Người làm giáo dục nói gì về việc sử dụng dữ liệu trong giáo dục?

Hôm nay ngày 11/7/2026 tôi tham gia buổi chuyên đề “Kể chuyện bằng dữ liệu trong giáo dục” do Lớp học đổi mới tổ chức. Tôi biết tới buổi này do một người chị trong nhóm ABG đã mua vé nhưng bị mệt đột xuất nên nhường lại cho ai có hứng thú. Tôi tham gia vì muốn biết thêm về những mối quan tâm của một người làm giáo dục, trong đó có việc sử dụng dữ liệu. Có thể xem đây là một phần trong nghiên cứu của tôi với chủ đề Người làm dữ liệu nói gì về sự thiếu sót của dữ liệu? (Dữ liệu ở đây là nói tắt của dữ liệu định lượng.)

Bài viết này không tổng hợp những gì đã diễn ra trong buổi trình bày, mà là tổng hợp những gì đã diễn ra trong đầu tôi, dựa trên những gì đã diễn ra trong buổi trình bày cùng với những gì tôi nghiên cứu thêm hoặc đã làm trước đó. Tôi không thu âm, ghi chép diễn biến buổi trình bày hay sử dụng mô hình ngôn ngữ lớn trong bất kỳ công đoạn nào. Có một khả năng là những ý như “chị Huyền nói” hay “anh Thiện chia sẻ” là tôi không nhớ đúng, dù tôi nghĩ khả năng này không cao. Vì thực ra ban đầu tôi không có ý tưởng sẽ đóng gói những ghi chú của mình thành một bài viết thế này; về tới nhà mới thấy việc viết ra như vậy sẽ tạo ra được nhiều tác động hơn. Tôi đoán văn bản này có thể được phân loại là một dạng điền dã nhân học nửa mùa.

Diễn giả là ai?¶

Theo thông tin từ VN Express và Talent Connect Plus, anh Trần Hùng Thiện từng là phó tổng giám đốc mảng nghiên cứu đo lường hệ thống bán lẻ ở Neilsen. Công ty nghiên cứu thị trường do anh thành lập và làm CEO, GCOMM, đã từng được giới thiệu tại Truyền hình Quốc hội Việt Nam.

Theo thông tin từ nhóm Giáo dục Song ngữ cho Việt Nam, chị Nguyễn Thị Thu Huyền từng làm cố vấn cao cấp, tổng hiệu trưởng cho một số trường quốc tế ở Việt Nam, từ mầm non đến THPT, hệ song ngữ. Hiện tại chị đang là cố vấn cao cấp, giám đốc chuyên môn cho một số hệ thống như Tân Thời Đại, Pathway Tuệ Đức, Mầm non Phú Đông Lotus, Mầm non Casa Montessori, v.v., cũng như là thành viên hội đồng thành viên của Teach for Viet Nam. Bạn có thể nghe tự sự về đam mê giáo dục của chị tại đây.

Nội dung chính¶

Do chỉ biết tới buổi này vài tiếng trước khi nó diễn ra nên tôi đã không đọc trước bài giới thiệu hay diễn giả là ai. Vì thế, tôi đến với nó với một hình dung duy nhất về cách dữ liệu được ứng dụng trong giáo dục: chấm điểm học sinh. Nhưng ngay sau khi các diễn giả giới thiệu xong về mình và bước vào nội dung chính, câu đầu tiên anh Thiện nói đã đi ngược với hình dung ấy. Anh nói: mỗi ngôi trường giống như một công ty dữ liệu. Và dữ liệu trong đây toàn là dữ liệu xịn, vì nó:

Gần như 100% là thật; nếu có không thật thì gần như chỉ là lỗi vô ý
Tất cả đều là dữ liệu về hành động, chứ không phải là từ lời nói
Diễn ra theo thời gian thực

Sau một lúc, tôi nhận ra đây là một cách dùng dữ liệu khác: dữ liệu về hành vi người dùng. Và người dùng ở đây là phụ huynh. Đây chính xác là cách một người làm phân tích dữ liệu hoặc phân tích kinh doanh nghĩ về dữ liệu. Và lĩnh vực chủ yếu là giáo dục tư chứ không phải là giáo dục công.

Tuyển sinh¶

Tôi nhận ra rằng tình hình cạnh tranh giữa các trường tư là rất khốc liệt. Nhiều khi phụ huynh sau khi đã đã đóng tiền cọc ở một trường rồi, mà trường khác vẫn đến để tặng học bổng để việc trả cọc bên kia vẫn có lời cho phụ huynh. Hoặc một hình thức cạnh tranh khác là thông qua một loại học bổng có tên là “đồng hành”: nếu trường mà phụ huynh đã đóng cọc lấy học phí thấp hơn, thì trường muốn giành khách sẵn sàng hạ học phí cho riêng học sinh đó ngang bằng với trường bị giành. Các trường sẵn sàng làm như vậy vì tỉ lệ quay lại của khách hàng là rất cao: một khi con đã học ở đâu thì phụ huynh sẽ muốn con mình tiếp tục học ở đó.

Tôi đồng ý rằng hành vi này không phải là xấu nếu như trường thực sự tin rằng mình chính là nơi phù hợp nhất cho trẻ. Để việc này xảy ra, đội tuyển sinh phải hiểu thật rõ triết lý, phương pháp của trường lẫn nhu cầu, mục tiêu của học sinh thì mới có thể kết luận được. Mà muốn vậy thì họ phải có thời gian đồng hành với cả trường và học sinh đủ lâu, và nếu họ thấy học sinh phù hợp với trường khác hơn thì thoải mái giới thiệu học sinh qua trường đó. Tôi phỏng đoán rằng điều này hiếm khi xảy ra trên thực tế.

Một lập luận khác để biện minh cho việc giành khách là việc muốn làm những điều lý tưởng thì phải tồn tại được trước đã. Tôi không biết vì sao các lý tưởng, triết lý giáo dục lại khó triển khai đến như vậy. Triết lý mà trường theo đuổi có nhất thiết chỉ tồn tại được trong thiết chế tư bản hay không? Nếu đúng là như vậy thì tại sao nó lại phù hợp với học sinh nhất so với các triết lý khác?

Đây là một số ý khác tôi thu nhặt được:

Kênh tuyển sinh hiệu quả nhất là giáo viên
Phụ huynh nhiều khi đã biết hết triết lý của trường rồi, nhưng vẫn muốn nghe chính miệng hiệu trưởng nói điều đó
Trường tư phân khúc thấp không thể cạnh tranh lại được với trường công

Quản lý chất lượng giáo dục¶

Để có một tập thể gắn kết thì những thành viên trong đó phải được cảm thấy đối xử công bằng. Và để có sự công bằng đòi hỏi sự minh bạch. Khi có sự minh bạch thì việc tuyên dương người có thành tích tốt không làm những người khác thấy ghen tị hay đố kị, và cũng làm giảm sự xấu hổ của người không có thành tích tốt khi phân tích vấn đề của họ. Mà Số liệu định lượng tạo ra cảm giác minh bạch rất tốt, vì nó xóa bỏ cái cảm giác cảm tính. Thế nên, việc dùng số liệu được khuyến khích trong việc quản lý chất lượng giáo dục.

Tôi thấy có 3 dạng sử dụng dữ liệu được sử dụng:

Dữ liệu từ thang đo: điểm số ở học sinh, thang đo dự giờ giáo viên, bộ chỉ số đánh giá bắt buộc phải công khai của các trường, v.v.
Dữ liệu từ thống kê từ thang đo: tỉ lệ học sinh điểm thấp của một giáo viên hay một khối lớp, chỉ số sáng tạo trung bình của giáo viên của trường v.v.
Dữ liệu từ thống kê hành vi: số ngày thứ Hai học sinh đi trễ liên tiếp, v.v.

Dữ liệu từ thang đo¶

Điểm số có vai trò phân loại khách thể. Ví dụ như đối với học sinh thì cần giúp giáo viên biết được học sinh nào:

Cần củng cố nền tảng
Đang quá tải
Có nguy cơ tụt lại
Có tiềm năng nhưng thiếu động lực
Có thể được thử thách ở mức cao hơn

Với giáo viên thì cũng tương tự vậy. Chính vì như vậy, nên dù các con số trông như có vẻ tuyến tính, nhưng khoảng cách từ điểm 7 lên điểm 8 có thể rất khác với khoảng cách từ điểm 8 lên điểm 9. Nói theo ngôn ngữ thống kê, điểm số là thang đo khoảng, nhưng nó được dùng như một thang đo danh nghĩa. Tức là râu ông này cắm cằm bà kia. Tôi thấy rằng việc làm này sẽ tạo ra nhiều ảo tưởng thống kê, không chỉ ở điểm số mà còn ở bất kỳ các thống kê nào dựa trên nó.

Đánh giá giáo dục (educational assessment) là một mảng rộng mà tôi chưa tìm hiểu gì cả, nhưng nhìn thoáng qua một số barem hoặc rubric chấm điểm, tôi cảm giác chúng là một dạng của phương pháp phân tích quyết định đa tiêu chí (Multicriteria Decision Analysis – MCDA). Theo tôi hiểu, về mặt toán học, phương pháp này là bài toán tính thể tích vật đa chiều. Nếu chỉ có 2 tiêu chí để đánh giá, thì nó là bài toán tính diện tích hình chữ nhật. Nó có tác dụng tốt trong việc tìm lựa chọn tối ưu (cân bằng được các đánh đổi) và có thể sắp xếp các lựa chọn đó theo thứ tự từ trên xuống dưới. Với các mục đích mang tính tuyển chọn như thi đại học hay phỏng vấn nhận việc thì phù hợp. Nhưng tôi thấy mục đích của việc cho điểm học sinh hay giáo viên không phải là để chọn ai loại ai, mà là để hỗ trợ từng người một cách phù hợp.

Cách đánh giá tốt hơn là không nhân các bộ số lại với nhau, mà chỉ giữ nguyên bộ số điểm của từng tiêu chí thành phần. Tôi đoán đây là lý do khiến cho cách đánh giá bằng con số lại được phổ biến đến như vậy: việc quy thành một con số thay vì cả một bộ số giúp giảm số lượng con số phải ghi nhớ, lưu trữ, sử dụng. Sự sẵn sàng và tiện lợi luôn áp đảo hơn sự chính xác.

Tôi không biết liệu việc lưu trữ dữ liệu trên máy tính thay vì trên giấy sẽ giải quyết được tình trạng này hay không? Phần Hệ thống thông tin sẽ trình bày rõ hơn.

Ở trên chỉ mới nói về vấn đề điểm đánh giá có được thiết kế đúng cho mục đích của nó hay không. Nhưng đó không phải là vấn đề duy nhất của nó. Các con số này còn chịu nhiều sức ép khiến cho chúng dễ bị sai lệch. Ví dụ như ở học sinh:

Điểm không tốt làm học sinh thấy tự ti, đặc biệt là ở tiểu học. Với các trẻ gặp khó khăn trong việc học tập (VD: gặp chứng khó đọc chữ), thì ở các trường công trẻ còn được cộng thêm điểm
Con cái buồn rầu thì cha mẹ cũng không vui. Mà cha mẹ phụ huynh thì là khách hàng. Làm khách không vui thì có khi… mất khách
Điểm đẹp giúp việc chuyển cấp của học sinh thuận lợi hơn

Còn với ở giáo viên:

Giáo viên khi được dự giờ có khuynh hướng phô diễn kỹ năng trình bày, nhưng không nhất thiết là có hiệu quả ở học sinh
Số lượng câu hỏi trong bảng đánh giá dự giờ không nên quá nhiều, nếu không thì chính người dự giờ cũng không xử lý được. Tầm 20 cái là vừa

Giải pháp cho tình trạng này là xem rằng điểm số chỉ mang tính tham khảo, luôn cần dùng thêm nhiều đánh giá khác. Và quan trọng nhất là phải đối thoại với học sinh, phụ huynh, giáo viên. Nếu họ thấy mình quan tâm đến họ thật lòng, thì họ cũng sẽ chấp nhận được nó một cách thanh thản. Mà những cái này là dữ liệu định tính, thứ sẽ bị lược bỏ trong quá trình thống kê.

Tôi đoán hẳn là phải có nhiều phân tích về vấn đề này rồi, nhưng do thời gian có hạn tôi chưa đọc được.

Dữ liệu từ thống kê từ thang đo¶

Bởi vì tôi thấy việc cho điểm chỉ phù hợp khi đang có sự cạnh tranh, nên các thống kê về điểm số cũng chỉ có ý nghĩa khi sử dụng những loại điểm đó. Còn các thống kê từ loại thang đo không được dùng với mục đích cạnh tranh thì tôi không biết việc dùng nó có ý nghĩa thế nào. Đây là vài ví dụ của loại thống kê như thế:

Tỉ lệ học sinh điểm thấp của một giáo viên hay một khối lớp
Chỉ số sáng tạo trung bình của giáo viên của trường

Nhưng thôi, cứ cho là những thống kê như này vẫn dùng được đi. Thì điều các diễn giả nhấn mạnh là các con số này tự thân nó không có ý nghĩa, mà phải đem so sánh với các con số khác. Có thể là với chính con số đó của học sinh/giáo viên/trường trong quá khứ, hoặc với những học sinh/giáo viên/trường khác.

Quetelet xem sự khác biệt giữa các cá nhân là do sai số tác động đến khuôn mẫu. Galton xem sự khác biệt số đo là có thật chứ không phải là sai số
Quetelet và Galton

Việc phát hiện gian lận điểm cũng là nhờ phân tích dữ liệu:

với điểm cho sinh viên, thì việc cần là phân loại thành các nhóm này, chứ không phải là phổ Gauss

Một trường định vị bản thân là ưu điểm ở việc dùng tiếng Anh, mà lại có điểm tiếng Anh thấp

Học sinh đang gặp khó khăn ở kỹ năng nào?
Khoảng cách giữa các nhóm học sinh đang gia tăng hay thu hẹp?
Chương trình học hiện tại có thực sự hiệu quả?
Hoạt động chuyên môn nào đang tạo ra tác động lớn nhất?
Đâu là dấu hiệu cảnh báo sớm về nguy cơ nghỉ học, giảm động lực hoặc suy giảm kết quả?

Tuy nhiên, nếu mọi con số đều chỉ mang tính tham khảo, thì phải chăng nó vốn đã chẳng khách quan, không cảm tính như nó đang được tin tưởng là vậy? Phải chăng việc dùng số liệu là một cách để những người dùng nó tự đánh lừa bản thân là mình khách quan, không cảm tính?

Nếu người làm dữ liệu định lượng cũng tương tác trực tiếp với khách thể, thì việc dữ liệu định tính bị loại bỏ cũng bị giảm thiệt hại
Điểm yếu của dữ liệu là sự tự ti, mặc cảm, cảm thấy bị cạnh tranh quyền lợi. Để vượt qua nó thì cần mình thực sự quan tâm đến người bị đánh giá

Dữ liệu từ hành vi¶

Mô hình dữ liệu Impact
Dư liệu để tạo thành insight. Nhưng dưới tảng băng là câu chuyện con người. Đây mới là thứ tạo ra action và impact, không phải dữ liệu

Quy trình không nên là thu thập dữ liệu, xong rồi nhìn vào để phát hiện vấn đề ở đâu, mà là nêu ra các giả thiết trước, rồi mới nhìn vào dữ liệu để chấp nhận hay bác bỏ giả thiết.

Cần nghĩ về công việc như là một cách để kiểm định giả thiết, chứ không phải chỉ để hoàn thành

Chỉ số ta theo đuổi phải là chỉ số về giá trị của sản phẩm đối với người dùng. Dựa vào KPI thì bộ phận kinh doanh sẽ có tiếng nói lớn nhất, còn đội phát triển sản phẩm rất ít có tiếng nói

Giả thiết có mặt ở khắp nơi
Sử dụng nhiều phương pháp khác nhau để kiểm tra giả thuyết sẽ tránh thiên kiến tốt hơn là dùng một phương pháp nhiều lần

Ý tưởng thì hay

Hệ thống thông tin¶

Dữ liệu định tính sẽ bị loại bỏ khi tổng hợp
Hệ thống phân loại cứng nhắc, kém bao hàm

Nếu nhà trường không làm thì có thể tự làm ngay trong lớp mình giảng.

Các đánh đổi tạo ra nhiều tổ hợp giải pháp khác nhau cho cùng một nhu cầu

Vật thể điểm
Cơ sở dữ liệu truy vấn từng hành vi

Với giáo viên cá nhân, không được trường hỗ trợ

Ai cũng biết sự trình diễn sự tâm huyết, tận tụy tốt nhất là thực sự tâm huyết, tận tụy. Nhưng việc phải nhận thức ra sự trình diễn đó và trình diễn cho tốt
Paradox of reputation

Làm sao để phụ huynh không so sánh điểm giữa các trường

Nó khác với cách quản lý bằng KPI
Điểm yếu của dữ liệu là sự tự ti, mặc cảm, cảm thấy bị cạnh tranh quyền lợi. Để vượt qua nó thì cần mình thực sự quan tâm đến người bị đánh giá
có được sự kiên nhẫn đó, vì thấy rằng trong vô vàn nghề nghiệp lại lựa chọn nghề này, thì

Bài viết The Limits of Data chắc là tổng kết khá đầy đủ:

Không nắm bắt được những thứ khó đo lường
Thiên kiến hệ thống ảnh hưởng đến cách chọn mẫu
Quá tập trung vào một chỉ số

Con số không nói dối, nhưng nó nói nửa sự thật, và người nói dối dùng con số. Hay nói như câu thường được cho là của Mark Twain: Có 3 loại nói dối: nói dối, nói dối khốn nạn, và thống kê

¶

Hết buổi, tôi có trao đổi với anh Thiện về câu hỏi , thì anh bảo là cứ lên trang Brand Camp, một nền tảng học trực tuyến và nội dung số về Marketing, Business và Creativity. Tuy nhiên tôi tìm thì không thấy. Tôi hỏi câu tương tự với chị Huyền, thì chị lại hiểu thành “Người làm giáo dục thiếu dữ liệu ở đâu nhất”.

Tiền ủng hộ¶

Buổi trước được 250 người, buổi này chỉ được 80 người. Vẫn diễn giả đó, chỉ khác biệt là tiêu đề thêm chữ “dữ liệu”, và buổi trình bày thay vì tổ chức vào chủ nhật thì là vào thứ bảy.

Toàn bộ chương trình được tổ chức với mục đích gây quỹ ủng hộ Trường Tiểu học Húc (Quảng Trị) và Mái ấm Thiên Thần (TP.HCM).

Không nhận thù lao

Sách và trẻ thơ
Nếu bạn muốn có một danh sách những hiểu biết sâu về ngành, bao gồm những điều tôi không ghi ra ở đây do không biết phải nhét vào đâu để tạo thành một câu chuyện, thì có thể xem ở

Ở trên tôi có nói về việc ngay lúc bắt đầu nội dung tôi đã có một ấn tượng khác về dữ liệu. Nhưng đó không phải là ấn tượng về dữ liệu đầu tiên tôi gặp. Thứ dữ liệu đầu tiên tiếp đón tôi là ở bàn đón tiếp. Khi đến, tôi đọc tên của người chị đã nhường vé cho tôi cho bạn hỗ trợ hậu cần. Có lẽ là vì quên chuyển bộ gõ sang chế độ tiếng Việt hay vì đánh nhanh quá mà chuỗi truy vấn nhảy loạn xạ, phải xóa đi gõ lại vài lần mới tìm ra. Chuyện này thì cũng bình thường; tôi kể ra đây vì nó giúp tôi chuyển
Google Sheets. Từ chối việc gia công quy mô lớn, mà chỉ sử dụng hệ thống “cây nhà lá vườn”.

GIẢI MÃ DỮ LIỆU TRONG QUẢN LÝ GIÁO DỤC: Từ cảm tính đến quyết định dựa trên bằng chứng

Trong giáo dục, chúng ta đang có rất nhiều dữ liệu nhưng lại thiếu những quyết định dựa trên dữ liệu.

Điểm số, tỷ lệ chuyên cần, kết quả khảo sát phụ huynh, dữ liệu tuyển sinh, kết quả học tập, báo cáo giáo viên… ngày càng nhiều. Thế nhưng, không ít quyết định trong nhà trường vẫn được đưa ra dựa trên kinh nghiệm cá nhân, trực giác hoặc những nhận định cảm tính.

Trong khi đó, các nghiên cứu quốc tế gần đây về hiệu quả trường học cho thấy: những tổ chức giáo dục thành công không phải là những nơi có nhiều dữ liệu nhất, mà là những nơi biết biến dữ liệu thành hành động cải tiến.

⸻

Tại sao dữ liệu lại quan trọng?

Một bảng điểm không chỉ cho biết học sinh đạt bao nhiêu điểm.

Đằng sau mỗi con số có thể là những câu hỏi quan trọng:

Học sinh đang gặp khó khăn ở kỹ năng nào?
Khoảng cách giữa các nhóm học sinh đang gia tăng hay thu hẹp?
Chương trình học hiện tại có thực sự hiệu quả?
Hoạt động chuyên môn nào đang tạo ra tác động lớn nhất?
Đâu là dấu hiệu cảnh báo sớm về nguy cơ nghỉ học, giảm động lực hoặc suy giảm kết quả?

Nhà quản lý giáo dục ngày nay không chỉ cần đọc báo cáo, mà cần biết đọc câu chuyện ẩn sau dữ liệu.

⸻

Khóa học này dành cho ai?

Khóa học được thiết kế dành cho:

Hiệu trưởng, Phó Hiệu trưởng
Tổ trưởng chuyên môn
Điều phối học thuật
Giáo viên nòng cốt
Người quản lý trung tâm ngoại ngữ, kỹ năng, giáo dục tư nhân
Những ai muốn ứng dụng dữ liệu để nâng cao chất lượng giáo dục

Đặc biệt, chương trình không yêu cầu nền tảng thống kê hay phân tích dữ liệu chuyên sâu.

⸻

Người học sẽ nhận được gì?

Hiểu đúng về dữ liệu trong giáo dục

Dữ liệu nào thực sự quan trọng?
Những sai lầm phổ biến khi đọc số liệu.
Phân biệt dữ liệu, thông tin và bằng chứng.

Biết cách đặt câu hỏi từ dữ liệu

Thay vì chỉ nhìn vào con số, người học sẽ được hướng dẫn cách:

Nhận diện xu hướng.
Phát hiện bất thường.
Xác định nguyên nhân tiềm ẩn.
Chuyển dữ liệu thành các giả thuyết cần kiểm chứng.

Ra quyết định dựa trên bằng chứng

Ứng dụng dữ liệu vào:

Quản lý chất lượng dạy học.
Đánh giá hiệu quả chương trình.
Theo dõi tiến bộ học sinh.
Hoạch định chiến lược phát triển trường học.
Cải thiện trải nghiệm của học sinh và phụ huynh.

Tiếp cận các mô hình quản trị hiện đại

Khóa học giúp người tham dự hiểu cách các hệ thống giáo dục tiên tiến trên thế giới đang sử dụng dữ liệu để:

Nâng cao thành tích học tập.
Xây dựng văn hóa cải tiến liên tục.
Đánh giá chất lượng trường học toàn diện hơn điểm số.

⸻

Không chỉ là học về số liệu

Điều giá trị nhất của khóa học không nằm ở biểu đồ hay bảng tính.

Đó là khả năng chuyển đổi tư duy:

Từ “Tôi nghĩ là…”

sang

“Dữ liệu cho thấy…”

và từ

“Chúng ta vẫn luôn làm như vậy”

sang

“Đâu là bằng chứng cho thấy đây là lựa chọn tốt nhất?”

Đây chính là năng lực cốt lõi của nhà quản lý giáo dục trong thời đại AI và chuyển đổi số.

⸻

Thông tin chương trình

Một quyết định tốt có thể thay đổi kết quả của một lớp học.

Một hệ thống ra quyết định tốt có thể thay đổi cả một ngôi trường.

Hãy tham gia để học cách biến dữ liệu thành những quyết định tạo ra khác biệt thực sự cho người học