Adaptive Learning là gì? Cơ chế và ví dụ trong giáo dục

Adaptive learning (học tập thích ứng) là cách điều chỉnh nội dung, độ khó, nhịp độ hoặc mức hỗ trợ dựa trên bằng chứng về tiến độ của người học. Điểm cốt lõi không nằm ở việc dùng một ứng dụng hay AI, mà ở vòng lặp: quan sát người học, hiểu tín hiệu, chọn bước tiếp theo phù hợp rồi kiểm tra xem lựa chọn đó có giúp ích hay không.

Trong lớp học, giáo viên có thể thực hiện vòng lặp này bằng câu hỏi kiểm tra nhanh và hoạt động tiếp nối. Phần mềm cũng có thể hỗ trợ một số bước theo quy tắc hoặc thuật toán. Dù cách nào, một câu trả lời đúng hay sai chưa đủ để gắn nhãn năng lực hoặc quyết định toàn bộ lộ trình của học sinh.

Adaptive learning thường được dịch là học tập thích ứng: hoạt động học thay đổi theo điều người học đang cần, chẳng hạn thêm gợi ý khi còn vướng, cho luyện tập khác khi một kỹ năng chưa vững, hoặc tăng thử thách khi đã nắm kiến thức. Sự điều chỉnh có thể do giáo viên thực hiện, do hệ thống số gợi ý, hoặc kết hợp cả hai.

Thuật ngữ này chưa có một ranh giới thống nhất với “học tập cá nhân hóa”. Một tổng quan tài liệu cho thấy hai cụm từ thường được dùng chồng lấn; trong cách hiểu tập trung vào hệ thống số, adaptive learning thường chỉ việc điều chỉnh nội dung, cách trình bày hoặc đường học dựa trên hồ sơ hay trạng thái học tập. Vì vậy, bài viết dùng “học tập thích ứng” để nói về nguyên tắc điều chỉnh dựa trên tín hiệu, không phải một loại công nghệ duy nhất.

Điều này giúp phân biệt adaptive learning với ba việc dễ bị gọi nhầm:

• Đưa bài học lên mạng: số hóa nội dung chưa làm cho nội dung tự thay đổi theo tiến độ.
• Cho người học tự chọn tài liệu: lựa chọn có thể hữu ích, nhưng chỉ là thích ứng khi lựa chọn tiếp theo được cân nhắc dựa trên mục tiêu và thông tin về quá trình học.
• Chia sẵn nhiều nhóm: giao phiếu khác nhau từ đầu có thể là dạy học phân hóa; nếu cách hỗ trợ được xem lại theo phản hồi sau đó, hoạt động tiến gần hơn đến một vòng lặp thích ứng.

Có thể hình dung một quy trình đơn giản qua bốn bước. Đây là khung để thiết kế hoạt động; mỗi lớp học hoặc nền tảng có thể triển khai khác nhau.

1. Quan sát một tín hiệu liên quan đến mục tiêu

Tín hiệu có thể là câu trả lời, dạng lỗi, mức gợi ý đã dùng, bài làm ngắn hoặc phần giải thích của học sinh. Chọn tín hiệu gắn với kỹ năng cần học. Ví dụ, nếu mục tiêu là quy đồng phân số, biết học sinh chọn sai mẫu số có ý nghĩa hơn việc chỉ đếm số giây các em làm bài.

2. Diễn giải tín hiệu trong bối cảnh

Một lỗi có thể xuất phát từ hiểu nhầm khái niệm, đọc chưa kỹ yêu cầu, thiếu kiến thức nền hoặc yếu tố bên ngoài như thiết bị và ngôn ngữ. Giáo viên nên đối chiếu nhiều dấu hiệu trước khi thay đổi mức độ học; một lần làm sai không nói lên khả năng cố định của người học.

3. Chọn phản hồi cụ thể

Phản hồi có thể là ví dụ trực quan, câu hỏi gợi mở, bài luyện tập nền tảng, thêm thời gian thực hành hoặc một nhiệm vụ mở rộng. Nếu công cụ số đưa ra gợi ý, giáo viên cần biết gợi ý dựa trên tín hiệu nào và có thể bỏ qua hoặc điều chỉnh khi không phù hợp.

4. Kiểm tra lại và điều chỉnh tiếp

Sau hoạt động tiếp nối, xem học sinh có giải thích được cách làm hoặc vận dụng được vào bài mới không. Nếu chưa, đổi cách giải thích hoặc quay lại kiến thức nền; nếu đã vững, chuyển sang tình huống có yêu cầu cao hơn. Như vậy, “thích ứng” là một chuỗi quyết định có xem lại, không chỉ là thay bài tập một lần.

Một tổng quan hệ thống về học tập thích ứng trong trường phổ thông đã phân tích 69 công trình nghiên cứu được chọn từ 555 bài thực nghiệm giai đoạn 2018–2022. Nghiên cứu về thích ứng tập trung nhiều vào tiểu học, đặc biệt môn Toán; thành tích thường vừa là tín hiệu đầu vào vừa là kết quả hướng tới. Đây là bản đồ về cách lĩnh vực đang được nghiên cứu, không phải bằng chứng rằng mọi hệ thống hay mọi cách điều chỉnh đều hiệu quả như nhau.

Giả sử mục tiêu là so sánh hai phân số khác mẫu. Giáo viên có thể bắt đầu bằng một câu hỏi ngắn để xem học sinh có hiểu mẫu số chung hay không. Nếu bài làm cho thấy em đang cộng trực tiếp hai mẫu số, bước tiếp theo có thể là dùng hình chia phần và một ví dụ có hướng dẫn. Nếu em giải thích đúng vì sao cần mẫu số chung, có thể giao thêm bài toán gắn với tình huống thực tế.

Trong ví dụ này, “thích ứng” không có nghĩa là mỗi học sinh bị chuyển sang một chương trình riêng. Mục tiêu vẫn chung; ví dụ, gợi ý và mức thử thách thay đổi theo bằng chứng. Giáo viên xem lại bài sau đó để quyết định có tiếp tục hỗ trợ hay chuyển sang nội dung mới.

Một kho học liệu được sắp xếp rõ ràng có thể giúp giáo viên tìm hoạt động tiếp nối. Ví dụ, bài giới thiệu ngân hàng câu hỏi K12 trên YooBook mô tả cách khám phá học liệu theo lớp và môn. Việc có kho câu hỏi không tự động biến một nền tảng thành adaptive learning: bước chọn bài và quyết định hỗ trợ tiếp theo vẫn cần căn cứ vào nhu cầu học tập.

Các tài liệu nghiên cứu có thể dùng hai thuật ngữ này theo cách khác nhau. Để trao đổi trong thực tế, có thể tạm phân biệt theo phạm vi:

• Học tập cá nhân hóa là khái niệm rộng hơn, có thể bao gồm mục tiêu, lựa chọn, tốc độ và cách hỗ trợ được thiết kế cho từng người học.
• Học tập thích ứng nhấn mạnh việc thay đổi bước học sau khi quan sát trạng thái hoặc kết quả hiện tại.
• Dạy học phân hóa thường mô tả cách giáo viên chuẩn bị nhiều hoạt động hoặc mức hỗ trợ để đáp ứng khác biệt trong lớp.

Đây là cách phân biệt để thiết kế bài học, không phải định nghĩa duy nhất. Nếu bạn đang tìm cách tổ chức lựa chọn và hỗ trợ trong lớp mà không nhất thiết dùng phần mềm, xem thêm bài cá nhân hóa giáo dục với mục tiêu chung và nhiều cách tiếp cận.

Học tập thích ứng có thể giúp người học nhận được gợi ý hoặc bài luyện tập sát với điểm đang vướng hơn; đồng thời, giáo viên có thêm căn cứ để quyết định nên ôn lại, hỗ trợ hay mở rộng. Một số hệ thống điều chỉnh theo bài kiểm tra đầu vào; hệ thống khác theo dõi câu trả lời trong khi học. Mức độ và thời điểm điều chỉnh khác nhau sẽ tạo ra trải nghiệm khác nhau.

Giới hạn nằm ở chất lượng tín hiệu và cách diễn giải. Dữ liệu thiếu có thể dẫn đến gợi ý sai; câu trả lời nhanh không đồng nghĩa với đã hiểu; một mức điểm không thể thay thế việc xem cách học sinh lập luận. Nếu đường học bị giới hạn quá chặt, người học có thể không nhìn thấy nội dung ngoài những gì hệ thống dự đoán sẵn.

Với học sinh, điểm số nên là một tín hiệu để trò chuyện và chọn bước tiếp theo, không phải nhãn về năng lực. Khi dùng nền tảng số hoặc AI, nhà trường cũng cần cân nhắc dữ liệu nào thật sự cần thiết, ai được xem, dữ liệu được lưu trong bao lâu, và cách hỗ trợ người học gặp khó khăn về thiết bị hoặc khả năng tiếp cận. UNESCO nhấn mạnh cách tiếp cận lấy con người làm trung tâm, cùng các yêu cầu về quyền riêng tư, công bằng và tiếp cận trong giáo dục số.

1. Chọn một mục tiêu nhỏ: xác định một kỹ năng cụ thể, chẳng hạn nhận biết lỗi quy đồng, thay vì yêu cầu hệ thống “cá nhân hóa toàn bộ môn học”.
2. Quy định tín hiệu cần xem: chọn một vài bằng chứng gắn trực tiếp với mục tiêu và nói rõ chúng chưa thể kết luận điều gì.
3. Chuẩn bị các bước tiếp theo: có ít nhất một cách hỗ trợ nền tảng, một bước luyện tập thông thường và một lựa chọn mở rộng; giữ tiêu chí học tập nhất quán.
4. Giữ quyền xem lại cho giáo viên: kiểm tra gợi ý, sửa đường học khi cần và hỏi học sinh xem cách hỗ trợ có dễ hiểu không.
5. Đánh giá sau thử nghiệm: so sánh bài làm với mục tiêu, xem học sinh có giải thích hoặc vận dụng được không, đồng thời ghi nhận thời gian chuẩn bị và những trường hợp công cụ đưa ra gợi ý chưa phù hợp.

Nên thử trong một chủ đề trước khi mở rộng. Nếu kết quả tốt hơn ở một nhóm nhưng khó dùng với nhóm khác, hãy xem lại học liệu, cách thu thập tín hiệu và điều kiện thiết bị trước khi kết luận về hiệu quả.

Adaptive learning có bắt buộc phải dùng AI không?

Không. Việc điều chỉnh có thể do giáo viên dựa trên bài làm và quan sát, hoặc do một công cụ số hỗ trợ. AI là một cách triển khai, không phải điều kiện để hoạt động học trở nên thích ứng.

Adaptive learning có giống học online không?

Không. Học online mô tả môi trường hoặc hình thức học; adaptive learning mô tả việc điều chỉnh nội dung, mức hỗ trợ hoặc bước học theo tín hiệu về tiến độ. Một khóa học trực tuyến có thể chỉ trình bày cùng một nội dung cho tất cả người học.

Có thể dùng điểm kiểm tra để tự động xếp lộ trình không?

Có thể dùng điểm làm một tín hiệu, nhưng nên kết hợp dạng lỗi, mục tiêu bài học và quan sát của giáo viên. Trước khi áp dụng lâu dài, cần kiểm tra xem quy tắc xếp lộ trình có đưa ra lựa chọn phù hợp cho các nhóm người học khác nhau hay không.

• Adaptive learning, instruction, and teaching in schools: Unraveling context, sources, implementation, and goals in a systematic review (2025): tổng quan về bối cảnh, tín hiệu và cách triển khai nghiên cứu học tập thích ứng trong trường phổ thông.
• A systematic literature review of personalized learning terms (2020): phân tích cách các thuật ngữ học tập cá nhân hóa và thích ứng được định nghĩa, sử dụng.
• UNESCO – AI and education: Protecting the rights of learners (2025, cập nhật 2026): quyền riêng tư, công bằng và tiếp cận trong giáo dục có công nghệ số.