Chương 1: Lịch sử những lời hứa chưa thành

Bối cảnh / Vấn đề

Mỗi thế hệ công nghệ giáo dục đều có một câu mở đầu rất quen: lần này sẽ khác.

Lần này, công nghệ sẽ cá nhân hóa việc học cho từng người. Lần này, người học ở vùng xa sẽ được tiếp cận tri thức tốt như người học ở trung tâm. Lần này, giáo viên sẽ được giải phóng khỏi việc lặp lại. Lần này, dữ liệu sẽ nói cho chúng ta biết học sinh đang yếu ở đâu. Lần này, giáo dục sẽ rẻ hơn, công bằng hơn, hiệu quả hơn.

Những câu đó không sai hoàn toàn. Chính vì không sai hoàn toàn nên chúng tồn tại rất dai. Một chiếc máy chấm trắc nghiệm thật sự có thể giảm việc chấm tay. Một video bài giảng thật sự có thể đưa lời giảng của một giáo sư đến hàng triệu người. Một hệ thống luyện tập thích ứng thật sự có thể chọn bài tiếp theo tốt hơn một danh sách bài tập cố định. Một mô hình ngôn ngữ lớn thật sự có thể giải thích, tóm tắt, viết lại, đặt câu hỏi và phản hồi nhanh hơn phần lớn hệ thống phần mềm giáo dục phổ thông trước nó.

Vấn đề nằm ở chỗ khác: từ “có thể giúp” đến “sẽ thay đổi giáo dục” là một bước nhảy quá dài.

Lịch sử EdTech phần lớn là lịch sử của bước nhảy đó. Một năng lực kỹ thuật thật được phóng đại thành một lời hứa hệ thống. Một cải tiến trong thao tác được kể như một thay đổi trong học tập. Một công cụ hữu ích trong bối cảnh hẹp được bán như giải pháp cho mọi lớp học, mọi môn học, mọi người học.

Đến khi công nghệ đi vào trường học thật, nó gặp thời khóa biểu, sĩ số, ngân sách, kỳ thi, phụ huynh, chính sách, thói quen giáo viên, động lực học sinh và những bất bình đẳng có sẵn. Khi đó, lời hứa bắt đầu co lại.

Chương này không nhằm kết luận rằng công nghệ giáo dục vô dụng. Kết luận đó quá dễ và cũng không đúng. Công nghệ đã làm được nhiều việc có giá trị: mở tài nguyên, hỗ trợ người khuyết tật, tăng tốc phản hồi, giúp phân tích dữ liệu, tạo môi trường mô phỏng, kết nối cộng đồng học tập.

Nhưng nếu muốn xây một cuốn sách nghiêm túc về EdTech, ta phải bắt đầu bằng sự tỉnh táo: rất nhiều lời hứa đã từng được nói trước đây, với giọng gần giống hiện nay.

Nền tảng lý thuyết

Một cách nhìn hữu ích là xem trường học không phải như một nơi trống rỗng để công nghệ bước vào và viết lại mọi thứ. Trường học là một hệ thống xã hội. Nó có lịch sử, nghi thức, vai trò, quyền lực, thước đo và thói quen vận hành.

Công nghệ mới không chỉ “được áp dụng”. Nó bị diễn giải, điều chỉnh và đôi khi bị thuần hóa bởi hệ thống đó.

Justin Reich gọi đây là vấn đề trung tâm của nhiều dự án học tập quy mô lớn. Công nghệ thường hứa mở rộng năng lực dạy và học vượt qua giới hạn một giáo viên với một lớp học. Nhưng khi triển khai, nó đi vào những “thể loại” quen thuộc: học do giảng viên dẫn dắt, học do thuật toán dẫn dắt, và học do bạn học hoặc cộng đồng dẫn dắt (Reich, 2020). Mỗi thể loại có điểm mạnh thật. Mỗi thể loại cũng có giới hạn thật.

Điểm quan trọng là: không thể đánh giá EdTech chỉ bằng câu hỏi “nó có công nghệ gì?”. Câu hỏi đúng hơn là “nó thay đổi quan hệ học tập nào?”.

Ai quyết định lộ trình học? Ai đưa phản hồi? Người học có phải tự điều chỉnh không? Giáo viên có quyền can thiệp không? Dữ liệu được dùng để hỗ trợ hay để giám sát? Công nghệ đang mở ra một hoạt động học mới, hay chỉ làm nhanh hơn một hoạt động cũ?

Ở tầng nhận thức, các nghiên cứu về học đa phương tiện cũng đưa ra cảnh báo tương tự. Clark và Mayer nhấn mạnh rằng hiệu quả của e-learning không đến từ bản thân phương tiện kỹ thuật số, mà từ cách thiết kế phù hợp với bộ nhớ làm việc, sự chú ý và quá trình xử lý chủ động của người học (Clark & Mayer, 2024). Một bài học có video, animation, âm thanh, chatbot hoặc VR vẫn có thể tệ nếu nó làm tăng tải nhận thức ngoại lai, thiếu thực hành, thiếu phản hồi hoặc chỉ khiến người học tiêu thụ nội dung.

Julie Dirksen nhìn từ góc khác: nhiều vấn đề trong học tập không phải là thiếu thông tin. Người học có thể thiếu kỹ năng, thiếu động lực, thiếu môi trường hỗ trợ hoặc nhận chỉ dẫn mơ hồ (Dirksen, 2016). Nếu vấn đề là động lực, thêm một thư viện nội dung chưa chắc giải quyết được. Nếu vấn đề là môi trường làm việc không cho phép áp dụng kỹ năng, thêm một khóa học online có thể chỉ tạo cảm giác đã đào tạo xong.

Ba góc nhìn này gặp nhau ở một điểm: công nghệ giáo dục chỉ có ý nghĩa khi nó chạm đúng cơ chế học tập và điều kiện triển khai. Không có điều đó, nó rất dễ trở thành một lớp vỏ mới cho cách làm cũ.

Thực trạng triển khai

Lời hứa cá nhân hóa bằng máy không bắt đầu với AI tạo sinh. Audrey Watters cho thấy những “teaching machines” từ Sidney Pressey đến B. F. Skinner đã mang nhiều ý tưởng rất quen với EdTech hiện nay: chia nhỏ nội dung, cho người học đi theo tốc độ riêng, phản hồi tức thì, tự động hóa phần việc lặp lại của giáo viên (Watters, 2021).

Cái mới của thế kỷ 21 không phải là ước mơ cá nhân hóa. Cái mới là năng lực tính toán, dữ liệu và giao diện đã mạnh hơn rất nhiều.

Nhưng logic nền vẫn lặp lại. Giáo dục được mô tả như một quy trình còn thô, chậm, kém hiệu quả. Công nghệ được giới thiệu như cách làm quy trình đó chính xác và tiết kiệm hơn. Cách nói này hấp dẫn vì nó chạm vào những nỗi mệt thật của giáo viên và nhà trường.

Chấm bài lặp lại thật sự mệt. Lớp đông thật sự khó cá nhân hóa. Học sinh hổng kiến thức thật sự khó theo dõi bằng mắt thường.

Nhưng khi giáo dục bị nhìn chủ yếu như một quy trình cần tối ưu, ta dễ bỏ qua phần khó nhất: học tập là quan hệ giữa tri thức, con người, động lực và bối cảnh.

Làn sóng học từ xa và học qua truyền thông đại chúng cũng từng mang lời hứa mở rộng tiếp cận. Radio, truyền hình giáo dục, video bài giảng, rồi sau này là nền tảng khóa học trực tuyến đều dựa trên một trực giác mạnh: nếu bài giảng tốt có thể được phát đến nhiều người hơn, giáo dục sẽ công bằng hơn.

Trực giác này đúng một phần. Tiếp cận tài nguyên là điều kiện cần. Nhưng tiếp cận không tự biến thành học tập.

MOOC là ví dụ rõ. Đầu thập niên 2010, các khóa học trực tuyến mở quy mô lớn được kỳ vọng sẽ mở cửa đại học tinh hoa cho thế giới. Chúng thật sự mở tài nguyên. Chúng tạo ra một hình thức học quy mô lớn có giá trị cho người đã có kỹ năng tự học, nền tảng học thuật và mục tiêu rõ.

Nhưng với người học thiếu thời gian, thiếu hỗ trợ, thiếu thói quen tự điều chỉnh hoặc thiếu cộng đồng, một video hay và một diễn đàn lớn thường không đủ. Reich nhận xét rằng học tự nhịp trong các chủ đề bắt buộc là việc rất khó; nhóm hưởng lợi nhiều thường là người đã có học vấn và vốn xã hội cao hơn (Reich, 2020).

Điều này không làm MOOC vô nghĩa. Nó chỉ làm lời hứa “mở truy cập là đủ để dân chủ hóa giáo dục” trở nên quá đơn giản. Trong giáo dục, cánh cửa mở chưa đủ. Người học còn cần bản đồ, nhịp học, phản hồi, động lực, cộng đồng, sự công nhận và đôi khi là một người thật nhận ra họ đang sắp bỏ cuộc.

Nhóm thứ hai là học do thuật toán dẫn dắt: adaptive tutors, computer-assisted instruction, intelligent tutoring systems. Đây là vùng có nhiều thành tựu thật. Trong những miền có cấu trúc rõ như toán cơ bản, lập trình nhập môn, luyện kỹ năng ngôn ngữ hoặc một số dạng câu hỏi tiêu chuẩn, hệ thống có thể theo dõi câu trả lời, ước lượng mức hiểu và chọn bài tiếp theo.

Khi thiết kế tốt, người học không phải đi qua cùng một lộ trình cứng. Họ nhận bài phù hợp hơn, phản hồi nhanh hơn, cơ hội luyện tập nhiều hơn.

Nhưng thuật toán thích cấu trúc. Nó mạnh khi nhiệm vụ có đáp án rõ, dữ liệu sạch, mục tiêu đo được và phản hồi có thể chuẩn hóa. Nó yếu hơn khi học tập đòi hỏi diễn giải, tranh luận, sáng tạo, đạo đức, bản sắc, hợp tác hoặc chuyển giao sang bối cảnh mới.

Vì vậy adaptive learning thường tạo tiến bộ cục bộ, không phải phép màu phổ quát. Nó có thể giúp một học sinh luyện phân số tốt hơn. Nó không tự trả lời được câu hỏi: học sinh đó có hiểu tại sao phân số quan trọng trong đời sống, có biết giải thích cho bạn khác, có bớt sợ toán, có dùng được tư duy tỷ lệ trong tình huống mới hay không.

Nhóm thứ ba là học do cộng đồng dẫn dắt. Scratch, Minecraft, diễn đàn lập trình, cộng đồng làm video, nhóm học ngoại ngữ và các mạng học tập tự nguyện cho thấy một mặt rất mạnh của internet: con người có thể học sâu khi họ có sở thích, bản sắc, sản phẩm thật và cộng đồng phản hồi.

Không phải lúc nào giáo trình cũng đi trước. Nhiều khi người học bắt đầu bằng một dự án, một vấn đề, một điều tò mò. Họ học vì muốn tham gia vào một cộng đồng có ý nghĩa.

Nhưng khi đem logic đó vào nhà trường, mọi thứ khó hơn. Môn học bắt buộc không giống sở thích tự nguyện. Tiết học 45 phút không giống một buổi mày mò cả tối. Chấm điểm cá nhân không giống văn hóa chia sẻ sản phẩm. Chương trình chuẩn hóa không giống cộng đồng mở.

Vì vậy nhiều mô hình cộng đồng rất sống động ngoài trường lại trở nên gượng khi bị ép vào cấu trúc trường học.

Đến GenAI, lời hứa lại trở nên mạnh hơn vì giao diện đã đổi. Người học không chỉ bấm câu trả lời. Họ có thể hỏi, đối thoại, yêu cầu ví dụ, tạo bản nháp, sửa câu, mô phỏng phỏng vấn, giải thích lại khái niệm. Giáo viên có thể nhờ AI gợi ý rubric, tạo câu hỏi, soạn ví dụ, phân hóa bài tập.

Đây là thay đổi thật về khả năng tương tác.

Nó cũng nối lại một câu hỏi lớn hơn mà Holmes, Bialik và Fadel đặt ra trước làn sóng GenAI: AI không chỉ buộc giáo dục hỏi “dạy bằng công cụ nào”, mà còn hỏi lại “người học cần học cái gì khi máy đã xử lý ngày càng nhiều phần dữ liệu, thông tin và quy trình” (Holmes, Bialik, & Fadel, 2019).

Nhưng chính vì GenAI mềm dẻo hơn, rủi ro phóng đại cũng lớn hơn. UNESCO cảnh báo rằng GenAI phát triển nhanh hơn khả năng thích ứng của chính sách và cơ sở giáo dục; cần tiếp cận lấy con người làm trung tâm, bảo vệ dữ liệu, giới hạn độ tuổi phù hợp và xác nhận công cụ về đạo đức, sư phạm trước khi triển khai rộng (UNESCO, 2023).

OECD cũng phân biệt rõ số hóa và chuyển đổi số: nhiều hệ thống đã số hóa quản trị và tài nguyên, nhưng vẫn chủ yếu dùng công nghệ để tái hiện quy trình cũ; các công cụ thích ứng, cảnh báo sớm và dữ liệu có thể hành động cho giáo viên/học sinh vẫn chưa phổ biến trong nhiều hệ thống (OECD, 2023).

Nói cách khác, GenAI làm câu hỏi trở nên cấp bách hơn, không làm câu hỏi biến mất. Nếu dùng GenAI để viết hộ bài luận, ta có năng suất văn bản nhưng mất cơ hội luyện tư duy. Nếu dùng GenAI để tạo thêm nhiều bài tập giống nhau, ta có kho nội dung lớn nhưng chưa chắc có học sâu. Nếu dùng GenAI để phản hồi tức thì nhưng phản hồi luôn cho đáp án, ta có thể vô tình dạy người học bỏ qua nỗ lực truy hồi và tự giải thích.

Phân tích phản biện

Sai lầm phổ biến nhất khi nhìn lịch sử EdTech là kể nó như một chuỗi thất bại. Cách kể đó dễ tạo cảm giác tỉnh táo, nhưng nó cũng lười không kém gì hype. Nhiều công nghệ đã thành công trong phạm vi đúng của chúng. Máy chiếu, LMS, công cụ tìm kiếm, video, phần mềm luyện tập, hệ thống quản lý học sinh, công cụ hỗ trợ tiếp cận, mô phỏng và AI đều có giá trị thật.

Vấn đề không phải là công nghệ không làm được gì. Vấn đề là ta thường hỏi sai đơn vị thay đổi.

Một công cụ có thể cải thiện thao tác nhưng không cải thiện học tập. Một nền tảng có thể tăng thời lượng sử dụng nhưng không tăng hiểu sâu. Một dashboard có thể làm dữ liệu trông rõ hơn nhưng không giúp giáo viên biết can thiệp ra sao. Một chatbot có thể trả lời nhanh nhưng làm người học ít tự kiểm tra hơn. Một khóa học mở có thể tăng số người đăng ký nhưng không tăng số người hoàn thành có năng lực thật.

Ở đây, cần phân biệt bốn tầng:

• Tầng truy cập: Người học có tài nguyên, thiết bị, kết nối và quyền sử dụng không?
• Tầng thao tác: Công việc có nhanh hơn, rẻ hơn, ít lỗi hơn không?
• Tầng học tập: Người học có nhớ lâu hơn, hiểu sâu hơn, chuyển giao tốt hơn, tự điều chỉnh tốt hơn không?
• Tầng hệ thống: Tổ chức có thay đổi cách thiết kế, hỗ trợ, đánh giá và phân bổ nguồn lực không?

EdTech thường thắng ở tầng truy cập và thao tác trước. Điều đó đáng quý. Nhưng nếu lấy thắng lợi ở hai tầng này để tuyên bố thắng lợi ở tầng học tập và hệ thống, ta tự đánh lừa mình.

Một ví dụ: ghi hình bài giảng giúp người học xem lại. Đây là lợi ích thật ở tầng truy cập. Nhưng nếu bài giảng vốn quá tải, thiếu ví dụ, thiếu luyện tập, thiếu phản hồi, thì video chỉ làm một thiết kế yếu trở nên dễ phân phối hơn.

Tương tự, AI tạo câu hỏi có thể giảm thời gian soạn bài. Nhưng nếu câu hỏi chỉ kiểm tra ghi nhớ rời rạc, hệ thống đang tăng tốc một thói quen đánh giá nghèo nàn.

Đó là lý do cuốn sách này cần bắt đầu bằng lịch sử. Lịch sử không phải để làm chậm đổi mới. Lịch sử giúp ta nhận ra khi nào một ý tưởng thật sự mới, khi nào nó chỉ mặc áo mới.

Nguyên tắc thiết kế

Từ lịch sử các lời hứa chưa thành, có thể rút ra năm nguyên tắc cho mọi chương sau.

Thứ nhất, đừng đánh giá công nghệ bằng lời hứa của nhà cung cấp. Hãy đánh giá bằng nhiệm vụ học tập mà nó làm thay đổi. Nó giúp người học truy hồi tốt hơn, thực hành nhiều hơn, nhận phản hồi rõ hơn, hợp tác sâu hơn, hay chỉ làm nội dung trông hiện đại hơn?

Thứ hai, phân biệt cá nhân hóa với cô lập hóa. Một lộ trình riêng có thể hữu ích. Nhưng học tập không chỉ là một người ngồi một mình với máy. Người học cần thầy cô, bạn học, cộng đồng, chuẩn mực và đối thoại.

Thứ ba, đừng nhầm dữ liệu với hiểu biết. Dữ liệu chỉ có giá trị khi nó dẫn đến hành động sư phạm. Một cảnh báo bỏ học mà không có người can thiệp, không có nguồn lực hỗ trợ và không có quyền thay đổi lộ trình học chỉ là một con số buồn.

Thứ tư, giữ lại nỗ lực học tập cần thiết. Công nghệ tốt nên giảm ma sát hành chính, kỹ thuật và truy cập. Nó không nên xóa sạch những ma sát nhận thức làm nên học sâu: dự đoán, giải thích, thử sai, truy hồi, phản biện, sửa lại.

Thứ năm, luôn hỏi “hiệu quả với ai, trong điều kiện nào?”. Không có EdTech chung chung. Một hệ thống tốt cho sinh viên đại học tự học chưa chắc tốt cho học sinh lớp 6. Một tutor tốt cho đại số chưa chắc tốt cho viết nghị luận. Một cộng đồng học tập tốt cho người có động lực nội tại chưa chắc giúp người đang sợ học.

Tổng kết chương

Lịch sử EdTech không nói rằng công nghệ nên đứng ngoài giáo dục. Nó nói điều tinh tế hơn: công nghệ giáo dục thường thất bại khi nó tự nhận mình là trung tâm của thay đổi.

Teaching machines đã hứa cá nhân hóa và tự động phản hồi. MOOC đã hứa mở cửa tri thức tinh hoa cho số đông. Adaptive tutors đã hứa thuật toán hóa lộ trình học. Learning networks đã hứa cộng đồng hóa việc học. GenAI đang hứa một gia sư, một trợ lý, một cộng sự sáng tạo cho mọi người.

Mỗi lời hứa có phần đúng. Nhưng phần đúng đó chỉ trở thành giá trị giáo dục khi được đặt trong thiết kế học tập, vai trò giáo viên, động lực người học, bằng chứng đo lường và điều kiện tổ chức.

Chương tiếp theo sẽ đi vào câu hỏi khó hơn: nếu không thể tin vào lời hứa, ta đọc bằng chứng EdTech như thế nào? Điểm số, engagement, completion, satisfaction, effect size và transfer thực sự nói gì? Và khi một công nghệ tuyên bố “có nghiên cứu chứng minh”, ta cần hỏi thêm những câu nào trước khi tin?

Tài liệu tham khảo

• Clark, R. C., & Mayer, R. E. (2024). e-Learning and the Science of Instruction (5th ed.). Wiley.
• Dirksen, J. (2016). Design for How People Learn (2nd ed.). New Riders.
• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
• OECD. (2023). OECD Digital Education Outlook 2023: Towards an Effective Digital Education Ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en
• Reich, J. (2020). Failure to Disrupt: Why Technology Alone Can't Transform Education. Harvard University Press.
• UNESCO. (2023). Guidance for Generative AI in Education and Research. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
• Watters, A. (2021). Teaching Machines: The History of Personalized Learning. MIT Press.