📂 Portfolio Kỹ Năng Số

Xin chào, tôi là
Nguyễn Đức Tiến

Sinh viên ngành Trí tuệ nhân tạo – đam mê khám phá công nghệ số, AI và sáng tạo nội dung. Portfolio này ghi lại hành trình phát triển kỹ năng số của tôi.

Ngành học:  Trí tuệ nhân tạo Trường:  Đại học Công nghệ Sở thích:  Đọc sách, Lập trình Email:  ductien26327@gmail.com
6
Ảnh cá nhân Nguyễn Đức Tiến
Kỹ năng số đã học trong dự án
📁 Quản lý tệp 🔍 Tìm kiếm thông tin ✍️ Prompt Engineering 🤝 Hợp tác trực tuyến 🎨 Sáng tạo với AI ⚖️ AI có trách nhiệm
Cuộn xuống

Định hướng & Phát triển bản thân

Chia sẻ hành trình học tập và những gì tôi hướng tới trong tương lai.

🎯
Mục tiêu học tập

Trong năm học này, tôi đặt mục tiêu nắm vững các nền tảng cốt lõi của Trí tuệ nhân tạo — từ thuật toán học máy, xử lý ngôn ngữ tự nhiên đến thị giác máy tính. Song song đó, tôi muốn xây dựng thói quen tìm kiếm và đọc tài liệu học thuật một cách hệ thống, đồng thời ứng dụng hiệu quả các công cụ AI vào quá trình tự học và nghiên cứu thực tế.

🚀
Định hướng nghề nghiệp

Tôi hướng tới vai trò AI Engineer hoặc Machine Learning Engineer tại các công ty công nghệ sau khi tốt nghiệp. Trong bối cảnh AI đang thâm nhập vào mọi lĩnh vực, kỹ năng số — từ khả năng tìm kiếm thông tin chính xác, viết prompt hiệu quả đến làm việc cộng tác trực tuyến — là nền tảng không thể thiếu để tôi thích nghi nhanh và tạo ra giá trị thực trong môi trường chuyên nghiệp.

💡
Điều tôi học được

Điều tôi tâm đắc nhất qua dự án này là tư duy sử dụng AI có trách nhiệm — biết khi nào nên dùng AI hỗ trợ và khi nào cần tự lực. Tôi nhận ra rằng chất lượng đầu ra của AI phụ thuộc rất lớn vào cách đặt câu hỏi, và kỹ năng Prompt Engineering chính là thứ tôi sẽ tiếp tục luyện tập và áp dụng vào cả việc học lẫn các dự án lập trình cá nhân.

6 Dự án Kỹ năng Số

Mỗi nhiệm vụ ghi lại một kỹ năng cụ thể cùng minh chứng thực tế.

01
1 điểm
📁 Quản lý tệp và thư mục

Thực hành các thao tác quản lý tệp và thư mục cơ bản trên Windows: tạo, đổi tên, sao chép, di chuyển và xóa tệp.

📋 Các bước thực hiện
  1. 1 Mở File Explorer – Nhấn tổ hợp phím Windows + E hoặc nhấp vào biểu tượng thư mục màu vàng trên thanh tác vụ.
  2. 2 Chọn ổ D – Nhấp đúp vào ổ D để mở.
  3. 3 Tạo thư mục mới – Nhấp chuột phải vào khoảng trống → chọn New → Folder → đặt tên thư mục TaiLieu.
  4. 4 Tạo và đổi tên tệp – Tạo file text mới, sau đó đổi tên tệp theo quy tắc đặt tên đã định.
  5. 5 Sao chép tệp – Copy file text (Ctrl+C) rồi Paste (Ctrl+V) vào thư mục TaiLieu.
  6. 6 Di chuyển tệp – Tạo file DiChuyen.txt, dùng Cut (Ctrl+X) rồi Paste vào thư mục TaiLieu.
  7. 7 Xóa tệp – Xóa tệp vào Recycle Bin (nhấn Delete) và xóa vĩnh viễn bằng Shift+Delete.
  8. 8 Khôi phục tệp – Mở Recycle Bin → chọn tệp → nhấn Restore để phục hồi.
🖼️ Minh chứng – Ảnh chụp màn hình
Bước 1–2: Mở File Explorer và mở ổ D
Mở File Explorer Mở ổ D
Bước 3: Tạo thư mục mới
Tạo thư mục 1 Tạo thư mục 2
Bước 4: Tạo file text và đổi tên
Tạo file text Đổi tên file
Bước 5: Sao chép tệp vào TaiLieu
Sao chép tệp 1 Sao chép tệp 2
Bước 6: Di chuyển DiChuyen.txt
Di chuyển tệp 1 Di chuyển tệp 2
Bước 7: Xóa tệp
Xóa tệp 1 Xóa tệp 2 Xóa tệp 3
Bước 8: Khôi phục từ Recycle Bin
Khôi phục 1 Khôi phục 2 Khôi phục 3 Khôi phục 4
Khôi phục 5
02
1 điểm
🔍 Tìm kiếm & đánh giá thông tin

Thực hành tìm kiếm tài liệu học thuật bằng các nguồn đáng tin cậy, đánh giá chất lượng nguồn và tổng hợp kiến thức phục vụ nghiên cứu.

I. Chủ đề lựa chọn

Ứng dụng của cấu trúc dữ liệu và thuật toán trong tối ưu hóa tìm kiếm dữ liệu trong hệ thống quy mô lớn.

Báo cáo tập trung vào vai trò của Hash Table, Binary Search Tree, Heap và các thuật toán tìm kiếm trong hệ thống dữ liệu lớn (Big Data, Distributed Systems), nhằm cải thiện tốc độ truy xuất và hiệu năng xử lý.

II. Giới thiệu

Trong bối cảnh dữ liệu tăng trưởng nhanh chóng, việc tối ưu hóa tìm kiếm dữ liệu là một vấn đề cốt lõi trong khoa học máy tính. Các cấu trúc dữ liệu như BST, Heap, Hash Table kết hợp với các thuật toán tối ưu giúp giảm độ phức tạp thời gian và nâng cao hiệu suất hệ thống.

  • Tìm kiếm các nguồn học thuật đáng tin cậy
  • Phân tích và đánh giá chất lượng nguồn
  • So sánh mức độ tin cậy theo tiêu chí học thuật
III. Phương pháp tìm kiếm thông tin
Nguồn sử dụng
  • Google Scholar, IEEE, ACM Digital Library
  • MIT Press, Pearson, MIT OpenCourseWare
  • GeeksforGeeks, ResearchGate, Springer
Từ khóa tìm kiếm
  • "data structures optimization in big data"
  • "hash table performance analysis"
  • "algorithm complexity in distributed systems"
Minh chứng quá trình tìm kiếm tài liệu học thuật

Hình minh chứng quá trình tìm kiếm tài liệu học thuật.

IV. Tổng hợp tài liệu
STT Tài liệu Loại nguồn
1Introduction to Algorithms – CormenSách học thuật
2The Art of Computer Programming – KnuthSách học thuật
3Efficiency of Data Structures – TarjanBài báo khoa học
4Skip Lists – PughBài báo khoa học
5MapReduce – Dean & GhemawatBài báo khoa học
6B-Trees – BayerBài báo khoa học
7Extendible Hashing – FaginBài báo khoa học
8Data Structures and Algorithms – GoodrichSách
9Data Structures and Algorithm Analysis – WeissSách
10MIT OCW AlgorithmsNguồn mở
11GeeksforGeeks HashingNguồn mở
12Wikipedia Data StructureNguồn mở
V. Đánh giá độ tin cậy
Mức độ Nguồn
Rất caoMIT Press, IEEE, ACM
CaoGiáo trình đại học
Trung bìnhWebsite phổ biến
Tiêu chí đánh giá
  • Tác giả có chuyên môn hay không
  • Cơ quan xuất bản & số lượng trích dẫn
  • Phương pháp nghiên cứu & tính cập nhật
VI. Kết luận & Kỹ năng đạt được
  • Lựa chọn cấu trúc dữ liệu ảnh hưởng trực tiếp đến hiệu năng hệ thống.
  • Nguồn học thuật có phản biện là nguồn đáng tin cậy nhất.
  • Cần kết hợp nhiều nguồn để có góc nhìn toàn diện.
  • Kỹ năng: tìm kiếm học thuật, đánh giá độ tin cậy nguồn, tổng hợp thông tin.
03
1 điểm
✍️ Viết Prompt hiệu quả

Báo cáo thử nghiệm và tối ưu prompt trong học tập: so sánh prompt cơ bản, cải tiến và nâng cao cho ba tác vụ phổ biến.

Lựa Chọn và Phân Tích Tác Vụ Học Tập

1. Tóm tắt tài liệu học thuật
  • Mục tiêu: Rút gọn nội dung nhưng vẫn giữ ý chính.
  • Dễ mất ý quan trọng.
  • Khó giữ tính logic.
  • Phụ thuộc độ rõ ràng của prompt.
2. Giải thích khái niệm phức tạp
  • Mục tiêu: Hiểu bản chất vấn đề.
  • Cần đơn giản hóa nhưng không sai.
  • Phải phù hợp trình độ người học.
  • Tránh giải thích quá chung chung.
3. Tạo câu hỏi ôn tập
  • Mục tiêu: Hỗ trợ ghi nhớ và kiểm tra kiến thức.
  • Đảm bảo bao phủ nội dung.
  • Phân loại mức độ khó.
  • Tránh câu hỏi quá đơn giản.

Xây Dựng Các Phiên Bản Prompt

01

Tác vụ 1: Tóm tắt tài liệu

Prompt cơ bản
Tóm tắt đoạn văn sau.
Prompt cải tiến
Tóm tắt đoạn văn sau thành 5–7 câu, nêu rõ ý chính và giữ nguyên thuật ngữ quan trọng.
Prompt nâng cao
Bạn là một giảng viên đại học. Hãy tóm tắt đoạn văn sau: - Độ dài: 5–7 câu - Giữ lại các khái niệm cốt lõi - Trình bày logic (mở đầu → nội dung → kết luận) - Liệt kê 3 từ khóa quan trọng
02

Tác vụ 2: Giải thích khái niệm

Prompt cơ bản
Giải thích khái niệm "Machine Learning".
Prompt cải tiến
Giải thích khái niệm "Machine Learning" một cách đơn giản cho sinh viên năm nhất, kèm ví dụ minh họa.
Prompt nâng cao
Bạn là một giáo viên dạy đại học. Hãy giải thích "Machine Learning": 1. Định nghĩa đơn giản 2. Ví dụ thực tế 3. So sánh với lập trình truyền thống 4. Tóm tắt 1 câu dễ nhớ Giữ văn phong dễ hiểu, tránh thuật ngữ phức tạp.
03

Tác vụ 3: Tạo câu hỏi ôn tập

Prompt cơ bản
Tạo câu hỏi về chủ đề OOP.
Prompt cải tiến
Tạo 5 câu hỏi trắc nghiệm về OOP, có đáp án.
Prompt nâng cao
Bạn là giảng viên môn OOP. Hãy tạo: - 3 câu hỏi dễ - 3 câu trung bình - 2 câu khó Mỗi câu gồm: nội dung, 4 đáp án, đáp án đúng, giải thích ngắn. Chủ đề: encapsulation, inheritance, polymorphism.

Thử Nghiệm và So Sánh Kết Quả

Tác vụPrompt cơ bảnPrompt cải tiếnPrompt nâng cao
Tóm tắtNgắn, thiếu ýĐầy đủ hơnRõ ràng, có cấu trúc
Giải thíchChung chungDễ hiểu hơnRất rõ, có ví dụ
Câu hỏiMơ hồCó cấu trúcChất lượng cao, phân loại
Bảng so sánh kết quả prompt

Hình 3.1: Minh họa kết quả thử nghiệm và so sánh giữa các mức độ prompt

Nhận xét chính
  • Prompt cơ bản → kết quả không ổn định.
  • Prompt cải tiến → cải thiện đáng kể.
  • Prompt nâng cao → chất lượng cao, gần giống tài liệu học thật.

Phân Tích Hiệu Quả Prompt

Vì sao prompt nâng cao tốt hơn?
  • Role Prompting: AI "đóng vai" đúng ngữ cảnh hơn.
  • Cấu trúc rõ ràng: AI không bị mơ hồ.
  • Ràng buộc cụ thể: kiểm soát độ dài và nội dung.
  • Few-shot: giúp AI hiểu định dạng đầu ra.
Sai lầm của prompt cơ bản
  • Quá ngắn → AI phải đoán.
  • Không có mục tiêu cụ thể.
  • Không kiểm soát đầu ra.

Nguyên Tắc Viết Prompt Hiệu Quả

1. Cụ thể hóa yêu cầu
❌ "Giải thích AI"
✅ "Giải thích AI cho sinh viên năm nhất, có ví dụ"
2. Chia nhỏ nhiệm vụ
Giúp AI xử lý từng bước tốt hơn.
3. Dùng Role Prompting
"Bạn là giảng viên…"
4. Quy định đầu ra rõ ràng
Số câu, cấu trúc, định dạng.
5. Thêm ví dụ (Few-shot)
Cực kỳ hiệu quả với định dạng đầu ra.
6. Tránh prompt mơ hồ
Càng rõ ràng → kết quả càng tốt.

Kết Luận

Prompt càng chi tiết → kết quả càng chất lượng. Prompt nâng cao giúp AI hoạt động giống chuyên gia hơn. Việc thiết kế prompt là kỹ năng quan trọng trong học tập với AI.

04
1 điểm
🤝 Hợp tác trực tuyến

Sử dụng các công cụ hợp tác trực tuyến đóng vai trò quan trọng trong quản lý công việc, giao tiếp và lưu trữ tài nguyên dự án nhóm.

Giới Thiệu

Trong quá trình thực hiện dự án nhóm, việc sử dụng các công cụ hợp tác trực tuyến đóng vai trò quan trọng trong quản lý công việc, giao tiếp và lưu trữ tài nguyên.

Minh chứng thiết lập môi trường làm việc

Hình 1.1: Minh chứng thiết lập môi trường làm việc

Công Cụ Sử Dụng và Thiết Lập

Trello

Trello board
Trello thiết lập

Google Docs

Google Docs

Google Drive

Google Drive

Discord

Discord

Thực Hiện Nhiệm Vụ Cá Nhân

1. Quản lý nhiệm vụ cá nhân (Trello)

Quản lý nhiệm vụ Trello

Hình 3.1: Quản lý nhiệm vụ cá nhân trên Trello

2. Đóng góp tài liệu (Google Docs)

Google Docs đóng góp

Hình 3.2: Đóng góp tài liệu trên Google Docs

3. Tương tác nhóm (Discord)

Discord tương tác nhóm

Hình 3.3: Tương tác nhóm qua Discord

4. Quản lý tài nguyên (Google Drive)

Google Drive quản lý tài nguyên

Hình 3.4: Quản lý tài nguyên trên Google Drive

Phân Tích Hiệu Quả Công Cụ

Công cụĐánh giá
TrelloDễ theo dõi tiến độ, trực quan, phân công nhiệm vụ rõ ràng.
Google DocsCộng tác thời gian thực hiệu quả, lưu lịch sử chỉnh sửa.
Google DriveLưu trữ tập trung, chia sẻ tài nguyên dễ dàng trong nhóm.
DiscordGiao tiếp nhanh, linh hoạt, hỗ trợ voice và text channel.

Thách Thức và Giải Pháp

Thách Thức
  • Thiếu đồng bộ thông tin giữa các thành viên
  • Xung đột chỉnh sửa trên tài liệu chung
  • Quản lý file chưa khoa học, khó tìm kiếm
Giải Pháp
  • Cập nhật định kỳ và nhắc nhở deadline qua Discord
  • Phân chia nội dung và sử dụng tính năng comment
  • Áp dụng quy tắc đặt tên file thống nhất trong nhóm

Đánh Giá Cá Nhân & Kết Luận

Chủ động quản lý task, tương tác tích cực với nhóm và cải thiện kỹ năng tổ chức, giao tiếp, làm việc nhóm trong môi trường số. Việc kết hợp đa công cụ (Trello + Google Workspace + Discord) tạo ra một quy trình làm việc nhóm mạch lạc và hiệu quả.

05
1 điểm
🎨 Sáng tạo nội dung với AI

Thiết kế infographic và video ngắn về chủ đề "AI hỗ trợ học tập cho sinh viên đại học" bằng cách kết hợp ChatGPT, DALL-E và Canva AI.

✦ ChatGPT ✦ DALL-E ✦ Canva AI

Giới Thiệu

Trong thời đại công nghệ số, AI tạo sinh (Generative AI) đang trở thành công cụ hỗ trợ mạnh mẽ trong quá trình sáng tạo nội dung. Dự án này thực hiện sản phẩm truyền thông về chủ đề "AI hỗ trợ học tập cho sinh viên đại học" bằng cách kết hợp nhiều công cụ AI tạo sinh, bao gồm một infographic và một video ngắn.

  • ChatGPT – hỗ trợ tạo nội dung văn bản.
  • DALL-E – hỗ trợ tạo hình ảnh minh họa.
  • Canva AI – hỗ trợ thiết kế infographic và video.

Mục Tiêu Dự Án

  • Tìm hiểu cách sử dụng AI tạo sinh trong quy trình sáng tạo nội dung.
  • Kết hợp nhiều công cụ AI để xây dựng sản phẩm hoàn chỉnh.
  • Đánh giá hiệu quả và hạn chế của AI tạo sinh.
  • Rèn luyện kỹ năng thiết kế, chỉnh sửa và tư duy sáng tạo.

Quá Trình Sử Dụng Công Cụ AI

01

Sử dụng ChatGPT để tạo nội dung văn bản

Mục đích sử dụng
  • Lên ý tưởng nội dung.
  • Viết nội dung infographic.
  • Viết script cho video.
  • Tóm tắt thông tin.
Prompt đã sử dụng
"Viết nội dung ngắn gọn cho infographic về lợi ích của AI trong học tập dành cho sinh viên."
"Viết script video 1 phút giới thiệu cách sử dụng ChatGPT để tóm tắt bài học."
Chỉnh sửa và tích hợp
  • Rút gọn câu văn để phù hợp infographic.
  • Thêm ví dụ thực tế.
  • Điều chỉnh ngôn ngữ tự nhiên hơn.
  • Thay đổi bố cục nội dung theo ý tưởng cá nhân.
Điểm mạnh
  • Tạo nội dung nhanh.
  • Gợi ý ý tưởng hiệu quả.
  • Hỗ trợ diễn đạt dễ hiểu.
Hạn chế
  • Một số nội dung còn chung chung.
  • Cần kiểm tra độ chính xác.
  • Văn phong đôi lúc thiếu tự nhiên.
02

Sử dụng DALL-E để tạo hình ảnh

Mục đích sử dụng
  • Tạo hình minh họa công nghệ AI.
  • Tạo background cho infographic.
  • Tạo thumbnail video.
Prompt đã sử dụng
"A futuristic university student using AI tools for studying, modern digital illustration, blue technology theme."
"Minimal infographic icons about AI learning tools, flat design, modern style."
Chỉnh sửa và tích hợp
  • Cắt và chỉnh màu ảnh.
  • Kết hợp nhiều ảnh thành bố cục riêng.
  • Thêm icon và typography bằng Canva.
  • Điều chỉnh bố cục để đồng nhất phong cách.
Điểm mạnh
  • Tạo hình ảnh nhanh.
  • Ý tưởng sáng tạo.
  • Hình ảnh có tính nghệ thuật cao.
Hạn chế
  • Một số chi tiết chưa chính xác.
  • Văn bản trong ảnh thường lỗi.
  • Cần chỉnh sửa thêm để phù hợp nội dung.
03

Sử dụng Canva AI để thiết kế

Mục đích & tính năng AI đã dùng
  • Magic Design, AI Background Remover, AI Text Suggestions.
  • Thiết kế infographic và chỉnh sửa video ngắn.
  • Tạo hiệu ứng chuyển động và thumbnail.
Quá trình thực hiện
1

Nhập nội dung đã tạo từ ChatGPT.

2

Sử dụng template infographic phù hợp.

3

Kết hợp hình ảnh từ DALL-E.

4

Thêm hiệu ứng và animation cho video.

Chỉnh sửa cá nhân
  • Tự chọn bảng màu.
  • Tự căn chỉnh bố cục.
  • Chọn font chữ phù hợp.
  • Thêm các biểu tượng riêng.
Điểm mạnh
  • Thiết kế nhanh và trực quan.
  • Dễ sử dụng.
  • Có nhiều template đẹp.
Hạn chế
  • Một số template bị trùng lặp.
  • Hiệu ứng AI đôi khi thiếu chính xác.
  • Cần chỉnh sửa thủ công để tăng tính sáng tạo.

So Sánh Các Công Cụ AI

Công cụChức năng chínhĐiểm mạnhHạn chế
ChatGPTTạo văn bảnTạo nội dung nhanh, nhiều ý tưởngNội dung đôi khi chung chung
DALL-ETạo hình ảnhHình ảnh sáng tạo và hiện đạiCần chỉnh sửa thêm
Canva AIThiết kếThiết kế nhanh, dễ dùngTemplate dễ bị giống nhau

Nhìn chung, AI giúp tăng tốc quy trình sáng tạo nhưng vẫn cần sự kiểm soát và chỉnh sửa từ con người để sản phẩm có chất lượng tốt và mang tính cá nhân.

Sản Phẩm Cuối Cùng

1. Infographic

  • Các lợi ích của AI trong học tập.
  • Công cụ AI phổ biến.
  • Các lưu ý khi sử dụng AI.
  • Thiết kế hiện đại, tỷ lệ hình ảnh cao, nội dung ngắn gọn.
Infographic sản phẩm

Hình 5.1: Sản phẩm Infographic hoàn chỉnh

2. Video ngắn

Chủ đề: "Hướng dẫn sử dụng ChatGPT để tóm tắt bài học." – Thời lượng ~1 phút, có phụ đề, hiệu ứng chuyển động, kết hợp hình ảnh AI.

Video 5.1: Sản phẩm Video truyền thông ngắn

3. Đóng góp cá nhân

  • Tự chỉnh sửa nội dung và lựa chọn phong cách thiết kế.
  • Tự sắp xếp bố cục và thêm ví dụ thực tế.
  • Tự biên tập video và phụ đề.
Đóng góp cá nhân chiếm khoảng 50–60% sản phẩm cuối cùng

Vai Trò AI & Các Vấn Đề Đạo Đức

AI hiệu quả trong
  • Gợi ý ý tưởng & tóm tắt thông tin.
  • Tạo hình ảnh và thiết kế nhanh.
  • Hỗ trợ chỉnh sửa nội dung.
Hạn chế & Đạo đức
  • Nội dung đôi khi chưa chính xác.
  • Cần minh bạch khi sử dụng AI.
  • Có nguy cơ phụ thuộc vào AI.
Bản quyền nội dung

Một số hình ảnh hoặc nội dung AI tạo ra có thể bị ảnh hưởng bởi dữ liệu huấn luyện từ nguồn khác.

Thông tin sai lệch

AI có thể tạo thông tin chưa chính xác nên cần kiểm tra nguồn.

Minh bạch trong sử dụng AI

Cần công khai việc sử dụng AI trong quá trình tạo nội dung để đảm bảo tính trung thực học thuật.

Bài Học Kinh Nghiệm & Kết Luận

Prompt càng cụ thể thì kết quả AI càng tốt.
AI chỉ là công cụ hỗ trợ, không thay thế hoàn toàn con người.
Cần kết hợp tư duy sáng tạo cá nhân với AI.
Chỉnh sửa thủ công rất quan trọng để tăng chất lượng sản phẩm.
Cần sử dụng AI có trách nhiệm và minh bạch.

AI giúp tiết kiệm thời gian và mở rộng ý tưởng, nhưng yếu tố sáng tạo và kiểm soát từ con người vẫn đóng vai trò quyết định đối với chất lượng sản phẩm cuối cùng.

06
1 điểm
⚖️ AI có trách nhiệm

Xây dựng bộ nguyên tắc cá nhân và phân tích tư duy phản biện về đạo đức AI trong học tập và nghiên cứu.

Họ và tênNguyễn Đức Tiến
Mã sinh viên25023026
Khóa đào tạoHệ chính quy – UET
Chính sáchLiêm chính Học thuật số ĐHQGHN
01
Phần Một

Nghiên Cứu và Phân Tích Chính Sách Sử Dụng AI tại ĐHQGHN

1. Tóm tắt các điểm chính trong chính sách của ĐHQGHN

Là trung tâm đào tạo và nghiên cứu khoa học hàng đầu cả nước, Đại học Quốc gia Hà Nội (ĐHQGHN) luôn thể hiện cách tiếp cận mang tính chủ động, tiên phong và kiến tạo trong việc quản lý và ứng dụng các thành tựu Trí tuệ nhân tạo (AI) vào môi trường học thuật. Nhà trường xác định công nghệ số và AI không phải là yếu tố loại trừ mà là động lực thúc đẩy sự đổi mới phương pháp giảng dạy và học tập.

Chuẩn hóa năng lực số đại trà: ĐHQGHN đưa học phần bắt buộc "Nhập môn công nghệ số và ứng dụng trí tuệ nhân tạo" vào khung chương trình đào tạo cho toàn bộ sinh viên hệ chính quy từ khóa tuyển sinh năm 2025, thiết kế theo mô-đun linh hoạt phù hợp với đặc thù từng khối ngành.
Quy định nghiêm ngặt về Liêm chính học thuật: AI chỉ đóng vai trò là công cụ hỗ trợ. Sinh viên bắt buộc phát huy tư duy độc lập sáng tạo và không được phép lệ thuộc hoàn toàn vào kết quả của AI.
Đạo đức và trách nhiệm giải trình: Nghiêm cấm tuyệt đối các hành vi sử dụng AI để làm thay toàn bộ bài tập, bài luận, viết toàn bộ mã nguồn đồ án hoặc giả mạo dữ liệu nghiên cứu khoa học.

2. So sánh với các trường đại học khác tại Việt Nam

Điểm Tương Đồng
  • Coi sao chép LLM là đạo văn kỹ thuật số
  • Nghiêm cấm nộp bài do AI tạo ra hoàn toàn
  • Yêu cầu minh bạch quy trình sử dụng AI
  • Bắt buộc trách nhiệm giải trình của sinh viên
Điểm Khác Biệt của ĐHQGHN
  • Giáo dục chủ động thay vì kiểm soát bị động
  • Môn học bắt buộc về AI cho toàn trường
  • Định hướng từ năm học đầu tiên
  • Chuẩn hóa kỹ năng nhận diện "ảo giác AI"

3. Nhận định và đánh giá cá nhân

Chính sách ứng dụng AI của ĐHQGHN thể hiện một tầm nhìn rất tiến bộ, thực tế và mang tính chiến lược cao. Trong bối cảnh công nghệ thay đổi từng ngày, việc cấm đoán sử dụng AI là hoàn toàn bất khả thi và lạc hậu.

Tuy nhiên, thách thức lớn nhất hiện nay nằm ở khâu thực thi và kiểm soát chất lượng. Để chính sách liêm chính học thuật số thực sự đi vào thực chất, phương pháp đánh giá của các giảng viên cần có sự dịch chuyển mạnh mẽ: giảm bớt tỷ trọng điểm của các bài luận lý thuyết làm ở nhà, tăng cường các hình thức thuyết trình trực tiếp và vấn đáp phản biện.

§
02
Phần Hai

Thực Hiện Nhiệm Vụ Học Tập với Sự Hỗ Trợ của AI

Phần này ghi lại quy trình xây dựng kiến trúc hệ thống, phát triển mã nguồn lõi cho ứng dụng đấu giá trực tuyến (Auction App) và viết bài luận phân tích giải pháp xử lý tranh chấp dữ liệu (Race Condition) trong hệ thống lập trình đồng thời.

Bước 1 — Thiết kế kiến trúc hệ thống

Prompt 1 · Kiến trúc hệ thống
"Đóng vai trò là một kiến trúc sư phần mềm. Hãy đề xuất Tech Stack và Database Schema cho một ứng dụng đấu giá trực tuyến hỗ trợ 10,000 người dùng đồng thời, tập trung vào tính toàn vẹn của dữ liệu đặt thầu (bidding data)."

Đầu ra của AI: Trí tuệ nhân tạo đề xuất sử dụng kiến trúc linh hoạt với hệ sinh thái Node.js/Express cho Backend nhằm xử lý bất đồng bộ tốt. Về cơ sở dữ liệu, AI đề xuất cơ chế lưu trữ chính bằng MongoDB, nhưng bắt buộc kết hợp Redis (In-memory Database) để cache giá thầu hiện tại.

Bảng / CollectionTrường dữ liệuKiểu dữ liệuGhi chú
Users_id, username, email, balanceObjectId, String, String, NumberThông tin người dùng và số dư tài khoản.
Auctions_id, itemId, startTime, endTime, currentHighestBid, statusObjectId, ObjectId, Date, Date, Number, StringTrạng thái và mức giá cao nhất của phiên thầu.
Bids_id, auctionId, userId, amount, timestampObjectId, ObjectId, ObjectId, Number, DateIndex cho timestamp để tối ưu truy vấn tốc độ cao.
Bảng 1: Database Schema do AI đề xuất cho hệ thống Auction App

Bước 2 — Viết mã nguồn logic đặt thầu (Bidding Logic)

Prompt 2 · Bidding Logic
"Viết một hàm xử lý logic đặt thầu (placeBid) bằng Node.js và Mongoose. Yêu cầu: Kiểm tra giá mới phải cao hơn giá hiện tại, phiên đấu giá còn thời gian hiệu lực, và bắt buộc sử dụng Transaction để tránh lỗi Race Condition."
JavaScript const mongoose = require('mongoose'); const Auction = require('./models/Auction'); async function placeBid(auctionId, userId, newBidAmount) { const session = await mongoose.startSession(); session.startTransaction(); try { // Pessimistic Locking — gắn session vào câu lệnh tìm kiếm const auction = await Auction.findById(auctionId).session(session); if (!auction) { throw new Error("Phiên đấu giá không tồn tại."); } const currentTime = new Date(); if (currentTime > auction.endTime) { throw new Error("Phiên đấu giá đã kết thúc."); } if (newBidAmount <= auction.currentHighestBid) { throw new Error("Giá đặt thầu phải lớn hơn giá cao nhất hiện tại."); } const newBid = new Bid({ auctionId, userId, amount: newBidAmount, timestamp: currentTime }); await newBid.save({ session }); auction.currentHighestBid = newBidAmount; await auction.save({ session }); await session.commitTransaction(); session.endSession(); return { success: true, message: "Đặt thầu thành công." }; } catch (error) { await session.abortTransaction(); session.endSession(); return { success: false, error: error.message }; } }

Bước 3 — Viết bài luận học thuật

Prompt 3 · Bài luận học thuật
"Dựa trên logic kỹ thuật vừa xử lý, hãy viết một đoạn văn học thuật (khoảng 150–200 chữ) cho bài luận môn học. Chủ đề: 'Tầm quan trọng của việc quản trị giao dịch (Transaction Management) trong các hệ thống đấu giá thời gian thực'."

Trong môi trường thương mại điện tử đồng thời, đặc biệt là các hệ thống đấu giá trực tuyến, hiện tượng tranh chấp dữ liệu (Race Condition) là một lỗ hổng nghiêm trọng đe dọa trực tiếp đến tính toàn vẹn của hệ thống. Khi hàng ngàn truy vấn đặt thầu diễn ra trong cùng một phần nghìn giây, nếu thiếu cơ chế cô lập giao dịch (Transaction Isolation), cơ sở dữ liệu có thể ghi nhận sai lệch người chiến thắng hoặc chấp nhận các mức giá không hợp lệ. Do đó, việc áp dụng các thuộc tính ACID thông qua giao dịch nguyên tử (Atomic Transactions) không chỉ là giải pháp tối ưu hiệu năng mà còn là yêu cầu bắt buộc để duy trì tính minh bạch và bảo vệ quyền lợi của người dùng.

Đánh giá, chỉnh sửa và tích hợp đầu ra của AI

Phát hiện thiếu sót kỹ thuật: Mã nguồn AI cung cấp tuy chuẩn mực về luồng giao dịch nhưng thiếu các bước xác thực nghiệp vụ thực tế: chưa kiểm tra điều kiện self-bidding và chưa kiểm tra số dư ví (balance) của người dùng.

Chỉnh sửa và tích hợp thực tế: Tác giả tự viết thêm module Validator.js độc lập để chống tấn công NoSQL Injection, bổ sung logic chặn hành vi self-bidding, truy vấn số dư tài khoản, và tích hợp cơ chế broadcasting kết quả thầu theo thời gian thực qua Socket.io.

Giá trị sáng tạo cá nhân: AI được sử dụng như một đối tác "Rubber Duck Debugging" — đẩy log lỗi vào AI để cùng phân tích Root Cause Analysis, từ đó hiểu sâu bản chất kiến trúc hệ thống phân tán.

OpenAI. (2026). ChatGPT (Phiên bản GPT-4o) [Mô hình ngôn ngữ lớn]. https://chat.openai.com/

Tác giả xác nhận có sử dụng công cụ ChatGPT nhằm hỗ trợ tìm kiếm ý tưởng thiết kế Database Schema ban đầu và tham khảo cấu trúc cú pháp của giao dịch nguyên tử trong Mongoose. Tác giả đã trực tiếp thực hiện phản biện chuyên môn, tự viết bổ sung toàn bộ các logic nghiệp vụ ràng buộc và tự biên soạn lại nội dung báo cáo phân tích bằng kiến thức cá nhân. Mọi thuật toán và kịch bản kiểm thử đều đã được tác giả chạy thử nghiệm trực tiếp trên môi trường local và hoàn toàn chịu trách nhiệm về tính chính xác.

§
03
Phần Ba

Phân Tích Các Vấn Đề Đạo Đức Liên Quan đến Sử Dụng AI trong Học Thuật

1. Ranh giới giữa hỗ trợ hợp lý và gian lận học thuật

Ranh giới này thường được quyết định bởi hai yếu tố chính: Mục đích sử dụng và Tỷ lệ đóng góp chất xám thực chất của người học.

Hỗ trợ hợp lý ✓
  • Giải thích các khái niệm lý thuyết trừu tượng
  • Gợi ý hướng tiếp cận giải quyết bài toán
  • Hỗ trợ brainstorming và dàn ý thô
  • Định vị lỗi cú pháp cơ bản trong lập trình
Gian lận học thuật ✗
  • Sao chép nguyên văn toàn bộ khối mã nguồn phức tạp
  • Ký tên cá nhân vào sản phẩm của AI để nộp bài
  • Không thể giải trình khi tách rời công cụ AI
  • Biến AI thành "ghostwriter" — lực lượng làm thuê

2. Vấn đề về quyền sở hữu trí tuệ và trích dẫn

Về mặt kỹ thuật, các mô hình AI tạo sinh không tự sản sinh ra tri thức mới một cách độc lập mà hoạt động dựa trên cơ chế tổng hợp, xác suất thống kê từ hàng tỷ điểm dữ liệu. Việc trích dẫn AI gặp thách thức lớn do đầu ra của các LLMs không có tính ổn định và AI không có tư cách pháp nhân để chịu trách nhiệm như một tác giả độc lập.

3. Tác động đến quá trình học tập và phát triển kỹ năng

Mục đích cốt lõi của giáo dục đại học là quá trình rèn luyện, tạo lập các liên kết nơ-ron tư duy trong não bộ thông qua việc đối mặt với khó khăn, chứ không đơn thuần là thu về một sản phẩm cuối cùng để đối phó với điểm số.

Hội chứng "ảo tưởng kiến thức": Sinh viên nhầm tưởng rằng những câu trả lời trôi chảy của AI chính là năng lực thực tế của bản thân. Khi bước ra môi trường doanh nghiệp thực tế, người học sẽ không thể nhận diện được các lỗi "ảo giác AI" (Hallucination) — khi AI tự tin bịa đặt ra các số liệu, thư viện code hoặc các sự kiện không có thật.

Ở mặt tích cực, nếu được sử dụng có trách nhiệm, AI sẽ giúp nâng cấp bộ kỹ năng của sinh viên, dịch chuyển từ tư duy ghi nhớ máy móc sang kỹ năng bậc cao hơn: Năng lực Prompt Engineering và Kỹ năng kiểm chứng, đánh giá dữ liệu độc lập.

§
04
Phần Bốn

Bộ Nguyên Tắc Cá Nhân về Sử Dụng AI Có Trách Nhiệm

Để đảm bảo quá trình học tập diễn ra hiệu quả và tuân thủ các chuẩn mực liêm chính, tác giả tự thiết lập hệ thống 6 nguyên tắc cốt lõi sau đây:

1
Tư Duy Nguyên Bản Đi Trước

Tự phác thảo cấu trúc ý tưởng, lập dàn ý bài luận hoặc thiết kế logic thuật toán ban đầu trước khi mở bất kỳ công cụ AI nào, nhằm bảo vệ năng lực tư duy độc lập.

2
Nguyên Tắc Zero Trust

Luôn chủ động đối chiếu, xác thực mọi số liệu, trích dẫn khoa học hoặc đoạn mã nguồn do AI xuất ra bằng các nguồn tài liệu chính thống để tránh rủi ro "ảo giác AI".

3
AI là "Gia Sư", Không Phải "Lính Đánh Thuê"

Chỉ áp dụng AI vào tác vụ giải thích khái niệm khó, hỗ trợ debug hoặc tối ưu câu chữ; tuyệt đối không sao chép nguyên văn để nộp bài.

4
Minh Bạch Hóa và Trích Dẫn Chuẩn Mực

Chủ động khai báo rõ ràng phạm vi, mục đích và công cụ AI đã sử dụng trong mọi bài tập lớn, đồ án môn học thông qua định dạng trích dẫn APA 7th/IEEE.

5
Bảo Vệ An Toàn Dữ Liệu

Tuyệt đối không nhập thông tin cá nhân nhạy cảm, mã nguồn nội bộ của nhà trường/đối tác hoặc kết quả nghiên cứu chưa công bố vào các mô hình AI công cộng.

6
Chịu Trách Nhiệm Giải Trình Cuối Cùng

Sinh viên là chủ thể duy nhất chịu trách nhiệm pháp lý và học thuật đối với tính chính xác, bản quyền và chất lượng sản phẩm nộp lên; tuyệt đối không đổ lỗi cho AI.

§
05
Phần Năm

Infographic Minh Họa

SỬ DỤNG AI CÓ TRÁCH NHIỆM TRONG HỌC THUẬT
Đại học Quốc gia Hà Nội – VNU · Chính sách Liêm chính Học thuật số
1
Tư Duy Nguyên Bản Trước
Tự phác thảo ý tưởng, lập dàn ý bài viết, viết logic code cơ bản trước khi mở câu lệnh hỏi AI.
2
AI là Công Cụ Hỗ Trợ, Không Phải "Viết Thuê"
Sử dụng để giải thích khái niệm phức tạp, tối ưu hóa từ vựng, debug lỗi; nghiêm cấm sao chép nguyên khối.
3
Kiểm Chứng Mọi Thông Tin (Zero Trust)
Tự xác thực lại các nguồn số liệu, trích dẫn khoa học hoặc giải thuật thông qua hệ thống tài liệu chính thống.
4
Minh Bạch Hóa & Trích Dẫn Chuẩn Mực
Khai báo phạm vi ứng dụng AI rõ ràng trong tài liệu tham khảo theo đúng định dạng quy chuẩn APA hoặc IEEE.
5
Trách Nhiệm Giải Trình Cuối Cùng
Sinh viên chịu hoàn toàn trách nhiệm về nội dung và chất lượng sản phẩm nộp, không đổ lỗi cho AI.
SỬ DỤNG AI THÔNG MINH — NÂNG TẦM TƯ DUY HỌC THUẬT SỐ

Đánh giá & Trưởng thành

Nhìn lại hành trình, những gì đã học và bài học rút ra từ khó khăn.

💬
Trải nghiệm & Cảm xúc

Chia sẻ cảm xúc và điều tâm đắc nhất trong quá trình thực hiện dự án.

Đây là lần đầu tiên tôi xây dựng một portfolio kỹ thuật số hoàn chỉnh, và cảm giác nhìn lại toàn bộ hành trình 6 nhiệm vụ được trình bày mạch lạc trong một trang web thực sự rất thỏa mãn. Tôi tự hào nhất khi hoàn thành Task 6 — phần yêu cầu tư duy phản biện sâu về đạo đức AI — bởi nó buộc tôi phải nhìn công nghệ không chỉ bằng góc độ kỹ thuật mà còn bằng trách nhiệm xã hội. Trải nghiệm này khiến tôi trưởng thành hơn rất nhiều trong cách tiếp cận công nghệ.

📈
Kiến thức & Kỹ năng đã học

Phân tích sâu kiến thức/kỹ năng nào sẽ áp dụng vào tương lai.

Ba kỹ năng tôi sẽ mang theo lâu dài: Prompt Engineering — tôi sẽ áp dụng để tăng hiệu quả tự học và hỗ trợ các dự án AI; Đánh giá nguồn thông tin học thuật — kỹ năng thiết yếu khi bước vào giai đoạn nghiên cứu chuyên sâu; và Quản lý dự án số với công cụ cộng tác — nền tảng làm việc nhóm chuyên nghiệp trong môi trường doanh nghiệp sau này.

🔧
Thách thức & Bài học

Những khó khăn đã gặp phải và bài học kinh nghiệm quý giá rút ra.

Thách thức lớn nhất là phân biệt ranh giới giữa "dùng AI hỗ trợ" và "để AI làm thay" — ban đầu tôi có xu hướng chấp nhận đầu ra của AI mà không kiểm chứng. Thách thức thứ hai là quản lý thời gian khi phải song song 6 nhiệm vụ với các môn học khác. Bài học rút ra: đặt deadline nhỏ cho từng bước, luôn đặt câu hỏi phản biện với kết quả AI, và xem mỗi khó khăn như cơ hội để rèn thêm một kỹ năng mới.