4. Khung học liệu số
Section outline
-
Dưới đây là đề xuất khung học liệu số, được thiết kế theo định hướng Lớp học đảo ngược (Flipped Classroom) kết hợp Học tập qua dự án (Project-Based Learning). Khung này giả định học phần kéo dài khoảng 15 tuần, tập trung vào việc hiểu cơ bản về AI và biết cách ứng dụng các công cụ AI hiện có.
4. 1. Ma trận Khung học liệu số theo Module
Chúng ta sẽ chia học phần thành 4 Module chính. Bảng dưới đây ánh xạ các chủ đề với những học liệu số cần thiết cho từng giai đoạn học tập.
Module / Chủ đề
Học liệu tự học ở nhà (Trước khi lên lớp)
Hoạt động & Học liệu tương tác (Trên lớp)
Công cụ Đánh giá số (Sau bài học)
Module 1: Tổng quan về AI & Kỷ nguyên GenAI
- Video (5-7 phút): Lịch sử AI và sự khác biệt giữa AI, ML, Deep Learning.
- E-book/Bài báo: Các case-study ứng dụng AI trong thực tế (Kinh doanh, Y tế, Giáo dục).
- Công cụ tương tác: Mentimeter/Slido để thu thập ý kiến về "AI có thay thế con người?".
- Slide tóm tắt: Hệ thống hóa kiến thức cốt lõi.
- Quiz tự động (LMS): Trắc nghiệm 10 câu kiểm tra khái niệm nền tảng.
Module 2: Kỹ năng tạo câu lệnh (Prompt Engineering)
- Tài liệu văn bản: Cẩm nang (Cheat-sheet) các cấu trúc Prompt hiệu quả (vd: Role - Task - Context).
- Video thao tác mẫu: Cách viết prompt trên ChatGPT/Gemini để tối ưu kết quả.
- Môi trường thực hành: Sinh viên thực hành trực tiếp trên các LLM platform.
- Bảng trắng số (Padlet): Nơi sinh viên dán (paste) các prompt tốt nhất của mình để cả lớp phân tích.
- Bài tập tự luận ngắn: Nộp lịch sử chat (Chat log) giải quyết một vấn đề cụ thể, được chấm bằng Rubric số.
Module 3: Ứng dụng AI tạo ảnh, âm thanh, video
- Video hướng dẫn: Cách sử dụng Midjourney, Canva AI, hoặc các công cụ tạo video AI.
- Tài liệu web: Các quy tắc bản quyền và đạo đức khi dùng AI tạo sinh.
- Phòng thực hành ảo (Virtual Workshop): Sinh viên chia nhóm tạo một ấn phẩm truyền thông bằng AI.
- Học liệu trình bày: Slide hướng dẫn các thông số nâng cao (prompt parameters).
- Bình duyệt đồng cấp (Peer-review): Sinh viên chấm chéo sản phẩm của nhau trên hệ thống LMS dựa trên Rubric.
Module 4: Tích hợp AI vào công việc & Dự án cuối kỳ
- Học liệu tương tác (H5P): Mô phỏng quy trình đưa AI vào tự động hóa một quy trình làm việc nhỏ.
- Tài liệu dự án: Hồ sơ mẫu (Template) báo cáo dự án.
- Hoạt động nhóm: Mentoring. Giảng viên xem trực tiếp tiến độ dự án trên Google Workspace/Notion của sinh viên.
- Thuyết trình số: Trình bày sản phẩm cuối kỳ.
- Đánh giá tổng kết: Chấm điểm dự án nhóm bằng Rubric số tích hợp sẵn trên LMS.
4. 2. Xây dựng Kho tài nguyên theo 4 nhóm học liệu
Dựa trên khung trên, giảng viên cần chuẩn bị một "kho" (Repository) học liệu số được tổ chức gọn gàng trên Hệ thống quản lý học tập (LMS):
Nhóm 1: Tài liệu tĩnh (Văn bản số hóa)
- Syllabus tương tác: Đề cương môn học dưới dạng Notion hoặc Google Docs có gắn link trực tiếp đến các tài liệu đọc của từng tuần, từng bài học.
- Prompt Library (Thư viện câu lệnh): Một tài liệu PDF hoặc trang web tổng hợp các mẫu câu lệnh hữu ích cho từng ngành nghề để sinh viên tra cứu.
Nhóm 2: Đa phương tiện (Multimedia)
- Micro-learning Videos: Thay vì quay video bài giảng dài 2 tiếng, hãy cắt nhỏ thành các video 5-10 phút. Ví dụ: "Cách đăng ký tài khoản AI", "Phân biệt Zero-shot và Few-shot prompting".
- Infographic: Tóm tắt các đạo đức trí tuệ nhân tạo (AI Ethics) hoặc các rủi ro (Hallucination, Bias) bằng hình ảnh trực quan.
Nhóm 3: Học liệu tương tác và thực hành
- Google Colab / Jupyter Notebooks: Dành cho các bài học có yếu tố lập trình (nếu có). Cung cấp sẵn các đoạn code Python mẫu gọi API của OpenAI hoặc Gemini để sinh viên chỉ việc ấn "Run" và xem kết quả, simulation.
- Gói SCORM/H5P trên LMS: Các bài học dạng flashcard lật mở thẻ ghi nhớ thuật ngữ AI, hoặc video tương tác (đang xem video thì dừng lại hiện câu hỏi trắc nghiệm).
Nhóm 4: Đánh giá số
- Ngân hàng câu hỏi (Question Bank): Xây dựng sẵn 100-200 câu trắc nghiệm trên LMS để hệ thống tự động trộn đề cho các bài kiểm tra đầu giờ.
- Rubric số (Tiêu chí đánh giá số hóa): Thiết lập sẵn các thang điểm (Mức độ sáng tạo, Mức độ tối ưu prompt, Tính ứng dụng) trên hệ thống. Khi chấm bài, giảng viên chỉ cần click chọn mức độ, hệ thống tự động tính điểm.
4. 3. Quy trình vận hành thực tế
Lưu ý quan trọng: Để sinh viên thực sự đọc/xem học liệu trước khi lên lớp, giảng viên cần gắn nhệm vụ học tập với điểm số (Gamification).
- Trước buổi học (Tự học): Sinh viên lên LMS, xem 2 video ngắn và đọc 1 tài liệu. Phải hoàn thành một bài Quiz 5 câu (hệ thống tự chấm) mới được mở khóa (unlock) tài liệu buổi học trên lớp.
- Trong buổi học (Thực hành & Thảo luận): Giảng viên không giảng lại lý thuyết. Dành 15 phút đầu giải đáp thắc mắc từ bài Quiz. Thời gian còn lại, sinh viên mở máy tính, thực hành viết Prompt hoặc dùng tool AI theo tình huống giảng viên đưa ra. Giảng viên đi vòng quanh hỗ trợ.
- Sau buổi học (Mở rộng): Sinh viên làm bài tập dự án nhóm trên không gian làm việc số chung, giảng viên có thể theo dõi "dấu vết kỹ thuật số" (digital footprint) để biết sinh viên nào đóng góp nhiều hay ít.
Đối với giảng viên đại học, đặc biệt là khi giảng dạy các học phần đòi hỏi tư duy logic hoặc thực hành thao tác trên máy tính, Micro-learning Video (video học tập vi mô kéo dài 3-7 phút) là một giải pháp cứu cánh. Nó giúp sinh viên tiêu hóa từng "khối" kiến thức nhỏ mà không bị ngợp, đồng thời tối ưu hóa thời gian soạn bài của giảng viên.