ỨNG DỤNG CÔNG NGHỆ HỖ TRỢ DẠY HỌC CÁC NỘI DUNG MÔN TOÁN KINH TẾ

Chiều ngày 16/10/2024, Tổ bộ môn Toán - Khoa Kinh tế Cơ sở tổ chức buổi Seminar với chủ đề: ỨNG DỤNG CÔNG NGHỆ HỖ TRỢ DẠY HỌC CÁC NỘI DUNG MÔN TOÁN KINH TẾ.


ỨNG DỤNG CÔNG NGHỆ HỖ TRỢ DẠY HỌC CÁC NỘI DUNG MÔN TOÁN KINH TẾ

1. Giới thiệu

Trong bối cảnh phát triển nhanh chóng của nền kinh tế số và cuộc Cách mạng công nghiệp 4.0, việc áp dụng công nghệ vào các lĩnh vực nghiên cứu và giáo dục trở thành một yếu tố không thể thiếu. Đặc biệt, trong lĩnh vực kinh tế, việc xây dựng và giải quyết các mô hình toán học ngày càng trở nên phức tạp và đòi hỏi sự hỗ trợ của các công cụ công nghệ hiện đại. Các công nghệ tiên tiến như phần mềm mô phỏng, trí tuệ nhân tạo (AI) và học máy (Machine Learning) không chỉ nâng cao hiệu quả trong việc phân tích dữ liệu mà còn hỗ trợ trực tiếp cho quá trình giảng dạy và nghiên cứu.

Việc ứng dụng công nghệ vào xây dựng mô hình toán học cho các vấn đề kinh tế mang lại nhiều lợi ích, từ việc tăng cường tính chính xác của các mô hình, tự động hóa các bước tính toán phức tạp, cho đến việc tạo ra môi trường học tập linh hoạt và tương tác. Những công cụ như GeoGebra, MATLAB, Excel, R, SPSS, STATA ... các phần mềm mô phỏng khác cho phép sinh viên và nhà nghiên cứu tiếp cận các khía cạnh thực tiễn và lý thuyết của các vấn đề kinh tế một cách hiệu quả. Hơn nữa, sự kết hợp giữa các công nghệ này với các phương pháp dạy học hiện đại, như học tập dựa trên dự án và các chiến lược dạy học tích cực, còn giúp sinh viên phát triển tư duy phản biện, kỹ năng giải quyết vấn đề và khả năng áp dụng lý thuyết vào thực tiễn.

2. Các công cụ công nghệ hỗ trợ dạy học môn Toán kinh tế

Phần mềm tương tác, mô phỏng và trò chơi: Các công cụ như GeoGebra, MATLAB và Microsoft Excel đóng vai trò quan trọng trong việc hỗ trợ quá trình mô hình hóa, từ giai đoạn hiểu vấn đề thực tiễn cho đến việc kiểm chứng và giải quyết các bài toán kinh tế. Chẳng hạn GeoGebra hỗ trợ sinh viên trong việc trực quan hóa các khái niệm toán học và mô phỏng các hệ thống kinh tế, giúp tạo ra các mô hình động, dễ dàng điều chỉnh và kiểm tra các kết quả (Greefrath et al., 2018).

• phần mềm được sử dụng trong phân tích dữ liệu: Excel, SPSS, STATA, R ... với khả năng tính toán mạnh mẽ, thường được sử dụng trong việc phân tích dữ liệu và giải quyết các bài toán tài chính phức tạp, đáp ứng nhu cầu của các chuyên gia kinh tế. Những công cụ này không chỉ giúp sinh viên hiểu sâu hơn về các khái niệm kinh tế mà còn khuyến khích họ thử nghiệm, khám phá và sáng tạo trong quá trình học tập (Barkley & Major, 2020). Phân tích hồi quy là một phương pháp hiệu quả được sử dụng để nghiên cứu sự phụ thuộc của các chỉ số vào các yếu tố khác nhau ảnh hưởng đến chúng và thể hiện mối liên hệ đó dưới dạng mô hình hồi quy và đồ thị tương ứng. Phương pháp này có thể được áp dụng trong nhiều lĩnh vực, từ hoạt động tài chính của công ty đến nghiên cứu thị trường. Các phương pháp kinh tế lượng kết hợp với máy tính cho phép dự báo hiệu quả nhiều yếu tố kinh tế và xã hội khác nhau (Rumyantseva et al., 2012).

Các nền tảng trực tuyến và lớp học ảo:  Tính linh hoạt và khả năng tiếp cận của học tập trực tuyến mang lại lợi ích lớn, đặc biệt trong việc đáp ứng các nhu cầu và lịch trình học tập đa dạng. SV có thể truy cập tài nguyên, tham gia thảo luận và hoàn thành bài tập từ bất cứ đâu, vượt qua các giới hạn về địa lý và thời gian. Ngoài ra, các nền tảng trực tuyến còn hỗ trợ học trên lớp thông qua việc cung cấp tài liệu bổ sung và các yếu tố tương tác nhằm củng cố và mở rộng kiến thức. Những tài liệu này thường bao gồm hướng dẫn tương tác, video bài giảng và các công cụ cộng tác, giúp cải thiện trải nghiệm học tập và cho phép sinh viên học theo tốc độ cá nhân. Trải nghiệm học tập cá nhân hóa, được hỗ trợ bởi các nền tảng học tập thích ứng, cũng là một bước tiến quan trọng trong công nghệ giáo dục. Hệ thống học tập thích ứng sử dụng các thuật toán để điều chỉnh nội dung và hoạt động theo nhu cầu riêng của từng sinh viên (SV), dựa trên hiệu suất và phong cách học tập của họ (Corbett & Anderson, 2001). Sự cá nhân hóa này đảm bảo rằng SV nhận được sự hướng dẫn phù hợp với điểm mạnh và yếu của mình, từ đó cải thiện kết quả học tập đáng kể (Woolf, 2010). Phản hồi tức thì từ các hệ thống này đóng vai trò quan trọng trong việc giúp người học sửa lỗi và củng cố kiến thức kịp thời, tăng cường quá trình học tập và cải thiện khả năng ghi nhớ.

Trí tuệ nhân tạo (AI):  AI đang có tác động mạnh mẽ đến giáo dục, đặc biệt trong các lĩnh vực toán học và kinh tế, bằng cách nâng cao trải nghiệm học tập, và cung cấp hỗ trợ liên tục. Hệ thống học tập thích ứng là một ví dụ tiêu biểu khi AI phân tích dữ liệu học tập để cá nhân hóa lộ trình học tập cho mỗi SV. Các nền tảng này điều chỉnh độ khó của bài tập theo thời gian thực, giúp SV hiểu sâu hơn các khái niệm phức tạp trong toán học và kinh tế. AI cũng tự động hóa các nhiệm vụ hành chính như chấm bài và theo dõi điểm danh, giảm bớt áp lực cho giáo viên, cho phép họ tập trung hơn vào giảng dạy và hỗ trợ SV. Thêm vào đó, gia sư ảo và chatbot giúp duy trì việc học ngoài giờ học chính, cung cấp giải đáp tức thì cho sinh viên, giúp nâng cao sự tương tác và động lực học (Graesser et al., 2018). AI không chỉ cá nhân hóa trải nghiệm học tập mà còn giảm tải công việc hành chính và cung cấp hỗ trợ học tập liên tục, giúp cải thiện hiệu quả giáo dục và đảm bảo SV được hỗ trợ đầy đủ để thành công (Hina & Dominic, 2020). Theo sự tiến bộ của công nghệ, vai trò của AI trong giáo dục sẽ tiếp tục mở rộng và phát triển.

3. Thách thức và hạn chế trong ứng dụng công nghệ

Tích hợp các chiến lược giảng dạy sáng tạo như công nghệ, trí tuệ nhân tạo (AI) và nền tảng trực tuyến trong xây dựng mô hình toán cho vấn đề kinh tế mang lại nhiều lợi ích, nhưng cũng đặt ra không ít thách thức cần được xem xét. Để đảm bảo các chiến lược này được triển khai hiệu quả và công bằng, cần phải giải quyết các vấn đề quan trọng nhằm nâng cao chất lượng giáo dục cho sinh viên.

Một thách thức lớn là vấn đề tiếp cận công nghệ và đảm bảo công bằng. Việc đảm bảo rằng tất cả SV có thể tiếp cận công nghệ cần thiết là yếu tố cốt lõi để triển khai thành công các chiến lược này. Sự chênh lệch giữa những người có quyền truy cập vào công nghệ hiện đại và những người không có, vẫn là một vấn đề nan giải. Học sinh, SV có hoàn cảnh khó khăn hoặc sống ở khu vực nông thôn có thể không có đủ thiết bị hoặc kết nối internet tốc độ cao, làm hạn chế khả năng tiếp cận các công cụ học tập dựa trên công nghệ. Việc này có thể làm gia tăng sự bất bình đẳng trong giáo dục, đòi hỏi các trường học phải thực hiện các biện pháp như cung cấp thiết bị trợ giá, đảm bảo truy cập internet và triển khai chương trình cho mượn thiết bị (Gorski, 2017).

Thách thức khác là việc đào tạo giáo viên và phát triển chuyên môn một cách hiệu quả. Khi công nghệ và các chiến lược giảng dạy mới được triển khai, giáo viên cần được chuẩn bị kỹ lưỡng để sử dụng chúng một cách tối ưu. Đào tạo giáo viên trong việc tích hợp công nghệ và AI vào giảng dạy là rất quan trọng để phát huy hết tiềm năng của các công cụ này. Tuy nhiên, nhiều giáo viên có thể chưa đủ kỹ năng hoặc tự tin trong việc áp dụng các công nghệ mới vào quá trình giảng dạy. Việc tổ chức các chương trình đào tạo liên tục, hội thảo và cung cấp tài nguyên hỗ trợ sẽ giúp giáo viên nắm bắt được những tiến bộ mới nhất và triển khai hiệu quả các chiến lược giảng dạy mới. Hỗ trợ từ các nhà lãnh đạo giáo dục và chuyên gia tích hợp công nghệ cũng đóng vai trò quan trọng trong việc giúp giáo viên sử dụng công cụ công nghệ một cách ý nghĩa (Guskey, 2002).

Cân bằng giữa công nghệ và các phương pháp giảng dạy truyền thống cũng là một yếu tố quan trọng cần được xem xét. Mặc dù các chiến lược giảng dạy sáng tạo mang lại nhiều lợi ích, nhưng không nên loại bỏ hoàn toàn các phương pháp truyền thống đã chứng minh hiệu quả trong quá khứ. Do đó, việc giải quyết các thách thức liên quan đến ứng dụng công nghệ, đảm bảo tiếp cận công bằng, cung cấp đào tạo và phát triển chuyên môn cho giáo viên, cùng với việc cân bằng giữa công nghệ và phương pháp giảng dạy truyền thống, sẽ giúp các tổ chức giáo dục tạo ra một môi trường học tập tiên tiến và hỗ trợ tốt hơn cho SV thông qua các chiến lược giảng dạy sáng tạo.

4. Kết quả khảo sát

Tác giả đã khảo sát ngẫu nhiên 235 SV một số trường Đại học, Cao đẳng khối ngành Kinh tế với câu hỏi: “Công nghệ nào bạn thường sử dụng nhất trong quá trình học các môn Toán kết quả cho thấy SV sử dụng công nghệ trong quá trình học tập rất nhiều: máy tính cầm tay 84,3%; công cụ AI là 81,8%; nền tảng học tập trực tuyến 72,9%; excel là 67,8%. Tỉ lệ cụ thể được cho bởi biểu đồ sau.

Trong câu hỏi mở “Bạn có đề xuất nào để cải thiện việc sử dụng công nghệ trong giảng dạy các môn Toán cho SV Kinh tế?” nhận được 128 phản hồi từ SV. Các em đều cho rằng công nghệ giúp tiết kiệm thời gian giảng dạy và hỗ trợ sinh viên hiểu bài nhanh hơn, nhưng không nên lạm dụng quá mức. Sự theo dõi và hỗ trợ trực tiếp của giảng viên vẫn rất quan trọng.

5. Kết luận

Qua kết quả khảo sát cho thấy công nghệ không chỉ giúp cải thiện hiểu biết về các khái niệm toán học mà còn giúp sinh viên tự tin hơn trong việc áp dụng kiến thức vào thực tiễn kinh tế. Các công cụ như phần mềm mô phỏng, AI, và nền tảng học trực tuyến được đánh giá cao về khả năng giúp sinh viên tiếp cận kiến thức mọi lúc, mọi nơi. Bên cạnh những lợi ích rõ rệt, việc lạm dụng công nghệ trong giảng dạy có thể gây ra những hạn chế. Sự tương tác trực tiếp từ giảng viên vẫn đóng vai trò quan trọng trong việc giải quyết thắc mắc và hướng dẫn sinh viên. Ngoài ra, việc ứng dụng công nghệ trong quá trình dạy môn Toán kinh tế còn hạn chế, do nhiều giảng viên vẫn ưu tiên phương pháp giảng dạy truyền thống.

Từ những kết quả này, tác giả đề xuất tăng cường sử dụng công nghệ một cách hợp lý, kết hợp giữa việc giảng dạy truyền thống và công nghệ để tối ưu hóa quá trình học tập của sinh viên. Giảng viên không ngừng tự học nâng cao trình độ chuyên môn và công nghệ, giảng viên toán phải có kiến thức vững vàng về toán học, kiến thức cơ bản về kinh tế, luôn học hỏi để cập nhật các công nghệ hữu ích. Đồng thời, cần có chính sách đào tạo cho giảng viên và hỗ trợ nhiều hơn từ các cơ quan quản lí giáo dục trong việc áp dụng công nghệ vào giảng dạy.

TÀI LIỆU THAM KHẢO

Barkley, E. F., & Major, C. H. (2020). Student engagement techniques: A handbook for college faculty. John Wiley & Sons.

Corbett, A. T., & Anderson, J. R. (2001). Locus of feedback control in computer-based tutoring: Impact on learning rate, achievement and attitudes. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 245–252. https://doi.org/10.1145/365024.365111

Gorski, P. C. (2017). Reaching and teaching students in poverty: Strategies for erasing the opportunity gap. Teachers College Press.

Graesser, A. C., Fiore, S. M., Greiff, S., Andrews-Todd, J., Foltz, P. W., & Hesse, F. W. (2018). Advancing the Science of Collaborative Problem Solving. Psychological Science in the Public Interest, 19(2), 59–92. https://doi.org/10.1177/1529100618808244

Greefrath, G., Hertleif, C., & Siller, H.-S. (2018). Mathematical modelling with digital tools—A quantitative study on mathematising with dynamic geometry software. ZDM, 50(1–2), 233–244. https://doi.org/10.1007/s11858-018-0924-6

Guskey, T. R. (2002). Professional Development and Teacher Change. Teachers and Teaching, 8(3), 381–391. https://doi.org/10.1080/135406002100000512

Hina, S., & Dominic, P. D. D. (2020). Information security policies’ compliance: A perspective for higher education institutions. Journal of Computer Information Systems, 60(3), 201–211. https://doi.org/10.1080/08874417.2018.1432996

Kafai, Y. B., & Resnick, M. (2012). Constructionism in practice: Designing, thinking, and learning in a digital world. Routledge.

Rumyantseva, K., Pogrischuk, B., & Lysyuk, O. (2012). The use of computer modeling in teaching the economic and mathematical disciplines to future economists. Edukacja-Technika-Informatyka, 2(3), 286–290.

Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.

Tin bài: ThS Thái Thị Vân Anh - Bộ môn Toán, Khoa Kinh tế - Cơ sở