TỐI ƯU HÓA QUY TRÌNH TỔNG HỢP TRI THỨC TRONG MÔI TRƯỜNG SỐ: TỪ DỮ LIỆU PHÂN MẢNH ĐẾN TRẢI NGHIỆM HỌC TẬP CHUYÊN SÂU

Abstract

Môi trường số mang lại nguồn thông tin dồi dào nhưng phân mảnh, khiến người học khó chuyển các đơn vị tri thức rời rạc thành hiểu biết có cấu trúc và chiều sâu. Nghiên cứu này đề xuất và kiểm định mô hình KSO-7 (Knowledge Synthesis Optimization – 7 stages): một quy trình bảy giai đoạn tối ưu hóa việc tổng hợp tri thức trong bối cảnh có trí tuệ nhân tạo (AI) hỗ trợ cùng năm nguyên tắc tối ưu xuyên suốt. Mô hình được xây dựng bằng tổng hợp lý luận và kiểm định thực nghiệm trên 1.016 sinh viên tại hơn 13 cơ sở giáo dục đại học Việt Nam bằng mô hình phương trình cấu trúc (SEM) bậc hai. Kết quả cho thấy bộ thang đo có độ tin cậy và giá trị hội tụ rất cao (α = 0,893–0,946; CR = 0,894–0,947; AVE = 0,585–0,780); bảy giai đoạn hội tụ mạnh vào một năng lực tổng hợp tri thức (KSO) dự báo tri thức sâu (β = 0,794). Vai trò AI và năng lực tổng hợp là các yếu tố then chốt. Nghiên cứu cung cấp một khung quy trình đo lường được cho thiết kế hoạt động học tập số có AI hỗ trợ.