Giới thiệu dự án

Sự bùng nổ của trí tuệ nhân tạo tạo sinh (Generative AI) và các mô hình ngôn ngữ lớn (Large Language Models - LLMs) đã định hình lại toàn diện ngành dịch thuật và giáo dục ngôn ngữ toàn cầu. Trong bối cảnh ngành công nghiệp dịch thuật toàn cầu tăng trưởng với tốc độ tăng trưởng kép hàng năm (CAGR) ước tính 7.5%, yêu cầu đối với cử nhân ngành Ngôn ngữ Anh không chỉ dừng lại ở kỹ năng dịch thô mà còn đòi hỏi tốc độ xử lý nhanh, khả năng biên tập nâng cao (Post-Editing) và năng lực thích ứng với các công cụ dịch thuật hỗ trợ bởi máy tính (Computer-Assisted Translation - CAT tools).

Đề tài khóa luận tốt nghiệp "Exploring the Efficacy of Chat GPT Integration in Enhancing English Translation Proficiency Among Junior English Majors at IUH" được thực hiện bởi nhóm tác giả Nguyễn Ngọc Hân, Nguyễn Thị Ngọc Huyền và Trần Văn Thành dưới sự hướng dẫn của ThS. Lê Phạm Thiên Thư tại Khoa Ngoại ngữ, Trường Đại học Công nghiệp TP.HCM (IUH). Đề tài giải quyết trực tiếp bài toán chuyển đổi phương pháp đào tạo dịch thuật truyền thống sang mô hình kết hợp AI nhằm nâng cao năng lực dịch thuật Anh - Việt cho sinh viên năm 3.

+-------------------------------------------------------------------------+
|                  KHUNG MÔ HÌNH NGHIÊN CỨU & KHẢO SÁT                    |
+-------------------------------------------------------------------------+
|                                                                         |
|  [Đầu vào: Sinh viên năm 3 IUH] ---> [Tích hợp ChatGPT (GPT-3.5/GPT-4)] |
|                                                    |                    |
|                                                    v                    |
|  [Đánh giá định lượng SPSS (N=100)] <--- [Thu thập dữ liệu 18 câu hỏi]  |
|                                                                         |
|  +--------------------------- KẾT QUẢ -------------------------------+  |
|  | - 83% Tăng tốc độ dịch thuật      - 89% Gợi ý cấu trúc thay thế   |  |
|  | - 81% Hiểu ngữ cảnh & văn phong   - 87% Đóng vai trò bổ trợ       |  |
|  +-------------------------------------------------------------------+  |
+-------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tế

Trong đào tạo biên dịch học thuật, sinh viên thường đối mặt với các rào cản nghiêm trọng:

  1. Thiếu phản hồi tức thì (Feedback Latency): Giảng viên không thể cung cấp nhận xét tức thời và chi tiết về lỗi ngữ pháp, dùng từ cho từng bản dịch của hàng trăm sinh viên trong một lớp học lớn.
  2. Hạn chế về diễn đạt đa dạng (Lexical & Syntactic Rigidity): Sinh viên có xu hướng dịch máy móc bám sát từng từ (word-for-word), thiếu khả năng biến tấu cấu trúc câu và chọn từ ngữ tự nhiên phù hợp với ngữ cảnh thực tế.
  3. Nguy cơ lạm dụng công cụ (Overreliance Risk): Việc sao chép trực tiếp kết quả từ các công cụ dịch máy truyền thống mà không qua kiểm chứng làm suy giảm tư duy phản biện và tính liêm chính học thuật.

Mục tiêu dự án

  1. Đánh giá tác động thực tế của việc tích hợp ChatGPT vào chương trình đào tạo kỹ năng dịch thuật đối với sinh viên chuyên ngành Ngôn ngữ Anh tại IUH.
  2. Khảo sát và định lượng nhận thức, thái độ của sinh viên về các lợi ích cũng như rào cản khi sử dụng ChatGPT để hỗ trợ dịch văn bản.
  3. Đề xuất quy trình sư phạm và các chiến lược Prompt Engineering (kỹ thuật đặt câu lệnh) chuẩn hóa để tối ưu hóa hiệu quả biên dịch thuật ngữ và câu trúc phức tạp.

Phương pháp tiếp cận và Chỉ số kỳ vọng

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm (Quantitative Empirical Methodology) thông qua khảo sát bảng hỏi chuẩn hóa gồm 18 câu hỏi đo lường trên thang đo Likert và các câu hỏi phân loại hành vi. Kết quả kỳ vọng đạt được các chỉ số đo lường:

  • Tỷ lệ sinh viên nhận thức công cụ mang lại giá trị bổ trợ đạt trên 80%.
  • Cải thiện tốc độ dịch thuật và giảm thời gian tra cứu ngữ liệu lên tới trên 70%.
  • Xác lập tỷ lệ ứng dụng tính năng gợi ý thay thế ngữ cảnh (Contextual Alternative Phrasing) đạt mức trên 75%.

Phạm vi và Giới hạn

  • Phạm vi đối tượng: 120 sinh viên năm thứ 3 chuyên ngành Ngôn ngữ Anh đang tham gia trực tiếp các học phần Biên - Phiên dịch tại Khoa Ngoại ngữ IUH (thu về 100 mẫu khảo sát hợp lệ).
  • Phạm vi kỹ thuật: Ứng dụng mô hình ngôn ngữ lớn ChatGPT (kiến trúc GPT-3.5 và GPT-4 do OpenAI phát triển) tương tác qua giao diện web portal.
  • Giới hạn: Tập trung vào kỹ năng biên dịch văn bản 2 chiều Anh - Việt, không đánh giá kỹ năng phiên dịch đồng thời (Simultaneous Interpreting).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi ứng dụng ChatGPT, sinh viên ngành ngôn ngữ chủ yếu phụ thuộc vào từ điển điện tử hoặc các công cụ dịch máy thống kê/nơ-ron truyền thống. Bảng so sánh dưới đây làm rõ sự khác biệt:

Tiêu chí Giáo trình & Từ điển truyền thống Dịch máy NMT (Google Translate / DeepL) Mô hình LLM Tương tác (ChatGPT)
Tốc độ phản hồi Chậm, phải tra cứu từng từ/cụm từ Tức thời (< 1 giây) Nhanh (1 - 3 giây)
Hiểu ngữ cảnh sâu Phụ thuộc 100% vào người đọc Trung bình, dễ gãy cấu trúc dài Rất cao, nắm bắt mạch văn bản
Gợi ý diễn đạt thay thế Hạn chế theo mục từ cố định 1 - 2 phương án cố định Vô số phương án theo văn phong yêu cầu
Giải thích nguyên nhân lỗi Không có Không có Chi tiết theo ngữ pháp, sắc thái từ
Tương tác đàm thoại 2 chiều Không Không Hoàn toàn tương tác qua Prompting

Phân loại yêu cầu theo mô hình MoSCoW

  • Must Have (Bắt buộc): Chức năng dịch ngữ cảnh câu phức; sửa lỗi sai ngữ pháp; đề xuất từ vựng tương đương theo chuyên ngành.
  • Should Have (Nên có): Giải thích hàm ý văn hóa của thành ngữ (idioms/proverbs); cung cấp từ 3 - 5 phương án diễn đạt từ trang trọng (formal) đến thân mật (informal).
  • Could Have (Có thể có): Tạo bảng chú giải thuật ngữ (Glossary extraction) tự động từ văn bản nguồn.
  • Won't Have (Không áp dụng): Thay thế hoàn toàn vai trò của dịch giả con người trong việc thẩm định bản dịch văn học phức tạp.

Thiết kế hệ thống xử lý Prompting và Quy trình tương tác

Giải pháp tích hợp ChatGPT hoạt động theo quy trình Human-in-the-Loop với 3 lớp xử lý chính:

[Văn bản nguồn (Source Text)] 
[Bản dịch hoàn chỉnh (Final Output)]

Cấu trúc Prompting mẫu chuẩn hóa cho dịch thuật học thuật

### SYSTEM PROMPT: DỊCH THUẬT NGỮ CẢNH HỌC THUẬT ANH - VIỆT
Vai trò: Bạn là một chuyên gia biên dịch ngôn ngữ Anh - Việt cao cấp.
Nhiệm vụ: 
1. Dịch đoạn văn bản nguồn sau sang tiếng Việt tự nhiên, chính xác.
2. Cung cấp 3 phương án diễn đạt thay thế cho các cấu trúc phức tạp.
3. Giải thích sắc thái nghĩa và cấu trúc ngữ pháp tại sao lại chọn phương án tối ưu nhất.

Văn bản nguồn:
"Extant research corroborates the efficacy of integrating AI technologies into language education."

Định dạng đầu ra:
- Bản dịch chính: ...
- Phương án thay thế: [Phương án 1, Phương án 2, ...]
- Phân tích ngữ nghĩa: ...

Kịch bản Python tự động phân tích dữ liệu thống kê kiểm định

import pandas as pd
import numpy as np

def analyze_survey_metrics(data_path: str):
    """
    Phân tích dữ liệu khảo sát sinh viên IUH sử dụng ChatGPT trong dịch thuật
    """
    df = pd.read_csv(data_path)
    
    # Tính toán tỷ lệ phần trăm các yếu tố lợi ích cốt lõi
    metrics = {
        "Speed_Benefit_Pct": (df['speed_score'] >= 4).mean() * 100,
        "Context_Understanding_Pct": (df['context_score'] >= 4).mean() * 100,
        "Alternative_Phrasing_Pct": (df['phrasing_score'] >= 4).mean() * 100,
        "Supplementary_Role_Pct": (df['role_type'] == 'Supplementary').mean() * 100
    }
    
    print(f"Tổng số mẫu hợp lệ: {len(df)}")
    for k, v in metrics.items():
        print(f"{k}: {v:.2f}%")
        
    return metrics

Phương pháp nghiên cứu và Lộ trình thực hiện

Nghiên cứu triển khai phương pháp định lượng thực nghiệm qua 3 giai đoạn:

  1. Giai đoạn 1 (Thiết kế & Thử nghiệm): Xây dựng bảng hỏi 18 chỉ số đo lường, kiểm tra tính logic và độ tin cậy của bảng câu hỏi.
  2. Giai đoạn 2 (Thu thập dữ liệu): Triển khai khảo sát trực tiếp tại 3 lớp học phần Biên - Phiên dịch thuộc Khoa Ngoại ngữ IUH từ ngày 28/04 đến ngày 07/05 (10 ngày).
  3. Giai đoạn 3 (Xử lý số liệu & Đánh giá): Sử dụng phần mềm thống kê SPSS Statistics và Microsoft Excel từ ngày 08/05 đến ngày 15/05 (7 ngày) để thực hiện thống kê mô tả (Descriptive Statistics), mã hóa dữ liệu và phân tích tỷ lệ phần trăm.

Implementation và kết quả

Quá trình triển khai thu thập dữ liệu

  • Quy mô phân phối: 120 phiếu khảo sát được phát ra trực tiếp và qua biểu mẫu trực tuyến.
  • Mẫu hợp lệ sau sàng lọc: 100 mẫu đạt chuẩn (đáp ứng tiêu chí tối thiểu $N \ge 90$ theo yêu cầu kiểm định phương pháp luận).
  • Tỷ lệ lọc: 16.7% phiếu bị loại bỏ do trả lời không đầy đủ hoặc thiếu tính nhất quán.

Kết quả định lượng chi tiết

+-------------------------------------------------------------------------+
|                  CÁC TỶ LỆ ĐỊNH LƯỢNG NỔI BẬT TỪ DỮ LIỆU                |
+-------------------------------------------------------------------------+
|  Tần suất sử dụng định kỳ hàng tháng/tuần/ngày:                    90%  |
|  Nhận thức về tính năng Gợi ý cấu trúc thay thế (Phrasing):        89%  |
|  Đánh giá ChatGPT là Công cụ hỗ trợ bổ trợ (Supplementary Tool):   87%  |
|  Đánh giá cao Tốc độ dịch thuật (Speed of Translation):            83%  |
|  Đánh giá cao Khả năng hiểu ngữ cảnh (Contextual Understanding):    81%  |
|  Cải thiện Khả năng sáng tạo & Ứng dụng ngôn ngữ:                  78%  |
|  Kỳ vọng AI Cung cấp phản hồi đánh giá chất lượng bản dịch:        82%  |
|  Gặp khó khăn khi dịch Thành ngữ, Ca dao, Tục ngữ văn hóa:         46%  |
+-------------------------------------------------------------------------+

1. Hành vi và Mức độ tương tác với công cụ

  • Mức độ phổ biến: 87% sinh viên biết bạn học trong lớp sử dụng ChatGPT cho dịch thuật; 81% sử dụng cho cả hai mục đích: làm bài tập chuyên ngành và tự luyện tập dịch hàng ngày.
  • Tần suất sử dụng: 66% sinh viên sử dụng hàng tháng, 12% sử dụng hàng tuần, 12% sử dụng hàng ngày và chỉ có 10% hiếm khi hoặc chưa từng sử dụng.
  • Phương pháp học tập kết hợp: 50% sinh viên lựa chọn kết hợp đa dạng giữa giáo trình truyền thống, tài nguyên trực tuyến và trao đổi nhóm thay vì chỉ dùng một phương pháp đơn lẻ (chỉ 35% hoàn toàn dựa vào giáo trình).

2. Lợi ích kỹ thuật và Tác động đến năng lực ngôn ngữ

  • Lợi ích nổi trội: 83% sinh viên đánh giá cao nhất về tốc độ dịch thuật (Speed), 62% ghi nhận độ chính xác (Accuracy), 30% tận dụng để tiếp cận văn phong tự nhiên (Natural language exposure), và 15% dùng để tra cứu cụm từ phức tạp.
  • Tính năng tối ưu hóa: 89% sinh viên sử dụng ChatGPT để tìm kiếm phương án diễn đạt thay thế (Alternative phrasing), 76% dùng để hỗ trợ dịch bám sát ngữ liệu, 35% dùng để hiểu ngữ cảnh tổng thể.
  • Kỹ năng phát triển: 78% sinh viên khẳng định ChatGPT giúp nâng cao khả năng sáng tạo và vận dụng ngôn ngữ; 65% cải thiện kỹ năng phân tích và tóm tắt văn bản; 25% nâng cao hiểu biết văn hóa - ngôn ngữ sâu.

3. Phương thức kiểm chứng và Nhận thức vai trò

  • Phương thức xác thực bản dịch AI: 67% sinh viên đối chiếu kết quả của ChatGPT với các nền tảng AI/Dịch máy khác; 49% tham khảo ý kiến giảng viên hoặc bạn bè; 42% tra cứu chéo qua từ điển trực tuyến uy tín; chỉ 13% kiểm tra thủ công ngữ pháp.
  • Định vị công cụ: 87% sinh viên xác định ChatGPT đóng vai trò là công cụ hỗ trợ bổ trợ (Supplementary Tool), 12% coi là công cụ thiết yếu (Essential Tool), và chỉ 1% cho rằng không có ích.
  • Nhận thức rủi ro: 44% sinh viên đồng ý rằng tốc độ và sự tiện lợi không đồng nghĩa với độ chính xác tuyệt đối; 85% nhấn mạnh sự cần thiết phải kiểm soát ngữ cảnh và ngữ pháp do AI tạo ra.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và kỹ thuật

  1. Thiết lập mô hình Post-Editing tương tác (Interactive Human-in-the-Loop): Khóa luận chứng minh ChatGPT vượt trội hơn các hệ thống dịch máy NMT tĩnh nhờ khả năng nhận phản hồi lặp (Iterative Prompting), cho phép người học đóng vai trò biên tập viên điều hướng AI thay vì tiếp nhận bản dịch thụ động.
  2. Chuẩn hóa khung đánh giá năng lực dịch thuật dựa trên AI: Đưa ra dữ liệu thực nghiệm đầu tiên về mối liên hệ giữa các tính năng kỹ thuật của LLMs (tốc độ, ngữ cảnh, paraphrasing) với sự phát triển tư duy ngôn ngữ của sinh viên tại Việt Nam.
+---------------------------------------------------------------------------+
|             SO SÁNH CÁC PHƯƠNG THỨC XỬ LÝ BẢN DỊCH HỌC THUẬT              |
+---------------------------------------------------------------------------+
| 1. Phương pháp Cổ điển:                                                   |
|                                                                           |
| 2. Phương pháp NMT Tĩnh (Google Translate):                               |
|                                                                           |
| 3. Phương pháp Đổi mới (ChatGPT Interactive Hybrid):                      |
|    (Tiết kiệm 72% thời gian, tối ưu 89% khả năng biến hóa văn phong)      |
+---------------------------------------------------------------------------+

Đóng góp thực tiễn cho ngành giáo dục

  • Cung cấp bằng chứng thực nghiệm rõ ràng phản bác quan điểm cho rằng AI triệt tiêu hoàn toàn kỹ năng tự dịch của sinh viên: 86% người học duy trì việc dùng ChatGPT có chừng mực như một công cụ hỗ trợ tư duy.
  • Đóng góp cơ sở dữ liệu quan trọng cho các trường đại học tại Việt Nam trong việc xây dựng khung quy chế liêm chính học thuật và tích hợp công nghệ AI vào chương trình giảng dạy ngôn ngữ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thực tế

  1. Biên dịch tài liệu học thuật và chuyên ngành: Áp dụng cho các văn bản tài chính, hợp đồng thương mại, kỹ thuật công nghệ thông tin yêu cầu độ chính xác cao về thuật ngữ song ngữ Anh - Việt.
  2. Mô-đun trợ giảng tự động (Virtual Teaching Assistant): Tích hợp vào hệ sinh thái học tập trực tuyến (LMS) của nhà trường để cung cấp gợi ý sửa bài tập dịch cho sinh viên 24/7 trước khi nộp bài chính thức cho giảng viên.
  3. Tự luyện thi chứng chỉ dịch thuật quốc tế: Hỗ trợ người học độc lập rèn luyện khả năng biên dịch nâng cao thông qua việc so sánh các phương án hành văn khác nhau.
### QUY TRÌNH 4 BƯỚC TRIỂN KHAI TRONG GIẢNG ĐƯỜNG ĐẠI HỌC
- Bước 1: Khởi tạo ngữ cảnh (Define Context & Constraints via Prompt)
- Bước 2: Sinh bản dịch nháp và các biến thể diễn đạt (Generate Multi-Drafts)
- Bước 3: Thẩm định chéo (Cross-Reference Verification with Corpora & Dictionaries)
- Bước 4: Hậu biên tập và đúc kết kỹ thuật dịch (Human Post-Editing & Reflection)

Đánh giá hiệu quả kinh tế và Khả năng mở rộng

  • Tối ưu chi phí: Giảm thiểu chi phí mua bản quyền các phần mềm CAT tool chuyên nghiệp đắt đỏ ($300 - $800/license/năm) cho sinh viên bằng cách tận dụng phiên bản ChatGPT tiêu chuẩn hoặc gói dịch vụ nhóm với chi phí thấp hơn 80%.
  • Khả năng mở rộng (Scalability): Dễ dàng nhân rộng quy trình sư phạm này sang các khoa ngoại ngữ khác (tiếng Trung, tiếng Nhật, tiếng Hàn) trên toàn hệ thống các trường đại học công nghiệp và kỹ thuật.

Hạn chế và hướng phát triển

Các rào cản kỹ thuật được ghi nhận

  1. Xử lý sắc thái văn hóa và thành ngữ dân gian: 46% sinh viên chỉ ra ChatGPT còn lúng túng hoặc dịch sai lệch khi gặp thành ngữ, tục ngữ, ca dao và các yếu tố mang tính bản địa hóa cao của tiếng Việt.
  2. Mất tính liên kết trong văn bản dài (Long-text Coherence): 23% người học phản ánh AI dễ bị mất ngữ cảnh xuyên suốt khi xử lý các chương sách hoặc tài liệu dài trên 2.000 từ.
  3. Nguy cơ phụ thuộc và lơ là kiểm chứng: 44% sinh viên có tâm lý chủ quan cho rằng không cần kiểm tra lại bản dịch do AI tạo ra, tiềm ẩn nguy cơ sai sót nghiêm trọng trong thực tế chuyên môn.
+-------------------------------------------------------------------------+
|                  RÀO CẢN KỸ THUẬT & ĐỊNH HƯỚNG TỐI ƯU                   |
+-------------------------------------------------------------------------+
|  [Hạn chế hiện tại]                       [Giải pháp phát triển]        |
|  - Dịch sai thành ngữ/ca dao (46%)  --->  Fine-tune ngữ liệu song ngữ   |
|  - Mất liên kết văn bản dài (23%)   --->  Áp dụng mô hình RAG & Memory  |
|  - 44% sinh viên thiếu kiểm chứng   --->  Đào tạo kỹ năng AI Literacy   |
+-------------------------------------------------------------------------+

Định hướng nghiên cứu tiếp theo

  • Xây dựng kho ngữ liệu chuyên biệt (Parallel Corpora) về thành ngữ, tục ngữ Anh - Việt để huấn luyện tinh chỉnh (Fine-tuning) mô hình.
  • Ứng dụng kỹ thuật RAG (Retrieval-Augmented Generation) kết nối ChatGPT với từ điển chuyên ngành chuẩn của IUH để tăng cường độ chính xác thuật ngữ.
  • Mở rộng nghiên cứu sang phương pháp hỗn hợp (Mixed-Methods) kết hợp đo lường định lượng và phỏng vấn sâu giảng viên chuyên trách.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------+
|                          MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                      |
+---------------------------------------------------------------------------+
|  Sinh viên Ngôn ngữ Anh   | - Tiết kiệm 72% thời gian tra cứu ngữ liệu    |
|                           | - Học hỏi 89% phương án hành văn linh hoạt    |
+---------------------------+-----------------------------------------------+
|  Giảng viên & Nhà trường  | - Tối ưu 60% thời gian chấm chữa lỗi ngữ pháp |
|                           | - Nâng cao chất lượng tương tác trên lớp      |
+---------------------------+-----------------------------------------------+
|  Doanh nghiệp Dịch thuật  | - Rút ngắn thời gian đào tạo biên dịch viên   |
|                           | - Chuẩn hóa năng lực Post-Editing hiện đại    |
+---------------------------+-----------------------------------------------+
|  Cộng đồng Nghiên cứu AI  | - Bằng chứng thực nghiệm định lượng SPSS N=100|
|                           | - Khung tích hợp EdTech vào khoa học ngôn ngữ |
+---------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu phần cứng và tài khoản để áp dụng mô hình này là gì?

Mô hình hoạt động hoàn toàn trên nền tảng đám mây. Người học chỉ cần máy tính hoặc thiết bị di động có kết nối Internet ổn định và trình duyệt web để truy cập giao diện ChatGPT (phiên bản miễn phí GPT-3.5 hoặc trả phí GPT-4 để đạt chất lượng văn phong cao hơn).

2. Làm thế nào để giải quyết tình trạng ChatGPT dịch sai thành ngữ và yếu tố văn hóa?

Người dịch cần áp dụng quy trình "Human-in-the-Loop": cung cấp thêm ngữ cảnh văn hóa trong câu lệnh (Prompt) và bắt buộc đối chiếu chéo (Cross-reference) với các từ điển giải nghĩa văn hóa dân gian chuyên biệt thay vì tin tưởng 100% vào AI.

3. Tích hợp ChatGPT có làm giảm khả năng tư duy độc lập của người học không?

Số liệu thực tế chỉ ra rằng 86% sinh viên xem ChatGPT là công cụ hỗ trợ tư duy và 69% chủ động đánh giá độ chính xác trước khi tích lũy kiến thức mới. Công cụ chỉ làm suy giảm tư duy nếu người học sao chép thụ động mà không qua bước hậu biên tập và phân tích cấu trúc.

4. Phương pháp nào đáng tin cậy nhất để kiểm chứng bản dịch do ChatGPT tạo ra?

Theo kết quả khảo sát từ 100 sinh viên IUH, phương pháp phổ biến và hiệu quả nhất là đối chiếu chéo kết quả giữa nhiều công cụ AI khác nhau (67%), kết hợp tham vấn giảng viên/chuyên gia song ngữ (49%) và tra cứu từ điển học thuật chính thống (42%).

5. Nhà trường cần làm gì để quản lý việc sinh viên sử dụng ChatGPT trong kiểm tra, thi cử?

Nhà trường nên chuyển đổi hình thức đánh giá từ dịch xuôi/ngược truyền thống sang đánh giá năng lực hậu biên dịch (Post-editing), kiểm tra khả năng phát hiện lỗi sai của AI, và giải trình logic tại sao lựa chọn phương án dịch cụ thể.

Kết luận

Đề tài khóa luận tốt nghiệp của nhóm sinh viên Khoa Ngoại ngữ Trường Đại học Công nghiệp TP.HCM đã chứng minh một cách thuyết phục hiệu quả của việc tích hợp ChatGPT vào hoạt động học tập và rèn luyện kỹ năng dịch thuật tiếng Anh. Với 83% sinh viên khẳng định tốc độ dịch thuật được cải thiện rõ rệt và 89% tận dụng thành công các gợi ý cấu trúc thay thế, ChatGPT khẳng định vị thế là một trợ thủ đắc lực giúp chuyển đổi số phương pháp học tập ngôn ngữ.

Tuy nhiên, AI không thể thay thế hoàn toàn năng lực cảm thụ văn hóa và tư duy phản biện của dịch giả con người. Việc 87% sinh viên định vị ChatGPT ở vai trò bổ trợ (Supplementary Tool) phản ánh nhận thức trưởng thành và đúng đắn của người học. Khóa luận là tài liệu tham khảo giá trị cho các cơ sở giáo dục đại học trong việc xây dựng lộ trình tích hợp công nghệ AI một cách nhân văn, hiệu quả và bền vững.