ĐỀ XUẤT KHUNG PHÂN TÍCH HỌC TẬP LẤY TRI THỨC LÀM TRUNG TÂM
DOI:
https://doi.org/10.59266/houjs.2026.1438Từ khóa:
học sâu, học tập phân mảnh, phân tích học tập, quá tải nhận thức, tổ chức tri thứcTóm tắt
Bài báo đề xuất khung phân tích học tập lấy tri thức làm trung tâm (Knowledge-Centered Learning Analytics Framework - KCLAF) - một khung bốn lớp nhằm giải quyết học tập phân mảnh (Fragmented Learning – FL) và quá tải nhận thức (Cognitive Overload – CL) trong học tập số. Dữ liệu từ 266 sinh viên Trường Đại học Mở Hà Nội (bảng hỏi Likert 5 mức, 57 mục, 11 cấu trúc) được phân tích bằng phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) và phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA), hồi quy bình phương nhỏ nhất thông thường (Ordinary Least Squares – OLS) phân lớp với sai số chuẩn vững HC3 (heteroskedasticity-consistent, dạng 3) và phân tích trung gian bằng kỹ thuật lấy mẫu lặp. FL (M = 3,556) và CL (M = 3,597) cao hơn có ý nghĩa so với điểm giữa thang đo, với 30,5% và 36,1% sinh viên đạt mức từ 4,0 trở lên. Tổ chức tri thức (Knowledge Organizing – OR) là biến dự báo học sâu mạnh nhất (β = 0,348) và trung gian khoảng 44,9% liên hệ giữa sử dụng trí tuệ nhân tạo (Artificial Intelligence – AI) và học sâu (Deep Approach Learning – DL). Trái với giả thuyết ban đầu về nghịch lý AI–OR, hai biến tương quan dương (r = 0,458); tuy nhiên chỉ số khoảng cách chuẩn hóa giữa chúng ở cấp cá nhân có liên hệ nghịch với học sâu sau khi kiểm soát mức độ chung (β = −0,127; p = 0,046). Nghiên cứu ghi nhận hai hạn chế đo lường: năm cấu trúc kiến tạo tri thức không tách bạch được về thực nghiệm và thiên lệch đồng thuận. KCLAF được định vị là khung khái niệm cần kiểm chứng, kèm lộ trình bốn giai đoạn.
Tài liệu tham khảo
Ames, C. (1992). Classrooms: Goals, structures, and student motivation. Journal of Educational Psychology, 84(3), 261-271.
Bartlett, F. C. (1932). Remembering: A study in experimental and social psychology. Cambridge University Press.
Bryce, T. G. K., & Blown, E. J. (2023). Ausubel’s meaningful learning re- visited. Current Psychology, 1-20. https://doi.org/10.1007/s12144-023-04440-4
Dabbagh, N., & Kitsantas, A. (2012). Personal learning environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning. The Internet and Higher Education, 15(1), 3-8. https://doi.org/10.1016/j.iheduc.2011.06.002
Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques: Promising directions from cognitive and educational psychology. Psychological Science in the Public Interest, 14(1), 4-58. https://doi.org/10.1177/1529100612453266
Gašević, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71. https://doi.org/10.1007/s11528-014-0822-x
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Long, P., & Siemens, G. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 31-40. Marton, F., & Säljö, R. (1976). On qualitative differences in learning: I-Outcome and process. British Journal of Educational Psychology, 46(1), 4-11. https://doi.org/10.1111/j.2044-8279.1976.tb02980.x
Metzger, M. J. (2007). Making sense of credibility on the Web: Models for evaluating online information and recommendations for future research. Journal of the American Society for Information Science and Technology, 58(13), 2078-2091. https://doi.org/10.1002/asi.20672
Muharmi, Y., Hermanto, B., & Almadea, V. (2025). Information system for guidance on student practical work reports in the computer science department of the web-based information management study program. Jurnal Pepadun, 6, 230-240. https://doi.org/10.23960/pepadun.v6i3.301
Ophir, E., Nass, C., & Wagner, A. D. (2009). Cognitive control in media multitaskers. Proceedings of the National Academy of Sciences, 106(37), 15583-15587. https://doi.org/10.1073/pnas.0903620106
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676-688. https://doi.org/10.1016/j.tics.2016.07.002
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American BehavioralScientist,57(10),1380-1400. https://doi.org/10.1177/0002764213498851
Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776-778. https://doi.org/10.1126/science.1207745
Sweller, J., van Merriënboer, J. J. G., & Paas, F. G. W. C. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251-296. https://doi.org/10.1023/A:1022193728205
