Đề xuất các mục tiêu cho đề án hoạt động khảo thí tại Đại học Y Dược TP. Hồ Chí Minh (2025-2026, 2026-2027)

Mục tiêu tổng quát

Xây dựng một hệ thống khảo thí hiện đại, công bằng, và hiệu quả tại Đại học Y Dược TP.HCM, trong đó ứng dụng công nghệ AI và hệ thống quản lý học tập (LMS) để tối ưu hóa quy trình đánh giá, nâng cao chất lượng giảng dạy và học tập, đồng thời xây dựng một Ngân hàng câu hỏi (Item Bank) tiêu chuẩn hóa nhằm đảm bảo tính chính xác và tin cậy trong đánh giá năng lực sinh viên.

Mục tiêu cụ thể

1. Ứng dụng AI vào LMS trong hoạt động khảo thí

1. Phân tích dữ liệu học tập và kết quả khảo thí:

   • Sử dụng AI để phân tích dữ liệu điểm thi, mức độ khó câu hỏi, và hiệu quả giảng dạy để cải thiện nội dung bài giảng.
   • Phân tích năng lực cá nhân hóa sinh viên để đưa ra các đề xuất học tập phù hợp.

2. Tự động hóa quy trình tạo đề thi và chấm thi:

   • Sử dụng AI để tạo đề thi thích nghi (CAT - Computerized Adaptive Testing), phù hợp với năng lực sinh viên.
   • Ứng dụng AI vào chấm thi tự luận (ví dụ: phân tích ngữ nghĩa).

3. Phát hiện gian lận:

   • Tích hợp công nghệ nhận diện hành vi bất thường trong quá trình làm bài thi trực tuyến qua camera (AI-powered proctoring).

2. Xây dựng Ngân hàng câu hỏi (Item Bank)

1. Chuẩn hóa quy trình xây dựng câu hỏi:

   • Xây dựng các câu hỏi dựa trên lý thuyết trắc nghiệm hiện đại (IRT) để đảm bảo độ tin cậy và độ giá trị.
   • Đảm bảo mỗi câu hỏi có đầy đủ metadata (độ khó, độ phân cách, distractors, nhóm mục tiêu).

2. Đa dạng hóa nội dung câu hỏi:

   • Tích hợp câu hỏi trắc nghiệm, bài tập thực hành, câu hỏi tự luận và tình huống lâm sàng.
   • Đảm bảo phù hợp với chuẩn đầu ra (learning outcomes) của các môn học và ngành đào tạo.

3. Hệ thống hóa câu hỏi qua LMS:

   • Lưu trữ Ngân hàng câu hỏi trên LMS, hỗ trợ tìm kiếm nhanh, gán câu hỏi theo chủ đề hoặc mục tiêu học tập.
   • Tích hợp tính năng đánh giá hiệu suất câu hỏi qua các kỳ thi (phân tích điểm biserial, NFD).

3. Nâng cao năng lực khảo thí của giảng viên

1. Đào tạo về AI và trắc nghiệm hiện đại:

   • Tổ chức các khóa học ngắn hạn về sử dụng AI trong khảo thí, xây dựng câu hỏi theo IRT và mô hình Rasch.
   • Hướng dẫn giảng viên phân tích kết quả thi qua các công cụ AI để cải thiện giảng dạy.

2. Ứng dụng công nghệ trong thiết kế và quản lý khảo thí:

   • Đào tạo sử dụng LMS để tổ chức các kỳ thi online/offline, tạo đề thi tự động và giám sát thi.

4. Phát triển bài thi thích nghi (CAT)

1. Thiết kế các bài thi thích nghi dựa trên năng lực (Competency-Based Assessment):

   • Xây dựng mô hình CAT để cá nhân hóa bài thi cho từng sinh viên.
   • Ứng dụng AI để điều chỉnh câu hỏi dựa trên kết quả trả lời của sinh viên trong thời gian thực.

2. Thí điểm triển khai CAT:

   • Áp dụng thí điểm CAT trong một số môn học chuyên ngành và đánh giá hiệu quả.
   • Sử dụng phản hồi từ sinh viên và giảng viên để cải tiến hệ thống.

5. Đánh giá và cải tiến hệ thống

1. Theo dõi và phân tích dữ liệu:

   • Sử dụng AI để liên tục phân tích dữ liệu bài thi và cải thiện chất lượng câu hỏi.
   • Theo dõi hiệu quả ứng dụng của Ngân hàng câu hỏi và các bài thi thích nghi.

2. Đánh giá định kỳ:

   • Thực hiện đánh giá định kỳ (cuối mỗi niên khóa) về hiệu quả và các vấn đề gặp phải trong việc ứng dụng AI và LMS.
   • Đề xuất cải tiến hoặc mở rộng các tính năng mới.

Lộ trình thực hiện

Năm học 2025-2026

• Xây dựng cơ sở hạ tầng và triển khai LMS tích hợp AI.
• Phát triển và chuẩn hóa Ngân hàng câu hỏi với ít nhất 20% môn học trọng điểm.
• Thí điểm chấm thi tự động và giám sát thi bằng AI.
• Đào tạo giảng viên về lý thuyết trắc nghiệm hiện đại và ứng dụng AI.

Năm học 2026-2027

• Hoàn thiện Ngân hàng câu hỏi cho ít nhất 50% môn học.
• Triển khai rộng rãi CAT và LMS cho các kỳ thi quan trọng.
• Phân tích, đánh giá hệ thống và đề xuất cải tiến.