TRỊNH NGỌC MY[1]
HOÀNG THỊ QUỲNH AN
PHẠM ĐỨC HUY
ĐÀM LÊ PHƯƠNG ANH
Khoa Ngoại ngữ, Đại học Bách khoa Hà Nội
Abstract
This study aims to compare two correction feedback channels for improving English pronunciation among engineering students at Hanoi University of Science and Technology: teacher feedback and AI tools. Overall, timely and clear corrective feedback, combined with regular practice, yields positive results in learning English and is particularly useful in improving students' pronunciation. Teacher feedback plays a crucial role in identifying causes, prioritizing corrections based on communication goals, and enhancing student motivation, but its effectiveness may be limited by class size and duration. On the other hand, AI-based feedback is often provided instantly and frequently, with the ability to track learning progress; however, it may overemphasise on accuracy and has limitations in pedagogical methods. Therefore, the study proposes a blended model combining teacher feedback with the use of AI tools outside of class hours to optimize costs and effectiveness for students.
Keywords: Pronunciation, corrective feedback, automatic speech recognition, computer-assisted pronunciation training, engineering undergraduates.
1. Đặt vấn đề
Phát âm không chỉ là “nói đúng âm” mà là điều kiện nền tảng để người nghe hiểu đúng thông tin trong giao tiếp nói. Thông thường, phát âm kém có thể làm giảm hiệu quả trao đổi thông tin; đặc biệt trong môi trường kỹ thuật, hệ quả có thể nghiêm trọng hơn: sai lệch một con số, một đơn vị đo, một thuật ngữ vật liệu hay một bước trong quy trình có thể kéo sự ảnh hưởng chất lượng sản phẩm hoặc an toàn vận hành. Vì vậy, với sinh viên (SV) khối khoa học - kỹ thuật, phát âm tốt là một năng lực giao tiếp thiết yếu, gắn với hiệu suất học tập, công việc và hợp tác quốc tế.
Tại Việt Nam, yêu cầu về năng lực ngoại ngữ trong giáo dục đại học được định hướng bởi Khung năng lực ngoại ngữ 6 bậc dùng cho Việt Nam [2, tr. 6-10]. Cụ thể, tại Đại học Bách khoa Hà Nội, nhà trường cũng đã ban hành các quy định cụ thể về phân loại trình độ đầu vào, các chương trình ngoại ngữ cơ bản cũng như yêu cầu về chuẩn ngoại ngữ đối với sinh viên đại học hệ chính quy [5, tr. 8]. Tuy nhiên, thực tế đào tạo ngoại ngữ ở bậc đại học, đặc biệt với SV không chuyên ngữ như tại Đại học Bách khoa Hà Nội thường gặp nhiều trở ngại về thời lượng và sĩ số lớp, dẫn đến hiện tượng “đủ điểm nhưng chưa đủ nói” hay nói cách khác, SV có thể đạt chứng chỉ ngoại ngữ nhưng vẫn thiếu tự tin khi phát âm trong giao tiếp thực tế. Ngoài ra, các nghiên cứu gần đây với nhóm SV khối khoa học kỹ thuật cho thấy lỗi phát âm chủ yếu liên quan tới phát âm phụ âm, trọng âm và ngữ điệu, đồng thời các lỗi này cũng bắt nguồn từ việc SV chưa nhận được phản hồi sửa lỗi (PHSL) kịp thời và thường xuyên [3, tr. 68]. Trong bối cảnh đó, trí tuệ nhân tạo (AI), đặc biệt là công nghệ nhận dạng giọng nói tự động (ASR) và các hệ thống luyện phát âm có hỗ trợ máy tính (CAPT), được xem như một công cụ hỗ trợ luyện tập hữu ích cho SV. Do đó, nhóm nghiên cứu nhận thấy cần có những phân tích hệ thống nhằm xác định điểm mạnh, điểm yếu của công cụ AI so với PHSL của giáo viên (GV), từ đó đề xuất mô hình hỗ trợ phát âm tối ưu cho SV khối kỹ thuật.
2. Nội dung nghiên cứu
2.1. Khái niệm về phát âm tốt
Trước hết, về mặt cấu trúc, phát âm được hình thành từ hai thành tố là âm đoạn (segmentals) và siêu đoạn (suprasegmentals). Âm đoạn bao gồm các phụ âm và nguyên âm còn siêu đoạn bao gồm trọng âm, nhịp điệu và ngữ điệu. Theo Khung tham chiếu trình độ ngôn ngữ chung của châu Âu, người học ngoại ngữ được coi là có sự tiến bộ trong cách phát âm khi các âm có sự ổn định hơn và các phản hồi được đưa ra phù hợp với tình huống tương tác [4, tr. 134].
Đặc biệt, trong lĩnh vực nghiên cứu ngôn ngữ học và nghiên cứu phương pháp giảng dạy mới đây, khả năng phát âm tốt còn được xác định dựa theo mức độ phục vụ giao tiếp hiệu quả, không đồng nhất với chuẩn “giống bản ngữ”. Các nhà nghiên cứu đã chỉ ra rằng giọng địa phương hay ngữ giọng (accentedness) không gây ảnh hưởng đáng kể tới mức độ nghe hiểu giữa người nói và người nghe. Người nói được coi là có phát âm tốt khi câu nói có độ hiểu được cao (inteligibility), mức dễ hiểu tốt (comprehensiblity) và hạn chế được lỗi ở cả âm đoạn và siêu đoạn trong quá trình giao tiếp [4, tr. 134-135], [7, tr. 76, 91-93].
2.2. Yếu tố ảnh hưởng tới khả năng phát âm tốt của sinh viên
2.2.1. Yếu tố bên trong: tri giác âm thanh, phát âm và thói quen tự sửa lỗi
Người học muốn cải thiện phát âm thì không chỉ cần nắm vững các quy tắc phát âm mà còn cần luyện tập đồng thời giữa tai nghe (tri giác âm thanh) và điều chỉnh phát âm (điều chỉnh khẩu hình và các cơ quan phát âm). Khi khả năng nghe và phân biệt âm chưa vững và còn chịu ảnh hưởng từ tiếng mẹ đẻ, người học sẽ gặp khó khăn trong việc tự nhận diện lỗi khi nói, từ đó không nhận ra được bản thân có yếu điểm. Đặc biệt, đối với nhóm SV khối kỹ thuật, việc tiếp xúc với tiếng Anh thường thiên về đọc hiểu tài liệu trong khi kỹ năng nghe - nói ít được rèn luyện. Hệ quả là khả năng tự điều chỉnh phát âm khi nói còn hạn chế. Ngoài ra, khi SV đặt mục tiêu mang tính ngắn hạn như “qua môn” hoặc “đạt chuẩn”, các em có xu hướng ưu tiên kỹ năng làm bài và không chú trọng việc luyện phát âm.
2.2.2. Yếu tố ngôn ngữ: sự ảnh hưởng từ tiếng mẹ đẻ
Đối với SV Việt Nam học Tiếng Anh nói chung và SV khối kỹ thuật tại Đại học Bách khoa Hà Nội nói riêng, trở ngại thường nằm ở các âm đoạn tiếng Anh (segmentals) không có trong tiếng Việt, dẫn đến sự nhầm lẫn giữa các âm hữu thanh - vô thanh và cụm phụ âm/âm cuối. Khi giao tiếp ở môi trường kỹ thuật, những lỗi này có thể gây ra những ảnh hưởng nhất định như làm giảm khả năng nhận diện từ tiếng Anh. Bên cạnh đó, ở cấp siêu đoạn (suprasegmentals), nhiều SV gặp khó khăn với trọng âm và nhịp điệu khi nói tiếng Anh, dẫn đến lối nói đều đều, thiếu độ nhấn nhá, khiến người nghe khó nắm thông tin, đồng thời làm giảm độ dễ hiểu của lời nói.
2.2.3. Yếu tố giảng dạy: thời lượng, sĩ số và chất lượng phản hồi sửa lỗi
Phát âm được đánh giá là kỹ năng khó có thể dạy nhanh vì cần có sự luyện tập lâu dài và đòi hỏi sự hỗ trợ thường xuyên để sửa lỗi cho người học. Trong các lớp với sĩ số lớn, GV khó có thể chỉnh sửa chi tiết cho từng người học, dẫn đến việc PHSL thường mang tính chọn lọc. Ví dụ: trong một tiết học giới hạn thời gian, GV chỉ có thể sửa các lỗi nổi bật hoặc sửa theo nhóm SV. Điều này dễ tạo khoảng trống cho các lỗi cá nhân chưa được sửa kịp thời. Ngoài ra, để cải thiện phát âm cho SV, PHSL cũng cần đảm bảo yếu tố rõ ràng và trực tiếp. Tuy nhiên, một số SV có thể không nhận ra rằng thầy cô đang sửa phát âm cho mình nếu GV không trực tiếp chỉ ra lỗi cho SV đó, đặc biệt là khi SV đang tập trung suy nghĩ nội dung bài nói.
2.2.4. Yếu tố môi trường: cơ hội tiếp xúc và động lực giao tiếp
Một trong những động lực lớn thúc đẩy SV cải thiện phát âm là sự trải nghiệm và tiếp xúc. Cụ thể hơn, khi có cơ hội sử dụng tiếng Anh thường xuyên, ví dụ như thuyết trình, thảo luận dự án hoặc làm việc nhóm bằng tiếng Anh, SV sẽ tự nhận ra rằng các lỗi phát âm có thể gây hiểu nhầm hoặc ảnh hưởng đến sự trao đổi thông tin giữa các thành viên, từ đó, SV sẽ có ý thức sửa các lỗi này. Ngược lại, nếu môi trường chủ yếu dùng tiếng Việt hoặc ít giao tiếp bằng tiếng Anh, động lực cải thiện phát âm của người học có thể bị giảm sút.
2.3. Phát âm sửa lỗi trong quá trình cải thiện phát âm cho sinh viên
2.3.1. Khái niệm về phát âm sửa lỗi
Trong quá trình thụ đắc ngôn ngữ thứ hai, PHSL được hiểu là mọi hình thức phản hồi làm nổi bật sự khác biệt giữa ngôn ngữ mẹ đẻ và ngôn ngữ đích nhằm kích hoạt quá trình nhận biết lỗi và điều chỉnh lỗi [6, tr. 310-311]. Nói cách khác, PHSL giống như một “tấm gương soi chiếu”, giúp người học biết mình sai ở đâu, sai kiểu gì và cần sửa như thế nào. Lý do là bởi khi nói, người học khó có thể dừng lại suy nghĩ như khi viết. Do đó, rất cần những PHSL rõ ràng và chi tiết, giúp người học nhận thức được lỗi sai và sửa cho đúng, sau đó lặp đi, lặp lại để tạo thành thói quen mới.
2.3.2. Phân loại phát âm sửa lỗi
Có nhiều đề xuất phân chia các loại PHSL, tuy nhiên, tựu chung lại, PHSL có thể được phân loại theo một số trục chính sau đây: - Trực tiếp và gián tiếp: PHSL trực tiếp chỉ rõ lỗi/đưa ra dạng đúng; PHSL gián tiếp gợi ý để người học tự sửa. Với phát âm, PHSL trực tiếp thường hữu ích khi lỗi liên quan âm vị khó vì người học cần được chỉ rõ ràng và cụ thể; - Tức thời và trì hoãn: PHSL tức thời giúp người học nhận thức được lỗi ngay lập tức, trong khi PHSL trì hoãn giúp làm giảm sự gián đoạn trong giao tiếp; - Tập trung vào âm đoạn và siêu đoạn: PHSL âm đoạn dễ chỉ ra phát âm đúng/sai; ngược lại, PHSL siêu đoạn gắn với cả câu thoại và tập trung vào đáp ứng mục đích nói.
Điểm cốt lõi để PHSL hiệu quả đó là các phản hồi cần đủ rõ ràng để người học nhận thức được mình đang được sửa lỗi cũng như đủ thông tin giúp người học biết phải làm gì và đi kèm với đó là sự luyện tập liên tục.
2.3.3. Tầm quan trọng của phát âm sửa lỗi trong quá trình cải thiện phát âm
Nhìn chung, PHSL mang lại tác động khá tích cực đối với việc học ngôn ngữ. Các nhà nghiên cứu đã chỉ ra rằng PHSL không chỉ giúp nâng cao khả năng phát âm mà còn giúp cải thiện khả năng ngôn ngữ của người học theo thời gian khi người học nhận được PHSL kịp thời và có nhiều cơ hội luyện tập [6, tr. 332, 347, 335-336, 348- 349, 351]. Tuy nhiên, điều đáng chú ý là không phải PHSL nào cũng tạo ra sự thay đổi và không phải lỗi nào cũng cần phải sửa như nhau. Nếu phản hồi tập trung vào những lỗi ít ảnh hưởng tới mức độ hiểu được của lời nói, người học có thể tốn công sửa nhưng không thấy được sự cải thiện trong quá trình học. Ngược lại, nếu phản hồi ưu tiên các lỗi gây ra hiểu nhầm trong giao tiếp, đặc biệt là các lỗi phát âm liên quan tới thuật ngữ, con số, trọng âm, thì sự tiến bộ của người học sẽ thể hiện rõ rệt. Như vậy, đối với người học ngoại ngữ không chuyên nói chung và SV khối kỹ thuật nói riêng, PHSL nên được xem như một chiến lược nhằm tối ưu hóa quá trình giao tiếp dễ hiểu và hiểu đúng, tức là chọn đúng lỗi cần sửa, phản hồi đủ chi tiết và thiết kế nhiệm vụ thực hành sao cho người học được luyện tập và vận dụng phát âm trong tình huống thực tế.
2.4. Tác động của phát âm sửa lỗi phát âm từ giáo viên đối với sinh viên
2.4.1. Điểm mạnh của phản hồi từ giáo viên
Phản hồi từ GV là hình thức PHSL truyền thống và vẫn được coi là chuẩn mực trong nhiều chương trình đại học. Điểm mạnh của PHSL từ GV không nằm ở việc đúng sai mà nằm ở sự chẩn đoán, ưu tiên và dẫn dắt người học tới mục tiêu giao tiếp:
1)GV có thể giúp tìm ra chính xác nguyên nhân và cá nhân hóa cách sửa lỗi. Khi hai SV cùng mắc một lỗi phát âm, GV có chuyên môn tốt có thể xác định được các nguyên nhân khác nhau. Ví dụ: SV đã đặt sai vị trí lưỡi hoặc kia chưa phân biệt được âm khi nghe hay SV phát âm đúng nhưng sai ngữ điệu. Từ đó, GV sẽ giúp SV lựa chọn được cách thức sửa lỗi và chiến lược thực hành sửa lỗi phù hợp; 2) PHSL từ GV thường ưu tiên sửa lỗi theo tiêu chí “hiểu được”. Trong thực tế, không thể và cũng không nên sửa tất cả các lỗi phát âm. GV là người biết cân nhắc nhóm lỗi nào cần được ưu tiên hay nhóm lỗi nào có thể chỉnh sửa sau. Cụ thể, thông thường các GV sẽ ưu tiên các lỗi làm giảm mức độ nghe hiểu được khi phát âm. Ví dụ như những lỗi làm người nghe hiểu sai từ, sai thuật ngữ, sai số liệu, hoặc làm nghĩa của câu trở nên khó hiểu và mơ hồ. Cách ưu tiên này được đánh giá là phù hợp với định hướng phát âm phục vụ giao tiếp hiệu quả trong Khung tham chiếu trình độ ngôn ngữ chung của Châu Âu (CEFR) [4, tr. 130-134]; 3) PHSL từ GV thường gắn với nhiệm vụ giao tiếp có ý nghĩa thực tiễn. Các nghiên cứu đã chỉ ra rằng quá trình cải thiện phát âm chỉ có thể có hiệu quả bền vững khi SV phải nói để hoàn thành một nhiệm vụ cụ thể, ví dụ như thuyết trình hay thảo luận. Đây cũng chính là một trong những ưu điểm nổi trội của các lớp học truyền thống, đó là biến việc sửa lỗi trở thành việc sử dụng được ngôn ngữ. Ngoài ra, PHSL từ GV được đánh giá là mang tác động tâm lý tích cực và nâng cao động lực học cho SV. Việc sửa lỗi rất dễ gây ra tâm lý sợ sai. Phản hồi từ GV, nếu triển khai theo hướng hỗ trợ người học, có thể làm giảm sự lo lắng và tự ti trong quá trình học của SV, từ đó cải thiện đáng kể kết quả học tập [9, tr. 8-12]. Đặc biệt đối với nhóm SV khối kỹ thuật vốn chịu áp lực môn chuyên ngành, yếu tố tâm lý này có tác động không hề nhỏ. Khi SV cảm thấy đang học ở môi trường an toàn và tích cực, SV sẽ nói nhiều hơn và đây cũng là điều kiện vô cùng cần thiết để kỹ năng phát âm tiến bộ.
2.4.2. Điểm hạn chế khi triển khai phản hồi sửa lỗi từ giáo viên
Điểm hạn chế đầu tiên chính là sự giới hạn thời gian và khả năng bao quát trong lớp học với sĩ số đông. Một chu trình PHSL cần tương đối nhiều thời gian thông qua các bước luyện nghe, chỉ ra lỗi, làm mẫu và thực hành. Trong lớp đông, GV khó có thể thường xuyên sửa lỗi cho từng SV. Nếu tập trung sửa kỹ cho từng người học, thời lượng thực hành nói của cả lớp sẽ giảm đi đáng kể. Bên cạnh đó, PHSL từ GV có thể không đồng đều và phụ thuộc nhiều vào phương pháp giảng dạy của mỗi cá nhân thầy cô. Cụ thể, chất lượng phản hồi phụ thuộc vào chuyên môn và cách lựa chọn triển khai hình thức học tập trên lớp của GV. Nếu tần suất sửa lỗi thiếu nhất quán, SV khó có thể hình thành thói quen và tăng khả năng phát âm tốt. Ngoài ra, trong quá trình dạy giao tiếp, đôi khi GV sử dụng PHSL gián tiếp để không ngắt mạch hội thoại của SV. Tuy nhiên, như đã nói ở trên, loại PHSL này có thể khiến người học không nhận ra rằng mình đang sai, nhất là khi SV đang tập trung truyền đạt nội dung.
Như vậy, tính sư phạm và chuyên môn cao ở PHSL từ GV được đánh giá cao ở chiều sâu, gồm sự xác định nguyên nhân, đặt ra ưu tiên và hỗ trợ tâm lý người học. Tuy nhiên, những phản hồi này thường hạn chế ở chiều rộng như tần suất và độ bao phủ cá nhân. Đây chính là khoảng trống mà công nghệ hiện đại như AI đang được kỳ vọng có thể khỏa lấp được.
2.5. Triển khai sử dụng AI trong việc phản hồi sửa lỗi phát âm cho sinh viên
Trong vài năm gần đây, các hệ thống luyện phát âm có hỗ trợ máy tính (CAPT) phát triển rất nhanh và xuất hiện ở nhiều hình thức, từ ứng dụng đánh giá phát âm đến công cụ tạo hội thoại. Tổng quan cho thấy công cụ CAPT thường cung cấp PHSL gần như ngay lập tức và cho phép người học luyện tập theo tiến trình cá nhân [1, tr. 30-32]. Các nghiên cứu mới cũng chỉ ra rằng công nghệ nhận dạng giọng nói tự động (ASR) trong dạy phát âm đang mang lại những tác động tích cực, đặc biệt là các PHSL rất chi tiết và người học được sửa lỗi ngay [8, tr 6-7].
2.5.1. Điểm mạnh của phản hồi sửa lỗi từ AI
Điều đáng nói đầu tiên chính là tính tức thời và tần suất cao. Các công cụ AI có thể phản hồi ngay lập tức và lặp đi, lặp lại không giới hạn. Đây là lợi thế lớn của các công cụ này vì quá trình cải thiện phát âm cho người học rất cần vòng lặp này, từ nói sai, biết sai, được sửa và nói lại. Trong các lớp học với quy mô lớn, GV khó có thể luyện tập với tần suất dày cho từng cá nhân SV. Ngoài ra, các công cụ AI có thể cá nhân hoá theo nhịp học và tạo ra không gian luyện tập ít áp lực cho SV. Điều này đặc biệt hữu ích với các nhóm SV khối kỹ thuật có trình độ ngoại ngữ hạn chế và chưa tự tin khi thực hành giao tiếp thực tế. Cụ thể, các ứng dụng này tạo các bài tập giúp người học có thể luyện tập nhiều lần mà không phải e ngại có người xung quanh đánh giá hay phê bình. Sự hỗ trợ tâm lý này có thể khuyến khích SV tăng thời lượng luyện tập và tần suất luyện tập, một điều then chốt để sự tiến bộ được thể hiện rõ rệt. Bên cạnh đó, tính nhất quán và khả năng theo dõi tiến độ của người học trong các công cụ hỗ trợ AI cũng là một điểm mạnh đáng lưu ý. AI thường đưa ra các PHSL tương đối đồng nhất và ổn định theo các tiêu chí có sẵn, điều này tạo thuận lợi cho người học nhận ra lỗi phát âm của mình. Ngoài ra, người học có thể theo dõi được sự tiến bộ của bản thân theo thời gian do các hệ thống luyện phát âm có hỗ trợ máy tính (CAPT) có khả năng lưu trữ dữ liệu luyện tập. Điều này cũng vô cùng hữu ích cho cả SV lẫn GV khi cần theo dõi tiến độ học [1, tr. 33-35]. Như vậy, các công cụ hỗ trợ phát âm có tích hợp AI có thể được coi là một công cụ hữu ích và vô cùng tiềm năng, góp phần cải thiện khả năng phát âm tốt cho SV, đặc biệt là đối với các nhóm SV không chuyên ngữ cần nhiều không gian và thời gian luyện tập.
2.5.3. Điểm hạn chế của phản hồi sửa lỗi từ AI
Điểm hạn chế đầu tiên đó là các PHSL từ AI thường thiên lệch và có thể không đảm bảo đúng mục tiêu của người học. Do được tích hợp sẵn, các bài tập trong các ứng dụng có sử dụng AI thường tập trung vào việc phát âm đúng chuẩn ở cấp độ phát âm từ hoặc đọc câu ngắn. Điều này dễ khiến người học chỉ quan tâm tới việc đạt điểm cao trong việc phát âm đơn lẻ mà có thể chưa cải thiện được khả năng nói các câu dài có ngữ điệu, ngắt nghỉ đúng chỗ, đúng trọng tâm để truyền tải nội dung thông tin một cách hiệu quả.
Thứ hai đó là sự thiếu khả năng ưu tiên trong các PHSL. Các công cụ AI có thể xác định và phản hồi ngay lập tức các lỗi phát âm, tuy nhiên, các công cụ này khó có khả năng xác định được nhóm lỗi nào nên được ưu tiên sửa trước để tăng mức “hiểu được” và “dễ hiểu” của câu nói. Cụ thể, AI có thể đưa ra phản hồi rằng từ này đã bị phát âm sai nhưng không thể trả lời liệu lỗi sai này có quan trọng không và có cần thiết phải sửa hay không để đạt hiệu quả giao tiếp. Trong khi đó, trong thực tế, không phải tất cả các lỗi phát âm đều gây ảnh hưởng tiêu cực tới sự truyền đạt thông tin. Hơn nữa, sẽ tốn rất nhiều thời gian và công sức nếu người học phải sửa từng lỗi tiểu tiết, khiến người học có thể nản chí và mất động lực học tập.
Thứ ba, độ tin cậy của các PHSL từ AI có thể phụ thuộc vào điều kiện thu âm. Công nghệ nhận dạng giọng nói tự động (ASR) có thể bị ảnh hưởng bởi micro, tiếng ồn, tốc độ nói, và giọng của người nói. Nếu hệ thống nhận dạng âm thanh sai, PHSL có thể bị nhiễu và không đáng tin cậy. Điều đó có nghĩa là các ứng dụng thu âm cần được sử dụng trong môi trường yên tĩnh và các PHSL từ AI cũng cần được kiểm tra chéo và đánh giá lại để đảm bảo độ chính xác. Ngoài ra, các ứng dụng AI có thể bị hạn chế ở khía cạnh cải thiện phát âm siêu đoạn và tương tác có ngữ cảnh. Hiện nay, một số hệ thống có thể đưa ra PHSL về trọng âm, nhịp điệu, tuy nhiên, nhìn chung AI vẫn khó đạt chiều sâu như GV trong việc gắn ngữ điệu với mục định nói hoặc gắn phát âm với việc nhấn trọng tâm vào thông tin chính trong giao tiếp thực tế.
2.6. Gợi ý mô hình triển khai phù hợp cho sinh viên khối kỹ thuật tại Đại học Bách khoa Hà Nội
Từ những phân tích trên, câu hỏi đặt ra không phải là liệu AI có thể thay thế GV hay không mà là cách thức kết hợp hai kênh này như thế nào để tận dụng tối đa ưu thế của mỗi bên trong việc hỗ trợ cải thiện phát âm cho SV. Mô hình blended feedback (phản hồi kết hợp) kết hợp vai trò giữa GV và AI nhằm tối ưu hóa sự hỗ trợ cải thiện phát âm cho SV khối kỹ thuật. Trên lớp, GV nên tập trung vào những PHSL theo hướng ưu tiên mức độ hiểu được và dễ hiểu của việc phát âm, đồng thời tổ chức các nhiệm vụ nói tích hợp nội dung chuyên ngành của SV. Ngoài ra, GV cũng nên tập trung vào các PHSL có chọn lọc, nêu bật các lỗi trọng tâm cần sửa, chú trọng vào ngữ cảnh và mục tiêu giao tiếp thực tế [4, tr. 130-135], [7, tr. 92-93].
Bên cạnh đó, các công cụ AI nên được sử dụng để hỗ trợ quá trình luyện tập cá nhân hóa ngoài giờ học cho SV, đồng thời giúp GV và SV theo dõi sự tiến bộ bằng nhật ký dữ liệu. Cụ thể, GV có thể giao các bài tập trên các công cụ AI, yêu cầu SV luyện phát âm thêm tại nhà với các âm hoặc cụm âm khó, luyện nói các câu dài tập trung vào trọng âm của từ và ngữ điệu của câu. Sau đó, dựa trên các phản hồi và đánh giá từ ứng dụng, SV tiếp tục sửa lỗi và luyện tập lại hàng ngày. Tuy nhiên, để tránh gây áp lực hoặc tâm lý dễ chán nản khi phải nhận PHSL nhiều lần, GV nên lưu ý SV luyện tập với thời gian vừa phải, khoảng 15-20 phút mỗi ngày, và tập trung vào các lỗi đã được GV phân tích trên lớp. Khi SV có thể duy trì thói quen luyện tập đều đặn và thường xuyên, việc cải thiện phát âm sẽ đạt hiệu quả cao.
Ngoài việc sửa lỗi phát âm, GV cũng có thể gợi ý và khuyến khích SV tăng thời lượng nghe tiếng Anh cũng như sử dụng thêm các ứng dụng có tính năng tương tác hai chiều để tăng khả năng nghe hiểu trong hội thoại, nâng cao kỹ năng nói tương tác cũng như khả năng duy trì hội thoại.
3. Kết luận
Như vậy, khả năng phát âm tiếng Anh tốt là một trong những cầu nối quan trọng giúp SV khối kỹ thuật mở rộng cơ hội được học hỏi, giao lưu và hợp tác toàn cầu. Những phân tích trên cho thấy PHSL mang lại những hiệu quả và tác động tích cực đối với SV khi học ngoại ngữ, đặc biệt là khi những phản hồi này được đưa ra đúng thời điểm, rõ ràng và chi tiết. Thông qua việc so sánh hai kênh PHSL, ta có thể thấy PHSL từ GV chiếm ưu thế hơn về chiều sâu sư phạm, bao gồm khả năng xác định nguyên nhân, ưu tiên sửa lỗi theo mục tiêu giao tiếp, góp phần cải thiện đáng kể khả năng phát âm tốt cho SV. Tuy nhiên, những phản hồi này có thể bị ảnh hưởng bởi thời lượng giảng dạy và quy mô lớp học. Trong khi đó, các công cụ học tập tích hợp AI mang lại những lợi ích về tính tức thời, sự khuyến khích tần suất luyện tập, giảm áp lực tâm lý cho SV và khả năng theo dõi tiến độ học tập. Do vậy, mô hình kết hợp giữa PHSL từ GV và sử dụng các ứng dụng AI hỗ trợ luyện tập cá nhân hóa ngoài lớp học sẽ tối ưu hóa hiệu quả học tập và cải thiện khả năng phát âm tiếng Anh cho SV Để triển khai hiệu quả mô hình này, cũng cần có hướng dẫn sử dụng AI rõ ràng, cùng bộ tiêu chí đánh giá phát âm và cơ chế phản hồi thống nhất. Đây cũng là cơ sở để đề xuất các giải pháp tổ chức hoạt động luyện phát âm phù hợp với điều kiện lớp học và đặc thù SV khối kỹ thuật.
______________
Tài liệu tham khảo
[1] Amrate, M., & Tsai, P. H. (2025). Computer-assisted pronunciation training: A systematic review. ReCALL, 37(1), 22-42.
[2] Bộ Giáo dục và Đào tạo (2014). Thông tư số 01/2014/TT-BGDĐT, ngày 24/01/2014 ban hành Khung năng lực ngoại ngữ 6 bậc dùng cho Việt Nam.
[3] Bui, T. K. P., Nguyen, T. L., Nguyen, D. Q., & Hoang, T. T. (2025). Exploring pronunciation challenges encountered by first-year non-English majored students. Hoa Binh University Journal of Science and Technology, No 15, pp. 67-77.
[4] Council of Europe. (2020). Common European Framework of Reference for Languages: Learning, teaching, assessment - Companion volume. Council of Europe Publishing.
[5] Đại học Bách khoa Hà Nội (2025). Quyết định số 10728/QĐ-ĐHBK, ngày 26/09/2025 về việc ban hành Quy định Quy định về phân loại trình độ đầu vào, chương trình ngoại ngữ cơ bản và chuẩn ngoại ngữ yêu cầu đối với sinh viên đại học hình thức chính quy.
[6] Li, S. (2010). The effectiveness of corrective feedback in SLA: A meta-analysis. Language Learning, 60(2), 309-365.
[7] Munro, M. J., & Derwing, T. M. (1995). Foreign Accent, Comprehensibility, and Intelligibility in the Speech of Second Language Learners. Language Learning, 45(1), 73-97.
[8] Ngo, T. T. N., Chen, H. H. J., & Lai, K. K. W. (2023). The effectiveness of automatic speech recognition in ESL/EFL pronunciation: A meta-analysis. ReCALL, 4-8.
[9] Patra, I., Alazemi, A., Al-Jamal, D., & Gheisari, A. (2022). The effectiveness of teachers’ written and verbal corrective feedback during formative assessment on academic anxiety, academic performance, and attitude toward learning. Language Testing in Asia, 12(1), 1-14.
Email: my.trinhngoc@hust.edu.vn