Ảnh minh họa
Tóm tắt: AI tạo sinh mở rộng khả năng sản xuất, cá nhân hóa và phản hồi thông tin tuyển sinh, nhưng đồng thời làm gia tăng rủi ro sai lệch, thiếu chân thực và khó xác định trách nhiệm đối với thông điệp. Bài viết kết hợp phân tích tài liệu, số liệu tuyển sinh chính thức và kết quả một khảo sát 495 sinh viên ở một số trường đại học khối ngành kỹ thuật – công nghệ để nhận diện yêu cầu quản trị truyền thông tuyển sinh trong bối cảnh hiện nay. Dữ liệu khảo sát trước đây phản ánh truyền thông số và quyết định chọn trường, không đo tác động của AI. Từ tiếp cận quan hệ tổ chức – công chúng, bài viết đề xuất các giải pháp cho trường đại học: xây dựng nguồn dữ liệu tuyển sinh được xác thực; phân loại mức rủi ro khi dùng AI; duy trì khâu kiểm duyệt và chịu trách nhiệm của con người; công khai phù hợp việc AI tham gia; thiết kế nội dung hữu ích, chân thực, nhất quán; và đánh giá niềm tin cùng chất lượng tương tác thay cho chỉ số tiếp cận đơn thuần. Các đề xuất cần được thử nghiệm trong từng bối cảnh trường và nhóm công chúng.
Từ khóa: AI tạo sinh; truyền thông tuyển sinh; niềm tin công chúng; nội dung số; quản trị truyền thông; giáo dục đại học.
GENERATIVE AI IN UNIVERSITY ADMISSIONS COMMUNICATION AND THE NEED TO SUSTAIN PUBLIC TRUST
Abstract: Generative AI enables universities to produce, personalize and respond to admissions content at scale, while creating risks concerning accuracy, authenticity and accountability. This article combines conceptual analysis, official admissions statistics and findings from an earlier survey of 495 students at two technology-oriented universities. The earlier survey concerns digital communication and university choice, not the causal effect of AI. From an organization–public relationship perspective, the article recommends verified information sources, risk-tiered AI use, human review and accountability, proportionate disclosure, authentic and consistent content, and evaluation of trust alongside engagement. These recommendations require local testing with distinct public groups.
Keywords: generative AI; university admissions; public trust; digital content; communication governance; higher education.
1. Đặt vấn đề
Truyền thông tuyển sinh đại học đang chịu tác động đồng thời của ba thay đổi: thí sinh tiếp nhận thông tin qua nhiều nền tảng, các quy tắc xét tuyển và thông tin chương trình cần được cập nhật liên tục, còn AI tạo sinh cho phép sản xuất nội dung với tốc độ và quy mô lớn. Việc lựa chọn trường là quyết định có chi phí đáng kể và ảnh hưởng dài hạn. Một thông tin không chính xác về điều kiện xét tuyển, học phí hay đặc điểm chương trình có thể làm sai lệch quá trình so sánh của người học. Vì vậy, chất lượng truyền thông tuyển sinh không thể được đánh giá chỉ bằng lượt xem, lượt chia sẻ hoặc tốc độ trả lời.
Quy mô của quá trình lựa chọn thể hiện qua số liệu chính thức. Theo thống kê nhanh của Bộ Giáo dục và Đào tạo công bố trên Báo Điện tử Chính phủ, đến 17 giờ ngày 28/7/2025 có 849.544 thí sinh đăng ký xét tuyển đại học, cao đẳng trên hệ thống chung với 7.615.560 nguyện vọng, bình quân 8,96 nguyện vọng mỗi thí sinh [2]. Số liệu bao gồm cả các trường cao đẳng nghề nghiệp tham gia hệ thống, không phải riêng đại học và cũng không đo mức tiếp xúc với AI. Tuy vậy, lượng lựa chọn lớn cho thấy công chúng cần thông tin có thể đối chiếu giữa nhiều cơ sở và chương trình. Trong năm 2026, Bộ Giáo dục và Đào tạo ban hành Quy chế tuyển sinh theo Thông tư số 06/2026/TT-BGDĐT; biểu thông tin tuyển sinh kèm theo yêu cầu các địa chỉ công khai quy chế, chương trình, đội ngũ, cơ sở vật chất, tỷ lệ sinh viên có việc làm và các nội dung tuyển sinh [3]. Đây là điểm tựa để nhà trường kiểm soát sự nhất quán giữa thông tin chính thức với mọi bài đăng, video, thư điện tử và chatbot tuyển sinh.
AI tạo sinh có thể hỗ trợ biên tập, dịch, tóm tắt, đề xuất phiên bản cho từng nền tảng và giải đáp câu hỏi phổ biến. Song sản phẩm trôi chảy về ngôn ngữ vẫn có thể đưa ra con số không có nguồn, tự tạo dẫn chứng, sử dụng hình ảnh không phản ánh cảnh quan thực, hoặc trả lời theo dữ liệu cũ. Những sai lệch ấy trở nên nghiêm trọng khi người tiếp nhận cho rằng lời của chatbot hoặc bài đăng là cam kết chính thức của trường. UNESCO khuyến nghị tiếp cận AI trong giáo dục lấy con người làm trung tâm, quan tâm bảo vệ dữ liệu và xác thực công cụ trước khi sử dụng [4]. Vấn đề đặt ra đối với các trường đại học là tổ chức được quy trình để khai thác năng suất công nghệ mà vẫn bảo vệ tính đúng đắn của thông tin và niềm tin của công chúng.
Trong nghiên cứu quan hệ công chúng, niềm tin là một kết quả của mối quan hệ giữa tổ chức và công chúng; nó bao gồm đánh giá về năng lực, sự chính trực và thiện chí của tổ chức [5]. Đối với trường đại học, một thông điệp có sức hút chưa đủ tạo niềm tin nếu người học không thể tìm thấy nguồn kiểm chứng hoặc không được giải đáp khi phát hiện mâu thuẫn. Ngược lại, một trường cung cấp thông tin rõ ràng, sửa sai công khai và duy trì đối thoại có điều kiện tích lũy niềm tin qua nhiều mùa tuyển sinh. Các nghiên cứu thực nghiệm trong lĩnh vực thương hiệu và quảng cáo cho thấy công khai AI có thể làm thay đổi đánh giá về tính chân thực hoặc độ tin cậy của nội dung [6–8]; tác động trong giáo dục Việt Nam cần được kiểm định riêng, không thể suy diễn thẳng từ thị trường tiêu dùng.
Bài viết nhằm phân tích hiện trạng truyền thông số làm nền cho việc ứng dụng AI, chỉ ra những rủi ro quản trị khi AI tham gia sản xuất nội dung tuyển sinh, và đề xuất giải pháp có thể triển khai tại cơ sở giáo dục đại học. Phương pháp là phân tích tài liệu, đối chiếu số liệu chính thức với kết quả khảo sát sẵn có và suy luận ứng dụng từ lý thuyết quan hệ tổ chức – công chúng. Không có khảo sát mới về AI hoặc dữ liệu định lượng cấp quốc gia về mức độ trường đại học Việt Nam sử dụng AI. Vì thế, các nhận định về tác động của AI trong phần sau được nêu như vấn đề cần quản trị và kiểm nghiệm, không phải một thực trạng đã được định lượng.
2. Hiện trạng truyền thông tuyển sinh trong bối cảnh AI tạo sinh
2.1. Công chúng tiếp nhận thông tin đa kênh và đòi hỏi khả năng kiểm chứng
Khảo sát đã thực hiện với 495 sinh viên Trường Đại học Điện lực và Đại học Công nghiệp Hà Nội bằng mẫu thuận tiện cho thấy kênh tiếp cận thông tin về trường tập trung vào Facebook với 364 lượt lựa chọn, website trường 220 lượt và TikTok 170 lượt; tương ứng 38,80%, 23,45% và 18,12% trong tổng số lượt lựa chọn kênh [1]. Đây là tỷ trọng lựa chọn kênh trong mẫu khảo sát, không phải tỷ lệ người dùng của cả nước. Một người trả lời có thể chọn nhiều kênh. Kết quả minh họa thực tế rằng nội dung tuyển sinh lưu chuyển giữa mạng xã hội và địa chỉ chính thức của trường, nơi người học có thể tiếp tục tra cứu điều kiện cụ thể.
Về định dạng, khảo sát ghi nhận 367 lượt lựa chọn bài viết thông tin (37,29% tổng lượt lựa chọn định dạng), 237 lượt lựa chọn bình luận hoặc đánh giá của người dùng (24,08%) và 184 lượt lựa chọn video ngắn (18,69%) [1]. Bài viết cung cấp dữ kiện để so sánh, bình luận bổ sung trải nghiệm từ cộng đồng, còn video ngắn mở đầu cho sự chú ý. Ba dạng này có chức năng khác nhau, không nên quy về một chỉ tiêu "nội dung hấp dẫn". Một video có thể thu hút lượt xem nhưng không đủ trả lời câu hỏi về điều kiện xét tuyển; bình luận có thể gợi ý góc nhìn thực tế nhưng cũng có thể chứa thông tin chưa kiểm chứng. Website chính thức cần làm nơi đối chiếu cuối cùng, có phiên bản và ngày cập nhật rõ ràng.
Tần suất tiếp xúc cũng tạo áp lực duy trì chất lượng nội dung. Trong mẫu khảo sát, 28,1% sinh viên cho biết tiếp cận thông tin 3–5 lần mỗi tuần, 21,6% tiếp cận hằng ngày và 14,9% nhiều lần trong ngày [1]. Đây là hồi tưởng của sinh viên đã nhập học về môi trường thông tin tuyển sinh, có thể chịu ảnh hưởng của sai số nhớ lại. Tuy nhiên, tần suất được ghi nhận cho thấy cùng một cơ sở giáo dục có thể được công chúng quan sát lặp lại qua nhiều thời điểm. Nếu bài đăng cũ, trả lời tự động và trang tuyển sinh chính thức khác nhau về học phí hoặc lịch tuyển sinh, mâu thuẫn có thể lan rộng nhanh hơn khi trường tăng số lượng nội dung bằng AI.
Dữ liệu trên có giới hạn quan trọng: khảo sát ở hai trường kỹ thuật – công nghệ, mẫu thuận tiện và phần lớn người trả lời là sinh viên năm đầu; không đại diện cho toàn bộ thí sinh, phụ huynh hay cơ sở giáo dục đại học Việt Nam. Khảo sát cũng không hỏi nội dung do AI tạo ra hoặc niềm tin đối với AI. Giá trị của nó đối với bài viết là xác định kênh, dạng nội dung và tiêu chí uy tín cần chú ý trước khi triển khai công nghệ mới. Để đánh giá riêng AI, các trường cần thiết kế khảo sát hoặc thực nghiệm mới với thí sinh đang trong quá trình lựa chọn trường.
2.2. Uy tín thông tin và tính nhất quán là nền tảng của niềm tin
Trong cùng nghiên cứu, bốn yếu tố của truyền thông số gồm tính hữu ích, sáng tạo, nhất quán và uy tín được đưa vào mô hình hồi quy với ba kết quả là nhận thức, thái độ và hành vi lựa chọn trường [1]. Hệ số beta chuẩn hóa của "uy tín" lần lượt là 0,496 đối với nhận thức, 0,479 đối với thái độ và 0,298 đối với hành vi; ở các mô hình này, đây là hệ số lớn nhất trong bốn yếu tố. Đối với nhận thức, hệ số của tính nhất quán là 0,258 và tính hữu ích là 0,138. Những kết quả này gợi ý thứ tự ưu tiên quản trị: bảo đảm thông tin đáng tin cậy và nhất quán trước khi tối ưu hình thức sáng tạo.
Cần diễn giải các hệ số ở đúng mức độ. Đây là mối liên hệ thống kê trong dữ liệu cắt ngang của một mẫu thuận tiện, không phải bằng chứng rằng can thiệp tăng "uy tín" sẽ gây ra một mức tăng tương ứng ở toàn bộ thí sinh. Các biến độc lập có tương quan cao; hệ số phóng đại phương sai VIF trong bảng hồi quy dao động từ 6,298 đến 9,840 [1]. Vì vậy, không nên coi thứ hạng beta là phép đo ổn định về tác động nhân quả hay lấy nó để ước tính hiệu quả của AI. Bài học vững hơn là người học đánh giá tổng hợp độ tin cậy, sự nhất quán và hữu ích của thông tin từ nhiều điểm tiếp xúc.
Ở cấp độ quan hệ công chúng, "uy tín thông tin" trong khảo sát cần phân biệt với "niềm tin đối với trường" như một kết quả dài hạn. Một người có thể tin một bảng học phí vừa công bố, nhưng chưa đủ căn cứ để tin trường sẽ thực hiện đúng cam kết về chất lượng học tập. Ngược lại, trường có danh tiếng tốt vẫn có thể gây nghi ngờ nếu chatbot đưa câu trả lời khác website. Do đó, khi đo lường tác động AI, nên hỏi riêng mức độ chính xác của thông điệp, tính chân thực của hình ảnh hoặc lời kể, mức minh bạch về nguồn gốc, và niềm tin vào năng lực, sự chính trực của trường. Đây là bước phát triển lý thuyết từ nghiên cứu truyền thông số sang nghiên cứu AI trong quan hệ trường – công chúng.
2.3. AI tạo sinh mở rộng năng lực truyền thông nhưng làm thay đổi chuỗi trách nhiệm
Trong thực hành tuyển sinh, AI có thể tham gia theo nhiều cấp độ. Ở mức hỗ trợ, công cụ gợi ý dàn ý, chỉnh lỗi hoặc chuyển văn bản đã duyệt sang phiên bản ngắn. Ở mức tạo nội dung, công cụ soạn phần lớn bài viết, xây dựng ảnh, giọng đọc hoặc kịch bản video; con người kiểm tra và phê duyệt. Ở mức tương tác tự động, chatbot tiếp nhận câu hỏi và tạo câu trả lời theo thời gian thực. Mức độ rủi ro không chỉ phụ thuộc công cụ mà còn phụ thuộc tính chất thông tin: một khẩu hiệu giới thiệu ngành học khác với câu trả lời về tổ hợp xét tuyển, mốc thời gian nộp hồ sơ hoặc mức học phí.
Điểm mạnh của AI là tạo nhiều phiên bản và trả lời liên tục, song cũng chính khả năng đó làm tăng số điểm có thể sai. Nếu dữ liệu nguồn không được quản lý tập trung, AI có thể biến một thông tin cũ thành hàng chục thông điệp mới trên Facebook, TikTok, thư điện tử và trang tư vấn. Khi người học đặt câu hỏi tiếp theo, chatbot có thể kết hợp nội dung có thật với suy đoán nghe có vẻ hợp lý. Với hình ảnh và video, AI còn có thể tái tạo phòng học, thiết bị, sinh viên hoặc giảng viên chưa từng hiện diện. Vấn đề thực tiễn là xác định dữ kiện nào được phép tự động hóa, ai phê duyệt và sửa sai, người dùng có đường dẫn nào để kiểm chứng, và thông tin nào buộc phải chuyển sang cán bộ tuyển sinh.
Nghiên cứu của Brüns và Meißner cho thấy trong các thí nghiệm về nội dung mạng xã hội của thương hiệu, việc dùng AI để tự động hóa sáng tạo có thể làm giảm tính chân thực cảm nhận, còn vai trò hỗ trợ con người cho phản ứng khác [6]. Kirk và Givi ghi nhận phản ứng với tác giả AI phụ thuộc loại thông điệp: thông điệp cảm xúc khác thông điệp mang tính sự kiện [7]. Koning và Voorveld xem xét công khai AI và phân biệt niềm tin đối với quảng cáo với niềm tin đối với tổ chức [8]. Những bằng chứng đó giúp hình thành câu hỏi quản trị đối với trường đại học: khi nào nên dùng AI hỗ trợ, cần công khai mức nào, và làm thế nào để công chúng nhận ra con người đang chịu trách nhiệm? Chúng không chứng minh sẵn rằng công chúng Việt Nam mất niềm tin vào trường nếu trường dùng AI.
2.4. Khoảng cách giữa năng lực công nghệ và yêu cầu công khai thông tin
Thông tư số 06/2026/TT-BGDĐT và phụ lục thông tin tuyển sinh đặt ra một tập hợp mục cần cơ sở đào tạo công khai, từ địa chỉ quy chế tuyển sinh đến chương trình, đội ngũ, cơ sở vật chất và tỷ lệ sinh viên có việc làm [3]. Bài viết không suy diễn rằng quy chế này có quy định riêng về nhãn AI. Ý nghĩa đối với quản trị là mọi sản phẩm AI sử dụng để tuyển sinh phải quay về nguồn thông tin được trường xác nhận. Đăng nhiều nội dung nhanh không bù được việc thiếu bản gốc có ngày hiệu lực, thiếu đầu mối giải đáp và thiếu cơ chế sửa đổi khi quy định tuyển sinh thay đổi.
Trong ba nhóm công chúng, nhu cầu thông tin cũng không giống nhau. Thí sinh cần điều kiện xét tuyển, ngành học và lịch thao tác; phụ huynh thường quan tâm chi phí, an toàn và triển vọng; sinh viên đang học có trải nghiệm thực tế để đối chiếu lời quảng bá. Cá nhân hóa nội dung bằng AI có thể làm thông tin dễ hiểu hơn, nhưng nếu mỗi nhóm được hứa hẹn khác nhau hoặc không biết nội dung dựa trên dữ liệu nào, trường tạo ra rủi ro mất nhất quán. Chia sẻ dữ liệu người học cho công cụ bên ngoài để cá nhân hóa cũng đặt ra vấn đề bảo vệ dữ liệu. UNESCO nhấn mạnh bảo vệ quyền riêng tư và vai trò thẩm định của con người khi đưa AI vào giáo dục [4].
Vì chưa có số liệu đại diện về mức độ sử dụng AI trong truyền thông tuyển sinh tại Việt Nam, không thể lượng hóa tỷ lệ trường đã áp dụng, tỷ lệ sai sót do AI hay tác động thực tế đối với niềm tin. "Hiện trạng" ở đây gồm quy mô tuyển sinh trên hệ thống, hành vi tiếp nhận thông tin số trong một mẫu nghiên cứu và các khả năng, rủi ro được mô tả bởi nghiên cứu quốc tế. Sự phân định nguồn bằng chứng này là điều kiện để đề xuất giải pháp đúng mức và để thiết kế nghiên cứu thực nghiệm tiếp theo.
3. Khuyến nghị giải pháp áp dụng tại các trường đại học
3.1. Thiết lập nguồn thông tin tuyển sinh chuẩn và trách nhiệm cập nhật
Mỗi trường cần duy trì một kho dữ liệu tuyển sinh có kiểm soát phiên bản, lấy website hoặc cổng tuyển sinh chính thức làm điểm tham chiếu. Từng mục như mã ngành, chỉ tiêu, phương thức, tổ hợp, quy đổi điểm, học phí, học bổng, thời hạn và đầu mối liên hệ phải có đơn vị chủ sở hữu, nguồn phê duyệt, ngày áp dụng, thời điểm rà soát tiếp theo và liên kết tới văn bản gốc. Bộ phận đào tạo hoặc tuyển sinh chịu trách nhiệm dữ kiện xét tuyển; phòng tài chính xác nhận học phí; khoa chuyên môn kiểm tra chương trình; bộ phận truyền thông chuyển thể nội dung nhưng không tự sửa dữ kiện. Quy trình này biến trách nhiệm vốn phân tán giữa các phòng ban thành một chuỗi kiểm soát có thể truy vết.
Trước một mùa tuyển sinh, trường nên lập bảng đối chiếu giữa thông tin đã công khai theo quy chế, trang tuyển sinh, bài đăng mạng xã hội, mẫu thư và nội dung chatbot. Khi có thay đổi, cập nhật nguồn chuẩn trước, rồi phát lệnh đồng bộ các kênh; bài cũ cần gắn thông báo cập nhật hoặc đường dẫn tới phiên bản mới. Một điểm dữ liệu quan trọng không nên chỉ tồn tại trong bản tóm tắt do AI viết. Nếu công cụ không tìm được nguồn còn hiệu lực, câu trả lời đúng phải là chưa thể xác nhận và chuyển người học tới cán bộ có thẩm quyền.
3.2. Phân loại công việc của AI theo rủi ro và duyệt bởi con người
Trường có thể xây dựng ba mức sử dụng. Mức thấp gồm gợi ý tiêu đề, kiểm tra lỗi chính tả, tóm tắt hoặc chuyển thể bài viết đã duyệt; cán bộ truyền thông rà soát trước khi phát hành. Mức trung bình gồm cá nhân hóa hướng dẫn lựa chọn ngành, trả lời câu hỏi chung và tạo đồ họa minh họa; cần kiểm tra mẫu trả lời, phạm vi dữ liệu được phép dùng và khả năng gắn nguồn. Mức cao gồm nội dung về điều kiện xét tuyển, học phí, cam kết đầu ra, tỷ lệ việc làm và câu trả lời có thể ảnh hưởng quyết định nộp hồ sơ; phải có người phụ trách chuyên môn xác nhận từng phiên bản hoặc cấu hình hệ thống chỉ được trích xuất từ dữ liệu đã duyệt. AI không có quyền tự tạo quy định hoặc diễn giải ngoại lệ chưa được công bố.
Với chatbot, quy tắc chuyển tiếp cần cụ thể: câu hỏi về hồ sơ cá nhân, khiếu nại, trường hợp ưu tiên, mâu thuẫn giữa hai nguồn hoặc nội dung ngoài phạm vi dữ liệu sẽ được chuyển tới người thật. Giao diện cần hiển thị ngày cập nhật và liên kết tới nguồn; lịch sử các câu trả lời sai phải được lưu để khắc phục. Với ảnh và video, tuyệt đối tránh trình bày cảnh, nhân vật hoặc lời chứng tổng hợp như sự kiện đã xảy ra. Nếu hình minh họa được tạo bằng AI, chú thích phải làm rõ chức năng minh họa; hình ảnh về cơ sở vật chất, lớp học, phòng thí nghiệm và đời sống sinh viên nên được chứng thực bằng ảnh thực tế, có sự đồng ý của người xuất hiện.
3.3. Công khai mức AI tham gia và bảo đảm khả năng giải trình
Công khai không nên chỉ là một nhãn "do AI tạo" đặt ở cuối nội dung. Trường cần mô tả ngắn gọn AI tham gia khâu nào, dữ kiện đã được bộ phận nào kiểm tra, và người học có thể xem nguồn chính thức hay hỏi ai. Chẳng hạn, đối với một đồ họa tuyển sinh: "Hình thức trình bày được hỗ trợ bằng AI; thông tin xét tuyển do Phòng Đào tạo kiểm tra theo thông báo ngày …". Đây là ví dụ đề xuất về cách diễn đạt, không phải mẫu bắt buộc của pháp luật. Thông điệp càng liên quan đến trải nghiệm thật hoặc quyền lợi của thí sinh, mức công khai và chứng thực càng cần cụ thể.
Cũng cần phân biệt công khai với chuyển trách nhiệm. Việc ghi "AI có thể sai" không miễn cho trường nghĩa vụ sửa nội dung do kênh chính thức của mình phát hành. Một quy trình đính chính nên có người nhận phản ánh, thời hạn xác minh, quyết định tạm ẩn nội dung khi rủi ro cao, phiên bản sửa, thông báo cho những người đã nhận thông tin và ghi nhận nguyên nhân gốc. Nếu một trả lời của chatbot đã dẫn người học thực hiện thao tác sai, trường cần chủ động hướng dẫn khắc phục theo thẩm quyền thay vì chỉ thay câu trả lời trên hệ thống.
3.4. Thiết kế nội dung theo nhu cầu công chúng và đặc thù từng kênh
Kết quả về kênh và định dạng trong mẫu 495 sinh viên gợi ý vai trò bổ sung giữa các nền tảng [1]. Website nên chứa dữ kiện đầy đủ, có thể tìm kiếm và tải về; Facebook phù hợp thông báo, giải thích thay đổi và hỏi đáp; video ngắn hữu ích để giới thiệu một vấn đề nhưng phải dẫn về nguồn đầy đủ; diễn đàn hoặc bình luận cần được quản trị và trả lời minh bạch. Cùng một nội dung có thể có nhiều định dạng, nhưng mã ngành, ngày hiệu lực, điều kiện và đầu mối liên hệ phải thống nhất. Chỉ số thành công của video về học phí không dừng ở lượt xem mà là người xem có hiểu đúng mức và phạm vi áp dụng hay không.
Nội dung nên đi theo hành trình của thí sinh: giai đoạn khám phá ngành học cần giải thích năng lực và chương trình; giai đoạn so sánh cần công bố học phí, học bổng, điều kiện đầu vào và minh chứng chất lượng; giai đoạn đăng ký cần hướng dẫn thao tác, mốc thời gian và xử lý tình huống. AI có thể giúp tạo phiên bản ngôn ngữ dễ hiểu hoặc trả lời câu hỏi phổ biến, nhưng ví dụ thực tế nên đến từ giảng viên, sinh viên, cựu sinh viên và bộ phận chuyên môn. Lời kể cá nhân cần sự đồng ý và không được biên tập thành lời hứa bao quát cho mọi người học.
3.5. Bảo vệ dữ liệu và phát triển năng lực đội ngũ
Cá nhân hóa truyền thông không đòi hỏi thu thập tối đa dữ liệu cá nhân. Nhà trường nên xác định mục đích, phạm vi dữ liệu tối thiểu và thời hạn lưu trước khi đưa danh sách thí sinh, câu hỏi tư vấn hoặc hồ sơ vào công cụ AI. Những tài liệu chứa số điện thoại, kết quả học tập, thông tin ưu tiên và hoàn cảnh gia đình cần được quản lý theo quy trình dữ liệu của trường; cán bộ không tự nhập dữ liệu nhạy cảm vào công cụ không được phê duyệt. Nếu sử dụng nhà cung cấp ngoài, thỏa thuận phải làm rõ lưu trữ, quyền truy cập, xóa dữ liệu, xử lý sự cố và quyền kiểm tra chất lượng đầu ra. Đây là lựa chọn quản trị phù hợp với cách tiếp cận bảo vệ quyền riêng tư mà UNESCO đề xuất [4].
Đào tạo nhân sự cần đi xa hơn kỹ năng viết câu lệnh. Cán bộ tuyển sinh cần biết phát hiện thông tin không có nguồn và nhận diện câu hỏi phải chuyển người xử lý; cán bộ truyền thông cần biết kiểm chứng ảnh, số liệu và bản quyền; người quản trị hệ thống phải biết cập nhật dữ liệu và kiểm thử sau thay đổi; lãnh đạo cần quy định cấp phê duyệt và trách nhiệm đính chính. Có thể tổ chức diễn tập với một bộ tình huống gồm thay đổi học phí, chuyển mốc đăng ký, câu hỏi về ưu tiên và ảnh mô phỏng phòng học. Kết quả diễn tập phải được dùng để sửa quy trình, không chỉ để đánh giá cá nhân.
3.6. Đo lường niềm tin và thí điểm có đối chứng trước khi mở rộng
Bảng theo dõi truyền thông nên có ít nhất bốn nhóm chỉ số: tiếp cận (lượt xem, truy cập); hiểu đúng (trả lời câu hỏi kiểm tra nội dung); chất lượng tương tác (tỷ lệ câu hỏi được giải đáp đúng nguồn, thời gian xử lý, số đính chính); và quan hệ (mức tin vào năng lực, chính trực, thiện chí của trường). Niềm tin cần được khảo sát ở thí sinh và phụ huynh trước và sau chiến dịch, phân biệt với mức hài lòng về một bài đăng. Mỗi kênh cần có mã liên kết về nguồn chuẩn để nhận diện nơi phát sinh hiểu nhầm. Nếu lượng tương tác tăng nhưng số câu hỏi về thông tin mâu thuẫn cũng tăng, nhà trường cần ưu tiên sửa dữ liệu và cách diễn đạt.
Trước khi triển khai AI trên toàn trường, nên thí điểm trong một nhóm nội dung có rủi ro thấp và có đối chứng. Chẳng hạn, so sánh hai cách trình bày cùng một bộ dữ kiện đã xác nhận: một phiên bản do cán bộ viết, một phiên bản AI hỗ trợ rồi được cán bộ duyệt. Phân bổ ngẫu nhiên cho nhóm thí sinh phù hợp, đo độ hiểu đúng, tính chân thực, mức tin cậy, khả năng truy tìm nguồn và thời gian xử lý câu hỏi. Có thể tiếp tục thử nghiệm hai cách công khai AI, nhưng phải bảo đảm người tham gia biết nội dung nào là mô phỏng và không dùng thử nghiệm để phát đi thông tin tuyển sinh chưa được phê duyệt. Kết quả tại một trường cần được kiểm tra lại khi áp dụng ở trường có đặc điểm ngành học và công chúng khác.
Về dài hạn, một chương trình nghiên cứu thực nghiệm có thể kiểm định liệu công khai AI tác động đến niềm tin qua hai cơ chế khác nhau: tăng minh bạch và thay đổi cảm nhận chân thực. Nên phân biệt AI chỉ hỗ trợ biên tập với AI tạo phần lớn nội dung, thông điệp sự kiện với lời kể trải nghiệm, thí sinh với phụ huynh, và niềm tin vào một nội dung với niềm tin vào trường. Thiết kế đó nối kết lý thuyết quan hệ công chúng với hiệu quả quản trị tuyển sinh. Cho đến khi có dữ liệu, trường không nên mặc định rằng giấu AI sẽ bảo vệ niềm tin hay gắn nhãn AI sẽ tự động tạo niềm tin; yếu tố then chốt là thông tin có nguồn, người chịu trách nhiệm và cách đối thoại khi có sai sót.
Tóm lại, ứng dụng AI trong truyền thông tuyển sinh là yêu cầu quản trị thông tin và quan hệ với công chúng trong điều kiện công nghệ mới. Số liệu xét tuyển chính thức cho thấy quy mô lớn của nhu cầu lựa chọn; khảo sát ở hai trường cho thấy công chúng tiếp nhận thông tin đa kênh và coi trọng uy tín, nhất quán; nghiên cứu quốc tế gợi mở rủi ro về tính chân thực khi AI tham gia sáng tạo. Từ những nguồn bằng chứng có phạm vi khác nhau, trường đại học có thể ưu tiên nguồn dữ liệu chuẩn, phân quyền phê duyệt, công khai có trách nhiệm, bảo vệ dữ liệu, duy trì đối thoại và kiểm định tác động đến niềm tin. Những giải pháp này vừa phục vụ kỳ tuyển sinh trước mắt vừa bảo vệ quan hệ lâu dài giữa nhà trường với người học và gia đình.
Tài liệu tham khảo
1. Trần Quang Hà (2026), Ảnh hưởng của truyền thông trên nền tảng số đến quyết định chọn trường của sinh viên đại học khối ngành kỹ thuật – công nghệ tại Việt Nam, luận văn thạc sĩ, Học viện Báo chí và Tuyên truyền, bản tác giả cung cấp.
2. Báo Điện tử Chính phủ (2025), "Gần 850 nghìn thí sinh đăng ký xét tuyển đại học, cao đẳng năm 2025", ngày 28/7/2025. https://baochinhphu.vn/gan-850-nghin-thi-sinh-dang-ky-xet-tuyen-dai-hoc-cao-dang-nam-2025-102250728202611296.htm
3. Bộ Giáo dục và Đào tạo (2026), Thông tư số 06/2026/TT-BGDĐT ngày 15/02/2026 ban hành Quy chế tuyển sinh các ngành đào tạo trình độ đại học và ngành Giáo dục Mầm non trình độ cao đẳng. https://vanban.chinhphu.vn/?docid=217071&pageid=27160
4. Miao, F. & Holmes, W. (2023), Guidance for generative AI in education and research, UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
5. Hon, L. C. & Grunig, J. E. (1999), Guidelines for Measuring Relationships in Public Relations, Institute for Public Relations. https://instituteforpr.org/measuring-relationships/
6. Brüns, J. D. & Meißner, M. (2024), "Do you create your content yourself? Using generative artificial intelligence for social media content creation diminishes perceived brand authenticity", Journal of Retailing and Consumer Services, 79, 103790. https://doi.org/10.1016/j.jretconser.2024.103790
7. Kirk, C. P. & Givi, J. (2025), "The AI-authorship effect: Understanding authenticity, moral disgust, and consumer responses to AI-generated marketing communications", Journal of Business Research, 186, 114984. https://doi.org/10.1016/j.jbusres.2024.114984
8. Koning, B. & Voorveld, H. A. M. (2025), "Disclaimer! This Content Is AI-Generated: How AI-Disclosures Influence Trust in Advertisements and Organizations", Journal of Interactive Advertising, 25(3), 240–253. https://doi.org/10.1080/15252019.2025.2554149
Tác giả: Trần Quang Hà, Trường Đại học Điện lực