ThS. Nguyễn Thị Huệ trình bày kết quả khảo sát về kỹ năng công nghệ thông tin của sinh viên Đại học Quốc gia Hà Nội. Ảnh: Lê Thị Liễu Hạnh/Viện Nghiên cứu Con người, Gia đình và Giới.

Có máy tính, kết nối Internet và sử dụng AI thường xuyên chưa đủ để nói một sinh viên đã làm chủ công nghệ số. Khoảng cách chỉ hiện ra rõ hơn khi người học phải kiểm chứng kết quả do AI tạo ra, xử lý tình huống thực tế, bảo vệ dữ liệu hoặc giải thích lại cho người khác cách sử dụng công cụ.

Đó là một trong những lớp dữ liệu đáng chú ý trong luận án về kỹ năng số của sinh viên Hà Nội của ThS. Nguyễn Thị Huệ, nghiên cứu sinh ngành Xã hội học tại Trường Đại học Khoa học Xã hội và Nhân văn, Đại học Quốc gia Hà Nội. Nghiên cứu khảo sát 791 sinh viên tại sáu trường đại học, học viện công lập, xem xét năm nhóm kỹ năng gồm khai thác thông tin và dữ liệu, giao tiếp và hợp tác, an toàn thông tin, sáng tạo và giải quyết vấn đề, hiểu biết và sử dụng trí tuệ nhân tạo.

Đây cũng không phải một hướng nghiên cứu xuất hiện riêng lẻ. Năm 2024, ThS. Nguyễn Thị Huệ chủ nhiệm đề tài về kỹ năng số của người lao động Việt Nam. Sang năm 2025, bà tiếp tục chủ nhiệm nhiệm vụ nghiên cứu kỹ năng công nghệ thông tin của sinh viên Đại học Quốc gia Hà Nội. Luận án hiện nay mở rộng câu hỏi sang một mẫu sinh viên thuộc nhiều nhóm ngành và đặt kỹ năng số trong mối liên hệ với gia đình, môi trường học tập và sự chủ động của chính người học.

ThS. Nguyễn Thị Huệ báo cáo tại đợt nghiệm thu đề tài cấp cơ sở năm 2024 của Viện Nghiên cứu Con người. Năm đó, bà chủ nhiệm nghiên cứu về kỹ năng số của người lao động Việt Nam. Nguồn: Viện Nghiên cứu Con người, Gia đình và Giới.

Dùng AI dễ hơn hướng dẫn người khác dùng AI

Trong nhóm kỹ năng liên quan đến trí tuệ nhân tạo, sinh viên tự đánh giá khả năng dùng AI để tìm kiếm tài liệu ở mức 3,87 trên thang 5 điểm. Khả năng đối chiếu, kiểm chứng thông tin do AI tạo ra đạt 3,82 điểm và việc tích hợp AI vào học tập đạt 3,79 điểm.

Điểm bắt đầu giảm khi nhiệm vụ phức tạp hơn. Khả năng dùng AI cho phân tích dữ liệu hoặc tạo nội dung chuyên sâu được tự đánh giá ở mức 3,67 điểm. Thấp nhất là sự tự tin khi hướng dẫn người khác sử dụng AI, với 3,49 điểm.

Khoảng cách này đáng chú ý hơn bản thân từng con số. Công cụ AI có thể đã trở thành một phần quen thuộc trong học tập, nhưng sử dụng được chưa đồng nghĩa với hiểu đủ sâu để giải thích, chuyển giao hay xử lý những nhiệm vụ khó hơn. Ở các nhóm kỹ năng số khác, nghiên cứu cũng ghi nhận những mục đòi hỏi khả năng hướng dẫn người khác thường nhận mức tự đánh giá thấp.

Luận án còn thử đối chiếu một phần đánh giá chủ quan bằng các câu hỏi tình huống. Trong nhóm sáng tạo và giải quyết vấn đề, kết quả từ tình huống thực tế thấp hơn mức sinh viên tự đánh giá về năng lực của mình. Chi tiết này đặt ra một vấn đề cho cách đào tạo kỹ năng số trong trường đại học. Nếu chỉ hỏi người học có biết sử dụng phần mềm hay công cụ hay không, có thể chưa đo được họ sẽ xử lý ra sao khi gặp một bài toán thật.

Khác biệt giới có nhưng không nên đọc quá nhanh

Một kết quả dễ gây chú ý nằm ở so sánh giữa sinh viên nữ và nam. Khi xét riêng từng nhóm bằng phép so sánh hai nhóm, nữ sinh trong mẫu có điểm trung bình cao hơn nam sinh ở bốn trong năm lĩnh vực gồm khai thác thông tin và dữ liệu, giao tiếp và hợp tác, an toàn thông tin và sử dụng AI. Điểm kỹ năng số tổng cũng cao hơn.

Nếu dừng ở đây, rất dễ đi đến kết luận rằng nữ sinh đang có lợi thế công nghệ hơn nam sinh. Tuy nhiên, phân tích tiếp theo của luận án cho thấy bức tranh phức tạp hơn. Khi giới tính được đặt cùng năm học, nơi ở, ngành học, sự hỗ trợ của gia đình, nhà trường và tính chủ động của sinh viên trong một mô hình đa biến, giới tính không còn là yếu tố có ý nghĩa thống kê.

Nói cách khác, dữ liệu của nghiên cứu không đủ để kết luận nữ giới có một lợi thế cố hữu về kỹ năng số. Chênh lệch quan sát được giữa hai nhóm có thể đi cùng nhiều điều kiện khác trong quá trình học tập và tích lũy kinh nghiệm. Đây cũng là lý do các con số về giới cần được đọc cùng bối cảnh thay vì biến thành một cuộc so sánh ai “giỏi công nghệ” hơn ai.

Dữ liệu về năm học cho thấy sinh viên năm thứ nhất có điểm kỹ năng số trung bình 3,49, thấp hơn đáng kể so với sinh viên năm hai và năm tư trong mẫu. Trong khi đó, 706 trong số 791 người được hỏi cho biết họ chủ động học và trau dồi kỹ năng số. Nhóm này có điểm kỹ năng số trung bình 3,70, so với 3,41 ở nhóm không chủ động.

Các kết quả không chứng minh rằng chỉ cần tự học sẽ làm kỹ năng tăng lên, bởi nghiên cứu không phải một thử nghiệm nhân quả. Tuy vậy, chúng gợi ý một hướng thực hành tương đối rõ cho các trường đại học. Những chương trình hỗ trợ kỹ năng số nên bắt đầu sớm, đặc biệt từ năm đầu, đồng thời tạo nhiều cơ hội để sinh viên thao tác, thử sai và giải quyết nhiệm vụ thay vì chỉ được giới thiệu công cụ.

Các nhà nghiên cứu trao đổi về kết quả và các vấn đề đặt ra đối với kỹ năng công nghệ thông tin của sinh viên tại tọa đàm tháng 9/2025. Ảnh: Lê Thị Liễu Hạnh/Viện Nghiên cứu Con người, Gia đình và Giới.

Biết công nghệ vẫn có thể lo về công nghệ

Có một nghịch lý khác xuất hiện trong dữ liệu. Sinh viên có thể sử dụng nhiều công cụ số nhưng vẫn mang theo những lo lắng khá lớn về môi trường mà các công cụ ấy tạo ra.

Trong mẫu khảo sát, 88,4% cho biết lo ngại nguy cơ bị tấn công mạng, đánh cắp dữ liệu hoặc lừa đảo. Có 82,9% cảm thấy áp lực vì phải thường xuyên cập nhật kiến thức bảo mật, 81,6% lo về quấy rối trực tuyến và 82,8% lo sự phát triển của công nghệ có thể khiến việc tìm kiếm việc làm sau tốt nghiệp khó hơn.

Phân tích của luận án không tìm thấy mối liên hệ có ý nghĩa thống kê giữa điểm kỹ năng số tổng và số lượng nỗi lo trong xã hội số. Vì vậy, trang bị kỹ năng không nên chỉ được hiểu là dạy thêm phần mềm. An toàn trên môi trường số, năng lực kiểm chứng thông tin, quản lý dữ liệu cá nhân và khả năng thích ứng trước sự thay đổi của công nghệ cũng cần đi cùng kỹ năng sử dụng công cụ.

Với AI, bài toán càng rõ. Một sinh viên có thể biết đặt câu hỏi cho chatbot nhưng vẫn cần học cách kiểm tra nguồn, nhận ra câu trả lời thiếu căn cứ, biết dữ liệu nào không nên đưa lên hệ thống và hiểu khi nào công cụ không phù hợp với nhiệm vụ. Bước tiếp theo của giáo dục số vì thế không phải chỉ tăng số người “biết dùng AI”, mà tạo điều kiện để người học chuyển từ thao tác sang đánh giá, kiểm chứng và giải quyết vấn đề.

Luận án của ThS. Nguyễn Thị Huệ cũng đặt giới hạn khá rõ cho chính các kết quả của mình. Mẫu được chọn theo phương pháp phi xác suất và tiếp cận sinh viên qua một số lớp học, ngành học tại sáu cơ sở công lập. Vì vậy, 791 trường hợp khảo sát không đại diện cho toàn bộ sinh viên của sáu trường, càng không thể suy rộng thành bức tranh của tất cả sinh viên Hà Nội.

Giới hạn đó không làm mất giá trị của nghiên cứu, nhưng xác định đúng phạm vi mà các con số có thể nói tới. Từ mẫu khảo sát này, câu hỏi đáng quan tâm không còn là sinh viên đã “tiếp cận công nghệ” hay chưa. Vấn đề nằm ở tầng sâu hơn, họ có đủ năng lực để kiểm chứng, tự bảo vệ, giải quyết những nhiệm vụ phức tạp và truyền lại hiểu biết của mình cho người khác hay không.

Đọc số liệu trong đúng phạm vi

Nghiên cứu khảo sát 791 sinh viên tại sáu cơ sở giáo dục đại học công lập ở Hà Nội bằng phương pháp chọn mẫu phi xác suất và có chủ đích. Tác giả nêu rõ các số liệu chỉ đại diện cho nhóm sinh viên được khảo sát, không thể suy rộng cho toàn bộ sinh viên tại sáu cơ sở hoặc toàn thành phố.

Nhiều chỉ báo kỹ năng được đo bằng tự đánh giá của người tham gia. Luận án có bổ sung một số câu hỏi tình huống và phép kiểm định để đối chiếu, nhưng kết quả vẫn cần được hiểu là bằng chứng từ một nghiên cứu quan sát, không phải thử nghiệm chứng minh quan hệ nhân quả.