Một giáo sư kinh tế tại Đại học Brown nghi ngờ phần lớn trong số 86 sinh viên của mình đã sử dụng trí tuệ nhân tạo (AI) để gian lận trong một kỳ thi làm bài tại nhà với điểm trung bình đạt tới 96%. Sự việc này làm dấy lên những lo ngại sâu sắc về sự phụ thuộc quá mức của sinh viên vào các công cụ hỗ trợ công nghệ trong môi trường học thuật hiện đại.
Diễn biến chi tiết
Theo báo cáo từ The Decoder, khi vị giáo sư này quyết định chuyển hình thức thi cuối kỳ sang thi trực tiếp tại phòng thi, những con số bất ngờ đã xuất hiện. Có 18 sinh viên quyết định bỏ khóa học ngay lập tức, 9 sinh viên khác không đến phòng thi, và điểm số trung bình của những người tham gia làm bài đã giảm thảm hại xuống còn 48,6%. Sự chênh lệch khổng lồ giữa hai bài thi đã phản ánh thực trạng học tập đáng báo động khi thiếu vắng công nghệ hỗ trợ.
Bối cảnh & Nguyên nhân
Hiện tượng này không phải là cá biệt mà phản ánh một xu hướng rộng lớn hơn trong giáo dục đại học toàn cầu kể từ khi các mô hình ngôn ngữ lớn (LLM) trở nên phổ biến. Việc chuyển sang các bài kiểm tra tại nhà (take-home exam) vốn dựa trên lòng tin và sự tự giác của sinh viên đã bộc lộ lỗ hổng lớn khi AI có khả năng giải quyết các câu hỏi kinh tế phức tạp chỉ trong vài giây, khiến sinh viên dễ dàng lạm dụng để đạt điểm cao mà không thực sự hiểu bản chất môn học.
Phân tích kỹ thuật & Công nghệ
Các công cụ AI tạo sinh hiện nay sử dụng kiến trúc Transformer có khả năng phân tích ngữ cảnh đề bài, lập luận toán học cơ bản và đưa ra câu trả lời có cấu trúc mạch lạc cho các câu hỏi tự luận kinh tế. Tuy nhiên, việc phụ thuộc vào khả năng sinh văn bản của mô hình khiến sinh viên mất đi tư duy phản biện độc lập. Khi bước vào phòng thi trực tiếp không có kết nối internet hay quyền truy cập vào các API của mô hình ngôn ngữ, sinh viên hoàn toàn bất lực trước các dạng bài đòi hỏi tính toán thực tế.
Ý kiến chuyên gia & Nhận định
Tình trạng này cũng trùng khớp với các nghiên cứu quy mô lớn khác trong ngành giáo dục. Theo The Decoder, hai nghiên cứu lớn được thực hiện độc lập tại Trung Quốc và Đại học California, Berkeley (UC Berkeley) đều đưa ra kết luận tương tự: những sinh viên phụ thuộc quá nhiều vào AI để giải bài tập về nhà thường có điểm số thi trực tiếp (được giám thị trông coi) cực kỳ thấp. Điều này cho thấy AI đang tạo ra một 'ảo tưởng về năng lực' đối với người học.
Tác động & Tương lai
Kết quả từ Đại học Brown là lời cảnh tỉnh cho các cơ sở giáo dục về việc cần thiết phải tái cấu trúc phương pháp đánh giá sinh viên trong kỷ nguyên AI. Nhiều trường đại học có thể sẽ phải quay lại với các hình thức thi cử truyền thống bằng giấy và bút, hoặc áp dụng các công cụ giám sát thi cử nghiêm ngặt hơn. Đối với độc giả và sinh viên Việt Nam, bài học này nhấn mạnh rằng công nghệ chỉ nên là công cụ hỗ trợ học hỏi, chứ không thể thay thế cho quá trình tự tích lũy kiến thức thực chất.