Khi đáp án đúng không còn chứng minh được năng lực
AI trong giáo dục là việc dùng các công cụ trí tuệ nhân tạo để hỗ trợ hoạt động dạy và học, nhưng khi công cụ có thể tạo lời giải hoàn chỉnh, bài làm nộp ở nhà không còn là thước đo đáng tin cậy về năng lực người học. Giáo sư toán Richard Borcherds tại Đại học California, Berkeley, người đoạt Huy chương Fields, đã ngừng chấm bài tập theo đúng sai vì sinh viên ngày càng dùng AI làm bài.
Thay vì đánh giá từng lời giải, ông cho điểm tối đa cho sinh viên nộp bài đúng hạn; điểm môn học chủ yếu dựa vào các bài thi trên lớp, nơi không được dùng thiết bị điện tử. Đây không phải cải tiến về sư phạm, mà là sự thừa nhận rằng hình thức chấm bài Toán quen thuộc đã mất sức thuyết phục. Khi điểm cao có thể phản ánh năng lực của công cụ nhiều hơn năng lực của người học, chấm đáp án đúng sai không còn trả lời được câu hỏi quan trọng nhất: sinh viên có hiểu điều mình viết hay không?
Chấm đúng sai có thể phạt người làm thật
Quyết định của Borcherds xuất phát từ việc ông thấy nhiều sinh viên liên tục đạt điểm cao nhờ AI. Ông cho rằng thuê người chấm để kiểm tra những lời giải ngày càng khó phân biệt với bài do sinh viên tự làm không còn ý nghĩa. Công nghệ cũng tiến bộ đến mức các lỗi đặc trưng trước đây đôi khi giúp nhận diện lời giải do AI tạo ra nay ít xuất hiện hơn.
Theo lập luận của ông, chấm theo đúng sai có thể tạo ra một nghịch lý bất công: sinh viên tự làm bài chịu rủi ro sai sót, trong khi người dùng AI có thể nộp đáp án chính xác. Ông nhận xét cách chấm ấy chỉ khuyến khích sinh viên nhờ AI làm thay và chẳng khác nào phạt người trung thực. Vì vậy, cách cho điểm theo việc nộp bài tuy thô sơ nhưng phản ánh một vấn đề thật: khi bài tập về nhà không còn cho biết ai đã tư duy, giữ nguyên thang điểm cũ có thể làm sai lệch kết quả nhiều hơn.
Điểm nộp bài là giải pháp tình thế, không phải lối ra
Borcherds thừa nhận cho điểm dựa trên việc nộp bài “không phải là một cơ chế tốt”, nhưng ông chưa tìm được phương án thay thế phù hợp. Đây là giới hạn đáng kể: điểm chuyên cần có thể khuyến khích sinh viên làm bài, song không đo được mức độ hiểu biết, khả năng lập luận hay việc họ có thể tự giải một bài toán mới hay không.
Ông cũng cho rằng bài thi trực tuyến trở nên vô ích khi sinh viên có thể dùng AI để làm bài, đồng thời nhận thấy điểm trung bình ở những bài thi này tăng rõ rệt. Bởi vậy, chuyển trọng tâm sang bài thi làm tại lớp, không dùng thiết bị điện tử, là cách ông bảo vệ một phần khả năng đánh giá trực tiếp. Nhưng đây vẫn là phương án ứng phó, không phải lời giải cho toàn bộ quá trình học: một kỳ thi chỉ ghi lại kết quả trong một thời điểm, còn việc học Toán cần được rèn luyện liên tục.
Thách thức của AI trong giáo dục rộng hơn một lớp học
Trường hợp này đặt ra câu hỏi mà các trường đại học không thể né tránh: nếu AI tạo được lời giải đúng, giảng viên dựa vào đâu để biết sinh viên thật sự hiểu toán đến mức nào? Đó là vấn đề cốt lõi của AI làm bài tập: sản phẩm cuối cùng có thể hoàn chỉnh nhưng không cho thấy ai đã thực hiện quá trình suy luận.
Berkeley để giảng viên nêu kỳ vọng và quy định sử dụng AI trong đề cương môn học; trường cũng đang triển khai các biện pháp thích ứng, trong đó có xây dựng một trung tâm AI trực tuyến. Tuy nhiên, quy định về công cụ chỉ làm rõ điều gì được phép, chứ chưa tự nó chứng minh được ai hiểu bài. Câu chuyện của Borcherds vì thế không nên bị xem là một lựa chọn cá nhân kỳ quặc, mà là dấu hiệu cho thấy chấm bài Toán cần chuyển sự chú ý từ đáp án trên giấy sang năng lực được thể hiện trực tiếp.
Kết luận của câu chuyện không phải là bỏ bài tập về nhà hay mặc định mọi sinh viên đều gian lận. Đó là bài làm ở nhà đã trở thành bằng chứng kém chắc chắn hơn trước. Cho điểm chỉ vì nộp bài là cách xử lý bất toàn mà Borcherds công khai thừa nhận; nhưng tiếp tục chấm đúng sai như thể AI không tồn tại còn có thể bất công hơn. Giảng viên cần đánh giá điều họ muốn sinh viên học, thay vì nhầm một lời giải đúng với bằng chứng rằng người nộp đã tự hiểu nó.
