Tổng quan về luận án

Sự bùng nổ của chuyển đổi số giáo dục và cuộc Cách mạng công nghiệp lần thứ tư đã tái định hình căn bản phương thức tổ chức đào tạo đại học, chuyển dịch trọng tâm từ mô hình truyền thụ đồng loạt sang mô hình giáo dục thích ứng, lấy người học làm trung tâm. Luận án tiến sĩ chuyên ngành Lí luận, phương pháp và công nghệ dạy học với đề tài "Xây dựng mô hình hỗ trợ học tập cá nhân hóa dựa trên phong cách học tập cho sinh viên đại học trong môi trường trực tuyến" của nghiên cứu sinh Nguyễn Hòa Huy (Trường Đại học Giáo dục – Đại học Quốc gia Hà Nội, dưới sự hướng dẫn khoa học của PGS. Nguyễn Việt Anh và TS. Tôn Quang Cường) là công trình nghiên cứu tiên phong tại Việt Nam tích hợp liên ngành giữa khoa học giáo dục, khoa học máy tính và phân tích học tập (Learning Analytics) nhằm giải quyết bài toán tự động hóa cá nhân hóa học tập trên hệ thống quản trị học tập (LMS Moodle).

+-------------------------------------------------------------------------------+
|             BỐI CẢNH KHOA HỌC & CHUYỂN ĐỔI SỐ GIÁO DỤC ĐẠI HỌC                |
+-------------------------------------------------------------------------------+
                                        │
                                        ▼
+-------------------------------------------------------------------------------+
|                                RESEARCH GAP                                   |
| • Phần lớn HTCNH tập trung vào K-12; thiếu mô hình thích ứng cho đại học.    |
| • Nhận diện phong cách học tập (PCHT) phụ thuộc bảng hỏi tĩnh (LSI, VARK).    |
| • Thiếu cơ chế ánh xạ hành vi log LMS Moodle sang học liệu động theo thời gian thực.|
+-------------------------------------------------------------------------------+
                                        │
                                        ▼
+-------------------------------------------------------------------------------+
|                       KHUNG LÝ THUYẾT & MÔ HÌNH HÓA                           |
| • Lý thuyết học tập trải nghiệm (Experiential Learning Theory - Kolb)        |
| • Mô hình phong cách học tập đa chiều (FSLSM - Felder & Silverman)            |
| • Khung chấp nhận công nghệ hợp nhất (UTAUT Model - Venkatesh et al.)         |
+-------------------------------------------------------------------------------+
                                        │
                                        ▼
+-------------------------------------------------------------------------------+
|                         HỆ THỐNG PHẦN MỀM THỬ NGHIỆM                          |
| • Module tự động khai phá dữ liệu hành vi (K-Means, Fuzzy C-Means, SVM, XGBoost)|
| • Kiến trúc tích hợp trực tiếp vào LMS Moodle (Mã nguồn mở)                  |
| • Cơ chế phân quyền và gợi ý học liệu thích ứng (Adaptive Learning Paths)    |
+-------------------------------------------------------------------------------+
                                        │
                                        ▼
+-------------------------------------------------------------------------------+
|                         ĐÁNH GIÁ THỰC CHỨNG TOÀN DIỆN                         |
| • Kiểm định PLS-SEM (Mô hình UTAUT: R² = 0.68, Q² > 0, f² đo lường tác động) |
| • Đánh giá chuyên gia giáo dục & CNTT (Độ tin cậy Alpha, Tương quan Pearson)  |
| • Thực nghiệm sư phạm đối chứng (Học phần EDT2001 & EDT2002 tại ĐHQGHN)       |
+-------------------------------------------------------------------------------+

Khoảng trống nghiên cứu (research gap) trọng tâm mà luận án xác định xuất phát từ thực tế: đa số các công trình hỗ trợ học tập cá nhân hóa (Personalized Learning - PL) trên thế giới tập trung vào khối phổ thông (K-12) hoặc chỉ dừng lại ở các hệ thống thích ứng độc lập, thiếu khả năng tương thích với hạ tầng LMS chuẩn hóa tại các trường đại học. Hơn nữa, việc xác định phong cách học tập (Learning Styles - PCHT) truyền thống chủ yếu dựa vào các bảng hỏi tĩnh tự khai báo (self-report inventories) vốn bộc lộ nhiều hạn chế về tính cập nhật và độ khách quan.

Luận án thiết lập hệ thống 03 câu hỏi nghiên cứu tường minh:

  1. Các thành tố và mối quan hệ giữa các thành tố cấu thành mô hình hỗ trợ học tập cá nhân hóa được thiết kế và vận hành như thế nào trong môi trường trực tuyến?
  2. Các phương pháp, kỹ thuật học máy và phân tích dữ liệu nào được sử dụng để xây dựng thuật toán dự đoán phong cách học tập tự động và phát triển module phần mềm cá nhân hóa trên LMS Moodle?
  3. Mô hình hỗ trợ học tập cá nhân hóa dựa trên phong cách học tập có mức độ chấp nhận sử dụng ra sao theo mô hình UTAUT, được chuyên gia đánh giá như thế nào và tác động cụ thể ra sao đến kết quả học tập (điểm số, năng lực tự học) của sinh viên đại học?

Giả thuyết khoa học của luận án khẳng định: Nếu vận dụng hiệu quả mô hình hỗ trợ học tập cá nhân hóa trong môi trường trực tuyến dựa trên phong cách học tập, sinh viên đại học sẽ cải thiện rõ rệt và nâng cao kết quả học tập thực tế (điểm số kiểm tra và chất lượng tiếp thu tri thức).

Khung lý thuyết của công trình được định vị trên sự kết hợp đa tầng giữa:

  • Lý thuyết học tập trải nghiệm của Kolb (Experiential Learning Theory)
  • Mô hình phong cách học tập Felder - Silverman (FSLSM)
  • Mô hình chấp nhận và sử dụng công nghệ hợp nhất (Unified Theory of Acceptance and Use of Technology - UTAUT)
  • Tiêu chuẩn dữ liệu học tập quốc tế IMS Global Learning Consortium

Phạm vi nghiên cứu được thực hiện trong giai đoạn 2020 - 2023 trên nhóm sinh viên đại học chính quy thuộc khối ngành Khoa học giáo dục và Công nghệ thông tin tại hai đơn vị thành viên của Đại học Quốc gia Hà Nội: Trường Đại học Giáo dục và Trường Đại học Công nghệ.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy sự tiến hóa của học tập cá nhân hóa qua 4 làn sóng nghiên cứu chính:

  1. Hệ thống dạy học thích ứng thông minh (Intelligent Tutoring Systems - ITS): Tiêu biểu với các công trình của Arroyo et al. (2014) về hệ thống gia sư đa phương thức thích ứng theo trạng thái nhận thức và siêu nhận thức; Leyzberg et al. (2018) về tương tác người - máy qua robot gia sư cá nhân hóa; Smith et al. (2018) về đánh giá đa phương thức tự động.
  2. Chiến lược cá nhân hóa theo sở thích và phong cách học tập: Khởi xướng từ các nghiên cứu thực chứng của Walkington & Bernacki (2015, 2019) về cá nhân hóa bài toán đại số theo ngữ cảnh sở thích ngoài trường học; Hwang et al. (2012) về trò chơi giáo dục thích ứng dựa trên khía cạnh tuần tự/toàn cục của FSLSM.
  3. Môi trường học tập di động và nhận biết ngữ cảnh (Context-aware Ubiquitous Learning): Thể hiện rõ nét qua nghiên cứu của Chu et al. (2010), Hwang et al. (2010), Looi et al. (2009), và Basham et al. (2016) về hạ tầng đám mây và thiết bị di động hỗ trợ lộ trình học tập linh hoạt.
  4. Mô hình hóa hệ sinh thái và sự thích ứng của người dạy: Các đóng góp của García et al. (2015), Bingham et al. (2016), Olofson et al. (2018), và Waldrip et al. (2016) trong việc lượng hóa nhận thức và rào cản triển khai HTCNH cấp tổ chức.

Trong diễn đàn học thuật quốc tế, tồn tại cuộc tranh luận lý thuyết sâu sắc giữa hai trường phái:

  • Trường phái phản biện thuyết phong cách học tập (Pashler et al., 2008; Coffield et al., 2004) cho rằng việc dán nhãn phong cách học tập cố định qua bảng hỏi tự thuật không mang lại giá trị gia tăng rõ rệt cho kết quả học tập ("meshing hypothesis" thiếu bằng chứng thực nghiệm).
  • Trường phái công nghệ giáo dục hiện đại (Bajaj & Sharma, 2018; Bursac et al., 2019; Soboleva et al., 2022) lập luận rằng phong cách học tập không phải là thuộc tính bất biến mà là hành vi động (dynamic behavioral patterns), có thể nhận diện khách quan thông qua dữ liệu chuỗi thời gian (log data) và phân tích hành vi tương tác trên không gian số.
Tiêu chí phân tích Nghiên cứu quốc tế điển hình (Papanikolaou & Boubouka, 2020; Cardenas et al., 2022) Nghiên cứu tại Việt Nam trước đây (Dương Thị Kim Oanh et al., 2023; Bùi Thị Thúy Hằng, 2017) Luận án của NCS. Nguyễn Hòa Huy (2024)
Cơ chế xác định PCHT Tích hợp khảo sát tĩnh hoặc phân tích log cục bộ trên hệ thống đóng. Khảo sát tĩnh qua bảng hỏi (ILS, VARK, NEO-PI-R, LSQ). Khai phá dữ liệu hành vi tự động bằng Machine Learning kết hợp đánh giá thực chứng.
Môi trường triển khai Hệ thống Canvas LMS hoặc phần mềm chuyên dụng độc lập (AXMA Story Maker). Khảo sát mô tả thực trạng, thiếu module phần mềm tích hợp thực tế. Module tích hợp trực tiếp mã nguồn mở LMS Moodle chuẩn hóa.
Khung đánh giá Đánh giá trước - sau (Pre/Post-test) đơn lẻ. Thống kê mô tả tương quan. Đa phương pháp: Mô hình cấu trúc tuyến tính UTAUT + Đánh giá chuyên gia + Thực nghiệm sư phạm có đối chứng.

Luận án tự định vị là cầu nối giải quyết tranh luận học thuật nói trên: chuyển đổi việc đo lường phong cách học tập từ phương pháp trắc nghiệm tĩnh sang phương pháp khai phá dữ liệu học tập (Educational Data Mining - EDM) và phân tích hành vi tự động, tích hợp trực tiếp vào hạ tầng LMS Moodle đang được sử dụng phổ biến tại các trường đại học Việt Nam.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm sâu sắc thêm các hệ thống lý thuyết nền tảng trong khoa học giáo dục và công nghệ dạy học:

+-----------------------------------------------------------------------------------+
|               LÝ THUYẾT HỌC TẬP TRẢI NGHIỆM (KOLB, 2014)                          |
|         "Học tập là một quá trình trong đó kiến thức được hình thành              |
|                 thông qua việc chuyển hóa kinh nghiệm."                           |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|               MÔ HÌNH PHONG CÁCH HỌC TẬP FSLSM (FELDER & SILVERMAN)               |
|      (Trực quan/Trực giác - Thị giác/Thính giác - Tích cực/Phản ánh - Tuần tự/Tổng hợp) |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|            CƠ CHẾ ÁNH XẠ HÀNH VI TƯƠNG TÁC (BEHAVIORAL MAPPING MATRIX)             |
|   Log Hệ thống LMS Moodle (Navigation, Time spent, Resource access, Forum, Quiz)   |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                 MÔ HÌNH HỌC TẬP CÁ NHÂN HÓA DỰA TRÊN PCHT (PLBLS)                 |
|             "Học tập được cá nhân hóa là việc học tập phù hợp với                 |
|          điểm mạnh, nhu cầu và sở thích của mỗi người học..." (Patrick et al.)    |
+-----------------------------------------------------------------------------------+
  • Lý thuyết Học tập Trải nghiệm của David Kolb (2014): Khẳng định nguyên lý cốt lõi: "Học tập là một quá trình trong đó kiến thức được hình thành thông qua việc chuyển hóa kinh nghiệm" [3]. Luận án mở rộng lý thuyết này vào không gian số bằng cách chứng minh kinh nghiệm số (digital experience) được định lượng thông qua chuỗi hành vi tương tác trên LMS, từ đó cá nhân hóa vòng lặp học tập gồm trải nghiệm cụ thể, quan sát phản ánh, khái niệm hóa trừu tượng và thử nghiệm tích cực.
  • Mô hình Phong cách học tập Felder - Silverman (FSLSM): Luận án tái cấu trúc 4 chiều kích của FSLSM (Trực quan/Trực giác, Thị giác/Thính giác, Tích cực/Phản ánh, Tuần tự/Tổng hợp) thành tập hợp các chỉ số hành vi học tập trực tuyến (e-learning behavioral indicators), khắc phục triệt để điểm yếu phụ thuộc vào bản tự khai báo (self-report bias).
  • Định nghĩa chuẩn hóa về Học tập cá nhân hóa: Tác giả cụ thể hóa định nghĩa của Patrick et al. (2013): "Học tập được cá nhân hóa là việc học tập phù hợp với điểm mạnh, nhu cầu và sở thích của mỗi người học - bao gồm cả việc cho phép người học có tiếng nói và sự lựa chọn về cái gì, như thế nào, khi nào và ở đâu - để cung cấp sự linh hoạt và hỗ trợ để đảm bảo thông thạo các tiêu chuẩn cao nhất có thể" [2]; đồng thời tiếp thu định hướng của Lê Thái Hưng và Nguyễn Thái Hà (2021): "Học tập cá nhân hóa là một phương thức dạy học trong đó tốc độ học tập và cách tiếp cận dạy học được tối ưu hóa cho nhu cầu của mỗi người học" [87].

Khung phân tích độc đáo

Khung phân tích của mô hình hỗ trợ học tập cá nhân hóa dựa trên phong cách học tập (Personalized Learning based on Learning Styles - PLBLS) được xây dựng dựa trên sự hợp nhất của 3 trụ cột lý thuyết:

  1. Bản thể học hành vi người học (Learner Profile Ontology)
  2. Công nghệ phân lớp học máy (Machine Learning Classification Engine)
  3. Kiến trúc dịch vụ phân phối học liệu thích ứng (Adaptive Content Delivery Architecture)
       +-----------------------------------------------------------------+
       |               MÔ HÌNH PHÂN TÍCH PLBLS TỔNG THỂ                  |
       +-----------------------------------------------------------------+
                                        │
      ┌─────────────────────────────────┴─────────────────────────────────┐
      ▼                                                                   ▼
+───────────────────────────────+                   +──────────────────────────────────+
|      TRỤ CỘT 1: DỮ LIỆU       |                   |       TRỤ CỘT 2: THUẬT TOÁN      |
|  • Tương tác học liệu (PDF,   |                   |  • K-Means Clustering            |
|    Video, SCORM, Forum)       | ──[ Khai phá ]──> |  • Fuzzy C-Means                 |
|  • Tần suất, thời lượng truy cập|                 |  • Silhouette Score Validation   |
|  • Chuỗi thao tác giải bài tập|                   |  • Supervised Classifiers (SVM)  |
+───────────────────────────────+                   +──────────────────────────────────+
                                                                      │
                                                                 [ Phân loại ]
                                                                      │
                                                                      ▼
+──────────────────────────────────────────────────────────────────────────────────────+
|                             TRỤ CỘT 3: TỰ ĐỘNG THÍCH ỨNG                             |
|  • Module Moodle LMS tự động gán quyền truy cập học liệu theo nhóm PCHT               |
|  • Gợi ý lộ trình học tập cá nhân hóa (Visual, Auditory, Sequential, Global)         |
|  • Phản hồi thích ứng theo năng lực tiếp thu thời gian thực                          |
+────────────────────────────────────────────────----------------──────────────────────+

Mô hình thiết lập cơ chế ánh xạ ma trận hai chiều giữa hành vi học tập trên Moodle (số lần xem video, thời gian đọc tài liệu văn bản, tần suất tham gia diễn đàn thảo luận, tốc độ nộp bài trắc nghiệm) với các đặc trưng phong cách học tập tương ứng.

Điều kiện biên (boundary conditions) của mô hình được xác định rõ: áp dụng cho hệ thống đào tạo đại học theo tín chỉ có sử dụng LMS Moodle làm môi trường dạy học trực tuyến hoặc dạy học kết hợp (blended learning), nơi sinh viên có mức độ tự chủ học tập nhất định và hệ thống ghi nhận được đầy đủ dữ liệu log tương tác tối thiểu qua một chu kỳ học phần.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ lập trường nhận thức luận thực dụng (Pragmatism) và trường phái hậu thực chứng (Post-positivism), kết hợp thiết kế nghiên cứu đa phương pháp (Convergent Mixed-Methods Research Design) bao gồm: phân tích lý thuyết, mô hình hóa toán học, khai phá dữ liệu giáo dục, nghiên cứu điều tra định lượng và thực nghiệm sư phạm có nhóm đối chứng.

Thiết kế nghiên cứu đa cấp độ (Multi-level Design) được vận hành qua 3 giai đoạn chặt chẽ:

  • Giai đoạn 1 (Lý thuyết & Khảo sát thăm dò): Hệ thống hóa khung cơ sở lý luận, khảo sát thực trạng nhận thức của giảng viên và sinh viên về học tập cá nhân hóa.
  • Giai đoạn 2 (Thiết kế kỹ thuật & Thuật toán): Xây dựng tập dữ liệu hành vi, so sánh và lựa chọn thuật toán học máy phân cụm/phân loại phong cách học tập, phát triển module tích hợp trên nền LMS Moodle.
  • Giai đoạn 3 (Đánh giá thực chứng): Đánh giá mức độ chấp nhận của người dùng qua mô hình UTAUT, tham vấn hội đồng chuyên gia giáo dục - công nghệ và tổ chức thực nghiệm sư phạm đối chứng.

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu được thiết kế nhằm đảm bảo tính chuẩn xác và độ tin cậy khoa học tối đa:

[ Thu thập Log LMS & Bảng hỏi ] ──> [ Tiền xử lý & Chuẩn hóa dữ liệu ] ──> [ Phân tích Cụm & Đánh giá Silhouette ]
                                                                                            │
                                                                                            ▼
[ Thực nghiệm Sư phạm Đối chứng ] <── [ Kiểm định Mô hình UTAUT & PLS-SEM ] <── [ Tích hợp Module Moodle LMS ]
  • Công cụ đo lường và thang đo: Sử dụng bảng câu hỏi khảo sát mức độ chấp nhận công nghệ xây dựng theo thang đo Likert 5 mức độ kế thừa từ khung UTAUT tiêu chuẩn (Venkatesh et al.). Thang đo được thẩm định độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity) và độ tin cậy nhất quán nội tại qua hệ số Cronbach's Alpha ($\alpha > 0.80$) và độ tin cậy tổng hợp (Composite Reliability).
  • Kỹ thuật tam giác hóa (Triangulation): Kết hợp tam giác hóa dữ liệu (Data triangulation: dữ liệu log hệ thống, điểm số kiểm tra, bảng hỏi khảo sát), tam giác hóa phương pháp (Methodological triangulation: định tính từ ý kiến chuyên gia, định lượng từ mô hình cấu trúc tuyến tính và thống kê thực nghiệm) và tam giác hóa lý thuyết (FSLSM, Kolb, UTAUT).

Data và phân tích

Quá trình phân tích dữ liệu ứng dụng đồng thời các kỹ thuật thống kê và học máy hiện đại:

  1. Thuật toán học máy tự động xác định PCHT:

    • Triển khai so sánh các thuật toán phân cụm không giám sát: K-Means, Fuzzy C-Means trên tập đặc trưng hành vi người học. Đánh giá chất lượng phân cụm thông qua hệ số Silhouette Score trên các kịch bản số cụm khác nhau ($k=3, k=4, k=5$) nhằm tìm ra cấu trúc phân cụm tối ưu tương thích với các chiều của FSLSM.
    • Huấn luyện các mô hình học có giám sát: Support Vector Machines (SVM), K-Nearest Neighbors (KNN) và eXtreme Gradient Boosting (XGBoost) nhằm dự đoán phân lớp phong cách học tập dựa trên dữ liệu tương tác mới phát sinh.

  2. Kiểm định mô hình cấu trúc tuyến tính (PLS-SEM) cho khung UTAUT:

    • Đánh giá hiện tượng đa cộng tuyến qua chỉ số VIF (Variance Inflation Factor).
    • Đo lường năng lực giải thích của mô hình thông qua hệ số xác định $R^2$, năng lực dự báo ngoài mẫu qua chỉ số $Q^2$ của Stone-Geisser ($Q^2 > 0$).
    • Tính toán quy mô tác động $f^2$ để lượng hóa mức độ ảnh hưởng của từng nhân tố độc lập lên ý định và hành vi sử dụng hệ thống.
    • Phân tích các mối quan hệ tác động trực tiếp và gián tiếp (Direct & Indirect Effects) bằng kỹ thuật Bootstrap với độ tin cậy 95%.

  3. Phân tích thống kê thực nghiệm sư phạm:

    • Mẫu thực nghiệm gồm sinh viên tại hai lớp học phần chuyên ngành thuộc Đại học Quốc gia Hà Nội:
      • Học phần Nhập môn Công nghệ giáo dục (mã EDT2001): Lớp thực nghiệm EDT2001.2 và Lớp đối chứng EDT2001.3.
      • Học phần Ứng dụng ICT trong giáo dục (mã EDT2002): Lớp thực nghiệm EDT2002.6 và Lớp đối chứng EDT2002.2.
    • Thực hiện kiểm định đồng đều đầu vào (Pre-test) và so sánh chênh lệch kết quả đầu ra (Post-test) qua các tham số đặc trưng: giá trị trung bình ($\bar{X}$), độ lệch chuẩn ($SD$), kiểm định sai biệt $t$-Student ($p < 0.05$), quy mô ảnh hưởng Cohen's $d$, đồ thị tần suất tích lũy và phân loại học lực.

Phát hiện đột phá và implications

Những phát hiện then chốt

  • Phát hiện 1: Độ chính xác vượt trội của phương pháp nhận diện PCHT tự động qua log LMS. Thuật toán phân cụm kết hợp (K-Means/Fuzzy C-Means) được tối ưu hóa qua chỉ số Silhouette Score cho phép nhận diện chính xác các nhóm phong cách học tập chủ đạo của sinh viên từ dữ liệu hành vi thực tế trên Moodle mà không cần phụ thuộc vào bảng hỏi khảo sát định kỳ, giải quyết triệt để sự sai lệch do người học tự đánh giá thiếu khách quan.

  • Phát hiện 2: Sự cải thiện có ý nghĩa thống kê về kết quả học tập ở các lớp thực nghiệm. Dữ liệu thực nghiệm sư phạm tại hai học phần EDT2001 và EDT2002 chứng minh: điểm kiểm tra đầu ra của các lớp thực nghiệm (được hỗ trợ học tập cá nhân hóa qua module phần mềm) cao hơn vượt trội so với các lớp đối chứng (học theo phương thức truyền thống trên Moodle không có cá nhân hóa thích ứng). Kiểm định $t$-test độc lập cho thấy sự khác biệt mang ý nghĩa thống kê cao ($p < 0.01$), đồ thị tần suất tích lũy điểm số của lớp thực nghiệm dịch chuyển rõ rệt về phía phổ điểm khá - giỏi.

       SO SÁNH PHÂN PHỐI ĐIỂM ĐẦU RA GIỮA NHÓM THỰC NGHIỆM VÀ ĐỐI CHỨNG
       
  Tần suất (%)
    40 |                                     ┌─┐ (Lớp Thực nghiệm EDT2001.2 & EDT2002.6)
    35 |                                 ┌─┐ │ │
    30 |                                 │ │ │ │ ┌─┐
    25 |                         ┌─┐     │ │ │ │ │ │
    20 |                     ┌─┐ │ │     │ │ │ │ │ │
    15 |             ┌─┐ ┌─┐ │ │ │ │ ┌─┐ │ │ │ │ │ │ (Lớp Đối chứng EDT2001.3 & EDT2002.2)
    10 |         ┌─┐ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │
     5 |     ┌─┐ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │ │
     0 +─────┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴─┴───
            4   5   6   7   8   9   10   (Thang điểm 10)

  • Phát hiện 3: Mức độ chấp nhận và sẵn sàng sử dụng hệ thống ở mức rất cao. Kết quả phân tích mô hình UTAUT bằng PLS-SEM khẳng định các nhân tố: Kỳ vọng hiệu quả (Performance Expectancy), Kỳ vọng nỗ lực (Effort Expectancy), Ảnh hưởng xã hội (Social Influence) và Điều kiện thuận lợi (Facilitating Conditions) đều có tác động tích cực, giải thích phần lớn phương sai ($R^2 > 0.60$) của Ý định hành vi (Behavioral Intention) và Hành vi sử dụng (Use Behavior) hệ thống hỗ trợ học tập cá nhân hóa.

  • Phát hiện 4: Tính khả thi và độ tin cậy cao từ đánh giá chuyên gia. Ý kiến đánh giá từ hội đồng chuyên gia công nghệ thông tin và khoa học giáo dục đạt mức độ đồng thuận rất cao về tính cần thiết, tính khả thi, tính dễ dùng và tính hữu dụng của hệ thống phần mềm phát triển. Hệ số tương quan Pearson và các chỉ số nhất quán nội tại đều đạt mức tin cậy tiêu chuẩn quốc tế.

Implications đa chiều

  • Về mặt học thuật và lý thuyết: Cung cấp khung lý thuyết thực chứng chứng minh tính khả thi của việc tích hợp lý thuyết phong cách học tập FSLSM và học tập trải nghiệm Kolb vào kiến trúc phân tích học tập tự động. Mở rộng ranh giới nghiên cứu của công nghệ giáo dục đại học tại các quốc gia đang phát triển.
  • Về mặt phương pháp luận: Thiết lập một quy trình chuẩn hóa kết hợp giữa khai phá dữ liệu giáo dục (EDM), phát triển phần mềm plugin mở rộng trên Moodle và kiểm định thực nghiệm sư phạm có đối chứng, có thể tái lập trong các nghiên cứu tiếp theo.
  • Về mặt ứng dụng thực tiễn: Cung cấp trực tiếp cho các trường đại học một module phần mềm hoàn chỉnh, có khả năng cài đặt trực tiếp vào hệ thống LMS Moodle hiện hành để tự động phân quyền tài liệu, gợi ý học liệu đa phương tiện phù hợp với từng sinh viên mà không làm phát sinh chi phí bản quyền đắt đỏ.
  • Về mặt chính sách: Cung cấp cứ liệu khoa học chuẩn xác phục vụ việc triển khai Quyết định số 749/QĐ-TTg về "Chương trình chuyển đổi số Quốc gia đến năm 2025, định hướng đến năm 2030" và Quyết định số 131/QĐ-TTg của Thủ tướng Chính phủ về tăng cường ứng dụng CNTT và chuyển đổi số trong giáo dục, hướng tới mục tiêu "đào tạo cá thể hóa" ở bậc đại học.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu nội tại mang tính điều kiện biên:

  • Quy mô và phạm vi mẫu khảo sát: Nghiên cứu thực nghiệm sư phạm mới chỉ tập trung tại 02 cơ sở giáo dục thành viên thuộc Đại học Quốc gia Hà Nội (Trường Đại học Giáo dục và Trường Đại học Công nghệ) trên hai nhóm ngành cụ thể là Sư phạm/Công nghệ giáo dục và Công nghệ thông tin. Mức độ khái quát hóa sang các khối ngành xã hội, kinh tế hoặc y dược cần được tiếp tục kiểm chứng.
  • Môi trường nền tảng: Mô hình và module phần mềm được phát triển tối ưu hóa chuyên biệt cho hệ thống quản trị học tập Moodle LMS. Việc tương thích trên các nền tảng khác như Canvas, Blackboard hay Google Classroom đòi hỏi thiết kế lại các lớp tích hợp API.
  • Số lượng tham số cá nhân hóa: Luận án giới hạn trọng tâm vào tham số phong cách học tập (FSLSM). Các thuộc tính quan trọng khác của người học như trình độ kiến thức nền (prior knowledge), trạng thái cảm xúc (affective state) hay mục tiêu nghề nghiệp dài hạn chưa được kết hợp đồng thời trong mô hình phân cụm.

Chương trình nghiên cứu mở rộng trong giai đoạn 5 - 10 năm tới bao gồm:

  1. Nâng cấp thuật toán nhận diện PCHT bằng kỹ thuật học sâu chuỗi thời gian (Deep Learning / RNNs / Transformers) để mô hình hóa sự biến chuyển phong cách học tập theo thời gian thực (dynamic style shifts).
  2. Đa dạng hóa các tham số cá nhân hóa: tích hợp mô hình nhận thức, phong cách nhận thức và cảm xúc người học thông qua công nghệ phân tích cảm xúc văn bản diễn đàn hoặc phản hồi đa phương thức.
  3. Mở rộng thử nghiệm đa trung tâm tại nhiều cơ sở giáo dục đại học trên cả nước với các khối ngành đa dạng.
  4. Xây dựng chuẩn kết nối LTI (Learning Tools Interoperability) để module cá nhân hóa có thể hoạt động độc lập trên mọi nền tảng LMS phổ biến toàn cầu.

Tác động và ảnh hưởng

Luận án tạo ra tác động lan tỏa trên nhiều bình diện:

  • Tác động học thuật: Đóng góp một công trình nghiên cứu hệ thống, bài bản vào kho tàng y văn về công nghệ dạy học và giáo dục cá nhân hóa tại Việt Nam. Các bài báo khoa học công bố từ luận án trên các tạp chí chuyên ngành uy tín đã tạo nền tảng trích dẫn học thuật vững chắc cho cộng đồng nghiên cứu công nghệ giáo dục.
  • Tác động chuyển đổi cơ sở giáo dục: Giúp các cơ sở giáo dục đại học tối ưu hóa hạ tầng số sẵn có (LMS Moodle), nâng cao chất lượng dạy và học trực tuyến, giảm tỷ lệ sinh viên bỏ cuộc hoặc tụt hậu trong các khóa học e-Learning/Blended learning.
  • Tác động chính sách quốc gia: Hiện thực hóa các chỉ thị, nghị quyết của Đảng và Chính phủ về đổi mới căn bản, toàn diện giáo dục đại học và chiến lược chuyển đổi số quốc gia, chứng minh năng lực tự chủ công nghệ giáo dục của đội ngũ trí thức trong nước.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và nhà nghiên cứu trẻ: Tiếp cận được một khung phân tích liên ngành hoàn chỉnh, các công thức toán học và quy trình xử lý dữ liệu log học tập mẫu mực để kế thừa và phát triển các đề tài chuyên sâu về Learning Analytics và Adaptive Learning.
  • Giảng viên đại học: Được trang bị công cụ tự động theo dõi, thấu hiểu phong cách học tập của sinh viên trong lớp học số, từ đó linh hoạt điều chỉnh chiến lược sư phạm, phân phối học liệu (video, text, bài tập tình huống) phù hợp mà không mất thêm thời gian phân loại thủ công.
  • Sinh viên đại học: Trực tiếp trải nghiệm môi trường học tập thích ứng, nhận được học liệu phù hợp với sở trường tiếp thu cá nhân, nâng cao tính tự giác, tối ưu hóa thời gian tự học và cải thiện kết quả học tập rõ rệt.
  • Cán bộ quản trị hệ thống và lãnh đạo trường đại học: Sở hữu giải pháp phần mềm module mã nguồn mở tích hợp LMS Moodle có chi phí triển khai tối ưu, giúp nâng cao hiệu quả quản trị đào tạo và nâng tầm chất lượng kiểm định giáo dục số.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp lý thuyết độc đáo nhất là việc mở rộng Mô hình Phong cách Học tập Felder - Silverman (FSLSM) và Lý thuyết Học tập Trải nghiệm của Kolb vào không gian số thông qua cơ chế ánh xạ hành vi tự động (Automated Behavioral Mapping). Luận án đã chuyển dịch FSLSM từ một cấu trúc tĩnh dựa trên bảng hỏi tự đánh giá sang một mô hình động dựa trên phân tích chuỗi tương tác thực tế của người học trên hệ thống LMS Moodle, tạo cơ sở lý luận vững chắc cho khái niệm "hồ sơ phong cách học tập số" (Digital Learning Style Profile).

2. Điểm đột phá về phương pháp luận so với các nghiên cứu trước đây là gì?

So với các nghiên cứu quốc tế (như Papanikolaou & Boubouka, 2020; Cardenas et al., 2022) hoặc nghiên cứu trong nước (Dương Thị Kim Oanh et al., 2023), luận án không dừng lại ở mức độ khảo sát mô tả hay thiết kế lý thuyết, mà đã kiến tạo một quy trình nghiên cứu khép kín: từ mô hình toán học (thuật toán phân cụm K-Means, Fuzzy C-Means kết hợp đánh giá Silhouette Score) đến xây dựng sản phẩm phần mềm thực tế (module LMS Moodle), và thẩm định qua mô hình cấu trúc tuyến tính PLS-SEM (khung UTAUT) kết hợp thực nghiệm sư phạm có đối chứng trên các lớp học phần thực tế (EDT2001 và EDT2002).

3. Phát hiện thực nghiệm nào gây bất ngờ và có ý nghĩa nhất trong dữ liệu?

Phát hiện có ý nghĩa nhất là sự cải thiện vượt trội và đồng đều về phân phối điểm số của sinh viên lớp thực nghiệm so với lớp đối chứng. Việc tiếp cận học liệu phù hợp với phong cách học tập giúp sinh viên thuộc nhóm có học lực ban đầu trung bình - khá bứt phá lên nhóm khá - giỏi với độ tin cậy thống kê cao ($p < 0.01$), minh chứng rằng cá nhân hóa học tập chính là đòn bẩy thu hẹp khoảng cách tiếp thu kiến thức trong giáo dục đại học trực tuyến.

4. Luận án có cung cấp quy trình tái lập (Replication Protocol) hoàn chỉnh không?

Hoàn toàn có. Luận án cung cấp chi tiết trong phần phụ lục và các chương nội dung về: cấu trúc bảng hỏi khảo sát chuẩn hóa, đề cương chi tiết học phần thực nghiệm (EDT2001 và EDT2002), bộ câu hỏi kiểm tra đánh giá đầu vào - đầu ra, kiến trúc tích hợp cơ sở dữ liệu và module mở rộng trên Moodle LMS, cũng như các tham số thống kê kiểm định. Điều này cho phép các nhà nghiên cứu độc lập dễ dàng tái lập mô hình trong các bối cảnh đào tạo khác.

5. Lộ trình phát triển nghiên cứu 10 năm tới được định hình như thế nào?

Luận án vạch ra lộ trình 10 năm hướng tới xây dựng hệ sinh thái học tập thích ứng thông minh toàn diện: nâng cấp thuật toán sang học sâu (Deep Learning) nhận diện phong cách đa biến theo thời gian thực; tích hợp trí tuệ nhân tạo tạo sinh (Generative AI) để tự động biên soạn học liệu thích ứng theo từng phong cách học tập; và mở rộng chuẩn hóa API (LTI standard) để áp dụng đồng bộ trên toàn bộ hệ thống giáo dục đại học quốc gia.

Kết luận

Luận án tiến sĩ của NCS. Nguyễn Hòa Huy là một công trình khoa học mẫu mực, kết tinh sự giao thoa liên ngành giữa Lý luận dạy học hiện đại và Công nghệ thông tin tiên tiến. Những đóng góp cụ thể và di sản khoa học của công trình được tóm lược qua 5 điểm cốt lõi:

  1. Chuẩn hóa hệ thống cơ sở lý luận về học tập cá nhân hóa và phong cách học tập trong bối cảnh đào tạo đại học trực tuyến tại Việt Nam.
  2. Đề xuất thành công mô hình học tập cá nhân hóa dựa trên phong cách học tập (PLBLS) với cơ chế vận hành logic, khoa học và chặt chẽ.
  3. Phát triển hoàn chỉnh giải pháp kỹ thuật và thuật toán học máy tự động xác định phong cách học tập từ dữ liệu log, tích hợp trực tiếp thành module phần mềm trên LMS Moodle.
  4. Kiểm định thực chứng toàn diện qua mô hình chấp nhận công nghệ UTAUT (sử dụng PLS-SEM), đánh giá chuyên gia và thực nghiệm sư phạm có đối chứng, chứng minh sự nâng cao rõ rệt về kết quả học tập của sinh viên.
  5. Mở ra các hướng nghiên cứu mới về ứng dụng Phân tích học tập (Learning Analytics) và Trí tuệ nhân tạo (AI) trong giáo dục đại học thích ứng, đóng góp trực tiếp vào công cuộc chuyển đổi số giáo dục quốc gia.