Ứng Dụng Reading Progress Trong MS Teams: Bước Đột Phá Nâng Cao Khả Năng Đọc Trôi Chảy Tiếng Anh Cho Sinh Viên Đại Học

Thông tin đề tài: Báo cáo kết quả thực hiện nhiệm vụ Khoa học và Công nghệ cấp Cơ sở
Đơn vị chủ trì: Khoa Ngoại ngữ - Công nghệ Thông tin, Trường Đại học Hoa Lư (Ninh Bình, 2024)
Chủ nhiệm đề tài: TS. Phạm Đức Thuận
Thành viên nghiên cứu: ThS. Đồng Thị Thu, ThS. Nguyễn Thị Hoàng Huế, ThS. Phạm Thanh Tâm, ThS. Nguyễn Thị Thúy Huyền


Tóm tắt nghiên cứu (200-250 từ)

Nghiên cứu tập trung giải quyết câu hỏi trọng tâm: Việc ứng dụng tiện ích trí tuệ nhân tạo (AI) Reading Progress tích hợp trong Microsoft Teams có tác động như thế nào đến khả năng đọc trôi chảy (Oral Reading Fluency - ORF), động lực và tính tự chủ học tập của sinh viên trong học phần Tiếng Anh 3 tại Trường Đại học Hoa Lư?

Sử dụng thiết kế nghiên cứu thực nghiệm kết hợp phương pháp định lượng và định tính trong 8 tuần (từ tuần 2 đến tuần 9), nhóm tác giả đã triển khai 10 bài tập đọc thực hành trên nền tảng Reading Progress cho 34 sinh viên lớp D16 ngành Sư phạm Toán và Khoa học Tự nhiên.

Kết quả nghiên cứu cho thấy sự tiến bộ vượt bậc ở cả hai tiêu chí cốt lõi của khả năng đọc trôi chảy:

  • Độ chính xác phát âm (Accuracy Rate): Tăng từ 61% ở bài tập đầu tiên lên 77% ở bài tập cuối cùng.
  • Tốc độ đọc (Words Correct Per Minute - WCPM): Tăng từ 59 từ đúng/phút lên 87 từ đúng/phút.
  • Tác động tâm lý - thái độ: Hơn 82% sinh viên đánh giá cao khả năng sửa lỗi phát âm của AI, 77% ghi nhận động lực học tập gia tăng và 73.5% giảm thiểu đáng kể tâm lý lo âu khi luyện đọc thành tiếng.

Hàm ý sư phạm của đề tài khẳng định tiềm năng to lớn của việc tích hợp các công cụ AI phân tích giọng nói tự động nhằm cá nhân hóa lộ trình luyện âm, tối ưu hóa thời gian chấm điểm cho giảng viên và thúc đẩy năng lực tự học của sinh viên trong giáo dục đại học.


Bối cảnh và tầm quan trọng (300-350 từ)

Trong kỷ nguyên chuyển đổi số giáo dục, trí tuệ nhân tạo (AI) đang tái định hình phương pháp giảng dạy ngoại ngữ toàn cầu với tốc độ tăng trưởng dự báo đạt 36% trong giai đoạn 2022–2030 (Jain, 2023). Đối với người học tiếng Anh như một ngoại ngữ (EFL), khả năng đọc thành tiếng trôi chảy (Oral Reading Fluency - ORF) đóng vai trò nền tảng kết nối trực tiếp giữa nhận diện âm vị, mở rộng vốn từ và nâng cao kỹ năng nói (Speaking) lẫn đọc hiểu (Reading Comprehension).

Tuy nhiên, trong mô hình lớp học truyền thống quy mô lớn tại các trường đại học Việt Nam, việc rèn luyện phát âm và đọc trôi chảy gặp nhiều rào cản nghiêm trọng:

  1. Thiếu tương tác cá nhân hóa 1-1: Giảng viên không đủ thời gian lắng nghe và chỉnh sửa chi tiết lỗi phát âm cho từng sinh viên trong mỗi tiết học.
  2. Rào cản tâm lý e ngại: Người học thường cảm thấy lo lắng, sợ mắc lỗi khi phải đọc to trước tập thể.
  3. Thiếu công cụ theo dõi tiến trình liên tục: Sinh viên ít có cơ hội ghi âm, nghe lại và nhận phản hồi tức thì về lỗi ngữ điệu, ngập ngừng hay nuốt âm.

Mặc dù nhiều ứng dụng công nghệ đã được thử nghiệm tại Trường Đại học Hoa Lư như Google Forms, Wise.vn, Hot Potatoes, Book Creator hay Flipgrid, phần lớn mới dừng lại ở việc số hóa bài tập hoặc luyện nói đơn thuần, chưa có giải pháp chuyên sâu ứng dụng AI phân tích giọng nói tự động để phát triển năng lực đọc trôi chảy.

Tiện ích Reading Progress do Microsoft ra mắt năm 2021 trên nền tảng Microsoft Teams là một giải pháp công nghệ mang tính bước ngoặt. Công cụ này cho phép người học ghi âm/ghi hình bài đọc, hệ thống AI tự động phát hiện lỗi phát âm, tính toán tốc độ WCPM và cung cấp dữ liệu phân tích trực quan (Insights). Do đó, nghiên cứu này mang tính cấp thiết cao, lấp đầy khoảng trống thực nghiệm về việc ứng dụng công cụ hỗ trợ luyện phát âm qua máy tính (CAPT) cho sinh viên đại học không chuyên ngữ tại Việt Nam.


Methodology và approach (350-400 từ)

Nghiên cứu áp dụng phương pháp tiếp cận kết hợp (Mixed Methods Approach) đan xen giữa nghiên cứu lý thuyết và can thiệp thực tiễn trong môi trường sư phạm thực tế.

                          Quy trình Nghiên cứu & Thu thập Dữ liệu

1. Khách thể và bối cảnh nghiên cứu

  • Khách thể: 34 sinh viên lớp số 8 học phần Tiếng Anh 3 (16 sinh viên Sư phạm Toán, 18 sinh viên Khoa học Tự nhiên; gồm 32 nữ, 2 nam) tại Trường Đại học Hoa Lư trong học kỳ 1 năm học 2023–2024.
  • Thời gian can thiệp: 8 tuần liên tục (từ tuần 2 đến tuần 9).

2. Thiết kế can thiệp sư phạm

  • Giảng viên xây dựng hệ thống 15 kênh học tập trên Microsoft Teams và chuẩn bị 7 ngữ liệu đọc chuẩn trích từ giáo trình SmartChoice 3 (Oxford, 2019) với dung lượng từ 54 đến 110 từ.
  • Triển khai 10 bài tập đọc (Read 01 đến Read 10), trong đó có 3 bài đọc được thiết kế lặp lại có chủ đích (Robots among us now ở Read 01 & 05; After the crash ở Read 04 & 08; Kelly – Emilly conversation ở Read 06 & 10) nhằm đo lường chính xác mức độ tiến bộ của cùng một ngữ liệu qua thời gian.

3. Phương pháp thu thập và phân tích dữ liệu

  • Dữ liệu định lượng từ AI Insights: Thu thập tự động hai chỉ số: Tỷ lệ chính xác (% Accuracy Rate) và Tốc độ đọc (WCPM - số từ đúng trên phút). Phân tích bằng thống kê mô tả và đối chiếu cặp bài tập.
  • Khảo sát bảng hỏi: Bảng hỏi trực tuyến qua Google Forms với 7 thang đo Likert 5 mức độ, đánh giá toàn diện các khía cạnh: tốc độ, độ chính xác, động lực, tính tự học, sự đa dạng hóa phương pháp, giảm lo âu và kỹ năng nói.
  • Phỏng vấn sâu và Phân tích chủ đề (Thematic Analysis): Phỏng vấn 11 sinh viên tình nguyện (thời lượng 2–4 phút/người). Bản ghi âm được chuyển thành văn bản qua Memobox và phân tích nghiêm ngặt theo quy trình 6 bước của Braun & Clarke (2006): Làm quen dữ liệu -> Tạo mã -> Tìm chủ đề -> Rà soát chủ đề -> Đặt tên chủ đề -> Viết báo cáo.

Phát hiện chính (400-450 từ)

Nghiên cứu đã ghi nhận 4 nhóm phát hiện cốt lõi mang ý nghĩa thực tiễn sâu sắc:

Bài tập / Tiêu chí đo lường Độ dài văn bản Tỷ lệ phát âm chính xác (%) Tốc độ đọc (Từ đúng / phút)
Read 01 (Robots among us now) 54 từ 61% 59 WCPM
Read 05 (Robots among us now - Lặp lại) 54 từ 68% (+7%) 64 WCPM (+5 WCPM)
Read 04 (After the crash) 91 từ 67% 65 WCPM
Read 08 (After the crash - Lặp lại) 91 từ 72% (+5%) 71 WCPM (+6 WCPM)
Read 06 (Kelly – Emilly conversation) 110 từ 72% 77 WCPM
Read 10 (Kelly – Emilly conversation - Lặp lại) 110 từ 77% (+5%) 87 WCPM (+10 WCPM)
Mức tăng trưởng toàn khóa (Read 01 -> Read 10) - Tăng từ 61% lên 77% Tăng từ 59 lên 87 WCPM
Tiến trình cải thiện Đọc trôi chảy (Accuracy & Speed)
                      Tuần 2   Tuần 4   Tuần 5   Tuần 6   Tuần 9

1. Cải thiện vượt bậc về tốc độ đọc và độ chính xác phát âm

Dữ liệu phân tích AI Insights chỉ ra xu hướng tăng trưởng tuyến tính rõ rệt. Tỷ lệ phát âm chính xác bình quân toàn lớp tăng từ 61% lên 77%. Tốc độ đọc tăng mạnh từ 59 từ/phút lên 87 từ/phút (tăng 47.4%). Ở các bài đọc lặp lại, sinh viên đều đạt bước tiến đáng kể cả về khả năng giải mã từ vựng lẫn ngữ điệu liền mạch.

2. Giảm thiểu rào cản tâm lý và tăng cường động lực học tập

  • 73.5% sinh viên khẳng định Reading Progress giúp giảm bớt cảm giác lo lắng, áp lực so với khi bị kiểm tra phát âm trực tiếp trên lớp.
  • 77.0% sinh viên cho biết việc nhận phản hồi ngay lập tức và tính năng đề xuất 5 từ vựng cần luyện tập thêm đã tạo động lực thôi thúc họ thực hành đọc lại nhiều lần trước khi nộp bài.

3. Hình thành năng lực tự chủ và tác động tích cực đến kỹ năng nói

  • 85.3% người tham gia đánh giá mức 4 và 5 về việc công cụ thúc đẩy tinh thần tự học. Sinh viên chủ động luyện tập ngoài giờ lên lớp, tự nghe lại giọng đọc của bản thân để tự hiệu chỉnh.
  • 85.3% sinh viên nhận thấy khả năng đọc trôi chảy cải thiện đã tác động tích cực và trực tiếp nâng cao sự tự tin trong kỹ năng nói (Speaking) - kỹ năng chiếm trọng số lớn trong cấu trúc bài thi kết thúc học phần.

4. Nhận diện các yếu tố kỹ thuật và thích ứng sư phạm

Phân tích định tính xác định sinh viên ban đầu gặp một số khó khăn: đường truyền mạng gián đoạn, tiếng ồn môi trường ký túc xá ảnh hưởng đến khả năng nhận diện âm của AI và thách thức khi phát âm cụm từ dài. Tuy nhiên, sau 2 tuần làm quen, người học đã chủ động tìm kiếm không gian yên tĩnh và xây dựng chiến thuật luyện tập hiệu quả hơn.


Đóng góp khoa học (250-300 từ)

Nghiên cứu mang lại những đóng góp quan trọng trên cả phương diện học thuật lẫn ứng dụng thực tiễn:

Đóng góp về mặt lý luận và học thuật (Theoretical Contributions)

  • Bổ sung bằng chứng thực nghiệm vững chắc vào kho tàng nghiên cứu về mô hình Dạy phát âm có sự hỗ trợ của máy tính (CAPT) và Đọc lặp lại có sự hỗ trợ của máy tính (CARR) trong bối cảnh sinh viên không chuyên tiếng Anh tại Việt Nam.
  • Làm sáng tỏ mối quan hệ biện chứng giữa việc rèn luyện khả năng đọc thành tiếng trôi chảy (ORF) dựa trên AI với việc củng cố cấu trúc phát âm, giảm rào cản tâm lý (Affective Filter) và nâng cao năng lực giao tiếp ngôn ngữ tổng thể.

Đổi mới phương pháp luận (Methodological Innovations)

  • Thiết lập quy trình tích hợp kết hợp giữa dữ liệu phân tích tự động từ hệ thống AI (Microsoft Insights) với phương pháp phân tích chủ đề định tính 6 bước của Braun & Clarke (2006), tạo ra khung đánh giá hiệu quả EdTech đa chiều, minh bạch và có độ tin cậy cao.

Ứng dụng thực tiễn và chính sách giáo dục (Practical & Policy Implications)

  • Cung cấp mô hình quy trình 7 bước giao bài và quản lý lớp học thực hành ngôn ngữ chuẩn hóa trên Microsoft Teams, có thể nhân rộng ngay cho toàn bộ các học phần tiếng Anh đại cương.
  • Giúp giảng viên giải phóng sức lao động thủ công trong khâu chấm phát âm từng cá nhân, chuyển đổi vai trò sang cố vấn sư phạm và điều chỉnh chiến lược giảng dạy dựa trên dữ liệu thời gian thực.

Đối tượng quan tâm (200-250 từ)

Nghiên cứu mang lại giá trị tham khảo thiết thực cho nhiều nhóm đối tượng trong hệ sinh thái giáo dục:

  • Giảng viên và Giáo viên Tiếng Anh (EFL/ESL): Cung cấp công cụ và phương pháp sư phạm hiện đại để giao bài tập rèn đọc thành tiếng, theo dõi lỗi phát âm chi tiết của từng sinh viên mà không bị quá tải về thời gian chấm bài.
  • Các Nhà nghiên cứu Giáo dục & Công nghệ Giáo dục (EdTech): Cung cấp bộ dữ liệu thực chứng và khung phương pháp luận kết hợp để tiếp tục mở rộng các nghiên cứu chuyên sâu về ứng dụng AI tạo sinh và xử lý giọng nói trong giáo dục ngôn ngữ.
  • Ban Giám hiệu và Nhà Quản lý Đào tạo Đại học: Cung cấp cơ sở thực tiễn để ban hành chính sách chuyển đổi số, đầu tư và tích hợp sâu các tiện ích có sẵn trong hệ sinh thái Microsoft 365 Education vào chương trình đào tạo chuẩn đầu ra ngoại ngữ.
  • Sinh viên và Người học Ngoại ngữ: Hướng dẫn phương pháp tự học phát âm cá nhân hóa, rèn luyện sự tự tin, làm chủ tốc độ đọc và khả năng giao tiếp tiếng Anh trôi chảy.

Câu hỏi thường gặp (FAQ) (250-300 từ)

1. Phát hiện quan trọng nhất của nghiên cứu là gì?

Phát hiện quan trọng nhất là Reading Progress giúp sinh viên cải thiện đồng thời cả độ chính xác phát âm (tăng từ 61% lên 77%) và tốc độ đọc (tăng từ 59 lên 87 từ/phút), đồng thời giải phóng hơn 73% áp lực tâm lý lo âu khi luyện đọc tiếng Anh.

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

Nghiên cứu kết hợp độc đáo giữa dữ liệu định lượng tự động từ thuật toán AI (Microsoft Insights) với phương pháp phân tích chủ đề định tính 6 bước chuẩn mực của Braun & Clarke (2006) thông qua công cụ chuyển đổi âm thanh Memobox.

3. Kết quả nghiên cứu có thể khái quát hóa (Generalize) không?

Có thể khái quát hóa cao cho các khóa sinh viên không chuyên ngữ tại các trường đại học, cao đẳng có điều kiện trang bị tài khoản Microsoft 365 Education và cơ sở hạ tầng mạng cơ bản.

4. Những bước nghiên cứu tiếp theo (Next Steps) là gì?

Nhóm nghiên cứu hướng tới việc mở rộng quy mô mẫu trên nhiều khối ngành khác nhau, kéo dài thời gian can thiệp trong cả năm học và nghiên cứu so sánh đối chứng giữa lớp học ứng dụng AI và lớp học truyền thống.

5. Ứng dụng thực tiễn của nghiên cứu này là gì?

Quy trình giao bài và quản lý bài tập đọc qua Reading Progress có thể ứng dụng ngay vào chương trình giảng dạy Tiếng Anh 1, 2, 3 và các khóa luyện thi chuẩn đầu ra năng lực ngoại ngữ bậc 3 (B1) cho sinh viên đại học.


Kết luận (150 từ)

Nghiên cứu của TS. Phạm Đức Thuận và cộng sự tại Trường Đại học Hoa Lư đã chứng minh tính ưu việt của tiện ích Reading Progress trong việc nâng cao khả năng đọc trôi chảy, phát triển độ chính xác phát âm và bồi dưỡng tính tự chủ học tập cho sinh viên học phần Tiếng Anh 3. Không chỉ giải quyết bài toán thiếu hụt thời gian tương tác 1-1 trong lớp học truyền thống, công cụ còn tạo ra môi trường luyện âm an toàn, giàu tính tương tác và chuẩn xác nhờ phản hồi tức thời từ AI.

Trong tương lai, việc nhân rộng mô hình này sang các học phần ngoại ngữ chuyên ngành và tích hợp thêm các công nghệ AI tạo sinh hướng dẫn ngữ điệu chuyên sâu sẽ là hướng đi tất yếu. Các cơ sở giáo dục đại học cần chủ động khai thác tối đa nền tảng EdTech sẵn có để nâng cao toàn diện chất lượng đào tạo ngoại ngữ trong thời đại số.


Bảng tóm tắt từ khóa SEO (SEO Metadata)

  • Primary Keywords: Reading Progress trong MS Teams, Khả năng đọc trôi chảy tiếng Anh, Trí tuệ nhân tạo trong dạy học tiếng Anh, Học phần Tiếng Anh 3 Đại học Hoa Lư.
  • Secondary Keywords: Oral reading fluency (ORF), Luyện phát âm bằng AI, Ứng dụng CAPT, EdTech trong giáo dục đại học, TS. Phạm Đức Thuận.
  • Search Intent: Nghiên cứu khoa học, giải pháp công nghệ giáo dục, phương pháp rèn luyện phát âm tiếng Anh cho sinh viên.