Tổng quan về luận án

Trong bối cảnh chuyển đổi số giáo dục theo định hướng phát triển giai đoạn 2016–2020 và tầm nhìn 2025 của ngành giáo dục Việt Nam, việc ứng dụng công nghệ thông tin vào đo lường và đánh giá năng lực ngoại ngữ đã trở thành một yêu cầu cấp thiết. Luận án tiến sĩ chuyên ngành Đo lường và Đánh giá trong Giáo dục (Mã số: 9140115) của tác giả Bùi Thị Kim Phượng, thực hiện tại Trường Đại học Giáo dục – Đại học Quốc gia Hà Nội dưới sự hướng dẫn khoa học của GS. Nguyễn Quý Thanh và PGS. Lê Thái Hưng, mang tiêu đề: "Xây dựng bài kiểm tra thích ứng bằng máy tính để đánh giá kiến thức từ vựng tiếp nhận tiếng Anh". Đây là công trình tiên phong tại Việt Nam tích hợp mô hình lý thuyết khảo thí hiện đại (Item Response Theory – IRT) với thuật toán kiểm tra thích ứng trên máy tính (Computerized Adaptive Testing – CAT) vào lĩnh vực đánh giá năng lực từ vựng tiếng Anh.

Khoảng trống nghiên cứu (research gap) cốt lõi xuất phát từ thực trạng các bài kiểm tra từ vựng truyền thống dạng cố định (fixed-form tests) tại Việt Nam thường bộc lộ nhiều hạn chế về hiệu suất đo lường, không phân hóa tối ưu năng lực người học ở các dải trình độ khác nhau và gây ra hiện tượng trần/sàn (ceiling/floor effects). Mặc dù Chương trình Giáo dục phổ thông môn Tiếng Anh 2018 (kèm theo Thông tư số 32/2018/TT-BGDĐT) đặt ra chuẩn đầu ra yêu cầu học sinh tích lũy khoảng 2.500 từ vựng sau bậc THPT (Bậc 3 theo Khung năng lực ngoại ngữ 6 bậc dùng cho Việt Nam), các nghiên cứu thực nghiệm gần đây chỉ ra rằng người học Việt Nam vẫn gặp khó khăn lớn và chưa đạt được dung lượng từ vựng này (Vu & Peters, 2021). Luận án giải quyết trực tiếp khoảng trống này bằng cách vận hành hai câu hỏi nghiên cứu then chốt:

  1. Câu hỏi nghiên cứu 1 (RQ1): Ngân hàng câu hỏi trắc nghiệm đánh giá kiến thức từ vựng tiếp nhận tiếng Anh được xây dựng và chuẩn hóa như thế nào theo chuẩn mực khảo thí hiện đại?
  2. Câu hỏi nghiên cứu 2 (RQ2): Bài kiểm tra thích ứng bằng máy tính được thiết kế và thực thi trên hệ thống UEd-CAT đánh giá kiến thức từ vựng tiếp nhận tiếng Anh của người học ngoại ngữ tại Việt Nam như thế nào?

Khung lý thuyết của công trình được định hình thông qua sự giao thoa giữa Lý thuyết Hồi đáp Câu hỏi (Wu & Adams, 2007; Lâm Quang Thiệp, 2010), khung quy trình phát triển kiểm tra thích ứng 5 giai đoạn (Thompson & Weiss, 2011), mô hình đánh giá từ vựng theo khía cạnh dạng từ – nghĩa (Nation, 2013; Read & Chapelle, 2001) và khung thiết kế bài thi ngôn ngữ (Bachman & Palmer, 1996).

Đóng góp đột phá của luận án là việc xây dựng thành công một ngân hàng câu hỏi song ngữ chuẩn hóa dựa trên Danh sách Từ vựng Thông dụng Mới (New General Service List – NGSL), được hiệu chuẩn tham số độ khó ($b$) và cân bằng thang đo (test equating) qua thiết kế câu hỏi neo (anchor items), sau đó tích hợp trực tiếp vào nền tảng thích ứng UEd-CAT (University of Education – Computerized Adaptive Testing). Phạm vi nghiên cứu được triển khai thực nghiệm từ tháng 12/2020 đến tháng 12/2023 trên nhóm khách thể là sinh viên các chuyên ngành kỹ thuật tại Hà Nội, mang lại ý nghĩa học thuật và giá trị ứng dụng thực tiễn cao cho công tác khảo thí ngoại ngữ tại Việt Nam.

Literature Review và Positioning

Tổng quan tài liệu trong luận án tổng hợp các dòng nghiên cứu lớn về lý thuyết đo lường và khảo thí ngôn ngữ. Về mặt tâm trắc học (psychometrics), sự chuyển dịch từ Lý thuyết Khảo thí Cổ điển (Classical Test Theory – CTT) sang Lý thuyết Hồi đáp Câu hỏi (IRT) phản ánh bước tiến căn bản trong việc khắc phục sự phụ thuộc vào mẫu kiểm tra và tách biệt hoàn toàn tham số năng lực thí sinh ($\theta$) khỏi tham số câu hỏi (Lâm Quang Thiệp, 2010; Carlson, 2020). Trong IRT, mối quan hệ giữa biến tiềm ẩn và xác suất trả lời đúng được biểu diễn toán học qua Đường cong Đặc trưng Câu hỏi (Item Characteristic Curve – ICC), dựa trên hai giả định cốt lõi: tính đơn chiều (unidimensionality) và tính độc lập cục bộ (local independence) (Hambleton & Swaminathan, 1985; Szabo, 2008).

Trong lĩnh vực thụ đắc và đánh giá từ vựng, tài liệu học thuật tồn tại những cuộc tranh luận lý thuyết sâu sắc giữa hai trường phái:

  1. Trường phái tiếp cận phát triển (Developmental Approach): Đại diện bởi Paribakht & Wesche (1997) với Thang đo Kiến thức Từ vựng (Vocabulary Knowledge Scale – VKS), giả định quá trình thụ đắc từ vựng diễn ra tuyến tính từ mức độ nhận biết hình thức, hiểu nghĩa thụ động đến khả năng sản sinh từ vựng chính xác trong ngữ cảnh ngữ pháp.
  2. Trường phái tiếp cận theo khía cạnh (Dimensional/Component Approach): Đại diện bởi Nation (2013) và Schmitt (2010, 2014), phân định kiến thức từ vựng thành ba trục độc lập: Hình thức (Form), Ý nghĩa (Meaning) và Sử dụng (Use), trong đó phân biệt rạch ròi giữa độ rộng từ vựng (vocabulary size/breadth) và độ sâu hiểu biết (vocabulary depth/strength) (Read, 2019; Milton, 2009).

Vị trí học thuật của luận án được xác lập rõ ràng tại điểm giao giữa kiểm tra độ rộng từ vựng tiếp nhận (receptive vocabulary size) và công nghệ thích ứng trên máy tính. Luận án đặt trọng tâm vào mối liên kết giữa dạng từ viết (written form) và nhận diện nghĩa (meaning recognition) – khía cạnh được Webb & Chang (2012) và Schmitt et al. (2017) khẳng định là "nền tảng cho tất cả các hoạt động sử dụng ngôn ngữ".

Khi đối sánh với các công trình quốc tế tiêu biểu:

  • So sánh với CATSS (Computer Adaptive Test of Size and Strength) của Laufer và cộng sự: CATSS đánh giá đồng thời cả độ rộng và độ sâu từ vựng nhưng đối mặt với thách thức phức tạp về thời lượng và độ phân hóa câu hỏi đa mức độ. Luận án chọn lọc tối ưu hóa phép đo bằng cách tập trung kiểm tra kiến thức tiếp nhận thụ động, rút ngắn thời gian làm bài nhưng vẫn đạt độ chính xác tương đương.
  • So sánh với hệ thống CAT-WPLT (Word Part Levels Test) và NGSLT (New General Service List Test) của Stoeckel & Bennett (2015) và Browne et al.: Các bài kiểm tra truyền thống như Vocabulary Levels Test (VLT) của Nation hay NGSLT nguyên bản là các bài thi tuyến tính cố định. Việc tác giả luận án chuyển hóa danh sách từ vựng NGSL thành định dạng song ngữ Anh – Việt và ứng dụng giải thuật chọn câu hỏi tối đa hóa hàm thông tin Fisher trong CAT đã nâng cao hiệu suất phân loại người học vượt trội so với các công cụ tĩnh trước đó.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm chứng các lý thuyết đo lường giáo dục hiện đại trong bối cảnh ngôn ngữ đặc thù của người học Việt Nam:

  1. Kiểm chứng mô hình Rasch 1 tham số (1PL-IRT): Mở rộng lý thuyết của Wu & Adams (2007) bằng cách chứng minh tính khả thi của mô hình Rasch trong việc chuẩn hóa các câu hỏi trắc nghiệm từ vựng tiếp nhận song ngữ, xác thực tính bất biến của tham số độ khó ($b$) và tham số năng lực ($\theta$).
  2. Cụ thể hóa Khung Đánh giá Từ vựng của Read & Chapelle (2001): Khung lý thuyết của Read & Chapelle được vận dụng để làm sáng tỏ mối quan hệ giữa ba thuyết xác định cấu trúc: Thuyết Năng lực (Trait Theory), Thuyết Hành vi (Behaviorist Theory) và Thuyết Tương tác (Interactionist Theory). Luận án định vị bài kiểm tra thích ứng từ vựng tiếp nhận theo Thuyết Năng lực độc lập với ngữ cảnh (context-independent discrete testing), chứng minh rằng việc đo lường nhận diện dạng từ – nghĩa mang lại suy luận có độ giá trị cấu trúc cao (construct validity) cho việc dự báo năng lực ngôn ngữ tổng quát (Lin & Morrison, 2010).
  3. Phát triển Mô hình Thích ứng Ngôn ngữ (CALT Framework): Đóng góp bằng chứng thực nghiệm củng cố mô hình 5 giai đoạn phát triển CAT của Thompson & Weiss (2011), thiết lập quy chuẩn quy trình từ nghiên cứu tính khả thi, phân tích tâm trắc, cân bằng đề thi qua câu hỏi neo, đến lập trình thuật toán thích ứng thời gian thực.

Khung phân tích độc đáo

Khung phân tích của luận án là sự tích hợp đa tầng giữa ba cấu trúc lý thuyết cốt lõi:

  • Tầng 1 - Nền tảng Tâm trắc học (Psychometric Core): Vận dụng mô hình hồi đáp câu hỏi nhị phân (dichotomous Rasch model), mô tả xác suất $P_i(\theta)$ trả lời đúng câu hỏi $i$ của thí sinh có mức năng lực $\theta$: $$P_i(\theta) = \frac{e^{(\theta - b_i)}}{1 + e^{(\theta - b_i)}}$$
  • Tầng 2 - Khung Phát triển Hệ thống CAT (Adaptive Architecture): Cấu trúc vận hành theo chu trình Thompson & Weiss (2011) gồm: Điểm khởi đầu (Initial ability $\theta_0 = 0.0$), Thuật toán lựa chọn câu hỏi kế tiếp (Maximum Information Criterion), Thuật toán ước lượng năng lực tạm thời (Maximum Likelihood Estimation - MLE hoặc Bayesian EAP), và Tiêu chí kết thúc kiểm tra (dừng theo độ dài cố định $N$ câu hoặc sai số chuẩn đo lường $SEM \le 0.30$).
  • Tầng 3 - Khung Đo lường Bản thể Từ vựng (Vocabulary Construct): Dựa trên danh sách tần suất từ vựng New General Service List (NGSL), cấu trúc hóa kiến thức từ vựng theo các dải tần suất 1.000 từ, 2.000 từ và các mức độ học thuật, chuyển đổi sang định dạng trắc nghiệm 4 lựa chọn có bản địa hóa nghĩa tiếng Việt chính xác.

Điều kiện biên (boundary conditions) của khung phân tích được xác định rõ: Khung chỉ áp dụng cho việc đo lường kiến thức từ vựng tiếp nhận dạng viết (receptive written vocabulary knowledge) ở cấp độ nhận biết ngữ nghĩa cơ bản, không suy diễn trực tiếp cho năng lực từ vựng sản sinh (productive vocabulary) hoặc năng lực sử dụng từ trong ngữ cảnh giao tiếp phức tạp (collocation/pragmatic use).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ thế giới quan thực chứng / hậu thực chứng (post-positivism) với phương pháp tiếp cận hỗn hợp đa giai đoạn (sequential mixed-methods design), trong đó định lượng giữ vai trò chủ đạo và định tính đóng vai trò thẩm định, giải thích:

  • Cấp độ định tính: Sử dụng phương pháp chuyên gia (chuyên gia đo lường đánh giá và giảng viên ngôn ngữ Anh) để thẩm định độ giá trị nội dung (content validity), độ chuẩn xác ngôn ngữ và cấu trúc của các câu hỏi thô; kết hợp phỏng vấn sâu bán cấu trúc thí sinh sau trải nghiệm thi thích ứng.
  • Cấp độ định lượng: Thử nghiệm diện rộng 7 đề kiểm tra (Đề 1 đến Đề 7), phân tích thống kê tâm trắc IRT để sàng lọc câu hỏi, hiệu chuẩn tham số, cân bằng thang đo bằng phương pháp neo liên kết, và đánh giá thuật toán thích ứng trên hệ thống UEd-CAT.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được tiến hành nghiêm ngặt qua 4 bước chuẩn hóa:

  1. Biên soạn và Thẩm định Bộ câu hỏi thô: Thiết kế ngân hàng mục hỏi trắc nghiệm 4 lựa chọn dựa trên khung chuẩn NGSL. Nhóm chuyên gia tiến hành thẩm định độc lập theo bảng tiêu chí định tính, chỉnh sửa các phương án nhiễu (distractors) và cấu trúc câu dẫn.
  2. Thu thập dữ liệu thử nghiệm (Pilot Testing): 7 dạng đề thử nghiệm được phân bổ cho các nhóm sinh viên đại học khối ngành kỹ thuật tại Hà Nội. Thiết kế thu thập dữ liệu sử dụng mô hình câu hỏi neo liên kết (anchor items design) cài cắm giữa các đề (ví dụ: các câu hỏi chung giữa Đề 1, Đề 4, Đề 6, Đề 7) nhằm tạo cơ sở liên kết tham số trên một thước đo chung duy nhất.
  3. Phân tích Psychometric và Cân bằng thang đo: Sử dụng phần mềm chuyên dụng ACER ConQuest để ước lượng tham số độ khó ($b$) theo mô hình Rasch. Các chỉ số kiểm định sự phù hợp (Item Fit Statistics) gồm chỉ số Infit MNSQ và Outfit MNSQ (ngưỡng chấp nhận $0.77 \le MNSQ \le 1.30$, tương ứng $t$-statistic trong khoảng $[-2.0; +2.0]$) được áp dụng để loại bỏ các câu hỏi không phù hợp với mô hình hoặc vi phạm giả định độc lập cục bộ.
  4. Chuẩn hóa và Tích hợp hệ thống: Thực hiện phép biến đổi tuyến tính để cân bằng độ khó của toàn bộ ngân hàng câu hỏi về cùng một thang đo chuẩn tắc, sau đó nhập dữ liệu tham số vào hệ thống UEd-CAT.

Data và phân tích

Hệ thống công cụ và phần mềm xử lý dữ liệu bao gồm:

  • ACER ConQuest: Hiệu chuẩn tham số mô hình Rasch, vẽ bản đồ phân bố năng lực thí sinh và độ khó câu hỏi (Wright Map / Variable Map), xuất đường cong ICC cho từng câu hỏi kiểm tra (như câu hỏi 66 Đề mẫu, câu hỏi 20 Đề 4).
  • SPSS & R: Kiểm định độ tin cậy nội tại (hệ số Cronbach’s Alpha, chỉ số phân tách phân bố năng lực / Separation Reliability), thống kê mô tả thời gian làm bài, tính toán sai số chuẩn ước lượng năng lực ($SEM$), phân tích tương quan Pearson ($r$) giữa điểm số bài kiểm tra thích ứng và bài kiểm tra tuyến tính cố định.
  • Dữ liệu kiểm chuẩn: Hệ số tin cậy của các đề thử nghiệm đều đạt mức cao ($\alpha > 0.80$, độ tin cậy độc lập của câu hỏi và thí sinh đạt chuẩn quốc tế). Các trường hợp dị biệt (outliers), câu hỏi có đường cong ICC bất thường hoặc mức độ phân biệt âm đều được loại bỏ hoặc biên tập lại một cách minh bạch trước khi đưa vào ngân hàng chính thức.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu chuẩn thành công Ngân hàng Câu hỏi Chuẩn hóa: Qua quá trình phân tích tâm trắc bằng ConQuest trên 7 đề thi thử nghiệm, luận án đã xác định chính xác các tham số độ khó ($b$) trải rộng trên thang đo logit (từ mức rất dễ $b < -2.0$ đến mức rất khó $b > +2.0$), khớp hoàn hảo với dải phân bố năng lực ($\theta$) của sinh viên Việt Nam trên bản đồ Wright Map.
  2. Tối ưu hóa hiệu suất đo lường và giảm thời lượng kiểm tra: Kết quả thử nghiệm trên hệ thống UEd-CAT chứng minh bài kiểm tra thích ứng chỉ cần trung bình 20–25 câu hỏi để đạt được sai số chuẩn đo lường tối ưu ($SEM < 0.30$), rút ngắn hơn 50% số lượng câu hỏi và thời gian làm bài so với bài thi cố định truyền thống (thường yêu cầu 50–100 câu) mà vẫn đảm bảo độ tin cậy tương đương ($p < 0.001$).
  3. Mô hình hóa chính xác lộ trình thích ứng cá nhân hóa: Dữ liệu nhật ký hệ thống (log files) phân tích các trường hợp thí sinh cụ thể (như thí sinh HONG, DAN, MDUC, LINH) chỉ ra rõ nét thuật toán thích ứng: Khi thí sinh trả lời đúng, hệ thống lập tức nâng độ khó câu hỏi tiếp theo; khi trả lời sai, hệ thống hạ độ khó để tiệm cận vùng năng lực thực. Sai số chuẩn ($SEM$) giảm mạnh và hội tụ nhanh chóng sau 15–20 bước nhảy ứng đáp.
  4. Tương quan mạnh mẽ giữa điểm thích ứng và bài thi chuẩn hóa cố định: Phân tích tương quan Pearson giữa năng lực ước lượng qua CAT và điểm số thực tế trên bài thi cố định của 98 thí sinh đạt hệ số tương quan rất cao ($r > 0.85$, $p < 0.0001$), khẳng định độ giá trị đồng quy (convergent validity) vượt trội của công cụ.
  5. Nhận thức tích cực và giảm áp lực tâm lý cho người học: Dữ liệu khảo sát và phỏng vấn định tính xác nhận người học đánh giá cao giao diện tương tác của UEd-CAT, cảm nhận bài thi vừa sức, phản ánh đúng trình độ thực tế và giảm thiểu cảm giác mệt mỏi, lo âu thi cử so với các bài thi trên giấy kéo dài.

Implications đa chiều

  • Về mặt Lý thuyết: Công trình cung cấp minh chứng thực nghiệm khẳng định tính tương thích hoàn hảo giữa lý thuyết khảo thí hiện đại IRT và bản thể học từ vựng tiếp nhận (NGSL), mở ra hướng nghiên cứu mới trong việc kết hợp tâm trắc học tính toán với thụ đắc ngôn ngữ thứ hai (SLA).
  • Về mặt Phương pháp luận: Thiết lập quy trình mẫu mực về thiết kế câu hỏi neo liên kết để cân bằng đề thi trong điều kiện kiểm tra đa đề tại Việt Nam – một tài liệu tham khảo phương pháp luận có giá trị cao cho các nghiên cứu đo lường giáo dục tiếp theo.
  • Về mặt Thực tiễn giáo dục: Cung cấp cho các trường đại học một công cụ kiểm tra chẩn đoán (diagnostic testing) và xếp lớp (placement testing) tự động hóa, chính xác, tiết kiệm tối đa thời gian, nguồn lực tổ chức thi và chống gian lận hiệu quả nhờ ngân hàng thích ứng linh hoạt.
  • Về mặt Chính sách: Cung cấp cơ sở khoa học xác thực hỗ trợ Đề án Ngoại ngữ Quốc gia và Bộ Giáo dục và Đào tạo trong việc xây dựng các chuẩn đánh giá định kỳ dựa trên công nghệ số, hỗ trợ việc hiện thực hóa các mục tiêu chuẩn đầu ra từ vựng của Chương trình GDPT 2018.

Limitations và Future Research

Luận án thừa nhận một số giới hạn nghiên cứu khách quan:

  1. Phạm vi mẫu khảo sát: Khách thể nghiên cứu tập trung chủ yếu vào sinh viên khối ngành kỹ thuật tại một trường đại học ở Hà Nội, điều này đặt ra giới hạn nhất định về tính khái quát hóa (generalizability) đối với người học ở các khối ngành khoa học xã hội hoặc học sinh phổ thông ở các vùng miền khác nhau.
  2. Phạm vi cấu trúc đo lường: Luận án mới chỉ tập trung vào kiến thức từ vựng tiếp nhận dạng viết (receptive written vocabulary) thông qua nhận diện nghĩa song ngữ Anh – Việt từ danh sách NGSL; chưa bao quát kiến thức từ vựng sản sinh (productive vocabulary), từ vựng tiếp nhận qua kênh nghe (spoken vocabulary), hay các khía cạnh chiều sâu như cụm từ cố định (collocations) và ngữ dụng học (pragmatics).
  3. Quy mô ngân hàng câu hỏi: Mặc dù ngân hàng câu hỏi đã được chuẩn hóa và cân bằng tốt, quy mô tổng thể vẫn cần tiếp tục mở rộng để ngăn ngừa nguy cơ lộ đề (item exposure rate) khi triển khai kiểm tra trên diện rộng với mật độ cao.

Các hướng nghiên cứu tương lai được đề xuất:

  • Mở rộng ngân hàng câu hỏi thích ứng lên các tập từ vựng học thuật chuyên sâu (Academic Word List – AWL, TOEIC/IELTS vocabulary) và cân chỉnh theo Khung năng lực ngoại ngữ 6 bậc dùng cho Việt Nam (VSTEP).
  • Phát triển mô hình CAT đa chiều (Multidimensional Computerized Adaptive Testing – MCAT) tích hợp đánh giá đồng thời cả 4 kỹ năng Nghe – Nói – Đọc – Viết và từ vựng đa tầng.
  • Tích hợp trí tuệ nhân tạo tạo sinh (Generative AI) và xử lý ngôn ngữ tự nhiên (NLP) để tự động sinh câu hỏi và phương án nhiễu, đẩy nhanh quá trình làm mới ngân hàng mục hỏi.

Tác động và ảnh hưởng

  • Tác động Học thuật: Dự kiến tạo lập nguồn trích dẫn quan trọng cho các nghiên cứu chuyên ngành Đo lường & Đánh giá giáo dục và Ngôn ngữ học ứng dụng tại Việt Nam, trở thành công trình tham chiếu tiêu chuẩn về quy trình chuẩn hóa ngân hàng câu hỏi thích ứng.
  • Chuyển đổi Giáo dục Đại học: Trực tiếp đóng góp giải pháp công nghệ khảo thí cho nền tảng UEd-CAT / UEd-ALS của Trường Đại học Giáo dục – ĐHQGHN và Trường Đại học Bách khoa Hà Nội, thúc đẩy hiện đại hóa hạ tầng kiểm tra đánh giá số.
  • Lợi ích Xã hội & Quốc tế: Tiết kiệm hàng ngàn giờ thi và chi phí in ấn, giám thị hàng năm; đồng thời đóng góp một mô hình kiểm tra thích ứng song ngữ có thể chuyển giao cho các quốc gia đang phát triển trong khu vực Đông Nam Á.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà nghiên cứu Khảo thí: Tiếp cận quy trình thực nghiệm chuẩn hóa IRT, giải thuật cân bằng đề qua câu hỏi neo và phương pháp phân tích ConQuest.
  • Giảng viên & Cơ sở Đào tạo Ngoại ngữ: Sở hữu công cụ đánh giá chẩn đoán nhanh, chính xác dung lượng từ vựng đầu vào của sinh viên để phân lớp và điều chỉnh giáo trình phù hợp.
  • Người học Tiếng Anh: Được trải nghiệm bài kiểm tra cá nhân hóa, nhận phản hồi tức thì về mức năng lực từ vựng mà không phải chịu áp lực thi cử căng thẳng kéo dài.
  • Cơ quan Quản lý Giáo dục: Có căn cứ khoa học định lượng để giám sát, đánh giá hiệu quả chương trình đào tạo tiếng Anh chuẩn quốc gia.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Luận án đã mở rộng và chuẩn hóa thực nghiệm mô hình Rasch 1 tham số (1PL-IRT) trong việc đo lường cấu trúc từ vựng tiếp nhận song ngữ Anh – Việt trên cơ sở danh mục NGSL. Công trình chứng minh rằng trong điều kiện kiểm tra thích ứng cá nhân hóa, mối quan hệ đơn chiều giữa tham số năng lực thí sinh ($\theta$) và tham số độ khó mục hỏi ($b$) hoàn toàn bảo toàn tính bất biến tâm trắc, qua đó giải quyết triệt để vấn đề phụ thuộc mẫu của khảo thí cổ điển tại Việt Nam.

2. Đổi mới phương pháp luận của luận án so với các nghiên cứu trước đây?

So với các nghiên cứu xây dựng ngân hàng câu hỏi truyền thống ở Việt Nam (thường chỉ dừng lại ở phân tích CTT hoặc phân tích IRT cục bộ trên từng đề đơn lẻ), luận án đã thực hiện một bước tiến phương pháp luận đột phá: Thiết kế hệ thống câu hỏi neo liên kết (anchor items design) trên 7 đề thi thử nghiệm kết hợp giải thuật cân bằng tuyến tính trong ConQuest. Phương pháp này đảm bảo toàn bộ các tham số câu hỏi trong ngân hàng đều được quy đổi chuẩn xác về cùng một thang đo liên tục duy nhất trước khi nạp vào hệ thống CAT.

3. Phát hiện bất ngờ và thú vị nhất rút ra từ dữ liệu thực nghiệm?

Dữ liệu log-file của hệ thống UEd-CAT cho thấy một hiện tượng đo lường đáng chú ý: Đối với các thí sinh có dải năng lực trung bình và khá, sai số chuẩn ($SEM$) của bài thi giảm xuống dưới ngưỡng tối ưu ($0.30$) chỉ sau khoảng 18–22 câu hỏi thích ứng, với hệ số tương quan so với bài thi cố định 60 câu đạt $r = 0.88$. Điều này chứng minh rằng việc tiếp tục kéo dài số câu hỏi trong bài thi truyền thống không mang lại thêm giá trị thông tin đo lường đáng kể mà chỉ làm tăng sự mệt mỏi của thí sinh.

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

Có. Toàn bộ quy trình nghiên cứu được mô tả chi tiết và tường minh trong luận án: từ ma trận đặc tả đề thi, bảng tiêu chí chuyên gia, danh mục câu hỏi neo liên kết, mã lệnh phân tích ConQuest, cú pháp kiểm định trong SPSS/R, đến quy số liệu hiệu chuẩn và cấu hình thuật toán trên hệ thống UEd-CAT. Các nhà nghiên cứu khác hoàn toàn có thể sử dụng quy trình này để nhân rộng cho các kỹ năng ngôn ngữ khác.

5. Kế hoạch nghiên cứu 10 năm được định hình như thế nào?

Chiến lược dài hạn mở rộng từ luận án bao gồm: (1) Mở rộng ngân hàng câu hỏi thích ứng từ vựng lên 10.000 mục hỏi đa ngữ cảnh; (2) Tích hợp kiểm tra thích ứng đa chiều (MCAT) đánh giá tích hợp Từ vựng – Đọc hiểu – Nghe hiểu; (3) Triển khai hệ thống trên nền tảng đám mây phục vụ kiểm tra chuẩn hóa định kỳ cho hệ thống giáo dục quốc dân.

Kết luận

  1. Chuẩn hóa thành công Ngân hàng Mục hỏi Từ vựng Tiếp nhận: Xây dựng và kiểm định psychometric toàn diện ngân hàng câu hỏi song ngữ chuẩn hóa từ danh sách NGSL bằng mô hình Rasch 1PL.
  2. Thiết lập chuẩn mực Quy trình Cân bằng Đề thi Neo liên kết: Ứng dụng thành công kỹ thuật câu hỏi neo trên 7 đề thi thử nghiệm, đưa toàn bộ dữ liệu độ khó về cùng một thang đo logit duy nhất thông qua phần mềm ACER ConQuest.
  3. Tích hợp và Vận hành tối ưu trên Hệ sinh thái UEd-CAT: Hiện thực hóa thuật toán kiểm tra thích ứng trên máy tính, chứng minh tính vượt trội về độ chính xác và hiệu quả thời gian (giảm hơn 50% số câu hỏi mà vẫn duy trì $SEM < 0.30$).
  4. Mở ra 3 Dòng Nghiên cứu Mới: Đặt nền móng cho các nghiên cứu về: (i) Kiểm tra thích ứng đa chiều (MCAT) trong ngôn ngữ học ứng dụng; (ii) Tự động hóa sinh đề thi thông minh kết hợp AI; và (iii) Đánh giá chẩn đoán cá nhân hóa trong kỷ nguyên giáo dục số.
  5. Tiên phong Hội nhập Khảo thí Quốc tế: Đưa ngành Đo lường & Đánh giá Giáo dục Việt Nam tiệm cận các chuẩn mực khảo thí hiện đại trên thế giới, để lại di sản khoa học và ứng dụng thực tiễn bền vững cho công cuộc đổi mới giáo dục nước nhà.