Dùng AI trong lớp học lập trình: cơ hội, rủi ro và nguyên tắc an toàn
Trợ lý AI tạo sinh (generative AI) có thể viết, giải thích và sửa mã chỉ từ một câu mô tả bằng ngôn ngữ tự nhiên, nên nhiều giáo viên và phụ huynh đang băn khoăn: cho học sinh dùng thì lợi hay hại, và nếu dùng thì dùng thế nào cho an toàn? Bài viết này tóm tắt những gì một số nghiên cứu đã công bố cho thấy, tách riêng phần bằng chứng với phần gợi ý thực hành của người viết, và nêu rõ phạm vi mỗi nghiên cứu để tránh kết luận quá tay.
Nghiên cứu cho thấy điều gì
Tiềm năng và thách thức nhìn từ tổng quan
Kasneci và cộng sự (2023) trong một bài quan điểm (position paper) của nhiều nhóm nghiên cứu tại Đức cho rằng các mô hình ngôn ngữ lớn có thể giúp tạo nội dung dạy học, tăng tương tác của người học và cá nhân hóa việc học. Cũng trong bài này, họ nhấn mạnh người dạy và người học cần có năng lực hiểu cả công nghệ lẫn giới hạn, tính "mong manh" khó đoán của nó, và cần một cách tiếp cận sư phạm đặt trọng tâm vào tư duy phản biện và kiểm chứng thông tin. Các tác giả cũng nêu những rủi ro cụ thể: thiên lệch trong đầu ra, nhu cầu giám sát liên tục của con người, nguy cơ lạm dụng, và mối lo rằng việc có câu trả lời quá dễ dàng có thể làm yếu kỹ năng tư duy và giải quyết vấn đề của người học. Về dữ liệu, họ lưu ý dữ liệu học sinh thường nhạy cảm và khuyến nghị minh bạch với học sinh và gia đình về cách dữ liệu được thu thập, lưu trữ và sử dụng, cùng việc xin sự đồng ý trước khi thu thập.
Tương tự, nhóm làm việc quốc tế do Prather và cộng sự (2023) dẫn đầu đã tổng hợp 71 bài nghiên cứu về mô hình ngôn ngữ lớn trong giáo dục máy tính, gần 80% trong số đó công bố trong tám tháng đầu năm 2023, cùng khảo sát sinh viên và giảng viên ở 20 quốc gia và phỏng vấn 22 nhà giáo. Báo cáo ghi nhận các công cụ này giải được nhiều bài tập nhập môn chỉ với câu lệnh đơn giản, khiến cách kiểm tra bằng nhiều chương trình nhỏ chấm tự động có thể không còn phù hợp như trước; đồng thời nó cũng có thể đưa ra câu trả lời sai hoặc thiên lệch. Về quyền riêng tư, báo cáo thuật lại rằng nhiều chính sách của các trường nêu lo ngại về việc người dùng không kiểm soát được những công cụ này và dữ liệu mà chúng lưu giữ.
Ở cấp chính sách, UNESCO (2023) trong tài liệu hướng dẫn về AI tạo sinh trong giáo dục và nghiên cứu đề xuất bắt buộc bảo vệ quyền riêng tư dữ liệu và đặt giới hạn độ tuổi cho việc người học tự trò chuyện với các nền tảng này, đồng thời kêu gọi cách tiếp cận lấy con người làm trung tâm. Theo bản tin của Liên Hợp Quốc về hướng dẫn này, UNESCO nêu mức tuổi 13 để cân nhắc cho việc dùng trong lớp học (UN News, 2023). Lưu ý rằng đây là khuyến nghị cho nhà hoạch định chính sách, không phải quy định có hiệu lực tại Việt Nam, và người viết mới đọc trang giới thiệu chính thức của tài liệu chứ chưa đọc toàn văn.
Thử nghiệm với người mới học lập trình
Kazemitabaar và cộng sự (2023) tiến hành thử nghiệm có đối chứng với 69 học sinh từ 10 đến 17 tuổi chưa từng lập trình bằng văn bản. Các em làm 45 bài tập viết mã Python trong nhiều buổi, một nửa được dùng công cụ sinh mã Codex. Kết quả: nhóm có Codex hoàn thành bài viết mã tốt hơn rõ rệt (tỉ lệ hoàn thành gấp 1,15 lần, điểm gấp 1,8 lần) mà không làm giảm kết quả ở các bài sửa mã tay. Trong bài kiểm tra giữ lại sau một tuần, nhóm dùng Codex nhỉnh hơn một chút nhưng chênh lệch chưa đạt ý nghĩa thống kê; riêng những em có điểm Scratch ban đầu cao thì giữ kết quả tốt hơn có ý nghĩa nếu từng được dùng Codex. Nhóm tác giả cũng nêu rõ điều kiện: tiêu chí chấm đúng sai do họ tự định nghĩa, bài kiểm tra nằm trong phạm vi nội dung đã học, và chưa biết tác động đến khả năng chuyển giao sang chủ đề mới hay bài phức tạp hơn. Công cụ được dùng là Codex năm 2023, nay đã khác nhiều.
Một nghiên cứu khác của Prather và cộng sự (2024) theo dõi 21 sinh viên học nhập môn lập trình tại một trường đại học nhỏ ở Mỹ bằng quan sát, phỏng vấn và theo dõi ánh mắt. Hầu hết sinh viên hoàn thành bài, nhưng các tác giả mô tả một "khoảng cách đang nới rộng": những em vốn có định hướng rõ dùng AI để tăng tốc, còn những em gặp khó thì khó khăn về siêu nhận thức vẫn tồn tại và có thể bị AI làm nặng thêm, thậm chí kết thúc với cảm giác tự tin vượt quá năng lực thật (illusion of competence). Mẫu nhỏ, một cơ sở, đối tượng là sinh viên đại học nên cần thận trọng khi suy ra cho học sinh phổ thông.
Bằng chứng ngoài lập trình: nghiên cứu ở trường THPT
Bastani và cộng sự (2025) tiến hành thử nghiệm ngẫu nhiên ở một trường THPT tại Thổ Nhĩ Kỳ với gần 1.000 học sinh lớp 9–11 trong bốn buổi ôn tập môn Toán, mỗi buổi 90 phút. Nhóm dùng giao diện giống ChatGPT (GPT Base) làm bài luyện tập tốt hơn nhóm chỉ có sách vở (tăng 48% điểm), nhưng khi bỏ AI để làm bài kiểm tra độc lập thì thấp hơn nhóm đối chứng 17%. Nhóm dùng gia sư AI có thiết kế sư phạm (GPT Tutor, gợi ý từng bước và có lời giải do giáo viên chuẩn bị trong lệnh nhắc) làm bài luyện tập tốt hơn nhiều (tăng 127%); các tác giả cho rằng tác hại nói trên phần lớn được giảm bớt ở nhóm này, nhưng nhóm này cũng không vượt nhóm đối chứng ở bài kiểm tra. Các tác giả giải thích rằng ở phiên bản không có rào chắn, học sinh dùng AI như một "cái nạng"; ngoài ra học sinh nhóm GPT Base không nhận ra mình học kém hơn. Đây là nghiên cứu môn Toán, tại một trường, đo kết quả ngắn hạn, với GPT-4 vào mùa thu 2023, nên không thể suy trực tiếp sang lớp lập trình; tuy vậy đây là một thử nghiệm ngẫu nhiên quy mô lớn cho thấy cách thiết kế công cụ có thể ảnh hưởng đến việc học. Lưu ý thêm: PNAS đã đăng một thông báo hiệu chính cho bài này vào tháng 8/2025; người viết chưa đọc được nội dung hiệu chính.
Ứng dụng trong lớp học
Phần này là gợi ý thực hành của người viết , rút ra từ các nguồn trên và lập luận hợp lý, chưa phải kết luận đã được kiểm chứng trong lớp học Việt Nam. Các ví dụ là minh họa giả định.
Nguyên tắc an toàn cho giáo viên
Không nhập dữ liệu cá nhân của học sinh vào công cụ công cộng. Họ tên, ảnh, lớp, điểm số, nhận xét về từng em, tệp bài làm có thông tin định danh nên được ẩn danh hoặc bỏ đi trước khi dùng bất kỳ dịch vụ AI nào. Cơ sở: mối lo về dữ liệu nhạy cảm và việc người dùng không kiểm soát được dữ liệu mà công cụ lưu giữ (Kasneci và cộng sự, 2023; Prather và cộng sự, 2023). Hãy đối chiếu với quy định về bảo vệ dữ liệu cá nhân và chính sách của nhà trường.
Kiểm chứng đầu ra trước khi dùng. Chạy thử mã, đọc lại lời giải thích, so với tài liệu. Các tổng quan ghi nhận AI có thể trả lời sai hoặc thiên lệch (Kasneci và cộng sự, 2023; Prather và cộng sự, 2023). Với tài liệu giáo viên tự chuẩn bị bằng AI, hãy tự kiểm chứng trước khi phát cho học sinh.
Thiết kế nhiệm vụ buộc học sinh phải giải thích. Ví dụ minh họa: sau khi nộp một chương trình Python vẽ hình bằng vòng lặp, mỗi em phải chọn một dòng mã, giải thích nó làm gì và thử đổi một tham số để dự đoán kết quả. Cơ sở gián tiếp: các em yếu có thể dùng AI mà vẫn tin mình hiểu (Prather và cộng sự, 2024), và học sinh trong nghiên cứu Toán không nhận ra việc học kém đi (Bastani và cộng sự, 2025).
Tự làm trước, nhờ AI sau. Yêu cầu học sinh thử một lượt không dùng AI, ghi lại chỗ vướng, rồi mới hỏi. Khi dùng, ưu tiên yêu cầu gợi ý hoặc giải thích thay vì xin đáp án. Cách làm này lấy cảm hứng từ thiết kế gợi ý từng bước của GPT Tutor trong nghiên cứu của Bastani và cộng sự (2025), cần giáo viên chuẩn bị lời giải và các lỗi thường gặp trước.
Giữ những khoảnh khắc không có AI để kiểm tra năng lực thật. Đánh giá giữ lại sau vài ngày hoặc vài tuần, bài làm trên giấy hoặc trên máy không kết nối, hỏi đáp miệng ngắn. Kazemitabaar và cộng sự (2023) và Bastani và cộng sự (2025) đều đo kết quả khi không còn AI, và đây cũng là cách tránh nhầm "làm được khi có AI" với "đã học được".
Cân nhắc độ tuổi và điều khoản của từng công cụ. UNESCO (2023) đề xuất đặt giới hạn độ tuổi cho việc tự trò chuyện với AI tạo sinh. Với học sinh tiểu học, hình thức an toàn hơn là giáo viên hoặc người lớn thao tác và học sinh quan sát, thảo luận.
Minh bạch với học sinh và phụ huynh. Nói rõ công cụ nào được dùng, vào việc gì, dữ liệu nào không được nhập, và học sinh được phép hay không được phép dùng AI ở đâu trong từng bài. Kasneci và cộng sự (2023) khuyến nghị minh bạch với học sinh và gia đình về việc dùng dữ liệu; các quy tắc cụ thể cho từng bài là phần giáo viên tự đặt ra.
Dạy cả cách phản biện AI. Cho học sinh so sánh mã do AI viết với mã của chính em, tìm lỗi hoặc điểm khó hiểu, và nêu cách kiểm chứng. Đây là cách biến rủi ro thành bài học về hạn chế của AI mà Kasneci và cộng sự (2023) gợi ý.
Cách bắt đầu nhỏ
Thử trước ở một bài có phần nặng về khái niệm (ví dụ vòng lặp lồng nhau trong Python), để học sinh dùng AI làm "người giải thích" nhưng vẫn tự viết mã chính.
Với Scratch hoặc robot (VEX GO/IQ), dùng AI chủ yếu cho giáo viên: gợi ý tình huống bài tập, câu hỏi thảo luận, mô tả tiêu chí; mọi thứ đều được người dạy kiểm tra trước.
Sau mỗi bài, ghi chú nhanh những em dùng AI để tăng tốc và những em dùng như cái nạng, rồi điều chỉnh cách hỗ trợ; điều này phù hợp với quan sát rằng cùng một công cụ có thể giúp em này mà không giúp em khác (Prather và cộng sự, 2024).
Giới hạn và lưu ý
Các nghiên cứu được trình bày đều dùng mô hình của thời điểm 2023–2024 (Codex, GPT-4, Copilot), và theo Prather và cộng sự (2023), phần lớn tài liệu họ tổng hợp mới công bố trong năm 2023; công cụ thay đổi nhanh nên kết quả có thể không còn đúng như cũ.
Nghiên cứu trên học sinh phổ thông về lập trình còn ít. Kazemitabaar và cộng sự (2023) có mẫu 10–17 tuổi nhưng chỉ 69 em; Prather và cộng sự (2024) là sinh viên; Bastani và cộng sự (2025) là môn Toán.
Các kết quả có chiều hướng khác nhau: thử nghiệm Python của Kazemitabaar và cộng sự không thấy giảm kết quả sửa mã, trong khi nghiên cứu Toán của Bastani và cộng sự thấy giảm khi bỏ AI. Điều này có thể do khác môn, khác thiết kế, khác công cụ và thời lượng, nên không nên coi một bên bác bỏ bên kia.
Các nguyên tắc ở phần ứng dụng là gợi ý của người viết; chúng chưa được thử nghiệm riêng trong lớp học Việt Nam và nên được điều chỉnh theo quy định nhà trường.
Khuyến nghị của UNESCO và các bài tổng quan là định hướng, không phải quy định pháp lý tại Việt Nam.
Kết luận
Bằng chứng hiện có cho thấy AI có thể giúp học sinh làm bài nhanh và tốt hơn trong lúc có hỗ trợ, nhưng việc đó chưa chắc đồng nghĩa với học được nhiều hơn khi tự làm. Cách thiết kế nhiệm vụ và công cụ dường như quan trọng không kém bản thân công nghệ. Với giáo viên, hướng đi thận trọng là bảo vệ dữ liệu học sinh, kiểm chứng đầu ra, yêu cầu giải thích và giữ lại những lúc đánh giá không có AI. Cần theo dõi thêm các nghiên cứu mới vì lĩnh vực này thay đổi rất nhanh.
Tài liệu tham khảo
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122 (26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103 , 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kazemitabaar, M., Chow, J., Ma, C. K. T., Ericson, B. J., Weintrop, D., & Grossman, T. (2023). Studying the effect of AI code generators on supporting novice learners in introductory programming. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (pp. 1–23). ACM. https://doi.org/10.1145/3544548.3580919
Prather, J., Denny, P., Leinonen, J., Becker, B. A., Albluwi, I., Craig, M., ... Savelka, J. (2023). The robots are here: Navigating the generative AI revolution in computing education. Proceedings of the 2023 Working Group Reports on Innovation and Technology in Computer Science Education (ITiCSE-WGR '23) (pp. 108–159). ACM. https://doi.org/10.1145/3623762.3633499
Prather, J., Reeves, B. N., Leinonen, J., MacNeil, S., Randrianasolo, A. S., Becker, B. A., ... Briggs, B. (2024). The widening gap: The benefits and harms of generative AI for novice programmers. Proceedings of the 2024 ACM Conference on International Computing Education Research (ICER '24), Volume 1 (pp. 469–486). ACM. https://doi.org/10.1145/3632620.3671116
UN News. (2023, 7 tháng 9). UNESCO calls for regulations on AI use in schools . Liên Hợp Quốc. https://news.un.org/en/story/2023/09/1140477
UNESCO. (2023). Guidance for generative AI in education and research (F. Miao & W. Holmes, tác giả). UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research