Từ "chạy cơm" đến "chạy AI"

5 phần mềm giúp bạn làm nghiên cứu nhanh và hiệu quả hơn.

Bài viết hôm trước mình chia sẻ quan điểm cá nhân về việc sử dụng AI trong nghiên cứu. Một trong những bài học mình rút ra là:

Sử dụng AI một cách chọn lọc, như một công cụ hỗ trợ để tối ưu hóa quá trình làm nghiên cứu.

Một cách tiếp cận thực tiễn là xem AI và phần mềm nghiên cứu như công cụ tăng hiệu suất, không phải là thay thế tư duy học thuật. Bài viết này mình chia sẻ ngắn gọn các công cụ/phần mềm mình chọn lọc từ một người làm nghiên cứu "chạy bằng cơm" sang "chạy bằng AI" như thế nào nha!

Phần mềm quản lý tài liệu tham khảo

Mình biết nhiều bạn vẫn đang làm reference chạy bằng cơm (manually). Trước đây mình cũng vậy và mình thấy vẫn ổn. Cho đến một ngày, mình nhận ra nghiên cứu là công việc hàng ngày của mình. Mà đã làm nghiên cứu thì không thể không làm references và mình không thể bỏ quá nhiều thời gian cho các vấn đề kĩ thuật, nên mình quyết định phải tìm hiểu và dùng Zotero để giảm bớt thời gian tìm kiếm, rà soát, chỉnh sửa những chi tiết nhỏ. Ngoài Zotero, bạn có thể dùng Mendeley hoặc EndNote.

Quản lý tài liệu tham khảo bằng Zotero có thể khắc phục một số vấn đề của “chạy bằng cơm” như:

• Tổ chức và sắp xếp tài liệu gọn gàng theo từng folder tương ứng với mỗi project

• Tự động tạo và định dạng trích dẫn theo nhiều chuẩn (APA, Chicago, v.v.)

• Đồng bộ hóa và chia sẻ tài liệu, đặc biệt khi bạn làm nghiên cứu với nhóm

• Tích hợp với công cụ soạn thảo văn bản nên bạn có thể vừa viết bài vừa quản lý tài liệu tham khảo nhanh mà không bị mất tập trung

• Đặc biệt, Giảm nguy cơ thiếu sót nguồn trong phần trích dẫn

Việc sử dụng phần mềm quản lý tài liệu giúp bạn chuyển thời gian từ các thao tác kỹ thuật sang các hoạt động học thuật có giá trị cao hơn như đọc, phân tích và tổng hợp tài liệu. Nhược điểm lớn nhất của Zotero là nó không linh hoạt chỉnh sửa các thông tin sai so với định dạng yêu cầu của style trích dẫn mình đã chọn. Vì nó lấy thông tin từ web nên, ví dụ, nếu web mặc định tên bài báo viết hoa các chữ cái đầu (capitalize each word) thì mình phải chỉnh thủ công lại thành Sentence case theo APA 7th.

Gen AI

AI có thể giúp:

• rà soát độ rõ ràng của câu

• đề xuất cách diễn đạt

• kiểm tra tính mạch lạc của đoạn văn

• gợi ý tạp chí phù hợp với chủ đề và độ dài bài viết

• cung cấp thông tin ban đầu về hướng nghiên cứu hoặc khung lý thuyết

• gợi ý thuật ngữ hoặc hướng tiếp cận

Đôi lúc viết xong mà đọc mãi vẫn còn lấn cấn thì mình sẽ nhờ Gen AI “improve” giùm để ý trong câu được rõ ràng hơn, nhưng luôn kiểm tra lại từ ngữ, đôi lúc nó dùng từ không phù hợp với academic writing, tóm lại là “văn vở” không đúng chỗ.

Gen AI là Google phiên bản nhanh và tập trung nên mình nhờ nó kiểm tra và xác nhận thông tin (fact). Ví dụ, bài báo của mình sửa mãi mà không thể ngắn hơn 10,000 từ, mình sẽ hỏi AI các journal nào trong topic của mình chấp nhận đăng bài với số lượng từ như vậy thay vì mình tự đi mò giữa muôn vàn journals. Nó đề xuất một list xong thì mình mới vào từng journal để double check aims/scopes/guidelines các thứ trước khi chọn.

Đôi khi mình nhờ Gen AI generate ideas. Ví dụ khi phân tích data, nếu có một đoạn data phức tạp quá và mình không biết dùng từ gì để gọi tên nó thì mình sẽ nhờ AI đề xuất.

Tuy nhiên, văn bản học thuật yêu cầu độ chính xác cao về thuật ngữ và lập luận, nên mọi đề xuất từ AI cần được kiểm tra và chỉnh sửa lại.

Công cụ khám phá tài liệu và mạng lưới trích dẫn

Các nền tảng như Connected Papers, ResearchRabbit hoặc Litmaps giúp mình tìm các bài báo có liên quan bằng cách xây dựng một biểu đồ mạng kết nối các nghiên cứu với bài báo ban đầu khi mình đưa lệnh tìm kiếm.

Một số lợi ích khi tìm kiếm tài liệu từ các nền tảng này:

• Trực quan hóa mối quan hệ giữa các bài báo (Xem hình minh họa trong comment)

• Tiếm kiệm thời gian tìm kiếm tài liệu vì nó tích hợp với các nền tảng khác, giúp mình đọc các nghiên cứu liên quan từ đường dẫn link nó cung cấp nhanh chóng

• Phù hợp với nhiều lĩnh vực nghiên cứu. Trong khi một số database giới hạn ở một lĩnh vực cụ thể thì web này giúp tìm các bài báo liên quan ở mọi lĩnh vực

• Không chỉ dựa vào trích dẫn mà dựa trên mô hình tương tự về nội dung, giúp tìm các nghiên cứu dù không trực tiếp trích dẫn nhau nhưng có nội dung liên quan

• Khám phá các nghiên cứu trước đó và các bài mới hơn để có cái nhìn tổng quan (phương pháp, lý thuyết, ngữ cảnh, etc.) về đề tài của mình.

Những công cụ này đặc biệt hữu ích sau khi đã xác định được một số bài báo cốt lõi. Từ đó, nhà nghiên cứu có thể mở rộng sang các nghiên cứu liên quan theo cả hướng quá khứ và hiện tại. Một điểm cons của các nền tảng này là hạn chế số lần tìm kiếm nếu tài khoản free. Do đó, mình chỉ dùng web này trong các trường hợp sau:

• Sau khi đã tìm tài liệu nghiên cứu từ các database hoặc google scholar

• Khi mình đã xác định được một bài báo gốc chất lượng cao và có liên quan chặt chẽ đến bài của mình. Vì hai tiêu chí này đảm bảo tác giả trích dẫn các nghiên cứu trước đó có chọn lọc/liên quan, và sẽ có nhiều bài nghiên cứu mới trích dẫn nó. Có một sơ đồ tổng quan sẽ giúp mình xác định xu hướng nghiên cứu cũng như tính mới của bài của mình.

Công cụ hỗ trợ systematic review

Nếu cần làm systematic literature review thì mình sẽ dùng Covidence hoặc Rayyan, các phần mềm hữu ích cho các nhóm nghiên cứu đang thực hiện systematic review nhờ khả năng tự động hóa quy trình, hỗ trợ làm việc nhóm, và sàng lọc tài liệu hiệu quả. Các phần mềm này giúp sàng lọc tài liệu theo nhiều vòng, làm việc nhóm, theo dõi quyết định chọn/lọc bài, và quản lý quy trình PRISMA.

Các công cụ này giúp chuẩn hóa quy trình và giảm lỗi trong quá trình tổng hợp tài liệu. Tuy nhiên, phần lớn yêu cầu phí sử dụng và thường phù hợp với các dự án nhóm hoặc dự án có tài trợ.

Phần mềm phân tích dữ liệu

Các phần mềm như MAXQDA, NVivo hoặc ATLAS.ti đóng vai trò quan trọng trong phân tích dữ liệu định tính và hỗ trợ tổng hợp tài liệu.

Cho đến thời điểm hiện tại, MAXQDA là chân ái của mình vì những lợi ích nổi bật so với làm thủ công!

• Dù nó được gọi tên là phần mềm phân tích data nhưng mình dùng cho cả làm literature review. MAXQDA giải quyết được tất cả các khó khăn mình gặp phải khi làm literature review “chạy bằng cơm”, đọc và highlight hoặc note ra Excel

• Tất cả tài liệu mình đọc, note mình ghi chú, codes mình tạo, etc. đều ở một nền tảng nên nó giúp tổ chức và quản lý tài liệu một cách hệ thống

• Vì mọi thứ ở một chỗ nên khi cần lấy các notes mình đã tạo trong quá trình đọc ra để tổng hợp rất dễ dàng. MAXQDA hỗ trợ tìm kiếm và truy xuất ...đỉnh cao!

• Có các chức năng hỗ trợ phân tích và so sánh dữ liệu, phù hợp bước phân tích và tổng hợp trong Literature review, và bước tạo themes trong phân tích data.

• Hỗ trợ phân tích nhiều loại dữ liệu như văn bản, hình ảnh, âm thanh và video

Tóm lại, các phần mềm này có nhiều ứng dụng cao trong nghiên cứu:

• mã hóa và phân tích dữ liệu định tính,

• tổ chức tài liệu trong literature review,

• truy xuất và tổng hợp ghi chú đọc,

• xây dựng chủ đề và khung phân tích,

• xử lý nhiều loại dữ liệu (văn bản, hình ảnh, âm thanh, video).

Việc tập trung toàn bộ tài liệu, ghi chú và mã hóa trên một nền tảng giúp quá trình tổng hợp và phân tích trở nên có hệ thống và dễ truy xuất hơn so với cách làm thủ công. Bạn sẽ không còn phải mở từ pdf này sang pdf khác để đọc nữa.

Mình chưa thấy MaxQDA có nhược điểm gì ngoài việc phải trả phí mua bản quyền!! Nhưng MAXQDA có gói dành cho sinh viên và thường xuyên có khuyến mãi nên nếu chia ra mỗi ngày thì chỉ vài đô thôi!!