Thông qua phương pháp tổng quan lý thuyết và phân tích chính sách, bài viết làm rõ bản chất của bước chuyển sang quản trị dựa trên dữ liệu, nhận diện các điểm nghẽn tư duy và xác lập những chiều chuyển đổi nhận thức cho đội ngũ lãnh đạo. Trên cơ sở đó, nghiên cứu đề xuất hệ thống giải pháp đồng bộ nhằm hiện thực hóa mô hình quản trị dựa trên dữ liệu tại các trường cao đẳng, góp phần nâng cao hiệu quả điều hành trong kỷ nguyên số.
1. Đặt vấn đề
Các trường cao đẳng đang đối mặt với nghịch lý: yêu cầu thích ứng linh hoạt với cách mạng công nghệ và AI nhưng vẫn trì trệ trong mô hình quản lý hành chính truyền thống, dựa trên trực giác và mệnh lệnh chủ quan. Trong khoa học giáo dục, Mandinach (2012, tr. 71) khẳng định "việc dựa vào các câu chuyện đơn lẻ, trực giác nghề nghiệp hoặc ý kiến chủ quan... không còn có thể chấp nhận được". Về mặt thể chế, Nghị quyết số 57-NQ/TW và Nghị quyết số 71-NQ/TW của Bộ Chính trị cùng Quyết định số 2222/QĐ-TTg và Quyết định số 2239/QĐ-TTg của Thủ tướng Chính phủ đều yêu cầu chuyển mạnh từ quản lý hành chính sang quản trị hiện đại dựa trên dữ liệu. Tuy nhiên, các nghiên cứu gần đây (như Đồng Văn Ngọc, 2021, tr. 44-48; Đinh Văn Đệ, 2023, tr. 313-318) chủ yếu tập trung vào hạ tầng và số hóa học liệu, chưa bàn sâu sự chuyển dịch hệ tư duy lãnh đạo. Do vậy, nghiên cứu này đi sâu giải quyết ba vấn đề cơ bản: bản chất lý thuyết quản trị dựa trên dữ liệu, tác động điều hành của AI, và giải pháp chuyển đổi tư duy lẫn thể chế cho đội ngũ lãnh đạo ở các trường cao đẳng Việt Nam.
2. Nội dung nghiên cứu
2.1. Cơ sở lý luận về sự dịch chuyển từ quản lý hành chính sang quản trị dựa trên dữ liệu
Trong khoa học hành chính công, Osborne (2006, tr. 377) chỉ ra sự tiến hóa qua ba giai đoạn: mô hình hành chính công truyền thống (từ cuối thế kỷ XIX đến cuối thập niên 1970), giai đoạn quá độ của quản lý công mới, và tiến tới hệ hình quản trị công mới từ đầu thế kỷ XXI. Theo Osborne (2006, tr. 383-384), mô hình hành chính công truyền thống dựa trên cấu trúc thứ bậc dọc, tuân thủ máy móc quy tắc hành chính và tách biệt cứng nhắc giữa hoạch định và thừa hành. Ngược lại, quản trị công mới tiếp thu xã hội học tổ chức và lý thuyết mạng lưới để xem tổ chức nằm trong cấu trúc đa trung tâm, đa nguyên và phụ thuộc lẫn nhau. Trọng tâm chuyển từ kiểm soát đầu vào hành chính sang quản trị mối quan hệ liên tổ chức và quy trình vận hành, lấy hiệu lực phục vụ và kết quả đầu ra làm thước đo cốt lõi (Osborne, 2006, tr. 384).
Tại Việt Nam, Nguyễn Thị Thu Hường (2021, tr. 560-567) đã phân định rõ: quản lý gắn liền với cơ chế tác động đơn tuyến từ trên xuống thông qua mệnh lệnh hành chính và kiểm tra tuân thủ, trong khi quản trị đòi hỏi phối hợp đa chủ thể dựa trên đồng thuận, phân bổ quyền hạn gắn với trách nhiệm giải trình minh bạch và tối ưu hóa nguồn lực. Đối với trường cao đẳng, nếu quản lý hành chính biến nhà trường thành đơn vị sự nghiệp khép kín thực thi chỉ tiêu qua báo cáo thủ tục, thì quản trị hiện đại định vị nhà trường là hạt nhân của mạng lưới tri thức và kỹ năng nghề liên tổ chức, nơi nhà trường, doanh nghiệp, hiệp hội và người học cùng đồng kiến tạo chuẩn năng lực và giá trị đầu ra.
Sự dịch chuyển từ điều hành dựa trên mệnh lệnh thứ bậc sang điều hành dựa trên phối hợp mạng lưới và kết quả đầu ra tất yếu đòi hỏi một ngôn ngữ chung mang tính khách quan để thay thế cho kinh nghiệm cá nhân rời rạc, và đó chính là cơ sở ra đời của lý thuyết ra quyết định dựa trên dữ liệu trong giáo dục (thường gọi là DDDM hoặc DBDM). Theo định nghĩa của Marsh et al. (2006, tr. 1), ra quyết định dựa trên dữ liệu trong giáo dục (DDDM) là quá trình giảng viên, hiệu trưởng và nhà quản lý thu thập, phân tích có hệ thống nhiều loại dữ liệu nhằm dẫn dắt quyết định cải tiến thành công của người học và nhà trường. Cần nhấn mạnh rằng phạm vi tác động của DDDM vượt xa phạm trù thống kê điểm số thi cử trên lớp. Mandinach (2012, tr. 77) khẳng định dữ liệu phải đồng thời soi chiếu vào việc thiết kế và điều chỉnh chương trình đào tạo, bố trí và phát triển đội ngũ, phân bổ nguồn lực tài chính, quản trị nhân sự và hoạch định chính sách nội bộ của cơ sở giáo dục. Đối với trường cao đẳng, nơi chi phí vận hành máy móc thực hành, vật tư tiêu hao và biến động nhu cầu tuyển dụng theo chu kỳ kinh tế đòi hỏi độ chính xác tài chính và học thuật rất cao, việc thu hẹp dữ liệu vào bảng điểm cuối kỳ sẽ làm mất đi giá trị chiến lược của quản trị dữ liệu.
Về cơ chế chuyển hóa, Marsh (2006, tr. 3) xây dựng khung ba tầng: dữ liệu thô được tổng hợp thành thông tin có cấu trúc, rồi chuyển hóa thành tri thức hành động thông qua phán đoán chuyên môn. Hệ thống dữ liệu phải bao trùm bốn nhóm cấu phần: dữ liệu đầu vào, dữ liệu quá trình, dữ liệu đầu ra và dữ liệu mức độ hài lòng (Marsh, 2006, tr. 3). Khuyết thiếu bất kỳ nhóm nào sẽ khiến nhà quản lý không thể giải thích nguyên nhân gốc rễ của biến động chất lượng.
Mặc dù tiềm năng lớn, thực tiễn quốc tế chỉ ra nhiều cạm bẫy. Marsh (2006, tr. 1-18) cảnh báo nghịch lý trong biển dữ liệu quá tải nhưng thiếu năng lực hành động, đồng thời sa đà vào kết quả thi cử tổng kết mà bỏ qua dữ liệu quá trình và đầu vào. Schildkamp (2019, tr. 257) chỉ rõ việc thu hẹp dữ liệu vào bài kiểm tra tổng kết phục vụ giải trình hành chính làm thui chột khả năng cải tiến từ đánh giá quá trình, dữ liệu lớp học và dữ liệu lớn. Mandinach và Schildkamp (2021) nhấn mạnh DDDM là chu trình tìm tòi chuyên môn lặp đi lặp lại, chịu chi phối bởi năng lực cá nhân, cấu trúc tổ chức và phong cách lãnh đạo.
Điểm nút quyết định nằm ở quá trình kiến tạo ý nghĩa tập thể và năng lực dữ liệu sư phạm. Schildkamp (2019, tr. 265) yêu cầu gắn kết dữ liệu với tính liên thông chương trình, kiểm tra đánh giá và thực hành sư phạm thông qua đối thoại chuyên môn. Mandinach và Gummer (2016, tr. 366-376) phân biệt năng lực đánh giá với năng lực dữ liệu sư phạm, đòi hỏi kết hợp chuyên môn ngành, xử lý đa nguồn dữ liệu và đạo đức nghề nghiệp. Marsh và Farrell (2015, tr. 269-289) chứng minh người đứng đầu phải trực tiếp xây dựng năng lực tổ chức thay vì chỉ cấp tài khoản phần mềm.
Đặc biệt, lý thuyết hiện đại cảnh giác trước nguy cơ tha hóa của quản trị số liệu. Datnow và Park (2014, tr. 22) chỉ ra rằng khi lãnh đạo thiếu tầm nhìn công bằng và chạy theo chỉ số thành tích, dữ liệu dễ bị lạm dụng để phân luồng cứng nhắc hoặc dồn nguồn lực vào nhóm sinh viên sát ngưỡng đạt chuẩn nhằm đẹp báo cáo, bỏ mặc nhóm yếu thế. Do đó, quản trị dựa trên dữ liệu không phải sự thay thế phán đoán sư phạm bằng thuật toán, mà là sự tích hợp kỷ luật giữa bằng chứng đa chiều, kiến tạo ý nghĩa dân chủ và trách nhiệm đạo đức đối với sự tiến bộ của mọi người học.
2.2. Bối cảnh kỷ nguyên AI và thực trạng bất cập trong tư duy quản lý tại các trường cao đẳng Việt Nam
Bước sang kỷ nguyên trí tuệ nhân tạo, sự phát triển của phân tích học tập thông minh, máy học dự báo và trí tuệ nhân tạo tạo sinh đã thay đổi về chất hạ tầng công nghệ phục vụ quản trị nhà trường. Trong tài liệu hướng dẫn toàn cầu, Miao (2021, tr. 15) chỉ ra rằng AI giúp nâng cấp các hệ thống thông tin quản lý giáo dục từ kho lưu trữ hồ sơ tĩnh thành dòng chảy dữ liệu năng động, nhạy bén với biến động kinh tế - xã hội, đồng thời cá nhân hóa học tập thông qua hệ thống dạy học thông minh.
Đối với trường cao đẳng, Ifenthaler (2021, tr. 161-172) nhấn mạnh vai trò của phân tích học tập như hạ tầng trí tuệ giúp ban giám hiệu giám sát tiến độ theo thời gian thực, vận hành cơ chế cảnh báo sớm nguy cơ bỏ học và tối ưu hóa nguồn lực. Việc tích hợp dữ liệu chuyên cần, tương tác trực tuyến, vận hành thiết bị thực hành và khảo sát tâm lý giúp phát hiện sớm dấu hiệu suy giảm gắn kết học tập. Bên cạnh đó, các công cụ AI phân tích dữ liệu thị trường lao động còn giúp nhà trường nhận diện kịp thời cụm kỹ năng nghề mới nổi tại các khu công nghiệp, rút độ trễ điều chỉnh chương trình.
Tuy nhiên, Miao và Holmes (2023) cùng Miao và Cukurova (2024) cảnh báo rủi ro hệ thống từ trí tuệ nhân tạo tạo sinh, bao gồm rò rỉ quyền riêng tư, ảo giác thông tin, xói mòn liêm chính học thuật và nguy cơ khuếch đại định kiến nếu thiếu kiểm định đạo đức và sư phạm.
Tại Việt Nam, định hướng chiến lược đã được thể chế hóa tương đối đồng bộ. Quyết định số 2222/QĐ-TTg của Thủ tướng Chính phủ (2021a) phê duyệt Chương trình chuyển đổi số trong giáo dục nghề nghiệp yêu cầu phát triển cơ sở dữ liệu đồng bộ, kết nối qua trung tâm thông tin tích hợp và số hóa toàn diện hoạt động tuyển sinh, đào tạo. Cùng lúc, Chiến lược phát triển giáo dục nghề nghiệp tại Quyết định số 2239/QĐ-TTg đặt mục tiêu bồi dưỡng kỹ năng quản trị hiện đại cho khoảng 80% cán bộ quản lý (Thủ tướng Chính phủ, 2021b). Đặc biệt, Nghị quyết số 57-NQ/TW (Bộ Chính trị, 2024) và Nghị quyết số 71-NQ/TW (Bộ Chính trị, 2025) nâng các yêu cầu này thành đột phá thể chế, yêu cầu bảo đảm quyền tự chủ toàn diện cho cơ sở giáo dục và chuyển mạnh từ quản lý hành chính sang kiến tạo phát triển và quản trị hiện đại.
Mặc dù có hành lang chính sách tiến bộ, thực tiễn điều hành tại nhiều trường cao đẳng vẫn bị kìm hãm bởi bốn bất cập:
Thứ nhất, số hóa hình thức nhưng chưa chuyển đổi mô hình: Nhiều trường mua sắm phần mềm nhưng chỉ dùng để điện tử hóa biểu mẫu giấy tờ phục vụ thống kê báo cáo định kỳ. Như Đồng Văn Ngọc (2021, tr. 44-48) chỉ ra, chuyển đổi số đòi hỏi khai thác AI và phân tích dữ liệu lớn để đổi mới phương thức tổ chức dạy học và điều hành, thay vì tạo thêm gánh nặng nhập liệu cho giảng viên.
Thứ hai, phân mảnh dữ liệu và tâm lý cục bộ: Thực tiễn nghiên cứu tại các cơ sở giáo dục (Đinh Văn Đệ, 2023, tr. 313-318; Nguyễn Hoài Nam, 2024, tr. 18-22) cho thấy dữ liệu tuyển sinh, đào tạo, vật tư xưởng thực hành, tài chính và quan hệ doanh nghiệp bị chia cắt giữa các phòng ban do tư duy quản lý khép kín, khiến ban giám hiệu không thể nhìn thấy mối tương quan nhân quả xuyên suốt.
Thứ ba, ra quyết định theo kinh nghiệm chủ quan và e ngại minh bạch: Quyền lực quản lý gắn liền với thâm niên và độc quyền thông tin khiến nhiều đơn vị e ngại dữ liệu thời gian thực vạch trần điểm yếu như tỷ lệ bỏ học cao hay hiệu suất khai thác thiết bị thấp. Tâm lý phòng vệ này tái diễn hiện tượng làm đẹp chỉ số bề mặt từng được Marsh (2006, tr. 1-18) và Datnow và Park (2014, tr. 22) cảnh báo.
Thứ tư, khoảng trống năng lực đọc hiểu dữ liệu và thẩm định AI: Đội ngũ lãnh đạo xuất thân từ chuyên môn kỹ thuật thiếu đào tạo bài bản về phân tích dữ liệu và quản trị rủi ro thuật toán. Các đợt tập huấn ngắn hạn không thể thay thế năng lực thực chất (Marsh, 2006, tr. 1-18; Mandinach & Gummer, 2016, tr. 366-376), dẫn đến tình trạng lệ thuộc vào bộ phận công nghệ thông tin hoặc chấp nhận mù quáng các sai lệch từ phần mềm AI.
2.3. Yêu cầu chuyển đổi tư duy lãnh đạo tại các trường cao đẳng trong kỷ nguyên AI
Những bất cập hiện nay chứng minh rằng điểm nghẽn cốt lõi cản trở các trường cao đẳng chuyển sang quản trị hiện đại nằm ở hệ tư duy lãnh đạo hình thành từ cơ chế quản lý hành chính cũ. Để thực hiện thành công bước chuyển sang quản trị dựa trên dữ liệu và hiện thực hóa Nghị quyết số 71-NQ/TW, đội ngũ lãnh đạo cần tiến hành đồng thời bốn cuộc chuyển đổi tư duy sau đây:
Một là, chuyển từ tư duy mệnh lệnh và tuân thủ quy trình sang tư duy kiến tạo hệ sinh thái lấy người học và thị trường lao động làm trung tâm.
Trong hệ hình quản lý cũ, lãnh đạo trường cao đẳng thường định vị vai trò là người chấp hành văn bản, điều hành bằng quy chế cứng nhắc. Tuy nhiên, dưới áp lực tái cấu trúc công nghệ của kỷ nguyên AI, tốc độ biến đổi chuẩn kỹ năng nghề diễn ra nhanh hơn chu kỳ sửa đổi giáo trình hành chính. Dựa trên lý thuyết quản trị công mới về cấu trúc đa trung tâm (Osborne, 2006, tr. 383-384) và tinh thần kiến tạo phát triển của Nghị quyết số 71-NQ/TW (Bộ Chính trị, 2025), người đứng đầu phải chuyển sang tư duy kiến tạo hệ sinh thái mở. Tư duy này đòi hỏi phá bỏ ranh giới khép kín để xây dựng mạng lưới đồng kiến tạo giá trị giữa nhà trường, doanh nghiệp, hiệp hội và người học. Toàn bộ dòng chảy dữ liệu từ nhu cầu tuyển dụng, công suất xưởng thực hành đến phản hồi thực tập phải được kết nối xoay quanh hành trình phát triển năng lực của sinh viên, qua đó biến quyền tự chủ thành năng lực cạnh tranh thực chất.
Hai là, chuyển từ tư duy kinh nghiệm và cảm tính sang tư duy ra quyết định dựa trên bằng chứng đa chiều và phân tích dự báo.
Phương thức ra quyết định dựa trên trực giác cá nhân và số liệu năm trước không thể kiểm soát được tính phức hợp của giáo dục hiện đại (Mandinach, 2012, tr. 71). Lãnh đạo cao đẳng cần thiết lập kỷ luật quản trị dựa trên bằng chứng thực nghiệm và năng lực dự báo chủ động, kết hợp khung dữ liệu bốn nhóm (Marsh et al., 2006, tr. 3) với phân tích học tập (Ifenthaler, 2021, tr. 16-172). Nhận thức quản trị phải vượt qua câu hỏi mô tả sự cố quá khứ để tiến tới phân tích chẩn đoán nguyên nhân cấu trúc và dự báo xu hướng. Nhờ các thuật toán phân tích dữ liệu học tập và thị trường lao động, nhà quản lý có thể nhận diện sớm sinh viên có nguy cơ gián đoạn học tập để can thiệp hỗ trợ kịp thời, tối ưu hóa ngân sách và nâng cao tỷ lệ hoàn thành khóa học có việc làm bền vững.
Ba là, chuyển từ tư duy công nghệ là công cụ hành chính sang tư duy hợp tác người và trí tuệ nhân tạo có trách nhiệm, nhân văn.
Sự bùng nổ của AI tạo sinh đặt ra rủi ro rơi vào hai thái cực: xem nhẹ AI như tiện ích văn phòng hoặc phó mặc hoàn toàn đánh giá con người cho thuật toán, đi ngược lại nguyên lý phát triển AI lấy con người làm trung tâm của UNESCO (Miao, 2021; Miao & Holmes, 2023). Theo Ifenthaler (2021, tr. 161-172), AI chỉ đóng vai trò cung cấp thông tin hỗ trợ chứ không thay thế phán đoán chuyên môn và đạo đức. Lãnh đạo nhà trường phải xây dựng tư duy hợp tác dựa trên trách nhiệm giải trình: khai thác sức mạnh AI để xử lý dữ liệu phi cấu trúc như nhật ký thực tập hay phản hồi mở, nhưng đồng thời giữ thái độ phản biện, kiểm tra chất lượng đầu vào, ngăn chặn thiên lệch và bảo vệ quyền riêng tư. AI chỉ là trợ lý phân tích, còn quyết định cuối cùng phải đi qua bộ lọc đạo đức nghề nghiệp và sự thấu cảm sư phạm (Datnow & Park, 2014, tr. 22; Miao & Cukurova, 2024).
Bốn là, chuyển từ tư duy tập quyền khép kín sang tư duy lãnh đạo phân quyền, minh bạch và học tập tổ chức.
Quản trị dựa trên dữ liệu sẽ bế tắc nếu quyền truy cập và phân tích thông tin bị khóa chặt tại phòng hành chính. Schildkamp (2019, tr. 257-273) cùng Marsh và Farrell (2015, tr. 269-289) chứng minh dữ liệu chỉ chuyển hóa thành động lực cải tiến khi được thảo luận trong các nhóm chuyên môn trên nền tảng tin cậy, đối thoại phản tư và học tập tổ chức, thay vì biến thành công cụ thanh tra trừng phạt. Hiệu trưởng phải tái định nghĩa vai trò từ người kiểm soát thông tin thành người kiến tạo môi trường an toàn tâm lý. Khi khoa, bộ môn và giảng viên được cấp quyền truy cập dữ liệu theo thời gian thực và được khuyến khích phân tích thẳng thắn các chỉ số yếu kém mà không sợ chế tài máy móc, nội lực tự hoàn thiện từ cơ sở sẽ được khơi dậy, tạo tiền đề vững chắc cho giải trình minh bạch ra xã hội.
2.4. Hệ thống giải pháp hiện thực hóa mô hình quản trị dựa trên dữ liệu tại các trường cao đẳng
Sự chuyển đổi tư duy lãnh đạo dù sâu sắc đến đâu vẫn có nguy cơ dừng lại ở khẩu hiệu nếu không được thể chế hóa thành hạ tầng kỹ thuật đồng bộ, năng lực nhân sự cụ thể, quy trình nghiệp vụ chuẩn hóa và hệ thống động lực tổ chức phù hợp. Trên cơ sở tích hợp bốn chiều chuyển đổi nhận thức đã xác lập ở trên với khung chính sách chuyển đổi số giáo dục nghề nghiệp tại Việt Nam, các trường cao đẳng cần triển khai đồng bộ bốn giải pháp cơ bản sau đây.
Một là, kiến trúc lại hạ tầng dữ liệu liên thông và thiết lập cơ chế quản trị dữ liệu và trí tuệ nhân tạo cấp trường.
Để chấm dứt tình trạng phân mảnh, nhà trường cần xây dựng chiến lược kiến trúc dữ liệu tổng thể với một kho dữ liệu dùng chung hợp nhất theo Quyết định số 2222/QĐ-TTg (Thủ tướng Chính phủ, 2021a). Kho dữ liệu này sử dụng mã định danh thống nhất, kết nối xuyên suốt bốn dòng dữ liệu gồm đầu vào, quá trình, đầu ra và mức độ hài lòng (Marsh et al., 2006, tr. 3). Song song đó, việc thành lập Ủy ban Quản trị Dữ liệu và AI cấp trường theo khuyến nghị quốc tế (Miao et al., 2021; Ifenthaler, 2021, tr. 161-172) đóng vai trò ban hành bộ quy chuẩn làm sạch, phân quyền truy cập an toàn và thẩm định đạo đức sư phạm trước khi đưa các mô hình AI vào vận hành (Miao & Holmes, 2023).
Hai là, triển khai chương trình phát triển năng lực dữ liệu và trí tuệ nhân tạo phân tầng theo vị trí việc làm.
Công tác bồi dưỡng năng lực số theo Quyết định số 2222/QĐ-TTg và 2239/QĐ-TTg (Thủ tướng Chính phủ, 2021a, 2021b) được thiết kế phân tầng sâu sắc. Tầng chiến lược (hội đồng trường, ban giám hiệu) tập trung vào kiến trúc dữ liệu và quản trị rủi ro thuật toán (Ifenthaler, 2021; Miao & Holmes, 2023); tầng trung cấp (trưởng khoa, phòng) tập trung vào thiết kế chỉ số đo lường quá trình và điều phối đối thoại (Schildkamp, 2019; Marsh & Farrell, 2015); tầng trực tiếp (giảng viên, cố vấn) phát triển năng lực dữ liệu sư phạm (Mandinach & Gummer, 2016). Các trường áp dụng mô hình học tập hành động qua các nhóm tìm tòi dữ liệu liên phòng khoa để giải quyết các bài toán thực tiễn (Schildkamp, 2019; Marsh & Farrell, 2015).
Ba là, chuẩn hóa quy trình ra quyết định dựa trên dữ liệu đa chiều và phản hồi vòng kín.
Nhà trường thiết lập chu trình ra quyết định năm bước thống nhất: xác định vấn đề, truy xuất đa nguồn dữ liệu, đối thoại kiến tạo ý nghĩa, triển khai can thiệp, và đánh giá hiệu quả (Marsh et al., 2006, tr. 3; Schildkamp, 2019, tr. 257-273). Trong đó, khâu đối thoại ở bước thứ ba đóng vai trò cốt lõi nhằm giải mã ngữ cảnh đằng sau con số, tránh lạm dụng thuật toán lạnh lùng (Datnow & Park, 2014, tr. 22). Chẳng hạn, khi dữ liệu báo cáo biến động sĩ số, nhà trường phải kết hợp phân tích nhu cầu vùng, đối sánh chương trình và khảo sát định tính để tìm nguyên nhân gốc rễ trước khi đưa ra quyết định chiến lược.
Bốn là, tái thiết kế hệ thống đánh giá hiệu quả nội bộ và mở rộng mạng lưới chia sẻ dữ liệu liên tổ chức.
Nhà trường cải cách toàn diện hệ thống thi đua nội bộ, chuyển trọng tâm từ kiểm tra hồ sơ giấy tờ sang ghi nhận tính minh bạch dữ liệu, tốc độ xử lý điểm nghẽn và mức độ cải tiến thực chất. Ở bình diện ngoại biên, bám sát mô hình mạng lưới đa trung tâm (Osborne, 2006, tr. 384) và Chiến lược phát triển giáo dục nghề nghiệp (Thủ tướng Chính phủ, 2021b), trường thiết lập giao thức chia sẻ dữ liệu hai chiều với doanh nghiệp. Dữ liệu đánh giá từ xưởng thực tập và phản hồi việc làm của cựu sinh viên là cơ sở khách quan để hội đồng khoa học liên tục hiệu chỉnh chuẩn đầu ra và tối ưu hóa nguồn lực.
3. Kết luận
Việc chuyển từ quản lý hành chính sang quản trị dựa trên dữ liệu tại các trường cao đẳng trong kỷ nguyên trí tuệ nhân tạo không đơn thuần là mua sắm phần mềm, mà là cuộc chuyển đổi sâu sắc về tư duy lãnh đạo, cấu trúc thông tin và văn hóa tổ chức. Trước biến động kỹ năng nghề và yêu cầu từ Nghị quyết số 57-NQ/TW, Nghị quyết số 71-NQ/TW cùng các chiến lược quốc gia, lối điều hành cảm tính và chia cắt dữ liệu đã trở thành rào cản lớn. Dựa trên lý thuyết quản trị công mới, khung quyết định bằng chứng và đạo đức AI, nghiên cứu xác lập bốn chiều chuyển đổi: từ tuân thủ mệnh lệnh sang kiến tạo hệ sinh thái mở; từ trực giác sang phân tích dự báo; từ công cụ hành chính sang hợp tác người - AI nhân văn; và từ tập quyền sang phân quyền minh bạch. Khi các định hướng này được thể chế hóa qua hạ tầng dữ liệu liên thông, Ủy ban Quản trị AI cấp trường, bồi dưỡng năng lực theo vị trí việc làm, chu trình quyết định năm bước và mạng lưới chia sẻ dữ liệu doanh nghiệp, các trường cao đẳng sẽ vượt qua sức ì, vận hành tự chủ, minh bạch và thích ứng bền vững.
Bùi Thị Lam Nghi - Học viên cao học, Đại học Cửu Long
Võ Minh Bảo Châu - Trường Cao đẳng Miền Nam
Tài liệu tham khảo:
1. Bộ Chính trị. (2024). Nghị quyết số 57-NQ/TW ngày 22/12/2024 về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia.
2. Bộ Chính trị. (2025). Nghị quyết số 71-NQ/TW ngày 22/8/2025 về đột phá phát triển giáo dục và đào tạo.
3. Datnow, A., & Park, V. (2014). Data-driven leadership. Jossey-Bass.
4. Đinh Văn Đệ, Phạm Hữu Lộc, Nguyễn Kính, Lương Xuân Thịnh, & Nguyễn Thành Nam. (2023). Chuyển đổi số trong công tác quản lí đào tạo - Nghiên cứu tại Trường Cao đẳng Lý Tự Trọng Thành phố Hồ Chí Minh. Tạp chí Giáo dục, 23(Số đặc biệt 8), 313-318.
5. Đồng Văn Ngọc. (2021). Một số đề xuất đổi mới phương pháp dạy học tại các trường cao đẳng giáo dục nghề nghiệp trong thời kì chuyển đổi số. Tạp chí Giáo dục, 496(2), 44-48.
6. Ifenthaler, D. (2021). Learning analytics for school and system management. Trong OECD (Chủ biên), OECD digital education outlook 2021 - Pushing the frontiers with artificial intelligence, blockchain and robots (tr. 161-172). OECD Publishing. DOI 10.1787/589b283f-en
7. Mandinach, E. B. (2012). A perfect time for data use – Using data-driven decision making to inform practice. Educational Psychologist, 47(2), 71-85. DOI 10.1080/00461520.2012.667064
8. Mandinach, E. B., & Gummer, E. S. (2016). What does it mean for teachers to be data literate - Laying out the skills, knowledge, and dispositions. Teaching and Teacher Education, 60, 366-376. DOI 10.1016/j.tate.2016.07.011
9. Mandinach, E. B., & Schildkamp, K. (2021). Misconceptions about data-based decision making in education - An exploration of the literature. Studies in Educational Evaluation, 69, Article 100842. DOI 10.1016/j.stueduc.2020.100842
10. Marsh, J. A., & Farrell, C. C. (2015). How leaders can support teachers with data-driven decision making - A framework for understanding capacity building. Educational Management Administration & Leadership, 43(2), 269–289. DOI 10.1177/1741143214537229
11. Marsh, J. A., Pane, J. F., & Hamilton, L. S. (2006). Making sense of data-driven decision making in education - Evidence from recent RAND research (OP-170-EDU). RAND Corporation. DOI 10.7249/OP170
12. Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. DOI 10.54675/ZJTE2084
13. Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. DOI 10.54675/EWZM9535
14. Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education – Guidance for policy-makers. UNESCO. DOI 10.54675/PCSP7350
15. Nguyễn Hoài Nam, Đinh Văn Đệ, Phạm Hữu Lộc, Lương Xuân Thịnh, & Nguyễn Thị Thu Hà. (2024). Chuyển đổi số trong giáo dục – giải pháp tối ưu để phát triển giáo dục Việt Nam. Tạp chí Giáo dục, 24(Số đặc biệt 8), 18–22.
16. Nguyễn Thị Thu Hường, Phạm Ngọc Thanh, & Nguyễn Thị Thu Hà. (2021). Quản lý phát triển xã hội và quản trị phát triển xã hội. Tạp chí Khoa học Xã hội và Nhân văn, 7(3b), 560–567. DOI 10.33100/tckhxhnv7.3b.NguyenThiThuHuong.vcs
17. Osborne, S. P. (2006). The New Public Governance? Public Management Review, 8(3), 377-387. DOI 10.1080/14719030600853022
18. Schildkamp, K. (2019). Data-based decision-making for school improvement – Research insights and gaps. Educational Research, 61(3), 257–273. DOI 10.1080/00131881.2019.1625716
19. Thủ tướng Chính phủ. (2021a). Quyết định số 2222/QĐ-TTg ngày 30/12/2021 phê duyệt Chương trình chuyển đổi số trong giáo dục nghề nghiệp đến năm 2025, định hướng đến năm 2030.
20. Thủ tướng Chính phủ. (2021b). Quyết định số 2239/QĐ-TTg ngày 30/12/2021 phê duyệt Chiến lược phát triển giáo dục nghề nghiệp giai đoạn 2021-2030, tầm nhìn đến năm 2045.