Mọi nền tảng công nghệ giáo dục đều hứa hẹn cá nhân hóa, và gần như tất cả đều dẫn cùng một con số từ năm 1984. Con số ấy không đứng vững. Nhưng câu chuyện phía sau thú vị hơn nhiều: cá nhân hóa thực ra gộp chung ba thứ khác hẳn nhau về bằng chứng — một thứ hiệu quả thật, một thứ vừa phải, và một thứ đã bị bác bỏ dứt khoát.
Nếu bạn từng đọc quảng cáo của một nền tảng học tập, gần như chắc chắn bạn đã gặp con số này: học một thầy một trò giúp học sinh tiến bộ hai độ lệch chuẩn so với lớp học thông thường — nghĩa là một học sinh trung bình vọt lên nhóm 2% dẫn đầu.
Con số ấy có thật, đến từ Benjamin Bloom năm 1984, và nó đã trở thành nền móng đạo đức cho cả ngành công nghệ giáo dục: nếu kèm riêng hiệu quả đến vậy, thì việc dùng máy móc để kèm riêng cho tất cả mọi người là mệnh lệnh hiển nhiên.
Vấn đề là con số ấy không đứng vững. Và điều thú vị nằm ở chỗ: thứ thay thế nó lại hữu ích hơn nhiều.
Kết quả của Bloom đến từ vài nghiên cứu nhỏ, làm với gia sư được huấn luyện kỹ, dạy nội dung ngắn, trong điều kiện lý tưởng, và đo bằng chính bài kiểm tra gắn với nội dung ấy.
Khi Kurt VanLehn (2011) tổng hợp lại toàn bộ tài liệu về hiệu quả của việc kèm cặp, ông tìm ra những con số khiêm tốn hơn nhiều: kèm bởi người thật cho hiệu ứng khoảng 0,79, và — đây mới là phần đáng chú ý — các hệ thống dạy kèm thông minh trên máy cho khoảng 0,76.
Hai kết luận rút ra cùng lúc. Thứ nhất: hai độ lệch chuẩn là ảo; con số thật vào khoảng 0,8, vẫn rất lớn nhưng là một hạng khác. Thứ hai, và tích cực hơn: máy gần như ngang người trong việc kèm cặp. Khoảng cách giữa gia sư người và phần mềm nhỏ hơn nhiều so với khoảng cách giữa có kèm và không kèm.
Phần lớn tranh cãi về chủ đề này bế tắc vì hai bên đang nói về những thứ khác nhau dưới cùng một cái tên. Có ít nhất ba kiểu cá nhân hóa, và bằng chứng cho chúng khác nhau một trời một vực.
Kiểu một: cá nhân hóa nhịp độ và mức độ thành thạo. Ai chưa nắm được thì học tiếp phần đó; ai đã nắm thì đi tiếp. Đây là học theo mức độ thành thạo, và tổng hợp của Kulik và cộng sự (1990) cho hiệu ứng khoảng 0,5. Đây là kiểu cá nhân hóa được chống lưng vững nhất, và cũng là kiểu ít hào nhoáng nhất.
Kiểu hai: cá nhân hóa độ khó và trình tự bài tập. Hệ thống theo dõi bạn làm đúng sai ở đâu rồi chọn bài tiếp theo. Các tổng hợp về hệ thống dạy kèm thông minh cho hiệu ứng khoảng 0,4 đến 0,7. Một tổng hợp gần đây về các hệ thống thích ứng trong giai đoạn 2019–2024 báo cáo mức khoảng 0,70 so với hệ thống không thích ứng — trong khi một tổng hợp khác, riêng cho kỹ năng đọc, chỉ được khoảng 0,29.
Khoảng cách giữa 0,29 và 0,70 chính là câu chuyện: hiệu quả phụ thuộc rất nhiều vào môn học, vào chất lượng triển khai, và vào việc nhóm đối chứng nhận được gì.
Kiểu ba: cá nhân hóa theo phong cách học. Người học thị giác thì cho xem hình, người học thính giác thì cho nghe. Đây là kiểu được biết đến rộng rãi nhất, và nó đã bị bác bỏ. Pashler và cộng sự (2008) rà soát toàn bộ tài liệu và không tìm được bằng chứng đáng tin cậy nào cho giả thuyết then chốt: rằng khớp cách dạy với phong cách của người học sẽ cho kết quả tốt hơn. Người ta có sở thích thật, nhưng sở thích ấy không dự báo được cách dạy nào hiệu quả với họ.
Nói cách khác: cá nhân hóa bạn đang ở đâu thì hiệu quả. Cá nhân hóa bạn thích kiểu gì thì không.
Đây là nửa còn lại của câu hỏi, và nó thường bị bỏ qua.
Khi người ta so sánh nền tảng thích ứng với lớp học truyền thống, kết quả phụ thuộc rất nhiều vào lớp truyền thống ấy tốt đến đâu. So với một giờ giảng dở thì gần như thứ gì cũng thắng.
Nhưng dạy chuẩn hóa làm tốt lại có bằng chứng rất mạnh. Tổng hợp của Stockard và cộng sự (2018) về nửa thế kỷ nghiên cứu Direct Instruction — một chương trình chuẩn hóa cao, có kịch bản, dạy cả lớp — tìm thấy hiệu ứng dương đáng kể và ổn định qua nhiều môn và nhiều nhóm học sinh.
Điều này khiến bức tranh phức tạp hơn theo hướng hữu ích. Nếu một chương trình chuẩn hóa được thiết kế tốt cũng cho hiệu ứng cỡ 0,5, thì lợi thế thực sự của cá nhân hóa hẹp hơn nhiều so với những gì được quảng cáo — và nó phải chứng minh mình xứng với chi phí cao hơn hẳn.
Nghiên cứu của RAND về các trường áp dụng học tập cá nhân hóa trên quy mô lớn tìm thấy kết quả dương nhưng khiêm tốn, kèm cảnh báo rõ về thiết kế nghiên cứu. Cách đọc trung thực nhất: có tác dụng, không phải phép màu, và triển khai quyết định phần lớn.
Ba yếu tố giải thích gần hết sự dao động.
Cá nhân hóa cái gì. Điều chỉnh độ khó thì có cơ sở lý thuyết vững — nó giữ người học ở vùng vừa sức, không quá dễ đến chán, không quá khó đến quá tải. Điều chỉnh màu sắc giao diện hay dạng phương tiện thì không.
Nhóm đối chứng nhận được gì. Nhiều nghiên cứu so sánh hệ thống thích ứng với làm bài tập bình thường — nhưng bản thân hệ thống ấy cũng cho thêm phản hồi tức thì, thêm lần luyện tập, thêm sự truy xuất. Khi đó ta không đo được sự thích ứng; ta đo được lượng luyện tập.
Và triển khai ra sao. Một nền tảng chỉ thích ứng được nếu người học thực sự dùng đủ nhiều và nếu mô hình phía sau đủ tốt. Rất nhiều nghiên cứu thất bại đơn giản vì học sinh dùng nó hai mươi phút mỗi tuần.
Cá nhân hóa đắt. Nó cần dữ liệu, cần phần mềm, cần đào tạo giáo viên, cần thời gian.
Trong khi đó, một vài can thiệp hoàn toàn không cần cá nhân hóa lại cho hiệu ứng đáng kể với chi phí gần bằng không. Giãn cách các lần ôn tập thay vì học dồn (Cepeda và cộng sự, 2006) hiệu quả cho tất cả mọi người. Tự kiểm tra thay vì đọc lại cũng vậy. Trộn lẫn các dạng bài cũng vậy.
Đây là một phép so sánh đáng làm trước khi đầu tư: nếu bạn có thể áp dụng ba nguyên tắc phổ quát miễn phí, hay mua một hệ thống thích ứng đắt tiền, thì thứ tự hợp lý là làm cái miễn phí trước.
Toàn bộ tranh luận trên xoay quanh trường lớp. Nhưng nếu bạn đang tự học ngoại ngữ, bức tranh đổi khác một cách thú vị: bạn vốn đã là một hệ thống thích ứng.
Bạn biết mình quên từ nào. Bạn biết chỗ nào mình còn ngập ngừng. Bạn không cần thuật toán để nói cho bạn biết điều đó. Vấn đề duy nhất là bạn có hành động theo nó hay không, hay vẫn ôn lại những gì đã thuộc vì cảm giác ôn cái đã biết thì dễ chịu hơn.
Và có một dạng cá nhân hóa đã được chứng minh, sẵn có, gần như miễn phí: lặp lại giãn cách. Một hệ thống thẻ từ tốt điều chỉnh khoảng cách ôn theo đúng kết quả của bạn — thẻ khó quay lại sớm, thẻ dễ lùi ra xa. Đó chính xác là kiểu cá nhân hóa số một và số hai ở trên, gộp làm một, và nó nằm trong tầm tay bất cứ ai.
Ba nguyên tắc rút ra cho người tự học:
Hãy cá nhân hóa độ khó, đừng cá nhân hóa hình thức. Điều chỉnh tài liệu cho vừa sức mình thì có tác dụng. Đổi sang video vì mình học bằng mắt thì không.
Hãy để dữ liệu quyết định, đừng để cảm giác quyết định. Cảm giác trôi chảy là chỉ báo tồi. Cái đáng tin là bạn có nhớ được sau một tuần hay không — và đó cũng chính là thứ mà một hệ thống giãn cách đo giúp bạn.
Và đừng bỏ qua phần chuẩn hóa. Một giáo trình có cấu trúc, một danh sách từ theo cấp độ, một trình tự ngữ pháp hợp lý — những thứ chuẩn hóa ấy tồn tại vì chúng có tác dụng. Cá nhân hóa nên là lớp điều chỉnh bên trên một bộ khung tốt, không phải thứ thay thế cho việc có bộ khung.
Cá nhân hóa có vượt trội so với dạy chuẩn hóa không? Có, nhưng ít hơn nhiều so với quảng cáo, và chỉ khi cá nhân hóa đúng thứ.
Điều chỉnh nhịp độ và độ khó theo trình độ thật của người học: có bằng chứng, hiệu ứng cỡ trung bình, và đáng làm. Điều chỉnh theo sở thích và phong cách: không có bằng chứng, và đã được kiểm tra kỹ đủ để nói vậy một cách tự tin.
Con số hai độ lệch chuẩn thì nên bỏ đi. Nhưng phát hiện thay thế nó lại đáng khích lệ hơn cho người đang tự học: khoảng cách giữa một gia sư giỏi và một hệ thống tốt là nhỏ, còn khoảng cách giữa có hệ thống và không có gì thì lớn. Với người học một mình, đó là tin tốt.
Cùng nội dung ấy, kể lại bằng lời giản dị — dành cho bạn đọc nhỏ tuổi, hoặc cho bất kỳ ai muốn nắm ý chính thật nhanh.
Nếu bạn từng đọc quảng cáo của một nền tảng học tập nào đó, chắc chắn bạn đã gặp con số này: kèm một-một đẩy học sinh lên hai độ lệch chuẩn so với dạy trong lớp thông thường — đưa một học sinh trung bình vào nhóm 2% dẫn đầu.
Con số ấy có thật. Nó có từ năm 1984, và nó trở thành nền tảng đạo lý cho cả một ngành công nghiệp.
Vấn đề là nó không đứng vững. Mà cái thay thế nó thì hữu ích hơn nhiều.
Kết quả ấy đến từ vài nghiên cứu nhỏ, với những gia sư được huấn luyện kỹ, trên những đơn vị nội dung ngắn, trong điều kiện lý tưởng, và được đo bằng chính những bài kiểm tra gắn với nội dung đó.
Khi cả kho tài liệu về việc kèm cặp được rà lại, con số khiêm tốn hơn nhiều: kèm bởi con người cho hiệu ứng khoảng 0,79 — và đây mới là chỗ đáng chú ý, kèm bằng máy tính cho khoảng 0,76.
Hai kết luận đến cùng lúc. Hai sigma là một ảo ảnh. Và máy móc gần bằng con người ở việc kèm cặp: khoảng cách giữa một gia sư người thật và một phần mềm tốt nhỏ hơn nhiều so với khoảng cách giữa có kèm và không có gì cả.
Phần lớn các cuộc tranh cãi về chuyện này chẳng đi tới đâu, vì hai phía hiểu cùng một chữ theo hai nghĩa khác nhau. Có ít nhất ba loại, và bằng chứng cho chúng khác nhau một trời một vực.
Bạn vốn đã biết mình quên những từ nào. Bạn biết mình khựng lại ở đâu. Bạn không cần một thuật toán nói cho mình. Câu hỏi duy nhất là bạn có hành động theo đó không, hay cứ ôn lại những thứ mình đã biết, vì ôn cái đã biết thì dễ chịu hơn.
Và có một dạng cá nhân hoá đã được chứng minh, lại rẻ và sẵn có: lặp lại ngắt quãng. Một hệ thống tốt sẽ điều chỉnh khoảng cách theo đúng biểu hiện thật của bạn — thẻ khó quay lại sớm hơn, thẻ dễ thì trôi xa ra. Đó chính là nhịp độ và độ khó gộp lại, trong tầm với của bất kỳ ai.
Cá nhân hoá có thắng dạy chuẩn hoá không? Có — nhưng ít hơn quảng cáo rất nhiều, và chỉ khi cá nhân hoá đúng thứ cần cá nhân hoá.
Con số hai sigma nên cho về hưu. Nhưng cái thay thế nó lại đáng khích lệ hơn với người tự học: khoảng cách giữa một gia sư giỏi và một hệ thống tốt thì nhỏ, còn khoảng cách giữa có một hệ thống và không có gì thì lớn.
Các bài viết này tổng hợp những nghiên cứu đã được công nhận rộng rãi trong khoa học học tập và ngôn ngữ học. Nguồn chính và tài liệu đọc thêm:
Câu hỏi ngầm giả định rằng tập trung là một cơ bắp để luyện. Bằng chứng chắc nhất lại nói phần luyện được hầu như không...
Không có thời gian, không có khiếu, già rồi — mấy câu ấy là lời giải thích chứ không phải nguyên nhân. Thứ đo được lại t...
Không phải một chuyện mà bốn, chạy trên những cái đồng hồ cách nhau hàng tỉ lần: một sóng ở 400 mili-giây, một từ được k...
