Khoá dành cho sinh viên đại học chuẩn bị hoặc đang làm đề tài NCKH sinh viên, khoá luận hoặc bài tập lớn có tính nghiên cứu — lần đầu phải tự đặt câu hỏi, tự đọc tài liệu, tự chọn cách trả lời, không còn đề bài có sẵn. Năm bài đi đúng trình tự làm một đề tài thật: đặt được một câu hỏi nghiên cứu khả thi (không phải một chủ đề rộng); đọc và tổng hợp tài liệu có hệ thống thay vì đọc rời rạc; trích dẫn đúng và giữ liêm chính học thuật; chọn một thiết kế nghiên cứu cơ bản phù hợp với câu hỏi đã đặt; và viết, trình bày được kết quả trước hội đồng. Khoá không dạy lý thuyết phương pháp luận trừu tượng. Mỗi bài đặt một khung khái niệm có nguồn gốc rõ ràng, cho thấy khung ấy áp vào một tình huống cụ thể ra sao, rồi buộc người học chạy nó trên chính đề tài họ đang định làm — dùng một đề tài xuyên suốt cả khoá, có sản phẩm dùng lại được ngay cho đề tài thật, không phải bài tập rời rạc bỏ đi. Mỗi bài kết bằng một bài kiểm tra ngắn, phương án sai được gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm thay vì báo sai chung chung.
Khoá dành cho học viên cao học đang làm luận văn — đã có đề tài (do tự chọn hoặc được giao cùng giảng viên hướng dẫn), cần đưa đề tài đó qua trọn quy trình tới bản luận văn hoàn chỉnh sẵn sàng bảo vệ. Sáu bài đi đúng trình tự: dựng khung lý thuyết từ câu hỏi nghiên cứu; làm tổng quan tài liệu có hệ thống, không chỉ đọc rời rạc như ở NCKH sinh viên; chọn thiết kế nghiên cứu ở mức học thuật cao hơn — SEM/PLS-SEM cho định lượng, case study và phỏng vấn sâu cho định tính; thu thập và xử lý dữ liệu với SPSS/R (độ tin cậy, EFA, hồi quy); viết đúng cấu trúc luận văn 5 chương; và đạo đức nghiên cứu với dữ liệu người tham gia. Khoá dùng đúng đề tài luận văn thật của từng học viên xuyên suốt cả 6 bài — sản phẩm mỗi bài (khung lý thuyết, ma trận tổng quan, bảng hỏi, một chương luận văn) là bản dùng lại được ngay cho luận văn thật, không phải bài tập minh hoạ. Mỗi bài kết bằng một bài kiểm tra ngắn, phương án sai gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm.
Khoá dành cho nghiên cứu sinh đang xây dựng một mạch nghiên cứu (research agenda) hướng tới công bố quốc tế, không phải một luận văn đơn lẻ. Bảy bài đi từ định vị nghiên cứu và xác định đóng góp lý thuyết; tổng quan tài liệu hệ thống đầy đủ theo PRISMA kèm thẩm định chất lượng nguồn; phương pháp nghiên cứu nâng cao (multi-group analysis, thiết kế thực nghiệm, longitudinal); viết bài báo khoa học theo cấu trúc IMRaD bằng tiếng Anh và trả lời phản biện (rebuttal) đúng cách; chọn tạp chí theo quartile Scopus/SCImago và nhận diện tạp chí săn mồi; dùng công cụ AI hỗ trợ viết có kiểm soát và khai báo đúng quy định; và viết đề xuất xin tài trợ, xây mạng lưới học thuật quốc tế. Khoá dùng đúng đề tài nghiên cứu và bản thảo bài báo thật của từng nghiên cứu sinh xuyên suốt cả 7 bài. Mỗi bài kết bằng một bài kiểm tra ngắn, phương án sai gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm.
Khoá thực hành dùng chung cho học viên cao học và nghiên cứu sinh — khác các khoá kỹ năng nghiên cứu khác ở chỗ đây không dạy lại 'khi nào dùng phương pháp nào' (đã có ở khoá Phương pháp nghiên cứu và NCKH nâng cao), mà đưa tay vào thực hành trên một bộ dữ liệu khảo sát mẫu có lỗi thật, xuyên suốt cả khoá: làm sạch dữ liệu bằng công thức cụ thể (Excel/R); đọc đúng bảng kết quả thống kê mô tả và kiểm định giả thuyết; đọc đúng bảng EFA và độ tin cậy; mã hoá dữ liệu định tính và tính độ tin cậy giữa người mã hoá bằng tay; và trực quan hoá dữ liệu đúng cách kèm đóng gói để tái lập kết quả. Mỗi bài đưa ra số liệu, công thức và output thật để người học tự tay tính hoặc đọc, không chỉ đọc lý thuyết. Mỗi bài kết bằng một bài kiểm tra ngắn, phương án sai gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm.
Khoá dùng chung cho sinh viên, học viên cao học và nghiên cứu sinh — đào sâu đạo đức nghiên cứu ở những góc chưa được dạy tại 3 khoá kia trong bộ kỹ năng nghiên cứu: liêm chính học thuật (đạo văn, tự đạo văn, ngụy tạo/sửa dữ liệu); quy trình hội đồng đạo đức đầy đủ (phân loại rủi ro, nhóm dễ bị tổn thương); đạo đức dữ liệu nghiên cứu (ẩn danh hoá kỹ thuật, đối chiếu Luật Bảo vệ dữ liệu cá nhân 2025 của Việt Nam); xung đột lợi ích; đạo đức dùng AI trong toàn bộ quy trình nghiên cứu, không chỉ khâu viết bài; và văn hoá liêm chính, báo cáo sai phạm. Mỗi bài dùng tình huống cụ thể, không chỉ nguyên tắc trừu tượng, và kết bằng một bài kiểm tra ngắn, phương án sai gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm.
Khoá học dành cho sinh viên Công nghệ giáo dục và những ai làm sản phẩm học tập số. Sáu module đầu đi hết một vòng thiết kế: hiểu người dùng, sắp xếp thông tin, dựng wireframe và prototype, hoàn thiện giao diện theo hệ thống, rồi kiểm thử và bàn giao cho lập trình viên — mọi ví dụ đều lấy từ bối cảnh giáo dục (hệ thống học tập, học liệu số, bài luyện tập, phản hồi của giảng viên). Module 7 dành riêng cho những gì chỉ sản phẩm giáo dục mới có: ba nhóm người dùng với lợi ích không trùng nhau, tải nhận thức và nguyên tắc thiết kế đa phương tiện, và trách nhiệm khi đo lường trên dữ liệu người học. Mỗi bài kết thúc bằng phần luyện tập cá nhân — nhóm — về nhà, cùng một bài kiểm tra ngắn có gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu nhầm. Học xong, người học đủ vốn để tự làm một case study từ nghiên cứu tới bản giao diện bấm thử được.
Khoá chuyên đề cho sinh viên năm cuối ngành Công nghệ giáo dục. Không phải một vòng giới thiệu công cụ — công cụ nào rồi cũng đổi — mà là cách thẩm định một công nghệ giáo dục trước khi tin vào nó: nó dựa trên lý thuyết học tập nào, bằng chứng hiệu quả tới đâu, nó thu dữ liệu gì của người học, và đưa vào một trường học Việt Nam thì vướng ở đâu. Năm module đi từ nền tảng thẩm định, qua hai vùng đang thay đổi nhanh nhất là AI tạo sinh và phân tích học tập, tới học thích ứng, rồi khép lại bằng năng lực triển khai và nghiên cứu — đủ để làm khoá luận hoặc chủ trì một đợt thử nghiệm công nghệ ở cơ sở giáo dục. Mỗi bài kết bằng luyện tập cá nhân, nhóm và bài tập về nhà; mỗi bài kiểm tra ngắn gắn mã lỗi tư duy để phản hồi chỉ đúng chỗ hiểu sai. Xuyên suốt học phần là một đồ án sản phẩm: mỗi module đóng góp một mảnh, và bài bảo vệ cuối kỳ là một cuốn sách AR do người học tự dựng cho một nội dung dạy học cụ thể, kèm hồ sơ thẩm định và biên bản thử nghiệm với người học thật.
Học phần Nhập môn Công nghệ giáo dục là học phần cơ sở ngành nhằm trang bị cho sinh viên những kiến thức nền tảng về lĩnh vực công nghệ giáo dục, đối tượng, mục tiêu, vai trò và phạm vi ứng dụng trong giáo dục hiện đại. Môn học giúp người học bước đầu hiểu về các lý thuyết học tập, thiết kế dạy học, học liệu số, môi trường học tập trực tuyến và xu hướng chuyển đổi số trong giáo dục. Đồng thời, học phần định hướng nghề nghiệp, giúp sinh viên nhận thức được vai trò, vị trí và các lĩnh vực hoạt động của ngành Công nghệ giáo dục trong thực tiễn giáo dục và đào tạo.
Học phần này cung cấp một nền tảng lý thuyết và thực hành về các khóa đào tạo tại chỗ (nơi làm việc). Những nội dung cơ bản của học phần bao gồm: 1/ Học tập của người lớn tại nơi làm việc, 2/ Phân tích và thiết kế đào tạo tại chỗ, 3/ Lập kế hoạch và thực hiện đào tạo tại chỗ, 4/ Đánh giá kết quả người học và khóa học. Ngoài ra môn học cũng cung cấp cho sinh viên các kỹ năng làm việc nhóm, thuyết trình và thái độ để làm việc trong công ty sau này.
Học phần Tâm lý học Giáo dục dành cho sinh viên năm 1 ngành Công nghệ Giáo dục của HUST
This course delivers job-ready machine learning skills using Python and the Scikit-learn library. Learners will apply data preparation techniques and manage bias-variance tradeoffs for optimal model performance; implement core machine learning algorithms including linear regression, decision trees, and support vector machines (SVM) for both classification and regression tasks; and evaluate and fine-tune models using appropriate metrics, cross-validation, and hyperparameter optimization to ensure reliability and accuracy. College of Technology — National Economics University. 1 credit — 30 hours of studying (20 hours class contact, 10 hours independent study) over 4 weeks. Offered February 2026. Pre-requisites: Principles of Programming; Programming for Data Science; Introduction to Data Analysis. Assessment: Group Project and Presentation (40%), Final Exam (60%).
This foundational course introduces learners to Python, the most widely used programming language in data science and software development. By the end of this course, learners will be able to understand and apply core programming constructs (variables, data types, control flow, functions, and object-oriented programming); work proficiently with essential Python libraries such as NumPy and Pandas in Jupyter Notebooks; and access and retrieve data from the web using APIs and Python scraping tools such as BeautifulSoup. College of Technology — National Economics University. 1 credit — 30 hours of studying (20 hours class contact, 10 hours independent study) over 4 weeks. Offered February 2026. Pre-requisite: Principles of Programming. Assessment: Group Project and Presentation (40%), Final Exam (60%).
Lớp Digital Marketing
Hình thang. Diện tích hình thang
Chủ đề: Gia đình
Thế giới đang chuyển mình với sự phát triển của không gian số. Với sự tiếp cận với không gian số từ sớm, Các em học sinh THCS đã và đang trở thành một công dân số. Khóa học sẽ giúp các em nâng cao năng lực số của bản thân và nhận biết được cách bảo vệ bản thân khi tham gia không gian số.