Bối cảnh và vấn đề nghiên cứu

Chương trình Giáo dục phổ thông 2018 xác định Khoa học tự nhiên là môn học tích hợp được xây dựng trên nền tảng các phân môn Vật lý, Hóa học, Sinh học và Khoa học Trái Đất. Trong chương trình này, công tác kiểm tra, đánh giá học sinh được định hướng chuyển dịch từ đo lường kiến thức đơn thuần sang đánh giá quá trình và đánh giá sự tiến bộ về phẩm chất, năng lực. Để thực hiện định hướng trên, giáo viên phải xây dựng đa dạng các công cụ kiểm tra, đánh giá thay vì chỉ sử dụng các bài kiểm tra viết truyền thống. Tuy nhiên, hoạt động thiết kế các công cụ đánh giá hiện đại (như bảng kiểm, thang đánh giá, phiếu đánh giá theo tiêu chí rubric) đòi hỏi nhiều thời gian, công sức và kỹ thuật sư phạm chuyên sâu, tạo áp lực lớn cho đội ngũ giáo viên trực tiếp giảng dạy.

Sự xuất hiện của các mô hình ngôn ngữ lớn, điển hình là Chat GPT (do tổ chức OpenAI phát triển), mang lại tiềm năng hỗ trợ tự động hóa việc biên soạn học liệu và xây dựng công cụ đánh giá. Mặc dù vậy, tại Việt Nam, các nghiên cứu ứng dụng Chat GPT vào quy trình xây dựng công cụ kiểm tra, đánh giá trong môn Khoa học tự nhiên vẫn còn hạn chế và thiếu các hướng dẫn thực hành cụ thể. Khóa luận tốt nghiệp của tác giả Hồng Kiều My (Trường Đại học Sư phạm Thành phố Hồ Chí Minh, năm 2024) tập trung giải quyết bài toán này trong phạm vi chủ đề Năng lượng và sự biến đổi thuộc chương trình Khoa học tự nhiên lớp 8.

Mục tiêu và giả thuyết nghiên cứu của đề tài được xác định cụ thể:

  • Mục tiêu nghiên cứu: Ứng dụng Chat GPT vào xây dựng công cụ kiểm tra, đánh giá học sinh trong dạy học chủ đề Năng lượng và sự biến đổi môn Khoa học tự nhiên lớp 8 nhằm hỗ trợ giáo viên giải quyết các khó khăn khi thiết kế đa dạng công cụ đánh giá.
  • Giả thuyết nghiên cứu: Nếu Chat GPT có thể ứng dụng được vào xây dựng năm công cụ kiểm tra, đánh giá thì có thể hỗ trợ giáo viên xây dựng và cải thiện hoạt động kiểm tra, đánh giá học sinh.

Nhiệm vụ nghiên cứu được phân chia thành ba nội dung chính đánh số theo văn bản:

  1. Nghiên cứu ứng dụng của Chat GPT vào xây dựng năm công cụ kiểm tra, đánh giá. Đưa ra và hiệu chỉnh câu lệnh yêu cầu Chat GPT xây dựng năm công cụ hoàn chỉnh.
  2. Khảo sát giáo viên nhằm xây dựng dữ liệu cơ sở thực tiễn về khó khăn của thầy cô trong kiểm tra, đánh giá học sinh và quan điểm của giáo viên về Chat GPT.
  3. Thực nghiệm sư phạm nhằm tăng hiệu quả đánh giá ứng dụng Chat GPT vào xây dựng năm công cụ kiểm tra, đánh giá.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Trợ lý trí tuệ nhân tạo Chat GPT.
  • Phạm vi nghiên cứu: Tập trung vào ứng dụng của Chat GPT khi xây dựng năm công cụ kiểm tra, đánh giá bao gồm: câu hỏi, đề kiểm tra, bảng kiểm, thang đánh giá, rubric trong chủ đề Năng lượng và sự biến đổi môn Khoa học tự nhiên lớp 8.
  • Phạm vi không gian: Khảo sát và thực nghiệm tại 3 trường Trung học cơ sở thuộc tỉnh Long An và 1 trường Trung học cơ sở thuộc huyện Bình Chánh, Thành phố Hồ Chí Minh.
  • Phạm vi thời gian: Nghiên cứu được triển khai từ tháng 10/2023 đến tháng 4/2024.

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý luận dựa trên hệ thống văn bản quy phạm pháp luật của Bộ Giáo dục và Đào tạo, các quan điểm đánh giá giáo dục hiện đại và lý thuyết mô hình ngôn ngữ lớn:

  • Khung pháp lý và chương trình: Chương trình Giáo dục phổ thông tổng thể và Chương trình Giáo dục phổ thông môn Khoa học tự nhiên (Ban hành kèm theo Thông tư số 32/2018/TT-BGDĐT); Thông tư số 22/2021/TT-BGDĐT quy định về đánh giá học sinh trung học cơ sở và học sinh trung học phổ thông; Công văn 5512/BGDĐT-GDTrH về xây dựng và tổ chức thực hiện kế hoạch giáo dục của nhà trường; Tài liệu bồi dưỡng cán bộ quản lý và giáo viên về kiểm tra, đánh giá học sinh trung học cơ sở theo hướng phát triển phẩm chất, năng lực (Mô-đun 3).
  • Khung lý thuyết kiểm tra, đánh giá: Hoạt động đánh giá được tiếp cận qua ba hình thức: Đánh giá là hoạt động học tập (Assessment as learning), Đánh giá vì học tập (Assessment for learning), và Đánh giá kết quả học tập (Assessment of learning). Hệ thống câu hỏi được phân loại theo thang đo nhận thức Bloom (6 mức độ: biết/nhớ, hiểu, vận dụng, phân tích, đánh giá, sáng tạo).
  • Công nghệ mô hình ngôn ngữ: Phân tích cấu trúc hoạt động của Chat GPT dựa trên mô hình Generative Pre-training Transformer, so sánh khả năng xử lý giữa phiên bản Chat GPT-3.5 và Chat GPT-4.

Tác giả vận dụng phối hợp bốn phương pháp nghiên cứu thực tế:

  • Phương pháp nghiên cứu lí luận: Thu thập, phân tích, tổng hợp các tài liệu khoa học, văn bản chỉ đạo của Bộ Giáo dục và Đào tạo liên quan đến kiểm tra, đánh giá năng lực khoa học tự nhiên và các công trình nghiên cứu về Chat GPT trong giáo dục.
  • Phương pháp hồi cứu số liệu: Rà soát các bài báo khoa học trong và ngoài nước (Rebecca Vukovic & Dominique Russell 2023, Jonna Lee & Meryem Yilmaz Soylu 2023, Brittany 2023, Lê Anh Vinh cùng cộng sự 2023, Hana Trương 2023) để xác định khoảng trống nghiên cứu.
  • Phương pháp phỏng vấn và khảo sát thực trạng: Kết hợp bảng hỏi qua Google Form và phỏng vấn trực tiếp (có ghi âm) với mẫu nghiên cứu gồm 20 giáo viên đang trực tiếp giảng dạy môn Khoa học tự nhiên tại 3 trường Trung học cơ sở trên địa bàn tỉnh Long An nhằm thu thập số liệu về thực trạng sử dụng công cụ kiểm tra, đánh giá và nhận thức về trí tuệ nhân tạo.
  • Phương pháp thực nghiệm sư phạm: Tổ chức thực nghiệm đối với 5 lớp 8 tại Trường THCS Lê Minh Xuân (huyện Bình Chánh, TP. Hồ Chí Minh) bằng bộ 10 câu hỏi và 1 đề kiểm tra; thực nghiệm trên 1 lớp 8 tại Trường THCS Nguyễn Đình Chiểu (tỉnh Long An) đối với hoạt động dạy học bài "Mạch điện đơn giản", sử dụng bảng kiểm, thang đánh giá và rubric do Chat GPT tạo ra sau khi đã được giáo viên thẩm định, chỉnh sửa.

Nguồn dữ liệu của nghiên cứu bao gồm: Yêu cầu cần đạt trong Chương trình giáo dục phổ thông môn Khoa học tự nhiên 2018; Dữ liệu khảo sát định lượng từ 20 giáo viên; Kết quả điểm số bài kiểm tra của học sinh lớp 8; Dữ liệu phiếu đánh giá sản phẩm và biên bản nhận xét công cụ của giáo viên phổ thông.

Nội dung chính theo từng chương

Chương 1: Cơ sở lí luận và thực tiễn ứng dụng Chat GPT vào xây dựng công cụ kiểm tra, đánh giá học sinh trong dạy học chủ đề Năng lượng và sự biến đổi môn Khoa học tự nhiên lớp tám

Chương 1 hệ thống hóa lược sử nghiên cứu trong và ngoài nước về ứng dụng trí tuệ nhân tạo trong kiểm tra, đánh giá. Tác giả chỉ ra rằng các công trình quốc tế đã sớm khẳng định vai trò của Chat GPT trong việc tạo câu hỏi trắc nghiệm, phiếu tự đánh giá và rubric, nhưng đều nhấn mạnh yêu cầu giáo viên phải giám sát, điều chỉnh tính khoa học của nội dung. Tại Việt Nam, các nghiên cứu còn ở giai đoạn ban đầu, chủ yếu xem xét khả năng giải đề hoặc khảo sát khái quát.

Về mặt lý luận dạy học, chương này làm rõ bản chất của quy trình kiểm tra, đánh giá qua 3 giai đoạn: kiểm tra (thu thập dữ liệu), đo lường (tham chiếu tiêu chí), đánh giá (đưa ra kết luận và quyết định sư phạm). Tác giả so sánh ba mô hình đánh giá học sinh theo khung của Bộ Giáo dục và Đào tạo:

Tiêu chí so sánh Đánh giá là hoạt động học tập Đánh giá vì học tập Đánh giá kết quả học tập
Mục đích Cung cấp thông tin để cải thiện quá trình học của chính người học Cung cấp thông tin cho các quyết định dạy học của giáo viên; giúp học sinh cải thiện thành tích Xác nhận kết quả học tập để xếp loại, phân loại, đưa ra quyết định lên lớp
Căn cứ đánh giá So sánh giữa các người học với nhau và với chuẩn So sánh với các chuẩn đánh giá bên ngoài So sánh với các chuẩn đánh giá bên ngoài
Trọng tâm đánh giá Quá trình học tập Quá trình học tập Kết quả học tập
Thời điểm đánh giá Diễn ra trong suốt quá trình học tập Trước, trong và sau quá trình học tập Thường thực hiện sau khi hoàn thành giai đoạn học tập
Vai trò giáo viên Hướng dẫn Chủ đạo và giám sát Chủ đạo
Vai trò học sinh Chủ đạo Đối tượng thực hiện đánh giá Giám sát
Chủ thể đánh giá Người học, giáo viên Giáo viên, người học Giáo viên

Tác giả phân tích cấu trúc và chức năng của 8 công cụ kiểm tra, đánh giá thông dụng: câu hỏi, bài tập, đề kiểm tra, sản phẩm học tập, hồ sơ học tập, bảng kiểm, thang đánh giá và rubric; đồng thời phân tích nội dung mạch kiến thức chủ đề Năng lượng và sự biến đổi (chiếm 28% thời lượng chương trình KHTN 8, tương đương khoảng 40 tiết), phân chia thành 4 chủ đề nhánh:

  1. Lực và chuyển động (Tác dụng làm quay của lực, đòn bẩy - chiếm 6%).
  2. Khối lượng riêng và áp suất (Khối lượng riêng, áp suất chất lỏng, chất khí - chiếm 8%).
  3. Năng lượng và cuộc sống (Nhiệt năng, truyền nhiệt, nở vì nhiệt - chiếm 6%).
  4. Điện (Hiện tượng nhiễm điện, dòng điện, mạch điện đơn giản - chiếm 8%).

Về mặt công nghệ, tác giả so sánh chi tiết hai phiên bản Chat GPT-3.5 và Chat GPT-4:

Tiêu chí so sánh Phiên bản Chat GPT-3.5 Phiên bản Chat GPT-4
Chi phí sử dụng Miễn phí khi đăng ký tài khoản 20 USD/tháng (gói Plus) hoặc dùng qua Microsoft Copilot
Dữ liệu đầu vào Kênh chữ (văn bản) Đa phương thức: văn bản, hình ảnh, tập tin điện tử
Bộ nhớ ngữ cảnh Khoảng 8.000 từ Khoảng 16.000 từ
Mức độ tin cậy Phản hồi nhanh nhưng đôi lúc sai sót, thiếu nhất quán Độ chính xác cao hơn, ít sai số khoa học, lập luận chặt chẽ
Truy cập Internet Dữ liệu giới hạn (từ năm 2021 trở về trước) Khả năng truy cập Internet thời gian thực qua Plugin/Bing

Về thực trạng, khảo sát 20 giáo viên THCS tại tỉnh Long An cho thấy: 57% giáo viên thường xuyên sử dụng công cụ câu hỏi và 43% sử dụng đề kiểm tra viết trên giấy; 100% giáo viên ít hoặc không sử dụng rubric do tốn nhiều thời gian thiết kế và gặp khó khăn trong việc xây dựng các bản mô tả tiêu chí chi tiết. Hầu hết giáo viên chưa có quy trình chuẩn để khai thác Chat GPT vào công tác chuyên môn.

Chương 2: Ứng dụng Chat GPT vào xây dựng câu hỏi, đề kiểm tra, bảng kiểm, thang đánh giá, rubric trong dạy học chủ đề Năng lượng và sự biến đổi môn Khoa học tự nhiên lớp tám

Chương 2 mô tả quy trình chung gồm 5 bước được tác giả đúc kết để điều khiển Chat GPT thiết kế các công cụ đánh giá:

  • Bước 1: Xác định giới hạn nội dung: Căn cứ trực tiếp vào yêu cầu cần đạt của Chương trình giáo dục phổ thông 2018 môn Khoa học tự nhiên.
  • Bước 2: Thử nghiệm xây dựng các công cụ: Thực hiện yêu cầu Chat GPT tạo sản phẩm ban đầu để đánh giá sơ bộ về nội dung và cấu trúc hình thức.
  • Bước 3: Đưa ra câu lệnh ban đầu: Cấu trúc câu lệnh gồm 3 phần: (1) Nội dung kiến thức dựa trên yêu cầu cần đạt; (2) Lời dẫn lệnh yêu cầu Chat GPT thực hiện; (3) Quy định cụ thể về cấu trúc, định dạng hình thức của công cụ.
  • Bước 4: Chỉnh sửa và hoàn chỉnh câu lệnh: Thử nghiệm đa lần, bổ sung các từ khóa giới hạn mức độ (ví dụ thêm từ "chính xác" trước số lượng câu trắc nghiệm/tự luận) để kiểm soát đầu ra.
  • Bước 5: Đánh giá sản phẩm tạo thành: Giáo viên rà soát, phản biện tính khoa học, thẩm định độ phù hợp sư phạm trước khi đưa vào sử dụng.

Khi ứng dụng cụ thể vào 5 công cụ, tác giả chỉ ra các đặc điểm kỹ thuật:

  • Xây dựng câu hỏi: Chat GPT tạo nhanh hệ thống câu hỏi trắc nghiệm khách quan và tự luận bám sát yêu cầu cần đạt. Tuy nhiên, nếu câu lệnh không chỉ định rõ thang Bloom, công cụ thường tạo ra các câu hỏi ở mức độ nhận biết thấp.
  • Xây dựng đề kiểm tra: Thử nghiệm cho thấy Chat GPT không thể tự động xây dựng ma trận đề kiểm tra hai chiều theo chuẩn của Bộ Giáo dục và Đào tạo. Khi người dùng cung cấp ma trận có sẵn, Chat GPT-3.5 không hiểu cấu trúc bảng biểu, trong khi Chat GPT-4 xử lý tốt hơn nhưng vẫn gặp lỗi ánh xạ câu hỏi vào từng ô ma trận. Do đó, người dùng phải cung cấp danh sách yêu cầu cần đạt cụ thể kèm số lượng câu chính xác để công cụ tạo đề hoàn chỉnh kèm đáp án.
  • Xây dựng bảng kiểm (Checklist): Chat GPT tạo đúng định dạng bảng gồm 3 cột (Tiêu chí, Có, Không), giúp giáo viên đánh giá nhanh kỹ năng thao tác thí nghiệm mạch điện hoặc đo lường.
  • Xây dựng thang đánh giá (Rating scale): Chat GPT hỗ trợ chia các mức độ điểm từ 1 đến 5 hoặc dạng mô tả định tính hành vi học tập của học sinh.
  • Xây dựng rubric: Chat GPT phát huy ưu thế vượt trội khi tạo bảng tiêu chí hai chiều (tiêu chí đánh giá kết hợp 4-5 mức độ đạt được từ chưa đạt đến xuất sắc), giải quyết khó khăn lớn nhất của giáo viên về mặt diễn đạt ngôn ngữ mô tả.

Chương 3: Thực nghiệm sư phạm

Chương 3 trình bày việc kiểm chứng thực tế các công cụ do Chat GPT tạo ra (sau khi đã được giáo viên bộ môn hiệu đính) tại hai cơ sở giáo dục:

  • Thực nghiệm câu hỏi và đề kiểm tra: Triển khai trên 5 lớp 8 tại Trường THCS Lê Minh Xuân (huyện Bình Chánh, TP. Hồ Chí Minh). Học sinh thực hiện bộ 10 câu hỏi và 1 đề kiểm tra tổng hợp kiến thức phần Điện và Nhiệt. Điểm số bài làm được thống kê để phân tích độ phân hóa năng lực và độ tin cậy của đề bài.
  • Thực nghiệm bảng kiểm, thang đánh giá và rubric: Triển khai tại Trường THCS Nguyễn Đình Chiểu (tỉnh Long An) trên 1 lớp học sinh lớp 8 qua bài thực hành "Mạch điện đơn giản". Giáo viên sử dụng bảng kiểm để đánh giá thao tác mắc mạch điện, thang đánh giá để chấm sản phẩm báo cáo và rubric để đánh giá năng lực hợp tác nhóm.

Kết quả định tính và định lượng cho thấy các công cụ sau khi tinh chỉnh đáp ứng tốt yêu cầu đánh giá quá trình; giáo viên tiết kiệm được đáng kể thời gian biên soạn học liệu, đồng thời học sinh nắm rõ các tiêu chí cần đạt trong quá trình thực hành.

Kết quả và đóng góp

Nghiên cứu mang lại các kết quả định lượng và định tính cụ thể dựa trên dữ liệu văn bản:

  • Kết quả khảo sát thực trạng: Xác nhận 100% giáo viên tham gia khảo sát gặp khó khăn và hiếm khi sử dụng rubric do tốn thời gian; 57% phụ thuộc vào câu hỏi và 43% phụ thuộc vào đề kiểm tra giấy; phần lớn giáo viên bày tỏ nhu cầu có công cụ AI hỗ trợ giảm tải quy trình soạn thảo công cụ đánh giá.
  • Quy trình chuẩn hóa 5 bước: Xác lập thành công quy trình kỹ thuật đưa câu lệnh vào Chat GPT (từ xác định yêu cầu cần đạt, thiết lập cấu trúc lệnh 3 phần, bổ sung định lượng chính xác, đến thẩm định sản phẩm đầu ra).
  • Đánh giá năng lực công cụ của Chat GPT: Làm rõ khả năng thực tế của AI đối với từng loại công cụ:
    • Hiệu quả cao nhất: Xây dựng rubric và bảng kiểm (giải quyết triệt để khâu viết lời mô tả tiêu chí nhiều cấp độ).
    • Hiệu quả trung bình: Biên soạn câu hỏi trắc nghiệm và câu hỏi tự luận ngắn theo yêu cầu cần đạt.
    • Hạn chế: Không có khả năng tự động hóa việc thiết lập ma trận đề thi 2 chiều chuẩn hóa; cần có sự can thiệp và thiết lập khung cấu trúc từ phía người dạy.
  • Đóng góp so với nghiên cứu trước: Khóa luận không chỉ dừng lại ở việc đánh giá khả năng giải bài tập của AI như các nghiên cứu trước đó của Lê Anh Vinh cùng cộng sự (2023), mà đã đi sâu thiết lập quy trình sư phạm giúp giáo viên KHTN trực tiếp tạo ra 5 dạng công cụ kiểm tra, đánh giá năng lực bám sát Chương trình giáo dục phổ thông 2018, đồng thời kiểm chứng tính khả thi qua thực nghiệm sư phạm thực tế ở cấp trung học cơ sở.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận các giới hạn nghiên cứu dựa trên phạm vi triển khai thực tế:

  • Giới hạn nội dung và địa bàn: Đề tài chỉ thực nghiệm trong phạm vi một chủ đề kiến thức (Năng lượng và sự biến đổi môn Khoa học tự nhiên 8) trên quy mô mẫu hạn chế gồm 20 giáo viên khảo sát tại Long An và học sinh tại 2 trường THCS ở Long An và TP. Hồ Chí Minh trong khoảng thời gian từ tháng 10/2023 đến tháng 4/2024.
  • Giới hạn công nghệ: Nghiên cứu phụ thuộc vào các phiên bản Chat GPT-3.5 và Chat GPT-4 ở thời điểm thử nghiệm. Mô hình chưa thể tự đọc hiểu và xử lý trực tiếp các bảng ma trận đề thi phức tạp dưới dạng đồ họa hay tệp nhị phân trên phiên bản miễn phí.
  • Hướng nghiên cứu tiếp: Mở rộng ứng dụng quy trình 5 bước sang các mạch nội dung khác của môn Khoa học tự nhiên (Chất và sự biến đổi của chất, Vật sống, Trái Đất và bầu trời) và các khối lớp 6, 7, 9; nghiên cứu sâu hơn về kỹ thuật thiết kế câu lệnh chuyên sâu (prompt engineering) để tối ưu hóa việc phân hóa câu hỏi theo đúng tỷ lệ ma trận đề kiểm tra định kỳ.

Giá trị tham khảo

Công trình là tài liệu tham khảo hữu ích cho sinh viên ngành Sư phạm Khoa học tự nhiên, Sư phạm Vật lý, Hóa học, Sinh học và giáo viên THCS đang trực tiếp giảng dạy theo Chương trình Giáo dục phổ thông 2018.

Nội dung có giá trị ứng dụng cao nhất là:

  • Bản mô tả quy trình kỹ thuật 5 bước xây dựng câu lệnh và các mẫu câu lệnh thực tế được trình bày trong Chương 2.
  • Phương pháp phối hợp 5 công cụ đánh giá (câu hỏi, đề kiểm tra, bảng kiểm, thang đánh giá, rubric) tương ứng với từng giai đoạn đánh giá quá trình và đánh giá định kỳ trong dạy học thực hành khoa học tự nhiên.

Câu hỏi thường gặp

1. Khóa luận nghiên cứu ứng dụng Chat GPT để xây dựng những công cụ kiểm tra, đánh giá cụ thể nào?
Nghiên cứu tập trung vào 5 công cụ kiểm tra, đánh giá học sinh trong môn Khoa học tự nhiên lớp 8 bao gồm: câu hỏi (trắc nghiệm và tự luận), đề kiểm tra, bảng kiểm (checklist), thang đánh giá (rating scale) và phiếu đánh giá theo tiêu chí (rubric).

2. Chat GPT có thể tự động xây dựng ma trận đề kiểm tra hai chiều theo chuẩn của Bộ Giáo dục và Đào tạo hay không?
Theo kết quả thử nghiệm trong Chương 2, Chat GPT không thể tự xây dựng ma trận đề kiểm tra hai chiều theo các chuẩn đánh giá. Khi người dùng cung cấp sẵn ma trận, phiên bản Chat GPT-3.5 không hiểu cấu trúc bảng biểu, còn Chat GPT-4 dù nhận diện tốt hơn nhưng vẫn chưa ánh xạ chính xác nội dung câu hỏi vào từng mức độ năng lực trên ma trận. Giáo viên phải cung cấp danh sách yêu cầu cần đạt cụ thể kèm số lượng câu hỏi chính xác để tạo đề.

3. Khảo sát thực trạng trong đề tài chỉ ra khó khăn lớn nhất của giáo viên khi thiết kế công cụ đánh giá là gì?
Kết quả khảo sát 20 giáo viên tại Long An cho thấy 100% giáo viên ít sử dụng rubric nhất vì công cụ này đòi hỏi nhiều thời gian thiết kế, khó diễn đạt các bản mô tả mức độ hành vi và tiêu chí. Giáo viên chủ yếu phụ thuộc vào câu hỏi (57%) và đề kiểm tra giấy (43%).

4. Dữ liệu thực nghiệm sư phạm của đề tài được triển khai tại những trường học nào?
Thực nghiệm sư phạm được tiến hành tại hai trường: Trường THCS Lê Minh Xuân (huyện Bình Chánh, TP. Hồ Chí Minh) với 5 lớp 8 tham gia làm bộ 10 câu hỏi và 1 đề kiểm tra; Trường THCS Nguyễn Đình Chiểu (tỉnh Long An) với 1 lớp 8 tham gia bài học thực hành "Mạch điện đơn giản" sử dụng bảng kiểm, thang đánh giá và rubric.

Kết luận

Khóa luận tốt nghiệp của tác giả Hồng Kiều My đã giải quyết một vấn đề cấp thiết trong bối cảnh đổi mới giáo dục phổ thông thông qua việc xây dựng quy trình 5 bước ứng dụng Chat GPT thiết kế 5 công cụ kiểm tra, đánh giá môn Khoa học tự nhiên lớp 8. Nghiên cứu khẳng định Chat GPT có khả năng hỗ trợ giáo viên giảm tải đáng kể thời gian soạn thảo học liệu, đặc biệt trong việc biên soạn rubric và bảng kiểm đánh giá thực hành. Mặc dù công nghệ chưa thể tự động hóa khâu lập ma trận đề thi và đòi hỏi sự thẩm định chuyên môn chặt chẽ từ giáo viên, công trình đã cung cấp cơ sở thực nghiệm và giải pháp sư phạm rõ ràng cho việc tích hợp trí tuệ nhân tạo vào nhà trường phổ thông hiện nay.