Các môn khoa học xã hội (KHXH) tiếp tục chiếm ưu thế áp đảo khi lịch sử tăng từ 42,85% năm 2025 lên 46,64% năm 2026, còn giáo dục kinh tế và pháp luật tăng từ 21,22% lên 23,27%. Địa lý giảm từ 42,4% xuống còn 36,67%, nhưng vẫn xếp thứ 2 trong các môn tự chọn.
Nhóm khoa học tự nhiên (KHTN) tuy có tín hiệu tích cực là sự chuyển dịch sang các môn STEM nhưng chuyển biến còn khiêm tốn. Vật lý tăng nhẹ, từ 30,4% lên 31,84%. Các môn công nghệ và tin học đều tăng, cho thấy học sinh (HS) bắt đầu quan tâm hơn đến lĩnh vực công nghệ số và kỹ thuật, dù tỷ lệ vẫn còn rất thấp. Tuy nhiên hóa học giảm từ 21,17% xuống 20,75% còn sinh học giảm từ 6,0% xuống 5,74% – mức rất thấp đối với môn học nền tảng của công nghệ sinh học, khoa học sự sống, sinh học lượng tử trong thế kỷ 21.
Đáng chú ý, ngoại ngữ chỉ còn 28,39% thí sinh (TS) lựa chọn – một con số gây nhiều suy nghĩ trong bối cảnh VN đặt mục tiêu hội nhập quốc tế sâu rộng và đưa tiếng Anh thành ngôn ngữ thứ hai trong trường học. Khi hơn 70% HS không chọn thi ngoại ngữ, khoảng cách giữa khát vọng hội nhập và thực tế học tập đang bộc lộ ngày càng rõ.
Nhìn tổng thể, cơ cấu chọn môn năm 2026 cho thấy nhiều HS vẫn ưu tiên chiến lược “dễ học, dễ thi” hơn là các môn nền tảng cho khoa học, công nghệ và hội nhập quốc tế.
Giai đoạn 2021-2025 là thời kỳ đặc biệt của kỳ thi tốt nghiệp THPT khi vừa vượt qua tác động của Covid-19, vừa chuyển tiếp sang Chương trình GDPT 2018. Đến nay, kỳ thi đã ổn định hơn về tổ chức và công nghệ, nhưng cũng bộc lộ rõ nhiều thách thức về chất lượng giáo dục, định hướng nguồn nhân lực và khoảng cách học tập giữa các vùng miền.
Một trong những tín hiệu đáng lo ngại nhất của giai đoạn 2021-2025 là xu hướng HS nghiêng mạnh sang các môn KHXH trong lựa chọn tổ hợp thi.
Tỷ lệ TS chọn các môn KHXH luôn cao hơn KHTN trong nhiều năm qua. Năm 2021, tỷ lệ chọn KHXH là 53,38%, KHTN là 33,85%; năm 2022 lần lượt là 55,53% và 31,94%; năm 2023 là 55,30% và 31,52%. Đến năm 2024, khoảng cách tiếp tục nới rộng với khoảng 63% TS chọn KHXH và 37% chọn KHTN. Đặc biệt, tại một số tỉnh miền núi, tỷ lệ này lên tới 90% và 10%.
Năm 2025, khi kỳ thi chỉ còn hai môn bắt buộc là toán, ngữ văn và hai môn tự chọn, các môn lịch sử, địa lý và giáo dục kinh tế và pháp luật vẫn chiếm tỷ lệ lựa chọn áp đảo.
Giai đoạn 2021-2025, kỳ thi tốt nghiệp THPT có tỷ lệ tốt nghiệp duy trì ở mức rất cao, bình quân khoảng 98,93% mỗi năm, nhiều năm vượt 99%. Tuy nhiên, đằng sau con số 99% ấy vẫn tồn tại nhiều vấn đề cần được nhìn nhận thẳng thắn.
Đó là khoảng cách chất lượng giáo dục giữa các vùng miền vẫn rất rõ rệt. Trong khi nhiều địa phương có phổ điểm khá cao và tỷ lệ điểm giỏi tăng mạnh, không ít tỉnh miền núi, vùng sâu, vùng xa vẫn gặp khó khăn về điều kiện dạy học, cơ sở vật chất và chất lượng đội ngũ nên kết quả thi còn thấp, như Lào Cai, Tuyên Quang, Lạng Sơn, Điện Biên, Đắk Lắk, Lai Châu, Cao Bằng, Sơn La…
Một con số đáng chú ý là khoảng cách điểm trung bình giữa hai nhóm địa phương. Tính bình quân 5 năm, 10 tỉnh, thành phố có điểm cao nhất đạt khoảng 6,85, trong khi 10 địa phương thấp nhất chỉ 5,99 điểm, chênh gần 0,9 điểm.
Khoảng cách này phản ánh sự phân tầng chất lượng giáo dục theo vùng miền. Trong chu kỳ 5 năm, mức chênh dao động: 2021 là 0,75 điểm; 2022 là 0,89; 2023 là 0,91; 2024 là 0,96; và 2025 giảm còn 0,77.
Đặc biệt, năng lực ngôn ngữ học thuật của HS đồng bào dân tộc thiểu số đang là rào cản lớn đối với chất lượng giáo dục vùng khó. Điều này ảnh hưởng không chỉ đến các môn KHXH, mà còn là khả năng tiếp cận kiến thức KHTN và công nghệ.
Một dấu ấn nổi bật của giai đoạn này là chuyển đổi số được thúc đẩy mạnh mẽ. Hầu hết TS đăng ký dự thi trực tuyến; việc truyền đề thi đã được mã hóa qua đường thông tin bảo mật của cơ yếu Chính phủ; dữ liệu thi, xét tuyển và đối sánh kết quả được số hóa đồng bộ hơn trước, góp phần giảm thủ tục hành chính, tiết kiệm chi phí và tăng tính minh bạch.
Đề thi cũng từng bước chuyển từ kiểm tra ghi nhớ kiến thức sang đánh giá năng lực vận dụng theo định hướng Chương trình GDPT 2018, góp phần thúc đẩy đổi mới dạy học trong nhà trường phổ thông.
Kỳ thi tốt nghiệp THPT hiện phục vụ 3 mục tiêu: xét tốt nghiệp; cung cấp dữ liệu tuyển sinh đại học – giáo dục nghề nghiệp; và đánh giá chất lượng dạy và học. Năm 2025, xét tuyển bằng điểm thi tốt nghiệp vẫn chiếm hơn 50% số TS nhập học, cho thấy các trường đại học vẫn đặt niềm tin lớn vào kỳ thi này. Tuy nhiên, cùng với xu hướng tự chủ tuyển sinh, nhiều trường đã mở rộng các phương thức linh hoạt và tổ chức kỳ thi riêng như đánh giá năng lực, đánh giá tư duy để chọn người học phù hợp hơn.
Kỳ thi tốt nghiệp THPT giai đoạn 2021-2025 đã đạt nhiều thành tựu quan trọng nhưng chưa thể giải quyết toàn bộ những vấn đề của giáo dục phổ thông. Vì vậy, giai đoạn 2026-2030 cần tập trung vào những giải pháp căn cơ hơn.
Trước hết, cần tiếp tục đổi mới kiểm tra – đánh giá theo hướng đánh giá năng lực thực tiễn thay vì chỉ kiểm tra khả năng ghi nhớ. Việc ra đề cần gắn với yêu cầu HS biết vận dụng kiến thức, giải quyết vấn đề và tư duy liên môn.
Cùng với đó, cần tăng cường hướng nghiệp và phân luồng HS sau THCS, THPT. Một nền giáo dục hiện đại không thể để mọi HS cùng chạy vào một hướng là đại học.
Đặc biệt, cần nghiên cứu mô hình thi và cấp bằng trung học nghề cho HS theo chương trình trung học nghề nhằm tạo động lực phân luồng hiệu quả hơn sau THCS, nâng cao chất lượng đầu vào THPT.
Đối với giáo dục vùng khó, vấn đề không chỉ nằm ở cơ sở vật chất mà còn ở chất lượng đội ngũ giáo viên và năng lực ngôn ngữ học thuật của HS. Muốn thu hẹp khoảng cách vùng miền, cần chính sách đủ mạnh để thu hút giáo viên giỏi đến vùng sâu, vùng xa.
Cuối cùng, chuyển đổi số cần được đẩy mạnh hơn nữa, trong đó có lộ trình tổ chức thi trên máy tính từ sau năm 2027. Đây không chỉ là thay đổi kỹ thuật thi cử mà còn là bước đi cần thiết để giáo dục tiến gần hơn với xu hướng đánh giá hiện đại của thế giới.
Nguyễn Thị Hải Yến (SN 2003, quê Thanh Hóa), du học sinh theo học thạc sĩ chuyên ngành Giáo dục Hán ngữ quốc tế tại Đại học Ngoại ngữ Bắc Kinh.
Trước khi sang Trung Quốc, Yến là sinh viên khoa tiếng Trung Quốc, Đại học Hà Nội. Bắt đầu học ngoại ngữ này từ năm 2021, cô sớm đạt HSK6, sở hữu điểm TOEIC cao và giành học bổng Chính phủ Trung Quốc (CSC).
Mang “Bèo dạt mây trôi” vào lớp học hơn 100 sinh viên quốc tế
Trong học phần tâm lý giáo dục, mỗi sinh viên được yêu cầu chuẩn bị một tiết mục biểu diễn. Yến không chọn những bài hát quen thuộc, mà quyết định mang một làn điệu dân gian Việt Nam lên sân khấu.
“Trong đầu mình nghĩ ngay đến “Bèo dạt mây trôi”. Mình muốn các bạn Trung Quốc được nghe một điều gì đó rất Việt Nam”, Yến chia sẻ.
Trước lớp học hơn 100 người, cô không giấu được sự hồi hộp. Tuy nhiên, khi giai điệu vang lên, không khí nhanh chóng thay đổi. Nhiều sinh viên Trung Quốc đắm chìm vào giai điệu, đồng thời dùng điện thoại để ghi lại khoảnh khắc biểu diễn của cô.
Sau buổi học, không ít người nhắn tin hỏi tên bài hát, cách viết tiếng Việt và bày tỏ sự bất ngờ vì giai điệu tình cảm và gần gũi.
Ban đầu, Yến cho biết cô không nghĩ nhiều đến việc mình đang đại diện cho hình ảnh du học sinh Việt Nam. Tuy nhiên, sau thời gian sống và học tập tại Bắc Kinh, cô dần nhận ra những hành động nhỏ của mình cũng góp phần tạo nên hình ảnh du học sinh Việt Nam trong mắt bạn bè quốc tế.
Ngoài âm nhạc, cô còn lan tỏa văn hóa qua ẩm thực: Nem rán, phở hay nước mắm chua ngọt trở thành cầu nối giúp nữ sinh kết bạn với nhiều sinh viên nước ngoài.
Hành trình du học không chỉ có những trải nghiệm tích cực. Yến thừa nhận cô từng trải qua giai đoạn khó khăn khi mới sang Trung Quốc. “Ba ngày đầu, ngày nào mình cũng khóc vì nhớ nhà”, cô kể.
Những ngày đầu sang Trung Quốc, Hải Yến gặp không ít cú sốc văn hóa. Rào cản đầu tiên là khác biệt ngôn ngữ, tiếp đến là nhịp sống nhanh.
Cô cảm nhận rõ xung quanh mình, ai cũng trong trạng thái nỗ lực không ngừng, luôn “chạy” để theo kịp guồng quay. Chính điều đó khiến Yến không tránh khỏi áp lực và buộc bản thân phải cố gắng hết sức để thích nghi.
“Mất khoảng một tháng mình mới bắt đầu quen với cuộc sống ở đây”, cô cho biết.
Điều gì khó quá: Vừa khóc vừa làm
Theo học chương trình thạc sĩ kéo dài 2 năm, Yến cho biết lịch học khá nặng, thậm chí áp lực hơn thời đại học. Một ngày của cô bắt đầu từ 8h sáng, học liên tục đến trưa, sau đó tiếp tục ca học buổi chiều. Buổi tối, Yến dành thời gian để đọc tài liệu, làm nghiên cứu và viết luận.
Chia sẻ về việc cân bằng giữa học tập và nghỉ ngơi, Hải Yến cho rằng mỗi người sẽ có cách riêng. Cô nhận thấy nhiều sinh viên Trung Quốc học với cường độ cao, dành rất nhiều thời gian ở thư viện, thậm chí đến 1-2h sáng.
Tuy nhiên, Yến không lựa chọn cách học đó. Cô chọn cách học theo tốc độ và phương pháp bản thân thấy hiệu quả. Ban ngày, cô tập trung tối đa khoảng 8 tiếng cho việc học, buổi tối dành thời gian đọc tài liệu và làm luận văn.
Cô cũng không để bản thân rơi vào trạng thái quá áp lực hay thức khuya kéo dài, bởi theo Yến, nghỉ ngơi đóng vai trò quan trọng không kém. Vào cuối tuần, cô thường dành thời gian thư giãn, đi chơi với bạn bè hoặc khám phá thành phố để cân bằng lại năng lượng.
Theo Hải Yến, việc là du học sinh quốc tế giúp cô có phần linh hoạt hơn, không bị cuốn hoàn toàn vào guồng học tập áp lực như nhiều sinh viên bản địa.
Từ một người khá hướng nội, du học Trung Quốc giúp cô dần trở nên cởi mở, chủ động kết bạn và tự tin hơn trong môi trường quốc tế.
“Đi du học khiến mình dũng cảm hơn, dù chỉ một chút nhưng là thay đổi rất rõ ràng”, Yến nói.
Theo Yến, việc học ngoại ngữ không dừng lại ở ngữ pháp hay từ vựng, mà còn là cơ hội để đưa văn hóa Việt Nam ra thế giới. Trong quá trình học, cô thường lựa chọn các đề tài nghiên cứu liên quan đến cả Việt Nam và Trung Quốc, như so sánh phương pháp giảng dạy giữa hai nước.
Dù gặp không ít khó khăn, cô cho biết bản thân vẫn cố gắng thích nghi. “Không làm được thì… vừa khóc vừa làm”, Yến nói.
Đại số tuyến tính từ lâu bị coi là môn học trừu tượng và khó tiếp cận. Thế nhưng, qua những bài giảng của Gilbert Strang, những con số ấy trở nên sống động. Hiếm khi xuất hiện trên truyền thông, vị giáo sư kỳ cựu của Viện Công nghệ Massachusetts (MIT) tạo dấu ấn bằng sự minh triết, giúp người học tiếp cận những khái niệm nền tảng nhất của toán học hiện đại.
"Điều tôi quan tâm là lý thuyết về việc làm thế nào để giải một hệ gồm 100 phương trình tuyến tính, hay làm thế nào để tìm ra những cấu trúc quan trọng bên trong một ma trận", ông nói. "Có rất nhiều điều cần khám phá trong lĩnh vực này".
Strang từng là sinh viên tại MIT, sau đó trở thành học giả Rhodes - một trong những học bổng quốc tế danh giá dành cho sinh viên xuất sắc tại Đại học Oxford (Anh), trước khi nhận bằng tiến sĩ tại Đại học California (Mỹ).
Ông quay lại MIT giảng dạy từ năm 1962 và gắn bó đến khi nghỉ hưu vào năm 2023. Trong hơn sáu thập kỷ, ông phụ trách khóa học 18.06 Linear Algebra (Đại số tuyến tính), một trong những môn học cốt lõi dành cho sinh viên các ngành kỹ thuật, khoa học máy tính, kinh tế và khoa học tự nhiên.
Tầm ảnh hưởng của ông thực sự bùng nổ vào năm 2002 khi MIT triển khai nền tảng học liệu mở OpenCourseWare.
Trong khi nhiều giảng viên còn dè dặt với việc đưa bài giảng lên Internet, Strang lựa chọn công bố toàn bộ khóa học của mình, bao gồm video bài giảng, tài liệu, bài tập và lời giải. Từ một môn học đại học, nội dung này trở thành nguồn học liệu mở, cho người học trên toàn thế giới tiếp cận miễn phí. Một số cơ sở đào tạo thậm chí sử dụng video của ông như tài liệu tham khảo chính.
"Với cách tiếp cận mới này, sẽ có thêm nhiều người nhận ra vẻ đẹp và tính ứng dụng của đại số tuyến tính", ông nói.
Theo thời gian, đây là một trong những khóa học được truy cập nhiều nhất trên nền tảng OpenCourseWare. Các bài giảng của ông trên YouTube đều thu hút lượng người xem lớn, nhiều video đạt đến vài triệu lượt xem.
Sự khác biệt của Strang nằm ở phương pháp sư phạm. Thay vì bắt đầu từ các khái niệm trừu tượng, ông đi từ những ví dụ cụ thể như phép nhân ma trận, trước khi chuyển sang các khái niệm phức tạp hơn như phân rã giá trị suy biến (SVD) - một kỹ thuật toán học giúp "bóc tách" một ma trận dữ liệu. Cách tiếp cận này giúp người học hình thành trực giác, từ đó hiểu bản chất vấn đề trước khi tiếp cận chứng minh.
Trong lớp học, Strang tránh sử dụng những cụm từ mang tính áp đặt như "hiển nhiên", thường xuyên dừng lại để kiểm tra mức độ hiểu bài của sinh viên, đồng thời khuyến khích đặt câu hỏi. Môi trường học tập vì thế trở nên cởi mở hơn, đặc biệt với những người mới bắt đầu.
Tháng 5/2023, Strang thực hiện bài giảng cuối cùng trước khi rời bục giảng. Không có nhiều nghi thức, buổi học khép lại giản dị như cách ông đã giảng dạy suốt nhiều năm. Ông cho rằng giảng dạy là "một cuộc đời tuyệt vời" và bày tỏ sự biết ơn tới những người quan tâm đến đại số tuyến tính.
Sau khi nghỉ hưu, các bài giảng của ông vẫn tiếp tục được sử dụng rộng rãi, trở thành điểm khởi đầu cho nhiều người bước vào các lĩnh vực liên quan dữ liệu và AI.
GS Partha Pratim Pande, Hiệu trưởng Trường Khoa học và Kỹ thuật máy tính, Đại học Bang Washington (WSU, Mỹ), vừa thông báo việc TS Hoàng Trọng Nghĩa, cựu học sinh Trường phổ thông Năng khiếu, được trao giải thưởng sự nghiệp khoa học CAREER của National Science Foundation (NSF).
Trong thư chúc mừng, GS Pande nhấn mạnh TS Hoàng Trọng Nghĩa, giảng viên Trường Khoa học và Kỹ thuật máy tính, đang thực hiện các nghiên cứu trong lĩnh vực rộng của trí tuệ nhân tạo và học máy (AI/ML), đồng thời bày tỏ niềm tự hào trước thành tựu này.
Giải thưởng CAREER của NSF được xem là một trong những danh hiệu danh giá nhất dành cho các nhà khoa học trẻ tại Mỹ.
Không chỉ ghi nhận các công trình nghiên cứu xuất sắc, giải thưởng này còn thể hiện sự đầu tư dài hạn vào những nhà khoa học được kỳ vọng sẽ dẫn dắt các hướng nghiên cứu trong tương lai.
Mỗi giải thưởng có mức tài trợ khoảng 600.000 USD.
TS Trần Nam Dũng, Phó hiệu trưởng Trường phổ thông Năng khiếu, nhận định đây là sự đầu tư của Mỹ vào những bộ óc được kỳ vọng sẽ dẫn dắt các hướng nghiên cứu mới trong nhiều thập niên tới.
"Trong bối cảnh AI đang làm thay đổi thế giới, việc một nhà khoa học trẻ gốc Việt đoạt giải trong lĩnh vực AI và ML mang ý nghĩa đặc biệt, cho thấy trí tuệ Việt Nam không đứng ngoài dòng chảy khoa học toàn cầu", ông Dũng nói.
Hoàng Trọng Nghĩa (sinh năm 1987) là cựu học sinh Trường phổ thông Năng khiếu, tốt nghiệp chương trình cử nhân tài năng công nghệ thông tin của Trường đại học Khoa học tự nhiên (Đại học Quốc gia TP.HCM) năm 2009.
Anh từng làm giảng viên Trường đại học Công nghệ thông tin (Đại học Quốc gia TP.HCM) và sau đó nhận bằng tiến sĩ khoa học máy tính tại Đại học Quốc gia Singapore năm 2014.
Sau khi hoàn thành tiến sĩ, Hoàng Trọng Nghĩa tiếp tục con đường nghiên cứu tại những trung tâm khoa học lớn của thế giới như nghiên cứu sau tiến sĩ tại Viện Công nghệ Massachusetts (MIT, Mỹ); nghiên cứu viên trưởng tại MIT-IBM Watson AI Lab, Amazon Web Services AI Labs.
Từ năm 2023, anh trở lại môi trường học thuật và xây dựng nhóm nghiên cứu AI tại Đại học Bang Washington.
TS Hoàng Trọng Nghĩa cũng là con trai của GS.TSKH Hoàng Văn Kiếm - nguyên Chủ tịch Hội đồng chức danh Giáo sư Nhà nước ngành công nghệ thông tin, chuyên gia nghiên cứu ứng dụng AI tại Việt Nam.
Các công trình của TS Hoàng Trọng Nghĩa tập trung vào những vấn đề nền tảng của học máy hiện đại, đặc biệt là trí tuệ nhân tạo có khả năng xử lý sự bất định.
Một hướng nghiên cứu quan trọng của anh là phát triển các mô hình AI có khả năng đánh giá mức độ chắc chắn của dự đoán (uncertainty-aware machine learning). Điều này đặc biệt quan trọng trong các lĩnh vực như y tế hoặc hệ thống tự động, nơi việc biết khi nào AI có thể sai là yếu tố then chốt để đảm bảo an toàn và độ tin cậy.
Bên cạnh đó, anh nghiên cứu về federated learning, một phương pháp huấn luyện mô hình AI từ dữ liệu phân tán mà không cần tập trung dữ liệu về một nơi. Cách tiếp cận này phù hợp với các lĩnh vực nhạy cảm như dữ liệu y tế, dữ liệu cá nhân và hệ thống thiết bị thông minh kết nối Internet.
Các nghiên cứu của TS Nghĩa đề xuất nhiều phương pháp giúp hệ thống học máy hoạt động hiệu quả trong điều kiện dữ liệu phân tán, không đồng nhất và thiếu hụt, đồng thời tối ưu các hệ thống phức tạp.
Ngoài ra anh cũng có nhiều đóng góp trong lĩnh vực black-box optimization, một hướng nghiên cứu quan trọng khi các nhà khoa học phải tối ưu những hệ thống quá phức tạp để có thể mô tả đầy đủ bằng mô hình toán học.
Những thuật toán này có thể được ứng dụng trong thiết kế vật liệu mới, tối ưu vi mạch và hệ thống điện tử, các hệ thống AI quy mô lớn; AI cho khoa học y sinh, dự đoán tương tác nguy hiểm giữa các loại thuốc, phân tích dữ liệu sinh học phức tạp…
