Nâng cao khả năng giải quyết vấn đề và sáng tạo của sinh viên thông qua các công cụ AI: Phân tích trắc lượng thư mục sử dụng cơ sở dữ liệu Scopus

ThS. Nguyễn Hoàng Trang

NCS Trường Đại học Tài chính - Marketing; Email: [email protected]

PGS, TS. Trần Nguyễn Khánh Hải

Trường Đại học Tài chính - Marketing; Email: [email protected]

PGS, TS. Trần Văn Hùng

Trường Đại học Tài chính - Marketing; Email: [email protected]

Tóm tắt

Nghiên cứu này nhằm đánh giá tổng quan sự liên quan giữa khả năng giải quyết vấn đề và AI, trong đó nhấn mạnh khía cạnh sáng tạo, tức khả năng tạo ra ý tưởng và giải pháp mới cho những vấn đề mở, nhằm thiết lập bức tranh về xu hướng và cấu trúc tri thức của lĩnh vực bằng phương pháp phân tích trắc lượng thư mục. Từ cơ sở dữ liệu khoa học Scopus trong 5 năm (2022-2026), qua sàng lọc, 893 tài liệu được lựa chọn để phân tích. Kết quả cho thấy, dù đây là chủ đề đang được sự quan tâm của giới học thuật, nhưng phần lớn nghiên cứu xoay quanh việc nâng cao khả năng giải quyết vấn đề, trong khi tranh luận về tác động thực tế của AI tạo sinh (GenAI) đến khả năng giải quyết vấn đề sáng tạo của sinh viên đại học vẫn chưa ngã ngũ, khi GenAI có thể mở rộng nguồn ý tưởng nhưng lợi ích sáng tạo chỉ được duy trì nếu sinh viên chủ động tạo ý tưởng của riêng mình.

Từ khóa: AI, khả năng giải quyết vấn đề sáng tạo, sinh viên, trắc lượng thư mục

Abstract

The study aims to provide an overview of the relationship between problem-solving and AI, with an emphasis on creativity, or the ability to generate new ideas and solutions to open-ended problems. It uses bibliometric analysis to identify the trends and knowledge structure of this research field. Based on data from the Scopus scientific database covering the five-year period from 2022 to 2026, a total of 893 documents were selected for analysis. The results show that, although this topic has attracted academic attention, most studies focus on improving problem-solving abilities. Meanwhile, the debate over the actual impact of generative AI (GenAI) on university students’ creative problem-solving abilities remains unresolved. GenAI can expand the range of ideas available to students, but its creative benefits can only be sustained if students actively generate their own ideas.

Keywords: AI, creative problem-solving, students, bibliometric analysis

GIỚI THIỆU

AI hiện nay đang tác động sâu rộng trên mọi lĩnh vực, bao gồm cả giáo dục (Alshamy và cộng sự, 2025). Trong môi trường giáo dục đại học (GDĐH), việc ứng dụng AI cũng ghi nhận sự gia tăng lớn về quy mô (Dwivedi và cộng sự, 2023), nhưng vấn đề quan trọng là làm sao để gia tăng sức mạnh của công nghệ vào việc nâng cao chất lượng đào tạo (Li và Ding, 2025).

Những năm gần đây, số lượng công trình nghiên cứu về AI gia tăng vượt bậc trên phạm vi toàn cầu, phản ánh sự dịch chuyển tiêu điểm của cộng đồng khoa học vào lĩnh vực này, nhưng hầu hết các công bố hiện nay chưa tạo ra một bức tranh tổng thể, nên việc ứng dụng vẫn thể hiện tính chất phân tán, chưa đồng bộ (Zawacki-Richter và cộng sự, 2019). Các nỗ lực nghiên cứu hiện có tập trung vào việc tối ưu từng mô hình cụ thể, giải quyết những bài toán đơn lẻ thay vì tiến tới một khung lý thuyết thống nhất hoặc một hệ thống chuẩn hóa toàn diện. Sự thay đổi nhanh chóng của công nghệ làm cho các phát hiện khoa học sớm bị lạc hậu, sự thiếu liên kết giữa các nhánh nghiên cứu cũng dễ tạo ra nhiều quan điểm mâu thuẫn, và là rào cản đáng kể trong việc phân tích, tổng hợp tri thức, làm giảm hiệu quả, gây khó khăn trong việc đánh giá khách quan bức tranh toàn cảnh về tiến trình phát triển của AI.

Trong nghiên cứu này, nhóm tác giả sử dụng một phương pháp phổ biến và được đánh giá là chặt chẽ, đó là phân tích trắc lượng thư mục với khả năng phân tích khối lượng lớn dữ liệu khoa học. Phương pháp này sẽ giúp làm rõ những sắc thái trong quá trình phát triển và đạt hiệu quả để giải mã cấu trúc tri thức của một lĩnh vực cụ thể, nó là cơ sở dữ liệu khoa học quan trọng giúp các nhà quản lý giáo dục nhìn ra xu hướng phát triển toàn cầu (Donthu và cộng sự, 2021). Từ bức tranh tổng quan về AI với khả năng giải quyết vấn đề sáng tạo (KNGQVĐST), các cơ sở GDĐH có thể xây dựng bộ quy tắc ứng xử, khung năng lực số cho sinh viên (Lim và cộng sự, 2023). Kết quả từ nghiên cứu sẽ giúp hệ thống hóa các nghiên cứu hiện tại và được kỳ vọng sẽ cung cấp nền tảng định lượng vững chắc, gợi mở các hướng nghiên cứu tiềm năng, hỗ trợ các nhà khoa học định hình, phát triển các đề tài mới tiệm cận với xu hướng toàn cầu.

TỔNG QUAN NGHIÊN CỨU

AI lần đầu được đề cập tại một hội nghị về máy tính vào năm 1956. Cho đến nay, AI được dự đoán sẽ tạo ra nhiều việc làm mới và tác động mạnh mẽ đến các lĩnh vực khác nhau, từ y tế, tài chính, giáo dục, sản xuất, bán lẻ cho đến các ngành công nghiệp sáng tạo (Dwivedi và cộng sự, 2023); cá nhân hoá cũng sẽ được hỗ trợ bởi AI (Chu, 2025). Trong GDDH, việc ứng dụng AI ngày càng phổ biến, nó định hình lại cách sinh viên tương tác với đời sống học tập và cá nhân (Klimova và Pikhart, 2025).

Giải quyết vấn đề (GQVĐ) là quá trình nhận thức tập trung vào việc đạt được một mục tiêu mà người học chưa biết rõ phương pháp giải quyết ngay từ đầu hay là một quá trình tư duy của não bộ, nhằm tìm kiếm lời giải thích cho một vấn đề cụ thể hoặc khám phá phương thức để đạt được mục tiêu đã đề ra (Rahman, 2019). Giải quyết vấn đề sáng tạo (GQVĐST) là hướng tiếp cận đặt người học vào các nhiệm vụ mở, không rõ cấu trúc và được hiểu là khả năng tạo ra những giải pháp vừa mới vừa hữu ích cho các vấn đề (Chen và cộng sự, 2026). Nâng cao KNGQVĐST là chất xúc tác quan trọng trong việc nuôi dưỡng nhận thức đạo đức của người học nhằm thu hẹp khoảng cách giữa lý thuyết và thực tiễn, nâng cao kỹ năng bằng cách sử dụng các công cụ AI (Hu, 2024).

Tổng quan tình hình nghiên cứu cho thấy mối tương quan giữa AI và KNGQVĐST của người học đã thu hút sự chú ý của cộng đồng học thuật quốc tế. Quá trình nghiên cứu về chủ đề này có thể phân chia thành 2 giai đoạn phát triển rõ rệt: Trước năm 2022, các công trình chủ yếu tiếp cận AI dưới góc độ kỹ thuật thuần túy, coi AI là một hệ thống tự GQVĐST nhằm thay thế con người trong các thuật toán tối ưu hóa, nhận diện mẫu và tự động hóa quy trình. Hướng nghiên cứu này thường tập trung trong các lĩnh vực như khoa học máy tính, kỹ thuật và quản trị vận hành. Từ cuối năm 2022 đến nay, cùng với sự ra đởi của GenAI và các mô hình ngôn ngữ lớn (LLM), trọng tâm nghiên cứu đã trải qua một sự dịch chuyển mang tính bước ngoặt. Các nhà khoa học bắt đầu tập trung vào mối quan hệ tương tác giữa AI và tư duy con người, đặc biệt là vai trò của AI như là một công cụ hỗ trợ và phát triển năng lực nhận thức. Trong chiều nghiên cứu ngược lại, có tác giả lại đi sâu vào cảnh báo về nguy cơ suy giảm kỹ năng phân tích, gia tăng các hành vi sai lệch và sự phụ thuộc thụ động, khi cá nhân quá ỷ lại vào các giải pháp do AI đề xuất, khả năng tự điều chỉnh nhận thức tư duy phản biện và KNGQVĐ độc lập sẽ có xu hướng giảm sút (Grassini, 2023). Các công cụ AI được thiết kế để hỗ trợ học tập có thể vô tình làm suy yếu sự phát triển kỹ năng tư duy phản biện thông qua cơ chế giảm tải nhận thức và tình trạng này tạo ra hiện tượng “ngăn cách kỹ năng” khiến con người gặp khó khăn khi phải đối mặt với các vấn đề mới phát sinh ngoài phạm vi dữ liệu huấn luyện của AI (Ridlo và cộng sự, 2026).

Mặc dù số lượng ấn phẩm công bố về AI trong GDĐH tăng trưởng mạnh, có những nghiên cứu thực nghiệm và cả những bài phân tích tổng quan hệ thống, tuy nhiên nhiều nghiên cứu trắc lượng thư mục đã công bố trước đây đang tập trung khai thác AI trong giáo dục nói chung, hoặc năng lực số mang tính khái quát, mà chưa có nhiều công trình trắc lượng thư mục hệ thống hóa riêng biệt bản đồ tri thức về mối liên hệ giữa AI và KNGQVĐST của sinh viên. Do đó, sự thiếu hụt một bức tranh toàn cảnh về các cụm chủ đề chính, mạng lưới hợp tác học thuật toàn cầu, sự phát triển của các từ khóa cốt lõi là khoảng trống tri thức quan trọng mà nghiên cứu này hướng tới giải quyết.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu tiến hành lược khảo theo phương pháp phân tích trắc lượng thư mục dựa trên kết quả phân tích từ phần mềm VOSviewer (phiên bản 1.6.21). Các học giả định nghĩa phương pháp này là sử dụng toán học và thống kê đối với các loại sách báo cùng các phương tiện truyền thông khác nhằm đánh giá xu hướng phát triển của khoa học (Donthu và cộng sự, 2021).

Kỹ thuật thực hiện trong nghiên cứu này gồm phân tích đồng tác giả; đồng trích dẫn; đồng từ khóa bằng phần mềm VOSviewer nhằm giải đáp các câu hỏi nghiên cứu đặt ra. Các ấn phẩm được lựa chọn để phân tích nằm trong 5 năm gần nhất (2022-2026), giúp nghiên cứu tập trung vào các xu hướng và các chủ đề đang mới, thay vì bị chi phối bởi các công trình quá cũ đã tích lũy lượng trích dẫn cao nhưng lại không phản ánh đúng động lực phát triển hiện tại của lĩnh vực (Donthu và cộng sự, 2021).

Nghiên cứu chỉ xem xét các ấn phẩm được viết bằng tiếng Anh thu thập từ cơ sở dữ liệu Scopus. Các ấn phẩm được chọn chứa các từ khóa “Artificial Intelligence (AI)”; “Problem solving”; “Students”; được đề cập trong phần tiêu đề/mô tả/từ khóa. Kết quả chuỗi truy vấn dữ liệu được thiết lập như sau: TITLE-ABS-KEY ((“Artificial Intelligence” OR “AI” OR “Generative AI” OR “ChatGPT” OR “Large Language Models”) AND (“problem solving” OR “problem-solving skills” OR “complex problem solving” OR “critical thinking”) AND (“higher education” OR “university students” OR “college students”)).

Dữ liệu của nghiên cứu được trích xuất và thực hiện ngày 16/8/2026, có 1.834 kết quả xuất hiện. Nhóm tác giả chỉ chọn những tài liệu xuất hiện từ năm 2022 cho đến nay, kết quả thu hẹp lại còn 1.759. Tiếp tục giới hạn loại tài liệu và chỉ chọn nghiên cứu bằng tiếng Anh, còn lại 893 tài liệu. Đây cũng là số liệu dùng để chạy kết quả.

KẾT QUẢ VÀ THẢO LUẬN

Kết quả phân tích

Phân tích đồng từ khóa để đánh giá sự phát triển của chủ đề nghiên cứu, giúp khám phá chủ đề nghiên cứu theo từng giai đoạn (Hình 1).

Hình 1: Bản đồ phân tích đồng trích dẫn từ khóa

Nguồn: Kết quả phân tích từ dữ liệu Scopus bằng VOSview

Bản đồ tri thức phản ảnh mạng lưới gồm 191 từ khóa, các nút có quy mô lớn, giữ vai trò trung tâm mạng lưới là: AI; Giáo dục bậc cao; GenAI; Sinh viên; Năng lực hiểu biết về AI. Các thuật ngữ này đóng vai trò quan trọng kết nối các hướng nghiên cứu khác nhau trong toàn bộ mạng lưới từ khóa và được chia thành 6 cụm màu, nhóm tác giả gom thành 4 chủ đề: Cụm thứ nhất, màu đỏ - tím chủ đạo ở trung tâm, tập trung vào việc ứng dụng AI trong bối cảnh GDĐH, mạch nghiên cứu đi sâu vào tác động của các công cụ GenAI đối với trải nghiệm học tập của sinh viên đại học; Cụm thứ hai, màu vàng nhạt - đỏ nhạt ở phía trên, tập trung vào các chủ đề đạo đức, liêm chính khoa học và năng lực AI với các cụm từ xuất hiện: tính liêm chính trong học thuật, đạo đức AI, công nghệ có đạo đức, năng lực hiểu biết về AI và ứng dụng công nghệ, điều này cũng cho thấy sự quan tâm ngày càng lớn của giới học thuật đối với các thách thức đạo đức, hành vi gian lận và việc xây dựng năng lực hiểu biết cho người học; Cụm thứ ba, màu xanh lá ở bên phải, với các thuật ngữ con người, bài báo, nhận thức, học tập, năng lực tự tin, nghiên cứu có kiểm soát, nghiên cứu định lượng, nhóm này đại diện cho các nghiên cứu thực nghiệm nhằm đánh giá thái độ, nhận thức, tâm lý và hiệu quả học tập của con người khi tương tác với công cụ công nghệ; Cụm thứ tư, xuất hiện với màu xanh dương ở phía dưới và bên trái liên quan tới định hướng đổi mới phương pháp sư phạm và thiết kế môi trường học tập tương tác giữa người và máy móc với các từ khóa như công nghệ giáo dục, học tập hợp tác, sự cộng tác giữa con người và AI, tư duy thiết kế, phân tích dữ liệu học tập, học tập tự chủ.

Phân tích mạng lưới hợp tác nghiên cứu giữa các quốc gia (Hình 2), thể hiện 55 quốc gia đạt ngưỡng xuất bản, phân bố thành 8 cụm hợp tác chính. Đứng ở vai trò trung tâm là các quốc gia như Mỹ, Trung Quốc và Anh. Đây cũng là các nút mạng trung tâm, đóng vai trò cầu nối chiến lược trong việc thúc đẩy hợp tác nghiên cứu đa quốc gia. Mạng lưới cũng thể hiện sự phân hóa rõ rệt về mặt địa lý nghiên cứu, với các trục như sau: (1) Trục hợp tác Mỹ - Trung Quốc - Australia, giữ vai trò dẫn dắt các nghiên cứu liên khu vực; (2) Trục kế tiếp là các quốc gia Châu Âu như Anh, Đức, Hà Lan, Ba Lan với vai trò duy trì liên kết nội địa khối chặt chẽ; (3) Trục hợp tác Nam Âu - Châu Mỹ La-tinh (Tây Ban Nha, Ý, Mexico) thể hiện thành một nhánh nghiên cứu mở rộng đặc thù (Hình 2).

Hình 2: Bản đồ phân tích mạng lưới hợp tác nghiên cứu giữa các quốc gia

Nguồn: Kết quả phân tích từ dữ liệu Scopus bằng VOSview

Bản đồ phân tích đồng trích dẫn (Hình 3) chỉ ra 19 tác giả đạt ngưỡng trích dẫn tối thiểu với 5 cụm chủ đề chính đại diện cho 5 hướng lý thuyết: Cụm đỏ, bao gồm các tác giả Vygotsky, L.S., Bandura, A., Cooper, G., Davies, D. với các lý thuyết học tập xã hội và nhận thức; Cụm xanh dương, dẫn dắt bởi Kasneci, E. cùng với các tác gia khác như Salamin, M., Agyei-Manso, B., Lopez-Meneses, E. nghiên cứu chuyên sâu về công nghệ và ứng dụng GenAI (ChatGPT/Generative AI); Cụm vàng với tác giả trung tâm là Clarke, V., kết hợp với các tác giả Lin, Z., Burke, D. đóng vai trò định hướng về phương pháp luận và khung phân tích, nghiên cứu. Cụm tím và xanh lá có thể được gom thành một hướng, tập trung vào đối tượng người học và phương pháp đánh giá, đo lường thực nghiệm gồm các tác giả Hu, W., Gerich, M., Cohen, J.

Hình 3: Bản đồ phân tích đồng trích dẫn

Nguồn: Kết quả phân tích từ dữ liệu Scopus bằng VOSview

Thảo luận

Kết quả phân tích trắc lượng thư mục trong giai đoạn 5 năm (2022-2026) cung cấp một bức tranh tổng thể về sự phát triển của hướng nghiên cứu ứng dụng AI nhằm nâng cao KNGQVĐST của sinh viên trong GDĐH. Thông qua việc tích hợp các bản đồ tri thức, thảo luận nghiên cứu tập trung vào 4 khía cạnh chính:

Một là, mạng lưới tri thức và sự dịch chuyển mô hình học tập: Phân tích mạng lưới đồng xuất hiện từ khóa cho thấy các từ khóa trung tâm là AI, Giáo dục bậc cao, GenAI, Sinh viên và năng lực hiểu biết về AI. Kết quả này phản ánh sự dịch chuyển mạnh mẽ từ việc ứng dụng các công cụ công nghệ thông tin truyền thống sang việc tích hợp các công cụ GenAI (LLMs, Chatbots) trong môi trường học thuật. Đáng chú ý là KNGQVĐST của sinh viên không còn được xem xét như một kỹ năng độc lập, mà gắn liền với khả năng hợp tác giữa người và máy móc, với tư duy thiết kế và sự hỗ trợ của phân tích dữ liệu học tập.

Hai là, nền tảng lý thuyết và sự giao thoa các phương pháp luận: Thông qua bản đồ đồng trích dẫn, tác giả khẳng định được tính liên ngành chặt chẽ của lĩnh vực này. Nền tảng lý thuyết nghiên cứu được định hình bởi sự kết hợp giữa các lý thuyết giáo dục - tâm lý học kinh điển (như Lý thuyết phát triển xã hội của Vygotsky, L.S., Lý thuyết học tập xã hội của Bandura, A.) với các nghiên cứu thực nghiệm hiện đại về AI (dẫn đầu bởi Kasneci, E.) và phương pháp luận định tính (Clarke, V.). Sự giao thoa này chỉ ra rằng: việc sử dụng AI để thúc đẩy KNGQVĐST chỉ đạt hiệu quả tối ưu khi dựa trên các khung lý thuyết học tập vững chắc, nơi AI đóng vai trò là công cụ hỗ trợ tư duy phản biện và khả năng tự chủ của người học.

Ba là, động lực hợp tác toàn cầu và vai trò của các cầu nối tri thức: Phân tích hợp tác nghiên cứu giữa các quốc gia và đồng tác giả cũng chỉ ra mô hình hợp tác đa tầng giữa cấp độ quốc gia với mạng lưới toàn cầu được dẫn dắt bởi 3 nhóm hợp tác chính là Mỹ, Trung Quốc và Anh, kết nối chặt chẽ với các khu vực Châu Á - Thái Bình Dương và Châu Âu. Điều này thể hiện xu hướng hình thành các mạng lưới nghiên cứu liên ngành trên toàn thế giới nhằm giải quyết các thách thức mối quan hệ giữa AI với đổi mới giáo dục.

Cuối cùng, khía cạnh đạo đức và khoảng trống nghiên cứu được bộc lộ: Cùng với cơ hội nâng cao hiệu quả học tập, kết quả phân tích cũng cảnh báo các thách thức nổi bật với các vấn đề về liêm chính học thuật, đạo đức AI và sự phụ thuộc vào công nghệ. Đây chính là khoảng trống nghiên cứu quan trọng đòi hỏi các công trình tương lai cần tiếp tục nghiên cứu, câu hỏi đặt ra là: Làm thế nào để thiết kế các bài tập mang tính sáng tạo giúp sinh viên phát huy tối đa tư duy bậc cao mà không làm suy giảm tính tự chủ và chuẩn mực đạo đức trong học thuật?

KẾT LUẬN

Nghiên cứu này đã cung cấp một tổng quan hệ thống và bản đồ tri thức toàn diện về xu hướng ứng dụng AI nhằm nâng cao KNGQVĐST của sinh viên trong GDDH giai đoạn 5 năm gần đây (2022-2026). Dựa trên phân tích mạng lưới từ phần mềm VOSviewer, nghiên cứu đã chỉ ra sự chuyển dịch trọng tâm từ các công cụ AI truyền thống sang các công cụ AI thế hệ mới; chỉ ra các khung lý thuyết kết hợp trong quá trình sử dụng công cụ AI nhằm hỗ trợ kích hoạt tư duy bậc cao của người học; khẳng định vai trò dẫn dắt của các quốc gia hàng đầu như Mỹ, Trung Quốc, Anh - xu hướng sẽ thúc đẩy việc chia sẻ tri thức và triển khai các dự án nghiên cứu liên ngành trên phạm vi toàn cầu.

Nghiên cứu cũng đã cung cấp cơ sở dữ liệu quan trọng nhằm giúp các nhà quản lý giáo dục và giảng viên thiết kế lại chương trình đào tạo, phương pháp giảng dạy và hình thức đánh giá nhằm phát huy tối đa KNGQVĐST của sinh viên trong thời đại số và khuyến nghị các nghiên cứu tiếp theo cần tập trung giải quyết các thách thức về liêm chính học thuật, đạo đức AI và nguy cơ phụ thuộc vào công nghệ, nhằm đảm bảo việc ứng dụng AI phát triển song song với tính tự chủ, tư duy phản biện của người học.

Tài liệu tham khảo:

1. Alshamy, A., Al-Harthi, A. S. A., & Abdullah, S. (2025). Perceptions of Generative AI Tools in Higher Education: Insights from Students and Academics at Sultan Qaboos University. Education Sciences, 15(4).

2. Chen, Y., Huang, C., Han, Z., Zhang, D., Lou, Y., & Zhong, Y. (2026). Investigating student engagement with personalised generative AI feedback: Effects on creative problem-solving and feedback uptake. Australasian Journal of Educational Technology, 42(4), 165-185.

3. Chu, C. C. (2025). Cá nhân hóa được hỗ trợ bởi trí tuệ nhân tạo: Khung khái niệm dựa trên lý thuyết hành vi có kế hoạch. Tạp chí Nghiên cứu Tài chính kế toán, kỳ 2 tháng 12, 88-91.

4. Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296.

5. Dwivedi, Y. K. et al (2023). Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642.

6. Grassini, S. (2023). Shaping the Future of Education: Exploring the Potential and Consequences of AI and ChatGPT in Educational Settings. In Education Sciences (Vol. 13, Number 7). Multidisciplinary Digital Publishing Institute (MDPI). https://doi.org/10.3390/educsci13070692

7. Klimova, B., & Pikhart, M. (2025). Exploring the effects of artificial intelligence on student and academic well-being in higher education: a mini-review. In Frontiers in Psychology (Vol. 16). Frontiers Media SA. https://doi.org/10.3389/fpsyg.2025.1498132

8. Li, T., & Ding, Y. (2025). Exploring the GenAI Literacy of Chinese University Students in EFL Learning. International Journal of Computer-Assisted Language Learning and Teaching, 15(1).

9. Lim, W. M., Gunasekara, A., Pallant, J. L., Pallant, J. I., & Pechenkina, E. (2023). Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators. The International Journal of Management Education, 21(2), 100790.

10. Rahman M. Mehadi. (2019). Critical Thinking and Problem-Solving Skills Mr. Tejasvi Khatry 1.1 Introduction to Critical Thinking. Asian Journal of Interdisciplinary Research, 2(1), 71-81.

11. Ridlo, R. S., ILIASU, F. S., & Ma`rufah, S. (2026). AI-Mediated Critical Thinking: A Double-Edged Sword in Indonesian Higher Education. Attaqwa: Jurnal Ilmu Pendidikan Islam, 22(2), 128-138.

12. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education - where are the educators? In International Journal of Educational Technology in Higher Education (Vol. 16, Number 1). Springer Netherlands. https://doi.org/10.1186/s41239-019-0171-0