SỞ GIÁO DỤC VÀ ĐÀO TẠO…..
TRƯỜNG ………….................................……….
Mã số: ................................

BÁO CÁO BIỆN PHÁP

XÂY DỰNG HỆ THỐNG HỌC LIỆU SỐ TỰ HỌC
MÔN VẬT LÍ 11 THÔNG QUA HUẤN LUYỆN
CHATBOT AI CÁ NHÂN HÓA VÀ THÍ NGHIỆM ẢO
CANVA TRONG MÔ HÌNH LỚP HỌC ĐẢO NGƯỢC

Người thực hiện: …………………………........................
Môn học tham gia dự thi: Vật lý 11
Có đính kèm:
☐ Mô hình  ☐ Đĩa CD (DVD)  ☐ Phim ảnh  ☐ Hiện vật khác

Năm1học:

MỤC LỤC
I. PHẦN MỞ ĐẦU..........................................................................................3
1. Lý do chọn đề tài.....................................................................................3
2. Mục tiêu...................................................................................................4
3. Nhiệm vụ của đề tài.................................................................................5
4. Đối tượng nghiên cứu..............................................................................6
5. Phạm vi nghiên cứu.................................................................................7
6. Phương pháp nghiên cứu.........................................................................7
II. PHẦN NỘI DUNG.....................................................................................8
1. Cơ sở lý luận của vấn đề.........................................................................8
2. Thực trạng của vấn đề mà sáng kiến cần giải quyết................................9
3. Nội dung sáng kiến................................................................................13
3.1 Biện pháp 1: Huấn luyện chatbot AI cá nhân hóa bằng công cụ
GPTs của ChatGPT.........................................................................................13
3.2 Biện pháp 2: Ứng dụng Canva AI để tạo thí nghiệm ảo tương tác tự
học tại nhà trong mô hình lớp học đảo ngược.................................................22
4. Khả năng áp dụng của sáng kiến...........................................................29
5. Hiệu quả dự kiến có thể thu được khi áp dụng sáng kiến.....................30
III. PHẦN KẾT LUẬN, KHUYẾN NGHỊ...................................................32
1. Tổng kết khái quát nội dung và kết quả................................................32
2. Khuyến nghị đến các bên liên quan.......................................................33

2

I. PHẦN MỞ ĐẦU
1. Lý do chọn đề tài
Trong bối cảnh ngành giáo dục đang đẩy mạnh đổi mới phương pháp dạy
học và chuyển đổi số, Chương trình GDPT 2018 đặt trọng tâm vào phát triển phẩm
chất, năng lực người học, đặc biệt là năng lực tự chủ – tự học và năng lực số. Điều
này đòi hỏi quá trình dạy học không chỉ diễn ra trong lớp học theo cách truyền
thống, mà cần được mở rộng thành một hệ sinh thái học tập linh hoạt, nơi học sinh
có thể chủ động tiếp cận kiến thức, luyện tập và tự điều chỉnh hoạt động học tập
của mình. Đồng thời, nhu cầu “học mọi lúc, mọi nơi” ngày càng tăng, khiến học
liệu số và các công cụ hỗ trợ tự học trở thành điều kiện quan trọng để nâng cao
chất lượng dạy học, đáp ứng yêu cầu cá nhân hóa và tạo cơ hội học tập bình đẳng
cho mọi đối tượng học sinh.
Đối với môn Vật lí 11, đặc thù nội dung chương trình có nhiều kiến thức
trừu tượng, đòi hỏi học sinh phải hình dung, mô hình hóa và quan sát hiện tượng
để hiểu bản chất, thay vì chỉ ghi nhớ công thức và thao tác tính toán. Tuy nhiên,
trên thực tế, học sinh thường gặp khó khăn khi liên hệ công thức với hiện tượng vật
lí, dẫn đến tình trạng “học thuộc nhưng không hiểu sâu”, thiếu năng lực giải thích
và vận dụng. Bên cạnh đó, việc tổ chức thực hành – thí nghiệm trong nhà trường
còn gặp nhiều giới hạn như thiếu hoặc không đồng bộ thiết bị, thời lượng tiết học
hạn chế, yêu cầu an toàn, điều kiện lớp học đông, khiến học sinh ít có cơ hội được
“thử – sai – rút kết luận” một cách đầy đủ. Đây là điểm nghẽn khiến việc hình
thành kiến thức dựa trên trải nghiệm và dữ liệu chưa đạt hiệu quả như mong muốn.
Thực trạng tự học của học sinh hiện nay cũng bộc lộ nhiều vấn đề. Nhiều em
chưa có lộ trình tự học rõ ràng, thiếu phương pháp học tập hiệu quả, dễ bế tắc khi
gặp bài tập khó và thiếu cơ chế phản hồi kịp thời để sửa sai. Việc chuẩn bị bài
trước ở nhà trong mô hình lớp học đảo ngược vì thế thường không đồng đều, dẫn
đến khoảng cách lớn về mức độ sẵn sàng học tập khi vào lớp. Đáng chú ý, học sinh
có xu hướng sử dụng các công cụ AI “mở” để tra cứu và làm bài, nhưng nếu không
được kiểm soát, AI có thể trả lời lan man, đưa thông tin sai lệch, hoặc “cho đáp án”
khiến học sinh phụ thuộc, giảm tư duy, và tạo rủi ro về tính chính xác của tri thức.

3

Từ những lí do trên, đề tài lựa chọn giải pháp kết hợp hai trụ cột nhằm xây
dựng hệ thống học liệu số tự học có kiểm soát và có khả năng triển khai rộng. Trụ
cột thứ nhất là xây dựng chatbot AI cá nhân hóa do giáo viên huấn luyện theo
hướng “Teacher-trained AI”, nghĩa là chatbot chỉ được phép trả lời dựa trên tri
thức mà chính giáo viên cung cấp, theo phong cách sư phạm thống nhất, đồng thời
có cơ chế kiểm định – hiệu chỉnh để giảm thiểu sai lệch kiến thức. Cách làm này
vừa đảm bảo độ tin cậy, vừa tạo ra một “trợ lý học tập” hỗ trợ học sinh học trước,
luyện tập bài tập theo bước, chuẩn bị thí nghiệm và dự án STEM một cách chủ
động, phù hợp với mục tiêu nâng cao năng lực tự học.
Trụ cột thứ hai là xây dựng thí nghiệm ảo bằng Canva nhằm tăng tính trực
quan và khả năng chuẩn bị trước cho học sinh, đặc biệt trong giai đoạn học ở nhà.
Thí nghiệm ảo giúp học sinh quan sát hiện tượng, thao tác theo kịch bản, dự đoán
và giải thích trước khi vào lớp, từ đó tiết kiệm thời gian “làm quen” và nâng cao
chất lượng thực hành thật. Với quy trình tạo mô phỏng rõ ràng (xác định nội dung
thí nghiệm → sử dụng Canva AI → yêu cầu “viết code” → mô tả chi tiết kịch bản
thí nghiệm), giáo viên có thể xây dựng thư viện mô phỏng theo từng bài/chủ đề,
thuận lợi cho triển khai đại trà và cập nhật thường xuyên.
Quan trọng hơn, khi tích hợp chatbot AI cá nhân hóa và thí nghiệm ảo
Canva vào mô hình lớp học đảo ngược, học sinh sẽ được tiếp cận kiến thức nền,
luyện tập và chuẩn bị thí nghiệm trước ở nhà với sự hỗ trợ có kiểm soát. Nhờ đó,
thời gian trên lớp được chuyển dịch sang các hoạt động bậc cao như giải quyết vấn
đề, thảo luận – phản biện, thực hành thí nghiệm thật, xử lí số liệu và vận dụng vào
tình huống thực tiễn. Đây chính là hướng tổ chức dạy học phù hợp với yêu cầu
phát triển năng lực của GDPT 2018, đồng thời giải quyết trực tiếp những khó khăn
cốt lõi trong dạy và học Vật lí 11 hiện nay.
2. Mục tiêu
Mục tiêu tổng quát:
Xây dựng và triển khai hệ thống học liệu số tự học Vật lí 11 trong mô hình
lớp học đảo ngược, dựa trên chatbot AI cá nhân hóa do GV huấn luyện và thí
nghiệm ảo Canva, nhằm nâng cao năng lực tự học – tư duy vật lí – năng lực số và
cải thiện kết quả học tập.
4

Mục tiêu cụ thể:
(1) Xây dựng kho học liệu số theo 4 chương (bài học, tóm tắt, bài tập, phiếu học
tập, rubric, ngân hàng câu hỏi…).
(2) Huấn luyện trợ lý AI cá nhân hóa hỗ trợ HS: học trước – luyện tập – chuẩn
bị thí nghiệm – làm STEM, theo quy tắc sư phạm và phạm vi tri thức xác
định.
(3) Xây dựng thư viện thí nghiệm ảo/hiện tượng mô phỏng bằng Canva phục vụ
học trước ở nhà và chuẩn bị thực hành.
(4) Thiết kế quy trình flipped classroom tích hợp chatbot + thí nghiệm ảo cho
từng bài/chủ đề.
(5) Đánh giá hiệu quả thông qua: mức độ hứng thú, thời gian tự học, tần suất
tương tác học liệu, chất lượng bài tập/thực hành, điểm kiểm tra.
3. Nhiệm vụ của đề tài
Để đạt được mục tiêu xây dựng hệ thống học liệu số tự học môn Vật lí 11
trong mô hình lớp học đảo ngược, đề tài xác định các nhiệm vụ trọng tâm theo một
chu trình khép kín từ khảo sát – thiết kế – phát triển – triển khai – đánh giá. Trước
hết, đề tài tiến hành khảo sát thực trạng nhằm nhận diện chính xác nhu cầu và
“điểm nghẽn” của quá trình tự học: thói quen tự học của học sinh, những khó khăn
thường gặp khi học Vật lí 11 (đặc biệt ở các nội dung trừu tượng, bài tập vận dụng
và thực hành), mức độ sẵn sàng của học sinh trong việc sử dụng học liệu số, cũng
như điều kiện thiết bị và hạ tầng học tập tại nhà.
Trên cơ sở dữ liệu khảo sát, nhiệm vụ tiếp theo là thiết kế cấu trúc hệ thống
học liệu số một cách khoa học và đồng bộ. Việc thiết kế tập trung vào kiến trúc nội
dung theo chương/bài, xác định chuẩn đầu ra (kiến thức – kĩ năng – năng lực) cho
từng chủ đề, đồng thời xây dựng tiêu chí chất lượng học liệu để đảm bảo tính chính
xác, tính sư phạm, tính tương tác và khả năng theo dõi tiến độ tự học của học sinh.
Đây là nền tảng để học liệu số không rời rạc, mà vận hành như một hệ thống có
logic, có lộ trình và có kiểm soát.
Song song với phát triển học liệu, đề tài xây dựng và vận hành chatbot AI cá
nhân hóa do giáo viên huấn luyện. Nhiệm vụ này bao gồm: hình thành kho tri thức
chuẩn theo nội dung mà giáo viên cung cấp; thiết lập “luật trả lời” theo định hướng
5

sư phạm (trả lời theo bước, gợi mở, tránh cho đáp án ngay, yêu cầu học sinh cung
cấp dữ kiện…); xây dựng kịch bản/tình huống mẫu để chatbot xử lí nhất quán các
yêu cầu thường gặp; thiết kế bộ câu hỏi kiểm định nhằm kiểm tra độ đúng và độ
phù hợp trước khi triển khai đại trà; đồng thời duy trì nhật ký lỗi và vòng phản hồi
cập nhật để cải tiến chatbot theo phiên bản, bảo đảm tính tin cậy khi học sinh sử
dụng trong tự học.
Một nhiệm vụ quan trọng khác là tạo thư viện thí nghiệm ảo Canva phục vụ
giai đoạn học trước ở nhà. Thư viện này được thiết kế theo hướng “mỗi thí
nghiệm/hiện tượng là một gói học liệu”, gồm: chủ đề, mục tiêu, kịch bản thao tác –
quan sát, câu hỏi dẫn dắt tư duy (dự đoán – quan sát – giải thích – kết luận), phiếu
báo cáo thí nghiệm và hướng dẫn học sinh chuẩn bị trước khi vào tiết thực hành
thật. Qua đó, học sinh bước vào lớp với trạng thái sẵn sàng, hiểu quy trình, giảm
thao tác sai và có nền tảng để xử lí số liệu.
Đề tài cũng thực hiện nhiệm vụ tổ chức dạy học theo mô hình lớp học đảo
ngược theo chu trình trước lớp – trong lớp – sau lớp. Ở giai đoạn trước lớp, học
sinh tự học có hướng dẫn bằng học liệu số, chatbot và thí nghiệm ảo; trong lớp,
giáo viên tổ chức các hoạt động bậc cao như thảo luận, giải quyết vấn đề, thực
hành thật, xử lí dữ liệu và vận dụng; sau lớp, học sinh củng cố, luyện tập, hoàn
thiện sản phẩm và nhận phản hồi. Toàn bộ chu trình được gắn với kiểm tra – đánh
giá thường xuyên nhằm duy trì động lực và đảm bảo chất lượng tự học.
Cuối cùng, đề tài tiến hành thực nghiệm sư phạm và xử lí dữ liệu nhằm đánh
giá hiệu quả của hệ thống học liệu số. Việc đánh giá được thực hiện theo hướng so
sánh trước – sau (và đối chứng nếu có), kết hợp phân tích định lượng và định tính
để phản ánh cả kết quả học tập lẫn sự thay đổi về thái độ, thói quen và năng lực tự
học của học sinh.


4. Đối tượng nghiên cứu
Quá trình tổ chức tự học Vật lí 11 trong mô hình lớp học đảo ngược.



Hệ thống học liệu số tự học gồm: chatbot AI cá nhân hóa + thí nghiệm ảo
Canva + kho bài tập/phiếu học tập.



Học sinh lớp 11 (đối tượng thụ hưởng trực tiếp) và giáo viên (người thiết kế
– vận hành – kiểm soát chất lượng).
6



5. Phạm vi nghiên cứu
Nội dung: toàn bộ chương trình Vật lí 11 (SGK Chân trời sáng)



Không gian: tại lớp 11A1, 11A8 và 11A111



Thời gian: Học kỳ 1 năm học 2025 - 2026



Công cụ: nền tảng chatbot (GPTs cũa ChatGPT), Canva AI (mô phỏng/thí
nghiệm ảo)
6. Phương pháp nghiên cứu

Đề tài sử dụng phối hợp nhiều phương pháp nghiên cứu nhằm đảm bảo tính
khách quan, độ tin cậy và khả năng khái quát kết quả. Trước hết, phương pháp điều
tra – khảo sát được sử dụng để thu thập thông tin từ học sinh và giáo viên về điều
kiện học tập, thiết bị, nhu cầu, thói quen tự học, mức độ hứng thú và các khó khăn
khi học Vật lí 11, đồng thời làm căn cứ xác định đúng vấn đề cần giải quyết và
định hướng thiết kế học liệu.
Phương pháp thực nghiệm sư phạm được triển khai để kiểm chứng tác động
của sáng kiến trong môi trường dạy học thực tế. Đề tài tổ chức đánh giá theo mô
hình trước – sau; trong điều kiện phù hợp có thể bổ sung lớp đối chứng nhằm tăng
độ thuyết phục và giảm sai lệch do các yếu tố ngoại lai. Quá trình thực nghiệm
bám sát kế hoạch dạy học lớp học đảo ngược, có theo dõi tiến độ và thu thập minh
chứng thường xuyên.
Dữ liệu thu được được xử lí bằng phương pháp thống kê mô tả và so sánh,
tập trung vào các chỉ số như tỉ lệ phần trăm theo mức độ đạt, điểm trung bình, mức
tiến bộ theo thời gian, mức độ hoàn thành nhiệm vụ học tập. Nhờ đó, đề tài có thể
mô tả xu hướng thay đổi và so sánh hiệu quả giữa các giai đoạn hoặc giữa các
nhóm (nếu có).
Bên cạnh dữ liệu điểm số, đề tài sử dụng phương pháp phân tích sản phẩm
học tập để đánh giá chất lượng học tập theo năng lực. Các minh chứng có thể gồm:
bài làm, bài tập vận dụng, báo cáo thí nghiệm, bảng số liệu, phiếu học tập, sản
phẩm STEM và phần trình bày/thảo luận của học sinh. Việc phân tích này giúp
phản ánh chiều sâu hiểu biết, khả năng giải thích hiện tượng, xử lí dữ liệu và vận
dụng kiến thức.
7

Cuối cùng, đề tài vận dụng phương pháp phân tích dữ liệu số nhằm khai thác
các nguồn dữ liệu phát sinh trong quá trình học tập với hệ thống học liệu số. Các
dữ liệu như log tương tác chatbot, lượt truy cập học liệu, tần suất hoàn thành nhiệm
vụ, thời điểm học tập… được tổng hợp để đánh giá mức độ tham gia, mức độ tự
giác và tính bền vững của hoạt động tự học, từ đó đưa ra điều chỉnh hợp lí cho hệ
thống và quy trình triển khai.
II. PHẦN NỘI DUNG
1. Cơ sở lý luận của vấn đề
Tự học trong nhà trường phổ thông không đơn thuần là “học ở nhà”, mà là
một năng lực tổng hợp gắn với học tập tự điều chỉnh (self-regulated learning).
Theo đó, học sinh cần biết thiết lập mục tiêu học tập phù hợp với yêu cầu bài học,
lập kế hoạch (nội dung cần học, thời gian, phương pháp), giám sát tiến trình (kiểm
tra mức độ hiểu, phát hiện lỗ hổng), và điều chỉnh (thay đổi cách học, bổ sung tài
liệu, luyện tập thêm) dựa trên phản hồi. Khi học sinh có công cụ hỗ trợ và cơ chế
phản hồi kịp thời, chu trình tự điều chỉnh diễn ra thường xuyên hơn, từ đó hình
thành thói quen tự học bền vững và nâng cao hiệu quả tiếp thu kiến thức.
Mô hình lớp học đảo ngược (flipped classroom) là một hướng tiếp cận phù
hợp để phát triển năng lực tự học và tăng thời lượng hoạt động tích cực trên lớp. Ở
mô hình này, học sinh học trước ở nhà thông qua học liệu được thiết kế có hướng
dẫn (video ngắn, phiếu học tập, câu hỏi định hướng, mô phỏng…), còn thời gian
trên lớp tập trung cho các hoạt động bậc cao như thảo luận – phản biện, thực hành
thí nghiệm, giải quyết vấn đề, vận dụng kiến thức vào tình huống thực tiễn. Với
Vật lí 11, lớp học đảo ngược đặc biệt có ý nghĩa vì giúp học sinh có thời gian
chuẩn bị khái niệm nền, quan sát hiện tượng trước, từ đó vào lớp có thể đi sâu vào
bản chất và năng lực vận dụng thay vì chỉ nghe giảng và ghi chép.
Học liệu số là thành tố cốt lõi để vận hành lớp học đảo ngược hiệu quả. Học
liệu số có ưu thế ở tính tương tác (câu hỏi, quiz, mô phỏng, nhiệm vụ thao tác),
tính chuẩn hóa (cấu trúc bài học rõ ràng, thống nhất định dạng, tiêu chí đánh giá),
tính cá nhân hóa (học theo nhịp độ cá nhân, gợi ý nội dung phù hợp trình độ), và
khả năng truy vết tiến độ (biết học sinh đã học gì, học bao lâu, hoàn thành nhiệm
vụ nào, sai ở đâu). Nhờ đó, giáo viên có thể chuyển từ “dạy đồng loạt” sang “tổ
8

chức – hỗ trợ – phản hồi dựa trên dữ liệu”, còn học sinh có nền tảng để tự học có
định hướng và tự kiểm soát chất lượng học tập.
Trong bối cảnh AI được học sinh sử dụng ngày càng phổ biến, việc ứng
dụng Teacher-trained AI (AI do giáo viên huấn luyện/kiểm soát tri thức) tạo ra một
cơ chế an toàn và phù hợp sư phạm. Khác với AI “mở” có thể trả lời lan man hoặc
sai lệch, Teacher-trained AI được thiết kế theo hướng giới hạn nội dung trả lời
trong phạm vi tri thức giáo viên cung cấp, thống nhất phong cách sư phạm (gợi mở
theo bước, yêu cầu dữ kiện, nhắc điều kiện áp dụng, cảnh báo lỗi sai), và có cơ chế
kiểm định – hiệu chỉnh định kì. Cách tiếp cận này vừa tận dụng được khả năng
phản hồi nhanh của AI, vừa giảm rủi ro sai kiến thức, đồng thời hỗ trợ học sinh
hình thành phương pháp tự học đúng hướng, tránh phụ thuộc vào đáp án.
Bên cạnh đó, thí nghiệm ảo/mô phỏng là một cơ sở quan trọng trong dạy học
Vật lí theo định hướng trải nghiệm – điều tra. Mô phỏng giúp tăng trực quan, cho
phép lặp lại nhiều lần, dễ tổ chức trong điều kiện thiếu thiết bị hoặc hạn chế thời
lượng, đồng thời hỗ trợ học sinh chuẩn bị trước thực hành: hiểu mục tiêu, nắm quy
trình thao tác, dự đoán hiện tượng và biết cách ghi nhận dữ liệu. Thí nghiệm ảo
không thay thế hoàn toàn thí nghiệm thật, nhưng đóng vai trò “tiền thực hành”
(pre-lab) và “củng cố” (post-lab), qua đó nâng chất lượng thí nghiệm thật và tăng
năng lực xử lí dữ liệu, giải thích hiện tượng của học sinh.
2. Thực trạng của vấn đề mà sáng kiến cần giải quyết
Để xác định đúng vấn đề cần can thiệp, tác giả tiến hành khảo sát thực trạng
ở 03 lớp 11 gồm 11A1 (46 HS), 11A8 (46 HS), 11A11 (46 HS), tổng cộng 138
học sinh. Phiếu khảo sát tập trung vào 5 nhóm nội dung: (1) mức độ học trước ở
nhà, (2) thói quen tự kiểm sau tự học, (3) mức độ chuẩn bị trước tiết thực hành, (4)
tần suất sử dụng AI trong học tập, và (5) mức độ gặp rủi ro khi dùng AI (AI cho
sẵn đáp án/giải tắt hoặc thông tin khó kiểm chứng). Kết quả được tổng hợp như
sau.
Bảng 1. Kết quả khảo sát thực trạng trước khi áp dụng sáng kiến (N =
138)
Nội dung khảo sát

Phương án 11A1
trả lời
(n=46)
9

11A8
(n=46)

11A11
(n=46)

Tổng
(N=138)

(Q1) Tần suất học Thường
8
trước bài mới ở nhà
xuyên (≥3 (17,4%)
lần/tuần)

6
(13,0%)

7
(15,2%)

21
(15,2%)

Thỉnh
16
thoảng (1–2 (34,8%)
lần/tuần)

15
(32,6%)

14
(30,4%)

45
(32,6%)

Hiếm khi

20
(43,5%)

19
(41,3%)

57
(41,3%)

Không bao 4 (8,7%) 5
giờ
(10,9%)

6
(13,0%)

15
(10,9%)

(Q2) Tự kiểm sau khi Thường
tự học (quiz/câu hỏi xuyên
tự đánh giá)

18
(39,1%)

9
(19,6%)

7
(15,2%)

8
(17,4%)

24
(17,4%)

Thỉnh
thoảng

15
(32,6%)

16
(34,8%)

13
(28,3%)

44
(31,9%)

Hiếm khi

18
(39,1%)

19
(41,3%)

20
(43,5%)

57
(41,3%)

Không bao 4 (8,7%) 4 (8,7%) 5
giờ
(10,9%)
(Q3) Mức độ chuẩn Chuẩn
bị trước tiết thực đầy đủ
hành/thí nghiệm

13
(9,4%)

bị 10
(21,7%)

8
(17,4%)

9
(19,6%)

27
(19,6%)

Chuẩn
bị 18
một phần
(39,1%)

17
(37,0%)

16
(34,8%)

51
(37,0%)

Hầu
không

16
(34,8%)

15
(32,6%)

45
(32,6%)

4 (8,7%) 5
(10,9%)

6
(13,0%)

15
(10,9%)

Không
chuẩn bị

như 14
(30,4%)

10

(Q4) Tần suất sử Thường
dụng AI khi học Vật xuyên
lí

12
(26,1%)

14
(30,4%)

15
(32,6%)

41
(29,7%)

Thỉnh
thoảng

18
(39,1%)

17
(37,0%)

16
(34,8%)

51
(37,0%)

Hiếm khi

10
(21,7%)

9
(19,6%)

8
(17,4%)

27
(19,6%)

Chưa từng

6
(13,0%)

6
(13,0%)

7
(15,2%)

19
(13,8%)

(Q5) Khi dùng AI: Thường gặp 14
mức độ gặp “đáp
(30,4%)
án/giải tắt/thông tin
khó kiểm chứng”

16
(34,8%)

18
(39,1%)

48
(34,8%)

Đôi khi

16
(34,8%)

15
(32,6%)

12
(26,1%)

43
(31,2%)

Hiếm khi

10
(21,7%)

9
(19,6%)

9
(19,6%)

28
(20,3%)

Không dùng 6
AI
(13,0%)

6
(13,0%)

7
(15,2%)

19
(13,8%)

(Lưu ý: tỉ lệ % có thể chênh 0,1 do làm tròn.)
Từ số liệu khảo sát và quan sát quá trình dạy học thực tế, có thể mô tả thực
trạng theo cấu trúc “hiện trạng → biểu hiện → nguyên nhân → hệ quả” như sau.
(1) Thực trạng tự học cho thấy học sinh vẫn thiên về học thụ động và học
theo yêu cầu ngắn hạn. Về hiện trạng, tỉ lệ học sinh học trước bài mới ở mức hiếm
khi/không bao giờ chiếm 52,2% (41,3% + 10,9%), trong khi nhóm học thường
xuyên chỉ 15,2%. Biểu hiện rõ nhất là học sinh vào lớp với nền kiến thức chưa
được kích hoạt, thiếu câu hỏi dẫn dắt, và dễ “mất nhịp” khi bài học chuyển sang
phần vận dụng. Nguyên nhân chủ yếu nằm ở việc học sinh chưa có lộ trình tự học,
chưa được cung cấp công cụ hỗ trợ theo bước và chưa có cơ chế phản hồi nhanh
11

khi gặp vướng mắc. Hệ quả là thời gian trên lớp bị kéo về mức “bù nền”, giảm cơ
hội thực hành – thảo luận, đồng thời kết quả học tập giữa các nhóm học sinh phân
hóa mạnh.
(2) Thực trạng về tự kiểm và năng lực tự điều chỉnh cũng là một điểm
yếu đáng chú ý. Hiện trạng thể hiện qua việc chỉ 17,4% học sinh cho biết thường
xuyên tự kiểm sau tự học, trong khi nhóm hiếm khi/không bao giờ tự kiểm lên tới
50,7% (41,3% + 9,4%). Biểu hiện là học sinh dễ nhầm lẫn khái niệm, sai công thức
hoặc sai điều kiện áp dụng nhưng không phát hiện kịp; khi làm bài tập thường “đến
đâu hay đến đó”, thiếu thói quen đối chiếu kết quả và kiểm tra tính hợp lí. Nguyên
nhân chủ yếu là thiếu công cụ tự đánh giá nhanh (quiz, câu hỏi chuẩn hóa, phản hồi
tức thời) và thiếu hướng dẫn cách tự giám sát – điều chỉnh khi học. Hệ quả là học
sinh tích lũy lỗi sai qua nhiều bài, dẫn đến tâm lí ngại bài tập vận dụng và giảm tự
tin.
(3) Thực trạng thí nghiệm/thực hành phản ánh rõ khoảng trống giữa “học
để biết” và “học để làm”. Hiện trạng cho thấy chỉ 19,6% học sinh chuẩn bị đầy đủ
trước tiết thực hành, trong khi nhóm hầu như không/không chuẩn bị chiếm 43,5%
(32,6% + 10,9%). Biểu hiện thường gặp là thao tác chưa đúng quy trình, lúng túng
trong đo đạc, ghi chép thiếu hệ thống, và kết quả đo thiếu tin cậy. Nguyên nhân
đến từ hạn chế thiết bị – thời lượng trên lớp, đồng thời học sinh không có môi
trường “tập dượt” trước khi thực hành thật nên dễ sai ngay từ bước đầu. Hệ quả là
tiết thực hành dễ bị biến thành “làm cho xong”, học sinh không rút ra được quy
luật từ dữ liệu, làm giảm vai trò của thí nghiệm trong hình thành kiến thức và phát
triển năng lực khoa học.
(4) Thực trạng ứng dụng AI cho thấy AI đã xuất hiện trong hoạt động học
tập của học sinh nhưng thiếu khung kiểm soát. Hiện trạng ghi nhận 66,7% học sinh
dùng AI thường xuyên/thỉnh thoảng (29,7% + 37,0%), tuy nhiên nhóm học sinh
phản ánh thường gặp tình huống AI cho sẵn đáp án/giải tắt hoặc thông tin khó
kiểm chứng chiếm 34,8%, và 31,2% cho biết “đôi khi” gặp. Biểu hiện là học sinh
có xu hướng xin lời giải nhanh, sao chép cách làm, hoặc tiếp nhận thông tin chưa
được kiểm chứng; lâu dần hình thành sự lệ thuộc và suy giảm tư duy tự lực.
Nguyên nhân cốt lõi là AI “mở” không bị giới hạn tri thức theo chương trình và
12

không tuân thủ phong cách sư phạm của giáo viên; đồng thời học sinh chưa được
hướng dẫn cách đặt câu hỏi đúng, cách kiểm chứng và cách học theo bước. Hệ quả
là rủi ro sai kiến thức tăng, chất lượng tự học thiếu ổn định, và khó đảm bảo tính
trung thực học thuật nếu không có cơ chế kiểm soát phù hợp.
Từ các phân tích trên, nhu cầu can thiệp được xác định theo hai hướng then
chốt. Thứ nhất, cần một công cụ hỗ trợ phản hồi nhanh theo bước để học sinh tự
học hiệu quả, có thể giải thích – gợi mở – hướng dẫn quy trình làm bài và tự kiểm
ngay tại thời điểm gặp khó. Thứ hai, cần một cơ chế kiểm soát độ đúng và phạm vi
tri thức để hạn chế sai lệch kiến thức, tránh tình trạng AI trả lời lan man hoặc cho
đáp án, đồng thời kết hợp với thí nghiệm ảo/mô phỏng để chuẩn bị trước thực
hành, nâng chất lượng hoạt động trên lớp trong mô hình lớp học đảo ngược.
3. Nội dung sáng kiến
3.1 Biện pháp 1: Huấn luyện chatbot AI cá nhân hóa bằng công cụ
GPTs của ChatGPT
a) Mục tiêu
Biện pháp 1 hướng tới việc huấn luyện và sử dụng Chatbot AI cá nhân hóa
do giáo viên xây dựng như một công cụ hỗ trợ t