Nhìn lại các buổi chia sẻ về phát triển chương trình đào tạo dựa trên chuẩn đầu ra và quản trị dựa trên dữ liệu

Tôi may mắn có cơ hội cộng tác với hai trung tâm kiểm định chất lượng giáo dục hàng đầu Việt Nam: Trung tâm Kiểm định chất lượng giáo dục – Đại học Quốc gia Hà Nội (CEA-VNU) và Trung tâm Kiểm định chất lượng giáo dục – Đại học Quốc gia Thành phố Hồ Chí Minh (CEA-HCM). Hai trung tâm có phong cách tổ chức và làm việc khác nhau, nhưng cùng hướng đến một mục tiêu chung: đóng góp vào sự phát triển và nâng cao chất lượng giáo dục đại học Việt Nam. Trong chuỗi tập huấn “Thiết kế, phát triển và đánh giá chuẩn đầu ra” do Trung tâm Kiểm định chất lượng giáo dục – Đại học Quốc gia Hà Nội tổ chức, tôi tham gia với vai trò báo cáo viên tại 5 trong tổng số 7 chuyên đề. Nội dung các chuyên đề tạo thành một chuỗi logic, từ thiết kế chương trình đào tạo, thiết kế hoạt động dạy và học đến đo lường, đánh giá mức độ đạt chuẩn đầu ra, đối sánh và cải tiến chất lượng.

Hình 1. Ban giảng huấn trong đợt tập huấn 

Hình 2. Trong một buổi trao đổi của khóa tập huấn

Khóa tập huấn thu hút hơn 500 giảng viên, có buổi trên 600 người tham dự, đến từ nhiều cơ sở giáo dục đại học khác nhau. Nhiều thầy, cô là kiểm định viên hoặc đã hoàn thành các khóa đào tạo, bồi dưỡng về kiểm định chất lượng giáo dục. Vì vậy, các câu hỏi và nội dung trao đổi không chỉ dừng lại ở nhận thức chung mà đi khá sâu vào những vấn đề chuyên môn và thực tiễn triển khai. Tôi nhận được nhiều câu hỏi liên quan đến cách thiết kế chuẩn đầu ra, xây dựng mối liên kết giữa chuẩn đầu ra chương trình đào tạo với chuẩn đầu ra học phần, lựa chọn phương pháp đánh giá và tổ chức đo lường mức độ đạt chuẩn đầu ra. Đây cũng là lĩnh vực tôi đã trực tiếp nghiên cứu và triển khai trong thực tiễn từ năm 2018 đến nay.

  

Hình 3. Trao đổi thảo luận trong buổi chia sẻ

 

Hình 4. Chia sẻ phương pháp phân tích chuẩn đầu ra khi có dữ liệu đo lường

 Những kinh nghiệm tích lũy trong quá trình xây dựng hệ thống, xử lý các khó khăn phát sinh và từng bước điều chỉnh phương pháp đã giúp tôi có thêm cơ sở để chia sẻ với quý thầy, cô những cách tiếp cận có tính khả thi. Qua các buổi tập huấn, tôi nhận thấy các cơ sở giáo dục đại học đã và đang quan tâm ngày càng thấu đáo hơn đến việc đánh giá chuẩn đầu ra và xây dựng hệ thống cơ sở dữ liệu phục vụ bảo đảm chất lượng. Mức độ triển khai giữa các trường còn khác nhau: một số trường đã hình thành tương đối đầy đủ quy trình và công cụ, trong khi một số trường mới ở giai đoạn khởi đầu. Tuy nhiên, điểm chung đáng ghi nhận là các trường đều nhận thức rõ hơn rằng đo lường chuẩn đầu ra không chỉ nhằm đáp ứng yêu cầu kiểm định mà trước hết phải phục vụ hoạt động quản trị, ra quyết định và cải tiến chất lượng bên trong nhà trường. Bên cạnh chuỗi chuyên đề tại CEA-VNU, tại Trung tâm Kiểm định chất lượng giáo dục – Đại học Quốc gia Thành phố Hồ Chí Minh, tôi có dịp chia sẻ chuyên đề về “Quản trị dựa trên dữ liệu”. Nội dung này giúp mở rộng câu chuyện từ việc đo lường chuẩn đầu ra sang cách thức sử dụng dữ liệu để quản trị và vận hành toàn bộ hệ thống bảo đảm chất lượng bên trong cơ sở giáo dục. Theo tôi, quản trị dựa trên dữ liệu không đơn thuần là xây dựng nhiều biểu mẫu, thu thập nhiều con số hoặc tạo ra các báo cáo định kỳ. Điều quan trọng là cơ sở giáo dục phải xác định được các chỉ số hiệu suất trọng yếu – KPI (Key Performance Indicators), thiết lập hệ thống theo dõi dữ liệu thường xuyên và phân công nhân sự chịu trách nhiệm giám sát chất lượng dữ liệu. Trên cơ sở đó, hệ thống phải có khả năng phát hiện những biến động bất thường, nhận diện sớm rủi ro và đưa ra cảnh báo kịp thời để các cấp quản lý có căn cứ can thiệp. Chẳng hạn, khi dữ liệu cho thấy tỷ lệ sinh viên bỏ học, tỷ lệ tốt nghiệp đúng hạn, mức độ đạt chuẩn đầu ra hoặc mức độ hài lòng có xu hướng giảm, nhà trường cần nhận diện được vấn đề ngay từ giai đoạn đầu, thay vì chờ đến cuối chu kỳ đánh giá hoặc khi thực hiện kiểm định mới tiến hành xem xét. Vì vậy, nhân sự giám sát dữ liệu không chỉ thực hiện công việc tổng hợp số liệu mà còn phải kiểm tra tính đầy đủ, nhất quán và hợp lệ của dữ liệu; phân tích xu hướng; xác định các ngưỡng cảnh báo; đồng thời chuyển thông tin kịp thời đến đơn vị có trách nhiệm xử lý. Việc thiết lập KPI, hệ thống theo dõi và cơ chế cảnh báo sớm là đặc biệt quan trọng trong bối cảnh hiện nay. Tuy nhiên, KPI chỉ có ý nghĩa khi gắn với mục tiêu chiến lược, có định nghĩa và phương pháp tính rõ ràng, xác định được nguồn dữ liệu, đơn vị chịu trách nhiệm và tần suất theo dõi. Nếu KPI chỉ được xây dựng để hoàn thành báo cáo hoặc chạy theo những con số bề nổi, hệ thống có thể tạo ra áp lực thành tích nhưng không giúp cải thiện chất lượng thực chất. 

Hình 5. Chia sẻ tại hội thảỏ quản trị dựa trên dữ liệu

 Chúng ta đang bước vào giai đoạn mà ý tưởng không còn là rào cản lớn nhất. Các công cụ trí tuệ nhân tạo – AI (Artificial Intelligence) có thể hỗ trợ cơ sở giáo dục phân tích nhu cầu, thiết kế quy trình, xây dựng các ứng dụng theo dõi dữ liệu, trực quan hóa kết quả và phát hiện những dấu hiệu cần cảnh báo. Ngay cả những cơ sở giáo dục có nguồn lực công nghệ còn hạn chế cũng có thể từng bước phát triển các công cụ phù hợp với nhu cầu quản trị của mình. Dù vậy, AI không tự tạo ra dữ liệu có chất lượng và cũng không thể thay thế trách nhiệm chuyên môn của con người. Nếu dữ liệu đầu vào không đầy đủ, thiếu nhất quán hoặc được thu thập không đúng mục đích, các phân tích và cảnh báo do hệ thống tạo ra cũng khó đáng tin cậy. Do đó, việc ứng dụng AI phải được đặt trên nền tảng của một quy trình quản trị dữ liệu rõ ràng, có con người kiểm soát và có cơ chế giải trình đối với việc sử dụng kết quả phân tích. Một trong những vấn đề được nhiều thầy, cô quan tâm là độ tin cậy và giá trị của dữ liệu. Đây là một trăn trở hoàn toàn xác đáng. Nếu thiếu quy trình rõ ràng, hướng dẫn chi tiết, công cụ phù hợp và sự thống nhất giữa các đơn vị, dữ liệu có thể chưa phản ánh đúng thực trạng, thậm chí dẫn đến những nhận định và quyết định chưa phù hợp. Để hình thành một hệ thống dữ liệu đáng tin cậy, cơ sở giáo dục không thể chỉ ban hành quy định rồi giao cho các đơn vị tự thực hiện. Cần có cách tiếp cận kiên trì và đồng hành theo tinh thần “đi đến từng ngõ, gõ cửa từng nhà”: hướng dẫn đến từng khoa, từng chương trình đào tạo, từng học phần và từng giảng viên; giải thích rõ mục đích của mỗi loại dữ liệu; hỗ trợ kịp thời khi phát sinh khó khăn; đồng thời thường xuyên kiểm tra, phản hồi và điều chỉnh. Bên cạnh đó, cần xây dựng cơ chế, chính sách và hạ tầng công nghệ phù hợp để hoạt động thu thập, phân tích và sử dụng dữ liệu trở thành một phần tự nhiên trong công việc chuyên môn. Khi đội ngũ hiểu đúng, làm đúng và nhận thấy dữ liệu thực sự giúp ích cho hoạt động dạy học cũng như quản trị, việc sử dụng dữ liệu mới từng bước trở thành văn hóa chất lượng. Chỉ khi đó, các cơ sở dữ liệu được xây dựng mới không dừng lại ở những con số phục vụ báo cáo hoặc kiểm định, mà trở thành nguồn thông tin đáng tin cậy cho quá trình ra quyết định và cải tiến liên tục. Đây cũng chính là nền tảng để phát triển hệ thống bảo đảm chất lượng bên trong – IQA (Internal Quality Assurance) một cách bền vững. Nhìn lại các hoạt động tập huấn tại hai trung tâm, điều tôi trân trọng nhất không chỉ là cơ hội được chia sẻ kinh nghiệm mà còn là những câu hỏi, ý kiến phản biện và câu chuyện thực tiễn từ quý thầy, cô. Mỗi câu hỏi đều phản ánh một vấn đề mà các cơ sở giáo dục đang thực sự đối diện, đồng thời giúp tôi tiếp tục suy nghĩ, rà soát và hoàn thiện những nội dung mình đã triển khai. Tóm lại, các buổi tập huấn không đơn thuần là hoạt động truyền đạt kiến thức một chiều, mà thực sự là những diễn đàn để cùng trao đổi, chia sẻ kinh nghiệm và học hỏi lẫn nhau. Tôi tin rằng sự kết hợp giữa đo lường chuẩn đầu ra, quản trị dựa trên dữ liệu, ứng dụng AI có trách nhiệm và xây dựng văn hóa chất lượng sẽ giúp các cơ sở giáo dục phát triển hệ thống IQA ngày càng thực chất, chủ động và bền vững, qua đó đóng góp vào sự phát triển chung của giáo dục đại học Việt Nam.

Read More

Đừng Chỉ Giỏi Trong Một Kệ Sách!

Tôi viết bài này từ một vài câu chuyện rất đời thường.

Một chị kể với tôi rằng, trong cơ quan có một số bạn học được kiến thức mới, biết thêm cách làm mới nhưng lại giữ riêng cho mình, không muốn chia sẻ với đồng nghiệp. Có lẽ các bạn nghĩ rằng, giữ lại tri thức là giữ lợi thế cho bản thân.

Rồi chính tôi cũng quan sát thấy một điều khiến mình trăn trở.

Có những nhân viên đã làm lâu năm, thay vì hướng dẫn các bạn mới thì lại để các bạn tự mò mẫm, thậm chí có lúc để các bạn mắc sai sót rồi mới phê bình. Người mới vì thế mất nhiều thời gian hơn để học việc, còn tập thể thì mất đi cơ hội cùng nhau tiến bộ.

Tôi không nghĩ đó là cách để một tổ chức phát triển.

Bởi một tập thể mạnh không phải vì có vài người biết nhiều hơn người khác, mà vì mọi người biết chia sẻ, hỗ trợ và cùng nhau tốt hơn mỗi ngày.

Có một người thủ thư làm việc nhiều năm trong một thư viện.

Ngày nào cũng vậy, anh sắp xếp sách, ghi mã số, kiểm tra từng kệ, từng ngăn. Anh thuộc từng vị trí, từng quyển sách, từng lối đi trong thư viện ấy. Anh tự hào vì không ai hiểu thư viện này bằng mình.

Cho đến một ngày, anh bước vào một thư viện khác.

Ở đó có cách phân loại mới, hệ thống tra cứu mới, học liệu số, không gian học tập mở và những con người chia sẻ tri thức theo một cách rất khác.

Khi ấy, anh chợt nhận ra: điều mình giỏi không phải là toàn bộ thế giới tri thức, mà chỉ là một góc rất nhỏ trong thư viện quen thuộc của mình.

Con người cũng rất dễ rơi vào “vòng lặp” như vậy.

Đi học chỉ để thi. Đi làm chỉ để hoàn thành nhiệm vụ. Biết một điều mới thì giữ lại cho riêng mình. Làm lâu năm thì nghĩ rằng người mới phải tự học như mình từng học.

Mỗi ngày lặp lại những điều quen thuộc và nghĩ rằng như vậy là đủ.

Nhưng nếu không học thêm, không chia sẻ và không hợp tác, chúng ta có thể đang giỏi trong một “kệ sách” do chính mình tạo ra.

Tôi luôn tin rằng học tập không làm con người nhỏ bé đi, mà giúp chúng ta rộng mở hơn.

Chia sẻ kiến thức không làm mất đi giá trị của mình. Ngược lại, khi chia sẻ, ta buộc mình phải hiểu sâu hơn, diễn đạt rõ hơn và trưởng thành hơn.

Một kiến thức nếu giữ lại cho riêng mình thì giá trị của nó chỉ dừng lại ở một người.

Nhưng một kiến thức khi được chia sẻ có thể giúp nhiều người tránh lặp lại sai sót, rút ngắn thời gian học hỏi và cùng nhau tiến nhanh hơn.

Tôi vẫn luôn tâm niệm một điều: người giỏi không phải là người biết nhiều nhất, mà là người giúp được nhiều người cùng giỏi hơn.

Chia sẻ tại hội thảo Khoa học

Giáo dục cũng vậy.

Giá trị của giáo dục không chỉ nằm ở việc truyền đạt tri thức, mà còn ở việc xây dựng văn hóa học hỏi, hướng dẫn, đồng hành và nâng đỡ nhau. Khi người đi trước sẵn sàng chỉ đường cho người đi sau, người mới sẽ trưởng thành nhanh hơn; và khi người mới phát triển, cả tập thể cũng phát triển.

Thế hệ trẻ hôm nay học rất nhanh, thích nghi rất nhanh và có rất nhiều cơ hội để tiếp cận tri thức mới. Nhưng điều làm nên giá trị bền vững không chỉ là biết nhiều hơn người khác, mà là biết cách biến tri thức của mình thành điều có ích cho người khác.

Tham gia học tập trong dự án EMVITET tại Phần Lan 2019

Tham gia học tập Tại Đức 2025

Đừng sợ chia sẻ sẽ làm mình mất đi lợi thế.

Tri thức không giống một chiếc bánh, chia cho người khác thì phần mình ít đi.

Tri thức giống như một ngọn nến. Dùng ngọn lửa của mình để thắp sáng thêm một ngọn nến khác không làm ánh sáng của mình yếu đi, mà chỉ khiến căn phòng sáng hơn.

Đào tạo giảng viên trong khóa Master teacher traning  (2026)

Tất nhiên, tôi chưa đủ giỏi, cũng chưa đủ trải nghiệm để nói về những điều lớn lao hay dạy ai cách sống.

Bài viết này chỉ là vài suy nghĩ của cá nhân tôi sau những điều được nghe, được thấy và được trải nghiệm trong công việc. Tôi viết trước hết là để tự nhắc mình phải học thêm mỗi ngày, chia sẻ nhiều hơn và lắng nghe nhiều hơn.

Đồng thời, tôi cũng muốn gửi đến các bạn trẻ, đặc biệt là các bạn sinh viên mà tôi đang có cơ hội đồng hành trên giảng đường, một thông điệp nhỏ:

Đừng ngại học.

Đừng ngại hỏi.

Đừng ngại chia sẻ.

Đừng chỉ là người giỏi nhất trong một “kệ sách” quen thuộc.

Hãy bước ra ngoài, học thêm, chia sẻ thêm, hợp tác thêm. Khi đó, vòng lặp mỗi ngày không còn là sự lặp lại nhàm chán, mà trở thành một vòng xoáy đi lên.

Mỗi ngày học thêm một chút.

Mỗi ngày chia sẻ một chút.

Mỗi ngày giúp ai đó tốt hơn một chút.

Đó cũng là cách chúng ta lớn lên.

Và biết đâu, một ngày nào đó, chính các bạn sẽ là người truyền cảm hứng cho rất nhiều người khác.

Read More

Học cách làm chiến lược đại học theo phương pháp của Hoa Kỳ

 Tôi may mắn được tham gia Dự án BUILD-IT và nhiều chương trình phát triển năng lực do các chuyên gia từ Arizona State University (ASU) hỗ trợ. Một trong những giá trị lớn nhất mà tôi học được không chỉ là các công cụ quản trị hiện đại, mà còn là tư duy xây dựng chiến lược đại học theo hướng tiếp cận kết quả (outcome-based strategic planning).

Trước đây, khi xây dựng chiến lược, nhiều tổ chức thường bắt đầu bằng các hoạt động hoặc các tuyên bố tham vọng. Tuy nhiên, phương pháp mà ASU hướng dẫn lại đi theo chiều ngược lại. Mọi nội dung đều xuất phát từ tầm nhìn, sứ mạng và những kết quả mong đợi trong tương lai. Nhà trường trước hết phải trả lời câu hỏi: “Đến năm 2045, chúng ta muốn trở thành ai và tạo ra giá trị gì cho người học, cộng đồng và xã hội?”

Từ các kết quả mong đợi đó, chiến lược được triển khai theo mô hình thác đổ (cascade model). Các mục tiêu chiến lược được phân tầng từ cấp trường xuống đơn vị, phòng ban, khoa và cuối cùng là từng cán bộ, giảng viên, nhân viên. Mỗi mục tiêu đều được liên kết chặt chẽ với các kết quả đầu ra cụ thể và được theo dõi thông qua các chỉ số đo lường rõ ràng.

Điều tôi đặc biệt yêu thích ở phương pháp này là việc tập trung vào kết quả thực sự mong muốn thay vì chỉ tập trung vào các hoạt động. Thay vì tuyên bố những khẩu hiệu lớn, tổ chức phải xác định rõ: nếu muốn hình thành “Sinh viên 2.0”, “Cộng đồng 2.0” hay “Doanh nghiệp 2.0”, thì cần tạo ra những thay đổi nào và đâu là các hành động cốt lõi có khả năng tạo ra những thay đổi đó.

Chiến lược vì vậy không còn là một tài liệu được lưu trong tủ hồ sơ, mà trở thành công cụ dẫn dắt toàn bộ hoạt động của tổ chức. Mỗi cá nhân đều hiểu vai trò của mình trong việc hiện thực hóa tầm nhìn chung. Khi các mục tiêu được liên kết từ trên xuống dưới, mọi nguồn lực đều hướng về cùng một đích đến.

Tại Trường Đại học Lạc Hồng, chúng tôi đã vận dụng cách tiếp cận này để xây dựng Chiến lược LHU 2.0. Từ tầm nhìn trở thành trường đại học ứng dụng hàng đầu Việt Nam và trong khu vực vào năm 2045, các mục tiêu chiến lược được cụ thể hóa thành ba trụ cột: Sinh viên 2.0, Cộng đồng 2.0 và Doanh nghiệp 2.0. Mỗi trụ cột tiếp tục được phân rã thành các mục tiêu trọng tâm và các hành động chiến lược cụ thể nhằm bảo đảm tính khả thi và khả năng đo lường.

Nhìn lại quá trình này, tôi nhận thấy giá trị lớn nhất của phương pháp xây dựng chiến lược kiểu Mỹ không nằm ở các biểu mẫu hay sơ đồ, mà nằm ở tư duy: bắt đầu từ tương lai mong muốn, xác định rõ kết quả cần đạt được, sau đó lựa chọn những hành động quan trọng nhất để tạo ra kết quả đó. Khi chiến lược được xây dựng theo cách này, nó không chỉ truyền cảm hứng mà còn tạo ra khả năng thực thi thực sự trong toàn tổ chức.

“Chiến lược không phải là danh sách những việc chúng ta sẽ làm, mà là lựa chọn những việc quan trọng nhất để tạo ra tương lai mà chúng ta mong muốn.”

Read More

Hành trình đồng hành cùng dự án InnoAIQA-VN: Lan tỏa tri thức AI trong bảo đảm chất lượng giáo dục đại học

 Tham gia dự án InnoAIQA-VN với vai trò là mentor và thành viên Ban giảng huấn, đồng hành cùng các nhóm đến từ nhiều trường đại học trên cả nước, là một trải nghiệm rất đặc biệt đối với tôi. Đây không chỉ là một hoạt động chuyên môn về ứng dụng trí tuệ nhân tạo trong bảo đảm chất lượng giáo dục đại học, mà còn là một hành trình chia sẻ tri thức, kết nối cộng đồng và cùng nhau tạo ra những giá trị thiết thực cho giáo dục Việt Nam.

Ban giảng huấn trao giấy chứng nhận cho giảng viên tham dự dự án

Phần lớn giảng viên tham gia dự án đến từ các bộ phận bảo đảm chất lượng của các cơ sở giáo dục đại học. Vì vậy, việc tự xây dựng các hệ thống AI phục vụ trực tiếp cho công việc chuyên môn là một thách thức không nhỏ. Nhiều thầy cô chưa có nền tảng sâu về công nghệ, lập trình hoặc thiết kế hệ thống AI. Tuy nhiên, chính điều đó làm cho dự án trở nên có ý nghĩa hơn, bởi mục tiêu không chỉ là tạo ra sản phẩm, mà còn là giúp giảng viên hiểu, làm chủ và ứng dụng AI một cách thực tế, hiệu quả và có trách nhiệm.

Ban giảng huấn chụp hình lưu niệm cùng các giảng viên tham gia dự án tại Đại học Quốc Gia TPHCM (Workshop 1)

Ban giảng huấn và các giảng viên tham gia dự án chụp hình lưu niệm tại Đại Học Tầy Nguyên (Workshop 2)

Trong Workshop 1, tôi đã hướng dẫn các nội dung nền tảng, từ khái niệm cơ bản về AI, cách tư duy khi ứng dụng AI trong công việc, đến phương pháp xây dựng một AI cá nhân phục vụ cho các nhiệm vụ cụ thể. Trong suốt quá trình triển khai, tôi theo dõi tiến độ của các nhóm, hỗ trợ giải quyết khó khăn kỹ thuật, góp ý ý tưởng và đồng hành để các nhóm từng bước hoàn thiện sản phẩm của mình. Điều làm tôi ấn tượng là dù xuất phát điểm công nghệ của các nhóm khác nhau, nhưng tinh thần học hỏi, sự kiên trì và mong muốn tạo ra giá trị thực tiễn đều rất rõ ràng.

Hướng dẫn xây dựng hệ thống AI cá nhân tại Workshop 1

Tôi đặc biệt ấn tượng với nhóm của Trường Đại học Tôn Đức Thắng với sản phẩm TCORA, một công cụ dùng để rà soát chuẩn đầu ra chương trình đào tạo theo triết lý OBE. Sản phẩm thể hiện sự tỉ mỉ, chỉnh chu và bám sát nhu cầu thực tiễn trong quản lý chương trình đào tạo. Nhóm Trường Đại học Phạm Văn Đồng cũng để lại cho tôi nhiều cảm xúc bởi cách tiếp cận bài bản thông qua các khóa đào tạo chú trọng đến đạo đức, phương pháp sử dụng AI hiệu quả và có trách nhiệm, mặc dù điều kiện cơ sở hạ tầng còn nhiều hạn chế. Bên cạnh đó, tôi cũng cảm nhận rõ sự nhiệt huyết và khát vọng tạo ra các sản phẩm mang tính công nghệ cao của nhóm Trường Đại học Kỹ thuật Y Dược Đà Nẵng. Đối với Trường Đại học Lạc Hồng, nơi tôi đang công tác, hai sản phẩm chatbot hỗ trợ sinh viên và giảng viên trong hoạt động phục vụ cộng đồng cho thấy tính hiệu quả, tính ứng dụng và khả năng triển khai nhanh các giải pháp AI trong môi trường đại học.

Chụp ảnh lưu niệm cùng poster của Đại Học Phạm Văn Đồng

Chụp ành lưu niệm cùng Team Đại học Lạc Hồng 

Trong Workshop 2, tôi trình bày tham luận về “Kho dữ liệu trong bảo đảm chất lượng”, tập trung vào vai trò của dữ liệu trong việc hỗ trợ cán bộ quản lý QA truy xuất thông tin nhanh hơn, phân tích tốt hơn và ra quyết định chính xác hơn. Qua quá trình làm việc với các nhóm, tôi càng nhận thấy rằng AI chỉ thật sự có giá trị khi được gắn với dữ liệu có cấu trúc, quy trình làm việc cụ thể và nhu cầu thực tiễn của người sử dụng. Đối với lĩnh vực bảo đảm chất lượng, việc xây dựng kho dữ liệu không chỉ giúp giảm tải công việc hành chính, mà còn góp phần hình thành văn hóa ra quyết định dựa trên minh chứng.

Trình bày tham luận tại Workshop 2

Tao đổi cùng Thầy/Cô tham gia dự án

Với vai trò là người hướng dẫn, khi xem các báo cáo và sản phẩm của các nhóm, tôi có một cảm xúc rất khó diễn tả. Trong từng sản phẩm, tôi nhìn thấy một phần dấu ấn của mình, không phải với tư cách là người làm thay, mà là người đã đồng hành, gợi mở và chia sẻ phương pháp để các nhóm tự tạo ra sản phẩm của chính họ. Điều đó mang lại cho tôi niềm tự hào rất lớn, bởi tri thức cá nhân khi được chia sẻ đúng cách có thể lan tỏa, chuyển hóa thành năng lực của cộng đồng và tạo ra những giá trị vượt ra ngoài phạm vi của một cá nhân hay một đơn vị.

Tham dự tiệc chiêu đãi của Đại học Tây Nguyên

Chụp hình cùng mentor của dự án đến từ Đức (Benjamin Jung)

Thông qua dự án, tôi cũng có cơ hội kết nối với nhiều đồng nghiệp ở các vùng miền khác nhau của Việt Nam. Từ những buổi trao đổi trực tuyến, các phiên cố vấn kỹ thuật, đến những lời mời đến thăm trường và chia sẻ kinh nghiệm, tôi cảm nhận được một cộng đồng giáo dục đang dần hình thành quanh tinh thần đổi mới, học hỏi và ứng dụng công nghệ một cách nhân văn. Đây là một trong những giá trị lớn nhất mà dự án mang lại cho tôi.

Chia sẻ chuyên môn tại Đại học Kỹ thuật Y Dược Đà Nẵng

Nhìn lại hành trình tham gia InnoAIQA-VN, tôi nhận thấy dự án đã đem đến cho tôi rất nhiều niềm vui, cả về tinh thần lẫn trải nghiệm thực tế. Dự án giúp tôi hiểu sâu hơn về phương pháp hướng dẫn giảng viên không chuyên công nghệ tạo ra các sản phẩm AI phục vụ công việc của chính họ. Quan trọng hơn, dự án đã tạo ra sự kết nối, hình thành một cộng đồng cùng hỗ trợ, cùng chia sẻ và cùng thúc đẩy việc ứng dụng AI trong bảo đảm chất lượng giáo dục đại học.

Đối với tôi, InnoAIQA-VN không chỉ là một dự án về AI. Đây là một hành trình lan tỏa tri thức, khơi dậy năng lực sáng tạo của giảng viên và mở ra một hướng tiếp cận mới trong việc nâng cao chất lượng giáo dục đại học thông qua công nghệ, dữ liệu và sự cộng tác.

Read More

ĐÁNH GIÁ XÁC THỰC - PHƯƠNG PHÁP ĐÁNH GIÁ GẮN VỚI BỐI CẢNH THỰC TẾ

Trong cách tiếp cận đánh giá xác thực theo OBE, năng lực của người học được phát triển theo một lộ trình tiến hóa rõ ràng từ kiến thức đến kỹ năng và cuối cùng là trách nhiệm, tương ứng với ba thành phần cốt lõi của mô hình KSR (Knowledge – Skills – Responsibility). Ở giai đoạn đầu, người học ở mức “người mới” (beginner), chủ yếu tập trung vào việc hiểu và nắm vững kiến thức nền tảng. Đây là giai đoạn hình thành cơ sở nhận thức, nhưng mức độ gắn với thực tiễn còn hạn chế.

Khi tiếp tục quá trình học tập, người học chuyển sang giai đoạn phát triển kỹ năng (skills), nơi họ có thể vận dụng kiến thức để thực hiện các nhiệm vụ cụ thể. Ở mức này, năng lực đã bắt đầu gắn với thực hành, và người học có thể được xem là “advanced beginner” hoặc tiến tới “competent”. Tuy nhiên, việc thực hiện vẫn chủ yếu theo hướng làm theo yêu cầu hoặc hướng dẫn.

Ở mức cao hơn, người học đạt đến năng lực trách nhiệm (responsibility), khi họ không chỉ thực hiện nhiệm vụ mà còn có khả năng đánh giá, lựa chọn và chịu trách nhiệm đối với kết quả. Đây là giai đoạn chuyển hóa thành “competent practitioner”, nơi người học có thể làm việc độc lập, đưa ra quyết định và đáp ứng các yêu cầu nghề nghiệp với tiêu chuẩn cao. Mức độ “xác thực” của năng lực ở giai đoạn này là cao nhất, vì người học đã thực sự hành động trong các tình huống tương tự thực tiễn nghề nghiệp.

Mô hình này cho thấy rằng năng lực không hình thành ngay lập tức mà phát triển theo thời gian, với mức độ gắn với thực tiễn ngày càng tăng. Do đó, trong thiết kế đánh giá, giảng viên cần xây dựng các hoạt động phù hợp với từng giai đoạn, từ kiểm tra hiểu biết (K), đến yêu cầu thực hành (S), và cuối cùng là đánh giá khả năng ra quyết định và chịu trách nhiệm (R). Đây chính là cơ sở để thiết kế các hoạt động đánh giá xác thực có tính lộ trình và đảm bảo đo lường đầy đủ năng lực người học.

Một hoạt động đánh giá được xem là xác thực khi có các đặc điểm sau: gắn với tình huống thực tế, yêu cầu giải quyết vấn đề mở, tích hợp đồng thời kiến thức – kỹ năng – trách nhiệm, có sản phẩm đầu ra cụ thể và có tiêu chí đánh giá rõ ràng. Quan trọng hơn, sinh viên phải thể hiện được năng lực ra quyết định và chịu trách nhiệm đối với kết quả của mình.

Để hỗ trợ giảng viên trong việc đánh giá và cải tiến phương pháp kiểm tra, hai công cụ quan trọng thường được sử dụng là Diagnostic Tool for Authentic Assessment và Redesign Template for Authentic Assessment. Công cụ thứ nhất giúp giảng viên “chẩn đoán” mức độ xác thực của bài đánh giá hiện tại, trong khi công cụ thứ hai hỗ trợ thiết kế lại bài đánh giá theo hướng gắn với thực tiễn.

Ví dụ: Sử dụng Diagnostic Tool

Trong học phần Năng lượng tái tạo, giảng viên yêu cầu sinh viên thiết kế hệ thống điện mặt trời mái nhà nối lưới. Khi áp dụng Diagnostic Tool, kết quả đánh giá như sau:

Assessment Task: Thiết kế hệ thống điện mặt trời nối lưới yêu cầu sinh viên thiết kế hệ thống điện mặt trời

Criteria	Rating (1–5)	Nhận xét
Real-life Context	5	Gắn với nhu cầu thực tế của hộ gia đình
Knowledge	4	Có tính toán nhưng còn theo mẫu
Skills	5	Có thiết kế, sử dụng công cụ
Responsibility	3	Chưa yêu cầu phân tích môi trường, an toàn
Student Engagement	4	Sinh viên hứng thú
Performance Standards	3	Rubric chưa rõ

Kết quả cho thấy bài đánh giá mạnh về kiến thức và kỹ năng nhưng còn thiếu yếu tố trách nhiệm, đặc biệt là các nội dung liên quan đến đạo đức và phát triển bền vững. Trên cơ sở đó, giảng viên có thể sử dụng công cụ thứ hai là Redesign Template for Authentic Assessment để cải tiến bài đánh giá một cách có hệ thống. Công cụ này giúp chuyển từ “nhận diện vấn đề” sang “thiết kế lại giải pháp”.

Step	Nội dung	Your Responses
Current Assessment Task	Mô tả	Sinh viên thiết kế hệ thống và nộp báo cáo
Diagnostic Reflection	Vấn đề	Thiếu yếu tố trách nhiệm, chưa gắn sâu thực tế
Redesign Goals	Mục tiêu	Tăng yếu tố thực tế và đánh giá R
Redesigned Task Description	Bài mới	Thiết kế hệ thống + đánh giá môi trường + trình bày cho khách hàng giả định
Alignment	Phù hợp	Đáp ứng K–S–R đầy đủ
Peer Review	Phản hồi	Thêm đánh giá chéo giữa nhóm
Post-Implementation	Đánh giá	So sánh kết quả học tập trước và sau cải tiến

Việc áp dụng hai công cụ này giúp giảng viên thực hiện một quy trình cải tiến liên tục gồm: chẩn đoán – thiết kế lại – triển khai – đánh giá – cải tiến (PDCA). Đây là nền tảng quan trọng trong đảm bảo chất lượng giáo dục và phù hợp với các tiêu chuẩn kiểm định quốc tế như AUN-QA và ABET.

Tóm lại, đánh giá xác thực không chỉ là một phương pháp đánh giá mà là một cách tiếp cận toàn diện nhằm phát triển năng lực thực của người học. Khi kết hợp với các công cụ như Diagnostic Tool và Redesign Template, giảng viên có thể thiết kế các hoạt động đánh giá vừa có ý nghĩa, vừa đo lường được, đồng thời đảm bảo sinh viên sau khi tốt nghiệp có khả năng làm việc hiệu quả và có trách nhiệm trong môi trường thực tế.

Read More