Phùng Tiến Nghĩa

Giảng viên Khoa KHXH&NV; Trường Đại học Thông tin liên lạc

Email: [email protected]

Tóm tắt: Sự bùng nổ của trí tuệ nhân tạo (AI) đang tái cấu trúc hệ sinh thái giáo dục đại học, đặt ra yêu cầu cấp thiết về việc định nghĩa lại năng lực số cho giảng viên và sinh viên. Dựa trên các khung năng lực quốc tế như DigCompEdu, UNESCO AI (2024) và OECD TALIS 2024, bài viết luận giải sự mở rộng nội hàm năng lực số, trong đó khẳng định AI literacy là yếu tố tích hợp không thể tách rời. Phân tích bối cảnh “chuyển đổi số toàn diện” tại Việt Nam, nghiên cứu chỉ rõ những thách thức về liêm chính trong khoa học, quản trị dữ liệu và nguy cơ lệ thuộc công nghệ. Trên cơ sở đó, bài viết đề xuất cách tiếp cận năng lực số tích hợp AI và khẳng định vai trò trung tâm của đội ngũ giảng viên trong tiến trình này. Kết quả nghiên cứu góp phần chuẩn hóa lý luận và cung cấp nền tảng cho việc hoạch định chính sách phát triển nguồn nhân lực giáo dục trong kỷ nguyên trí tuệ nhân tạo.

Từ khóa: Năng lực số, trí tuệ nhân tạo, giáo dục đại học, chuyển đổi số, DigCompEdu.

1. Mở đầu

Sự phát triển nhanh chóng của trí tuệ nhân tạo đang tạo ra một bước chuyển mang tính cấu trúc trong giáo dục đại học. Các hệ thống AI thế hệ mới như ChatGPT, Copilot và các công cụ phân tích dữ liệu học tập đã thay đổi cách thiết kế bài giảng, đánh giá người học và quản trị nhà trường. Báo cáo TALIS 2024 của OECD cho thấy mức độ tích hợp công nghệ số trong giảng dạy tăng mạnh sau đại dịch, đồng thời nhấn mạnh yêu cầu nâng cao năng lực công nghệ và năng lực dữ liệu của đội ngũ giáo viên. UNESCO (2024a; 2024b) cũng xác định AI literacy là một năng lực nền tảng đối với cả người dạy và người học trong bối cảnh giáo dục số.

Tuy nhiên, sự gia tăng ứng dụng AI không chỉ mở ra cơ hội đổi mới phương pháp dạy - học mà còn đặt ra những vấn đề phức tạp về liêm chính học thuật, bảo mật dữ liệu và sự suy giảm tư duy phản biện khi người học phụ thuộc quá mức vào công nghệ. Các nghiên cứu gần đây cảnh báo rằng nếu thiếu định hướng năng lực, “AI đang dấy lên lo ngại lớn [1], AI có thể làm gia tăng tình trạng sao chép nội dung, làm mờ ranh giới giữa hỗ trợ học tập và gian lận học thuật, đồng thời tạo ra thách thức về quyền riêng tư và quản trị dữ liệu trong môi trường đại học.

Trong bối cảnh đó, khái niệm năng lực số (digital competence) cần được tiếp cận một cách toàn diện hơn. Theo DigCompEdu (European Commission, 2017; cập nhật 2022), năng lực số của nhà giáo không chỉ bao gồm kỹ năng sử dụng công nghệ mà còn bao hàm khả năng tích hợp công nghệ vào sư phạm, quản lý dữ liệu và thực hành đạo đức số. Khi AI trở thành một phần phổ biến của môi trường học tập, năng lực số tiếp tục được mở rộng để bao gồm AI literacy - tức khả năng hiểu nguyên lý hoạt động của hệ thống AI, đánh giá độ tin cậy của đầu ra và sử dụng AI một cách có trách nhiệm. UNESCO (2024a) xác định AI literacy là thành tố tích hợp trong cấu trúc năng lực số, đặc biệt nhấn mạnh yếu tố đạo đức và trách nhiệm xã hội.

Tại Việt Nam, chuyển đổi số giáo dục được xác định là nhiệm vụ chiến lược trong giai đoạn phát triển mới. Nghị quyết số 71-NQ/TW (2025) của Bộ Chính trị nhấn mạnh yêu cầu “chuyển đổi số toàn diện”[6], trong giáo dục và đào tạo, thúc đẩy ứng dụng công nghệ số và trí tuệ nhân tạo, đồng thời đặt đội ngũ nhà giáo ở vị trí trung tâm của tiến trình đổi mới. Điều này cho thấy phát triển năng lực số của giảng viên và sinh viên không chỉ là yêu cầu kỹ thuật mà còn là vấn đề chiến lược gắn với chất lượng nguồn nhân lực quốc gia. Trên cơ sở đó, bài viết tập trung làm rõ ba vấn đề: (1) Chuẩn hóa khái niệm năng lực số trong kỷ nguyên AI; (2) Phân tích vai trò và yêu cầu phát triển năng lực số của giảng viên và sinh viên đại học; (3) Đề xuất hướng tiếp cận tích hợp nhằm nâng cao năng lực số gắn với AI literacy trong bối cảnh Việt Nam.

Thông qua cách tiếp cận này, nghiên cứu không chỉ góp phần làm sáng tỏ cơ sở lý luận về năng lực số trong kỷ nguyên AI mà còn cung cấp nền tảng cho việc xây dựng chính sách và chương trình bồi dưỡng phù hợp với yêu cầu đổi mới giáo dục đại học hiện nay.

2. Nội dung nghiên cứu

2.1. Khái niệm và tầm quan trọng của năng lực số trong kỷ nguyên AI

Trong giáo dục đại học, năng lực số (digital competence) được hiểu là khả năng của giảng viên và sinh viên trong việc sử dụng, đánh giá và tích hợp công nghệ số vào hoạt động dạy - học, nghiên cứu và quản trị học thuật một cách hiệu quả, sáng tạo và có trách nhiệm. Cách tiếp cận này nhấn mạnh rằng năng lực số không đồng nhất với “kỹ năng tin học” hay thao tác kỹ thuật, mà là một năng lực tổng hợp đa chiều, kết hợp tri thức - kỹ năng - thái độ trong môi trường số. Theo DigCompEdu (European Commission, 2017; cập nhật 2022), năng lực số của nhà giáo gồm các miền năng lực liên quan đến ứng dụng công nghệ trong sư phạm, đánh giá, trao quyền cho người học, phát triển năng lực số cho người học và thực hành nghề nghiệp trên nền tảng số. Như vậy, năng lực số trong đại học phải được nhìn nhận như một chuẩn năng lực nghề nghiệp mới, phản ánh trình độ làm chủ công nghệ và năng lực sư phạm trong bối cảnh chuyển đổi số.

Từ tổng hợp các khung năng lực quốc tế, có thể khái quát năng lực số của giảng viên đại học tối thiểu bao gồm bốn thành tố cốt lõi sau:

Một là, năng lực công nghệ. Đây là khả năng làm chủ công cụ số từ thiết bị, phần mềm, nền tảng dạy học trực tuyến đến công cụ mô phỏng và hệ thống AI hỗ trợ thiết kế học liệu, phản hồi người học và tối ưu hóa công việc. Năng lực công nghệ trong kỷ nguyên AI không dừng ở “biết dùng”, mà phải đạt mức “biết lựa chọn - biết cấu hình - biết kiểm soát” công cụ theo mục tiêu giáo dục.

Hai là, năng lực sư phạm số. Đây là khả năng thiết kế trải nghiệm học tập đa phương tiện, tương tác; tổ chức lớp học kết hợp (blended/hybrid); cá nhân hóa lộ trình học tập dựa trên dữ liệu; đồng thời vận dụng công nghệ và AI để đổi mới phương pháp dạy học theo hướng kiến tạo, tăng cường tư duy phản biện và năng lực tự học của sinh viên. Thành tố này quyết định việc công nghệ trở thành “đòn bẩy sư phạm” thay vì chỉ là phương tiện trình chiếu.

Ba là, năng lực dữ liệu. Đây là khả năng thu thập, phân tích, diễn giải và khai thác dữ liệu học tập (kết quả đánh giá, mức độ tương tác, dấu vết học tập số…) để phản hồi, điều chỉnh hoạt động dạy - học dựa trên bằng chứng. Trong bối cảnh AI và phân tích học tập (learning analytics) phát triển, năng lực dữ liệu trở thành điều kiện quan trọng để tăng chất lượng đánh giá quá trình, tăng tính cá nhân hóa và quản trị rủi ro học thuật.

Bốn là, năng lực đạo đức số. Đây là sự tuân thủ chuẩn mực pháp lý - đạo đức trong môi trường số, gồm bảo vệ dữ liệu cá nhân, quyền riêng tư, bản quyền học liệu; phòng chống gian lận, đạo văn; nhận diện thiên lệch thuật toán; sử dụng AI có trách nhiệm. Thành tố đạo đức số đặc biệt quan trọng trong bối cảnh AI tạo sinh có thể “hợp thức hóa” các hành vi sao chép nếu thiếu cơ chế kiểm soát và văn hóa liêm chính học thuật.

Trong kỷ nguyên AI, nội hàm năng lực số tiếp tục mở rộng để bao gồm AI literacy - khả năng hiểu nguyên lý hoạt động cơ bản của AI, đánh giá độ tin cậy của đầu ra, biết đặt câu hỏi đúng (prompting ở mức tư duy), biết kiểm chứng và sử dụng AI một cách phù hợp với mục tiêu học thuật. UNESCO công bố Khung năng lực AI cho giáo viên và người học (UNESCO, 2024a; 2024b), nhấn mạnh các năng lực liên quan đến hiểu biết nền tảng AI, ứng dụng AI trong dạy - học, quản trị rủi ro, đạo đức và trách nhiệm xã hội. Điều đó cho thấy nhận thức chung của quốc tế: phát triển năng lực số tích hợp AI là chìa khóa để giáo dục đại học thích ứng và phát triển bền vững. Nếu thiếu năng lực số, giảng viên khó đổi mới phương pháp, khó quản trị lớp học số và khó hình thành môi trường học thuật liêm chính; sinh viên thiếu hành trang để học tập - nghiên cứu - làm việc trong một thế giới ngày càng số hóa và tự động hóa.

2.2. Năng lực số của giảng viên đại học trong kỷ nguyên AI

Sự phát triển của AI làm thay đổi cấu trúc vai trò nghề nghiệp của người thầy: từ vị trí truyền thụ tri thức một chiều sang vị trí thiết kế, dẫn dắt và bảo đảm chất lượng học thuật trong môi trường học tập số. Ở góc độ sư phạm, giảng viên trở thành “kiến trúc sư học tập số”: thiết kế hoạt động học tập dựa trên vấn đề, định hướng sinh viên sử dụng AI để hỗ trợ tư duy, đồng thời kiểm soát rủi ro gian lận và suy giảm tư duy phản biện. Do vậy, năng lực số của giảng viên không chỉ là điều kiện kỹ thuật mà là năng lực cốt lõi để thực hiện vai trò sư phạm mới trong kỷ nguyên AI.

Về thực trạng, dữ liệu từ OECD TALIS 2024 cho thấy mức độ sử dụng công nghệ và AI trong dạy học có xu hướng gia tăng ở nhiều hệ thống giáo dục; đồng thời nhấn mạnh hai “nút thắt” phổ biến: (i) hạ tầng/công cụ số phục vụ dạy học; (ii) năng lực và bồi dưỡng chuyên môn về công nghệ, dữ liệu và AI của đội ngũ nhà giáo. Trong bối cảnh Việt Nam, bản thảo gốc đã nêu các chỉ báo cụ thể (tỷ lệ sử dụng AI; mức thiếu hụt hạ tầng; nguyên nhân chưa sử dụng AI do thiếu kiến thức, kỹ năng…) và có thể quy chiếu trực tiếp theo nguồn TALIS 2024 (OECD, 2024/2025) để bảo đảm tính chính thống, tránh trích dẫn báo chí.

Bên cạnh dữ liệu mô tả, các nghiên cứu thực nghiệm gần đây đã chỉ ra mối quan hệ giữa năng lực số và mức độ sẵn sàng ứng dụng AI của giảng viên. Dringó-Horváth et al. (2025) với mẫu lớn giảng viên đại học cho thấy năng lực số có tương quan tích cực với AI literacy; nói cách khác, giảng viên có nền tảng năng lực số tốt thường sẵn sàng hơn khi tiếp cận, thử nghiệm và tích hợp AI vào giảng dạy. Kết quả này phù hợp với nhận định của Kizilcec (2023) về “sự sẵn sàng đổi mới” trong môi trường công nghệ cao: năng lực số là tiền đề để giảng viên chuyển hóa công nghệ thành đổi mới sư phạm, thay vì chỉ dùng công nghệ như một công cụ phụ trợ “soạn hộ bài” hay “giải hộ đề”[6]

Mặt khác, nhiều nghiên cứu quốc tế đã chứng minh lợi ích của việc nâng cao năng lực số cho giảng viên trong việc tiếp nhận và ứng dụng AI. Chẳng hạn, nghiên cứu của Dringó-Horváth và cộng sự (2025) trên mẫu hơn 1.100 giảng viên đại học Hungary cho thấy năng lực số của giảng viên tương quan tích cực mạnh mẽ với mức độ “hiểu biết AI” (AI literacy) của họ. Nói cách khác, giảng viên có kỹ năng số cao thường sẵn sàng hơn trong việc tiếp cận các công cụ AI và khai thác chúng vào giảng dạy. Kết quả này phù hợp với phân tích của Kizilcec (2023), khẳng định năng lực số gắn liền với sự sẵn sàng đổi mới của nhà giáo trong môi trường công nghệ cao. Đáng chú ý, Cabero-Almenara et al. (2025) xây dựng mô hình cấu trúc năng lực số của giảng viên trong bối cảnh AI và chỉ ra các thành tố then chốt như nhận thức, kỹ năng, tầm nhìn, đạo đức, mức độ đe dọa cảm nhận, đổi mới do AI và sự hài lòng nghề nghiệp. Mô hình này nhấn mạnh rằng “nhận thức” (hiểu đúng về AI, cơ hội và giới hạn) là biến dự báo quan trọng ảnh hưởng đến hình thành kỹ năng và tầm nhìn sư phạm số; đồng thời đạo đức số nổi lên như trụ cột giúp giảng viên sử dụng AI có trách nhiệm và bảo đảm liêm chính học thuật. Như vậy, vấn đề không chỉ là “đào tạo sử dụng công cụ”, mà là bồi dưỡng một cấu trúc năng lực đầy đủ gồm công nghệ - sư phạm - dữ liệu - đạo đức - tư duy AI.

Trước yêu cầu mới, nâng cao năng lực số cho giảng viên cần được triển khai theo hướng hệ thống: (i) chuẩn hóa năng lực theo khung tham chiếu (DigCompEdu, UNESCO AI framework) và điều chỉnh phù hợp bối cảnh Việt Nam; (ii) thiết kế chương trình bồi dưỡng định kỳ, dựa trên minh chứng và gắn với nhiệm vụ chuyên môn; (iii) xây dựng cơ chế đánh giá - công nhận năng lực số (micro-credentials/chứng chỉ) và gắn với quản trị nhân sự đại học. Đặc biệt, trong kỷ nguyên AI, giảng viên cần được hỗ trợ để hình thành “năng lực thiết kế học tập với AI”, biết tổ chức đánh giá theo hướng chú trọng quá trình tư duy, sản phẩm sáng tạo và minh bạch sử dụng AI (AI disclosure), từ đó giảm rủi ro gian lận và củng cố văn hóa liêm chính học thuật.

2.3. Năng lực số của sinh viên đại học trong kỷ nguyên AI

Song hành với giảng viên, sinh viên đại học cần được trang bị năng lực số toàn diện để học tập chủ động và thích ứng trong thời đại AI. Dù sinh viên ngày nay thường được gọi là “digital natives”, việc sử dụng thành thạo mạng xã hội hay ứng dụng phổ thông không đồng nghĩa với năng lực số học thuật - nghề nghiệp. Trong môi trường đại học, sinh viên phải có năng lực tìm kiếm và đánh giá thông tin, năng lực dữ liệu, năng lực giao tiếp học thuật trên nền tảng số, năng lực tự học và đặc biệt là năng lực sử dụng AI có trách nhiệm. AI tạo sinh có thể hỗ trợ sinh viên tra cứu, mô phỏng, viết nháp, lập kế hoạch học tập; nhưng nếu thiếu định hướng năng lực, AI cũng có thể làm gia tăng lệ thuộc công nghệ và suy giảm tư duy phản biện, tạo rủi ro về đạo văn, gian lận trong đánh giá.

Vì vậy, vấn đề trung tâm không phải “cấm hay cho dùng AI”, mà là hình thành AI literacy như một cấu phần của năng lực số đại học. UNESCO (2024b) gợi mở các miền năng lực AI cho người học xoay quanh: hiểu biết nền tảng về AI và dữ liệu; tư duy phản biện khi đánh giá đầu ra AI; đạo đức và trách nhiệm (quyền riêng tư, thiên lệch, trách nhiệm giải trình); tư duy lấy con người làm trung tâm, phát triển sáng tạo; ứng dụng AI trong bối cảnh nghề nghiệp; và hiểu biết cơ bản về thiết kế, phát triển hệ thống AI. Khung này cho thấy AI literacy không chỉ là kiến thức kỹ thuật, mà bao hàm tư duy và giá trị chuẩn mực học thuật, trong đó liêm chính học thuật và năng lực kiểm chứng là yêu cầu cốt lõi.

Ở Việt Nam, một số cơ sở giáo dục đại học đã bước đầu xây dựng khung năng lực hoặc chương trình bồi dưỡng liên quan đến AI cho sinh viên. Nhiều trường đại học đã chủ động xây dựng các bộ khung năng lực và chương trình đào tạo về AI dành cho sinh viên. Đơn cử, cuối năm 2025, Trường ĐH Khoa học Xã hội & Nhân văn (ĐHQGHN) đã công bố Khung năng lực trí tuệ nhân tạo dành cho sinh viên đại học, đây được coi là khung năng lực AI toàn diện đầu tiên tại Việt Nam cho giáo dục đại học. Khung năng lực này được xây dựng trên cơ sở tham khảo các chuẩn quốc tế, với sự hợp tác của tập đoàn công nghệ và tham vấn giới chuyên gia, nhằm trang bị cho sinh viên những năng lực cần có để “sử dụng, đánh giá, sáng tạo và ứng xử có trách nhiệm với AI” trong học tập và công việc. Về mặt nội dung, các khung này thường tổ chức năng lực theo hai lớp: (i) nhóm năng lực thích ứng lâu dài (tư duy phát triển, tự chủ, giải quyết vấn đề, hợp tác, quản lý dự án…); và (ii) nhóm năng lực AI cụ thể (hiểu AI & dữ liệu; đánh giá đầu ra; đạo đức; ứng dụng theo ngành nghề; trải nghiệm thiết kế…). Đây là cách tiếp cận phù hợp với xu thế quốc tế vì đặt AI trong cấu trúc năng lực tổng hợp của con người, nhấn mạnh AI là công cụ tăng cường năng lực chứ không thay thế năng lực.

Bên cạnh chương trình chính quy, môi trường và phương pháp học tập có ảnh hưởng mạnh tới năng lực số của sinh viên. Nghiên cứu Hervás-Torres et al. (2024) gợi ý rằng các mô hình học tập kết hợp tương tác trực tiếp, gắn dự án số và có hướng dẫn sư phạm rõ ràng giúp cải thiện năng lực số tốt hơn so với mô hình học trực tuyến đơn thuần. Điều này hàm ý: phát triển năng lực số của sinh viên không thể dựa hoàn toàn vào “tự học công cụ”, mà cần thiết kế hoạt động học tập có nhiệm vụ thực tiễn, yêu cầu minh bạch sử dụng AI, đánh giá dựa trên lập luận và quá trình giải quyết vấn đề.

Tóm lại, sinh viên đại học muốn thành công trong kỷ nguyên AI cần chủ động nâng cao năng lực số, đặc biệt là AI literacy gắn với tư duy phản biện, đạo đức học thuật và năng lực dữ liệu. Đây vừa là điều kiện nâng cao chất lượng học tập, vừa là lợi thế cạnh tranh quan trọng trong thị trường lao động số hóa, nơi năng lực làm việc cùng AI trở thành tiêu chí nghề nghiệp mới.

2.4. Thách thức và giải pháp nhằm nâng cao năng lực số

Mặc dù tầm quan trọng của năng lực số đã được khẳng định, việc phổ cập và nâng cao năng lực số cho toàn bộ giảng viên, sinh viên vẫn đối mặt nhiều thách thức.

Thứ nhất, thách thức về hạ tầng và nguồn lực. Không phải cơ sở giáo dục đại học nào cũng có điều kiện trang bị đồng bộ đường truyền, nền tảng học tập, công cụ số và hệ thống dữ liệu phục vụ phân tích học tập, đặc biệt khi tích hợp AI đòi hỏi năng lực tính toán, dữ liệu và quy trình quản trị chặt chẽ. Dữ liệu TALIS 2024 cho thấy thiếu hụt hạ tầng và công cụ kỹ thuật số vẫn là rào cản quan trọng đối với việc ứng dụng công nghệ mới (OECD, 2024/2025). Thiếu hạ tầng làm giảm cơ hội thực hành và khiến năng lực số phát triển không đồng đều, tạo ra bất bình đẳng cơ hội tiếp cận.

Thứ hai, thách thức về đào tạo, nhận thức và “khoảng cách năng lực”. Một bộ phận giảng viên được đào tạo trước làn sóng công nghệ số có thể thiếu nền tảng công nghệ, dữ liệu và AI; trong khi đó, sinh viên tuy quen môi trường số nhưng thiếu kỹ năng học thuật số và kỹ năng đánh giá đầu ra AI. Khoảng cách năng lực này dẫn tới rủi ro: giảng viên lúng túng trong thiết kế đánh giá khi AI phổ biến; sinh viên dễ lệ thuộc AI nếu thiếu năng lực kiểm chứng, tư duy phản biện và đạo đức học thuật.

Thứ ba, thách thức về đạo đức, pháp lý và quản trị dữ liệu. Việc sử dụng AI trong học tập - đánh giá đặt ra vấn đề quyền riêng tư, bảo mật dữ liệu và liêm chính học thuật. Nếu thiếu quy tắc minh bạch (AI disclosure), thiếu chuẩn liêm chính học thuật trong bối cảnh AI, nhà trường sẽ rơi vào tình trạng vừa “không khuyến khích được đổi mới”, vừa “không kiểm soát được rủi ro gian lận”.

Trước các thách thức đó, giải pháp nâng cao năng lực số cần triển khai đồng bộ theo nhiều cấp độ, có thể hệ thống hóa thành các nhóm chính sau:

Một là, hoàn thiện khung chính sách và chuẩn năng lực. Ở tầm quốc gia và ngành giáo dục, cần sớm ban hành chuẩn năng lực số tích hợp AI cho giảng viên và chuẩn tối thiểu về năng lực số - AI literacy cho sinh viên tốt nghiệp; đồng thời ban hành hướng dẫn sử dụng AI trong dạy - học - đánh giá theo nguyên tắc minh bạch, trách nhiệm và bảo vệ dữ liệu. Các chuẩn này nên tham chiếu DigCompEdu và UNESCO AI frameworks, nhưng điều chỉnh theo điều kiện hạ tầng, chương trình và đặc thù quản trị của giáo dục đại học Việt Nam.

Hai là, đầu tư hạ tầng số và dữ liệu học tập. Đầu tư không chỉ là thiết bị và đường truyền, mà quan trọng hơn là nền tảng quản trị học tập (LMS), hệ thống lưu trữ - phân tích dữ liệu học tập, quy trình quản trị dữ liệu và an ninh mạng. Khuyến khích mô hình hợp tác đại học - doanh nghiệp công nghệ để phát triển phòng lab AI, trung tâm đổi mới sáng tạo, kho học liệu số và hệ thống hỗ trợ giảng viên.

Ba là, bồi dưỡng thường xuyên theo cấu trúc năng lực (không chỉ “tập huấn công cụ”). Chương trình bồi dưỡng năng lực số/AI cho giảng viên nên có ba trụ cột: (1) nền tảng AI literacy và tư duy dữ liệu; (2) thiết kế sư phạm số và đánh giá trong bối cảnh AI; (3) đạo đức số - liêm chính học thuật - bảo vệ dữ liệu. Đồng thời, tổ chức cộng đồng thực hành (communities of practice) để giảng viên chia sẻ tình huống, bài học, mẫu rubric đánh giá và cơ chế minh bạch sử dụng AI.

Bốn là, đổi mới chương trình và đánh giá ở đại học. Tích hợp nội dung AI literacy và kỹ năng số học thuật vào chương trình đào tạo của mọi ngành; tăng cường học theo dự án, nhiệm vụ thực tiễn, sản phẩm học tập có minh chứng quá trình; chuyển đánh giá theo hướng đo năng lực lập luận, năng lực giải quyết vấn đề, năng lực kiểm chứng và đạo đức học thuật những năng lực AI khó thay thế.

Năm là, xây dựng văn hóa số và liêm chính học thuật trong môi trường AI. Nhà trường cần ban hành quy tắc liêm chính học thuật cho AI, hướng dẫn rõ “được phép - không được phép - phải công bố khi dùng AI”, đồng thời tạo môi trường khuyến khích đổi mới, thử nghiệm có kiểm soát. Văn hóa số đúng nghĩa không phải “dùng công nghệ nhiều”, mà là “dùng công nghệ đúng” trên nền tảng minh bạch, trách nhiệm và chuẩn mực học thuật.

Sáu là, mở rộng hợp tác, học hỏi kinh nghiệm quốc tế. Chủ động kết nối các chương trình của UNESCO, OECD, EU; tham gia tập huấn, chia sẻ kinh nghiệm về quản trị AI trong giáo dục; tăng cường trao đổi học thuật và phát triển học liệu mở về AI literacy.

Tổng hợp lại, nâng cao năng lực số trong kỷ nguyên AI là nhiệm vụ vừa kỹ thuật vừa quản trị, văn hóa. Nếu triển khai đồng bộ các giải pháp trên, giáo dục đại học có thể khai thác hiệu quả cơ hội do AI mang lại, đồng thời kiểm soát rủi ro gian lận và lệ thuộc công nghệ, qua đó nâng cao chất lượng nguồn nhân lực trong tiến trình chuyển đổi số.

3. Kết luận

Sự phát triển của trí tuệ nhân tạo đang định hình lại giáo dục đại học, đặt ra yêu cầu cấp thiết về phát triển năng lực số cho cả giảng viên và sinh viên. Năng lực số trong kỷ nguyên AI không chỉ là năng lực sử dụng công nghệ, mà là cấu trúc tích hợp gồm năng lực công nghệ, sư phạm số, năng lực dữ liệu và đạo đức số, trong đó AI literacy là lớp năng lực mở rộng cần thiết để sử dụng AI một cách phản biện, an toàn và có trách nhiệm. Thực tiễn cho thấy việc ứng dụng công nghệ và AI tăng nhanh nhưng vẫn tồn tại các rào cản về hạ tầng, khoảng cách năng lực và thách thức đạo đức - pháp lý. Vì vậy, các giải pháp phải triển khai đồng bộ từ chuẩn hóa khung năng lực, đầu tư hạ tầng và dữ liệu học tập, bồi dưỡng theo cấu trúc năng lực, đổi mới chương trình - đánh giá, đến xây dựng văn hóa liêm chính học thuật trong môi trường AI. Cuối cùng, công nghệ là phương tiện; con người với năng lực số và bản lĩnh học thuật mới là chủ thể quyết định chất lượng giáo dục. Giảng viên vững năng lực số sẽ tiếp tục là lực lượng dẫn dắt đổi mới sư phạm; sinh viên được trang bị tốt năng lực số và AI literacy sẽ trở thành nguồn nhân lực chất lượng cao, chủ động thích ứng và có trách nhiệm trong kỷ nguyên trí tuệ nhân tạo./.

Tài liệu tham khảo

[1]. An, V. (2025, ngày 13/07). Năng lực số của giảng viên trong kỷ nguyên trí tuệ nhân tạo: Từ khung mô hình đến gợi mở chính sách cho Việt Nam. Tạp chí Giáo dục điện tử. Truy cập từ https://tapchigiaoduc.edu.vn/

[2]. Arksey, H., & O’Malley, L. (2005). Scoping studies: Towards a methodological framework. International Journal of Social Research Methodology, 8(1), 19-32.

[3]. Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW về đột phá phát triển giáo dục và đào tạo.

[4]. Cabero-Almenara, J., Palacios-Rodríguez, A., Loaiza-Aguirre, M. I., & Pugla-Quirola, D. R. (2025). A Structural Model of Distance Education Teachers’ Digital Competencies for Artificial Intelligence. Education Sciences, 15(10), 1271.

[5]. Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of Artificial Intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616-630.

[6]. Công, T. H. (2025, ngày 18/11). Giảng viên thời đại AI: Cần năng lực số hơn là giáo án mẫu. Cổng Thông tin điện tử Đảng Cộng sản Việt Nam. Truy cập từ https://dangcongsan.org.vn/

[7]. Dringó-Horváth, I., Rajki, Z., & Nagy, J. T. (2025). University Teachers’ Digital Competence and AI Literacy: Moderating role of gender, age, experience, and discipline. Education Sciences, 15(7), 868.

[8]. European Commission. (2017). European Framework for the Digital Competence of Educators (DigCompEdu). Publications Office of the EU.

[9]. European Commission. (2022). Ethical guidelines on the use of Artificial Intelligence (AI) and data in teaching and learning for educators. Publications Office of the EU.

[10]. Hervás-Torres, M., cs. (2024). Digital competences of university students after face-to-face and remote teaching: Video-animations digital create content. Heliyon, 10(12).

[11]. Kizilcec, R. F. (2023). To Advance AI Use in Education, Focus on Understanding Educators. International Journal of Artificial Intelligence in Education, 33, 417–421.

[12]. OECD. (2024). TALIS 2024 Results/Global Report. OECD Publishing.

[13]. UNESCO. (2024a). AI Competency Framework for Teachers. UNESCO.

[14]. UNESCO. (2024b). AI Competency Framework for Students. UNESCO.

DIGITAL COMPETENCE OF UNIVERSITY LECTURERS AND STUDENTS IN THE ERA OF ARTIFICIAL INTELLIGENCE

Phung Tien Nghia
Lecturer, Faculty of Social Sciences and Humanities, Telecommunications University

Email: [email protected]

Abstract: The explosion of Artificial Intelligence (AI) is restructuring the higher education ecosystem, necessitating an urgent redefinition of digital competence for both lecturers and students. Drawing on international frameworks including DigCompEdu, the UNESCO AI Competency Framework (2024), and OECD TALIS 2024 this article elucidates the expanding connotation of digital competence, asserting that AI literacy is an inseparable integrated component. By analyzing the context of “comprehensive digital transformation” in Vietnam, the research identifies critical challenges regarding academic integrity, data governance, and the risks of technological dependence. Consequently, the paper proposes an AI-integrated digital competence approach while reaffirming the central role of faculty members in this transition. These findings contribute to the standardization of theoretical frameworks and provide a foundation for policymaking in human resource development within the era of Artificial Intelligence.

Keywords: Digital competence, artificial intelligence, higher education, digital transformation, DigCompEdu.