Khi luyện V-ACT, HSA hoặc TSA, một câu em thấy khó có thể dễ hơn nếu được AI gợi đúng cách giải. Điều này nói về buổi luyện có hỗ trợ, không phải quyền dùng AI trong phòng thi. Điều đó đặt ra vấn đề cho đề thi: câu hỏi đang phân biệt năng lực nào và trong điều kiện nào. Tôi đề xuất kiểm tra lại dữ liệu câu hỏi khi cách hỗ trợ thay đổi đáng kể, thay vì giữ nguyên tham số cũ.
Độ khó không chỉ là cảm giác của người ra đề
Trong IRT, tham số b mô tả vị trí độ khó trên thang năng lực, còn a mô tả độ phân biệt trong mô hình [1]. Các tham số được ước lượng từ dữ liệu, theo một thiết kế và những giả định xác định. Chúng không phải con số AI có thể đọc đề rồi khẳng định chính xác cho một nhóm học sinh.
Tình huống minh họa: một câu trước đây đòi hỏi tự chọn công thức. Nếu công cụ chỉ ngay công thức, nhiệm vụ còn lại khác đi. Khi ấy, kết quả có thể phản ánh cả mức hỗ trợ và cách học sinh dùng hỗ trợ. Không nên mặc định tham số từ lần thi độc lập vẫn mang nguyên ý nghĩa.
Câu dễ hơn chưa chắc đo tốt hơn
Nếu gần như mọi em đều trả lời đúng sau cùng một gợi ý, câu hỏi có thể cung cấp ít thông tin hơn về sự khác biệt năng lực tự làm. Ngược lại, một nhiệm vụ yêu cầu kiểm tra và sửa gợi ý sai có thể giúp quan sát một năng lực khác. Điều cần xem là mục tiêu đo, không chỉ tỉ lệ đúng tăng hay giảm.
NCES mô tả việc kiểm tra mức độ phù hợp của mô hình trong quá trình xây thang đo [2]. Áp dụng vào bối cảnh AI, đơn vị khảo thí cần xem cả nội dung, dữ liệu câu trả lời và điều kiện hỗ trợ trước khi quyết định giữ câu trong ngân hàng.
Thử nghiệm phải tránh nhầm nguyên nhân
Không thể nhìn một lớp điểm cao hơn rồi kết luận AI đã làm câu dễ hơn. Hai lớp có thể khác kiến thức nền, mức ôn tập hoặc đã gặp câu trước đó. Một nghiên cứu cần thiết kế so sánh phù hợp, kiểm soát khác biệt và hạn chế ảnh hưởng làm quen đề.
Đối với học sinh, điều này giải thích vì sao đề mới cần được thử và vì sao điểm nên ghi rõ điều kiện làm bài. Đối với giáo viên, đây là lí do rà soát câu hỏi bằng dữ liệu thực, không chỉ bằng nhận xét công cụ. Một ngân hàng đề đáng tin cần được cập nhật khi môi trường học thay đổi, đồng thời giữ rõ năng lực mà từng câu đang được dùng để đo.
Tài liệu tham khảo
[1] National Center for Education Statistics (2024). NAEP Assessment IRT Parameters. Nguồn
[2] National Center for Education Statistics (2026). Estimation of NAEP Score Scales. Nguồn