Ứng dụng AI trong viết nghiên cứu AI in writing research

09 góc nhìn chiến lược phát triển tư duy nghiên cứu thông qua AI

Hôm nay mình tham gia một webinar cực kỳ hữu ích về 𝐴𝐼 𝑖𝑛 𝑅𝑒𝑠𝑒𝑎𝑟𝑐ℎ 𝑊𝑟𝑖𝑡𝑖𝑛𝑔. Dưới đây là 09 key takeaways không chỉ mang tính kỹ thuật, mà còn là những góc nhìn rất sâu sắc về mối quan hệ giữa AI và hành trình học thuật của người làm nghiên cứu. Mình chia sẻ lại theo quan điểm cá nhân và trải nghiệm nghiên cứu thực tế.

𝟏. 𝐇𝐮𝐦𝐚𝐧-𝐜𝐞𝐧𝐭𝐞𝐫𝐞𝐝 𝐚𝐩𝐩𝐫𝐨𝐚𝐜𝐡: 𝐑𝐞𝐬𝐞𝐚𝐫𝐜𝐡 𝐰𝐫𝐢𝐭𝐢𝐧𝐠 𝐫𝐞𝐦𝐚𝐢𝐧𝐬 𝐟𝐮𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐚𝐥𝐥𝐲 𝐚𝐛𝐨𝐮𝐭 𝐬𝐜𝐡𝐨𝐥𝐚𝐫𝐬 𝐝𝐞𝐯𝐞𝐥𝐨𝐩𝐢𝐧𝐠 𝐚𝐧𝐝 𝐜𝐨𝐦𝐦𝐮𝐧𝐢𝐜𝐚𝐭𝐢𝐧𝐠 𝐭𝐡𝐞𝐢𝐫 𝐢𝐝𝐞𝐚𝐬.

Viết nghiên cứu là một quá trình mang tính nhân văn sâu sắc. Dù AI có thể hỗ trợ nhiều khía cạnh kỹ thuật, cốt lõi của bài viết học thuật vẫn nằm ở tư duy, sự sáng tạo, sự phân tích và trải nghiệm cá nhân của nhà nghiên cứu. Ý tưởng, lập luận, và lập trường học thuật của mỗi người là sản phẩm của quá trình đọc, suy ngẫm, trải nghiệm thực tiễn và tranh biện học thuật. Những thứ mà AI không thể thay thế. Ở giai đoạn phát triển luận điểm, khung phân tích, hoặc xây dựng lập luận lý thuyết, vai trò chủ đạo của con người là điều không thể bị thay thế bởi bất kỳ công nghệ nào.

Mình đã từng nhờ AI viết nghiên cứu giúp. Ban đầu, mình bị wow bởi tốc độ, sự mượt mà, và khả năng bao quát vấn đề của nó. Nhưng đọc kĩ lại thì phần cốt lõi là nội dung rất chung chung. Đặc biệt, phân tích của nó không có chiều sâu, không liên kết được trọng tâm của chủ đề nghiên cứu, và không tạo được đặc trưng riêng cho bối cảnh nghiên cứu cụ thể. Chỉ có chính mình, là những nhà nghiên cứu, mới có cái nhìn tổng thể về vấn đề đang được nghiên cứu, hiểu được cặn kẽ dữ liệu nghiên cứu, và tạo được bản sắc riêng của bài nghiên cứu khi mình thực sự đắm vào việc phân tích và lý luận cho vấn đề.

𝟐. 𝐒𝐭𝐫𝐚𝐭𝐞𝐠𝐢𝐜 𝐀𝐈 𝐢𝐧𝐭𝐞𝐠𝐫𝐚𝐭𝐢𝐨𝐧: 𝐔𝐬𝐞 𝐀𝐈 𝐦𝐨𝐫𝐞 𝐟𝐨𝐫 𝐚𝐜𝐜𝐮𝐫𝐚𝐜𝐲 (𝐠𝐫𝐚𝐦𝐦𝐚𝐫, 𝐜𝐢𝐭𝐚𝐭𝐢𝐨𝐧𝐬), 𝐦𝐨𝐝𝐞𝐫𝐚𝐭𝐞𝐥𝐲 𝐟𝐨𝐫 𝐟𝐥𝐨𝐰, 𝐚𝐧𝐝 𝐦𝐢𝐧𝐢𝐦𝐚𝐥𝐥𝐲 𝐟𝐨𝐫 𝐝𝐞𝐩𝐭𝐡 (𝐢𝐝𝐞𝐚𝐬, 𝐚𝐧𝐚𝐥𝐲𝐬𝐢𝐬).

Đây là một chiến lược sử dụng AI thông minh và có chủ đích. Dựa vào AI để chỉnh sửa ngữ pháp, trích dẫn và hỗ trợ ngôn ngữ là hợp lý vì đây là các công việc mang tính công cụ và kĩ thuật. Tuy nhiên, ở những phần đòi hỏi phân tích sâu hoặc đề xuất lý thuyết, AI nên chỉ đóng vai trò hỗ trợ, chứ không thay thế vai trò tư duy phản biện của nhà nghiên cứu. Việc lạm dụng AI ở tầng sâu có thể làm mất đi tính học thuật và sự độc đáo trong nghiên cứu, đồng thời dẫn đến nguy cơ đạo văn hoặc suy luận hời hợt.

Một mentee của mình đã bộc bạch chân thành với mình là việc sử dụng AI quá nhiều làm cho bạn ấy bị phụ thuộc. Mất thói quen suy nghĩ. Không chịu khó phân tích và suy luận. Lâu dần bạn ấy bị mất tự tin vào bản thân, thiếu động lực làm nghiên cứu, và thấy lạc lối trong quá trình nghiên cứu.

Đừng lạm dụng AI. Hãy dùng AI như một trợ lý, một công cụ hỗ trợ. Hãy xem AI như một người bạn trò chuyện và giải đáp các khúc mắc của mình trong quá trình làm nghiên cứu. Sau khi tâm tình xong thì mình phải là người có chính kiến và ra quyết định.

𝟑. 𝐃𝐞𝐯𝐞𝐥𝐨𝐩 𝐀𝐈 𝐥𝐢𝐭𝐞𝐫𝐚𝐜𝐲: 𝐔𝐧𝐝𝐞𝐫𝐬𝐭𝐚𝐧𝐝 𝐡𝐨𝐰 𝐀𝐈 𝐰𝐨𝐫𝐤𝐬 (𝐟𝐮𝐧𝐜𝐭𝐢𝐨𝐧𝐚𝐥), 𝐫𝐞𝐜𝐨𝐠𝐧𝐢𝐳𝐞 𝐢𝐭𝐬 𝐛𝐢𝐚𝐬𝐞𝐬 (𝐜𝐫𝐢𝐭𝐢𝐜𝐚𝐥), 𝐚𝐧𝐝 𝐚𝐩𝐩𝐥𝐲 𝐢𝐭 𝐞𝐭𝐡𝐢𝐜𝐚𝐥𝐥𝐲 𝐢𝐧 𝐚𝐜𝐚𝐝𝐞𝐦𝐢𝐜 𝐜𝐨𝐧𝐭𝐞𝐱𝐭𝐬 (𝐬𝐢𝐭𝐮𝐚𝐭𝐢𝐨𝐧𝐚𝐥).

Dùng AI mà không hiểu nó giống như lái xe tự động mà không biết cách thắng khi gặp nguy hiểm.

Do đó, AI literacy không chỉ là kỹ năng thao tác mà còn là một năng lực học thuật quan trọng. Là nhà nghiên cứu, chúng ta cần hiểu cơ chế hoạt động của các mô hình AI (như GPT), nhận diện giới hạn và thiên kiến dữ liệu của nó (chẳng hạn thiên vị ngôn ngữ Anh, các nguồn dữ liệu mở), và sử dụng nó một cách có trách nhiệm (ví dụ: minh bạch nguồn, không để AI tự trích dẫn các tài liệu ảo). Việc trang bị tư duy phản biện và đạo đức học thuật khi dùng AI là một yêu cầu cấp thiết trong bối cảnh học thuật hiện nay.

Một số AI khác nhau có từng cách thức hoạt động khác nhau. Ví dụ, ChatGPT giúp diễn giải vấn đề tốt nhưng các nguồn trích dẫn của nó thường là…ảo, không valid. Gần đây mình thấy hình như nó đã được nâng cấp có nguồn thực tế rồi, nhưng mình chưa có nhiều thời gian để kiểm chứng. Trong phạm vi bài viết này, mình không phân tích sâu từng AI được. Điều cốt lõi là hãy trang bị kiến thức của mình về chúng và sử dụng chúng một cách phù hợp với mục đích nghiên cứu.

𝟒. 𝐂𝐡𝐨𝐨𝐬𝐞 𝐚𝐩𝐩𝐫𝐨𝐩𝐫𝐢𝐚𝐭𝐞 𝐭𝐨𝐨𝐥𝐬: 𝐂𝐨𝐧𝐬𝐢𝐝𝐞𝐫 𝐋𝐢𝐭𝐦𝐚𝐩𝐬 𝐟𝐨𝐫 𝐯𝐢𝐬𝐮𝐚𝐥𝐢𝐳𝐢𝐧𝐠 𝐫𝐞𝐬𝐞𝐚𝐫𝐜𝐡 𝐜𝐨𝐧𝐧𝐞𝐜𝐭𝐢𝐨𝐧𝐬, 𝐏𝐞𝐫𝐩𝐥𝐞𝐱𝐢𝐭𝐲 𝐟𝐨𝐫 𝐝𝐞𝐞𝐩 𝐫𝐞𝐬𝐞𝐚𝐫𝐜𝐡, 𝐚𝐧𝐝 𝐄𝐥𝐢𝐜𝐢𝐭 𝐟𝐨𝐫 𝐥𝐢𝐭𝐞𝐫𝐚𝐭𝐮𝐫𝐞 𝐦𝐚𝐭𝐫𝐢𝐜𝐞𝐬.

Mỗi công cụ AI giống như một chiếc kính viễn vọng cho nhà thiên văn học. Nhưng chính nhà nghiên cứu mới là người chọn bầu trời nào để quan sát: Nhìn vào đâu và lý giải hiện tượng như thế nào!
Việc chọn công cụ phù hợp giúp nâng cao hiệu suất nghiên cứu đáng kể.

• Litmaps hỗ trợ hình dung mạng lưới tài liệu, rất hữu ích trong việc xác định tính mới và xu hướng nghiên cứu.

• Perplexity giúp khai thác thông tin chuyên sâu, phù hợp với việc truy xuất tri thức nền.

• Elicit thì đặc biệt mạnh ở việc tạo ma trận tổng quan tài liệu, giúp tổ chức dữ liệu hiệu quả.

Từ kinh nghiệm cá nhân, việc hiểu rõ mục đích nghiên cứu và đặc điểm của mỗi công cụ sẽ giúp nhà nghiên cứu tối ưu hóa quy trình làm việc của mình.

𝟓. 𝐁𝐞 𝐜𝐚𝐫𝐞𝐟𝐮𝐥 𝐚𝐛𝐨𝐮𝐭: 𝐀𝐈 𝐫𝐞𝐬𝐞𝐚𝐫𝐜𝐡 𝐭𝐨𝐨𝐥𝐬 𝐜𝐚𝐧'𝐭 𝐚𝐜𝐜𝐞𝐬𝐬 𝐩𝐚𝐲𝐰𝐚𝐥𝐥𝐞𝐝 𝐜𝐨𝐧𝐭𝐞𝐧𝐭, 𝐩𝐨𝐭𝐞𝐧𝐭𝐢𝐚𝐥𝐥𝐲 𝐜𝐫𝐞𝐚𝐭𝐢𝐧𝐠 𝐟𝐚𝐥𝐬𝐞 𝐢𝐦𝐩𝐫𝐞𝐬𝐬𝐢𝐨𝐧𝐬 𝐨𝐟 𝐥𝐢𝐭𝐞𝐫𝐚𝐭𝐮𝐫𝐞 𝐠𝐚𝐩𝐬.

Một trong những điểm hạn chế lớn nhất của AI hiện nay là không thể truy cập vào các nguồn học thuật có trả phí như JSTOR, ScienceDirect hay SpringerLink. Điều này có thể khiến nhà nghiên cứu tưởng nhầm rằng có “khoảng trống” trong nghiên cứu, trong khi thực tế có thể đã có những công trình quan trọng được xuất bản nhưng không được AI nhận diện. Do đó, để đảm bảo tính toàn diện trong tổng quan tài liệu, nhà nghiên cứu vẫn cần truy cập trực tiếp vào các cơ sở dữ liệu học thuật uy tín qua thư viện trường hoặc các hệ thống học thuật chuyên biệt.

𝟔. 𝐖𝐚𝐭𝐜𝐡 𝐟𝐨𝐫 𝐦𝐞𝐚𝐧𝐢𝐧𝐠 𝐬𝐡𝐢𝐟𝐭𝐬: 𝐀𝐈 𝐜𝐚𝐧 𝐬𝐮𝐛𝐭𝐥𝐲 𝐜𝐡𝐚𝐧𝐠𝐞 𝐦𝐞𝐚𝐧𝐢𝐧𝐠 𝐰𝐡𝐞𝐧 𝐬𝐢𝐦𝐩𝐥𝐢𝐟𝐲𝐢𝐧𝐠.

Thậm chí sử dụng AI để “trau chuốt” ngôn ngữ cũng cần thận trọng. Mỗi lần AI paraphrase giống như “dịch qua một ngôn ngữ trung gian”. Nguy cơ mất nghĩa gốc là rất cao. Đặc biệt, AI có xu hướng diễn giải ngôn ngữ để trở nên dễ hiểu hơn, nhưng điều này lại tiềm ẩn rủi ro lớn về ý nghĩa học thuật khi nghĩa mới có thể làm thay đổi hoàn toàn ý nghĩa của câu văn.

Trong nghiên cứu, việc thay đổi một từ có sắc thái như "amid" (trong bối cảnh) thành "due to" (do bởi) có thể dẫn đến sai lệch trong lập luận hoặc giải thích kết quả. Vì vậy, nhà nghiên cứu cần kiểm tra kỹ khi dùng AI để paraphrase hay chỉnh sửa văn bản, đảm bảo rằng mọi thay đổi đều giữ được sự chính xác và tinh tế trong lập luận học thuật.
Ví dụ: Trong một bài của mình, câu “Amid cultural transition, students found…” bị AI đổi thành “Due to cultural transition…” và vô tình chuyển hướng lập luận từ “bối cảnh” sang “nguyên nhân”.

𝟕. 𝐔𝐬𝐞 𝐭𝐡𝐞 "𝐀𝐈 𝐒𝐚𝐧𝐝𝐰𝐢𝐜𝐡": 𝐈𝐝𝐞𝐚𝐭𝐞 𝐰𝐢𝐭𝐡 𝐀𝐈, 𝐰𝐫𝐢𝐭𝐞 𝐭𝐡𝐞 𝐝𝐫𝐚𝐟𝐭 𝐲𝐨𝐮𝐫𝐬𝐞𝐥𝐟, 𝐭𝐡𝐞𝐧 𝐠𝐞𝐭 𝐀𝐈 𝐟𝐞𝐞𝐝𝐛𝐚𝐜𝐤.

“AI Sandwich” là gì? AI là hai lát bánh mì hỗ trợ, còn phần "nhân" – phần quan trọng nhất – vẫn phải do chính bạn tạo nên bằng kiến thức và tư duy học thuật của mình.

Chiến lược "AI Sandwich" là một mô hình tích hợp rất hợp lý. Giai đoạn đầu, AI có thể giúp gợi ý ý tưởng hoặc cấu trúc bài viết. Giai đoạn giữa, viết nháp, là lúc tư duy và lập luận cá nhân cần được thể hiện rõ nhất. Sau đó, sử dụng AI để rà soát cấu trúc, câu từ, độ mạch lạc là bước hoàn thiện. Với cách tiếp cận này, nhà nghiên cứu vừa tận dụng được sức mạnh của AI, vừa giữ được bản sắc học thuật cá nhân và tránh được nguy cơ phụ thuộc quá mức vào máy móc.

𝟖. 𝐌𝐚𝐢𝐧𝐭𝐚𝐢𝐧 𝐭𝐫𝐚𝐧𝐬𝐩𝐚𝐫𝐞𝐧𝐜𝐲: 𝐁𝐞 𝐚𝐛𝐥𝐞 𝐭𝐨 𝐝𝐞𝐟𝐞𝐧𝐝 𝐲𝐨𝐮𝐫 𝐰𝐨𝐫𝐤 𝐚𝐧𝐝 𝐚𝐜𝐤𝐧𝐨𝐰𝐥𝐞𝐝𝐠𝐞 𝐀𝐈 𝐚𝐬𝐬𝐢𝐬𝐭𝐚𝐧𝐜𝐞.

Hiện tại, rất nhiều trường học cũng như các tạp chí đều có câu hỏi về việc sử dụng AI trong bài nghiên cứu. Sự minh bạch là yếu tố then chốt để bảo vệ tính chính danh của nghiên cứu.

Việc sử dụng AI cần được ghi rõ trong phần phương pháp, phần acknowledgements hoặc phần ghi chú cuối văn bản (tùy thuộc vào quy định của từng tạp chí hoặc hội nghị học thuật). Bên cạnh đó, việc hiểu rõ và tự bảo vệ lập luận của mình (defend your work) là yêu cầu không thể thiếu, nhất là khi tham gia phản biện hoặc bảo vệ luận văn, luận án. Nếu không hiểu rõ vì sao một lập luận được xây dựng như vậy (do AI gợi ý), nhà nghiên cứu có thể bị đặt vào thế bị động trong các tình huống học thuật quan trọng.

𝟗. 𝐕𝐚𝐥𝐮𝐞 𝐩𝐫𝐨𝐝𝐮𝐜𝐭𝐢𝐯𝐞 𝐬𝐭𝐫𝐮𝐠𝐠𝐥𝐞: 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐜𝐨𝐦𝐞𝐬 𝐟𝐫𝐨𝐦 𝐰𝐨𝐫𝐤𝐢𝐧𝐠 𝐭𝐡𝐫𝐨𝐮𝐠𝐡 𝐜𝐡𝐚𝐥𝐥𝐞𝐧𝐠𝐞𝐬 𝐲𝐨𝐮𝐫𝐬𝐞𝐥𝐟.

Làm nghiên cứu giống như tập gym cho trí não. Nếu thuê người tập hộ (AI), bạn sẽ không thể nào lên cơ được.

Do đó, khái niệm "productive struggle" rất quan trọng trong hành trình nghiên cứu. Những lúc bế tắc, vật lộn với ý tưởng, hay thất bại trong thu thập và phân tích dữ liệu chính là cơ hội để học hỏi sâu sắc và phát triển năng lực nghiên cứu. Nếu phụ thuộc quá nhiều vào AI để vượt qua khó khăn, ta sẽ bỏ lỡ quá trình rèn luyện tư duy phản biện, kiên nhẫn, và khả năng giải quyết vấn đề, những phẩm chất thiết yếu của một nhà nghiên cứu thực thụ. Việc đối diện và vượt qua thách thức là một phần không thể tách rời của tiến trình học thuật.

Trong quá trình coding dữ liệu bằng MaxQDA, có những đoạn phỏng vấn khiến mình mất cả ngày để tìm cách mã hóa. Nhưng chính thời gian suy nghĩ, thử nhiều cách khác nhau, chỉnh sửa rồi lựa chọn mã coding phù hợp đã giúp mình khám phá ra một khía cạnh hoàn toàn mới trong phân tích – điều mà nếu chỉ hỏi AI, có thể mình đã không nhận ra.

Sử dụng AI trong nghiên cứu học thuật vẫn còn là vấn đề đang được tranh luận rất nhiều. Chúng ta không phớt lờ hiệu quả và sự hỗ trợ của nó. Nhưng chúng ta cũng không nên lạm dụng quá mức dẫn đến mất kiểm soát và bản sắc riêng của một nhà nghiên cứu. Đặc biệt, chúng ta cần khai báo quá trình sử dụng AI trong nghiên cứu của mình và tuân thủ các vấn đề đạo đức một cách nghiêm ngặt.

Hãy sử dụng AI như một đầu bếp: Yêu cầu AI gợi ý nguyên liệu (ý tưởng) và giúp trang trí món ăn (chỉnh sửa), nhưng chính nhà nghiên cứu mới là người đầu bếp quyết định công thức và hương vị chính.

Mọi người sử dụng AI trong viết nghiên cứu như thế nào? Có ví dụ hay bài học nào thực tế không? Chia sẻ để cùng học hỏi và phát triển nhé!