Đo lường, đánh giá chất lượng giáo dục: Hướng đi nào trong bối cảnh mới?

Đo lường, đánh giá và kiểm định chất lượng giáo dục đang thay đổi rõ rệt

Từ những câu chuyện thời sự hiện nay có thể thấy đo lường và đánh giá không còn là một lĩnh vực kỹ thuật phía sau của lớp học nữa mà trở thành vấn đề được cả xã hội quan tâm. Năm 2025, khi Bộ Giáo dục và Đào tạo công bố so sánh điểm học bạ với điểm thi tốt nghiệp trung học phổ thông, điểm trung bình học bạ của học sinh ở các môn đều cao hơn điểm trung bình thi tốt nghiệp trung học phổ thông, trong đó môn Toán có mức chênh lệch trung bình lên tới 2,26 điểm; đã có những tranh luận gay gắt về việc quy đổi giữa các tổ hợp, giữa điểm học bạ, điểm thi tốt nghiệp và các kỳ thi đánh giá năng lực trong tuyển sinh đại học. Rồi trong tuyển sinh đại học, việc các trường kết hợp nhiều đầu điểm thay vì quy đổi tất cả về một thang duy nhất, và việc quy đổi đã từng gây rối cho cả thí sinh lẫn nhà trường.

Kỳ thi tốt nghiệp trung học phổ thông năm nay, đề Ngữ văn với câu hỏi về AI và “Steve Jobs Việt Nam” đã tạo ra những tranh luận như: Câu hỏi có thời sự hay không, có phân hóa hay không, có thực sự đo đúng điều chương trình muốn đo, có phù hợp với đối tượng thí sinh và có tạo ra những nguồn nhiễu không cần thiết hay không…

Tới đây, Bộ Giáo dục và Đào tạo định hướng tổ chức thi trên máy tính, với ngân hàng câu hỏi chuẩn hóa, nhiều ca thi có đề tương đương, dữ liệu quá trình và khả năng sử dụng AI để hỗ trợ một số khâu xây dựng ngân hàng câu hỏi nhưng không thay thế chuyên gia.

Lĩnh vực đo lường, đánh giá và bảo đảm chất lượng giáo dục đang có sự thay đổi rõ rệt, ở cả đối tượng đo, cách thu thập bằng chứng, hạ tầng dữ liệu, cách ra quyết định và cả triết lý phía sau việc đánh giá.

Giáo sư, Tiến sĩ Nguyễn Quý Thanh, Chủ tịch Hội đồng Khoa học và Đào tạo, kiêm Chủ tịch Hội đồng Đảm bảo chất lượng Trường đại học Giáo dục

Còn trên thế giới, nhiều trường đại học đang hạn chế hoặc từ bỏ việc dùng công cụ phát hiện văn bản AI như một bằng chứng quyết định, vì nguy cơ báo sai và vì nội dung do AI tạo ra ngày càng dễ được chỉnh sửa để vượt qua công cụ phát hiện, đặt ra câu hỏi: Khi một sản phẩm có thể được tạo ra bởi sự cộng tác giữa người học và máy, dựa vào đâu để nói rằng sản phẩm đó là bằng chứng hợp lệ về năng lực của chính người học?

Nêu lên những sự kiện, vấn đề thời sự nói trên tại Hội thảo quốc tế về đo lường và đánh giá trong giáo dục mang chủ đề “Thành tựu trong đo lường và đánh giá giáo dục: Kết quả nghiên cứu mới và xu hướng tương lai” diễn ra ngày 22/8 vừa qua tại Hà Nội, Giáo sư, Tiến sĩ Nguyễn Quý Thanh, Chủ tịch Hội đồng Khoa học và Đào tạo, kiêm Chủ tịch Hội đồng Đảm bảo chất lượng Trường đại học Giáo dục, Đại học Quốc gia Hà Nội cho rằng, những câu chuyện này tưởng như khác nhau, nhưng đặt cạnh nhau thì đều đưa về những khái niệm rất quen thuộc, đó là độ giá trị, độ tin cậy, tính tương đương, công bằng và trách nhiệm giải trình.

Theo Giáo sư, Tiến sĩ Nguyễn Quý Thanh, lĩnh vực đo lường, đánh giá và bảo đảm chất lượng đang có sự thay đổi rõ rệt, ở cả đối tượng đo, cách thu thập bằng chứng, hạ tầng dữ liệu, cách ra quyết định và cả triết lý phía sau việc đánh giá.

Ông cho biết, trong một thời gian dài, giáo dục vận hành với một giả định tương đối ổn định, sản phẩm mà người học tạo ra phản ánh khá trực tiếp năng lực của họ. Một bài luận tốt cho phép ta suy luận rằng sinh viên biết viết và biết lập luận; một bài thi tốt cho phép ta suy luận người học nắm được kiến thức và kỹ năng cần đo; một báo cáo phân tích tốt cho phép ta suy luận rằng người học biết xử lý dữ liệu và đưa ra phán đoán có căn cứ. Chính giả định đó làm nền cho rất nhiều mô hình đánh giá hiện nay.

“Nhưng bây giờ, có nhiều chuyển động diễn ra đồng thời. Pháp luật đang chuyển từ tư duy kiểm định theo đợt sang bảo đảm chất lượng như một hệ thống thường xuyên. Đánh giá đang chuyển từ điểm số của một bài thi sang năng lực, chuẩn đầu ra và sự phát triển của người học. Dữ liệu giáo dục đang chuyển từ những bảng tổng hợp rời rạc sang các hệ thống thông tin có khả năng theo dõi quá trình. Và AI tạo sinh đang làm cho mối liên hệ giữa sản phẩm quan sát được với năng lực cá nhân trở nên phức tạp hơn rất nhiều”, Giáo sư, Tiến sĩ Nguyễn Quý Thanh nhận định.

Mở rộng vấn đề, ông cho biết, ở phương diện chính sách, Luật Giáo dục đại học số 125/2025/QH15 có hiệu lực từ đầu năm 2026 đánh dấu một thay đổi đáng kể. Nếu trước đây chúng ta thường nhìn chất lượng qua lăng kính của kiểm định, thì luật mới đặt hệ thống bảo đảm chất lượng bên trong vào vị trí rõ hơn trong cấu trúc quản trị của cơ sở giáo dục đại học. Điều quan trọng không phải chỉ là có thêm một quy định pháp lý, mà là sự dịch chuyển từ câu hỏi “trường đã chuẩn bị đủ minh chứng để được đánh giá hay chưa?” sang câu hỏi “dữ liệu chất lượng được hình thành như thế nào, ai sử dụng dữ liệu đó, quyết định nào đã được đưa ra và chất lượng đã thay đổi ra sao sau quyết định ấy?”.

Giáo sư, Tiến sĩ Nguyễn Quý Thanh cũng cho biết, Luật Nhà giáo đã có hiệu lực từ đầu năm nay đã đặt việc đánh giá nhà giáo trong một chu kỳ nghề nghiệp rộng hơn. Như vậy, câu chuyện đo lường không chỉ còn nằm ở đánh giá học sinh, sinh viên; nó gắn trực tiếp với chuẩn nghề nghiệp, phát triển nghề nghiệp và tính chuyên nghiệp của chính đội ngũ nhà giáo.

Với giáo dục phổ thông, thông tư mới về bảo đảm chất lượng đối với các cơ sở mầm non, phổ thông và giáo dục thường xuyên ban hành tháng 7/2026 nhấn mạnh việc chuyển từ chuẩn bị hồ sơ theo chu kỳ sang sử dụng dữ liệu quản lý, quá trình thực hiện và kết quả giáo dục như một phần của quản trị thường xuyên.

“Điều đó cho thấy tư duy “quality assurance as a process” (tạm dịch: bảo đảm chất lượng như một hệ thống thường xuyên) đang trở thành một logic quản trị xuyên suốt hệ thống.

Nhưng nói đến hệ thống bảo đảm chất lượng thì cuối cùng chúng ta vẫn phải quay về một câu hỏi rất thực tế: Dữ liệu ở đâu? Hệ thống thông tin bảo đảm chất lượng thực sự phải hình thành một trục dữ liệu chung, theo dõi chỉ số theo thời gian, tạo cảnh báo, cho phép truy xuất minh chứng, và quan trọng nhất là đóng vòng phản hồi. Khi một chỉ số chuẩn đầu ra thấp, một nhóm sinh viên có nguy cơ, một chương trình không đạt mục tiêu hay một hoạt động phục vụ cộng đồng chưa hiệu quả, hệ thống phải giúp người quản lý biết nên can thiệp vào đâu.

“Từ đây chúng ta đi sang một câu chuyện khác rất gần gũi: thi và tuyển sinh. Tôi nghĩ những tranh luận về chênh lệch học bạ - điểm thi và về quy đổi điểm trong tuyển sinh đại học là một bài học đo lường rất điển hình. Về mặt số học, chúng ta có thể cộng, nhân, quy đổi và làm tròn rất dễ. Nhưng hai con số chỉ có thể ghép với nhau một cách có ý nghĩa khi chúng ta biết chúng đang đo những gì, phân bố ra sao, độ khó khác nhau thế nào và mức điểm tương đương thực sự có cùng vị trí trên phân bố năng lực hay không. Đó là lý do vì sao có những khái niệm như bách phân vị, liên kết thang đo, quy đổi tương đương, hiệu chỉnh và đối sánh dữ liệu.

Định hướng thi tốt nghiệp trung học phổ thông trên máy tính làm câu chuyện này rõ hơn. Khi có nhiều ca thi, các đề không thể chỉ “na ná khó như nhau” theo cảm giác chuyên gia. Chúng phải được xây dựng từ một ngân hàng câu hỏi đủ lớn, được thử nghiệm, hiệu chuẩn và tạo ra các dạng đề tương đương. Khi đó chúng ta phải nói nghiêm túc đến item banking, calibration, equating, IRT, mode effect, an toàn ngân hàng đề, khả năng tiếp cận và công bằng giữa các nhóm thí sinh...

"Một kỳ thi trên máy tính không phải là một kỳ thi giấy được đưa lên màn hình. Nếu làm đúng, nó là một hạ tầng đo lường mới, nơi chúng ta có thể thu được dữ liệu tốt hơn về câu hỏi, về quá trình làm bài và về chất lượng của hệ thống giáo dục. Nhưng nếu chỉ thay giấy bằng máy tính mà không thay đổi khoa học đo lường phía sau, chúng ta mới chỉ số hóa phương tiện", Giáo sư, Tiến sĩ Nguyễn Quý Thanh khẳng định.

Từ bảo đảm tuân thủ đến bảo đảm năng lực thực của người học trong kỷ nguyên AI

Theo Giáo sư, Tiến sĩ Nguyễn Quý Thanh, thách thức lớn nhất của trí tuệ nhân tạo (AI) đối với đánh giá chính là độ giá trị của suy luận. Trước đây, khi một sinh viên nộp một bài luận tốt, có cơ sở tương đối hợp lý để suy luận từ chất lượng sản phẩm sang năng lực của sinh viên. Bây giờ một sản phẩm có thể là kết quả của năng lực người học, năng lực của mô hình AI, chất lượng prompt, số vòng tương tác, khả năng biên tập, nguồn dữ liệu mà công cụ truy cập và mức độ người học thực sự hiểu điều mình đang nộp. Sản phẩm vẫn có thể rất tốt nhưng mối liên hệ giữa sản phẩm và năng lực cá nhân không còn trực tiếp như trước.

AI đang trở thành đồng thời ba thứ: một công cụ đánh giá, một yếu tố môi trường làm thay đổi độ giá trị của đánh giá, và một đối tượng mới cần được đánh giá.

Đo lường và đánh giá không còn chỉ là hoạt động ở cuối một quá trình học tập. Nó đang trở thành một phần của kiến trúc học tập ngay từ đầu. Ta phải xác định rõ năng lực nào cần hình thành, cấu trúc của năng lực đó là gì, bằng chứng nào đủ mạnh, điều kiện nào được phép hỗ trợ, dữ liệu nào phải được thu thập, kết quả sẽ được diễn giải ra sao và hệ thống sẽ làm gì sau khi có kết quả.

Chúng ta cần biết phần nào người học có thể tự làm, phần nào họ làm tốt hơn nhờ AI, phần nào không nên giao cho AI, và khi công nghệ tham gia vào sản phẩm thì trách nhiệm cuối cùng vẫn thuộc về ai.

Giáo sư, Tiến sĩ Nguyễn Quý Thanh cho rằng: “Chúng ta cần tiếp tục phát triển các mô hình đo những kết quả giáo dục phức hợp và toàn diện, đặc biệt là những cấu trúc kết hợp nhận thức, thái độ - giá trị và thực hành. Chúng ta cần nghiên cứu sâu hơn về chuẩn hóa, liên kết thang đo, DCM, Rasch, IRT, ngân hàng câu hỏi và dữ liệu quá trình để chuẩn bị cho hạ tầng khảo thí số. Chúng ta cần nối psychometrics (tâm trắc học) với learning analytics (phân tích học tập) và IQA (bảo đảm chất lượng bên trong) để dữ liệu chuẩn đầu ra, dữ liệu người học và dữ liệu chương trình thực sự quay trở lại chu trình cải tiến. Chúng ta cần nghiên cứu đánh giá quá trình, phản hồi, tự đánh giá và các tiếp cận nhân văn để bảo đảm rằng đánh giá không chỉ đo việc học mà còn thúc đẩy việc học. Chúng ta cần một chương trình nghiên cứu mới về độ giá trị, độ tin cậy, công bằng và khả năng so sánh trong hệ người - AI; trong đó AI vừa là công cụ, vừa là nguồn hỗ trợ, vừa có thể là nguồn nhiễm, và đôi khi chính là một phần của năng lực cần đo. Và ở cấp hệ thống, cần nghiên cứu những mô hình bảo đảm chất lượng có thể vận hành trong môi trường xuyên biên giới, chứng chỉ vi mô, học trực tuyến, dữ liệu liên thông và sự kết hợp giữa phán đoán của con người với phân tích thuật toán”.

Những câu chuyện về Luật Giáo dục đại học, Luật Nhà giáo, bảo đảm chất lượng ở phổ thông, kỳ thi tốt nghiệp, tuyển sinh đại học, chuẩn đầu ra, dashboard, đánh giá quá trình, rubric, hay AI… nhìn bề ngoài là rất khác nhau, nhưng chúng đang cùng đẩy lĩnh vực đánh giá, khảo thí về một câu hỏi trung tâm: bằng chứng nào cho phép chúng ta tin rằng một con người thực sự đã học, thực sự có năng lực và có thể sử dụng năng lực đó một cách có trách nhiệm?

“Trong kỷ nguyên AI, có lẽ chúng ta phải đi thêm một bước. Không chỉ đo kết quả học tập, không chỉ đo năng lực, mà phải bảo đảm được năng lực thực của con người trong một hệ người - máy. Chúng ta cần biết phần nào người học có thể tự làm, phần nào họ làm tốt hơn nhờ AI, phần nào không nên giao cho AI, và khi công nghệ tham gia vào sản phẩm thì trách nhiệm cuối cùng vẫn thuộc về ai”, Giáo sư Tiến sĩ Nguyễn Quý Thanh nhấn mạnh.