Học cùng AI - Bài 2: Học sinh, sinh viên học với AI như thế nào?

Trong bài trước (https://1thegioi.vn/hoc-cung-ai-bai-1-ao-giac-nang-luc-252682.html) chúng tôi đã chỉ ra rằng sự tiện lợi của AI tạo nên nghịch lý hiệu suất: AI giúp đưa ra kết quả hoàn chỉnh mỹ mãn, trong khi âm thầm bào mòn kỹ năng thấu hiểu lâu dài của học sinh, sinh viên.

Vậy ứng dụng AI trong học tập như thế nào là đúng cách? Các nhà nghiên cứu khoa học đã đưa ra bốn nguyên tắc hành động cụ thể: Giao phó tác vụ thích hợp, tự trả lời trước, tư duy kiểm chứng, và kiểm điểm nhận thức qua AI.

Giao phó tác vụ thích hợp

Quy tắc đầu tiên bạn cần phải nhớ là cách phân công cho AI, chủ động giữ lại các nhiệm vụ tư duy cốt lõi và chỉ ủy thác các tác vụ lặt vặt thứ cấp cho máy tính.

Trong nghiên cứu tại trường Giáo dục và Công nghệ Công nghiệp Thái Lan nhắc đến trong bài trước, các chuyên gia đã chứng minh rằng việc sử dụng AI cho các tác vụ bậc thấp như kiểm tra lỗi chính tả hoặc định dạng văn bản, sẽ giúp giải phóng đầu óc, cho phép học sinh tư duy tốt hơn.

Lấy quá trình viết luận văn làm thí dụ: Người học phải tự mình nghiên cứu, xây dựng hệ thống luận điểm và sắp xếp chuỗi dẫn chứng thực tế. AI không được dùng để viết hộ, mà chỉ được kích hoạt ở khâu tinh chỉnh cuối cùng bằng câu lệnh cụ thể: "Đây là toàn bộ bài luận văn do tôi tự xây dựng, hãy rà soát lỗi chính tả, định dạng lại danh mục tài liệu tham khảo và gợi ý một số từ đồng nghĩa để cấu trúc câu mượt mà hơn".

Tự trả lời trước

Quy tắc tiếp theo là để tránh tình trạng lười tư duy, bạn nên tự trả lời trước khi tìm đến sự trợ giúp của AI. Đây chính là phương thức ứng dụng hiệu ứng tạo sinh (Generation Effect), mà nghiên cứu thực nghiệm “Generation and L2 Vocabulary Learning” của tác giả Duplice đã chỉ ra.

Hiệu ứng tạo sinh là một quy luật kinh điển chỉ ra rằng bộ não ghi nhớ sâu sắc hơn khi tự nỗ lực tìm kiếm câu trả lời thay vì tiếp nhận thụ động. Ma sát nhận thức xuất hiện trong khoảnh khắc tự tìm kiếm giải pháp, ngay cả khi giả thuyết ban đầu chưa hoàn toàn chính xác, chính là điều kiện cốt lõi để hình thành các nền tảng tư duy bền vững trong não bộ.

Thay vì gõ câu hỏi rồi chép lại kết quả từ AI một cách thụ động, học sinh, sinh viên cần rèn luyện thói quen tự trả lời trước, hoặc phác thảo sơ đồ tư duy cá nhân (Tại sao bạn đạt kết luận như thế?). Sau đó, người học có thể đặt lệnh: "Đây là tiến trình tôi giải bài toán này, như thế có đúng không? Hãy chỉ ra tôi đã sai sót ở bước nào cụ thể".

Tư duy kiểm chứng

Nghiên cứu “Finding Equilibrium”, Đại học luật Davis, California, đề xuất khái niệm cân bằng trí tuệ (intelligence equilibrium). Tác giả Stephanie L. Grace gọi đây là tư duy kiểm chứng (verification mindset), trong đó con người đóng vai người phán xét chứ không phải người tiếp nhận.

Nguyên tắc này đòi hỏi người học xem AI là một đối tác tranh biện, không phải một cỗ máy biết tuốt. Người dùng không nên chấp nhận ngay câu trả lời đầu tiên của AI, mà phải truy ngược logic từng bước, đòi dẫn chứng, đối chiếu với giáo trình, tài liệu hoặc nguồn gốc, và tự tay sửa lại những chỗ sai. Các mô hình ngôn ngữ lớn thường đưa ra thông tin sai một cách trôi chảy và đầy tự tin, nên mặc nhiên tin theo là không nên.

Câu lệnh thực hành cho nguyên tắc này có cấu trúc tương tự như: "Tôi thấy lập luận của bạn về nguyên nhân khủng hoảng kinh tế chưa thực sự thuyết phục, hãy trích dẫn nguồn dữ liệu, đối chiếu với các giáo trình kinh tế vĩ mô và chỉ ra những điểm còn tranh cãi trong nhận định trên".

Kiểm điểm nhận thức qua AI

Phương thức học tập bằng AI lợi hại nhất được các nhà nghiên cứu thuộc đại học Shiga, Nhật Bản, đề xuất: Hãy đảo ngược vai trò của AI từ vai trò cung cấp đáp án, thành một “học sinh” cần được giải thích. Đây là cách vận dụng hiệu ứng Protégé (Protégé Effect), khi hành động giảng giải cho người khác giúp chính người dạy am hiểu hơn về chủ đề.

Người dùng có thể khởi động quá trình học bằng câu lệnh thiết lập vai trò cụ thể: "Hãy đóng vai một người hoàn toàn chưa có kiến thức về máy tính và đang muốn học hỏi. Tôi sẽ giải thích khái niệm điện toán đám mây cho bạn, nhiệm vụ của bạn là liên tục đặt những câu hỏi nghi vấn hoặc chỉ ra những chỗ tôi dùng từ ngữ quá phức tạp để buộc tôi phải làm rõ bản chất vấn đề".

Nghiên cứu “Leveraging Generative AI to Improve Motivation and Retrieval” của Trung tâm Khoa học Y tế Đại học Oklahoma (Mỹ) đã kiểm chứng hướng tiếp cận tương tự, dùng AI tạo ra các cuộc đối thoại và bài tập truy xuất kiến thức cho sinh viên đại học. Kết quả cho thấy phương pháp này cải thiện cả động lực học tập lẫn khả năng ghi nhớ lâu dài.

Khoảng cách năng lực

Nắm được bốn nguyên tắc là vô cùng quan trọng, bởi có một khoảng cách rất lớn giữa học sinh ứng dụng AI đúng cách và học sinh sử dụng AI sai cách.

Theo báo cáo từ Đại học Công nghệ Sydney (UTS), hiệu ứng Matthew (Matthew Effect) đang hình thành trong giáo dục: người vốn đã có nền kiến thức tốt sẽ tận dụng AI để tăng tốc, còn người thiếu nền tảng lại dễ rơi vào ảo giác năng lực và tụt lại xa hơn.

Hiện tượng này đã hiện rõ trong dữ liệu từ Việt Nam. Theo nghiên cứu thực nghiệm của Đại học Công nghiệp Hà Nội trên 342 sinh viên đại học, nhóm đối tượng lạm dụng AI đã tự đánh giá thành tích bề nổi cao hơn bạn bè, nhưng năng lực thực chất lại thấp nhất nhóm. Trong một môi trường giáo dục nặng áp lực thi cử như Việt Nam, sức ép phải tìm kiếm đáp án chính xác càng nhanh càng tốt đã vô hình trung biến AI thành một giải pháp đối phó tai hại.

Suy cho cùng thì AI cũng chỉ là một công cụ, dù cho người dùng là ai đi chăng nữa. Điều làm nên khác biệt giữa một người giỏi lên nhờ AI và một người bị nó làm thui chột là phương pháp. Bạn luôn có lựa chọn mỗi khi làm việc với nó, dùng AI để có thể suy nghĩ thấu đáo hơn, hay dùng nó để không cần phải suy nghĩ.