Để công nghệ thực sự có thể thay đổi cuộc sống, nó phải công bằng. Nó không thể làm gia tăng khoảng cách giữa người giàu và người nghèo. Nó không thể để lại ai đó phía sau. Đó là lý do tại sao tôi bắt đầu Khan Academy. Internet đã cho chúng tôi khả năng tiếp cận trực tiếp tới từng lớp học, từng học sinh và từng gia đình trên toàn thế giới mà không cần phải điều hướng qua những chính sách phức tạp như những nỗ lực cải cách truyền thống. Lợi ích xã hội từ đầu tư vào giáo dục lớn hơn rất nhiều. Ví dụ, đội ngũ của chúng tôi hoạt động với ngân sách tương đương với một số trường trung học ở Hoa Kỳ nhưng lại tiếp cận hơn một trăm triệu người học mỗi năm trên toàn cầu – và có khả năng phục vụ hàng tỷ người. Chúng tôi đã đặt mục tiêu trở thành một nền tảng toàn diện, bao gồm tất cả các môn học chính từ mẫu giáo (pre-K) đến đại học. Điều này cho phép chúng tôi không chỉ nâng cao chất lượng trong các lớp học hiện có mà còn cải thiện cơ hội cho những trẻ em không có điều kiện học tại các trường học hàng đầu hoặc không có một số khóa học nhất định. Tôi coi các tài nguyên giáo dục trực tuyến miễn phí của chúng tôi có tiềm năng trở thành một phần của mạng lưới an toàn giáo dục cho thế giới. Đây không phải là lý thuyết. Có một cô gái trẻ tên là Sola, sống ở vùng đất của Taliban tại Afghanistan, nơi cô bị cấm đi học. May mắn thay, cô có kết nối internet và một gia đình ủng hộ. Khan Academy đã giúp cô tự học mọi thứ từ đại số cơ bản đến sinh học, hóa học, vật lý và giải tích. Cô ước mơ trở thành nhà nghiên cứu vật lý lý thuyết tại Hoa Kỳ, và nhờ sự quyết tâm phi thường cùng sự giúp đỡ của những người sẵn sàng cho cô cơ hội, hiện cô là một nhà nghiên cứu về máy tính lượng tử tại Đại học Tufts và là tác giả đã xuất bản. Đội ngũ của chúng tôi thường nghe những câu chuyện tương tự, nhưng chúng tôi nhận ra rằng trải nghiệm của Sola không phải là điều bình thường. Cô đã có thể tự hỗ trợ mình theo cách mà hầu hết học sinh không thể. Nhưng nếu mười triệu Sola tiếp theo có quyền truy cập vào một đội ngũ gia sư có thể đảm bảo rằng họ vẫn được động viên và tham gia? Chúng tôi biết rằng nếu một gia sư được đào tạo tốt đưa học sinh ra khỏi lớp học trong ba mươi phút mỗi ngày, bốn ngày một tuần – một kỹ thuật mà Loeb gọi là gia sư liều cao (high-dosage tutoring) – có bằng chứng rất tốt cho thấy điều này tạo ra hiệu ứng động viên đáng kể cho học sinh bất kể họ ở đâu. Tuy nhiên, chúng tôi gặp phải vấn đề về chi phí và khả năng mở rộng ở cả khu vực giàu có và nghèo khó. Thiếu nguồn lực gia sư không phải là rào cản duy nhất. Mỗi học sinh cần và xứng đáng nhận được sự chú ý riêng biệt, và thật khó để cung cấp những điều khác nhau cho những học sinh khác nhau cần hỗ trợ và thực hành trong khu vực phát triển gần gũi của họ, xây dựng dựa trên những gì họ đã biết và đưa nó lên bước tiếp theo. Đây là nơi mà công việc hiện tại tìm thấy chúng tôi, khi trí tuệ nhân tạo (AI – artificial intelligence) tiếp tục đóng vai trò chuyển đổi trong việc thu hẹp khoảng cách giáo dục toàn cầu và thúc đẩy cơ hội học tập bình đẳng cho tất cả mọi người. Với các ứng dụng mô hình ngôn ngữ lớn mà học sinh có thể truy cập chỉ với một chiếc điện thoại thông minh, chúng tôi có thể cuối cùng cung cấp cho học sinh ở khắp mọi nơi một số, hoặc thậm chí tất cả, các phần chính của một nền giáo dục hàng đầu thế giới. “Công nghệ AI cho phép các nhà giáo dục với nhiều mức độ kinh nghiệm khác nhau có một bộ công cụ mạnh mẽ để tạo ra một môi trường thuận lợi cho việc học,” Loeb nói. “Công nghệ tăng cường động lực mà mối quan hệ với một người lớn mang lại cho họ. Tất cả các bằng chứng mà chúng tôi có đến nay cho thấy rằng học sinh cần có sự tiếp xúc cá nhân để giữ động lực, một người lớn mà họ tin tưởng để cung cấp cho họ tài liệu để làm việc và ăn mừng những thành công, hoặc hỗ trợ họ khi họ gặp khó khăn.”
Kinh tế của AI trong giáo dục
Một nền giáo dục tốt là rất đắt đỏ ở bất kỳ nơi nào trên thế giới. Tại Hoa Kỳ, Louisiana chi khoảng 10.000 USD (khoảng 240 triệu VNĐ) cho mỗi học sinh mỗi năm; New York chi 40.000 USD (khoảng 960 triệu VNĐ). Tại Ấn Độ, các trường công lập có thể chi từ 500 đến 1.200 USD (khoảng 12 triệu đến 28 triệu VNĐ) cho mỗi học sinh mỗi năm. Mặc dù có sự chênh lệch về nguồn lực, mô hình cơ bản vẫn giống nhau. Học sinh thường được dạy theo một chương trình giảng dạy mà không có sự điều chỉnh, thường cảm thấy lạc lõng hoặc nhàm chán. Nếu một học sinh không theo kịp trong việc hiểu một khái niệm cơ bản, lớp học vẫn tiếp tục. Hỗ trợ cho việc cá nhân hóa hoặc xem xét lại những khoảng trống kiến thức rất hạn chế, càng không nói đến việc gia sư một kèm một. Điều này xảy ra mặc dù nhiều lớp học có học sinh ở nhiều mức độ chuẩn bị khác nhau – một số có thể đi trước trong khi những người khác có thể chậm hơn hai hoặc ba cấp lớp. Đại dịch COVID-19 đã làm mọi thứ trở nên tồi tệ hơn. Trong thời gian đóng cửa trường học năm 2020, các hộ gia đình người da đen và người gốc Tây Ban Nha có trẻ em trong độ tuổi đi học có khả năng gặp khó khăn trong việc tiếp cận máy tính và internet gấp 1,4 lần so với các hộ gia đình người da trắng, và hơn hai trong năm hộ gia đình có thu nhập thấp chỉ có khả năng tiếp cận hạn chế. Một tình huống tồi tệ trước đại dịch đã trở nên nghiêm trọng. Hãy xem xét rằng trước năm 2020, 6% học sinh lớp tám ở Detroit đạt trình độ lớp học; sau đó, con số này giảm xuống còn 3%. Lớp học trung bình của người Mỹ vào năm 2019 có sự chênh lệch ba cấp độ khả năng. Sau đại dịch, sự chênh lệch này mở rộng lên đến sáu cấp độ khả năng. Nói cách khác, trong cùng một lớp học có ba mươi học sinh, giáo viên phải tìm cách hỗ trợ những học sinh chậm hơn bốn đến năm cấp lớp trong khi không làm cho những học sinh có thể tiến bộ cảm thấy nhàm chán. Để giải quyết tình hình, chính phủ liên bang Hoa Kỳ đã cấp 86 tỷ USD (khoảng 2.064 triệu VNĐ) cho quỹ cứu trợ khẩn cấp cho trường tiểu học và trung học, tương đương với 2.000 USD (khoảng 48 triệu VNĐ) cho mỗi học sinh K-12 tại Mỹ. Nhiều khoản tiền này đã được chuyển vào các chương trình gia sư trực tiếp, dựa trên hàng thập kỷ nghiên cứu cho thấy gia sư có thể là một can thiệp hiệu quả cho trẻ em. Thật không may, nhiều năm sau, hầu hết số tiền đã cạn kiệt mà không có gì đáng kể để chứng minh. Nhìn lại, hầu hết các chuyên gia tin rằng điều này xảy ra vì việc gia sư không được kết nối với những gì đang diễn ra trong lớp học, và nhiều học sinh thấy khó khăn trong việc tiếp cận. Học sinh cũng có thể gặp phải sự kỳ thị liên quan đến việc đi gia sư ngay từ đầu. Một nền tảng như Khanmigo tồn tại để thu hẹp khoảng cách này – cung cấp giáo dục cá nhân hóa, dễ tiếp cận và chất lượng cao. Ngay cả trước khi có Khanmigo, các nghiên cứu hiệu quả đã chỉ ra rằng các lớp học sử dụng Khan Academy chỉ từ ba mươi đến sáu mươi phút mỗi tuần trong thời gian đại dịch không chỉ tránh được sự suy giảm do COVID mà còn vượt qua các tiêu chuẩn trước COVID từ 20 đến 40%.
Giải thích ELI5:
– Trí tuệ nhân tạo (AI): Là công nghệ giúp máy tính “nghĩ” và “học” giống như con người. Ví dụ, khi bạn nói chuyện với một chiếc điện thoại thông minh và nó hiểu bạn đang nói gì, đó là AI đang hoạt động.
– Gia sư liều cao (high-dosage tutoring): Là khi một gia sư giúp một học sinh trong một khoảng thời gian ngắn, nhưng thường xuyên, để giúp học sinh học tốt hơn. Ví dụ, nếu bạn có một gia sư dạy bạn toán trong 30 phút mỗi ngày, bốn ngày một tuần, đó là gia sư liều cao.
– Khu vực phát triển gần gũi: Là mức độ kiến thức mà học sinh đã biết và có thể học thêm. Ví dụ, nếu bạn đã biết cách cộng và trừ, bạn có thể học cách nhân và chia.
Giải thích thuật ngữ khó hiểu:
– Trí tuệ nhân tạo (AI – artificial intelligence): Công nghệ cho phép máy tính thực hiện các nhiệm vụ mà thường cần đến trí thông minh của con người, như nhận diện giọng nói hay hình ảnh.
– Gia sư liều cao (high-dosage tutoring): Phương pháp gia sư mà học sinh được hỗ trợ học tập thường xuyên và liên tục, nhằm nâng cao hiệu quả học tập.
– Khu vực phát triển gần gũi: Khái niệm trong giáo dục chỉ ra rằng mỗi học sinh có một mức độ kiến thức nhất định mà họ có thể học thêm, giúp họ phát triển tốt hơn.
Và điều này không tốn 2.000 đô la (khoảng 46 triệu đồng) cho mỗi học sinh. Nó hoàn toàn miễn phí. Hiện nay, các nền tảng mô hình ngôn ngữ lớn (large language model) dựa trên những kết quả đó để cung cấp hỗ trợ phong phú hơn. Một gia sư trí tuệ nhân tạo (AI – artificial intelligence) có sẵn bất cứ khi nào học sinh cần, bao gồm cả trong lớp học khi họ đang làm bài tập học thuật hiện tại. Nó có thể thông báo cho giáo viên và phụ huynh chính xác những gì học sinh đang làm và nơi họ cần thêm sự giúp đỡ. Những học sinh đang chậm hơn không cần phải cảm thấy xấu hổ hay ngại ngùng khi yêu cầu trợ giúp, vì AI không phải là một người thật. Những học sinh tò mò có thể đặt câu hỏi mà không cảm thấy như đang lãng phí thời gian của ai đó. Việc cung cấp hỗ trợ quy mô như thế này rất hiệu quả về chi phí và dễ tiếp cận, nhưng nó không miễn phí. Ngay cả trước khi xem xét đến AI sinh sinh (generative AI), ngân sách hàng năm của chúng tôi với tư cách là một tổ chức phi lợi nhuận đã hơn 70 triệu đô la (khoảng 1.600 tỷ đồng). Đó là một con số đáng kể, nhưng cũng tương đương với ngân sách của một trường trung học lớn ở nhiều nơi tại Hoa Kỳ – và Khan Academy phục vụ hơn một trăm triệu người học mỗi năm. Chúng tôi cần huy động một phần lớn số tiền này mỗi năm từ các nhà hảo tâm để giữ cho nội dung và phần mềm miễn phí cho người dùng. Những nguồn lực này là cần thiết cho việc phát triển nội dung, phát triển sản phẩm và chi phí máy chủ, trong số những thứ khác. AI sinh sinh thêm một lớp chi phí mới ngoài việc trả lương cho kỹ sư, nhà thiết kế, quản lý sản phẩm và nhà phát triển nội dung để cải thiện liên tục một nền tảng như Khanmigo. Điều này là do chi phí tính toán của một mô hình ngôn ngữ lớn như GPT-4 là rất lớn. Hiện tại, ước tính tốt nhất của chúng tôi về chi phí tính toán cho việc sử dụng trung bình của Khanmigo là từ 5 đến 15 đô la (khoảng 115.000 đến 345.000 đồng) mỗi tháng cho mỗi người dùng. Giả sử rằng chúng tôi sẽ có hàng triệu người dùng – điều này sẽ tốn hàng chục triệu đô la (khoảng hàng trăm tỷ đồng) trong chi phí tính toán – thì có khả năng chúng tôi không thể huy động đủ tiền từ các nhà hảo tâm để cung cấp dịch vụ miễn phí. Mặc dù rẻ hơn nhiều so với gia sư trực tiếp, có thể tốn tới 30 đô la (khoảng 690.000 đồng) mỗi giờ, nền tảng này trở nên ít dễ tiếp cận hơn so với các nguồn lực miễn phí của chúng tôi vì chúng tôi sẽ cần tính phí cho các quận trường để được truy cập. Tuy nhiên, giữa các nhà hảo tâm và nguồn tài trợ từ các quận trường địa phương, chi phí cho học sinh ở những quận đó là, và sẽ vẫn là, miễn phí. Tuy nhiên, điều này vẫn không giải quyết được vấn đề tiếp cận cho các quốc gia nghèo hơn, nơi 30 đô la (khoảng 690.000 đồng) mỗi năm có thể chiếm một phần đáng kể trong tổng chi phí giáo dục. Tin tốt là chi phí tính toán sẽ trở nên rẻ hơn và chúng tôi sẽ ngày càng sử dụng nó hiệu quả hơn. Hai xu hướng này sẽ giúp giảm chi phí xuống một phần mười trong vài năm tới. Nếu chúng tôi có thể giảm chi phí xuống một phần trăm, điều này sẽ xảy ra trong 5 đến 10 năm tới, nó sẽ trở nên tương đương với chi phí sử dụng các ứng dụng web không sinh sinh ngày nay. Tại thời điểm đó, những hạn chế thực sự duy nhất về việc tiếp cận là những gì chúng tôi đang đối mặt với Khan Academy truyền thống: học sinh sẽ cần truy cập internet và thiết bị, điều này không phải lúc nào cũng có sẵn cho mọi người. Tuy nhiên, tôi hy vọng rằng với việc thiết bị trở nên rẻ hơn và các nhà cung cấp như Starlink của SpaceX sử dụng hàng loạt vệ tinh để cung cấp băng thông rộng giá rẻ, việc tiếp cận gần như toàn cầu sẽ trở thành hiện thực. Một rào cản lớn đối với việc tiếp cận trong những ngày đầu của việc học trực tuyến là ngôn ngữ. Bây giờ, các mô hình ngôn ngữ lớn như GPT-4 có thể hoạt động trong mọi ngôn ngữ chính. Tại đây, một học sinh đang học tiếng Anh làm bài toán có thể nhận được hỗ trợ bằng ngôn ngữ mẹ đẻ của mình, hoặc thậm chí bằng một sự kết hợp của các ngôn ngữ như Spanglish (tiếng Tây Ban Nha và tiếng Anh kết hợp). Khả năng giao tiếp của mô hình ngôn ngữ lớn khiến nó cảm thấy như một tương tác thời gian thực, tạo ra cảm giác kết nối. Hơn nữa, nó có thể được sử dụng để thực hiện nhiều công việc dịch thuật của nền tảng chính. Chính cảm giác kết nối và hỗ trợ đó đã khiến việc tìm kiếm một giải pháp chi phí thấp, đa ngôn ngữ và có thể mở rộng để mang lại quyền truy cập giáo dục chất lượng cao trên toàn cầu trở nên rất quan trọng, theo Susanna Loeb từ Stanford. “Tôi lạc quan và hào hứng với những gì chúng ta có thể làm ngay bây giờ. Ở những nơi mà việc tiếp cận tài nguyên và phương pháp giảng dạy đã là một rào cản thực sự, công nghệ này có thể mang tính chuyển đổi.”
Phần VIII: AI, Đánh giá và Tuyển sinh
Không phải mọi thứ có thể được đếm đều có giá trị, và không phải mọi thứ có giá trị đều có thể được đếm. —William Bruce Cameron
Đánh giá là sự sáng tạo: hãy nghe điều này, các nhà sáng tạo! Việc đánh giá chính nó là kho báu quý giá nhất trong tất cả những gì chúng ta coi trọng. Chỉ thông qua đánh giá, giá trị mới tồn tại: và nếu không có đánh giá, hạt nhân của sự tồn tại sẽ trở nên trống rỗng. Hãy nghe điều này, các nhà sáng tạo! —Friedrich Nietzsche
Tương lai của Đánh giá K–12
Hiện nay, việc chỉ trích các bài kiểm tra tiêu chuẩn hóa ở Hoa Kỳ đã trở thành một xu hướng. Mỗi bang đều có các bài kiểm tra “tổng kết” vào cuối mỗi năm học để đo lường cách học sinh và trường học đang hoạt động. Mọi người thường chỉ trích những bài kiểm tra này vì chúng quá hẹp – chúng chủ yếu sử dụng các câu hỏi trắc nghiệm nhằm vào một phần nhỏ những gì thực sự quan trọng trong cuộc sống. Điều này có thể tạo ra áp lực cho các giáo viên để cũng hẹp hóa sự chú ý của họ trong lớp học. Nhưng không chỉ có vậy. Những người khác cho rằng những bài kiểm tra này lấy đi thời gian học tập và thực sự không có tính khả thi. Khi điểm số được công bố vào mùa hè, hoặc vào đầu năm học tiếp theo, trẻ em đã chuyển sang lớp mới với một giáo viên mới. Hơn nữa, học sinh rất ít động lực để quan tâm đến việc thể hiện công việc tốt nhất của họ trong một bài kiểm tra không liên quan đến điểm số của họ. Ngoài ra, sự khác biệt về hiệu suất giữa các nhóm dân cư có thể dẫn đến những cáo buộc thiên vị chống lại một số nhóm hoặc trường học. Khi giáo dục trở nên mang tính chính trị hơn, sự thiếu minh bạch về những gì những bài kiểm tra này thực sự đánh giá khiến mọi người hoài nghi.
Tuy nhiên, hãy lùi lại một bước. Khi mọi người nêu lên những phản đối đối với các bài kiểm tra tiêu chuẩn hóa, tôi thích tìm hiểu phần nào họ không thích và liệu họ có đang vứt bỏ đứa trẻ cùng với nước tắm không. Nếu họ phản đối hoàn toàn việc đánh giá, tôi hỏi họ làm thế nào chúng ta có thể cải thiện bất cứ điều gì mà không đo lường nó. Và nếu chúng ta sẽ đo lường, việc tiêu chuẩn hóa việc đo lường đó có thể công bằng hơn, vì nó áp dụng cùng một tiêu chuẩn cho mọi người (so với việc đánh giá “không tiêu chuẩn hóa”).
Giải thích các thuật ngữ khó hiểu:
Mô hình ngôn ngữ lớn (large language model): Đây là một loại trí tuệ nhân tạo (AI) được thiết kế để hiểu và tạo ra ngôn ngữ tự nhiên, giúp hỗ trợ trong việc giao tiếp và học tập.
AI sinh sinh (generative AI): Là một loại AI có khả năng tạo ra nội dung mới, như văn bản, hình ảnh, âm thanh, hoặc video, dựa trên dữ liệu đã học.
Khan Academy: Là một nền tảng giáo dục trực tuyến cung cấp các khóa học miễn phí cho học sinh trên toàn thế giới.
Đánh giá tiêu chuẩn hóa: Là các bài kiểm tra được thiết kế theo một tiêu chuẩn chung, nhằm đo lường kiến thức và kỹ năng của học sinh một cách công bằng và nhất quán.
