13.0 · Chào mừng & bốn cách tiếp cận khi dạy AI Fluency

Mở đầu: Câu chuyện của một giáo viên đầu năm học

Năm nay Hội đồng học vụ yêu cầu tất cả các môn phải tích hợp AI Fluency. Anh/chị phụ trách lớp Lịch sử 101 — 45 sinh viên năm nhất, đa phần chưa quen dùng Claude hay ChatGPT cho học thuật. Hai tuần nữa khai giảng. Kế hoạch thế nào?

Bạn gật đầu, về phòng, mở laptop. Và… tắc.

Không phải bạn không biết AI Fluency là gì. Bạn đã hoàn thành khóa AI Fluency: Framework & Foundations. Bạn hiểu 4Ds — Delegation, Description, Discernment, Diligence. Bạn thậm chí đã dùng Claude để soạn đề cương môn học.

Điều bạn không biết là: làm sao dạy 4Ds cho sinh viên của bạn?

• Bắt đầu từ D nào? Theo thứ tự hay trộn lẫn?
• Sinh viên năm nhất — các em có đủ nền để hiểu "cognitive environment" không?
• Hay nên dạy theo kịch bản thực tế thay vì định nghĩa khô khan?
• Bài tập nên thiết kế thế nào để đánh giá được thật sự các em đang học, không phải chỉ copy-paste từ AI?

Bạn gõ Google. Hàng trăm kết quả về "how to teach AI". Video TED, khóa học online, bài báo NY Times. Nhưng không cái nào trả lời được câu hỏi cụ thể của bạn: với lớp Lịch sử 101 của tôi, tôi bắt đầu từ đâu?

Khóa học này sinh ra để trả lời chính câu hỏi đó. Không phải dạy bạn AI Fluency (bạn đã biết rồi). Mà là dạy bạn cách DẠY AI Fluency — pedagogy, assessment, và cách tích hợp vào ngành của bạn.

Bài đầu tiên này giúp bạn chọn cách tiếp cận (entry point) phù hợp nhất. Bốn cách. Mỗi cách có đất riêng. Nhiệm vụ của bạn: match đúng cách với đúng học viên, đúng bối cảnh, đúng thời lượng.

Bắt đầu nào.

AI Fluency Framework — Hai bản chất cần nhớ

Trước khi nói về cách dạy, cần nhắc lại một điều mà nhiều giáo viên bỏ qua: Framework này vận hành ở hai cấp độ song song.

Cấp độ 1: Descriptive — Mô tả thực tế

Framework mô tả những gì thực sự xảy ra khi con người cộng tác với AI: các quyết định, cách giao tiếp, cách đánh giá, cách chịu trách nhiệm. Nó cho bạn một bản đồ lãnh thổ (map of the territory).

Cấp độ 2: Normative — Định hướng thực hành tốt

Framework cũng hướng dẫn con người đến thực hành tốt hơn. Nó không chỉ mô tả người ta đang làm gì, mà còn chỉ ra họ nên làm gì để cộng tác với AI một cách hiệu quả (effective), năng suất (efficient), đạo đức (ethical), và an toàn (safe).

┌──────────────────────────────────────────────────────────┐
│                                                          │
│            AI FLUENCY FRAMEWORK                          │
│                                                          │
│   ┌──────────────────┐          ┌──────────────────┐    │
│   │  DESCRIPTIVE     │          │   NORMATIVE      │    │
│   │  (mô tả)         │  ──────▶ │  (định hướng)    │    │
│   │                  │          │                  │    │
│   │  Người ta LÀM    │          │  Người ta NÊN    │    │
│   │  gì với AI?      │          │  LÀM gì với AI?  │    │
│   └──────────────────┘          └──────────────────┘    │
│                                                          │
│   Học sinh cần hiểu CẢ HAI để thành thạo AI Fluency      │
│                                                          │
└──────────────────────────────────────────────────────────┘

Tại sao điều này quan trọng với giáo viên?

Khi bạn dạy, học sinh cần hiểu cả hai cấp:

1. Cách AI interactions diễn ra (để không bị bất ngờ)
2. Cách làm cho những interactions đó tốt hơn (để có kết quả chất lượng)

Nếu bạn chỉ dạy descriptive → học sinh biết lý thuyết nhưng làm vẫn ẩu. Nếu bạn chỉ dạy normative → học sinh biết rules nhưng không hiểu tại sao.

Framework cho bạn cả ngôn ngữ lẫn cấu trúc để dạy đồng thời hai mặt này.

Ba câu hỏi lớn của khóa học này

Khóa Teaching AI Fluency được tổ chức quanh ba câu hỏi mà mọi nhà giáo dục đều gặp khi đưa AI Fluency vào lớp học:

┌──────────────────────────────────────────────────────┐
│                                                      │
│  1. INTRODUCTION:                                    │
│     Làm sao giới thiệu framework cho học sinh?       │
│     → Bài 13.0, 13.2, 13.3 (pedagogy)                │
│                                                      │
│  2. ASSESSMENT:                                      │
│     Làm sao biết học sinh đang "thật sự hiểu"?       │
│     → Bài 13.3, 13.5 (assessment & assignments)      │
│                                                      │
│  3. CONNECTION:                                      │
│     Làm sao kết nối AI Fluency với những gì đã dạy?  │
│     → Bài 13.5, 13.7 (discipline integration)        │
│                                                      │
└──────────────────────────────────────────────────────┘

Bài 13.0 (bài bạn đang đọc) tập trung vào câu hỏi 1 và giới thiệu bốn cách tiếp cận khác nhau để đưa framework vào lớp học.

Bốn cách tiếp cận — Bốn cánh cửa đi vào AI Fluency

Kinh nghiệm dạy AI Fluency tại nhiều bối cảnh khác nhau (đại học nghệ thuật, trường kỹ thuật, lớp học online) cho thấy có bốn cách tiếp cận (entry points) hiệu quả. Mỗi cách thêm độ phong phú khái niệm và chiều sâu chi tiết, phù hợp với những nhóm học sinh khác nhau.

Hãy xem chúng như bốn cánh cửa — tất cả cùng dẫn đến AI Fluency, nhưng con đường đi khác nhau.

Cách 1: Linear (Tuyến tính) — Cánh cửa cho người mới

Dạy 4Ds theo thứ tự tuyến tính: Delegation → Description → Discernment → Diligence.

┌────────────┐   ┌────────────┐   ┌────────────┐   ┌────────────┐
│ Delegation │──▶│Description │──▶│Discernment │──▶│ Diligence  │
└────────────┘   └────────────┘   └────────────┘   └────────────┘
     1                2                3                4

Cảm giác

Tự nhiên, dễ quản lý, trực giác — giống cách bạn lần đầu học framework này.

Ai phù hợp

Học sinh mới bắt đầu, không có nền AI từ trước.

Cấu trúc bài tập gợi ý (4 phần):

Ưu điểm: Mỗi phần xây trên phần trước → hành trình học rõ ràng. Nhược điểm: Dễ bị hiểu lầm 4Ds là checklist "làm xong 1 rồi làm 2".

Cách 2: Non-linear (Phi tuyến) — Cánh cửa cho người đã có nền

Thừa nhận rằng 4Ds không phải chuỗi cố định. Chúng là hệ thống liên kết — bạn có thể bắt đầu ở bất kỳ đâu và nhảy qua nhảy lại khi cần.

             ┌─────────────┐
             │  Delegation │
             └──┬───────┬──┘
                │       │
                ▼       ▼
      ┌──────────────┐  ┌──────────────┐
      │ Description  │◀▶│  Diligence   │
      └──────┬───────┘  └──────┬───────┘
             │                  │
             ▼                  ▼
        ┌────────────────────────┐
        │      Discernment       │
        └────────────────────────┘

     (Mũi tên chạy mọi hướng — không có thứ tự cố định)

Ai phù hợp: Học sinh đã có trải nghiệm AI, muốn thấy "sự phức tạp thực tế".

Ba kịch bản minh họa liên kết không tuyến tính:

1. Discernment → Delegation mới: Sinh viên CS đang đánh giá code do AI viết, nhận ra AI không phù hợp với paradigm lập trình của mình → phải chọn lại AI assistant khác → quay về Delegation.

1. Diligence → Description: Sinh viên Y khoa làm việc với dữ liệu nhạy cảm của bệnh nhân → yêu cầu privacy buộc phải viết prompt không chứa PII → thay đổi hoàn toàn cách Description.

1. Description thất bại → Delegation gap: Sinh viên Kinh tế loay hoay viết prompt nhưng không truyền đạt được ý → nhận ra mình chưa định nghĩa rõ mục tiêu project ngay từ đầu → phải quay lại câu hỏi Delegation cốt lõi.

Cấu trúc bài tập gợi ý

Project/case-based learning — đưa ra kịch bản thực tế, để học sinh khám phá cần dùng competency nào lúc nào.

Ưu điểm

Chuẩn bị cho "sự lộn xộn" của cộng tác AI thật. Nhược điểm: Người mới dễ mất phương hướng.

Cách 3: Focused (Tập trung) — Cánh cửa đào sâu

Đào sâu vào chỉ một competency (một D) tại một thời điểm. Cách này dành cho mục tiêu chuyên biệt — workshop kỹ năng, discussion seminar, skill-building session.

Ví dụ cụ thể:

Ví dụ deep-dive cho Discernment:

        DISCERNMENT
             │
    ┌────────┼────────┐
    │        │        │
    ▼        ▼        ▼
 Product  Process  Performance
(session (session  (session
  1)       2)        3)

 Đánh giá  Đánh giá  Đánh giá
 content   cách AI   dynamic
 output    solve     giao tiếp
 AI tạo    problem

Ai phù hợp

Học sinh đã biết overview, giờ cần chiều sâu chuyên môn.

Ưu điểm

Xây dựng kỹ năng tinh vi, khám phá edge cases, ứng dụng chuyên ngành. Nhược điểm: Không nên là bài đầu tiên — học sinh thiếu context tổng thể.

Cách 4: Two-loops (Hai vòng lặp lồng nhau) — Cánh cửa khái niệm phong phú nhất

Xem AI Fluency như hai vòng lặp lồng nhau — cách hiểu giàu khái niệm nhất và thể hiện đúng bản chất thực hành.

┌───────────────────────────────────────────────────────┐
│                                                       │
│  VÒNG LẶP CHIẾN LƯỢC (Strategic)                      │
│  ╭─────────────────────────────────────╮              │
│  │   Delegation  ◀─────▶  Diligence    │              │
│  │                                     │              │
│  │   (Big picture: "Nên làm gì?"       │              │
│  │    "Có nên dùng AI không?"          │              │
│  │    "Ai chịu trách nhiệm?")          │              │
│  ╰─────────────────────────────────────╯              │
│                     ▲                                 │
│                     │                                 │
│                     │ (định hình)                     │
│                     ▼                                 │
│  VÒNG LẶP CHIẾN THUẬT (Tactical)                      │
│  ╭─────────────────────────────────────╮              │
│  │   Description ◀─────▶ Discernment   │              │
│  │                                     │              │
│  │   (Moment-to-moment: "Viết prompt   │              │
│  │    thế nào?" "Output có đạt chuẩn?" │              │
│  │    "Điều chỉnh thế nào?")           │              │
│  ╰─────────────────────────────────────╯              │
│                                                       │
└───────────────────────────────────────────────────────┘

Ý tưởng cốt lõi: Hai vòng liên tục tác động lẫn nhau. Quyết định chiến lược định hình thực hiện chiến thuật. Khám phá chiến thuật định hình lại tư duy chiến lược.

• Vòng Delegation-Diligence: Trả lời "Tôi muốn làm gì? Phân chia công việc giữa tôi và AI thế nào? Hệ thống nào phù hợp với giá trị của tôi? Làm sao cộng tác có trách nhiệm?"
• Vòng Description-Discernment: Trả lời "Làm sao truyền đạt nhu cầu này? Output có đạt chuẩn không? Làm sao refine cách tiếp cận?"

Ai phù hợp: Học sinh đã nắm cơ bản, muốn tư duy sâu hơn về AI interaction.

Hai bài học sau (13.2 và 13.3) dành riêng để đi sâu vào từng vòng.

So sánh bốn cách tiếp cận

Quy tắc chọn cách tiếp cận:

• Lần đầu dạy AI Fluency + học sinh mới → Linear
• Học sinh đã dùng AI, muốn học cho "thật" → Non-linear
• Có 1-2 giờ workshop duy nhất → Focused
• Khóa học kéo dài, muốn chiều sâu conceptual → Two-loops
• Có >6 buổi và nhóm đa trình độ → Kết hợp (Linear ở đầu → Two-loops ở cuối)

Ví dụ thực chiến: Giảng viên Lịch sử thiết kế 4 phương án cho cùng 1 lớp

Quay lại câu chuyện mở đầu. Bạn đang dạy Lịch sử 101, chủ đề "Chiến tranh Lạnh". Đây là 4 cách khác nhau để đưa AI Fluency vào 1 module học 2 tuần.

Kịch bản chung

• 45 sinh viên năm nhất
• Chủ đề: "Tuyên truyền thời Chiến tranh Lạnh" (propaganda)
• Sản phẩm cuối: bài nghiên cứu 8-10 trang phân tích 1 artifact tuyên truyền

Phương án A — Linear

Tuần 1, buổi 1

Delegation. Cả lớp thảo luận "Nghiên cứu propaganda cần những việc gì? Phần nào giao AI, phần nào người phải làm?"

Tuần 1, buổi 2

Description. Workshop hands-on: mỗi sinh viên tự viết prompt yêu cầu Claude giúp phân tích 1 poster. Chia sẻ prompt của mình.

Tuần 2, buổi 1

Discernment. Cả lớp xem output Claude tạo, tìm sai sót lịch sử, fabrication, bias.

Tuần 2, buổi 2

Diligence. Thảo luận: "Khi nộp bài, các em trích dẫn Claude thế nào? Điều gì bạn phải kiểm chứng?"

Phương án B — Non-linear

Bạn đưa 1 case: "Sinh viên A dùng Claude phân tích 1 poster Liên Xô. Claude trả lời tự tin, đầy sự kiện nghe rất thuyết phục. Sinh viên A nộp bài. Giáo viên chấm bài, phát hiện 3 trong 8 'sự kiện' kia là bịa."

Bạn hỏi: "Chỗ nào trong 4Ds đã sai?"

Sinh viên tranh luận — một số nói Discernment (không phát hiện fabrication), một số nói Delegation (chọn sai AI), một số nói Diligence (không verify). Từ đó đi vào từng D theo thứ tự mà cuộc thảo luận gợi ra.

Phương án C — Focused (Chỉ Discernment)

Cả 2 tuần chỉ tập trung vào Discernment:

• Sub-competency 1 — Product: So sánh 3 analysis khác nhau của AI về cùng 1 poster. Cái nào đúng? Tại sao?
• Sub-competency 2 — Process: Xem chat log sinh viên khác, phân tích AI đã dẫn đến kết luận thế nào. Có logic không?
• Sub-competency 3 — Performance: Thử prompt 1 poster theo 3 kiểu (formal, casual, challenge). AI phản ứng khác thế nào?

Phương án D — Two-loops

Vòng 1 (Delegation-Diligence): Sinh viên nộp 1-trang "Project plan" giải thích:

• Mục tiêu bài (Problem awareness)
• Chọn AI nào, tại sao (Platform awareness)
• Ai làm phần nào (Task delegation)
• Đạo đức dùng AI cho bài này (Creation diligence)
• Sẽ trích dẫn thế nào (Transparency diligence)
• Chịu trách nhiệm những gì (Deployment diligence)

Vòng 2 (Description-Discernment)

Trong quá trình viết bài, sinh viên ghi lại 3 "moments" — 3 lần Description hoặc Discernment đặc biệt ảnh hưởng đến kết quả.

Cuộc thảo luận cuối

Hai vòng đã định hình lẫn nhau thế nào? Quyết định chiến lược (chọn Claude thay vì ChatGPT) đã ảnh hưởng đến cách viết prompt ra sao?

Case studies theo chuyên ngành

Chọn cách tiếp cận không chỉ phụ thuộc vào trình độ học sinh — còn phụ thuộc vào bản chất ngành dạy.

Giảng viên Văn học

Bối cảnh

Lớp "Văn học Việt Nam đương đại", 30 sinh viên năm 2.

Cách chọn

Non-linear + focused đoạn cuối.

Lý do

Sinh viên Văn đã quen đọc critically. Cho case study (Claude viết phân tích 1 truyện ngắn Nguyễn Huy Thiệp — đâu là Discernment good? đâu là Discernment miss hoàn toàn?) → hấp dẫn hơn dạy linear từ Delegation.

Kết quả

Sinh viên cảm thấy AI Fluency là "kỹ năng thật" chứ không phải lý thuyết.

Giảng viên Khoa học tự nhiên (Hóa học)

Bối cảnh

Lớp Hóa hữu cơ, 60 sinh viên, thời lượng 1 semester.

Cách chọn

Linear cho semester 1, chuyển sang Two-loops ở semester 2.

Lý do

Sinh viên Hóa quen với quy trình từng bước (lab protocol). Linear match tư duy này. Sau khi đã nắm vững, two-loops giúp thấy bức tranh lớn.

Giảng viên Nghệ thuật / Design

Bối cảnh

Studio Design, 18 sinh viên, project-based.

Cách chọn

Focused (chỉ Description) cho workshop 1 tuần.

Lý do

Với designer, Description (articulating vision) là kỹ năng cốt lõi. Đào sâu 3 sub-components (Product/Process/Performance description) cho design brief tạo giá trị lớn.

Giảng viên Luật

Bối cảnh

Lớp "Nhập môn Luật học", 80 sinh viên, lecture-style.

Cách chọn

Focused (chỉ Diligence) kết hợp với case-based.

Lý do

Luật xoay quanh trách nhiệm, minh bạch, đạo đức nghề nghiệp. Diligence là D quan trọng nhất. Case: "Một luật sư dùng ChatGPT viết brief, ChatGPT bịa ra 6 án lệ không tồn tại. Luật sư bị phạt. Sai ở D nào? Đâu là Diligence good?" → thảo luận sôi nổi.

Giảng viên Y khoa / Điều dưỡng

Bối cảnh

Lớp Y khoa năm 4, 40 sinh viên, clinical rotation.

Cách chọn

Two-loops.

Lý do

Ngành Y có ràng buộc mạnh về privacy (HIPAA/luật y tế), trách nhiệm life-or-death. Vòng Delegation-Diligence chiếm phần lớn (chọn AI nào có đáng tin? chia sẻ dữ liệu bệnh nhân đến đâu?). Vòng Description-Discernment là tactical (viết prompt ẩn PII, đánh giá AI medical diagnosis).

Giảng viên Kinh doanh / MBA

Bối cảnh

Lớp Strategy MBA, 35 học viên đã đi làm, 1 module 4 tuần.

Cách chọn

Non-linear + case method truyền thống.

Lý do

MBA vốn quen case method. Đưa case (Công ty X dùng AI cho M&A analysis — chỗ nào là Delegation gap? Discernment miss?) rồi để học viên tự lần ngược về từng D.

Giáo viên phổ thông trung học (Khối 10-12)

Bối cảnh

Lớp Tiếng Anh khối 11, 35 học sinh.

Cách chọn

Linear với thời gian rải đều cả năm.

Lý do

Học sinh tuổi teen cần cấu trúc rõ ràng. 4 bài lớn rải theo 4 mùa học, mỗi mùa 1 D. Bài thi cuối học kỳ tổng hợp.

Prompt mẫu: Dùng AI để lên kế hoạch dạy AI Fluency

Dưới đây là 6 prompt template bạn có thể dùng ngay với Claude (hoặc AI assistant bạn ưa thích) để lên kế hoạch giảng dạy. Adapt placeholders với bối cảnh của bạn.

1. Thiết lập bối cảnh dạy

Tôi đang chuẩn bị dạy AI Fluency cho [số lượng] sinh viên [ngành]
tại [cấp độ: đại học/phổ thông/đào tạo nội bộ].
Các em đã có [kinh nghiệm AI hiện tại: none/basic/intermediate].
Tôi có [số giờ] cho phần AI Fluency.
Giúp tôi phân tích: với bối cảnh này, cách tiếp cận nào (Linear/
Non-linear/Focused/Two-loops) phù hợp nhất? Giải thích trade-offs.

2. So sánh 2 cách tiếp cận

Với lớp [mô tả lớp], so sánh giữa Linear approach và Two-loops
approach ở các tiêu chí: thời gian, độ khó, khả năng học sinh
thấy sự liên kết giữa 4Ds, rủi ro hiểu sai. Cho ví dụ cụ thể
với chủ đề [chủ đề của ngành bạn].

3. Thiết kế 1 buổi học theo Linear

Thiết kế buổi học 90 phút đầu tiên về Delegation cho [ngành],
[cấp học]. Structure: mở đầu (10 phút) — khái niệm (25 phút) —
hands-on (35 phút) — tóm tắt và bài về nhà (20 phút). Đưa ra
hoạt động cụ thể và câu hỏi thảo luận.

4. Thiết kế kịch bản Non-linear

Tạo 3 case study ngắn (150-200 từ mỗi cái) liên quan tới ngành
[ngành] mà sinh viên [cấp học] sẽ thấy gần gũi. Mỗi case phải
chứa ít nhất 2 trong 4Ds bị thực hiện sai, và sinh viên phải
thảo luận tìm ra lỗi đó ở D nào.

5. Chọn D để Focused workshop

Với [ngành] và [đối tượng học viên], nếu chỉ có 1 workshop 3 giờ
dạy AI Fluency, nên focus vào D nào (Delegation/Description/
Discernment/Diligence)? Tại sao? Phác thảo agenda 3 giờ.

6. Tạo tài liệu teaching context

Dựa vào cuộc trò chuyện trên, viết tài liệu "Teaching Context"
1 trang gồm: bối cảnh lớp, đặc điểm học sinh, ràng buộc, mục
tiêu học tập, cách tiếp cận đã chọn + lý do. Format markdown,
có heading rõ ràng, súc tích nhưng đủ chi tiết để tôi dùng cho
các cuộc thảo luận sau với AI.

Anti-patterns — Những sai lầm thường gặp khi chọn cách tiếp cận

Chọn Linear cho học sinh đã có nền AI

Biểu hiện

Học sinh năm 4 ngành CS đã dùng GitHub Copilot hàng ngày, bạn vẫn bắt đầu từ "Delegation là gì?"

Tại sao là sai

Các em bored, cảm thấy coi thường, mất động lực.

Cách đúng

Chuyển sang Non-linear với case thực tế (ví dụ: "Bạn dùng Copilot generate 1 function nhưng nó viết sai. Lỗi ở D nào?").

Dùng Two-loops ngay từ bài đầu tiên

Biểu hiện

Buổi 1 đã vẽ sơ đồ 2 vòng lặp lồng nhau, giải thích cognitive environment, strategic vs tactical.

Tại sao là sai

Học sinh chưa biết 4Ds là gì, nghe "hai vòng lặp" như lý thuyết khô khan, bỏ cuộc.

Cách đúng

Linear hoặc Non-linear trước. Two-loops để sau khi các em đã "sờ" được từng D.

Chọn Focused nhưng không đủ thời gian đào sâu

Biểu hiện

"Workshop 1 giờ về Description" — nhưng Description có 3 sub-components (Product/Process/Performance), mỗi cái cần 20-30 phút mới đào sâu được → rốt cuộc lướt qua tất cả.

Tại sao là sai

Focused không đạt "depth" → bằng Non-linear shallow.

Cách đúng

Nếu chỉ có 1 giờ, chọn Linear quick overview. Focused cần ít nhất 2-3 giờ.

Tin rằng "Linear là dở, Non-linear mới xịn"

Biểu hiện

Giáo viên bỏ qua Linear vì "quá đơn giản", nhảy thẳng vào Non-linear.

Tại sao là sai

Với học sinh mới, Linear là cần thiết. Non-linear không "xịn hơn" — chỉ phù hợp hơn với đối tượng khác.

Cách đúng

Match cách tiếp cận với đối tượng, không match với "fashion".

Chọn cách tiếp cận dựa trên sở thích của giáo viên, không phải nhu cầu học sinh

Biểu hiện

Giáo viên yêu Two-loops vì nó "đẹp về conceptual", dạy mọi lớp bằng Two-loops — kể cả lớp trẻ 15 tuổi chưa dùng AI bao giờ.

Tại sao là sai

Framework là tool, không phải mục đích tự thân.

Cách đúng

Khởi đầu bằng câu hỏi "học sinh của tôi cần gì?" — không phải "tôi thích cách nào?".

Không có kế hoạch dự phòng khi cách đã chọn không hiệu quả

Biểu hiện

Đã chọn Linear, 2 buổi đầu thấy học sinh chán. Vẫn cắm đầu theo kế hoạch.

Cách đúng

Sau buổi 2, đánh giá. Nếu cần, chuyển sang Non-linear cho phần còn lại. Framework cho phép linh hoạt.

Áp dụng ngay — Lên kế hoạch dạy của bạn

Bài tập 1: Map bối cảnh dạy (10 phút)

Mở Claude (hoặc AI bạn ưa thích — không bắt buộc phải Claude). Trước khi bắt đầu, chuẩn bị sẵn:

• File AI Fluency Summary (có trong resources của bài 13.0 gốc) — chia sẻ với AI để đảm bảo AI hiểu đúng framework bạn đang nói đến
• File tóm tắt bài này (hoặc transcript video gốc) — chia sẻ với AI để hiểu 4 cách tiếp cận

Mở đầu cuộc thảo luận:

Tôi là giáo viên [ngành X] tại [cấp học Y]. Tôi đang chuẩn bị tích hợp AI Fluency vào lớp [tên lớp cụ thể]. Học sinh của tôi là [mô tả ngắn, không tiết lộ thông tin cá nhân]. Các em có kinh nghiệm AI [none/cơ bản/nhiều]. Ràng buộc của tôi là [thời gian, công nghệ, chính sách trường]. Hãy giúp tôi phân tích bối cảnh này.

Những câu hỏi chính để khai thác:

• Điều gì khiến bối cảnh dạy của tôi unique?
• Strengths và challenges học sinh sẽ gặp khi học AI collaboration?
• Success sẽ trông thế nào sau khi học xong?
• Resources và support tôi có sẵn là gì?

Tạo tài liệu Teaching Context:

• Yêu cầu AI tổng hợp cuộc thảo luận thành 1 tài liệu có cấu trúc
• Review tài liệu này xem có đủ không
• Lưu lại để tái sử dụng trong các bài 13.1 và 13.3

Bài tập 2: Thiết kế với từng cách tiếp cận (20 phút)

Thiết kế theo Linear:

• Làm việc với AI phác thảo cách bạn dạy 4Ds tuần tự cho lớp của bạn
• Xác định hoạt động cụ thể cho mỗi D + transitions giữa các D
• Thảo luận với AI về challenges có thể gặp

Thiết kế theo Non-linear:

• Làm việc với AI xác định vài kịch bản liên quan ngành của bạn
• Với mỗi kịch bản, D nào là điểm bắt đầu tốt nhất? Tại sao?
• Map ra tiêu chí để quyết định D nào vào lúc nào dựa trên mục tiêu của học sinh

Thiết kế theo Focused:

• Xác định D nào sẽ tạo giá trị lớn nhất với ràng buộc của bạn
• Plan cách đào sâu cả 3 sub-components của D đó
• Thiết kế hoạt động khám phá D đó từ nhiều góc

Ghi lại kết quả:

• Cách tiếp cận tôi sẽ dùng chính: ___________
• Tại sao cách đó phù hợp: ___________
• Cách tiếp cận dự phòng nếu cách chính không hiệu quả: ___________
• 3 hoạt động cụ thể đầu tiên tôi sẽ làm: ___________

Mẹo nâng cao

Mẹo 1: Kết hợp 2 cách trong cùng 1 khóa học

Bạn không phải chọn một cách duy nhất. Khóa dài có thể:

• Buổi 1-2: Linear để học sinh làm quen 4Ds
• Buổi 3-5: Non-linear với case thực tế
• Buổi 6: Two-loops để connect the dots

Mẹo 2: Dùng "retrospective" giữa các buổi

Sau mỗi 2-3 buổi, dành 10 phút hỏi cả lớp: "Cách dạy này có đang work không?" Điều chỉnh sớm tốt hơn là cứng đầu theo kế hoạch cũ.

Mẹo 3: Chia sẻ cách tiếp cận với học sinh

Nói thẳng: "Chúng ta sẽ học theo cách Linear vì [lý do]. Điều này nghĩa là [implication]." Khi học sinh hiểu tại sao họ học theo cách này, động lực tăng đáng kể.

Tóm tắt bài học

Tài liệu tham khảo

• AI Fluency: Framework & Foundations (khóa học prerequisite miễn phí) — https://www.anthropic.com/ai-fluency
• Dakan, R. & Feller, J. — The AI Fluency Framework (framework gốc)
• Video bài gốc: https://www.youtube.com/watch?v=tbNz5IaoNl8
• AI Fluency Summary PDF + Key Terminology Cheat Sheet (tải trong khóa gốc)

Bản quyền gốc 2025 Rick Dakan, Joseph Feller, và Anthropic (CC BY-NC-SA 4.0). Bản tinh chế tiếng Việt 2026.