KHẢO SÁT MÔ HÌNH HỌC TẬP KẾT HỢP SỬ DỤNG ỨNG DỤNG DI ĐỘNG TÍCH HỢP TRÍ TUỆ NHÂN TẠO (AI) ĐỐI VỚI VIỆC HỌC KĨ NĂNG VIẾT CHO SINH VIÊN NĂM NHẤT KHÔNG CHUYÊN ANH TẠI VÙNG ĐỒNG BẰNG SÔNG CỬU LONG, VIỆT NAM
Nội dung chính của bài viết
Tóm tắt
Trong bối cảnh cách mạng công nghiệp 4.0, học tập di động (M-learning) đã nổi lên như một giải pháp giáo dục linh hoạt, hỗ trợ sinh viên học tập mọi lúc, mọi nơi. Nghiên cứu này được thực hiện nhằm giới thiệu hướng giải quyết những thách thức về kĩ năng viết mà sinh viên năm nhất không chuyên tiếng Anh tại Việt Nam thường gặp phải qua việc đề xuất một mô hình học tập kết hợp, sử dụng các ứng dụng di động tích hợp AI (ChatGPT, Grammarly) để cung cấp hỗ trợ người học tức thời và các cơ hội thực hành bổ sung ngoài giờ học. Dựa trên mô hình TAM2 của Venkatesh and Davis (2000), một khảo sát định lượng với 98 sinh viên đại diện một số ngành tại một số trường đại học ở khu vực Đồng bằng sông Cửu Long đã được thực hiện để đánh giá mức độ hữu ích (PU) và mức độ dễ sử dụng (PEOU) của mô hình bằng bảng hỏi và bảng quan sát cấu trúc được thực hiện qua Google Form. Kết quả phân tích SPSS 20 cho thấy thái độ tích cực từ người học, họ đánh giá cao phản hồi tức thì và sự tiện lợi của thiết bị di động. Kết quả này mang ý nghĩa sâu sắc và khẳng định lợi ích sư phạm được đóng góp về phương pháp giảng dạy của giảng viên ngôn ngữ nói chung, ngôn ngữ Anh nói riêng; và việc thiết kế chương trình đào tạo cũng như hướng đến sự quan tâm về các chính sách liên quan của các nhà quản lí giáo dục nước nhà. Tuy nhiên, nghiên cứu cũng thừa nhận một số hạn chế, bao gồm quy mô mẫu nhỏ và việc tập trung vào sinh viên không chuyên, điều này có thể làm giảm tính đại diện và khả năng khái quát hóa của kết quả. Bài báo kết thúc với các đề xuất triển khai cụ thể và các hướng nghiên cứu trong tương lai, khẳng định tiềm năng ứng dụng mạnh mẽ của mô hình này trong tương lai.
Từ khóa
ứng dụng AI, học tập di động, sinh viên không chuyên tiếng Anh, TAM2, kĩ năng viết
Chi tiết bài viết
Tài liệu tham khảo
Creswell, J. W., & Creswell, J. D. (2018) Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SAGE Publications
Crompton, H., & Burke, D. (2018). The use of mobile learning in higher education: A systematic review. Computers & Education, 123, 53–64. https://doi.org/10.1016/j.compedu.2018.04.007
Hwang, G. J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001
Kim, H., & Kwon, Y. (2012). Exploring smartphone applications for effective mobile-assisted language learning. Multimedia-Assisted Language Learning, 15(1), 31-57. https://doi.org/10.15702/mall.2012.15.1.31
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). Exploring generative artificial intelligence preparedness among university language instructors: A case study. Computers and Education: Artificial Intelligence, 5, 100156. https://doi.org/10.1016/j.caeai.2023.100156
Koltovskaia, S. (2020). Student engagement with automated written corrective feedback (AWCF) provided by Grammarly: A multiple case study. Assessing Writing, 44, 100450. https://doi.org/10.1016/j.asw.2020.100450
Nguyen, B. T. (2023). Writing Strategies and Learner Autonomy for English Major Students in a Vietnamese University. Doctoral dissertation.
Loewen, S., Crowther, D., Isbell, D. R., Kim, K. M., Maloney, J., Miller, Z. F., & Rawal, H. (2019). Mobile-assisted language learning: A Duolingo case study. ReCALL, 31(3), 293–311. https://doi.org/10.1017/S0958344019000065
Le, T. T. T. (2024). Digitalization of Higher Education in Vietnam. Journal of Comparative & International Higher Education, 16(2), 56-64. https://doi.org/10.32674/jcihe.v16i2.5710.
Sánchez-Prieto, J. C., Huang, F., Olmos, S., García-Peñalvo, F. J., & Teo, T. (2019). Exploring the unknown: The effect of resistance to change and attachment on mobile adoption among secondary pre-service teachers. British Journal of Educational Technology, 50(5), 2433-2449. https://doi.org/10.1111/bjet.12822
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers’ adoption of digital technology in education. Computers & Education, 128, 13–35. https://doi.org/10.1016/j.compedu.2018.09.009
Triananda, R., Ramasari, M. & Syafitri, D. (2023) The Effectiveness of Blended Learning Model in Teaching Writing Narrative Text to the Eleventh Grade Students at Sma Negeri 5 Model Lubuklinggau. 2023. ELite Journal International Journal of Education Language and Literature 3(4):50-62. https://doi.org/10.26740/elitejournal.v3n4.p50-62
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926
Wang, Y., Liu, C., Tu, Y.-F. (2021). Factors Affecting the Adoption of AI-Based Applications in Higher Education: An Analysis of Teachers’ Perspectives Using Structural Equation Modeling. Educational Technology & Society, 24(3), 116– 129.
Zou, D., Huang, Y., & Xie, H. (2021). Digital game-based vocabulary learning: where are we and where are we going? Computer Assisted Language Learning, 34(5-6),
751–777. https://doi.org/10.1080/09588221.2019.1640745