Chương 3: Khoa học nền tảng về cách con người học

Bối cảnh / Vấn đề

Nếu Chương 2 là bộ lọc để đọc bằng chứng, Chương 3 là nền để hiểu bằng chứng đó đang đo cái gì. Một công nghệ giáo dục có thể có giao diện đẹp, nhiều dữ liệu, phản hồi nhanh và báo cáo chi tiết. Nhưng nếu nó không chạm vào cơ chế học tập thật sự, nó chỉ làm việc quanh học tập, không làm việc với học tập.

Sai lầm phổ biến nhất của EdTech là xem học tập như chuyển nội dung từ nơi này sang nơi khác: từ giáo viên sang học sinh, từ sách sang màn hình, từ video sang trí nhớ, từ chatbot sang câu trả lời của người học. Cách nhìn này rất thuận tiện cho phần mềm. Nếu học là truyền nội dung, ta chỉ cần làm nội dung ngắn hơn, đẹp hơn, cá nhân hóa hơn, dễ truy cập hơn.

Nhưng con người không học như ổ cứng nhận file. Học là quá trình biến trải nghiệm thành cấu trúc trí nhớ có thể dùng lại. Người học phải chú ý, chọn lọc thông tin, kết nối với kiến thức cũ, tổ chức thành mô hình tinh thần, truy hồi khi cần, sửa sai, và dùng được trong tình huống mới. Mỗi bước đều có thể hỏng.

Đây là lý do nhiều trải nghiệm học “mượt” lại không tạo học tập bền. Người học xem một video rõ ràng và thấy mình hiểu. Họ đọc lại một đoạn nhiều lần và thấy quen. Họ làm mười bài giống nhau liên tục và thấy tiến bộ nhanh. Họ hỏi AI và nhận câu trả lời gọn gàng. Cảm giác đó dễ chịu, nhưng chưa chắc là học.

Một cuốn sách về EdTech cần đặt câu hỏi ngược: công nghệ này đang giúp người học làm việc nhận thức nào? Nó giúp truy hồi hay chỉ cho xem lại? Nó giúp phân biệt dạng vấn đề hay chỉ luyện cùng một mẫu? Nó giúp xây mô hình tinh thần hay chỉ tạo câu trả lời? Nó giúp người học tự giám sát hay làm họ phụ thuộc vào phản hồi bên ngoài?

Nền tảng lý thuyết

Học tập bắt đầu bằng mã hóa (encoding), nhưng không dừng ở đó. Khi người học gặp một thông tin mới, họ không sao chép nguyên vẹn nó vào trí nhớ. Họ xử lý nó qua chú ý, kiến thức nền, ngôn ngữ, cảm xúc, mục tiêu và bối cảnh. Một học sinh đã hiểu phân số sẽ nhìn tỷ lệ phần trăm khác với một học sinh chỉ thấy ký hiệu lạ. Một người đã từng viết nhiều bài luận sẽ đọc phản hồi về luận điểm khác với người chỉ chăm chăm sửa lỗi ngữ pháp.

Sau mã hóa là củng cố (consolidation): trí nhớ trở nên ổn định hơn theo thời gian, qua ngủ, nghỉ, truy hồi lại và kết nối với kiến thức khác. Sau đó là truy hồi (retrieval): khả năng gọi lại và dùng kiến thức khi cần. Một kiến thức không truy hồi được đúng lúc gần giống như không có trong thực hành.

Make It Stick tóm tắt điều này rất rõ: học bền không đến từ cảm giác quen thuộc, mà từ khả năng truy hồi nỗ lực và dùng kiến thức linh hoạt (Brown, Roediger, & McDaniel, 2014). Đọc lại và highlight thường tạo ảo tưởng thông thạo vì người học nhận ra mặt chữ, không phải vì họ có thể giải thích, áp dụng hoặc phân biệt.

Ở tầng thiết kế bài học, Clark và Mayer mô tả học đa phương tiện như một quá trình xử lý chủ động: người học chọn lọc thông tin liên quan, tổ chức nó thành cấu trúc có nghĩa, rồi tích hợp với kiến thức đã có (Clark & Mayer, 2024). Điều này giải thích vì sao thêm video, hình ảnh, âm thanh hoặc mô phỏng không tự làm bài học tốt hơn. Nếu các yếu tố đó không giúp chọn lọc, tổ chức, tích hợp, chúng chỉ tăng tải.

Bộ nhớ làm việc có giới hạn. Người học chỉ xử lý được một lượng thông tin nhỏ tại một thời điểm. Khi một giao diện quá rối, lời giải thích quá dài, ví dụ quá xa lạ, hoặc nhiệm vụ có quá nhiều bước không được chống đỡ, bộ nhớ làm việc bị chiếm bởi việc chống nhiễu thay vì học. Ngược lại, khi thiết kế giảm tải nhận thức ngoại lai và tăng xử lý tạo lập, người học có nhiều nguồn lực hơn để xây hiểu biết.

Một điểm nữa thường bị EdTech bỏ quên: biết không giống làm được. Dirksen phân biệt knowledge gap và skill gap bằng một câu hỏi rất thực dụng: liệu ai đó có thể thành thạo việc này mà không cần thực hành không? Nếu câu trả lời là không, đó là kỹ năng, và kỹ năng cần thực hành có phản hồi (Dirksen, 2016). Không thể biến một người thành người viết tốt chỉ bằng video về viết. Không thể biến một người thành người nói tốt chỉ bằng danh sách mẫu câu. Không thể biến một người thành người giải quyết vấn đề tốt chỉ bằng lời giải mẫu.

Thực trạng triển khai

Nhiều công cụ học tập hiện nay vẫn ưu tiên xem lại hơn truy hồi. Chúng cho người học xem bài giảng, đọc tóm tắt, lật flashcard có đáp án hiện sẵn, hoặc hỏi AI để nhận lời giải. Những hoạt động này không vô ích. Người học cần tiếp xúc với nội dung, cần giải thích tốt, cần ví dụ. Nhưng nếu chuỗi học tập dừng ở việc tiếp nhận, nó thiếu bước làm cho trí nhớ bền: tự gọi lại, tự thử, tự sai, tự sửa.

Hiệu ứng kiểm tra (testing effect) là một trong những phát hiện quan trọng nhất cho EdTech. Roediger và Karpicke cho sinh viên học các đoạn văn, rồi hoặc đọc lại, hoặc làm bài kiểm tra nhớ lại. Khi kiểm tra sau 5 phút, đọc lại có lợi thế. Nhưng khi kiểm tra sau 2 ngày hoặc 1 tuần, nhóm được kiểm tra trước đó nhớ tốt hơn đáng kể, dù nhóm đọc lại tự tin hơn về khả năng nhớ của mình (Roediger & Karpicke, 2006). Đây là một bài học rất khó chịu: cảm giác học tốt có thể đi ngược với học tốt.

Với EdTech, điều này có nghĩa là quiz không chỉ là công cụ chấm điểm. Quiz có thể là công cụ học, nếu nó buộc người học truy hồi trước khi xem đáp án, cung cấp phản hồi đúng lúc, và quay lại sau một khoảng thời gian hợp lý. Nhưng nếu quiz chỉ là trò bấm đáp án liên tục, hoặc nếu người học đoán rồi xem ngay lời giải mà không phải nghĩ, nó không còn là retrieval practice đúng nghĩa.

Nghiên cứu gần đây về constructive retrieval làm điểm này sắc hơn. Endres, Carpenter và Renkl kiểm tra việc kết hợp truy hồi với các gợi ý kiến tạo. Kết quả cho thấy người học hưởng lợi khi tự tạo ví dụ và tự xây liên hệ, đặc biệt với comprehension và metacognitive monitoring; việc chỉ nhận ví dụ có sẵn không tạo cùng lợi ích (Endres, Carpenter, & Renkl, 2024). Với AI, đây là tín hiệu rất quan trọng. Nếu chatbot luôn đưa ví dụ mẫu, người học có thể hiểu lúc đó. Nhưng nếu hệ thống buộc người học tự tạo ví dụ trước, rồi mới phản hồi, nó bảo vệ phần lao động nhận thức cần thiết.

Nguyên lý thứ hai là giãn cách (spacing). Học dồn một buổi thường tạo tiến bộ nhanh vì mọi thứ còn nóng trong trí nhớ ngắn hạn. Nhưng học bền cần các lần quay lại sau khoảng nghỉ. Khoảng nghỉ làm việc truy hồi khó hơn một chút. Chính độ khó đó giúp trí nhớ trở nên dùng được hơn. Chen, Paas và Sweller lưu ý rằng spacing và interleaving không nên bị gộp làm một. Spacing liên quan đến phân bố thời gian và khoảng nghỉ giữa các lần học; interleaving liên quan đến việc xen kẽ các chủ đề hoặc dạng bài để người học phân biệt chúng (Chen, Paas, & Sweller, 2021).

Trong phần mềm, spacing thường bị rút gọn thành nhắc lại flashcard. Đó là một ứng dụng hữu ích, nhưng chưa đủ. Một hệ thống tốt không chỉ hỏi lại “từ này nghĩa là gì?”. Nó có thể đưa một khái niệm cũ vào bài toán mới, yêu cầu người học nhận ra lúc nào dùng nó, hoặc buộc người học so sánh nó với một khái niệm dễ nhầm. Spacing tốt không phải chỉ là lặp lại. Nó là thiết kế các lần gặp lại có ý nghĩa.

Nguyên lý thứ ba là xen kẽ và biến đổi (interleaving and varied practice). Khi người học luyện mười bài cùng dạng liên tục, họ có thể làm đúng vì dạng bài đã được gợi sẵn. Khi các dạng bị trộn, họ phải tự nhận diện vấn đề: đây là bài cần công thức nào, chiến lược nào, tiêu chí nào. Chính hoạt động phân biệt này làm năng lực linh hoạt hơn.

Tuy nhiên, cần cẩn trọng. Không phải cứ trộn là tốt. Chen, Paas và Sweller giải thích interleaving hữu ích đặc biệt khi người học cần phân biệt các khái niệm hoặc dạng dễ nhầm (Chen et al., 2021). Trong một số bối cảnh kỹ năng vận động và thể thao, meta-analysis về contextual interference cho thấy bằng chứng không tổng quát mạnh như cách kể phổ biến; nhiều kết quả không ủng hộ hiệu ứng theo dạng đơn giản (Ammar et al., 2024). Bài học ở đây không phải là bỏ interleaving, mà là dùng nó đúng nơi: khi mục tiêu là phân biệt, chọn chiến lược và chuyển giao, không phải khi người mới còn chưa có nền tối thiểu.

Nguyên lý thứ tư là khó khăn đáng giá (desirable difficulties). Đây là nhóm thiết kế làm học khó hơn vừa đủ: truy hồi thay vì xem lại, giãn cách thay vì học dồn, xen kẽ thay vì luyện một dạng, tự tạo câu trả lời trước khi xem lời giải, phản tư sau khi làm sai. Khó khăn này “đáng giá” vì nó phục vụ học dài hạn. Nếu khó vì giao diện rối, hướng dẫn mơ hồ, nội dung quá tải hoặc lỗi kỹ thuật, đó không phải desirable difficulty. Đó chỉ là thiết kế kém.

Phân tích phản biện

Điều nguy hiểm của khoa học học tập là các nguyên lý tốt rất dễ bị biến thành khẩu hiệu sản phẩm. “Có retrieval practice” có thể chỉ nghĩa là có quiz. “Có spaced repetition” có thể chỉ nghĩa là app gửi thông báo. “Có personalized learning” có thể chỉ nghĩa là đổi thứ tự bài tập. “Có active learning” có thể chỉ nghĩa là người học bấm nhiều.

Retrieval practice không phải spam câu hỏi. Nếu câu hỏi quá dễ, quá gần với nội dung vừa xem, chỉ đo nhận diện, hoặc luôn cho đáp án ngay, người học không phải truy hồi nỗ lực. Một câu hỏi tốt buộc người học lấy thông tin ra khỏi trí nhớ, dùng nó, so sánh nó, hoặc giải thích nó.

Spacing không phải lịch nhắc máy móc. Nếu một flashcard quay lại đúng lịch nhưng luôn nằm ngoài ngữ cảnh sử dụng, người học có thể nhớ mặt chữ mà không biết dùng. Ngược lại, nếu khoảng cách quá dài so với trình độ, người học thất bại liên tục và mất động lực. Giãn cách cần gắn với độ khó, mức thành thạo và loại tri thức.

Interleaving không phải trộn bừa. Với người mới hoàn toàn, một số blocked practice ban đầu có thể cần thiết để họ hiểu từng dạng. Xen kẽ quá sớm có thể làm bộ nhớ làm việc quá tải. Nhưng nếu ở lại blocked practice quá lâu, người học quen dạng mà không học cách chọn chiến lược. Câu hỏi thiết kế không phải “blocked hay interleaved”, mà là khi nào chuyển từ rõ mẫu sang phân biệt mẫu.

Desirable difficulties cũng không phải làm học sinh khổ. Một số hệ thống dùng “khó” như cách che đậy thiết kế thiếu hỗ trợ. Khó đáng giá phải đi cùng mục tiêu rõ, phản hồi tốt, cảm giác có thể tiến bộ và cơ hội sửa. Nếu người học chỉ bị ném vào nhiệm vụ quá sức rồi nhận điểm thấp, đó không phải khoa học học tập.

Cuối cùng là learning styles. Đây là một trong những huyền thoại dai nhất vì nó nghe rất tôn trọng cá nhân. Ai cũng thấy mình có sở thích: người thích sơ đồ, người thích nghe giảng, người thích tự làm. Nhưng sở thích không đồng nghĩa với cách học tối ưu. Pashler, McDaniel, Rohrer và Bjork cho rằng để chứng minh learning styles, cần chứng minh “meshing hypothesis”: người học thuộc một style học tốt hơn với cách dạy khớp style đó, còn người học style khác học tốt hơn với cách dạy khác. Họ không tìm thấy cơ sở đủ để đưa đánh giá learning styles vào thực hành giáo dục phổ thông (Pashler et al., 2008).

Một meta-analysis năm 2024 đưa ra kết quả tinh tế hơn: có lợi ích tổng thể nhỏ cho matching instruction, g = 0.31, nhưng chỉ 26% outcome measures cho thấy kiểu crossover interaction cần thiết để ủng hộ giả thuyết matching; tác giả kết luận lợi ích quá nhỏ và quá hiếm, trong khi chất lượng nghiên cứu và chi phí triển khai không ủng hộ phổ biến rộng (Clinton-Lisell & Litzinger, 2024). Vì vậy, bài học không phải là “mọi người học giống nhau”. Bài học là: khác biệt người học cần được hiểu qua kiến thức nền, mục tiêu, động lực, ngôn ngữ, văn hóa, nhu cầu hỗ trợ, mức thành thạo và bản chất nội dung, không qua nhãn “visual learner” hay “auditory learner”.

Nguyên tắc thiết kế

Từ các cơ chế trên, có thể rút ra một số nguyên tắc cho EdTech.

Một: đừng để xem lại thay thế truy hồi. Sau mỗi phần giải thích, hệ thống nên tạo cơ hội để người học tự nhớ lại, tự diễn đạt, tự giải, tự dự đoán. Đáp án và giải thích nên đến sau nỗ lực, không phải trước nỗ lực.

Hai: thiết kế khoảng gặp lại, không chỉ lịch nhắc. Một khái niệm quan trọng cần quay lại ở nhiều thời điểm và nhiều dạng: câu hỏi ngắn, bài tập ứng dụng, tình huống mới, lỗi sai thường gặp, so sánh với khái niệm gần kề.

Ba: chuyển dần từ luyện mẫu sang phân biệt mẫu. Người mới cần ví dụ rõ và thực hành có hướng dẫn. Khi đã có nền, hệ thống phải trộn dạng đủ để người học học cách nhận diện vấn đề, không chỉ áp dụng công thức đã được gợi sẵn.

Bốn: giữ ma sát nhận thức đúng chỗ. Công nghệ nên giảm ma sát đăng nhập, tìm tài liệu, nộp bài, nhận phản hồi. Nhưng nó không nên xóa ma sát học tập cần thiết như truy hồi, giải thích, thử sai, phản biện, sửa bài.

Năm: biến phản hồi thành vòng học. Phản hồi tốt không chỉ nói đúng sai. Nó chỉ ra lỗi, nguyên nhân có thể, bước sửa, bài luyện tiếp theo, và khi nào quay lại kiểm tra.

Sáu: cá nhân hóa theo nhu cầu học thật, không theo nhãn đơn giản. Thay vì hỏi người học thích nhìn hay nghe, hãy hỏi họ đang biết gì, mắc ở đâu, cần làm nhiệm vụ gì, có bao nhiêu nền tảng, cần hỗ trợ cảm xúc hay môi trường nào.

Bảy: đo retention và transfer. Nếu một công cụ tuyên bố giúp học tốt hơn, hãy kiểm tra sau một khoảng trì hoãn và bằng nhiệm vụ mới. Học thật phải sống sót qua thời gian và thay đổi bối cảnh.

Tổng kết chương

Chương này đặt nền cho toàn bộ phần còn lại của cuốn sách: EdTech tốt không phải công nghệ làm nội dung hấp dẫn hơn, mà là công nghệ làm mạnh các cơ chế học tập đúng.

Học bền cần mã hóa có ý nghĩa, củng cố theo thời gian, truy hồi nỗ lực, thực hành giãn cách, phân biệt dạng vấn đề, phản hồi có thể hành động và phản tư. Nhiều phương pháp tạo cảm giác dễ như đọc lại, xem lại, luyện dồn, nhận đáp án ngay có thể làm người học tự tin hơn nhưng không nhất thiết làm họ học sâu hơn.

Điều này sẽ dẫn thẳng sang Chương 4. Nếu cơ chế học tập là như vậy, thì người học khác nhau ở đâu? Không phải ở nhãn học theo thị giác hay thính giác, mà ở kiến thức nền, kỹ năng, động lực, môi trường, khả năng tự điều chỉnh và mục tiêu. Chương tiếp theo sẽ bàn về sự khác biệt đó: không phải để cào bằng người học, cũng không để nhốt họ vào nhãn đơn giản, mà để thiết kế hỗ trợ đúng hơn.

Tài liệu tham khảo

Ammar, A., Trabelsi, K., Muller, P., Bouaziz, B., Boukhris, O., Glenn, J. M., Bott, N., Driss, T., Chtourou, H., Muller, N., & Hokelmann, A. (2024). The effects of contextual interference learning on the acquisition and relatively permanent gains in skilled performance: A critical systematic review with multilevel meta-analysis. Educational Psychology Review, 36, 57. https://doi.org/10.1007/s10648-024-09892-z
Brown, P. C., Roediger III, H. L., & McDaniel, M. A. (2014). Make It Stick: The Science of Successful Learning. Harvard University Press.
Chen, O., Paas, F., & Sweller, J. (2021). Spacing and interleaving effects require distinct theoretical bases: A systematic review testing the cognitive load and discriminative-contrast hypotheses. Educational Psychology Review, 33, 1499-1522. https://doi.org/10.1007/s10648-021-09613-w
Clark, R. C., & Mayer, R. E. (2024). e-Learning and the Science of Instruction (5th ed.). Wiley.
Clinton-Lisell, V., & Litzinger, C. (2024). Is it really a neuromyth? A meta-analysis of the learning styles matching hypothesis. Frontiers in Psychology, 15, 1428732. https://doi.org/10.3389/fpsyg.2024.1428732
Dirksen, J. (2016). Design for How People Learn (2nd ed.). New Riders.
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
Endres, T., Carpenter, S., & Renkl, A. (2024). Constructive retrieval: Benefits for learning, motivation, and metacognitive monitoring. Learning and Instruction, 94, 101974. https://doi.org/10.1016/j.learninstruc.2024.101974
Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2008). Learning styles: Concepts and evidence. Psychological Science in the Public Interest, 9(3), 105-119. https://doi.org/10.1111/j.1539-6053.2009.01038.x
Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249-255. https://doi.org/10.1111/j.1467-9280.2006.01693.x