Báo Cáo Nghiên Cứu: Thực Trạng Sử Dụng Phần Mềm ChatGPT Trong Học Tập Của Sinh Viên Phân Viện Học Viện Hành Chính Quốc Gia Khu Vực Miền Trung

Tóm tắt nghiên cứu

Nghiên cứu khoa học "Thực trạng sử dụng phần mềm công nghệ ChatGPT trong học tập của sinh viên Phân viện Học viện Hành chính Quốc gia khu vực miền Trung" do nhóm tác giả Lê Khánh Quyên (Chủ nhiệm đề tài) cùng các cộng sự thực hiện dưới sự hướng dẫn của ThS. Lê Thị Tố Nga (2024), tập trung giải quyết câu hỏi nghiên cứu cốt lõi: Sinh viên khối ngành hành chính - luật đang tiếp cận, ứng dụng ChatGPT vào học tập như thế nào, mức độ nhận thức - kỹ năng ra sao và những yếu tố nào đang chi phối hiệu quả sử dụng công cụ này?

                                  MÔ HÌNH NGHIÊN CỨU TỔNG THỂ
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │   ĐỐI TƯỢNG KHẢO SÁT: Sinh viên 5 chuyên ngành tại Phân viện miền Trung (N = 105)      │
  └───────────────────────────────────────────┬────────────────────────────────────────────┘
                                              ▼
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │   PHƯƠNG PHÁP: Khảo sát biểu mẫu trực tuyến (Likert 5 mức độ) + Thống kê mô tả SPSS    │
  └───────────────────────────────────────────┬────────────────────────────────────────────┘
                                              ▼
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │   KẾT QUẢ CỐT LÕI:                                                                     │
  │   • Tiếp cận nhanh, ứng dụng đa dạng (tra cứu, viết luận, ngoại ngữ, ý tưởng)          │
  │   • Kỹ năng kiểm chứng còn phân hóa (ĐTB = 3.19; ngành Luật cao nhất 3.62)             │
  │   • Kỹ năng thiết kế Prompt & đào tạo chính quy còn hạn chế (ĐTB = 3.02)               │
  └───────────────────────────────────────────┬────────────────────────────────────────────┘
                                              ▼
  ┌────────────────────────────────────────────────────────────────────────────────────────┐
  │   HỆ GIẢI PHÁP: Nâng cao AI Literacy, chuẩn hóa Prompting, khung liêm chính học thuật  │
  └────────────────────────────────────────────────────────────────────────────────────────┘

Nghiên cứu áp dụng thiết kế định lượng mô tả kết hợp nghiên cứu tài liệu thứ cấp, khảo sát $N = 105$ sinh viên thuộc 5 ngành đào tạo thông qua thang đo Likert 5 mức độ và xử lý dữ liệu bằng phần mềm SPSS 25.0.

Kết quả chỉ ra rằng sinh viên thích ứng rất nhanh với AI tạo sinh (Generative AI), sử dụng phổ biến để tra cứu tài liệu, giải quyết bài tập, hỗ trợ viết báo cáo tiểu luận và học ngoại ngữ. Tuy nhiên, mức độ nhận thức về bản chất công nghệ và kỹ năng kiểm chứng thông tin còn dừng ở mức trung bình khá (Điểm trung bình $\text{ĐTB} = 3.19/5.0$), trong khi tỷ lệ sinh viên được đào tạo bài bản về kỹ thuật ra lệnh (Prompt Engineering) còn rất khiêm tốn ($\text{ĐTB} = 3.02/5.0$).

Hàm ý quan trọng của nghiên cứu là đặt ra yêu cầu cấp thiết cho các cơ sở giáo dục đại học trong việc chuẩn hóa quy chế liêm chính học thuật, đồng thời tích hợp kỹ năng AI vào chương trình đào tạo nhằm tối ưu hóa năng lực tự học của người học.

Bối cảnh và tầm quan trọng

1. Tổng quan tri thức hiện tại

Sự ra đời của mô hình ngôn ngữ lớn (Large Language Models - LLMs), tiêu biểu là ChatGPT do OpenAI phát triển, đã tạo nên một bước ngoặt mang tính cách mạng trong giáo dục toàn cầu. Các công bố quốc tế tiên phong như Choi et al. (2022) về khả năng vượt qua kỳ thi luật của ChatGPT, Lucky Sibanda et al. (2015) hay Phuc Kaid Nguyen (2023) đã chứng minh tiềm năng vượt trội của AI trong việc cá nhân hóa lộ trình học tập, giải thích khái niệm phức tạp và gia tăng tương tác sư phạm. Tại Việt Nam, các học giả như N. Vượng (2023), Oanh Phạm (2023), Hana Trương (2023) đã bước đầu phân tích tác động đa chiều của ChatGPT đối với giảng dạy, nghiên cứu và quản lý giáo dục đại học.

       TIẾN TRÌNH NGHIÊN CỨU VÀ KHOẢNG TRỐNG TRI THỨC
  ┌────────────────────────────────────────────────────────┐
  │ Quốc tế: Choi et al. (2022), Sibanda (2015)            │
  │ ➔ Đánh giá năng lực giải đề, tương tác sư phạm của AI  │
  └───────────────────────────┬────────────────────────────┘
                              ▼
  ┌────────────────────────────────────────────────────────┐
  │ Trong nước: N. Vượng (2023), Oanh Phạm (2023)          │
  │ ➔ Nhận định tổng quan, phản ứng chính sách trường ĐH   │
  └───────────────────────────┬────────────────────────────┘
                              ▼
  ┌────────────────────────────────────────────────────────┐
  │ Khoảng trống (Research Gap):                           │
  │ ➔ Thiếu dữ liệu thực chứng chuyên sâu khối ngành công, │
  │    hành chính và luật học tại khu vực miền Trung       │
  └────────────────────────────────────────────────────────┘

2. Khoảng trống nghiên cứu (Research Gap)

Mặc dù các tài liệu tổng quan đã chỉ ra tiềm năng lẫn rủi ro của AI, phần lớn nghiên cứu trong nước trước năm 2024 chỉ dừng lại ở mức khảo sát lý thuyết hoặc phân tích chung cho khối kỹ thuật, kinh tế. Chưa có nhiều công trình thực chứng khảo sát hành vi, mức độ phụ thuộc và kỹ năng kiểm chứng dữ liệu của sinh viên thuộc khối ngành Khoa học Hành chính, Quản lý Nhà nước và Pháp luật — những lĩnh vực đặc thù đòi hỏi tính chính xác tuyệt đối về căn cứ pháp lý và tính chuẩn mực công vụ.

3. Tính cấp thiết và tác động thực tiễn

Trong bối cảnh Học viện Hành chính Quốc gia thực hiện đổi mới tổ chức và phương thức đào tạo theo Quyết định số 06/2024/QĐ-TTg của Thủ tướng Chính phủ, việc đánh giá thực trạng sử dụng ChatGPT tại Phân viện miền Trung (Quảng Nam) mang tính thời sự cao. Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực tiễn giúp ban lãnh đạo nhà trường, giảng viên xây dựng các hướng dẫn chuẩn mực, giúp sinh viên khai thác AI như một "trợ lý học tập thông minh" thay vì biến công cụ thành "cửa hàng chép văn mẫu", góp phần bảo vệ tính liêm chính và nâng cao chất lượng đào tạo nguồn nhân lực công vụ.

Methodology và approach

Nghiên cứu được thiết kế theo phương pháp tiếp cận hỗn hợp (mixed-methods approach), kết hợp chặt chẽ giữa tổng quan tài liệu thứ cấp và điều tra thực chứng sơ cấp qua bảng hỏi định lượng.

                  QUY TRÌNH PHƯƠNG PHÁP NGHIÊN CỨU
┌─────────────────────────────────────────────────────────────────────────┐
│ 1. XÂY DỰNG KHUNG LÝ THUYẾT & TỔNG QUAN TÀI LIỆU THỨ CẤP               │
│    Văn bản pháp luật, mô hình UTAUT, các công trình trong và ngoài nước │
└────────────────────────────────────┬────────────────────────────────────┘
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 2. THIẾT KẾ CÔNG CỤ THU THẬP DỮ LIỆU SƠ CẤP                            │
│    Bảng hỏi trực tuyến Google Forms, thang đo Likert 5 mức độ          │
└────────────────────────────────────┬────────────────────────────────────┘
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 3. CHỌN MẪU & THU THẬP DỮ LIỆU THỰC ĐỊA                                 │
│    N = 105 sinh viên (K20 - K23), 5 chuyên ngành tại Phân viện Quảng Nam│
└────────────────────────────────────┬────────────────────────────────────┘
                                     ▼
┌─────────────────────────────────────────────────────────────────────────┐
│ 4. LÀM SẠCH VÀ PHÂN TÍCH THỐNG KÊ MÔ TẢ TRÊN SPSS 25.0                  │
│    Phân phối tần số, Tỷ lệ %, Điểm trung bình (Mean), Độ lệch chuẩn (SD)│
└─────────────────────────────────────────────────────────────────────────┘

1. Thiết kế nghiên cứu và công cụ đo lường

  • Khung phân tích: Dựa trên mô hình chấp nhận công nghệ (UTAUT) kết hợp lý thuyết tự chủ học tập, phân tích tác động đa chiều từ yếu tố chủ quan (kiến thức, kỹ năng prompt, khả năng phản biện) và yếu tố khách quan (giao diện, ảnh hưởng xã hội, chuyên ngành đào tạo, định hướng sư phạm).
  • Thang đo: Bảng hỏi gồm 2 phần chính:
    1. Phần 1: Đánh giá nhận thức, hành vi, mục đích, tần suất và mức độ hỗ trợ của ChatGPT thông qua thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
    2. Phần 2: Thông tin nhân khẩu học (ngành học, khóa học, giới tính).

2. Phương pháp chọn mẫu và thu thập dữ liệu

  • Mẫu khảo sát: Chọn mẫu thuận tiện có phân tầng theo ngành và khóa học. Tổng số phiếu phát ra và thu về hợp lệ là $N = 105$ sinh viên đang theo học từ năm 2 đến năm 4 (Khóa 2020 đến 2023) tại Phân viện Quảng Nam. (Nghiên cứu chủ động không khảo sát sinh viên năm nhất do chưa hoàn thành học phần Phương pháp Nghiên cứu Khoa học).
  • Cơ cấu mẫu:
    • Giới tính: 60% Nữ, 40% Nam.
    • Chuyên ngành: Luật học ($30.0%$), Chuyên ngành Thanh tra ($22.0%$), Quản lý nhà nước ($19.0%$), Quản trị văn phòng ($15.0%$), Quản trị nhân lực ($14.0%$).
    • Khóa học: Khóa 2021 ($39.0%$), Khóa 2022 ($28.6%$), Khóa 2023 ($18.1%$), Khóa 2020 ($14.3%$).

3. Kỹ thuật xử lý và phân tích số liệu

Dữ liệu thô từ Google Forms được xuất sang định dạng bảng tính, tiến hành làm sạch, loại bỏ sai lệch và mã hóa vào phần mềm IBM SPSS Statistics 25.0. Các kỹ thuật phân tích thống kê mô tả được áp dụng gồm:

  • Thống kê tần số (Frequency) và tỷ lệ phần trăm (Percent, Valid Percent).
  • Tính toán Điểm trung bình ($\text{Mean} - \text{ĐTB}$) và Độ lệch chuẩn ($\text{Std. Deviation} - \text{ĐLC}$) nhằm đo lường mức độ đồng thuận và độ phân tán ý kiến của từng nhóm ngành.

Phát hiện chính

Trích xuất từ dữ liệu phân tích thực nghiệm trên SPSS 25.0, nghiên cứu ghi nhận 4 phát hiện quan trọng về hành vi và thực trạng ứng dụng ChatGPT của sinh viên:

                            4 PHÁT HIỆN CỐT LÕI TỪ KHẢO SÁT
┌──────────────────────────────────────────────┐  ┌──────────────────────────────────────────────┐
│ 1. ĐA DẠNG HÓA MỤC ĐÍCH HỌC TẬP              │  │ 2. PHÂN HÓA NĂNG LỰC KIỂM CHỨNG THEO NGÀNH   │
│ ChatGPT dần thay thế Search Engine truyền    │  │ Ngành Luật dẫn đầu kiểm chứng (ĐTB = 3.62)   │
│ thống; hỗ trợ dịch thuật, viết luận, ý tưởng │  │ Ngành QLNN có mức độ thận trọng thấp (3.00) │
└──────────────────────────────────────────────┘  └──────────────────────────────────────────────┘
                        │                                                 │
                        ▼                                                 ▼
┌──────────────────────────────────────────────┐  ┌──────────────────────────────────────────────┐
│ 3. THIẾU KỸ NĂNG PROMPT BÀI BẢN              │  │ 4. NGUY CƠ PHỤ THUỘC & SUY GIẢM PHẢN BIỆN   │
│ ĐTB được đào tạo chính quy chỉ đạt 3.02/5.00 │  │ Lạm dụng tạo nguy cơ lười suy nghĩ, sao chép│
│ Đa số dừng ở câu lệnh đơn giản, thiếu ngữ cảnh│  │ văn mẫu và rủi ro sai lệch tri thức pháp lý │
└──────────────────────────────────────────────┘  └──────────────────────────────────────────────┘

1. ChatGPT trở thành công cụ học tập phổ biến và thay thế dần công cụ tìm kiếm

Phần lớn sinh viên khảo sát thừa nhận sử dụng ChatGPT với tần suất cao (nhiều hơn 1 lần/tuần và có xu hướng tăng vọt sau lần trải nghiệm đầu tiên). Động cơ sử dụng tập trung vào:

  • Tra cứu thuật ngữ chuyên ngành và dịch thuật tài liệu ngoại ngữ.
  • Tìm kiếm ý tưởng, dàn ý cho bài tập lớn, tiểu luận môn học và khóa luận tốt nghiệp.
  • Giải thích các khái niệm lý luận hành chính phức tạp một cách nhanh chóng (phản hồi trong 2–5 giây).

2. Năng lực đánh giá và xác thực thông tin có sự phân hóa rõ rệt theo ngành học

Theo bảng thống kê SPSS về nhận thức của sinh viên:

STT Nhóm Chuyên Ngành Đã từng học cách dùng ($\text{ĐTB} \pm \text{ĐLC}$) Biết kiểm chứng tính chính xác ($\text{ĐTB} \pm \text{ĐLC}$)
1 Chuyên ngành Thanh tra $3.25 \pm 0.965$ $3.25 \pm 0.965$
2 Ngành Luật học $3.05 \pm 1.284$ $3.62 \pm 1.024$ (Cao nhất)
3 Quản lý Nhà nước $2.79 \pm 1.067$ (Thấp nhất) $3.00 \pm 1.055$
4 Quản trị Nhân lực $3.00 \pm 0.784$ $3.00 \pm 1.240$
5 Quản trị Văn phòng $3.25 \pm 0.931$ $3.06 \pm 0.929$
-- TỔNG HỢP TOÀN MẪU $3.02 \pm 1.006$ $3.19 \pm 1.042$

Ý nghĩa số liệu: Sinh viên ngành Luật có ý thức phản biện và kỹ năng kiểm chứng dữ liệu cao nhất ($\text{ĐTB} = 3.62$), phản ánh đặc thù đào tạo pháp lý coi trọng chứng cứ và văn bản quy phạm. Ngược lại, sinh viên ngành Quản lý nhà nước có mức độ nhận thức và kỹ năng kiểm chứng thấp nhất ($\text{ĐTB} = 2.79$ và $3.00$), cho thấy sự chủ quan nhất định đối với dữ liệu do AI tạo ra.

3. Thiếu hụt nghiêm trọng kỹ năng thiết kế câu lệnh chuyên sâu (Prompt Engineering)

Khảo sát chỉ ra điểm nghẽn lớn nhất: sinh viên chủ yếu sử dụng các câu lệnh dạng "prompt đơn giản", thiếu thông tin bối cảnh, thiếu ràng buộc định dạng và vai trò (role-playing). Điểm trung bình về việc được đào tạo bài bản cách dùng ChatGPT chỉ đạt mức $3.02/5.00$. Việc thiếu kỹ năng ra lệnh dẫn đến câu trả lời nhận được mang tính đại khái, chung chung hoặc sai lệch so với bối cảnh thực tế tại Việt Nam.

4. Hiện tượng "lạm dụng" và nguy cơ thụ động hóa nhận thức

Bên cạnh lợi ích vượt bậc về mặt tiết kiệm thời gian, đề tài chỉ ra mặt trái đáng lo ngại:

  • Một bộ phận không nhỏ sinh viên coi ChatGPT là "cửa hàng bài viết sẵn", dẫn đến thói quen sao chép nguyên văn vào bài tập, bài thuyết trình.
  • Sự ỷ lại vào công cụ làm suy giảm tư duy phản biện độc lập, kỹ năng phân tích tổng hợp và năng lực tự nghiên cứu tài liệu gốc.

Đóng góp khoa học

                             HỆ THỐNG ĐÓNG GÓP KHOA HỌC
  ┌─────────────────────────┐ ┌─────────────────────────┐ ┌─────────────────────────┐
  │   ĐÓNG GÓP LÝ LUẬN      │ │   ĐÓNG GÓP THỰC TIỄN    │ │   ĐÓNG GÓP CHÍNH SÁCH   │
  │ Hệ thống hóa tác động   │ │ Bộ chỉ dẫn tạo Prompt   │ │ Khung quản trị liêm   │
  │ của AI trong đào tạo    │ │ chuẩn & phương pháp học │ │ chính học thuật cho   │
  │ hành chính công vụ      │ │ phản biện với AI        │ │ các cơ sở đại học     │
  └─────────────────────────┘ └─────────────────────────┘ └─────────────────────────┘

1. Đóng góp về mặt lý luận

  • Hệ thống hóa toàn diện cơ sở lý luận về vai trò, đặc điểm (tương tác tự nhiên, tính cá nhân hóa, độ chính xác tương đối) và các nhân tố chủ quan - khách quan tác động đến hành vi sử dụng AI trong môi trường giáo dục đại học công lập.
  • Bổ sung bằng chứng thực nghiệm vào khoảng trống nghiên cứu về chuyển đổi số giáo dục tại khu vực miền Trung - Tây Nguyên.

2. Đóng góp về mặt phương pháp & Thực tiễn

  • Xây dựng quy trình đánh giá kết hợp chỉ số thống kê mô tả SPSS cụ thể, có thể tái lập (replicable) cho các nghiên cứu tiếp theo về hành vi người học đối với các công cụ AI thế hệ mới (Claude, Gemini, Copilot).
  • Cung cấp khung ví dụ đối chiếu trực quan giữa "Prompt đơn giản" và "Prompt tối ưu đầy đủ thông tin", giúp người học hình dung rõ phương thức giao tiếp hiệu quả với mô hình ngôn ngữ lớn.

3. Khuyến nghị chính sách giáo dục

Nghiên cứu đề xuất hệ thống giải pháp 3 bên đồng bộ:

  • Về phía Nhà trường: Ban hành quy định minh bạch về chuẩn mực sử dụng AI trong nghiên cứu và thi cử; tổ chức tập huấn kỹ năng Prompting và thẩm định dữ liệu số cho sinh viên.
  • Về phía Giảng viên: Chuyển dịch phương pháp kiểm tra đánh giá — giảm tỷ trọng các bài tập lý thuyết học thuộc lòng, tăng cường bài tập tình huống thực tế, thuyết trình và bảo vệ quan điểm phản biện trực tiếp.
  • Về phía Sinh viên: Xây dựng tâm thế chủ động, coi AI là công cụ đồng hành hỗ trợ thay vì nguồn tri thức tuyệt đối; rèn luyện thói quen tra cứu chéo (cross-check) tài liệu pháp lý chính thống.

Đối tượng quan tâm

                               ĐỐI TƯỢNG HƯỞNG LỢI
  ┌────────────────────────┬────────────────────────┬────────────────────────┐
  │   NHÀ NGHIÊN CỨU       │   GIẢNG VIÊN ĐẠI HỌC   │   CÁN BỘ QUẢN LÝ       │
  │ Dữ liệu thực chứng     │ Đổi mới phương pháp    │ Khung quy chế liêm     │
  │ mẫu cho các đề tài AI  │ giảng dạy & đánh giá   │ chính học thuật số     │
  └────────────────────────┴────────────────────────┴────────────────────────┘
  • Nhà nghiên cứu giáo dục & Chuyên gia AI: Sử dụng bộ dữ liệu khảo sát và khung lý thuyết để mở rộng các nghiên cứu tương quan, phân tích hồi quy hoặc mô hình hóa cấu trúc tuyến tính (SEM) về hành vi tiếp nhận AI.
  • Cán bộ quản lý & Lãnh đạo các trường đại học: Nắm bắt thực trạng tâm lý và hành vi của sinh viên để ban hành các quy chế quản lý đào tạo phù hợp trong kỷ nguyên số hóa.
  • Giảng viên các khối ngành Khoa học Xã hội & Luật: Tham khảo để thiết kế lại cấu trúc đề thi, phương pháp hướng dẫn tiểu luận, ngăn ngừa hiện tượng đạo văn hoặc sao chép tự động từ AI.
  • Sinh viên đại học: Hiểu rõ giới hạn của mô hình ngôn ngữ, học hỏi kỹ thuật đặt câu lệnh chuyên sâu và trang bị năng lực tự bảo vệ liêm chính học thuật của bản thân.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng và bất ngờ nhất của đề tài là gì?

Điểm đáng chú ý nhất là sự phân hóa năng lực kiểm chứng: Sinh viên ngành Luật có khả năng phát hiện sai lệch của ChatGPT cao nhất ($\text{ĐTB} = 3.62$), nhưng điểm tự đánh giá về việc được đào tạo sử dụng AI của toàn bộ mẫu chỉ đạt mức trung bình ($\text{ĐTB} = 3.02$). Điều này chứng minh sinh viên chủ yếu tự mò mẫm sử dụng công nghệ mà thiếu đi sự định hướng sư phạm chính thống.

2. Phương pháp nghiên cứu của đề tài có điểm gì đặc biệt?

Nghiên cứu không chỉ dừng lại ở khảo sát định tính chung chung mà lượng hóa cụ thể ý kiến của $105$ sinh viên thông qua thang đo Likert chuẩn hóa, xử lý dữ liệu chặt chẽ bằng phần mềm SPSS 25.0 với các chỉ số thống kê mô tả rõ ràng theo từng ngành đào tạo và khóa học.

3. Kết quả nghiên cứu có thể tổng quát hóa (generalize) cho các trường đại học khác không?

Kết quả có giá trị tham khảo và đại diện cao cho các trường đại học thuộc khối ngành Hành chính, Luật học và Khoa học Xã hội tại khu vực miền Trung. Đối với các khối ngành kỹ thuật chuyên sâu hoặc mỹ thuật, đặc thù sử dụng AI có thể có những biến số khác biệt cần được khảo sát riêng.

4. Những hướng nghiên cứu tiếp theo (Next Steps) có thể phát triển là gì?

Các nghiên cứu tương lai nên mở rộng quy mô mẫu sang các cơ sở đào tạo khác, áp dụng các mô hình kiểm định nâng cao như Hồi quy đa biến, Phân tích nhân tố khám phá (EFA) hoặc kiểm định T-Test/ANOVA để tìm hiểu sâu hơn về sự khác biệt giới tính và khóa học.

5. Ứng dụng thực tế lớn nhất của nghiên cứu là gì?

Đề tài cung cấp hướng dẫn thực hành kỹ năng tạo "Prompt chuẩn bối cảnh" và khung khuyến nghị chính sách giúp các trường đại học xây dựng quy chế sử dụng AI văn minh, hiệu quả và đúng chuẩn mực đạo đức học thuật.

Kết luận

Đề tài nghiên cứu khoa học của nhóm tác giả tại Phân viện Học viện Hành chính Quốc gia khu vực miền Trung đã phác họa bức tranh thực chứng toàn diện về thực trạng sử dụng ChatGPT của sinh viên trong học tập. Trí tuệ nhân tạo tạo sinh mang lại tiềm năng vô tận trong việc tối ưu hóa thời gian và thúc đẩy tinh thần tự học, nhưng cũng đặt ra thách thức gay gắt về sự suy giảm tư duy độc lập và tính chính xác học thuật.

Chìa khóa để làm chủ công nghệ không nằm ở việc cấm đoán mà là nâng cao năng lực AI (AI Literacy), trang bị kỹ năng ra lệnh chuẩn xác và bồi đắp tư duy phản biện cho người học.

[!TIP] Hành động đề xuất: Các cơ sở giáo dục đại học cần nhanh chóng tích hợp các chuyên đề kỹ năng ứng dụng AI và liêm chính học thuật vào chương trình đào tạo đầu khóa cho sinh viên.