Bùi Thị Thanh Hiền
Nguyễn Thị Oanh
Ngô Thu Trà
Khoa tiếng Đức, Trường Đại học Hà Nội
(Quanlynhanuoc.vn) – Nghiên cứu tập trung đề xuất mô hình công nghệ German Item Management System (Hệ thống quản lý câu hỏi trắc nghiệm tiếng Đức (viết tắt là G – ITEM), nhằm hỗ trợ giảng viên trong việc biên soạn và quản lý câu hỏi trắc nghiệm tiếng Đức trong đào tạo đại học tại Việt Nam, từ đó, nâng cao chất lượng kiểm tra, đánh giá theo hướng chuẩn hóa và số hóa. Trong nghiên cứu này, tác giả đề xuất mô hình công nghệ hỗ trợ biên soạn câu hỏi trắc nghiệm tiếng Đức trong đào tạo đại học tại Việt Nam. Mô hình G -ITEM được kỳ vọng không chỉ giải quyết các thách thức hiện tại mà còn mở ra hướng phát triển các hệ thống đánh giá năng lực ngoại ngữ có độ chính xác và linh hoạt cao, đặc biệt phù hợp với ngôn ngữ có cấu trúc ngữ pháp phức tạp như tiếng Đức tại môi trường giáo dục đại học của Việt Nam.
Từ khoá: Công nghệ giáo dục, hệ thống quản lý câu hỏi trắc nghiệm tiếng Đức (G – ITEM), biên soạn câu hỏi, đào tạo, sinh viên đại học, chuyên ngành tiếng Đức.
1. Đặt vấn đề
Trong bối cảnh hội nhập quốc tế ngày càng sâu rộng, tiếng Đức đã và đang trở thành ngoại ngữ quan trọng được đưa vào chương trình đào tạo đại học tại Việt Nam. Việc đào tạo sinh viên chuyên ngành tiếng Đức nhằm đáp ứng nhu cầu phát triển nguồn nhân lực chất lượng cao, đồng thời, góp phần mở rộng cơ hội học tập, việc làm tại các quốc gia nói tiếng Đức. Để nâng cao chất lượng học ngôn ngữ không thể tách rời với việc đánh giá thường xuyên, hiệu quả và chính xác1.
Trong bối cảnh nâng cao chất lượng học ngôn ngữ, câu hỏi trắc nghiệm được xem là công cụ đánh giá hữu hiệu và ngày càng trở nên phổ biến, giúp kiểm tra nhanh kiến thức ngữ pháp, từ vựng, năng lực nhận biết ngôn ngữ trong bối cảnh cụ thể. Phương pháp này được chứng minh là hữu ích cho sinh viên trong việc phản ánh mức độ ghi nhớ, hiểu bài, cũng như hỗ trợ giảng viên trong việc xác định lỗ hổng kiến thức2.
Trước yêu cầu ngày càng cao về chất lượng kiểm tra, đánh giá trong đào tạo chuyên ngành tiếng Đức, việc phát triển giải pháp công nghệ hỗ trợ hiệu quả cho quá trình biên soạn câu hỏi trắc nghiệm trở nên cấp thiết. Từ ý nghĩa cấp thiết đó, nghiên cứu tập trung tìm hiểu những vấn đề về thực tiễn và những khó khăn hiện nay trong việc xây dựng hệ thống câu hỏi trắc nghiệm tiếng Đức, từ đó hướng đến việc đề xuất giải pháp công nghệ có thể hỗ trợ giảng viên tạo lập và quản lý bộ câu hỏi một cách khoa học, phù hợp với tiêu chuẩn đánh giá năng lực ngôn ngữ.
2. Thực trạng và thách thức trong ứng dụng công nghệ thông tin trong biên soạn câu hỏi trắc nghiệm tiếng Đức ở bậc đại học tại Việt Nam
Việc ứng dụng công nghệ thông tin trong biên soạn câu hỏi trắc nghiệm tiếng Đức ở bậc đại học tại Việt Nam đã trở thành một yêu cầu cấp thiết nhằm nâng cao chất lượng đào tạo lĩnh vực này. Trong lĩnh vực giảng dạy tiếng Đức, việc áp dụng công cụ công nghệ số trong khâu kiểm tra, đánh giá ngày càng được chú trọng. Phần lớn các trường đại học thiếu các giải pháp công nghệ chuyên biệt phục vụ cho việc biên soạn và quản lý hệ thống câu hỏi trắc nghiệm tiếng Đức hiệu quả và chuẩn hóa, dẫn đến tình trạng lệ thuộc vào hình thức đánh giá thủ công hoặc thiếu đồng bộ. Nghiên cứu của Nguyễn Thị Ngọc Ánh (2023) cho thấy giảng viên gặp nhiều khó khăn trong việc xây dựng ngân hàng câu hỏi trắc nghiệm đạt chuẩn về nội dung và kỹ thuật triển khai trên nền tảng số4.
Tại các khoa, bộ môn tiếng Đức thuộc các trường đại học Việt Nam, nhu cầu tổ chức kiểm tra, đánh giá năng lực sinh viên một cách khách quan, minh bạch và khoa học ngày càng được nhấn mạnh. Tuy nhiên, thực tế cho thấy việc biên soạn và quản lý ngân hàng câu hỏi trắc nghiệm vẫn còn mang tính thủ công, rời rạc, thiếu tính hệ thống và đồng bộ. Theo Báo cáo Tự đánh giá Chương trình đào tạo ngành Sư phạm tiếng Đức năm 2023 của Trường Đại học Ngoại ngữ, Đại học Quốc gia Hà Nội cho thấy: mặc dù nhà trường đã có những nỗ lực trong việc nâng cao chất lượng đào tạo, nhưng vẫn còn tồn tại những hạn chế trong việc ứng dụng công nghệ thông tin vào công tác kiểm tra, đánh giá, đặc biệt trong xây dựng và quản lý ngân hàng câu hỏi trắc nghiệm chuẩn hóa5. Điều này cho thấy sự cần thiết phải phát triển và triển khai các giải pháp công nghệ phù hợp để hỗ trợ giảng viên trong việc tạo lập và quản lý bộ câu hỏi một cách khoa học, đáp ứng yêu cầu đánh giá năng lực ngôn ngữ của sinh viên.
Nguyên nhân cơ bản dẫn đến việc ứng dụng công nghệ thông tin trong biên soạn câu hỏi trắc nghiệm tiếng Đức tại các trường đại học Việt Nam còn hạn chế là do thiếu giải pháp công nghệ được thiết kế riêng, phù hợp với đặc thù ngôn ngữ tiếng Đức. Các nền tảng công nghệ giáo dục hiện có chủ yếu tập trung vào tiếng Anh hoặc chỉ cung cấp các chức năng chung, chưa đủ linh hoạt để đáp ứng các yêu cầu đặc thù về đánh giá kiến thức ngôn ngữ với cấu trúc ngữ pháp phức tạp như tiếng Đức6. Ngoài ra, trình độ công nghệ thông tin của giảng viên còn hạn chế, phần lớn chưa được đào tạo chuyên sâu về kỹ năng sử dụng các công cụ số trong thiết kế và quản lý ngân hàng câu hỏi7. Hơn nữa, việc thiếu kinh phí đầu tư cho phần mềm chuyên dụng và thiếu cơ sở dữ liệu câu hỏi kiểm định làm giảm đáng kể hiệu quả triển khai ứng dụng công nghệ trong hoạt động kiểm tra – đánh giá8.
Việc thiếu công cụ công nghệ phù hợp yêu cầu kiểm tra, đánh giá kết quả học tập của sịnh viên đã ảnh hưởng theo hướng không tích cực đến chất lượng giảng dạy ngoại ngữ tại các trường đại học9. Ngoài ra, báo cáo từ Bộ Giáo dục và Đào tạo năm 2024 thừa nhận mức độ ứng dụng công nghệ thông tin trong đánh giá kết quả học tập ở các cơ sở đào tạo ngoại ngữ còn không ít hạn chế10. Điều đó cho thấy giải pháp công nghệ hỗ trợ biên soạn câu hỏi trắc nghiệm tiếng Đức trong hoạt động đào tạo sinh viên chuyên ngành tiếng Đức đang đối diện với nhiều thách thức từ phía giảng viên và từ các yếu tố khách quan.
Ngoài ra, giảng viên hiện vẫn gặp nhiều khó khăn trong việc xây dựng ngân hàng câu hỏi trắc nghiệm đạt chuẩn về nội dung, kỹ thuật triển khai trên nền tảng số11. Trong khi đó, khung tham chiếu chung châu Âu và các chuẩn đánh giá năng lực ngôn ngữ quốc tế như Goethe-Zertifikat hay TestDaF đang ngày càng được các cơ sở đào tạo đại học tại Việt Nam quan tâm áp dụng. Tuy nhiên, chưa có nhiều công cụ hỗ trợ giảng viên thiết kế hệ thống câu hỏi trắc nghiệm bám sát các cấp độ A1 đến C1 của khung tham chiếu chung châu Âu. Điều này dẫn đến khó khăn trong việc bảo đảm bảo tính nhất quán và cách thức đo lường chính xác năng lực của sinh viên trong học tập tiếng nước ngoài12.
Từ những hạn chế và bất cập nêu trên, có thể thấy rõ sự thiếu vắng công cụ công nghệ chuyên biệt được thiết kế phù hợp với yêu cầu sư phạm và đặc thù ngôn ngữ của tiếng Đức trong môi trường giáo dục đại học tại Việt Nam. Khoảng trống này phản ánh sự chậm trễ trong việc áp dụng chuyển đổi số vào công tác kiểm tra, đánh giá. Điều này đặt ra yêu cầu cấp thiết với việc phát triển giải pháp công nghệ mang tính tùy biến cao, có thể thích ứng với nội dung chuyên môn của tiếng Đức, đồng thời dễ dàng tích hợp vào hệ thống giảng dạy hiện có.
3. Đề xuất mô hình công nghệ hỗ trợ biên soạn câu hỏi trắc nghiệm tiếng Đức trong đào tạo đại học tại Việt Nam
Thứ nhất, định hướng thiết kế mô hình G-ITEM.
Mô hình G-ITEM được kiến tạo dựa trên nền tảng tư duy hệ thống, cách tiếp cận này coi quá trình biên soạn và quản lý câu hỏi trắc nghiệm là chuỗi tác vụ liên kết chặt chẽ, có thể tương tác, phản hồi và cải tiến liên tục dựa trên dữ liệu thực tiễn. Bên cạnh đó, G-ITEM còn là phần mềm hỗ trợ biên soạn câu hỏi, hệ sinh thái số phục vụ công tác kiểm tra, đánh giá tiếng Đức trong đào tạo đại học, với yếu tố ngôn ngữ học, công nghệ thông tin và lý luận sư phạm được tích hợp một cách có hệ thống.
Ba trụ cột quan trọng hình thành mô hình G-ITEM, gồm: chuẩn khung tham chiếu châu Âu về ngôn ngữ (Common European Framework of Reference for Languages – CEFR), đặc điểm ngôn ngữ học tiếng Đức, sự tích hợp công nghệ số hiện đại.
(1) Việc gắn kết với CEFR nhằm bảo đảm mỗi câu hỏi trong hệ thống được phân loại rõ ràng theo mức năng lực từ A1 đến C1. Điều này tạo điều kiện cho việc xây dựng các bài kiểm tra tương thích với mục tiêu giảng dạy, đồng thời tăng tính chuẩn hóa và liên thông trong đào tạo giữa các cấp độ và cơ sở giáo dục khác nhau (Council of Europe, 2020). Đây là cơ sở quan trọng để sinh viên phát triển kỹ năng ngôn ngữ có định hướng, giảng viên có thể đo lường tiến trình học tập một cách khoa học.
(2) Tiếng Đức là ngôn ngữ có cấu trúc ngữ pháp phức tạp, hệ thống hình thái phong phú được G-ITEM tích hợp như một yếu tố trọng yếu trong thiết kế. Không giống các hệ thống câu hỏi được xây dựng trên nền ngôn ngữ phân tích như tiếng Anh, tiếng Đức yêu cầu xử lý các hiện tượng ngữ pháp như chia động từ theo ngôi, nhận dạng giới tính, cách của danh từ, hay cấu trúc câu phụ thuộc có vị trí động từ đảo ngược. G-ITEM được xây dựng với việc phân tích và hỗ trợ người dùng soạn thảo câu hỏi phản ánh đúng những đặc trưng này, giúp bảo đảm đánh giá về mặt hình thức và nội dung ngôn ngữ.
(3) Tư duy công nghệ được lồng ghép trong mô hình nhằm tạo ra sự vận hành linh hoạt, tương tác và mở rộng. Điểm nổi bật của G-ITEM là việc phân tích dữ liệu từ người học để phản hồi, điều chỉnh hệ thống câu hỏi theo thời gian. Hệ thống được thiết kế để theo dõi phản ứng của sinh viên với từng câu hỏi, gồm tỷ lệ lựa chọn phương án, thời gian trả lời, mức độ chính xác, từ đó đưa ra gợi ý về độ khó, tính hiệu quả hoặc sự cần thiết phải hiệu chỉnh. Việc ứng dụng nguyên lý học máy trong mô hình cho phép tạo ra một chu trình kiểm tra, đánh giá có tính học hỏi, tiến hóa liên tục để ngày càng tiệm cận hơn với thực tế giảng dạy.
Thứ hai, cấu trúc chức năng và công nghệ nền của G-ITEM.
G-ITEM là nền tảng công nghệ được thiết kế theo hướng mô-đun hóa, gồm năm thành phần chức năng cốt lõi có sự phối hợp chặt chẽ. Mỗi mô-đun không hoạt động độc lập mà liên kết với các phần còn lại nhằm bảo đảm tính toàn diện, phản hồi và sự thích nghi cao với yêu cầu giảng dạy tiếng Đức trong môi trường đại học.
Thành phần đầu tiên là giao diện nhập liệu thông minh, giảng viên thực hiện thao tác tạo mới hoặc chỉnh sửa câu hỏi. Giao diện của G-ITEM được tích hợp công nghệ nhận diện ngữ cảnh nhằm tự động phân loại loại câu hỏi (như ngữ pháp, từ vựng, đọc hiểu…), ngôn ngữ được sử dụng và gợi ý mức năng lực phù hợp theo Khung CEFR. Nhờ đó, quá trình nhập liệu trở nên chính xác, tiết kiệm thời gian, đồng thời giảm thiểu sai sót trong phân loại nội dung. Tính năng này đặc biệt hữu ích với giảng viên mới, chưa có nhiều kinh nghiệm xây dựng ngân hàng câu hỏi có định hướng chuẩn hóa.
Tiếp đến là kho lưu trữ câu hỏi có cấu trúc, cơ sở dữ liệu đóng vai trò trung tâm lưu trữ và quản lý các mục câu hỏi được biên soạn. Mỗi câu hỏi được lưu dưới dạng văn bản, đi kèm hệ thống siêu dữ liệu phong phú, gồm thông tin về chủ đề, mục tiêu giảng dạy, mức độ CEFR, số lần sử dụng, thời điểm sử dụng, phản hồi từ người học. Nhờ cơ chế này, hệ thống có thể hỗ trợ truy xuất dữ liệu hiệu quả, phục vụ việc thống kê, tái sử dụng có kiểm soát và bảo đảm vòng đời của mỗi câu hỏi được theo dõi chặt chẽ. Hệ thống cũng có thể phát hiện những câu hỏi đã sử dụng quá nhiều lần hoặc không còn phù hợp với chương trình hiện hành để đưa ra cảnh báo.
Thành phần thứ ba mang tính công nghệ, đó là bộ xử lý ngữ liệu ngôn ngữ. Dựa trên các thuật toán phân tích ngôn ngữ tự nhiên (natural language proceessing, viết tắt là NLP), mô – đun này có thể đánh giá một cách tự động độ dài câu, mức độ phức tạp cú pháp, vị trí từ khóa, loại từ chính (danh, động, tính từ…) và cấu trúc câu để xác định mức độ khó và tính phù hợp của câu hỏi. Điều này phù hợp với tiếng Đức do có cấu trúc ngữ pháp phức tạp. Điểm nổi bật của thuật toán NLP là việc đề xuất các phương án sai có tính phân hóa cao, tức là vừa hợp lý, vừa có thể phân biệt rõ năng lực giữa người học giỏi, khá, trung bình và yếu. Công cụ này cũng có thể phát hiện các phương án sai, không hợp lý hoặc lặp lại, nhờ đó nâng cao tính sư phạm của câu hỏi trắc nghiệm.
Thành phần thứ tư là công cụ thiết kế đề thi, cho phép giảng viên tạo đề kiểm tra nhanh dựa trên các tiêu chí linh hoạt như: kỹ năng kiểm tra (nghe, đọc, viết…), thời lượng, số lượng câu hỏi, tỷ lệ nội dung hoặc mức độ năng lực. Đây là công cụ quan trọng giúp cá nhân hóa quá trình kiểm tra, đặc biệt cần khi đánh giá nhóm sinh viên có trình độ không đồng đều. Tính năng sinh đề tự động được tích hợp, cho phép hệ thống tạo ra nhiều phiên bản đề thi từ cùng một bộ câu hỏi, bảo đảm tính công bằng, giảm thiểu rủi ro do học lệch, học tủ… Hệ thống cũng hỗ trợ trộn đáp án, trình tự câu hỏi để nâng cao tính bảo mật trong thi cử.
Cuối cùng, G-ITEM được trang bị khối thống kê và đánh giá hiệu quả, có nhiệm vụ xử lý toàn bộ dữ liệu thu thập được sau mỗi kỳ kiểm tra. Thông qua các chỉ số như độ khó (p-value), độ phân biệt (discrimination index), thời gian trung bình trả lời, hệ thống tự động xác định mức hiệu quả của từng câu hỏi và đánh dấu những mục có chỉ số bất thường để giảng viên xem xét lại. Tính năng này đóng vai trò như một hệ thống phản hồi liên tục (feedback loop), bảo đảm bộ câu hỏi đạt chuẩn khi xây dựng, duy trì chất lượng sau khi được sử dụng thực tế. Ngoài ra, khối này còn có thể tổng hợp thống kê theo lớp, theo học kỳ hoặc toàn trường, phục vụ công tác quản lý đào tạo và cải tiến chương trình giảng dạy.
Thứ ba, triển khai G-ITEM trong thực tế giảng dạy tiếng Đức bậc đại học ở Việt Nam.
Việc triển khai mô hình G-ITEM trong giảng dạy tiếng Đức ở bậc đại học yêu cầu phải phát triển công nghệ, đồng thời, phải có lộ trình thực hiện bài bản, có tính khả thi, phù hợp với đặc thù tổ chức đào tạo tại Việt Nam. G-ITEM được thiết kế để vận hành theo chu trình khép kín gồm năm bước, từ khâu nhập liệu ban đầu đến đánh giá đầu ra và cải tiến ngân hàng câu hỏi. Mỗi bước trong quá trình này đều tích hợp yếu tố công nghệ với tư duy sư phạm, nhằm tạo ra hệ thống kiểm tra, đánh giá mang tính tự động, thông minh, liên tục thích ứng. Cụ thể:
Bước 1: Khởi tạo dữ liệu đầu vào. Giai đoạn đầu tiên tập trung vào việc số hóa và chuẩn hóa dữ liệu đầu vào, bước quan trọng quyết định đến chất lượng của toàn bộ hệ thống. Giảng viên có thể đưa vào hệ thống các câu hỏi trắc nghiệm đã biên soạn trước đó hoặc trực tiếp tạo mới thông qua giao diện nhập liệu thông minh. Trong quá trình này, giảng viên cần chỉ định rõ chủ đề (chẳng hạn: chia động từ trong Perfekt, danh từ giống đực, giống cái…), mục tiêu giảng dạy tương ứng, mức độ năng lực kỳ vọng theo CEFR. Sự rõ ràng trong việc phân loại và gắn mục tiêu từ đầu giúp hệ thống hoạt động chính xác hơn, bảo đảm tính liên kết giữa mục tiêu đào tạo và công cụ kiểm tra.
Bước 2: Tự động phân tích và gán nhãn. Sau khi dữ liệu được nhập vào, hệ thống sẽ tiến hành xử lý tự động bằng bộ phân tích ngôn ngữ tự nhiên tích hợp. G-ITEM có thể nhận diện đặc điểm ngữ pháp (ví dụ: động từ bất quy tắc, giới từ hai cách), cấu trúc câu (chính – phụ), loại từ và các yếu tố từ vựng then chốt. Trên cơ sở đó, hệ thống sẽ tự động gán nhãn câu hỏi theo bậc năng lực tương ứng trong CEFR, đồng thời phân loại nội dung câu hỏi theo kỹ năng: ngữ pháp, đọc hiểu, từ vựng hay chức năng giao tiếp. Việc gán nhãn tự động giúp tiết kiệm thời gian cho giảng viên, bảo đảm sự nhất quán trong toàn bộ ngân hàng câu hỏi. Đây là bước thể hiện rõ tính học thuật kết hợp với công nghệ của G-ITEM, tạo nên sự khác biệt so với các hệ thống trắc nghiệm thông thường.
Bước 3: Thiết kế và xuất đề thi. Dựa trên nguồn dữ liệu đã được chuẩn hóa và phân loại, giảng viên hoặc bộ phận chuyên trách có thể tiến hành xây dựng đề thi theo nhiều tiêu chí linh hoạt. G-ITEM hỗ trợ người dùng cấu hình đề thi theo tỷ lệ phần trăm nội dung (ví dụ: 40% ngữ pháp, 30% đọc hiểu, 30% từ vựng), kết hợp nhiều mức độ khó để bảo đảm tính phân hóa cao. Ngoài ra, hệ thống còn hỗ trợ sinh đề thi tự động, tạo ra nhiều phiên bản khác nhau từ một nguồn câu hỏi, đồng thời xáo trộn vị trí câu hỏi và đáp án để đảm bảo tính bảo mật trong thi cử. Tính năng này rất hữu ích trong các kỳ thi có đông sinh viên tham dự, giảm thiểu gian lận, nâng cao tính công bằng trong đánh giá.
Bước 4: Tổ chức kiểm tra và thu thập dữ liệu. G-ITEM được thiết kế để tích hợp linh hoạt vào các hệ thống quản lý học tập phổ biến như Moodle, Canvas hoặc có thể hoạt động độc lập với tính năng xuất đề thi dưới dạng mã QR hoặc liên kết trực tiếp. Việc triển khai thi trực tuyến hoặc in đề từ hệ thống đều có thể thực hiện một cách đồng bộ. Sau khi sinh viên hoàn thành bài kiểm tra, hệ thống tự động thu thập kết quả và lưu vào cơ sở dữ liệu phục vụ phân tích. Việc tự động hóa khâu tổ chức thi, thu thập dữ liệu nhằm giảm tải đáng kể cho giảng viên, đồng thời bảo đảm độ chính xác, khách quan trong thống kê kết quả.
Bước 5: Phân tích sau kiểm tra và tối ưu hóa
Giai đoạn cuối cùng trong chu trình là phân tích kết quả bài làm để đánh giá hiệu quả của từng câu hỏi cũng như chất lượng tổng thể của đề thi. G-ITEM sử dụng các chỉ số sư phạm và thời gian trung bình trả lời để xác định hiệu quả của từng mục. Hệ thống có thể phân tích xu hướng trả lời theo nhóm năng lực, từ đó đưa ra đánh giá xác suất đúng và phát hiện các bất thường như câu hỏi quá dễ, quá khó hoặc gây hiểu lầm. Những câu hỏi không đạt chuẩn sẽ được đánh dấu để giảng viên xem xét sửa đổi, loại bỏ hoặc điều chỉnh trong những lần sử dụng tiếp theo. Đây là bước bảo đảm ngân hàng câu hỏi luôn được cập nhật, cải tiến, phản ánh đúng năng lực của người học.
Thứ tư, định hướng ứng dụng công nghệ.
Mô hình G-ITEM cung cấp giải pháp toàn diện cho việc biên soạn và quản lý câu hỏi trắc nghiệm trong giảng dạy tiếng Đức có tiềm năng lớn để phát triển và mở rộng. Định hướng mở rộng công nghệ nhằm nâng cao hiệu quả của hệ thống, hướng đến tạo ra môi trường giảng dạy linh hoạt, tối ưu hóa quá trình học tập và đánh giá năng lực của sinh viên. Việc tích hợp công nghệ tiên tiến vào G-ITEM làm tăng tính chính xác trong biên soạn câu hỏi và phát triển hệ sinh thái học tập và đánh giá, đáp ứng nhanh chóng nhu cầu học tập và giảng dạy tiếng Đức. Các hướng tích hợp và mở rộng, như sau:
Tích hợp công nghệ sinh câu tự động bằng AI
Một trong những xu hướng mở rộng công nghệ quan trọng cho G-ITEM là việc ứng dụng AI để tự động sinh câu hỏi. Công nghệ sinh câu tự động có thể sử dụng các mô hình ngôn ngữ học sâu để phân tích cơ sở dữ liệu câu hỏi có sẵn và từ đó, tạo ra các câu hỏi mới hoặc các phương án sai phù hợp với ngữ cảnh. Bằng cách này, hệ thống giúp giảng viên tiết kiệm thời gian trong việc tạo câu hỏi mới, bảo đảm tính đồng nhất và phù hợp với các tiêu chuẩn đánh giá năng lực ngôn ngữ. Hơn nữa, AI có thể học hỏi từ dữ liệu thực tế và tự động điều chỉnh câu hỏi sao cho phù hợp với sự thay đổi trong yêu cầu giảng dạy và trình độ của sinh viên. Việc này giúp nâng cao hiệu quả công việc, góp phần vào việc tối ưu hóa ngân hàng câu hỏi, giảm bớt sự lặp lại và tạo sự đa dạng trong kiểm tra.
Phát triển hệ thống khuyến nghị
Phần quan trọng trong việc mở rộng G-ITEM là phát triển hệ thống khuyến nghị thông minh, có thể tự động đề xuất các câu hỏi phù hợp với từng đối tượng sinh viên cụ thể. Hệ thống này dựa trên các dữ liệu về lịch sử làm bài, kết quả học tập, tiến độ học của sinh viên và phản hồi trước đó. Mô hình này tương tự như hệ thống gợi ý mà các nền tảng học trực tuyến lớn hiện đang sử dụng, ví dụ như các hệ thống khuyến nghị trên Coursera hay Duolingo. Việc áp dụng hệ thống này, G-ITEM vừa là công cụ biên soạn câu hỏi, trở thành một trợ lý cá nhân, hỗ trợ giảng viên, sinh viên trong việc cá nhân hóa quá trình học tập và kiểm tra. Nhờ đó, việc lựa chọn câu hỏi phù hợp với từng năng lực và trình độ của sinh viên trở nên chính xác và hiệu quả hơn, nâng cao chất lượng đào tạo, kiểm tra.
Ứng dụng trên thiết bị di động
Việc truy cập mạng, học tập, làm việc từ mọi lúc, mọi nơi là nhu cầu tất yếu của xã hội hiện đại. G-ITEM có thể mở rộng để tương thích với các thiết bị di động, cho phép giảng viên biên soạn câu hỏi, thiết kế đề thi, đánh giá kết quả kiểm tra ngay trên điện thoại thông minh hoặc máy tính bảng. Tính linh hoạt giúp giảng viên tiết kiệm thời gian, tăng cường hoạt động tương tác và giám sát quá trình học tập của sinh viên. Ngoài ra, việc sử dụng thiết bị di động giúp giảng viên tiếp cận và quản lý công việc mọi lúc, mọi nơi, tạo sự thuận tiện, giảm thiểu các rào cản về thời gian và địa điểm.
Kết nối cơ sở dữ liệu liên trường
Để đạt được tiêu chuẩn chung trong kiểm tra và đánh giá tiếng Đức tại các trường đại học trên toàn quốc, G-ITEM có thể được mở rộng để kết nối với cơ sở dữ liệu của các trường đại học khác. Điều này tạo ra một hệ thống chia sẻ ngân hàng câu hỏi trắc nghiệm giữa các trường, vừa chuẩn hóa chất lượng câu hỏi và kết quả đánh giá. Việc liên kết này giúp các trường đại học dễ dàng trao đổi câu hỏi, đề thi, phản hồi về hiệu quả sử dụng câu hỏi, đồng thời bảo đảm tính đồng bộ trong hệ thống kiểm tra tiếng Đức. Hơn nữa, việc này có thể giảm thiểu sự trùng lặp câu hỏi giữa các trường, tạo điều kiện cho việc đổi mới và nâng cao chất lượng đề thi trên toàn quốc. Đây là yếu tố quan trọng trong việc phát triển hệ thống kiểm tra, đánh giá tiếng Đức đồng nhất và chuẩn hóa trong hoạt động đào tạo sinh viên chuyên ngành tiếng Đức trong bối cảnh đại học của Việt Nam.
4. Kết luận
Trên cơ sở phân tích thực trạng, các thách thức, đề xuất mô hình G-ITEM đã mở ra hướng tiếp cận mang tính hệ thống, ứng dụng sâu công nghệ số và ngôn ngữ học vào quá trình biên soạn, phân loại, đánh giá chất lượng câu hỏi. Với cấu trúc gồm các chức năng chuyên biệt, như: phân tích ngữ liệu, gán nhãn năng lực theo CEFR, thiết kế đề thi tự động và thống kê hiệu quả, G-ITEM hướng tới xây dựng ngân hàng câu hỏi có thể thích ứng và phát triển bền vững. Việc đề xuất lộ trình triển khai, các hướng mở rộng, từ tích hợp AI, khuyến nghị thông minh đến liên kết liên trường, khẳng định tính thực tiễn, thể hiện tiềm năng ứng dụng rộng rãi trong hệ thống giáo dục đại học. G-ITEM là giải pháp kỹ thuật, định hướng chiến lược nhằm hiện đại hóa hoạt động kiểm tra, đánh giá trong đào tạo tiếng Đức, tiến tới chuẩn hóa chất lượng đầu ra, tạo nền tảng cho sự phát triển dài hạn của ngành ngôn ngữ Đức tại Việt Nam.
Chú thích:
1. Coombe, C., Vafadar, H., & Mohebbi, H. (2020). Language assessment literacy: what do we need to learn, unlearn, and relearn? Language Testing in Asia. https://doi.org/10.1186/s40468-020-00101-6.
2. Schmidt, M. (2019). Automatisierte Erstellung von Multiple-Choice-Fragen im Fremdsprachenunterricht. Zeitschrift für Fremdsprachenforschung, 30(2), 123 -138.
3. Müller, L., & Weber, S. (2021). Einsatz von KI-basierten Tools zur Generierung von Prüfungsfragen im DaF-Unterricht. Deutsch als Fremdsprache, 58(4), 210 – 225.
4. Nguyễn Thị Ngọc Ánh (2023). Ứng dụng công nghệ thông tin trong kiểm tra, đánh giá kết quả học tập của người học tại các trường đại học. Journal of educational equipment: Applied research, Volume 2, Issue 285 (March 2023), p.68 – 70.
5. Trường Đại học Ngoại ngữ – Đại học quốc gia Hà Nội. Báo cáo tự đánh giá chương trình đào tạo ngành sư phạm tiếng Đức theo tiêu chuẩn đánh giá chất lượng chương trình đào tạo của Bộ Giáo dục và Đào tạo (Giai đoạn 2018 – 2023). https://ulis.vnu.edu.vn/files/uploads/2023/08/DHNN-SP-tie%CC%82%CC%81ng-Du%CC%9B%CC%81c-BC-TDG-CTDT-2.pdf.
6. Ngo, M. T., & Tran, L. T. (2023). Current English Education in Vietnam: Policy, Practices, and Challenges. English Language Education for Graduate Employability in Vietnam. https://doi.org/10.1007/978-981-99-4338-8_3.
7. Phát triển năng lực của giảng viên đáp ứng yêu cầu chuyển đổi số trong giáo dục đại học. https://lyluanchinhtri.vn, ngày 06/9/2022;
8. Nguyễn Lan Phương, Lê Thị Thu Hiền (2024). Phát triển năng lực số cho giảng viên đại học trong bối cảnh hội nhập: nghiên cứu trường hợp tại trường đại học Nguyễn Tất Thành. Tạp chí Giáo dục, số 24(9), tr. 7 – 12.
9. Nguyễn Thị Thanh Huyền (2022). Ứng dụng công nghệ trong xây dựng ngân hàng câu hỏi trắc nghiệm tại các trường đại học. Tạp chí Khoa học Giáo dục, số 21(2), tr. 55 – 64.
10. Bộ Giáo dục và Đào tạo(2024). Quyết định số 4153/QĐ-BGDĐT ngày 25/12/2024 về Kế hoạch tăng cường Ứng dụng công nghệ thông tin và chuyển đổi số năm 2025, Hà Nội.
11. Nguyễn Văn Hiếu, Trần Thị Thùy Linh, Lê Ngọc Hân (2021). Khó khăn trong ứng dụng công nghệ thông tin vào kiểm tra đánh giá tại các khoa ngoại ngữ. Tạp chí Khoa học và Công nghệ Đại học Đà Nẵng, số 19(3), tr. 67 – 74.
12. Council of Europe (2020). Common European Framework of Reference for Languages: Learning, teaching, assessment – Companion volume. Strasbourg: Council of Europe Publishing. https://rm.coe.int/common-european-framework-of-reference-for-languages-learning-teaching/16809ea0d4.
