VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243

MỘT SỐ MÔ HÌNH PHÂN LOẠI HỌC VÀ ĐÁNH GIÁ GIÁO DỤC

TRONG VIỆC ĐÁNH GIÁ NGƯỜI HỌC NGÀNH KHOA HỌC MÁY TÍNH
Vũ Đức Thông - Trường Cao đẳng Sư phạm Trung ương

Ngày nhận bài: 06/01/2019; ngày sửa chữa: 22/01/2019; ngày duyệt đăng: 30/01/2019.
Abstract: This article introduces a number of popular models of the learning taxonomy in the
world that aims to develop thinking and skills, which has been built up, developed as well as
applied in the purposes of designing courses/subjects and assessing students’ outcomes. Those
models are: Dreyfus model of skill acquisition in five phases; structure model of learning outcomes
of Biggs and Collis (SOLO model); Bloom’s thinking development model and improvement of
Bloom’s thinking development model of David R. Krathwohl. In addition, we also introduced the
application of SOLO classification, Bloom classification into the assessment of competency,
assessing learners’ outcomes in Computer Science.
Keywords: Learning taxonomy, assessment, learning outcomes, curriculum, computer science.
1. Mở đầu Bài viết giới thiệu một số mô hình phân loại học tập
Phân loại giáo dục là một công cụ hữu ích trong việc phổ biến trên thế giới về cách phân loại học tập nhằm phát
phát triển các mục tiêu học tập và đánh giá sự thành công triển tư duy, kĩ năng đang được ứng dụng trong việc thiết
của người học. Chúng cũng có thể được sử dụng trong kế các khóa học/môn học và đánh giá kết quả học tập của
nghiên cứu giáo dục (để phân loại các bài kiểm tra và điều người học; bên cạnh đó, áp dụng phân loại SOLO, phân
tra phạm vi của các phương pháp học tập,...). Các hệ thống loại Bloom vào việc đánh giá năng lực, đánh giá kết quả
phân loại giáo dục nổi tiếng dựa trên giả định rằng hệ người học trong ngành Khoa học Máy tính.
thống thứ bậc của kết quả học tập là như nhau trong tất cả 2. Nội dung nghiên cứu
các chủ đề môn học, ngành học. Các phân loại học này 2.1. Một số hệ thống phân loại học tập
cũng là tiền đề để xây dựng khung đánh giá năng lực, đánh
giá kết quả người học trong một ngành học cụ thể. 2.1.1. Mô hình phát triển kĩ năng của Dreyfus (Dreyfus
model of skill acquisition)
Việc phân loại các mục tiêu giáo dục có thể được sử
dụng tương tự để cung cấp hoặc mô tả và đánh giá kết Hubert Dreyfus và Stuart Dreyfus mô tả một quá
quả học tập. Trong phân loại giáo dục, người ta chia các trình học tập chuyển từ giai đoạn người mới vào nghề
mục tiêu giáo dục thành ba lĩnh vực: nhận thức, tình cảm sang chuyên gia, gồm những giai đoạn sau [2]:
và tâm lí. Một số cách phân loại (ví dụ như phân loại của 1) Khởi nghiệp (Novice): Tuân thủ một cách cứng nhắc
Bloom) coi mỗi lĩnh vực là sự liên tục một chiều; một số những quy định và kế hoạch đã được dạy, không có kế
phân loại (như phân loại của Bloom đã được sửa đổi) mô hoạch dự phòng khi hoàn cảnh thay đổi so với mong đợi.
tả miền nhận thức bằng ma trận; một số phân loại (giống 2) Bắt đầu có khả năng (Advanced Beginner): Một số
như phân loại SOLO) sử dụng một tập hợp các loại mô điều chỉnh nhỏ về quy định và kế hoạch có thể được tiến
tả sự khác biệt về định lượng và định tính kết quả học tập hành trong một vài trường hợp dưới sự giám sát.
và cũng có những phân loại cho rằng chúng có thể được 3) Có năng lực (Competence): Các kế hoạch có nhận
áp dụng như nhau [1].
thức, có chủ đích và việc sử dụng các bước được chuẩn hóa.
Phân loại học là hệ thống phân loại được sắp xếp theo Đưa ra những quyết định có lí lẽ về tính huống mới mà không
một cách nào đó. Việc phân loại học tập có thể được sử chắc chắn về mức độ phù hợp của những quyết định này.
dụng để mô tả kết quả học tập và trong các đánh giá mục
4) Thành thạo (Proficiency): Nhìn nhận tình huống một
tiêu giáo dục [1]. Phân loại học mô tả và phân loại các giai
cách tổng thể và xác định mục tiêu và các điểm nổi bật theo
đoạn trong các khía cạnh nhận thức, tình cảm và tâm lí của
một cá nhân có thể là một phần của quá trình học tập. Phân trực giác; việc đưa ra quyết định không quá mất công.
loại học có thể được sử dụng để xác định mục tiêu chương 5) Chuyên gia (Expertise): Không còn phụ thuộc vào
trình giảng dạy của khóa học; vì vậy, nó không chỉ được các luật, quy định hoặc các khẩu hiệu. Thực hiện dựa trên
mô tả trên cơ sở các chủ đề được đề cập mà còn xác định hiểu sâu về toàn bộ tình hình, có cách tiếp cận thường
được mức độ hiểu biết mong muốn cho từng chủ đề. Phân được sử dụng trong tình huống mới hoặc khi vấn đề nảy
loại học tập được sử dụng rộng rãi trong nhiều ngữ cảnh sinh; có tầm nhìn.
khác nhau để mô tả các giai đoạn học tập của người học. 2.1.2. Thang tư duy của Bloom (Bloom’s cognitive taxonomy)

239
 VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243

Năm 1956, Benjamin Bloom và những đồng nghiệp - Mức 2: Đơn cấu trúc (Uni-Structural): Câu trả lời
của ông đã xây dựng thành công thang phân loại tư duy. chỉ dựa vào một khía cạnh liên quan, kết luận hạn chế và
Theo thang này, trình độ tư duy của một người sẽ thể hiện dễ mang tính giáo điều.
qua những gì mà người đó biết hay cách thức họ vận hành - Mức 3: Đa cấu trúc (Multi-Structural): Một vài dữ
tư duy. Quá trình tư duy bao gồm sáu bậc sắp xếp theo liệu nhất quán được chọn lọc, bất cứ một sự không nhất
trình tự từ thấp đến cao: Biết, Hiểu, Vận dụng, Phân tích, quán hoặc nội dung trái chiều nào, đều được bỏ qua để
Tổng hợp, Đánh giá [3]. có thể đưa ra kết luận chắc chắn.
Vào năm 2001, các học trò cũ của Bloom là - Mức 4: Mối quan hệ (Relational): Hầu hết những
Anderson L.w. và Krathwohl D.R. [4], sau một quá trình dữ liệu được chấp nhận, những thông tin trái chiều được
bàn luận với một số nhà tâm lí học, đã đưa ra phương án cho vào một hệ thống và giải thích trong một bối cảnh
điều chỉnh phân loại mục tiêu trong lĩnh vực nhận thức nhất định.
của Bloom. Nội dung chính điều chỉnh bởi Anderson và
- Mức 5: Trừu tượng mang tính mở (Extended
Krathwohl là thay 2 thao tác xử lí kiến thức Tổng hợp và
Abstract): Người học có thể khái quát hóa cấu trúc để
Đánh giá ở mức độ 5 và 6 tương ứng bằng Đánh giá và
nắm bắt những vấn đề mới và trừu tượng hơn, biểu thị
Sáng tạo. Ngoài ra, họ mô tả các thao tác xử lí kiến thức
một trạng thái phát triển mới và cao hơn.
bằng các động từ thay vì danh từ như trước đây (trong
tiếng Anh) và tạo thành một ma trận phân loại 2 chiều. Áp dụng Phân loại SOLO cho việc đánh giá kết quả
Bảng phân loại mới của Anderson L.w. và Krathwohl học tập liên quan đến việc xem xét các mục tiêu của
D.R. như bảng 1 [5]: chuẩn đầu ra dự kiến ở các cấp độ khác nhau. Các tính
Bảng 1. Bảng phân loại Bloom được sửa đổi năng quan trọng liên quan đến phân loại SOLO được
trình bày bởi Biggs và Collis (1982) là phân loại SOLO
Chiều phân cấp được người học và người học có xu hướng tiến
Áp Phân Đánh Sáng
kiến Nhớ Hiểu bộ, các kết quả định lượng được thể hiện ở mức 2 và mức
dụng tích giá tạo
thức 3; các kết quả định tính được thể hiện ở mức 4 và mức 5.
A. Phân loại SOLO là nội dung độc lập và do đó nó có thể
Kiến được sử dụng như một thước đo chung về sự hiểu biết
thức giữa các ngành khác nhau. SOLO là một lược đồ phát
thực tế triển phân loại các kết quả học tập theo độ phức tạp của
B. chúng, do đó cho phép người hướng dẫn đánh giá công
Kiến việc của sinh viên (SV) về chất lượng học tập chứ không
thức phải là tính số lượng câu trả lời chính xác trong một
khái nhiệm vụ hoặc hoạt động cụ thể [6].
niệm 2.1.4. Thang phân loại của Niemierko
C. Niemierko và cộng sự cho rằng ba loại Bloom cao
Kiến nhất (quy trình tư duy cao hơn) không thể được sắp xếp
thức thứ bậc trong các môn khoa học. Ông đã phát triển hệ
tự tạo thống phân loại “ABC” của các mục tiêu học tập được tổ
D. chức theo hai chiều (bảng 2):
Siêu Bảng 2. Mức độ Các loại mục tiêu học tập
nhận Bậc Mục tiêu học tập
thức
A. Nhớ lại kiến thức
2.1.3. Mô hình cấu trúc kết quả học tập của Biggs và I. Kiến thức
B. Hiểu biết về kiến thức
Collis (SOLO taxonomy)
C. Áp dụng kiến thức trong các tình
Năm 1982, Biggs và Collis giới thiệu cấu trúc miêu
II. Khả năng huống điển hình
tả một trình tự được sắp xếp theo thứ bậc nhất quán và
và kĩ năng D. Ứng dụng kiến thức trong những
đặt tên là “chu kì học” (learning cycle). Chu kì học này
có thể cung cấp thông tin về sự tiến bộ của quá trình học tình huống phức tạp
tập theo một trạng thái nhất định, từ đó có thể đánh giá Các ứng dụng trong nhóm D bao gồm các phân tích,
kết quả học tập [2]: tổng hợp, và các loại đánh giá của hệ thống phân loại
- Mức 1: Tiền cấu trúc (Pre-Structural): Phần gợi ý và Bloom [1].
câu trả lời không rõ ràng. 2.1.5. Thang phân loại của Tollingerova

240
 VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243
Hệ thống phân loại của Tollingerova có 5 loại hoạt
động theo thứ bậc [1]: - Bậc 1: Bộ nhớ sao chép kiến
thức; - Bậc 2: Hoạt động dễ hiểu với kiến thức; - Bậc 3:
Những hoạt động khó hiểu với kiến thức; - Bậc 4: Truyền
đạt tri thức; - Bậc 5: Tư duy sáng tạo.
2.2. Phân loại học tập trong Khoa học Máy tính
2.2.1. Sử dụng phân loại SOLO
Đã có một số các nghiên cứu cụ thể về việc áp dụng
phân loại SOLO vào lĩnh vực Khoa học Máy tính. Lister
và cộng sự (2006) lần đầu tiên đề xuất việc sử dụng phân
loại SOLO để phân loại các câu trả lời của SV đối với các
vấn đề lập trình máy tính. Ngoài việc đánh giá chính xác
một câu trả lời nó còn là minh chứng thuyết phục chứng tỏ
SV đã hiểu được mối liên hệ của các mã lập trình như thế
nào. Phân loại SOLO mô tả 5 mức độ hiểu biết của SV khi
giải quyết các vấn đề lập trình và trình bày cách giải thích
tương tự về sử dụng phân loại SOLO áp dụng khi người
học làm các bài tập viết mã lập trình đơn giản:
- Mức 1 (Prestructural): Đây là mức đơn giản nhất mà
SV có thể đưa ra cho một nhiệm vụ lập trình, biểu hiện
không chỉ là sự nhầm lẫn đáng kể về lập trình mà còn có
thể là những suy nghĩ không liên quan đến lập trình. SV
thiếu kiến thức về các cấu trúc lập trình và tiếp cận nhiệm
vụ được nghiên cứu một cách không thích hợp hoặc
không liên quan [7].
- Mức 2 (Unistructural): Đây là mức mà SV thể hiện
chính xác một số vấn đề của lập trình nhưng không phải
tất cả các khía cạnh của vấn đề lập trình. SV có hiểu biết
một phần và một hoặc vài khía cạnh được chọn và sử
dụng có hiệu quả; ví dụ, SV mô tả chức năng của một
phần (một hoặc hai dòng) của mã lập trình [8].
- Mức 3 Đa cấu trúc: SV tập trung vào một số khía cạnh
có liên quan đến những vấn đề giải quyết nhưng không nhận
thức về mối quan hệ giữa chúng với nhau. Lister và cộng sự
(2006) cho thấy SV có thể cung cấp mô tả dòng mã lập trình
hoặc thực thi mã lập trình bằng tay đến giá trị cuối cùng cho
một biến cụ thể, nhưng không thể xem toàn bộ mã lập trình
là một cấu trúc mạch lạc duy nhất [7].
Sáng tạo
(C-Create)
(Producing)
Sản xuất
Áp dụng
(A-Aply)
Không
(N-None)
Nhớ
(R-Remember)
Hình 1. Hệ thống phân loại Bloom được sắp xếp lại
- Mức 4 (Relationship): SV hiểu ý nghĩa về các khía
cạnh khác nhau của vấn đề, tích hợp các phần của vấn đề
vào 1 cấu trúc mã lập trình chặt chẽ, sử dụng cấu trúc này
để giải quyết vấn đề. Lister và cộng sự (2006) cho thấy
SV có thể mô tả các chức năng được thực hiện bởi một
đoạn mã lập trình cụ thể mà không cần thực hiện tay; SV
có thể phỏng đoán rằng mã lập trình đếm số lượng các
phần tử trong một mảng lớn hơn một giá trị cụ thể [7].
- Mức 5 (Extended Abstract): Trong mức SOLO cao
nhất này, SV đã giải quyết được vấn đề cụ thể mà bài
toán yêu cầu cần giải quyết; liên kết vấn đề để phát triển
thành các nguyên tắc bậc cao hơn và mở rộng chủ đề cho
các lĩnh vực ứng dụng rộng hơn. Ví dụ, kết quả một đoạn
mã lập trình có thể mở rộng là một nhận xét rằng mã sẽ
chỉ làm việc cho các mảng được sắp xếp [7].
2.2.2. Sử dụng phân loại Bloom
Johnson, Fuller và các cộng sự sau khi nghiên cứu
chương trình giảng dạy và học tập của ngành Khoa học
máy tính đã đưa ra Hệ thống phân loại mới, khả thi hơn
để đánh giá khả năng của người học trong Khoa học Máy
tính và kĩ thuật. Hệ thống phân loại mới không những
đánh giá được khả năng lập trình của người học mà nó
còn có thể áp dụng đánh giá các lĩnh vực kĩ thuật khác
của ngành Khoa học Máy tính.
Hệ thống phân loại mới được xây dựng bằng cách sử
dụng phiên bản phân loại của Bloom đã được Anderson,
Krathwohl và cộng sự, sửa lại năm 2001, nhưng để đáp
ứng các vấn đề với ngành Khoa học Máy tính, mô hình
phân loại mới sử dụng ma trận hai chiều phù hợp với hệ
thống phân loại của Bloom được xây dựng như hình 1 [1].
Kích thước của ma trận thể hiện hai phạm vi năng lực
riêng biệt: khả năng hiểu và giải thích một sản phẩm hiện
có (tức là mã chương trình), khả năng thiết kế và xây
dựng một sản phẩm mới. Các mức độ liên quan đến diễn
giải được đặt trên trục ngang và các mức liên quan đến
thiết kế được đặt trên trục thẳng đứng, với mức thấp nhất
ở góc dưới bên trái. Điều này được hiểu rằng người học
đi qua từng trục theo thứ tự nghiêm ngặt [1].
Hiểu Phân tích Đánh giá
(U-Understand) (A-Analyse) (E-Evaluate)
Phiên dịch (Interpreting)
241
 VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243
(Producing)
C
Sản xuất
A thiết kế một giải pháp hoặc sản xuất mã chương trình
N (hình 5) [1].
R U A E
Phiên dịch (Interpreting)
Hình 2. Một bản trình bày đồ họa về sự thích ứng
hai chiều của phân loại học của Bloom
Tác giả đã chỉ ra rằng, các SV khác nhau có “đường
dẫn học tập” khác nhau trong hệ thống phân loại ma trận.
Ví dụ, khi SV học một khái niệm lập trình mới, lần đầu
tiên SV đó đạt được kiến thức về khái niệm này. Tại thời
điểm đó, SV nằm trong ô (trạng thái) “Không /nhớ” thể
hiện trong hình 2. Nếu người học này tiếp tục học bằng
cách bắt chước một ví dụ sẵn có của một chương trình
mà không hiểu sâu về khái niệm, chúng sẽ đạt được mức
“Áp dụng/Ghi nhớ”, tức là áp dụng/cố gắng áp dụng khái
niệm mà không có sự hiểu biết thực tế. Hành vi này được
minh họa trong hình 3 [1].
(Producing)
C
Sản xuất
A
N
R U A E
Phiên dịch (Interpreting)
Hình 3
Nếu thay vì bắt chước, SV tìm hiểu thêm thông tin về
khái niệm này có thể tiến tới ô “Không/Hiểu”. Điều này
có nghĩa là SV vẫn chưa thể đưa ra mã chương trình,
nhưng đã có thể hiểu được ý nghĩa của khái niệm này.
SV được đặt trong ô “Tạo/Đánh giá”, có nghĩa là SV
đó có thể thực hiện ở tất cả các cấp độ năng lực trong ma
trận. Điều này cũng có thể được xác định là ứng dụng cao
hơn cấp và có thể đạt được thông qua các đường dẫn khác
nhau như thể hiện trong hình 4.
(Producing)
C là mức độ dường như không được sắp xếp hợp lí khi sử
Sản xuất
A dụng để đánh giá các môn có tính phức tạp như Khoa học
N và Fuller và các cộng sự được đề xuất là tách riêng sáu
R U A E
Phiên dịch (Interpreting)
Hình 4. Mục tiêu, “Tạo/đánh giá” hoặc ứng dụng
cao hơn, có thể đạt được thông qua các con đường
khác nhau
Tuy nhiên, có những SV chỉ đạt được một số năng
lực. Ví dụ, SV xác định được lí thuyết trong một phân
tích trong chương trình có thể được đặt trong ô
242
“Không/Đánh giá”, nghĩa là họ có thể đọc mã chương
trình, phân tích, và thậm chí đánh giá nó, nhưng chưa thể
(Producing)
C
Sản xuất
A
N
R U A E
Phiên dịch (Interpreting)
Hình 5. Con đường của những SV chỉ đạt được
năng lực lí thuyết
Nghiên cứu tương tự cho thấy, một nhóm khác SV
khác có thể được đặt trong ô “Tạo/Hiểu” của ma trận. Họ
có khả năng áp dụng và tổng hợp mà không có khả năng
phân tích hoặc đánh giá ngay cả mã chương trình của
chính họ (hình 6). Vấn đề cho những SV này là không có
khả năng gỡ lỗi các giải pháp của họ khi gặp phải lỗi [1].
(Producing)
C
Sản xuất
A
N
R U A E
Phiên dịch (Interpreting)
Hình 6. Con đường của SV chỉ đạt được năng lực thực tế
3. Kết luận
Mặc dù có rất nhiều phân loại được trình bày như
phân loại của: Hubert Dreyfus và Stuart Dreyfus; Bloom;
Biggs và Collis; Niemierko; Tollingerova nhưng chỉ có
phân loại của SOLO với năm cấp bậc để phân loại học
trong giáo dục và phân loại của Bloom hoặc phân loại cải
tiến của Bloom được sử dụng trong việc phân loại trong
lĩnh vực Khoa học Máy tính để thiết kế chương trình
giảng dạy và đánh giá người học. Những phân loại khác
mặc dù có nhiều lợi ích nhưng điểm yếu cơ bản của nó
máy tính mà cụ thể là lập trình. Giải pháp của Johnson
cấp độ của Bloom thành hai chiều. Nó tạo ra một ma trận
có thể được sử dụng để xác định một loạt các quỹ đạo
học khác nhau và do đó để hướng dẫn SV làm thế nào để
nâng cao kĩ năng, năng lực và sự hiểu biết của họ.
Tài liệu tham khảo
[1] Fuller, U. - Johnson, C. G. - Ahoniemi, T. -
Cukierman, D.- Hernan-Losada, I. - Jackova, J., and
et al. (2007). Developing a Computer Science-
 VJE Tạp chí Giáo dục, Số đặc biệt tháng 4/2019, tr 239-243
specific Learning Taxonomy. SIGCSE Bulletin,
Vol. 39 (4), pp. 152-170.
[2] Dreyfus, Stuart E. - Dreyfus, Hubert L. (1980). A
Fiưe-Stage Model of the Mental Actiưities involved
in Directed Skill Acquisition. Washington, DC:
Storming Media.
[3] Bloom, B. - Engelhart, M. - Furst, E. - Hill, W. -
Krathwohl, D. (1956). Taxonomy of educational
objectives: the classification of educational goals.
Handbook 1: Cognitive Domain. Longmans Green,
New York.
[4] Nguyễn Lộc - Nguyễn Lan Phương (đồng chủ biên)
- Đặng Xuân Cương - Trịnh Thị Anh Hoa - Nguyễn
Thị Hồng Vân (2016). Phương pháp, kĩ thuật xây
dựng chuẩn đánh giá năng lực đọc hiểu và năng lực
giải quyết vấn đề. NXB Giáo dục Việt Nam.
[5] Lâm Quang Thiệp (2011). Đo lường trong giáo dục lí
thuyết và ứng dụng. NXB Đại học Quốc gia Hà Nội.
[6] Biggs, J. B. - Collis, K. F. (1982). Evaluating the
Quality of Learning: The SOLO Taxonomy.
Academic Press, New York.
[7] Chan, C. C. - Chui, M. S. - Chan, M. Y. C. (2002).
Applying the Structure of the Observed Learning
Outcomes (SOLO) taxonomy on student’s learning
outcomes: An empirical study. Assessment & Evaluation
in Higher Education, Vol. 27 (6), pp. 511-527.
[8] Lister, R. - Simon, B. - Thompson, E. - Whalley, J. L.
- Prasad, C. (2006). Not seeing the forest for the trees:
novice programmers and the SOLO taxonomy. ACM
SIGCSE Bulletin, Vol. 41 (3), pp. 118-122.
[9] Lister, R. - Adams, E. S. - Fitzgerald, S. - Fone, W.
- Hamer, J. - Lindholm, M. - McCartney, R. -
Moström, E. - Sanders, K. - Seppälä, O. - Simon, B.
- Thomas, L. (2004). A multi-national study of
reading and tracing skills in novice programmers.
ACM SIGCSE Bulletin, Vol. 36 (4), pp. 119-150.
[10] Nguyễn Công Khanh (chủ biên) - Đào Thị Oanh
(2017). Giáo trình Kiểm tra, đánh giá trong giáo
dục. NXB Đại học Sư phạm.
[11] Anderson, L. W. - Krathwohl, D. R. (2001). A
Taxonomy for Learning, Teaching and Assessing: A
Revision of Bloom’s Taxonomy of Educational
Objectives. Addison Wesley Longman, New York,
abridged edition.
[12] Biggs, J. B. (1999). Teaching for Quality Learning
at University. SRHE and Open University Press,
Buckingham, UK.
[13] Biggs, J. - Tang, C. (2007). Teaching for Quality
Learning at University. SRHE and Open University
Press, Maidenhead, UK, 3rd edition.
243
[14] Brabrand, C. - Dahl, B. (2009). Using the SOLO
Taxonomy to Analyze Competence Progression of
University Science Curricula. Higher Education,
Vol. 58 (4), pp. 531-549.
RÈN LUYỆN NĂNG LỰC GIẢI QUYẾT VẤN ĐỀ...
(Tiếp theo trang 183)
đặt ra là tìm các thời điểm trong vòng 2 giây đầu tiên, con
lắc ở vị trí có li độ dài bằng 1,5(cm), có nghĩa là tìm
 3
nghiệm t  [0;2] của phương trình 3cos(5t  )  .
6 2
Đây là phương trình lượng giác cơ bản đối với hàm
số cos (khi giải tìm nghiệm, HS cần lưu ý tới điều kiện
của ẩn t  0;2  ).
3. Kết luận
Trong dạy học môn Toán, NLGQVĐ là một trong
những năng lực cơ bản của HS, giúp các em thành công
trong học tập và trong cuộc sống; rèn luyện NLGQVĐ
cho HS sẽ góp phần nâng cao hiệu quả dạy học môn
Toán. Do vậy, trong quá trình dạy học môn Toán phần
Lượng giác ở trường trung học phổ thông, GV cần vận
dụng các phương pháp dạy học phù hợp với từng đối
tượng HS nhằm giúp các em phát triển được NLGQVĐ.
Tài liệu tham khảo
[1] Bộ GD-ĐT (2018). Chương trình giáo dục phổ
thông - chương trình tổng thể.
[2] Bộ GD-ĐT (2018). Chương trình giáo dục phổ
thông môn Toán. NXB Giáo dục Việt Nam.
[3] Hoàng Phê (chủ biên, 1996). Từ điển Tiếng Việt.
NXB Đà Nẵng.
[4] Bộ GD-ĐT (2014). Tài liệu tập huấn PISA 2015 và
dạng câu hỏi do OECD phát hành lĩnh vực Toán học.
[5] Hoàng Ngọc Anh - Nguyễn Dương Hoàng - Nguyễn
Tiến Trung (2017). Đổi mới quá trình dạy học môn
Toán thông qua các chuyên đề dạy học. NXB Giáo
dục Việt Nam.
[6] Nguyễn Thị Lan Phương (2013). Khung đánh giá
năng lực hiểu biết toán của PISA. Tạp chí Khoa học
Giáo dục, Viện Khoa học Giáo dục Việt Nam.
[7] G. Polya (1995). Toán học về những suy luận có lí.
NXB Giáo dục.
[8] K. K.Platonov (1997). Tâm lí học. NXB Đại học Sư phạm.
[9] Nguyễn Bá Kim (chủ biên) - Vũ Dương Thụy (1992).
Phương pháp dạy học môn Toán. NXB Giáo dục.
[10] Phạm Gia Đức (1998). Phương pháp dạy học môn
Toán (tập 1). NXB Giáo dục.