Designing assignments for AI Fluency

Nguyên tắc thiết kế bài tập về năng lực sử dụng AI (AI Fluency)

Khi thiết kế các bài tập giúp sinh viên phát triển và thể hiện năng lực sử dụng AI, hãy ghi nhớ ba nguyên tắc cốt lõi sau:

• Tính thực tiễn (Authenticity): Tạo ra các bài tập mô phỏng sự cộng tác với AI trong thế giới thực thay vì các bài tập giả định khiên cưỡng. Sinh viên nên giải quyết các vấn đề thực tế, nơi sự đồng hành của AI thực sự mang lại giá trị gia tăng.
• Tính lặp lại (Iteration): Xây dựng các cơ hội để tinh chỉnh, giúp thể hiện sự tiến bộ theo thời gian. Các bài tập "một lần xong ngay" thường bỏ lỡ bản chất lặp đi lặp lại của việc cộng tác AI thuần thục. Hãy tạo điều kiện để sinh viên cải thiện, tư duy lại và thử nghiệm lại.
• Tính minh bạch trong sư phạm (Pedagogical Transparency): Cần làm rõ rằng bạn đang đánh giá chất lượng của quy trình cộng tác và sự phản tư của sinh viên, chứ không chỉ là kết quả cuối cùng. Sinh viên cần hiểu rằng bạn quan tâm đến cách họ học cách làm việc với AI.

Bài tập dựa trên kết quả đầu ra (Outcome-Based)

Các bài tập dựa trên kết quả đầu ra tập trung vào những gì sinh viên tạo ra thông qua việc cộng tác với AI. Các phương pháp hiệu quả bao gồm:

1. Cải thiện kết quả đầu ra của AI

Cung cấp cho sinh viên một kết quả AI ở mức trung bình và yêu cầu họ biến nó thành một sản phẩm xuất sắc. Họ phải sử dụng khả năng phân định (discernment) để nhận diện vấn đề và khả năng mô tả (description) để hướng dẫn AI cải thiện. Điều này nâng cao nhận thức về việc đánh giá khi sử dụng nội dung có sẵn làm điểm khởi đầu.

2. So sánh sản phẩm

Yêu cầu sinh viên sử dụng nhiều hệ thống AI hoặc các chế độ khác nhau (như extended thinking hoặc image-to-image) để giải quyết cùng một nhiệm vụ. Sau đó, họ phân tích các kết quả khác nhau, ghi lại hệ thống nào hoạt động tốt nhất cho mục đích cụ thể và tại sao. Điều này xây dựng nhận thức về nền tảng và dạy sự khác biệt cốt lõi giữa các hệ thống AI khác nhau.

3. Thử thách dựa trên ràng buộc

Đưa ra các yêu cầu đầu ra cụ thể về định dạng, độ dài, phong cách hoặc đối tượng khán giả. Sinh viên phải làm việc với AI để đáp ứng các ràng buộc này, nộp cả sản phẩm cuối cùng và các prompt đã sử dụng để đạt được kết quả đó. Phương pháp này phát triển kỹ năng mô tả và có thể lồng ghép các tiêu chuẩn đạo đức, pháp lý hoặc chuyên môn như các ràng buộc bổ sung để xây dựng tính tỉ mỉ (diligence).

4. Đánh giá sản phẩm chéo (Peer Review)

Sinh viên tự đặt ra mục tiêu, tạo nội dung với AI, sau đó trao đổi với bạn học để phê bình kết quả dựa trên các mục tiêu đã đề ra. Điều này xây dựng khả năng phân định sản phẩm và nhận thức về mục tiêu, đồng thời giúp sinh viên tiếp cận với các cách tiếp cận prompt khác nhau.

Bài tập dựa trên quy trình (Process-Based)

Các bài tập dựa trên quy trình nhằm mục đích làm cho sự tương tác giữa người và AI – vốn thường mang tính riêng tư và nhất thời – trở nên hữu hình và có thể đánh giá được.

1. Nhật ký trò chuyện có chú thích (Annotated Chat Logs)

Sinh viên nộp lại lịch sử tương tác với AI, có chú thích các thời điểm quan trọng về sự hiểu biết, thách thức và phát triển. Họ nên làm nổi bật các bước ngoặt khi cách tiếp cận thay đổi, những đột phá trong nhận thức, hoặc cách họ khắc phục một lỗi "hallucination" (ảo tưởng) hoặc thất bại của AI.

2. Thuyết minh quá trình làm việc

Sinh viên ghi hình hoặc ghi âm quá trình làm việc với AI trong thời gian thực. Họ thuyết minh về quy trình ra quyết định, giải thích lý do tại sao họ đưa ra các lựa chọn cụ thể, họ đang tìm kiếm điều gì trong câu trả lời và cách họ đánh giá kết quả đầu ra.

3. Cẩm nang quy trình (Process Playbooks)

Sinh viên xây dựng cẩm nang chiến lược AI cá nhân. Các tài liệu tham khảo này ghi lại các chiến lược và prompt cho các nhiệm vụ khác nhau (ví dụ: nghiên cứu, viết sáng tạo hoặc giải quyết vấn đề), lưu ý kỹ thuật nào hiệu quả nhất trong các ngữ cảnh cụ thể.

4. Thảo luận sau tương tác (Debrief) với AI hoặc bạn học

Sinh viên chia sẻ nhật ký trò chuyện với một đối tác AI và yêu cầu AI thảo luận về sự tương tác đó với họ. Ngoài ra, việc này có thể thực hiện với một người bạn học. So sánh thông tin chi tiết từ cả AI và bạn học có thể mang lại chiều sâu hơn trong việc hiểu năng lực ủy thác (delegation) và mô tả (description) của chính họ.

Bài tập dựa trên sự phản tư (Reflection-Based)

Sự phản tư là trung tâm của việc phát triển năng lực sử dụng AI và nhận thức siêu nhận thức. Để tránh tình trạng "mệt mỏi vì phản tư", hãy cung cấp các cách tiếp cận đa dạng:

• Câu hỏi định hướng (Guided Inquiry): Cung cấp các câu hỏi cụ thể để sinh viên phản tư về một bài tập nhất định. Khuyến khích những phê bình và phàn nàn trung thực bên cạnh những trải nghiệm tích cực.
• Nhật ký học tập: Sinh viên tự đánh giá sự phát triển mô hình 4D (Delegation, Description, Discernment, và Diligence) tại nhiều thời điểm trong khóa học. Khuyến khích nhiều hình thức phản tư như video, infographic hoặc sơ đồ tư duy.
• Tình huống và Nghiên cứu điển hình (Case Studies): Đưa ra các tình huống giả định thực tế (ví dụ: "Sếp của bạn muốn sử dụng AI để ra quyết định tuyển dụng. Lời khuyên của bạn là gì?") thách thức sinh viên áp dụng kiến thức vào việc thiết kế, sử dụng và đánh giá tác động của AI.
• Tuyên bố chính sách cá nhân: Yêu cầu sinh viên tạo một bản tuyên bố chính sách cá nhân dựa trên trải nghiệm của họ. Họ tự xây dựng các giá trị, chiến lược và phương pháp để cộng tác AI thuần thục. Điều này thúc đẩy quyền tự chủ và trách nhiệm giải trình.

Quản lý khối lượng nội dung

Các bài tập liên quan đến AI có thể tạo ra khối lượng nội dung lớn hơn đáng kể so với các nhiệm vụ truyền thống. Dưới đây là cách quản lý khối lượng công việc:

• Tiêu chí đánh giá (Rubrics) chi tiết dựa trên sản phẩm bàn giao: Sử dụng các rubrics phân mảnh cho phép bạn nhanh chóng xác nhận xem sinh viên có hoàn thành tốt các sản phẩm bàn giao cụ thể hay không. Điều này đòi hỏi sự liên kết chặt chẽ giữa sản phẩm bàn giao và kết quả học tập.
• Nhấn mạnh việc tự đánh giá và đánh giá chéo: Với sự hướng dẫn đúng đắn, sinh viên có thể tự quan sát sự phát triển của mình hoặc của bạn học, tóm gọn các kết quả đồ sộ do AI tạo ra thành những thông tin chi tiết có giá trị cho giảng viên.
• Hội ý nhanh (Lightning-Round Conferences): Thay thế một số phản hồi bằng văn bản bằng các buổi trao đổi ngắn (5 phút) nơi sinh viên trình bày các hiểu biết chính của họ.
• Lấy mẫu có chọn lọc: Bạn không cần phải đọc từng từ trong mọi nhật ký trò chuyện. Hãy dạy sinh viên cách nhận diện và đánh dấu các thời điểm quan trọng hoặc "bước ngoặt" để bạn tập trung chú ý.

Tổng kết

Thiết kế bài tập về năng lực sử dụng AI là tạo ra cơ hội để học tập thực thụ thông qua việc áp dụng thực tế khung năng lực. Hãy tập trung vào tính thực tiễn, tính lặp lại và tính minh bạch trong sư phạm.

• Bài tập dựa trên kết quả đầu ra đánh giá kỹ năng description và discernment.
• Bài tập dựa trên quy trình làm rõ sự tương tác giữa người và AI.
• Bài tập dựa trên sự phản tư xây dựng tư duy siêu nhận thức thông qua sự đa dạng.
• Chiến lược quản lý là yếu tố thiết yếu để xử lý khối lượng nội dung tăng cao từ AI.