13.5 · Tác động của AI lên chuyên ngành của bạn — Curriculum, Pedagogy, Assessment

Mở đầu: Ba câu hỏi trước khi đi xa hơn

Câu hỏi 1: What gets automated?

Những công việc routine nào trong sự nghiệp tương lai của các em có khả năng bị automate bởi AI? Và điều đó có nghĩa gì cho những gì chúng ta dạy hôm nay?

Câu hỏi 2: Where's the potential partnership?

Where will human-AI collaboration be most impactful trong ngành? Những areas này có thể trở thành priority để phát triển cả domain expertise và AI fluency cùng nhau.

Câu hỏi 3: Who's in charge?

Khi AI làm việc độc lập trong ngành, sinh viên manage và remain accountable cho AI thế nào? Làm sao chuẩn bị cho các em?

Bài này không đưa bạn câu trả lời sẵn. Bài này đưa bạn framework để phân tích — rồi áp dụng vào ngành của bạn, với colleagues của bạn, cho sinh viên của bạn.

Nguyên tắc: AI Fluency không về automation, mà về amplification

Trước khi phân tích, nhớ nguyên tắc cốt lõi:

┌──────────────────────────────────────────────────────────┐
│                                                          │
│   AI Fluency KHÔNG phải:                                 │
│   "Automate away your expertise"                         │
│                                                          │
│   AI Fluency LÀ:                                         │
│   "Amplify what we know and do best —                    │
│    augment capabilities, knowledge, insights,            │
│    judgment qua thoughtful partnership"                  │
│                                                          │
│   → Disciplinary knowledge không obsolete.               │
│   → Nó trở thành FOUNDATION cho unprecedented            │
│     achievement.                                         │
│                                                          │
└──────────────────────────────────────────────────────────┘

Đây là thông điệp bạn phải embody — và giúp sinh viên hiểu. Nếu bạn tiếp cận AI với fear ("sẽ bị thay thế"), sinh viên học fear. Nếu bạn tiếp cận với thoughtful partnership mindset, sinh viên học partnership.

Disruption không uniform

Có một ngộ nhận chung: "AI sẽ thay đổi mọi thứ trong giáo dục." Thực tế phức tạp hơn.

AI creates disruption — cả positive lẫn negative — trong mọi ngành. Nhưng disruption KHÔNG UNIFORM:

• Có thể curriculum của bạn stay stable trong khi assessments transform
• Hoặc pedagogy của bạn evolve trong khi core curriculum stays constant

Một số disruptions là opportunities cần leverage; khác là problems cần solve.

Distinguishing which is which là nơi expertise của bạn comes in.

┌────────────────────────────────────────────────────────┐
│                                                        │
│   Ba "mặt trận" của giáo dục — bị AI tác động          │
│   khác nhau tuỳ ngành:                                 │
│                                                        │
│          Curriculum      Pedagogy       Assessment     │
│             │              │               │           │
│             ▼              ▼               ▼           │
│         Cái gì       Dạy thế nào?    Đánh giá thế      │
│         được dạy?    Học thế nào?    nào?              │
│                                                        │
│   Ngành A:  Stable      Evolving    Transformed       │
│   Ngành B:  Evolving    Stable      Transformed       │
│   Ngành C:  Transformed Evolving    Stable            │
│                                                        │
│   Không pattern nào "đúng" — tuỳ ngành.                │
│                                                        │
└────────────────────────────────────────────────────────┘

Ba loại expertise của bạn — Foundation để respond

Response của bạn tới AI disruption builds trên ba loại expertise bạn đã có.

Expertise 1: Disciplinary Expertise — Chuyên môn ngành

Bạn hiểu không chỉ content ngành, mà còn:

• Core values, methods, ways of thinking của ngành
• Skills nào foundational vs. peripheral
• Concepts nào unlock future learning
• Điều gì khiến ai đó truly fluent trong ngành

Example — Historian: Bạn biết "source criticism" là skill foundational (không thể outsource). "Formatting footnotes" là peripheral (có thể automate hoàn toàn).

Expertise 2: Pedagogical Expertise — Chuyên môn giảng dạy

Bạn biết:

• Chỗ sinh viên trong ngành typically struggle, breakthrough, develop mastery
• Emotional journey của learning subject — chỗ sinh viên resist, excited, need support
• Teaching moves nào work, nào không trong ngành cụ thể

Example — Math professor: Bạn biết sinh viên "stuck" ở proofs vì chưa shift từ computational thinking sang abstract thinking. AI có thể accelerate hoặc impede shift này — tuỳ cách dùng.

Expertise 3: Assessment Expertise — Chuyên môn đánh giá

Bạn biết:

• Recognize genuine understanding khi thấy
• Design evaluations reveal deep learning — với hoặc không có AI

Example — Literature professor

Bạn có thể tell difference giữa "AI-generated essay với human editing" và "human-written essay with AI assistance trên research". Signals khác nhau subtle nhưng real.

Nguyên tắc

Cả ba expertise này là foundation — không bị AI thay thế. Nhưng cách bạn applied chúng phải adapt với AI presence.

Phân tích 1: Tác động lên Curriculum

AI không replace disciplinary knowledge. Nhưng nó challenge chúng ta reconsider:

• What chúng ta dạy
• When and how dạy
• Why dạy nó

Câu hỏi khó sinh viên sẽ ask

Hãy prepare: sinh viên của bạn sẽ hỏi:

• "Tại sao học research methods khi AI có thể search cho em?"
• "Tại sao study writing khi AI generate text?"
• "Tại sao học math computation khi AI có calculator built-in?"
• "Tại sao học programming syntax khi Copilot autocomplete?"

Câu trả lời KHÔNG THỂ

"Vì bạn phải học." (Authority thuần không convince Gen Z.)

Câu trả lời CẦN

Compelling, discipline-specific — connect deep learning với enhanced capability và goals của chính sinh viên.

Ví dụ cho research methods:

• "Em học research methods không phải để replace AI search. Em học để biết khi nào AI search đang sai — khi nào sources unreliable, khi nào conclusions underdetermined bởi evidence. Em là người judge, AI là tool. Tool sharp cần user sharper."

Ví dụ cho writing:

• "AI generate text trung bình. Em học writing để produce text trên trung bình — clear where AI murky, nuanced where AI generic, specific where AI vague. Writing là thinking. Thinking em không outsource được."

Làm việc với colleagues — Curriculum audit

Dành time với colleagues deeply assess AI's impact trên curriculum. Hỏi chung:

1. Identify what trong ngành AI capable of automating (ngày hôm nay và projected 2-3 năm tới)

1. Determine foundational concepts nào trở thành more vs. less important khi AI handles routine tasks

1. Identify how AI augmentation changes best practices trong ngành

1. Map which concepts help students direct AI agents effectively

Output: Curriculum map với 3 cột:

• Concept/skill
• AI impact (none / low / high / transformative)
• Implication (teach more / teach differently / deprecate / newly added)

Phân tích 2: Tác động lên Pedagogy

AI transform cách dạy và học — khả năng mới trước đây chỉ mơ:

• Personalized tutoring at scale
• Interactive simulations
• Immediate feedback
• Adaptive learning paths

Nhưng — như mọi tool — không phải mọi AI enhancement enhance learning.

┌────────────────────────────────────────────────────────┐
│                                                        │
│   AI trong pedagogy — hai loại:                        │
│                                                        │
│   ✅ GENUINELY HELPS:                                  │
│   Student think harder, engage deeper,                 │
│   understand better.                                   │
│                                                        │
│   ❌ JUST SHORTCUTS:                                   │
│   Student get answer nhanh hơn, nhưng                  │
│   miss learning opportunity.                           │
│                                                        │
│   Key: UNDERSTANDING which is which                    │
│   trong YOUR specific context.                         │
│                                                        │
└────────────────────────────────────────────────────────┘

Ví dụ phân biệt

Helpful — AI tutor explaining concept:

Sinh viên Math stuck ở integration by parts. AI tutor: "Hãy work through this thí dụ từng bước. Tôi sẽ ask em check-in questions." Sinh viên phải think active, catch own mistakes.

Shortcut — AI giải homework:

Sinh viên Math stuck. AI: "Đây là answer: 2/3π + C." Sinh viên copy. Học gì? Nothing.

Helpful — AI as rubber duck cho brainstorming:

Sinh viên Literature cần develop thesis. AI: "Em say XY. Em có thể articulate Z (implicit assumption) rõ hơn không?" Sinh viên pushed để sharpen thinking.

Shortcut — AI generate thesis + outline:

Sinh viên Literature: "Cho tôi thesis và outline." AI provide. Sinh viên follow. Học gì? Recipe, không phải thinking.

Câu hỏi chiến lược pedagogy

Làm việc với peers, figure out:

• AI enable learning trong ngành thế nào? (Specific examples)
• AI inhibit learning trong ngành thế nào? (Specific examples)
• Teacher và student collaborations với AI nào best leverage AI's potential như educational assistant?
• Consider AI như interactive environment hoặc partner cho learning activities (không chỉ "answer generator")
• Determine pedagogical approaches best leverage AI's potential cho specific teaching practice
• Determine pedagogical approaches nên actively avoided và discouraged

Phân tích 3: Tác động lên Assessment — Thử thách cấp bách nhất

Đây có thể là disruption lớn nhất, cấp bách nhất AI tạo ra cho educators.

Khi sinh viên có thể generate essays trong giây, chúng ta đang assess CÁI GÌ?

Câu hỏi đào sâu:

• Làm sao create evaluations honor individual growth, creativity, problem solving?
• Làm sao authentically assess both AI-assisted và human-only performances?
• Skills nào core to mastery trong ngành?
• Measurement methodology richer trông thế nào — có thể involve AI trong assessment process?

Expertise của bạn essential

Bạn biết genuine understanding trông thế nào trong ngành. Bây giờ apply knowledge đó vào tasks vital:

Identify gì là authentic demonstration of learning trong AI-assisted work.

Determine cách create assignments sinh viên không thể shortcut với AI tools — không phải bằng cách ban AI, mà bằng cách design assignments where AI-only isn't sufficient.

Is there a different kind of assessment có thể demonstrate even deeper understanding khi sinh viên work với AI?

Identify how assessments value process và growth, không chỉ products.

Determine where AI collaboration enhances vs. undermines learning objectives.

Pivot reality

Thực tế — sinh viên sẽ turn to AI regardless. Câu hỏi: chúng ta adapt thế nào?

Pivot khuyến nghị: Assess skills trong critical thinking và working với AI — không phải without AI.

Đây không phải "lowering the bar". Đây là raising the bar — but on different skills. Skills thực sự matter cho future của sinh viên.

So sánh disruption patterns across disciplines — gợi ý tham khảo

Key takeaway: Nhìn pattern của ngành bạn, không borrow pattern từ ngành khác.

Case studies theo chuyên ngành — Ví dụ phân tích minh họa

Các "phân tích minh họa" dưới đây là illustrative examples do bản tinh chế tiếng Việt biên soạn (không phải interview thực). Dùng để mồi thảo luận với colleagues trong ngành của bạn.

Giáo viên English Literature (University level)

Phân tích minh họa:

• Curriculum impact: LOW. Shakespeare vẫn là Shakespeare. Canon không thay đổi.
• Pedagogy impact: MEDIUM. AI là new reading partner — giúp close reading, thematic analysis. Sinh viên có thể "thảo luận" với AI về text.
• Assessment impact: HIGH. Essay truyền thống gần chết. Pivot tới: in-class annotations, oral defense of thesis, creative responses AI can't replicate (original performance).

Biggest pivot: Shift from "essay as assessment" tới "essay as thinking artifact + defense as assessment".

Giảng viên Organic Chemistry

Phân tích minh họa:

• Curriculum impact: LOW-MEDIUM. Mechanism concepts unchanged. Nhưng "memorize all named reactions" deprioritized (AI retrieves).
• Pedagogy impact: MEDIUM. AI as "problem set partner" — sinh viên work với AI để predict products, AI flag errors in reasoning.
• Assessment impact: MEDIUM. Practical exams (lab techniques) still work. Written exams shift from "name this reaction" to "predict mechanism + explain why this pathway favors".

Biggest pivot: Emphasis shifts from retrieval to reasoning about retrieval.

Giáo viên Legal Writing

Phân tích minh họa:

• Curriculum impact: LOW. Laws unchanged. Core legal analysis unchanged.
• Pedagogy impact: HIGH. Teach AI verification as core skill. Case library citations = now about verification rubric.
• Assessment impact: HIGH. Past: "Write a brief." Now: "Write a brief + verification trail + ethical statement."

Biggest pivot: Add "AI literacy" as explicit graded component — chứ không phải hidden assumption.

Giáo viên Studio Art

Phân tích minh họa:

• Curriculum impact: MEDIUM. Generative tools (Midjourney, Stable Diffusion) = new paradigm. Syllabus must include "prompt as artistic act", "curation as artistic act".
• Pedagogy impact: HIGH. Studio culture adapts: AI generation as sketching tool, human refinement as finishing. Process documentation becomes central.
• Assessment impact: MEDIUM-HIGH. Portfolio still works but requires provenance documentation — how much human, how much AI.

Biggest pivot: Redefine "authorship" as curatorial + refining act, not just generative act.

Y khoa (Clinical education)

Phân tích minh họa:

• Curriculum impact: MEDIUM. Diagnostic AI reshaping practice — curriculum add "AI-augmented clinical reasoning".
• Pedagogy impact: HIGH. Simulations + AI patients + real-time decision support in training.
• Assessment impact: LOW-MEDIUM. OSCE (Objective Structured Clinical Examination) still gold standard — hands-on, physical, hard to AI-shortcut.

Biggest pivot: Add explicit unit on "when to trust AI diagnosis, when to override".

MBA Program

Phân tích minh họa:

• Curriculum impact: MEDIUM. Core strategy concepts unchanged. AI-specific applications added.
• Pedagogy impact: HIGH. Case method shifts — sinh viên expected to use AI in case prep, class discusses AI's analysis alongside own.
• Assessment impact: HIGH. Case competitions: AI allowed but graded on integration. Final oral defense — live Q&A no AI.

Biggest pivot: Oral defense becomes critical — you can't AI-read your way through a live dialogue with examiners.

Giáo viên K-12 (High school English)

Phân tích minh họa:

• Curriculum impact: LOW. State standards unchanged.
• Pedagogy impact: MEDIUM. Teach AI as writing companion — never replacement.
• Assessment impact: VERY HIGH. Traditional essays vulnerable. Shift to: in-class writing, oral presentations, portfolios with drafts, student-teacher conferences.

Biggest pivot: Drastically reduce take-home essay weight. Replace with in-class + conversational assessments.

Library Science

Phân tích minh họa:

• Curriculum impact: HIGH. Librarian role transforming — less search, more AI literacy instruction, information evaluation, synthesis support.
• Pedagogy impact: HIGH. Library instruction now includes teaching users AI prompt, evaluate, verify.
• Assessment impact: MEDIUM. Research guide + AI literacy plan as new capstone.

Biggest pivot: Library reimagined as "AI collaboration hub" for institution.

Political Science / Policy

Phân tích minh họa:

• Curriculum impact: LOW. Theories + historical analysis unchanged. New unit on AI governance added.
• Pedagogy impact: MEDIUM. Policy analysis done with AI help = new methodology to teach.
• Assessment impact: HIGH. Policy briefs vulnerable. Shift to: policy simulations, group role-plays, oral arguments.

Biggest pivot: Oral policy simulations as core assessment, written briefs as support.

Prompt mẫu: Phân tích ngành của bạn với AI

1. Curriculum disruption audit

Tôi dạy [môn/ngành] tại [cấp học]. Help me analyze curriculum
disruption by AI:
- Routine tasks trong ngành tôi AI có thể automate today?
- Trong 2-3 năm tới?
- Tasks nào KHÔNG thể automate (require human judgment/creativity)?
- Concepts hiện tại tôi dạy — cái nào trở thành more important vs.
  less important?
- Compelling answer cho sinh viên hỏi "Why learn X when AI does it?"
Format: bảng với concept + AI impact level + teaching implication.

2. Pedagogy transformation analysis

Cho ngành [X], identify:
- 3 ways AI could enable BETTER learning (specific, not generic)
- 3 ways AI could SHORT-CIRCUIT learning (specific pitfalls)
- For each "better" way: how exactly would lesson look?
- For each "shortcut" way: what's the preventive pedagogy?
Base on actual pedagogical research where possible.

3. Assessment integrity analysis

Ngành [X], common assignment types: [liệt kê 5-8]. For each:
- Which can AI do acceptably?
- Which are still human-distinct?
- Which need fundamental redesign?
- Recommended pivot cho mỗi vulnerable assignment type.
Rank by urgency (immediate/this semester/next year).

4. 3-question analysis (what/where/who)

Applied to ngành [X]:
Q1: "What gets automated?" — list top 10 tasks AI will automate
    trong 2 năm tới cho professionals trong ngành.
Q2: "Where's partnership?" — list top 5 areas where human-AI
    collaboration creates most value.
Q3: "Who's in charge?" — list top 5 situations where human
    accountability critical, and what's accountability structure.

5. Expertise foundation audit

Help me articulate my 3 expertise áreas:
- Disciplinary: what are CORE values, methods, ways of thinking
  của [môn tôi dạy]?
- Pedagogical: where sinh viên ngành tôi typically struggle?
  Breakthrough? Develop mastery?
- Assessment: how do tôi recognize genuine understanding?
  Signals cụ thể?
Output: 1-page document tôi có thể share với colleagues.

6. Position paper draft

Synthesize our previous discussion vào 1500-word position paper
with sections:
- Context: My discipline + AI's impact pattern
- Curriculum: what stays, what evolves, what's new
- Pedagogy: enhancement opportunities + risks
- Assessment: redesign priorities
- Clear principles for AI use trong ngành (5-7 principles)
- Examples + rationales tailored to convince colleagues skeptical

Tone: professional but passionate. Audience: department chair,
fellow faculty, institutional admin.

7. "Why learn this?" answers

Generate compelling answers to these student questions:
- "Why learn writing when AI writes?"
- "Why learn research when AI searches?"
- "Why learn [specific skill in my field] when AI does it?"
Each answer: 2-3 sentences, personal/motivating, tied to student's
own future agency. Not "because you must".

8. Colleague conversation starter

Draft 2-page discussion guide cho 60-minute department meeting
on "AI in our discipline". Sections:
- 3 opening questions to surface current assumptions
- 1 case study discussion
- 3 decision points requiring group input
- 1 commitment each faculty will take away
Tone: inviting, not prescriptive.

Anti-patterns — Sai lầm khi phân tích AI disruption

Assume disruption uniform across ngành

Biểu hiện

"AI sẽ thay đổi TẤT CẢ trong giáo dục."

Tại sao là sai

Panic mode. Miss nuance của pattern ngành bạn.

Cách đúng

Phân tích ngành cụ thể. Curriculum/pedagogy/assessment mỗi cái có impact level khác nhau.

Deny disruption

Biểu hiện

"AI là hype. Ngành tôi sẽ không bị ảnh hưởng."

Tại sao là sai

Không prepare → bị blindsided.

Cách đúng

Assume disruption happening. Question: pattern nào, pace thế nào?

Fear-mongering → anti-AI dogma

Biểu hiện

"AI destroying education. Ban tất cả."

Tại sao là sai

Sinh viên vẫn dùng, bí mật hơn. Teachers lose credibility với Gen Z digital natives.

Cách đúng

Thoughtful integration + explicit teaching về when/how/why.

Over-adoption → uncritical AI embrace

Biểu hiện

"AI là future! Use everywhere!"

Tại sao là sai

Skip critical judgment. Students học dependency, không fluency.

Cách đúng

Selective, intentional adoption. Mỗi use case defensible pedagogically.

Solo analysis — không involve colleagues

Biểu hiện

1 giáo viên enthusiastic đổi mọi thứ; đồng nghiệp khác không buy in → disunity trong department.

Cách đúng

Collective analysis. Department meetings. Build consensus trên principles + room cho individual experimentation.

Skip "why" question

Biểu hiện

"Học research methods vì curriculum yêu cầu."

Tại sao là sai

Sinh viên không convinced. Học cho có điểm, không cho hiểu.

Cách đúng

Articulate compelling why cho mỗi major skill. "Why still matters" là core teaching.

Adopt bandwagon technology without pedagogy

Biểu hiện

Trường mua 1 AI platform. Teachers require sử dụng không có pedagogical thinking.

Tại sao là sai

Technology-first, pedagogy-last = disaster.

Cách đúng

Pedagogy-first. Choose tools matching pedagogy.

Ignore digital equity issues

Biểu hiện

Assume mọi sinh viên có same access, same familiarity, same confidence với AI.

Tại sao là sai

Worsen existing inequalities.

Cách đúng

Audit equity. Provide access. Scaffold differently cho students với different starting points.

Mẹo nâng cao

Mẹo 1: Start với retrospective, không proactive

Trước khi plan future, review past. "5 năm qua, ngành tôi đã changed thế nào? Rate of change accelerating?" Historical context calibrates expectations.

Mẹo 2: Talk to recent alumni

Graduates 2-3 năm out có best view về what matters in work. Email 5 alumni: "What skills em dùng daily mà tôi dạy? Cái gì em wish tôi dạy?"

Mẹo 3: Industry advisory conversations

Nếu trường có industry advisors, ask specifically: "AI changing industry bạn thế nào? Skills cần tuyển? Skills không tuyển nữa?"

Mẹo 4: Don't go it alone — build coalition

Tìm 2-3 colleagues cùng exploring. Monthly 1-hour meetings. Share wins + struggles. Distributed cognition > solo overthinking.

Mẹo 5: Rolling updates, not 1-time redesign

Curriculum won't be "done". Treat as living — review + adjust yearly. Small updates > one big reset.

Mẹo 6: Position paper as living document

Version your position paper. v1.0 (year 1) → v1.5 (mid-year reflection) → v2.0 (year 2). Show evolution of thinking.

Áp dụng ngay — Phân tích ngành của bạn

Step 1: Curriculum exploration (10 phút)

Bắt đầu conversation với Claude (hoặc continue từ previous lessons).

Setup conversation:

• Provide AI các transcripts/summaries của course này
• Share teaching + disciplinary context; explain em analyzing AI's impact on specific discipline
• Tell AI em creating position paper articulating perspective trên changes này

Explore curriculum disruption:

• Explore với AI: routine tasks nào trong ngành AI currently automates hoặc may soon?
• Thảo luận: automations này change foundational concepts becoming more/less important cho students thế nào?
• Work through specific examples khi sinh viên ask "Why learn XYZ when AI can do it?" — develop compelling, discipline-specific answers
• Identify: human skills nào become even more crucial khi AI handles routine work?
• Consider: where human-AI collaboration add most value trong ngành em?
• Discuss: new competencies gì sinh viên cần để work effectively với AI trong ngành em?

Step 2: Pedagogical transformation (10 phút)

Continue analysis focusing trên teaching methods.

Identify enhancement opportunities:

• Explore với AI specific ways AI could enable better learning experiences trong ngành
• Discuss pedagogical possibilities seemed impossible before AI (personalized tutoring, immediate feedback, interactive simulations)
• Distinguish: AI genuinely helps students learn vs. just making things easier/faster
• Consider: AI might help address persistent challenges trong teaching môn em thế nào?

Assess risks và maintain rigor:

• Work với AI: where AI might short-circuit genuine learning trong ngành?
• Discuss: pedagogical approaches nên avoided hoặc modified với AI's presence?
• Explore: maintain academic rigor thế nào khi AI complete many traditional assignments?
• Consider: learning experiences nào must remain human-centered để preserve value?
• Plan: giúp sinh viên use AI như learning tool thay vì learning substitute thế nào?

Step 3: Reimagining assessment (10 phút)

Focus trên assessment challenges và opportunities.

Design authentic assessment trong AI age:

• Discuss với AI: gì demonstrates genuine understanding trong ngành em khi sinh viên có AI access?
• Explore: assess process, growth, critical thinking alongside final products thế nào?
• Consider: new forms of assessment becoming possible với AI?
• Identify ways to value creativity, judgment, synthesis trong assessment

Maintain integrity while embracing innovation:

• Work với AI brainstorm assessments không thể shortcut với AI
• Explore: where AI collaboration might actually enhance demonstration of mastery
• Discuss: distinguish between appropriate và inappropriate AI use trong ngành?
• Consider: design assessments khuyến khích responsible AI use while demonstrating individual understanding?

Step 4: Synthesizing Position Paper (10 phút)

Create position paper.

Developing your stance:

• Ask AI help synthesize discussion thành coherent position paper
• Include perspective trên curriculum evolution, pedagogical transformation, assessment innovation
• Articulate clear principles cho AI should và shouldn't be used trong ngành
• Add specific examples + rationales resonate với colleagues

Ghi lại kết quả:

• Disruption pattern của ngành tôi: (curriculum/pedagogy/assessment — cái nào most disrupted) ___________
• Top 3 curriculum priorities: ___________
• Top 3 pedagogy shifts: ___________
• Top 3 assessment redesigns: ___________
• 1 colleague tôi sẽ discuss position paper: ___________

Tóm tắt bài học

Tài liệu tham khảo

• Video bài gốc: https://www.youtube.com/watch?v=biNOM9jAkFY
• Claude for Education (Anthropic resource): https://www.anthropic.com/education
• Bài 13.4 — Thiết kế bài tập (cho assessment redesign practical)

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