Sự bùng nổ của AI và nhu cầu kiểm soát trong giáo dục

Sự ra mắt của ChatGPT bởi OpenAI đến công chúng vào cuối năm 2022 đã đánh dấu một bước ngoặt quan trọng, thay đổi hoàn toàn cách con người tiếp cận và sử dụng công nghệ này. Chỉ trong hai năm, AI đã trở thành một phần không thể thiếu trong nhiều lĩnh vực, từ công việc văn phòng cho đến giáo dục. Trong môi trường học thuật, các nhà giáo dục đối mặt với thách thức khi sinh viên sử dụng AI để hoàn thành bài tập, viết luận văn hay giải các bài toán phức tạp. Bối cảnh này gợi chúng ta nhớ đến thời kỳ đầu của Google, khi các trường học lo ngại về việc sinh viên sao chép tài nguyên và tìm lời giải từ internet. 

Phản ứng với ChatGPT, nhiều cơ sở giáo dục đã chọn cách cấm đoán với những chính sách hà khắc, nhưng dần dần, các nhà giáo trên toàn thế giới đã học cách thích ứng, tích hợp công nghệ vào giảng dạy và đặt ra các quy định cụ thể. Để kiểm soát việc sử dụng AI, các công cụ kiểm tra AI ra đời với kỳ vọng sẽ đảm bảo tính trung thực trong học tập. Tuy nhiên, những công cụ này không chỉ không mang lại hiệu quả như mong đợi, mà thậm chí còn đặt ra nhiều vấn đề hơn so với giải pháp chúng hứa hẹn.

Hạn chế của các công cụ kiểm tra AI

Khác với các phần mềm kiểm tra trùng lặp như Turnitin hay iThenticate, vốn dựa trên cơ sở dữ liệu để phát hiện sự sao chép nguyên văn với độ chính xác cao, các công cụ kiểm tra AI hoạt động dựa trên các phương pháp phân tích ngôn ngữ phức tạp. Chúng thường đưa ra kết quả không nhất quán, gây nhầm lẫn về ý nghĩa của các con số phần trăm mà chúng hiển thị. Một ví dụ điển hình là một đoạn văn từ bài báo năm 2020 [1], khi được kiểm tra, cho kết quả 0% nội dung AI, nhưng chỉ cần thêm cụm từ “Sure! Here’s your refined paragraph:” vào đầu đoạn, công cụ lập tức đánh giá là 100% do AI tạo ra (Hình 1.1 và Hình 1.2). 

Một trường hợp khác cho thấy, khi thay đổi từ “particularly” thành “especially” trong một đoạn văn, kết quả kiểm tra giảm từ 52% xuống 0% (Hình 2.1 và Hình 2.2).

Những thay đổi nhỏ như vậy đáng ra không nên làm thay đổi đáng kể kết quả, nhưng thực tế lại cho thấy sự không ổn định của các công cụ này. Hơn nữa, các công cụ kiểm tra AI còn có xu hướng thiên vị đối với người viết không phải là người bản ngữ, vì văn bản của họ thường đơn giản hơn hoặc sử dụng các cụm từ lặp lại, dẫn đến việc bị nhầm lẫn với nội dung AI. Điều này có thể gây ra những cáo buộc không công bằng, đặc biệt trong môi trường học thuật, nơi sinh viên quốc tế dễ bị ảnh hưởng. Ngoài ra, các công cụ này còn có thể dễ bị qua mặt thông qua các chỉnh sửa đơn giản như cố tình thêm lỗi chính tả hoặc sử dụng công cụ paraphrase, làm giảm giá trị thực tiễn của chúng.

Nên làm thế nào nếu không dùng công cụ kiểm tra AI?

Thay vì chỉ phụ thuộc vào các công cụ kiểm tra AI, các trường đại học lớn như MIT và Đại học Kansas đã đề xuất những cách tiếp cận thực tiễn và hiệu quả hơn để quản lý việc sử dụng AI trong việc dạy và học, tập trung vào việc xây dựng môi trường học thuật trung thực và khuyến khích tư duy độc lập hơn là dùng các con số đơn giản, thiếu tin cậy. 

Theo MIT, các công cụ kiểm tra AI không đáng tin cậy vì chúng thường xuyên đưa ra kết quả sai lệch, dẫn đến những cáo buộc không công bằng đối với sinh viên [2]. Thay vào đó, MIT khuyến nghị các nhà giáo dục thiết lập các chính sách minh bạch về sử dụng AI, chẳng hạn như cho phép sử dụng AI để hỗ trợ tìm ý tưởng hoặc chỉnh sửa ngữ pháp, nhưng yêu cầu sinh viên ghi rõ cách họ sử dụng công cụ này. MIT cũng nhấn mạnh tầm quan trọng của việc thảo luận cởi mở với sinh viên về vai trò của AI trong học tập, giúp họ hiểu rõ các giới hạn đạo đức và khuyến khích sự trung thực. Hơn nữa, MIT đề xuất thiết kế các bài tập yêu cầu kiến thức cụ thể từ lớp học hoặc các chủ đề thời sự mà AI khó có thể sao chép, từ đó giảm thiểu nguy cơ lạm dụng công nghệ. Một cách tiếp cận khác là tổ chức các bài kiểm tra viết tay tại lớp hoặc yêu cầu sinh viên trình bày ý tưởng trước khi nộp bài, giúp đảm bảo tính độc lập trong tư duy.

Tương tự, Đại học Kansas nhấn mạnh rằng các công cụ kiểm tra AI, như Turnitin, có tỷ lệ sai sót đáng kể, với khoảng 1% false positives, tương đương hàng chục ngàn tài liệu bị đánh giá sai trên toàn cầu [3]. Thay vì sử dụng các công cụ này như phán quyết cuối cùng, Kansas khuyến nghị các nhà giáo dục so sánh phong cách viết của sinh viên qua các bài làm trước, chú ý đến sự khác biệt về giọng điệu, chính tả, hoặc cách sử dụng nguồn tài liệu. Cơ sở này cũng đề xuất giảng viên thiết kế các bài tập có giá trị thực tiễn, chẳng hạn như phân tích các vấn đề địa phương hoặc yêu cầu sinh viên liên hệ với kinh nghiệm cá nhân để khuyến khích tư duy sáng tạo và giảm sự phụ thuộc vào AI. Kansas nhấn mạnh việc xây dựng một môi trường học tập tích cực, nơi sinh viên cảm thấy được khuyến khích làm việc trung thực thay vì tìm cách gian lận. Cả hai trường đại học đều đồng ý rằng việc đào tạo về “AI literacy”, hiểu biết về cách AI hoạt động và các giới hạn của nó, là cần thiết cho cả giáo viên và sinh viên. Bằng cách này, các nhà giáo dục có thể tận dụng tiềm năng của AI như một công cụ hỗ trợ, đồng thời duy trì tính công bằng và chất lượng trong giáo dục. Những cách tiếp cận này không chỉ giúp giảm thiểu rủi ro từ việc sử dụng AI sai mục đích mà còn xây dựng một văn hóa học thuật dựa trên niềm tin và trách nhiệm.

Kết luận

Các công cụ kiểm tra AI, dù được kỳ vọng sẽ bảo vệ tính trung thực trong học thuật, lại bộc lộ nhiều hạn chế nghiêm trọng, từ độ chính xác thấp, thiên vị đối với người không bản ngữ, đến khả năng bị qua mặt dễ dàng. Những sai sót này không chỉ gây ra các cáo buộc không công bằng mà còn làm suy giảm lòng tin trong môi trường giáo dục. Thay vì dựa vào các công cụ không đáng tin cậy, các nhà giáo dục nên áp dụng các cách tiếp cận đa chiều hơn, tập trung vào việc thiết kế bài tập sáng tạo, xây dựng chính sách minh bạch, và thúc đẩy văn hóa học thuật trung thực. Bằng cách này, chúng ta có thể tận dụng tiềm năng của AI mà không làm tổn hại đến sự công bằng và chất lượng giáo dục.

Bài viết Vì sao không nên tin vào các công cụ kiểm tra AI? đã xuất hiện đầu tiên vào ngày ADuBiz.

Nghiên cứu được thiết kế với sự tham gia của 10 NCS, được yêu cầu viết về chủ đề AI trong giáo dục trong vòng 30 phút. Các quan sát sau đó được phân tích dựa trên một phương pháp phức tạp kết hợp phân tích nội dung định lượng, Mô hình Markov ẩn (Hidden Markov Model – HMM) để phân tích trình tự (sequence analysis), phân cụm trình tự phân cấp (hierarchical sequence clustering) và các kỹ thuật khai thác quy trình (process mining techniques). Cách tiếp cận nhiều mặt này cho phép nhóm nghiên cứu khám phá ra hai mô hình cộng tác giữa những người tham gia và công cụ AI.

Mô hình đầu tiên, được gọi là “Thích ứng có cấu trúc – Structured Adaptivity”, được đặc trưng bởi sự tương tác phức tạp và đa chiều hơn giữa con người với các công cụ AI. Những NCS này thuộc nhóm này đã thể hiện khả năng sử dụng các tính năng nâng cao của công cụ AI một cách thường xuyên hơn, đồng thời sử dụng cách tiếp cận viết theo chu kỳ bao gồm đọc, chỉnh sửa và tinh chỉnh nội dung do AI tạo ra, cũng như luôn cân nhắc liên tục giữa việc sử dụng AI và viết một cách độc lập trong cả quá trình hoàn thành nhiệm vụ. Ngược lại, mô hình thứ hai, được gọi là  “Hợp lý hóa không có cấu trúc – Unstructured Streamline”, thể hiện qua sự tương tác tuyến tính hơn, kém tinh tế hơn với các công cụ AI.

Điều đáng chú ý là nghiên cứu đã tìm thấy mối tương quan chặt chẽ giữa các kiểu tương tác này và hiệu suất viết. Những NCS thuộc nhóm đầu tiên thường đạt được thành tích tốt hơn trong bài tập viết của mình so với những NCS thuộc nhóm còn lại. Phát hiện này phù hợp với Lý thuyết về quá trình viết nhận thức (Cognitive Process Theory of Writing), cho thấy rằng các công cụ AI, khi được sử dụng một cách chiến lược, có thể bổ sung và có khả năng nâng cao nhận thức về quá trình viết.

Nhóm tác giả đã nhấn mạnh ý nghĩa của những phát hiện này: “Nghiên cứu của chúng tôi nhấn mạnh tiềm năng của AI trong việc nâng cao quá trình viết học thuật khi được sử dụng một cách chiến lược. Điều quan trọng là chúng ta phải phát triển các phương pháp để tích hợp hiệu quả những công cụ này vào giáo dục đại học.”

Ý nghĩa của nghiên cứu này rất sâu rộng, chạm đến nhiều khía cạnh khác nhau của giáo dục và công nghệ. Đối với các nhà giáo dục, những phát hiện này cho thấy sự cần thiết của các phương pháp sư phạm có mục tiêu nhằm nâng cao kỹ năng của học sinh trong việc cộng tác hiệu quả với các công cụ AI. Các nhà phát triển EdTech (Công nghệ Giáo dục) có thể hưởng lợi từ việc tập trung vào các tính năng thúc đẩy sự phối hợp thích ứng và tương tác quan trọng với nội dung do AI tạo ra. Hơn nữa, nghiên cứu này cung cấp nền tảng có giá trị cho các nhà hoạch định chính sách để phát triển các khuôn khổ quản lý việc sử dụng AI có trách nhiệm trong môi trường học thuật.

Đối với các NCS và những người đang làm việc trong lĩnh vực học thuật, nghiên cứu này đưa ra hướng dẫn quan trọng về tầm quan trọng của sự tương tác chủ động, năng động với các công cụ AI trong việc viết học thuật. Nghiên cứu chứng minh rằng việc sử dụng AI hiệu quả nhất trong văn bản liên quan đến sự tương tác tinh vi giữa khả năng sáng tạo của con người và khả năng của AI, thay vì phụ thuộc tuyến tính, đơn giản vào nội dung do AI tạo ra.

Khi AI tiếp tục phát triển và tích hợp vào các khía cạnh khác nhau của giáo dục, việc hiểu các mô hình hợp tác giữa con người và AI này ngày càng trở nên quan trọng đối với tương lai của học thuật và giáo dục đại học. Nghiên cứu này đóng góp đáng kể vào các cuộc thảo luận đang diễn ra về AI trong giáo dục, cung cấp những hiểu biết sâu sắc có giá trị cho các nhà giáo dục, nhà hoạch định chính sách cũng như sinh viên.

Xem thêm tại: Taylor & Francis

Bài viết Nghiên cứu sáng tỏ các mô hình hợp tác giữa con người và AI trong việc viết các văn bản học thuật đã xuất hiện đầu tiên vào ngày ADuBiz.

Tuy nhiên, không chỉ dừng lại ở hành vi ăn cắp sản phẩm Predatory Reports của Cabells, tổ chức này còn có các hành vi gây ra những tác động tiêu cực đến các bên liên quan trong giới học thuật nói chung và y dược nói riêng.

Bối cảnh

Ở trang Giới thiệu” của predatoryreports.org, chúng ta có thể thấy một thông điệp như sau:

“Predatory Reports là một tổ chức được tạo nên bởi sự tình nguyện của những nhà nghiên cứu đã gặp tổn hại do các nhà xuất bản săn mồi gây ra, với mong muốn giúp đỡ các nhà khoa học khác nhận dạng những tạp chí và nhà xuất bản đáng tin cậy cho nghiên cứu của mình.

Vì Cabells ủng hộ mọi nỗ lực chính đáng và hợp pháp để bảo vệ cộng đồng nghiên cứu học thuật nói chung và y dược nói riêng, cũng như bảo vệ mạng lưới nghiên cứu được xây dựng nên từ kiến thức tích luỹ tập thể của chúng tôi, trước tiên Cabells đã tìm cách khắc phục vấn đề một cách thoả đáng và tránh gây xung đột nhất có thể. Chúng tôi đã không tìm cách ngăn chặn “dịch vụ” mà tổ chức này đang cố cung cấp, mà chỉ đơn giản yêu cầu họ ngừng cách làm phi đạo đức và có dấu hiệu lừa đảo khi sử dụng tên của chúng tôi cho dịch vụ của họ.

Những bằng chứng cho thấy tổ chức này đã đạo nhái tên “Cabells’ Predatory Reports” một cách có chủ ý (mà không phải chỉ là trùng hợp) thể hiện ở bài viết này trên mục “Tin tức” của trang web, khi cái tên Cabells’ Predatory Reports được sử dụng nhiều lần. Tuy nhiên, bài viết này (và nhiều bài viết khác được đăng tải ở mục “Tin tức”) là sản phẩm của đạo văn, cụ thể là từ báo cáo của InterAcademy Partnership’s (IAP), về “Đấu tranh với các tạp chí và hội thảo khoa học săn mồi.” Trong báo cáo này, Cabells đã được trích dẫn nhiều lần với tư cách là một công cụ tin cậy và được khuyên dùng để nhận dạng tính hợp pháp của tạp chí. Tổ chức này đã trình bày bài viết trên (và cả những bài viết định kỳ khác) như thể là nội dung do bản thân biên tập, với những bảng biểu và lập luận không có trích dẫn phù hợp.

Tương tự như hàng loạt các tổ chức săn mồi khác mà Cabells điều tra, những dấu hiệu đạo văn ở phần bài viết chỉ là phẩn nổi của tảng băng chìm. Và tại một thời điểm nào đó, những hoạt động bất hợp pháp này trở thành một công cụ kiếm tiền cho tổ chức đứng sau nó.

“Như một cử chỉ của thiện chí…”

Ở một vị trí khác của mục “Giới thiệu” của trang web tổ chức, ta có thể tìm thấy lời cam đoan này: 

“Chúng tôi không bao giờ thu phí từ người dùng, và toàn bộ những thông tin được công bố là miễn phí cho toàn bộ công chúng truy cập và sử dụng. Chúng tôi thậm chí không cho phép quảng cáo xuất hiện ở website. Đây là một công trình miễn phí và chúng tôi tự chi trả hoàn toàn chi phí hoạt động mà không nhờ đến sự tài trợ từ bất cứ tổ chức nào.”

Có lẽ rằng lời cam đoan này nên chuyển thành “mà không có ý định hỗ trợ bất cứ tổ chức nào”.

Như đã khẳng định ở trên, Cabells đã nhiều lần liên lạc trong thiệt chí với kẻ đứng sau tổ chức, và chúng tôi đã không nhận lại được bất kỳ sự hợp tác nào. Mà thay vào đó, họ làm ngơ và tiếp tục sử dụng một cách sai trái tên của chúng tôi. Thậm chí, một người tự xưng là “David Frizin”, dùng email frizindavid@gmail.com, đã đưa ra đề nghị bán lại trang web trên cho chúng tôi với giá tiền khổng lồ.

“David Frizin” đầu tiên đã chứng minh cho chúng tôi thấy rằng họ có quyền kiểm soát nội dung trên predatoryreports.org bằng việc chỉ ra rằng họ có thể xóa cái tên giả mạo và thay vào một tên khác (cũng như đĩa chỉ website), khi đang trao đổi email với chính tư vấn pháp luật của chúng tôi. Tuy nhiên thiện chí của “David” không kéo dài lâu, và, khi không nhận được bất cứ khoản tiền nào, trang web đã được đưa về cái tên ban đầu.

Dù cho phải đối mặt với cuộc trao đổi bối rối và phiền phức này, chúng tôi vẫn xử lý vụ việc với sự thận trọng thông qua những kênh đối thoại hợp pháp, và chúng tôi vẫn đang tiếp tục duy trì cách đối phó này. Thật không may, cho đến hiện tại thì hành vi sử dụng tên giả mạo của trang web này vẫn chưa chấm dứt.

Nỗ lực tống tiền

Cabells đã nhận được một đoạn nội dung trao đổi email giữa “David Frizin” và một nhà xuất bản bị nêu tên trong “Danh sách nhà xuất bản săn mồi” của trang web giả mạo này. Trong cuộc trao đổi, “David” một lần nữa thể hiện khả năng xoá tên nhà xuất bản kia khỏi trang web, như một cử chỉ của “thiện chí”.

Tuy nhiên, sau khi nhận được lời cảm ơn từ nhà xuất bản, “David” đã nêu rõ rằng họ chỉ gỡ bõ tạm thời chỉ để chứng minh rằng họ có quyền chỉnh sửa website. “Thoả thuận” mà “David” nhắm tới chính là xóa bỏ vĩnh viễn tên của nhà xuất bản kia với giá 50.000$.

Tóm lại, kẻ đứng sau tổ chức săn mồi predatoryreports.org:

1. Đã sao chép danh sách các nhà xuất bản, bao gồm cả những nhà xuất bản đã được loại trừ ra khỏi danh sách, từ beallslist.net
2. “Đóng gói” dữ liệu trên như thể của bản thân, sau đó giả mạo tên gọi Predatory Reports lâu năm và uy tín của chúng tôi
3. Tìm kiếm cơ hội tống tiến các nhà xuất bản để xoá tên họ ra khỏi danh sách

Cabells sẽ tiếp tục điều tra và theo dõi vụ việc này, cũng như cập nhật những phát hiện mới nhất. Nếu bạn đọc có bất kỳ thông tin nào liên quan đến tổ chức lừa đảo này, hay bất kỳ câu hỏi nào về vụ việc, hãy liên lạc ngay tới info@cabells.com.

Dịch từ Cabells Blog

Bài viết Lật tẩy lớp mặt nạ của kẻ săn mồi: predatoryreports.org đã xuất hiện đầu tiên vào ngày ADuBiz.

Bình duyệt mở thường chỉ được thảo luận trên lý thuyết hơn là thực tiễn. Dựa trên những bằng chứng từ một nghiên cứu tổng quan hệ thống gần đây về những nghiên cứu của bình duyệt mở, Tony Ross-Hellauer và Serge P.J.M. Horbach đã chỉ ra những câu hỏi tồn đọng về bình duyệt mở, cho thấy sự thiếu thốn về thử nghiệm và đòi hỏi nhiều hơn những tiếp cận thực tiễn cho loại hình bình duyệt này.

Trong thời đại chứng kiến nhiều sự chuyển biến về truyền thông khoa học và yêu cầu ngày càng tăng về sự minh bạch, thể chế của quá trình bình duyệt đang đối mặt với sự xem xét kỹ lưỡng của cộng đồng khoa học. Giữa những lo ngại về tính trung thực, minh bạch, và yêu cầu sự ghi nhận đầy đủ cho những đóng góp của giới hàn lâm, bình duyệt mở, một thực hành trong đó danh tính và/hoặc báo cáo bình duyệt của bình duyệt viên được công khai cùng với bài báo, đã được đề xuất như là một giải pháp hữu hiệu.

Bình duyệt mở đã được phát triển một cách rộng rãi cùng với những thực hành khoa học mở khác. Một nghiên cứu tổng quan hệ thống bởi Tony vào năm 2017 đã nhận dạng ba phát kiến và trụ cột then chốt của hệ thống này, gồm danh tính mở, báo cáo mở, và tham gia mở. Nghiên cứu này cũng đánh giá rằng hiện những bằng chứng cho những thực hành này đang rất hạn chế, khi chỉ có số ít nghiên cứu đi trước về các kết quả cụ thể, mà phần lớn chỉ tập trung vào thái độ và kỳ vọng của các bên liên quan về bình duyệt mở.

Những người ủng hộ công khai danh tính trong bình duyệt cho rằng tiết lộ danh tính bình duyệt viên sẽ gia tăng minh bạch và tính trung thực, giảm thiểu những xung đột lợi ích, giúp tạo ra những bình luận mang tính đóng góp cho quá trình bình duyệt. Tuy nhiên, có những chỉ trích cho rằng thực hành này có thể dẫn tới những phản hồi thiếu tính phản biện để tránh xúc phạm đồng nghiệp. Còn những người ủng hộ báo cáo mở cho rằng đưa những báo cáo bình duyệt công khai sẽ giúp gia tăng sự chất lượng của báo cáo, củng cố uy tín của tạp chí và giúp cho những nhà nghiên cứu trẻ hiểu về cách bình duyệt một bản thảo.

Kể từ nghiên cứu này, đã có những bước đi đáng kể trong việc đưa những nguyên lý của khoa học mở trở thành hiện thực, cũng như định hình lại diễn ngôn về bình duyệt mở. Nhằm chỉ ra những thay đổi này, một cập nhật toàn diện đã được tiến hành để khảo sát các nghiên cứu từ sau 2017 đến 2022. Dựa trên khung PRISMA, 52 nghiên cứu có liên quan đến chủ đề đã được chọn để khám phá về khía cạnh danh tính mở và báo cáo mở trong bình duyệt mở. Tham gia mở bị loại bỏ ra khỏi tổng quan vì gần như không có những chứng cứ mới về khía cạnh này. Dưới đây là những kết quả của tổng quan mới này.

Thực trạng của bình duyệt mở

Sự khan hiếm trong những chứng cứ xoay quanh thực hành bình duyệt mở đến từ những ứng dụng giới hạn của nó. Bài tổng quan đã đánh giá mức độ vận dụng của mô hình, và kết quả cho thấy sự vận dụng dần dần các yếu tố của bình duyệt mở, đặc biệt là danh tính mở và báo cáo mở có sự khác biệt giữa các lĩnh vực khác nhau. Tổng quan cũng cho thấy tỷ lệ áp dụng bình duyệt mở còn xa để được coi là phổ biến, khi chỉ có một phần nhỏ tạp chí, khoảng 1-5%, đã áp dụng thực hành này, cho dù một số trong các tạp chí này là những tạp chí hàng đầu.

Tổng quan cũng bao gồm nhiều nghiên cứu đã đánh giá những ảnh hưởng của bình duyệt mở đến quá trình bình duyệt. Đáng khích lệ là, các kết quả cho thấy danh tính mở hay báo cáo mở đều không ảnh hưởng đến khả năng bình duyệt viên chấp nhận lời mời hay thời gian bình duyệt. Tuy nhiên, những lo ngại vẫn còn tồn đọng, đặc biệt ở những cộng đồng nghiên cứu thuộc các lĩnh vực hẹp.

Thái độ đối với bình duyệt mở có xu hướng tích cực hơn so với thái độ đối với danh tính mở, một xu hướng được quan sát thấy được ở nhiều nghiên cứu. Lo ngại chủ yếu về danh tính mở là nỗi sợ “bị trả thù” khi phải đưa ra những bình luận phê phán, điều này có thể dẫn đến những phản biện “cả nể”, cuối cùng ảnh hưởng tiêu cực đến quá trình bình duyệt.

Rất ít những bằng chứng cho thấy sự thay đổi trong hành vi của phản biện viên, ví dụ như khuynh hướng đưa ra những bình luận tích cực, hay những nhà nghiên cứu nam giới và nhà nghiên cứu lâu năm lưỡng lự hơn khi phải công khai danh tính bản thân. Những thay đổi hành vi này tuỳ thuộc vào lĩnh vực và bối cảnh địa lý, cũng như cách tiếp cận trong giao tiếp. Ngoài ra, có những bằng chứng khởi đầu cho thấy danh tính mở và báo cáo mở có thể dẫn đến những báo cáo mang tính xây dựng hơn, những vẫn bằng chứng này vẫn còn rất hạn chế.

Tuy nhiên, tổng quan cho thấy có sự thiếu sót trong những nghiên cứu chỉ ra câu hỏi cấp thiết về việc bằng cách nào danh tính mở và báo cáo mở ảnh hưởng đến việc quản lý và cải thiện chất lượng của bản thảo, vốn là mục tiêu hàng đầu của quá trình bình duyệt. Khoảng trống này chỉ ra những hướng mới của nghiên cứu trong tương lai, nhằm làm rõ hiệu quả và khả năng ứng dụng rộng rãi hơn của thực hành bình duyệt mở cho các lĩnh vực đa dạng.

Những câu hỏi và lo ngại về “mở”

Tổng quan chỉ ra một số vấn đề của việc công bố những báo cáo bình duyệt, một thực hành nhận được sự ủng hộ trong cộng đồng học thuật. Tuy nhiên, nghiên cứu cũng chỉ ra việc cần thêm những nghiên cứu tương tự về danh tính mở, trong bối cảnh có những lo ngại về trả thù và cả nể, vốn đang có rất ít những bằng chứng.

Do đó, các học giả vẫn hết sức nghi ngờ về việc có nên tiết lộ danh tính của những người bình duyệt. Ngoài ra, bằng chứng chỉ ra những tác động tiêu cực tiềm ẩn đối với chênh lệch quyền lực và mức độ hiển thị tùy thuộc vào việc ai sẵn sàng xem xét các mô hình này hơn và/hoặc ai sẵn sàng hoặc có thể ký vào báo cáo của họ. Cần phải thực hiện nhiều thử nghiệm hơn nữa, bao gồm cả việc đánh giá tác động lâu dài, trước khi có thể theo đuổi việc triển khai rộng rãi mô hình này một cách có trách nhiệm.

Vẫn còn nhiều khía cạnh cần được nghiên cứu và đánh giá để đưa bình duyệt mở trở nên phổ biến hơn. Mặc dù một số cộng đồng nghiên cứu dường như cởi mở hơn với các mô hình bình duyệt mở khác nhau, nhưng tác động của việc triển khai những mô hình này đối với mỗi bình duyệt viên, chất lượng của quá trình đánh giá, và quyết định về những gì cuối cùng sẽ được xuất bản trong đó các tạp chí vẫn chưa được nghiên cứu kỹ càng.

Sự cần thiết của việc xuất bản những thử nghiệm

Để giải quyết hiệu quả những câu hỏi nêu trên đòi hỏi phải có những nguồn lực, khác nhau cùng tham gia bao gồm quyền truy cập vào dữ liệu liên quan, cộng đồng nghiên cứu sẵn sàng tham gia vào thử nghiệm phối hợp và một nhóm các nhà nghiên cứu sẵn sàng thực hiện những thử nghiệm này.

Dựa trên những phát hiện từ báo cáo này ở đây và Lex Bouter, một “Lời kêu gọi hành động” đã được xuất bản để nhấn mạnh sự cần thiết phải nghiên cứu thêm về bình duyệt mở, bao gồm ba lĩnh vực ưu tiên để điều tra:

1. Các biến thể của bình duyệt mở ảnh hưởng như thế nào đến nội dung và chất lượng của quá trình bình duyệt?
2. Ý nghĩa của các yếu tố bình duyệt mở đối với người bình duyệt, tác giả và các bên liên quan khác tham gia vào quá trình đánh giá là gì?
3. Làm thế nào để các mô hình bình duyệt mở áp dụng cho việc đánh giá các đối tượng khác với các bài báo tạp chí truyền thống?

Một nhóm quốc tế mạnh mẽ đã phát triển các đề cương nghiên cứu để giải quyết một số vấn đề này trong Viện Truyền thông Học thuật Khoa học Tam giác năm 2023. Tuy nhiên, vẫn còn nhiều việc phải làm. Nhóm nghiên cứu kêu gọi cộng đồng nghiên cứu tham gia vào quá trình này và mời độc giả liên hệ với nhóm nếu bạn muốn cộng tác hoặc hỗ trợ các nỗ lực trong quá trình này.

Dịch từ LSE

Bài viết Thiếu những thử nghiệm thực tiễn đã làm dấy lên những tranh cãi về bình duyệt mở đã xuất hiện đầu tiên vào ngày ADuBiz.

Stack Overflow, Yelp, Reddit, Flickr, Goodreads, Tumblr là những trang web ra đời vào những năm 2008-2010, sau đó mau chóng thu hút được hàng chục triệu lượt truy cập trong thời gian ngắn. Giai đoạn này còn được gọi là “Kỷ nguyên Web 2.0”, trùng với giai đoạn Google đang trải qua một thời kỳ phát triển thần kỳ. Điểm chung của những trang web này là nội dung của chúng đến từ việc “trích xuất” tri thức từ người dùng thông qua các chuỗi bài (thread) hỏi đáp, sau đó được tổ chức lại bởi trang web và phân bổ đến người cần tìm kiếm câu trả lời cho vấn đề hoặc mối quan tâm của họ. Các trang web này và Google phụ thuộc với nhau theo một cơ chế đôi bên cùng có lợi: thông qua việc chỉ mục những dự án tập hợp tri thức đám đông này, Google có thể có được một nguồn tài nguyên thông tin hữu ích khổng lồ một cách miễn phí, và đổi lại các trang web kia có thể thu hút một lượng lớn người truy cập thông qua Google. Việc Google tham lam thu thập dữ liệu từ các “Web 2.0” được biện hộ rằng thực tế rằng nó đã hướng người dùng đến nguồn của các nội dung ấy. Thậm chí, Google còn có một chỉ số để đo mức độ thành công của thuật toán tìm kiếm dựa vào việc người dùng rời khỏi trang tìm kiếm nhanh thế nào. Nếu thời gian càng ngắn, thì nó mang ý nghĩa rằng Google đã đưa ra đúng câu trả lời cho câu hỏi của người dùng.

Tuy nhiên, tình trạng này thay đổi nhanh chóng khi Google ra mắt OneBox, một tính năng cho phép người dùng có thể tìm được câu trả lời ngay lập tức ở khu vực phía trên các kết quả tìm kiếm. Ví dụ như khi bạn tìm kiếm giờ chiếu phim, bạn sẽ thấy bảng giờ phim xuất hiện ở một hộp văn bản phía trên các trang web chỉ đến các rạp phim. Tính năng này đã cản trở dòng truy cập đến các trang web vốn cung cấp chính những thông tin ấy cho Google. Để có được dữ liệu cho tính năng này, Google thậm chí đã bị cáo buộc ăn cắp dữ liệu từ các nguồn khác, gây nên thiệt hại đáng kể đến các trang web ấy.

Với OneBox, Google ngày càng tiện lợi và mạnh mẽ hơn, đồng thời “ăn cắp” lượng truy cập đến các trang web khác. Ước lượng rằng có đến 80% người tìm kiếm rời Google mà không bấm vào bất kỳ liên kết nào sau khi họ có kết quả họ cần ở OneBox. Nhiều Web 2.0, vốn phụ thuộc vào những nội dung được tạo bởi người dùng, đã chứng kiến sự suy giảm lượt truy cập đến trang web của họ, đồng thời, nhiều người còn cảm thấy rằng chất lượng thông tin của các trang web này dần trở nên tệ đi. Chỉ có một vài ngoại lệ tiếp tục duy trì được chất lượng của mình. 

Ngày nay, các mô hình ngôn ngữ lớn (LLM – Large Language Model), như ChatGPT của OpenAI và Bard của Google, đang tiếp nối OneBox “tiêu hóa” các nội dung trên Web một cách triệt để. Câu hỏi đặt ra là liệu cách tiếp cận này có bền vững, khi trí thông minh của LLM phụ thuộc hoàn toàn vào kho dữ liệu do con người viết ra – những di sản của trí thông minh của chính chúng ta. 

Nguồn dữ liệu của các LLM đến từ các nền tảng chuyên cung cấp thông tin như Stack Overflow, Reddit, và Wikipedia. Các trang web huy động tri thức đám đông này đã sử dụng nhiều cơ chế khác nhau như điểm thưởng, tiền, huy hiệu, phần thưởng để khích lệ sự đóng góp của cộng đồng, qua đó giúp những người khác có được thông tin mình cần. Thế nhưng, những người dùng và đóng góp cho các nền tảng này đã không biết rằng công sức của mình trở thành “cám” cho những mô hình ngôn ngữ lớn tiêu thụ. Nếu biết, họ có quyền yêu cầu được trả thù lao, hoặc ít nhất là họ cần được ghi nhận cho công sức của mình. Gần đây, cả Reddit và Stack Overflow đã phản ứng bằng cách tuyên bố rằng khi các công ty khi cần một lượng dữ liệu lớn, họ cần phải chi trả một khoản tiền cho các nền tảng này. 

Chatbot đang làm giảm lượng truy cập đến các nền tảng huy động tri thức cộng đồng, “bỏ đói” chính những người đã tạo ra những dữ liệu ấy ngay từ đầu. Điển hình, bằng cách “học” Stack Overflow, ChatGPT đã trở thành một lập trình viên xuất sắc, và người ta đã không cần tìm đến Stack Overflow nữa. Theo một nghiên cứu gần đây, các nhà nghiên cứu ước tính các bài viết mới trên Stack Overflow đã giảm 60% kể từ thời điểm phát hành ChatGPT. Việc này trở thành một vấn đề lớn đối với AI. Có thể AI chỉ có thể quét toàn bộ trang web một lần để thu thập dữ liệu, và nếu nó muốn tiếp tục thông minh hơn, nó sẽ cần thêm những kho kiến thức mới. Vậy, những kho này đến từ đâu?

Các công ty AI đã chuyển sự chú ý của mình sang một nguồn dữ liệu tiềm năng khác: các cuộc trò chuyện giữa người dùng và chatbot. Tất cả người sử dụng chatbot như Bard hay ChatGPT đang tham gia một bài huấn luyện khổng lồ cho các LLM này. Sự thật là, việc các công ty này cung cấp miễn phí dịch vụ của họ có thể hiểu rằng dữ liệu người dùng đáng giá hơn nhiều so với tiền: tất cả những gì người dùng nói với chatbot sẽ thành nguyên liệu cho các mô hình ngôn ngữ lớn của họ. Hơn nữa, chúng ta không chỉ trò chuyện mà còn nhập cả email, tài liệu, code, hợp đồng, v.v.. Hiện tại, có những giới hạn trong việc ta có thể nhập bao nhiêu dữ liệu vào chatbot, nhưng giới hạn này sẽ dần được loại bỏ khi chúng ta đang nạp cho chúng một lượng lớn dữ liệu hằng ngày. 

Sẽ không lâu nữa, rất nhiều trong số chúng ta sẽ “nhồi nhét” cả những tài liệu nhạy cảm nhất vào các mô hình ngôn ngữ này. Chưa có chatbot nào yêu cầu truy cập vào hộp thư điện tử, tin nhắn, lịch hay ghi chú của chúng ta, nhưng nếu có một trợ lý ảo AI xuất hiện, có thể nhiều người sẽ rất muốn cấp quyền truy cập vào các dữ liệu riêng tư ấy cho LLM. Các trợ lý AI ảo này sẽ theo dõi cả những hoạt động của chúng ta trên internet, và có thể ChatGPT sẽ trở thành một loại “đa mô hình”, không chỉ ngôn ngữ, mà còn có thể tạo ra hình ảnh, video, và âm thanh. Chúng ta sử dụng ngôn ngữ dưới dạng nói nhiều hơn là dạng viết, và những LLM này sẽ có thể thay chúng ta trình bày trong các buổi họp, trả lời điện thoại cho chúng ta, thậm chí là các giao tiếp hằng ngày khác.

Những mô hình ngôn ngữ lớn trải qua một quá trình gọi là “Học Tăng cường từ Phản hồi Con người” (RLHF – Reinforcement Learning from Human Feedback). Về cơ bản, những người kiểm định (tester) sẽ trò chuyện với mô hình chưa hoàn thiện và đánh giá chất lượng phản hồi của chatbot. Các mô hình sẽ học từ những đánh giá đó, tự động chỉnh sửa sao cho phản hồi của chúng trùng với ý muốn của người hỏi. Quá trình này thường rất tốn kém, nhưng bây giờ nó có thể thực hiện một cách miễn phí, với quy mô lớn hơn, thông qua việc trò chuyện với những người dùng thật trên toàn thế giới. Nhờ vậy, ChatGPT dường như rất xuất sắc trong việc hiểu điều bạn muốn hỏi và biết cách đưa ra một câu trả lời hoàn hảo. Bạn thậm chí còn không phải đưa ra feedback, mà GPT-4 thông minh đến mức chúng có thể tự phân tích đoạn hội thoại để biết được câu trả lời của mình đã thỏa mãn bạn chưa. Khi một mô hình thành công, chúng có thể giúp cho các mô hình khác: ví dụ như Bard, một LLM của Google và là đối thủ của ChatGPT, được cho rằng đã sử dụng các đoạn hội thoại của ChatGPT được đăng tải công khai để huấn luyện (tuy nhiên Google đã phủ nhận điều này).

Việc sử dụng một chatbot để huấn luyện một chatbot khác đã dần giúp các mô hình này đạt được mục tiêu tối thượng của chúng, đó là hoàn toàn loại bỏ con người ra khỏi chu trình. Có lẽ giới hạn cơ bản của những mô hình ngôn ngữ lớn ngày nay chính là việc chúng phụ thuộc vào kiến thức được tạo ra bởi con người. Việc LLM có thể tạo ra kiến thức cho chính mình sẽ tạo nên một bước phát triển đột phá, và giải pháp tiềm năng chính là sử dụng dữ liệu tổng hợp (synthetic data). Đây là những dữ liệu được tạo ra bằng các thuật toán thay vì đến từ chất liệu thực tế. Ví dụ như các hình ảnh có thể được xoay ngang, thu nhỏ, phản chiếu để tạo thành 8 đến 16 biến thể khác nhau để đưa vào các mạng nơ-ron nhân tạo (Neural network), hay việc các nhà phát triển sử dụng các hàng triệu trình mô phỏng với các điều kiện thời tiết địa, hình khác nhau để huấn luyện AI điều khiển các mẫu xe tự hành.

Dữ liệu tổng hợp có tiềm năng rất lớn để tạo ra được một thuật toán phát triển trí tuệ nhân tạo liên tục và tự động, tương tự như những mô hình đã có của cờ vua và cờ vây – luôn tự học từ những ván cờ đã diễn ra. Thông qua mỗi ván đấu, AI sẽ có thể lưu trữ được dữ liệu, phân tích ván đấu, và tạo ra một phiên bản cải thiện hơn một chút, và sau đó phiên bản tốt hơn một chút sẽ lại đối đầu với phiên bản tốt hơn một chút của nó và lại tiếp tục cải thiện không ngừng. Bằng cách này, nó có thể khám phá tối đa những tình huống có thể xảy ra, điều mà con người vẫn chưa thể làm được. 

Dù mang lại nhiều khả năng vượt trội, dữ liệu tổng hợp không phải là không có vấn đề. Bởi vì một lý do tất yếu là, dù thông minh đến đâu, chúng ta cũng không thể tìm tìm ra cái mới chỉ bằng cách xem lại những gì bản thân đã biết. Trong một nghiên cứu gần đây, các nhà nghiên cứu đã đào tạo một mô hình trí tuệ nhân tạo thông qua tổng hợp những những hình ảnh mà nó đã tạo ra, sau đó sử dụng mô hình kết quả để cố gắng tạo ra nhiều dữ liệu con. Kết quả cho thấy chất lượng của mô hình đã thực sự xuống cấp, và chỉ được cải thiện khi kho dữ liệu được cập nhật thêm hình ảnh mới. 

Đối với cờ vua và cờ vây, mô hình học tập hoàn toàn có thể khép kín do những quy tắc của trò chơi này sẽ không thay đổi, và bị giới hạn trong phạm vi bàn cờ. Vì vậy, vẫn chưa gì có thể đảm bảo AI có thể “tự chơi” để truy xuất ra những ý tưởng mới hoặc cách tiếp cận mới về các vấn đề phức tạp hơn ở thế giới thực. Khác với con người, luôn tò mò tìm kiếm các tri thức mới và dùng việc học là phương tiện để đạt đến mục tiêu ấy,  AI “học” nhưng không có động lực nào: chúng chỉ nhập một lượng lớn dữ liệu mà không quan tâm đến nội dung trong đó. 

Một bước nhảy vọt lớn trong lĩnh vực trí tuệ nhân tạo sẽ xuất hiện khi LLM bắt đầu tỏ ra tò mò hoặc buồn chán. Sự tò mò và buồn chán nghe có vẻ như thuộc về bộ não con người, nhưng chúng hoàn toàn có thể được tạo ra bên trong AI. Chatbot ngày nay có xu hướng “bịa” ra mọi thứ. Căn nguyên của việc này xuất phát từ việc AI không thể biết chính nó có kiến thức như thế nào. Khi các nhà nghiên cứu bắt đầu giải quyết vấn đề làm sao để cho mô hình của họ có thể thể hiện được sự tự tin và trích dẫn được nguồn thông tin chính xác: họ đang làm cho chatbot trở nên đáng tin cậy hơn, đồng thời trang bị cho chúng một loại kiến thức cơ bản về bản thân. Một AI có thể soi chiếu hàng loạt bản ghi cuộc trò chuyện của chính nó và “học” được rằng nó đã bịa ra một số thông tin, từ đó, như đã nói ở trên, chúng sẽ tạo ra một phiên bản tốt hơn một chút để cải thiện mảng thông tin ấy. Mô hình này cũng sẽ chủ động hướng đến những nguồn liên quan đến các chủ đề mà nó ít thông tin nhất – điều rất giống với sự tò mò của con người.

Nếu không thể tìm thấy nguồn dữ liệu phù hợp, chatbot có thể yêu cầu người dùng cung cấp thêm thông tin. Trong tương lai, có một phiên bản của ChatGPT sẽ có thể đặt câu hỏi cho người dùng. Dựa vào những câu hỏi và chủ đề thường được đề cập, nó sẽ thực sự tò mò về người dùng. Không chỉ vậy, nó có thể hỏi về tình hình kinh tế thế giới, những phương pháp chữa ung thư mới nhất… Một hệ thống như vậy sẽ giống như Stack Overflow, Wikipedia và Reddit kết hợp lại – ngoại trừ việc, thay vì kiến thức được công khai, nó sẽ chỉ được tích lũy trong sự tự vận hành của một trí tuệ nhân tạo. Chỉ trong vài năm gần đây, chúng ta đã phát triển từ một thế giới trong đó AI chỉ đơn thuần phản hồi lại tri thức mà con người cho phép nó biết cho đến bây giờ, khi chúng có thể tự tổng hợp và tự củng cố tất cả những tri thức đang có trên internet. Trong tương lai, sau khi học cách rút ra những kiến thức mới từ chúng ta, có thể AI sẽ bắt đầu tạo ra một số kiến thức mới của riêng mình.

Quá trình này sẽ đưa chúng ta đến đâu? Stack Overflow đặc biệt vì nó rút ra những kinh nghiệm thực tế thông qua lập trình viên sử dụng, từ đó cô đọng và sắp xếp lại phần kiến thức ấy và tự học từ dữ liệu ấy. Tiếp tục phát triển, ta có thể tạo ra một AI khám phá các nguồn dữ liệu thông qua nói chuyện trực tiếp với các lập trình viên, từ đó tạo ra vô hạn các phiên bản tốt hơn của chính nó, cho đến khi nó tốt hơn Stack Overflow. Trong cuốn tiểu thuyết “The Diamond Age”, Neal Stephenson đã tưởng tượng ra một cuốn sách có trí tuệ nhân tạo tên “A Young Lady’s Illustrated Primer”; thực tế, đó chính là chatbot, được thiết kế đặc biệt để dạy cho nhân vật chính mọi thứ cô ấy cần biết, với những bài học luôn được trình bày ở cấp độ phù hợp với sự tò mò và năng lực của nhân vật chính. Nói cách khác, AI có thể tạo ra một chương trình giảng dạy hoàn hảo cho con người dựa trên kinh nghiệm chính nó đã tự học từ những phiên bản tốt hơn từng chút một của bản thân mình.

Một nguồn tài nguyên như vậy sẽ là một lợi ích lớn cho loài người. Kiến thức của nhân loại tăng lên mỗi giây, và theo một nghĩa nào đó, vượt qua tốc độ phát triển của internet hiện tại. Mặt khác, việc cung cấp cho mỗi người một người thủ thư thay vì cả thư viện có thể không phải là lựa chọn tốt, vì chúng ta sẽ không còn khả năng tự do đi lang thang trong vô vàn tri thức. Một thế giới trong đó AI sẽ là trung gian truyền đạt tri thức của toàn bộ vũ trụ đến con người có vẻ sẽ vừa thuận tiện và vừa đe doạ chính chúng ta.

Một thời kỳ hoàng kim của việc sản xuất kiến thức do con người lãnh đạo, được hỗ trợ bởi AI, sẽ có thể được mở ra trong tương lai gần, và nó sẽ tạo tiền đề cho sự phát triển không ngừng của AI. Chung quy lại, sẽ tốt hơn nếu có những mô hình tôn trọng kiến thức của con người và khuyến khích con người tìm đến tri thức mới, thay vì những mô hình coi con người chỉ là những nấc thang để đạt đến những tri thức mới mà nó muốn.

Dịch từ Newyorker

Bài viết AI sẽ tiếp tục “học” như thế nào? đã xuất hiện đầu tiên vào ngày ADuBiz.

Nghiên cứu sử dụng phương pháp phỏng vấn sâu với 36 người tham gia từ ba trường đại học, bao gồm các người đứng đầu bộ phận đào tạo, nhân viên đảm bảo chất lượng, và giảng viên. Kết quả cho thấy có khoảng cách đáng kể giữa chính sách đảm bảo chất lượng và thực tiễn thực tế tại các cơ sở giáo dục đại học Việt Nam. Mặc dù đã đưa ra các cơ chế đảm bảo chất lượng nhằm cải thiện chất lượng tổng thể của giáo dục đại học, các nhà nghiên cứu nhận thấy rằng các hệ thống này vẫn còn tác động hạn chế đến việc đảm bảo chất lượng đội ngũ giảng viên.

Một trong những phát hiện nổi bật nhất là sự phổ biến của các giảng viên không đủ tiêu chuẩn giảng dạy các khóa học ngoài lĩnh vực chuyên môn của họ. Vấn đề này đặc biệt rõ ràng trong các chương trình tiếng Anh thương mại, trong đó nhiều học giả có nền tảng về TESOL hoặc ngôn ngữ học ứng dụng được yêu cầu giảng dạy các khóa học liên quan đến kinh doanh mà không có đủ kiến ​​thức chuyên môn. Nghiên cứu cũng phát hiện ra những dấu hiệu của chủ nghĩa thân hữu (cronyism) trong quá trình tuyển dụng và thiếu các chương trình đánh giá hiệu quả đối với đội ngũ giảng viên.

Nhóm tác giả đã xác định hai yếu tố chính góp phần gây ra những vấn đề này. Thứ nhất, tính chất tập trung của mô hình quản trị giáo dục đại học của Việt Nam đã phần nào hạn chế quyền tự chủ của các trường, đặc biệt trong các lĩnh vực như tuyển dụng nhân viên và chế độ lương. Hạn chế này khiến các trường đại học gặp khó khăn trong việc thu hút và giữ chân giảng viên viên có trình độ. Thứ hai, các tiêu chuẩn và chính sách đảm bảo chất lượng hiện tại dường như chưa đủ để giải quyết những vấn đề này, khi các trường đại học có thể được công nhận mặc dù có đội ngũ giảng viên không đủ tiêu chuẩn hoặc quy trình tuyển dụng không rõ ràng.

Nhóm tác nhấn mạnh sự cần thiết phải có một cách tiếp cận toàn diện hơn đối với cải cách giáo dục đại học: “Phát hiện của chúng tôi nhấn mạnh nhu cầu cấp thiết phải gắn kết các cơ chế đảm bảo chất lượng với những cải cách quản trị rộng hơn trong giáo dục đại học Việt Nam, bao gồm quyền tự chủ về tài chính, đồng thời tăng cường các tiêu chuẩn đảm bảo chất lượng có thể là chìa khóa để cải thiện chất lượng đội ngũ giảng viên.”

Nghiên cứu đề xuất một số khuyến nghị cho các nhà hoạch định chính sách và lãnh đạo trường đại học. Chúng bao gồm việc xem xét lại các chính sách đảm bảo chất lượng để đảm bảo chúng duy trì hiệu quả các tiêu chuẩn tối thiểu, đặc biệt đối với trình độ của đội ngũ giảng viên. Các nhà nghiên cứu cũng ủng hộ việc chuyển đổi sang một hệ thống quản lý phi tập trung hơn, trao cho các trường đại học quyền tự chủ lớn hơn trong việc tuyển dụng và đánh giá nhân viên.

Nghiên cứu này đóng góp đáng kể vào diễn biến đang diễn ra về cải cách giáo dục đại học ở Việt Nam và cung cấp những hiểu biết có giá trị cho các quốc gia khác đang vật lộn với những thách thức tương tự trong hệ thống đảm bảo chất lượng của họ. Khi Việt Nam tiếp tục giải quyết sự phức tạp của quá trình đại chúng hóa và đa dạng hóa trong giáo dục đại học, việc hiểu rõ những động lực này ngày càng trở nên quan trọng để đảm bảo chất lượng và hiệu quả của các tổ chức học thuật của mình.

Chi tiết nghiên cứu

Pham, H. T., & Nguyen, C. H. (2020). Academic staff quality and the role of quality assurance mechanisms: the Vietnamese case. Quality in Higher Education, 26(3), 262–283.

Bài viết Nghiên cứu về chất lượng đội ngũ giảng viên và vai trò của cơ chế đảm bảo chất lượng tại Việt Nam đã xuất hiện đầu tiên vào ngày ADuBiz.

Bài báo “The why of where: Vietnamese doctoral students’ choice of PhD destinations” xuất bản năm 2023 của tác giả Anh Ngoc Quynh Phan trên tạp chí Studies in Continuing Education (Scopus Q1, CiteScore 4.7), đã khám phá các yếu tố ảnh hưởng nghiên cứu sinh (NCS) Việt Nam trong việc lựa chọn quốc gia để làm tiến sĩ (TS). Kết quả nghiên cứu cho thấy sự kết hợp giữa hoàn cảnh gia đình, kế hoạch tài chính, những bận tâm thực tế như ngoại ngữ hay môi trường phát triển, ảnh hưởng từ bạn bè và đồng nghiệp, và trải nghiệm quốc tế trước đó, đã tác động đến quyết định về điểm đến của NCS Việt Nam.

Cụ thể, yếu tố gia đình đóng vai trò then chốt, với các khía cạnh như sự đoàn tụ gia đình, cơ hội nghề nghiệp của bạn đời, và giáo dục dành cho con cái, có ảnh hưởng mạnh mẽ đến việc lựa chọn điểm đến của các NCS Việt Nam. Khả năng tiếp cận học bổng và các gói hỗ trợ tài chính cũng tác động đáng kể đến lựa chọn của các NCS, hướng họ đến các quốc gia có các mức hỗ trợ tài chính hào phóng hơn.

Bên cạnh đó, những cân nhắc thiết thực hơn, bao gồm cơ hội phát triển kỹ năng tiếng Anh, điều kiện thời tiết, và sở thích về lối sống, đều quan trọng trong quá trình ra quyết định của NCS. Nghiên cứu cũng cho thấy ánh hưởng của mạng lưới quan hệ trực tiếp cũng được nhấn mạnh, với đồng nghiệp và bạn bè đã từng du học đóng vai trò là nguồn thông tin và cảm hứng quan trọng, thường định hình nhận thức của sinh viên về các quốc gia tiềm năng.

Một phát hiện thú vị khác là kinh nghiệm di chuyển trước đó của các NCS, dù là để học tập hay làm việc, ảnh hưởng đến lựa chọn của họ theo những cách khác nhau. Một số tìm kiếm môi trường quen thuộc, muốn quay trở lại những quốc gia họ đã từng học tập, trong khi những người khác mong muốn trải nghiệm mới ở các quốc gia khác, tìm cách mở rộng tầm nhìn của mình hơn nữa.

Nghiên cứu của tác giả Anh Ngoc Quynh Phan sử dụng khung lý thuyết Tưởng tượng và Khát vọng (Imagination and Aspiration) của Appadurai để phân tích cách NCS Việt Nam định hướng hướng “bản đồ khát vọng” của họ khi chọn điểm đến du học. Cách tiếp cận sáng tạo này cho thấy NCS không đơn giản bị đẩy hoặc kéo bởi các yếu tố bên ngoài mà chủ động cân nhắc các lựa chọn dựa trên nhiều “nút khát vọng – aspirational nodes” trong hoàn cảnh xã hội và cá nhân của họ. Tác giả giải thích: “Bằng cách sử dụng tưởng tượng và khát vọng làm khung khái niệm, chúng ta có thể hiểu sâu sắc hơn về cách các sinh viên này đưa ra quyết định. Không chỉ là về các yếu tố kinh tế hay uy tín học thuật; mà còn về cách họ tưởng tượng cuộc sống và sự nghiệp tương lai của mình trong những bối cảnh khác nhau.”

Ý nghĩa của nghiên cứu này rất quan trọng đối với chiến lược tuyển sinh của các cơ sở giáo dục đại học và chính sách quốc gia về giáo dục quốc tế. Nó gợi ý rằng các trường đại học và nhà hoạch định chính sách nên cân nhắc một loạt các yếu tố rộng hơn khi thiết kế chương trình và chính sách để thu hút NCS quốc tế. Nghiên cứu mở ra một số hướng cho các nghiên cứu trong tương lai, bao gồm các nghiên cứu so sánh giữa NCS và các nhóm khác như sinh viên thạc sĩ và đại học, điều tra về cách thức khả năng khát vọng và các nút khát vọng khác nhau giữa các nhóm sinh viên thuộc các quốc gia khác nhau, và các nghiên cứu tiếp theo về trải nghiệm sống của nghiên cứu sinh tại các điểm đến họ đã chọn.

Tác giả Anh Ngoc Quynh Phan kết luận: “Nghiên cứu này nhấn mạnh tính phức tạp của hiện tượng di động sinh viên quốc tế. Điều quan trọng là chúng ta phải tiếp tục khám phá các quá trình ra quyết định này để hỗ trợ sinh viên tốt hơn và nâng cao chất lượng giáo dục quốc tế.” Toàn bộ nghiên cứu cung cấp những hiểu biết quý giá cho các nhà giáo dục, nhà hoạch định chính sách và các nhà nghiên cứu quan tâm đến động lực của giáo dục đại học quốc tế và di động sinh viên.

Chi tiết nghiên cứu:

Phan, A. N. Q. (2022). The why of where: Vietnamese doctoral students’ choice of PhD destinations. Studies in Continuing Education, 45(3), 283–299.

Bài viết Động cơ trong việc chọn điểm đến của các nghiên cứu sinh tiến sĩ Việt Nam đã xuất hiện đầu tiên vào ngày ADuBiz.

Việc trí tuệ nhân tạo có thể thực hiện phần lớn công việc khiến quá trình này trở nên không cần thiết. Đã đến lúc tạo điều kiện dễ dàng hơn cho các nhà khoa học trong việc xin tài trợ cho đề tài của mình.

Mỗi khi có ý tưởng thực hiện một dự án/đề tài khoa học, các nhà nghiên cứu thường bỏ ra một lượng thời gian và công sức lớn cho các loại giấy tờ thủ tục để xin tài trợ. 

Không còn xa lạ gì với những nhà nghiên cứu đã có kinh nghiệm, việc xin tài trợ cho một đề tài đòi hỏi rất nhiều loại giấy tờ và minh chứng khác nhau, có thể kể đến một bản tóm tắt chung, một bản tóm tắt dài, CV học thuật, các giải thích về tính cấp thiết/tính ứng dụng, gây quỹ cộng đồng, hồ sơ các thành viên đề tài, kế hoạch quản lý dự án, thư giới thiệu, và thời gian hoàn thành dự kiến của đề tài, cũng như hàng loạt các đề mục nho nhỏ khác cần phải được điền.

Các thành viên hội đồng được giao nhiệm vụ quyết định ai sẽ nhận quỹ cũng nhận thấy quy trình này rất phức tạp. Thông thường, hội đồng xét duyệt sẽ tập trung vào ba câu hỏi chính: Đề xuất này có phù hợp với bản tóm tắt đề tài không? Đề tài được đề xuất có tính mới, tính cấp thiết không? Và ứng viên có phải là chuyên gia trong lĩnh vực phù hợp không? Phần tóm tắt và một phần nhỏ của đề xuất nghiên cứu trả lời hai câu hỏi đầu tiên, trong khi câu hỏi thử ba có thể được trả lời thông qua vài lệnh tìm kiếm ở các cơ sở dữ liệu nhà khoa học.

Hơn nữa, ChatGPT hiện đang bộc lộ những lỗ hổng trong hệ thống này.

Một cuộc khảo sát của Nature năm 2023 với 1.600 nhà nghiên cứu cho thấy hơn 25% sử dụng AI để giúp họ viết bản thảo và hơn 15% sử dụng công nghệ này để giúp họ viết đề xuất tài trợ. Một số nhà khoa học thừa nhận họ sử dụng AI để thực hiện công việc nặng nhọc khi viết một số “tài liệu chết” thay mình, chủ yếu ở các loại giấy tờ thủ tục. AI có thể cắt giảm khối lượng công việc từ ba ngày xuống còn ba giờ.

Một số người có thể coi việc sử dụng ChatGPT trong việc viết đề xuất tài trợ là gian lận, nhưng nó thực sự nêu bật một vấn đề lớn hơn nhiều: việc yêu cầu các nhà khoa học viết các tài liệu có thể dễ dàng tạo bằng AI có ích gì? Chúng ta đang thêm giá trị gì? Có lẽ đã đến lúc các cơ quan tài trợ phải suy nghĩ lại về quy trình đăng ký của mình.

Dịch từ Nature

Bài viết ChatGPT đang cho thấy hệ thống xin tài trợ đề tài đã lỗi thời đã xuất hiện đầu tiên vào ngày ADuBiz.

Tổ chức đứng sau Kế hoạch S (Plan S), một sáng kiến truy cập mở mang tính cách mạng, đã công bố kế hoạch lớn tiếp theo trong việc cải cách ngành xuất bản học thuật, và lần này có thể táo bạo hơn gấp nhiều lần kế hoạch trước đó. Kế hoạch này hướng đến việc đưa tất cả các phiên bản của bài báo và báo cáo bình duyệt được công bố công khai một cách mặc định trong khi không yêu cầu tác giả phải trả phí, đồng thời cho phép cho tác giả, thay vì nhà xuất bản, quyết định khi nào và nơi nào để xuất bản công trình của mình.

cOAlition S, một liên minh gồm các tổ chức tài trợ có tầm ảnh hưởng trong giới khoa học, đã gây ra sự đảo lộn trong giới xuất bản học thuật suốt 5 năm qua bằng cách tạo áp lực để nhiều tạp chí chuyển sang mô hình xuất bản mở. cOAlition S ban đầu chỉ bao gồm một số cơ quan tài trợ công lập ở châu Âu, nhưng sau đó ngày càng nhiều các tổ chức tài trợ khổng lồ như tổ chức Wellcome và Quỹ Bill & Melinda Gates đã tham gia vào liên minh này. Phong trào xuất bản truy cập mở, với mục đích đưa tất cả các công trình nghiên cứu trở nên miễn phí trên các nền tảng trực tuyến, đã phát triển một cách chậm rãi trong suốt những năm 2000 và 2010. Tuy nhiên kể từ sự xuất hiện của liên minh các quỹ tài trợ cOAlition S, quá trình đã được tăng tốc một cách đáng kể. 

Với kế hoạch mới được công bố vào cuối tháng 10/2023, tổ chức này sẽ tạo ra một biến đổi rộng lớn trong việc phổ biến mạnh mẽ hơn kết quả nghiên cứu đến cộng đồng.

Kế hoạch mới được mô tả là một hệ thống giao tiếp nghiên cứu mở “dựa trên cộng đồng” và “do học giả dẫn dắt”, trong đó các nhà xuất bản không còn là “người giữ cửa” có quyền từ chối hay chấp nhận các công trình, cũng như ấn định ngày công bố một công trình. Thay vào đó, tác giả sẽ quyết định khi nào và nơi nào để xuất bản các bản tóm tắt ban đầu về các kết quả của họ, cả trước và sau quá trình bình duyệt. Trong khi đó, các nhà xuất bản sẽ ở vị trí đơn vị cung cấp dịch vụ, được trả tiền để tiến hành các quy trình như biên tập, định dạng và xử lý các bản thảo.

Sự khởi đầu của hàng loạt biến chuyển

Vào tháng 9 năm 2018, cOAlition S đã tuyên bố Kế hoạch S, với yêu cầu tất cả nhà nghiên cứu được họ tài trợ sẽ phải xuất bản công trình của mình trên các tạp chí truy cập mở hoặc đăng tải bản sao của bản thảo hoàn thiện lên các nền tảng trực tuyến miễn phí. Liên minh cho rằng kiến thức được tạo ra bằng cách sử dụng nguồn ngân sách nhà nước hoặc quỹ từ thiện phải được cung cấp cho công chúng một cách miễn phí và tức thì. Yêu cầu này sau đó đã được nới lỏng để cho phép nhà khoa học công bố trên các tạp chí “hỗn hợp”, chứa cả các bài báo nghiên cứu truy cập mở và trả phí.

Các nhà xuất bản đã đua nhau đưa ra các dịch vụ truy cập mở vào đầu năm 2021 khi quy định mới này bắt đầu có hiệu lực. Nhiều tạp chí đã quyết định cung cấp quyền truy cập mở “vàng”, nghĩa là các bài báo có thể được truy cập một cách miễn phí trên nền tảng trực tuyến của nhà xuất bản, đổi lại tác giả phải trả một khoản phí gọi là phí xử lý bài báo (Article-processing Charge – APC). Một số tạp chí hỗn hợp đã đưa ra “các thỏa thuận chuyển đổi”, trong đó các cơ sở đại học hoặc các thư viện sẽ trả một khoản tiền cố định để cho phép các nhà nghiên cứu từ cơ sở đó công bố truy cập mở và bản thân họ có thể truy cập các bài báo trả phí của nhà xuất bản. Một số nhà xuất bản khác lại ủng hộ quyền truy cập mở “xanh”, trong đó tác giả có thể tự do đăng tải phiên bản được bình duyệt của bài báo lên các nền tảng khác mà công chúng có thể truy cập một cách miễn phí.

Năm năm kể từ khi công bố Kế hoạch S, các nhà quan sát cho rằng nó đã tăng tốc thành công quá trình áp dụng truy cập mở, kể cả khi các nhà xuất bản chỉ miễn cưỡng đưa ra các mô hình mới để tuân thủ yêu cầu của Kế hoạch S. Đây là một bước tiến quan trọng, cho thấy nỗ lực đoàn kết có thể thay đổi hệ thống vốn đã cố hữu trong giới học thuật.

Dư địa phát triển

Với lượng lớn nghiên cứu vẫn còn nằm sau các bức tường trả phí, các nhà lãnh đạo của cOAlition S biết rằng họ còn rất nhiều việc phải làm. Trong báo cáo thường niên năm ngoái, liên minh ước tính thông qua dữ liệu từ Dimensions, một cơ sở dữ liệu lớn về các bài báo đã xuất bản, rằng 3,6%, tức 168.000 bài báo đã xuất bản vào năm 2022 được tài trợ bởi các thành viên của liên minh. Trong số đó, 79% là truy cập mở, 38% được xuất bản trên các tạp chí truy cập mở vàng và 25% trên các tạp chí hỗn hợp; 14% dưới dạng giấy truy cập mở xanh.

Số liệu trên cho thấy phạm vi tiếp cận của Kế hoạch S vẫn còn hạn chế khi nhiều khu vực lớn chưa có đại diện tham gia vào liên minh. Tuy nhiên, các nhà lãnh đạo của cOAlition S cho rằng rằng tác động của Kế hoạch S vượt ra ngoài phạm vi các thành viên của liên minh và lan rộng ra toàn cầu. Họ chỉ ra các đơn vị tài trợ ở Mỹ, Canada có những chính sách tuân thủ chặt chẽ các nguyên tắc của Kế hoạch S.

Trong khi không thể phủ nhận rằng Kế hoạch S đã tạo được dấu ấn quan trọng cho phong trào truy cập mở, liên minh đã gây ra hậu quả không lường trước được: sự xuất hiện của APC. Việc này khiến cho chỉ những nhà nghiên cứu có đủ kinh phí để chi trả APC, hoặc những người ở các cơ sở có thỏa thuận chuyển đổi, mới có thể xuất bản truy cập mở. Các ý kiến quan ngại cho rằng APC đang gây ra những tác động tiêu cực cho giới học thuật toàn cầu và Kế hoạch S đang đồng lõa với sự phát triển nhanh chóng của chúng.

Các nhà lãnh đạo của cOAlition S thừa nhận những mối quan ngại này, đồng thời khẳng định rằng việc xuất bản truy cập mở nên là một mô hình công bằng, hơn là một đặc quyền của một nhóm nhỏ. Robert Kiley, quản lý chiến lược tại cOAlition S, cho biết: “Về phần chúng tôi, sẽ là một thất bại lớn nếu chúng tôi chỉ thay thế một mô hình mà mọi người không thể truy cập nghiên cứu bằng một mô hình khác mà mọi người không thể xuất bản vì thiếu kinh phí”.

Liên minh đã tuyên bố vào tháng 1 rằng các thành viên của họ phần lớn sẽ không còn hỗ trợ tài chính cho các thỏa thuận chuyển đổi kể từ sau năm 2024, một phần vì rủi ro rằng mô hình này, và các tạp chí hỗn hợp, sẽ trở thành vĩnh viễn, cho phép các nhà xuất bản duy trì bức tường trả phí mà liên minh đang chống lại Nhưng chính sách này có thể có ít tác động vì các trường đại học và thư viện vẫn có thể tham gia vào các thỏa thuận này dù không được tài trợ. Vào tháng 9, cOAlition S đã thông báo rằng họ đã xem xét các mô hình xuất bản thay thế không dựa vào APC. Một mô hình khả thi là truy cập mở kim cương, trong đó các tạp chí được vận hành với sự hỗ trợ tài chính từ các cơ quan tài trợ hay một cơ sở tư nhân, không tính phí tác giả hoặc độc giả.

Lời kêu gọi của liên minh về phí tác giả bằng 0 cho xuất bản mở “dường như là sự thừa nhận rằng phiên bản đầu tiên của Kế hoạch S đang đi theo hướng không mong muốn: tầm nhìn về truy cập mở của Kế hoạch đã sinh ra một mô hình kinh doanh có tính bất bình đẳng cao”, Richard Sever, người đứng đầu nhóm phát triển mô hình truy cập kim cương cho biết.

Một hệ thống mới

cOAlition S vẫn đang cố gắng để có thể thực hành đúng với các nguyên tắc sáng lập của mình, và tổ chức cần nhiều sự chỉnh sửa để hướng đến các mục tiêu ban đầu đã đặt ra. “DNA của chúng tôi, sứ mệnh của chúng tôi vẫn không thay đổi. Chúng tôi muốn tất cả nghiên cứu đều có quyền truy cập mở, để bất kỳ ai trên thế giới đều có thể đọc và sử dụng nó,” Kiley nói.

Thay đổi mà họ đề xuất được nêu trong kế hoạch mới đã vượt xa phạm vi trước đó, vốn chỉ tập trung vào các bài viết truy cập mở. Kế hoạch hướng đến giải quyết một số vấn đề thường được thảo luận trong hệ thống xuất bản nghiên cứu hiện tại: chi phí đăng ký tạp chí và APC; sự chậm trễ lâu dài giữa việc gửi một bài báo và xuất bản giữa quá trình bình duyệt; không xuất bản các báo cáo bình duyệt và lặp lại một cách lãng phí việc bình duyệt cho cùng một bài báo trên các tạp chí khác nhau; và áp lực buộc các học giả phải xuất bản trên các tạp chí có uy tín, có tính chọn lọc cao vì vị thế của tạp chí thường được dùng làm thước đo cho tác động của nghiên cứu.

Giải pháp của liên minh, được nêu trong tài liệu có tên “Hướng tới xuất bản có trách nhiệm”, là chuyển đổi sang các hệ thống thay thế trong đó các thành viên của cộng đồng học thuật kiểm soát việc xuất bản tác phẩm của họ. Tài liệu đề xuất một mô hình mẫu được gọi là “Xuất bản, Bình duyệt, Quản lý”: các tác giả đăng bản thảo của họ một cách công khai trên các nền tảng chuyên dụng và gửi bài viết của họ để bình duyệt; các học giả quản lý quá trình bình duyệt miễn phí; và các báo cáo bình duyệt, các sửa đổi và quyết định biên tập được xuất bản công khai. Chi phí sẽ được chi trả bởi sự kết hợp của nhiều tổ chức, bao gồm thư viện, nhà tài trợ, chính phủ và trường đại học. Các bài báo được bình duyệt sau đó sẽ được các nhà xuất bản hoặc tạp chí tuyển chọn dựa trên chất lượng hoặc chủ đề của chúng. Do đó, các nhà xuất bản và tạp chí vẫn có vai trò trong mô hình mới này nhưng sẽ không đưa ra quyết định về thời điểm xuất bản. Kiley nói rằng việc xuất bản mở các báo cáo đánh giá ngang hàng là một phần quan trọng của kế hoạch. Điều này sẽ cho phép người đọc đánh giá giá trị nội tại của một tác phẩm thay vì sử dụng tên tạp chí làm đại diện.

Mô hình này phản ánh các yếu tố của thực tiễn hiện tại, chẳng hạn như mô hình được sử dụng bởi các nền tảng xuất bản Peer Community In và Open Research Europe, và tạp chí eLife. Nhưng những nỗ lực của eLife để áp dụng loại mô hình này đã gặp phải một số phản đối, và Kiley và Rooryck nhận thức rõ rằng đề xuất của họ có thể gây xôn xao dư luận. Kiley nói: “Tôi sẽ ngạc nhiên hơn nếu kế hoạch này được mọi người hoan nghênh.” Các đơn vị tài trợ hiện tại đang bắt buộc nhà khoa học xuất bản truy cập mở theo Kế hoạch S. Trên cơ sở đó, kế hoạch mới kém hiệu quả hơn nhiều khi nó chỉ dừng lại ở mức khuyến khích, thảo luận hơn là những yêu cầu khắt khe của các nhà tài trợ trong phiên bản đầu tiên. Đây tuy không hẳn là điều xấu nhưng khiến tác động tức thời của kế hoạch trở nên ít triệt để hơn. Ngoài ra, một trở ngại khác được chỉ ra rằng các cuộc thảo luận về hệ thống xuất bản học thuật vẫn gặp nhiều giới hạn. Đại đa số các nhà khoa học về cơ bản quá bận rộn với những gì họ đang cố gắng làm, đó là tồn tại trong tình trạng kinh phí eo hẹp, chủ nghĩa xuất bản hoặc chết, nhiệm vụ giảng dạy, và thậm chí không hề biết về những chính sách này.

Stephen Curry, giám đốc chiến lược tại Viện nghiên cứu ở London, cho biết: “Tôi có thể tưởng tượng rằng sẽ có rất nhiều cuộc vận động hành lang thương mại chỉ ra những lý do khiến dự án này chắc chắn sẽ thất bại”. Khi được yêu cầu bình luận về đề xuất này, người phát ngôn của Elsevier nhấn mạnh giá trị của Elsevier trong việc hỗ trợ bình duyệt, đào tạo biên tập viên và cải thiện chất lượng bản thảo. Người phát ngôn của Wiley nói rằng đề xuất này là “một góc nhìn thú vị” và Wiley cũng cảm thấy rằng các nhà nghiên cứu có thể chọn những địa điểm thích hợp nhất để xuất bản công trình của họ. Họ nói: “Các nhà xuất bản có vai trò quan trọng trong việc cải thiện hơn nữa hệ sinh thái nghiên cứu toàn cầu”, đồng thời cho biết thêm rằng họ “rất muốn tham gia vào bất kỳ đề xuất nào nhằm tìm cách giải quyết các lộ trình dẫn đến xuất bản có trách nhiệm”.

Dịch từ Nature

Bài viết Kế hoạch đầy tham vọng tiếp theo của những người tiên phong ủng hộ khoa học mở đã xuất hiện đầu tiên vào ngày ADuBiz.

Bình duyệt mở (Open Peer Review – OPR) là một thành phần quan trọng trong phong trào khoa học mở hiện nay. OPR được kỳ vọng có thể nâng cao tính minh bạch của việc bình duyệt, từ đó giảm thiểu sự thiên vị và nâng cao độ tin cậy tổng thể của quá trình này. Bên cạnh đó, bình duyệt mở cũng có thể thúc đẩy bầu không khí mang tính xây dựng và hợp tác hơn giữa những bên tham gia, khuyến khích người bình duyệt coi nhiệm vụ của mình không đơn thuần chỉ là “gác đền”, mà còn là hợp tác để cải thiện chất lượng của bản thảo. Hơn nữa, OPR đưa ra sự công nhận thích đáng đối cho những người bình duyệt, góp phần tạo nên động lực và sự tham gia của họ vào quá trình quan trọng này.

Để thực hiện bình duyệt mở một cách hiệu quả, nhiều hướng dẫn và thực hành tốt đã được đề xuất. Trong số này, FOSTER Open Science, một dự án do Ủy ban Châu Âu tài trợ, đã có những đóng góp đáng kể. FOSTER đã phát triển các khuyến nghị toàn diện dành cho người bình duyệt để đảm bảo tính toàn vẹn và hiệu quả của OPR.

Những khuyến nghị này bao gồm việc bổ sung Tuyên bố OPR trong mỗi báo cáo bình duyệt. Tuyên bố này đóng vai trò như sự cam kết của người đánh giá trong việc duy trì các nguyên tắc của bình duyệt mở, bao gồm 4 điều sau: 

1. Tôi sẽ công khai danh tính của mình

Người bình duyệt được khuyến nghị ký tên vào báo cáo bình duyệt của họ, bao gồm tên, chức vụ, nơi làm việc, và mã nhận dạng (ORCID). Đây là cách mà tác giả và người đọc tìm hiểu về lý lịch của người phản biện, cũng như hiểu thêm về bối cảnh mà báo cáo được đưa ra. Tuy nhiên, người phản biện cần kiểm tra kỹ các chính sách xuất bản của tạp chí trước khi đưa vào các thông tin liên hệ của mình, vì mỗi tạp chí sẽ có chính sách khác nhau về biên bản bình duyệt.

2. Tôi sẽ phản biện dựa trên sự tuân thủ về đạo đức học thuật

Trước khi bắt đầu phản biện, người phản biện cần đảm bảo rằng không có bất kỳ xung đột lợi ích nào (xung đột cá nhân, tài chính, quan điểm, nghề nghiệp, chính trị, tôn giáo) với tác giả. Nếu không thể đảm bảo điều này, hãy báo cho ban biên tập và từ chối lời mời phản biện một cách thẳng thắn. 

Trong quá trình phản biện, người phản biện cần giảm thiểu các thành kiến vô thức và không chủ ý khi phản biện (thiên vị về cá nhân, chủ đề, phong cách viết) bằng cách tuân theo một quy trình nhất quán và có cấu trúc (có thể tham khảo theo mẫu của Publons). 

3. Tôi sẽ phản biện như thể đang thảo luận trực tiếp với tác giả bài viết và đưa ra những phê bình đóng góp nhất có thể 

Ý nghĩa của việc phản biện là giúp tác giả cải thiện bản thảo của mình. Cách ủng hộ và tôn trọng nhất để làm điều này là tham gia vào một cuộc đối thoại bằng văn bản với tác giả, trong đó người phản biện cung cấp được những phản hồi mang tính xây dựng và công bằng nhất có thể cho tác giả bản thảo.

4. Tôi sẽ là đại diện cho phong trào thực hành khoa học mở

• Với tư cách là người phản biện: tuân theo các nguyên tắc nêu trên để biến việc phản biện thành một quá trình hỗ trợ và hợp tác. 
• Với tư cách là tác giả: xuất bản preprint và yêu cầu cộng đồng đánh giá bản thảo ấy và/hoặc nộp bản thảo của bạn cho một tạp chí hỗ trợ phản biện mở.

Các cam kết mà FOSTER nêu ra được tham khảo từ bài báo của Aleksic và cộng sự (2015), trong đó, bao gồm một hướng dẫn dành cho phản biện viên khi tham gia vào quá trình bình duyệt mở. Bộ hướng dẫn là một danh sách các điều mà bình duyệt viên cần phải cam kết khi thực hành OPR, cụ thể:

• Tôi sẽ làm việc với bạn để giúp cải thiện nghiên cứu của bạn, vì tôi tin rằng bình duyệt phải là một quá trình cởi mở, hỗ trợ và hợp tác. Do đó, tôi sẽ ký tên vào báo cáo bình duyệt và nêu rõ danh tính bản thân.
• Trước khi bắt đầu, tôi sẽ đảm bảo rằng tôi có đầy đủ thông tin (dữ liệu thô, phương pháp/giao thức chi tiết, v.v.) cần thiết để thực hiện đánh giá một cách độc lập, đầy đủ.
• Tôi sẽ khuyến khích ứng dụng và, khi cần thiết, cung cấp hướng dẫn cho các thực hành tốt nhất về khoa học mở có liên quan đến lĩnh vực của tôi để giúp tăng tính minh bạch, khả năng tái thực hiện, và tính toàn vẹn cho nghiên cứu của bạn.
• Tôi sẽ kiểm tra xem mọi tài liệu và mã phần mềm có nhất quán với văn bản hay không, mọi mã DOI số đăng ký đều chính xác và được trích dẫn đầy đủ, cũng như mọi mô hình được trình bày đều được lưu trữ, tham chiếu và có thể truy cập được.
• Tôi sẽ kiểm tra xem dữ liệu cũng như mọi mã phần mềm và tài liệu cốt lõi cho công bố của bạn có đang được cung cấp ở hình thức có thể truy cập lâu dài, không gặp bất kỳ hạn chế nào hay không.
• Tôi sẽ tư vấn, khi cần thiết, về cách đạt được tính minh bạch và tính sẵn có tốt hơn (về tài liệu hay phương pháp luận, dữ liệu hay đoạn mã, thuật toán, tham số hay tiêu chuẩn phần mềm), với sự hiểu biết rằng việc tuân thủ các thực hành khoa học mở tốt nhất có thể đòi hỏi nỗ lực hơn nữa từ bạn.
• Tôi sẽ hỗ trợ người khác viết báo cáo bình duyệt mở mở khi tôi thấy thích hợp.
• Tôi sẽ từ chối bình duyệt nếu tôi không phải là người thích hợp (vì chuyên môn của tôi hay vì mối quan hệ của tôi với (các) tác giả). Tôi sẽ trình bày cho các biên tập viên của tạp chí một cách thẳng thắn nhất về những vấn đề này, đồng thời giải thích một cách công khai lý do tôi đưa ra quyết định của mình để có thể tìm được những người bình duyệt thay thế.

Trong bối cảnh phát triển của khoa học mở, bình duyệt mở đang trở thành một con đường hứa hẹn để nâng cao sự minh bạch, hợp tác và trách nhiệm trong quá trình bình duyệt. OPR không chỉ thúc đẩy sự thay đổi trong cách tiếp cận bình duyệt mà còn khuyến khích một thái độ mới đối với việc nghiên cứu và phản biện. Các nguyên tắc và hướng dẫn đã được đưa ra để đảm bảo hiệu quả và tính toàn vẹn của OPR. Những cam kết này không chỉ giúp người bình duyệt hiểu rõ hơn về nhiệm vụ của họ, mà còn tạo ra một khung để họ thực hiện công việc một cách chính xác và hiệu quả.

Tài liệu tham khảo

Foster (n.d.). Open Peer Review.

Aleksic J, Alexa A, Attwood TK et al. (2015). An Open Science Peer Review Oath [version 2; peer review: 4 approved, 1 approved with reservations]. F1000Research, 3:271

Bài viết Một số nguyên tắc khi Bình duyệt Mở đã xuất hiện đầu tiên vào ngày ADuBiz.