Je besser KI wird, desto schwieriger wird es, Lernen zu messen
Khi AI càng giỏi, việc đánh giá khả năng học tập càng khó hơn
This reading was translated and simplified for German learners. The original content belongs to Tia Sang - Van Hoa Xa Hoi.
Select a word or phrase to look it up, translate it, highlight it, or add a note.
Reading progress
Paragraph 1/16
Read the German first. Reveal the translation below any paragraph when needed.
Vietnamese translation
Khi trí tuệ nhân tạo (AI) ngày càng giỏi trong việc tổ chức thông tin, thực hiện nhiệm vụ và tạo ra sản phẩm, việc chứng minh rằng học viên thực sự đang tư duy trở nên quan trọng hơn bao giờ hết.
Vietnamese translation
Một học sinh làm đúng ba bài toán hình học liên tiếp. Thay vì được giao thêm bài tương tự, nền tảng học tập tự động chuyển sang bài khó hơn. Khi học sinh mắc lỗi, hệ thống giảm độ khó và đưa ra nhiều gợi ý hơn.
Vietnamese translation
Ví dụ về sách giáo khoa kỹ thuật số tích hợp AI ở Hàn Quốc, được trình bày trong cuốn sách "Học tập trong thời đại AI" của tác giả Nguyễn Thanh Tùng, cho thấy hệ thống thậm chí có thể ghi lại tốc độ thao tác, thời gian停留于 các nội dung riêng biệt và số lần do dự giữa các câu trả lời để cá nhân hóa lộ trình học.
Vietnamese translation
Tình huống này phản ánh một sự thay đổi đáng chú ý. AI trong giáo dục không còn chỉ xuất hiện khi học sinh chủ động mở chatbot và đặt câu hỏi. Nó đã được tích hợp trong các công cụ tìm kiếm, hệ thống đề xuất, nền tảng học tập thích ứng và thậm chí còn quyết định nội dung tiếp theo mà học viên sẽ thấy. Do đó, câu hỏi dần chuyển từ "Học sinh sử dụng AI như thế nào?" sang một câu hỏi khó hơn: Khi máy móc tham gia vào nhiều bước của quá trình tư duy, học viên phải tự hiểu và tổ chức quá trình học tập của mình ra sao?
Vietnamese translation
Điều này thể hiện rõ trong phần sách nói về phân công nhiệm vụ giữa con người và AI. Đối với các công việc trí óc trước đây thường được thực hiện thành một chuỗi liên kết bởi một người, nay AI có thể can thiệp ở nhiều điểm: tìm kiếm và xử lý dữ liệu, tóm tắt, sắp xếp, soạn thảo... Do đó, học viên phải quyết định những nhiệm vụ nào có thể giao cho máy, những việc nào cần giữ lại, những kết quả nào cần kiểm tra và ở những điểm nào cần quay trở lại dữ liệu hoặc thực tế.
Vietnamese translation
Tuy nhiên, khả năng phân công nhiệm vụ sớm gặp một giới hạn khác: Liệu có thể giao phó một nhiệm vụ cho hệ thống mà mình hiểu rất ít?
Vietnamese translation
Một ví dụ nhỏ trong sách giải thích tại sao sự hiểu biết này quan trọng. Khi học sinh sử dụng mô hình trực quan để phân loại chó, mèo và thỏ, hệ thống liên tục nhận diện sai. Nguyên nhân được truy ngược lại tập dữ liệu: ảnh chó chủ yếu là chó lớn ở ngoài trời, ảnh mèo chủ yếu được chụp trong nhà, và số lượng ảnh thỏ quá ít. Máy đã học được bối cảnh của ảnh thay vì các đặc điểm mà học sinh tưởng nó sẽ nhận diện.
Vietnamese translation
Ở đây, vấn đề không chỉ là "AI đôi khi sai". Quan trọng hơn là kết quả từ máy có thể phản ánh các quyết định diễn ra ở một tầng mà người dùng không nhìn thấy. Khi học viên chỉ sử dụng giao diện và đọc kết quả đầu ra, phần quan trọng nhất của hệ thống vẫn nằm ngoài hiểu biết của họ.
Vietnamese translation
Biết ứng dụng hoạt động thế nào là chưa đủ; học viên cần hiểu dữ liệu được lưu ở đâu, quyền được chuyển giao cho ai, những quy tắc nào tạo ra quyết định và những rủi ro nào bị bỏ qua.
Vietnamese translation
Ba chương thực hành cuối cùng của sách đi theo cùng một logic. Một sản phẩm không được tạo ra bằng một lệnh lớn rồi chỉnh sửa ở cuối. Nó hình thành qua nhiều vòng lặp: chia nhỏ vấn đề, xây dựng một phần, kiểm tra, tra cứu, bổ sung chức năng và tiếp tục kiểm tra. Quy trình làm việc này giúp dòng suy nghĩ trở nên rõ ràng và tạo ra một lịch sử có thể truy vết.
Vietnamese translation
Tác giả trình bày một ý tưởng tương tự trong phần sách về sáng tạo với các công cụ tạo ảnh như Midjourney hay DALL-E. Sản phẩm ban đầu có thể rất bắt mắt, nhưng dễ dàng rơi vào tính thẩm mỹ trung bình trên internet. Sách đề xuất một phương pháp đánh giá chuyển trọng tâm từ bức ảnh cuối cùng sang một "nhật ký đồng sáng tạo", trong đó học viên phải cho thấy họ đã nghiên cứu tài liệu nào và cách họ khắc phục lỗi của máy.
Vietnamese translation
Chính vì vậy, tác giả Nguyễn Thanh Tùng rất nhấn mạnh vào phương pháp học tập dựa dự án trong cuốn sách giáo dục ứng dụng của mình. Một dự án kéo dài đủ lâu cho phép giáo viên quan sát nhiều trạng thái trung gian, không chỉ sản phẩm cuối cùng. Khi AI có thể nhanh chóng tạo ra sản phẩm, các trạng thái trung gian này trở thành bằng chứng quan trọng cho quá trình học.
Vietnamese translation
Tác giả không quên nhấn mạnh: Khi học sinh dùng AI để bỏ qua quá trình ghi nhớ và hiểu biết, họ thiếu đi vật liệu cần thiết để kiểm tra kết quả do máy tạo ra. AI không đơn giản làm các năng lực nhận thức thấp trở nên thừa thãi, nó thay đổi mục đích của việc tích lũy kiến thức. Con người không còn chỉ nhớ để lặp lại câu trả lời; họ cần có kiến thức trong đầu để nhận ra khi câu trả lời của máy gặp vấn đề. Càng giao việc tạo câu trả lời cho AI, khả năng phán đoán của con người càng phụ thuộc vào kiến thức mà họ thực sự sở hữu.
Vietnamese translation
Do đó, AI đặt ra yêu cầu khó khăn hơn nhiều so với việc "biết sử dụng một công cụ". Học viên phải giữ cho quá trình nhận thức của mình rõ ràng, có thể truy vết và giải thích được, ngay cả khi một phần của quá trình đó diễn ra bên trong máy.
Vietnamese translation
Và có lẽ đây là thách thức quan trọng của giáo dục trong thời đại AI: Khi công nghệ ngày càng giỏi trong việc tổ chức thông tin, thực hiện nhiệm vụ và tạo ra sản phẩm, làm sao để đánh giá chính xác năng lực của học viên?
Vietnamese translation
Theo Bloom's Taxonomy phiên bản sửa đổi, các hoạt động nhận thức dao động từ cơ bản đến nâng cao: ghi nhớ, hiểu, áp dụng đến phân tích, đánh giá và sáng tạo. AI
