Thứ Hai, 16 tháng 2, 2026

DigComp 3.0: Khung năng lực số châu Âu. Phụ lục 2: Chuẩn đầu ra học tập của DigComp 3.0. CHUẨN ĐẦU RA HỌC TẬP. LĨNH VỰC 1: Tìm kiếm, đánh giá và quản lý thông tin


ANNEX 2: DIGCOMP 3.0 LEARNING OUTCOMES

A2.3 LEARNING OUTCOMES

COMPETENCE AREA 1: INFORMATION SEARCH, EVALUATION AND MANAGEMENT

Chuẩn đầu ra học tập cũng có sẵn ở định dạng bảng tính và dưới dạng bộ dữ liệu mở liên kết (Linked Open Data) ở định dạng JSON trên không gian web JRC-DigComp.

LĨNH VỰC NĂNG LỰC 1: TÌM KIẾM, ĐÁNH GIÁ VÀ QUẢN LÝ THÔNG TIN - Năng lực 1.1 Duyệt, tìm kiếm và lọc thông tin 

Quay lại Phần 3

Nhãn AI *: (1) AI-I: AI ngầm định (AI-Implicit); (2) AI-E: AI rõ ràng (AI-Explicit); (3) Not AI-I/AI-E: Không là AI ngầm định hoặc AI rõ ràng (AI not Implicit or Explicit). 

ID

Chuẩn đầu ra học tập

Mức thông thạo

Kiến thức, kỹ năng hay thái độ

Nhãn AI *

LO1.1.01

Nhận biết lợi ích của việc sử dụng các công cụ và phương pháp tìm kiếm kỹ thuật số khác nhau, tùy thuộc vào mục đích của mỗi người.

Cơ bản

Thái độ

AI-I

LO1.1.02

Hiểu rằng kết quả tìm kiếm phụ thuộc vào công cụ tìm kiếm kỹ thuật số được sử dụng và cách người dùng xác định từ khóa tìm kiếm.

Cơ bản

Kiến thức 

AI-I

LO1.1.03

Nhận biết rằng kết quả tìm kiếm có thể chứa thông tin không liên quan.

Cơ bản

Kiến thức

AI-I

LO1.1.04

Xác định các tính năng chính của các công cụ tìm kiếm kỹ thuật số truyền thống và do AI điều khiển thường được sử dụng.

Cơ bản

Kiến thức

AI-E

LO1.1.05

Sử dụng các công cụ tìm kiếm để thực hiện việc tìm kiếm thông tin cơ bản. 

Cơ bản

Kỹ năng

AI-I

LO1.1.06

Sử dụng các công cụ tìm kiếm để tinh chỉnh hoặc cập nhật các kết quả đầu ra hiện có.

Cơ bản

Kỹ năng

AI-I

LO1.1.07

Chủ động khám phá các công cụ tìm kiếm kỹ thuật số và chức năng tìm kiếm mới.

Trung bình

Thái độ

AI-I

LO1.1.08

Xác định các chiến lược mang lại kết quả hoặc đầu ra tìm kiếm kỹ thuật số phù hợp hơn.

Trung bình

Kiến thức

AI-I

LO1.1.09

Phân biệt giữa các kết quả hoặc đầu ra tìm kiếm kỹ thuật số phù hợp ít và nhiều hơn. 

Trung bình

Kiến thức

AI-I

LO1.1.10

Lựa chọn các công cụ tìm kiếm kỹ thuật số phù hợp với các nhu cầu thông tin. 

Trung bình

Kỹ năng

AI-I

LO1.1.11

Dịch các nhu cầu thông tin thành các truy vấn, lệnh hoặc câu lệnh tìm kiếm kỹ thuật số hiệu quả

Trung bình

Kỹ năng

AI-I

LO1.1.12

Áp dụng các chiến lược phù hợp để tinh chỉnh hoặc lọc kết quả hoặc đầu ra kỹ thuật số hiện có. 

Trung bình

Kỹ năng

AI-I

LO1.1.13

Khám phá liên tục các chức năng và tính năng của các công cụ tìm kiếm kỹ thuật số quen thuộc và mới. 

Cao

Thái độ

AI-I

LO1.1.14

Ưu tiên nâng cao khả năng tìm kiếm hiện có.

Cao

Thái độ

AI-I

LO1.1.15

Kết hợp các công cụ và chiến lược kỹ thuật số khác nhau để giải quyết các nhu cầu phức tạp về thông tin.

Cao

Kỹ năng

AI-I

LO1.1.16

Hỗ trợ người khác phát triển các khả năng tìm kiếm kỹ thuật số của họ. 

Cao

Kỹ năng

AI-I

LO1.1.17

Luôn cập nhật thông tin về những phát triển trong công nghệ tìm kiếm kỹ thuật số.

Chuyên gia

Thái độ

AI-I

LO1.1.18

Đánh giá và phân tích sự phát triển của công nghệ tìm kiếm kỹ thuật số trong một bối cảnh cụ thể để hỗ trợ việc ra quyết định.

Chuyên gia

Kỹ năng

AI-I

LO1.1.19

Kết hợp nhiều công cụ và chiến lược tìm kiếm kỹ thuật số khác nhau để đáp ứng nhu cầu thông tin phức tạp hoặc chuyên biệt.

Chuyên gia

Kỹ năng

AI-I

LO1.1.20

Hỗ trợ người khác thực hiện và tinh chỉnh các tìm kiếm phức tạp hoặc chuyên biệt trong môi trường kỹ thuật số. 

Chuyên gia

Kỹ năng

AI-I

LO1.1.21

Đóng góp vào việc cải tiến hoặc đưa ra các giải pháp mới cho các tìm kiếm phức tạp hoặc chuyên biệt trong môi trường kỹ thuật số.

Chuyên gia

Kỹ năng

AI-I

 

LĨNH VỰC NĂNG LỰC 1: TÌM KIẾM, ĐÁNH GIÁ VÀ QUẢN LÝ THÔNG TIN - Năng lực 1.2 Đánh giá thông tin

Quay lại Phần 3

ID

Chuẩn đầu ra học tập

Mức thông thạo

Kiến thức, kỹ năng hay thái độ

Nhãn AI *

L01.2.01

Nhận biết những lợi ích của việc tiếp cận thận trọng khi diễn giải thông tin và nội dung trong môi trường kỹ thuật số.

Cơ bản

Thái độ

Not AI-I/ AI-E

L01.2.02

Phân biệt giữa nguồn nội dung kỹ thuật số, và bản thân nội dung kỹ thuật số. 

Cơ bản

Kiến thức

AI-I

L01.2.03

Nhận biết một số nguồn và hệ thống thông tin kỹ thuật số có thể không đáng tin cậy. 

Cơ bản

Kiến thức

AI-I

L01.2.04

Nhận biết rằng có thể là khó để phân biệt giữa thông tin và nội dung do con người và các hệ thống AI tạo ra. 

Cơ bản

Kiến thức

AI-I

L01.2.05

Nhận biết ví dụ về các thông tin sai lệch, thông tin xuyên tạc và nguồn có thành kiến.

Cơ bản

Kiến thức

AI-I

L01.2.06

Nhận biết các ví dụ về ảnh hưởng của mạng xã hội và bong bóng lọc thông tin.

Cơ bản

Kiến thức

AI-I

L01.2.07

Thực hiện đánh giá sơ bộ về độ tin cậy và tính xác thực của các nguồn thông tin và nội dung kỹ thuật số.

Cơ bản

Kỹ năng

AI-I

L01.2.08

Nhận biết những lợi ích của việc đặt câu hỏi về độ tin cậy và tính xác thực của thông tin, nội dung và nguồn gốc của chúng trong môi trường kỹ thuật số.

Trung bình

Thái độ

AI-I

L01.2.09

Nhận biết những hậu quả tiềm tàng của thông tin sai lệch và thông tin xuyên tạc trong môi trường kỹ thuật số đối với bản thân và người khác.

Trung bình

Kiến thức

AI-I

L01.2.10

Mô tả các phương pháp xác định nguồn thông tin được tìm thấy trên trực tuyến. 

Trung bình

Kiến thức

AI-I

L01.2.11

Định nghĩa mục đích của các dịch vụ kiểm chứng thông tin. 

Trung bình

Kiến thức

AI-I

L01.2.12

Nhận biết các khái niệm và mục đích của việc phòng ngừa và bác bỏ tin đồn thất thiệt trong bối cảnh kỹ thuật số.

Trung bình

Kiến thức

AI-I

L01.2.13

Nhận biết rằng dữ liệu được sử dụng để huấn luyện các hệ thống AI và cách chúng được huấn luyện ảnh hưởng đến độ tin cậy của thông tin chúng cung cấp. 

Trung bình

Kiến thức

AI-E

L01.2.14

Nhận biết một số công nghệ kỹ thuật số, chẳng hạn như các các hệ thống AI, có thể hoạt động như một ‘hộp đen’, gây khó khăn cho việc giải thích vì sao hoặc cách để một kết quả đầu ra đã được tạo ra như thế nào. 

Trung bình

Kiến thức

AI-E

L01.2.15

Xác định các ví dụ về thành kiến của con người (nhận thức, cảm xúc) và thiên kiến của hệ thống trí tuệ nhân tạo (dữ liệu, huấn luyện) có liên quan đến việc tạo ra và diễn giải thông tin.

Trung bình

Kiến thức

AI-E

L01.2.16

Nhận biết rằng các hệ thống AI có thể tạo ra kết quả đầu ra không chính xác, ngay cả khi kết quả đó có vẻ hợp lý. 

Trung bình

Kiến thức

AI-E

L01.2.17

Cần nhận thức rằng con người sử dụng hệ thống AI chịu trách nhiệm kiểm tra chất lượng và tính xác thực của thông tin và nội dung được tạo ra.

Trung bình

Kiến thức

AI-E

L01.2.18

Nhận biết sự hiện diện của các chiến lược định hướng người dùng trong môi trường số như clickbait, nudging và gamification (xem Bảng thuật ngữ và định nghĩa).

Trung bình

Kiến thức

AI-I

L01.2.19

Áp dụng các chiến lược phòng ngừa và bác bỏ thông tin sai lệch để loại bỏ hoặc làm mất uy tín các nguồn và nội dung không đáng tin cậy trong môi trường kỹ thuật số.

Trung bình

Kỹ năng

AI-I

L01.2.20

Ứng phó hiệu quả với các chiến lược định hướng người dùng trong môi trường kỹ thuật số như clickbait, nudging và gamification (xem Bảng thuật ngữ và định nghĩa).

Trung bình

Kỹ năng

AI-I

L01.2.21

Đánh giá nghiêm túc độ tin cậy của các nguồn, thông tin và nội dung trong môi trường kỹ thuật số, có xét đến vai trò của hệ thống AI, hiệu ứng cá nhân hóa và các lợi ích thương mại hoặc khác.

Trung bình

Kỹ năng

AI-E

L01.2.22

Liên tục xem xét kỹ lưỡng cách thức các hệ thống AI, thành kiến và các lợi ích khác nhau định hình việc tạo ra, trình bày và diễn giải thông tin và nội dung trong môi trường kỹ thuật số.

Cao

Thái độ

AI-E

L01.2.23

Mô tả những hậu quả của cá nhân, xã hội và chính trị của thông tin sai lệch, thông tin xuyên tạc, các nguồn có sự thành kiến, ảnh hưởng của mạng xã hội và hiện tượng "bong bóng lọc thông tin".

Cao

Kiến thức

AI-I

L01.2.24

Mô tả các đặc điểm của công nghệ kỹ thuật số đáng tin cậy, ví dụ như hệ thống AI.

Cao

Kiến thức

AI-E

L01.2.25

Mô tả các phương pháp có thể được sử dụng để xác định sự giả mạo sâu (deep-fakes)

Cao

Kiến thức

AI-E

L01.2.26

Đánh giá kỹ lưỡng độ tin cậy và tính chính xác của nhiều nguồn, thông tin và nội dung khác nhau trong môi trường kỹ thuật số, có xem xét đến một loạt các yếu tố có thể gây ảnh hưởng.

Cao

Kỹ năng

AI-I

L01.2.27

Hỗ trợ người khác phát triển khả năng đánh giá độ tin cậy của các nguồn, thông tin và nội dung trong môi trường kỹ thuật số.

Cao

Kỹ năng

AI-I

L01.2.28

Thúc đẩy và hỗ trợ phát triển khả năng chống lại thông tin sai lệch và thông tin xuyên tạc trong môi trường kỹ thuật số ở các cá nhân và/hoặc nhóm.

Chuyên gia

Thái độ

AI-I

L01.2.29

Đánh giá và phân tích một cách có hệ thống các nguồn, thông tin và nội dung trong môi trường kỹ thuật số để hỗ trợ việc ra quyết định phức tạp.

Chuyên gia

Kỹ năng

AI-I

L01.2.30

Giúp người khác phát triển khả năng đánh giá có phản biện thông tin và nội dung trong môi trường kỹ thuật số.

Chuyên gia

Kỹ năng

AI-I

L01.2.31

Lãnh đạo hoặc đóng góp vào các sáng kiến hỗ trợ việc diễn giải chính xác dữ liệu, thông tin và nội dung trong môi trường kỹ thuật số.

Chuyên gia

Kỹ năng

AI-I

 

LĨNH VỰC NĂNG LỰC 1: TÌM KIẾM, ĐÁNH GIÁ VÀ QUẢN LÝ THÔNG TIN - Năng lực 1.3 Quản lý thông tin

Quay lại Phần 3

ID

Chuẩn đầu ra học tập

Mức thông thạo

Kiến thức, kỹ năng hay thái độ

Nhãn AI *

L01.3.01

Nhận biết lợi ích của việc quản lý và tổ chức thông tin trong môi trường kỹ thuật số. 

Cơ bản

Thái độ

Not AI-I/ AI-E

L01.3.02

Nắm vững các chức năng xóa, khôi phục và sao lưu dữ liệu. 

Cơ bản

Kiến thức

Not AI-I/ AI-E

L01.3.03

Xác định các thuộc đặc chính của các tệp và thư mục kỹ thuật số. 

Cơ bản

Kiến thức

Not AI-I/ AI-E

L01.3.04

Nhận biết một cách tổng quát khái niệm về dữ liệu. 

Cơ bản

Kiến thức

Not AI-I/ AI-E

L01.3.05

Tải xuống, lưu, truy xuất, di chuyển và xóa các tệp kỹ thuật số. 

Cơ bản

Kỹ năng

Not AI-I/ AI-E

L01.3.06

Tổ chức và định dạnh dữ liệu đơn giản trong một môi trường kỹ thuật số có cấu trúc, chẳng hạn như trong các bảng tính. 

Cơ bản

Kỹ năng

Not AI-I/ AI-E

L01.3.07

Cập nhật các mối liên hệ của bản thân, ví dụ như về điện thoại, thư điện tử hoặc mạng xã hội

Cơ bản

Kỹ năng

Not AI-I/ AI-E

L01.3.08

Nhận biết tầm quan trọng của việc quản lý cẩn thận và có đạo đức dữ liệu và thông tin trong môi trường kỹ thuật số. 

Trung bình

Thái độ

AI-I

L01.3.09

Nhận biết các tệp và thư mục kỹ thuật số có thể được đặt (đổi) tên và được tổ chức theo cách thức người dùng mong muốn. 

Trung bình

Kiến thức

Not AI-I/ AI-E

L01.3.10

Nhận biết các tệp kỹ thuật số có thể được lưu vào các nơi khác nhau (các thiết bị, bộ lưu trữ ngoài và các dịch vụ đám mây) và di chuyển được từ nơi này sang nơi khác. 

Trung bình

Kiến thức

Not AI-I/ AI-E

L01.3.11

Xác định các công cụ thu thập dữ liệu phổ biến và các chức năng chính của chúng. 

Trung bình

Kiến thức

AI-I

L01.3.12

Định nghĩa các trách nhiệm liên quan đến việc sử dụng các công cụ thu thập dữ liệu. 

Trung bình

Kiến thức

Not AI-I/ AI-E

L01.3.13

Xác định các dạng phổ biến của dữ liệu và các định dạng của chúng. 

Trung bình

Kiến thức

Not AI-I/ AI-E

L01.3.14

Áp dụng các quy ước đặt tên cho các tệp kỹ thuật số và cấu trúc phân cấp cho các thư mục kỹ thuật số. 

Trung bình

Kỹ năng

Not AI-I/ AI-E

L01.3.15

Quản lý, lưu và xóa các tệp trên các thiết bị kỹ thuật số, bộ lưu trữ ngoài, và các dịch vụ đám mây. 

Trung bình

Kỹ năng

Not AI-I/ AI-E

L01.3.16

Quản lý thông tin trong tài khoản kỹ thuật số của mình, chẳng hạn như thư điện tử. 

Trung bình

Kỹ năng

Not AI-I/ AI-E

L01.3.17

Sử dụng các công cụ thu thập dữ liệu cho việc xử lý một cách đơn giản dữ liệu và thông tin chẳng hạn như các bài trắc nghiệm, thăm dò ý kiến hoặc khảo sát.

Trung bình

Kỹ năng

AI-I

L01.3.18

Tổ chức và định dạng dữ liệu trong một môi trường kỹ thuật số có cấu trúc, chẳng hạn như trong các bảng tính. 

Trung bình

Kỹ năng

Not AI-I/ AI-E

L01.3.19

Áp dụng các công thức cơ bản cho dữ liệu trong một môi trường kỹ thuật số có cấu trúc, chẳng hạn như trong các bảng tính. 

Trung bình

Kỹ năng

Not AI-I/ AI-E

L01.3.20

Ưu tiên quản lý và xử lý dữ liệu và thông tin một cách có đạo đức và minh bạch trong môi trường kỹ thuật số. 

Cao

Thái độ

AI-I

L01.3.21

Cần lưu ý đến các nguồn gây lỗi hoặc thiếu chính xác tiềm ẩn trong việc quản lý và xử lý dữ liệu và thông tin trong môi trường kỹ thuật số.

Cao

Thái độ

AI-I

L01.3.22

Xác định các nguồn có thể gây lỗi hoặc không chính xác về thông tin hoặc dữ liệu trong môi trường kỹ thuật số. 

Cao

Kiến thức

AI-I

L01.3.23

Mô tả các bước chính trong việc quản lý, xử lý và phân tích thông tin và dữ liệu trong môi trường kỹ thuật số. 

Cao

Kiến thức

AI-I

L01.3.24

Mô tả các đặc điểm của dữ liệu mở (các ví dụ, các ứng dụng, lợi ích và hạn chế). 

Cao

Kiến thức

AI-I

L01.3.25

Mô tả các đặc điểm của dữ liệu lớn (các ví dụ, các ứng dụng, lợi ích và hạn chế). 

Cao

Kiến thức

AI-I

L01.3.26

Áp dụng các chức năng khác nhau để truyền tải và quản lý dữ liệu và thông tin trong môi trường kỹ thuật số. 

Cao

Kỹ năng

AI-I

L01.3.27

Sử dụng các công cụ và phương pháp kỹ thuật số khác nhau để thu thập và xử lý các dữ liệu và thông tin khác nhau. 

Cao

Kỹ năng

AI-I

L01.3.28

Áp dụng việc phân tích phù hợp thông tin và dữ liệu trong môi trường kỹ thuật số để đóng góp cho việc ra quyết định phức tạp. 

Cao

Kỹ năng

AI-I

L01.3.29

Trợ giúp người khác trong việc quản lý, xử lý và phân tích thông tin trong môi trường kỹ thuật số. 

Cao

Kỹ năng

AI-I

L01.3.30

Nhận biết tầm quan trọng của việc cấu trúc và ghi chép dữ liệu và thông tin trong môi trường kỹ thuật số vì lợi ích của người khác. 

Chuyên gia

Thái độ

Not AI-I/ AI-E

L01.3.31

Luôn cập nhật về những phát triển của công nghệ kỹ thuật số về quản lý và phân tích dữ liệu và thông tin.

Chuyên gia

Thái độ

AI-I

L01.3.32

Phát triển và triển khai các chiến lược cho việc quản lý, xử lý và phân tích dữ liệu và thông tin phức tạp và chuyên biệt trong môi trường kỹ thuật số. 

Chuyên gia

Kỹ năng

AI-I

L01.3.33

Sử dụng các công cụ và phương pháp khác nhau chẳng hạn như các kỹ thuật hoặc mô phỏng dữ liệu lớn để xử lý, quản lý hoặc phân tích dữ liệu phức tạp hoặc lượng lớn thông tin. 

Chuyên gia

Kỹ năng

AI-I

L01.3.34

Lãnh đạo hoặc đóng góp vào các sáng kiến hỗ trợ người khác trong quản lý, xử lý và phân tích thông tin và dữ liệu tiên tiến trong môi trường kỹ thuật số. 

Chuyên gia

Kỹ năng

AI-I

L01.3.35

Đóng góp vào việc cải tiến hoặc đưa ra các giải pháp mới cho việc quản lý, xử lý hoặc phân tích dữ liệu phức tạp trong môi trường kỹ thuật số.

Chuyên gia

Kỹ năng

AI-I


 

----------------

Thừa nhận:

Nội dung này được dịch từ tài liệu của Cosgrove, J. và Cachia, R., DigComp 3.0: Khung năng lực kỹ thuật số Châu Âu - Phiên bản thứ năm, Văn phòng Xuất bản của Liên minh Châu Âu, Luxembourg, 2025, https://data.europa.eu/doi/10.2760/0001149, JRC144121.

cc by logo

Giấy phép nội dung: CC BY 4.0 Quốc tế.

---------------------------

VỀ TRANG MỤC LỤC

---------------------------

Xem thêm:

Thứ Tư, 11 tháng 2, 2026

DigComp 3.0: Khung năng lực số châu Âu. Phụ lục 2: Chuẩn đầu ra học tập của DigComp 3.0. CÂN NHẮC THỰC HÀNH


ANNEX 2: DIGCOMP 3.0 LEARNING OUTCOMES

A2.2 PRACTICAL CONSIDERATIONS

Dựa trên kinh nghiệm áp dụng DigComp (ví dụ: Castañeda et al., 2023; Kluzer et al., 2020), việc điều chỉnh và tùy chỉnh các chuẩn đầu ra học tập của DigComp 3.0 – cùng với các phần khác của DigComp 3.0 – cho phù hợp với mục đích cụ thể là rất cần thiết. Một số bước được đề xuất để sử dụng các chuẩn đầu ra học tập của DigComp 3.0 được trình bày trong Hộp A2.

Hộp A2: Các bước và tài liệu tham khảo được đề xuất để triển khai các chuẩn đầu ra học tập của DigComp 3.0.

Các bước dưới đây là những gợi ý có thể được điều chỉnh cho các mục đích sử dụng cụ thể của chuẩn đầu ra học tập DigComp 3.0.

1. Xác định mục đích sử dụng chuẩn đầu ra học tập – đặc biệt là nếu việc sử dụng sẽ yêu cầu xem xét tất cả hoặc một tập hợp con của chúng. Ví dụ, nếu xem xét việc phát triển hoặc sửa đổi một khóa học năng lực kỹ thuật số cơ bản, người dùng có thể loại trừ ngay lập tức các mức thông thạo Cao và Chuyên gia. Hoặc, nếu sử dụng chuẩn đầu ra học tập để phát triển hồ sơ kỹ thuật số nghề nghiệp hoặc mô tả vai trò cho một công việc cụ thể, người ta có thể lọc ra các chuẩn đầu ra học tập cho các năng lực không liên quan để tập trung vào những năng lực có liên quan.

2. Xác định ai cần tham gia và ở giai đoạn nào. Kinh nghiệm của người dùng DigComp và công việc của Cedefop về chuẩn đầu ra học tập cho thấy rằng một sáng kiến liên quan đến chuẩn đầu ra học tập có nhiều khả năng thành công và có tác động hơn nếu tất cả các bên liên quan được tham gia đúng lúc và đúng mục đích.

3. Ngay từ đầu dự án, hãy xem xét lại khung DigComp 3.0 để những người tham gia làm quen với nó.

4. Tiến hành dịch các chuẩn đầu ra học tập và các phần khác của khung, nếu cần, tham khảo Bảng thuật ngữ và định nghĩa để đảm bảo các thuật ngữ phù hợp với ngôn ngữ địa phương và ngữ cảnh sử dụng.

5. Tùy chỉnh các chuẩn đầu ra học tập cho mục đích cụ thể. Khung DigComp 3.0 – bao gồm cả các chuẩn đầu ra học tập – được thiết kế chung chung, vì vậy gần như chắc chắn sẽ cần phải điều chỉnh. Việc tùy chỉnh có thể có nhiều hình thức – diễn đạt lại hoặc chi tiết hóa các chuẩn đầu ra học tập, loại bỏ các chuẩn đầu ra học tập không liên quan hoặc bổ sung thêm các chuẩn đầu ra học tập mới để bao gồm các chủ đề có liên quan đến sáng kiến. Nếu việc sử dụng liên quan đến việc phát triển các hoạt động giảng dạy và học tập, có thể xem xét các hoạt động “không cần máy tính” (unplugged) (ví dụ: Li et al., 2022).

6. Như đã nêu trong Phần 2.5, DigComp 3.0 bao gồm các chuẩn đầu ra học tập dự kiến, chứ không phải chuẩn đầu ra học tập đạt được. Nếu sáng kiến liên quan đến việc phát triển các chuẩn đầu ra học tập đạt được, thì phương pháp đo lường cần được xem xét. Một mặt, nếu sử dụng phương pháp hoàn toàn dựa trên kinh nghiệm, có nguy cơ các năng lực “mềm” hơn hoặc khó đo lường hơn sẽ bị đánh giá thấp hoặc bỏ qua. Các chuẩn đầu ra học tập mà không thể quan sát hoặc đo lường được một cách trực tiếp hoặc dễ dàng có thể quan trọng như những chuẩn đầu ra học tập có thể. Một cách tiếp cận cân bằng và nhạy cảm với bối cảnh đối với vấn đề này đã được khuyến nghị (Cedefop, 2022; Nhóm Dự án Europass, 2024).

7. Việc minh bạch về cách các chuẩn đầu ra học tập của DigComp 3.0 đã được sử dụng hoặc điều chỉnh là một thực hành tốt. Ví dụ, tỷ lệ bao phủ các chuẩn đầu ra học tập theo năng lực và mức thông thạo có thể mang lại sự minh bạch, tin cậy và uy tín cho một sáng kiến. Thường thấy hơn, việc ghi lại các điều chỉnh để phù hợp với mục đích cụ thể là một thực hành tốt.

8. Một số chuẩn đầu ra học tập, cũng như mô tả năng lực cho các mức thông thạo được trình bày trong Phần 3, được dán nhãn là AI-rõ ràng hoặc AI-ngầm định (xem Phần 2.6). Nên xem xét các chuẩn đầu ra học tập liên quan đến AI một cách toàn diện trong khung tổng thể.

Tài liệu tham khảo:

  • Tài liệu “Định nghĩa, viết và áp dụng chuẩn đầu ra học tập – Cẩm nang châu Âu (phiên bản thứ hai)” của Cedefop (2022) dành cho các cá nhân và tổ chức tham gia vào việc định nghĩa và viết chuẩn đầu ra học tập. Sách cung cấp các ví dụ cụ thể và tổng quan về các hướng dẫn và nghiên cứu hiện có. Cedefop (2024c) cũng đã phát triển một bộ dữ liệu về tài liệu hướng dẫn.

  • Hướng dẫn về đánh giá dựa trên công nghệ (phiên bản 1.1) của Ủy ban Kiểm định Quốc tế và Hiệp hội các Nhà xuất bản Kiểm định (2022) cung cấp hướng dẫn và các thực tiễn tốt nhất cho việc thiết kế, thực hiện, chấm điểm và sử dụng các bài đánh giá kỹ thuật số, bao gồm các chủ đề như tính hợp lệ, tính công bằng, khả năng tiếp cận, bảo mật và quyền riêng tư. Tài liệu bao gồm mô tả về các khái niệm đo lường cơ bản; một tập hợp các tuyên bố hướng dẫn; và các gợi ý để đọc thêm.

Nguồn: JRC tự biên soạn.

----------------

Thừa nhận:

Nội dung này được dịch từ tài liệu của Cosgrove, J. và Cachia, R., DigComp 3.0: Khung năng lực kỹ thuật số Châu Âu - Phiên bản thứ năm, Văn phòng Xuất bản của Liên minh Châu Âu, Luxembourg, 2025, https://data.europa.eu/doi/10.2760/0001149, JRC144121.

cc by logo

Giấy phép nội dung: CC BY 4.0 Quốc tế.

---------------------------

VỀ TRANG MỤC LỤC

---------------------------

Xem thêm: