Chương 10. Giáo viên được hỗ trợ, không phải được “thay thế”

Trong lịch sử EdTech, có một lời hứa cứ quay lại dưới nhiều hình dạng:

Công nghệ sẽ giải phóng giáo viên.

Máy tính sẽ cá nhân hóa học tập.

Video sẽ thay phần giảng lặp lại.

LMS sẽ tổ chức lớp học.

Auto-grading sẽ chấm bài.

Dashboard sẽ phát hiện học sinh cần giúp.

Adaptive learning sẽ đi theo từng người học.

AI sẽ soạn bài, tạo bài tập, phản hồi, chấm nháp, viết nhận xét, giải thích, tutor, phân tích dữ liệu, nhắc phụ huynh.

Giáo viên sẽ được “giảm tải”.

Nghe rất hợp lý.

Giáo viên đang quá tải thật.

Họ dạy.

Soạn bài.

Chấm bài.

Họp.

Nhập liệu.

Trao đổi phụ huynh.

Xử lý lớp học.

Hỗ trợ học sinh yếu.

Phát hiện vấn đề tâm lý.

Đáp ứng chính sách mới.

Học công cụ mới.

Vừa giữ kết quả học tập, vừa giữ quan hệ, vừa giữ lớp học không vỡ.

Nếu công nghệ làm bớt một phần việc đó, tại sao không?

Phe AI nói:

“Chúng tôi không thay giáo viên. Chúng tôi trao cho giáo viên siêu năng lực.”

Phe giáo viên hỏi:

“Siêu năng lực hay thêm một ca làm việc?”

Phe quản lý nói:

“Nếu AI giúp soạn bài, chấm bài, phản hồi, hệ thống sẽ hiệu quả hơn.”

Phe nghề giáo hỏi:

“Hiệu quả hơn cho ai? Và ai chịu trách nhiệm khi phản hồi sai?”

Phe phụ huynh nói:

“Tôi muốn con được hỗ trợ nhiều hơn.”

Phe học sinh nói:

“Con cũng muốn người thật biết con đang học thế nào.”

Chương này nằm trong ranh giới đó:

Công nghệ có thể hỗ trợ giáo viên thật.

Nhưng hỗ trợ có thể trượt thành thay thế từng phần.

Không phải thay thế bằng cách sa thải giáo viên ngay.

Mà thay thế bằng cách làm mỏng nghề giáo:

máy viết lesson plan,

máy tạo feedback,

máy gợi ý can thiệp,

máy chọn lộ trình,

máy đo tiến độ,

giáo viên kiểm tra, bấm duyệt, xử lý ngoại lệ, chịu trách nhiệm.

Giáo viên vẫn ở đó.

Nhưng quyền thiết kế, quyền diễn giải và quyền phán đoán dần chuyển sang hệ thống.

Đó là sự thay thế âm thầm hơn.

Và nguy hiểm hơn.

1. Cảnh mở: AI tạo giáo án trong ba mươi giây

Một giáo viên khoa học mở công cụ AI.

Nhập:

“Tạo kế hoạch bài dạy về phản ứng hóa học cho học sinh lớp 8, có hoạt động nhóm, câu hỏi kiểm tra nhanh, phân hóa ba mức độ.”

Ba mươi giây sau, AI trả:

mục tiêu bài học,

hoạt động mở đầu,

giải thích khái niệm,

bài tập nhóm,

quiz,

phiếu học tập,

câu hỏi mở rộng,

gợi ý homework.

Giáo viên nhìn bản nháp và thở nhẹ:

“Ít nhất mình không bắt đầu từ trang trắng.”

Phe AI nói:

“Đây là giảm tải.”

Đúng, có thể.

Một bản nháp tốt có thể tiết kiệm thời gian.

Một giáo viên mệt có thể dùng nó để bắt đầu.

Một giáo viên mới có thể học cách cấu trúc bài.

Một giáo viên có thể tạo nhiều phiên bản cho nhóm học sinh khác nhau.

Nhưng cùng lúc, một câu hỏi khác xuất hiện.

Giáo viên đọc kỹ:

Ví dụ không phù hợp với thiết bị lớp.

Câu hỏi quiz hơi mơ hồ.

Hoạt động nhóm mất nhiều thời gian hơn tiết học thật.

Một phần giải thích dùng thuật ngữ học sinh chưa học.

Bài tập phân hóa nhìn có vẻ ba mức nhưng thực ra chỉ khác độ dài.

AI không biết lớp này có nhiều học sinh khó đọc đề dài.

AI không biết phòng thí nghiệm tuần này đang sửa.

AI không biết học sinh vừa kiểm tra môn khác và đang kiệt sức.

Giáo viên phải sửa.

Phải bỏ.

Phải kiểm tra.

Phải cân chỉnh.

Phải chịu trách nhiệm.

Phe giáo viên nói:

“AI giúp tôi bắt đầu. Nhưng nếu quản lý nghĩ từ nay soạn bài chỉ mất ba mươi giây, công cụ này sẽ hại tôi.”

Đây là mâu thuẫn chính:

AI có thể giảm tải một nhiệm vụ.

Nhưng hệ thống có thể dùng việc đó để tăng kỳ vọng.

Giảm tải thật là khi thời gian tiết kiệm được quay về cho tương tác, chuẩn bị sâu, nghỉ ngơi, phản hồi chất lượng, phát triển nghề.

Giảm tải giả là khi thời gian tiết kiệm được bị hệ thống lấp bằng nhiều nhiệm vụ hơn.

2. Phe lạc quan nói đúng: công nghệ có thể giúp giáo viên thật

Không nên viết chương này như thể mọi lời hứa hỗ trợ giáo viên đều là mưu đồ.

Giáo viên cần hỗ trợ thật.

Và công nghệ có thể hỗ trợ ở nhiều điểm.

Tìm tài nguyên.

Tạo bản nháp bài học.

Tạo câu hỏi luyện tập.

Tạo rubric.

Chuyển tài liệu sang nhiều mức đọc.

Tạo caption/transcript.

Dịch tài liệu.

Tạo ví dụ địa phương hóa.

Tổng hợp lỗi phổ biến.

Chấm câu hỏi đúng/sai.

Theo dõi bài chưa nộp.

Gửi thông báo.

Phân nhóm học sinh theo nhu cầu.

Hỗ trợ accessibility.

Kết nối giáo viên trong cộng đồng nghề nghiệp.

Những việc này không nhỏ.

World Bank trong nguyên tắc “Empower Teachers” nói công nghệ nên tăng cường sự gắn kết của giáo viên với học sinh thông qua nội dung, dữ liệu và mạng lưới tốt hơn, giúp giáo viên hỗ trợ học tập. World Bank cũng nhấn mạnh rằng khi EdTech được dùng hiệu quả, vai trò của giáo viên thường trở nên trung tâm hơn, không ngoại vi hơn.

Đây là một điểm rất quan trọng.

Nó đảo ngược tưởng tượng phổ biến:

Công nghệ càng mạnh, giáo viên càng ít quan trọng.

Trong giáo dục thật, công nghệ càng mạnh, phán đoán giáo viên càng quan trọng.

Vì có nhiều tài nguyên hơn, phải chọn.

Có nhiều dữ liệu hơn, phải diễn giải.

Có nhiều AI feedback hơn, phải kiểm tra.

Có nhiều đường học hơn, phải giữ mục tiêu chung.

Có nhiều công cụ hơn, phải biết khi nào không dùng.

OECD cũng đặt teacher agency và professional learning như guardrail cốt lõi cho AI trong giáo dục. OECD nhấn mạnh giáo viên cần được tin tưởng và hỗ trợ để dùng AI khi nó tăng cường việc dạy và trải nghiệm quan hệ-xã hội của học tập; họ cần năng lực phê phán sản phẩm/gợi ý của AI, cơ hội học nghề liên tục, cộng tác chuyên môn và không gian sư phạm để lựa chọn EdTech trong lớp.

Phe lạc quan đúng khi nói:

Nếu công nghệ làm giáo viên mạnh hơn, người học có thể được lợi.

Nhưng chữ “mạnh hơn” phải được giữ chặt.

Không phải nhanh hơn theo nghĩa sản xuất nhiều tài liệu hơn.

Không phải ngoan hơn theo nghĩa cập nhật dashboard đều hơn.

Không phải chuẩn hóa hơn theo nghĩa dạy đúng script hơn.

Mạnh hơn là:

thấy học sinh rõ hơn,

thiết kế bài tốt hơn,

phản hồi đúng hơn,

có thêm thời gian cho quan hệ,

có thêm quyền chọn,

có thêm năng lực phán đoán,

có thêm cộng đồng nghề nghiệp,

có thêm khả năng bảo vệ người học khỏi công nghệ kém.

3. Phe bằng chứng hỏi: giảm tải có đo được không?

“Giảm tải giáo viên” là một cụm từ quá dễ dùng.

Mọi sản phẩm đều có thể nói.

Nhưng giảm tải phải được đo.

Không chỉ hỏi:

Giáo viên có dùng công cụ không?

Mà hỏi:

Tổng thời gian làm việc có giảm không?

Thời gian chuẩn bị bài có giảm không?

Thời gian chấm bài có giảm không?

Thời gian nhập liệu có giảm không?

Thời gian trả lời phụ huynh có tăng không?

Thời gian kiểm tra lỗi AI có tăng không?

Chất lượng bài dạy có giữ được không?

Thời gian tiết kiệm được có quay về hoạt động có giá trị hơn không?

NFER, trong thử nghiệm Teacher Choices Trial do Education Endowment Foundation và Hg Foundation đặt hàng, nghiên cứu việc giáo viên khoa học lớp 7-8 ở Anh dùng ChatGPT để chuẩn bị bài và tài nguyên. 259 giáo viên từ 68 trường tham gia trong 10 tuần. Kết quả chính: từ tuần 6 đến tuần 10, nhóm dùng ChatGPT dành thời gian chuẩn bị bài và tài nguyên bằng khoảng 69% thời gian của nhóm không dùng GenAI.

Đây là bằng chứng đáng chú ý.

Nó nói rằng trong một nhiệm vụ cụ thể, với một nhóm giáo viên cụ thể, trong một giai đoạn cụ thể, có hướng dẫn cụ thể, GenAI có thể giảm thời gian chuẩn bị.

Không nên phủ nhận.

Nhưng cũng không nên thổi phồng.

Phe AI có thể nói:

“Nghiên cứu chứng minh AI giảm workload.”

Phe nghiên cứu phải sửa:

“Nghiên cứu cho thấy giảm thời gian chuẩn bị bài và tài nguyên trong bối cảnh thử nghiệm đó. Nó không chứng minh mọi AI, mọi môn, mọi cấp, mọi trường, mọi workflow đều giảm workload tổng thể.”

Đây là cách đọc bằng chứng tử tế.

Một kết quả tích cực không phải giấy phép marketing vô hạn.

Nó là lời mời thử nghiêm túc hơn.

Thử với môn khác.

Thử với trường có điều kiện khác.

Đo chất lượng tài nguyên.

Đo thời gian kiểm chứng.

Đo tác động lên học sinh.

Đo workload tổng thể.

Đo theo giáo viên mới và giáo viên kinh nghiệm.

Đo tác động sau khi novelty hết.

Đo xem thời gian tiết kiệm được hệ thống dùng thế nào.

Nếu AI giúp giáo viên tiết kiệm thời gian thật, đó là một giá trị lớn.

Nhưng giá trị ấy chỉ giữ được nếu tổ chức không lập tức biến thời gian tiết kiệm thành yêu cầu sản xuất thêm.

4. Workload không chỉ là số giờ, mà là công việc có ý nghĩa hay không

OECD TALIS 2024 cho thấy administrative workload vẫn là một nguồn stress lớn: trung bình khoảng một nửa giáo viên trong các hệ thống OECD báo cáo công việc hành chính quá mức là nguồn gây stress liên quan tới công việc. TALIS cũng nhấn mạnh stress do hành chính không chỉ phụ thuộc vào số giờ; bản chất nhiệm vụ, cách nhiệm vụ cạnh tranh với hoạt động cốt lõi và cảm giác bị yêu cầu làm việc không trực tiếp phục vụ dạy học cũng rất quan trọng.

Điều này cực kỳ quan trọng với EdTech.

Một công cụ có thể giảm số phút của một việc nhưng tăng stress.

Ví dụ:

Tự động tạo báo cáo nhanh hơn, nhưng báo cáo nhiều hơn.

Chấm quiz tự động, nhưng giáo viên phải xử lý dữ liệu dashboard phức tạp hơn.

App phụ huynh gửi thông báo nhanh, nhưng phụ huynh nhắn giáo viên ngoài giờ nhiều hơn.

AI tạo bài nhanh, nhưng giáo viên luôn lo nó sai và phải kiểm tra.

LMS gom bài, nhưng giáo viên phải học thêm workflow, sửa lỗi tài khoản, nhập điểm lại nơi khác.

Phe quản lý nói:

“Nhưng công cụ này tiết kiệm thời gian.”

Giáo viên có thể hỏi:

“Tiết kiệm thời gian cho ai?”

Cho văn phòng?

Cho hiệu trưởng?

Cho giáo viên?

Cho phụ huynh?

Cho vendor support?

Cho hệ thống báo cáo?

Có những công cụ giảm tải cho một tầng bằng cách tăng tải cho tầng khác.

Một app giúp quản lý nhận dữ liệu nhanh hơn nhưng bắt giáo viên nhập nhiều hơn.

Một dashboard giúp phụ huynh biết nhiều hơn nhưng làm giáo viên trả lời nhiều hơn.

Một hệ thống AI giúp học sinh nhận feedback nhiều hơn nhưng làm giáo viên xử lý nhầm lẫn nhiều hơn.

Vì vậy, benchmark workload phải đo toàn hệ thống.

Không chỉ một task.

Và phải hỏi:

Công việc bị giảm là công việc vô nghĩa hay công việc có giá trị?

Công việc mới phát sinh là gì?

Giáo viên có cảm thấy có thêm thời gian cho dạy và quan hệ không?

Nếu công cụ làm giáo viên bớt chấm câu đúng/sai nhưng có thêm thời gian đọc bài viết, tốt.

Nếu công cụ làm giáo viên bớt soạn nháp nhưng phải tạo gấp đôi tài liệu vì kỳ vọng tăng, không tốt.

Nếu công cụ làm giáo viên cập nhật dữ liệu nhanh hơn nhưng ít nói chuyện với học sinh hơn, rất đáng lo.

Giảm tải thật không phải giáo viên làm nhiều output hơn trong cùng thời gian.

Giảm tải thật là giáo viên có nhiều năng lượng hơn cho việc chỉ giáo viên mới làm tốt.

5. Teacher agency: giáo viên có quyền sửa, bỏ qua, phản biện không?

Một công cụ hỗ trợ giáo viên phải trả lời câu hỏi này:

Giáo viên có quyền nói “không” với gợi ý của công cụ không?

Nếu AI tạo lesson plan, giáo viên có sửa được không?

Nếu dashboard gắn cờ học sinh, giáo viên có thêm bối cảnh không?

Nếu adaptive system chuyển học sinh sang bài khác, giáo viên có can thiệp được không?

Nếu auto-grading chấm sai, giáo viên có override được không?

Nếu nền tảng gợi ý nội dung, giáo viên có biết vì sao không?

Nếu AI feedback mâu thuẫn với rubric, giáo viên có quyền quyết định không?

Nếu workflow không phù hợp lớp, giáo viên có tùy chỉnh không?

Nếu công cụ làm hại, giáo viên có kênh báo và được nghe không?

Teacher agency không phải giáo viên thích gì làm nấy.

Nó là năng lực và quyền nghề nghiệp để quyết định trong bối cảnh cụ thể.

European Commission, trong hướng dẫn đạo đức về AI và dữ liệu cho giáo viên, đặt các yêu cầu như human agency and oversight, transparency, fairness, privacy and data governance, technical robustness, accountability. Hướng dẫn này nhắm tới giáo viên và nhà trường, kể cả những người ít kinh nghiệm AI, nhằm giúp họ hiểu tiềm năng, rủi ro và dùng AI/data một cách phê phán.

Human oversight trong lớp học không thể chỉ nghĩa là “giáo viên chịu trách nhiệm”.

Nếu giáo viên chịu trách nhiệm nhưng không có quyền kiểm soát, đó không phải oversight.

Đó là liability without agency.

Trách nhiệm không đi cùng quyền là bất công.

Một công cụ AI có thể gợi ý.

Nhưng giáo viên phải có quyền:

hiểu,

sửa,

từ chối,

giải thích,

ghi chú bối cảnh,

và được tổ chức tin khi phán đoán của họ khác dashboard.

Nếu không, giáo viên chỉ là người ký tên dưới quyết định của máy.

6. Deskilling: không phải mất việc, mà mất cơ nghề nghiệp

Khi nói AI thay giáo viên, người ta hay tưởng tượng một viễn cảnh kịch tính:

Giáo viên bị sa thải.

Lớp học do AI dạy.

Học sinh học với chatbot.

Viễn cảnh này có thể xảy ra ở vài mô hình cực đoan, nhưng rủi ro phổ biến hơn là deskilling.

Làm rỗng kỹ năng nghề.

Giáo viên vẫn đứng lớp, nhưng:

lesson plan do hệ thống tạo,

tài liệu do nền tảng chọn,

bài tập do AI sinh,

feedback do máy viết,

đường học do thuật toán gợi ý,

dashboard nói ai cần gì,

rubric có sẵn,

giáo viên chủ yếu kiểm tra, điều phối, xử lý ngoại lệ.

Ban đầu, điều này có thể giảm tải.

Nhưng nếu kéo dài, giáo viên mới có ít cơ hội phát triển năng lực thiết kế bài học.

Ít luyện viết câu hỏi hay.

Ít đọc bài học sinh sâu.

Ít tự xây rubric.

Ít nhận ra lỗi khái niệm bằng mắt nghề.

Ít tự tạo ví dụ.

Ít tranh luận sư phạm với đồng nghiệp.

Phe AI nói:

“Máy làm phần tẻ nhạt để giáo viên tập trung phần cao hơn.”

Đó là kết quả tốt nhất.

Nhưng phe giáo viên hỏi:

“Ai bảo đảm phần cao hơn còn thuộc về tôi?”

Nếu tổ chức xem AI output là chuẩn, giáo viên có thể bị ép đi theo.

Nếu giáo viên trẻ luôn dùng AI làm bản nháp, họ có học được cách tự thiết kế không?

Nếu feedback do AI tạo, giáo viên có còn đọc đủ bài để hiểu lớp không?

Nếu dashboard tóm tắt mọi thứ, giáo viên có còn phát triển giác quan sư phạm không?

Không phải kỹ năng nào cũng cần giữ nguyên.

Giáo dục luôn thay đổi.

Giáo viên không cần tự làm mọi việc thủ công mãi.

Nhưng phải phân biệt:

Kỹ năng nào nên tự động hóa vì nó cơ học?

Kỹ năng nào là nền tảng của phán đoán nghề nghiệp?

Soạn bản nháp worksheet có thể được hỗ trợ.

Nhưng hiểu mục tiêu học và lỗi thường gặp không nên outsource.

Chấm đúng/sai có thể tự động.

Nhưng đọc cách học sinh lập luận cần người dạy.

Tạo ví dụ có thể dùng AI.

Nhưng chọn ví dụ phù hợp lớp là phán đoán sư phạm.

AI tốt là giàn giáo cho giáo viên.

AI xấu là bộ xương ngoài làm cơ nghề giáo yếu đi.

7. Reskilling: giáo viên cần học nghề mới, không chỉ học nút bấm mới

Nếu không muốn deskilling, cần reskilling.

Nhưng reskilling không phải tập huấn một buổi:

“Đây là cách dùng công cụ AI.”

“Đây là cách tạo quiz.”

“Đây là cách xem dashboard.”

Training nút bấm cần thiết nhưng không đủ.

Giáo viên cần học nghề mới ở nhiều tầng:

AI literacy.

Data literacy.

Prompting như một phần nhỏ.

Kiểm chứng AI output.

Thiết kế nhiệm vụ chống làm hộ.

Đánh giá quá trình.

Feedback với AI hỗ trợ.

Privacy và quyền dữ liệu.

Bias và fairness.

Accessibility.

Khi nào không dùng AI.

Cách dạy học sinh dùng AI có trách nhiệm.

Cách giữ quan hệ người-người trong lớp có nhiều công nghệ.

OECD nhấn mạnh professional learning phải liên tục, kịp thời, liên quan tới thực hành, có cộng tác đồng nghiệp, mentorship, teacher coaches hoặc technology champions; giáo viên cần thời gian và điều kiện làm việc để thiết kế, kết hợp, đánh giá digital resources. OECD cũng lưu ý đóng góp của giáo viên trên nền tảng chia sẻ tài nguyên nên được công nhận.

Điều này rất thực tế.

Giáo viên không thể tự học mọi thứ vào buổi tối rồi sáng mai bị gọi là “chậm đổi mới”.

Nếu hệ thống muốn giáo viên dùng AI tốt, nó phải trả thời gian.

Trả thời gian thử.

Trả thời gian sai.

Trả thời gian trao đổi với đồng nghiệp.

Trả thời gian thiết kế lại assessment.

Trả thời gian đọc chính sách dữ liệu.

Trả thời gian học từ học sinh.

Không có reskilling thật, EdTech sẽ tạo hai nhóm giáo viên:

Nhóm dùng công nghệ tốt vì tự có năng lực, thời gian, hứng thú.

Nhóm bị công nghệ kéo lê vì không được hỗ trợ.

Khoảng cách giữa giáo viên cũng là một dạng bất bình đẳng giáo dục.

Vì học sinh của giáo viên được hỗ trợ tốt sẽ hưởng lợi hơn.

8. Công nghệ có thể làm giáo viên cộng tác tốt hơn, nếu không biến chia sẻ thành khai thác

Một trong những hỗ trợ đẹp nhất của EdTech cho giáo viên là cộng tác.

Giáo viên có thể chia sẻ lesson plan.

Tài nguyên.

Rubric.

Ví dụ.

Cách xử lý lỗi học sinh.

Kinh nghiệm dùng AI.

Câu hỏi kiểm tra.

Hoạt động phân hóa.

Tài liệu accessibility.

Cộng đồng nghề nghiệp có thể vượt khỏi một trường.

Một giáo viên vùng xa có thể học từ đồng nghiệp nơi khác.

Một giáo viên mới có thể bắt đầu từ tài nguyên được kiểm định.

Một nhóm giáo viên có thể cùng cải tiến bài học.

OECD coi các nền tảng công hoặc tư dành riêng cho giáo viên, đặc biệt open source và teacher-curated, là một cách hỗ trợ collaboration và peer learning. Nhưng OECD cũng nhấn mạnh giáo viên cần được công nhận khi đóng góp tài nguyên, ý tưởng, nhận xét.

Đây là điểm hay bị quên.

Chia sẻ tài nguyên giáo viên có thể là cộng đồng.

Cũng có thể là khai thác lao động.

Nếu giáo viên upload lesson plan lên nền tảng, ai sở hữu?

Nếu nền tảng dùng tài nguyên giáo viên để huấn luyện AI, giáo viên có biết không?

Nếu công ty bán lại kho tài nguyên do giáo viên tạo, giáo viên có được ghi công hoặc trả công không?

Nếu trường yêu cầu giáo viên chia sẻ mọi tài liệu như KPI, chia sẻ còn là chuyên môn tự nguyện không?

Phe platform nói:

“Chúng tôi giúp giáo viên chia sẻ.”

Phe giáo viên hỏi:

“Chúng tôi chia sẻ trong cộng đồng nghề nghiệp, hay tạo content miễn phí cho nền tảng?”

Cộng tác tốt cần quyền:

quyền ghi công,

quyền chọn giấy phép,

quyền sửa,

quyền rút,

quyền biết dữ liệu/tài nguyên được dùng thế nào,

và sự công nhận trong thời gian làm việc.

Teacher collaboration không nên trở thành crowdsourcing không trả công.

9. Dashboard: giúp giáo viên thấy lớp hay giúp quản lý thấy giáo viên?

Dashboard là nơi ranh giới hỗ trợ/giám sát rất mỏng.

Một dashboard tốt cho giáo viên có thể nói:

Nhiều học sinh nhầm khái niệm A với B.

Nhóm này cần ví dụ khác.

Bài tập này có tỷ lệ sai bất thường.

Học sinh này đang giảm tham gia, nên hỏi thăm.

Feedback tuần trước chưa dẫn tới sửa bài.

Một dashboard tệ có thể nói với quản lý:

Giáo viên này giao ít bài hơn.

Lớp này completion thấp hơn.

Giáo viên này trả feedback chậm hơn.

Tỷ lệ dashboard use của giáo viên này thấp.

Không phải quản lý không cần dữ liệu.

Nhưng dữ liệu quản lý dễ nuốt dữ liệu sư phạm.

Phe quản lý nói:

“Cần accountability.”

Đúng.

Phe giáo viên hỏi:

“Accountability với học tập hay compliance với nền tảng?”

Nếu một giáo viên giao ít bài hơn vì muốn học sinh sửa sâu, dashboard có hiểu không?

Nếu completion thấp vì nhiệm vụ khó và thật, dashboard có hiểu không?

Nếu feedback chậm vì giáo viên đọc kỹ bài luận, hệ thống có hiểu không?

Nếu giáo viên không dùng một tính năng vì nó không phù hợp lớp, họ có bị coi là chống đổi mới không?

Dashboard hỗ trợ giáo viên khi nó đưa insight về lớp học cho giáo viên hành động.

Dashboard giám sát giáo viên khi nó đưa chỉ số nghèo lên quản lý để ép hành vi.

Một nguyên tắc đơn giản:

Dữ liệu giáo viên tạo ra để hỗ trợ học sinh phải quay lại phục vụ giáo viên trước khi phục vụ báo cáo.

Nếu dữ liệu chỉ chảy lên trên, giáo viên sẽ đúng khi nghi ngờ.

10. AI tutor cho học sinh có thay đổi vai trò giáo viên thế nào?

AI tutor thường được bán trực tiếp cho người học:

hỏi bất cứ lúc nào,

giải thích lại,

tạo bài luyện,

không phán xét,

cá nhân hóa,

24/7.

Phe AI tutor nói:

“Giáo viên không thể ở cạnh từng học sinh mọi lúc. AI tutor lấp khoảng trống.”

Đúng một phần.

Một học sinh không có gia sư có thể được giải thích thêm.

Một học sinh ngại hỏi có thể hỏi AI.

Một người học buổi tối có thể nhận hỗ trợ.

Một giáo viên lớp đông có thể được giảm một phần câu hỏi lặp lại.

Nhưng AI tutor cũng thay đổi vai trò giáo viên.

Giáo viên không còn là nguồn giải thích chính.

Học sinh có thể đến lớp với câu trả lời AI đã định hình.

Một số hiểu lầm đến từ AI.

Một số bài nộp được AI sửa.

Một số học sinh phụ thuộc vào hint.

Một số học sinh học nhanh hơn.

Một số học sinh học sai tự tin hơn.

Giáo viên phải dạy thêm một năng lực:

Làm sao dùng AI như công cụ học, không như máy thay tư duy?

Nếu nhà trường triển khai AI tutor mà không thay đổi nhiệm vụ, đánh giá, hướng dẫn, văn hóa hỏi, giáo viên sẽ bị đặt vào thế xử lý hậu quả.

Phe học sinh nói:

“Em cần hỗ trợ khi cô không có mặt.”

Đúng.

Phe giáo viên nói:

“Vậy hãy cho tôi thấy học sinh đã hỏi gì, nhưng theo cách bảo vệ quyền riêng tư; hãy cho tôi quyền thiết kế cách AI hỗ trợ; hãy để AI gợi ý, không làm hộ; hãy giúp học sinh giải thích lại, không chỉ nhận đáp án.”

AI tutor tốt nên đưa giáo viên vào vòng thiết kế:

Giáo viên đặt mục tiêu.

Giáo viên chọn mức hint.

Giáo viên quyết định khi nào AI không được cho lời giải.

Giáo viên nhận insight tổng hợp, không xâm phạm quá mức.

Học sinh học cách khai báo dùng AI.

AI khuyến khích giải thích, kiểm chứng, thử lại.

Nếu AI tutor nằm ngoài tầm nhìn sư phạm của giáo viên, nó có thể tạo một lớp học song song do nền tảng điều khiển.

Và giáo viên chỉ còn thấy sản phẩm cuối.

11. “Teacher in the loop” không đủ nếu vòng lặp được thiết kế sai

Cụm “teacher in the loop” nghe rất an toàn.

AI gợi ý.

Giáo viên duyệt.

AI phản hồi.

Giáo viên giám sát.

AI chấm.

Giáo viên kiểm tra.

Nhưng cần hỏi:

Vòng lặp ấy có thực tế không?

Một giáo viên có đủ thời gian duyệt 200 feedback AI không?

Có đủ thông tin để biết AI sai không?

Có được quyền override không?

Có bị áp lực duyệt nhanh không?

Nếu giáo viên không duyệt, hệ thống có tự động gửi không?

Nếu AI sai, trách nhiệm thuộc ai?

Nếu giáo viên chỉ nhìn mẫu ngẫu nhiên, lỗi còn lại ai chịu?

Teacher in the loop có thể trở thành mỹ từ nếu vòng lặp đẩy gánh nặng kiểm định cho giáo viên mà không trả thời gian.

Một vòng lặp tốt phải có:

AI làm rõ mức độ tự tin và giới hạn.

Gợi ý có căn cứ.

Giáo viên dễ sửa.

Hệ thống học từ sửa của giáo viên nhưng minh bạch.

Tác vụ rủi ro cao luôn cần người duyệt.

Tác vụ rủi ro thấp có thể tự động hơn.

Giáo viên được đào tạo để phát hiện lỗi.

Thời gian duyệt được tính trong workload.

Trách nhiệm pháp lý và đạo đức rõ.

Không thể vừa nói “giáo viên trong vòng lặp” vừa không cho giáo viên thời gian ở trong vòng lặp.

Đó là trang trí đạo đức.

12. Khi công nghệ thay thế giáo viên vì thiếu giáo viên

Một mâu thuẫn khó nói:

Ở nhiều nơi, vấn đề không phải công nghệ muốn thay giáo viên.

Vấn đề là không có đủ giáo viên.

UNESCO và Teacher Task Force cảnh báo thế giới đang đối mặt với thiếu hụt giáo viên đáng kể khi tiến tới 2030. Trong bối cảnh thiếu giáo viên, lớp đông, vùng xa, môn thiếu nhân lực, công nghệ thường được đưa vào như giải pháp lấp khoảng trống.

Phe thực dụng nói:

“Nếu không có giáo viên, công nghệ còn hơn không.”

Câu này có phần đúng.

Một bài học qua TV/radio có giáo viên hỗ trợ ít vẫn tốt hơn không có gì trong khủng hoảng.

Một AI tutor có thể giúp học sinh luyện thêm khi không có gia sư.

Một khóa online có thể mở môn mà trường không dạy được.

Một nền tảng tài nguyên có thể giúp giáo viên ít kinh nghiệm.

Nhưng phe công bằng hỏi:

“Công nghệ là cầu tạm, hay là cách xã hội chấp nhận tiêu chuẩn thấp hơn cho người nghèo?”

Nếu trường giàu có giáo viên giỏi cộng công nghệ tốt, còn trường nghèo có công nghệ thay giáo viên thiếu, bất bình đẳng không giảm.

Nó được số hóa.

Nếu vùng xa được cung cấp bài giảng video thay vì đầu tư vào tuyển dụng, đào tạo, giữ chân giáo viên, công nghệ trở thành miếng vá lâu dài cho một bất công.

Nếu học sinh nghèo nhận chatbot, học sinh giàu nhận người thầy và chatbot, ta không thể gọi đó là công bằng.

World Bank có nói trong hoàn cảnh thiếu giáo viên hoặc giáo viên năng lực thấp, công nghệ có thể hỗ trợ người học phần nào vượt qua thiếu hụt. Nhưng “phần nào” rất quan trọng.

Công nghệ có thể giảm thiệt hại.

Nó không nên trở thành lý do để chấp nhận thiếu giáo viên như bình thường mới.

Một chính sách nghiêm túc phải nói rõ:

Công nghệ dùng để lấp khoảng trống tạm thời hay thay thế đầu tư dài hạn?

Người học yếu thế có được thêm người hỗ trợ hay bị giao cho máy?

Khi công nghệ giúp duy trì học tập, kế hoạch xây lực lượng giáo viên là gì?

Nếu không, “không thay giáo viên” chỉ là khẩu hiệu.

13. Giáo viên và AI literacy của học sinh

Một vai trò mới của giáo viên là dạy học sinh dùng AI.

Không chỉ prompt.

Không chỉ “đừng gian lận”.

Mà là:

AI là gì?

Nó có thể sai thế nào?

Khi nào dùng được?

Khi nào không nên dùng?

Làm sao kiểm chứng?

Làm sao ghi nhận việc dùng AI?

Làm sao dùng AI để hỏi sâu hơn, không để nghĩ hộ?

Làm sao giữ giọng và trách nhiệm của mình?

Làm sao tránh đưa dữ liệu cá nhân vào công cụ?

Làm sao nhận ra bias?

Làm sao phản biện câu trả lời mượt nhưng rỗng?

UNESCO trong hướng dẫn GenAI cho giáo dục và nghiên cứu nhấn mạnh cách tiếp cận lấy con người làm trung tâm, phát triển năng lực con người, quy định độ tuổi, bảo vệ dữ liệu, và sử dụng GenAI có trách nhiệm. UNESCO cũng cảnh báo rằng GenAI không nên làm suy yếu vai trò giáo viên hay tương tác người-người trong giáo dục.

Nếu học sinh đã dùng AI, giáo viên không thể chỉ làm người cấm.

Nhưng giáo viên cũng không nên bị bỏ mặc để tự phát minh chính sách lớp học.

Hệ thống phải hỗ trợ giáo viên:

khung dùng AI theo độ tuổi,

mẫu nhiệm vụ có/không AI,

cách đánh giá quá trình,

cách yêu cầu khai báo AI,

cách kiểm tra hiểu bằng oral defense, bản nháp, revision,

cách bảo vệ dữ liệu,

cách nói với phụ huynh,

cách xử lý nghi ngờ gian lận mà không phá lòng tin.

AI literacy của học sinh phụ thuộc rất nhiều vào AI literacy của giáo viên.

Và AI literacy của giáo viên không thể được xây bằng vài email hướng dẫn.

14. Benchmark đúng: công nghệ làm giáo viên mạnh hơn hay chỉ bận khác đi?

Đánh giá công cụ hỗ trợ giáo viên không nên chỉ hỏi:

Có bao nhiêu giáo viên dùng?

Tạo bao nhiêu lesson plan?

Chấm bao nhiêu bài?

Gửi bao nhiêu feedback?

Tiết kiệm bao nhiêu phút ở một task?

Cần hỏi:

Tổng workload của giáo viên tăng hay giảm?

Thời gian tiết kiệm được đi đâu?

Giáo viên có thêm thời gian tương tác học sinh không?

Chất lượng tài liệu có giữ được hoặc tốt hơn không?

Giáo viên có hiểu và kiểm soát AI output không?

Có giảm nhập liệu trùng không?

Có tăng phụ huynh nhắn ngoài giờ không?

Giáo viên có quyền sửa, bỏ, phản biện không?

Dashboard giúp giáo viên hay giám sát giáo viên?

Giáo viên mới có học nghề tốt hơn hay phụ thuộc template hơn?

Học sinh yếu có được hỗ trợ tốt hơn không?

Teacher collaboration có được công nhận không?

Tài nguyên giáo viên tạo có bị nền tảng khai thác không?

Giáo viên có được đào tạo trong giờ làm việc không?

Công cụ có làm giảm hay tăng stress?

Tác động có khác nhau giữa giáo viên kinh nghiệm và giáo viên mới không?

Nếu công cụ làm giáo viên sản xuất nhiều hơn nhưng yếu quyền hơn, đó không phải hỗ trợ.

Nếu công cụ giúp giáo viên bớt việc cơ học, thấy học sinh rõ hơn, giữ phán đoán, tăng cộng tác và có thêm thời gian cho quan hệ học tập, đó là hỗ trợ thật.

15. Thiết kế EdTech hỗ trợ giáo viên

Một EdTech thật sự hỗ trợ giáo viên cần vài nguyên tắc.

Thứ nhất, bắt đầu từ workload thật.

Không hỏi giáo viên “muốn AI làm gì?” một cách chung chung.

Quan sát ngày làm việc thật:

việc nào lặp lại,

việc nào gây stress,

việc nào có ý nghĩa,

việc nào chỉ phục vụ báo cáo,

việc nào đang cướp thời gian tương tác học sinh.

Thứ hai, giảm nhập liệu trùng.

Không có gì làm giáo viên ghét công nghệ nhanh hơn việc nhập cùng dữ liệu nhiều lần.

Thứ ba, cho giáo viên quyền chỉnh.

Mọi tài nguyên, feedback, rubric, gợi ý nên sửa được.

Thứ tư, giải thích logic.

Dashboard hoặc AI không nên chỉ nói “học sinh này cần hỗ trợ”.

Nó phải cho biết dựa trên tín hiệu nào và giới hạn nào.

Thứ năm, phân tầng rủi ro.

Tác vụ thấp rủi ro có thể tự động hơn.

Tác vụ cao rủi ro cần human review thật, có thời gian thật.

Thứ sáu, đo workload toàn hệ thống.

Không chuyển việc từ admin sang giáo viên.

Không chuyển việc từ giáo viên sang phụ huynh mà gọi là hiệu quả.

Thứ bảy, bảo vệ teacher agency.

Giáo viên không chỉ là người thực thi workflow.

Thứ tám, công nhận teacher knowledge.

Giáo viên nên tham gia thiết kế, đánh giá, procurement, pilot và cải tiến.

Thứ chín, hỗ trợ professional learning.

Không chỉ hướng dẫn bấm nút.

Thứ mười, giữ quan hệ người-người là tiêu chí thiết kế.

Nếu công cụ làm giáo viên ít nói chuyện với học sinh hơn, phải xem lại.

16. Một lập trường không chống công nghệ nhưng chống làm rỗng nghề

Giáo viên không cần được bảo vệ khỏi mọi công nghệ.

Họ cần được bảo vệ khỏi công nghệ tệ, triển khai tệ và chính sách dùng công nghệ để làm rẻ nghề giáo.

Công nghệ có thể giúp giáo viên thật.

Nó có thể giảm việc lặp lại.

Tạo bản nháp.

Gợi ý tài nguyên.

Tổng hợp lỗi.

Hỗ trợ accessibility.

Tạo phản hồi cơ bản.

Kết nối đồng nghiệp.

Cho giáo viên thấy tín hiệu sớm.

Giúp học sinh có thêm hỗ trợ ngoài giờ.

Những giá trị này đáng giữ.

Nhưng công nghệ cũng có thể làm nghề giáo mỏng đi:

giáo viên thành người duyệt output,

thành người nuôi dữ liệu,

thành người xử lý lỗi hệ thống,

thành người chịu trách nhiệm cho quyết định của máy,

thành người dạy theo script,

thành người mất dần kỹ năng thiết kế vì mọi thứ có template,

thành người bị dashboard nhìn nhiều hơn nhìn học sinh.

Phe AI đúng khi nói:

Một số việc máy có thể làm nhanh hơn.

Phe giáo viên đúng khi nói:

Không phải việc gì làm nhanh hơn cũng nên giao cho máy.

Phe quản lý đúng khi nói:

Hệ thống cần hiệu quả.

Phe nghề giáo đúng khi nói:

Hiệu quả không được trả bằng phẩm giá và phán đoán chuyên môn.

Vậy lập trường của chương này là:

Hãy dùng EdTech để giáo viên mạnh hơn.

Không dùng EdTech để làm giáo viên rẻ hơn.

Hãy dùng AI để mở rộng khả năng chuẩn bị, phản hồi, hỗ trợ.

Không dùng AI để tạo ảo giác rằng giáo dục có thể vận hành với ít quan hệ người-người hơn.

Hãy đo giảm tải.

Không chỉ tuyên bố giảm tải.

Hãy giữ giáo viên trong vòng lặp.

Nhưng đừng đặt họ trong vòng lặp mà không trả thời gian, quyền và thông tin.

Một công cụ giáo dục tốt không làm giáo viên biến mất.

Nó làm phần người của giáo viên hiện ra rõ hơn:

phán đoán,

quan hệ,

ngữ cảnh,

đạo đức,

sự tin tưởng,

khả năng nhìn một học sinh không như một dữ liệu, mà như một con người đang học.

Đó là phần công nghệ không nên thay.

Và nếu EdTech thật sự tốt, nó phải bảo vệ phần đó trước tiên.

Ghi chú nguồn và gợi ý đọc tiếp

1. World Bank, Empower Teachers: Reimagining Human Connections Technology and Innovation in Education at the World Bank. Nguồn cho nguyên tắc công nghệ nên tăng cường sự gắn kết của giáo viên với học sinh qua nội dung, dữ liệu và mạng lưới; khi EdTech dùng hiệu quả, vai trò giáo viên thường trở nên trung tâm hơn. Nguồn: https://www.worldbank.org/en/topic/edutech/brief/empower-reachers-reimagining-human-connections-technology-and-innovation-in-education-at-the-world-bank

2. OECD, Opportunities, guidelines and guardrails for effective and equitable use of AI in education, trong Digital Education Outlook 2023. Nguồn cho teacher agency, professional learning, AI literacy, teacher collaboration, pedagogical space và yêu cầu giáo viên được tin tưởng/hỗ trợ để dùng AI khi nó tăng cường dạy học và trải nghiệm quan hệ-xã hội. Nguồn: https://www.oecd.org/en/publications/2023/12/oecd-digital-education-outlook-2023_c827b81a/full-report/opportunities-guidelines-and-guardrails-for-effective-and-equitable-use-of-ai-in-education_2f0862dc.html

3. OECD, Digital Education Outlook 2023. Nguồn tổng quan về hệ sinh thái giáo dục số, digital transition vs digital transformation, teacher digital competences, AI opportunities/guardrails và vai trò của professional learning. Nguồn: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2023_c74f03de-en.html

4. NFER, ChatGPT in lesson preparation - A Teacher Choices Trial (2024). Nghiên cứu RCT với 259 giáo viên khoa học lớp 7-8 từ 68 trường; nhóm dùng ChatGPT dành thời gian chuẩn bị bài và tài nguyên bằng khoảng 69% thời gian của nhóm không dùng GenAI trong tuần 6-10. Nguồn: https://www.nfer.ac.uk/publications/chatgpt-in-lesson-preparation-a-teacher-choices-trial/

5. Education Endowment Foundation, Can using ChatGPT for lesson planning cut teacher workload? (2024). Nguồn bối cảnh cho thử nghiệm về ChatGPT, workload giáo viên và nhu cầu đánh giá bằng chứng thay vì chỉ dựa vào lời hứa. Nguồn: https://educationendowmentfoundation.org.uk/news/can-using-chatgpt-for-lesson-planning-cut-teacher-workload

6. OECD, The demands of teaching: Results from TALIS 2024. Nguồn cho dữ liệu về workload/stress: trung bình khoảng một nửa giáo viên ở các hệ thống OECD báo cáo administrative workload quá mức là nguồn stress; stress không chỉ phụ thuộc số giờ mà còn phụ thuộc bản chất nhiệm vụ và việc chúng cạnh tranh với hoạt động cốt lõi. Nguồn: https://www.oecd.org/en/publications/results-from-talis-2024_90df6235-en/full-report/the-demands-of-teaching_0e941e2f.html

7. UNESCO, Guidance for generative AI in education and research (2023, cập nhật trang 2026). Nguồn cho cách tiếp cận lấy con người làm trung tâm, phát triển năng lực con người, bảo vệ dữ liệu, quy định sử dụng GenAI có trách nhiệm và không làm suy yếu vai trò giáo viên/tương tác người-người. Nguồn: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

8. European Commission, Ethical guidelines on the use of artificial intelligence and data in teaching and learning for educators (2022, cập nhật trang hướng dẫn 2026). Nguồn cho các yêu cầu human agency and oversight, transparency, fairness, privacy/data governance, robustness và accountability, đồng thời hướng tới giáo viên phổ thông có ít hoặc chưa có kinh nghiệm AI. Nguồn: https://education.ec.europa.eu/focus-topics/digital-education/actions/plan/ethical-guidelines-for-educators-on-using-artificial-intelligence

9. UNESCO, Global report on teachers: What you need to know (2024, cập nhật 2025). Nguồn bối cảnh về thiếu hụt giáo viên toàn cầu và nhu cầu tuyển dụng, đào tạo, hỗ trợ, giữ chân giáo viên, để tránh dùng công nghệ như miếng vá thay cho đầu tư vào lực lượng giáo viên. Nguồn: https://www.unesco.org/en/articles/global-report-teachers-what-you-need-know

10. UK Department for Education, Generative artificial intelligence (AI) in education (cập nhật 2025). Nguồn chính sách thực tế về cơ hội và thách thức của GenAI trong giáo dục, gồm hỗ trợ giáo viên, tạo tài nguyên, feedback, nhưng cũng cảnh báo AI output có thể sai, thiên lệch, không phù hợp, lỗi thời hoặc cần kiểm tra. Nguồn: https://www.gov.uk/government/publications/generative-artificial-intelligence-in-education/generative-artificial-intelligence-ai-in-education