MỐI LIÊN HỆ GIỮA SỬ DỤNG TRÍ TUỆ NHÂN TẠO VÀ HỌC TẬP CHUYÊN SÂU: BẰNG CHỨNG TỪ SINH VIÊN VIỆT NAM
DOI:
https://doi.org/10.59266/houjs.2026.1422Từ khóa:
trí tuệ nhân tạo, giáo dục đại học, học tập phân mảnh, quá tải nhận thức, học tập chuyên sâu, sinh viên Việt NamTóm tắt
Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) đang làm thay đổi mạnh mẽ môi trường học tập và đánh giá trong giáo dục đại học. Nghiên cứu khảo sát 1.015 sinh viên tại 13 trường đại học Việt Nam nhằm mô tả mức độ sử dụng AI và mối liên hệ của nó với học tập chuyên sâu, học tập phân mảnh và quá tải nhận thức. Sinh viên đánh giá AI là công cụ hỗ trợ hiệu quả (M = 3,964; α = 0,910), song 50,64% thừa nhận phụ thuộc vào AI; học tập phân mảnh (M = 3,644) và quá tải nhận thức (M = 3,655) đều ở mức trên trung bình. Sử dụng AI tương quan dương mạnh với học tập chuyên sâu (r = 0,719), nhưng do thiết kế cắt ngang và dữ liệu tự báo cáo, kết quả chỉ cho phép kết luận về mối liên hệ, không suy luận nhân quả. Đáng lưu ý, học tập phân mảnh và quá tải nhận thức cũng tương quan dương với học tập chuyên sâu (r = 0,552 và r = 0,484), trái kỳ vọng lý thuyết; bài báo thảo luận các cách giải thích khả dĩ. Trên cơ sở đó, bài báo đề xuất định hướng khai thác AI trong giáo dục đại học gắn với đổi mới đánh giá.
Tài liệu tham khảo
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334. https://doi.org/10.1007/BF02310555
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education. Promise and Implications for Teaching and Learning.
John Biggs, & Tang, C. (2011). Teaching For Quality Learning At University. McGraw-Hill Education (UK).
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
Luckin, R. (2018). Machine Learning and Human Intelligence: The future of education for the 21st century. UCL Institute of Education Press, University College.
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
Mendenhall, W., Beaver,R. J., & Beaver, B. M. (2009). Introduction to Probability and Statistics (13 ed.). Cengage.
Paas, F., Renkl, A., & Sweller, J.(2003). Cognitive Load Theory and Instructional Design: Recent Developments. Educational Psychologist, 38(1), 1-4. https://doi.org/10.1207/S15326985EP3801_1
Parasuraman, R., & Manzey, D. H.(2010). Complacency and bias in human use of automation: an attentional integration. Hum Factors, 52(3), 381-410. https://doi.org/10.1177/0018720810376055
Roll, I., & Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582-599. https://doi.org/10.1007/s40593-016-0110-3
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285. https://doi.org/10.1016/0364-0213(88)90023-7
UNESCO. (2023). Guidance for generative AI in education and research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education - where are the educators? International Journal of Educational Technology in Higher Education, 16(1),39. https://doi.org/10.1186/s41239-019-0171-0
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7
