Giai đoạn 2 là bước chuyển từ nền tảng ban đầu sang sản phẩm hỗ trợ có thể sử dụng thực tế hơn trong môi trường QA/OBE. Trọng tâm của giai đoạn này là triển khai thí điểm sâu hơn, hoàn thiện chatbot T-CORA, xây dựng handbook cho giảng viên và chuẩn hóa quy trình để sẵn sàng nhân rộng.
Sau khi Giai đoạn 1 hoàn tất phần nền tảng dữ liệu, prompt và chatbot phiên bản đầu, Giai đoạn 2 được thiết kế để trả lời một câu hỏi thực tế hơn: Công cụ này có giúp được giảng viên và đơn vị QA trong công việc hằng ngày hay không?
Vì vậy, thay vì chỉ dừng ở mức thử nghiệm kỹ thuật, Giai đoạn 2 tập trung vào việc:
- Triển khai pilot sâu hơn trên dữ liệu thực.
- Hoàn thiện luồng hỗ trợ của chatbot.
- Tạo báo cáo và log phục vụ QA.
- Viết tài liệu hướng dẫn để người dùng tiếp cận công cụ nhất quán.
- Chuẩn bị đầu ra đủ rõ để bước tiếp sang giai đoạn nhân rộng.
- Triển khai thí điểm CLO-PLO mapping và Bloom classification trên phạm vi rộng hơn của các CTĐT pilot.
- Phân loại hoạt động dạy học và đánh giá từ syllabus để tạo ra bức tranh rõ hơn về mức độ ăn khớp trong thiết kế học phần.
- Đề xuất cải tiến đề cương chi tiết theo logic chuẩn đầu ra và cấp độ Bloom.
- Hoàn thiện chatbot T-CORA để hỗ trợ 7 module nghiệp vụ một cách rõ ràng, dễ dùng hơn.
- Xây dựng sổ tay hướng dẫn cho giảng viên và nhân sự QA, giúp AI được sử dụng đúng cách, đúng phạm vi.
- Chuẩn hóa quy trình và biểu mẫu hỗ trợ, tạo tiền đề cho bước mở rộng sau giai đoạn pilot.
Nhóm dự án bắt đầu đưa AI vào hỗ trợ các tác vụ trọng tâm như:
- Xác định mối liên hệ giữa CLO và PLO; rà lại tính hợp lý của mapping.
- Hỗ trợ phân loại cấp độ nhận thức theo Bloom.
- Ghi nhận log xử lý để phục vụ kiểm tra và minh chứng QA.
Điểm quan trọng: Kết quả AI không được xem như kết luận cuối cùng. Giảng viên vẫn là người duyệt kết quả, giúp giữ vững tính học thuật và giảm rủi ro “tin máy hoàn toàn”.
Giá trị thực tiễn rõ nhất là hỗ trợ đọc và phân loại thông tin từ syllabus (các hoạt động dạy học, hình thức đánh giá, mức độ tương thích với chuẩn đầu ra). Từ đó dự án tạo báo cáo thống kê, giúp QA nhìn ra:
- Học phần nào đang thiên về cách dạy/đánh giá chưa phù hợp.
- Học phần nào còn thiếu sự gắn kết với chuẩn đầu ra.
- Chỗ nào có thể điều chỉnh mà không gây xáo trộn quá lớn.
AI đóng vai trò như một trợ lý gợi ý có cấu trúc chứ không “viết thay” đề cương cơ học. Các hướng đề xuất bao gồm:
- Đa dạng hóa hoạt động dạy học.
- Điều chỉnh phương pháp đánh giá phù hợp hơn với CLO.
- Làm rõ cấp độ Bloom nếu câu chữ hiện tại còn mơ hồ.
- Hỗ trợ chỉnh đề cương rõ ràng, đo được và dễ đối chiếu hơn.
T-CORA được định hình rõ hơn như một công cụ hỗ trợ nghiệp vụ với 7 module chính:
- 1. Kiểm tra PEO.
- 2. Đối sánh và rà soát PLO hiện hành.
- 3. Rà soát/chuẩn hóa PLO theo nguyên tắc rõ ràng, đo được.
- 4. Gán vai trò I-R-M cho học phần.
- 5. Đối sánh PLO-CLO dựa trên vai trò I-R-M.
- 6. Rà soát CLO - hoạt động dạy học - phương pháp đánh giá.
- 7. Kiểm soát tổng thể thiết kế CTĐT theo chuẩn đầu ra.
Công cụ AI chỉ thực sự có giá trị khi người dùng biết cách nhập dữ liệu và đọc kết quả đúng cách. Sổ tay HDSD xem tại đây giúp giảng viên hiểu:
- Chatbot hỗ trợ việc gì và không làm thay những gì.
- Khi nào dùng dữ liệu cấp chương trình, khi nào cấp học phần.
- Cách gửi dữ liệu để hệ thống trả lời tốt hơn.
- Cách đọc kết quả (phân biệt nhận định sơ bộ và kết luận chắc chắn).
- Quy trình rà soát và cập nhật CTĐT có ứng dụng AI.
- Biểu mẫu chuẩn rà soát PLO, CLO, mapping và alignment.
- Khung lưu log và minh chứng QA.
- Cấp công cụ: Hoàn thiện 7 module chatbot, hỗ trợ tốt mapping/Bloom/alignment với giao diện rõ ràng.
- Cấp chuyên môn: Chuẩn hóa bộ mapping CLO-PLO, hình thành báo cáo T&L - A&E, cải tiến đề cương chi tiết, lưu trữ log minh chứng rà soát.
- Cấp triển khai: Hoàn thiện Handbook, quy trình, biểu mẫu chuẩn và nội dung tập huấn, sẵn sàng nhân rộng.
Đây là giai đoạn chuyển dự án từ “prototype nội bộ” sang “công cụ hỗ trợ chuyên môn”, chứng minh AI thực sự hỗ trợ chu trình QA/OBE bằng cách:
- Giảm thời gian rà soát những phần lặp lại.
- Làm nổi bật các điểm chưa ăn khớp giữa CLO, dạy học và đánh giá.
- Tạo góc nhìn trực quan cho minh chứng QA và chuẩn bị đối sánh kiểm định.
- Triển khai pilot trên dữ liệu thực: Kế hoạch (01/02/2026 - 15/03/2026).
- Hoàn thiện chatbot: Ưu tiên các nhóm chức năng phục vụ mapping, Bloom và rà soát alignment.
- Xây dựng handbook và quy trình: Hoàn thiện song song với quá trình pilot để bám sát phản hồi thực tế.
- Tổng kết giai đoạn: Theo kế hoạch (15/03/2026 - 31/03/2026).
- Xem lại Giai đoạn 1 - Thiết lập nền tảng & Xây dựng bộ công cụ ban đầu để hiểu cách dự án hình thành dữ liệu.
- Khám phá mục Hướng dẫn sử dụng T-CORA khi tài liệu được công bố.
- Đón chờ các cập nhật về mở rộng toàn trường, đối sánh quốc tế và AI-based Curriculum Review.
0 Nhận xét