PDF: Đề án AI tại Đại học Quốc gia Hà Nội 2025-2030

THUYẾT MINH ĐỀ ÁN (Tên đề án: Xây dựng Nền tảng Đào tạo Tích hợp Trí tuệ Nhân tạo (AI) phục vụ Chuyển đổi số tại Đại học Quốc gia Hà Nội (ĐHQGHN) - Giai đoạn 2025-2030) (Trang bìa)  Tên đề án  Cơ quan chủ quản: Đại học Quốc gia Hà Nội  Đơn vị chủ trì/thực hiện chính (Đơn vị đi...

THUYẾT MINH ĐỀ ÁN (Tên đề án: Xây dựng Nền tảng Đào tạo Tích hợp Trí tuệ Nhân tạo (AI) phục vụ Chuyển đổi số tại Đại học Quốc gia Hà Nội (ĐHQGHN) - Giai đoạn 2025-2030) (Trang bìa)  Tên đề án  Cơ quan chủ quản: Đại học Quốc gia Hà Nội  Đơn vị chủ trì/thực hiện chính (Đơn vị điều phối): Viện Đào tạo số và Khảo thí (VNU-IDT)  Các đơn vị phối hợp chính: (Liệt kê các Ban chức năng, các đơn vị thành viên/trực thuộc, đối tác công nghệ chủ chốt)  Thời gian thực hiện đề án: [Ví dụ: 05 năm, từ tháng MM/2025 đến tháng MM/2030]  Tổng kinh phí dự kiến: 300.000.000.000 VNĐ (Ba trăm tỷ đồng)  Nguồn vốn: (Ví dụ: Ngân sách Nhà nước, Nguồn tự chủ ĐHQGHN, Nguồn huy động hợp pháp khác)  Địa điểm thực hiện: ĐHQGHN (Hà Nội và Hòa Lạc)  Hà Nội, [Tháng], [Năm] (Trang nội dung) DANH MỤC CÁC TỪ VIẾT TẮT (Nếu có) DANH MỤC BẢNG BIỂU, HÌNH VẼ (Nếu có) MỞ ĐẦU 1. Giới thiệu chung về đề án: Trong bối cảnh cuộc Cách mạng công nghiệp lần thứ tư đang diễn ra mạnh mẽ, đặc biệt là sự phát triển vượt bậc của Trí tuệ nhân tạo (AI), chuy ển đ ổi s ố đã trở thành xu thế tất yếu và yêu cầu cấp thiết đối với m ọi lĩnh v ực kinh t ế - xã h ội, trong đó có giáo dục đại học. Nắm bắt xu thế đó và nhận thức sâu sắc vai trò tiên phong, trách nhiệm quốc gia, Đại học Quốc gia Hà Nội (ĐHQGHN) đề xuất triển khai Đề án "Xây dựng nền tảng đào tạo tích hợp Trí tuệ Nhân tạo (AI) phục vụ chuyển đổi số tại Đại học Quốc gia Hà Nội (ĐHQGHN) - Giai đoạn 2025-2030". Đề án có mục đích cốt lõi là xây dựng và đưa vào v ận hành m ột h ệ sinh thái đào tạo số hiện đại, đồng bộ, thông minh, lấy AI làm công nghệ lõi, phục vụ toàn diện cho hoạt động dạy, học, kiểm tra đánh giá và quản lý đào t ạo t ại t ất c ả các đơn vị thành viên và trực thuộc ĐHQGHN. Ý nghĩa của đề án không ch ỉ d ừng l ại ở việc nâng cao rõ rệt chất lượng và hiệu quả đào tạo, cá nhân hóa lộ trình học tập, tối ưu hóa nguồn lực, mà còn góp phần nâng cao trải nghiệm của người dạy và người học, khẳng định vị thế hàng đầu của ĐHQGHN trong ứng dụng công ngh ệ giáo dục tiên tiến. Với quy mô đầu tư lớn (dự kiến 300 tỷ VNĐ) và triển khai trên toàn ĐHQGHN trong giai đoạn 5 năm (2025-2030), đề án thể hiện một quyết tâm chiến lược. Sự cấp thiết của đề án được khẳng định bởi áp lực cạnh tranh ngày càng tăng trong bối cảnh hội nhập quốc tế, yêu cầu đổi mới căn bản mô hình đào t ạo truy ền thống để đáp ứng nhu cầu nguồn nhân lực chất lượng cao cho n ền kinh t ế s ố, và đòi hỏi phải hoàn thành các chỉ tiêu chiến lược về chuyển đổi số mà ĐHQGHN đã đề ra. Việc triển khai thành công đề án này là bước đi then chốt để ĐHQGHN không chỉ thích ứng mà còn dẫn dắt sự thay đổi trong giáo dục đại học Việt Nam. 2. Sự phù hợp với chiến lược phát triển Đề án hoàn toàn phù hợp và trực tiếp góp phần thực hiện các chủ trương, chiến lược phát triển lớn của Đảng, Nhà nước và của chính ĐHQGHN: Đối với chiến lược quốc gia, Đề án là hành động cụ thể nhằm triển khai hiệu quả Nghị quyết số 57-NQ/TW ngày 22/12/2024 của Bộ Chính trị và Nghị quyết số 03/NQ-CP ngày 09/01/2025 của Chính phủ về "đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia". Việc xây dựng nền tảng đào tạo tích hợp AI sẽ góp phần quan trọng vào việc đào tạo nguồn nhân lực chất lượng cao, có năng lực số và khả năng làm chủ công nghệ AI, đáp ứng yêu cầu phát triển kinh tế số và xã hội số của đất nước. Đề án cũng th ể hi ện vai trò đi đ ầu của ĐHQGHN trong việc hưởng ứng và đóng góp vào thành công của Phong trào "Bình dân học vụ số" ở một tầm mức cao hơn. Đối với chiến lược của ĐHQGHN, Đề án là một cấu phần trọng yếu, mang tính đột phá để thực hiện thành công Chiến lược phát triển ĐHQGHN đến năm 2030, tầm nhìn 2045, hướng tới mục tiêu trở thành đại học nghiên cứu tiên tiến, ngang tầm khu vực và thế giới. Đặc biệt, đề án trực tiếp phục v ụ vi ệc hoàn thành các Chỉ tiêu hoạt động chủ chốt (KPI) đã được phê duyệt tại Quy ết đ ịnh s ố 1345/QĐ-ĐHQGHN ngày 21/3/2025 ban hành Chương trình hành động thực hiện Nghị quyết 57-NQ/TW và Nghị quyết 03/NQ-CP, cụ thể là các chỉ tiêu quan trọng như: ĐTSV 4.1.1 (Đạt 70% học phần triển khai theo hình thức trực tuyến ho ặc k ết hợp), ĐTSV 4.1.2 (Hướng tới 100% học phần trực tuyến được tích hợp AI), và ĐTSV 4.1.3 (Phát triển 50 khóa học MOOCs). Đồng thời, đề án cũng tạo nền tảng công nghệ và dữ liệu quan trọng để Viện Đào tạo số và Khảo thí (VNU-IDT) phát huy vai trò đầu mối, điều phối hiệu quả công cuộc chuyển đổi số trong lĩnh v ực đào tạo và khảo thí tại ĐHQGHN. Như vậy, việc đầu tư và triển khai thành công đề án "Xây dựng nền tảng đào tạo tích hợp Trí tuệ Nhân tạo (AI) phục vụ Chuyển đổi số tại ĐHQGHN" không chỉ giải quyết những nhu cầu cấp thiết nội tại mà còn thể hiện tầm nhìn chiến lược, sự chủ động hội nhập và trách nhiệm quốc gia của ĐHQGHN trong k ỷ nguyên số. CHƯƠNG I: THÔNG TIN CHUNG VỀ ĐỀ ÁN 1. Tên đề án “Xây dựng nền tảng đào tạo tích hợp Trí tuệ Nhân tạo (AI) phục vụ Chuyển đổi số tại ĐHQGHN” 2. Cơ quan chủ quản Đại học Quốc gia Hà Nội 3. Đơn vị chủ trì/Điều phối: Viện Đào tạo số và Khảo thí (VNU-IDT) 4. Các đơn vị phối hợp thực hiện (Liệt kê chi tiết) 5. Chủ nhiệm đề án (dự kiến) (Họ tên, chức danh, đơn vị) 6. Thời gian thực hiện Từ tháng 10/2025-12/2030 7. Tổng kinh phí và nguồn vốn (Chi tiết nguồn) 8. Loại hình đề án Đề án ứng dụng CNTT 9. Tính cấp thiết của đề án 9.1. Phân tích bối cảnh quốc gia và quốc tế về chuyển đổi số và AI trong giáo dục Trong bối cảnh toàn cầu, chuyển đổi số (CĐS) và trí tuệ nhân tạo (AI) đang trở thành xu thế tất yếu trong lĩnh vực giáo dục đại học. Nhi ều qu ốc gia và tr ường đại học hàng đầu đã và đang tích cực ứng dụng AI nhằm đổi mới phương pháp giảng dạy, cá nhân hóa trải nghiệm học tập và tối ưu hóa qu ản tr ị (2024 higher education trends | Deloitte Insights). Thực tế, tác động của AI được dự báo sẽ sâu sắc đến giáo dục đại học, có khả năng định hình lại mô hình đ ại h ọc truy ền th ống (nguồn: 2024 higher education trends | Deloitte Insights). Cuộc cách mạng công nghệ số này được so sánh tầm ảnh hưởng với cuộc Cách mạng Công nghiệp, đòi h ỏi các hệ thống giáo dục trên thế giới phải thích ứng nhanh chóng để không bị tụt h ậu. Nhiều báo cáo quốc tế gần đây đã nhấn mạnh rằng AI có thể thay đổi căn bản cách thức dạy và học, giúp các trường đại học nâng cao năng lực cạnh tranh trong kỷ nguyên số. Tại Việt Nam, Đảng và Chính phủ xác định chuyển đổi số và AI là động lực chiến lược để thúc đẩy phát triển quốc gia. Nghị quyết số 57-NQ/TW do Bộ Chính trị ban hành ngày 22/12/2024 đã nhấn mạnh phát triển khoa học công nghệ, đổi mới sáng tạo và CĐS là “đột phá quan trọng hàng đầu” cho phát triển kinh tế xã hội, nhằm ngăn chặn nguy cơ tụt hậu trong kỷ nguyên mới (nguồn : TOÀN VĂN: Nghị quyết số 57-NQ/TW về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo, chuyển đổi số quốc gia). Nghị quyết 57-NQ/TW còn chỉ rõ cần những quyết sách mạnh mẽ, mang tính cách mạng để tạo xung lực mới cho CĐS, đưa đất nước tiến nhanh, thực hiện các mục tiêu đến 2030 và 2045. Đáng chú ý, ngh ị quy ết này đ ề ra nhiệm vụ xây dựng nền giáo dục số: triển khai sâu rộng phong trào “học tập số” , phổ cập và nâng cao kiến thức số cho mọi tầng lớp. Song song, nghị quyết cũng định hướng xây dựng các nền tảng giáo dục trực tuyến, phát triển mô hình đ ại h ọc số và ứng dụng công nghệ tiên tiến, nhất là AI, trong đổi mới phương thức đào tạo. Có thể xem đây như một phong trào “ Bình dân học vụ số” – một chiến dịch quốc gia nhằm nâng cao dân trí số và kỹ năng số cho toàn dân trong kỷ nguyên mới. Chính phủ đã cụ thể hóa chủ trương trên thông qua Nghị quyết 03/NQ-CP ngày 09/01/2025, ban hành chương trình hành động thực hiện Nghị quyết 57. Chương trình này đề ra các mục tiêu và nhiệm vụ chi tiết cho các b ộ, ngành v ề chuyển đổi số và ứng dụng AI trong mọi lĩnh vực, trong đó có giáo dục. Ví dụ, Nhà nước khuyến khích đổi mới chương trình giáo dục, đa dạng hóa phương thức đào tạo với công nghệ hiện đại như AI, thực tế ảo… (nguồn: Nghị quyết 03/NQ-CP 2025 đột phá phát triển khoa học công nghệ đổi mới sáng tạo ), đồng thời xây dựng những trung tâm đào tạo tiên tiến chuyên sâu về AI nhằm đón đầu xu thế công nghệ. Nhờ định hướng chiến lược từ Nghị quyết 57 và Nghị quyết 03, Việt Nam đang chứng kiến làn sóng đầu tư mạnh mẽ vào EdTech và AI trong giáo dục: tính đến giữa 2023, đã có khoảng 70 quỹ đầu tư rót hơn 400 triệu USD vào các startup công nghệ giáo dục Việt Nam – vượt cả tổng vốn của năm 2022 (nguồn : Trí tuệ nhân tạo là “chìa khóa” xây dựng quá trình cá nhân hóa học t ập - Nh ịp s ống kinh t ế Việt Nam & Thế giới). Rõ ràng, cả xu thế toàn cầu lẫn chủ trương quốc gia đ ều đang tạo sức ép và động lực tích cực buộc hệ thống giáo dục đại học phải chuyển đổi số nhanh chóng, khai thác AI để nâng cao chất lượng và v ị th ế. Trong b ối c ảnh đó, ĐHQGHN – với vai trò là đại học hàng đầu Việt Nam – cần tiên phong thực hiện các giải pháp đột phá như đề án xây dựng nền tảng đào tạo tích hợp AI, qua đó vừa đáp ứng yêu cầu cấp bách trước mắt, vừa phù hợp xu thế phát tri ển t ất y ếu của giáo dục đại học thế giới và Việt Nam. 9.2. Phân tích bối cảnh và nhu cầu thực tiễn tại ĐHQGHN Tại Đại học Quốc gia Hà Nội (ĐHQGHN), yêu cầu chuyển đổi số trong giáo dục vừa là thách thức nội tại cần giải quyết, vừa mở ra cơ hội chiến lược để bứt phá nâng cao chất lượng đào tạo. ĐHQGHN hiện đối mặt với nhiều vấn đề cần khắc phục nhằm thực hiện thành công chuyển đổi số: Hạ tầng công nghệ chưa đồng bộ, thiếu nền tảng dùng chung: Hệ thống công nghệ thông tin của ĐHQGHN còn phân tán giữa các trường thành viên, chưa có nền tảng tích hợp thống nhất. Điều này dẫn đến tình trạng dữ liệu và ứng dụng số bị cát cứ, gây khó khăn cho quản lý và chia sẻ tài nguyên. Th ực tr ạng h ạ t ầng s ố chưa đáp ứng yêu cầu hiện đại hóa là thách thức chung c ủa c ả n ước, và ĐHQGHN cũng không ngoại lệ. Việc xây dựng một nền tảng số dùng chung, đồng bộ cho toàn ĐHQGHN là cấp thiết để khắc phục hiện trạng manh mún, tăng hiệu quả quản trị và kết nối liên thông giữa các đơn vị. Chưa có hệ sinh thái học liệu số đầy đủ: Phần lớn tài liệu giảng dạy, học liệu tại ĐHQGHN vẫn ở dạng truyền thống, chưa được số hóa và xây dựng thành kho học liệu mở dùng chung. Sự thiếu hụt này cản trở việc dạy và học tr ực tuy ến quy mô lớn, cũng như hạn chế khả năng truy cập kiến th ức m ọi lúc, m ọi n ơi cho người học. Nhu cầu số hóa học liệu và xây dựng thư viện học thuật điện tử tập trung là rất bức thiết nhằm hỗ trợ các phương thức đào tạo mới. Nhu cầu cá nhân hóa học tập chưa được đáp ứng: Với quy mô đào tạo lớn và đa dạng ngành nghề, ĐHQGHN đang đứng trước yêu cầu đổi mới ph ương pháp dạy học để lấy người học làm trung tâm một cách thực chất. Tuy nhiên, các phương pháp truyền thống khó theo dõi sát sao tiến độ và nhu c ầu riêng c ủa t ừng sinh viên. Điều này dẫn đến trải nghiệm học tập chưa tối ưu, nhất là với nh ững người học có năng lực và tốc độ khác biệt. Việc tích hợp AI vào quá trình đào t ạo sẽ giúp cá nhân hóa lộ trình học tập cho từng sinh viên , khi AI có thể phân tích dữ liệu về năng lực, phong cách học và gợi ý nội dung, phương pháp phù h ợp t ương ứng. Các chuyên gia giáo dục ĐHQGHN nhận định AI chính là “chìa khóa” để hiện thực hóa việc cá nhân hóa học tập , hỗ trợ người học hiệu quả hơn và giải quyết nhiều bài toán giáo dục truyền thống. Do đó, nhu cầu ứng dụng AI để nâng cao trải nghiệm học tập cá nhân tại ĐHQGHN là rất cấp bách. Mô hình giáo dục đại học cần đổi mới linh hoạt: Bối cảnh chuyển đổi số đòi hỏi ĐHQGHN phải tái cấu trúc mô hình đào tạo theo hướng mở, linh hoạt hơn, kết hợp hiệu quả giữa đào tạo chính quy và các hình thức h ọc t ập tr ực tuy ến, su ốt đ ời. Mô hình đại học truyền thống nếu không sớm đổi mới sẽ khó đáp ứng được kỳ vọng của người học trong kỷ nguyên số vốn đề cao kỹ năng số, học tập liên tục và trải nghiệm học tập linh hoạt. Thách thức đặt ra là làm sao chuyển dịch sang một mô hình “Đại học số” nơi mọi hoạt động từ tuyển sinh, giảng dạy, khảo thí đến hỗ trợ người học đều được tối ưu hóa nhờ công nghệ số và AI. Bên cạnh những thách thức trên, ĐHQGHN cũng có nhiều cơ hội thuận lợi để triển khai thành công đề án và dẫn đầu về đổi mới giáo dục số: Tiềm lực mạnh về công nghệ và AI: ĐHQGHN sở hữu đội ngũ chuyên gia, nhà khoa học trình độ cao trong các lĩnh vực AI, khoa học dữ liệu và công ngh ệ thông tin. Nhiều đơn vị thành viên như Trường Đại học Công nghệ, Viện Công nghệ Thông tin... đã có các nhóm nghiên cứu mạnh về AI, sẵn sàng làm nòng c ốt cho việc phát triển nền tảng đào tạo tích hợp AI. Theo Giám đ ốc ĐHQGHN Lê Quân, ĐHQGHN có tiềm lực mạnh mẽ trong đào tạo và nghiên cứu các lĩnh vực công nghệ mới, đặc biệt là công nghệ thông tin và trí tuệ nhân tạo (nguồn: Đại học Quốc gia Hà Nội và Đại học Thanh Hoa hợp tác thúc đ ẩy khoa h ọc AI | baotintuc.vn). Đây là lợi thế cạnh tranh lớn của ĐHQGHN khi triển khai đề án, giúp đảm bảo nguồn lực chuyên môn và nhân sự chất lượng cao cho việc xây dựng, vận hành nền tảng AI. Hợp tác chiến lược quốc tế về AI: ĐHQGHN đã thiết lập quan hệ hợp tác chặt chẽ với Đại học Thanh Hoa (Trung Quốc) – một trong những đại học hàng đầu thế giới về công nghệ và AI. Sự kết hợp giữa thế mạnh đa ngành của ĐHQGHN và năng lực đỉnh cao về kỹ thuật, công nghệ của ĐH Thanh Hoa tạo ra một nền tảng lý tưởng để hai bên hợp tác phát triển các sáng kiến về AI trong giáo d ục ( Đại học Quốc gia Hà Nội và Đại học Thanh Hoa hợp tác thúc đ ẩy khoa h ọc AI | baotintuc.vn). Theo lãnh đạo ĐHQGHN, hợp tác bền vững này không chỉ thúc đẩy tiến bộ khoa học trong lĩnh vực AI, mà còn mở ra nhiều cơ hội ứng dụng thực tiễn , tạo nền móng cho các sáng kiến chung như trao đổi học thuật, chương trình liên kết đào tạo, nghiên cứu liên ngành về AI ứng dụng ( Đại học Quốc gia Hà Nội và Đại học Thanh Hoa hợp tác thúc đẩy khoa học AI | baotintuc.vn ). Nhờ đó, ĐHQGHN có thể tiếp cận những tri thức và công nghệ AI tiên tiến nhất, học hỏi kinh nghiệm triển khai từ đối tác quốc tế để áp dụng hiệu quả vào đề án của mình. Đây là c ơ hội quý báu nhằm đảm bảo đề án bắt kịp trình độ thế giới, đồng thời nâng cao vị thế quốc tế của ĐHQGHN.  Chỉ tiêu chuyển đổi số rõ ràng, quyết tâm từ cấp lãnh đạo: ĐHQGHN đã ban hành các mục tiêu và chỉ tiêu bắt buộc về chuyển đổi số trong giai đoạn 2025-2030, tạo khuôn khổ định hướng cho đề án. Cụ thể, Chương trình hành động của ĐHQGHN thực hiện Nghị quyết 57-NQ/TW và 03/NQ-CP (ban hành kèm Quyết định 1345/QĐ-ĐHQGHN ngày 21/3/2025) đề ra một nhóm nhiệm vụ trọng tâm về chuyển đổi số trong giáo dục đại học. Trong đó nhấn mạnh nhiệm vụ “Chuyển đổi số trong hoạt động đào tạo: Xây dựng mô hình đào tạo và phương pháp giảng dạy trực tuyến ứng dụng công nghệ số và AI”. Cùng với đó, các nhiệm vụ phát triển hạ tầng mạng, cơ sở dữ liệu số dùng chung , xây dựng Trung tâm dữ liệu và Trung tâm điều hành đại học thông minh cũng được đặt ra. Những chỉ tiêu này (tương ứng với KPI CĐS 4.1.1, 4.1.2, 4.1.3…) thể hiện quyết tâm cao của ĐHQGHN trong việc hiện đại hóa toàn diện hoạt động đào tạo và quản trị bằng công nghệ số. Đề án nền tảng đào tạo tích hợp AI chính là bước đi cụ thể hóa các ch ỉ tiêu nói trên. S ự h ậu thuẫn mạnh mẽ từ phía lãnh đạo và khung chính sách nội bộ sẽ đảm bảo nguồn lực và cơ chế thuận lợi cho việc triển khai đề án kịp tiến độ và mục tiêu đề ra. Việc thành lập Viện Đào tạo số và Khảo thí (VNU-IDT) trực thuộc ĐHQGHN cho thấy định hướng chiến lược phát triển giáo dục số đã được cụ thể hóa về mặt tổ chức. VNU-IDT được giao nhiệm vụ nghiên cứu, phát tri ển các n ền tảng đào tạo số, tổ chức thi cử đánh giá năng lực trực tuy ến, v.v., là đ ầu m ối tri ển khai chuyển đổi số trong đào tạo của ĐHQGHN. Với chức năng đó, VNU-IDT sẽ đóng vai trò chủ chốt trong đề án lần này – từ khâu thiết kế giải pháp kỹ thuật, phối hợp với các khoa/trường để số hóa học liệu, đến vận hành thí đi ểm và hoàn thiện nền tảng AI dùng chung. Sự hiện diện của một viện chuyên môn như VNU- IDT giúp đề án có bộ máy triển khai chuyên nghiệp, đảm bảo tính bài bản khoa học và gắn kết chặt chẽ với mục tiêu nâng cao chất lượng đào t ạo, kh ảo thí trong toàn ĐHQGHN. Tựu trung, nhu cầu thực tiễn tại ĐHQGHN đòi hỏi phải sớm xây dựng một nền tảng đào tạo tích hợp AI dùng chung. Nền tảng này sẽ giúp giải quyết các hạn chế hiện tại (hạ tầng manh mún, học liệu chưa số hóa, phương pháp giảng d ạy chậm đổi mới), đồng thời tận dụng tối đa những thuận lợi s ẵn có (ngu ồn l ực AI mạnh, hợp tác quốc tế, quyết tâm và chính sách hỗ trợ từ lãnh đạo). Đ ề án không chỉ mang ý nghĩa khắc phục điểm nghẽn trước mắt mà còn là bước đi chiến lược để ĐHQGHN chuyển mình thành một đại học số tiên phong, nâng cao ch ất l ượng và trải nghiệm giáo dục, đáp ứng kỳ vọng của người học trong kỷ nguyên AI. Vi ệc triển khai đề án vào lúc này vừa cấp bách để bắt kịp xu thế, vừa đúng thời điểm để khai thác các nguồn lực thuận lợi, tạo lợi thế dẫn đầu cho ĐHQGHN trong hệ thống giáo dục đại học Việt Nam. 9.3. Căn cứ pháp lý và khoa học Đề án được đề xuất dựa trên những căn cứ pháp lý rõ ràng và cơ sở khoa học vững chắc, khẳng định tính khả thi và tính cấp thiết của việc ứng dụng AI vào hệ sinh thái đào tạo tại ĐHQGHN:  - Nghị quyết 57-NQ/TW của Bộ Chính trị (22/12/2024): Văn kiện chiến lược cấp Trung ương này là nền tảng chính trị quan trọng nhất định hướng cho chuyển đổi số quốc gia giai đoạn mới. Nghị quyết 57 xác định phát triển khoa học công nghệ, đổi mới sáng tạo và chuyển đổi số là ưu tiên hàng đầu, là “kim chỉ nam” cho đào tạo và phát triển nguồn nhân lực chất lượng cao. Đặc biệt, nghị quyết yêu c ầu ngành giáo dục xây dựng nền tảng giáo dục, đào tạo trực tuyến, phát tri ển mô hình đại học số; hiện đại hóa phương thức giáo dục và đẩy mạnh ứng dụng công nghệ tiên tiến, nhất là trí tuệ nhân tạo, trong dạy và học. Đây chính là căn cứ pháp lý cao nhất khẳng định sự cần thiết phải triển khai các đề án như nền t ảng đào t ạo tích hợp AI, nhằm thực hiện chủ trương của Đảng về đột phá trong giáo d ục đào t ạo thời chuyển đổi số. - Nghị quyết 03/NQ-CP của Chính phủ (09/01/2025): Là chương trình hành động của Chính phủ nhằm cụ thể hóa Nghị quyết 57, nghị quyết này giao nhiệm vụ cho các bộ, ngành và địa phương triển khai các mục tiêu CĐS. Đối với giáo dục đại học, NQ 03 nhấn mạnh việc hoàn thiện hành lang pháp lý và thúc đẩy ứng dụng AI trong các giải pháp phát triển công nghệ số của ngành giáo d ục. Chính phủ khuyến khích thành lập một số trung tâm đào tạo tiên tiến về AI và yêu cầu đổi mới mạnh mẽ chương trình, phương thức đào tạo gắn với công nghệ hiện đại như AI, thực tế ảo... NQ 03 là căn cứ pháp lý quan trọng ở cấp Chính phủ bảo đảm rằng đề án của ĐHQGHN phù hợp với định hướng và nhiệm vụ Nhà nước đã đề ra, đồng th ời t ạo điều kiện phối hợp liên ngành (Giáo dục, Thông tin & Truyền thông, Khoa h ọc & Công nghệ…) trong quá trình triển khai. - Quyết định 1345/QĐ-ĐHQGHN (21/3/2025) của Giám đốc ĐHQGHN: Đây là quyết định ban hành Chương trình hành động của ĐHQGHN nhằm thực hiện Nghị quyết 57-NQ/TW và 03/NQ-CP trong phạm vi toàn ĐHQGHN (). Chương trình hành động này xác định 04 nhóm nhiệm vụ chính, trong đó chuyển đ ổi s ố giáo d ục là một trụ cột trọng tâm. Cụ thể, quyết định nêu rõ nhiệm vụ xây dựng mô hình đào tạo trực tuyến tích hợp AI phục vụ đổi mới phương pháp dạy – học, cùng với việc phát triển hạ tầng số đồng bộ tại ĐHQGHN. Đây là căn cứ pháp lý tr ực ti ếp và sát sườn nhất đối với đề án, cho thấy đề án nằm trong kế hoạch chiến lược đã được phê duyệt của ĐHQGHN. Nền tảng đào tạo tích hợp AI chính là phương tiện để ĐHQGHN hoàn thành các chỉ tiêu chuyển đổi số về đào tạo (theo lộ trình KPI nội bộ đã đề ra), do đó tính khả thi và hợp pháp của đề án được bảo đảm vững chắc. Ngoài các căn cứ pháp lý trên, đề án còn được hậu thuẫn bởi căn cứ khoa học và thực tiễn từ các nghiên cứu giáo dục hiện đại. Nhiều nghiên c ứu qu ốc t ế đã khẳng định việc ứng dụng AI trong giáo dục là xu hướng t ất y ếu và mang l ại hi ệu quả rõ rệt. AI có khả năng cá nhân hóa quá trình học tập, hỗ trợ người học theo nhu cầu riêng, tự động hóa đánh giá và phản hồi , qua đó nâng cao chất lượng dạy và học. Báo cáo của Deloitte (2024) cũng dự báo AI sẽ tạo ra sự biến đổi mang tính cách mạng trong giáo dục đại học , từ phương pháp sư phạm cho đến hoạt động quản trị, giúp các trường đại học tái định hình mô hình hoạt động để thích ứng với kỷ nguyên số (2024 higher education trends | Deloitte Insights). Tại Việt Nam, các chuyên gia giáo dục của ĐHQGHN như TS. Tôn Quang Cường đã nhấn mạnh AI là “chìa khóa” để xây dựng quá trình học tập được cá nhân hóa , mở ra những trải nghiệm học tập mới mẻ và hiệu quả hơn cho sinh viên. Những luận c ứ khoa h ọc này cho thấy việc tích hợp AI vào hệ thống đào tạo không ch ỉ kh ả thi mà còn mang lại giá trị gia tăng vượt trội so với cách làm truyền thống. Tóm lại, đề án “Xây dựng nền tảng đào tạo tích hợp AI phục vụ chuyển đổi số tại ĐHQGHN giai đoạn 2025-2030” có tính cấp thiết mang tầm chiến lược bởi nó đáp ứng đồng thời yêu cầu từ chủ trương chính sách quốc gia l ẫn nhu c ầu đ ổi mới nội tại của ĐHQGHN. Căn cứ pháp lý vững chắc đã có, cơ sở khoa học cũng đã rõ ràng; vấn đề còn lại là tổ chức triển khai một cách quyết li ệt, hi ệu qu ả. Vi ệc sớm thực hiện đề án sẽ giúp ĐHQGHN đi đầu trong chuyển đổi số giáo dục, tạo hiệu ứng lan tỏa trong hệ thống các trường đại học Việt Nam, đóng góp vào m ục tiêu chung xây dựng nền giáo dục đại học hiện đại, bắt kịp xu th ế toàn c ầu trong kỷ nguyên trí tuệ nhân tạo. Các phân tích ở trên cho thấy đề án không những khả thi mà còn là một đòi hỏi cấp bách để hiện thực hóa tầm nhìn chiến lược của ĐHQGHN và góp phần quan trọng đưa hệ thống giáo dục đại học Việt Nam ti ến lên một bước phát triển mới trong thập niên tới.  CHƯƠNG II: MỤC TIÊU, PHẠM VI VÀ ĐỐI TƯỢNG CỦA ĐỀ ÁN 1. Mục tiêu của đề án 1.1 Mục tiêu tổng thể Xây dựng và triển khai thành công một nền tảng đào tạo s ố tích h ợp Trí tu ệ Nhân tạo (AI) dùng chung, hiện đại và đồng bộ tại ĐHQGHN. Qua đó, đề án sẽ tạo ra bước đột phá chiến lược về chất lượng và hiệu quả trong hoạt động đào tạo, khảo thí, cá nhân hóa trải nghiệm học tập, đồng thời góp phần hoàn thành các chỉ tiêu chuyển đổi số quan trọng đã đề ra (theo Quyết định 1345/QĐ-ĐHQGHN) và khẳng định vai trò tiên phong của ĐHQGHN trong ứng dụng AI trong giáo dục. Mục tiêu này thể hiện khát vọng chiến lược của ĐHQGHN trong việc dẫn đầu xu thế chuyển đổi số toàn diện giáo dục đại học Việt Nam, hướng tới nâng cao chất lượng đào tạo lên tầm quốc tế và củng cố vị thế hàng đầu của ĐHQGHN trong hệ thống giáo dục đại học. 1.2. Mục tiêu cụ thể Xây dựng và đưa vào vận hành nền tảng LMS tích hợp AI dùng chung cho toàn ĐHQGHN, đảm bảo tính hiện đại, linh hoạt và ổn định. Nền tảng này sẽ phục vụ thống nhất cho tất cả các đơn vị thành viên, làm cơ sở để triển khai đào tạo tr ực tuyến và kết hợp trên quy mô lớn. Phấn đấu đến năm 2030, tối thiểu 70% học phần trong toàn ĐHQGHN được triển khai theo hình thức trực tuyến hoặc blended (KPI ĐTSV 4.1.1 – đạt ≥70% học phần E-learning), qua đó tối ưu hóa hạ tầng và nâng cao hiệu quả tổ chức đào tạo. Phát triển và tích hợp các mô-đun AI ưu tiên vào hệ thống (như trợ lý ảo chatbot hỗ trợ học tập, chức năng gợi ý học liệu và cá nhân hóa lộ trình học, công cụ hỗ trợ tạo học liệu số, v.v.), cũng như các mô-đun AI khác (tự động chấm điểm, phân tích học tập, chống gian lận thi cử...). Mục tiêu đến năm 2030 là 100% học phần trực tuyến được tích hợp các tính năng AI theo bộ tiêu chí chuẩn (KPI ĐTSV 4.1.2 – 100% online course có yếu tố AI). Việc ứng dụng AI sâu rộng sẽ giúp cá nhân hóa trải nghiệm học tập cho mỗi người học, nâng cao chất lượng đào t ạo. Đồng thời, đề án hướng tới xây dựng năng lực AI trong giáo dục mang tầm quốc tế thông qua thành lập nhóm nghiên cứu chung về AI trong giáo dục (AIEd) giữa ĐHQGHN và ĐH Thanh Hoa (Trung Quốc) trong 24 tháng đầu triển khai, cũng nh ư đồng tổ chức Hội thảo AIEd thường niên từ năm 2026. Xây dựng kho học liệu số dùng chung đa dạng, phong phú và đạt chuẩn chất lượng cao, được đóng góp bởi giảng viên, Viện Đào tạo Số & Khảo thí (VNU-IDT), Thư viện ĐHQGHN (VNU-LIC) và các đối tác, đồng thời quản lý chất lượng theo quy trình chặt chẽ. Trên nền tảng đó, phát triển tối thiểu 50 khóa học trực tuyến mở đại chúng (MOOCs) chất lượng cao đến năm 2030 (KPI ĐTSV 4.1.3 – ≥50 khóa MOOC), mở rộng cơ hội học tập cho sinh viên ĐHQGHN và cộng đồng xã hội. Trong số này, đề án đặt mục tiêu có ít nhất 5 khóa MOOC đồng thương hiệu ĐHQGHN – ĐH Thanh Hoa, thể hiện kết quả hợp tác chiến lược. Đồng thời, dịch thuật và tích hợp tối thiểu 5 khóa MOOC của ĐH Thanh Hoa vào hệ thống LMS của ĐHQGHN, và chia sẻ ít nhất 3 khóa MOOC của ĐHQGHN lên nền tảng MOOC toàn cầu (XuetangX). Những nỗ lực này nhằm quốc tế hóa nội dung đào tạo, nâng cao vị thế học liệu số của ĐHQGHN trong khu vực. Nâng cao năng lực số và sư phạm số tích hợp AI cho đội ngũ giảng viên một cách toàn diện. Đề án đặt mục tiêu đến năm 2030 ít nhất 80% giảng viên cơ hữu của ĐHQGHN được đào tạo, bồi dưỡng bài bản về kỹ năng số, phương pháp sư phạm ứng dụng AI, đạo đức AI và kỹ năng phát triển học liệu số. Để đạt được mục tiêu này, đề án sẽ tổ chức các chương trình đào tạo quy mô lớn (chủ yếu trực tuyến, kết hợp mô hình Training of Trainers để nhân rộng hiệu quả) cho giảng viên và cán bộ. Song song, ĐHQGHN sẽ phối hợp với ĐH Thanh Hoa triển khai các lớp học kết hợp xuyên biên giới (Global Hybrid Classroom) , bắt đầu từ năm 2026 (dự kiến 2 lớp) và mở rộng lên ít nhất 6 lớp vào năm 2030. Thông qua các hoạt động này, đội ngũ giảng viên ĐHQGHN sẽ được trang bị kiến thức và kỹ năng tiên ti ến, sẵn sàng thích ứng và dẫn dắt đổi mới trong môi trường giáo dục số. Vận hành, giám sát và hợp tác quốc tế: Triển khai và quản lý đề án hiệu quả theo phương pháp khoa học, đảm bảo các mục tiêu đề ra được hoàn thành đúng tiến độ và đạt chất lượng. Thiết lập cơ chế giám sát các KPI của đề án và quản lý rủi ro chặt chẽ trong suốt quá trình thực hiện. Đồng thời, đề án tận dụng tối đa và m ở rộng các hợp tác chiến lược trong nước và quốc tế nhằm hỗ trợ cho mục tiêu lâu dài. Cụ thể, ĐHQGHN sẽ hoàn tất việc tham gia Liên minh MOOC Toàn cầu (Global MOOC Alliance – GMA) vào cuối năm 2025 và tích cực tham gia các hoạt động của liên minh (như nhóm công tác chuyên môn, đăng cai sự kiện Tuần lễ MOOC Việt Nam), qua đó học hỏi kinh nghiệm quốc tế và quảng bá hình ảnh ĐHQGHN. Bên cạnh đó, đề án sẽ kết nối một phần hệ thống với nền tảng “Bình dân học vụ số” quốc gia, chia sẻ học liệu và khóa học nhằm đóng góp vào phong trào nâng cao dân trí số trên phạm vi cả nước. Các cơ chế vận hành và hợp tác này sẽ đảm bảo tính bền vững của đề án, đồng thời củng cố vị thế tiên phong của ĐHQGHN trong hệ sinh thái chuyển đổi số giáo dục. Bảng tóm tắt các mục tiêu SMART (Cụ thể – Đo lường – Khả thi – Liên quan – Thời hạn) của đề án: Mục tiêu Cụ thể Đo lường Khả thi Liên quan Thời chính (Specific) (Measurable) (Achievable) (Relevant) hạn (Time- bound) Triển Xây dựng Nền tảng Kinh phí, Nền tảng số Hoàn khai nền và đưa vào hoạt động ổn nhân lực là xương thành giai tảng AI- vận hành định; triển CNTT-AI sống cho đoạn LMS cho một nền khai tại tất nội bộ chuyển đổi 2025- toàn tảng LMS cả các đơn mạnh; có số giáo dục; 2026 ĐHQGHN dùng vị; tích hợp đối tác công đáp ứng nhu (vận chung tích đầy đủ các nghệ hỗ trợ cầu cấp thiết hành thử  hợp AI, mô-đun AI phát triển. về hạ tầng cuối phục vụ cốt lõi. đào tạo số 2025, 100% các của chạy đơn vị ĐHQGHN. chính thành viên thức của 2026). ĐHQGHN. 70% học Mở rộng Tỷ lệ học Lộ trình tăng Góp phần Đến năm phần đào triển khai phần được dần mỗi đổi mới 2030 tạo số (E- đào tạo giảng dạy năm; đã có phương thức (mốc learning) trực tuyến trực nền tảng đào tạo, đáp trung và kết hợp tuyến/blende LMS và ứng xu thế gian: trên quy d ≥ 70% chính sách giáo dục mở ~50% mô toàn toàn trườngkhuyến và chuyển vào ĐHQGHN. (KPI ĐTSV khích E- đổi số theo 2027). 4.1.1 đạt learning tại chiến lược 70%). các đơn vị. ĐHQGHN. 100% Tích hợp 100% học Đã và đang Nâng cao Đến năm học phần các tính phần onlinephát triển chất lượng 2030 trực năng AI có ứng dụngcác mô-đun và tính cá (thực tuyến vào mọi AI (theo bộAI; giảng nhân hóa của hiện thí tích hợp học phần tiêu chí chuẩn viên được các khóa học điểm từ AI dạy trực về AI trongtập huấn sử trực tuyến; 2025, mở tuyến để đào tạo, KPI dụng AI; có phù hợp mục rộng dần hỗ trợ ĐTSV 4.1.2 nhóm tiêu chiến đến giảng dạy đạt 100%). chuyên gia lược AI của 100%). và học tập. AIEd hỗ trợ. ĐHQGHN. 50 khóa Phát triển Số lượng Có đội ngũ Mở rộng tầm Hoàn học ít nhất 50 MOOC được giảng viên ảnh hưởng thành MOOC khóa xây dựng ≥ và chuyên và chia sẻ tri trước chất MOOC 50 khóa (KPI gia sản xuất thức của năm 2030 lượng cao phục vụ ĐTSV 4.1.3); học liệu; hỗ ĐHQGHN; (bình đào tạo ≥5 khóa trợ từ đối đáp ứng chỉ quân ~10 trực tuyến đồng thương tác (ĐH tiêu chiến khóa/năm mở cho hiệu quốc tế Thanh Hoa, lược về giáo từ 2025). ĐHQGHN (VNU-THU). XuetangX); dục mở và và cộng cơ chế hội nhập đồng. khuyến quốc tế. khích giảng dạy trực tuyến. 80% Đào tạo, Tỷ lệ giảng Tổ chức các Đảm bảo Đến năm giảng bồi dưỡng viên cơ hữu khóa đào tạo giảng viên có 2030 viên kỹ năng hoàn thành trực tuyến đủ năng lực (đào tạo được chuyển chương trình linh hoạt; thực hiện liên tục nâng cao đổi số và bồi dưỡng ≥ bắt buộc phương thức hàng năm  năng lực sư phạm 80%. tham gia bồi dạy học mới; 2025- số tích hợp AI dưỡng trong nâng cao 2030). cho phần kế hoạch chất lượng lớn giảng phát triển giảng dạy và viên giảng viên; thích ứng với ĐHQGHN. có hợp tác chuyển đổi với đối tác số. (Thanh Hoa) để hỗ trợ đào tạo. 2. Phạm vi của đề án 2.1. Phạm vi về chuyên môn/lĩnh vực Đề án tập trung vào ba lĩnh vực chính của hoạt động giáo dục đại học, bao gồm: đào tạo (dạy và học), khảo thí (kiểm tra, đánh giá) và quản lý đào tạo. Trong lĩnh vực đào tạo, phạm vi đề án bao quát tất cả các học phần và chương trình đào tạo tại ĐHQGHN, đặc biệt nhấn mạnh môi trường đào tạo số tích hợp AI. Nền tảng sẽ hỗ trợ việc tổ chức giảng dạy và học tập theo ph ương th ức hi ện đ ại, ứng dụng các công nghệ AI để cá nhân hóa lộ trình học tập, gợi ý học liệu phù hợp cho từng người học, và cung cấp trợ lý ảo hỗ trợ giảng viên lẫn sinh viên trong quá trình dạy-học. Điều này nhằm nâng cao chất lượng giảng dạy, tối ưu hóa trải nghiệm học tập và đáp ứng nhu cầu học tập đa dạng của ng ười h ọc trong k ỷ nguyên số. Trong lĩnh vực khảo thí, đề án hướng tới hiện đại hóa công tác kiểm tra, đánh giá bằng việc tích hợp AI vào quy trình khảo thí. Hệ thống sẽ hỗ trợ tạo đề thi và ngân hàng câu hỏi thông minh, chấm điểm tự động đối với các bài thi trắc nghiệm và hỗ trợ chấm bài tự luận, cũng như áp dụng các công nghệ giám sát kỳ thi trực tuyến (ví dụ: nhận diện gian lận bằng AI). Nhờ đó, ho ạt đ ộng kh ảo thí t ại ĐHQGHN sẽ trở nên hiệu quả, khách quan và minh bạch hơn, đ ồng th ời gi ảm t ải cho giảng viên trong khâu chấm thi và quản lý thi cử. Trong lĩnh vực quản lý đào tạo, đề án bao gồm việc ứng dụng AI trong quản trị học vụ và điều hành đào tạo. Nền tảng sẽ tích hợp các công cụ AI để hỗ trợ quản lý dữ liệu sinh viên, theo dõi tiến độ học tập, và phân tích dữ liệu học tập phục vụ cho việc ra quyết định của nhà quản lý. Chẳng hạn, hệ thống có thể cảnh báo sớm những sinh viên có nguy cơ gặp khó khăn đ ể có bi ện pháp h ỗ tr ợ k ịp thời, tối ưu hóa lịch trình khóa học và phân bổ nguồn lực giảng d ạy m ột cách hi ệu quả. Bên cạnh đó, các chatbot hành chính có thể được triển khai để giải đáp nhanh chóng các câu hỏi thường gặp của sinh viên (ví dụ: thủ tục đăng ký môn học, lịch thi, v.v.), qua đó nâng cao hiệu quả và tính tự động hóa trong công tác qu ản lý. T ất cả các ứng dụng trên đều nhằm mục tiêu cuối cùng là nâng cao hiệu quả quản lý đào tạo trên quy mô toàn đại học, góp phần xây dựng một hệ thống qu ản tr ị đ ại học thông minh. 2.2. Phạm vi về không gian Phạm vi triển khai của đề án về không gian là toàn Đại học Quốc gia Hà Nội, bao gồm tất cả các đơn vị thành viên và trực thuộc ĐHQGHN. Nền tảng đào tạo tích hợp AI sẽ được xây dựng để phục vụ đồng bộ cho mọi trường đại học thành viên, viện, khoa và trung tâm đào tạo trong hệ thống ĐHQGHN (tại cả khu vực nội thành Hà Nội và Hòa Lạc). Như vậy, mọi giảng viên, sinh viên thu ộc ĐHQGHN đều nằm trong phạm vi thụ hưởng trực tiếp của đề án, bảo đảm tính thống nhất và đồng bộ trong chuyển đổi số hoạt động đào tạo trên quy mô toàn ĐHQGHN. Không những vậy, đề án còn có phạm vi lan tỏa ra bên ngoài ĐHQGHN thông qua tính mở và kết nối của nền tảng. Cụ thể, hệ th ống đào t ạo tr ực tuy ến của ĐHQGHN sẽ được phát triển theo hướng mở cho cộng đồng, cho phép người học bên ngoài có thể tham gia vào các khóa học trực tuyến mở do ĐHQGHN cung cấp. Đề án dự kiến phát triển khoảng 50 khóa học MOOC (Massive Open Online Courses) chất lượng cao phục vụ nhu cầu học tập mở rộng của xã hội. Thông qua nền tảng MOOC này, ĐHQGHN có thể phục vụ không chỉ người học nội bộ mà còn cộng đồng học viên bên ngoài, đóng góp vào phong trào học tập suốt đ ời và “Bình dân học vụ số”. Bên cạnh đó, nền tảng cũng kết nối với các đối tác và mạng lưới giáo dục quốc tế, tiêu biểu như việc ĐHQGHN tham gia Liên minh MOOC Toàn cầu (Global MOOC Alliance). Nhờ đó, các học liệu và khóa học của ĐHQGHN có thể được chia sẻ ra quốc tế, đồng thời ĐHQGHN có cơ hội tiếp cận các ngu ồn h ọc li ệu và công nghệ giáo dục tiên tiến từ những đối tác hàng đầu. Tính m ở và k ết n ối này là một đặc điểm quan trọng của đề án, bảo đảm rằng nền tảng không bị giới h ạn trong phạm vi địa lý của ĐHQGHN mà còn góp phần nâng cao vị thế và ảnh hưởng của ĐHQGHN trong cộng đồng giáo dục rộng lớn hơn. 2.3. Phạm vi về thời gian Đề án được thực hiện trong giai đoạn 2025–2030, với lộ trình chia làm ba giai đoạn chính như sau: Giai đoạn 1 (2025–2026) – Thiết kế và triển khai thí điểm: Tập trung xây dựng nền tảng cơ bản và triển khai thử nghiệm ở quy mô nhỏ. Trong giai đoạn này, đề án sẽ tiến hành thiết kế kiến trúc hệ thống, phát triển các mô-đun AI cốt lõi ban đầu, và tích hợp vào một hệ thống quản lý học tập (LMS) dùng chung. Các tính năng AI ưu tiên (ví dụ: chatbot hỗ trợ người học, hệ thống gợi ý h ọc li ệu, công c ụ cá nhân hóa nội dung) sẽ được phát triển và áp dụng thí điểm trên một số học phần hoặc tại một số đơn vị tiêu biểu. Song song đó, đề án sẽ xây dựng các tiêu chí kỹ thuật và quy trình vận hành, cũng như tổ chức đào tạo bước đ ầu cho đ ội ngũ gi ảng viên và cán bộ về việc sử dụng nền tảng mới. Kết thúc giai đo ạn 1, m ột phiên b ản nền tảng tích hợp AI ở quy mô thí điểm sẽ được hoàn thiện, s ẵn sàng cho vi ệc m ở rộng trên diện rộng. Giai đoạn 2 (2027–2029) – Mở rộng và vận hành: Trên cơ sở kết quả thí điểm thành công, đề án sẽ mở rộng triển khai nền tảng AI tới toàn bộ các đơn vị và chương trình đào tạo trong ĐHQGHN. Giai đoạn này tập trung tích hợp đầy đủ các chức năng AI vào mọi học phần trực tuyến, mở rộng kho học liệu số và triển khai hàng loạt khóa học trực tuyến cho cả nội bộ và cộng đồng. Các mô-đun AI nâng cao (ví dụ: phân tích học tập chuyên sâu, phát hiện gian lận thi cử tinh vi, h ỗ trợ tạo học liệu tự động trên nhiều lĩnh vực) sẽ tiếp tục được phát triển và bổ sung. Đồng thời, công tác đào tạo, bồi dưỡng năng lực số cho giảng viên được đẩy mạnh trên quy mô lớn, đảm bảo rằng đến cuối giai đoạn 2, phần lớn giảng viên ĐHQGHN (dự kiến ~80%) đã thành thạo việc sử dụng các công cụ AI trong giảng dạy. Trong quá trình này, đề án cũng thiết lập các cơ ch ế v ận hành chính th ức, quy định quản lý và hạ tầng kỹ thuật ổn định để đảm bảo hệ thống hoạt đ ộng thông suốt. Dự kiến đến năm 2029, các mục tiêu chính về phạm vi triển khai sẽ cơ bản hoàn thành – toàn bộ các cơ sở đào tạo trong ĐHQGHN đều sử dụng nền tảng chung, với hầu hết học phần được tích hợp AI theo tiêu chuẩn đề ra, và một hệ sinh thái đào tạo số quy mô lớn đã hình thành. Giai đoạn 3 (2030) – Tổng kết và chuyển giao: Trong giai đoạn cuối này, đề án tập trung vào việc tổng kết, đánh giá mức độ hoàn thành các mục tiêu, đồng thời nghiệm thu và bàn giao toàn bộ sản phẩm cho ĐHQGHN. Hệ thống nền tảng cùng các mô-đun AI, kho học liệu và tài liệu hướng dẫn sẽ được chuy ển giao đ ể ĐHQGHN đưa vào vận hành thường xuyên, kèm theo việc thiết lập cơ chế duy trì, nâng cấp hệ thống sau khi đề án kết thúc nhằm đảm bảo tính bền vững của kết quả. Song song đó, đây cũng là thời điểm đề án hoàn thành các chỉ tiêu chiến lược đã đề ra (ví dụ: 100% học phần trực tuyến được tích hợp AI theo chuẩn) và chuyển giao mô hình vận hành nền tảng cho đơn vị phụ trách lâu dài (nh ư VNU-IDT). Đ ến cuối năm 2030, đề án sẽ chính thức khép lại; nền tảng đào tạo tích hợp AI tr ở thành một thành phần cốt lõi trong hệ sinh thái số của ĐHQGHN và sẽ tiếp tục được vận hành, phát triển sau giai đoạn đề án như một hệ thống bền vững, ph ục v ụ lâu dài cho Đại học Quốc gia Hà Nội. 3. Đối tượng hưởng lợi của đề án: Sinh viên, học viên, giảng viên, cán bộ quản lý, cán bộ kỹ thuật tại tất cả các đơn vị thành viên và trực thuộc ĐHQGHN; Cộng đồng người học bên ngoài (qua MOOCs); Hệ thống giáo dục đại học Việt Nam.  CHƯƠNG III: NỘI DUNG KHOA HỌC - CÔNG NGHỆ VÀ GIẢI PHÁP THỰC HIỆN 1. Tổng quan tình hình nghiên cứu và ứng dụng liên quan 1.1 Trong nước Trong những năm gần đây, trí tuệ nhân tạo (AI) bắt đầu được quan tâm ứng dụng trong giáo dục đại học tại Việt Nam. Bộ Giáo dục và Đào tạo (GD&ĐT) đã xác định chuyển đổi số gắn với AI là xu hướng tất yếu để nâng cao chất lượng và hiệu quả giáo dục1. Đồng thời, Bộ Giáo dục và Đào tạo đang xây dựng Chiến lược ứng dụng AI trong giáo dục với mục tiêu đến năm 2035, AI trở thành công cụ phổ biến với mỗi người học, nhà giáo và cán bộ quản lý. Chiến l ược đ ề ra các nhóm giải pháp toàn diện: hoàn thiện chính sách (ban hành hướng d ẫn s ử d ụng AI, xây dựng khung năng lực AI cho giáo viên và người học), nâng cao nhận thức và đào tạo kỹ năng AI, phát triển hệ sinh thái (khuyến khích doanh nghiệp trong nước phát triển chatbot, gia sư ảo, trợ giảng số, hệ thống đánh giá tự động...), đồng th ời đ ảm bảo đạo đức và an toàn dữ liệu trong triển khai AI. Song song đó, Bộ GD&ĐT đã ban hành Khung năng lực số cho người học (Thông tư 02/2025) làm chuẩn đánh giá kỹ năng số ở các cấp học2. Đây là nền tảng để sinh viên được trang bị kiến thức, kỹ năng số (bao gồm hiểu biết về dữ liệu, tương tác trực tuyến, sáng t ạo n ội dung số, an toàn thông tin...) đáp ứng yêu cầu học t ập trong môi tr ường s ố và s ẵn sàng tiếp cận các công cụ AI. Ở tầm quốc gia, phong trào “Bình dân học vụ số” được Chính phủ phát động cuối năm 2024 như một nỗ lực phổ cập kỹ năng số cho toàn dân 3. Nền tảng trực tuyến “Bình dân học vụ số” (do Bộ Công an phối hợp Đại học Bách khoa Hà Nội xây dựng) đã được triển khai, cho phép hàng chục triệu lượt người học truy c ập các khóa học kỹ năng chuyển đổi số cơ bản ( Lễ phát động phong trào và ra mắt nền tảng “Bình dân học vụ số” ). Phong trào này nhấn mạnh vai trò của giáo dục đại học trong việc cung cấp học liệu số chất lượng cho xã h ội. B ộ GD&ĐT đóng vai trò phối hợp để các trường đại học tham gia tạo nội dung và giảng dạy trên các n ền tảng mở. Có thể thấy, chuyển đổi số trong giáo dục đại học ở Việt Nam nhận được sự chỉ đạo mạnh mẽ từ Nhà nước và sự vào cuộc của nhiều bộ, ngành; trong đó ứng dụng AI là một trọng tâm để nâng cao hiệu quả đào t ạo và m ở r ộng c ơ h ội học tập linh hoạt. Tại các trường đại học Việt Nam, bước đầu đã xuất hiện một số mô hình ứng dụng AI trong dạy - học. Chẳng hạn, Trường Đại học Sư phạm Hà Nội cùng các đối tác đã triển khai đề án hợp tác quốc tế nhằm thử nghiệm công nghệ AI (như AI đàm thoại, mô hình ngôn ngữ lớn GPT và nhận diện cảm xúc) trong giảng dạy ở 1 https://giaoduc.net.vn/bo-giao-duc-va-dao-tao-xay-dung-chien-luoc-ung-dung-ai-trong- giao-duc-post250172.gd 2 https://moet.gov.vn/tintuc/Pages/tin-tong-hop.aspx?ItemID=10269 3 https://moet.gov.vn/tintuc/Pages/tin-tong-hop.aspx?ItemID=10406 một số trường phổ thông (Bốn trường đại học ở Việt Nam khởi động đề án ứng dụng AI trong dạy học | baotintuc.vn). Đây là hướng nghiên cứu liên ngành giúp mở rộng tiếp cận giáo dục thông qua AI, đồng thời đào tạo giáo viên làm quen với công cụ AI mới. Ở bậc đại học, việc tích hợp AI vào hỗ trợ người học cũng bắt đầu manh nha. Trường Đại học Khoa học Tự nhiên TP.HCM từ năm 2022 đã cho phép sinh viên sử dụng ChatGPT như một công cụ hỗ trợ trong lên ý t ưởng, so ạn thảo báo cáo… nhằm khuyến khích sáng tạo ( Ứng dụng AI trong phát triển giáo dục). Kết quả cho thấy nếu sử dụng đúng cách, AI giúp sinh viên cải thiện kỹ năng trình bày và hiệu suất học tập, mặc dù giảng viên phải điều chỉnh ph ương pháp đánh giá (bổ sung vấn đáp, bài tập ứng dụng) để đảm bảo tính khách quan ( Ứng dụng AI trong phát triển giáo dục). Một số trường đại học khác cũng bắt đầu thí điểm tích hợp AI ở quy mô nhỏ: đại học FPT phát triển trợ lý ảo trong hỗ trợ sinh viên, Học viện Công nghệ Bưu chính Viễn thông thử nghiệm chatbot chăm sóc học viên, v.v. Ngoài ra, TP. Hồ Chí Minh đang tiên phong áp d ụng AI trong qu ản lý học tập phổ thông (phân tích tương tác học sinh để cá nhân hóa lộ trình, d ự báo n ội dung cần bổ trợ) (Ứng dụng AI trong phát triển giáo dục) – những kinh nghiệm này có thể sớm được chuyển giao lên bậc đại học. Về nghiên cứu học thuật, các chuyên gia giáo dục trong nước đã nhận định xu hướng tất yếu của AI trong đổi mới giáo dục. Chẳng hạn, TS. Tôn Quang Cường (ĐHQGHN) nhấn mạnh AI chính là “chìa khóa” để hiện thực hóa cá nhân hóa học tập, mở ra trải nghiệm mới mẻ và hiệu quả hơn cho sinh viên ( Du thao thuyet minh du an.docx). Tuy vậy, nhìn chung việc triển khai AI thực tiễn tại các đại học Việt Nam còn ở giai đoạn đầu. Phần lớn ứng dụng mới dừng ở mức thử nghiệm lẻ tẻ, chưa có hệ thống AI nào được sử dụng rộng rãi trong toàn trường hay toàn qu ốc. Hạ tầng dữ liệu giáo dục và nguồn lực kỹ thuật cho AI tại các trường còn hạn chế, thiếu đồng bộ. Dẫu vậy, tiềm năng phát triển là rất lớn khi mà cả nhận thức lẫn quyết tâm chuyển đổi số đều đang tăng. Trong tương lai gần, với định hướng chi ến lược rõ ràng từ Bộ GD&ĐT và sự học hỏi kinh nghiệm quốc tế, các trường đại học Việt Nam có cơ hội đón đầu làn sóng AIEd (AI trong giáo dục) để giải những bài toán nội tại (cá nhân hóa học tập, đánh giá linh ho ạt, qu ản tr ị hi ệu qu ả) cũng nh ư nâng cao năng lực cạnh tranh. 1.2 Ngoài nước Trên thế giới, việc ứng dụng AI trong giáo dục đại học đã trở thành xu thế nổi bật, được nghiên cứu và triển khai dưới nhiều mô hình đa dạng. Các nước tiên tiến cũng như các tổ chức giáo dục lớn đã thu được những kinh nghiệm quý báu trong lĩnh vực này, tiêu biểu có thể kể đến: - Hệ thống gia sư thông minh (Intelligent Tutoring Systems – ITS): Đây là một trong những ứng dụng AI lâu đời nhất trong giáo dục. Điển hình, Đại học Carnegie Mellon (Mỹ) từ thập niên 1990 đã tiên phong phát triển AI tutor dạy toán (đề án Cognitive Tutor). Nghiên cứu cho thấy sử dụng gia sư AI này giúp k ết qu ả học toán của học sinh tăng gấp đôi so với cách học truyền thống trong một năm (Millions Learned More Math with Our AI Tutor | Human-Computer Interaction Institute). Thành công đó dẫn đến việc thương mại hóa qua công ty Carnegie Learning, đưa phần mềm dạy toán thông minh đến hàng triệu học sinh trên khắp nước Mỹ (Millions Learned More Math with Our AI Tutor | Human-Computer Interaction Institute). ITS ngày nay đã mở rộng sang nhiều môn (vật lý, lập trình, ngoại ngữ...), vận dụng khả năng của AI để theo dõi quá trình làm bài của người học, phát hiện lỗi sai, gợi ý bước giải phù hợp và nhịp đ ộ tối ưu cho từng cá nhân. Bài học kinh nghiệm là các thuật toán thích ứng nếu được thiết kế tốt có thể đóng vai trò như một “gia sư ảo” kèm cặp 1:1, kiên nhẫn và tùy biến cao – điều mà giáo viên lớp đông khó thực hiện. - Nền tảng học trực tuyến quy mô lớn tích hợp AI: Tại Trung Quốc, nền tảng MOOC XuetangX của Đại học Thanh Hoa (Tsinghua) đã phát triển thành cổng học liệu trực tuyến lớn nhất nước này (hơn 86 triệu người dùng) ( XuetangX - | ICE Institute). XuetangX không chỉ cung cấp khóa học mở mà còn tiên phong tích hợp trợ lý học tập AI. Gần đây, Đại học Thanh Hoa đã thử nghiệm triển khai hàng loạt trợ lý ảo AI trong các khóa học chính quy. Dựa trên mô hình ngôn ngữ lớn nội địa (được huấn luyện với hàng trăm tỷ tham số), trường này đã xây d ựng các h ệ th ống AI Teaching Assistant (AI TA) hỗ trợ giảng dạy ở 8 môn học khác nhau từ kỳ Thu 2023 (从“工具”到“伙伴”，当大学课堂多了 AI 助教-清华大学). Những AI TA này hoạt động như “trợ giảng số” đồng hành cùng sinh viên: cung cấp giải đáp 24/7 cho câu hỏi về bài học, đưa ra phản hồi tức thì cho bài làm, thậm chí gợi ý ý tưởng nghiên cứu và tài liệu tham khảo ngoài giáo trình ( 从“工具”到“伙伴”，当大学课堂 多了 AI 助教 - 清 华 大学 ) (从 “ 工具 ” 到 “ 伙伴 ” ，当大学 课 堂多了 AI 助教 - 清 华 大 学). Thực nghiệm tại Thanh Hoa cho thấy AI TA giúp sinh viên hiểu sâu hơn kiến thức (nhờ tiếp cận kho tri thức rộng lớn: hàng nghìn tài liệu, bài báo đ ược AI phân tích sẵn) và khơi gợi cảm hứng học tập chủ động ( 从“工具”到“伙伴”，当大学 课 堂多了 AI 助教 - 清 华 大学 ). Đây là minh chứng rõ nét rằng AI có thể cá nhân hóa việc học ở quy mô lớn: cùng một khóa học đại chúng nhưng mỗi sinh viên đều có “trợ lý” riêng giải đáp thắc mắc mọi lúc. Bài học từ kinh nghiệm này là c ần đ ầu t ư xây dựng các mô hình AI chuyên biệt theo từng môn học , được “nuôi dưỡng” bằng chính học liệu của môn đó, để đảm bảo câu trả l ời c ủa AI sát v ới n ội dung giảng dạy và tin cậy. - Trợ lý học tập AI thế hệ mới: Sự bùng nổ của các mô hình ngôn ngữ lớn như GPT-3, GPT-4 đã mở ra hướng ứng dụng AI làm gia sư và trợ giảng đa năng. Đi đầu là Khan Academy – một tổ chức giáo dục phi l ợi nhu ận n ổi ti ếng v ới n ền tảng học trực tuyến toàn cầu. Năm 2023, Khan Academy giới thiệu Khanmigo, một trợ lý AI tích hợp GPT-4, có khả năng tương tác đối thoại như một người gia s ư (Harnessing GPT-4 so that all students benefit. A nonprofit approach for equal access - Khan Academy Blog). Khanmigo được thiết kế để hỗ trợ cả học sinh lẫn giáo viên: với học sinh, nó đóng vai trò tutor ảo hướng dẫn từng bước khi các em làm bài, gợi ý câu hỏi để khuyến khích tư duy thay vì chỉ cho đáp án; với giáo viên, nó nh ư trợ lý soạn bài và chấm bài, giúp gợi ý hoạt động học tập, tạo đề kiểm tra, thậm chí soạn báo cáo đánh giá tiến bộ của từng học sinh ( Meet Khanmigo: Khan Academy's AI-powered teaching assistant...) (Harnessing GPT-4 so that all students benefit. A nonprofit approach for equal access - Khan Academy Blog). Quá trình thử nghiệm ban đầu cho thấy GPT-4 có tiềm năng lớn trong hỗ trợ học tập, nh ưng cũng đ ược Khan Academy sử dụng một cách thận trọng: hạn chế lỗi thuật toán (ví dụ GPT-4 đôi khi vẫn “ảo tưởng” sai trong toán học ( Harnessing GPT-4 so that all students benefit. A nonprofit approach for equal access - Khan Academy Blog)), thiết lập các quy tắc đạo đức và an toàn khi tương tác với học sinh, và luôn khuyến cáo đây chỉ là công cụ bổ trợ chứ không thay thế hoàn toàn giáo viên ( Harnessing GPT-4 so that all students benefit. A nonprofit approach for equal access - Khan Academy Blog) (Harnessing GPT-4 so that all students benefit. A nonprofit approach for equal access - Khan Academy Blog). Bài học rút ra là các mô hình AI tạo sinh như GPT nếu được điều chỉnh phù hợp cho môi trường giáo dục sẽ mang lại trải nghiệm học tập tương tác, giàu tính cá nhân, nhưng cần đi đôi với hướng dẫn sư phạm và ki ểm soát ch ất lượng chặt chẽ. - Phân tích học tập và dự báo sớm (Learning Analytics): Nhiều trường đại học quốc tế đã xây dựng hệ thống phân tích dữ liệu học tập của sinh viên để dự đoán nguy cơ bỏ học hoặc suy giảm kết quả. Chẳng hạn, Đại học Purdue (Mỹ) với hệ thống Course Signals (từ những năm 2010) phân tích điểm số và mức độ tham gia học tập để báo động sớm sinh viên có nguy c ơ tr ượt, nh ờ đó tăng t ỷ l ệ giữ chân sinh viên. Ngày nay, với AI, các mô hình dự báo càng chính xác và giải thích được hành vi học tập hơn, cho phép cố vấn học tập can thiệp kịp thời (gửi khuyến nghị học bù, tư vấn thêm cho sinh viên yếu). Các trường ở châu Âu, Úc cũng áp dụng machine learning trên dữ liệu hệ thống quản lý h ọc t ập (LMS) đ ể phân loại sinh viên theo mức độ rủi ro, kết quả giúp giảm đáng k ể t ỷ l ệ b ỏ h ọc so với trước (All-Year Dropout Prediction Modeling and Analysis for University...) (Student dropout prediction through machine learning optimization). Bài học kinh nghiệm là cần xây dựng kho dữ liệu học tập đủ lớn và chất lượng, cùng đ ội ngũ phân tích hiểu biết giáo dục, để AI có thể đưa ra dự đoán hữu ích; đồng thời luôn minh bạch với người học về việc sử dụng dữ liệu của họ. - Chấm thi tự động: Trí tuệ nhân tạo còn được dùng để tự động hóa khâu đánh giá, đặc biệt trong các lớp học quy mô lớn. Nhiều hệ thống chấm bài viết luận bằng AI đã ra đời (ví dụ Project Essay Grade của ETS, Automated Essay Scoring sử dụng mô hình ngôn ngữ). Một số bang ở Mỹ đã đưa vào sử dụng chấm bài luận tốt nghiệp THPT bằng máy, giúp rút ngắn thời gian chấm và giảm nhân lực. Tương tự, trong các khóa MOOC quốc tế, AI được dùng để chấm bài coding, bài toán ngắn đáp án mở và phản hồi tức thì cho học viên. Tuy nhiên, kinh nghiệm quốc tế cho thấy cần kết hợp linh hoạt giữa chấm tự đ ộng và đánh giá của giáo viên để hiệu chỉnh độ chính xác và đảm bảo công bằng cho người học (AI có thể mắc lỗi hoặc chưa hiểu hết ý sáng tạo trong bài làm).  Bên cạnh các mô hình cụ thể, nhiều quốc gia đã ban hành chiến lược và chính sách cấp quốc gia thúc đẩy AI trong giáo dục. Trung Quốc xem AI trong giáo dục là trụ cột trong kế hoạch “Trí tuệ nhân tạo thế hệ mới”, đ ặt m ục tiêu xây dựng hàng trăm trường học thông minh và chương trình đào t ạo tích h ợp AI tr ước năm 2030. Hàn Quốc triển khai “Giáo dục thông minh” với việc đầu tư 69 triệu USD để phát triển lớp học số có AI, bắt đầu đưa sách giáo khoa số sử dụng AI vào dạy toán, tiếng Anh ở phổ thông từ 2025 ( Digital-driven Education Reform Plan Announced in South Korea), dự kiến mở rộng toàn bộ các môn chính vào 2028 (Exploring the AI competencies of elementary school teachers in...). Nước này cũng đưa nội dung AI cơ bản vào chương trình THPT và thậm chí tiểu học, đồng thời phát triển các phòng thí nghiệm AI tại trường đại học để hỗ trợ giảng dạy. Tại Hoa Kỳ, dù không có chiến lược tập trung từ Bộ Giáo dục cho AI trong đ ại h ọc, nhưng chính phủ và các quỹ nghiên cứu mạnh tay tài tr ợ các đ ề án EdTech ứng dụng AI; Bộ Giáo dục Mỹ năm 2023 đã công bố báo cáo “AI và t ương lai d ạy-h ọc” khuyến nghị các trường khai thác AI để cá nhân hóa học tập nh ưng đ ồng th ời đ ảm bảo công bằng và riêng tư4. Liên minh châu Âu thì chú trọng khía cạnh đạo đức và năng lực số: Ủy ban châu Âu đã ban hành hướng dẫn về sử dụng AI và dữ liệu trong giáo dục một cách có đạo đức (2022) để hỗ trợ giáo viên và nhà tr ường nh ận thức đúng về AI5. EU coi trọng đào tạo giáo viên về AI, khuyến khích các đ ề án thí điểm và lồng ghép quy định bảo vệ dữ liệu trong mọi ứng dụng AI ở trường học. Nhìn chung, bài học rút ra từ kinh nghiệm quốc tế là thành công của AI trong giáo dục đòi hỏi tầm nhìn chiến lược dài hạn kết hợp với thử nghiệm thực tiễn linh hoạt. Cần có sự hỗ trợ từ chính sách (đầu tư hạ tầng, hành lang pháp lý), s ự tham gia tích cực của giảng viên (đổi mới phương pháp sư phạm song hành v ới công nghệ), và sự đánh giá điều chỉnh liên tục (theo dõi hiệu qu ả, qu ản tr ị r ủi ro như sai sót của AI, vấn đề đạo đức). Việt Nam có thể tiếp thu kinh nghiệm này để phát triển lộ trình ứng dụng AI phù hợp: bắt đầu từ việc xây dựng chính sách định hướng rõ (như Bộ GD&ĐT đang làm), triển khai các đề án thí đi ểm trong môi trường kiểm soát (sandbox) để rút kinh nghiệm, đồng thời tăng cường hợp tác quốc tế (ví dụ hợp tác với ĐH Thanh Hoa Trung Quốc để học hỏi nền tảng XuetangX và công nghệ AI giáo dục tiên tiến). Việc đào tạo lại đội ngũ giảng viên về kỹ năng số và kỹ năng sử dụng AI cũng là bài học then chốt từ quốc t ế – b ởi công ngh ệ ch ỉ phát huy tác dụng khi người dạy biết cách tích hợp sáng tạo và người học được hướng dẫn kỹ năng học tập trong kỷ nguyên số. 1.3 Hiện trạng tại ĐHQGHN Đại học Quốc gia Hà Nội (ĐHQGHN) thời gian qua đã có những bước đầu trong ứng dụng công nghệ số phục vụ đào tạo, tuy nhiên nhìn chung còn nhi ều h ạn chế khi so sánh với yêu cầu chuyển đổi số toàn diện tích h ợp AI mà đ ề án đ ề ra. Hiện nay, ĐHQGHN tuy đã có một nền tảng e-learning dùng chung thống nhất 4 https://www.educationnext.org/a-i-in-education-leap-into-new-era-machine-intelligence-carries-risks- challenges-promises/ 5 https://education.ec.europa.eu/focus-topics/digital-education/action-plan/action-6 (VNU-LMS) cho toàn hệ thống nhưng một số đơn vị thành viên tự triển khai những giải pháp riêng lẻ: phổ biến nhất là sử dụng hệ quản trị học tập mã nguồn mở như Moodle, hay thuê dịch vụ từ Canvas để quản lý học liệu video, hoặc tận dụng các nền tảng có sẵn như Google Classroom cho việc giao bài và tương tác trực tuyến. Một số đơn vị đã tham gia vào các hệ thống MOOC toàn c ầu (ví d ụ có môn học đưa lên EdX) nhưng ở quy mô rất hạn chế. Thực trạng này dẫn đến phân mảnh hệ thống: mỗi trường/khoa một kiểu nền tảng, dữ liệu không đồng bộ, gây khó khăn cho việc quản lý tập trung và chia sẻ tài nguyên chung. Ch ưa có c ổng h ọc tập số nào tích hợp toàn bộ ĐHQGHN để người học có thể truy cập liên thông các khóa học trực tuyến giữa các đơn vị. Về học liệu số và nội dung bài giảng điện tử, ĐHQGHN mới ở giai đoạn bắt đầu số hóa. Nhiều học phần vẫn chủ yếu dạy theo phương th ức truy ền th ống, tài liệu ở dạng bản in hoặc slide tĩnh. Một số trường thành viên đã xây d ựng đ ược học liệu e-learning cho một số môn (ví dụ bài giảng e-learning cho các môn đại cương tại Trường ĐH Khoa học Tự nhiên, hay các học liệu đa ph ương ti ện t ại Khoa Quốc tế...), nhưng tỉ lệ học phần có học liệu số hóa còn rất thấp so với tổng số chương trình đào tạo. Theo định hướng chiến lược nội bộ ĐHQGHN, mục tiêu đến 2030 phải đạt 70% học phần triển khai trực tuyến hoặc blended, tuy nhiên hiện tại con số này mới chỉ vài phần trăm và chủ yếu là các học phần kỹ năng mềm hoặc ngoại ngữ. Kho tài nguyên học liệu số dùng chung hầu như chưa có, ngoại trừ một số học liệu mở được chia sẻ qua Thư viện số trung tâm nhưng không được tích hợp vào hệ thống đào tạo. Việc khảo thí trực tuyến cũng ở mức hạn chế: ĐHQGHN đã từng tổ chức một số kỳ thi thử và thi chính thức trên máy tính (như thi ngoại ngữ đầu ra, thi các học phần cơ bản trong thời gian giãn cách COVID-19), song chưa có hệ thống phần mềm khảo thí trực tuyến đồng bộ. Đ ặc bi ệt, công nghệ AI trong khảo thí (như giám sát thi bằng nhận dạng khuôn mặt, chấm điểm tự động bài thi trắc nghiệm/tự luận) hầu như chưa được áp dụng. Điều này đ ồng nghĩa với việc quá trình đánh giá người học vẫn tiêu tốn nhiều nhân lực và chưa tối ưu. Về hạ tầng công nghệ, ĐHQGHN có trung tâm công nghệ thông tin và các phòng máy chủ tại từng trường thành viên, nhưng năng lực hạ tầng chưa đồng bộ và chưa được quy hoạch chung cho đào tạo số. Nhiều lớp học chưa được trang bị hệ thống quản lý học tập hiện đại; năng lực băng thông, máy ch ủ cho các ho ạt động trực tuyến lớn (ví dụ tổ chức đồng thời hàng trăm lớp h ọc ảo, hay l ưu tr ữ d ữ liệu cho hàng nghìn học liệu đa phương tiện chất lượng cao) còn hạn chế. Chưa có hệ thống cloud nội bộ hay trung tâm dữ liệu tập trung dành riêng cho giáo dục số toàn ĐHQGHN, dẫn đến khó khăn khi muốn triển khai các ứng dụng AI yêu cầu tài nguyên tính toán lớn. Bên cạnh đó, nhân lực về công nghệ giáo dục của ĐHQGHN còn mỏng và phân tán. ĐQHGHN đã thành lập Viện Đào tạo Số và Khảo thí (VNU-IDT) vào đầu năm 2025 như đơn vị đầu mối cho chuyển đổi số giáo dục, nhưng viện này còn rất mới, đội ngũ nhân sự và chuyên gia chưa nhiều. Tại các trường thành viên, thường chỉ có tổ bộ môn hoặc nhóm kỹ thu ật nh ỏ ph ụ trách e- learning, chủ yếu vận hành ở mức hỗ trợ kỹ thuật (quản lý hệ thống Moodle, giúp giảng viên upload bài giảng) hơn là nghiên cứu phát triển công ngh ệ m ới. Kỹ năng số của giảng viên cũng không đồng đều: một bộ phận giảng viên trẻ nhanh chóng áp dụng các công cụ như lớp học ảo, quiz trực tuyến; nhưng nhiều giảng viên khác vẫn lúng túng khi chuyển từ dạy truyền thống sang dạy trực tuyến, chưa khai thác được các tính năng nâng cao (chưa nói đến AI). Đây là thách thức lớn về con người trong tiến trình tích hợp AI của ĐHQGHN. Mặc dù vậy, ĐHQGHN cũng có một số lợi thế nền tảng. ĐHQGHN có đội ngũ chuyên gia mạnh về công nghệ thông tin và AI, phân bố tại các đ ơn v ị nh ư Trường ĐH Công nghệ, Trường ĐH KHTN, Viện Công nghệ Thông tin... Đây là nguồn lực quan trọng để phát triển các giải pháp AI “may đo” cho giáo dục. Thực tế, một số nhóm nghiên cứu của ĐHQGHN đã quan tâm ứng dụng AI trong giáo dục: ví dụ nhóm chuyên gia tại Trường ĐH Giáo dục tham gia đề án nghiên cứu về AI trong dạy học như đã đề cập ở mục 1.16; Trường ĐH Công nghệ cùng một số đối tác đã tổ chức hội thảo về công nghệ AI cho giáo dục đại h ọc (tháng 12/2024) nhằm thảo luận chiến lược và giải pháp AI cải thi ện ch ất l ượng đào t ạo. Tuy nhiên, các hoạt động này mới dừng ở mức trao đổi khoa học hoặc th ử nghi ệm nhỏ, chưa tạo ra sản phẩm cụ thể triển khai rộng rãi trong hệ thống ĐHQGHN. Nói cách khác, khoảng cách giữa nghiên cứu và ứng dụng thực tiễn còn lớn. Hiện chưa có đề án thí điểm nào tại ĐHQGHN đưa AI vào h ỗ tr ợ gi ảng d ạy m ột cách bài bản (ví dụ chưa có lớp học nào có trợ lý ảo AI h ỗ tr ợ, ch ưa có mô hình phân tích dữ liệu sinh viên chung của toàn trường). Tổng hợp các yếu tố trên, có thể thấy ĐHQGHN đang đứng trước một khoảng trống cần lấp đầy để đạt được các mục tiêu chuyển đổi số tham vọng mà chiến lược VNU 2030 đề ra. Các chỉ tiêu nội bộ như 100% học phần trực tuyến tích hợp AI hay 50 khóa MOOCs hiện tại gần như chưa có nền tảng để thực hiện nếu không đầu tư đột phá. Sự thiếu vắng một nền tảng đào tạo tích hợp AI đồng bộ, hiện đại là rào cản lớn nhất hiện nay. Nền tảng này cần bao quát từ LMS cốt lõi đến các mô-đun AI thông minh (chatbot hỗ trợ học tập, gợi ý lộ trình cá nhân, chấm điểm tự động, chống gian lận, v.v.) – những thứ mà hiện ĐHQGHN chưa có hoặc chỉ có rời rạc. Khoảng cách so với các đại học tiên ti ến trên th ế gi ới cũng th ể hi ện ở trải nghiệm người dùng: giảng viên và sinh viên ĐHQGHN chưa được hỗ trợ bởi AI trong quá trình dạy-học, trong khi ở nhiều nơi khác, AI đã giúp giảm tải công việc và nâng cao đáng kể hiệu quả (như trợ giảng ảo 24/7, chấm bài nhanh, t ư v ấn học tập tức thì). Do đó, đề án “Nền tảng đào tạo tích h ợp AI” chính là b ước đi mang tính chiến lược để thu hẹp khoảng cách này. Đề án sẽ cho phép ĐHQGHN tận dụng lợi thế sẵn có (đội ngũ CNTT, hợp tác quốc tế với Thanh Hoa để tiếp cận công nghệ XuetangX, quyết tâm của lãnh đạo trường) nhằm xây dựng m ột h ệ sinh thái đào tạo số thông minh. Nếu triển khai thành công, ĐHQGHN không ch ỉ b ắt k ịp xu thế chuyển đổi số mà còn khẳng định vai trò tiên phong trong cả nước v ề ứng 6 https://baotintuc.vn/giao-duc/bon-truong-dai-hoc-o-viet-nam-khoi-dong-du-an-ung-dung-ai-moi-nhat-trong- day-hoc-20241210154236979.htm dụng công nghệ giáo dục tiên tiến, tạo hiệu ứng lan tỏa tới các c ơ s ở giáo d ục đ ại học khác. Hiện trạng và khoảng cách đã được nhận diện rõ ràng, nhiệm vụ đặt ra là cần một giải pháp tổng thể và quyết liệt để đưa ĐHQGHN chuyển đổi số giáo dục một cách toàn diện trong giai đoạn 2025-2030, mà trọng tâm chính là nền tảng tích hợp AI mà đề án đề xuất xây dựng. 1. Tổng quan tình hình nghiên cứu và ứng dụng liên quan: 1.1. Trong nước. 1.2. Ngoài nước. 1.3. Hiện trạng tại ĐHQGHN. Theo Đề án VNU 2030, ĐHQGHN đặt mục tiêu phát triển ngang tầm với các cơ sở giáo dục đại học tại các nước tiên tiến trong khu vực và trên thế giới. Trong chiến lược này, AI đóng vai trò then chốt: - Là công nghệ lõi trong chuyển đổi số toàn diện của ĐHQGHN - Là công cụ nâng cao chất lượng đào tạo, nghiên cứu khoa học và quản trị đại học - Là lĩnh vực nghiên cứu trọng điểm, tạo ra các sản phẩm khoa học công nghệ có giá trị cao - Là yếu tố then chốt để xây dựng mô hình đại học thông minh tại Hòa Lạc 2. Cách tiếp cận và phương pháp thực hiện: 2.1. Cách tiếp cận tổng thể (ví dụ: Top-down kết hợp Bottom-up, Agile, Phân kỳ...). 2.2. Phương pháp luận xây dựng hệ thống, phát triển AI, phát triển học liệu, đào tạo... 3. Nội dung chi tiết của đề án (Các Hợp phần/Nhiệm vụ): 3.1. Hợp phần 1: Thiết kế và Xây dựng Hạ tầng Nền tảng 3.1. Hợp phần 1: Thiết kế và Xây dựng Hạ tầng Nền tảng Hợp phần này đóng vai trò nền tảng quan trọng nhất, nhằm tạo lập hạ tầng kỹ thuật hiện đại, ổn định, đáp ứng các yêu cầu khắt khe của đề án về hiệu năng, khả năng mở rộng, độ an toàn thông tin và khả năng tích hợp các công nghệ AI tiên tiến vào hệ thống đào tạo. 3.1.1. Thiết kế kiến trúc tổng thể  Mục tiêu: o Xây dựng bản thiết kế kiến trúc công nghệ tổng thể, thống nhất và đồng bộ cho toàn bộ nền tảng đào tạo số tích hợp AI của ĐHQGHN. o Đảm bảo khả năng mở rộng linh hoạt, chịu tải lớn, và hỗ trợ tích hợp dễ dàng các mô-đun AI và các hệ thống liên quan khác.  Nội dung thực hiện: o Phân tích yêu cầu kỹ thuật chi tiết (số lượng người dùng, khối lượng học liệu, yêu cầu về hiệu năng, tính bảo mật, khả năng mở rộng, độ ổn định). o Thiết kế kiến trúc theo mô hình đa tầng (multi-tier architecture):  Lớp giao diện người dùng (Presentation Layer): giao diện web/mobile thân thiện, responsive, dễ sử dụng.  Lớp ứng dụng (Application Layer): gồm LMS lõi, các module AI, công cụ quản lý nội dung (CMS), quản lý khảo thí, quản trị người dùng, công cụ phân tích dữ liệu học tập (Learning Analytics).  Lớp tích hợp (Integration Layer): middleware/API Gateway quản lý việc tích hợp giữa các mô-đun, các hệ thống bên ngoài (MOOCs quốc gia, VNeID…).  Lớp dữ liệu (Data Layer): các hệ thống cơ sở dữ liệu lớn (Big Data), quản lý lưu trữ học liệu, dữ liệu người dùng, dữ liệu mô hình AI.  Lớp hạ tầng (Infrastructure Layer): máy chủ vật lý, điện toán đám mây (cloud), mạng kết nối nội bộ và Internet. o Xây dựng sơ đồ kỹ thuật chi tiết (Technical Blueprint), sơ đồ mạng (Network Diagram), sơ đồ luồng dữ liệu (Data Flow Diagram), sơ đồ bảo mật (Security Architecture). 3.1.2. Lựa chọn công nghệ (LMS lõi, Cloud/On-prem…)  Mục tiêu: o Lựa chọn bộ công nghệ tối ưu, đảm bảo tính kinh tế, hiệu năng cao, an toàn thông tin, dễ quản trị và có khả năng mở rộng trong tương lai.  Nội dung thực hiện: o Lựa chọn LMS lõi:  Đánh giá và lựa chọn nền tảng LMS mã nguồn mở phổ biến (Moodle, Open edX, Canvas...) hoặc giải pháp thương mại có hỗ trợ tốt và ổn định (Blackboard, Brightspace…).  Đề xuất ưu tiên lựa chọn Moodle hoặc Open edX, nhờ tính mở, khả năng tích hợp mạnh, cộng đồng phát triển lớn và khả năng tùy chỉnh cao theo nhu cầu đặc thù của ĐHQGHN. o Công nghệ triển khai AI:   Lựa chọn các framework mã nguồn mở tiêu chuẩn như TensorFlow, PyTorch, Hugging Face cho việc xây dựng và tinh chỉnh các mô hình AI (trợ lý ảo, chatbot, gợi ý học liệu, cá nhân hóa nội dung…).  Kết hợp với các dịch vụ điện toán đám mây chuyên dụng (GPU, TPUs) từ AWS, Google Cloud hoặc Azure để tinh chỉnh và huấn luyện mô hình AI. o Mô hình triển khai hệ thống (Cloud vs On-premises):  Áp dụng mô hình kết hợp (Hybrid Cloud): sử dụng hạ tầng máy chủ vật lý tại chỗ (on-premises) để quản lý dữ liệu quan trọng, đảm bảo tốc độ truy cập cao trong mạng nội bộ; và sử dụng cloud computing khi cần năng lực tính toán lớn (huấn luyện mô hình AI, xử lý dữ liệu lớn).  Lựa chọn nhà cung cấp cloud phù hợp (AWS, Google Cloud, Azure), đảm bảo tuân thủ các quy định về an toàn dữ liệu, tính kinh tế, hỗ trợ kỹ thuật và độ tin cậy cao. 3.1.3. Mua sắm, cài đặt phần cứng, phần mềm hệ thống  Mục tiêu: o Đầu tư và lắp đặt hạ tầng phần cứng, phần mềm phù hợp theo thiết kế kiến trúc đã phê duyệt.  Nội dung thực hiện: o Mua sắm thiết bị phần cứng:  Máy chủ hiệu năng cao, GPU chuyên dụng (Nvidia A100, H100…) phục vụ đào tạo, tinh chỉnh mô hình AI.  Hệ thống lưu trữ (SAN/NAS) đảm bảo tốc độ truy cập nhanh, dung lượng lớn.  Thiết bị mạng nội bộ (switches, router, firewall), băng thông rộng đảm bảo phục vụ hàng chục nghìn người dùng đồng thời. o Mua sắm và cài đặt phần mềm:  Phần mềm lõi LMS (bản thương mại nếu có), hệ điều hành, phần mềm ảo hóa, cơ sở dữ liệu (SQL/NoSQL, Data Lakes…), phần mềm quản trị và bảo mật hệ thống (Security Suite).  Các phần mềm nền tảng AI và Big Data (như Hadoop, Apache Spark, Elasticsearch…) được triển khai để quản lý và xử lý dữ liệu lớn hiệu quả. o Cài đặt và cấu hình hệ thống:  Triển khai phần cứng tại trung tâm dữ liệu ĐHQGHN, đảm bảo tiêu chuẩn an toàn, vận hành ổn định.  Cấu hình phần mềm theo thiết kế kiến trúc đã phê duyệt, đảm bảo tối ưu hiệu năng, bảo mật và dự phòng (backup/recovery). 3.1.4. Tích hợp hệ thống  Mục tiêu: o Kết nối, tích hợp các phần cứng, phần mềm riêng biệt vào một hệ thống thống nhất, hoạt động đồng bộ, ổn định, và hiệu quả.  Nội dung thực hiện: o Tích hợp LMS và module AI:   Xây dựng các API và Middleware đảm bảo giao tiếp giữa LMS lõi và các module AI (chatbot, recommendation engine, analytics, anti- plagiarism…).  Thực hiện tích hợp từng module theo lộ trình cụ thể: ưu tiên chatbot và công cụ hỗ trợ tạo học liệu trước, sau đó mở rộng sang các module phức tạp hơn như cá nhân hóa lộ trình học tập. o Tích hợp với các hệ thống quản lý đào tạo và khảo thí khác tại ĐHQGHN:  Tích hợp LMS với hệ thống quản lý học viên (SIS), hệ thống khảo thí trực tuyến, hệ thống quản lý học liệu số của thư viện điện tử VNU-LIC.  Tích hợp cơ bản với các hệ thống bên ngoài như nền tảng "Bình dân học vụ số", VNeID để chia sẻ dữ liệu cơ bản, xác thực người dùng. o Kiểm thử tích hợp hệ thống:  Thực hiện kiểm thử tích hợp toàn diện: kiểm thử hiệu năng (performance test), kiểm thử bảo mật (security test), kiểm thử tương thích (compatibility test).  Điều chỉnh và tối ưu hóa cấu hình dựa trên kết quả kiểm thử. Kết quả đầu ra cụ thể của hợp phần 1:  Bản thiết kế kiến trúc tổng thể chi tiết được phê duyệt.  Bộ tài liệu hướng dẫn kỹ thuật, vận hành và bảo trì hệ thống.  Hạ tầng phần cứng, phần mềm được triển khai đầy đủ và vận hành ổn định tại ĐHQGHN.  Nền tảng LMS và các mô-đun AI lõi được tích hợp, sẵn sàng đưa vào vận hành thử nghiệm và triển khai rộng rãi trong các hợp phần tiếp theo của đề án. * Thiết kế kiến trúc tổng thể. * Lựa chọn công nghệ (LMS lõi, Cloud/On-prem...). * Mua sắm, cài đặt phần cứng, phần mềm hệ thống. * Tích hợp hệ thống. * (Cần chi tiết hóa các hạng mục đầu tư phần cứng dựa trên 35% ngân sách) 3.2. Hợp phần 2: Phát triển Mô hình AI và Ứng dụng: * Xây dựng Bộ tiêu chí "Tích hợp AI". * Lựa chọn/Xây dựng/Tinh chỉnh các mô hình AI (ưu tiên GĐ1: Chatbot/Gợi ý, Cá nhân hóa, Hỗ trợ tạo học liệu). * Xây dựng cơ chế quản trị dữ liệu AI. * Tích hợp module AI vào nền tảng. 3.3. Hợp phần 3: Xây dựng và Số hóa Học liệu: * Xây dựng Bộ tiêu chuẩn và Quy trình thẩm định chất lượng. * Kế hoạch chi tiết số hóa/xây dựng học liệu (bao gồm 50 MOOCs). * Cơ chế khuyến khích, công cụ hỗ trợ. 3.4. Hợp phần 4: Đào tạo và Phát triển Nguồn nhân lực:  * Xây dựng chương trình, học liệu đào tạo chi tiết (nội dung, hình thức, quy mô 80% GV). * Kế hoạch tổ chức đào tạo, ToT. * Kế hoạch đánh giá hiệu quả đào tạo. * (Cần tính toán chi tiết và đề xuất nguồn kinh phí đảm bảo) 3.5. Hợp phần 5: Triển khai, Vận hành và Quản lý Đề án: * Thành lập và vận hành Ban Quản lý Đề án. * Kế hoạch triển khai chi tiết (bao gồm thí điểm). * Kế hoạch truyền thông, quản lý thay đổi. 3.6. Hợp phần 6: Phát triển hệ sinh thái hợp tác về AI trong giáo dục * Thiết lập cơ chế và triển khai hợp tác chia sẻ dữ liệu giáo dục (đã ẩn danh) với các đối tác chủ chốt; * Triển khai các hoạt động hợp tác kỹ thuật chuyên sâu với ĐH Thanh Hoa và các đối tác công nghệ về phát triển/tinh chỉnh thuật toán AIEd; * Thúc đẩy các nhóm nghiên cứu chung về AIEd, tham gia các chương trình KHCN quốc gia và quốc tế; * Tổ chức các diễn đàn/hội thảo định kỳ để đối thoại chính sách, chia sẻ kinh nghiệm và tham vấn tri thức ngành với MOET, Ban Tuyên giáo và cộng đồng; *Đóng góp vào việc xây dựng tiêu chuẩn và phổ biến tri thức, mô hình AIEd thành công ra cộng đồng. 3. Giải pháp kỹ thuật - công nghệ chi tiết: 4.1. Kiến trúc hệ thống tổng thể. 4.2. Công nghệ nền tảng (LMS, Database, Cloud...). 4.3. Công nghệ AI (Các mô hình, thuật toán, thư viện dự kiến). 4.4. Tiêu chuẩn học liệu số (SCORM, xAPI...). 4.5. Giải pháp bảo mật thông tin và an toàn dữ liệu. 4.6. Giải pháp đảm bảo đạo đức trong ứng dụng AI. CHƯƠNG IV: KẾ HOẠCH TRIỂN KHAI VÀ TIẾN ĐỘ 1. Kế hoạch tổng thể: Chia theo các giai đoạn (GĐ1: 2 năm, GĐ2: 3 năm). 2. Kế hoạch chi tiết theo từng năm/quý: Nêu rõ các hoạt động chính, sản phẩm đầu ra, thời gian thực hiện, đơn vị chịu trách nhiệm cho từng Hợp phần. 3. Sơ đồ Gantt tổng thể tiến độ đề án. CHƯƠNG V: TỔ CHỨC THỰC HIỆN VÀ NHÂN LỰC  1. Sơ đồ tổ chức quản lý và thực hiện đề án: 1.1. Ban Chỉ đạo Đề án (Lãnh đạo ĐHQGHN). 1.2. Ban Quản lý Đề án (Do VNU-IDT chủ trì). 1.3. Các nhóm chuyên môn/kỹ thuật (AI, Học liệu, Hạ tầng...). 1.4. Vai trò, trách nhiệm của các đơn vị phối hợp (Ban chức năng, đơn vị thành viên, đối tác...). 1.5. Cơ chế phối hợp giữa các bên (bao gồm cả cơ chế giao nhiệm vụ cho Nhóm chuyên gia AI nội bộ). 2. Nguồn nhân lực thực hiện đề án: 2.1. Danh sách nhân sự chủ chốt (Chủ nhiệm, Thư ký, Trưởng các nhóm...). 2.2. Phân tích năng lực, kinh nghiệm của đội ngũ (đặc biệt về AI, CĐS). 2.3. Kế hoạch huy động/bổ sung nhân lực (nếu cần). CHƯƠNG VI: KINH PHÍ VÀ NGUỒN VỐN 1. Tổng dự toán kinh phí: 300 tỷ VNĐ. 2. Dự toán chi tiết theo các hạng mục: o Chi phí đầu tư hạ tầng phần cứng (chi tiết hóa 35%). o Chi phí bản quyền/phát triển phần mềm (chi tiết hóa 5%). o Chi phí phát triển/tích hợp AI (chi tiết hóa 25%). o Chi phí xây dựng/số hóa học liệu (chi tiết hóa 30%). o Chi phí đào tạo (chi tiết hóa 3% và đề xuất phương án nếu cần bổ sung). o Chi phí quản lý, vận hành, khác (chi tiết hóa 2%). o (Cần lập bảng dự toán chi tiết theo các quy định tài chính hiện hành) 3. Nguồn vốn thực hiện: (Phân bổ cụ thể từ các nguồn). 4. Kế hoạch giải ngân theo tiến độ. 5. Phương án quản lý tài chính đề án. CHƯƠNG VII: KẾT QUẢ DỰ KIẾN, HIỆU QUẢ VÀ TÁC ĐỘNG 1. Sản phẩm khoa học và công nghệ dự kiến: 1.1. Sản phẩm dạng I (Bài báo, sách...). 1.2. Sản phẩm dạng II (Nền tảng, phần mềm, module AI, quy trình...). 1.3. Sản phẩm dạng III (Kết quả đào tạo, nâng cao năng lực...). 1.4. Sản phẩm khác (Bộ tiêu chuẩn, Bộ tiêu chí...). 2. Hiệu quả kinh tế - xã hội dự kiến: 2.1. Hiệu quả trực tiếp (Nâng cao chất lượng đào tạo, tối ưu chi phí...). 2.2. Hiệu quả gián tiếp (Nâng cao năng lực cạnh tranh của sinh viên, đóng góp vào nguồn nhân lực số...). 2.3. Tác động đến ĐHQGHN và hệ thống giáo dục đại học. 3. Khả năng ứng dụng và nhân rộng kết quả. CHƯƠNG VIII: QUẢN LÝ RỦI RO 1. Phân tích các rủi ro tiềm ẩn: (Kỹ thuật, nhân lực, tài chính, phối hợp, quản lý thay đổi, bảo mật/đạo đức...).  2. Đề xuất các giải pháp phòng ngừa và giảm thiểu rủi ro. CHƯƠNG IX: GIÁM SÁT, ĐÁNH GIÁ VÀ TÍNH BỀN VỮNG 1. Kế hoạch giám sát và đánh giá: 1.1. Các chỉ số đánh giá (KPIs) của đề án (gắn với mục tiêu và QĐ 1345). 1.2. Phương pháp thu thập thông tin. 1.3. Tần suất báo cáo và đơn vị thực hiện. 1.4. Kế hoạch đánh giá giữa kỳ, cuối kỳ. 2. Tính bền vững của đề án: 2.1. Kế hoạch vận hành, bảo trì, nâng cấp sau đề án. 2.2. Đề xuất và kế hoạch đảm bảo nguồn kinh phí vận hành hàng năm (Ước tính chi phí, đề xuất nguồn). 2.3. Kế hoạch duy trì và phát triển đội ngũ nhân lực vận hành. 2.4. Cam kết của ĐHQGHN. KẾT LUẬN VÀ KIẾN NGHỊ 1. Kết luận: Tóm tắt lại sự cần thiết, mục tiêu, nội dung chính và tính khả thi của đề án. 2. Kiến nghị: Đề xuất với ĐHQGHN và các cấp có thẩm quyền phê duyệt đề án và tạo điều kiện triển khai. TÀI LIỆU THAM KHẢO (PHỤ LỤC) (Nếu có)  Các quyết định, văn bản pháp lý liên quan.  Sơ yếu lý lịch khoa học của các thành viên chủ chốt.  Thuyết minh chi tiết giải pháp kỹ thuật.  Bảng dự toán kinh phí chi tiết.  Sơ đồ Gantt chi tiết.  Các báo giá, thỏa thuận hợp tác (nếu có). ...