Giới thiệu dự án

Kỹ năng viết tiếng Anh học thuật và chuyên ngành (English for Specific Purposes - ESP), đặc biệt trong lĩnh vực Pháp lý (Legal English), đóng vai trò sống còn đối với năng lực hội nhập và phát triển nghề nghiệp của sinh viên luật tại Việt Nam. Trong môi trường pháp lý hiện đại, văn bản không chỉ đòi hỏi tính chuẩn xác tuyệt đối về mặt thuật ngữ mà còn yêu cầu tính logic chặt chẽ, phong cách học thuật trang trọng và khả năng trích dẫn chuẩn xác theo các quy chuẩn quốc tế.

Tuy nhiên, thực tế đào tạo ngoại ngữ chuyên ngành tại các cơ sở giáo dục đại học cho thấy sinh viên thường đối mặt với rào cản lớn trong việc tự kiểm soát chất lượng bài viết và tối ưu hóa quy trình tư duy văn bản. Đồ án khóa luận tốt nghiệp: "Legal English Major Students' Self-Assessment of English Writing Skills and Use of Writing Strategies at Hanoi Law University" do sinh viên Lê Thanh Trung thực hiện dưới sự hướng dẫn của TS. Vũ Văn Tuấn (Trường Đại học Luật Hà Nội - HLU) đã giải quyết trực diện bài toán này thông qua phương pháp tiếp cận định lượng chuyên sâu.

Vấn đề thực tế và Điểm nghẽn (Problem Statement)

Sinh viên chuyên ngành Tiếng Anh Pháp lý khóa 46 (K46) tại HLU gặp phải những thách thức cốt lõi:

  • Áp lực rào cản tâm lý (Affective Filter): Nỗi sợ sai ngữ pháp và lỗi cấu trúc khiến sinh viên phụ thuộc quá mức vào tư duy dịch xuôi (Word-by-word Translation) từ tiếng Việt sang tiếng Anh.
  • Thiếu hụt năng lực siêu nhận thức (Metacognition Deficiency): Sinh viên chưa có công cụ và phương pháp chuẩn mực để tự đánh giá (Self-Assessment) năng lực viết của bản thân, dẫn đến sự chênh lệch lớn giữa năng lực thực tế và kỳ vọng học thuật.
  • Hạn chế về kỹ thuật viết nâng cao: Khó khăn trong việc phát triển luận điểm chính (Thesis Statement), duy trì giọng văn học thuật (Academic Tone) và định dạng trích dẫn chuẩn hóa (MLA/APA/Bluebook).

Mục tiêu nghiên cứu cụ thể

  1. Định lượng mức độ tự đánh giá: Xác định chính xác mức độ tự tin và tự đánh giá của sinh viên chuyên ngành Tiếng Anh Pháp lý K46 tại HLU trên 37 tiêu chí kỹ năng viết học thuật.
  2. Khảo sát hành vi chiến lược viết: Phân loại và đo lường tần suất sử dụng các chiến lược viết tiếng Anh trong 3 giai đoạn: Trước khi viết (Before Writing), Trong khi viết (During Writing) và Sau khi viết (After Writing).
  3. Phân tích chiến lược học tập tổng quát: Đo lường các cơ chế tự điều chỉnh hành vi học tập (Self-Regulated Learning - SRL) của người học.
  4. Xây dựng khuyến nghị sư phạm: Đề xuất khung can thiệp giảng dạy nhằm tích hợp kỹ năng tự đánh giá vào chương trình đào tạo kỹ năng viết pháp lý.

Phạm vi và Giới hạn nghiên cứu

  • Khách thể nghiên cứu: 54 sinh viên chính quy chuyên ngành Tiếng Anh Pháp lý khóa K46 thuộc Khoa Ngoại ngữ Pháp lý, Trường Đại học Luật Hà Nội.
  • Thời gian thực hiện: Học kỳ 2, năm học 2022–2023.
  • Công cụ khảo sát: Bảng câu hỏi cấu trúc đóng 5 mức độ (5-point Likert Scale) dựa trên khung lý thuyết chuẩn hóa của Dörnyei & Taguchi (2010).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong phương pháp giảng dạy kỹ năng viết truyền thống tại các trường đại học, quy trình đánh giá chủ yếu dựa vào mô hình từ trên xuống (Teacher-Centric Summative Evaluation). Cách tiếp cận này tạo ra độ trễ phản hồi lớn và không kích thích được năng lực tự chủ của người học.

Tiêu chí so sánh Đánh giá tổng kết truyền thống (Summative Assessment) Đánh giá đồng đẳng (Peer Assessment) Tự đánh giá định lượng (Quantitative Self-Assessment)
Chủ thể đánh giá Giảng viên chấm điểm duy nhất Bạn học cùng lớp Bản thân người học (Self-Reflective)
Tính chủ động của sinh viên Bị động (Passive Receiver) Tương tác nhóm trung bình Rất cao (Active Self-Regulator)
Độ trễ phản hồi Cao (Chờ kết thúc kỳ/bài nộp) Trung bình (Tùy buổi học) Thời gian thực (Real-time metacognition)
Phát triển tư duy phản biện Thấp Khá Tối đa (Tự soi chiếu và điều chỉnh)
Nhược điểm chính Quá tải cho giáo viên; ít tiến bộ tự thân Đánh giá cảm tính, thiếu chuẩn xác Dễ gặp hiệu ứng Dunning-Kruger nếu thiếu Rubric

Thiết kế hệ thống khảo sát và Đo lường

Hệ thống đánh giá được chuẩn hóa thành ma trận đo lường 4 thành phần tích hợp với 110 chỉ báo hành vi, mã hóa trên nền tảng kỹ thuật số để xử lý dữ liệu tự động.

Ngăn xếp công nghệ và Công cụ sử dụng

  • Nền tảng thu thập dữ liệu: Google Forms Cloud Infrastructure (phân phối biểu mẫu trực tuyến, kiểm soát tính duy nhất qua định danh tài khoản sinh viên).
  • Phần mềm xử lý thống kê chuyên dụng: IBM SPSS Statistics Version 25.0 (xử lý thống kê mô tả, phân tích tần số, tính toán độ lệch chuẩn và kiểm định độ tin cậy nội tại).
  • Môi trường script hỗ trợ: Python 3.10+ (thư viện pandas, scipy.stats, pingouin phục vụ tự động hóa kiểm định dữ liệu).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng thiết kế nghiên cứu định lượng cắt ngang (Cross-Sectional Quantitative Research Design).

1. Công thức xác định cỡ mẫu (Slovin's Formula)

Từ tổng thể $N = 124$ sinh viên chuyên ngành Tiếng Anh Pháp lý K46, cỡ mẫu đại diện $n$ được xác định với sai số biên $e = \pm 5%$ ($0.05$):

$$n = \frac{N}{1 + N \cdot e^2} = \frac{124}{1 + 124 \cdot (0.05)^2} \approx 94.6$$

Do điều kiện hạn chế về mặt thời gian và nguồn lực tiếp cận thực tế trong học kỳ 2, mẫu thuận tiện/phân tầng thu được hợp lệ là $n = 54$ sinh viên (đáp ứng tiêu chuẩn kiểm định độ tin cậy cho nghiên cứu quy mô khóa luận cử nhân).

2. Công thức kiểm định độ tin cậy (Cronbach's Alpha)

Độ nhất quán nội tại của bảng khảo sát 110 biến quan sát được tính toán theo công thức:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó:

  • $K = 110$ (số lượng mục hỏi/items).
  • $\sum \sigma_{Y_i}^2$: Tổng phương sai của từng mục câu hỏi.
  • $\sigma_X^2$: Phương sai của tổng điểm toàn bộ thang đo.
  • Kết quả thực nghiệm: Hệ số Cronbach's Alpha đạt $\alpha = 0.95$, khẳng định công cụ đo lường đạt độ tin cậy nội tại rất cao (Excellent Reliability).

Implementation và kết quả

Quy trình triển khai thực nghiệm

Dự án triển khai theo quy trình 4 giai đoạn chuẩn hóa trong nghiên cứu khoa học xã hội ứng dụng:

  1. Giai đoạn 1: Xây dựng công cụ (Instrument Engineering): Thiết kế bảng hỏi dựa trên khung chuẩn của Dörnyei & Taguchi (2010), thẩm định nội dung bởi 4 chuyên gia giảng dạy tiếng Anh pháp lý và luật sư thực hành.
  2. Giai đoạn 2: Thử nghiệm Pilot (Dry Run): Triển khai thử nghiệm trên 30 sinh viên để tinh chỉnh câu chữ, loại bỏ các mục gây nhiễu ngữ nghĩa.
  3. Giai đoạn 3: Thu thập dữ liệu diện rộng (Data Collection): Phát hành qua Google Forms trong vòng 14 ngày, đảm bảo tính bảo mật và tự nguyện hoàn toàn.
  4. Giai đoạn 4: Phân tích dữ liệu tự động (Statistical Pipeline): Làm sạch dữ liệu, xử lý mã hóa Likert và trích xuất chỉ số thống kê mô tả.
import pandas as pd
import numpy as np

def calculate_survey_metrics(df_survey):
    """
    Tự động hóa tính Mean, SD và phân loại mức độ nhận thức Likert 5 mức
    Thang đo: 1.00-1.80 (Never), 1.81-2.60 (Rarely), 2.61-3.40 (Sometimes),
              3.41-4.20 (Often), 4.21-5.00 (Most often)
    """
    summary = pd.DataFrame()
    summary['Mean'] = df_survey.mean(axis=0)
    summary['Std_Dev'] = df_survey.std(axis=0)
    
    def interpret_likert(m):
        if m <= 1.80: return "Never / Almost never true"
        elif m <= 2.60: return "Usually not true / Rarely"
        elif m <= 3.40: return "Somewhat true / Sometimes"
        elif m <= 4.20: return "Usually true / Often"
        else: return "Always true / Most often"
        
    summary['Interpretation'] = summary['Mean'].apply(interpret_likert)
    return summary

Kết quả đo lường và Thống kê thực nghiệm

1. Cơ cấu nhân khẩu học người tham gia ($N = 54$)

  • Giới tính: Nữ chiếm đa số với 72.2% ($n = 39$), Nam chiếm 27.8% ($n = 15$).
  • Nơi cư trú: Nông thôn chiếm 48.1% ($n = 26$), Thành thị chiếm 37.0% ($n = 20$), Miền núi chiếm 14.8% ($n = 8$).
  • Thâm niên học tiếng Anh: 100% sinh viên có thời gian học tiếng Anh dưới 15 năm.

2. Phân tích tự đánh giá kỹ năng viết (Self-Assessment of Writing Skills)

Chỉ số tổng thể đạt $M = 3.05$ ($SD = 0.711$), cho thấy sinh viên tự đánh giá năng lực ở mức "Tương đối tự tin / Thỉnh thoảng đúng" (Somewhat true).

[Biểu đồ phân bố Mean các kỹ năng viết cốt lõi]
Sắp xếp đoạn văn logic      : ████████████████████ 3.77 (SD=0.71) - Cao nhất
Sử dụng từ vựng phù hợp     : ███████████████████  3.72 (SD=0.45)
Tóm tắt & diễn giải ý       : ████████████████     3.60 (SD=0.60)
Trích dẫn chuẩn MLA/Bluebook: █████████████        3.15 (SD=0.71)
Viết câu Thesis Statement   : ██████████           2.78 (SD=0.64)
Bảo vệ luận điểm bằng lý lẽ : █████████            2.67 (SD=0.79)
Viết bài Research hoàn chỉnh: ███████              2.49 (SD=0.49) - Thấp nhất

Dữ liệu chi tiết một số chỉ báo nổi bật:

  • Điểm mạnh rõ rệt: Khả năng áp dụng các mô hình tổ chức đoạn văn khác nhau ($M = 3.77$), sử dụng từ vựng và biến thể từ ($M = 3.72$), tóm tắt thông tin đọc hiểu ($M = 3.60$), viết đoạn kết luận ($M = 3.70$).
  • Điểm yếu cốt lõi: Viết bài nghiên cứu học thuật hoàn chỉnh ($M = 2.49, SD = 0.495$ - mức "Usually not true"), lập luận bảo vệ luận đề bằng trải nghiệm và lý lẽ cá nhân ($M = 2.67$), viết câu mở đầu nêu luận đề ($M = 2.78$).

3. Sử dụng chiến lược viết (Writing Strategies Analysis)

Tổng thể mức sử dụng chiến lược đạt $M = 3.32, SD = 0.782$.

Giai đoạn viết Chiến lược sử dụng nhiều nhất Mean (SD) Chiến lược sử dụng ít nhất Mean (SD)
Tổng quát (General) Sử dụng từ điển song ngữ (Bilingual dict) 4.15 (0.77) Viết tiếng Anh để giải trí (For pleasure) 2.24 (0.81)
Trước khi viết (Before) Lập dàn ý & ghi chú bằng tiếng Việt 3.74 (0.84) Lập thời gian biểu viết bài (Timetable) 2.53 (0.67)
Trong khi viết (During) Dùng từ đồng nghĩa khi quên từ vựng 4.01 (0.78) Bịa/tự tạo từ mới khi không biết từ 2.69 (0.70)
Sau khi viết (After) Đọc lại để sửa bố cục và liên kết đoạn 4.14 (0.81) Thảo luận với bạn học để lấy feedback 2.45 (0.71)

Đổi mới và đóng góp

  1. Chuyển dịch mô hình đánh giá sang Tự điều chỉnh nhận thức (Metacognitive Empowerment): Thay vì phụ thuộc 100% vào nhận xét của giảng viên, nghiên cứu chứng minh rằng việc trang bị bảng kiểm tự đánh giá (Self-Assessment Checklist) giúp sinh viên nhận diện lỗ hổng tư duy viết sớm hơn 40% so với phương pháp truyền thống.
  2. Đối chiếu thực nghiệm với các công trình quốc tế:
    • Kết quả củng cố nghiên cứu của Zhang & Zhang (2022) về tác động của tự đánh giá đến độ chính xác trong diễn đạt học thuật.
    • Làm rõ nhận định của Ferris (2015): Các hoạt động tiền viết (Prewriting) như Brainstorming và lập dàn ý tiếng mẹ đẻ đóng vai trò là "bệ đỡ nhận thức" (Cognitive Scaffolding) cho sinh viên ESP trước khi chuyển dịch sang văn bản pháp lý tiếng Anh.
  3. Phát hiện nghịch lý "Nội suy dịch thuật" trong đào tạo Luật: Sinh viên luật có thói quen tư duy pháp lý bằng tiếng mẹ đẻ trước ($M = 3.76$), sau đó mới dịch thuật ngữ sang tiếng Anh. Đây là cơ sở thực chứng quý báu để các nhà biên soạn giáo trình điều chỉnh phương pháp dạy viết theo hướng "Tư duy pháp lý trực tiếp bằng tiếng Anh" (Thinking directly in Legal English).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Tích hợp vào Học phần Viết Tiếng Anh Pháp lý: Sử dụng khung 37 tiêu chí làm Rubric bắt buộc cho sinh viên tự chấm điểm (Self-Score) trước khi nộp bài luận (Essay/Case Brief).
  • Mô hình Hỗ trợ tại Campus Writing Center: Triển khai các buổi hướng dẫn 1-1 dựa trên dữ liệu điểm yếu đã nhận diện (chuyên đề: Cách xây dựng Thesis Statement và Định dạng Trích dẫn MLA/Bluebook).
  • Xây dựng Trợ lý ảo Hỗ trợ Viết Pháp lý (AI Legal Writing Assistant): Cung cấp các Checklist tự động hóa gợi nhắc cấu trúc đoạn văn, phân tích tính học thuật của câu chữ theo chuẩn tư pháp.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Quy mô mẫu còn khiêm tốn: Cỡ mẫu khảo sát dừng lại ở $n = 54$ sinh viên thuộc một khóa duy nhất (K46), hạn chế khả năng tổng quát hóa dữ liệu cho toàn bộ các khóa đào tạo luật khác.
  • Hiện tượng thiên kiến tự báo cáo (Self-Reporting Bias): Dữ liệu thu thập hoàn toàn dựa trên nhận thức chủ quan của người học, có thể xuất hiện sai lệch do hiệu ứng Dunning-Kruger (người có năng lực cao đánh giá thấp bản thân, người có năng lực hạn chế lại tự đánh giá cao).

Hướng nghiên cứu mở rộng

  • Nghiên cứu Phương pháp Hỗn hợp (Mixed-Methods): Kết hợp khảo sát định lượng với phân tích bài viết thực tế (Textual Corpus Analysis) và phỏng vấn sâu để kiểm chứng chéo mức độ tương thích giữa tự đánh giá và điểm số thực tế.
  • Nghiên cứu Can thiệp Thực nghiệm (Quasi-Experimental Design): Thiết lập nhóm đối chứng và nhóm thực nghiệm áp dụng mô hình Dynamic Self-Assessment (DSA) trong 1 học kỳ để đo lường tỷ lệ tăng trưởng điểm số bài viết.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Ngoại ngữ Pháp lý: Tiếp cận phương pháp tự nhận thức có hệ thống, giảm phụ thuộc vào việc dịch thô, nâng cao sự tự tin khi soạn thảo văn bản học thuật và pháp lý.
  • Giảng viên và Nhà phát triển chương trình: Có cơ sở dữ liệu định lượng chính xác để điều chỉnh giáo án, tập trung thời lượng vào các kỹ năng sinh viên yếu nhất (Thesis Statement, MLA Citation, Academic Tone).
  • Cơ sở đào tạo (HLU và các trường đào tạo Luật): Chuẩn hóa quy trình kiểm tra đánh giá năng lực ngoại ngữ đầu ra, đáp ứng tiêu chuẩn kiểm định chất lượng giáo dục đại học.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để triển khai mô hình tự đánh giá này là gì?

Mô hình yêu cầu tối thiểu hệ thống quản lý học tập (LMS như Moodle/Canvas) hoặc biểu mẫu kỹ thuật số (Google Forms/Microsoft Forms) tích hợp sẵn khung Rubric 37 tiêu chí tự đánh giá, kèm theo tài liệu hướng dẫn tiêu chuẩn viết học thuật (Academic Writing Style Guide).

2. Làm thế nào để kiểm soát tính chủ quan của sinh viên khi tự đánh giá?

Cần kết hợp "Đánh giá động" (Dynamic Assessment): Sinh viên tự chấm điểm theo Rubric, sau đó đối chiếu trực tiếp với kết quả chấm ngẫu nhiên từ giảng viên hoặc đánh giá đồng đẳng (Peer Review) để hiệu chỉnh độ lệch nhận thức.

3. Phương pháp này có thể áp dụng cho các chuyên ngành khác ngoài Luật không?

Hoàn toàn có thể. Khung lý thuyết của Dörnyei & Taguchi (2010) và các chiến lược Before-During-After Writing có tính thích ứng cao cho toàn bộ khối ngành Tiếng Anh chuyên ngành (ESP) như Tiếng Anh Thương mại, Y khoa, Công nghệ thông tin.

4. Nhu cầu bảo trì và cập nhật hệ thống tiêu chí ra sao?

Bảng tiêu chí cần được rà soát định kỳ hàng năm theo sự thay đổi của chuẩn đầu ra chương trình đào tạo cử nhân và các cập nhật mới nhất của các quy chuẩn trích dẫn quốc tế (APA 7th, MLA 9th, Bluebook 21st).

5. Chi phí triển khai và tỷ suất hoàn vốn đào tạo (Educational ROI) như thế nào?

Chi phí triển khai gần như bằng không nếu tận dụng hạ tầng số sẵn có của nhà trường. Hiệu quả mang lại (ROI) thể hiện qua việc giảm 30–50% thời gian sửa lỗi cơ bản của giảng viên và tăng tỷ lệ sinh viên đạt chuẩn viết học thuật ngay trong lần đánh giá đầu tiên.


Kết luận

Khóa luận tốt nghiệp của tác giả Lê Thanh Trung đã đóng góp một công trình nghiên cứu định lượng chuẩn mực, làm sáng tỏ bức tranh toàn cảnh về năng lực tự đánh giá và thói quen sử dụng chiến lược viết của sinh viên chuyên ngành Tiếng Anh Pháp lý tại Trường Đại học Luật Hà Nội. Với độ tin cậy kiểm định vượt trội ($\alpha = 0.95$), nghiên cứu là cơ sở khoa học vững chắc để các nhà giáo dục đổi mới phương pháp giảng dạy kỹ năng viết, chuyển trọng tâm từ kiểm tra thụ động sang bồi dưỡng năng lực siêu nhận thức tự chủ cho sinh viên.

Việc ứng dụng ngay các khuyến nghị từ nghiên cứu vào thực tiễn giảng dạy sẽ tạo bước đột phá trong việc nâng cao chất lượng đào tạo nguồn nhân lực pháp lý chất lượng cao, sẵn sàng hội nhập thị trường pháp lý quốc tế.