- Tác giả
- Ban Biên tập IESDTD tổng hợp
- Lĩnh vực
- Trí tuệ nhân tạo, Khoa học dữ liệu & Công nghệ số
- Từ khóa
- phân tích học tập, dữ liệu học sinh, quyền riêng tư, bảo vệ dữ liệu cá nhân, đạo đức dữ liệu
Tóm tắt
Phân tích học tập dùng dữ liệu về hoạt động của người học để hỗ trợ việc dạy và học, nhưng cũng tiềm ẩn nguy cơ giám sát, gán nhãn và rò rỉ dữ liệu trẻ em. Bài giới thiệu bằng chứng về rủi ro và bộ nguyên tắc thực hành của Jisc, liên hệ pháp luật Việt Nam.
Mỗi lần học sinh đăng nhập hệ thống học trực tuyến, làm bài trắc nghiệm, xem video bài giảng hay nộp bài tập, một dấu vết dữ liệu được ghi lại. Phân tích học tập (learning analytics) là việc dùng những dữ liệu này để hiểu và cải thiện quá trình dạy học – ví dụ phát hiện sớm học sinh có nguy cơ tụt lại, hay tìm ra phần bài giảng mà nhiều em không hiểu.
Cùng với lợi ích là những câu hỏi khó: ai được xem dữ liệu, dữ liệu được dùng vào việc gì, học sinh có biết mình đang bị theo dõi không, và việc "dự đoán" có biến thành "gán nhãn" không? Với trẻ em, những câu hỏi này càng nghiêm trọng.
Rủi ro không chỉ là lý thuyết
Báo cáo của Tổ chức Theo dõi Nhân quyền (Human Rights Watch) công bố tháng 5/2022 đã khảo sát 163 sản phẩm công nghệ giáo dục được 49 chính phủ khuyến nghị cho học sinh dùng trong thời kỳ học trực tuyến do COVID-19. Kết quả:
- 145 trên 163 sản phẩm (89%) được đánh giá là đã giám sát hoặc có khả năng giám sát trẻ em, trong đa số trường hợp là bí mật, không có sự đồng ý của trẻ hoặc cha mẹ.
- Các sản phẩm này gửi hoặc cho phép truy cập dữ liệu cá nhân của trẻ tới 196 công ty bên thứ ba, phần lớn là công ty công nghệ quảng cáo.
- Trong số các ứng dụng được phân tích, nhiều ứng dụng thu thập mã định danh quảng cáo, vị trí chính xác hoặc danh bạ của người dùng.
Báo cáo cho thấy rủi ro lớn nhất thường không nằm ở bản thân phân tích học tập trong lớp, mà ở chuỗi dữ liệu phía sau sản phẩm – những bên thứ ba mà nhà trường, phụ huynh không nhìn thấy.
Những vấn đề đạo đức cốt lõi
Paul Prinsloo và Sharon Slade, hai nhà nghiên cứu có nhiều công trình về đạo đức của phân tích học tập, trong chương viết cho Sổ tay Phân tích học tập của Hiệp hội Nghiên cứu Phân tích học tập (SoLAR) đã đặt vấn đề này trong bối cảnh rộng hơn: tiến bộ công nghệ đi kèm mối lo ngại ngày càng lớn về giám sát lan tràn, về vai trò và hệ quả ngoài ý muốn của thuật toán; vì vậy phân tích học tập cần được phát triển như một thực hành có đạo đức.
Có thể tóm lược thành bốn rủi ro thực tế:
- Gán nhãn: học sinh bị hệ thống xếp vào nhóm "nguy cơ" có thể bị giáo viên, bạn bè nhìn nhận khác đi, và chính các em mất động lực.
- Dữ liệu không đầy đủ: dữ liệu trực tuyến chỉ phản ánh một phần việc học; học sinh ít dùng máy tính ở nhà có thể bị đánh giá thấp một cách oan uổng.
- Hiệu ứng "bị theo dõi": biết mình bị giám sát, học sinh có thể né tránh tham gia, hoặc tìm cách "lách" chỉ số.
- Chia sẻ, tái sử dụng dữ liệu cho mục đích khác ngoài giáo dục.
Bộ nguyên tắc thực hành của Jisc
Jisc, tổ chức phi lợi nhuận hỗ trợ công nghệ số cho giáo dục Anh, ban hành Bộ nguyên tắc thực hành về phân tích học tập từ năm 2015 (tác giả Niall Sclater và Paul Bailey), được cập nhật năm 2026 với phần hướng dẫn khi có sử dụng AI. Điểm xuất phát được nêu rõ: phân tích học tập phải phục vụ lợi ích của học sinh – để hỗ trợ từng em hoặc cải thiện trải nghiệm giáo dục nói chung; không được dùng để chấm điểm, xếp loại hay lập hồ sơ đặc điểm cá nhân.
| Nguyên tắc | Nội dung chính |
|---|---|
| Trách nhiệm | Xác định rõ ai chịu trách nhiệm về thu thập dữ liệu, ẩn danh hóa, phân tích, dùng công cụ AI của bên thứ ba, can thiệp và lưu trữ; tham vấn đại diện học sinh. |
| Minh bạch và đồng ý | Giải thích rõ nguồn dữ liệu, mục đích, chỉ số, ai được xem; nói rõ có dùng AI hay không. Học sinh thường được hỏi ý kiến trước khi có can thiệp cá nhân dựa trên phân tích. |
| Quyền riêng tư | Chỉ người có nhu cầu chính đáng mới được truy cập; cảnh giác với khả năng tái nhận diện khi ghép nhiều nguồn dữ liệu; bảo vệ dữ liệu khi thuê bên thứ ba. |
| Tính hợp lệ | Kiểm soát chất lượng dữ liệu, tránh tương quan giả; thuật toán phải được người có chuyên môn kiểm định. Kết quả do AI phân tích chỉ là tài liệu hỗ trợ, phán đoán thuộc về con người. |
| Quyền truy cập | Học sinh được xem các phân tích về mình, các chỉ số và nhãn gắn với mình; có cách để hiểu, chất vấn hoặc đề nghị sửa các dự đoán do AI tạo ra. |
| Can thiệp tích cực | Dự đoán của AI nên dẫn tới đề nghị hỗ trợ, không phải hạn chế, xử phạt hay quyết định quan trọng. |
| Giảm thiểu tác động bất lợi | Phân tích không bao giờ cho bức tranh đầy đủ về một người; không để việc phân loại làm thiên lệch cách nhìn học sinh; tránh để AI khuếch đại định kiến. |
| Quản lý dữ liệu | Chỉ giữ dữ liệu tối thiểu cần thiết, trong thời hạn xác định; xóa hoặc ẩn danh khi học sinh yêu cầu (trừ dữ liệu bắt buộc như điểm số). |
Bộ nguyên tắc được viết cho giáo dục đại học và cao đẳng ở Anh, trong khuôn khổ pháp luật bảo vệ dữ liệu của Anh, nên khi áp dụng ở trường phổ thông cần thận trọng hơn vì đối tượng là trẻ em.
Bối cảnh pháp lý Việt Nam
Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực từ ngày 1/1/2026. Luật quy định các quyền của chủ thể dữ liệu như được biết, đồng ý hoặc rút lại sự đồng ý, truy cập, chỉnh sửa, xóa dữ liệu; cấm mua bán dữ liệu cá nhân; và có quy định bảo vệ riêng đối với dữ liệu cá nhân của trẻ em. Theo phổ biến của Bộ Công an, việc xử lý dữ liệu cá nhân của trẻ em từ đủ 7 tuổi để công khai thông tin về đời sống riêng tư cần có sự đồng ý của cả trẻ em và người đại diện theo pháp luật. Nhà trường và nhà cung cấp phần mềm giáo dục cần đối chiếu cụ thể với luật và các văn bản hướng dẫn khi triển khai hệ thống thu thập, phân tích dữ liệu học sinh.
Gợi ý cho nhà trường Việt Nam
- Kiểm kê: lập danh sách các phần mềm, ứng dụng đang dùng, mỗi phần mềm thu thập dữ liệu gì về học sinh, lưu ở đâu, chia sẻ cho ai.
- Đọc chính sách quyền riêng tư của nhà cung cấp trước khi yêu cầu học sinh dùng; ưu tiên sản phẩm không có quảng cáo, không thu thập vị trí, danh bạ.
- Thông báo minh bạch cho phụ huynh, học sinh về mục đích và phạm vi thu thập dữ liệu.
- Dùng dữ liệu để hỗ trợ, không để trừng phạt: cảnh báo sớm nên dẫn tới việc giáo viên chủ nhiệm trò chuyện, phụ đạo – không phải ghi vào hồ sơ hay công khai danh sách.
- Không chia sẻ bảng điểm, danh sách "học sinh yếu" lên nhóm chat công khai.
- Giữ con người trong vòng quyết định: mọi kết luận về một học sinh cần giáo viên xem xét trong bối cảnh cụ thể của em.
Nguồn tham khảo
- Human Rights Watch (2022). "How Dare They Peep into My Private Life?": Children's Rights Violations by Governments that Endorsed Online Learning During the Covid-19 Pandemic. https://www.hrw.org/report/2022/05/25/how-dare-they-peep-my-private-life/childrens-rights-violations-governments
- Sclater, N. & Bailey, P. (2015, cập nhật 2026). Code of practice for learning analytics. Jisc. https://www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics
- Prinsloo, P. & Slade, S. (2017). Ethics and learning analytics: Charting the (un)charted. Trong Handbook of Learning Analytics (ấn bản thứ nhất), SoLAR. https://www.solaresearch.org/publications/hla-17/hla17-chapter4/
- Bộ Công an (2025). Bảo vệ dữ liệu cá nhân trong một số trường hợp, hoạt động. https://mps.gov.vn/chinh-sach-phap-luat/bai-viet/bao-ve-du-lieu-ca-nhan-trong-mot-so-hoat-dong-1754989261
- Cổng thông tin điện tử tỉnh Hà Tĩnh (2026). Luật Bảo vệ dữ liệu cá nhân chính thức có hiệu lực thi hành từ ngày 1/1/2026. https://hatinh.gov.vn/vi/bai-viet/luat-bao-ve-du-lieu-ca-nhan-chinh-thuc-co-hieu-luc-thi-hanh-tu-ngay-112026
Trích dẫn bài viết
Ban Biên tập IESDTD tổng hợp (2026). Phân tích học tập và quyền riêng tư dữ liệu học sinh: lợi ích, rủi ro và nguyên tắc sử dụng. Viện Khoa học giáo dục và phát triển Công nghệ số. https://iesdtd.edu.vn/nghien-cuu/phan-tich-hoc-tap-va-quyen-rieng-tu-du-lieu-hoc-sinh