AI cho nghiên cứu: Hướng dẫn sử dụng có trách nhiệm

Nghiên cứu có AI hỗ trợ là việc dùng công cụ AI để tìm nguồn, đọc hiểu bài nghiên cứu, tổ chức bằng chứng, phân tích dữ liệu và cải thiện bản thảo. AI có thể giảm công việc lặp lại và gợi ý hướng tiếp cận, nhưng nhà nghiên cứu vẫn chịu trách nhiệm đánh giá bằng chứng, diễn giải phát hiện và phê duyệt sản phẩm cuối cùng.

AI tạo sinh (Generative AI) tạo văn bản, bản tóm tắt, mã, bảng và nội dung khác từ các mẫu hình học được trong quá trình huấn luyện. Vì vậy, câu trả lời trôi chảy không mặc nhiên chính xác. Xác minh AI – kiểm tra đầu ra dựa trên bằng chứng đáng tin cậy – phải là một bước của quy trình nghiên cứu.

Nghiên cứu có AI hỗ trợ là gì?

Nghiên cứu có AI hỗ trợ là việc sử dụng AI ở những điểm được chọn trong quy trình nghiên cứu, thay vì giao toàn bộ dự án cho AI. Nhà nghiên cứu có thể dùng AI để mở rộng từ khóa, giải thích thuật ngữ khó, nhóm câu trả lời khảo sát mở hoặc chuyển ghi chú đã xác minh thành dàn ý.

Ranh giới quan trọng là giữa hỗ trợ và thay thế. AI có thể gợi ý một khoảng trống nghiên cứu, nhưng nhà nghiên cứu phải kiểm tra tài liệu trước đó. AI có thể nhận diện mẫu hình trong dữ liệu, nhưng nhà nghiên cứu phải đánh giá ý nghĩa, sự phù hợp của phương pháp và phạm vi kết luận. Hướng dẫn của Purdue University Libraries và Qualtrics đều mô tả AI là công cụ hỗ trợ, không phải sự thay thế cho chuyên môn con người.

Nguyên tắc thực tế: để AI hỗ trợ khám phá, tổ chức, giải thích và soạn thảo; để bằng chứng đáng tin cậy và phán đoán của con người quyết định kết luận.

AI có thể hỗ trợ những giai đoạn nào trong quy trình nghiên cứu?

AI có thể hỗ trợ từ lúc hình thành câu hỏi đến khi soạn thảo, nhưng mức độ rà soát phải tương xứng với rủi ro của nhiệm vụ và tầm quan trọng của kết quả.

1. Bắt đầu từ câu hỏi: Động não về khái niệm liên quan, định nghĩa thuật ngữ và xác định biến số có thể có.
2. Tìm nguồn: Mở rộng từ khóa, gợi ý tổ hợp tìm kiếm và xác định bài nghiên cứu hoặc bộ dữ liệu liên quan.
3. Đọc và tổ chức: Tóm tắt tài liệu đã cung cấp, trích xuất phương pháp và hạn chế, so sánh nghiên cứu hoặc tạo bảng theo dõi.
4. Lập kế hoạch: Gợi ý thiết kế nghiên cứu và điểm cần cân nhắc khi thu thập dữ liệu; các gợi ý này cần được nhà nghiên cứu có chuyên môn rà soát.
5. Chuẩn bị dữ liệu: Gợi ý nhãn nhất quán, đánh dấu giá trị bị thiếu hoặc phát hiện vấn đề định dạng.
6. Phân tích thận trọng: Hỗ trợ tính toán khám phá, viết mã hoặc phát hiện mẫu hình; kết quả quan trọng phải được kiểm tra độc lập.
7. Soạn thảo và biên tập: Tổ chức ghi chú đã xác minh, cải thiện độ rõ ràng, rút ngắn văn bản hoặc kiểm tra kiểu trích dẫn.
8. Xác minh trước khi sử dụng: Kiểm tra nhận định, trích dẫn nguyên văn, tài liệu tham khảo, phép tính, diễn giải và hạn chế dựa trên bằng chứng gốc.

Phạm vi này phù hợp với tổng quan của Purdue về AI trong nghiên cứu. Một công cụ có thể phù hợp với nhiệm vụ định dạng ít rủi ro nhưng không phù hợp để đưa ra quyết định chưa được rà soát về người tham gia, quan hệ nhân quả hoặc chính sách công.

Cách dùng AI để tìm bài nghiên cứu và nguồn liên quan

AI có thể giúp chuyển câu hỏi rộng thành chiến lược tìm kiếm cụ thể hơn bằng cách gợi ý từ đồng nghĩa, khái niệm liên quan, cách diễn đạt khác và phiên bản hẹp hơn của chủ đề. Các công cụ tìm kiếm nghiên cứu có AI hỗ trợ cũng có thể xác định bài nghiên cứu, tóm tắt phát hiện và làm nổi bật chủ đề hoặc khoảng trống có thể có, như SciSpace mô tả.

Mọi đề xuất chỉ là đầu mối. Hãy mở bài nghiên cứu hoặc bộ dữ liệu thực tế và ghi lại tiêu đề, tác giả, ngày xuất bản, nơi công bố, DOI hoặc URL ổn định, cùng lý do đưa nguồn vào tổng quan.

1. Viết câu hỏi nghiên cứu bằng ngôn ngữ thông thường.
2. Yêu cầu AI gợi ý thuật ngữ liên quan và tổ hợp tìm kiếm.
3. Tìm kiếm trong cơ sở dữ liệu học thuật hoặc kho lưu trữ phù hợp.
4. Sàng lọc theo tiêu chí đưa vào và loại trừ đã xác định.
5. Lưu thông tin nguồn và đọc tài liệu gốc.
6. Ghi chính xác điều mà mỗi nguồn hỗ trợ.

Ví dụ, câu hỏi về ảnh hưởng của làm việc từ xa đến năng suất có thể dùng các thuật ngữ “làm việc từ xa”, “làm việc kết hợp”, “hiệu suất nhân viên”, “sản lượng” và “đo lường năng suất”. AI có thể gợi ý mối liên hệ này, nhưng không thể quyết định một nghiên cứu cụ thể đo năng suất có phù hợp với dự án hay không.

Cách dùng AI để đọc hiểu bài nghiên cứu

AI có thể giúp tiếp cận bài nghiên cứu khó bằng cách giải thích thuật ngữ, tóm tắt từng phần, trích xuất phương pháp và tạo câu hỏi đọc thêm. Cách dùng này hữu ích khi tài liệu nằm ngoài lĩnh vực chính của bạn. Hướng dẫn cho người mới bắt đầu của SciSpace cũng mô tả việc dùng AI để hiểu bài nghiên cứu phức tạp.

1. Tự đọc tiêu đề, tóm tắt, phần mở đầu và kết luận.
2. Yêu cầu AI giải thích thuật ngữ chưa quen, chỉ dựa trên bài nghiên cứu đã cung cấp.
3. Yêu cầu xác định câu hỏi, đối tượng, biến số, phương pháp, phát hiện và hạn chế.
4. Đối chiếu bản tóm tắt với các phần tương ứng trong bài.
5. Tự viết ghi chú về bằng chứng trước khi quyết định cách sử dụng nghiên cứu.

Các câu hỏi kiểm tra nên tập trung vào ranh giới bằng chứng: Đã đo lường điều gì? Nghiên cứu ai? Đã thực hiện so sánh nào? Tác giả nêu hạn chế gì? Kết luận chỉ cho thấy mối liên hệ hay hỗ trợ nhận định về quan hệ nhân quả?

Bản tóm tắt chỉ hỗ trợ đọc. Lỗi có thể làm thay đổi đối tượng nghiên cứu, bỏ qua hạn chế hoặc khiến kết luận thận trọng trở nên chắc chắn hơn thực tế. Hãy kiểm tra trực tiếp phương pháp, đặc điểm mẫu, hạn chế và kết luận.

AI có thể hỗ trợ câu hỏi và kế hoạch nghiên cứu như thế nào?

AI có thể giúp thu hẹp chủ đề rộng thành các câu hỏi khả thi, đồng thời gợi ý biến số, phương pháp và vấn đề về phạm vi, đo lường hoặc tính khả thi.

Ví dụ, “Làm việc từ xa có ảnh hưởng đến năng suất không?” có thể được thu hẹp thành:

• Tần suất họp liên hệ như thế nào với năng suất do nhân viên tự báo cáo trong một nhóm được xác định rõ?
• Nhân viên làm việc kết hợp báo cáo những rào cản nào khi hoàn thành nhiệm vụ cộng tác?
• Các thước đo năng suất khác nhau như thế nào giữa những vai trò có mức độ làm việc từ xa khác nhau?

Đây là gợi ý, không phải thiết kế nghiên cứu đã được kiểm chứng. Một khoảng trống do AI gợi ý không chứng minh rằng chưa có công trình trước đó. Nhà nghiên cứu phải tìm kiếm tài liệu, đánh giá dữ liệu sẵn có, cân nhắc giới hạn đạo đức và thực tế, đồng thời tham khảo chuyên môn phương pháp. Qualtrics mô tả AI là công cụ hỗ trợ xác định khoảng trống có thể có và so sánh cách tiếp cận, trong khi chuyên môn con người vẫn giữ vai trò quyết định.

AI có thể hỗ trợ dữ liệu nghiên cứu như thế nào?

AI có thể hỗ trợ trích xuất dữ liệu có cấu trúc, mã hóa, phân loại, làm sạch dữ liệu, phân tích khám phá và giải thích phép tính. Ví dụ, AI có thể đánh dấu định dạng ngày tháng không nhất quán, gợi ý nhóm cho câu trả lời mở hoặc hỗ trợ viết mã cho một phép biến đổi đã được ghi chép. Purdue University Libraries liệt kê các nhiệm vụ này trong số những cách dùng AI có thể có trong nghiên cứu.

Tổ chức dữ liệu không đồng nghĩa với việc xác lập phát hiện hợp lệ. Trước khi chấp nhận kết quả, hãy kiểm tra:

• Bản ghi nào được đưa vào hoặc loại ra?
• Giá trị bị thiếu, trùng lặp hoặc không nhất quán được xử lý thế nào?
• Phép biến đổi có làm thay đổi ý nghĩa của biến không?
• Phép tính có thể tái lập không?
• Phương pháp có phù hợp với câu hỏi và dữ liệu không?
• Diễn giải có vượt quá điều phân tích hỗ trợ không?

Với bảng tính khảo sát đã được ẩn danh, AI có thể gợi ý nhãn nhất quán cho câu trả lời mở. Nhà nghiên cứu phải rà soát các nhóm, tìm câu trả lời bị xếp nhầm, ghi chép quy tắc mã hóa và đánh giá sự phù hợp của phân tích.

Trước khi tải dữ liệu lên, hãy kiểm tra công cụ có được phê duyệt hay không và dữ liệu được xử lý thế nào. Việc trọng số mô hình không được cập nhật theo thời gian thực không có nghĩa dữ liệu tải lên không được lưu trữ hoặc ghi nhật ký.

AI có thể hỗ trợ viết và trích dẫn nghiên cứu như thế nào?

AI có thể tạo dàn ý từ ghi chú đã xác minh, cải thiện ngữ pháp, rút ngắn đoạn văn, gợi ý tiêu đề, tổ chức tổng quan tài liệu và định dạng tài liệu tham khảo. Công cụ quản lý trích dẫn cũng có thể hỗ trợ tổ chức tài liệu và áp dụng kiểu trích dẫn, như Purdue University Libraries mô tả.

1. Thu thập nguồn liên quan và ghi chú về bằng chứng.
2. Yêu cầu AI tổ chức ghi chú thành cấu trúc tạm thời.
3. Ghép từng nhận định với nguồn hỗ trợ.
4. Viết lại và hoàn thiện bằng giọng văn của bạn.
5. Mở từng tài liệu tham khảo để kiểm tra tác giả, tiêu đề, thông tin xuất bản và mức độ hỗ trợ.
6. Rà soát kết luận không có bằng chứng, hạn chế bị bỏ sót và cách diễn đạt lặp lại.

AI không nên tự tạo tài liệu tham khảo và không nên được xem là tác giả của một cách diễn giải. Trích dẫn tưởng như hợp lý có thể dẫn đến bài không tồn tại, chứa thông tin sai hoặc không hỗ trợ câu văn. Quy định về công bố việc sử dụng AI, quyền tác giả và phạm vi sử dụng khác nhau giữa cơ sở giáo dục, khóa học, tạp chí, nhà xuất bản và dự án. Hãy kiểm tra chính sách áp dụng.

Quy trình nghiên cứu có AI hỗ trợ cho người mới bắt đầu

Trình tự dưới đây phù hợp với bài tổng quan tài liệu quy mô nhỏ, nghiên cứu tại nơi làm việc hoặc dự án nghiên cứu của sinh viên.

1. Xác định câu hỏi và tiêu chuẩn bằng chứng

Nêu rõ điều cần biết, nhóm đối tượng hoặc tài liệu liên quan và loại bằng chứng được xem là đủ. Xác định có cần nghiên cứu bình duyệt, dữ liệu chính thức, tài liệu gốc hay loại nguồn khác.

2. Xây dựng thuật ngữ tìm kiếm

Dùng AI để gợi ý từ đồng nghĩa và khái niệm liên quan. Lưu thuật ngữ đã dùng và điều chỉnh theo kết quả thực tế.

3. Tìm và ghi nhật ký nguồn

Tìm trong cơ sở dữ liệu và kho lưu trữ phù hợp. Ghi đầy đủ thông tin nguồn, quyết định đưa vào và lý do liên quan. Không chỉ lưu bản tóm tắt do AI tạo.

4. Sàng lọc và đọc bài gốc

Đọc trực tiếp nguồn. Dùng AI để giải thích thuật ngữ, so sánh các bài đã cung cấp hoặc trích xuất ghi chú có cấu trúc; mọi bản tóm tắt quan trọng phải được đối chiếu với bài nghiên cứu.

5. Tổ chức bằng chứng

Tạo bảng gồm các cột như nguồn, câu hỏi, đối tượng, phương pháp, phát hiện, hạn chế, nhận định liên quan và trạng thái xác minh. AI có thể điền bản nháp, nhưng nhà nghiên cứu phải chỉnh sửa.

6. Lập kế hoạch xử lý dữ liệu

Xác định biến số, quy tắc mã hóa, quyết định đưa vào và phương pháp phân tích trước khi yêu cầu AI làm sạch hoặc phân tích khám phá. Giữ dữ liệu gốc và ghi lại phép biến đổi.

7. Phân tích bằng phương pháp phù hợp

Khi được phép, dùng AI để giải thích mã, chuẩn bị tác vụ lặp lại hoặc tìm mẫu hình khám phá. Kiểm tra phép tính độc lập và đánh giá liệu phân tích có trả lời câu hỏi nghiên cứu hay không.

8. Soạn thảo từ các ghi chú đã xác minh

Yêu cầu AI hỗ trợ cấu trúc tài liệu đã kiểm tra. Phân biệt bằng chứng với diễn giải và đánh dấu điểm chưa chắc chắn.

9. Xác minh nhận định và trích dẫn

Kiểm tra từng nhận định quan trọng dựa trên nguồn gốc. Xác nhận trích dẫn nguyên văn, số trang, thông tin xuất bản, phép tính và diễn giải.

10. Ghi chép việc sử dụng AI và hoàn tất rà soát của con người

Lưu công cụ, nhiệm vụ, ngày sử dụng, tài liệu đã cung cấp và thay đổi quan trọng. Tuân thủ yêu cầu của cơ sở giáo dục hoặc nhà xuất bản. Nhà nghiên cứu phải phê duyệt bằng chứng, diễn giải và kết luận cuối cùng.

Ở mỗi giai đoạn, hãy hỏi: AI đã gợi ý điều gì, bằng chứng nào hỗ trợ điều đó và quyết định nào vẫn thuộc về tôi?

Cách xác minh đầu ra nghiên cứu do AI tạo ra

Xác minh AI là việc đối chiếu đầu ra với bằng chứng đáng tin cậy và yêu cầu của nhiệm vụ. AI có thể tạo nhận định hợp lý nhưng không có bằng chứng, không chính xác hoặc không nhất quán với nguồn; dạng lỗi này thường được gọi là ảo giác AI (AI hallucination). Purdue University Libraries khuyến nghị đối chiếu thông tin do AI tạo với nguồn đáng tin cậy.

• Nhận định: Có thể truy vết đến nguồn đáng tin cậy không?
• Bài nghiên cứu: Bài có tồn tại không; tiêu đề, tác giả, ngày, nơi công bố và DOI có khớp không?
• Bằng chứng: Nguồn hỗ trợ đúng nhận định hay chỉ hỗ trợ một nhận định yếu hơn hoặc khác đi?
• Trích dẫn nguyên văn: Cách diễn đạt và số trang hoặc vị trí có chính xác không?
• Bản tóm tắt: Có giữ nguyên đối tượng, phương pháp, kết quả và hạn chế không?
• Phép tính: Có thể tự tái hiện kết quả không?
• Phép biến đổi: Có thể giải thích dữ liệu được xử lý ở từng bước không?
• Diễn giải: Có phân biệt mối liên hệ với quan hệ nhân quả, bằng chứng với suy đoán không?

Với kết quả quan trọng, hãy mở nguồn chính thay vì dùng một câu trả lời AI khác để kiểm tra. Lưu các chỉnh sửa để lỗi cũ không quay lại bản nháp sau.

Những điều AI không thể quyết định đáng tin cậy thay cho nhà nghiên cứu

AI có thể tạo lựa chọn và nhận diện mẫu hình, nhưng các quyết định về bằng chứng, đạo đức, tính hợp lệ và kết luận vẫn thuộc về con người.

Đây là AI có con người tham gia trong vòng lặp (Human-in-the-Loop AI): con người cung cấp đầu vào, rà soát đầu ra và duy trì quyền giám sát. Chẳng hạn, AI có thể nhận diện mẫu hình trong dữ liệu nhân khẩu học, nhưng nhà nghiên cứu phải xem xét ảnh hưởng giữa các nhóm, lựa chọn đo lường, cách giải thích thay thế và hệ quả của việc báo cáo mẫu hình đó.

Rủi ro nghiên cứu: thiên lệch, tính nguyên gốc và liêm chính học thuật

AI có thể tái tạo hoặc khuếch đại mẫu hình trong dữ liệu huấn luyện, tạo ra thiên lệch AI (AI bias) – sự lệch có tính hệ thống trong cách hệ thống phân loại, tóm tắt, đề xuất hoặc diễn giải thông tin. Qualtrics cảnh báo rằng thiên lệch lịch sử hoặc nhân khẩu học trong dữ liệu có thể xuất hiện trong nghiên cứu có AI hỗ trợ.

Hãy kiểm tra góc nhìn bị thiếu, sự khác biệt trong cách phân loại các nhóm và các giả định ẩn sau nhãn có vẻ trung lập. Chủ đề nhạy cảm cần được chuyên gia rà soát, không chỉ đánh giá bằng đầu ra tự động.

Văn bản do AI tạo có thể gây vấn đề về tính nguyên gốc và liêm chính học thuật: lặp lại cách diễn đạt quen thuộc, che khuất người đưa ra lập luận hoặc khiến văn phong không có bằng chứng trông như bằng chứng đã được xác lập. Hãy lưu nguồn, phân biệt phân tích của bạn với gợi ý của AI, kiểm tra tính nguyên gốc khi phù hợp và tuân thủ quy định của cơ sở giáo dục hoặc ấn phẩm.

Không phải mọi hình thức sử dụng AI đều bị cấm, cũng không phải sử dụng AI tự động khiến công trình trở nên nguyên gốc. Yêu cầu phụ thuộc vào bối cảnh; ghi chép việc sử dụng giúp quy trình dễ được rà soát và sửa chữa.

Bảo vệ dữ liệu nghiên cứu khi sử dụng công cụ AI

Quyền riêng tư AI liên quan đến việc thông tin nghiên cứu được gửi cho nhà cung cấp, lưu trong nhật ký, con người xem xét hoặc sử dụng theo chính sách huấn luyện. Huấn luyện mô hình (model training) và lưu giữ dữ liệu (data retention) là hai vấn đề riêng: nhà cung cấp có thể không dùng nội dung để huấn luyện nhưng vẫn lưu nhật ký, và chính sách có thể khác theo sản phẩm, loại tài khoản, khu vực hoặc cài đặt.

Không tải lên câu trả lời có thể nhận diện người tham gia, thông tin sức khỏe được bảo vệ, tài liệu kinh doanh bảo mật, phát hiện chưa công bố, mã riêng tư, mật khẩu, khóa API hoặc bộ dữ liệu bị hạn chế, trừ khi công cụ và quy trình đã được phê duyệt. Xóa tên có thể chưa đủ nếu các chi tiết kết hợp vẫn nhận diện được một người.

1. Giảm thiểu dữ liệu và xóa thông tin không cần thiết.
2. Cân nhắc ẩn danh hoặc khử nhận dạng phù hợp, đồng thời lưu ý giới hạn của các biện pháp này.
3. Kiểm tra sự đồng thuận, thỏa thuận sử dụng dữ liệu, phê duyệt của tổ chức và chính sách áp dụng.
4. Sử dụng tài khoản được phê duyệt; xác nhận cài đặt về lưu giữ, quyền truy cập và huấn luyện.
5. Giữ dữ liệu gốc trong môi trường nghiên cứu được phê duyệt.
6. Ghi lại nội dung đã chia sẻ, lý do chia sẻ và cách đầu ra được rà soát.

Tải bài báo công khai lên để yêu cầu giải thích khác với tải bản ghi phỏng vấn có thể nhận diện người tham gia. Khi không chắc chắn, hãy hỏi cán bộ bảo vệ dữ liệu, người hướng dẫn, hội đồng đạo đức hoặc cơ sở của bạn trước khi dùng dịch vụ AI bên ngoài.

Danh sách kiểm tra thực tế cho nghiên cứu có AI hỗ trợ có trách nhiệm

Trước khi sử dụng AI

• Xác định nhiệm vụ nghiên cứu và tiêu chuẩn bằng chứng.
• Chọn công cụ được phê duyệt cho loại công việc này.
• Xác nhận quyền chia sẻ tài liệu.
• Xóa thông tin cá nhân hoặc bảo mật không cần thiết.
• Kiểm tra quy định của cơ sở giáo dục, khóa học, tạp chí hoặc nhà xuất bản.

Trong khi sử dụng AI

• Giao nhiệm vụ có phạm vi rõ ràng và cung cấp ngữ cảnh liên quan.
• Lưu bài nghiên cứu, dữ liệu và ghi chú gốc.
• Tách gợi ý do AI tạo khỏi bằng chứng đã xác minh.
• Ghi lại prompt quan trọng, đầu ra, thay đổi và quyết định.
• Rà soát thiên lệch, góc nhìn bị thiếu và giả định không có bằng chứng.

Trước khi nộp hoặc công bố

• Xác minh nhận định và trích dẫn quan trọng.
• Kiểm tra trích dẫn nguyên văn, số trang, phép tính và phép biến đổi dữ liệu.
• Xác nhận diễn giải không vượt quá bằng chứng.
• Rà soát tính nguyên gốc và giọng văn của nhà nghiên cứu.
• Tái lập phân tích quan trọng khi có thể.
• Ghi chép hoặc công bố việc sử dụng AI khi được yêu cầu.
• Giữ phê duyệt cuối cùng của con người đối với phương pháp, bằng chứng và kết luận.

AI có thể tăng tốc nghiên cứu, nhưng không sở hữu bằng chứng

AI hữu ích nhất khi giảm trở ngại trong việc tìm kiếm, đọc hiểu, tổ chức, soạn thảo và phân tích khám phá. Đầu ra của AI vẫn cần được kiểm tra; gợi ý không trở thành bằng chứng chỉ vì chúng chi tiết hoặc có vẻ chắc chắn.

Hãy bắt đầu với nhiệm vụ ít rủi ro và có nguồn phong phú, chẳng hạn mở rộng từ khóa hoặc tổ chức ghi chú đọc đã xác minh. Giữ nguồn gốc, bảo vệ dữ liệu nhạy cảm và thực hiện bước xác minh rõ ràng trước khi đưa kết quả có AI hỗ trợ vào báo cáo.

Nguyên tắc thực tế: để AI giúp bạn tìm kiếm, tổ chức, giải thích và soạn thảo; để bằng chứng đáng tin cậy và phán đoán của con người quyết định kết luận.