Chương 34. Khung quyết định công bằng cho EdTech

Sau ba chương về bằng chứng, pilot và total cost of ownership, ta có thể rơi vào một trạng thái mệt mỏi: nếu phải hỏi quá nhiều như vậy, có còn làm được gì không? Một bên nói giáo dục đang khủng hoảng, học sinh không thể chờ, giáo viên quá tải, công nghệ có thể giúp, phải hành động. Một bên nói công nghệ đầy rủi ro, bằng chứng thiếu, chi phí ẩn lớn, bất bình đẳng dễ tăng, phải thận trọng. Cả hai bên đều có phần đúng. Vấn đề là nếu chỉ có hai tư thế “lao vào” hoặc “chặn lại”, giáo dục sẽ ra quyết định rất kém.

Chương này không đưa ra một bảng checklist để làm người ta yên tâm giả. Nó đưa ra một khung quyết định, tức là một cách đặt câu hỏi theo thứ tự để buộc công nghệ chứng minh nó xứng đáng đi vào giáo dục. Khung này không bắt đầu bằng sản phẩm. Nó bắt đầu bằng vấn đề. Không bắt đầu bằng “AI có thể làm gì?”. Nó bắt đầu bằng “người học và giáo viên đang cần gì?”. Không bắt đầu bằng “vendor hứa gì?”. Nó bắt đầu bằng “điều kiện nào phải đúng để lời hứa ấy thành học tập thật?”. Không bắt đầu bằng “giá bao nhiêu?”. Nó bắt đầu bằng “ai trả giá, bằng tiền, thời gian, dữ liệu, quyền tự chủ và rủi ro?”.

Mâu thuẫn cốt lõi là: một khung quyết định công bằng phải đủ nghiêm để ngăn công nghệ phù phiếm, nhưng đủ linh hoạt để không bóp chết đổi mới có ích. Nếu khung quá nhẹ, mọi sản phẩm đều đi qua bằng vài câu trả lời đẹp. Nếu khung quá nặng, chỉ vendor lớn, trường giàu và dự án có đội tư vấn mới qua được, còn các công cụ nhỏ, địa phương, vừa đủ lại bị đẩy ra ngoài. Công bằng không nằm ở việc hỏi thật nhiều câu. Công bằng nằm ở việc hỏi đúng câu cho đúng mức rủi ro.

Lập trường của chương này là: EdTech nên được quyết định theo bốn tầng. Tầng thứ nhất là vấn đề: có vấn đề giáo dục thật không? Tầng thứ hai là cơ chế: công nghệ có giải đúng nguyên nhân không? Tầng thứ ba là điều kiện: ai phải đổi hành vi, hạ tầng nào phải có, chi phí nào phải trả? Tầng thứ tư là công bằng và bền vững: ai được lợi trước, ai chịu rủi ro trước, và nếu sản phẩm biến mất, tổ chức còn mạnh hơn hay yếu hơn? Nếu một đề xuất không đi qua được bốn tầng này, nó chưa sẵn sàng để trở thành chính sách, dù demo có đẹp đến đâu.

1. Khung quyết định không phải phanh tay

Người làm công nghệ thường sợ khung quyết định vì nó có vẻ giống quan liêu. Thêm hội đồng, thêm biểu mẫu, thêm review, thêm đánh giá rủi ro, thêm phê duyệt, thêm chậm. Trong một thị trường đổi nhanh, họ nói, chờ đủ giấy tờ là bỏ lỡ cơ hội. Người làm giáo dục thì đôi khi cũng sợ: nếu phải chứng minh mọi thứ trước, trường sẽ không bao giờ thử cái mới. Một giáo viên muốn dùng công cụ nhỏ để tạo flashcard không thể đi qua cùng quy trình như một hệ thống AI phân luồng học sinh.

Nỗi sợ này có cơ sở. Một khung quyết định kém có thể biến thành cái máy giết đổi mới. Nó hỏi quá nhiều thứ không liên quan, dùng ngôn ngữ pháp lý khó hiểu, yêu cầu tài liệu mà trường nhỏ không làm nổi, ưu ái vendor lớn có đội compliance, và cuối cùng không thật sự bảo vệ người học. Trong trường hợp đó, khung không tạo công bằng. Nó tạo độc quyền cho những ai biết chơi thủ tục.

Nhưng không có khung cũng không phải tự do. Không có khung nghĩa là quyết định bị đẩy vào demo, quan hệ vendor, cảm giác lãnh đạo, áp lực truyền thông, sự mệt mỏi của giáo viên, hoặc tâm lý sợ tụt hậu. Khi không có câu hỏi chung, mỗi trường tự chịu rủi ro, mỗi giáo viên tự đoán, mỗi phụ huynh tự tin hoặc tự sợ, mỗi học sinh trở thành người thử nghiệm im lặng. Không có khung là để quyền lực ẩn tự vận hành.

Vì vậy, khung quyết định đúng không phải phanh tay. Nó là tay lái, bản đồ và dây an toàn. Nó không nói “đừng đi”. Nó nói: biết mình đi đâu, vì sao đi, ai ngồi trong xe, đường nào nguy hiểm, khi nào dừng, và nếu xe hỏng thì người học có được đưa về an toàn không.

2. Bắt đầu bằng vấn đề, không bằng sản phẩm

Câu hỏi đầu tiên luôn là: vấn đề này có thật không? Nghe đơn giản, nhưng rất nhiều dự án EdTech bỏ qua. Họ bắt đầu bằng tính năng: chatbot, adaptive learning, AI grading, dashboard, VR lab, app phụ huynh, blockchain credential. Rồi họ đi tìm vấn đề tương ứng. Khi sản phẩm có trước vấn đề, giáo dục bị kéo về phía cái công nghệ làm được, không phải cái người học cần.

Một vấn đề thật phải được mô tả bằng ngôn ngữ giáo dục, không phải ngôn ngữ vendor. Không phải “trường thiếu personalized learning platform”, mà là “học sinh lớp 6 có khoảng cách nền rất lớn trong phân số, giáo viên không có đủ thời gian giao bài đúng trình độ và phản hồi kịp”. Không phải “cần AI để tăng engagement”, mà là “học sinh bỏ dở khóa tự học sau tuần thứ hai vì không biết lập kế hoạch, không nhận feedback và không có người nhắc”. Không phải “cần dashboard dữ liệu”, mà là “cố vấn không phát hiện đủ sớm sinh viên có nguy cơ bỏ học vì dữ liệu attendance, assignment và hỗ trợ tài chính nằm rời rạc”.

UNESCO GEM 2023 đặt câu hỏi đầu tiên rất gần với tinh thần này: công nghệ có appropriate với bối cảnh quốc gia và địa phương không, có align với learning objectives không, có được thiết kế, giám sát, đánh giá với sự tham gia của giáo viên và người học không.[^unesco-gem] World Bank cũng bắt đầu bằng nguyên tắc “Ask why”: chính sách EdTech phải có mục đích rõ, chiến lược và tầm nhìn về thay đổi giáo dục cần đạt.[^worldbank-digital] Hai nguồn này cùng nói một điều: công nghệ không được là câu trả lời mặc định trước khi vấn đề được hiểu.

Một quyết định công bằng vì vậy phải có bằng chứng về vấn đề: dữ liệu học tập, quan sát lớp, tiếng nói giáo viên, tiếng nói học sinh, phụ huynh, nhóm bị bỏ lại, workload, chi phí hiện tại, rào cản hạ tầng. Nếu vấn đề chỉ tồn tại trong slide bán hàng, không nên mua. Nếu vấn đề thật nhưng công nghệ không phải nguyên nhân chính, cũng không nên mua công nghệ như phản xạ.

3. Vấn đề thật vẫn có thể bị gọi sai tên

Có những vấn đề rất thật nhưng bị đặt tên sai. Học sinh không làm bài online. Trường gọi là thiếu động lực. Nhưng nguyên nhân có thể là bài quá khó, thiết bị dùng chung, data đắt, phụ huynh không hiểu, hoặc giáo viên không gắn bài online với bài trên lớp. Giáo viên không dùng dashboard. Lãnh đạo gọi là chống đổi mới. Nhưng nguyên nhân có thể là dashboard không hành động được, dữ liệu chậm, báo cáo sai lớp, hoặc giáo viên không có thời gian. Phụ huynh không mở app. Vendor gọi là thiếu engagement. Nhưng nguyên nhân có thể là ngôn ngữ khó, app nặng, notification quá nhiều, hoặc phụ huynh làm ca tối.

Gọi sai tên vấn đề là con đường ngắn nhất đến công nghệ sai. Nếu vấn đề là nền tảng kiến thức, gamification không đủ. Nếu vấn đề là thiếu giáo viên, video không tự thay thế quan hệ sư phạm. Nếu vấn đề là dữ liệu rời rạc, AI prediction không cứu được dữ liệu bẩn. Nếu vấn đề là phụ huynh không tin trường, dashboard không tạo niềm tin. Nếu vấn đề là chương trình quá tải, thêm app luyện tập có thể làm tải nặng hơn.

Khung quyết định công bằng phải ép người ra quyết định làm root-cause analysis ở mức vừa đủ. Không cần biến mọi thứ thành dự án tư vấn lớn. Nhưng phải hỏi: biểu hiện là gì, nguyên nhân có thể là gì, dữ liệu nào ủng hộ, ai đang nói khác, nhóm yếu thế nhìn vấn đề thế nào, giải pháp không công nghệ có thể là gì, và công nghệ chỉ giải phần nào. Nếu không hỏi, sản phẩm sẽ giải thứ dễ nhìn nhất, không phải thứ quan trọng nhất.

Đây cũng là nơi tranh luận xuất hiện. Vendor có thể nói: “Không cần phân tích quá lâu, hãy thử nhanh.” Giáo viên có thể nói: “Các anh đang giải sai việc.” Lãnh đạo có thể nói: “Dù nguyên nhân phức tạp, chúng tôi vẫn cần một công cụ để bắt đầu.” Cả ba đều có lý một phần. Khung tốt không đòi hiểu hết trước khi thử, nhưng đòi gọi giả thuyết đúng tên: “chúng ta chưa chắc nguyên nhân là X, pilot này kiểm tra giả thuyết X”. Như vậy, nếu sai, tổ chức học được. Nếu gọi giả thuyết là sự thật, tổ chức chỉ bảo vệ sai lầm.

4. Công nghệ có giải đúng nguyên nhân không?

Sau khi vấn đề được gọi đúng, câu hỏi tiếp theo là: công nghệ có giải đúng nguyên nhân không? Một vấn đề học tập có thể có nguyên nhân ở nội dung, thời lượng, phương pháp, feedback, cảm xúc, ngôn ngữ, điều kiện gia đình, sức khỏe, đánh giá, kỳ vọng giáo viên, hoặc cấu trúc trường. Công nghệ chỉ nên được chọn nếu nó chạm vào cơ chế thật.

Ví dụ, nếu học sinh yếu đọc vì thiếu luyện tập đúng trình độ và feedback nhanh, một phần mềm adaptive reading có thể hợp lý. Nếu học sinh yếu đọc vì ngôn ngữ giảng dạy không phải ngôn ngữ các em hiểu, một app cùng ngôn ngữ chính thức nhưng đẹp hơn có thể không giải đúng nguyên nhân. Nếu sinh viên bỏ học vì không nhận được hỗ trợ tài chính, một chatbot học tập không đủ. Nếu giáo viên kiệt sức vì hành chính, một dashboard thêm báo cáo có thể làm tệ hơn. Nếu phụ huynh không biết con vắng học, SMS đúng lúc có thể rất hiệu quả hơn một portal phức tạp.

EdTech Hub đề xuất các câu hỏi về whether EdTech has sustained impact on learning outcomes, whether it works for marginalized children and increases equity, whether it can scale cost-effectively, whether it works in specific implementation context, and whether it aligns with system priorities.[^edtechhub-evidence] Những câu hỏi này buộc công nghệ chứng minh cơ chế trong bối cảnh, không chỉ nói “đã có nghiên cứu”. Một sản phẩm có cơ chế hợp lý ở nơi này có thể lệch ở nơi khác.

Khung công bằng nên yêu cầu một câu “theory of change” ngắn: nếu dùng công cụ này, ai sẽ làm gì khác, hoạt động học tập nào thay đổi, feedback nào nhanh hơn, quyết định nào tốt hơn, thời gian nào được giải phóng, và kết quả nào sẽ cải thiện. Nếu không viết được câu này bằng ngôn ngữ thường, sản phẩm chưa rõ tác dụng. Nếu câu trả lời chỉ là “AI sẽ cá nhân hóa” hoặc “dashboard sẽ giúp ra quyết định”, chưa đủ. Cá nhân hóa cái gì, ra quyết định nào, ai hành động, trong lịch nào, với dữ liệu nào?

5. Có giải pháp không công nghệ nào tốt hơn không?

Một khung quyết định công bằng phải hỏi câu đôi khi làm ngành EdTech khó chịu: có cách không công nghệ nào tốt hơn không? Không phải vì công nghệ xấu, mà vì giáo dục có nhiều nguồn lực cạnh tranh. Với cùng ngân sách, có thể tập huấn giáo viên, mua sách, thuê trợ giảng, giảm sĩ số, cải thiện bữa ăn, hỗ trợ tâm lý, xây thư viện, trả phụ cấp, sửa phòng học, hay mua phần mềm. Nếu công nghệ không tốt hơn lựa chọn khác ở mục tiêu cụ thể, nó không nên thắng chỉ vì hiện đại hơn.

UNESCO GEM 2023 cảnh báo quá chú ý đến công nghệ có thể dẫn đến chi phí cao, và nguồn lực dành cho công nghệ thay vì lớp học, giáo viên, sách giáo khoa trong các nước còn thiếu những thứ này có thể làm thế giới xa hơn mục tiêu SDG 4.[^unesco-gem] Đây không phải lời kêu gọi chống công nghệ. Nó là lời nhắc về opportunity cost. Một đô la cho nền tảng là một đô la không đi nơi khác. Một giờ giáo viên học dashboard là một giờ không chuẩn bị bài, gặp học sinh, hoặc nghỉ ngơi.

Tuy vậy, câu hỏi “có giải pháp không công nghệ không” không nên bị dùng để giữ nguyên hiện trạng. Có những vấn đề không thể giải đủ tốt nếu không có công nghệ: học sinh ở xa cần tài liệu, người khuyết tật cần công cụ hỗ trợ, giáo viên cần truy cập nguồn mở, hệ thống lớn cần dữ liệu để phân bổ nguồn lực, người học trưởng thành cần linh hoạt thời gian, AI có thể hỗ trợ dịch ngôn ngữ và tạo bản nháp. Một khung công bằng không thiên vị chống công nghệ. Nó chỉ yêu cầu công nghệ thắng bằng giá trị, không thắng bằng hào quang.

Vì vậy, mỗi đề xuất nên có ít nhất ba phương án so sánh: làm như hiện tại, cải tiến không công nghệ hoặc ít công nghệ, và giải pháp EdTech đề xuất. Khi so sánh, phải nhìn tác động, chi phí, thời gian, rủi ro, công bằng và khả năng duy trì. Nếu công nghệ thắng, nó xứng đáng hơn. Nếu không, giáo dục đã tránh được một mua sắm sai.

6. Ai phải đổi hành vi để công nghệ có tác dụng?

Nhiều dự án EdTech thất bại vì tưởng mua sản phẩm là thay đổi hệ thống. Nhưng công nghệ chỉ tác động khi người nào đó đổi hành vi. Giáo viên phải giao bài khác, đọc dữ liệu khác, phản hồi khác. Học sinh phải luyện tập đều, hỏi câu hỏi, xem feedback, tự điều chỉnh. Phụ huynh phải đọc tin nhắn, hỗ trợ con, không phản ứng sai. Cố vấn phải gọi sớm hơn. Lãnh đạo phải dùng dữ liệu để phân bổ nguồn lực. IT phải quản lý tài khoản. Nếu không ai đổi hành vi có ý nghĩa, công nghệ chỉ thêm lớp giao diện.

Câu hỏi này làm lộ chi phí và rủi ro. Nếu sản phẩm đòi giáo viên dùng dashboard 20 phút mỗi ngày, thời gian đó lấy từ đâu? Nếu app đòi học sinh tự học 40 phút mỗi tối, học sinh nào có điều kiện? Nếu AI feedback đòi giáo viên kiểm tra chất lượng, ai được giảm việc khác? Nếu hệ thống early warning đòi cố vấn gọi từng sinh viên, cố vấn có đủ người không? Nếu phụ huynh phải tải app, phụ huynh không có smartphone hoặc không quen chữ sẽ ra sao?

EEF trong A School’s Guide to Implementation nhấn mạnh implementation cần chú ý hành vi và bối cảnh, không chỉ ý tưởng; U.S. Department of Education cũng đặt quy trình evidence use trong vòng xác định nhu cầu, chọn can thiệp, lập kế hoạch, triển khai, xem xét và cải thiện.[^eef-implementation][^used-evidence] Cả hai nguồn đều nói rằng đổi mới là thay đổi thực hành, không phải chỉ đưa tài nguyên vào hệ thống.

Một quyết định công bằng phải vẽ “bản đồ hành vi”: ai cần làm gì khác, hành vi đó có hợp lý không, họ có năng lực không, có động lực không, có thời gian không, có công cụ không, có bị phạt nếu không làm không, có hỗ trợ không. Nếu bản đồ này không rõ, sản phẩm sẽ thất bại rồi đổ lỗi cho adoption.

7. Ai được lợi trước, ai chịu rủi ro trước?

Công bằng không chỉ hỏi cuối cùng ai được lợi. Nó hỏi ngay từ đầu ai được lợi trước và ai chịu rủi ro trước. Nhiều công nghệ mới được thử ở nhóm yếu thế vì họ “cần hỗ trợ nhất”. Điều này có thể hợp lý nếu công nghệ thật sự giúp và được bảo vệ tốt. Nhưng nó cũng có thể biến nhóm yếu thế thành nơi thử nghiệm sản phẩm chưa đủ bằng chứng, trong khi nhóm giàu tiếp tục nhận giáo viên tốt, lớp nhỏ, gia sư, và công nghệ như phần bổ sung.

Một hệ thống AI tutor có thể được triển khai trước cho học sinh nghèo vì thiếu gia sư. Câu hỏi là: các em nhận công cụ chất lượng tương đương hay phiên bản rẻ hơn? Có người thật theo dõi không? Có quyền chọn không? Có đo hại không? Có hỗ trợ khi AI sai không? Một hệ thống cảnh báo bỏ học có thể nhắm vào sinh viên rủi ro cao. Câu hỏi là: cảnh báo dẫn đến hỗ trợ hay giám sát? Sinh viên có bị gắn nhãn không? Có quyền giải thích không? Dữ liệu có dùng cho kỷ luật không?

UNESCO hỏi công nghệ có leaving learners behind không, và khuyến nghị tập trung vào nhóm marginalized, accessibility, meaningful connectivity và digital public goods.[^unesco-gem] UNICEF guidance on AI and children nhấn mạnh AI cho trẻ em phải hỗ trợ phát triển và well-being, bảo đảm inclusion, non-discrimination, privacy, safety, transparency, explainability và accountability.[^unicef-ai] Những nguyên tắc này đòi ta không xem trẻ em, người học nghèo, người khuyết tật, người nói ngôn ngữ thiểu số như nhóm “dễ thử” chỉ vì họ cần giúp.

Vì vậy, khung quyết định nên yêu cầu equity impact preview: nhóm nào dễ bị bỏ lại, nhóm nào có thể bị theo dõi nhiều hơn, nhóm nào có thể nhận chất lượng thấp hơn, nhóm nào trả chi phí data/thiết bị/thời gian cao hơn, nhóm nào khó khiếu nại hơn, nhóm nào mất nhiều quyền riêng tư hơn. Nếu câu trả lời là nhóm yếu thế chịu rủi ro trước, dự án phải có bảo vệ mạnh hơn, không phải ít hơn.

8. Công bằng không chỉ là access

Một dự án thường tự tin vì “mọi học sinh đều có tài khoản”. Nhưng account không phải access. Access có nghĩa là người học có thiết bị, mạng, điện, ngôn ngữ, khả năng sử dụng, hỗ trợ kỹ thuật, thời gian, không gian học, accessibility, và cảm giác sản phẩm dành cho mình. Một tài khoản không dùng được là giấy mời vào một căn phòng khóa.

Một khung quyết định công bằng phải hỏi meaningful access. Sản phẩm chạy được trên thiết bị cũ không? Có offline mode không? Có low-bandwidth không? Có bản audio hoặc print khi cần không? Có hỗ trợ người khuyết tật không? Có phù hợp tiếng mẹ đẻ hoặc ngôn ngữ học tập không? Có hỗ trợ phụ huynh không quen công nghệ không? Có cách dùng chung thiết bị an toàn không? Có chính sách cho học sinh không có data không?

World Bank đặt equity và inclusion ở trung tâm “design for scale”, đồng thời nhấn mạnh readiness qua school management, teachers, students, devices, connectivity và digital resources.[^worldbank-digital] UNESCO cũng nói công nghệ phải được designed to fit context, có tài nguyên bằng nhiều ngôn ngữ quốc gia, culturally acceptable và age-appropriate.[^unesco-gem] Điều này có nghĩa access phải được thiết kế, không phải giả định.

Một quyết định công bằng không nên chấp nhận câu “nhưng hầu hết học sinh dùng được”. Trong giáo dục, “hầu hết” thường là nơi bất bình đẳng trú ẩn. Cần biết ai không dùng được, vì sao, và chi phí để đưa họ vào. Nếu chi phí đó quá cao, dự án phải đổi thiết kế hoặc đổi phạm vi. Không thể gọi là công bằng bằng cách đếm người được cấp tài khoản rồi bỏ qua người bị rơi ở bậc thềm.

9. Bằng chứng cần đủ cho mức quyền lực của công nghệ

Không phải mọi công nghệ cần cùng một mức bằng chứng. Một công cụ giúp giáo viên tạo bản nháp câu hỏi có rủi ro khác với hệ thống chấm điểm tự động. Một app tự chọn để luyện từ vựng có rủi ro khác với nền tảng bắt buộc thay thế bài học chính. Một dashboard gợi ý hỗ trợ có rủi ro khác với algorithm phân luồng học sinh. Một AI tutor không lưu dữ liệu nhạy cảm khác với AI phân tích cảm xúc qua camera.

NIST AI RMF nói quản lý rủi ro AI cần xét các đặc tính trustworthiness như valid and reliable, safe, secure and resilient, accountable and transparent, explainable and interpretable, privacy-enhanced và fair with harmful bias managed.[^nist-rmf] OECD AI Principles cũng nhấn mạnh human-centred values, fairness, privacy, transparency, robustness, security và accountability trong suốt vòng đời AI.[^oecd-ai] Dù đây không phải khung riêng cho giáo dục, chúng nhắc một nguyên tắc quan trọng: quyền lực của hệ thống càng lớn, yêu cầu bằng chứng và quản trị càng nặng.

Khung quyết định nên chia mức rủi ro. Rủi ro thấp: công cụ tự chọn, dữ liệu ít, dễ dừng, không ảnh hưởng điểm hoặc hồ sơ. Có thể thử nhanh với hướng dẫn và monitoring nhẹ. Rủi ro vừa: công cụ dùng trong instruction chính, thu dữ liệu học tập, ảnh hưởng workload. Cần bằng chứng mạnh hơn, pilot rõ, training, privacy review. Rủi ro cao: công cụ chấm điểm, phân luồng, cảnh báo rủi ro, xử lý kỷ luật, thu dữ liệu nhạy cảm, AI tương tác trực tiếp với trẻ em ở quy mô lớn. Cần causal/implementation evidence, audit, human oversight, quyền khiếu nại, tiêu chí dừng và governance.

Nếu khung không phân tầng, nó sẽ vừa quá nặng cho việc nhỏ, vừa quá nhẹ cho việc nguy hiểm. Công bằng là phân biệt mức quyền lực, không trải đều thủ tục.

10. Bằng chứng phải đi cùng điều kiện triển khai

Một vendor nói sản phẩm có bằng chứng. Câu hỏi là bằng chứng trong điều kiện nào. Có giáo viên được tập huấn không, học sinh dùng bao lâu, thiết bị thế nào, lớp đông hay nhỏ, có support không, outcome đo bằng gì, nhóm yếu thế ra sao, chi phí thế nào? Chương 31 đã nói: “có nghiên cứu nói” không đủ. Chương này biến nó thành quyết định: bằng chứng chỉ dùng được nếu điều kiện nghiên cứu đủ gần điều kiện triển khai hoặc nếu tổ chức có kế hoạch bù phần khác.

EdTech Hub và UNESCO đều nhấn mạnh evidence phải gắn với context, cost, scale và equity; UNESCO còn khuyến nghị pilot trong bối cảnh phản ánh total cost of ownership and implementation, kể cả chi phí cao hơn cho marginalized learners.[^edtechhub-evidence][^unesco-gem] Điều này rất sắc: không chỉ hỏi sản phẩm có hiệu quả không; hỏi hiệu quả ấy có sống trong điều kiện công bằng không.

Một trường có thể chấp nhận bằng chứng chưa hoàn hảo nếu quyết định nhỏ, rủi ro thấp và có monitoring. Nhưng một chính phủ mua toàn hệ thống không thể dựa vào testimonial, usage data hoặc pilot ở trường đẹp. Một trường tư có hạ tầng mạnh không nên dùng cùng bằng chứng để bán cho trường công vùng mạng yếu. Một sản phẩm AI đổi model liên tục không nên dùng bằng chứng cũ như con dấu vĩnh viễn.

Khung quyết định nên buộc mỗi claim đi kèm điều kiện: claim áp dụng cho ai, môn nào, độ tuổi nào, thời lượng nào, ngôn ngữ nào, hạ tầng nào, support nào, phiên bản nào, outcome nào, và không áp dụng cho đâu. Bằng chứng trung thực biết biên giới của mình.

11. TCO phải xuất hiện trước khi ký, không phải sau khi đau

Chương 33 đã nói TCO là chi phí thật của công nghệ. Trong khung quyết định, TCO phải xuất hiện trước procurement, trước pilot lớn, trước scale. Nếu chỉ tính license, tổ chức sẽ mua quyết định rẻ và trả vận hành đắt. TCO phải gồm thiết bị, mạng, cloud, AI usage, training, onboarding, integration, migration, support, security, privacy, renewal, exit, và thời gian giáo viên/học sinh.

CoSN mô tả TCO là chi phí toàn vòng đời, bao gồm cả indirect labor như troubleshooting và disruption management; EdTech Hub khuyến nghị tính total cost of implementation bằng cả obvious và non-obvious costs trong lifespan.[^cosn-tco][^edtechhub-cost] Đây không phải lý thuyết tài chính. Nó là điều kiện công bằng. Nếu không tính đủ chi phí, chi phí sẽ rơi vào người ít quyền lực nhất: giáo viên làm thêm, học sinh chờ lỗi, phụ huynh tự xoay, IT quá tải, trường nghèo không duy trì nổi.

Một khung quyết định công bằng nên hỏi: sản phẩm này có chi phí năm một, năm ba, năm năm thế nào? Nếu adoption cao, chi phí tăng hay giảm? Nếu AI usage tăng, hóa đơn ra sao? Nếu vendor đổi giá, trường có lựa chọn không? Nếu muốn rời đi, chi phí exit là gì? Nếu cần hỗ trợ nhóm yếu thế, chi phí bổ sung là bao nhiêu? Nếu không có tiền duy trì, có nên mua ít hơn nhưng chắc hơn không?

TCO không phải để chọn cái rẻ nhất. Nó để không tự lừa mình. Một sản phẩm đắt nhưng giảm workload thật, tăng học tập thật, an toàn, bền, dễ rời có thể đáng. Một sản phẩm rẻ nhưng khóa dữ liệu, tăng support, làm giáo viên bận hơn và chết sau tài trợ thì không đáng.

12. Governance: ai có quyền nói có, nói không, nói dừng?

Một quyết định EdTech công bằng cần governance rõ. Ai quyết định mua? Ai được tham vấn? Ai có quyền veto vì privacy/security/accessibility? Ai đại diện giáo viên? Ai đại diện học sinh? Ai nghe phụ huynh? Ai chịu trách nhiệm nếu sản phẩm gây hại? Ai có quyền dừng pilot? Ai kiểm tra vendor? Ai sở hữu dữ liệu? Ai được xem dashboard? Ai giải quyết khiếu nại?

Không có governance, công nghệ đi theo đường ít cản nhất. Một giáo viên tự dùng app vì tiện. Một phòng ban mua phần mềm vì ngân sách còn. Một lãnh đạo ký nền tảng vì áp lực đổi mới. Một vendor vào trường qua chương trình miễn phí. Mỗi quyết định nhỏ có thể hợp lý, nhưng cộng lại thành hệ sinh thái không ai quản. Khi có sự cố, trách nhiệm rải khắp nơi.

World Bank nhấn mạnh engage the ecosystem và data-driven systems với transparent standards, interoperable data architecture để tránh data silos và vendor lock-in.[^worldbank-digital] UNESCO nhấn mạnh transparency on public spending và terms of agreements với private companies, cùng interoperability standards để tăng accountability và efficiency.[^unesco-gem] Governance ở đây không phải chống thị trường. Nó là điều kiện để thị trường phục vụ giáo dục thay vì giáo dục chạy theo từng hợp đồng.

Governance cũng phải có quyền dừng. Một sản phẩm không đạt failure criteria, tăng bất bình đẳng, gây rủi ro privacy, làm workload vượt ngưỡng, hoặc không tạo học tập thì phải có người có quyền nói dừng dù đã chi tiền. Không có quyền dừng, mọi khung quyết định chỉ là nghi thức.

13. Khung quyết định phải nghe người ở gần lớp học nhất

Một quyết định công bằng không thể chỉ nằm ở bộ phận công nghệ, tài chính hoặc lãnh đạo. Giáo viên thấy workload thật. Học sinh thấy friction thật. Phụ huynh thấy điều kiện nhà thật. Nhân viên IT thấy support burden thật. Người khuyết tật thấy accessibility thật. Cố vấn thấy risk score biến thành quan hệ thật. Nếu những tiếng nói này chỉ được hỏi sau khi mua, tổ chức đã hỏi quá muộn.

UNESCO khuyến nghị thiết kế, giám sát và đánh giá chính sách công nghệ với sự tham gia của giáo viên và người học.[^unesco-gem] Đây là một nguyên tắc rất căn bản nhưng thường bị coi nhẹ. Người dùng không chỉ là nguồn feedback về giao diện. Họ là người biết công nghệ có làm hỏng hay làm tốt hơn việc học trong bối cảnh thật.

Tuy nhiên, “nghe người dùng” cũng không đơn giản. Giáo viên có thể thích công cụ giảm việc trước mắt nhưng không thấy rủi ro dữ liệu. Học sinh có thể thích app dễ nhưng học nông. Phụ huynh có thể sợ công nghệ vì trải nghiệm xấu nhưng công cụ hỗ trợ accessibility lại rất cần. IT có thể ưu tiên bảo mật đến mức làm trải nghiệm nặng. Vì vậy, tham vấn không có nghĩa ai nói gì cũng theo. Nó nghĩa là quyết định phải đặt các góc nhìn vào cùng một bàn, làm lộ trade-off trước khi chọn.

Một khung tốt nên có “decision conversation” chứ không chỉ biểu mẫu. Vendor trình bày giá trị, giáo viên hỏi workload, học sinh thử trên thiết bị thật, phụ huynh đọc thông báo bằng ngôn ngữ thường, IT kiểm tra tích hợp, privacy kiểm tra dữ liệu, lãnh đạo học thuật hỏi outcome, tài chính hỏi TCO. Quyết định công bằng sinh ra từ sự va chạm có tổ chức này.

14. Nếu sản phẩm biến mất ngày mai, tổ chức còn giữ được gì?

Đây là một trong những câu hỏi quan trọng nhất: nếu sản phẩm biến mất ngày mai, tổ chức còn mạnh hơn hay yếu hơn? Nếu sau một năm dùng, giáo viên hiểu rõ hơn cách phân hóa bài học, dữ liệu lớp sạch hơn, tài liệu được xuất ra, học sinh có kỹ năng tự học tốt hơn, phụ huynh hiểu quy trình hơn, trường có chuẩn tích hợp tốt hơn, thì sản phẩm đã để lại năng lực. Nếu sau một năm, mọi thứ nằm trong nền tảng đóng, giáo viên chỉ biết bấm theo workflow, dữ liệu không xuất được, học sinh mất tiến độ, trường phụ thuộc support vendor, thì sản phẩm đã lấy năng lực.

Câu hỏi này phân biệt công cụ với năng lực. Một nền giáo dục trưởng thành không chỉ mua công cụ. Nó xây năng lực sử dụng, đánh giá, điều chỉnh, rời bỏ và thay thế công cụ. Nếu một sản phẩm giúp tổ chức học cách đặt vấn đề, đo outcome, bảo vệ dữ liệu, hỗ trợ giáo viên, thiết kế accessibility, và quản trị vendor, nó có giá trị vượt khỏi chính nó. Nếu sản phẩm làm tổ chức ít hiểu hơn vì mọi thứ bị hộp đen hóa, phải cẩn trọng.

World Bank nói dữ liệu và hạ tầng phải tránh data silos và vendor lock-in, vì các quyết định tương lai không nên bị constrained by choices made in the past.[^worldbank-digital] Đây là câu gần như viết cho chương này. Một công nghệ tốt không nên khóa tương lai của trường. Nó nên mở thêm khả năng chọn.

Khung quyết định vì vậy nên hỏi về capacity legacy: sau pilot hoặc triển khai, giáo viên giữ được tài nguyên không, dữ liệu có ở chuẩn mở không, quy trình có cải thiện không, người địa phương có vận hành được không, học sinh có kỹ năng chuyển sang công cụ khác không, tổ chức có biết đánh giá công cụ tốt hơn không. Nếu câu trả lời là không, sản phẩm có thể đang bán dịch vụ nhưng không xây giáo dục.

15. Một bộ câu hỏi quyết định mười hai điểm

Nếu cần nén khung này thành một bộ câu hỏi thực dụng, có thể dùng mười hai điểm. Một: vấn đề giáo dục cụ thể là gì, ai xác nhận nó, dữ liệu nào cho thấy nó tồn tại? Hai: nguyên nhân chính là gì, và công nghệ chạm vào nguyên nhân nào? Ba: giải pháp không công nghệ hoặc ít công nghệ nào có thể giải cùng vấn đề? Bốn: theory of change là gì, ai phải đổi hành vi để tác động xảy ra?

Năm: bằng chứng hiện có nói gì, không nói gì, áp dụng tới bối cảnh này đến đâu? Sáu: ai được lợi trước, ai chịu rủi ro trước, nhóm yếu thế nào có thể bị bỏ lại? Bảy: access có meaningful không, xét thiết bị, mạng, điện, ngôn ngữ, disability, thời gian, không gian học và hỗ trợ? Tám: TCO ba đến năm năm là gì, gồm tiền, thời gian, dữ liệu, support, security, privacy, renewal và exit?

Chín: mức rủi ro của công nghệ là gì, có ảnh hưởng điểm số, placement, kỷ luật, hồ sơ, dữ liệu nhạy cảm hoặc quan hệ người học không? Mười: governance là gì, ai có quyền quyết định, audit, khiếu nại, override và dừng? Mười một: pilot hoặc rollout sẽ đo success, failure, adoption, workload, support burden, equity và unintended consequences thế nào? Mười hai: nếu sản phẩm biến mất, tổ chức còn giữ được năng lực gì?

Bộ câu hỏi này không phải để mọi dự án viết luận dài. Một công cụ nhỏ rủi ro thấp có thể trả lời ngắn. Một hệ thống high-stakes phải trả lời sâu. Nhưng nếu một đề xuất không trả lời được dù ở mức tối thiểu, tổ chức nên dừng lại. Không phải dừng mãi, mà dừng đủ lâu để không mua một lời hứa chưa thành quyết định.

Điều quan trọng là câu hỏi phải được dùng trước khi bị cuốn vào chi phí chìm. Khi đã ký hợp đồng, đào tạo giáo viên, nhập dữ liệu, truyền thông cho phụ huynh, tổ chức rất khó thừa nhận sai. Khung quyết định có giá trị nhất trước khi niềm tự ái và ngân sách đã khóa đường quay lại.

16. Ba mức quyết định: thử, triển khai, scale

Khung công bằng cần phân biệt ba mức: thử nhỏ, triển khai có giới hạn, và scale. Ở mức thử nhỏ, mục tiêu là học nhanh với rủi ro thấp. Cần xác định vấn đề, giả thuyết, dữ liệu tối thiểu, privacy tối thiểu, quyền dừng và phản hồi người dùng. Không nên biến thử nhỏ thành thủ tục nặng, nếu không giáo viên sẽ né khung hoặc tổ chức bỏ lỡ cải tiến nhỏ.

Ở mức triển khai có giới hạn, sản phẩm bắt đầu ảnh hưởng nhiều lớp hoặc nhiều trường. Cần pilot nghiêm túc hơn: baseline, nhóm so sánh nếu có thể, training, support, TCO, equity, workload, data governance, accessibility, và tiêu chí mở rộng/dừng. Đây là nơi nhiều sản phẩm nên ở lại lâu hơn thay vì nhảy thẳng từ demo sang toàn hệ thống.

Ở mức scale, yêu cầu phải cao. Scale nghĩa là nhiều người không chọn vẫn phải dùng, nhiều bối cảnh khó sẽ xuất hiện, chi phí lặp lại trở thành ngân sách công, dữ liệu lớn hơn, rủi ro lớn hơn, và lỗi không còn là chuyện cục bộ. Scale cần evidence mạnh hơn, governance rõ, interoperability, exit plan, procurement transparency, capacity building, monitoring sau triển khai, và ngân sách duy trì.

Phân tầng như vậy giúp khung vừa mở vừa nghiêm. Nó cho phép đổi mới nhỏ xảy ra, nhưng không cho phép sản phẩm rủi ro cao trốn qua cửa “chỉ là thử nghiệm”. Nếu một công cụ thu dữ liệu nhạy cảm hoặc ảnh hưởng quyết định học tập quan trọng, nó không còn là thử nhỏ theo nghĩa đạo đức, dù số người dùng ban đầu ít.

17. Các bên trong cuộc tranh luận

Vendor nói: “Khung này làm chậm adoption.” Có thể. Nhưng adoption nhanh của sản phẩm sai không phải thành công. Vendor nghiêm túc có lợi khi khách hàng hiểu vấn đề, có hạ tầng, có training, có TCO, có governance, vì sản phẩm có cơ hội sống thật. Vendor chỉ sống bằng demo mới sợ câu hỏi sâu.

Nhà quản lý nói: “Chúng tôi cần quyết định trong ngân sách và thời hạn chính sách.” Đúng. Khung không nên biến mọi quyết định thành nghiên cứu dài. Nhưng chính vì ngân sách và thời hạn có hạn, câu hỏi phải sắc hơn. Một quyết định nhanh nhưng đúng vấn đề tốt hơn một quy trình dài nhưng chỉ kiểm tra hồ sơ.

Giáo viên nói: “Cuối cùng mọi khung vẫn đổ việc xuống lớp học.” Đây là nỗi lo có thật. Vì vậy, khung phải đo workload như outcome, không phải lời than. Nếu sản phẩm làm giáo viên thêm việc mà không bỏ việc khác, khung phải báo đỏ. Nếu giáo viên không có quyền nói không, khung chỉ là ngôn ngữ quản trị.

Học sinh nói: “Đừng quyết định về em mà không nghe em.” Đây là điểm rất lớn. Người học, nhất là trẻ em, thường là đối tượng bị quyết định thay. Nhưng chính các em biết app có làm mình xấu hổ, AI có làm mình phụ thuộc, dashboard có làm giáo viên nhìn mình khác, hay công cụ accessibility có thật sự giúp không. Nghe học sinh không có nghĩa để học sinh quyết định mọi thứ; nó nghĩa là không ra quyết định công bằng bằng cách im lặng hóa người chịu tác động.

Phụ huynh nói: “Tôi muốn con có cơ hội, nhưng tôi không muốn dữ liệu và sự chú ý của con bị đem đổi.” Khung phải giúp phụ huynh thấy rõ: dữ liệu nào, mục đích gì, quyền gì, rủi ro gì, lợi ích gì. Nếu phụ huynh chỉ nhận thông báo dài khó đọc sau khi trường đã quyết, sự đồng thuận đó không sâu.

Nhà nghiên cứu nói: “Cần bằng chứng tốt hơn.” Đúng, nhưng bằng chứng tốt phải đi vào vòng quyết định, không chỉ xuất hiện trong bài báo. Khung này cần nhà nghiên cứu giúp thiết kế đo lường vừa đủ, đọc kết quả trung thực, và không đòi điều kiện lý tưởng đến mức trường bỏ qua nghiên cứu.

18. Khung công bằng cũng có thể bị chiếm dụng

Một chương trung thực phải thừa nhận: mọi khung tốt đều có thể bị biến thành nghi thức. Một trường có thể điền checklist, tick privacy, tick accessibility, tick evidence, tick TCO, rồi vẫn mua vì lãnh đạo đã chọn. Một vendor có thể chuẩn bị câu trả lời mẫu. Một hội đồng có thể duyệt theo hình thức. Một tài liệu equity có thể nói đúng từ khóa nhưng không đổi người chịu rủi ro. Một khung quyết định công bằng nếu không có quyền lực thật sẽ thành giấy phép đạo đức.

Vì vậy, khung cần ba điều để không bị rỗng. Thứ nhất là bằng chứng kiểm chứng được: không chỉ statement, mà có dữ liệu, demo trên thiết bị thật, pilot, hợp đồng, SLA, DPA, export test, accessibility test. Thứ hai là người có quyền nói không: privacy, security, giáo viên, đại diện học sinh/phụ huynh hoặc hội đồng học thuật phải có quyền dừng hoặc yêu cầu sửa trong một số trường hợp. Thứ ba là hậu kiểm: sau khi triển khai, tổ chức phải quay lại xem lời hứa có đúng không.

Khung cũng phải được bảo vệ khỏi việc trở thành vũ khí chống công cụ nhỏ địa phương. Nếu một giáo viên tạo một tài liệu offline, một nhóm trường dùng phần mềm mã nguồn mở nhẹ, một cộng đồng xây kho OER địa phương, đừng bắt họ đi qua cùng cánh cửa với một tập đoàn AI thu dữ liệu hàng triệu học sinh. Công bằng là proportionality: thủ tục tỷ lệ với rủi ro, không tỷ lệ với độ mới.

Một khung bị chiếm dụng vẫn tốt hơn không có khung nếu nó để lại dấu vết câu hỏi. Nhưng mục tiêu không phải giấy tờ đẹp. Mục tiêu là quyết định có trách nhiệm hơn. Nếu khung không làm được điều đó, phải sửa khung, không phải thờ khung.

19. Một ví dụ đọc bằng khung

Giả sử một trường muốn mua AI writing tutor cho học sinh trung học. Demo rất tốt: AI góp ý cấu trúc, gợi ý lập luận, sửa lỗi ngữ pháp, cho học sinh luyện nhiều hơn. Khung quyết định sẽ bắt đầu hỏi vấn đề: học sinh viết yếu ở đâu? Thiếu ý, thiếu cấu trúc, thiếu ngôn ngữ, thiếu phản hồi, hay quá ít cơ hội viết? Nếu vấn đề là giáo viên không có thời gian phản hồi bản nháp, AI có thể chạm đúng nguyên nhân một phần. Nếu vấn đề là học sinh không đọc đủ và không có vốn ý, AI sửa câu chưa đủ.

Tiếp theo là cơ chế: AI sẽ giúp học sinh viết bằng cách nào? Gợi ý hay viết hộ? Feedback có làm học sinh nghĩ sâu hơn hay chỉ làm bài trơn hơn? Giáo viên dùng dữ liệu AI thế nào? Học sinh có được dạy cách dùng không? Có giới hạn để tránh phụ thuộc không? Bằng chứng nào cho thấy writing tutor cải thiện writing transfer, không chỉ cải thiện bài trong app?

Rồi đến công bằng: học sinh tiếng mẹ đẻ khác có được hỗ trợ tốt không? AI có thiên vị giọng văn chuẩn tầng lớp trung lưu không? Học sinh khuyết tật được hỗ trợ accessibility không? Người không có thiết bị ở nhà dùng thế nào? Dữ liệu bài viết có nhạy cảm không? AI có lưu những câu chuyện cá nhân của học sinh không? Phụ huynh có biết không?

Đến TCO: license, AI usage, training, kiểm tra chất lượng, privacy review, tích hợp LMS, support, policy về đạo văn, thời gian giáo viên đọc feedback, quy trình khi AI sai. Đến governance: AI có được chấm điểm không hay chỉ feedback? Giáo viên có override không? Học sinh có quyền khiếu nại không? Có log phiên bản model không? Có tiêu chí dừng nếu plagiarism tăng, writing confidence giảm, hoặc workload giáo viên tăng không?

Sau khi đi qua khung, quyết định có thể là: thử nhỏ trong hai lớp, chỉ dùng cho feedback bản nháp, không dùng để chấm điểm, không lưu dữ liệu ngoài hợp đồng, có bài học AI literacy, có baseline writing sample, có nhóm so sánh, đo workload, đo chất lượng viết sau sáu tuần, phỏng vấn học sinh yếu và học sinh giỏi, rồi quyết định tiếp. Đây không phải chống AI. Đây là cách cho AI cơ hội chứng minh giá trị mà không để học sinh trả giá cho sự vội vàng của người lớn.

20. Lập trường của chương này

Chương này không hứa một khung ra quyết định sẽ làm giáo dục hết sai. Giáo dục là hệ thống sống; quyết định nào cũng có bất định. Một công cụ có vẻ hợp lý có thể thất bại. Một công cụ nhỏ có thể tạo tác động bất ngờ. Một bằng chứng mạnh có thể không chuyển sang bối cảnh mới. Một rủi ro bị đánh giá thấp có thể xuất hiện. Khung quyết định không xóa bất định. Nó làm bất định được nhìn thấy và quản trị tốt hơn.

Khung công bằng cũng không phải cách để mọi bên đồng ý. Ngược lại, nó làm mâu thuẫn hiện rõ hơn: vendor muốn scale, giáo viên muốn giảm tải thật, phụ huynh muốn cơ hội và an toàn, học sinh muốn hỗ trợ mà không bị kiểm soát, lãnh đạo muốn hiệu quả, tài chính muốn dự báo, IT muốn an toàn, nhà nghiên cứu muốn bằng chứng. Mâu thuẫn không phải lỗi của khung. Nó là thực tế của giáo dục. Khung tốt giúp mâu thuẫn được đặt lên bàn trước khi thành hậu quả.

Nếu phải giữ một câu hỏi cuối cùng cho mọi quyết định EdTech, câu hỏi ấy là: công nghệ này có làm tổ chức giáo dục công bằng hơn, hiểu mình hơn và có năng lực hơn không? Nếu chỉ làm tổ chức phụ thuộc hơn, bận hơn, thu nhiều dữ liệu hơn, khoe đổi mới tốt hơn nhưng không học tốt hơn, thì nó không đáng. Nếu nó giúp người học được hỗ trợ hơn, giáo viên được mạnh hơn, hệ thống biết dừng và sửa hơn, dữ liệu được quản trị tốt hơn, và quyền rời đi còn nguyên, thì công nghệ có chỗ đứng.

Một nền giáo dục trưởng thành không hỏi “có nên dùng EdTech không?” như một câu hỏi tín ngưỡng. Nó hỏi: vấn đề nào, công nghệ nào, cho ai, trong điều kiện nào, với rủi ro nào, bằng chứng nào, chi phí nào, quyền nào, và năng lực nào còn lại sau cùng. Đó là cách đưa EdTech ra khỏi sân khấu của lời hứa và đặt nó vào nơi duy nhất nó phải phục vụ: đời sống học tập thật.

Ghi chú nguồn cho chương

[^unesco-gem]: UNESCO Global Education Monitoring Report Team, Technology in education: A tool on whose terms? (2023) và bài Four questions to ask before choosing technology in education. UNESCO đề xuất quyết định công nghệ giáo dục nên ưu tiên nhu cầu người học và được đánh giá theo bốn câu hỏi: appropriate, equitable, scalable và sustainable; báo cáo cũng nhấn mạnh công nghệ phải đặt learners and teachers ở trung tâm, align với learning objectives, fit context, không để người học bị bỏ lại, tính TCO/implementation, minh bạch hợp đồng, interoperability và bền vững môi trường. Nguồn: https://www.unesco.org/gem-report/en/publication/technology-education , https://gem-report-2023.unesco.org/recommendations/ và https://www.unesco.org/gem-report/en/articles/four-questions-ask-choosing-technology-education

[^worldbank-digital]: World Bank Group, Digital Technologies in Education (trang chủ đề, cập nhật 2025). World Bank đề xuất năm nguyên tắc cho EdTech: Ask why, Design for scale, Empower teachers, Engage the ecosystem và Data driven; đồng thời nhấn mạnh EdTech không phải silver bullet, cần teacher capacity, curriculum-linked resources, assessment, devices, connectivity, readiness, transparent standards và interoperable data architecture để tránh data silos và vendor lock-in. Nguồn: https://www.worldbank.org/ext/en/topic/education/digital-technologies-in-education

[^edtechhub-evidence]: EdTech Hub, How EdTech Can Be Used to Help Address the Global Learning Crisis và trang Evidence in EdTech. EdTech Hub đề xuất các câu hỏi về sustained impact on learning outcomes, hiệu quả với marginalized children và equity, khả năng cost-effective scale, hiệu quả trong implementation context cụ thể, và alignment với system/government priorities. Nguồn: https://edtechhub.org/evidence/edtech-global-learning-crisis/ và https://edtechhub.org/evidence/

[^eef-implementation]: Education Endowment Foundation, A School’s Guide to Implementation (Third Edition, 2024). EEF nhấn mạnh implementation không chỉ là ý tưởng, mà là cách ý tưởng biểu hiện trong công việc hằng ngày; cần chú ý behaviors, contextual factors và structured process qua các giai đoạn explore, prepare, deliver và sustain. Nguồn: https://educationendowmentfoundation.org.uk/education-evidence/guidance-reports/implementation

[^used-evidence]: U.S. Department of Education, Using Evidence to Strengthen Education Investments (Revised Non-Regulatory Guidance, September 28, 2023). Hướng dẫn nêu quy trình dùng evidence trong cải thiện giáo dục: identify local needs, select relevant evidence-based interventions/components, plan for implementation, implement, examine and reflect; đồng thời phân tầng evidence theo mức độ mạnh của bằng chứng. Nguồn: https://eed.communities.ed.gov/resources/revised-non-regulatory-guidance-using-evidence-strengthen-education-investments và PDF: https://www.ed.gov/media/document/non-regulatory-guidance-using-evidence-strengthen-education-investments-2023-46305.pdf

[^unicef-ai]: UNICEF Innocenti, Guidance on AI and children / Policy guidance on AI for children. UNICEF đề xuất các yêu cầu cho child-centred AI, bao gồm regulatory oversight, safety, data/privacy protection, non-discrimination and fairness, transparency/explainability/accountability, respecting child rights, inclusion, well-being và enabling environments. Nguồn: https://www.unicef.org/innocenti/reports/policy-guidance-ai-children và phiên bản chính sách liên quan: https://www-self.unicef.org/globalinsight/reports/policy-guidance-ai-children

[^nist-rmf]: National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0) (2023) và AI RMF FAQs. NIST AI RMF giúp tổ chức quản lý rủi ro AI và thúc đẩy trustworthy/responsible AI; các đặc tính trustworthiness gồm valid and reliable, safe, secure and resilient, accountable and transparent, explainable and interpretable, privacy-enhanced và fair with harmful bias managed. Nguồn: https://www.nist.gov/itl/ai-risk-management-framework và bản công bố: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10

[^oecd-ai]: OECD, AI Principles (adopted 2019, updated 2024). OECD AI Principles nhấn mạnh trustworthy AI theo hướng human-centred, gồm inclusive growth, sustainable development and well-being; human rights and democratic values including fairness and privacy; transparency and explainability; robustness, security and safety; accountability. Nguồn: https://www.oecd.org/en/topics/ai-principles.html và https://oecd.ai/en/ai-principles

[^cosn-tco]: CoSN, Total Cost of Ownership (TCO) in Education (updated April 2026). CoSN định nghĩa TCO là chi phí toàn vòng đời của công nghệ, không chỉ purchase price; bao gồm hardware/software, infrastructure, support/maintenance, training và indirect labor như troubleshooting hoặc managing disruptions. Nguồn: https://www.cosn.org/tco/

[^edtechhub-cost]: EdTech Hub, How Can Decision-Makers Assess EdTech Interventions for Cost-Effectiveness to Enable Better Investments? Learning Brief. Brief khuyến nghị so sánh gains của chương trình có/không có tech, tính total cost of implementation bằng cả obvious và non-obvious costs trong lifespan, và yêu cầu provider cung cấp dữ liệu chi phí/kết quả minh bạch, context-specific. Nguồn: https://edtechhub.org/evidence/learning-brief-series/assessing-cost-effectiveness-for-investments-edtech/