Luận án không còn đủ: định nghĩa lại đánh giá tiến sĩ trong kỷ nguyên AI
Đánh giá tiến sĩ AI là cách các trường đại học thiết kế tiêu chí và quy trình công nhận bằng tiến sĩ trong bối cảnh trí tuệ nhân tạo tham gia sâu vào giải toán, xử lý dữ liệu và soạn thảo luận án, nhằm phân biệt rõ đâu là năng lực thực sự của nghiên cứu sinh và đâu là sản phẩm do công cụ tạo ra.
Khi AI có thể hỗ trợ giải toán và viết bản thảo nghiên cứu, một luận án hoàn chỉnh không còn đủ đáng tin để chứng minh năng lực của người đứng tên nữa. Đó là lý do 24 nhà toán học từ Harvard, MIT, Stanford và nhiều trường khác đã họp tại Harvard trong hai ngày 17–18/9 để bàn lại toàn bộ cách đào tạo và đánh giá tiến sĩ toán trong thời đại AI. Vấn đề không chỉ là "AI có nên dùng hay không", mà là: nếu luận án và trí tuệ nhân tạo gắn chặt với nhau, ta còn đánh giá được gì ở con người. Nếu các trường tiếp tục trao bằng dựa chủ yếu trên văn bản luận án, họ đang tự đánh lừa mình về chất lượng đào tạo lẫn liêm chính học thuật.
Đề xuất của các nhà toán học Harvard: tách bằng tiến sĩ khỏi chiếc "bùa chú" luận án
Báo cáo sau cuộc họp tại Harvard đã nêu một quan điểm dứt khoát: không nên cấp bằng tiến sĩ chủ yếu dựa trên nội dung văn bản luận án. Luận án vẫn cần thiết, vẫn phải là một đóng góp học thuật nguyên gốc, nhưng chỉ còn là nền tảng cho một buổi bảo vệ nghiêm túc, nơi nghiên cứu sinh phải chứng minh mình hiểu và làm chủ toàn bộ nội dung trình bày.
Quan trọng hơn, nhóm 24 nhà toán học đề nghị mở rộng khái niệm "đóng góp nguyên gốc": không chỉ là lời chứng minh đầu tiên cho một mệnh đề, mà còn có thể là phát hiện hiện tượng toán học mới, phát triển phương pháp, đặt câu hỏi có ý nghĩa hoặc tìm thấy liên hệ liên ngành. Đây là một cú hích trực diện vào mô hình cũ, vốn ám ảnh với một kết quả duy nhất ghi trong luận án, trong khi AI có thể bất ngờ đẩy nhanh quá trình tạo ra lời chứng minh. Nói cách khác, họ đang chuyển trọng tâm từ sản phẩm cuối sang giá trị khoa học và khả năng hiểu biết của người làm.
Từ chấm luận án sang đánh giá quá trình: khi sinh viên và AI cùng viết
Các nhà toán học Harvard không chỉ muốn đổi tiêu chí, họ muốn đổi luôn cách kiểm tra: tăng đánh giá trực tiếp, liên tục với nhiều giảng viên trong suốt quá trình học, thay vì chỉ đọc một bản luận án ở cuối. Họ gợi ý kết hợp thi viết, vấn đáp tại chỗ, thuyết trình, dự án và các buổi báo cáo tiến độ ít nhất mỗi năm một lần, kèm phản hồi có ý nghĩa cho nghiên cứu sinh.
Ở bậc đại học, câu chuyện đánh giá năng lực sinh viên cũng đang chịu áp lực tương tự. Một nghiên cứu công bố năm 2026 ghi nhận 94% học sinh, sinh viên được khảo sát sử dụng AI để hỗ trợ học tập, trong đó tỷ lệ đưa thẳng sản phẩm AI vào bài nộp tăng từ 3% năm 2024 lên khoảng 12% năm 2026. Nếu nhà trường vẫn chỉ chấm sản phẩm cuối, họ sẽ không biết người học đã làm gì và AI đã làm gì. Đó là lý do TS. Bùi Phương Thảo đề xuất chuyển sang đánh giá quá trình hình thành sản phẩm: từ dữ liệu ban đầu, bản nháp, phản hồi của AI, cho đến cách sinh viên phân tích, chấp nhận hoặc bác bỏ gợi ý của công cụ.
Từ săn lỗi AI sang đánh giá năng lực: cải cách giáo dục đại học phải đi thẳng vào cốt lõi
Cách phản ứng bản năng của nhiều trường hiện nay là săn tìm dấu vết AI trong bài làm, rồi trừng phạt. Nhưng AI ngày càng được sinh viên sử dụng trong học tập, đến mức trở thành một thực tế khó đảo ngược. Việc cấm đoán toàn diện vừa không khả thi, vừa đẩy người học vào vùng xám của vi phạm liêm chính. Cải cách giáo dục đại học nghiêm túc phải bắt đầu từ việc đặt lại câu hỏi: ta muốn đánh giá cái gì, công cụ hay con người.
TS. Bùi Phương Thảo đề xuất thay đổi cách tiếp cận: thay vì cố xác định một bài làm có bao nhiêu phần trăm nội dung do AI tạo ra, giảng viên nên thiết kế đánh giá để kiểm tra quá trình sinh viên sử dụng công cụ, khả năng kiểm chứng thông tin và mức độ hiểu biết với sản phẩm cuối cùng. Khi AI có thể hỗ trợ tổng hợp tài liệu, viết văn bản, xây dựng ý tưởng, xử lý dữ liệu, thì rubric đánh giá phải tăng trọng số cho những năng lực AI khó thay thế: xác định vấn đề, xây dựng research gap, phân tích dữ liệu cụ thể, giải thích phương pháp, bảo vệ kết quả. Nói thẳng: nếu bài kiểm tra vẫn chủ yếu chấm "văn đẹp, cấu trúc gọn", tức là chúng ta đang chấm AI chứ không phải sinh viên.
Tương lai đánh giá tiến sĩ AI: coi AI là công cụ học, không là tội lỗi học thuật
Điểm tiến bộ trong các đề xuất hiện nay là cả hai phía – nhóm toán học Harvard và các nhà giáo đại học – đều không muốn biến AI thành thứ cấm kỵ. Báo cáo từ Harvard khẳng định không đề xuất cấm nghiên cứu sinh dùng AI; trái lại, chương trình nên tạo điều kiện để họ tiếp cận công cụ, với điều kiện sử dụng không bắt buộc và được trao đổi cụ thể, thường xuyên với người hướng dẫn. Ở phía đại học, các gợi ý chính sách cũng thiên về đánh giá mở kèm khai báo: sinh viên được phép sử dụng AI ở các mức độ quy định, nhưng phải công khai cách dùng và chịu trách nhiệm về sản phẩm.
Một lộ trình hợp lý là: trước mắt, từng học phần công bố rõ mức độ sử dụng AI được phép, bổ sung các hình thức đánh giá có kiểm soát, áp dụng phiếu khai báo sử dụng AI; trong khoảng hai năm, năng lực sử dụng AI trở thành một chuẩn đầu ra rõ ràng của chương trình, được kiểm chứng bằng dữ liệu từ bài làm thực tế của sinh viên. Nếu làm được điều đó, đánh giá tiến sĩ AI và đánh giá năng lực sinh viên nói chung sẽ chuyển từ tâm thế phòng thủ sang chủ động: không sợ AI, cũng không ảo tưởng rằng một bản luận án đẹp là bằng chứng cho trí tuệ của con người.
