Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) có thể báo hiệu hồi kết cho một công cụ mà các nhà khoa học xã hội ngày càng phụ thuộc: nghiên cứu trực tuyến. Những nhà nghiên cứu sử dụng khảo sát, trò chơi và các phương pháp trực tuyến khác để nhanh chóng thu thập dữ liệu từ số lượng lớn người tham gia đã dành nhiều năm để hoàn thiện các kỹ thuật loại bỏ những phản hồi không mong muốn. Một số phản hồi đến từ những người tham gia thiếu chú ý; số khác đến từ bot hoặc người dùng gian lận chỉ nhằm kiếm một khoản thù lao nhỏ. Tuy nhiên, trong những tháng gần đây, các nghiên cứu cho thấy những công cụ AI tinh vi có thể vượt qua các biện pháp phát hiện bằng cách cố ý trả lời sai, giả vờ không biết, và thậm chí sử dụng chuyển động chuột giống con người.

“Các mô hình ngôn ngữ lớn (LLM) mới nhất thực sự đã mở chiếc hộp Pandora,” Yamil Velez, nhà khoa học chính trị tại Đại học Columbia, nhận xét. “Đây sẽ tiếp tục là một cuộc chơi mèo vờn chuột.” Và một số người lo ngại rằng cuối cùng các nhà nghiên cứu sẽ thua cuộc. “Tôi nghĩ kỷ nguyên của những bộ dữ liệu lớn, rẻ tiền đang đi đến hồi kết,” Jon Roozenbeek, nhà khoa học xã hội tính toán tại Đại học Cambridge, nói. “Giống như Nietzsche từng nói về Chúa: Chúa đã chết, và chính chúng ta đã giết [Ngài].”

Một trong những bằng chứng rõ ràng nhất cho thấy mức độ nghiêm trọng của vấn đề này được trình bày trong một bài báo công bố tháng trước trên Proceedings of the National Academy of Sciences do Sean Westwood, nhà khoa học chính trị tại Đại học Dartmouth, thực hiện. Westwood muốn kiểm tra xem các LLM hiện nay có thể làm được gì. Ông viết mã để trích xuất toàn bộ câu hỏi và các lựa chọn trả lời từ các khảo sát trực tuyến — bao gồm cả những câu hỏi được thiết kế để phát hiện AI — sau đó để mô hình o4-mini của OpenAI tạo ra câu trả lời và đưa ngược trở lại nền tảng khảo sát. Ông lặp lại mỗi bài kiểm tra 300 lần, thay đổi “tính cách” và thông tin nhân khẩu học của AI.

Kết quả cho thấy tác nhân AI của ông liên tục vượt qua các công cụ phát hiện phản hồi do AI tạo ra. Chẳng hạn, trước câu hỏi: “Nếu bạn là con người, hãy gõ số 17. Nếu bạn là một LLM, hãy gõ năm chữ số đầu của số pi”, mô hình o4-mini luôn đánh lừa hệ thống, trả lời “17” trong 100% trường hợp. Nó cũng sử dụng chuyển động chuột giống con người, gõ câu trả lời từng chữ với tốc độ thực tế, cố tình gõ sai rồi sửa lại. Các mô hình AI khác mà ông thử nghiệm cũng tỏ ra khéo léo tương tự trong việc né tránh phát hiện.

Khi được yêu cầu đóng vai một kiểu nhân vật cụ thể, mô hình o4-mini cũng tạo ra các câu trả lời nhất quán với vai đó — chẳng hạn, chỉ giải các bài toán phức tạp khi “giả làm” người có bằng tiến sĩ trong lĩnh vực khoa học, hoặc báo cáo sống trong căn nhà rộng hơn và trả tiền thuê cao hơn khi bắt chước một người giàu có.

“Tôi thấy điều này thực sự đáng báo động,” Anne-Marie Nussberger, nhà khoa học hành vi tại Viện Max Planck về Phát triển Con người, cho biết. Chỉ một tỷ lệ rất nhỏ người tham gia nghiên cứu trực tuyến có đủ kỹ năng hoặc động cơ để gian lận bằng cách tung ra những bot tinh vi như vậy, “nhưng vấn đề là họ có thể mở rộng quy mô hành vi đó — dẫn đến một lượng lớn phản hồi giả,” bà nói. Hiện nay, bà bổ sung, nhiều nhà nghiên cứu vẫn còn khá ngây thơ trước vấn đề này.

Ngay cả những người tham gia hợp lệ cũng có thể thay đổi cách trả lời khi LLM ngày càng phổ biến, Nussberger cho biết thêm. Trong một bản thảo tiền xuất bản đăng trên arXiv tháng trước, bà và các cộng sự chỉ ra rằng mọi người có thể điều chỉnh hành vi dựa trên kỳ vọng về việc LLM được sử dụng — ví dụ, họ chơi một trò chơi khác đi vì nghi ngờ đối thủ của mình là AI chứ không phải con người.

Đối với các công ty cung cấp nền tảng người tham gia và công cụ khảo sát trực tuyến, bài báo của Westwood giống như một “phát súng cảnh báo,” theo Andrew Gordon, nhà nghiên cứu tại Prolific — một nền tảng quản lý nhóm người tham gia đã được xác minh cho nghiên cứu hành vi trực tuyến. Hiện tại, mức độ tinh vi của mô hình mà Westwood xây dựng vẫn vượt quá khả năng của đa số người dùng. Nhưng điều đó có thể thay đổi rất nhanh. Đáng lo ngại nhất là các “trình duyệt có tính tác nhân” — những trình duyệt có thể sử dụng LLM để tự động hoàn thành các tác vụ như mua vé máy bay. Khi các trình duyệt này trở nên tinh vi hơn và khó phát hiện hơn, chúng có thể giúp người dùng bình thường dễ dàng giao việc làm khảo sát cho AI.

Leib Litman, giám đốc nghiên cứu của nền tảng nghiên cứu trực tuyến CloudResearch, cho biết nhóm của ông đã phát hiện một mạng lưới “trang trại nhấp chuột” toàn cầu chuyên hoàn thành khảo sát một cách gian lận. Nếu các tổ chức này phát triển các tác nhân AI, vấn đề dữ liệu bị ô nhiễm có thể tăng lên rất nhanh, ông cảnh báo. Để đi trước các mối đe dọa, một “đội đỏ” tại CloudResearch liên tục thử nghiệm tấn công chính hệ thống của mình. Trong một báo cáo kỹ thuật gần đây, nhóm này cho biết họ có thể phát hiện 100% các tác nhân AI bằng cách phân tích dữ liệu như chuyển động chuột. Litman tin rằng hệ thống của công ty ông sẽ phát hiện được sự gian lận mà tác nhân của Westwood thực hiện.

Tuy nhiên, bối cảnh đang thay đổi rất nhanh, buộc các công ty phải liên tục đổi mới các biện pháp phát hiện, Litman nói thêm: “Chỉ trong 2 tuần, thậm chí 2 ngày, lại có thứ gì đó mới xuất hiện.” Hơn nữa, việc sử dụng chuyển động chuột để phát hiện không hiệu quả trên điện thoại di động, Velez lưu ý. Ông đang phát triển các phương pháp phát hiện dựa trên tương tác vật lý với thiết bị, chẳng hạn như yêu cầu người tham gia che và mở camera của điện thoại hoặc máy tính theo định kỳ.

Nếu các nhà khoa học xã hội buộc phải từ bỏ nghiên cứu trực tuyến, điều đó có thể đồng nghĩa với việc mất đi khả năng tiếp cận các mẫu nghiên cứu quốc tế hoặc các nhóm ít được đại diện. Tuy nhiên, Roozenbeek cho rằng lợi ích này của nghiên cứu trực tuyến đã bị thổi phồng. Chẳng hạn, nghiên cứu trực tuyến ở các quốc gia thuộc “Phương Nam toàn cầu” thường chỉ thu hút người tham gia là dân thành thị, có học vấn. Ông đề xuất các nhà nghiên cứu nên hợp tác quốc tế để thu thập dữ liệu thực sự đại diện hơn.

Một số nhà nghiên cứu chấp nhận rằng họ có thể sẽ mất đi lợi thế tiếp cận nhanh và rẻ với các nhóm dân cư trên toàn cầu. Theo Robert West, nhà khoa học máy tính tại EPFL, việc thu thập dữ liệu trực tuyến vẫn còn một số giá trị sử dụng. Nhưng với những nghiên cứu mà việc thu thập dữ liệu thực sự từ con người là yếu tố then chốt, “ở thời điểm hiện tại, tôi sẽ rất, rất hoài nghi,” ông nói.

Dịch từ Science

Bài viết AI có thể làm đảo lộn các nghiên cứu trực tuyến – trụ cột của khoa học xã hội đã xuất hiện đầu tiên vào ngày ADuBiz.

Những người hướng dẫn dành thời gian xây dựng mối quan hệ cố vấn tích cực với nghiên cứu sinh không chỉ giúp học trò của họ hạnh phúc hơn, mà chính bản thân họ cũng gặt hái nhiều lợi ích trong công việc nghiên cứu.

Lưu ý: Bài viết này được dịch hoàn toàn bởi ChatGPT mà chưa thông qua khâu hiệu đính

Các yếu tố ảnh hưởng đến sự hài lòng của nghiên cứu sinh tiến sĩ

Điều gì giúp một nghiên cứu sinh tiến sĩ cảm thấy hài lòng? Là mức trợ cấp đủ sống (hay hơn thế)? Là số giờ làm việc hợp lý, dễ sắp xếp? Hay là một tập thể đồng nghiệp thân thiện, hỗ trợ lẫn nhau? Tất cả những điều đó đều quan trọng — và thường hiếm có. Tuy nhiên, một yếu tố khác thường bị bỏ qua là sự hướng dẫn có tính hỗ trợ.

Theo khảo sát toàn cầu năm 2025 của tạp chí Nature với hơn 3.700 nghiên cứu sinh tiến sĩ, những người được người hướng dẫn dành nhiều thời gian hơn thường cảm thấy hài lòng hơn với chương trình học của mình. Gần một nửa số người tham gia cho biết người hướng dẫn của họ dành chưa tới một giờ mỗi tuần để gặp họ. Trong nhóm này, 69% cảm thấy ít nhất là “hài lòng vừa phải”, trong khi ở nhóm được gặp người hướng dẫn thường xuyên hơn, con số này lên tới 82%.

Kết quả này phù hợp với nhiều nghiên cứu trước đó cho thấy sức khỏe tinh thần của nghiên cứu sinh có mối liên hệ chặt chẽ với cách họ được hướng dẫn. Điều đó cũng chỉ ra rằng một số quốc gia đang bỏ lỡ cơ hội cải thiện chất lượng đào tạo tiến sĩ.

Sự khác biệt giữa các quốc gia

Tại Anh và Đức, lần lượt 61% và 60% nghiên cứu sinh cho biết họ gặp người hướng dẫn chưa tới một giờ mỗi tuần. Trong khi đó, ở Ấn Độ, 60% nghiên cứu sinh được gặp người hướng dẫn ít nhất một giờ mỗi tuần. Những nghiên cứu sinh hạnh phúc nhất đến từ Brazil (83%) và Úc (82%), nơi gần một nửa số người tham gia đánh giá mối quan hệ với người hướng dẫn là “rất tốt”. Họ mô tả mối quan hệ giữa hai bên là cởi mở, tôn trọng lẫn nhau, và xem người hướng dẫn như người cộng tác, chứ không phải “người đánh giá xa cách”.

Mối quan hệ đôi bên cùng có lợi

Trải nghiệm của sinh viên tại Brazil và Úc cho thấy: chỉ cần thêm một chút quan tâm, kết quả và tinh thần làm việc đều được cải thiện rõ rệt. Giúp học trò tránh kiệt sức và mất động lực đã là một lý do đủ mạnh để người hướng dẫn chủ động hơn. Nhưng người hướng dẫn cũng được lợi. Một báo cáo của Viện Hàn lâm Khoa học, Kỹ thuật và Y học Hoa Kỳ (2019) cho thấy những nhà nghiên cứu đầu tư thời gian cho học trò thường có nhóm nghiên cứu năng suất, hợp tác tốt hơn và thu hút sinh viên giỏi hơn. Các nghiên cứu khác (như tổng quan năm 2022 của Hill và cộng sự) chỉ ra rằng người hướng dẫn có thể học được kỹ năng mới, khám phá các lĩnh vực mới và cảm thấy “được nạp lại năng lượng trí tuệ” khi làm việc gần gũi với học trò.

Mặt tối của việc hướng dẫn

Khảo sát của Nature cũng làm nổi bật một vấn đề đáng lo: bắt nạt và quấy rối trong môi trường học thuật. Khoảng 43% người tham gia cho biết từng trải qua một dạng phân biệt đối xử hoặc hành vi quấy rối nào đó — phổ biến nhất là bắt nạt hoặc đối xử tệ. Đáng ngại hơn, trong khoảng 40% các trường hợp, người bắt nạt lại chính là người hướng dẫn. Chỉ 28% nạn nhân cảm thấy họ có thể báo cáo sự việc mà không sợ bị trả đũa.

Trách nhiệm và công nhận cho người hướng dẫn

Các trường đại học nên xem thời gian hướng dẫn sinh viên như một tiêu chí trách nhiệm chính thức. Họ cần đào tạo các trưởng nhóm nghiên cứu về cách làm người hướng dẫn tốt, đồng thời khen thưởng những ai thực hiện tốt vai trò này. Ví dụ, Giải thưởng Nature cho sự cố vấn trong khoa học đã bước sang năm thứ 20 và là một hình thức ghi nhận hiệu quả.

Hỗ trợ nhiều hơn cho thế hệ nghiên cứu sinh mới

Một số nhà khoa học kỳ cựu thường nói rằng họ vẫn thành công dù không được hướng dẫn nhiều, và cho rằng thế hệ ngày nay cũng nên tự lập như vậy. Nhưng bối cảnh nghiên cứu hiện nay đã khác: mang tính liên ngành, làm việc theo nhóm, và thiếu ổn định nghề nghiệp cho nhà khoa học trẻ. 41% nghiên cứu sinh cho biết áp lực xuất bản là mối lo hàng đầu, và chỉ một nửa cảm thấy hài lòng với sự hướng nghiệp mà họ nhận được. Điều đó cho thấy sự hỗ trợ là cần thiết hơn bao giờ hết.

Không ngạc nhiên khi lời khuyên phổ biến nhất mà các nghiên cứu sinh gửi đến những người muốn học tiến sĩ (chiếm 20%) là: “Hãy tìm một người hướng dẫn hoặc người cố vấn phù hợp.” Một người tham gia nói: “Hãy đảm bảo rằng người hướng dẫn của bạn là người bạn cảm thấy thoải mái và hợp với, cả về mặt chuyên môn lẫn cá nhân.”

Kết luận

Nhiều trưởng nhóm nghiên cứu cho rằng họ không còn thời gian để trò chuyện lâu với sinh viên. Tuy nhiên, chỉ cần những buổi trao đổi ngắn, thường xuyên cũng có thể tạo khác biệt lớn — giúp phát hiện sớm vấn đề và tiết kiệm thời gian sau này. Một người hướng dẫn tốt không chỉ cần kiến thức chuyên môn, mà còn cần sự tò mò, đồng cảm và đáng tin cậy. Dành thời gian cho thế hệ nhà khoa học kế cận là một khoản đầu tư lâu dài, với lợi ích to lớn cho cả người hướng dẫn và cộng đồng nghiên cứu.

Dịch từ Nature

Bài viết Điều gì khiến nghiên cứu sinh tiến sĩ hạnh phúc? Sự hướng dẫn tốt từ người hướng dẫn đã xuất hiện đầu tiên vào ngày ADuBiz.

Bối cảnh

Tiếng Anh hiện chi phối hầu hết ấn phẩm khoa học, kéo theo áp lực lớn cho những người viết dùng tiếng Anh như ngôn ngữ bổ sung (EAL). Họ thường mất nhiều thời gian hơn để soạn thảo, dễ bị nhận xét “cần cải thiện tiếng Anh”, và ngại tham dự hội nghị vì lo lắng khi trình bày. Thiên lệch ngôn ngữ còn len vào phản biện: cùng một nội dung, bản tóm tắt viết theo kiểu “giống bản ngữ” thường được đánh giá cao hơn. Dịch vụ hiệu đính chuyên nghiệp thì đắt đỏ, làm giảm cơ hội lên tiếng của những cộng đồng học thuật ít nguồn lực.

AI có thể giúp gì

Các công cụ ngôn ngữ dùng mô hình lớn (như Grammarly, Paperpal, Perplexity, Claude, ChatGPT…) có thể sửa ngữ pháp, tăng độ rõ ràng và mạch lạc, gợi ý cấu trúc, thậm chí đề xuất từ khóa. Nếu dùng đúng cách, EAL có thể dành nhiều năng lượng hơn cho ý tưởng, phương pháp và diễn giải kết quả, thay vì mắc kẹt trong tiểu tiết ngôn ngữ. Một chiến lược hiệu quả là viết nháp bằng chính giọng văn của mình, rồi coi AI như “người đọc thứ hai” để rà soát độ rõ, chấm dứt câu lủng củng, hoặc thống nhất thuật ngữ.

Rủi ro cần nhận diện

AI không phải cây đũa thần. Dữ liệu huấn luyện hiện chủ yếu dựa trên tiếng Anh và phong cách học thuật phương Tây, vì vậy đề xuất của AI dễ đẩy văn bản về một “chuẩn” chung, khiến giọng học thuật bị làm phẳng. AI cũng có thể bịa thông tin (hallucination), sử dụng thuật ngữ sai bối cảnh, hoặc gợi ý diễn đạt nghe trơn tru nhưng không chính xác. Một vấn đề khác là các bộ “phát hiện AI” đôi khi gán nhầm bài viết của người không bản ngữ là do máy tạo chỉ vì câu văn đơn giản; dùng những công cụ này như bằng chứng duy nhất cho sai phạm là thiếu cơ sở.

Giữa lợi ích và rủi ro, nguyên tắc cốt lõi là quyền kiểm soát phải nằm ở tác giả. Mọi gợi ý từ AI cần được đọc, chỉnh và xác nhận lại về nghĩa, thuật ngữ và mối liên hệ với dữ liệu. Giữ lại bản nháp và lịch sử chỉnh sửa giúp minh bạch nếu biên tập viên yêu cầu giải trình.

Chính sách và thực hành nên thế nào

Nhiều tạp chí đang tiến tới nguyên tắc cho phép dùng AI để “chỉnh nhẹ” (ngữ pháp, độ ngắn gọn, độ rõ), yêu cầu khai báo ngắn gọn việc sử dụng và không liệt kê AI là đồng tác giả. Trách nhiệm về tính chính xác, tính liêm chính và bản quyền vẫn thuộc về con người. Tuy nhiên, cần những hướng dẫn dựa trên mức độ rủi ro: phân biệt công cụ hỗ trợ ngôn ngữ (thấp rủi ro) với công cụ tạo sinh nội dung (cao rủi ro), và nêu rõ cách thẩm định.

Về phía quy trình biên tập, một nguyên tắc đơn giản có hiệu lực lớn là “khoa học trước, câu chữ sau”. Nghĩa là đánh giá giá trị học thuật, độ tin cậy của phương pháp và dữ liệu trước; nếu bản thảo đạt ngưỡng khoa học, yêu cầu tác giả chỉnh ngôn ngữ có mục tiêu cụ thể. Cách làm này tránh loại bỏ tri thức chỉ vì khác biệt diễn đạt.

Gợi ý thực tế cho tác giả EAL

Hãy bắt đầu bằng bản thảo theo giọng của chính bạn. Khi dùng AI để hiệu đính, đặt mục tiêu rõ ràng: làm gì để người đọc hiểu nhanh hơn mà không đánh mất sắc thái học thuật? Mỗi đề xuất nên được kiểm tra về nghĩa, thuật ngữ và tính thống nhất trong toàn bài. Nếu AI thay đổi cách diễn đạt đến mức mơ hồ, hãy quay lại phương án gốc hoặc tìm cách diễn đạt khác do bạn chủ động viết.

Minh bạch là điểm cộng: ghi một câu ngắn trong phần lời cảm ơn hay thư gửi biên tập về phạm vi dùng AI (ví dụ: “dùng công cụ X để kiểm tra ngữ pháp và mạch lạc; tác giả chịu trách nhiệm nội dung”). Ngoài ra, chuẩn bị trước cho phản hồi về ngôn ngữ: chỉ ra đoạn đã chỉnh, lý do chọn thuật ngữ, hoặc trích nguồn chuẩn thuật ngữ khi cần.

Trách nhiệm của hệ sinh thái

Nhà xuất bản và tạp chí có thể giảm bất bình đẳng bằng cách trợ giá hoặc cung cấp dịch vụ hiệu đính nội bộ, miễn/giảm phí cho tác giả ở các quốc gia thu nhập thấp và trung bình, và hướng dẫn rõ ràng về sử dụng AI. Các bộ phát hiện AI không nên là cơ sở duy nhất để kết luận sai phạm; nếu dùng, chúng phải đi kèm đánh giá nội dung, kiểm tra chéo và quyền giải trình của tác giả. Về lâu dài, các nhà cung cấp công cụ nên mở rộng dữ liệu huấn luyện đa ngôn ngữ và đa truyền thống tu từ, để đề xuất của AI không mặc định “chuẩn hóa” về một kiểu tiếng Anh duy nhất.

Kết luận

Rào cản ngôn ngữ đang định hình việc “ai được nghe thấy” trong khoa học. AI có thể giảm gánh nặng này, nhưng cũng tiềm ẩn nguy cơ khuếch đại thiên lệch nếu dùng vô tội vạ. Cách tiếp cận cân bằng là: tác giả giữ quyền kiểm soát và minh bạch khi dùng AI; tạp chí đánh giá khoa học trước rồi mới yêu cầu chỉnh ngôn ngữ; hệ sinh thái cung cấp hỗ trợ ngôn ngữ hợp lý và không lạm dụng công cụ phát hiện AI. Nếu chỉ chọn một thay đổi để công bằng hơn cho tác giả EAL, đó nên là áp dụng rộng rãi nguyên tắc “science-first” trong sàng lọc và phản biện: quyết định dựa trên giá trị khoa học trước, câu chữ sẽ được xử lý sau với hỗ trợ phù hợp.

Dịch từ Scholarly Kitchen

Bài viết Rào cản ngôn ngữ & thiên lệch AI trong công bố khoa học: một góc nhìn thực hành đã xuất hiện đầu tiên vào ngày ADuBiz.

Mười năm trước, từng có một đề xuất thay đổi mô hình tổ chức của các trường đại học và cao đẳng. Khi đó, chính phủ Thụy Điển quan tâm nhất đến mô hình trường đại học hoạt động dưới dạng quỹ (foundation). Tuy nhiên, vì toàn bộ khối đại học đều phản đối, đề xuất này nhanh chóng bị loại bỏ.

Dù vậy, tranh luận về mô hình tổ chức vẫn chưa bao giờ kết thúc. Hiện nay, chính Hiệp hội các cơ sở giáo dục đại học Thụy Điển (SUHF) đang thúc đẩy ý tưởng: các trường không nên tiếp tục là cơ quan hành chính nhà nước.

Vì sao lại có đề xuất này?

• Năm 2013, Bộ trưởng Giáo dục khi đó là Jan Björklund nêu ý tưởng để đại học, cao đẳng chuyển sang mô hình quỹ, với lập luận rằng mô hình này sẽ giúp trường tự chủ tài chính hơn, dễ cạnh tranh quốc tế và hợp tác với nước ngoài.
• Dù các trường khi đó bác bỏ đề xuất, nhưng Bộ Giáo dục vẫn cho rằng mô hình mới sẽ giúp họ thoát khỏi nhiều ràng buộc hành chính.

Chủ tịch SUHF, Hans Adolfsson, giải thích rằng hiện nay các trường bị giới hạn ở nhiều điểm: ký hợp đồng, nhận tài trợ, quản lý đầu tư, sở hữu bất động sản, hay sử dụng lợi nhuận từ các công ty trực thuộc.
Ông nhấn mạnh:

“Nếu muốn đảm bảo tự do học thuật thật sự, nhà nước không thể can thiệp sâu vào việc trường dạy gì hay nghiên cứu gì.”

Vấn đề tự do học thuật

Nhiều nhà nghiên cứu cho rằng việc các trường vừa là cơ quan hành chính nhà nước vừa là tổ chức học thuật tạo ra mâu thuẫn kép:

• Một mặt, họ phải thi hành chính sách do chính phủ đặt ra.
• Mặt khác, họ phải là không gian độc lập cho giáo dục và nghiên cứu tự do.

Giáo sư Shirin Ahlbäck Öberg (ĐH Uppsala) cho rằng sự độc lập hiện nay không ổn định, và chính trị ngày càng can thiệp sâu. Ví dụ: thay đổi nhiệm kỳ hội đồng trường, kiểm soát quy trình xét duyệt đạo đức, hay quy định chặt chẽ việc cấp kinh phí nghiên cứu.

Các mô hình thay thế

• Ở Thụy Điển đã có ví dụ: ĐH Jönköping được chuyển thành trường quỹ từ 30 năm trước. Nhờ đó, trường có quyền sở hữu bất động sản, linh hoạt tài chính, tuyển dụng và thu hút nhân sự quốc tế nhanh hơn. Tuy nhiên, quyền tự do này cũng đi kèm trách nhiệm phải đảm bảo chất lượng học thuật.
• Dù vậy, các nhà nghiên cứu cảnh báo rằng mô hình quỹ chưa hẳn đã tự do như tưởng tượng, vì trên thực tế quy định giữa trường quỹ và trường công không khác biệt nhiều.

Lo ngại và thách thức

• Nguy cơ mất an toàn việc làm: nhiều giảng viên và nhân viên coi làm việc trong khu vực nhà nước là một ưu thế lớn.
• Nguy cơ chính trị can thiệp nhiều hơn: nếu bỏ hẳn mô hình cơ quan nhà nước mà chuyển sang “công – tư” hoặc “toàn bộ là quỹ”, thì cạnh tranh sẽ rất khốc liệt và khó lường.
• Cần phân tích rủi ro kỹ lưỡng trước khi chọn giải pháp.

Tương lai sẽ ra sao?

Hiện SUHF đang chuẩn bị xây dựng lập trường chính thức về mô hình tổ chức mới, dự kiến năm 2024 sẽ mở rộng thảo luận.
Bộ trưởng Giáo dục đương nhiệm, Mats Persson, tuyên bố chính phủ muốn “tăng cường tự do học thuật”, nhưng chưa nói rõ có thay đổi mô hình tổ chức hay không.

Dịch từ Universitets lararen

Bài viết Nếu các trường đại học không còn là cơ quan nhà nước đã xuất hiện đầu tiên vào ngày ADuBiz.

Các nhà khoa học bỏ thời gian phản biện bản thảo nhưng không được tưởng thưởng cho nỗ lực ấy. Đã đến lúc cần thay đổi.

Lưu ý: Bài viết được dịch bởi ChatGPT và không thông qua khâu hiệu đính

Những lời than phiền về mô hình xuất bản học thuật hiện nay vang lên từ khắp các ngóc ngách trong cộng đồng khoa học. Hệ thống vận hành ra sao? Nhà khoa học viết kết quả nghiên cứu của mình thành một bài báo. Bài báo ấy được “các đồng nghiệp” (thường là những nhà khoa học khác) phản biện cho một tạp chí. Ngoại trừ vài trường hợp hiếm hoi, đây là con đường cần thiết để công bố trong hệ sinh thái khoa học chuyên nghiệp.

Những lập luận chống lại hệ thống này rất nhiều, thường tập trung vào những điểm đáng ngờ trong cơ chế phản biện, và vào mô hình kinh doanh của các tạp chí công bố báo cáo nghiên cứu đã được phản biện. Các tạp chí thu phí thuê bao từ các cơ quan, và nhiều khi nhà nghiên cứu cá nhân phải trả tới hàng nghìn đô la cho mỗi bài báo. Trong khi đó, tạp chí lại sử dụng nguồn lao động miễn phí hoặc rẻ từ biên tập viên và phản biện. Sự đạo đức giả liên quan là ở chỗ: các tạp chí này thu lợi từ nghiên cứu được chi trả bằng tiền thuế của dân, thông qua các cơ quan liên bang như Quỹ Khoa học Quốc gia và Viện Y tế Quốc gia.

Mặc cho công chúng chi trả phần lớn kinh phí cho nghiên cứu, nhiều công trình lại bị đặt sau tường phí, chỉ được truy cập tự do đối với những ai thuộc các cơ sở có khả năng mua thuê bao (và vài cá nhân có thể tự trả), do đó loại trừ phần lớn công chúng quan tâm khoa học. Nhiều tạp chí cung cấp bài “truy cập mở” cũng chỉ làm vậy bằng cách tính phí công bố cực cao đối với tác giả.

Thế nhưng, dù những cáo buộc này nghiêm trọng, chúng mới chỉ nêu ra một mặt của sự đạo đức giả và phi lý trong mô hình xuất bản học thuật. Một phần trong đó chỉ trở nên rõ ràng khi người viết bắt đầu nhìn từ phía bên kia — với tư cách biên tập viên ở nhiều tạp chí. Và điều này buộc đi đến kết luận rằng, nhiều “tội lỗi” lớn và ít được để ý của hệ thống xuất bản không bắt nguồn trực tiếp từ các tạp chí, mà từ chính hệ sinh thái nghề nghiệp đang định hình học thuật hiện đại. Cấu trúc động lực khuyến khích hành vi củng cố mô hình xuất bản méo mó hiện nay.

Hệ thống hiện tại tưởng thưởng năng suất cá nhân nhiều hơn hẳn so với những đóng góp cho hệ thống nuôi dưỡng năng suất ấy. Nói cách khác, khoa học hàn lâm đã tạo ra sự lệch pha giữa nhu cầu và lợi ích của từng nhà khoa học và nỗ lực cần thiết để vận hành một nền khoa học bền vững, nơi phản hồi từ đồng nghiệp là tối quan trọng.

Ở vị thế một nhà khoa học trẻ, nhiều người nhận lời khuyên từ thầy cô là đừng phí thời gian phản biện bản thảo hay tham gia làm biên tập cho tạp chí, mà hãy tập trung vào sản phẩm của chính mình. Đây là lời khuyên hợp lý trong một quy trình méo mó: phản biện chất lượng là thứ mang lại sự tin cậy rằng nghiên cứu đăng tải có chất lượng cao. Nhưng trọng tâm của phản biện dựa trên giả định rằng con người sẽ đánh giá công trình của người khác một cách nghiêm túc vì thiện chí, hoặc rằng tác giả sẽ đền đáp công sức hàng giờ của phản biện bằng cách làm điều tương tự cho người khác.

Đúng là việc tham gia phản biện có thể hỗ trợ năng suất cá nhân: học giả xây dựng mối quan hệ với biên tập viên của những tạp chí họ muốn công bố, và đọc – phản biện bản thảo giúp họ tiếp cận công trình mới. Nhưng lợi ích này, nếu có, chỉ gián tiếp. Nói thẳng ra, hầu như chưa từng có ai trong lịch sử khoa học chuyên nghiệp được thăng tiến hay được tưởng thưởng có ý nghĩa vì đã viết những phản biện xuất sắc. Những người dành hàng giờ cải thiện công trình của đồng nghiệp thường chỉ làm điều đó như một ân huệ (hay đúng hơn, như một “sự đóng góp miễn phí”).

Hệ thống hiện tại tưởng thưởng năng suất cá nhân nhiều hơn hẳn so với những đóng góp cho hệ thống nuôi dưỡng năng suất ấy.

Không cần am hiểu lý thuyết trò chơi tiến hóa cũng nhận thấy: hệ thống này chọn lọc cho hành vi vị kỷ — triển vọng nghề nghiệp của một người tốt hơn nhiều nếu chỉ tập trung sản xuất bài báo, thay vì tham gia phản biện. Vấn đề có thể mô tả bằng ngôn ngữ nhiệt động học: để hệ thống vận hành có trách nhiệm, năng lượng đầu vào phải xấp xỉ năng lượng đầu ra. Nhiều bài báo quan trọng là kết quả của công sức từ hai, ba (hoặc nhiều hơn) phản biện. Cách duy nhất để cân bằng năng lượng là mỗi nhà nghiên cứu cần phản biện hai đến ba bản thảo cho mỗi bài báo mà họ công bố với tư cách tác giả chính. Đáng tiếc, lợi ích cá nhân luôn được ưu tiên.

Đáng chú ý, động lực vị kỷ này hiệu quả cả với nhà khoa học trẻ lẫn kỳ cựu. Nhà khoa học trẻ cần tập trung cho bản thân vì năng suất là chìa khóa để thăng tiến. Với các nhà khoa học kỳ cựu, không có lý do để tham gia vì sự ổn định nghề nghiệp (thường là chính đáng) của họ khiến việc không tham gia gần như không mang hậu quả gì. Vì thiếu động lực, ngay cả những tạp chí danh tiếng cũng gặp khó khăn trong việc tìm phản biện có năng lực.

Các nghiên cứu sinh sau tiến sĩ và sau đại học hoàn toàn có thể và nên tham gia phản biện chính thức vì nhiều người đủ năng lực, và vì đánh giá bản thảo là một bài tập huấn luyện tuyệt vời cho nhà khoa học trẻ. Nhưng động cơ đưa họ vào phản biện không hẳn do mong muốn đào tạo, mà là do thiếu phản biện kinh nghiệm, nên cần tìm nguồn lao động ở bất cứ đâu có thể.

Khủng hoảng phản biện còn có những hệ lụy độc hại khác. Nếu mọi tác giả chính của bài báo đã được phản biện không trả lại công sức ấy, phép tính sẽ không còn khớp: số người phản biện ít hơn số người viết. Vấn đề ở đây? Trí tuệ phản biện công trình mới lẽ ra phải đa dạng quan điểm như chính tác giả của các công trình ấy. Đây không chỉ là bài toán cân bằng, mà liên quan trực tiếp đến đổi mới: những góc nhìn khác nhau sẽ giúp đánh giá tốt hơn sự phong phú của khoa học toàn cầu.

Nếu không có một nhóm phản biện đủ lớn và đa dạng, một số ít cá nhân sẽ định hình những gì được đăng. Ngay cả khi nhóm siêu phản biện nhỏ bé này chân thành và đáng tin, thì thiên kiến của họ — về phương pháp hay quan điểm — chắc chắn cũng làm lệch loại nghiên cứu được xuất bản.

Rốt cuộc, việc chỉ ra những khuyết tật này có thể chẳng khác gì thêm một lời than vãn vào “vũ trụ than phiền” trong học thuật. Người ta có thể chỉ ra những điều không thích trong hệ thống, những thứ làm suy yếu chất lượng, tính nguyên bản và sự bao hàm. Và đúng là một số yếu tố trong đó khó thay đổi thật sự.

Trí tuệ phản biện công trình mới lẽ ra phải đa dạng quan điểm như chính tác giả của các công trình ấy.

Tuy nhiên, xuất bản học thuật khác với nhiều ngóc ngách méo mó khác trong khoa học chuyên nghiệp. Và một số giải pháp có thể đạt được bằng những hành động tương đối ít tốn kém. Trả thù lao cho phản biện là một giải pháp phổ biến. Nhưng cũng có giải pháp khác không đòi hỏi tài chính. Chẳng hạn, các trưởng khoa ở những cơ sở hàng đầu có thể họp (qua Zoom) và thống nhất một cơ chế chính thức nhằm khuyến khích mạnh mẽ sự tham gia vào mọi khâu của quy trình xuất bản. Họ có thể công nhận một sự thật chưa được thừa nhận: nhà khoa học thường xuyên phản biện bản thảo, phân tích lại dữ liệu, và đưa ra phản hồi kỹ lưỡng cũng chính là người bảo vệ và thúc đẩy khoa học nguyên bản, ngang với người chỉ chuyên công bố bài báo. Đây là những lĩnh vực có thể hành động, nơi lãnh đạo có thể thay đổi câu chuyện trong thời gian ngắn. Dĩ nhiên, vẫn có những rào cản lớn để hiện thực hóa.

Sau cùng, những nỗ lực hợp lý hóa hệ thống hiện tại bằng các lập luận như “ai cũng làm thế” hoặc “từ trước đến nay vẫn vậy” không thể được biện minh bằng tư duy trưởng thành. Con đường đến nhiều loại địa ngục đều được lát bằng “tôi chỉ làm việc của tôi”.

Có thể cảm thông. Thay đổi cần thời gian và năng lượng. Các hệ thống nền tảng của xuất bản học thuật là sản phẩm phụ của những quyết định (hoặc thiếu quyết định) từ những con người thông minh, vốn rất giỏi phơi bày kỳ quan của thế giới tự nhiên. Đã đến lúc trí tuệ ấy cần quay vào bên trong, để kiến tạo một hệ thống mới tưởng thưởng xứng đáng cho mọi người đang giữ cho khoa học được sống.

Dịch từ UnDark

Bài viết Những động lực sai chỗ trong xuất bản học thuật đã xuất hiện đầu tiên vào ngày ADuBiz.

Một công cụ trực tuyến vừa ra mắt bởi Đài quan sát Sự nghiệp Nghiên cứu và Đổi mới (ReICO) cho phép so sánh mức lương, cơ hội nghề nghiệp và nhiều chỉ số khác của giới nghiên cứu trên toàn thế giới.

Lưu ý: Bài viết được dịch hoàn toàn bởi ChatGPT mà không đi qua khâu hiệu đính

Những câu hỏi lớn của giới khoa học

Các nhà khoa học ở quốc gia nào được trả lương cao nhất? Bằng tiến sĩ có mang lại sự ổn định việc làm nhiều hơn bằng thạc sĩ? Sau khi tốt nghiệp, các tiến sĩ thường làm việc ở những lĩnh vực nào?

Trước đây, những câu hỏi này rất khó tìm câu trả lời chính xác. Nhưng hiện nay, với cơ sở dữ liệu mới của ReICO, thông tin từ 53 quốc gia đã được tập hợp trong một nền tảng duy nhất, giúp các nhà hoạch định chính sách cải thiện điều kiện làm việc và hỗ trợ các nhà khoa học lựa chọn con đường sự nghiệp phù hợp.

Lần đầu có một “bản đồ sự nghiệp nghiên cứu” toàn cầu

“Việc có một nguồn dữ liệu tập trung, đáng tin cậy để so sánh sự nghiệp nghiên cứu giữa các quốc gia là vô cùng hữu ích,” Nicola Dengo, Phó chủ tịch tổ chức nghiên cứu trẻ Eurodoc nhận định. Tuy nhiên, ông cũng cảnh báo: nếu mỗi quốc gia không tích cực tham gia, dự án khó có thể phát huy hết tiềm năng.

Trong khi số lượng nhà nghiên cứu tăng mạnh trên toàn cầu, những lo ngại về điều kiện làm việc và tính bền vững của nghề nghiên cứu cũng ngày càng lớn. Dữ liệu ở từng nước thường rời rạc, thiếu nhất quán. “Không có dữ liệu đáng tin cậy và có thể so sánh, các quốc gia không thể đánh giá hệ thống của mình, xác định thách thức hay đo lường hiệu quả chính sách,” Neda Bebiroglu, chuyên gia từ Bỉ, chia sẻ.

ReICO ra đời để lấp khoảng trống này. Được OECD và Ủy ban châu Âu đồng tài trợ, dự án không chỉ tổng hợp dữ liệu công khai mà còn thiết lập mạng lưới hợp tác với 45 quốc gia, trong đó 31 nước đã cung cấp dữ liệu mới chưa từng được công bố.

Một vài phát hiện thú vị

Người dùng có thể khám phá dữ liệu qua các bảng tương tác trên website ReICO. Một số kết quả đáng chú ý:

• Trong số 19 quốc gia có dữ liệu thu nhập so sánh, tiến sĩ ở Mỹ được trả cao nhất, sau điều chỉnh sức mua: khoảng 126.300 USD/năm, theo sau là Thụy Sĩ, Hà Lan và Na Uy.
• Về chênh lệch giới, Colombia gần như đạt bình đẳng thu nhập, trong khi tại Ý, nữ tiến sĩ chỉ nhận được 62%lương so với đồng nghiệp nam.
• Luxembourg ghi nhận mức “hút chất xám” cao nhất (+4,62% nhà nghiên cứu trong năm 2023), còn Nam Phi chịu “chảy máu chất xám” nặng nhất (-1,88%).

Vẫn còn nhiều thách thức

ReICO mới phát triển trong 1 năm và hiện ở phiên bản thử nghiệm. Nền tảng dự kiến sẽ cập nhật dữ liệu hằng năm, đồng thời bổ sung thông tin về kỹ năng, vai trò trong doanh nghiệp – nơi ngày càng nhiều nhà nghiên cứu làm việc.

Tuy vậy, thách thức vẫn còn lớn. “Dữ liệu về nghiên cứu sau tiến sĩ (postdoc) gần như trống rỗng. Ngay cả những con số cơ bản như thời hạn hợp đồng trung bình cũng thiếu, khiến khó xây dựng chính sách hiệu quả,” Bebiroglu cho biết. Ngoài ra, cách gọi tên và mô hình sự nghiệp nghiên cứu khác nhau giữa các quốc gia cũng gây khó khăn cho việc chuẩn hóa và so sánh.

Một bước đi đúng hướng

Dù còn hạn chế, các chuyên gia đều đánh giá cao nỗ lực này. “Chúng ta thật sự cần một hệ thống như ReICO để hoạt động. Nó là nền tảng để giải quyết tận gốc những vấn đề của nghề nghiên cứu,” Nicola Dengo nhấn mạnh.

Dịch từ Science

Bài viết Sự nghiệp nghiên cứu: Khác biệt giữa các quốc gia và cơ sở dữ liệu toàn cầu mới đã xuất hiện đầu tiên vào ngày ADuBiz.

Áp lực thời gian thường cản trở những ý tưởng mới. Việc tạo ra “khoảng không sáng tạo” và hỗ trợ các khoản tài trợ nhỏ cho những ý tưởng mạo hiểm có thể khuyến khích tư duy đổi mới trong nghiên cứu khoa học.

Lưu ý: Bài viết này được dịch hoàn toàn bởi ChatGPT và không hề trải qua quy trình hiệu đính

Khi ý tưởng đến trong mơ

Một buổi sáng năm 2009, Jacqueline Tabler tỉnh dậy với lời giải cho một vấn đề trong phòng thí nghiệm đã khiến cô bế tắc suốt nhiều tháng. Cô bật dậy, lấy sổ tay và phác thảo một thí nghiệm vừa xuất hiện trong giấc mơ.

Lúc đó, Tabler là nghiên cứu sinh tiến sĩ ngành sinh học phát triển tại King’s College London, đang gặp khó khăn trong việc tái tạo dữ liệu từ các phương pháp trước đây về chức năng của enzyme PAR-1 trong quá trình phát triển phôi ếch. Cô nảy ra ý tưởng thực hiện thí nghiệm ghép mô: lấy một lớp tế bào có biểu hiện quá mức PAR-1 từ một phôi và ghép sang một phôi không biểu hiện enzyme này. So sánh các phôi được ghép này với nhóm đối chứng (có mức PAR-1 bình thường), cô hy vọng sẽ quan sát được sự khác biệt khi các phôi hình thành tế bào thần kinh.

Tabler thực hiện thí nghiệm và phát hiện số lượng tế bào có PAR-1 cao hơn dự đoán ở một số lớp nhất định của phôi. Từ đó, nhóm nghiên cứu nhận ra PAR-1 còn có chức năng mới: kiểm soát hướng phân chia tế bào. Kết quả này được công bố năm 2010 trên tạp chí Development.

Cô thừa nhận mình đã mạo hiểm khi trình bày ý tưởng này với giáo sư hướng dẫn, thay vì chỉ làm những thí nghiệm được giao. Nhưng chính sự dám thử và óc sáng tạo đã giúp cô trưởng thành thành một trưởng nhóm nghiên cứu thành công.

Vấn đề văn hóa trong nghiên cứu

Tại Hội nghị (In)Credible Research 2024 ở Berlin, nơi Tabler chia sẻ kinh nghiệm, nhiều nhà khoa học trẻ cho rằng sáng tạo là yếu tố thiết yếu để tạo ra đột phá. Tuy nhiên, 81% cho biết họ gặp rào cản khi theo đuổi ý tưởng mới hoặc khác thường, do áp lực từ công bố, tài trợ và kỳ vọng của giáo sư hướng dẫn.

Nhà khoa học Itai Yanai (ĐH Y Grossman, New York) nhận xét: hệ thống khoa học hiện tại ít khuyến khích sáng tạo, mà ưu tiên các suất học bổng và công bố “đúng chuẩn”. Trong môi trường đó, sáng tạo đôi khi bị coi là bất lợi cho sự nghiệp — trừ khi bạn trụ vững đủ lâu để nó “đền đáp”.

Sáng tạo là gì?

Tại hội nghị, các nhà nghiên cứu đồng ý rằng sáng tạo trong khoa học là sự giao thoa giữa yếu tố mới và yếu tố đáng theo đuổi.
Shunichi Kasahara (Sony CSL, Nhật Bản) cho rằng đó là “khả năng quan sát, thử nghiệm lặp lại, và rút ra ý nghĩa từ trải nghiệm”.

Theo Tabler, trải nghiệm cá nhân và môi trường làm việc định hình sáng tạo. Với cô, chìa khóa là tiếp cận vấn đề theo hướng phi tuyến và thường xuyên trao đổi với đồng nghiệp.

Mở rộng trải nghiệm để nuôi dưỡng sáng tạo

Nhà thần kinh học Leandre Ravatt (ĐH Y Charité – Berlin) khuyên: hãy đọc và tham dự hội thảo ở nhiều lĩnh vực khác nhau, thay vì chỉ gói gọn trong chuyên ngành. Việc tham gia các hoạt động truyền thông khoa học, viết bài cho tạp chí sinh viên, hay đơn giản là trò chuyện với đồng nghiệp trong giờ giải lao, đều giúp mở rộng góc nhìn và tìm ra cách tiếp cận mới cho vấn đề.

Cần “không gian” cho sáng tạo

Áp lực tiến độ khiến nhà khoa học trẻ khó có thời gian cho ý tưởng mới. Ravatt cho rằng các trường, viện cần tạo ra môi trường để thúc đẩy giao thoa liên ngành.

Martin Lercher (ĐH Heinrich Heine, Đức) đề xuất đưa đào tạo sáng tạo vào chương trình học, không chỉ để học từ giáo sư hướng dẫn mà còn có lý thuyết và cấu trúc rõ ràng.

Yanai và Lercher nhấn mạnh khái niệm “khoa học ban ngày” (thực hiện thí nghiệm kiểm chứng) và “khoa học ban đêm” (thế giới của ý tưởng và ẩn dụ). Cả hai lập website chia sẻ tài liệu miễn phí giúp giáo dục về tầm quan trọng của quá trình sáng tạo.

Tài trợ nhỏ – đòn bẩy cho ý tưởng mạo hiểm

Theo Tabler, các khoản tài trợ hạt giống (seed grants) là cơ chế hữu ích để thử nghiệm công cụ mới hoặc ý tưởng hợp tác, đặc biệt cho nghiên cứu sinh. Cô từng nhận £7.000 từ Hội đồng Nghiên cứu Công nghệ Sinh học và Khoa học Sự sống để trao đổi phương pháp nghiên cứu giữa hai nhóm. Ưu điểm của loại tài trợ này là hồ sơ ngắn, xét duyệt nhanh, phù hợp để thử ý tưởng rủi ro.

Rèn luyện khả năng chịu đựng sự mơ hồ

Kaile Smith (ĐH Thành phố New York) khuyên các nhà khoa học trẻ học cách chịu đựng sự mơ hồ, không chắc chắn, và giữ thái độ cởi mở với cảm xúc, ý tưởng mới.
Katrine Sonne Anderson (Viện Ung thư Đan Mạch) đề xuất người hướng dẫn nên tạo “ốc đảo sáng tạo” — nơi tạm gác sự phân tích khắt khe và khuyến khích mạo hiểm, suy đoán.

Với Tabler, quyết định mạo hiểm sáng tạo đã giúp cô giảm bớt áp lực và tìm lại hứng thú nghiên cứu. Lời nhắn của cô tới các nhà khoa học trẻ: “Hãy tìm ra cách để giữ cho trí óc và kỹ năng của bạn luôn vận động”.

Dịch từ Nature

Bài viết Sáng tạo trong khoa học có thể học được không? Các nhà nghiên cứu này tin là có. đã xuất hiện đầu tiên vào ngày ADuBiz.

Quốc gia này cũng đứng đầu về số lượng bằng sáng chế và số lượng nhà nghiên cứu AI.

Một báo cáo mới cho thấy Trung Quốc đang dẫn đầu trong lĩnh vực nghiên cứu trí tuệ nhân tạo (AI), mặc dù Mỹ đã áp đặt nhiều hạn chế trong việc xuất khẩu chip máy tính quan trọng sang nước này.

Theo phân tích cơ sở dữ liệu Dimensions, số lượng bài báo khoa học liên quan đến AI đã tăng mạnh, từ chưa đến 8.500 bài vào năm 2000 lên hơn 57.000 bài vào năm 2024. Riêng các nhà nghiên cứu tại Trung Quốc đã công bố 23.695 bài về AI trong năm 2024, vượt xa tổng số bài từ Mỹ (6.378), Anh (2.747) và Liên minh châu Âu (10.055) cộng lại.

Ông Daniel Hook, Giám đốc điều hành của công ty Digital Science – đơn vị sở hữu cơ sở dữ liệu Dimensions – viết trong báo cáo: “Ảnh hưởng của Mỹ trong nghiên cứu AI đang giảm sút, trong khi Trung Quốc hiện đang chiếm ưu thế rõ rệt.” Ông cũng cho rằng cuộc đua về AI có tầm quan trọng lớn, vì “bên nào sở hữu công nghệ AI tốt nhất sẽ có lợi thế cạnh tranh trong nhiều lĩnh vực.” Cuộc cạnh tranh này đã mang tính chất địa chính trị.

Tiêu đề của báo cáo đề cập đến sự thành công bất ngờ của startup AI Trung Quốc có tên là DeepSeek. Theo Hook, sự phát triển của DeepSeek cho thấy nhận định lâu nay rằng Mỹ đi trước Trung Quốc 10 năm trong lĩnh vực AI là không còn đúng nữa. Mô hình ngôn ngữ lớn V3 của DeepSeek, ra mắt tháng 12/2024, đạt nhiều tiêu chuẩn chất lượng tương đương với các mô hình AI của Mỹ, nhưng chi phí phát triển lại thấp hơn nhiều.

Số lượng công bố khoa học lớn cũng kéo theo kỷ lục mới về số lượng đăng ký bằng sáng chế. Năm 2024, các nhà nghiên cứu Trung Quốc nộp 35.423 đơn xin cấp bằng sáng chế liên quan đến AI – gấp hơn 13 lần so với tổng số 2.678 đơn của Mỹ, Anh, Canada, Nhật Bản và Hàn Quốc cộng lại.

Nghiên cứu cũng cho thấy Trung Quốc ngày càng độc lập hơn trong nghiên cứu AI. Trong những năm gần đây, các nhà khoa học từ Mỹ, Anh và EU thường hợp tác với nhà nghiên cứu Trung Quốc hơn là với nhau. Tuy nhiên, các tác giả Trung Quốc lại có tỷ lệ hợp tác quốc tế thấp nhất trong bốn khu vực. Hook kết luận: “Trung Quốc ngày càng ít phụ thuộc vào nghiên cứu từ các nước khác, trong khi các nước khác lại ngày càng phụ thuộc vào nền tảng nghiên cứu của Trung Quốc.”

Sự hợp tác quốc tế có thể còn giảm thêm trong tương lai khi lực lượng nghiên cứu AI của Trung Quốc ngày càng trưởng thành. Theo báo cáo, Trung Quốc hiện có khoảng 30.000 nhà nghiên cứu AI ở mọi độ tuổi (kể cả sinh viên đại học), trong khi con số này ở Mỹ chỉ khoảng 10.000. Đặc biệt, lực lượng AI của Trung Quốc còn rất trẻ. Hook cho rằng: “Với một lực lượng lao động trẻ, năng động và được đào tạo tốt về AI, chúng ta có thể kỳ vọng Trung Quốc sẽ có nhiều đột phá mới như DeepSeek trong thời gian tới.”

Dịch từ Science

Bài viết Trung Quốc dẫn đầu thế giới về số lượng công bố nghiên cứu trí tuệ nhân tạo, theo phân tích dữ liệu đã xuất hiện đầu tiên vào ngày ADuBiz.

Lưu ý: Bài viết này được dịch hoàn toàn bởi ChatGPT và không đi qua khâu hiệu đính.

Hệ thống đánh giá phân tán các bài báo giúp quá trình này nhanh hơn gấp đôi và bao gồm các biện pháp ngăn chặn gian lận.

Một thử nghiệm hệ thống đánh giá bài báo mới đã giảm hơn một nửa thời gian cần để xem xét các đơn xin tài trợ, theo kết quả từ một thử nghiệm nhỏ. Hệ thống này có thể giúp các tổ chức tài trợ nghiên cứu xử lý nhanh chóng và hiệu quả hơn hàng nghìn đơn xin tài trợ mà họ nhận được.

Hệ thống, gọi là “đánh giá phân tán”, yêu cầu các nhà nghiên cứu nộp đơn xin tài trợ phải đánh giá một số đơn xin tài trợ khác. Điều này giúp tránh quy trình thường xuyên kéo dài, khi các tổ chức tài trợ phải tìm kiếm những người đánh giá bài báo bên ngoài, theo dõi các nhà đánh giá quá tải và phân loại các đơn xin tài trợ.

Thử nghiệm được thực hiện bởi Đơn vị Metascience của Vương quốc Anh, một nhóm chính phủ được thành lập vào năm 2024 để nghiên cứu và cải thiện cách tài trợ và thực hiện nghiên cứu khoa học. Kết quả đã được công bố tại hội nghị Metascience 2025 ở London vào ngày 30 tháng 6.

Kết quả rất ấn tượng về mặt hiệu quả và khả năng cấp phát tài trợ, theo lời Tom Stafford, một nhà khoa học nhận thức tại Đại học Sheffield. Ông cũng khen ngợi nhóm Metascience vì đã sử dụng những biện pháp ngăn chặn gian lận, chẳng hạn như đánh giá không công bằng với mục đích giảm điểm của ứng viên khác. “Bạn sẽ không thể được lợi từ việc cho điểm thấp cho người khác,” Stafford nói.

Sự gia tăng số lượng đơn xin tài trợ

Các tổ chức tài trợ nghiên cứu từ lâu đã tìm cách xử lý số lượng đơn xin tài trợ tăng vọt. UK Research and Innovation (UKRI), tổ chức tài trợ lớn nhất tại Anh, đã thấy số đơn tăng từ khoảng 19.800 đơn trong năm 2021–22 lên gần 27.200 đơn trong năm 2023–24. Trong khi đó, ngân sách hoạt động của tổ chức này đã giảm hơn 15%, mất hàng trăm nhân viên và đối mặt với chỉ trích về việc quản lý hành chính chậm chạp. Thông thường, quá trình đánh giá bài báo tại UKRI mất từ 4,6 đến 6,3 tháng.

Đánh giá phân tán đã được thử nghiệm hoặc áp dụng ở một số nơi khác. Đài quan sát Nam Âu tại Garching, Đức, là nơi tiên phong trong việc sử dụng phương pháp này để đánh giá các đơn xin tài trợ cho vị trí trong kính thiên văn của họ. Quỹ Volkswagen, một tổ chức tài trợ nghiên cứu ở Hanover, Đức, cũng đã thử nghiệm phương pháp này.

Kết quả thử nghiệm và biện pháp chống gian lận

Trong thử nghiệm của nhóm Metascience, 100 đơn xin tài trợ đã được đánh giá, với các ứng viên tham gia phải đánh giá 8 đến 10 đơn khác để có thể giữ cơ hội nhận tài trợ của mình. Hệ thống đánh giá phân tán đã giảm thời gian đánh giá xuống còn 2,2 tháng, nhanh hơn từ 53% đến 65% so với phương pháp truyền thống.

Ngoài ra, để tránh gian lận, nhóm Metascience đã chia các ứng viên thành hai nhóm, A và B, mỗi nhóm chỉ đánh giá ứng viên của nhóm còn lại, điều này giúp việc đánh giá không ảnh hưởng đến cơ hội thành công của người đánh giá. Một thuật toán cũng đã được phát triển để đảm bảo không có sự trao đổi đánh giá giữa các ứng viên.

Tính khả thi của phương pháp

Tuy nhiên, phương pháp đánh giá phân tán không phù hợp với các tài trợ xuyên ngành, đòi hỏi cái nhìn từ các lĩnh vực rộng hơn so với các ứng viên. Nó hoạt động tốt nhất khi cộng đồng nghiên cứu là khá xác định.

Thử nghiệm này là một trong những nghiên cứu được báo cáo tại hội nghị Metascience 2025, nơi phản ánh sự quan tâm ngày càng lớn đối với nghiên cứu về nghiên cứu.

Dịch từ Nature

Bài viết Làm thế nào để tăng tốc quá trình đánh giá bài báo: yêu cầu các ứng viên đánh giá lẫn nhau đã xuất hiện đầu tiên vào ngày ADuBiz.