Case study tập huấn AI tại THPT Phiêng Khoài: Khi giáo viên học AI bằng chính công việc hằng ngày

Trong bức ảnh tập thể sau buổi tập huấn tại Trường THPT Phiêng Khoài, Sơn La, có hơn 30 người xuất hiện. Nhưng con số đó chưa phải điều đáng nhớ nhất.

Điều đáng nhớ hơn nằm ở những bức ảnh trong giờ học: gần như cả phòng mở laptop; giảng viên không chỉ đứng trên sân khấu mà liên tục đi xuống từng bàn; các thầy cô vừa nghe vừa thao tác, có lúc cùng nhìn vào một màn hình để xử lý một vấn đề cụ thể.

Đó cũng là chi tiết quan trọng nhất của case này: AI chỉ bắt đầu có giá trị với giáo viên khi nó đi vào được công việc thật.

Buổi tập huấn mang chủ đề “Làm chủ AI – Giải phóng thời gian, nâng tầm sư phạm”, do giảng viên Đỗ Văn Thuận của Học viện AI trực tiếp triển khai. Qua bộ ảnh và các slide hiển thị tại lớp, có thể xác nhận ít nhất 2 lớp cấu hình được hướng dẫn — cá nhân hóa và kết nối ứng dụng — cùng cách thử AI trên những tình huống gần với công việc giảng dạy.

Trạng thái bằng chứng của case: DELIVERED. Chúng tôi xác nhận chương trình đã được triển khai và có bằng chứng trực quan về hoạt động thực hành; chưa có cửa sổ đo lường sau đào tạo đủ dài để công bố ROI, phần trăm tăng năng suất hay số giờ tiết kiệm.

Từ câu hỏi “AI làm được gì?” sang “AI làm được gì cho chính lớp học của tôi?”

Khó khăn lớn nhất khi đưa AI vào trường học không nằm ở việc thiếu công cụ. ChatGPT, Gemini và nhiều trợ lý AI khác đã đủ dễ tiếp cận để một giáo viên có thể bắt đầu trong vài phút.

Khó ở chỗ kết quả đầu tiên thường quá chung chung.

Một câu lệnh giống nhau có thể tạo ra một giáo án nghe rất trôi chảy nhưng lại không đúng môn, không đúng khối lớp hoặc không phù hợp với nhóm học sinh đang dạy. Với giáo viên ở một địa bàn miền núi như Sơn La, khoảng cách giữa “một câu trả lời hay trên màn hình” và “một tài liệu dùng được vào sáng mai” càng đáng để chú ý.

Một slide trong buổi học đặt hai kết quả cạnh nhau với thông điệp khá thẳng: cùng một câu lệnh, nhưng khi tài khoản đã được cá nhân hóa, AI có thể hiểu rõ hơn bộ môn, khối lớp và bối cảnh người dùng. Trên màn hình xuất hiện những ý như “đúng bộ môn, đúng khối lớp”, “hợp học sinh vùng cao”, “dùng được gần như ngay”.

Đây không phải bằng chứng cho thấy AI tự động tạo nội dung hoàn hảo. Ngược lại, nó cho thấy một nguyên tắc quan trọng hơn: muốn AI hỗ trợ tốt, trước hết phải giúp AI hiểu người đang giao việc và bối cảnh công việc.

Học viện AI đã phân tích rộng hơn nguyên tắc này trong bài AI trong giáo dục: 6 nhóm ứng dụng có ích và những việc không nên giao cho AI, trong đó ranh giới giữa hỗ trợ và thay thế trách nhiệm sư phạm được đặt khá rõ.

Can thiệp đầu tiên: 2 lớp cấu hình trước khi học prompt

Trong nhiều lớp AI cơ bản, người học thường được đưa ngay vào phần “viết câu lệnh”. Cách làm ở Phiêng Khoài đi theo hướng khác.

Một slide của chương trình ghi rõ “Hai lớp cấu hình cần làm”, gồm 1. Cá nhân hóa và 2. Kết nối ứng dụng. Trên màn hình có các gợi ý liên quan đến phần cá nhân hóa của ChatGPT, Gemini và việc kết nối với những công cụ công việc như Google Drive, Sheets, Gmail, Docs hay Calendar.

Điểm đáng chú ý là đây không chỉ là một thao tác kỹ thuật. Nó thay đổi cách người học nhìn AI.

Nếu AI chỉ là một cửa sổ chat độc lập, giáo viên phải tự mang từng mẩu thông tin vào, mô tả lại bối cảnh rồi sao chép kết quả ra ngoài. Khi hiểu cách thiết lập ngữ cảnh và kết nối với hệ sinh thái công việc, người dùng bắt đầu hình dung AI như một trợ lý nằm trong quy trình làm việc hằng ngày.

Đó là bước chuyển nhỏ nhưng quan trọng: từ “hỏi AI một câu” sang “giao cho AI một phần việc”.

Cách lớp học diễn ra: giải thích ngắn, làm ngay, vướng đâu sửa đó

Bộ ảnh của chương trình cho thấy khá rõ nhịp học. Có lúc giảng viên đứng trước màn hình để giới thiệu một khái niệm. Nhưng nhiều khoảnh khắc khác là cảnh giảng viên cúi xuống bên từng nhóm, nhìn vào màn hình laptop của học viên và trao đổi trực tiếp.

Các thầy cô cũng không ngồi nghe thụ động. Phần lớn ảnh cho thấy máy tính được mở xuyên suốt, người học tự thao tác trong lúc chương trình diễn ra.

Với đào tạo AI, chi tiết này quan trọng hơn rất nhiều so với việc người học “đã nghe bao nhiêu tính năng”. Một người có thể hiểu về AI qua vài chục slide nhưng vẫn lúng túng khi về bàn làm việc. Ngược lại, nếu ngay trong lớp họ đã tự cấu hình tài khoản, thử một tình huống thật, gặp lỗi và được sửa, khoảng cách từ học sang dùng sẽ ngắn hơn.

Vì vậy, artifact đáng giá của một buổi tập huấn không chỉ là bộ slide. Đó còn là tài khoản đã được cấu hình, một quy trình người học đã tự chạy thử và những đầu ra họ biết cách kiểm tra trước khi sử dụng.

AI trong giáo dục không nên bắt đầu bằng việc thay giáo viên

Thông điệp “giải phóng thời gian, nâng tầm sư phạm” có một cách hiểu rất thực tế.

Giáo viên có nhiều phần việc cần tư duy sư phạm sâu: hiểu học sinh, đặt câu hỏi phù hợp, quan sát phản ứng của lớp, điều chỉnh cách giảng, động viên những em đang tụt lại phía sau. Đây là những phần việc không nên giản lược thành chuyện “để AI làm thay”.

Nhưng xung quanh chúng lại có nhiều việc lặp: tạo phiên bản đầu của tài liệu, chuyển một nội dung sang nhiều mức độ, gợi ý câu hỏi, cấu trúc bảng tiêu chí, tổng hợp thông tin, chuẩn bị bản nháp thông báo hoặc sắp xếp lại dữ liệu.

Nếu AI giúp rút bớt thời gian cho những khâu đó, phần thời gian lấy lại được có thể quay về đúng nơi nó có giá trị nhất: người học.

Đây cũng là tinh thần xuyên suốt trong tài liệu chương trình của Học viện AI: thực hành trên tình huống sát nhiệm vụ, tạo sản phẩm cụ thể và chỉ sử dụng sau khi con người có chuyên môn kiểm tra, chỉnh sửa hoặc phê duyệt. Với nhóm giáo dục, tài liệu nhấn mạnh thiết kế bài dạy, học liệu phân hóa, câu hỏi/rubric, kiểm chứng nguồn, bản quyền và liêm chính học thuật.

Nếu muốn xem thêm các tình huống cụ thể, bài 5 ứng dụng của trí tuệ nhân tạo trong giáo dục đang thay đổi cách học cung cấp một bức tranh rộng hơn về những nơi AI có thể hỗ trợ nhà trường.

Điều gì đã được chứng minh trong case Phiêng Khoài?

Với một case study, rất dễ bị cuốn vào những con số đẹp. Nhưng ở thời điểm này, dữ liệu chúng tôi có đủ mạnh để xác nhận việc triển khai đã diễn ra, phương pháp lớp học có tính thực hành và người học đã trực tiếp thao tác. Chúng tôi chưa có một cửa sổ đo lường sau đào tạo đủ dài để tuyên bố các con số như “tiết kiệm bao nhiêu giờ mỗi tuần” hay “tăng bao nhiêu phần trăm năng suất”.

Những bằng chứng có thể quan sát trực tiếp gồm:

• 1 chương trình thực tế tại Trường THPT Phiêng Khoài, Sơn La, với chủ đề “Làm chủ AI – Giải phóng thời gian, nâng tầm sư phạm”.
• Hơn 30 người xuất hiện trong ảnh tập thể sau chương trình; trong giờ học, nhiều học viên trực tiếp làm việc trên laptop.
• 2 lớp cấu hình được thể hiện rõ trên slide: cá nhân hóa và kết nối ứng dụng.
• Giảng viên Đỗ Văn Thuận trực tiếp hướng dẫn và hỗ trợ tại bàn trong quá trình thực hành.
• Các công cụ/ứng dụng xuất hiện trên slide gồm ChatGPT, Gemini và nhóm ứng dụng Google phục vụ công việc.

Đây là bằng chứng về delivery và adoption trong buổi học, không phải bằng chứng về ROI hay năng suất dài hạn. Phân biệt hai loại bằng chứng này giúp case study đáng tin hơn và cũng cho thấy bước tiếp theo cần đo là gì.

Nếu đo tiếp sau 2–4 tuần, chúng tôi sẽ nhìn vào điều gì?

Để biết một buổi tập huấn thật sự tạo thay đổi hay chỉ dừng ở cảm giác “học rất hay”, cần quay lại sau khi người học đã có thời gian sử dụng.

Với một trường học, những chỉ số đáng quan sát không cần quá phức tạp. Có thể bắt đầu từ tỷ lệ giáo viên vẫn sử dụng AI hằng tuần, những tác vụ nào được lặp lại nhiều nhất, thời gian chuẩn bị tài liệu trước và sau khi áp dụng, số đầu ra được dùng thật sau khi giáo viên kiểm tra, hay mức độ chia sẻ quy trình giữa các tổ chuyên môn.

Quan trọng hơn, nên hỏi một câu rất đời thường: phần thời gian tiết kiệm được đã đi đâu? Nếu nó chỉ biến thành thêm việc, giá trị sẽ rất hạn chế. Nếu nó giúp giáo viên có thêm thời gian cho học sinh, cho việc chuẩn bị giờ dạy tốt hơn hoặc cho phát triển chuyên môn, khi đó mới đúng tinh thần “giải phóng thời gian”.

3 bài học chúng tôi mang về từ một phòng học ở Sơn La

Bài học đầu tiên: đừng bắt đầu bằng danh sách công cụ. Người học không cần nhớ hôm nay có bao nhiêu model AI. Họ cần thấy một phần việc của mình trở nên dễ hơn.

Bài học thứ hai: cấu hình ngữ cảnh quan trọng không kém prompt. Một AI hiểu rõ vai trò, môn học, khối lớp và môi trường làm việc sẽ có cơ hội tạo đầu ra sát nhu cầu hơn một cuộc chat hoàn toàn trắng.

Bài học thứ ba: đào tạo AI phải có thời gian cho người học tự làm. Những bức ảnh đáng giá nhất của chương trình không phải lúc giảng viên đứng cạnh màn hình, mà là lúc các thầy cô cùng nhìn vào laptop, trao đổi và sửa ngay một vấn đề đang gặp.

AI thay đổi rất nhanh. Công cụ hôm nay có thể khác công cụ sáu tháng nữa. Nhưng năng lực biết mô tả công việc, giao đúng ngữ cảnh, kiểm tra đầu ra và đưa AI vào quy trình của mình sẽ còn hữu ích lâu hơn nhiều.

Với những đơn vị đang chuẩn bị lộ trình rộng hơn, có thể tham khảo thêm bài Khóa học AI cho giáo dục: Đón đầu lộ trình thí điểm của Bộ Giáo dục và Đào tạo.

Từ một buổi tập huấn đến năng lực AI thật sự trong nhà trường

Một ngày học không thể biến toàn bộ một tổ chức thành “trường học AI”. Nó chỉ có thể làm tốt một việc quan trọng hơn: tạo ra lần sử dụng đúng đầu tiên và một cách làm có thể lặp lại.

Ở Phiêng Khoài, dấu hiệu tích cực nhất không nằm ở khẩu hiệu trên màn hình mà ở chính cảnh các thầy cô ngồi trước máy, cùng làm, cùng hỏi và cùng sửa.

Đó là nơi một công nghệ mới bắt đầu trở thành năng lực thật.

Nếu trường học hoặc đơn vị giáo dục của bạn đang muốn tổ chức một chương trình AI theo hướng thực hành, bám sát công việc của giáo viên thay vì chỉ giới thiệu công cụ, Học viện AI có thể cùng đơn vị xây dựng nội dung từ chính quy trình và nhóm người học thực tế.

Điểm bắt đầu không phải là “dạy thật nhiều AI”. Điểm bắt đầu là chọn đúng những việc người học đang phải làm mỗi ngày và giúp họ làm tốt hơn bằng AI.