hệ thống phân tích học tập có thể kết hợp dữ liệu về mức độ tham gia, tiến độ, kết quả bài tập và lịch sử truy cập để nhận diện người học có nguy cơ tụt lại hoặc bỏ học.

Các dấu hiệu thường được theo dõi gồm:

·         Tỷ lệ hoàn thành bài học

·         Tần suất tham gia lớp hoặc truy cập hệ thống

·         Số nhiệm vụ nộp muộn

·         Mức thay đổi điểm số

·         Thời gian dành cho hoạt động học

·         Số lần cần hỗ trợ

·         Mức độ tiến bộ theo từng năng lực

Các chỉ số này không tự giải thích nguyên nhân. Một người học ít truy cập hệ thống có thể gặp khó khăn về thiết bị, kết nối, sức khỏe hoặc điều kiện gia đình. Vì vậy, cảnh báo AI phải dẫn đến hoạt động xác minh và hỗ trợ, không nên dẫn thẳng đến hình thức xử lý hoặc gắn nhãn.

Hiệu quả của hệ thống cảnh báo có thể được đánh giá bằng các chỉ số như tỷ lệ cảnh báo đúng, tỷ lệ bỏ sót, thời gian từ khi phát hiện đến khi hỗ trợ và tỷ lệ người học cải thiện sau can thiệp. Chỉ số dự đoán cao nhưng không tạo ra hành động hỗ trợ phù hợp vẫn chưa thể hiện giá trị giáo dục thực tế.

Quản lý đào tạo và vận hành cơ sở giáo dục

Ngoài hoạt động dạy học, AI còn được ứng dụng để tự động hóa những quy trình hành chính và hỗ trợ ra quyết định.

Quản lý tuyển sinh và hồ sơ

AI có thể hỗ trợ phân loại hồ sơ, kiểm tra dữ liệu thiếu, trả lời câu hỏi thường gặp và hướng dẫn người đăng ký hoàn thành thủ tục. Điều này giúp giảm công việc thủ công và rút ngắn thời gian xử lý.

Tuy nhiên, quyết định tuyển sinh không nên phụ thuộc hoàn toàn vào mô hình tự động. Dữ liệu lịch sử có thể chứa những thiên lệch từ quy trình cũ. Nếu mô hình học lại các mẫu đó, hệ thống có thể duy trì hoặc khuếch đại sự bất bình đẳng.

Xếp lịch và phân bổ nguồn lực

AI có thể hỗ trợ xây dựng thời khóa biểu dựa trên nhiều ràng buộc như phòng học, số lượng người học, lịch giáo viên, thiết bị và yêu cầu môn học. Hệ thống cũng có thể dự báo nhu cầu lớp học hoặc khối lượng hỗ trợ để nhà trường phân bổ nhân lực.

Kết quả tối ưu về mặt kỹ thuật chưa chắc tối ưu cho trải nghiệm học tập. Một thời khóa biểu sử dụng phòng học hiệu quả nhưng tạo quá nhiều tiết liên tiếp hoặc thời gian di chuyển bất hợp lý vẫn cần được điều chỉnh bởi con người.

Trợ lý hành chính

Chatbot có thể trả lời các câu hỏi về lịch học, học phí, quy định, thủ tục, chương trình và dịch vụ hỗ trợ. Khi được kết nối với nguồn dữ liệu chính thức, chatbot giúp người học tiếp cận thông tin nhanh hơn và giảm số yêu cầu lặp lại cho bộ phận hành chính.

Hệ thống phải chỉ rõ trường hợp nào cần chuyển sang nhân viên phụ trách. Những vấn đề liên quan đến khiếu nại, hoàn cảnh cá nhân, quyền lợi hoặc quyết định quan trọng không nên chỉ được xử lý bằng phản hồi tự động.

Hỗ trợ tiếp cận giáo dục

AI có thể giúp người học tiếp cận nội dung bằng nhiều hình thức khác nhau. Công nghệ nhận dạng giọng nói có thể chuyển lời giảng thành văn bản. Công nghệ tổng hợp giọng nói có thể đọc tài liệu. Công cụ dịch hỗ trợ người học sử dụng ngôn ngữ khác, trong khi hệ thống tạo mô tả có thể giải thích hình ảnh hoặc cấu trúc nội dung.

Các ứng dụng phổ biến gồm:

·         Tạo phụ đề tự động

·         Chuyển văn bản thành giọng nói

·         Chuyển lời nói thành văn bản

·         Dịch nội dung học tập

·         Đơn giản hóa cách diễn đạt

·         Điều chỉnh giao diện theo nhu cầu tiếp cận

Những công cụ này có thể mở rộng cơ hội học tập nhưng không thay thế hoàn toàn các tiêu chuẩn thiết kế tiếp cận. Phụ đề tự động vẫn có thể sai thuật ngữ. Bản dịch có thể làm mất ý nghĩa chuyên môn. Nội dung được đơn giản hóa quá mức có thể làm giảm độ chính xác. Vì vậy, các tài liệu quan trọng cần được kiểm tra bởi người có chuyên môn.

Mô phỏng và môi trường học tập thông minh

AI có thể được kết hợp với mô phỏng, phòng thí nghiệm ảo và môi trường nhập vai để tạo tình huống thực hành. Người học có thể thử nghiệm, nhận phản hồi và lặp lại hoạt động mà không phải chịu toàn bộ chi phí hoặc rủi ro của môi trường thật.

Ứng dụng này phù hợp với những lĩnh vực cần thực hành theo tình huống, chẳng hạn:

·         Đào tạo y khoa

·         Vận hành thiết bị

·         Thực hành kỹ thuật

·         Giao tiếp nghề nghiệp

·         Xử lý tình huống dịch vụ

·         Huấn luyện an toàn

Mô phỏng có giá trị khi phản ánh đúng điều kiện thực tế và mục tiêu năng lực. Một trải nghiệm trực quan nhưng đơn giản hóa sai quy trình có thể tạo ra sự tự tin không tương xứng với năng lực. Hoạt động mô phỏng cần được kết hợp với hướng dẫn, phản tư và đánh giá của người dạy.

Lợi ích của AI trong giáo dục

AI có thể tạo ra lợi ích ở cả cấp độ cá nhân và tổ chức.

Đối với người học, AI giúp tiếp cận hỗ trợ nhanh hơn, luyện tập theo nhu cầu và nhận phản hồi thường xuyên. Đối với giáo viên, công nghệ giảm bớt một phần công việc lặp lại và cung cấp dữ liệu để điều chỉnh giảng dạy. Đối với cơ sở giáo dục, AI hỗ trợ theo dõi chất lượng, quản lý nguồn lực và phát hiện vấn đề sớm.

Hiệu quả không nên chỉ được đánh giá bằng số lượng nội dung được tạo hoặc thời gian tiết kiệm. Các chỉ số cần gắn với mục tiêu giáo dục, gồm:

·         Mức tiến bộ theo chuẩn đầu ra

·         Tỷ lệ hoàn thành khóa học

·         Thời gian phản hồi cho người học

·         Mức độ tham gia học tập

·         Tỷ lệ người học cần hỗ trợ được can thiệp kịp thời

·         Khối lượng công việc hành chính được giảm

·         Mức độ hài lòng của người học và giáo viên

·         Chênh lệch kết quả giữa các nhóm người học

Một công cụ giúp tạo bài giảng nhanh hơn nhưng làm tăng lỗi nội dung không thể được xem là hiệu quả. Tương tự, một hệ thống dự đoán tốt nhưng không dẫn đến biện pháp hỗ trợ phù hợp cũng không tạo ra cải thiện thực chất.

Rủi ro và giới hạn khi ứng dụng AI

Sai lệch và thiếu chính xác

Mô hình AI có thể tạo câu trả lời nghe hợp lý nhưng không đúng. Trong giáo dục, lỗi thông tin có thể ảnh hưởng trực tiếp đến quá trình hình thành kiến thức. Nội dung do AI tạo cần được đối chiếu với giáo trình, tài liệu chuyên môn hoặc nguồn chính thức.

Thiên lệch trong dữ liệu

Nếu dữ liệu đào tạo không đại diện cho đầy đủ nhóm người học, hệ thống có thể tạo kết quả kém chính xác đối với một số nhóm. Thiên lệch cũng có thể xuất hiện khi các tiêu chí đánh giá phản ánh ưu tiên của tổ chức thay vì năng lực thực tế.

Quyền riêng tư

Dữ liệu giáo dục có thể bao gồm thông tin nhận dạng, kết quả học tập, hành vi, trao đổi cá nhân và dữ liệu về trẻ em. Cơ sở giáo dục cần xác định rõ dữ liệu nào được thu thập, mục đích sử dụng, thời gian lưu trữ và người được quyền truy cập.

Không nên đưa dữ liệu nhạy cảm của người học vào các công cụ AI công cộng khi chưa có cơ chế bảo vệ và sự cho phép phù hợp.

Phụ thuộc vào công nghệ

Người học có thể sử dụng AI để nhận đáp án thay vì tự thực hiện quá trình tư duy. Giáo viên cũng có thể phụ thuộc vào nội dung được tạo tự động và giảm mức độ kiểm tra chuyên môn.

Việc sử dụng AI nên được thiết kế để hỗ trợ tư duy, không thay thế tư duy. Nhiệm vụ học tập cần yêu cầu người học giải thích cách làm, phản biện kết quả, liên hệ bối cảnh hoặc trình bày quá trình ra quyết định.

Khoảng cách tiếp cận

Không phải người học nào cũng có thiết bị, kết nối và kỹ năng số tương đương. Việc triển khai AI mà không có phương án thay thế có thể làm tăng chênh lệch cơ hội học tập.

Cơ sở giáo dục cần bảo đảm người học vẫn có thể hoàn thành nhiệm vụ khi không sử dụng công cụ AI hoặc khi hệ thống gặp sự cố.

Nguyên tắc triển khai AI trong giáo dục

AI nên được triển khai từ nhu cầu giáo dục thay vì bắt đầu từ công nghệ. Trước khi lựa chọn công cụ, tổ chức cần xác định vấn đề cụ thể, nhóm người sử dụng, kết quả mong muốn và cách đo lường hiệu quả.

Một quy trình triển khai phù hợp gồm:

1.    Xác định vấn đề giáo dục cần giải quyết

2.    Đặt mục tiêu và chỉ số đánh giá

3.    Kiểm tra dữ liệu, quyền riêng tư và điều kiện sử dụng

4.    Thử nghiệm trong phạm vi nhỏ

5.    Đào tạo giáo viên và người quản lý

6.    Thu thập phản hồi từ người học

7.    Đánh giá hiệu quả và tác động ngoài dự kiến

8.    Mở rộng khi kết quả đáp ứng yêu cầu

9.    Duy trì cơ chế giám sát và xử lý sự cố

Trong quá trình triển khai, tổ chức cần xác định rõ những quyết định nào AI được phép hỗ trợ và những quyết định nào bắt buộc phải có con người chịu trách nhiệm.

Các quyết định có ảnh hưởng lớn nên bảo đảm:

·         Có người chịu trách nhiệm cuối cùng

·         Có thể giải thích căn cứ đưa ra kết quả

·         Có cơ chế kiểm tra và khiếu nại

·         Có phương án xử lý khi hệ thống sai

·         Có giới hạn về dữ liệu được sử dụng

·         Có đánh giá tác động đối với từng nhóm người học

Vai trò của giáo viên khi AI được sử dụng rộng rãi

AI không loại bỏ vai trò của giáo viên mà làm thay đổi trọng tâm công việc. Khi một phần hoạt động tạo nội dung, tổng hợp dữ liệu và phản hồi được tự động hóa, giáo viên càng cần tập trung vào những nhiệm vụ đòi hỏi hiểu biết bối cảnh và trách nhiệm con người.

Vai trò của giáo viên bao gồm:

·         Thiết kế mục tiêu và trải nghiệm học tập

·         Kiểm tra độ chính xác của nội dung

·         Quan sát trạng thái cảm xúc và động lực

·         Hướng dẫn tư duy phản biện

·         Tạo môi trường hợp tác

·         Đánh giá những năng lực phức tạp

·         Bảo vệ quyền lợi của người học

·         Quyết định khi dữ liệu không phản ánh đầy đủ bối cảnh

AI có thể nhận diện một mẫu trong dữ liệu, nhưng giáo viên mới có thể tìm hiểu nguyên nhân cá nhân, hoàn cảnh gia đình, vấn đề tâm lý hoặc điều kiện xã hội phía sau mẫu dữ liệu đó. Vì vậy, mô hình hiệu quả nhất là AI hỗ trợ phân tích và giáo viên chịu trách nhiệm diễn giải, can thiệp và ra quyết định.

Phân biệt hỗ trợ học tập với làm thay người học

Một hiểu lầm phổ biến là mọi hình thức sử dụng AI đều làm giảm khả năng tư duy. Tác động thực tế phụ thuộc vào cách công cụ được sử dụng.

AI hỗ trợ học tập khi người học dùng công cụ để:

·         Nhận gợi ý sau khi đã tự thử

·         Yêu cầu giải thích một khái niệm

·         So sánh nhiều cách giải

·         Kiểm tra lỗi trong lập luận

·         Tạo câu hỏi tự luyện

·         Nhận phản hồi để sửa bài

AI làm thay người học khi công cụ được dùng để:

·         Tạo toàn bộ sản phẩm mà người học không hiểu

·         Trả lời thay trong hoạt động đánh giá

·         Viết lập luận mà người học không thể giải thích

·         Che giấu nguồn gốc nội dung

·         Bỏ qua quá trình thực hành cần thiết

Để phân biệt hai trường hợp, giáo viên có thể yêu cầu người học trình bày quá trình thực hiện, giải thích lựa chọn, phản biện câu trả lời của AI hoặc điều chỉnh sản phẩm theo một tình huống mới.

AI trong giáo dục có thể cá nhân hóa việc học, hỗ trợ giáo viên, tự động hóa một phần đánh giá và nâng cao hiệu quả quản lý đào tạo. Tuy nhiên, công nghệ chỉ phát huy tác dụng khi được gắn với mục tiêu sư phạm, dữ liệu phù hợp và cơ chế giám sát rõ ràng.

Thay vì xem AI là công cụ thay thế con người, cơ sở giáo dục nên sử dụng AI như một lớp hỗ trợ. Hệ thống đảm nhận các hoạt động phân tích, đề xuất và tự động hóa; giáo viên và nhà quản lý chịu trách nhiệm kiểm chứng, giải thích và đưa ra quyết định cuối cùng. Cách tiếp cận này vừa khai thác được tốc độ của công nghệ, vừa bảo vệ chất lượng và tính công bằng của giáo dục.