XU HƯỚNG ỨNG DỤNG AI TRONG PHÁT TRIỂN KĨ NĂNG DẠY HỌC TOÁN CHO SINH VIÊN NGÀNH GIÁO DỤC TIỂU HỌC: PHÂN TÍCH TỔNG QUAN TRÊN SCOPUS (2015–2025)

Chu Vĩnh Quyên

doi:10.34238/tnu-jst.13278

XU HƯỚNG ỨNG DỤNG AI TRONG PHÁT TRIỂN KĨ NĂNG DẠY HỌC TOÁN CHO SINH VIÊN NGÀNH GIÁO DỤC TIỂU HỌC: PHÂN TÍCH TỔNG QUAN TRÊN SCOPUS (2015–2025)

Thông tin bài báo

Ngày nhận bài: 22/07/25 Ngày hoàn thiện: 26/03/26 Ngày đăng: 26/03/26

Các tác giả

Chu Vĩnh Quyên , Trường Đại học Sư phạm Hà Nội 2

Tóm tắt

Nghiên cứu này nhằm tổng quan các xu hướng ứng dụng trí tuệ nhân tạo (AI) trong phát triển kĩ năng dạy học toán cho sinh viên sư phạm tiểu học. Áp dụng phương pháp tổng quan tài liệu hệ thống theo quy trình PRISMA, chúng tôi đã sàng lọc 134 bài và lựa chọn 27 nghiên cứu tiêu biểu (giai đoạn 2015–2025) để phân tích. Đồng thời, chúng tôi đối chiếu sự phát triển các xu hướng theo từng giai đoạn nhỏ trong khoảng thời gian này và sử dụng công cụ MMAT để thẩm định chất lượng phương pháp luận của các nghiên cứu được chọn. Kết quả cho thấy có năm nhóm xu hướng chính trong ứng dụng AI vào dạy học toán tiểu học: (1) sử dụng AI để cá nhân hóa việc học và hỗ trợ học tập thích ứng; (2) AI đảm nhiệm vai trò “gia sư ảo” và trợ lý thiết kế kế hoạch dạy học; (3) tích hợp công nghệ thực tế ảo/tăng cường (VR/AR) và trò chơi vào dạy học toán; (4) nghiên cứu về nhận thức, thái độ của giáo viên và cách thức tích hợp AI hiệu quả vào giảng dạy; (5) ứng dụng AI hỗ trợ học sinh có nhu cầu đặc biệt và thúc đẩy giáo dục hòa nhập. Nghiên cứu kết luận rằng AI đang từng bước làm thay đổi diện mạo giáo dục toán tiểu học theo hướng cá nhân hóa, tương tác và bao hàm hơn. Hàm ý thực tiễn được rút ra là các chương trình đào tạo giáo viên cần cập nhật những xu hướng AI này, qua đó nâng cao năng lực của giáo viên tương lai trong việc vận dụng AI nhằm cải thiện chất lượng dạy học toán ở bậc tiểu học.

Từ khóa

Trí tuệ nhân tạo trong giáo dục; Kĩ năng dạy học toán; Đào tạo giáo viên tiểu học; Học tập thích ứng; Công nghệ giáo dục

Toàn văn:

PDF

Tài liệu tham khảo

[1] X. Song, J. Mak, and H. Chen, “Teachers and Learners’ Perceptions about Implementation of AI Tools in Elementary Mathematics Classes,” Sage Open, vol. 15, no. 2, Apr. 2025, doi: 10.1177/21582440251334545.

[2] M. A. Tashtoush, Y. Wardat, R. Al Ali, and S. Saleh, “Artificial Intelligence in Education: Mathematics Teachers’ Perspectives, Practices and Challenges,” Iraqi Journal for Computer Science and Mathematics, vol. 5, no. 1, Jan. 2024, doi: 10.52866/ijcsm.2024.05.01.004.

[3] T. Rutherford et al., “‘I just think it is the way of the future’: Teachers’ use of ChatGPT to develop motivationally-supportive math lessons,” Computers and Education: Artificial Intelligence, vol. 8, Jun. 2025, Art. no. 100367, doi: 10.1016/j.caeai.2025.100367.

[4] X. Huang and C. Qiao, “Enhancing Computational Thinking Skills Through Artificial Intelligence Education at a STEAM High School,” Sci. Educ. (Dordr)., vol. 33, no. 2, pp. 383–403, Apr. 2024, doi: 10.1007/s11191-022-00392-6.

[5] I. Molenaar, “The concept of hybrid human-AI regulation: Exemplifying how to support young learners’ self-regulated learning,” Computers and Education: Artificial Intelligence, vol. 3, 2022, Art. no. 100070, doi: 10.1016/j.caeai.2022.100070.

[6] N. Annuš and T. Kmeť, “Learn with M.E.—Let Us Boost Personalized Learning in K-12 Math Education!,” Educ. Sci. (Basel)., vol. 14, no. 7, Jul. 2024, Art. no. 773, doi: 10.3390/educsci14070773.

[7] P. K. Ataş, “Evaluate student achievement by classifying brain structure and its functionality with novel hybrid method,” Neural Comput. Appl., vol. 36, no. 7, pp. 3357–3368, Mar. 2024, doi: 10.1007/s00521-023-09031-9.

[8] V. Christou et al., “Performance and early drop prediction for higher education students using machine learning,” Expert Syst. Appl., vol. 225, Sep. 2023, Art. no. 120079, doi: 10.1016/j.eswa.2023.120079.

[9] A. S. Mohammad, M. T. S. Al-Kaltakchi, J. Alshehabi Al-Ani, and J. A. Chambers, “Comprehensive Evaluations of Student Performance Estimation via Machine Learning,” Mathematics, vol. 11, no. 14, Jul. 2023, Art. no. 3153, doi: 10.3390/math11143153.

[10] N. Naicker, T. Adeliyi, and J. Wing, “Linear Support Vector Machines for Prediction of Student Performance in School-Based Education,” Math. Probl. Eng., vol. 2020, pp. 1-7, Oct. 2020, doi: 10.1155/2020/4761468.

[11] J. A. Ali, A. H. Muse, M. K. Abdi, T. A. Ali, Y. H. Muse, and M. A. Cumar, “Machine learning-driven analysis of academic performance determinants: Geographic, socio-demographic, and subject-specific influences in Somaliland’s 2022–2023 national primary examinations,” International Journal of Educational Research Open, vol. 8, Jun. 2025, Art. no. 100426, doi: 10.1016/j.ijedro.2024.100426.

[12] S. Begum and S. S. Padmannavar, “Student Performance Analysis using Bayesian Optimized Random Forest Classifier and KNN,” International Journal of Engineering Trends and Technology, vol. 71, no. 5, pp. 132–140, May 2023, doi: 10.14445/22315381/IJETT-V71I5P213.

[13] S. Ruan et al., “Reinforcement learning tutor better supported lower performers in a math task,” Mach. Learn., vol. 113, no. 5, pp. 3023–3048, May 2024, doi: 10.1007/s10994-023-06423-9.

[14] H. Na, K. B. Staudt Willet, and C. Kim, “Investigating the impact of technologies on geometric learning in primary school: A comparison between marker‐based and markerless,” British Journal of Educational Technology, Mar. 2025, doi: 10.1111/bjet.13584.

[15] A. Vasalou, “Reflections on Personalized Games-Based Learning: How Automation Is Shaped Within Everyday School Practices,” IEEE Technology and Society Magazine, vol. 41, no. 2, pp. 64–67, Jun. 2022, doi: 10.1109/MTS.2022.3173314.

[16] Z. Mengmeng, H. Xiao, L. Xiangwei, and L. Linying, “Effects of Augmented Reality-Based Digital Mobile Game-Based Learning on the Engagement of Students,” International Journal of Interactive Mobile Technologies (iJIM), vol. 19, no. 06, pp. 90–102, Mar. 2025, doi: 10.3991/ijim.v19i06.53809.

[17] T. Wells and A. Auletto, “Factors Influencing Elementary School Teachers’ Modification of Adaptive Technologies to Personalize Student Learning,” Computers in the Schools, pp. 1–17, Apr. 2025, doi: 10.1080/07380569.2025.2485053.

[18] M. Modak, P. Gharpure, and M. Sasikumar, “Design of a Deep-Learning Model to Improve Learning Capabilities of LD Children via Statistical Modelling of Examination Behavioral Patterns,” International Journal of Modern Education and Computer Science, vol. 15, no. 3, pp. 55–69, Jun. 2023, doi: 10.5815/ijmecs.2023.03.05.

[19] P. R. Renjith and J. Jose, “Empowering Children with Special Needs (CwSN) in Computer Science: An Interactive Hand Gestures Approach to Number Conversion Teaching,” Journal of Educational Technology Development and Exchange, vol. 17, no. 2, pp. 254–274, 2024, doi: 10.18785/jetde.1702.12.

[20] A. M. Canonigo, “Levering AI to enhance students’ conceptual understanding and confidence in mathematics,” J. Comput. Assist. Learn., vol. 40, no. 6, pp. 3215–3229, Dec. 2024, doi: 10.1111/jcal.13065.

[21] Y. Qiu, J. Pan, and N. A. Ishak, “Effectiveness of Artificial Intelligence (AI) in Improving Pupils’ Deep Learning in Primary School Mathematics Teaching in Fujian Province,” Comput. Intell. Neurosci., vol. 2022, pp. 1–10, Sep. 2022, doi: 10.1155/2022/1362996.

[22] N. H. Quan et al., “The Mixed Methods Appraisal Tool (MMAT) version 2018 for information professionals and researchers,” Education for Information, vol. 34, no. 4, pp. 285–291, Dec. 2018, doi: 10.3233/EFI-180221.

[23] A. Boob and M. A. Radke, “2D Shape Detection for Solving Geometry Word Problems,” IETE J. Res., vol. 70, no. 6, pp. 5617–5632, Jun. 2024, doi: 10.1080/03772063.2023.2274914.

[24] G. Cosentino, J. Anton, K. Sharma, M. Gelsomini, M. Giannakos, and D. Abrahamson, “Generative AI and multimodal data for educational feedback: Insights from embodied math learning,” British Journal of Educational Technology, vol. 56, no. 5, pp. 1686–1709, Sep. 2025, doi: 10.1111/bjet.13587.

[25] J. Dong et al., “A Child-Robot Musical Theater Afterschool Program for Promoting STEAM Education: A Case Study and Guidelines,” Int. J. Hum. Comput. Interact., vol. 40, no. 13, pp. 3465–3481, Jul. 2024, doi: 10.1080/10447318.2023.2189814.

[26] M. Srivani and A. Murugappan, “Design of a Cognitive Knowledge Representation Model to Assess the Reasoning Levels of Primary School Children,” Expert Syst. Appl., vol. 231, Nov. 2023, Art. no. 120604, doi: 10.1016/j.eswa.2023.120604.

[27] S. Du, M. Sanmugam, and N. M. Mohd Barkhaya, “The Impact of Augmented Reality Storybooks on Children’s Reading Comprehension and Motivation,” International Journal of Interactive Mobile Technologies (iJIM), vol. 18, no. 24, pp. 100–114, Dec. 2024, doi: 10.3991/ijim.v18i24.50793.

[28] C. Mouza, R. Karchmer-Klein, R. Nandakumar, S. Yilmaz Ozden, and L. Hu, “Investigating the impact of an integrated approach to the development of preservice teachers’ technological pedagogical content knowledge (TPACK),” Comput. Educ., vol. 71, pp. 206–221, 2014, doi: 10.1016/j.compedu.2013.09.020.

[29] A. Jasni and J. Zulikha, “Applying Higher Order Thinking Skills in Digital Wayang Kulit,” Adv. Sci. Lett., vol. 21, no. 7, pp. 2195–2199, Jul. 2015, doi: 10.1166/asl.2015.6297.

[30] I. P. A. A. Payadnya, G. A. M. A. Putri, I. K. Suwija, S. Saelee, and I. G. A. N. T. Jayantika, “Cultural integration in AI-enhanced mathematics education: insights from Southeast Asian educators,” Journal for Multicultural Education, vol. 19, no. 1, pp. 58–72, Feb. 2025, doi: 10.1108/JME-09-2024-0119.

DOI: https://doi.org/10.34238/tnu-jst.13278

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ