Kế hoạch bài dạy tiết 12 - lớp 3 soạn theo Khung AI 2422: AI có thể học sai

Kế hoạch bài dạy Giáo dục AI lớp 3 – Tiết 12: AI có thể học sai

Sau khi tìm hiểu dữ liệu là gì, cách AI học trên dữ liệu, phân loại và dự đoán bằng học máy, học sinh lớp 3 tiếp tục được đặt vào một tình huống quan trọng: AI có thể học sai. Nếu ở những tiết trước, học sinh chủ yếu tìm hiểu cách dữ liệu giúp AI học và cách chuẩn bị dữ liệu phù hợp, thì Tiết 12 đưa các em đi sâu hơn vào mối quan hệ giữa chất lượng dữ liệu và kết quả mà AI tạo ra. Qua những tình huống mô phỏng gần gũi, học sinh được quan sát một kết quả sai, truy tìm nguyên nhân từ dữ liệu, chỉnh sửa dữ liệu và thử lại để nhận biết sự thay đổi của kết quả.

Tiết học thuộc Chuyên đề 6 “Em thử dạy AI – AI có thể học sai”, có thời lượng một tiết và được xây dựng như một bước tổng kết quan trọng cho nội dung về dữ liệu và quá trình huấn luyện AI. Yêu cầu cần đạt tập trung vào ba biểu hiện chính: học sinh giải thích được bằng ví dụ rằng dữ liệu sai có thể làm AI hoạt động sai; nhận biết mối liên hệ giữa dữ liệu, việc AI học và kết quả; đồng thời phát hiện được một kết quả sai trong tình huống mô phỏng và truy tìm nguyên nhân từ dữ liệu.

Điểm đáng chú ý của bài học là học sinh không được yêu cầu chỉ nhận xét “AI sai”. Các em phải tiếp tục đặt câu hỏi: AI sai ở đâu, dữ liệu nào có vấn đề, dữ liệu đó có thể khiến AI học điều gì sai và sau khi sửa dữ liệu thì kết quả có thay đổi hay không. Chính quá trình truy tìm nguyên nhân này giúp học sinh hình thành một cách tiếp cận có trách nhiệm khi làm việc với AI, thay vì xem mọi kết quả của AI như một điều tách rời khỏi dữ liệu đã được sử dụng để học.

Vị trí của Tiết 12 trong Chuyên đề “Em thử dạy AI – AI có thể học sai”

Tiết 12 là bài học tiếp nối trực tiếp Tiết 11 “Dữ liệu tốt cho AI”. Ở Tiết 11, học sinh đã được nhận biết dữ liệu dùng để AI học có thể bị thiếu, nhầm lẫn hoặc không đúng sự thật; đồng thời thực hành phát hiện và chỉnh sửa những dữ liệu có vấn đề. Sang Tiết 12, các em sử dụng chính kiến thức đó để giải thích tại sao một kết quả AI có thể sai và làm thế nào để tìm nguyên nhân từ dữ liệu.

Nếu Tiết 11 đặt trọng tâm vào câu hỏi “Dữ liệu như thế nào là tốt cho AI?”, thì Tiết 12 có thể xem là bước tiếp theo với câu hỏi “Điều gì có thể xảy ra nếu dữ liệu không tốt?”. Hai nội dung tạo thành một mạch học thống nhất: AI cần dữ liệu để học, dữ liệu cần được chuẩn bị và kiểm tra cẩn thận, dữ liệu sai hoặc thiếu có thể khiến AI học sai và kết quả có thể không phù hợp.

Mục tiêu của bài học không nhằm giúp học sinh hiểu sâu về thuật toán hay kỹ thuật huấn luyện AI. Ở mức độ lớp 3, điều quan trọng là các em hình thành được mối liên hệ đơn giản nhưng đúng hướng giữa ba thành phần: dữ liệu, việc AI học và kết quả. Kế hoạch bài dạy thể hiện rõ mối quan hệ này thông qua sơ đồ “DỮ LIỆU → AI HỌC → KẾT QUẢ”.

Khởi động: Nếu AI trả lời sai, lỗi có thể ở đâu?

Hoạt động khởi động đưa học sinh vào một tình huống mô phỏng rất cụ thể. Giáo viên cho các em xem bốn thẻ dữ liệu gồm hai thẻ mèo và hai thẻ chó, trong đó có một thẻ con mèo nhưng lại mang nhãn “chó”. Nhiệm vụ đầu tiên của học sinh là kiểm tra xem hình và nhãn trên từng thẻ có khớp nhau hay không.

Khi học sinh phát hiện thẻ bị gắn nhãn không đúng, giáo viên tiếp tục cho “AI” xử lí một thẻ mới là con mèo nhưng mô phỏng kết quả “Đây là chó”. Đây là tình huống đủ gần gũi để học sinh có thể nhận ra ngay sự không phù hợp. Tuy nhiên, giáo viên không dừng ở câu hỏi “AI đúng hay sai?” mà tiếp tục hỏi “Kết quả này có phù hợp không? Em dựa vào đâu để nói như vậy?”.

Cách đặt câu hỏi này giúp học sinh không chỉ nhận diện kết quả sai mà còn phải đưa ra căn cứ. Các em có thể dựa vào đặc điểm của hình ảnh và những ví dụ đã quan sát để khẳng định kết quả chưa đúng. Từ đó, giáo viên tiếp tục đặt câu hỏi quan trọng hơn: “Nếu AI học từ một thẻ bị gắn nhãn sai, AI có thể bị ảnh hưởng như thế nào?”. Học sinh bước đầu dự đoán rằng AI có thể học nhầm và đưa ra kết quả sai.

Một câu hỏi khác giúp chuyển từ nhận xét sang giải quyết vấn đề là: “Khi AI sai, chúng ta có nên chỉ nói ‘AI sai’ rồi bỏ qua không?”. Học sinh được định hướng nhận ra cần kiểm tra lại dữ liệu và cách AI đã học, đồng thời tìm nguyên nhân để sửa. Đây chính là tư duy xuyên suốt của tiết học: một kết quả sai cần được điều tra, chứ không chỉ được gắn nhãn là “sai”.

Hoạt động khởi động vì vậy tạo ra một vấn đề học tập rõ ràng. Học sinh phát hiện được kết quả mô phỏng sai và bước đầu chỉ ra nguyên nhân có thể nằm ở dữ liệu. Từ tình huống đó, giáo viên dẫn vào bài bằng cách liên hệ với Tiết 11: các em đã biết kiểm tra và chỉnh sửa dữ liệu, còn hôm nay sẽ tìm hiểu rõ hơn vì sao dữ liệu sai có thể làm AI học sai và hoạt động sai.

Khám phá: Dữ liệu sai có thể làm AI sai

Hoạt động khám phá là phần trung tâm giúp học sinh hình thành mối liên hệ giữa dữ liệu, việc AI học và kết quả. Giáo viên đặt sơ đồ “DỮ LIỆU → AI HỌC → KẾT QUẢ” và gợi nhớ những gì học sinh đã cung cấp cho “AI” trong các tiết trước. Các em nêu được đó là những hình ảnh, ví dụ và nhãn của các thẻ dữ liệu.

Trước hết, giáo viên đưa Bộ A gồm những thẻ có hình và nhãn đúng, sau đó mô phỏng việc AI học từ các ví dụ này. Khi đưa một thẻ mới, giáo viên hỏi AI có thể dựa vào đâu để xử lí thẻ mới. Học sinh nhận ra AI dựa vào những ví dụ đã được cung cấp để học và sử dụng những gì đã học để xử lí dữ liệu mới. Đây là sự nối tiếp trực tiếp với nội dung về học máy trong các tiết trước.

Sau đó, giáo viên thay Bộ A bằng Bộ B có một số thẻ nhầm nhãn và mô phỏng một kết quả sai. Khi được hỏi điểm khác nhau giữa hai bộ dữ liệu, học sinh nhận ra Bộ B có thẻ nhầm nhãn hoặc dữ liệu có vấn đề. Qua việc đặt hai bộ dữ liệu cạnh nhau, các em có thể nhìn thấy sự khác biệt không nằm ở bản thân “AI” trong mô phỏng mà nằm ở dữ liệu mà AI được cung cấp để học.

Một tình huống rất trực quan được đưa ra khi cùng một hình nhưng lúc được gắn nhãn “mèo”, lúc lại gắn nhãn “chó”. Học sinh nhận ra AI sẽ nhận được thông tin không thống nhất, từ đó có thể học nhầm và khó đưa ra kết quả đúng. Đây là cách đơn giản để học sinh hiểu tác động của dữ liệu sai mà không cần sử dụng các khái niệm kỹ thuật phức tạp.

Giáo viên tiếp tục đưa một thẻ dữ liệu bị thiếu nhãn và hỏi AI có đủ thông tin để biết thẻ này thuộc nhóm nào hay không. Học sinh nhận ra thông tin chưa đủ và cần bổ sung nhãn phù hợp. Tình huống này kết nối trực tiếp với Tiết 11, nơi các em đã học cách nhận diện dữ liệu thiếu và đề xuất cách bổ sung.

Từ những ví dụ trên, học sinh được dẫn tới kết luận: nếu phát hiện dữ liệu sai trước khi cho AI học thì cần kiểm tra, sửa hoặc loại dữ liệu sai và bổ sung dữ liệu còn thiếu, phù hợp. Giáo viên chuẩn hóa bằng sơ đồ “Dữ liệu tốt → AI có cơ sở để học; dữ liệu sai/thiếu → AI có thể học sai → kết quả có thể sai”. Đây là mối liên hệ được minh họa qua mô phỏng và là kiến thức trọng tâm của bài học.

Hiểu mối quan hệ: Dữ liệu → AI học → Kết quả

Sơ đồ ba thành phần là công cụ tư duy quan trọng nhất của Tiết 12. Học sinh không cần ghi nhớ những quy trình kỹ thuật phức tạp mà chỉ cần hiểu rằng dữ liệu được đưa vào để AI học, sau đó AI sử dụng những gì đã học để xử lí và tạo ra kết quả.

Nếu dữ liệu phù hợp và được chuẩn bị tốt, AI có cơ sở để học. Ngược lại, nếu dữ liệu có nhãn sai, thiếu thông tin hoặc có vấn đề, AI có thể học theo thông tin đó và khi xử lí dữ liệu mới có thể đưa ra kết quả không phù hợp. Bài học sử dụng mô phỏng để học sinh nhìn thấy mối liên hệ này một cách trực tiếp.

Điều quan trọng là giáo viên không nên để học sinh hiểu theo hướng “AI luôn sai khi dữ liệu có một lỗi”. Nội dung kế hoạch bài dạy sử dụng cách diễn đạt “có thể”, tức dữ liệu sai hoặc thiếu có thể dẫn đến việc AI học sai và kết quả có thể sai. Đây là mức độ kết luận phù hợp với phạm vi của bài học và với tình huống mô phỏng mà học sinh đang quan sát.

Luyện tập: Tìm xem “AI học sai” ở đâu

Sau khi đã hiểu mối liên hệ giữa dữ liệu và kết quả, học sinh bước vào hoạt động luyện tập với vai trò của những người “điều tra một lần AI học sai”. Đây là hoạt động rất phù hợp để phát triển năng lực giải quyết vấn đề vì học sinh được bắt đầu từ một kết quả sai rồi quay ngược lại kiểm tra dữ liệu để tìm nguyên nhân.

Giáo viên chia lớp thành các nhóm bốn học sinh và phát cho mỗi nhóm một bộ dữ liệu gồm sáu đến tám thẻ. Trong bộ dữ liệu có những thẻ đúng, một thẻ gán nhãn sai và một thẻ thiếu nhãn. Giáo viên đặt vấn đề: “AI của nhóm vừa nhận biết sai một thẻ. Hãy điều tra xem dữ liệu nào có thể gây ra lỗi.”

Để hoạt động có tính hợp tác, các thành viên trong nhóm có thể phân công người kiểm tra hình, người kiểm tra nhãn, người ghi kết quả và người trình bày. Cả nhóm cùng đối chiếu từng thẻ thay vì chỉ nhìn vào một trường hợp. Cách tổ chức này giúp học sinh hình thành một quy trình điều tra đơn giản: xem kết quả sai, kiểm tra dữ liệu, xác định điểm bất thường và tìm nguyên nhân có khả năng liên quan.

Giáo viên lần lượt hỏi: “Em phát hiện thẻ nào bất thường? Bất thường ở hình, ở nhãn hay ở thông tin còn thiếu?”. Học sinh phải xác định dạng lỗi chứ không chỉ nói rằng “thẻ này sai”. Đây là bước quan trọng bởi việc xác định đúng loại vấn đề sẽ quyết định cách sửa dữ liệu.

Một yêu cầu rất đáng chú ý là giáo viên nhắc học sinh chưa sửa ngay mà phải dự đoán trước: “Nếu giữ nguyên thẻ này, AI có thể học điều gì sai?”. Học sinh có thể dự đoán AI sẽ gắn đặc điểm của nhóm này với nhãn của nhóm khác hoặc không có đủ căn cứ để nhận biết. Việc dự đoán trước khi sửa giúp các em hiểu mối quan hệ nguyên nhân – kết quả sâu hơn.

Sau đó, nhóm tiến hành chỉnh sửa bằng cách đổi nhãn đúng, bổ sung nhãn còn thiếu và kiểm tra lại toàn bộ bộ dữ liệu. Khi công việc chỉnh sửa hoàn tất, giáo viên đưa lại thẻ mới từng làm AI nhận biết sai và yêu cầu học sinh dự đoán kết quả sau khi dữ liệu đã được sửa. Các em dự đoán kết quả có thể phù hợp hơn vì dữ liệu dùng để học đã được chỉnh sửa.

Bước tiếp theo là mô phỏng “AI học lại”. Học sinh cho “AI” xem bộ thẻ đã sửa rồi xử lí lại thẻ mới, sau đó so sánh kết quả trước và sau khi chỉnh sửa dữ liệu. Đây là một trải nghiệm rất có giá trị vì học sinh không chỉ nghe giáo viên giải thích rằng dữ liệu ảnh hưởng đến kết quả mà trực tiếp quan sát sự thay đổi trong một mô phỏng đơn giản.

Cuối hoạt động, các nhóm trình bày theo chuỗi: “AI sai ở kết quả…; chúng em tìm thấy dữ liệu…; chúng em sửa…; sau khi sửa, kết quả…”. Cấu trúc trình bày này giúp học sinh diễn đạt được đầy đủ mối quan hệ nguyên nhân – xử lí – kết quả. Giáo viên chốt lại rằng khi phát hiện AI hoạt động sai, cần kiểm tra dữ liệu; sửa dữ liệu phù hợp rồi thử lại giúp xem kết quả có được cải thiện hay không.

Từ “AI sai” đến “tìm nguyên nhân AI sai”

Một điểm giáo dục quan trọng trong Tiết 12 là thay đổi cách học sinh nhìn nhận một kết quả không phù hợp của AI. Khi AI đưa ra một kết quả sai trong tình huống mô phỏng, phản ứng đầu tiên có thể là nói “AI sai”. Tuy nhiên, bài học yêu cầu học sinh đi xa hơn: phải kiểm tra dữ liệu và tìm nguyên nhân.

Điều này giúp học sinh hình thành một thói quen tư duy có căn cứ. Thay vì chỉ phán đoán kết quả đúng hoặc sai, các em đặt câu hỏi về nguồn gốc của kết quả. Trong phạm vi bài học, một trong những nguyên nhân được mô phỏng rõ nhất là dữ liệu có nhãn sai hoặc thiếu thông tin.

Quy trình “kết quả sai → kiểm tra dữ liệu → phát hiện lỗi → sửa dữ liệu → thử lại” cũng tạo cầu nối rất tự nhiên giữa Tiết 11 và Tiết 12. Ở Tiết 11, học sinh học cách tạo một bộ dữ liệu tốt; sang Tiết 12, các em sử dụng khả năng kiểm tra dữ liệu đó để điều tra một trường hợp AI học sai.

Vận dụng: Em giải thích một lần AI học sai

Hoạt động vận dụng đưa học sinh vào vị trí chủ động xây dựng một tình huống. Mỗi em lựa chọn một nhiệm vụ phân loại quen thuộc, chẳng hạn phân loại mèo/chó, xe đạp/ô tô hoặc đồ dùng học tập. Sau đó, học sinh vẽ hoặc ghi từ ba đến bốn ví dụ dữ liệu và gắn nhãn cho các ví dụ đó.

Điểm đặc biệt là giáo viên yêu cầu học sinh cố tình tạo một lỗi trong phiếu rồi đánh dấu lỗi đó. Lỗi có thể là nhầm nhãn hoặc thiếu nhãn. Sau đó, học sinh hoàn thành câu “Nếu AI học từ dữ liệu này, AI có thể…”, qua đó dự đoán kết quả có thể xảy ra khi AI học từ bộ dữ liệu chưa được kiểm tra.

Sau khi tạo lỗi, học sinh phải sửa lại dữ liệu và hoàn thành câu “Sau khi sửa dữ liệu, em mong AI sẽ…”. Cách tổ chức này giúp các em nhìn thấy đầy đủ hai trạng thái trước và sau khi chỉnh sửa. Các em không chỉ biết rằng dữ liệu sai có thể gây vấn đề mà còn biết rằng khi phát hiện lỗi, con người có thể kiểm tra và điều chỉnh dữ liệu để thử lại.

Học sinh sau đó đổi phiếu theo cặp. Người bạn đọc ví dụ và trả lời câu hỏi “Dữ liệu nào làm AI có thể học sai? Vì sao?”. Hoạt động này giúp học sinh kiểm tra khả năng giải thích của nhau và tiếp tục củng cố mối liên hệ giữa dữ liệu và kết quả.

Khi một số học sinh trình bày, giáo viên đặt câu hỏi tổng kết: “Qua ví dụ của em, em hiểu thế nào về câu ‘AI có thể học sai’?”. Câu trả lời được hướng tới nội dung cốt lõi: AI học từ dữ liệu; nếu dữ liệu sai, thiếu hoặc nhầm thì AI có thể học sai và đưa ra kết quả sai. Đây là cách học sinh tự diễn đạt kiến thức thay vì chỉ lặp lại kết luận của giáo viên.

Tổng kết Chuyên đề 6: Con người có trách nhiệm với dữ liệu

Tiết 12 không chỉ kết thúc một bài học mà còn tổng kết toàn bộ Chuyên đề 6. Sau khi học sinh đã trải nghiệm việc thu thập ví dụ, gắn nhãn, cho AI học, kiểm tra, phát hiện lỗi và chỉnh sửa, giáo viên khái quát thành một chuỗi hoạt động có sự tham gia trực tiếp của con người.

Thông điệp tổng kết của chuyên đề được thể hiện rất rõ: muốn AI học cần có dữ liệu và quá trình huấn luyện; muốn AI hoạt động phù hợp, con người phải chuẩn bị, kiểm tra và điều chỉnh dữ liệu. Điều này đặt trách nhiệm của con người vào vị trí phù hợp trong quá trình sử dụng AI, thay vì xem AI như một hệ thống hoàn toàn độc lập với dữ liệu do con người cung cấp.

Đối với học sinh lớp 3, đây là một kết luận vừa sức nhưng có giá trị nền tảng. Các em chưa cần biết cách xây dựng một mô hình học máy thực tế, nhưng có thể hiểu rằng AI không “tự nhiên biết” mọi thứ. Trong mô phỏng của bài học, AI cần dữ liệu để học, dữ liệu cần được chuẩn bị và kiểm tra, và khi phát hiện kết quả không phù hợp, con người có thể quay lại kiểm tra dữ liệu để tìm nguyên nhân.

Trách nhiệm và trung thực khi chuẩn bị dữ liệu

Hai phẩm chất được nhấn mạnh trong bài học là trách nhiệm và trung thực. Trách nhiệm thể hiện ở việc học sinh cẩn thận khi cung cấp, lựa chọn và kiểm tra dữ liệu. Trung thực thể hiện ở việc không cố tình đưa thông tin sai vào dữ liệu dùng để dạy AI.

Trong bối cảnh mô phỏng, yêu cầu “cố tình tạo một lỗi” ở hoạt động vận dụng không nhằm khuyến khích học sinh đưa dữ liệu sai vào AI thực tế. Mục đích là tạo một tình huống học tập có kiểm soát để các em nhìn thấy rõ chuỗi nguyên nhân và hậu quả, sau đó phải đánh dấu lỗi, dự đoán tác động và sửa lại. Đây là một hình thức học tập giúp các em hiểu tại sao dữ liệu cần được kiểm tra trước khi sử dụng.

Qua đó, học sinh có thể hình thành một nguyên tắc đơn giản: khi chuẩn bị dữ liệu cho AI, cần cung cấp thông tin đúng, kiểm tra nhãn và không cố ý đưa thông tin sai. Trách nhiệm của người sử dụng AI bắt đầu từ chính những dữ liệu mà mình cung cấp hoặc lựa chọn.

Dữ liệu tốt giúp quá trình học có cơ sở hơn

Tiết 12 tiếp tục củng cố nội dung của Tiết 11 về dữ liệu tốt. Trong mô phỏng, Bộ A gồm những thẻ có hình và nhãn đúng được dùng để AI học, sau đó AI sử dụng các ví dụ này để xử lí thẻ mới. Khi thay bằng Bộ B có một số thẻ nhầm nhãn, kết quả mô phỏng có thể trở nên sai.

Điều học sinh cần hiểu ở đây không phải là “dữ liệu tốt luôn đảm bảo AI đúng” mà là dữ liệu tốt tạo cơ sở phù hợp hơn cho quá trình học trong mô phỏng. Ngược lại, dữ liệu sai hoặc thiếu có thể làm AI học sai và kết quả có thể sai. Cách diễn đạt này giữ đúng phạm vi của bài học và giúp học sinh tránh hình thành suy nghĩ tuyệt đối hóa vai trò của dữ liệu.

Qua việc so sánh trước và sau khi sửa dữ liệu, học sinh có thể thấy rõ hơn giá trị của bước kiểm tra. Khi một nhãn sai được sửa và thông tin còn thiếu được bổ sung, nhóm có thể thử lại dữ liệu mới và so sánh kết quả. Đây là một minh chứng trực quan cho vai trò của con người trong việc chuẩn bị và điều chỉnh dữ liệu.

Tổ chức dạy học bằng mô phỏng, không phụ thuộc công nghệ

Mặc dù chủ đề là AI, kế hoạch bài dạy được thiết kế để có thể triển khai chủ yếu bằng thẻ dữ liệu, phiếu học tập và bảng nhóm. Giáo viên có thể sử dụng thiết bị để minh họa khi cần nhưng bài học không phụ thuộc Internet hay một công cụ AI cụ thể. Học sinh làm việc cá nhân, theo cặp và theo nhóm với vở, bút, phiếu và thẻ dữ liệu.

Đây là cách tổ chức phù hợp với mục tiêu của tiết học. Điều cần hình thành ở học sinh là hiểu được mối quan hệ “Dữ liệu → AI học → Kết quả”, biết phát hiện dữ liệu gây lỗi và giải thích tại sao dữ liệu sai có thể dẫn đến kết quả sai. Vì vậy, việc mô phỏng bằng thẻ có thể đáp ứng mục tiêu mà không cần học sinh phải thao tác trực tiếp trên một phần mềm AI.

Kế hoạch cũng xác định rõ không đánh giá học sinh dựa vào khả năng sử dụng phần mềm AI và không yêu cầu thiết bị, tài khoản hoặc kết nối Internet riêng. Minh chứng học tập nằm ở bộ thẻ trước và sau khi chỉnh sửa, phiếu “AI học sai ở đâu?”, sơ đồ “Dữ liệu → AI học → Kết quả” và phần giải thích của học sinh.

Đánh giá kết quả học tập

Đánh giá trong Tiết 12 được thực hiện thường xuyên thông qua việc quan sát quá trình học sinh phát hiện dữ liệu có vấn đề, giải thích nguyên nhân của kết quả sai, tham gia mô phỏng và trình bày sản phẩm. Cách đánh giá này phù hợp với bản chất của bài học vì năng lực cần hình thành thể hiện rõ qua quá trình điều tra, giải thích và sửa dữ liệu.

Học sinh đạt yêu cầu khi có thể giải thích được bằng một ví dụ rằng dữ liệu sai có thể làm AI hoạt động sai, chỉ ra được dữ liệu gây lỗi và đề xuất cách sửa dữ liệu. Đây là ba biểu hiện chính để giáo viên xác định học sinh đã nắm được trọng tâm của tiết học.

Một sản phẩm tốt không nhất thiết phải có hình thức phức tạp. Điều quan trọng là học sinh thể hiện được chuỗi logic: dữ liệu có vấn đề, AI có thể học sai, kết quả có thể sai, con người phát hiện dữ liệu gây lỗi, sửa dữ liệu và thử lại. Nếu học sinh có thể diễn đạt được chuỗi này bằng lời hoặc qua sơ đồ và thẻ dữ liệu, các em đã thể hiện được yêu cầu cốt lõi của bài.

Những điểm học sinh cần ghi nhớ

Sau Tiết 12, học sinh cần ghi nhớ rằng AI học từ dữ liệu và dữ liệu có ảnh hưởng đến quá trình học. Nếu dữ liệu thiếu, nhầm lẫn hoặc không đúng sự thật thì AI có thể học sai và đưa ra kết quả không phù hợp. Đây là mối liên hệ cơ bản mà toàn bộ hoạt động của tiết học hướng tới.

Khi phát hiện một kết quả AI sai trong tình huống mô phỏng, học sinh không nên chỉ dừng lại ở việc nói “AI sai”. Các em cần kiểm tra lại dữ liệu, tìm thẻ có vấn đề, xác định loại lỗi, sửa dữ liệu và thử lại. Quy trình này giúp các em hiểu rằng con người có vai trò quan trọng trong việc chuẩn bị và kiểm tra dữ liệu dùng để AI học.

Thông điệp có thể đọng lại sau bài học là: AI học từ dữ liệu; dữ liệu sai có thể làm AI học sai; khi phát hiện kết quả không phù hợp, cần quay lại kiểm tra dữ liệu và tìm nguyên nhân. Con người càng cẩn thận trong việc lựa chọn, cung cấp và kiểm tra dữ liệu thì quá trình sử dụng AI càng có cơ sở để đạt được kết quả phù hợp trong những tình huống được mô phỏng.

Kết luận

Tiết 12 “AI có thể học sai” là điểm kết thúc phù hợp cho Chuyên đề 6 “Em thử dạy AI – AI có thể học sai”, đồng thời tạo một dấu mốc quan trọng trong mạch kiến thức về dữ liệu và học máy của chương trình Giáo dục AI lớp 3. Từ những thẻ dữ liệu rất đơn giản, học sinh được dẫn dắt qua một quá trình tư duy rõ ràng: quan sát kết quả, phát hiện điều bất thường, quay lại kiểm tra dữ liệu, xác định nguyên nhân, chỉnh sửa và thử lại.

Giá trị của bài học không nằm ở việc học sinh nhớ được một định nghĩa về “AI học sai” mà ở khả năng giải thích bằng chính một ví dụ. Khi một thẻ con mèo bị gắn nhãn “chó”, học sinh có thể thấy dữ liệu đã có vấn đề; khi “AI” nhận diện một con mèo mới thành chó, các em có thể truy ngược lại dữ liệu; khi nhãn được sửa và dữ liệu được kiểm tra lại, các em có thể thử lại để quan sát sự thay đổi của kết quả. Nhờ đó, mối quan hệ “Dữ liệu → AI học → Kết quả” trở thành một trải nghiệm cụ thể và dễ hiểu.

Đặc biệt, bài học góp phần hình thành cho học sinh thái độ trách nhiệm và trung thực khi làm việc với dữ liệu. Các em hiểu rằng dữ liệu không phải thứ có thể cung cấp tùy tiện; người chuẩn bị dữ liệu cần lựa chọn, kiểm tra và chỉnh sửa những thông tin có vấn đề. Khi phát hiện kết quả AI chưa phù hợp, thay vì chỉ đổ lỗi cho công cụ, học sinh được hướng dẫn tìm nguyên nhân và xem xét dữ liệu đã được sử dụng để học.

Khép lại Tiết 12 cũng là khép lại một mạch kiến thức đáng chú ý của lớp 3: học sinh đã đi từ nhận biết dữ liệu, hiểu AI học trên dữ liệu, tìm hiểu phân loại và dự đoán, mô phỏng quá trình huấn luyện, kiểm tra dữ liệu và cuối cùng nhận ra AI có thể học sai khi dữ liệu có vấn đề. Qua các hoạt động trải nghiệm, các em từng bước hình thành một nhận thức nền tảng: AI không tách rời dữ liệu và con người vẫn giữ vai trò quan trọng trong việc chuẩn bị, kiểm tra và điều chỉnh dữ liệu để AI có cơ sở hoạt động phù hợp.

BẤM VÀO ĐÂY TẢI MIỄN PHÍ TIẾT 12

Với cách tổ chức không phụ thuộc vào phần mềm, thiết bị cá nhân hay Internet, giáo viên có thể triển khai bài học bằng những phương tiện rất gần gũi như thẻ hình, thẻ nhãn, phiếu học tập và bảng nhóm. Quan trọng nhất là tạo được những tình huống mô phỏng đủ rõ để học sinh tự phát hiện mối quan hệ giữa dữ liệu và kết quả. Khi học sinh có thể tự nói được “AI học từ dữ liệu; nếu dữ liệu sai thì AI có thể học sai và đưa ra kết quả sai”, mục tiêu cốt lõi của Tiết 12 đã được hình thành.