Ảnh minh họa

AI có thể đem lại những hiểu biết quý giá và nâng cao hiệu quả trong quá trình giảng dạy, nhưng điều này chỉ đạt được khi các trường đại học thiết lập một bộ chính sách quản lý dữ liệu và quy trình chiến lược, chủ động trong việc khai thác AI.

Những thách thức về dữ liệu trong giáo dục đại học

Giáo dục đại học đang phải đối mặt với những thách thức đặc thù về dữ liệu, bắt nguồn từ cả các yêu cầu về quy định lẫn cơ cấu tổ chức. Trước hết, các trường phải tuân thủ nhiều khung pháp lý khác nhau như Đạo luật Quyền riêng tư và Giáo dục Gia đình (FERPA) về bảo vệ dữ liệu sinh viên, Đạo luật HIPAA dành cho các trường y tế, Tiêu chuẩn Bảo mật Dữ liệu Ngành Thẻ Thanh toán (PCI DSS) liên quan đến các giao dịch tài chính, cùng các luật lệ khu vực như Đạo luật Bảo vệ Quyền riêng tư của Người tiêu dùng California (CCPA). Ngoài ra, việc nhận tài trợ của chính phủ cho nghiên cứu còn làm tăng phức tạp trong quá trình tuân thủ, vì các tổ chức giáo dục thường phải xây dựng nhiều lớp chính sách nội bộ, có sự giám sát của các hội đồng khoa học hoặc hội đồng quản trị. Môi trường kiểm soát này trở nên phức tạp, đòi hỏi các trường phải cân bằng giữa việc tuân thủ quy định chặt chẽ và quản lý dữ liệu nội bộ.

Trong bối cảnh đó, quản trị dữ liệu không chỉ đơn thuần là về bảo mật mà còn liên quan đến chất lượng dữ liệu, các hoạt động quản lý và rõ ràng trong vai trò, trách nhiệm của từng bộ phận. Quan điểm mở rộng này là điều cần thiết để phù hợp với phạm vi hoạt động rộng lớn của AI trong hầu hết các hoạt động của trường đại học.

Các ưu tiên trọng tâm trong quản trị AI

Để nâng cao quản lý dữ liệu và tối ưu hóa việc ứng dụng AI trong giáo dục đại học, các tổ chức nên tập trung vào một số ưu tiên chính. Trước hết, quyền riêng tư dữ liệu cần được bảo vệ, đảm bảo các hệ thống AI hoạt động hiệu quả mà không đụng chạm vào dữ liệu nhạy cảm của sinh viên. Các kỹ thuật như truy xuất tăng cường (RAG) và AI dựa trên đồ thị giúp tổ chức khai thác thông tin do AI cung cấp, đồng thời duy trì các biện pháp kiểm soát quyền riêng tư nghiêm ngặt.

Ngoài ra, các kỹ thuật bảo vệ quyền riêng tư cho AI, như học liên bang (federated learning), cho phép các mô hình được đào tạo trên dữ liệu phân tán mà không tiết lộ thông tin nhạy cảm. Tạo dữ liệu tổng hợp là một phương pháp khác, giúp các tổ chức xây dựng các tập dữ liệu giả lập phù hợp để phục vụ nghiên cứu và phát triển AI, mà vẫn bảo vệ dữ liệu sinh viên thực. Nhờ vậy, các trường đại học có thể duy trì mức độ bảo mật cao nhất đồng thời khai thác tối đa tiềm năng của AI để nâng cao thành tích của sinh viên.

Trách nhiệm giải trình cũng đóng vai trò cực kỳ quan trọng. Việc để AI tham gia vào quá trình ra quyết định giúp đảm bảo tính minh bạch và thúc đẩy đạo đức trong các hoạt động học thuật. Ví dụ, AI có thể phân tích các hồ sơ ứng tuyển để hỗ trợ tuyển sinh, xác định các mô hình thành công trong hồ sơ hoặc trả lời các câu hỏi của ứng viên qua chatbot một cách minh bạch, có chuỗi logic rõ ràng để đảm bảo tuân thủ quy trình.

Quản trị AI thúc đẩy đổi mới trong giáo dục đại học

Các đơn vị chuyển đổi trong lĩnh vực giáo dục đã nhận ra rằng việc quản trị AI cần đi đôi với việc hiện đại hóa hệ thống và hạ tầng phù hợp. Các nền tảng dữ liệu phải được thiết kế để phá vỡ các rào cản của kho dữ liệu truyền thống, nhằm tạo ra sự linh hoạt trong việc tích hợp các giải pháp AI across nhiều khoa ngành khác nhau. Đồng thời, các khung quản trị cần được áp dụng nhất quán xuyên suốt quá trình để thúc đẩy sáng tạo và hiệu quả trong toàn bộ hệ sinh thái giáo dục.

https://campustechnology.com/articles/2025/05/07/improving-ai-governance-for-stronger-university-compliance-and-innovation.aspx