Khung phân tích tác động của trí tuệ nhân tạo đối với đào tạo báo chí - truyền thông

1. Đặt vấn đề

Sự phát triển của trí tuệ nhân tạo, đặc biệt là AI tạo sinh, đang làm thay đổi cấu trúc nhiệm vụ trong hoạt động báo chí - truyền thông. AI có thể tham gia vào phiên âm, tóm tắt, tìm kiếm, xử lý thông tin, tạo bản nháp hoặc hỗ trợ phân tích. Trong khi đó, các nhiệm vụ gắn với kiểm chứng, đánh giá bối cảnh và trách nhiệm nghề nghiệp vẫn cần sự tham gia và kiểm soát của con người (Berg et al., 2025, tr. 6-8). Sự thay đổi trong phân công giữa con người và công nghệ kéo theo những yêu cầu mới về năng lực và đào tạo.

AI đồng thời được đưa trực tiếp vào quá trình đào tạo, từ chuẩn bị bài giảng, xây dựng học liệu đến hỗ trợ học tập và kiểm tra - đánh giá. Bài viết vì thế phân biệt hai hướng tác động. Hướng gián tiếp diễn ra thông qua biến đổi nhiệm vụ, quy trình và yêu cầu năng lực nghề nghiệp. Hướng trực tiếp xuất hiện khi AI tham gia vào dạy, học, thực hành, kiểm tra - đánh giá và các điều kiện tổ chức đào tạo. Hai hướng có liên hệ với nhau nhưng đòi hỏi những loại bằng chứng khác nhau khi đánh giá.

Nghiên cứu trong nước đã tiếp cận vấn đề từ nhiều góc độ. Hà Huy Phượng (2023) nhấn mạnh đổi mới chương trình và đội ngũ gắn với thực tiễn nghề nghiệp; Đinh Ngọc Sơn (2025) và Tạ Ngọc Tấn (2026) bàn về yêu cầu mới đối với đào tạo báo chí - truyền thông khi AI phát triển; Nguyễn Thị Trường Giang và Nguyễn Thị Minh Hiền (2025) xem xét chuyển đổi số trong quan hệ với quản lý, phương pháp giảng dạy và năng lực số. Ở bình diện quốc tế, UNESCO nhấn mạnh tư duy lấy con người làm trung tâm, đạo đức, hiểu biết kỹ thuật và năng lực ứng dụng (Miao et al., 2024, tr. 18; Miao & Cukurova, 2024, tr. 21), còn ILO chỉ ra mức độ tác động khác nhau giữa các nhiệm vụ truyền thông và vai trò của con người ở các khâu cần phân tích, kiểm chứng, phán đoán (Berg et al., 2025, tr. 6-8). Trong phạm vi các tài liệu được khảo sát, chưa thấy một cấu trúc thống nhất để xác định các thành tố bị tác động và loại bằng chứng cần dùng để đánh giá.

Điểm còn thiếu trong các nghiên cứu trên là một cấu trúc đủ rõ để phân biệt sự hiện diện, mức sử dụng và tác động của AI. Tài khoản, quy định hay hạ tầng mới cho biết điều kiện sẵn sàng; tần suất sử dụng cho biết mức độ sử dụng; sản phẩm hoàn thành nhanh hơn hoặc tốt hơn khi có AI cũng chưa chứng minh năng lực độc lập của người học đã cải thiện. Theo OECD, cần phân biệt hiệu suất thực hiện nhiệm vụ với kết quả học tập. Đánh giá tác động do đó phải xác định thay đổi nào đã xuất hiện, cơ chế liên hệ với AI và loại dữ liệu đủ sức hỗ trợ cho từng mức kết luận (OEDC, 2026, tr. 21).

Bài viết trả lời hai câu hỏi: (1) tác động của AI đối với đào tạo báo chí - truyền thông cần được phân tích trên những phương diện nào và (2) cần dựa vào những căn cứ và nguồn dữ liệu nào để đánh giá? Mục tiêu là xây dựng một khung liên kết biến đổi của hoạt động nghề nghiệp với các thành tố của quá trình đào tạo và yêu cầu về bằng chứng. Trong bài viết, “khung phân tích” là cấu trúc xác định các phương diện tác động, các lớp thông tin cần xem xét và loại bằng chứng tương ứng.

2. Phương pháp nghiên cứu

Nghiên cứu sử dụng tiếp cận hệ thống, xem đào tạo báo chí - truyền thông như một chỉnh thể gồm mục tiêu, chương trình, giảng viên, người học, phương pháp dạy học, kiểm tra - đánh giá, học liệu, dữ liệu, hạ tầng và cơ chế quản trị, bảo đảm chất lượng. Cách tiếp cận này cho phép xem xét tác động của AI trong quan hệ giữa biến đổi nghề nghiệp và thay đổi của quá trình đào tạo, thay vì tách riêng một công cụ hoặc nhóm chủ thể.

Trong phạm vi bài viết, đào tạo báo chí - truyền thông là quá trình giáo dục có tổ chức ở trình độ đại học và sau đại học nhằm hình thành tri thức, kỹ năng, thái độ, giá trị và năng lực nghề nghiệp. Phạm vi gồm báo chí và các ngành truyền thông có hoạt động cốt lõi gắn với sản xuất, tổ chức, phân phối, quản trị hoặc nghiên cứu nội dung và quan hệ truyền thông. Việc đặt báo chí trong phạm vi chung không xóa bỏ yêu cầu đặc thù về chuẩn mực, đạo đức nghề nghiệp và trách nhiệm xã hội (UNESCO, 2007, tr. 7).

Nghiên cứu sử dụng phân tích và tổng hợp tài liệu, so sánh - đối chiếu và khái quát hóa lý luận. Tài liệu được lựa chọn theo mức độ liên quan với câu hỏi nghiên cứu: nghiên cứu trong nước cung cấp bối cảnh; UNESCO, OECD và ILO được dùng để tham chiếu về tác động, năng lực AI, học tập và biến đổi nhiệm vụ nghề nghiệp; nghiên cứu thực nghiệm cung cấp bằng chứng cụ thể; văn bản pháp luật xác định yêu cầu quản lý và giới hạn pháp lý, không được dùng như bằng chứng về tác động thực tế. Việc lựa chọn tài liệu không nhằm thực hiện một tổng quan hệ thống mà phục vụ xây dựng và luận giải khung phân tích.

Phân tích được tổ chức trên ba trục gồm biến đổi nhiệm vụ và yêu cầu nghề nghiệp, các thành tố của quá trình đào tạo và yêu cầu về bằng chứng. Từ ba trục này, nghiên cứu lần lượt phân biệt sự hiện diện, sử dụng và tác động của AI, nhận diện biến đổi nhiệm vụ nghề nghiệp và yêu cầu năng lực, đối chiếu các biến đổi đó với quá trình đào tạo, sau cùng xác định lớp thông tin và loại dữ liệu phù hợp cho từng phương diện.

Khung được xây dựng ở cấp độ lý luận nên không dùng để suy ra quan hệ nhân quả hoặc xếp hạng cơ sở đào tạo. Những kết luận nhân quả cần thiết kế nghiên cứu phù hợp hơn, chẳng hạn so sánh trước - sau, nhóm so sánh hoặc đối chứng và kiểm soát các yếu tố tác động khác. Kết quả của bài viết vì thế được hiểu là cơ sở khái niệm để phát triển tiêu chí, chỉ báo và kiểm chứng bằng dữ liệu thực tế.

3. Kết quả nghiên cứu và thảo luận

3.1. Khái niệm và ranh giới của tác động AI trong đào tạo báo chí - truyền thông

Trong nghiên cứu khoa học xã hội, “tác động” không thể suy ra chỉ từ việc hai hiện tượng xuất hiện đồng thời, thái độ của người sử dụng hay tần suất dùng công cụ. Theo OECD, cần phân biệt tác động với đầu ra trực tiếp và xem tác động là những thay đổi rộng hơn, có thể tích cực hoặc tiêu cực, dự kiến hoặc ngoài dự kiến (OECD, 2023, tr. 36). Trong bài viết này, tác động của AI đối với đào tạo báo chí - truyền thông được hiểu là những biến đổi trực tiếp hoặc gián tiếp có căn cứ để liên hệ với sự phát triển, phổ biến hoặc sử dụng AI trong hoạt động nghề nghiệp hay quá trình đào tạo. Khái niệm này không bao quát mọi thay đổi của giáo dục trong chuyển đổi số và không mặc nhiên xác lập quan hệ nhân quả.

Bài viết phân biệt ba trạng thái. AI hiện diện khi công cụ, tài khoản, học liệu hoặc quy định liên quan đến AI xuất hiện trong cơ sở đào tạo; AI được sử dụng khi giảng viên, người học hoặc nhà quản lý đưa công nghệ vào một nhiệm vụ cụ thể; tác động chỉ được đặt ra khi việc hiện diện hoặc sử dụng đó gắn với một biến đổi có thể quan sát trong chương trình, dạy học, đánh giá, điều kiện tổ chức hoặc kết quả đào tạo. Cấp tài khoản AI vì thế mới phản ánh mức sẵn sàng; sinh viên dùng AI làm bài tập phản ánh mức sử dụng; thay đổi trong cách kiểm chứng, thực hiện nhiệm vụ hoặc kết quả học tập mới là dấu hiệu cần đánh giá tiếp.

Sự phân biệt này chi phối lựa chọn dữ liệu. Dữ liệu tự báo cáo phù hợp để mô tả nhận thức, trải nghiệm và mức độ sử dụng nhưng chưa đủ để đánh giá năng lực. Nhận định về thay đổi năng lực cần thêm bằng chứng từ nhiệm vụ thực hành, sản phẩm, hành vi, hồ sơ, quan sát hoặc vấn đáp. Trong đào tạo báo chí - truyền thông, các bằng chứng còn phải phản ánh độ chính xác, khả năng kiểm chứng, bảo vệ dữ liệu, quyền riêng tư và trách nhiệm xã hội (UNESCO, 2007, tr. 7).

Theo cách tiếp cận này, điểm xuất phát của đánh giá tác động không phải số người đang dùng AI mà là thay đổi đã xảy ra ở đâu, biểu hiện thế nào, có cơ chế hợp lý nào để liên hệ với AI và bằng chứng nào hỗ trợ cho nhận định đó.

3.2. Hai hướng tác động của AI đối với đào tạo báo chí - truyền thông

Hướng thứ nhất, xuất phát từ biến đổi của môi trường nghề nghiệp. AI có thể tham gia vào tìm kiếm và xử lý thông tin, tóm tắt, tạo bản nháp hoặc phân tích dữ liệu. Báo cáo của ILO cho thấy mức độ phơi nhiễm với AI khác nhau giữa các nhiệm vụ. Ở những nhiệm vụ liên quan đến phân tích, kiểm chứng và xử lý sai lệch, vai trò của con người vẫn giữ ý nghĩa quan trọng (Berg et al., 2025, tr. 6-8). Khi cấu trúc nhiệm vụ và phân công giữa con người với công nghệ thay đổi, yêu cầu năng lực nghề nghiệp cũng thay đổi, kéo theo yêu cầu điều chỉnh đào tạo.

Chuẩn đầu ra vì thế nên được mô tả bằng năng lực thực hiện nhiệm vụ trong môi trường có AI thay vì khả năng vận hành một công cụ cụ thể. Người học cần biết khi nào nên hoặc không nên sử dụng AI, biết đánh giá và kiểm chứng đầu ra, chỉnh sửa sản phẩm, bảo vệ dữ liệu và chịu trách nhiệm về quyết định nghề nghiệp. Cách tiếp cận theo nhiệm vụ cũng giúp duy trì các kỹ năng nghề nghiệp cốt lõi trong bối cảnh đa nền tảng (Trương Thị Hoài Trâm, 2025).

Hướng thứ hai, xuất hiện khi AI được đưa trực tiếp vào quá trình đào tạo. Người học có thể dùng AI để tìm kiếm, phân tích, phát triển ý tưởng và thực hiện một phần nhiệm vụ. AI vì thế có thể làm thay đổi cách dạy, học và đánh giá. Tuy nhiên, sản phẩm tốt hơn hoặc thời gian hoàn thành ngắn hơn chưa chứng minh năng lực của người học được cải thiện. Theo lưu ý của OECD, lưu ý cần phân biệt hiệu suất thực hiện nhiệm vụ với kết quả học tập. (OECD, 2026, tr. 21).

Hai hướng tác động có quan hệ chặt chẽ: biến đổi nghề nghiệp tạo ra yêu cầu mới về chuẩn đầu ra và năng lực, còn việc sử dụng AI trong nhà trường làm thay đổi phương pháp dạy, học, đánh giá và điều kiện bảo đảm. Vì thế, đánh giá tác động cần xem các thành tố của quá trình đào tạo trong quan hệ với nhau thay vì chỉ khảo sát một nhóm người sử dụng.

Khung phân tích gồm năm phương diện: chương trình đào tạo; giảng viên và hoạt động giảng dạy, người học và hoạt động học tập, kiểm tra, đánh giá và liêm chính học thuật cùng hạ tầng, dữ liệu, học liệu và môi trường đào tạo. Quản trị, chính sách và bảo đảm chất lượng không tách thành phương diện thứ sáu mà được xem là chiều cạnh xuyên suốt cả năm phương diện.

3.3. Năm phương diện cần xem xét khi đánh giá tác động

3.3.1. Chương trình đào tạo

Ở cấp chương trình, vấn đề trọng tâm là cách biến đổi của hoạt động nghề nghiệp và yêu cầu năng lực được chuyển hóa thành chuẩn đầu ra, nội dung và nhiệm vụ học tập. Khung năng lực AI dành cho người học của UNESCO xác định 12 khối năng lực thuộc bốn phương diện: tư duy lấy con người làm trung tâm, đạo đức AI, kỹ thuật và ứng dụng AI, thiết kế hệ thống AI (Miao et al., 2024, tr. 18). Với đào tạo báo chí - truyền thông, các năng lực này cần được cụ thể hóa bằng nhiệm vụ nghề nghiệp như lựa chọn hoặc từ chối AI, kiểm chứng dữ kiện và nguồn, bảo vệ dữ liệu, nhận diện sai lệch và chịu trách nhiệm đối với sản phẩm. Chuẩn đầu ra mô tả theo công cụ cụ thể vì thế dễ lạc hậu hơn mô tả theo nhiệm vụ và trách nhiệm nghề nghiệp.

Điểm a khoản 2 Điều 7 Thông tư số 54/2026/TT-BGDĐT yêu cầu chuẩn đầu ra trình độ đại học có năng lực số và nội dung về AI; điểm a khoản 1 Điều 9 yêu cầu thể hiện mối liên hệ giữa mục tiêu, chuẩn đầu ra, nội dung, phương pháp giảng dạy, kiểm tra - đánh giá và điều kiện bảo đảm chất lượng (Bộ Giáo dục và Đào tạo, 2026b). Đây là căn cứ quản lý để xem xét mức tích hợp AI trong chương trình, không phải bằng chứng về tác động thực tế.

Đánh giá ở cấp chương trình có thể dựa vào chuẩn đầu ra, cấu trúc chương trình, đề cương học phần, nhiệm vụ học tập và hồ sơ rà soát. Một học phần hoặc chuyên đề mang tên AI chỉ cho thấy mức tích hợp hình thức, cần xem AI đã làm thay đổi chuẩn năng lực, nhiệm vụ học tập và cách đánh giá đến đâu.

3.3.2. Giảng viên và hoạt động giảng dạy

Với giảng viên, trọng tâm không phải số lượng công cụ được sử dụng mà là khả năng lựa chọn, sử dụng và kiểm soát công cụ phù hợp với mục tiêu dạy học. Khung năng lực AI dành cho giáo viên của UNESCO đặt ứng dụng AI trong quan hệ với tư duy lấy con người làm trung tâm, đạo đức AI, sư phạm AI và phát triển chuyên môn (Miao & Cukurova, 2024, tr. 21). Năng lực công nghệ vì thế chỉ là một bộ phận của năng lực giảng dạy trong bối cảnh AI.

Trong nước, Hà Huy Phượng (2023) nhấn mạnh gắn chương trình và đội ngũ với thực tiễn nghề nghiệp; Vương Khánh Ly (2023) bàn về phát triển nguồn nhân lực báo chí; Trương Thị Hoài Trâm (2025) nhấn mạnh khả năng thích ứng với môi trường đa nền tảng trên nền kỹ năng nghề nghiệp cốt lõi. Đây chủ yếu là các yêu cầu đổi mới, chưa phải bằng chứng về thay đổi thực tế. Đánh giá tác động đối với giảng viên vì thế cần đối chiếu khảo sát, phỏng vấn với kế hoạch bài dạy, học liệu, nhiệm vụ học tập hoặc quan sát lớp học.

AI cũng có thể làm thay đổi cấu trúc công việc của giảng viên. Một số thao tác trong chuẩn bị bài hoặc xây dựng học liệu có thể được rút ngắn, nhưng đồng thời phát sinh việc kiểm tra đầu ra, cập nhật công cụ, thiết kế lại nhiệm vụ và xử lý vấn đề liêm chính học thuật. Muốn kết luận AI làm giảm hay tăng tải công việc cần có dữ liệu về thời gian, nhiệm vụ và trải nghiệm thực tế của giảng viên.

3.3.3. Người học và hoạt động học tập

Người học trực tiếp sử dụng AI trong nhiều nhiệm vụ, nhưng mức sử dụng không phản ánh đầy đủ năng lực. Triệu Thanh Lê và Phan Nguyên Vĩnh (2025) cho biết 76,1% người trả lời bắt đầu dùng AI khi vào đại học và 89,9% chủ yếu tự học; các khó khăn được lựa chọn nhiều liên quan đến độ tin cậy của nội dung AI, kỹ năng đặt câu lệnh và chi phí. Đây là dữ liệu tự báo cáo tại một địa bàn, phù hợp để phản ánh trải nghiệm và nhu cầu của mẫu khảo sát nhưng không thể suy rộng về năng lực thực hành của sinh viên báo chí - truyền thông trên phạm vi cả nước.

Long và Magerko (2020), Ng et al. (2021) tiếp cận năng lực AI rộng hơn khả năng thao tác công cụ. Người học cần hiểu nguyên lý và giới hạn của hệ thống, đánh giá đầu ra và cân nhắc hệ quả sử dụng AI. Trong đào tạo báo chí - truyền thông, yêu cầu này gắn với xác minh nguồn tin, đối chiếu dữ kiện, nhận diện sai lệch, bảo vệ dữ liệu và giải thích quyết định nghề nghiệp.

Dữ liệu tự báo cáo phản ánh nhận thức, thói quen và trải nghiệm; nhiệm vụ thực hành, sản phẩm, quan sát hoặc vấn đáp cung cấp bằng chứng trực tiếp hơn về năng lực. Phân tích cần xem cả cách người học lựa chọn công cụ, kiểm chứng và chỉnh sửa đầu ra, giải thích quyết định và duy trì năng lực nghề nghiệp khi công cụ thay đổi hoặc không được sử dụng.

Khả năng tiếp cận AI còn liên quan đến công bằng trong đào tạo. Khác biệt về thiết bị, tài khoản trả phí, kết nối, ngôn ngữ hoặc hỗ trợ của cơ sở đào tạo có thể tạo chênh lệch cơ hội học tập. Bởi vậy, khi đánh giá tác động đối với người học cần xem đồng thời kết quả sử dụng và điều kiện tiếp cận công nghệ.

3.3.4. Kiểm tra, đánh giá và liêm chính học thuật

Với AI tạo sinh, sản phẩm cuối không còn cho biết chắc phần năng lực do người học tự thực hiện. Nhiệm vụ đánh giá cần xác định năng lực cần xác nhận, phần nào được phép sử dụng AI và bằng chứng nào chứng minh quá trình thực hiện. Khoản 1 và các điểm b, d khoản 4 Điều 7 Thông tư số 49/2026/TT-BGDĐT yêu cầu tính chính xác, khách quan, minh bạch, khả năng truy xuất, kiểm chứng và sử dụng AI có kiểm soát trong giáo dục (Bộ Giáo dục và Đào tạo, 2026a).

Trong các môn nghiệp vụ báo chí - truyền thông, sản phẩm cuối chỉ là một nguồn bằng chứng. Tùy mục tiêu môn học, sản phẩm có thể được đối chiếu với nguồn đã sử dụng, bản nháp, lịch sử chỉnh sửa, phần giải trình, vấn đáp hoặc thực hành trực tiếp. Những dữ liệu này giúp nhận diện rõ hơn phần việc do người học thực hiện mà không biến kiểm tra liêm chính học thuật thành giám sát quá mức.

Các công cụ phát hiện văn bản do AI tạo ra cần được dùng thận trọng. Weber-Wulff et al. (2023) cho thấy độ chính xác và độ tin cậy của các công cụ được kiểm tra chưa đủ để làm căn cứ duy nhất cho quyết định học thuật; Liang et al. (2023) chỉ ra nguy cơ gắn nhãn sai với văn bản tiếng Anh của người không sử dụng tiếng Anh như tiếng mẹ đẻ. Vì vậy, kết luận về gian lận hoặc mức sử dụng AI cần dựa trên nhiều nguồn bằng chứng và bảo đảm quyền giải trình của người học.

Liêm chính học thuật trong bối cảnh AI không chỉ liên quan đến sao chép. Việc để AI thực hiện phần năng lực cốt lõi mà người học phải tự làm, sử dụng nguồn không tồn tại hoặc đưa dữ liệu không được phép lên hệ thống AI đều có thể vi phạm yêu cầu về liêm chính và trách nhiệm. Khoản 1, các điểm a, đ khoản 2 và khoản 3 Điều 10 Thông tư số 49/2026/TT-BGDĐT quy định về gian lận, việc công bố sử dụng AI khi có yêu cầu và trách nhiệm bảo đảm liêm chính của các bên liên quan (Bộ Giáo dục và Đào tạo, 2026a).

3.3.5. Hạ tầng, dự liệu, học liệu và môi trường đào tạo

Đối với hạ tầng, dữ liệu, học liệu và môi trường đào tạo, điều kiện sẵn sàng cần được tách khỏi tác động thực tế. Điều kiện ứng dụng AI không chỉ gồm máy tính và kết nối mạng mà còn có tài khoản, giấy phép, dữ liệu, hỗ trợ kỹ thuật, phân quyền và cơ chế xử lý sự cố. Nguyễn Thị Trường Giang và Nguyễn Thị Minh Hiền (2025) đặt phát triển năng lực số trong quan hệ với đổi mới quản lý và phương pháp giảng dạy. Có thiết bị hoặc tài khoản mới chỉ phản ánh mức sẵn sàng. Chỉ khi các điều kiện đó được đưa vào hoạt động đào tạo và tạo ra biến đổi có thể quan sát mới có cơ sở bàn về tác động.

Dữ liệu đặc biệt quan trọng vì hoạt động học tập báo chí - truyền thông có thể sử dụng bản ghi phỏng vấn, hình ảnh chưa công bố, thông tin cá nhân hoặc hồ sơ người học. Điều 9 Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 quy định về sự đồng ý của chủ thể dữ liệu; điểm b khoản 2 Điều 6 Luật Trí tuệ nhân tạo số 134/2025/QH15 yêu cầu phòng ngừa rủi ro, bảo đảm an toàn dữ liệu và quyền riêng tư trong giáo dục (Quốc hội, 2025a, 2025b). Đây là căn cứ để xem xét lựa chọn công cụ, phạm vi dữ liệu được phép sử dụng, quyền truy cập và xử lý sự cố.

Học liệu do AI tạo ra hoặc hỗ trợ tạo ra đặt ra yêu cầu về độ chính xác, nguồn gốc, bản quyền, thiên lệch và mức phù hợp với bối cảnh Việt Nam. Điểm d khoản 2 Điều 9 Thông tư số 49/2026/TT-BGDĐT yêu cầu bảo đảm tính chính xác, minh bạch nguồn gốc và kiểm soát chất lượng học liệu (Bộ Giáo dục và Đào tạo, 2026a). Vì vậy, đánh giá không dừng ở số lượng công cụ hay học liệu mà phải xem khả năng tiếp cận, an toàn và chất lượng hỗ trợ đào tạo.

Môi trường đào tạo gồm không gian thực hành, hệ thống mô phỏng hoặc hỗ trợ quy trình tác nghiệp và điều kiện để người học thử nghiệm, kiểm chứng công cụ trong những tình huống gần thực tế nghề nghiệp. Khi AI được tích hợp, thay đổi không dừng ở thiết bị hay học liệu mà còn thể hiện ở cách tổ chức thực hành, các điểm kiểm soát, phân quyền và khả năng lưu vết. Vì thế, môi trường đào tạo được xem xét cùng hạ tầng, dữ liệu và học liệu thay vì tách thành một yếu tố độc lập.

3.4. Khung phân tích và bằng chứng đánh giá tác động của AI đối với đào tạo báo chí - truyền thông

Khung phân tích tổ chức thông tin từ năm phương diện trên theo bốn lớp: (1) điều kiện và mức sẵn sàng; (2) mức độ tích hợp và biến đổi quá trình; (3) kết quả và giá trị và (4) rủi ro và hệ quả ngoài dự kiến.

Bốn lớp đảm nhiệm những chức năng khác nhau. Điều kiện và mức sẵn sàng mô tả các tiền đề về chương trình, nhân lực, hạ tầng, quy định và học liệu. Tích hợp và biến đổi quá trình tập trung vào cách AI được đưa vào dạy, học, đánh giá và quản trị. Kết quả và giá trị hướng đến những thay đổi về năng lực, chất lượng, hiệu quả hoặc khả năng tiếp cận. Rủi ro và hệ quả ngoài dự kiến gồm phụ thuộc công cụ, sai lệch thông tin, vi phạm dữ liệu, chênh lệch tiếp cận hoặc ảnh hưởng đến công bằng trong đánh giá. Bốn lớp không phải các giai đoạn nối tiếp: điều kiện và quá trình giúp giải thích thay đổi, kết quả là đối tượng cần quan sát, còn rủi ro được theo dõi song song.

Ở phương diện chương trình đào tạo, điều kiện và mức sẵn sàng được nhận diện qua chuẩn đầu ra, nội dung liên quan đến AI và cơ chế cập nhật chương trình. Mức độ tích hợp thể hiện ở việc AI được đưa vào học phần, nội dung, nhiệm vụ học tập và cách tổ chức chương trình. Kết quả cần xem xét là những thay đổi ở chuẩn đầu ra, nội dung, nhiệm vụ học tập và mức đáp ứng yêu cầu năng lực nghề nghiệp. Các rủi ro gồm chạy theo công cụ, nội dung nhanh lạc hậu và giảm thời lượng rèn luyện năng lực nền tảng. Với giảng viên và hoạt động giảng dạy, điều kiện gồm năng lực AI, nghiệp vụ, sư phạm, hoạt động bồi dưỡng và quy định hỗ trợ. Việc tích hợp được nhận diện trong chuẩn bị bài, xây dựng học liệu, thiết kế nhiệm vụ, phản hồi và kiểm soát đầu ra. Kết quả cần đánh giá là thay đổi về phương pháp, chất lượng phản hồi, khả năng kiểm soát đầu ra và khối lượng công việc, đồng thời theo dõi nguy cơ phụ thuộc công cụ, tăng tải kiểm tra, học liệu sai và giảm tương tác trực tiếp.

Đối với người học và hoạt động học tập, điều kiện cần xem xét gồm khả năng tiếp cận công nghệ, năng lực nền tảng, hướng dẫn và hỗ trợ của cơ sở đào tạo. Mức độ tích hợp thể hiện ở cách người học lựa chọn, sử dụng, kiểm chứng, chỉnh sửa và giải trình đầu ra AI trong nhiệm vụ học tập. Kết quả cần đánh giá là thay đổi về năng lực nghề nghiệp, tính tự chủ, cách thực hiện nhiệm vụ và khả năng chuyển giao năng lực. Các rủi ro đáng chú ý gồm phụ thuộc AI, chênh lệch tiếp cận và tình trạng sản phẩm được cải thiện nhưng năng lực không tương ứng. Với kiểm tra, đánh giá và liêm chính học thuật, điều kiện gồm quy định về mức độ sử dụng AI, thiết kế đề bài, tiêu chí và quy trình đánh giá. Quá trình đánh giá có thể đối chiếu sản phẩm với nguồn, bản nháp, lịch sử chỉnh sửa, phần giải trình, vấn đáp hoặc thực hành. Kết quả cần phản ánh đúng năng lực của người học, bảo đảm công bằng, minh bạch và khả năng giải trình, đồng thời hạn chế nguy cơ gian lận, giám sát quá mức và kết luận sai do phụ thuộc công cụ phát hiện AI.

Đối với hạ tầng, dữ liệu, học liệu và môi trường đào tạo, điều kiện sẵn sàng gồm thiết bị, tài khoản, giấy phép, dữ liệu, học liệu, môi trường thực hành, bảo mật và hỗ trợ kỹ thuật. Mức độ tích hợp được thể hiện qua phân quyền, lựa chọn công cụ, quản lý dữ liệu, thẩm định học liệu, tổ chức môi trường thực hành và xử lý sự cố. Kết quả cần đánh giá là thay đổi về khả năng tiếp cận, mức độ an toàn, chất lượng học liệu, điều kiện thực hành và khả năng hỗ trợ đào tạo. Các rủi ro gồm rò rỉ dữ liệu, học liệu sai hoặc thiên lệch, phụ thuộc nhà cung cấp và gia tăng chi phí. Quản trị, chính sách và bảo đảm chất lượng gắn với cả năm phương diện, từ cập nhật chương trình, phát triển đội ngũ đến quy định sử dụng công cụ, quản lý dữ liệu, khai báo việc sử dụng AI và xử lý sự cố. Đây là chiều cạnh xuyên suốt của khung, không phải một phương diện độc lập.

Dữ liệu được lựa chọn theo câu hỏi nghiên cứu. Ở cấp chương trình có thể dùng chuẩn đầu ra, đề cương, nhiệm vụ học tập và hồ sơ rà soát. Với giảng viên là khảo sát, phỏng vấn, kế hoạch bài dạy, học liệu và quan sát lớp học; với người học là khảo sát kết hợp sản phẩm, bài thực hành, quan sát hoặc vấn đáp. Kiểm tra - đánh giá cần xem cả đề bài, tiêu chí chấm và bằng chứng về quá trình thực hiện nhiệm vụ. Đối với hạ tầng và môi trường đào tạo, có thể sử dụng hồ sơ quản lý, thống kê sử dụng, quy trình phân quyền và nhật ký sự cố.

Có thể phân biệt ba mức bằng chứng. Dữ liệu tự báo cáo phản ánh chủ yếu nhận thức, trải nghiệm, nhu cầu hoặc mức sử dụng. Sản phẩm, hành vi, hồ sơ và kết quả thực hiện nhiệm vụ cho phép quan sát thay đổi trực tiếp hơn. Kết luận nhân quả đòi hỏi dữ liệu trước - sau, nhóm so sánh hoặc thiết kế kiểm soát các yếu tố khác. Không nên cộng cơ học chỉ báo về điều kiện, mức sử dụng và kết quả thành một điểm tác động chung khi chưa xác định cơ sở lý luận và giá trị đo lường.

3.5. Đóng góp và giới hạn của nghiên cứu 

Đóng góp trước hết của bài viết là phân biệt tác động gián tiếp, thông qua biến đổi nhiệm vụ, quy trình và yêu cầu năng lực nghề nghiệp, với tác động trực tiếp khi AI được tích hợp vào quá trình đào tạo. Sự phân biệt này nối biến đổi của môi trường nghề nghiệp với các thành tố bên trong cơ sở đào tạo, thay vì dừng ở mô tả mức độ phổ biến của công cụ.

Một đóng góp khác là tổ chức năm phương diện tác động theo bốn lớp: điều kiện và mức sẵn sàng; tích hợp và biến đổi quá trình; kết quả và giá trị; rủi ro và hệ quả ngoài dự kiến. Cấu trúc này tách điều kiện triển khai khỏi kết quả, đồng thời cụ thể hóa các yêu cầu chung về năng lực AI theo đặc thù đào tạo báo chí - truyền thông như kiểm chứng thông tin, bảo vệ dữ liệu, trách nhiệm nội dung và liêm chính học thuật.

Bên cạnh cấu trúc phân tích, bài viết làm rõ quan hệ giữa loại bằng chứng và mức độ kết luận. Dữ liệu tự báo cáo phù hợp để mô tả nhận thức và trải nghiệm. Sản phẩm, hành vi, hồ sơ và kết quả nhiệm vụ cho phép quan sát thay đổi trực tiếp hơn. Kết luận nhân quả đòi hỏi thiết kế nghiên cứu có khả năng so sánh và kiểm soát các yếu tố khác. Khung nhờ đó có thể làm cơ sở phát triển tiêu chí, chỉ báo và nghiên cứu thực nghiệm mà không giả định một mô hình tích hợp AI duy nhất cho mọi cơ sở đào tạo.

Giới hạn của nghiên cứu nằm ở chỗ khung mới được xây dựng ở cấp độ lý luận và chưa được kiểm chứng thực nghiệm trên nhiều cơ sở đào tạo. Khung chưa phải thang đo chuẩn hóa và không nên dùng trực tiếp để cho điểm hoặc xếp hạng. Trước khi dùng cho đo lường so sánh, các tiêu chí và chỉ báo phát triển từ khung cần được thẩm định chuyên gia, thử nghiệm trong thực tế và đối chiếu bằng nhiều nguồn dữ liệu.

4. Kết luận

Kết quả phân tích cho thấy tác động của AI đối với đào tạo báo chí - truyền thông diễn ra theo hai hướng. Tác động gián tiếp xuất hiện qua biến đổi nhiệm vụ, quy trình và yêu cầu năng lực nghề nghiệp, còn tác động trực tiếp xuất hiện khi AI được tích hợp vào dạy, học, kiểm tra - đánh giá và điều kiện tổ chức. Khung xác định năm phương diện gồm chương trình đào tạo, giảng viên và giảng dạy, người học và học tập, kiểm tra, đánh giá và liêm chính học thuật, cùng hạ tầng, dữ liệu, học liệu và môi trường đào tạo. Mỗi phương diện được xem xét theo bốn lớp gồm điều kiện và mức sẵn sàng, tích hợp và biến đổi quá trình, kết quả và giá trị, cùng rủi ro và hệ quả ngoài dự kiến.

Điểm cốt lõi của khung là gắn từng mức nhận định với loại bằng chứng phù hợp. Dữ liệu về nhận thức hoặc mức sử dụng không thể thay thế bằng chứng về hành vi, sản phẩm, hồ sơ và kết quả thực hiện nhiệm vụ. Kết luận nhân quả cần thiết kế nghiên cứu chặt chẽ hơn. Khung tạo cơ sở lý luận để phát triển tiêu chí, chỉ báo và kiểm chứng thực nghiệm, không nhằm tạo một điểm tác động chung hay công cụ xếp hạng./.

*

Bài báo là kết quả nghiên cứu thuộc đề tài khoa học cấp cơ sở năm 2026: “Tác động của AI đến đào tạo báo chí - truyền thông ở Việt Nam hiện nay”, do Học viện Báo chí và Tuyên truyền chủ trì và PGS,TS. Nguyễn Thị Trường Giang làm chủ nhiệm.