Tổng kết

Phần 1: Trải nghiệm và cảm nhận cá nhân

Trước khi bắt đầu học phần này, mình dùng máy tính chủ yếu để lướt mạng và làm bài tập — gần như chưa bao giờ nghĩ đến "quy trình" hay "kỹ năng số" như một thứ có thể học có hệ thống được.

Sau khi hoàn thành 6 bài tập và xây dựng Portfolio này, mình nhận ra rằng kỹ năng số không chỉ là biết dùng phần mềm — mà là biết cách tổ chức tư duy, làm việc có cấu trúc, và đặt câu hỏi đúng cách khi dùng bất kỳ công cụ nào, kể cả AI.

Điều ngạc nhiên nhất với mình trong quá trình này không phải là những công cụ AI mạnh đến mức nào, mà là mình phải chủ động đến mức nào để khai thác chúng một cách thực sự hữu ích. AI tốt nhất không thay thế tư duy của mình — nó khuếch đại tư duy đó lên.

Phần 2: Kiến thức và kỹ năng quan trọng nhất đã học được

Kỹ năng kỹ thuật:

Tổ chức cấu trúc thư mục tối ưu và đặt tên tệp có hệ thống (Bài 1)

Tìm kiếm học thuật nâng cao trên Google Scholar, PubMed, IEEE Xplore; đánh giá nguồn tin theo tiêu chí cụ thể (Bài 2)

Kỹ thuật viết prompt: role-prompting, Chain-of-Thought, few-shot examples — và quan trọng hơn, hiểu tại sao mỗi kỹ thuật hoạt động (Bài 3)

Phối hợp nhóm với Trello, Google Docs (Suggesting mode, Version History), Google Drive, Discord (Bài 4)

Sử dụng và phối hợp nhiều công cụ AI tạo sinh: Claude, DALL-E 3, Canva AI (Bài 5)

Kỹ năng tư duy:

Biết đặt câu hỏi: "AI làm thay hay AI hỗ trợ?" — và chọn cách tiếp cận đúng trong từng tình huống

Tư duy phê phán khi đánh giá thông tin học thuật, không tin mù quáng vào bất kỳ nguồn nào

Hiểu trách nhiệm khi dùng AI trong học thuật: khai báo minh bạch, xác minh thông tin, giữ giọng nói cá nhân (Bài 6)

Phần 3: Điểm đáng tự hào nhất

Bài tập mình tự hào nhất là Bài 4 — Hợp tác trực tuyến.

Không phải vì nó kỹ thuật nhất, mà vì đó là lần đầu tiên mình thực sự chủ động trong một dự án nhóm thay vì chỉ đóng góp phần của mình rồi thôi. Mình thiết lập cấu trúc Google Docs cho cả nhóm, hướng dẫn bạn chưa quen dùng công cụ, và viết Phần 2 — phần kỹ thuật nhất — sao cho cả những người không học AI cũng đọc hiểu được.

Nhận ra rằng mình không chỉ làm tốt phần chuyên môn mà còn có thể hỗ trợ người khác tiếp cận được kiến thức đó — đó là điều mình cảm thấy có giá trị nhất sau dự án này.

Phần 4: Những thách thức và bài học

Thách thức 1 — Cân bằng giữa dùng AI và tự làm:
Lúc đầu mình có xu hướng hỏi AI quá sớm, trước khi tự suy nghĩ đủ. Sau một vài bài, mình xây dựng thói quen: tự phác thảo ý tưởng trước, rồi mới dùng AI để mở rộng hoặc kiểm tra. Sự khác biệt trong chất lượng output rõ rệt.

Thách thức 2 — Đánh giá nguồn tin học thuật:
Tìm tài liệu không khó — nhưng đánh giá xem tài liệu nào đáng tin, đáng đọc, và phù hợp với câu hỏi nghiên cứu thì mất nhiều thời gian hơn mình nghĩ. Bài 2 dạy mình cách có cấu trúc hơn trong việc này.

Thách thức 3 — Viết cho người không chuyên:
Khi viết Phần 2 về các thuật toán AI (CNN, LSTM, RL) trong dự án nhóm, mình phải học cách diễn đạt kỹ thuật phức tạp bằng ngôn ngữ đơn giản mà không mất đi độ chính xác. Đây là kỹ năng mình nghĩ sẽ cần rất nhiều trong tương lai.

Phần 5: Lời kết

Học phần VNU1001 không chỉ dạy mình cách dùng công cụ — nó dạy mình cách tiếp cận học tập trong thời đại AI: chủ động, có cấu trúc, và có trách nhiệm. Portfolio này là bằng chứng nhỏ cho hành trình đó, đồng thời là “mốc khởi đầu” để mình tiếp tục mở rộng sang những học phần và dự án tiếp theo.

Trong thời gian tới, mình muốn duy trì 3 thói quen:

Chuẩn hóa quy trình làm bài (từ thu thập nguồn, lập dàn ý, đến kiểm tra và trích dẫn).

Ghi lại quyết định và lý do (vì sao chọn công cụ/prompt/cách trình bày), để lần sau cải thiện nhanh hơn.

Giữ tính minh bạch khi dùng AI: dùng AI để hỗ trợ, nhưng vẫn đảm bảo phần tư duy và diễn đạt là của mình.

Cảm ơn các thầy cô và nhóm học tập đã đồng hành trong học kỳ này. Mình hy vọng portfolio này thể hiện được sự nghiêm túc của mình với kỹ năng số và cách học trong thời đại AI.