1.1. Tổng quan nghiên cứu về AI và AIEd
1.1.1. Tình hình nghiên cứu trên thế giới
1.1.1.1. Lịch sử phát triển và các ứng dụng chính của AI
J. McCarthy là người đầu tiên đưa cụm từ TTNT (hay AI trong tiếng Anh) trở thành một khái niệm khoa học vào khoảng năm 1956. Nghiên cứu AI nhằm mô tả chính xác các khía cạnh của xử lí trí tuệ và học (để có được tri thức) và tạo ra được các hệ thống, máy mô phỏng hoạt động học và xử lí trí tuệ [7].
Theo S. Russell và P. Norvig [8], AI có một số năng lực trí tuệ điển hình là: Học từ kinh nghiệm (trích rút tri thức từ kinh nghiệm) và áp dụng tri thức; Xác định và trích chọn các đặc trưng quan trọng của các đối tượng, sự kiện, quá trình;Xử lý tình huống phức tạp; Phản ứng nhanh chóng và chính xác đối với tình huống mới; Nhận dạng và hiểu được ngữ nghĩa hình ảnh; Xử lý và thao tác ký hiệu; Sáng tạo và có trí tưởng tượng; Sử dụng heuristic (m o).
Mục tiêu cơ bản của nghiên cứu AI bao gồm biểu diễn kiến thức, lí luận, lập kế hoạch, học tập và xử lí cũng như khả năng sử dụng các đối tượng [9]. Nhiều loại phương pháp tiếp cận được thực hiện để đạt được các mục tiêu của AI, chẳng hạn như mô hình thống kê và trí thông minh tính toán AI không chỉ ảnh hưởng đến lĩnh vực khoa học máy tính mà còn thu hút các lĩnh vực toán học, kĩ thuật, ngôn ngữ học và nhiều lĩnh vực khác [10]. Kể từ khi ra đời vào năm 1956, quá trình phát triển của AI cho thấy thành tựu của mỗi giai đoạn sau là kết quả của sự thừa kế, phát huy các bộ phận phù hợp và sự rút gọn, hiệu chỉnh các bộ phận không phù hợp từ các giai đoạn trước đó. AI đang là một ngành khoa học máy tính đầy triển vọng [8].
1.1.1.2. Lịch sử phát triển và các ứng dụng AI trong dạy học a) Lịch sử phát triển của AIEd
TTNT trong giáo dục (Artificial Intelligence in Education - AIEd) ra đời vào khoảng những năm 1970 [11]. Mục tiêu ban đầu của các nhà nghiên cứu là hướng đến xây dựng một hệ thống được gọi là Hệ thống dạy kèm thông minh (Intelligent Tutoring Systems - ITS) hoặc hệ thống AIEd.
Trang 12
AIEd ban đầu được thực hiện trong các nhóm về AI, tập trung nghiên cứu, phát triển và đánh giá phần mềm máy tính để cải thiện việc giảng dạy và học tập, mục tiêu dài hạn được xác định là nhằm thu thập phản hồi của người học, đánh giá năng lực người học và nguyên nhân yếu kém, cá nhân hóa cho một người hoặc nhóm người học và cuối cùng là sử dụng các kĩ thuật của AI để tìm hiểu và phát triển các lí thuyết dạy – học [12]. AIEd sẽ trở thành một xu hướng chính trong giáo dục vào khoảng năm 2010 và những năm tiếp theo, đồng thời AIEd có thể đóng một vai trò quan trọng trong việc kết hợp nghiên cứu định hướng khoa học máy tính (AI) và tâm lí học, sư phạm (Giáo dục) [6].
Hình 1.1 minh họa quan niệm mới về AIEd so với trước đây trong việc kết hợp AI và Ed lại với nhau: (trái) AIEd là lợi ích tổng hợp của AI và Nghiên cứu giáo dục; (phải) AIEd như một lĩnh vực độc lập, đa ngành, xác định mục tiêu và phạm vi của riêng mình giữa các lĩnh vực AI và Giáo dục tương ứng [13]. Kiến thức AIEd sẽ thu h p khoảng cách này bằng cách cung cấp các kĩ thuật để thúc đẩy các tương tác hiệu quả và thông minh hơn với con người nhằm cải thiện kết quả dạy học.
Hình 1.1 Hai quan niệm thay thế về mối kết hợp giữa AI và Ed (Nguồn: [13]) Nghiên cứu về AIEd trong vài thập kỉ qua đã được dành riêng cho việc thúc đẩy các công nghệ tính toán thông minh như hệ thống dạy kèm thông minh [14], chatbots [15]... Với những đột phá trong CNTT trong thập kỉ qua, các nhà tâm lí học giáo dục đã tiếp cận nhiều hơn với dữ liệu lớn. Nói một cách cụ thể, phương tiện truyền thông xã hội (Ví dụ: Facebook, Twitter), môi trường học tập trực tuyến (Ví dụ: Khóa học trực tuyến mở rộng rãi – MOOC, viết tắt của cụm từ tiếng Anh Massive Open Online Course), hệ thống dạy kèm thông minh (Ví dụ: AutoTutor), hệ thống quản lí người học LMS, cảm biến và thiết bị di động tạo ra lượng dữ liệu động và phức tạp ngày càng tăng có chứa hồ sơ cá nhân, dữ liệu sinh lí, nhật kí học tập và hoạt động của học sinh cũng như hiệu suất và kết quả học tập của SV [5].
b) Phân loại AIEd
Theo một nghiên cứu của Tuomi, các kĩ thuật AI trong dạy học có thể được chia thành hai loại khác nhau, đó là: (i) AI dựa trên kiến thức/ đại diện, (ii) AI theo hướng dữ liệu [16]. Các thuật toán AI dựa trên kiến thức nhằm mục đích sử dụng kiến thức chuyên sâu của con người trong việc ra quyết định, chẳng hạn như các hệ thống dựa trên quy tắc. Phần lớn các nỗ lực trong thập kỉ trước là dựa trên AI dựa trên tri thức [17]. Tuy nhiên, gần đây xu hướng chuyển sang các kĩ thuật hướng dữ liệu.
c) Vai trò của AI trong giáo dục và trong dạy học
Xét ở góc độ mô hình trong hỗ trợ dạy học, Baker đã xác định ba vai trò chính của các mô hình AIEd: (1) Mô hình là công cụ khoa học, nghĩa là mô hình được sử dụng như một phương tiện để hiểu hoặc dự đoán một số khía cạnh của một tình huống giáo dục, (2) Mô hình như một thành phần. Theo đó, một mô hình tính toán được sử dụng như một thành phần hệ thống cho phép môi trường học tập phản ứng
Trang 13
thích ứng với đầu vào của người dùng hoặc đầu vào khác, (3) Mô hình làm cơ sở thiết kế: Đó là mô hình của một quá trình giáo dục, với lí thuyết kèm theo của nó, hướng dẫn việc thiết kế phương pháp học tập nâng cao bằng công nghệ [18].
Dimitrova, McCalla và Bull đưa ra một vai trò quan trọng thứ tư của AIEd. (4) Các mô hình mở làm lời nhắc cho người học và/hoặc giáo viên phản ánh và hành động: Các mô hình tính toán được thực hiện để người học và/hoặc giáo viên có thể kiểm tra và có thể mở ra để người học và/hoặc giáo viên chỉnh sửa [19].
Từ góc độ nghiên cứu về vai trò của AI trong giáo dục đại học, trong số 50 nghiên cứu có liên quan được trích dẫn nhiều nhất cho thấy, về mặt lập hồ sơ và dự đoán, trọng tâm là khám phá độ chính xác, độ nhạy của công nghệ AI; về ITS, trọng tâm là điều tra hành vi học tập của người học và ảnh hưởng; về đánh giá, mục đích chính là khám phá hiệu quả học tập và hành vi học tập của người học; đối với hệ thống thích ứng và cá nhân hóa, các nghiên cứu chủ yếu điều tra nhận thức của người học và ảnh hưởng [20].
Trong đó, ba vai trò chính trong dạy học bao gồm: hỗ trợ (i) Học sinh cá biệt, (ii) Cả lớp, (iii) Toàn bộ nhóm học sinh [21]. Ở cấp độ cá nhân, trọng tâm tập trung nhiều hơn vào việc điều chỉnh các phương pháp giảng dạy và cách tiếp cận phù hợp với nhu cầu của một người học cụ thể. Các hệ thống được phát triển là kết quả của những nỗ lực đó được gọi là “Hệ thống Gia sư Thông minh, ITS”, được cho là hiệu quả ngang với các gia sư của con người [22]. Mặt khác, ở cấp độ lớp học, AI nhằm mục đích giúp giáo viên quản lí toàn bộ lớp học thay vì từng người học [23]. Một số ứng dụng chính của AI trong lớp học bao gồm dạy kèm, chấm điểm và học tập dựa trên. Thực tế ảo để cải thiện trải nghiệm dạy và học trong lớp học thông qua sự cộng tác hiệu quả của giáo viên và AI [24]. Ở cấp độ nhóm người học, AI nhằm mục đích phân tích sự tương tác của người học với hệ thống và điều chỉnh hệ thống học tập dựa trên sự thất bại và thành công trong tương tác của người học với hệ thống.
d) Các ứng dụng của AIEd
Việc ứng dụng AI vào trong dạy học còn hạn chế so với các lĩnh vực khác như khoa học ứng dụng, tài chính hoặc y học. Tuy nhiên, ngày càng có nhiều hệ thống AI trong dạy học thể hiện được những ưu thế vượt trội của nó. Nhiều hệ thống AI được chứng minh là có tác động tích cực đáng kể về mặt thống kê đối với việc học của SV.
Một là, sử dụng AI để tạo ra các hệ thống theo dõi hiệu suất học tập.
Một số trường đại học đã và đang sẵn sàng cho việc sử dụng AI vào trong dạy học. Khi nói đến việc tư vấn cho SV, AI nên tiếp cận các phương pháp giảng dạy trực tuyến được cá nhân hóa. Học trực tuyến là cách hiệu quả nhất để dạy và học mà không cần tương tác trực tiếp với giáo viên [25]. Hai yếu tố quyết định chất lượng của E-learning chính là chất lượng của phần mềm và nội dung. Chất lượng của E- learning chỉ dựa vào sự kiểm soát của giáo viên [25]. Giáo viên có thể quyết định nội dung nào hữu ích cho SV học tập. Tuy nhiên, AI có thể hỗ trợ đưa đề xuất và khuyến nghị cho giáo viên và học sinh, đồng thời AI cũng có thể cung cấp phản hồi cho SV ngay lập tức dưới hình thức trợ giảng AI. Học sinh có thể nhận được phản hồi về những gì họ đã hoàn thành mà không cần phải đợi phản hồi của giáo viên.
Samarakou và các cộng sự đã đề cập đến một hệ thống theo dõi hiệu suất của học sinh bằng cách sử dụng AI có tên là StuDiAsE (Learner Diagnosis, Assistance, Evaluation System). Đây là Hệ thống Chẩn đoán, Hỗ trợ, Đánh giá người học dựa
Trang 14
trên AI, là một OLE nâng cao được phát triển đặc biệt để đáp ứng nhu cầu của SV kĩ thuật [26].
Hai là, cá nhân hoá học tập.
Sự phát triển của CNTT đã thúc đẩy thúc đẩy AIEd phát triển một cách nhanh chóng. Một trong những mục tiêu quan trọng được các nhà nghiên cứu về AIEd xác định từ đầu và còn tiếp tục được theo đuổi đến hôm nay chính là giảng dạy cá nhân hoá (personalized teaching), xuất phát từ những lợi ích mà Bloom đã đề cập.
Nghiên cứu đã đưa ra những lập luận cùng minh chứng cụ thể để khẳng định nền tảng của AIEd chính là tạo ra các hệ thống học tập được cá nhân hoá với giao diện sử dụng hiệu quả cao [4]. Điều chỉnh việc học dựa trên nhu cầu cụ thể của từng người học là một ưu tiên cho các nhà giáo dục trong nhiều năm nhưng AI sẽ cho phép một mức độ khác biệt [27].
Cá nhân hóa trong giáo dục bằng cách sử dụng AI là một hệ thống cho phép học sinh tạo môi trường học tập, cho dù môi trường ở dạng trang web hay ứng dụng. Cá nhân hóa có thể loại bỏ nhiều rào cản trong học tập và giảng dạy. Sự khác nhau trong phong cách học tập, năng lực tiếp thu bài giảng và các thuộc tính khác (thậm chí là duy nhất) dẫn đến nhu cầu học tập khác nhau. Dựa trên các thuộc tính này, các mô hình học tập lí thuyết nên được xây dựng phù hợp với SV [28]. Người hướng dẫn có thể thiết lập các mô hình học tập bằng cách đánh giá các bài kiểm tra mà SV có thể tham gia và mỗi SV có thể có các mô hình học tập của mình do giáo viên tạo ra bằng cách sử dụng công cụ E-learning [29]. Các LMS có thể được giáo viên sử dụng để điều khiển nội dung học tập mà họ muốn đưa vào [30]. Bằng cách sử dụng LMS và AI, giáo viên có thể xác định những gì người học muốn và cách họ học tập. Sự kết hợp giữa LMS và AI mở ra cơ hội để làm nghiên cứu, cộng tác, dạy và học lấy SV làm trung tâm [31].
Sự hiểu biết về sự khác biệt của từng cá nhân là rất quan trọng để phát triển các công cụ sư phạm nhằm mục tiêu hướng vào người học cụ thể và điều chỉnh việc dạy học phù hợp với nhu cầu cá nhân ở các giai đoạn khác nhau. Hệ thống giáo dục thông minh sử dụng dữ liệu lớn và các kĩ thuật AI có khả năng thu thập dữ liệu cá nhân chính xác và phong phú. Dữ liệu lớn và AI có tiềm năng hiện thực hóa quá trình học tập cá nhân hóa đểđạt được giáo dục chính xác [32].
Sáng kiến Học tập mở (Open Learning Initiative - OLI) là một dự án tài nguyên giáo dục mở tại Đại học Carnegie Mellon (Hoa Kì) bắt đầu vào năm 2002 với sự tài trợ của William và nền tảng Flora Hewlett. OLI tạo các khóa học dựa trên web được thiết kế để SV có thể học hiệu quả mà không cần người hướng dẫn. Ngoài ra, các khóa học thường được sử dụng bởi các GV để hỗ trợ và bổ sung cho việc giảng dạy trực tiếp trên lớp [33]. ALEKS (Assessment and LEarning in Knowledge Spaces) [34], một Hệ thống Gia sư Thông minh cho Toán học, như một phương pháp chiến lược can thiệp vào các môi trường sau giờ học để cải thiện các kĩ năng toán học của học sinh gặp khó khăn. Một số ví dụ khác có thể tham khảo là SQL-Tutor [35], Gia sư nhận thức [36] và ASSISTments[37]. Thành công bước đầu của các hệ thống dựa trên AI này một phần do sự kết nối chặt chẽ giữa thiết kế của các hệ thống này và bằng chứng nghiên cứu từ khoa học học tập [37].
Một trong những phần mềm AI nổi tiếng trên thế giới do IBM (Hoa Kì) phát triển với mục đích đưa ra lời đáp cho các câu hỏi được nêu lên bằng ngôn ngữ tự nhiên có tên gọi là Watson. Chương trình này được đặt tên của nhà sáng lập công ty
Trang 15
IBM là Thomas J. Watson [38], Watson đã được phát triển như một phần của dự án nghiên cứu mang tên DeepQA [39]. Ưu điểm lớn nhất của IBM Watson trong giáo dục là cho phép người dùng có thể học ở bất cứ đâu, sử dụng trực tuyến, miễn phí mọi tiện ích và tích hợp của phần mềm [40].
Các hệ thống dạy kèm thông minh đã bùng nổ trong nhiều thập kỉ trở lại đây, một trong những hệ thống như vậy có tên là gia sư dựa trên hộp thoại ảo (virtual dialog- based tutor, viết tắt là DBT). Trong DBTs, hệ thống dạy kèm hướng dẫn người học bằng cách tiến hành một hộp thoại đối thoại cho phép thực hiện các trao đổi phong phú thông qua kết nối với nội dung đa phương tiện và các công nghệ khác. Một số trong số các DBT đã được triển khai và thử nghiệm, chẳng hạn như AutoTutor [41]
và MATHia [42].
Ba là, gia sư “ảo”.
AI được sử dụng để tạo ra một “giáo viên ảo” (hay “gia sư ảo”) cùng đồng hành với giáo viên thật trong quá trình giảng dạy, chúng ta cũng có thể tận dụng sử hỗ trợ của AI bằng cách “nhúng” AI vào các website dạy học, qua đó thu thập, phân tích các “thói quen, hành vi” của SV trong quá trình học tập để đưa ra những “gợi ý”,
“tư vấn” cho SV lựa chọn một phương pháp học tập hay một khoá học phù hợp.
Đây được xem là một giải pháp hiệu quả, có tính thực tế cao khi mà vai trò của “cố vấn học tập” trong điều kiện học tập theo tín chỉ luôn luôn là một nhiệm vụ quan trọng phải triển khai nhưng vì nhiều lí do khác nhau mà công việc này trên thực tế chưa được thực hiện một cách hiệu quả, còn mang tính hình thức.
Graesser và các cộng sự đã đề cập đến AI chatbot với vai trò của một “giáo viên ảo” [43]. “Giáo viên ảo” ứng dụng học máy (Mearchine Learning) và AI sẽ mang lại một phương pháp học online hiệu quả, thiết thực nhất đến với người dùng. Có thể sử dụng AI chatbot trong thu thập thông tin SV liên quan đến sở thích, thói quen và phương pháp học, thậm chí thu thập các lỗi sai thường gặp trong một điểm ngữ pháp cụ thể của SV. Qua đó, điều chỉnh trong nội dung bài dạy và giao bài tập online cho từng cá nhân SV, hoặc nhóm SV thông qua platform MyELT. Các hệ thống dạy kèm được đề cập đến trong tài liệu [43] sử dụng những hội thoại bằng tiếng Anh, hệ thống không chỉ cung cấp thông tin mà còn giúp SV tích cực xây dựng kiến thức thông qua hội thoại.
AI chatbot là một trong những ứng dụng được sử dụng trong thu thập thông tin SV liên quan đến sở thích, thói quen và phương pháp học, thậm chí thu thập các lỗi sai thường gặp trong một điểm ngữ pháp cụ thể của SV. Các xu hướng chính trong hỗ trợ học tập mà chatbot đang giải quyết như sau [44]:
1. Chatbot có thể hoạt động như một phương pháp học tập tối ưu bằng cách lặp lại các bài học cũ ngay khi người học quên chúng. Do đó, các chatbot hỗ trợ học tập nên duy trì kiến thức bằng cách lặp lại nó sau một khoảng thời gian hợp lí.
2. Chatbot có thể được sử dụng để thu thập phản hồi về một khóa học. Thông tin này là một nguồn có giá trị để cải thiện việc học tập và giảng dạy.
3. Chatbot được đào tạo để trả lời các câu hỏi phổ biến về nghiên cứu một chủ đề. Điều này thúc đẩy việc hỗ trợ học tập nhanh chóng và thuận tiện hơn. SV luôn cần hỗ trợ về hành chính như nộp bài tập, đăng kí môn học, lịch thi, điểm, tốt nghiệp, ... Khi các vấn đề này được chatbot tự động giải quyết sẽ giảm thiểu rất nhiều gánh nặng cho các phòng ban trong trường.