← Kế hoạch bài dạy Lớp 10 Danh mục 12 lớp Mục lục

Tài liệu học tập · Cấp trung học phổ thông

Học sinh lớp 10 phác sơ đồ hệ thống AI với người giám sát ở trung tâm.
Hình bìa. Lớp 10: xác định vai trò người trong hệ thống; kiểm soát vì an toàn, công bằng, quyền con người; luật và đạo đức vận hành; ứng dụng–prompt–dữ liệu; ý tưởng và cấu trúc hệ thống.

Trí tuệ nhân tạo

Lớp 10

12 bài giúp em xác định vai trò người khi dùng và vận hành AI, giải thích vì sao phải kiểm soát, nhận rủi ro và khung pháp lí cơ bản, rồi thiết kế ý tưởng hệ thống có dữ liệu–mô hình–phản hồi.

12 tiết / năm học 4 chuyên đề Theo khung Bộ GDĐT, 2026

Em dùng tài liệu này thế nào?

Đây là sách học của em, không phải giáo án của thầy cô.
  • Đọc tình huống trước, rồi đọc kiến thức.
  • Làm phần Luyện tập trên giấy hoặc sách photo.
  • Ô Ghi nhớ là ý cần thuộc. Ô Mở rộng học thêm khi thầy cô tổ chức.
  • Không tự tạo tài khoản công cụ AI. Nếu cần thử máy, dùng thiết bị nhà trường, có người lớn giám sát.

Mục lục

Tên bài lấy theo khung nội dung giáo dục trí tuệ nhân tạo. Mã như 10.A1.1 là yêu cầu cần đạt.

1

Chuyên đề 1 · Người kiểm soát hệ thống AI · 10.A1.1

Con người trong hệ thống AI

Em sẽ học được

  • Thực hành xác định vai trò con người trong sử dụng, vận hành, tuỳ chỉnh một hệ thống AI cụ thể.

Tình huống mở đầu

Nhà trường cân nhắc điểm danh bằng khuôn mặt. Người đang ở vai nào: người dùng, người vận hành, hay người tuỳ chỉnh?

Học sinh và giáo viên xác định vai trò quanh một hệ thống điểm danh.
Hình 1. Cùng một hệ thống, người có thể là người dùng, người vận hành (theo dõi, dừng), người tuỳ chỉnh (ngưỡng, danh sách). Cần gọi đúng vai để gọi đúng trách nhiệm.

Kiến thức

Người dùng: tương tác hằng ngày, chịu trách nhiệm dữ liệu mình đưa và quyết định mình nhận. Người vận hành: theo dõi hệ thống chạy, xử lí sự cố, có quyền tạm dừng. Người tuỳ chỉnh: chỉnh tham số được phép, ngưỡng cảnh báo, phạm vi dữ liệu — trong giới hạn nhà trường / pháp luật.
Ghi nhớ Gọi đúng vai: dùng — vận hành — tuỳ chỉnh. Mỗi vai có việc và trách nhiệm khác nhau.

Luyện tập

ViệcVai trò
Học sinh soi mặt để vào cổng
Giáo viên tắt hệ thống khi lỗi
Kĩ thuật chỉnh ngưỡng nhận diện

Vận dụng. Chọn 1 hệ thống em biết (gợi ý video, dịch máy, chatbot). Viết 3 vai trò.

2

A1. Kiểm soát · 10.A1.2

Con người cần kiểm soát AI

Em sẽ học được

  • Giải thích vì sao việc con người kiểm soát AI là quan trọng, gắn với giá trị an toàn, công bằng và quyền con người.

Tình huống mở đầu

Hệ thống tự động cắt điện để “tối ưu”. Lúc đó đang cứu hoả. Máy được quyền không?

Người giữ quyền dừng hệ thống khi an toàn con người bị đe doạ.
Hình 2. Kiểm soát để bảo vệ an toàn, công bằng, quyền con người. Máy không được là cấp quyết định cuối trong tình huống nguy hiểm.

Kiến thức

An toàn: người có quyền dừng, có quy trình khi máy sai.

Công bằng: người phát hiện và sửa đối xử lệch.

Quyền con người: riêng tư, không bị theo dõi tuỳ tiện, không bị từ chối dịch vụ oan.

Không kiểm soát → rủi ro lan ở quy mô lớn, khó giải trình.

Ghi nhớ Người kiểm soát AI vì an toàn, công bằng và quyền con người — không vì “sợ công nghệ”.

Luyện tập

Viết đoạn 6–8 câu: một hệ thống cụ thể — giá trị nào bị đe doạ nếu không có người kiểm soát — cơ chế dừng em đề xuất.

Vận dụng. Tìm trong nội quy trường / phòng máy một câu thể hiện quyền dừng thiết bị.

3

A2. Rủi ro · 10.A2.1

Rủi ro đối với con người và dự án AI

Em sẽ học được

  • Nêu một số rủi ro đối với con người, xã hội mà một sản phẩm AI có thể đem lại.
  • (MR) Nêu biện pháp hạn chế rủi ro thông qua một dự án sáng tạo AI.

Tình huống mở đầu

Nhận diện khuôn mặt cho “an ninh trường” — rủi ro nào?

Nhóm học sinh lập bản đồ rủi ro cho ý tưởng camera nhận mặt.
Hình 3. Rủi ro: nhầm người, theo dõi quá mức, rò dữ liệu sinh trắc, kỳ thị. Dự án học tập phải liệt kê rủi ro trước khi khen “tiện”.
Chỗ chèn ảnh (tuỳ chọn) Bảng rủi ro–biện pháp của nhóm (ảnh chụp phiếu, ẩn tên).
Hình 3b (chèn thêm). MR: mỗi rủi ro gắn một biện pháp hạn chế.

Kiến thức

Rủi ro người và xã hội: sai sót gây thiệt hại; xâm phạm riêng tư; thiên vị; lệ thuộc; lan thông tin sai; mất việc không có lộ trình chuyển đổi.

Với dự án học đường: ưu tiên bài toán không cần sinh trắc; ẩn danh; có người duyệt; có quyền không tham gia.

Mở rộng (10.A2.MR1) Với ý tưởng nhóm: 3 rủi ro — 3 biện pháp (giảm dữ liệu, người duyệt, giới hạn phạm vi, xoá dữ liệu sau thí nghiệm).
Ghi nhớ Sản phẩm AI có rủi ro với người và xã hội. Liệt kê trước, hạn chế bằng thiết kế, không chỉ xin lỗi sau.

Luyện tập

Rủi roAi bị ảnh hưởng?Biện pháp
Nhầm khuôn mặt
Rò ảnh
Áp lực bị theo dõi

Vận dụng. Chọn lại bài toán dự án nếu rủi ro sinh trắc quá cao.

4

A3. Pháp luật · 10.A3.1

Luật pháp với AI

Em sẽ học được

  • Kể tên một vài quy định hoặc luật lệ ở mức khái niệm (ví dụ Luật An ninh mạng, Luật Dữ liệu, Luật Bảo vệ dữ liệu cá nhân) có chức năng bảo vệ người dùng trong không gian số.

Tình huống mở đầu

“Có luật thì em khỏi cần cẩn thận” — đúng không?

Học sinh tìm hiểu tên các luật bảo vệ người dùng trên không gian số.
Hình 4. Luật bảo vệ người dùng, nhưng không thay thói quen an toàn của em. Cần biết tên và chức năng ở mức khái niệm.

Kiến thức

Ở mức khái niệm (không thay bài giảng pháp luật): Luật An ninh mạng — trật tự, an toàn không gian mạng; Luật Dữ liệu — quản trị dữ liệu quốc gia; Luật Bảo vệ dữ liệu cá nhân — quyền và nghĩa vụ liên quan dữ liệu cá nhân.

Nhà trường còn nội quy, quy chế thi. Vi phạm có thể là kỉ luật và/hoặc pháp luật tuỳ mức.

Biết luật để tôn trọng quyền người khác, không để “máy bảo được thì làm”.

Ghi nhớ Biết tên và chức năng một số luật bảo vệ người dùng. Luật không thay sự cẩn thận của người dùng.

Luyện tập

Văn bản (mức khái niệm)Chức năng em hiểu
Luật An ninh mạng
Luật Dữ liệu
Luật Bảo vệ dữ liệu cá nhân

Vận dụng. Đọc 1 điều trong nội quy trường liên quan thiết bị / dữ liệu. Ghi lại.

5

Chuyên đề 2 · Pháp luật và đạo đức khi vận hành AI · 10.B2.1

Tuân thủ quy định và pháp luật khi sử dụng AI

Em sẽ học được

  • Nêu ví dụ hành vi dùng AI hoặc sự cố liên quan AI vi phạm quy định nhà trường hoặc văn bản pháp luật liên quan công nghệ thông tin.
  • (MR) Nhận dấu hiệu nội dung do AI tạo sinh; nhận xét mức độ minh bạch khi khai báo dùng AI.

Tình huống mở đầu

Bài văn hay bất thường, nộp sát giờ, em không giải thích được ý. Đó chỉ là “khéo dùng công cụ” ư?

Giáo viên và học sinh nói về gian lận học tập và khai báo.
Hình 5. Dùng AI làm hộ bài, giả mạo, phát tán dữ liệu lớp, tạo nội dung xúc phạm — có thể vi phạm nội quy và quy định liên quan. Minh bạch khai báo là trách nhiệm học tập.

Kiến thức

Ví dụ vi phạm học đường: nộp nguyên văn AI như bài mình; dùng AI trong giờ kiểm tra khi bị cấm; phát tán dữ liệu bạn.

Sự cố: lộ đề, lộ thông tin cá nhân, nội dung xúc phạm do prompt thiếu kiểm soát.

Minh bạch: ghi công cụ, phiên bản nếu biết, phần AI / phần tự làm.

Mở rộng (10.B2.MR1) Nhận dấu hiệu văn phong/cấu trúc điển hình của AI tạo sinh (chỉ để cảnh giác, không kết tội). Nhận xét mẫu khai báo: đủ hay che giấu.
Ghi nhớ Tuân thủ nội quy và pháp luật. Khai báo khi dùng AI. Không gian lận, không phát tán dữ liệu.

Luyện tập

  • Nộp bài AI không khai báo. Tuân thủ   Vi phạm
  • Dịch 1 câu khó rồi viết lại lời mình, ghi chú nguồn hỗ trợ. Tuân thủ   Vi phạm
  • Dùng AI trong bài kiểm tra khi đề cấm. Tuân thủ   Vi phạm

Vận dụng. Soạn 1 mẫu khai báo cho bài luận 800 chữ.

6

B3. Đạo đức vận hành · 10.B3.1

Đạo đức trong vận hành và sáng tạo AI

Em sẽ học được

  • Trình bày ví dụ minh hoạ vấn đề đạo đức có thể phát sinh khi thiết kế và vận hành AI (thiên vị dữ liệu, vi phạm quyền riêng tư, thiếu minh bạch).

Tình huống mở đầu

Chatbot học đường nói “em cứ kể, mình giữ bí mật” nhưng hệ thống lưu log. Có ổn không?

Mâu thuẫn giữa lời hứa bảo mật trên giao diện và việc lưu nhật kí phía sau.
Hình 6. Đạo đức vận hành: thiên vị, riêng tư, minh bạch. Lời giao diện phải khớp việc hệ thống thật sự làm.

Kiến thức

Thiên vị dữ liệu: mô hình đối xử lệch.

Quyền riêng tư: thu thập / lưu / chia sẻ vượt sự đồng ý.

Thiếu minh bạch: không nói máy làm gì, dữ liệu đi đâu, ai xem được.

Sáng tạo AI trong trường: không huấn luyện trên dữ liệu bạn mà chưa được phép.

Ghi nhớ Thiết kế và vận hành phải xét thiên vị, riêng tư, minh bạch — không chỉ “chạy được”.

Luyện tập

Phân tích chatbot trên: 2 vấn đề đạo đức + 2 chỉnh sửa giao diện / quy trình.

Vận dụng. Đọc điều khoản một công cụ nhà trường cho dùng (nếu có). Ghi 1 điểm về dữ liệu.

7

Chuyên đề 3 · Ứng dụng, prompt và dữ liệu · 10.C2.1 · 10.C2.2

Liên hệ ứng dụng AI và vấn đề thực tế

Em sẽ học được

  • Xác định vấn đề thực tế có thể ứng dụng AI; ưu tiên bối cảnh Việt Nam (nông nghiệp, cộng đồng thiểu số…).
  • Liệt kê tên ứng dụng AI theo tính năng hệ thống.
  • (MR) Xác định yêu cầu cần có để ứng dụng AI thực hiện nhiệm vụ cụ thể.

Tình huống mở đầu

Việc nào cần AI, việc nào chỉ cần loa phát thanh xã?

So sánh bài toán cần nhận dạng/dự đoán với bài toán chỉ cần thông báo.
Hình 7. Không phải việc nào cũng gắn AI. Ưu tiên vấn đề gần Việt Nam, thật sự cần nhận dạng, dự đoán hoặc đối thoại có kiểm soát.

Kiến thức

Vấn đề phù hợp: phân loại sâu bệnh; hỗ trợ dịch ngôn ngữ dân tộc (có cộng đồng tham gia); gợi ý lịch tưới — người quyết.

Không phù hợp: việc đã giải bằng quy trình đơn giản; việc đòi dữ liệu nhạy cảm không kiểm soát được.

Nhóm tính năng: nhận ảnh, nhận tiếng, trò chuyện, dự đoán, gợi ý.

Mở rộng (10.C2.MR1) Yêu cầu: dữ liệu gì, độ chính xác tối thiểu, người duyệt, cách dừng, chi phí năng lượng / thiết bị trường có.
Ghi nhớ Chọn đúng việc mới dùng AI. Gắn bối cảnh Việt Nam. Liệt kê tính năng, không sính thuật ngữ.

Luyện tập

Vấn đềCần AI?Tính năng
Thông báo họp tổ
Nhận sâu trên lá lúa
Hỗ trợ dịch tiếng địa phương

Vận dụng. Viết 1 vấn đề địa phương em quan tâm + 3 yêu cầu hệ thống.

8

C2. AI trong học tập · 10.C2.3

Một số ứng dụng AI trong học tập

Em sẽ học được

  • Nêu ví dụ trường hợp dùng AI hỗ trợ quá trình học tập.
  • (MR) Sử dụng một số ứng dụng AI trong học tập trên thiết bị trường, có giám sát.

Tình huống mở đầu

Hỗ trợ học khác với làm hộ thi ở điểm nào?

Học sinh dùng AI để luyện đề rồi tự giải thích; không dùng khi bị cấm trong kiểm tra.
Hình 8. Hỗ trợ: giải thích, luyện, phản hồi. Làm hộ thi / nộp nguyên văn là gian lận. Ranh giới nằm ở mục đích và quy định.

Kiến thức

Ví dụ hỗ trợ: giải thích khái niệm rồi em nói lại; tạo câu hỏi ôn; góp ý ngữ pháp; dịch câu để hiểu tài liệu.

Không hỗ trợ: làm hộ bài kiểm tra, viết hộ báo cáo rồi nhận là của mình, tạo dữ liệu giả cho thí nghiệm.

Mở rộng (10.C2.MR2) Thực hành trên công cụ nhà trường chọn. Nhật kí: mục tiêu — prompt — kết quả — đối chiếu SGK — phần tự viết.
Ghi nhớ AI hỗ trợ quá trình học, không thay bài thi và không thay hiểu biết của em.

Luyện tập

Thiết kế nhật kí 1 nhiệm vụ học (môn em chọn).

Mục tiêuPromptĐối chiếuEm viết lại

Vận dụng. Cam kết 3 việc em không dùng AI trong học kì này.

9

C3. Prompt · 10.C3.1 · 10.C3.2

Cách đặt prompt phù hợp với mục tiêu

Em sẽ học được

  • Mô tả yêu cầu để đưa ra prompt phù hợp mục tiêu cụ thể.
  • Thực hành đặt prompt giải quyết vấn đề gần gũi trong cuộc sống, học tập một cách hiệu quả.

Tình huống mở đầu

Hai câu lệnh: “Viết giúp bài hay” và “Liệt kê 5 ý ẩn chương …, không bịa, ghi trang SGK nếu có”. Khác nhau chỗ nào?

Học sinh soạn prompt có mục tiêu, ràng buộc, tiêu chí.
Hình 9. Prompt tốt: mục tiêu rõ, ngữ cảnh, ràng buộc (không bịa, định dạng), tiêu chí thành công. Prompt mơ hồ ra kết quả mơ hồ.

Kiến thức

Yêu cầu prompt: mục tiêu, ngữ cảnh, định dạng đầu ra, ràng buộc (nguồn, độ dài, không bịa), tiêu chí.

Sau khi có kết quả: em kiểm chứng, viết lại lời mình, khai báo.

Ghi nhớ Prompt bám mục tiêu. Ràng buộc rõ. Kết quả vẫn phải kiểm chứng.

Luyện tập

Viết lại prompt “Viết giúp bài hay” thành prompt đạt yêu cầu trên, cho một bài cụ thể.

Vận dụng. Thử 2 phiên bản prompt (nếu được phép) và so sánh chất lượng + mức bịa.

10

C3–C4. Công nghệ và dữ liệu · 10.C3.3 · 10.C4.1

Công nghệ AI và chất lượng dữ liệu huấn luyện

Em sẽ học được

  • Phân biệt AI tạo sinh với hệ thống phân loại, dự đoán qua ví dụ cụ thể.
  • Phân tích ảnh hưởng chất lượng dữ liệu đến chất lượng AI.
  • (MR) Ví dụ công nghệ thiết kế AI; các dạng dữ liệu huấn luyện.

Tình huống mở đầu

Máy viết thơ, máy tách lúa bệnh, máy đoán sản lượng — cùng một “AI”?

Ba hệ thống khác nhau: tạo sinh, phân loại, dự đoán.
Hình 10. Tạo sinh sinh nội dung mới. Phân loại gán nhóm. Dự đoán ước giá trị tương lai. Cả ba đều phụ thuộc dữ liệu.

Kiến thức

Tạo sinh: sinh văn, ảnh, âm (rủi ro bịa, bản quyền, giả mạo). Phân loại: gán nhãn (lúa khoẻ/bệnh). Dự đoán: ước số / khả năng (sản lượng, mưa) — không phải sự thật chắc chắn.

Dữ liệu kém (thiếu, lệch, nhãn sai, không cập nhật) → mô hình kém, dù thuật toán “xịn”.

Mở rộng (10.C3.MR1 · 10.C4.MR1) Công nghệ (mức khái niệm): học có giám sát, mô hình ngôn ngữ lớn… Dạng dữ liệu: ảnh, tiếng, văn bản, số đo cảm biến.
Ghi nhớ Không gọi hết là “AI”. Tạo sinh ≠ phân loại ≠ dự đoán. Chất lượng dữ liệu quyết định chất lượng máy.

Luyện tập

Hệ thốngLoạiDữ liệu cần tốt ở điểm nào?
Viết đoạn gợi ý
Tách lúa bệnh
Ước sản lượng

Vận dụng. Chọn 1 ứng dụng em dùng. Nó tạo sinh, phân loại hay dự đoán? Dữ liệu xấu sẽ hỏng chỗ nào?

11

Chuyên đề 4 · Ý tưởng và cấu trúc hệ thống AI · 10.D1.1

Ý tưởng hệ thống AI

Em sẽ học được

  • Nêu ví dụ cụ thể, xác định nhiệm vụ hoặc mục tiêu cụ thể hệ thống AI cần thực hiện, nêu mối liên hệ giữa mục tiêu đó với các thành phần chính của hệ thống.

Tình huống mở đầu

“Làm AI cho trường” — mục tiêu nào đủ cụ thể để thiết kế?

Nhóm thu hẹp mục tiêu: chatbot nội quy giờ ra vào.
Hình 11. Mục tiêu cụ thể (trả lời nội quy giờ ra vào, không tư vấn tâm lí) mới gắn được dữ liệu, mô hình, đầu ra, người duyệt.

Kiến thức

Mục tiêu SMART ở mức học đường: ai dùng, việc gì, giới hạn gì, khi nào dừng.

Liên hệ: mục tiêu → dữ liệu (nội quy đã ban hành) → mô hình/kịch bản → đầu ra (câu trả lời + nguồn) → phản hồi (góp ý sai).

Ghi nhớ Mục tiêu cụ thể mới thiết kế được. Mỗi thành phần phục vụ mục tiêu, không thêm cho “oai”.

Luyện tập

Thành phầnGắn mục tiêu nhóm em thế nào?
Dữ liệu
Mô hình / kịch bản
Đầu ra
Người duyệt / dừng

Vận dụng. Viết 1 câu mục tiêu không cụ thể rồi viết lại cho cụ thể.

12

D2. Thành phần hệ thống · 10.D2.1 · 10.D2.2

Hệ thống AI

Em sẽ học được

  • Mô tả thành phần cơ bản: dữ liệu, mô hình, thuật toán, đầu ra, phản hồi — phù hợp nhiệm vụ cụ thể.
  • Nêu ví dụ vấn đề phát sinh khi vận hành hoặc tối ưu AI và ý nghĩa của việc khắc phục.

Tình huống mở đầu

Mô hình nhận đường ướt được dạy mùa khô. Cuối mùa mưa máy vẫn “chắc chắn” như mùa khô?

Sơ đồ dữ liệu–mô hình–đầu ra–phản hồi; dữ liệu mùa mưa được bổ sung.
Hình 12. Thành phần: dữ liệu, mô hình, thuật toán, đầu ra, phản hồi. Vận hành phát sinh lệch phân bố, quá khớp, phản hồi chậm — phải khắc phục để hệ thống đáng tin.

Kiến thức

Dữ liệu — mô hình — thuật toán — đầu ra — vòng phản hồi (người đánh giá, dữ liệu mới).

Vấn đề vận hành: dữ liệu thực tế khác dữ liệu học; tự tin sai; phản hồi người dùng không được ghi nhận.

Khắc phục: cập nhật dữ liệu, giới hạn phạm vi, có người duyệt, đo lại — để an toàn và tin cậy, không chỉ “điểm cao trên tập cũ”.

Ghi nhớ cả năm lớp 10 Hệ thống = dữ liệu + mô hình + thuật toán + đầu ra + phản hồi. Vận hành phải theo dõi và sửa.

Luyện tập

Vẽ sơ đồ 5 thành phần cho ý tưởng bài 11. Ghi 1 vấn đề vận hành + cách khắc phục.

Vận dụng. Viết đoạn: vai trò người trong vòng phản hồi của hệ thống em chọn.

★

Cuối năm

Ôn tập lớp 10

Trả lời ngắn.

  1. Ba vai trò người trong một hệ thống AI?
  2. Vì sao phải kiểm soát AI, gắn 3 giá trị nào?
  3. Nêu 2 rủi ro của camera nhận diện khuôn mặt ở trường.
  4. Kể tên 2 văn bản pháp luật (mức khái niệm) bảo vệ người dùng số.
  5. Ví dụ hành vi dùng AI vi phạm nội quy học tập?
  6. Ba nhóm vấn đề đạo đức: thiên vị, riêng tư, … ?
  7. Khi nào không nên gắn AI vào một việc cộng đồng?
  8. Prompt tốt cần những yếu tố nào?
  9. Phân biệt tạo sinh, phân loại, dự đoán.
  10. Năm thành phần cơ bản của hệ thống AI?

Thuật ngữ em đã gặp

Vận hành
Theo dõi hệ thống khi đang chạy, xử lí sự cố, có quyền dừng.
Tuỳ chỉnh
Chỉnh tham số / phạm vi được phép, không đồng nghĩa lập trình lại toàn bộ.
AI tạo sinh
Hệ thống sinh nội dung mới (văn, ảnh, âm).
Phân loại
Gán nhóm / nhãn cho dữ liệu.
Dự đoán
Ước giá trị hoặc khả năng; không phải sự thật chắc chắn.
Prompt
Câu lệnh / yêu cầu đưa cho hệ thống AI.
Phản hồi
Vòng người đánh giá kết quả để điều chỉnh hệ thống.
Minh bạch
Nói rõ hệ thống làm gì, dữ liệu đi đâu, ai chịu trách nhiệm.