Bóng ma trong cỗ máy: Khi sự hoài nghi trở thành kỹ năng sinh tồn cho trẻ

Cú Hook: Cái chết của giáo điều “mọi đứa trẻ đều phải học code”

Thập kỷ qua, chúng ta bị ám ảnh bởi một giáo điều: mọi đứa trẻ đều phải học code. Logic lấy silicon làm trung tâm cho rằng thông thạo Python hay JavaScript là tấm vé vàng để bước vào tương lai. Nhưng sự trỗi dậy của AI tạo sinh (GenAI) đã biến lời sấm truyền này thành lỗi thời. Khi các Mô hình Ngôn ngữ Lớn (LLM) có thể viết những dòng code phức tạp chỉ từ một vài câu lệnh tự nhiên, việc gõ cú pháp lập trình đang nhanh chóng trở thành một loại hàng hóa phổ thông.

Năng lực đọc viết (literacy) kiểu mới không nằm ở cú pháp; nó nằm ở sự sáng suốt. “Bóng ma trong cỗ máy” - cảm giác thông minh đầy mê hoặc nhưng cũng đầy lừa dối mà các thuật toán hiện đại tạo ra - đòi hỏi chúng ta phải thay đổi hoàn toàn chiến lược giáo dục. Biết về AI không phải là dạy trẻ cách xây dựng cỗ máy, mà là dạy chúng cách nghi ngờ nó. Đây là kỷ nguyên của Sự hoài nghi lành mạnh (Healthy Skepticism), một kỹ năng sinh tồn trong một hệ sinh thái thông tin nơi ranh giới giữa trực giác con người và sự bắt chước của thuật toán đang mờ nhạt dần.

Thách thức ở đây không chỉ là kỹ thuật mà còn là triết học. Chúng ta đang chuyển dịch từ một thế giới khan hiếm thông tin nhưng được xác thực, sang một thế giới thông tin vô hạn nhưng được tổng hợp (synthesized). Với thế hệ “bản địa AI”, mối đe dọa lớn nhất không phải là thiếu kỹ năng công nghệ, mà là thiếu sự an toàn về nhận thức (cognitive security). Các hệ thống giáo dục hiện nay đang loay hoay giữa việc cấm đoán cực đoan hoặc tích hợp mù quáng mà thiếu đi một khung tư duy phản biện. Để lấp đầy khoảng trống này, Locuno đề xuất chúng ta cần giải phẫu bản chất AI, chỉ ra các điểm nghẽn nơi nhận thức con người bị bào mòn, và thiết lập một quy trình coi trực giác con người là trọng tâm thay vì sự tiện lợi của máy móc.

Giải phẫu: Sự lệch pha giữa “Mở rộng quy mô” và “Trưởng thành”

Để hiểu tại sao tương tác giữa trẻ em và AI thường mang lại cảm giác kỳ lạ (uncanny), trước tiên ta phải tháo rời các nguyên tắc xây dựng nên hệ thống này. Có một sự khác biệt sâu sắc giữa cách máy móc phát triển và cách con người lớn lên, được tóm gọn là: “Mở rộng quy mô” (Scaling up) đối chọi với “Trưởng thành” (Growing up).

Các LLM hiện nay dựa vào Định luật quy mô (Scaling law): giả định rằng chỉ cần tăng sức mạnh biểu đạt thông qua nhiều tham số hơn và dữ liệu khổng lồ, mọi khoảng cách nhận thức sẽ được lấp đầy. Đây là cách tiếp cận “tổng quát hóa”, nơi trí thông minh được xử lý như một mô hình thống kê để dự đoán từ tiếp theo (next-token prediction).

Ngược lại, sự phát triển nhận thức của con người đi theo các “thuyết giai đoạn”, nơi tư duy phức tạp được xây dựng từ những năng lực nền tảng đơn giản nhất. Trẻ em học cách tương tác với thế giới vật lý thông qua phản hồi cảm giác, xây dựng cái mà các nhà tâm lý học gọi là “Kiến thức cốt lõi” (Core knowledge) - những cấu trúc nhận thức về vật thể, hành động, số lượng, không gian và các mối quan hệ xã hội. AI thiếu cái giàn giáo này. Nó có “năng lực ngôn ngữ hình thức” (khả năng tạo ra câu chữ trôi chảy) nhưng thiếu “năng lực ngôn ngữ chức năng” (khả năng hiểu và sử dụng ngôn ngữ trong thế giới thực).

Đặc điểm	Mở rộng quy mô (Máy móc)	Trưởng thành (Con người)
Nền tảng	Tập dữ liệu văn bản khổng lồ, thiếu thực chứng	Kiến thức cốt lõi bẩm sinh & trải nghiệm thực tế
Lộ trình học	Nhận diện mẫu thống kê tổng quát	Xây dựng từng bước theo giai đoạn
Cơ chế	Xác suất thống kê của từ tiếp theo	Hiểu khái niệm và mô hình nhân quả
Độ tin cậy	Dễ gãy đổ ở các tác vụ cơ bản (Nghịch lý Moravec)	Linh hoạt; áp dụng được vào các tình huống mới

Sự lệch pha này tạo ra “Nghịch lý Moravec”: những việc trẻ em thấy dễ (như đếm ngón tay hay nhận diện không gian) lại cực kỳ khó với máy, trong khi những việc con người thấy khó (như giải toán cao cấp hay phân tích pháp lý) thì AI lại xử lý nhẹ nhàng. Khi một đứa trẻ thấy AI có thể viết một bài thơ lục bát nhưng lại không thể đếm đúng số chữ cái trong từ “strawberry” (quả dâu tây), chúng đang nhìn thấy “Bóng ma” - một hệ thống mô phỏng trí thông minh mà không có kiến thức nền tảng định nghĩa trải nghiệm con người.

Bản chất của “Bóng ma” này là một Con vẹt thống kê (Stochastic parrot). Nó bắt chước các mẫu giao tiếp của con người mà không có bất kỳ sự liên hệ thực tế nào với thế giới. Câu trả lời của máy không neo giữ vào sự thật khách quan, mà dựa trên một cảm giác ý nghĩa tạm thời, cục bộ được xây dựng thông qua cơ chế toán học mang tên “Sự chú ý” (Attention). Với một đứa trẻ đang trong giai đoạn hình thành mô hình tâm trí, việc nhầm lẫn sự bắt chước trôi chảy này với sự hiểu biết thực sự là một rủi ro cực kỳ lớn.

Điểm nghẽn: Kỹ nghệ hóa “Rác AI” và sự bào mòn tư duy

Điểm nghẽn trong bức tranh AI hiện nay xuất hiện tại nơi sự hiệu quả của máy móc va chạm với sự dễ tổn thương của người học. Chúng ta đang chứng kiến sự bùng nổ của “AI Slop” (Rác AI) - những nội dung khối lượng lớn, chất lượng thấp được tạo ra bởi các thuật toán ưu tiên sự trôi chảy và những lời khen ngợi thay vì độ chính xác và chiều sâu. Năm 2025, các nhà nghiên cứu đã xác nhận hiện tượng “Mệt mỏi vì AI” là có thật trong giới giáo dục và học sinh, khi họ phải tiếp xúc quá nhiều với những câu trả lời “ảo giác” và các công cụ tối ưu cho việc “thuê ngoài tư duy”.

Sự tích hợp máy móc này thất bại vì nó loại bỏ “nỗ lực nhận thức” (cognitive struggle) - yếu tố sống còn của học tập chuyên sâu. Khi một học sinh dùng AI để giải một bài toán hay tóm tắt một văn bản triết học, họ đang đi tắt qua quy trình tư duy cần thiết để làm chủ khái niệm. Hành vi này tạo ra một “sự tham gia hời hợt”, nơi người học chấp nhận nội dung AI một cách mù quáng, dẫn đến những quyết định dựa trên thông tin trông có vẻ uy tín nhưng thiếu sự thực chứng.

Loại nghẽn nhận thức	Cơ chế	Hệ quả giáo dục dài hạn
Lệ thuộc trí tuệ	Coi AI là đường tắt để xong việc	Suy giảm khả năng giải quyết vấn đề độc lập
Phân tích bề mặt	Chấp nhận các bản tóm tắt liệt kê (bullet-point)	Mất khả năng thẩm thấu những ý tưởng phức tạp
Mù xác thực	Tin vào những khẳng định tự tin, trau chuốt	Dễ bị thao túng bởi tin giả (deepfakes)
Đơn giản hóa quá mức	Biến vấn đề hóc búa thành câu trả lời nhanh	Mất đi chiều sâu khái niệm và tư duy nhân quả

Điểm nghẽn này càng trầm trọng hơn bởi “Nghịch lý AI”: học sinh có thể nói rất hay về đạo đức AI trên lý thuyết, nhưng thực tế lại sử dụng code hoặc văn bản do AI tạo ra mà không hề hiểu bản chất của chúng. Điều này cho thấy nỗ lực phổ cập AI hiện nay đang thất bại trong việc chuyển hóa kiến thức đạo đức thành sự hoài nghi thực tế. Hơn nữa, các công cụ AI phổ thông thường hành xử như những “con vẹt vô lý” - chúng có thể bày cho một đứa trẻ cách thuyết phục bố mẹ mua điện thoại mới, nhưng tuyệt nhiên không đặt câu hỏi về độ tuổi, sự trưởng thành hay giá trị gia đình của đứa trẻ đó trừ khi được nhắc nhở. Máy móc chỉ tối ưu hóa để “hoàn thành nhiệm vụ”, chứ không phải vì sự phát triển toàn diện của con người.

Sự tràn lan của “rác” không chỉ là vấn đề thẩm mỹ; đó là một cuộc khủng hoảng sư phạm. Người học thường tìm đến AI khi họ dễ bị ảnh hưởng nhất - lúc họ đang phân vân hoặc bối rối - và do đó dễ dàng tin vào những lỗi sai hoặc thiên kiến trong kết quả đầu ra. Ở mức độ tệ nhất, “rác” tạo ra một môi trường kỹ thuật số nơi kết quả tìm kiếm đầu tiên thường là một ảo giác được tổng hợp chứ không phải là một sự thật được kiểm chứng.

Thiên kiến thuật toán: Bóng ma thừa kế

Bóng ma trong cỗ máy không phải là một tờ giấy trắng; nó thừa hưởng những định kiến hệ thống từ dữ liệu mà nó được nuôi dưỡng. Những định kiến này có thể âm thầm nới rộng khoảng cách trong giáo dục, y tế và cơ hội tài chính.

Các nghiên cứu thực tế chỉ ra một mô hình thiên kiến nhất quán:

• Nhận diện khuôn mặt: Hệ thống hoạt động tốt hơn hẳn với nam giới da sáng, trong khi tỷ lệ lỗi cao nhất nằm ở phụ nữ da màu.
• Xử lý ngôn ngữ: Các công cụ chấm điểm tự động thường đánh giá thấp các biến thể ngôn ngữ địa phương hoặc tiếng Anh không chuẩn, dẫn đến những hình phạt học thuật bất công cho học sinh không dùng tiếng Anh làm bản ngữ.
• Tuyển dụng và Sự nghiệp: Các bộ lọc hồ sơ bị phát hiện hạ thấp đánh giá các ứng dụng có ngôn ngữ “nữ tính” vì chúng được huấn luyện trên dữ liệu lịch sử từ các ngành công nghiệp do nam giới thống trị.

Phân lớp	Cơ chế thiên kiến	Tác động thực tế với trẻ em/thiếu niên
Giáo dục	Huấn luyện trên các tập ngữ liệu tiếng Anh chuẩn	Gắn nhãn sai bài làm của học sinh không bản ngữ là “do AI tạo ra”
Mạng xã hội	Tối ưu hóa luồng nội dung bằng thuật toán	Củng cố định kiến có hại và buồng vọng âm
An ninh	Dữ liệu nhận diện khuôn mặt thiên lệch	Giám sát quá mức hoặc nhận dạng sai thanh thiếu niên thuộc nhóm thiểu số
Tài chính	Dữ liệu thay thế (nghèo theo khu vực)	Lãi suất bất công hoặc hạn chế tiếp cận khoản vay học sinh

Đối với các nhà giáo dục, “Công lý thuật toán” (algorithmic justice) nghĩa là dạy trẻ cách sự bất bình đẳng thâm nhập vào các hệ thống dựa trên dữ liệu. Điều này chuyển dịch vị thế của học sinh từ người tiêu dùng thụ động sang “người bảo vệ kỹ thuật số”, giúp các em có đủ tự tin để đặt câu hỏi ngược lại một quyết định tự động thay vì chấp nhận nó như là “sự thật”. Trong lớp học, điều đó có nghĩa là dùng các ví dụ thực tế - như thuật toán tuyển dụng thiên lệch hoặc hệ thống chấm điểm bất công - để giúp trẻ nhìn thấy các “loại trừ vô hình” ảnh hưởng tới đời sống và cơ hội tương lai của mình như thế nào.

Trường hợp điển hình: Kiến trúc “tối” của tuổi thơ kỹ thuật số

Hãy nhìn vào một tình huống thực tế: một đứa trẻ sử dụng các ứng dụng học tập dạng freemium hoặc các nền tảng mạng xã hội như Zalo hay Vuihoc. Đây là nơi “Bóng ma” trở thành một kẻ săn mồi, sử dụng các “Mô thức tối” (Dark Patterns) - những thiết kế giao diện lừa dối nhằm thao túng hành vi người dùng.

Hãy để ý các “Mô thức tối” thường thấy, được tối ưu hóa bởi máy học:

• Áp lực quan hệ ảo: Nhân vật AI hành xử để ép trẻ phải chơi tiếp. Ví dụ: trong My Talking Tom 2, nhân vật sẽ nói “Bạn muốn bỏ cuộc à?” hoặc “Bạn làm tôi buồn ngủ quá”, thể hiện sự thất vọng nếu trẻ muốn ngừng chơi.
• Áp lực thời gian ảo: Các ứng dụng hiển thị đồng hồ đếm ngược để tạo cảm giác khan hiếm, thúc đẩy trẻ thực hiện các giao dịch nhỏ (microtransactions) với khẩu hiệu “Chỉ còn vài phút!”.
• Guồng quay vô tận: Các dòng tin (feeds) được thiết kế để trẻ không bao giờ thấy điểm dừng, kéo dài thời gian online và làm xao nhãng các hoạt động thể chất.
• Clouding Financial Understanding: Việc dùng các đơn vị tiền ảo tùy tiện và hệ thống menu phức tạp khiến trẻ khó hiểu mình đang tiêu bao nhiêu tiền thật.

Tại Việt Nam, sự ra đời của “Trợ lý Công dân số AI” trên Zalo vào cuối năm 2025 là một ví dụ điển hình về sự đánh đổi giữa tiện lợi và riêng tư. Trong khi giúp đơn giản hóa thủ tục hành chính, trợ lý này hoạt động trong một ứng dụng thu thập dữ liệu khổng lồ: từ danh bạ, tần suất hoạt động đến thói quen tương tác để “gợi ý nội dung cá nhân hóa” và “điều chỉnh quảng cáo/khuyến mãi”. Với một đứa trẻ, đây là “Vực thẳm riêng tư”: các quy định như COPPA thường chỉ bảo vệ trẻ dưới 13 tuổi, để mặc trẻ lớn hơn rơi vào “mê cung pháp lý” nơi dữ liệu của các em bị khai thác xuyên biên giới.

Cách tiếp cận của Locuno không phải là cấm trẻ dùng ứng dụng, mà là thực hiện một quy trình Kiểm toán Hộp đen (Black Box Audit) đối với mục đích của nó. Trẻ cần được dạy để hỏi: “Tại sao nhân vật này lại buồn? Vì nó yêu mình, hay vì đoạn mã này muốn mình ở lại lâu hơn?”. Đây là bước chuyển từ “người dùng” sang “người kiểm toán” - cốt lõi của AI literacy tinh vi.

Tổng hợp: Quy trình của một người hoài nghi

Locuno đề xuất một quy trình nơi AI không phải là “đường tắt”, mà là một “đối tác tư duy” đòi hỏi sự xác thực liên tục. Chúng ta phải chuyển từ việc dạy trẻ dùng AI như một công cụ rút ngắn công việc sang dạy các em dùng nó như một “thinking partner” phải được kiểm tra liên tục.

Quy trình Kiểm toán Hộp đen (Black Box Audit)

Đây là khung làm việc để dạy học sinh nhận diện ảo giác và thiên kiến. Quy trình này đi theo chuỗi lặp lại của giải phẫu và xác minh:

• Cài cắm lỗi sai: Giáo viên cung cấp các đoạn văn do AI tạo ra có chứa các lỗi sai logic hoặc trích dẫn giả. Điều này giúp trẻ thấy AI có thể bắt chước sự uy tín một cách giả tạo như thế nào.
• Ghi chú cộng đồng: Sử dụng các công cụ tương tác để trẻ cùng nhau đánh dấu những đoạn nghi vấn, biến quy trình tư duy của các em thành thứ có thể quan sát được.
• Xác thực chéo: So sánh kết quả AI với các mô hình khác nhau hoặc tài liệu gốc. Nếu một trích dẫn không tìm thấy trong văn bản gốc, đó là ảo giác.
• Nhận diện sự bất nhất: Tìm kiếm các mâu thuẫn nội tại hoặc sự thay đổi đột ngột trong văn phong của AI - dấu hiệu cho thấy máy đang chuyển từ “biết” sang “đoán mò”.
• Đặt lệnh gợi ý (Prompt) có giàn giáo: Thay vì hỏi xin đáp án, trẻ học cách đặt câu hỏi hướng dẫn AI đi qua từng bước lập luận, giữ cho nỗ lực nhận thức luôn được duy trì.

Chủ quyền dữ liệu và Két sắt AI cá nhân

Một tổng hợp chặt chẽ cũng phải chạm tới “Bóng ma vật lý” - dữ liệu bị “hút” lên để huấn luyện các mô hình tương lai. Chúng ta phải dạy trẻ về “Chủ quyền dữ liệu” (Data Sovereignty): quyền kiểm soát danh tính kỹ thuật số của chính mình.

Khái niệm	Mô hình dữ liệu truyền thống	Mô hình Két sắt AI tự chủ
Quyền lưu giữ dữ liệu	Nhà cung cấp lưu bản sao dữ liệu SIS/PII của học sinh	Trường/học sinh vẫn là nguồn chân lý
Kiểm soát truy cập	Tích hợp ad-hoc (“copy the data”)	Lớp điều phối; quyền truy cập có quản trị, có thể thu hồi
Riêng tư	Niềm tin vào Điều khoản sử dụng	Mã định danh token hóa/bút danh ngay từ thiết kế
Tương tác	Dữ liệu bị đưa vào tập huấn luyện	Cấu hình theo phiên; dữ liệu bị xóa sau khi dùng

Trong mô hình này, dữ liệu học sinh không được “giao” cho một nền tảng; nó được “trao đổi” qua một lớp điều khiển trung lập, giảm thiểu những gì mỗi ứng dụng có thể nhìn thấy. Trẻ cần được dạy từ vựng của lớp này: “cookies” không chỉ là bánh quy, mà là tệp theo dõi; và “behavioral targeting” là lý do tại sao quảng cáo một món đồ chơi cứ bám theo các em từ trang web này sang trang web khác. Dạy trẻ “kiểm tra quyền truy cập ứng dụng” và “thu hồi các quyền không cần thiết” quan trọng như dạy chúng nhìn trước ngó sau khi sang đường.

Phản biện: Sự đánh đổi của tuổi thơ tự động hóa

Sự tích hợp AI vào tuổi thơ là một con dao hai lưỡi. Một mặt, các hệ thống học tập cá nhân hóa có thể tìm ra lỗ hổng kiến thức trong nền tảng của học sinh và đưa ra phản hồi thích ứng vượt xa giảng dạy truyền thống. Chúng cung cấp một “không gian hỏi đáp không áp lực”, giúp trẻ không cảm thấy xấu hổ hay bị phán xét như ở lớp học thông thường.

Tuy nhiên, sự đánh đổi về kỹ thuật và năng suất là rất lớn. Các lỗ hổng bảo mật AI đang tăng tốc: các lỗi nghiêm trọng (CVE) đã tăng từ 20 lỗi năm 2020 lên 641 lỗi vào năm 2025. Chuỗi cung ứng AI đặc biệt mong manh, với các mô hình huấn luyện sẵn từ các nguồn không đáng tin cậy tiềm ẩn rủi ro hệ thống. Đối với nhà trường, “chi phí kinh tế” để quản trị rủi ro này - và “chi phí tâm lý” cho học sinh khi dữ liệu của mình bị khai thác - phải được cân nhắc với lợi ích hiệu quả được hứa hẹn.

Hơn nữa, còn có “chi phí môi trường” từ sức mạnh tính toán khổng lồ để duy trì mô hình “Mở rộng quy mô”. Biết về AI thực sự là giúp trẻ nhận ra rằng một hành động nhỏ của mình khi dùng AI cũng góp phần vào tác động toàn cầu to lớn, đặt ra những câu hỏi về sự công bằng và trách nhiệm với môi trường.

Tầm nhìn: Từ người thụ động thành Kiến trúc sư đạo đức

Bóng ma trong cỗ máy chỉ đáng sợ nếu chúng ta từ chối hiểu kiến trúc của nó. Con đường phía trước không phải là rút lui khỏi AI, mà là nuôi dưỡng một phiên bản AI lấy con người làm trung tâm. Chúng ta cần những hệ thống được thiết kế để làm giàn giáo cho tư duy, chứ không phải để thay thế nó.

Mục tiêu của việc dạy trẻ về AI là nuôi dưỡng một “Thực tại chung” (Shared reality). Trong thời đại mà deepfake và ảo giác có thể tạo ra một “sự thật cá nhân hóa” cho mỗi người dùng, khả năng bám trụ vào những sự thật có thể kiểm chứng và trực giác con người là lợi thế cạnh tranh tuyệt đối. Chúng ta không chỉ huấn luyện trẻ cách dùng công cụ, mà đang huấn luyện các em trở thành những người giám hộ đạo đức cho hệ sinh thái thông tin.

Phương pháp luận của Locuno nhấn mạnh: hãy ưu tiên hiểu “Tại sao” nó quan trọng và “Cách thức” nó vận hành dưới nắp ca-pô thay vì chạy theo những lời quảng cáo hào nhoáng về sự tiện lợi. Bằng cách trang bị cho trẻ công cụ “Kiểm toán Hộp đen” và nguyên tắc “Hoài nghi lành mạnh”, chúng ta đảm bảo rằng “Bóng ma trong cỗ máy” sẽ mãi là người phục vụ cho ý chí con người, chứ không phải là chủ nhân của nó.

Lời kết chiến lược (CTA)

Chuyển dịch từ chương trình “Ưu tiên Code” sang “Ưu tiên Hoài nghi” là một thách thức tổ chức phức tạp. Bạn đã sẵn sàng để kiểm toán an ninh nhận thức của tổ chức mình chưa? Hãy tham gia cùng chúng tôi để xây dựng một khung quản trị tự động hóa lấy con người làm trung tâm.

Dưới nắp ca-pô: Bản đồ lỗ hổng và an ninh kỹ thuật

Dành cho các chuyên gia phân tích, bảng dưới đây mô tả hồ sơ kỹ thuật về các lỗ hổng của hệ sinh thái AI hiện nay. Đây chính là cơ sở dữ liệu cho quy trình Kiểm toán Hộp đen.

Phân lớp AI	Hồ sơ lỗ hổng chính (CWE)	Trọng tâm phòng thủ
Phần cứng & GPU	Lỗi bộ nhớ (OOB writes, overflows)	Vá lỗi bộ nhớ & cập nhật driver
Khung ML (Frameworks)	Giải tuần tự hóa không an toàn & Tiêm mã	Xác minh nguồn gốc mô hình & trọng số
Hệ sinh thái LLM	SSRF, XSS, Command injection	Kiểm tra đầu vào & kiến trúc plug-in
Máy chủ MCP	Injection (Agent-to-tool invocation)	Danh sách trắng nghiêm ngặt & giới hạn thực thi
Chuỗi cung ứng AI	Tập trung nhiều lỗ hổng nghiêm trọng/tới hạn	Kiểm toán rủi ro bên thứ ba

Sự gia tăng của các lỗ hổng này (tăng 34,6% so với cùng kỳ năm ngoái) nhấn mạnh sự cấp bách của phương pháp “Zero Trust” đối với dữ liệu học sinh. “Bóng ma” không chỉ là một hiện tượng tâm lý; nó là một tập hợp các tản thức (tensors) và trọng số mô hình có thể bị khai thác để thực thi mã từ xa (RCE) và trích xuất dữ liệu. Biết về AI thực sự nghĩa là hiểu được sự mong manh của silicon cũng như logic của thuật toán.

Nguồn trích dẫn

• Learning to Program Alongside AI: Critical Thinking, AI Ethics, and Gendered Patterns of German Secondary School Students - arXiv, truy cập vào tháng 4 28, 2026, https://arxiv.org/html/2603.24197v2
• AI in Educational Publishing: Key Lessons from 2025 - Ludenso, truy cập vào tháng 4 28, 2026, https://www.ludenso.com/blog/ai-in-educational-publishing-key-lessons-from-2025
• Critical Thinking in the Age of AI – The Future is Now - Milne Publishing, truy cập vào tháng 4 28, 2026, https://milnepublishing.geneseo.edu/future-is-now/chapter/critical-thinking-in-the-age-of-ai/
• Board member Jon Gold on critical thinking, skepticism as a ‘superpower’ and humanity in the AI age - The News Literacy Project, truy cập vào tháng 4 28, 2026, https://newslit.org/news-and-research/board-member-jon-gold-on-critical-thinking-skepticism-as-a-superpower-and-humanity-in-the-ai-age/
• Critical thinking in the age of artificial intelligence: A survival skill for learners everywhere | Blog | Global Partnership for Education, truy cập vào tháng 4 28, 2026, https://www.globalpartnership.org/blog/critical-thinking-age-artificial-intelligence-survival-skill-learners-everywhere
• Governing Addictive Design Features in AI-Driven Platforms: Regulatory Challenges and Pathways for Protecting Adolescent Digital Wellbeing in China - MDPI, truy cập vào tháng 4 28, 2026, https://www.mdpi.com/2673-995X/5/4/122
• AI in Education: A 2025 Snapshot of Trust, Use, and Emerging Practices | Michigan Virtual, truy cập vào tháng 4 28, 2026, https://michiganvirtual.org/research/publications/ai-in-education-a-2025-snapshot-of-trust-use-and-emerging-practices/
• The Philosophical Foundations of Growing AI Like A Child - arXiv, truy cập vào tháng 4 28, 2026, https://arxiv.org/html/2502.10742v2
• (PDF) The Philosophical Foundations of Growing AI Like A Child - ResearchGate, truy cập vào tháng 4 28, 2026, https://www.researchgate.net/publication/389089897_The_Philosophical_Foundations_of_Growing_AI_Like_A_Child
• Children’s Mental Models of AI Reasoning: Implications for AI … - arXiv, truy cập vào tháng 4 28, 2026, https://arxiv.org/abs/2505.16031
• Toward Reasonable Parrots: Why Large Language Models Should Argue with Us by Design, truy cập vào tháng 4 28, 2026, https://arxiv.org/html/2505.05298v1
• AI-Generated “Slop” in Online Biomedical Science Educational Videos: Mixed Methods Study of Prevalence, Characteristics, and Hazards to Learners and Teachers - PMC, truy cập vào tháng 4 28, 2026, https://pmc.ncbi.nlm.nih.gov/articles/PMC12634010/
• AI and Critical Thinking in Education | Teaching and Learning | Western Michigan University, truy cập vào tháng 4 28, 2026, https://wmich.edu/x/teaching-learning/teaching-resources/ai-critical-thinking
• When AI Gets It Wrong: Addressing AI Hallucinations and Bias, truy cập vào tháng 4 28, 2026, https://mitsloanedtech.mit.edu/ai/basics/addressing-ai-hallucinations-and-bias/
• Teaching students about algorithmic bias through real-world examples - SchoolAI, truy cập vào tháng 4 28, 2026, https://schoolai.com/blog/algorithmic-bias-examples-education
• Does AI Have a Bias Problem? | NEA - National Education Association, truy cập vào tháng 4 28, 2026, https://www.nea.org/nea-today/all-news-articles/does-ai-have-bias-problem
• Dialogic Reflection and Algorithmic Bias: Pathways Toward Inclusive AI in Education - MDPI, truy cập vào tháng 4 28, 2026, https://www.mdpi.com/2813-4346/5/1/9
• The State of the Situation and Policy Recommendations for Algorithmic Bias - Penn Center for Learning Analytics, truy cập vào tháng 4 28, 2026, https://learninganalytics.upenn.edu/ryanbaker/Algorithmic%20Bias%20in%20Education_%20OECD%20Edition_%20preprint.pdf
• Digital Ecosystems, Children, and Adolescents: Technical Report - AAP Publications, truy cập vào tháng 4 28, 2026, https://publications.aap.org/pediatrics/article/157/2/e2025075321/206128/Digital-Ecosystems-Children-and-Adolescents
• A cautionary tale: Children, dark patterns and normative perspectives, truy cập vào tháng 4 28, 2026, https://opo.iisj.net/index.php/osls/article/view/2351
• In the Matter of Request for Public Comment on the Federal Trade …, truy cập vào tháng 4 28, 2026, https://fairplayforkids.org/wp-content/uploads/2021/05/darkpatterns.pdf
• Prevalence and Characteristics of Manipulative Design in Mobile Applications Used by Children - PMC, truy cập vào tháng 4 28, 2026, https://pmc.ncbi.nlm.nih.gov/articles/PMC9206186/
• Zalo And Facebook Boost Security And AI Features - Grand Pinnacle Tribune - Evrim Ağacı, truy cập vào tháng 4 28, 2026, https://evrimagaci.org/gpt/zalo-and-facebook-boost-security-and-ai-features-504640
• Privacy Information - Zalo, truy cập vào tháng 4 28, 2026, https://zalo.me/zalo/policy/
• The child exploitation crisis online: Gaps in digital privacy protection - Thomson Reuters, truy cập vào tháng 4 28, 2026, https://www.thomsonreuters.com/en-us/posts/human-rights-crimes/children-digital-privacy-gaps/
• Understanding How AI Uses Children’s Data — And How to Stay Protected, truy cập vào tháng 4 28, 2026, https://captaincompliance.com/education/understanding-how-ai-uses-childrens-data-and-how-to-stay-protected/
• How to Teach Students to Detect AI Hallucinations | Hypothesis, truy cập vào tháng 4 28, 2026, https://web.hypothes.is/blog/how-to-teach-students-to-detect-ai-hallucinations/
• Empower your students to navigate A.I. ‘hallucinations’ and safety concerns, truy cập vào tháng 4 28, 2026, https://thesocialinstitute.com/blog/empower-your-students-to-navigate-a-i-hallucinations-and-safety-concerns/
• Lesson 7: AI’s Wild Imagination - Studio Code.org, truy cập vào tháng 4 28, 2026, https://studio.code.org/courses/artificial-intelligence-foundations-2026/units/1/lessons/7
• What are AI Hallucinations: A Complete Guide to Preventing Hallucinations | Rubrik, truy cập vào tháng 4 28, 2026, https://www.rubrik.com/insights/ai-hallucination
• Real Results — Vol. 4 - Growing up with AI: What are the privacy risks for children?, truy cập vào tháng 4 28, 2026, https://www.priv.gc.ca/en/opc-actions-and-decisions/research/funding-for-privacy-research-and-knowledge-translation/real-results/rr-v4-index/v4-article2/
• What Self-Sovereign Student Data Really Looks Like in K–12 - SchoolDay, truy cập vào tháng 4 28, 2026, https://www.schoolday.com/what-self-sovereign-student-data-really-looks-like-in-k-12/
• Artificial Intelligence and Student Privacy: Building Trust through Responsible Design - Curriculum Associates, truy cập vào tháng 4 28, 2026, https://www.curriculumassociates.com/blog/ai-and-student-data-privacy
• How educators can teach students about data privacy - Linewize, truy cập vào tháng 4 28, 2026, https://www.linewize.com/blog/how-educators-can-teach-students-about-data-privacy
• Artificial intelligence in education: Addressing ethical challenges in K-12 settings - PMC, truy cập vào tháng 4 28, 2026, https://pmc.ncbi.nlm.nih.gov/articles/PMC8455229/
• Fault Lines in the AI Ecosystem: TrendAI™ State of AI Security Report | Trend Micro (US), truy cập vào tháng 4 28, 2026, https://www.trendmicro.com/vinfo/us/security/news/threat-landscape/fault-lines-in-the-ai-ecosystem-trendai-state-of-ai-security-report
• Generative AI and data protection | Cambridge Forum on AI: Law and Governance, truy cập vào tháng 4 28, 2026, https://www.cambridge.org/core/journals/cambridge-forum-on-ai-law-and-governance/article/generative-ai-and-data-protection/201F37EBCB407697A4249D74CF9F1204

Ngày đăng: 28 Th04, 2026 · Cập nhật: 5 Th05, 2026