Quiz tổng hợp & Chứng nhận hoàn thành — Teaching AI Fluency

Giới thiệu

Quiz này gồm 15 câu hỏi bao phủ toàn bộ nội dung 7 bài học của module "Teaching AI Fluency". Mục tiêu không phải là "pass/fail" — mà để bạn:

Cách làm:

Điểm chuẩn đề xuất:

• ✅ Kiểm tra mình đã nắm vững phần nào
• ✅ Phát hiện phần cần ôn lại trước khi đưa vào giảng dạy thật
• ✅ Củng cố kiến thức trước khi bắt đầu thực chiến với lớp học của bạn
• Đọc câu hỏi, suy nghĩ đáp án
• Check với đáp án + giải thích ở cuối bài
• Nếu sai: quay lại bài tương ứng (đã reference trong mỗi câu giải thích), đọc lại phần liên quan
• 14-15/15: 🏆 Thành thạo — sẵn sàng dạy AI Fluency cho đồng nghiệp
• 11-13/15: 🥈 Tốt — vài chủ đề cần ôn thêm trước khi vào lớp
• 8-10/15: 🥉 Khá — ôn lại các bài có câu sai trước khi giảng dạy
• 5-7/15: ⚠️ Cần review nhiều bài
• <5/15: 🔄 Nên review toàn bộ module từ đầu

Phần 1: Tổng quan & bốn cách tiếp cận (Câu 1-3)

Câu 1

Trong linear approach dạy AI Fluency, sinh viên đi qua 4Ds theo thứ tự nào?

A) Diligence → Delegation → Description → Discernment B) Description → Delegation → Diligence → Discernment C) Delegation → Description → Discernment → Diligence D) Discernment → Description → Delegation → Diligence

Câu 2

AI Fluency Framework được mô tả là có "dual nature". Hai bản chất đó là gì?

A) Introductory và Advanced B) Descriptive (mô tả thực tế) và Normative (định hướng thực hành tốt) C) Theoretical và Practical D) Individual và Collective

Câu 3

Sinh viên đã có trải nghiệm AI đáng kể và muốn học theo cách phản ánh "sự phức tạp thực tế của cộng tác với AI". Cách tiếp cận nào phù hợp nhất?

A) Linear approach — vì có cấu trúc rõ ràng B) Focused approach — vì đào sâu một competency C) Non-linear approach — vì cho phép bắt đầu ở bất kỳ D nào và nhảy qua lại D) Loại cả ba trên — chỉ dạy lý thuyết

Phần 2: Hai vòng lặp (Câu 4-6)

Câu 4

Vòng lặp Delegation-Diligence xử lý loại quyết định nào?

A) Moment-to-moment — viết prompt, đánh giá output cụ thể B) Strategic và ethical — big picture, "nên làm gì" và "trách nhiệm ra sao" C) Technical — chọn model AI cụ thể D) Cosmetic — định dạng và style của output

Câu 5

Trong vòng Description-Discernment, ba "lăng kính" (3 lenses) để nhìn cộng tác AI là gì?

A) Product, Process, Performance B) Planning, Prompting, Polishing C) Person, Place, Purpose D) Past, Present, Projected

Câu 6

Theo framework, khi sinh viên gặp ràng buộc Diligence (ví dụ: "tất cả AI use phải được label rõ"), điều gì nên xảy ra?

A) Sinh viên bỏ qua Delegation ban đầu và tập trung vào tuân thủ B) Delegation strategy phải được reshape để phù hợp với ràng buộc — constraints là creative catalysts C) Sinh viên nên chọn AI khác không bị ràng buộc D) Ràng buộc là limit; sinh viên chỉ cần làm tối thiểu để pass

Phần 3: Đánh giá năng lực (Câu 7-9)

Câu 7

Ba approach assessment được khóa học khuyến nghị kết hợp là gì?

A) Written, oral, visual B) Outcome-based, process-based, reflection-based C) Individual, peer, instructor D) Formative, summative, diagnostic

Câu 8

Hai sinh viên cùng nộp essay 8 trang về AI. Sinh viên A dùng ChatGPT một lần, sửa vài câu. Sinh viên B có 14-turn chat log với Claude, reflection 2 trang về process. Chỉ chấm final essay sẽ dẫn đến hậu quả gì?

A) Không có hậu quả — nếu essay đủ tốt thì vẫn OK B) Đánh giá AI thay vì đánh giá sinh viên; hai bài có thể cùng điểm dù process khác xa C) Sinh viên B bị thiệt vì đã làm nhiều hơn D) Sinh viên A bị thiệt vì thiếu reflection

Câu 9

Khi viết rubric đánh giá Discernment, indicator nào sau đây đúng theo best practice (observable, specific)?

A) "Student shows good understanding of AI limitations" B) "Student demonstrates effective evaluation of AI output" C) "Student rejects AI suggestion in chat log and cites specific reason why (e.g., factual error, tone mismatch, missing nuance)" D) "Student is a critical thinker"

Phần 4: Thiết kế bài tập (Câu 10-12)

Câu 10

Ba nguyên tắc thiết kế assignment cho AI Fluency là gì?

A) Speed, efficiency, volume B) Authenticity, iteration, pedagogical transparency C) Difficulty, length, complexity D) Theory, practice, theory

Câu 11

Assignment dạng "process playbook" — sinh viên xây own AI strategy guide — thuộc loại nào?

A) Outcome-based B) Process-based C) Reflection-based D) Không phải loại nào trong ba

Câu 12

Khi dạy 30 sinh viên với assignment AI-enhanced phức tạp (essay + chat log + diligence statement + reflection), chiến thuật nào KHÔNG được khuyến nghị để manage grading volume?

A) Detailed deliverable-based rubrics với checkpoints granular B) Self và peer review với proper guidance C) Lightning conferences 5 phút thay cho written feedback chi tiết D) Đọc từng từ của mọi chat log để không miss chi tiết nào

Phần 5: Ngành dạy & chuyên môn (Câu 13-15)

Câu 13

Theo framework, disruption của AI trên education KHÔNG có đặc điểm nào?

A) Uniform — tất cả ngành và mọi aspect đều bị tác động như nhau B) Varied across curriculum, pedagogy, và assessment C) Some disruptions là opportunities để leverage D) Some disruptions là problems để solve

Câu 14

Bài 13.6 bắt đầu với Discernment thay vì Delegation (thứ tự thông thường). Lý do chính là gì?

A) Discernment dễ nhất, nên teach trước B) Ability to judge quality là competency human-centric quan trọng nhất trong kỷ nguyên AI — sinh viên phải articulate "good" trước khi cộng tác effectively C) Framework đã lỗi thời, cần update thứ tự D) Ngẫu nhiên — không có lý do cụ thể

Câu 15

Mục tiêu tối thượng của khóa Teaching AI Fluency theo thông điệp cuối của khóa là gì?

A) Chuẩn bị sinh viên compete với AI B) Ban AI trong giáo dục để bảo vệ integrity C) Chuẩn bị sinh viên trở nên irreplaceable qua phát triển uniquely human capabilities (critical thinking, clear communication, wise collaboration, responsible action) D) Thay thế giáo viên bằng AI tutors

Đáp án & Giải thích

Phần 1: Tổng quan & bốn cách tiếp cận

Câu 1: C — Delegation → Description → Discernment → Diligence

Giải thích: Thứ tự linear (tuyến tính) là thứ tự "waterfall" mà nhiều giáo viên đã học framework lần đầu. Sinh viên mới cần cấu trúc này để build basic process. Thứ tự các D không phải ngẫu nhiên — nó phản ánh flow tự nhiên: quyết định có dùng AI không → truyền đạt cho AI → đánh giá output → chịu trách nhiệm.

Xem lại Bài 13.0, phần "Cách 1: Linear".

Câu 2: B — Descriptive và Normative

Giải thích: Descriptive = mô tả những gì THỰC SỰ xảy ra khi con người cộng tác với AI (quyết định, giao tiếp, đánh giá, trách nhiệm). Normative = hướng dẫn những gì NÊN LÀM để cộng tác hiệu quả, năng suất, đạo đức, an toàn. Hai bản chất này quan trọng vì sinh viên cần hiểu CẢ cách AI interactions hoạt động LẪN cách làm cho chúng tốt hơn.

Xem lại Bài 13.0, phần "AI Fluency Framework — Hai bản chất cần nhớ".

Câu 3: C — Non-linear approach

Giải thích: Non-linear thừa nhận rằng 4Ds là hệ thống interconnected, không phải chuỗi cố định. Sinh viên experienced hưởng lợi từ case-based learning, nơi họ bắt đầu ở bất kỳ D nào và nhảy qua lại theo nhu cầu. Linear quá rigid cho nhóm này; Focused đào sâu 1 competency nhưng miss tổng thể.

Xem lại Bài 13.0, phần "Cách 2: Non-linear".

Phần 2: Hai vòng lặp

Câu 4: B — Strategic và ethical — big picture

Giải thích: Delegation-Diligence xử lý "what am I trying to do? how should I divide work? which systems align with my values? how do I ensure responsible collaboration?" Đây là chiến lược và đạo đức — không phải moment-to-moment (đó là Description-Discernment).

Xem lại Bài 13.1, phần "Vòng lặp Delegation-Diligence là gì?".

Câu 5: A — Product, Process, Performance

Giải thích: Ba lăng kính của Description-Discernment:

Xem lại Bài 13.2, phần "Ba lăng kính: Product, Process, Performance".

Câu 6: B — Delegation strategy phải reshape; constraints là creative catalysts

Giải thích: Một insight quan trọng nhất của Delegation-Diligence loop là vòng chạy hai chiều. Khi ràng buộc Diligence xuất hiện, nó không phải rào cản — nó là creative catalyst giúp clarify và strengthen Delegation decisions. Sinh viên master loop này thấy accountability enhances agency, không restrict.

Xem lại Bài 13.1, phần "Chiều ngược: Diligence → Delegation" và "Constraints là creative catalysts".

Phần 3: Đánh giá năng lực

Câu 7: B — Outcome-based, process-based, reflection-based

Giải thích: Ba approach bổ sung nhau:

Kết hợp cả ba = complete picture. Thiếu một = miss signal quan trọng.

Xem lại Bài 13.3, phần "Ba cách nhìn, một bức tranh".

Câu 8: B — Đánh giá AI thay vì đánh giá sinh viên

Giải thích: Đây là câu hỏi khó nhất của dạy AI Fluency. Khi chỉ chấm final product, bạn không thể phân biệt sinh viên thật sự học từ sinh viên "outsource suy nghĩ". Cần mandatory process evidence (chat log) + reflection để assess fairly.

Xem lại Bài 13.3, phần "Câu hỏi khó nhất của dạy AI Fluency".

Câu 9: C — "Student rejects AI suggestion in chat log and cites specific reason why"

Giải thích: Đây là best practice. Indicator đúng phải observable (tôi thấy được trong student work) và specific (hai graders độc lập sẽ đồng ý). Các lựa chọn A, B, D dùng vague terms ("good understanding", "effective", "critical thinker") — không observable, không consistent grader-to-grader.

Xem lại Bài 13.3, phần "Anti-patterns — Dùng vague terms".

Phần 4: Thiết kế bài tập

Câu 10: B — Authenticity, Iteration, Pedagogical transparency

Giải thích:

Miss bất kỳ nguyên tắc nào, assignment dễ fail.

Xem lại Bài 13.4, phần "Ba nguyên tắc thiết kế".

Câu 11: B — Process-based

Giải thích: Process playbook documents HOW sinh viên work với AI cho different task types. Đó là evidence về process — iteration patterns, methodology, recovery strategies. Outcome là final product; reflection là metacognition. Playbook có thể có yếu tố reflection, nhưng primary focus là capturing process.

Xem lại Bài 13.4, phần "Variant C: Process playbooks".

Câu 12: D — Đọc từng từ của mọi chat log

Giải thích: Unsustainable. Với 30 sinh viên × nhiều artifacts = hundreds of pages. Reading every word → burnout + giảm chất lượng chấm.

Chiến thuật A, B, C đều được khuyến nghị. Thêm: selective sampling (read 20% full, skim 80%) + student-curated evidence (sinh viên flag 3 best moments).

Xem lại Bài 13.4, phần "Managing volume".

Phần 5: Ngành dạy & chuyên môn

Câu 13: A — Uniform — tất cả ngành và mọi aspect đều bị tác động như nhau

Giải thích: Đây là ngộ nhận phổ biến. Thực tế, disruption KHÔNG uniform. Curriculum của 1 ngành có thể stable trong khi assessment transform. Pedagogy có thể evolve trong khi curriculum unchanged. Distinguishing opportunities vs. problems dựa vào expertise của bạn về ngành.

Xem lại Bài 13.5, phần "Disruption không uniform".

Câu 14: B — Ability to judge quality là competency human-centric quan trọng nhất

Giải thích: Trong kỷ nguyên AI generating endless content, chỉ con người có thể judge "cái gì truly serves our goals and values". Sinh viên phải articulate "good" trong ngành của mình trước khi có thể cộng tác effectively với AI (hoặc với bất kỳ ai). Discernment là starting point, không phải ending point.

Xem lại Bài 13.6, phần "Starting Point: Discernment".

Câu 15: C — Chuẩn bị sinh viên trở nên irreplaceable

Giải thích: Thông điệp cuối của khóa:

Mục tiêu không phải compete với AI (đó là losing battle). Không phải ban AI (không thực tế). Không phải replace teachers (counterproductive). Mục tiêu là: phát triển uniquely human capabilities mà AI không thể thay thế.

Xem lại Bài 13.6, phần "The bigger picture — A closing note".

• Product: "Chúng ta đang tạo CÁI GÌ?" (output quality)
• Process: "Chúng ta tiếp cận công việc THẾ NÀO?" (methodology)
• Performance: "Chúng ta GIAO TIẾP với nhau ra sao?" (relationship dynamic)
• Outcome: Sinh viên TẠO RA gì qua AI collaboration?
• Process: Sinh viên WORK với AI thế nào theo thời gian?
• Reflection: Sinh viên TƯ DUY VỀ TƯ DUY thế nào?
• Authenticity: Mirror real-world AI collaboration, không artificial exercises
• Iteration: Build growth opportunities, không single-shot
• Pedagogical transparency: Sinh viên biết RÕ bạn đánh giá gì (process + reflection, không chỉ output)

Tính điểm của bạn

Bản đồ câu sai → Bài cần ôn lại

Tự đánh giá — Beyond multiple choice

Quiz chỉ test kiến thức lý thuyết. Kỹ năng thực sự được đánh giá qua thực hành. Tự đánh giá:

Practical skill checklist

☐ Tôi đã tạo Teaching Context document cho lớp của mình (Bài 13.0 exercise)

☐ Tôi đã thiết kế ít nhất 1 scenario cho Delegation-Diligence loop lesson (Bài 13.1)

☐ Tôi đã thiết kế ít nhất 1 scenario cho Description-Discernment loop lesson (Bài 13.2)

☐ Tôi đã tạo rubric 3-level cho 1 assignment cụ thể (Bài 13.3)

☐ Tôi đã design 1 complete assignment với đủ 3 deliverable types (outcome + process + reflection) (Bài 13.4)

☐ Tôi đã phân tích curriculum / pedagogy / assessment disruption pattern của ngành mình (Bài 13.5)

☐ Tôi đã draft position paper 1000+ từ về AI trong ngành mình (Bài 13.5)

☐ Tôi đã scheduled conversation với colleague(s) về discipline-specific 4Ds (Bài 13.6)

☐ Tôi đã articulate quality criteria cụ thể cho ngành mình, beyond vague terms

☐ Tôi đã tạo ethics matrix cho AI use trong ngành

☐ Tôi có personal AI use policy riêng cho course của mình

☐ Tôi đã pilot ít nhất 1 bài học với sinh viên/colleague và thu feedback

Điểm thực hành:

• 11-12 ☑: Sẵn sàng dạy full course
• 8-10 ☑: Sẵn sàng dạy với pilot nhỏ trước
• 5-7 ☑: Cần hoàn thành thêm exercises trước khi vào lớp
• <5 ☑: Review course + làm exercises là priority hàng đầu

Chứng nhận hoàn thành

Nếu bạn đạt:

…bạn đã hoàn thành khóa "Teaching AI Fluency" ở mức Ready to Teach.

Bạn có thể:

• ≥ 11/15 quiz VÀ
• ≥ 8/12 practical checklist
• 🎓 Share trên LinkedIn: "Completed Teaching AI Fluency — Anthropic Academy (Vietnamese adaptation)"
• 📚 Apply ngay vào lớp của mình semester này
• 👥 Recommend khóa học cho đồng nghiệp trong department
• 🚀 Lead workshop nội bộ về AI Fluency trong trường

Bước tiếp theo sau khóa học

Continued learning

Apply to your teaching

Community

Feedback cho khóa học này

Khóa học tinh chế tiếng Việt này sẽ improve liên tục nếu có feedback của bạn:

Feedback về khóa gốc: Share feedback here

• AI Fluency: Framework & Foundations — https://www.anthropic.com/ai-fluency (khóa gốc cho student-facing content)
• AI Fluency for Nonprofits — adaptation cho non-profit sector
• AI Fluency for Educators — student-facing version (cho sinh viên của bạn học trực tiếp)
• Khoá đầu tiên có AI Fluency: Dạy 1 module AI Fluency vào 1 lớp hiện có. Keep low-stakes. Observe.
• Iterate: Sau mỗi semester, update approach dựa trên student feedback.
• Scale: Sau khi confident, expand ra multiple lớp hoặc department-wide.
• Lead: Khi đã có trải nghiệm, share best practices với colleagues qua workshop, paper, conference talk.
• Join AI in Education communities (Facebook groups, Discord servers, LinkedIn groups có nhiều cộng đồng Việt Nam và global)
• Share position paper của bạn với peer educators — invite feedback
• Document your journey publicly (blog, Medium, Substack) — contributes to field
• Phần nào gây khó hiểu?
• Case study ngành nào còn thiếu?
• Prompt template nào bạn đã adapt và tìm thấy hiệu quả?
• Sai sót hoặc inaccuracy nào bạn phát hiện?

Lời kết

Khi bạn bước vào lớp học đầu tiên sau khóa này, vài điều đáng ghi nhớ:

Cảm ơn bạn đã cùng đi hành trình này.

(Bản tinh chế tiếng Việt cho cộng đồng giáo viên Việt Nam)

• Bạn không đi một mình — hàng triệu giáo viên khác cũng đang navigate thế giới AI-in-education mới. Framework này và kinh nghiệm từ Anthropic Academy cho bạn bản đồ, nhưng chính bạn là người đi con đường đó với sinh viên của mình.
• Sự khác biệt lớn nhất bạn tạo ra không phải là dạy đúng "tool". Mà là dạy sinh viên tư duy về tư duy (metacognition) — trong một thế giới nơi tư duy tốt trở nên quan trọng hơn bao giờ hết.
• Thông điệp cuối của source (Prof. Rick Dakan, Prof. Joseph Feller) rất rõ ràng (nguyên văn): "You're not preparing your students to be replaced by AI. You're preparing them to be irreplaceable."

Acknowledgments

This Vietnamese adaptation stays faithful to the source work under CC BY-NC-SA 4.0 license. Deep gratitude to:

Bản quyền gốc 2025 Rick Dakan, Joseph Feller, và Anthropic (CC BY-NC-SA 4.0). Bản tinh chế tiếng Việt 2026. Adapted for Vietnamese educator context.

• Prof. Rick Dakan (Ringling College of Art and Design) và Prof. Joseph Feller (University College Cork) — for the AI Fluency Framework foundation
• Anthropic Academy team (Zoe, Maggie Vo, Rick Dakan, Joe Feller) — for the teaching course
• National Forum for the Enhancement of Teaching and Learning (Ireland) + Higher Education Authority — for supporting the original course
• Cộng đồng giáo viên Việt Nam — đang build AI-literate next generation