Soạn nhận xét học bạ bằng AI: Tách đánh giá học tập khỏi soạn thảo

Hãy hình dung cuối học kỳ, trong cuộc họp khối lớp có người hỏi: “Có thể dùng AI tạo sinh để soạn nháp nhận xét học bạ không?” Giáo viên có trong tay phần tự đánh giá sau từng tiết học, sản phẩm học tập, bản tự đánh giá và ghi chú quan sát. Một mặt, họ muốn giảm thời gian chỉnh câu chữ; mặt khác, học sinh có ít hồ sơ càng có nguy cơ để AI lấp chỗ trống bằng những cách diễn đạt an toàn, chung chung.

Quan điểm của bài viết này rất rõ: chỉ giao cho AI tạo sinh việc diễn đạt các căn cứ đánh giá mà giáo viên đã xác định thành lời nhận xét. Con người phải quyết định trước đánh giá điều gì, dùng hồ sơ nào làm căn cứ và xử lý ra sao khi căn cứ chưa đủ. Điều kiện đưa vào vận hành nên là khả năng lần ngược từng câu về hồ sơ gốc để kiểm tra, chứ không phải câu chữ có tự nhiên hay không.

Tách việc soạn nhận xét khỏi quyết định đánh giá học tập

Hướng dẫn phiên bản 2.0 của Bộ Giáo dục, Văn hóa, Thể thao, Khoa học và Công nghệ Nhật Bản yêu cầu chỉ sử dụng AI tạo sinh trong nghiệp vụ trường học ở phạm vi mà nhân viên giáo dục có thể đánh giá mức độ phù hợp của đầu ra; cuối cùng chính họ phải kiểm tra, biên tập và chịu trách nhiệm về sản phẩm. Đồng thời, hướng dẫn cũng nêu việc tổng hợp cảm nhận sau giờ học và tạo bản nháp các loại văn bản là những ví dụ ứng dụng. [1]

Các thử nghiệm cũng không chỉ dừng ở việc viết văn bản. Thành phố Iwakura đã xem xét việc tạo nháp nhận xét học bạ và hồ sơ hướng dẫn học tập từ lịch sử học tập, tự đánh giá của học sinh và ghi chép quan sát của giáo viên như một trường hợp sử dụng trọng điểm của AI tạo sinh trong nghiệp vụ trường học. Báo cáo xếp hoạt động này là “hỗ trợ soạn nhận xét”, cùng nhóm với hỗ trợ cải thiện giờ học và hỗ trợ ứng phó với tình trạng không đến trường. [2] Đây là hoạt động ở giai đoạn thử nghiệm; điều đó không có nghĩa tính phù hợp của nhận xét được tạo ra hoặc kết quả học tập đã được chứng minh độc lập.

Điều cần tách biệt là quyết định đánh giá và soạn thảo câu chữ. Việc thứ nhất là chọn hồ sơ dựa trên mục tiêu học tập và đánh giá mức độ đạt được hoặc thay đổi. Việc thứ hai là diễn đạt nhận định đã được xác định thành câu chữ mà học sinh và phụ huynh có thể hiểu. Nếu giao cả hai việc cùng lúc cho AI, sẽ khó phân biệt thiếu căn cứ đánh giá với diễn đạt chưa tốt.

Lập “sổ căn cứ” trước, tạo câu chữ sau

Trước khi tạo nhận xét, hãy chuẩn bị sổ căn cứ cho từng học sinh. Tối thiểu cần tách mục tiêu học tập liên quan, loại hồ sơ, ngày ghi nhận, sự việc cụ thể, đánh giá của giáo viên và việc có thể dùng hồ sơ đó trong nhận xét hay không. Ví dụ giả định: “Trong bài thuyết trình nhóm tháng 9, em đã kiểm tra hai nguồn tài liệu và chỉnh sửa phần giải thích.” Sự việc này dễ xác minh lại hơn câu “tích cực trong thuyết trình”.

Sổ cũng cần ghi lại những hồ sơ không sử dụng. Không được biến tình trạng nghỉ học dài ngày, ít bài nộp, hay việc chỉ có giáo viên khác quan sát thành điểm 0 hoặc đánh giá tiêu cực. Hãy xem “không có ghi chép”, “tạm hoãn đánh giá” và “cần hỏi lại học sinh” là các trạng thái riêng. Đợi đến cuối năm học mới bắt đầu thu thập hồ sơ là quá muộn; hãy thống nhất mức độ chi tiết của việc ghi nhận từ đầu năm và kiểm tra các khoảng trống giữa học kỳ.

Có ba lựa chọn thực tế. Thứ nhất, không nhập thông tin cá nhân và chỉ yêu cầu AI phổ thông đưa ra ví dụ diễn đạt. Cách này dễ bắt đầu an toàn nhưng không gắn với căn cứ riêng của từng học sinh. Thứ hai, giáo viên điền sự kiện vào mẫu câu cố định. Cách này dễ giải thích, nhưng khối lượng công việc vẫn còn khi tổ hợp hồ sơ tăng lên. Thứ ba, cho AI truy cập sổ căn cứ trong môi trường được kiểm soát và xuất cả bản nháp lẫn nguồn tham chiếu. Cách này có thể tăng tính cá nhân hóa, nhưng chỉ chuẩn bị môi trường thôi không đảm bảo AI sẽ quyết định đánh giá đúng.

Vì vậy, hãy thử nghiệm cách thứ ba trong phạm vi hẹp. Hướng dẫn AI “không suy đoán đánh giá mới”, “không viết điểm mạnh hoặc điểm cần cải thiện nếu thiếu căn cứ” và “gắn mã định danh hồ sơ tham chiếu vào mỗi câu”. Trước khi sửa câu chữ, giáo viên kiểm tra nguồn tham chiếu có khớp với ý nghĩa hay không. Sau khi chỉnh cho dễ đọc, họ kiểm tra lại xem mức độ khẳng định về đánh giá có bị thay đổi không.

Không để những ghi chép ít gặp biến mất trong bản tóm tắt

Việc tổng hợp phần tự nhìn nhận của học sinh đã được thử nghiệm tại trường học. Trường trung học cơ sở Fujiyamadai thuộc thành phố Kasugai đã báo cáo một trường hợp dùng AI tạo sinh tổng hợp và phân loại cảm nhận sau chương trình rèn luyện kỹ năng xã hội. [3] Cần phân biệt mục đích nắm bắt xu hướng của cả nhóm với mục đích quyết định đánh giá học tập của một cá nhân.

Bản tóm tắt có thể làm nổi bật ý kiến phổ biến, nhưng cũng có thể làm nhạt đi một thay đổi ít gặp nhưng quan trọng. Chẳng hạn, nếu một học sinh thường viết rất ngắn lần đầu ghi một câu hỏi cụ thể, thì bản gốc đơn lẻ đó quan trọng hơn phần tổng kết cả lớp. Khi xử lý căn cứ cho nhận xét, đừng chỉ trả về những phân loại có nhiều hồ sơ; hãy hiển thị riêng hồ sơ không phân loại được, hồ sơ có xu hướng thay đổi so với trước và hồ sơ giáo viên đánh dấu cần xác nhận.

Bộ dữ liệu thử nghiệm cần gồm các trường hợp giả định không chỉ của học sinh có nhiều ghi chép mà còn của học sinh mới chuyển trường, nghỉ học dài ngày, sử dụng nhiều ngôn ngữ hoặc cần hỗ trợ đặc biệt. Hãy đo tỷ lệ không tạo câu thiếu căn cứ, tỷ lệ không bỏ sót hồ sơ quan trọng và thời gian giáo viên cần để kiểm tra nguồn tham chiếu, thay vì đo mức độ trôi chảy của bản nháp. Nếu thời gian kiểm tra không giảm, có thể cần đưa phần văn bản được tạo trở lại chỉ còn một số cách diễn đạt theo mẫu.

Môi trường có thể xử lý dữ liệu điểm số và phạm vi được phép xử lý là hai việc khác nhau

Hướng dẫn của Bộ Giáo dục Nhật Bản quy định không được nhập thông tin điểm số quan trọng và dữ liệu tương tự vào prompt, trừ trường hợp môi trường theo hợp đồng riêng có biện pháp phù hợp. [1] Báo cáo thử nghiệm năm 2026 mô tả môi trường kiểm chứng xử lý bảng điểm, sổ điểm danh, hồ sơ hướng dẫn học tập, phiếu bài tập và sản phẩm học tập, cũng như hỗ trợ soạn nhận xét có tham chiếu hồ sơ hướng dẫn. [4] Đây là báo cáo thử nghiệm do đơn vị nhận ủy thác thực hiện, không đảm bảo đó là tiêu chuẩn vận hành thực tế hay chứng minh hiệu quả.

Hội đồng giáo dục và nhà trường không nên quyết định có thể nhập thông tin hay không chỉ dựa trên việc “đã xóa tên chưa”. Kết hợp khối lớp, lớp học, lịch sử hoạt động hiếm gặp và phần tự do ghi chú có thể khiến người trong trường suy đoán được danh tính. Cần xác nhận ai được đọc sổ của lớp nào, quyền truy cập có còn sau khi chuyển công tác hay không, lịch sử tạo nội dung và văn bản đầu ra được lưu ở đâu.

Ủy ban Bảo vệ Thông tin Cá nhân Nhật Bản đã phân tích khoảng hai năm vụ việc rò rỉ thông tin và sự cố tương tự tại trường học, từ tháng 4 năm 2023 đến tháng 4 năm 2025, rồi công bố nguyên nhân và ví dụ về biện pháp ngăn tái diễn dành cho hội đồng giáo dục và nhân viên trường học. [5] Không nên mua công cụ soạn nhận xét như một tính năng AI độc lập; cần thẩm định cùng với quản lý thông tin của hội đồng giáo dục, hệ thống hỗ trợ nghiệp vụ trường học và quy trình vận hành thiết bị, tài khoản.

Thử nghiệm sao cho có thể dừng giữa năm học, không đợi đến cuối năm

Trình tự triển khai cần phù hợp với lịch năm học. Đầu năm, xác định tiêu chí đánh giá và sổ căn cứ; giữa học kỳ I, thử nghiệm bằng dữ liệu giả; trước khi kết thúc học kỳ, vận hành song song tại một số lớp giới hạn. Giữ lại các nhận xét được viết không dùng bản nháp AI và so sánh phần căn cứ bị thiếu, sai lệch trong cách diễn đạt và thời gian kiểm tra. Nếu chỉ bắt đầu dùng ngay trước khi chốt học bạ, sẽ không có thời gian quay lại quy trình cũ khi phát hiện vấn đề.

Trong năm học 2024, Hội đồng Giáo dục Tokyo chỉ định tổng cộng 20 trường — 9 trường tiếp tục tham gia và 11 trường mới — làm trường nghiên cứu AI tạo sinh, với các chủ đề gồm năng lực AI, ứng dụng trong giảng dạy và việc sử dụng AI của nhân viên trong công việc trường học. [6] Thử nghiệm điều kiện vận hành tại các trường có loại hình và hệ thống hỗ trợ khác nhau trước khi triển khai đồng loạt có thể là tài liệu tham khảo hữu ích khi hội đồng giáo dục xây dựng yêu cầu mua sắm.

Tuy nhiên, không nên áp dụng nguyên xi quy trình hiệu quả ở trường thử nghiệm sang nơi khác. Trước triển khai, hãy xác nhận riêng tại từng trường phạm vi kết nối từ thiết bị GIGA đến dữ liệu nghiệp vụ, vai trò của giáo viên chủ nhiệm và giáo viên bộ môn, người kiểm tra trong trường và việc cập nhật quyền khi sang năm học mới. Cũng cần giữ quy trình dự phòng để giáo viên có thể viết nhận xét từ sổ căn cứ khi mất mạng hoặc dịch vụ ngừng hoạt động.

Cách tiếp cận này không phù hợp nếu không có đủ nguồn lực ghi lại căn cứ đánh giá và giáo viên không thể kiểm tra nguồn tham chiếu của từng câu trong bản nháp AI. Nếu ưu tiên tạo câu chữ trong tình trạng đó, văn bản trau chuốt sẽ che khuất hồ sơ còn thiếu. Trước tiên cần xem lại cách ghi chép và phân công kiểm tra trong trường.

Gợi ý cho thực tiễn

Đề xuất 1: Chỉ giao phần diễn đạt cho AI sau khi đã chốt đánh giá. Tách mục tiêu học tập, sự việc cụ thể và nhận định của giáo viên vào sổ căn cứ; không để AI suy đoán đánh giá mới.

Đề xuất 2: Gắn nguồn tham chiếu vào bản nháp và kiểm tra riêng những hồ sơ ít gặp. Chỉ dựa vào kết quả tổng hợp có thể bỏ sót thay đổi của học sinh hoặc dấu hiệu cần hỗ trợ.

Đề xuất 3: Đưa lịch năm học và quy trình rút lui vào điều kiện mua sắm của hội đồng giáo dục. Kiểm tra cập nhật quyền, nơi lưu trữ, thời gian rà soát và phương án thay thế khi dừng; sau đó quyết định có mở rộng từ vận hành giới hạn hay không.

Tài liệu tham khảo

1. Bộ Giáo dục, Văn hóa, Thể thao, Khoa học và Công nghệ Nhật Bản “Hướng dẫn về sử dụng AI tạo sinh ở bậc giáo dục tiểu học và trung học cơ sở” Ver.2.0 (2024-12-26, ngày kiểm tra: 2026-09-24)
2. Bộ Giáo dục, Văn hóa, Thể thao, Khoa học và Công nghệ Nhật Bản “Báo cáo kết quả Dự án trình diễn thúc đẩy số hóa nghiệp vụ trường học thế hệ tiếp theo (nghiên cứu trình diễn về sử dụng AI tạo sinh trong nghiệp vụ trường học)” (2025-03, dự án năm tài khóa 2024, ngày kiểm tra: 2026-09-24)
3. Leading DX School “Hội nghị báo cáo kết quả trường thí điểm AI tạo sinh” (2024-04-23, ngày kiểm tra: 2026-09-24)
4. [Sky株式会社 “Báo cáo kết quả [Dự án III] thuộc ‘Nghiên cứu trình diễn việc sử dụng AI tạo sinh trong nghiệp vụ trường học ở môi trường an toàn, năm tài khóa 2025’”](https://www.mext.go.jp/content/20260304-mxt_shuukyo01-000041839_15.pdf) (2026-03-17, tài liệu do đơn vị thực hiện nộp, ngày kiểm tra: 2026-09-24)
5. Ủy ban Bảo vệ Thông tin Cá nhân Nhật Bản “Lưu ý về xử lý thông tin cá nhân dựa trên các vụ rò rỉ thông tin cá nhân tại trường học” (2025-06-25, ngày kiểm tra: 2026-09-24)
6. Hội đồng Giáo dục Tokyo “Về Dự án trường nghiên cứu AI tạo sinh năm tài khóa 2024” (cập nhật ngày 2024-05-27, ngày kiểm tra: 2026-09-24)

Bài viết này được thực hiện với sự hỗ trợ của AI và đã được rà soát tự động trước khi xuất bản. Ngày kiểm tra thông tin: 2026-09-24.