AI có thể hỗ trợ một số công việc trong kiểm tra, đánh giá học sinh: gợi ý câu hỏi theo mục tiêu bài học, nhóm những lỗi xuất hiện trong bài làm đã ẩn danh hoặc phác thảo phản hồi ban đầu. Những đầu ra này chỉ có ích khi giáo viên kiểm tra lại bằng kiến thức môn học, tiêu chí đánh giá và hiểu biết về học sinh. AI nên hỗ trợ quy trình đánh giá, không tự quyết định năng lực hay kết quả cuối cùng của một em.
Bài viết tập trung vào đánh giá thường xuyên trong lớp học: thu thập bằng chứng học tập, hiểu học sinh đang vướng ở đâu và điều chỉnh hoạt động dạy tiếp theo. Cách tiếp cận này cụ thể hơn những nội dung tổng quan về AI hỗ trợ giáo viên, đồng thời đặt câu hỏi về tính chính xác, công bằng và quyền riêng tư trước khi dùng công cụ.
AI có thể hỗ trợ những khâu nào trong đánh giá học sinh?
Đánh giá thường xuyên thường diễn ra trong quá trình học để giáo viên và học sinh nhận biết mức độ hiểu bài, từ đó quyết định bước tiếp theo. Đánh giá tổng kết nhằm ghi nhận kết quả ở một giai đoạn hoặc theo một tiêu chí nhất định. Hai hình thức có mục đích khác nhau, nhưng đều cần câu hỏi phù hợp, tiêu chí rõ ràng và bằng chứng đáng tin cậy. OECD mô tả đánh giá học sinh như một phần của việc hỗ trợ và theo dõi quá trình học, không chỉ là hoạt động cho điểm cuối kỳ (tổng quan về đánh giá học sinh của OECD).
Trong đánh giá thường xuyên, công cụ AI tạo sinh có thể được thử ở ba vai trò giới hạn:
- Chuẩn bị bản nháp câu hỏi: đề xuất nhiều cách hỏi cho cùng một mục tiêu, tạo câu hỏi luyện tập hoặc gợi ý phương án nhiễu để giáo viên xem xét.
- Tổ chức phản hồi: nhóm những lỗi tương tự trong một tập câu trả lời đã loại thông tin nhận dạng, hoặc đề xuất câu hỏi gợi mở để giáo viên tiếp tục trao đổi.
- Phác thảo phản hồi: soạn một nhận xét ban đầu dựa trên rubric mà giáo viên cung cấp, rồi để giáo viên sửa cho chính xác và phù hợp với từng em.
OECD ghi nhận GenAI có thể hỗ trợ thiết kế câu hỏi đánh giá và rà soát sự liên hệ với chương trình học, nhưng việc dùng AI tự nó không bảo đảm học sinh học sâu hơn. Giá trị phụ thuộc vào mục tiêu sư phạm và cách người dạy kiểm soát công cụ (OECD Digital Education Outlook 2026).
Dùng AI để gợi ý câu hỏi bám sát mục tiêu bài học
Đầu vào tốt nhất không phải là yêu cầu chung như “hãy tạo một bài kiểm tra hay”, mà là mục tiêu học tập, nội dung đã dạy, mức độ học sinh và loại bằng chứng giáo viên muốn quan sát. Nếu mục tiêu là giải thích nguyên nhân, một câu chỉ yêu cầu nhớ định nghĩa có thể chưa đo đúng kỹ năng cần đánh giá.
Giáo viên có thể đưa tài liệu mình được phép sử dụng cùng hướng dẫn cụ thể: nêu mục tiêu, cấp lớp, số lượng câu hỏi, dạng câu, độ khó dự kiến và tiêu chí của một đáp án tốt. Có thể yêu cầu AI giải thích mỗi câu đang kiểm tra kỹ năng nào và nêu vì sao các phương án sai có vẻ hấp dẫn, để giáo viên phát hiện câu hỏi mơ hồ hoặc đáp án nhiễu không hợp lý.
Ví dụ minh họa cho một yêu cầu: “Dựa trên đoạn tài liệu sau và mục tiêu học sinh giải thích được nguyên nhân của hiện tượng, hãy đề xuất ba câu hỏi ngắn cho lớp 7. Với từng câu, ghi kỹ năng cần quan sát và giải thích đáp án. Không bổ sung dữ kiện ngoài tài liệu.” Giáo viên vẫn cần tự giải câu hỏi, kiểm tra thuật ngữ, đối chiếu chương trình và chỉnh cách diễn đạt cho phù hợp lớp học.
Hình thức trắc nghiệm chỉ là một lựa chọn. Tùy mục tiêu, giáo viên có thể cần câu hỏi giải thích, bài thực hành, sản phẩm dự án, thảo luận hoặc phần trình bày miệng. AI có thể giúp phác thảo phương án, nhưng không nên khiến mọi mục tiêu bị quy về dạng câu hỏi dễ chấm tự động. Có thể xem thêm các dạng bài kiểm tra và cách tạo đề để lựa chọn hình thức phù hợp.
Đọc lỗi thường gặp và biến phản hồi thành bước dạy tiếp theo
Trong một bài kiểm tra ngắn, giáo viên thường muốn biết học sinh sai ở đâu và sai theo cách nào. Nếu một số em nhầm lẫn cùng một khái niệm, đó có thể là tín hiệu để giảng lại hoặc đưa thêm ví dụ. AI có thể giúp sắp xếp câu trả lời vào các nhóm dự kiến, nhưng việc phân nhóm phải dựa trên đáp án gốc và được giáo viên rà lại. Không nên coi kết quả tổng hợp của mô hình là hồ sơ chính xác về năng lực của từng em.
Ví dụ giả định: nếu nhiều bài cùng nhầm giữa hai bước trong một quy trình, giáo viên có thể kiểm tra xem hướng dẫn ban đầu đã làm rõ sự khác nhau chưa, rồi thiết kế một câu hỏi luyện tập mới để xem nhầm lẫn có giảm không. Đây là cách dùng kết quả đánh giá để chọn hành động tiếp theo; không cần gán nhãn học sinh là “yếu” dựa trên một lần trả lời.
AI cũng có thể phác thảo phản hồi theo tiêu chí, chẳng hạn chỉ ra phần đã đạt và đặt một câu hỏi giúp học sinh tự xem lại bước lập luận còn thiếu. Giáo viên cần xác nhận nhận xét có bám sát bài làm không, có giọng điệu tôn trọng không và có chỉ ra bước cải thiện cụ thể không. Một câu phản hồi chung chung hoặc sai kiến thức có thể làm học sinh bối rối thay vì giúp các em tiến bộ.
Ảnh minh họa giao diện bài luyện tập trong kho YooBook, gợi ý một hoạt động giáo viên có thể chọn sau khi nhận diện lỗi thường gặp; đây không phải giao diện AI hay bằng chứng về tính năng AI của YooBook.
Phản hồi tốt thường giúp người học hiểu mình đang ở đâu, cần cải thiện điểm nào và có thể bắt đầu bằng bước gì. AI có thể giảm thời gian chuẩn bị bản nháp nếu công cụ phù hợp, nhưng cuộc trao đổi giữa giáo viên và học sinh vẫn cần để hiểu nguyên nhân, đặt câu hỏi tiếp nối và khích lệ nỗ lực.
Những quyết định đánh giá không nên giao hoàn toàn cho AI
Giáo viên không nên dùng một đầu ra tự động duy nhất để quyết định điểm số có ảnh hưởng lớn, xếp loại, cơ hội học tập hay cách hỗ trợ một học sinh. Với bài luận, sản phẩm sáng tạo, trình bày miệng hoặc nhiệm vụ mở, tiêu chí có thể đòi hỏi xem xét lập luận, quá trình làm bài và bối cảnh mà một hệ thống khó nắm đầy đủ. Kể cả với bài trắc nghiệm, đáp án tự động cũng cần được kiểm tra khi câu hỏi có nhiều cách hiểu hoặc có lỗi.
Cần đặc biệt thận trọng khi AI được dùng để suy đoán động cơ, phát hiện gian lận, đánh giá cảm xúc hoặc gắn nhãn hành vi. Một kết luận như vậy có thể gây ảnh hưởng lớn, trong khi mô hình có thể hiểu nhầm ngôn ngữ, cách diễn đạt hoặc điều kiện làm bài. Giáo viên và nhà trường cần dựa trên quy trình có thể giải thích, bằng chứng trực tiếp và cơ hội để học sinh được trao đổi, không biến một cảnh báo máy thành kết luận.
Khung hướng dẫn của UNESCO nhấn mạnh quyền chủ động của con người, tính bao trùm và việc bảo vệ dữ liệu trong sử dụng AI tạo sinh ở giáo dục. Điều này củng cố nguyên tắc: AI có thể gợi ý để giáo viên cân nhắc, nhưng trách nhiệm diễn giải và quyết định vẫn thuộc về con người (hướng dẫn UNESCO về GenAI trong giáo dục).
Quy trình thử nghiệm AI trong đánh giá có kiểm soát
- Chọn một mục tiêu hẹp: ví dụ thử gợi ý câu hỏi luyện tập cho một mục tiêu đã dạy, thay vì đưa toàn bộ việc kiểm tra lên AI.
- Viết tiêu chí trước: xác định đáp án đúng, kỹ năng cần đo và những lỗi thường gặp dựa trên chuyên môn môn học. Không để công cụ tự đặt chuẩn rồi tự chấm theo chuẩn đó.
- Giảm dữ liệu đầu vào: không nhập tên, mã học sinh, thông tin liên hệ, điểm số gắn với danh tính hoặc nội dung riêng tư. Dùng câu trả lời đã ẩn danh khi việc phân tích thực sự cần.
- Rà từng đầu ra: kiểm tra kiến thức, cách diễn đạt, độ khó, tính phù hợp lứa tuổi, khả năng tiếp cận và nguy cơ thiên lệch giữa các nhóm học sinh.
- Thử ở quy mô nhỏ: giáo viên xem xét đầu ra song song với cách đánh giá hiện tại, ghi lại lỗi và bỏ những gợi ý không đạt. Không dùng kết quả thử nghiệm làm căn cứ xếp loại.
- Đo giá trị thực tế: xem câu hỏi có đo đúng mục tiêu không, phản hồi có giúp chọn bước dạy tiếp không và thời gian rà soát có hợp lý không. Nếu chỉ tạo thêm việc sửa lỗi mà không cải thiện quyết định dạy học, nên thay cách dùng.
UNESCO khuyến nghị cân nhắc quyền riêng tư, tính phù hợp với lứa tuổi và năng lực của giáo viên trước khi tích hợp công cụ. OECD cũng nhấn mạnh yêu cầu về an toàn, minh bạch, kiểm tra thiên lệch và sự phù hợp với mục tiêu học tập khi xây dựng môi trường GenAI đáng tin cậy. Nhà trường nên kiểm tra chính sách và điều kiện của từng sản phẩm, vì dữ liệu được lưu hay xử lý thế nào phụ thuộc vào dịch vụ cụ thể.
Câu hỏi thường gặp
AI có thể chấm bài kiểm tra của học sinh không?
Một số công cụ có thể hỗ trợ chấm một số dạng câu hỏi theo cấu hình nhất định, nhưng khả năng và độ tin cậy khác nhau theo sản phẩm, môn học, dạng câu và cách thiết lập rubric. Giáo viên cần kiểm tra mẫu, đối chiếu tiêu chí và xử lý trường hợp ngoại lệ. Không nên mặc định điểm AI là công bằng hoặc chính xác chỉ vì kết quả được trả nhanh.
Giáo viên có nên đưa nguyên bài làm của học sinh vào chatbot?
Chỉ khi được nhà trường cho phép và đã kiểm tra chính sách của dịch vụ về xử lý, lưu trữ và sử dụng dữ liệu. Trước tiên, nên bỏ tên và thông tin có thể nhận diện, chỉ cung cấp phần tối thiểu cần cho một nhiệm vụ cụ thể. Nếu không thể xác định dữ liệu đi đâu hoặc được lưu bao lâu, không nên đưa bài làm có thông tin riêng tư vào công cụ.
Dùng AI thế nào để tiết kiệm thời gian mà vẫn giữ chất lượng?
Chọn một công đoạn lặp lại có thể kiểm chứng, chẳng hạn tạo bản nháp câu hỏi theo tài liệu hoặc nhóm một tập lỗi đã ẩn danh. Giữ rubric và đáp án do giáo viên xác định, kiểm tra đầu ra trước khi dùng và theo dõi xem gợi ý có giúp điều chỉnh hoạt động dạy học hay không. Mục tiêu là hỗ trợ phán đoán chuyên môn, không thay thế nó.
AI trong kiểm tra đánh giá học sinh có ích nhất khi được đặt trong một quy trình rõ: mục tiêu và tiêu chí do giáo viên xác định, dữ liệu được giảm thiểu, đầu ra được kiểm tra và quyết định cuối cùng dựa trên hiểu biết về người học. Với những trường đang xây dựng nguồn câu hỏi, bài viết ngân hàng câu hỏi K12 là tài liệu liên quan để xem xét cách tổ chức câu hỏi cho hoạt động luyện tập.
