Bên cạnh đó, Quỹ NAFOSTED nói riêng cũng như Bộ Khoa học và Công nghệ nói chung cũng thường xuyên cập nhật các quy định về việc đánh giá, phân loại tạp chí quốc tế. Vì vậy, tôi thực hiện bài viết này với đề xuất như tiêu đề, hy vọng cung cấp thêm thông tin hữu ích cho các nhà hoạch định và tư vấn chính sách trong quá trình cân nhắc quy định mới.

Từ vài năm trở lại đây, giới nghiên cứu đã nhận thấy một hiện tượng rõ rệt: số lượng tạp chí được chỉ mục mới vào hệ thống SSCI (từ danh mục ESCI) là rất hạn chế. Hiện nay, theo dữ liệu từ Web of Science (WoS), số lượng tạp chí thuộc danh mục SSCI chỉ dừng lại ở con số 3.541, tức là chỉ tăng khoảng 140 tạp chí so với cách đây 6 năm (năm 2019, SSCI có khoảng 3.400 tạp chí). Như vậy, qua 6 năm, trung bình mỗi năm danh mục SSCI chỉ bổ sung thêm khoảng 20 tạp chí cho tất cả các chuyên ngành (WoS hiện chia SSCI thành 58 phân ngành). Đây là một tỷ lệ tăng trưởng quá nhỏ bé so với tốc độ sản sinh tri thức, số lượng bài báo và số lượng tạp chí học thuật ra đời hàng năm trên thế giới.

Qua trao đổi với một số biên tập viên hoặc tổng biên tập của các tạp chí thuộc danh mục SSCI/ESCI, tôi nhận thấy một xu hướng mới: nhiều tạp chí thuộc danh mục ESCI hiện không còn nhu cầu hoặc động lực được chỉ mục vào danh mục SSCI như trước đây. Hiện tượng này xuất phát từ một số lý do cốt lõi sau:

(i) Quy trình xét duyệt nâng hạng từ ESCI lên SSCI kéo dài, phức tạp và mang tính thụ động đối với các tòa soạn.

(ii) Từ năm 2023, WoS bắt đầu áp dụng việc tính chỉ số ảnh hưởng (Impact Factor – IF) cho các tạp chí thuộc danh mục ESCI. Nhiều ban biên tập của các tạp chí ESCI nhận thấy tạp chí của họ sở hữu chỉ số IF cao hơn cả một số tạp chí thuộc danh mục SSCI. Mặt khác, nếu đánh giá theo hệ thống dữ liệu của Scopus hay Scimago, các tạp chí này đã nằm trong nhóm phân hạng cao nhất (Q1) với các chỉ số CiteScore và SJR rất cao. Do đó, họ nhận thấy việc chạy đua theo danh hiệu SSCI là không còn thực chất và cần thiết.

(iii) Nhiều quốc gia hiện áp dụng hệ thống phân hạng nội bộ có uy tín cao, ví dụ như danh mục ABS của Vương quốc Anh hoặc ABDC của Úc. Nhiều tạp chí dù mang nhãn ESCI nhưng nhờ đạt thứ hạng Q1 trên Scimago/Scopus, họ vẫn được xếp hạng rất cao (mức 3 hoặc 4 ở ABS, hoặc hạng A ở ABDC). Khi đã đạt được vị thế này trong cộng đồng chuyên ngành, động lực để họ hướng tới danh mục SSCI không còn nhiều.

Tuy vậy tại Việt Nam hiện nay, danh mục SSCI vẫn được xem là một tiêu chuẩn tối cao mang tính định hình. Điều này có thể do ảnh hưởng từ giai đoạn trước (khoảng 10 năm trước), khi các danh mục SCIE, SSCI, AHCI được coi là ở một đẳng cấp hoàn toàn vượt trội so với các tạp chí thuộc ESCI hoặc Scopus. Nhiều nhóm nghiên cứu mạnh và các đề tài khoa học hiện nay vẫn yêu cầu các nhà khoa học phải có công bố thuộc danh mục SSCI và xem đó là tiêu chí phân loại cốt lõi để đánh giá. Góc nhìn này có thể phù hợp trong quá khứ, nhưng ở thời điểm hiện tại, tính xác thực cần phải được xem xét lại.

Để khép lại bài viết, tôi xin chia sẻ trường hợp của hai tạp chí mà tôi có bài công bố gần đây: Tạp chí AI & Society và Tạp chí Globalisation, Societies and Education. Cả hai tạp chí này đều thuộc nhóm Q1 trên hệ thống Scimago và Scopus, đồng thời sở hữu chỉ số IF rất cao, vượt trội hơn nhiều tạp chí thuộc danh mục SSCI có cùng phạm vi chuyên môn. Độc giả có thể dễ dàng tra cứu thông tin này trên các hệ thống dữ liệu điện tử. Từ trải nghiệm thực tế, tôi nhận thấy quy trình bình duyệt và chấp nhận đăng bài tại hai tạp chí này có độ khó và tính cạnh tranh cao hơn đáng kể so với một số tạp chí thuộc danh mục SSCI trong cùng lĩnh vực.

Vì vậy, tôi kiến nghị các nhà hoạch định và tư vấn chính sách trong thời gian tới không nên tiếp tục sử dụng danh mục SSCI làm căn cứ độc tôn để đánh giá. Đối với khối ngành Khoa học Xã hội và Nhân văn, chúng ta có thể chuyển sang sử dụng hệ thống phân hạng nhóm Q của Scimago kết hợp với cơ sở dữ liệu Scopus; hoặc xây dựng một danh mục các tạp chí đầu ngành xuất sắc (ví dụ: top 5 hoặc top 10 tạp chí hàng đầu của từng chuyên ngành) để đảm bảo độ khắt khe và tính chính xác trong đánh giá chuyên môn.

Tái bút, cá nhân tôi vẫn có công bố đều đặn trên các tạp chí thuộc danh mục SSCI (tính từ đầu năm đến nay đã có 4 bài được chấp nhận bản thảo), do đó phản biện này hoàn toàn xuất phát từ góc nhìn khách quan của một người làm nghiên cứu, thay vì lý do không thể công bố trên hệ thống này. (Cười)

Bài viết Không nên dùng SSCI để làm căn cứ đánh giá nữa đã xuất hiện đầu tiên vào ngày ADuBiz.

Trong nhiều thập kỷ qua, các bài kiểm tra chuẩn hóa luôn được xem là “bộ lọc” không thể thiếu trong tuyển sinh đại học. Từ kỳ thi SAT, ACT tại Mỹ cho đến các kỳ thi quốc gia khốc liệt ở châu Á, điểm số được kỳ vọng là một thước đo khách quan giúp cân đong đo đếm năng lực của học sinh đến từ những ngôi trường và hoàn cảnh khác nhau.

Tuy nhiên, những biến động sau đại dịch COVID-19 đã khơi lên một cuộc tranh luận ngày càng gay gắt: Phải chăng chúng ta đang trao quá nhiều quyền lực cho các bài thi chuẩn hóa để quyết định tương lai của một người trẻ? Việc hàng trăm trường đại học tại Mỹ – trong đó có không ít cái tên đình đám – tiếp tục duy trì chính sách “test-optional” (không bắt buộc nộp điểm thi) là minh chứng rõ nhất cho thấy niềm tin tuyệt đối vào điểm số đang lung lay. Đáng chú ý, tâm điểm của cuộc tranh luận hiện nay không còn là việc các bài thi này có giá trị hay không, mà là liệu giá trị đó có đủ lớn để nghiễm nhiên chiếm giữ vị trí độc tôn trong phòng tuyển sinh hay không.

“Sức nặng” của những con số

Những người ủng hộ việc duy trì các kỳ thi chuẩn hóa không phải không có lý. Các nghiên cứu về đo lường giáo dục (psychometrics) suốt nhiều thập kỷ qua đã chứng minh điểm số có khả năng “tiên tri” khá chính xác kết quả học tập ở bậc đại học. Chẳng hạn, nghiên cứu của Waters và cộng sự (2009) chỉ ra rằng điểm SAT có mối liên hệ mật thiết với kết quả học năm nhất, ngay cả khi đã loại trừ tầm ảnh hưởng từ điều kiện kinh tế – xã hội của gia đình thí sinh. Gần đây nhất, một khảo sát quy mô lớn tại nhóm trường Ivy Plus (Friedman và cộng sự, 2025) cũng tái khẳng định điểm SAT và ACT vẫn là những chỉ báo đáng tin cậy cho thành tích học tập dài hạn của sinh viên.

Dưới góc độ kỹ thuật, điều này hoàn toàn dễ hiểu. Các bài thi chuẩn hóa được thiết kế qua những quy trình cực kỳ nghiêm ngặt để đảm bảo độ tin cậy và khả năng phân loại thí sinh. Trong bối cảnh điểm trung bình phổ thông (GPA) dễ bị “lạm phát” hoặc chênh lệch do tiêu chí chấm điểm khác nhau giữa các trường, thì một đề thi chuẩn hóa chung chính là cái thước thẳng duy nhất để so sánh mọi thí sinh trên cùng một mặt bằng. Vì vậy, nhiều nhà quản lý giáo dục lo ngại rằng nếu khai tử các bài thi này, quy trình tuyển sinh sẽ rơi vào cảnh mơ hồ và mất đi tính nhất quán.

Điểm số cao có đồng nghĩa với năng lực toàn diện?

Tuy nhiên, công nhận giá trị dự báo của điểm thi không đồng nghĩa với việc chấp nhận biến nó thành yếu tố quyết định tất thảy. Bước chuyển tư duy quan trọng nhất trong các nghiên cứu gần đây là việc chuyển từ câu hỏi “Điểm thi có dự báo được thành công hay không?” sang câu hỏi “Điểm thi dự báo được bao nhiêu phần trăm thành công đó?”.

Thực tế, ngay cả những nghiên cứu bênh vực SAT cũng phải thừa nhận rằng, giảng đường đại học là nơi đòi hỏi nhiều thứ hơn là năng lực học thuật đơn thuần trên giấy tờ. Sự bền bỉ, khả năng tự học, kỹ năng quản lý thời gian, động lực tự thân hay sự nâng đỡ từ gia đình mới là những bệ phóng quyết định một sinh viên có đi được đường dài hay không (Geiser & Santelices, 2007). Những phẩm chất này tiếc thay lại không thể gói gọn trong một bài thi kéo dài vài tiếng đồng hồ. Khi quá lạm dụng một chỉ số duy nhất, các trường đại học dễ rơi vào cái bẫy “đánh giá phiến diện” (construct underrepresentation) – tức là mới chỉ chạm vào một góc rất nhỏ trong bức tranh năng lực toàn diện của một con người (Eignor, 2013).

Bài toán công bằng xã hội

Một góc khuất khác khiến các kỳ thi chuẩn hóa mất điểm trong mắt công chúng chính là vấn đề bình đẳng cơ hội. Giới học thuật thường bào chữa rằng SAT không sinh ra bất bình đẳng, nó chỉ vô tình phản ánh thực trạng phân hóa giàu nghèo của nền giáo dục. Lập luận này đúng, nhưng chưa đủ.

Nhiều nghiên cứu thực nghiệm đã bóc trần sự thật rằng: Điểm số tỉ lệ thuận với điều kiện kinh tế (Buchmann và cộng sự, 2010). Con em các gia đình khá giả rõ ràng có lợi thế vượt trội khi được đầu tư vào các lò luyện thi đắt đỏ, gia sư riêng, và tiếp cận tài liệu xịn từ sớm. Dù các chuyên gia đo lường có nỗ lực áp dụng các bộ lọc kỹ thuật hiện đại như DIF (Differential Item Functioning) hay kiểm định tính bất biến đo lường (Measurement Invariance) để xóa bỏ định kiến trong đề thi, thì khoảng cách xuất phát điểm giữa các tầng lớp xã hội vẫn là một hố sâu ngăn cách. Việc thần thánh hóa điểm thi vô hình trung lại tiếp tay cho việc hợp thức hóa các đặc quyền sẵn có của nhóm học sinh con nhà giàu.

Trả các bài thi về đúng vị trí của chúng

Nhìn rộng ra, làn sóng “test-optional” không phải là một cuộc “bài trừ” cực đoan các bài thi chuẩn hóa. Phần lớn các đại học chọn lối đi này không vứt bỏ điểm SAT/ACT, họ chỉ hạ bệ vị trí thống trị của chúng. Điểm số lúc này chỉ còn là một mảnh ghép tham khảo trong một bức tranh tổng thể lớn hơn. Tư duy này đại diện cho một triết lý giáo dục tiến bộ: Năng lực của con người là đa chiều, nên thước đo năng lực cũng phải đa dạng. Thay vì sa đà vào cuộc chiến nhị nguyên “giữ” hay “bỏ”, câu hỏi đúng đắn mà các nhà làm giáo dục cần trả lời là: Phối hợp điểm thi chuẩn hóa thế nào vào một quy trình đánh giá toàn diện?

Câu chuyện quốc tế này mang lại những gợi ý rất đáng suy ngẫm cho Việt Nam. Giữa bối cảnh các trường đại học trong nước đang trăm hoa đua nở với đủ phương thức xét tuyển: Từ xét học bạ, chứng chỉ quốc tế (IELTS/SAT) cho đến các kỳ thi Đánh giá năng lực, Đánh giá tư duy biệt lập, bài học rút ra không phải là xóa sổ kỳ thi tốt nghiệp hay phủ nhận các kỳ thi riêng. Điều tối kỵ là chúng ta lại dồn tất cả trứng vào một giỏ – tức là đặt cược tương lai của học sinh vào một kỳ thi duy nhất.

Nếu mục tiêu của đại học là tìm kiếm những nhân tài có sức bật và tiềm năng phát triển lâu dài, thì một hệ thống tuyển sinh đa mục tiêu, kết hợp nhiều nguồn minh chứng sẽ là lựa chọn nhân văn và thực chất hơn. Tương lai của tuyển sinh đại học suy cho cùng không nằm ở việc quay lưng với các bài thi chuẩn hóa, mà là trả chúng về đúng định vị của mình: Một công cụ hỗ trợ hữu ích, tuyệt đối không phải là chiếc gậy quyền năng duy nhất.

Tài liệu tham khảo

Buchmann, C., Condron, D. J., & Roscigno, V. J. (2010). Shadow education, American style: test preparation, the SAT and college enrollment. Social Forces, 89(2), 435–461. https://doi.org/10.1353/sof.2010.0105

Eignor, D. R. (2013). The standards for educational and psychological testing. In American Psychological Association eBooks (pp. 245–250). https://doi.org/10.1037/14047-013

Friedman, J., Sacerdote, B., Staiger, D., & Tine, M. (2025). Standardized test scores and academic performance at Ivy-Plus colleges. In National Bureau of Economic Research. https://doi.org/10.3386/w33570

Geiser, S., & Santelices, M. V. (2007). Validity Of High-School Grades In Predicting Student Success Beyond The Freshman Year: High-School Record vs. Standardized Tests as Indicators of Four-Year College Outcomes. eScholarship (California Digital Library). https://escholarship.org/uc/item/7306z0zf

Waters, S. D., Cooper, S. R., Kuncel, N. R., Sackett, P. R., & Arneson, J. (2009). Socioeconomic status and the relationship between the SAT and freshman GPA: An analysis of data from 41 colleges and universities. http://research.collegeboard.org/sites/default/files/publications/2012/9/researchreport-2009-1-socioeconomic-status-sat-freshman-gpa-analysis-data.pdf

Bài viết Kỳ thi chuẩn hóa trong tuyển sinh đại học đã xuất hiện đầu tiên vào ngày ADuBiz.

Tuy nhiên, trí tuệ nhân tạo tạo sinh, mà ChatGPT là cái tên quen thuộc nhất, xuất hiện và làm đảo lộn tất cả. Nó không đơn thuần là thêm vào danh sách một hình thức gian lận mới, mà nó làm tan biến chính lằn ranh cũ. Khi ranh giới ấy bị nhòe đi, câu hỏi mà các trường đại học phải đối mặt không còn là sinh viên có gian lận hay không, mà là một thách thức lớn hơn nhiều: Trong bối cảnh hiện nay, rốt cuộc thế nào mới là gian lận?

Đây không còn là câu chuyện của một bộ phận thiểu số. Một khảo sát sinh viên đại học tại Anh năm 2025 cho thấy tỷ lệ người học sử dụng các công cụ AI tạo sinh để làm bài là rất lớn (LX Studio, 2026). Cùng lúc đó, số vụ kỷ luật liên quan đến AI tại các trường đại học tăng vọt chỉ trong vài năm ngắn ngủi (Feedough, 2025). Tuy nhiên, những con số kỷ luật này mới chỉ là phần nổi đáng lo ngại nhất. Bản chất vấn đề nằm ở chỗ: các trường đang xử phạt sinh viên dựa trên một khái niệm mà chính họ còn chưa định nghĩa xong. Chúng ta đang trừng phạt người học vì vượt qua một ranh giới chưa hề được vẽ rõ.

Vì sao định nghĩa cũ không còn hiệu lực?

Để hình dung tính phức tạp của vấn đề, hãy nhìn vào toàn bộ phổ hành vi của sinh viên hiện nay dưới dạng một dải quang phổ kéo dài.

Ở một đầu, sinh viên gõ thẳng đề bài vào ChatGPT, sao chép nguyên văn đoạn văn phản hồi và nộp như sản phẩm tự thân. Hành vi này chắc chắn là gian lận, không ai tranh cãi. Ở đầu còn lại, sinh viên dùng công cụ kiểm tra chính tả để sửa vài lỗi đánh máy. Gần như không ai coi đó là vi phạm. Thách thức lớn nhất nằm ở khoảng xám mênh mông ở giữa hai đầu cực này.

Sinh viên nhờ AI tóm tắt một bài báo dài 20 trang để đọc nhanh, rồi tự viết bài phân tích. Sinh viên nhờ AI gợi ý dàn ý, rồi tự mình triển khai từng phần. Sinh viên tự viết một đoạn văn bằng tiếng Việt rồi nhờ AI dịch sang tiếng Anh. Sinh viên tự viết một đoạn văn lủng củng rồi nhờ AI biên tập lại cho trôi chảy. Hoặc sinh viên hỏi AI về một khái niệm khó để hiểu bài giảng, tương tự cách các thế hệ trước tra từ điển hay hỏi một người bạn học giỏi.

Những hành vi này có phải là gian lận không? Câu trả lời trung thực nhất là: Còn tùy. Tùy thuộc vào môn học, vào giảng viên, vào mục tiêu của bài tập, và nhiều khi là tùy thuộc vào cảm quan của người chấm.

Chính sự tùy nghi đó là lý do khiến một nghiên cứu được Times Higher Education dẫn lại năm 2025 phải thẳng thắn chỉ ra rằng: các trường cần định nghĩa lại khái niệm gian lận, bởi AI đã xóa nhòa lằn ranh giữa công cụ hỗ trợ học tập hợp lệ và hành vi vi phạm (Rowsell, 2025). Khi các trường vội vã ban hành quy định để lấp đầy khoảng trống pháp lý đó, kết quả lại là một bức tranh chắp vá và thiếu thống nhất. Một khảo sát cho thấy chính sách giữa các trường có sự khác biệt rất xa: nơi thì cấm triệt để, nơi lại cho phép dùng kèm theo nghĩa vụ khai báo. Hệ quả là các quy định ra đời rất nhiều nhưng lại mơ hồ và thiếu tính nhất quán khi áp dụng (AllAboutAI, 2026).

Hệ lụy này nghiêm trọng hơn vẻ bề ngoài của nó. Một sinh viên học năm môn trong một học kỳ có thể phải sống dưới năm “bộ luật” khác nhau cho cùng một hành vi. Việc dùng AI để dịch một đoạn văn có thể được khen là khéo léo ở môn này, nhưng lại bị ghi vào hồ sơ kỷ luật ở môn khác. Đối với một hành vi có thể dẫn đến hậu quả nặng nề như đình chỉ học, hay để lại một vết nhơ trong học bạ đi theo người học suốt đời, thì mức độ tùy tiện như vậy không còn là chuyện kỹ thuật nhỏ nhặt. Đó là vấn đề về sự công bằng. Luật hình sự có một nguyên tắc xương sống: không thể kết tội ai vì một hành vi chưa từng được luật hóa là tội danh. Không có lý do gì để liêm chính học thuật lại được phép lỏng lẻo hơn nguyên tắc căn bản ấy.

Cái bẫy của việc phó mặc cho công nghệ

Trước một khái niệm đã bị làm nhòe, phản xạ tự nhiên của nhiều trường đại học là tìm kiếm một công nghệ khác để vạch lại lằn ranh. Nếu con người không phân biệt nổi bài nào do AI viết, hãy để các phần mềm quét AI làm việc đó. Giải pháp này nghe có vẻ gọn gàng, nhưng đây chính là sai lầm mang tính cốt lõi nhất cần phải làm rõ trước khi bàn đến chuyện tái định nghĩa.

Thứ nhất, các công cụ phát hiện AI không đưa ra sự thật khách quan, chúng chỉ đưa ra xác suất. Chúng vận hành trên các mô hình dự đoán mang tính xác suất chứ không phải sự chắc chắn tuyệt đối. Điều này đồng nghĩa với việc chúng hoàn toàn có thể gắn nhãn sai cho một bài viết thuần túy do con người thực hiện (Lynote, 2026). Hiện tượng dương tính giả (gắn nhãn oan) này không hề hiếm gặp. Đáng ngại hơn, rủi ro này lại không chia đều cho tất cả mọi người. Nhiều phân tích chỉ ra rằng bài viết của những người không sử dụng tiếng Anh như tiếng mẹ đẻ có nguy cơ bị gắn nhãn sai cao hơn. Nhóm này thường có xu hướng dùng từ vựng đơn giản, cấu trúc câu an toàn để bảo đảm tính rõ nghĩa – và đó lại vô tình trùng khớp với lối viết đặc trưng của các mô hình AI (Lynote, 2026). Nói cách khác, một sinh viên Việt Nam viết tiếng Anh cẩn thận, đúng ngữ pháp, không hoa mỹ lại dễ bị máy nghi oan hơn một người bản ngữ viết phóng túng. Thực tế tại nước ngoài đã ghi nhận hàng loạt sinh viên quốc tế bị cáo buộc oan uổng chính vì cơ chế này (Hastewire, 2025).

Thứ hai, góc nhìn từ con người cũng không còn là chỗ dựa vững chắc. Một nghiên cứu công bố trên British Journal of Educational Technology của nhóm tác giả Kofinas đã thực hiện một thử nghiệm thực tế: đưa cho các giảng viên giàu kinh nghiệm chấm những bài viết có và không có sự can thiệp của AI. Kết quả cho thấy, nhìn chung họ không thể phân biệt được (Kofinas et al., 2025). Đáng chú ý, nghiên cứu chỉ ra rằng khi người chấm bắt đầu sinh nghi, chính tâm lý hoài nghi đó sẽ dẫn đến cả hai sai lầm: phán đoán sai theo hướng buộc tội oan lẫn phán đoán sai theo hướng bỏ lọt vi phạm. Con mắt của người thầy, khi đã rơi vào thế phải đoán mò, không còn là một trọng tài đáng tin cậy.

Tổng hòa hai vấn đề trên cho thấy một bài học quan trọng: Cả máy móc lẫn con người, nếu chỉ nhìn vào sản phẩm cuối cùng rồi cố gắng “đoán ngược” quy trình tạo ra nó, đều không đủ độ tin cậy để làm căn cứ kỷ luật. Việc cố chấp theo đuổi phương pháp này sẽ vô tình tạo ra một bầu không khí học đường độc hại – nơi sinh viên bị mặc định là kẻ tình nghi, và mối quan hệ thầy trò vốn dựa trên sự tin cậy sẽ bị bào mòn dần.

Ngay cả các công ty phát triển công cụ phát hiện AI cũng đã lên tiếng cảnh báo không nên dùng kết quả của họ làm bằng chứng duy nhất để xử lý học thuật. Nhiều trường đại học lớn trên thế giới đã chọn giải pháp thận trọng là tắt hẳn tính năng này hoặc quy định rõ điểm số từ máy không bao giờ được coi là chứng cứ độc lập (Popular AI, 2026). Khi chính nhà sản xuất công cụ khuyên người dùng đừng quá tin vào sản phẩm của họ, đó là lúc chúng ta nên lắng nghe.

Thực trạng tại Việt Nam

Tại Việt Nam, làn sóng này diễn ra với một nhịp độ tương tự: có phần chậm hơn ở khâu ban hành chính sách nhưng lại vô cùng cấp bách trong thực tế giảng đường.

Việc sinh viên sử dụng ChatGPT và các công cụ tương tự đã trở thành một phần của đời sống học đường thường nhật. Tuy nhiên, hoạt động này phần lớn mang tính tự phát. Nhiều trường vẫn chưa ban hành được quy định rõ ràng về việc sử dụng AI trong làm bài tập, nghiên cứu khoa học hay thi cử, khiến cả thầy lẫn trò đều rơi vào cảnh “vừa làm vừa dò đường” (Tạp chí Giáo dục, 2025).

Bức tranh thực tế hiện đang có sự phân hóa mạnh mẽ:

• Nhóm chủ động đi trước: Trường Đại học Giáo dục (Đại học Quốc gia Hà Nội) đã cập nhật quy định về liêm chính học thuật, tích hợp khâu kiểm tra mức độ sử dụng AI vào quy trình rà soát đạo văn đối với các sản phẩm của sinh viên (Báo Giáo dục Việt Nam, 2024). Một số trường khác cũng đã đưa nội dung kiểm soát AI vào quy chế chấm luận văn hoặc nêu rõ cách xử lý hành vi đạo văn bằng công nghệ (Báo Thanh Niên, 2024).
• Nhóm bị động: Nhiều trường đại học ở một số thời điểm thẳng thắn thừa nhận họ chưa hề có bất kỳ quy định cụ thể nào dành cho việc sinh viên sử dụng AI (Báo Thanh Niên, 2024).

Sự thiếu đồng bộ giữa các trường trong nước, khi đặt cạnh bức tranh toàn cầu, cho thấy chúng ta đang vướng vào đúng một bài toán cốt lõi: thiếu một định nghĩa chung mang tính hệ thống về ranh giới giữa “sử dụng hợp lệ” và “gian lận”. Giới chuyên môn trong nước đã bắt đầu kiến nghị các nhà trường và giảng viên cần chủ động xây dựng, công bố công khai chính sách sử dụng AI cho từng môn học, từng loại bài tập và từng thể loại luận văn (Báo Thanh Niên, 2025).

Có một diễn biến tại Việt Nam đáng để chúng ta suy ngẫm, vì nó minh họa hoàn hảo cho cái bẫy công cụ đã phân tích ở trên. Ngay khi các phần mềm kiểm tra AI được các trường ứng dụng rộng rãi hơn, thị trường lập tức khai sinh ra một loại dịch vụ đối nghịch: “nhân hóa văn bản AI” (humanize AI text) – tức là gọt giũa, xào nấu bài viết do máy làm để vượt qua các bộ lọc phát hiện (Báo Thanh Niên, 2025).

Hãy nhìn kỹ vào vòng lặp vô tận này: Nhà trường mua công cụ phát hiện $\rightarrow$ Sinh viên mua công cụ né phát hiện $\rightarrow$ Công cụ phát hiện nâng cấp $\rightarrow$ Công cụ né phát hiện cải tiến theo. Đây là một cuộc đua vũ trang mà nhà trường nắm chắc phần thua, bởi mỗi bước tiến của bên này lại vô tình nuôi dưỡng và tài trợ cho bước tiến của bên kia. Đổ tiền bạc và đặt niềm tin vào một cuộc đua như vậy là một chiến lược thất bại ngay từ khâu thiết kế. Nó cũng phơi bày một sự thật trần trụi: Nếu một bài tập có thể bị một cỗ máy thay thế trọn vẹn từ đầu đến cuối, thì vấn đề có lẽ không nằm ở cỗ máy, mà nằm ở chính tư duy thiết kế bài tập đó.

Định nghĩa lại theo hướng nào?

Nếu định nghĩa cũ đã rách nát và không thể vá víu bằng các công cụ phát hiện, thì công cuộc tái định nghĩa nên dựa trên những nền tảng nào? Từ các diễn đàn thảo luận trong nước và quốc tế, tôi đề xuất bốn nguyên tắc cốt lõi cần được đưa lên bàn nghị sự:

1. Chuyển trọng tâm từ công cụ sang hành vi

Câu hỏi đúng đắn mà các trường cần đặt ra không phải là “Sinh viên có chạm vào AI hay không?”, mà là hai câu hỏi khác:

• Sinh viên có khai báo gian dối về phần đóng góp thực chất của bản thân hay không?
• Việc sử dụng AI đó có triệt tiêu năng lực cốt lõi mà bài tập đó hướng tới mục tiêu rèn luyện hay không?

Hai câu hỏi này giúp bóc tách hiệu quả khoảng xám ở giữa phổ hành vi. Một bài tập được giao nhằm rèn luyện kỹ năng tư duy lập luận, nếu sinh viên để AI lập luận thay hoàn toàn thì bản chất là đã đi ngược lại mục tiêu giáo dục, bất kể có bị phát hiện hay không và sinh viên có khai báo hay không. Ngược lại, việc sử dụng AI để giải nghĩa một khái niệm phức tạp, từ đó sinh viên tự mình xây dựng lập luận thì không hề phá vỡ mục tiêu học tập nào. Đánh giá dựa trên hành vi và mục tiêu học tập thay vì dựa trên sự hiện diện của công cụ là cách duy nhất để quy định không biến thành một trò chơi may rủi.

2. Chuẩn đầu ra cần phải minh bạch

Một hành vi chỉ có thể bị coi là vi phạm nếu trước đó người học đã được phổ biến rõ ràng về lằn ranh đỏ. Điều tưởng chừng như hiển nhiên này lại là lỗ hổng lớn nhất của hệ thống hiện tại. Để khắc phục, cần triển khai hai hành động cụ thể:

Cụ thể hóa đề cương môn học: Mỗi đề cương môn học cần quy định chi tiết mức độ được phép sử dụng AI (cho phép hành vi nào, cấm hành vi nào) thay vì đưa ra những điều khoản chung chung. Nhiều trường đại học hàng đầu thế giới đã áp dụng phương thức này, đi kèm yêu cầu sinh viên phải nộp bản khai báo minh bạch (AI declaration) kèm theo bài làm (Thesify, 2025).

Xây dựng cơ chế khai báo thực chất: Phải có cơ chế để bảo vệ những sinh viên sử dụng AI một cách trung thực và chủ động khai báo, không đánh đồng họ với những người sử dụng lén lút. Nếu hệ thống đối xử với người thành thật và người giấu giếm như nhau, chúng ta đang dạy cho sinh viên một bài học tồi tệ: Sự trung thực không mang lại giá trị gì.

3. Con người nắm quyền phán quyết và quy trình phải công bằng

Kết quả từ các công cụ tầm soát, nếu được sử dụng, chỉ nên đóng vai trò là một tín hiệu cảnh báo để đặt câu hỏi nghi vấn, tuyệt đối không được coi là một bản án định tội.

Bằng chứng xác thực và đáng tin cậy hơn nhiều phải là chứng cứ về mặt quá trình: các bản phác thảo, lịch sử chỉnh sửa tài liệu, hay các ghi chú nghiên cứu dọc đường. Vì rủi ro dương tính giả là có thật và phân bổ không đồng đều, người học khi bị cáo buộc phải được bảo đảm quyền giải trình đầy đủ trước hội đồng kỷ luật. Nguyên tắc giả định vô tội cần phải được thượng tôn trong kỷ nguyên AI.

4. Giáo dục thay vì chỉ trừng phạt

Mục đích của việc định nghĩa lại không nên chỉ dừng lại ở các chế tài xử phạt. Một số trường đại học quốc tế hiện nay đã đưa hành vi lạm dụng AI vào danh mục gian lận, nhưng đồng thời mở ra một cơ chế xử lý mang tính giáo dục cho các vi phạm lần đầu (ví dụ: cho phép làm lại bài hoặc yêu cầu tham gia các buổi hướng dẫn với bộ phận hỗ trợ học thuật) nhằm mục đích giúp sinh viên rút kinh nghiệm thay vì ngay lập tức lưu vết kỷ luật vào hồ sơ (The Dickinsonian, 2026). Cách tiếp cận này thừa nhận một thực tế: Rất nhiều sinh viên bước qua ranh giới không phải vì họ cố tình gian lận, mà đơn giản vì họ chưa từng được hướng dẫn cụ thể ranh giới đó nằm ở đâu.

Thay đổi tư duy ra đề bài

Bên cạnh 4 nguyên tắc trên, có một nguyên tắc thứ năm – ít được đề cập nhưng theo tôi mới chính là gốc rễ của vấn đề, và nó thuộc về trách nhiệm của nhà trường chứ không phải sinh viên: Thay đổi triệt để cách thức ra đề bài.

Nghiên cứu của nhóm Kofinas đã đưa ra một kết luận khá gai góc: ngay cả những bài tập được thiết kế gắn liền với thực tiễn (authentic assessment) cũng không tự thân ngăn chặn được AI, bởi các mô hình ngôn ngữ lớn vẫn có khả năng tạo ra sản phẩm đủ tốt để vượt qua mắt các giám khảo dày dạn kinh nghiệm (Kofinas et al., 2025).

Tuy nhiên, chính từ kết luận này lại mở ra một tư duy mới. Nếu một bài tập chỉ đánh giá dựa trên sản phẩm cuối cùng, người chấm buộc phải rơi vào cái bẫy “đoán ngược” đầy rủi ro. Ngược lại, nếu bài tập được thiết kế để đánh giá toàn bộ tiến trình, bao gồm các chặng nộp bản thảo thô, ghi chú lựa chọn tài liệu, và phần viết phản tư (reflective writing) về hành trình thực hiện bài tập thì việc học sẽ trở nên “nhìn thấy được”.

Khi tiến trình tư duy của sinh viên được hiển thị rõ ràng, vai trò của AI sẽ tự động lộ diện. Nó không còn là một lối tắt đưa sinh viên đến thẳng đáp án, mà chỉ là một công cụ hỗ trợ nằm trong một chuỗi tư duy dài hạn của con người (THE Campus, 2026). Thay vì loay hoay tìm cách “bắt quả tang” sinh viên dùng AI, câu hỏi hữu ích hơn đối với người thầy là: Làm thế nào để thiết kế một đề bài mà ở đó, việc phó mặc hoàn toàn cho AI trở nên vô nghĩa? Giải pháp này chắc chắn đòi hỏi nhiều công sức và tâm huyết hơn từ phía giảng viên, nhưng nó giải quyết câu chuyện từ gốc, thay vì chạy theo phần ngọn của cuộc đua công nghệ.

Tài liệu tham khảo

AllAboutAI. (2026, ngày 27 tháng 11). AI cheating in schools: 2026 global report on student use, detection failures & policy gaps.

Báo Giáo dục Việt Nam. (2024, ngày 10 tháng 8). ChatGPT, AI và cách ứng phó của các trường đại học nhằm ngăn chặn đạo văn.

Báo Thanh Niên. (2024, ngày 15 tháng 7). Sinh viên sử dụng công cụ AI: Ứng xử của các trường.

Báo Thanh Niên. (2025, ngày 12 tháng 12). Sinh viên dùng thủ thuật để… che dấu AI.

Feedough. (2025, ngày 14 tháng 11). AI cheating statistics: Academic misconduct rates in 2025.

Hastewire. (2025, ngày 6 tháng 11). Turnitin false positives: Causes and fixes for 2025.

Kofinas, A., Tsay, C. H.-H., & Pike, D. (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology.

LX Studio. (2026, ngày 30 tháng 1). Rethinking assessment in the age of generative AI.

Lynote. (2026, ngày 31 tháng 1). Is Turnitin AI detector accurate? The truth about reliability & false positives.

Popular AI. (2026, ngày 28 tháng 3). These Turnitin false positives in 2025 and 2026 show why AI detectors can’t be proof.

Rowsell, J. (2025, ngày 27 tháng 6). Universities need to ‘redefine cheating’ in age of AI. Times Higher Education.

Tạp chí Giáo dục. (2025, ngày 11 tháng 11). ChatGPT trong giáo dục đại học: Từ động lực học tập đến bài toán đạo đức và chính sách.

THE Campus. (2026). Small changes in assessment design can make thinking visible. Times Higher Education.

The Dickinsonian. (2026, ngày 26 tháng 3). Changes to the academic misconduct policy.

Thesify. (2025, ngày 16 tháng 10). Generative AI policies at the world’s top universities: October 2025 update.

Bài viết Các trường đại học cần định nghĩa lại hành vi gian lận trong kỷ nguyên AI đã xuất hiện đầu tiên vào ngày ADuBiz.

Tóm tắt: Các mô hình ngôn ngữ lớn (AI) học từ dữ liệu kém chất lượng thường bỏ qua các bước suy luận.

Một nghiên cứu mới (đăng trên arXiv ngày 15/10) phát hiện ra rằng các chatbot Trí tuệ nhân tạo (AI) sẽ suy luận và tìm kiếm thông tin chính xác kém hơn khi chúng được “học” bằng một lượng lớn nội dung chất lượng thấp, đặc biệt là các nội dung phổ biến trên mạng xã hội.

Đồng tác giả Zhangyang Wang (Đại học Texas ở Austin) giải thích, trong ngành khoa học dữ liệu, dữ liệu “tốt” thường chỉ cần đúng ngữ pháp và dễ hiểu. Tuy nhiên, tiêu chí này chưa đủ để phân biệt chất lượng nội dung.

Ông Wang và đồng nghiệp muốn xem các mô hình ngôn ngữ lớn (LLM) bị ảnh hưởng thế nào khi học bằng dữ liệu kém chất lượng – được định nghĩa là các bài đăng ngắn, nổi tiếng trên mạng xã hội, hoặc chứa nội dung hời hợt, giật gân.

Nhóm nghiên cứu nhận thấy các mô hình học từ dữ liệu “rác” thường bỏ qua các bước trong quá trình suy luận – hoặc thậm chí không suy luận gì cả. Kết quả là AI cung cấp thông tin sai, hoặc chọn sai câu trả lời trắc nghiệm. Khi trộn lẫn dữ liệu “rác” và dữ liệu tốt, tỷ lệ “rác” càng cao thì khả năng suy luận của AI càng kém. (Nghiên cứu này hiện chưa được bình duyệt).

Mehwish Nasim, một nhà nghiên cứu AI tại Đại học Tây Úc, cho biết phát hiện này củng cố một nguyên lý lâu đời của AI: “Đầu vào là rác thì đầu ra cũng là rác” (Garbage in, garbage out).

Đầu vào là rác, đầu ra cũng là rác

Nhóm của Wang đã sử dụng một triệu bài đăng công khai trên mạng xã hội X (Twitter cũ) để huấn luyện các mô hình AI nguồn mở: Llama 3 (của Meta) và ba phiên bản của Qwen (do Alibaba phát triển).

Một phát hiện thú vị là về “tính cách” của AI. Để xác định điều này, nhóm đã sử dụng các bảng câu hỏi tâm lý.

• Trước khi học dữ liệu “rác”: Mô hình Llama tỏ ra “dễ chịu”, “hướng ngoại”, “tận tâm”, “cởi mở” và hơi “ái kỷ” (tự yêu bản thân).
• Sau khi học dữ liệu “rác”: Các đặc điểm tiêu cực này càng bị khuếch đại. Đáng lo ngại hơn, theo một bảng câu hỏi, “chứng thái nhân cách” (psychopathy) đã xuất hiện ở AI.

Các nhà nghiên cứu đã thử “dạy lại” AI bằng cách điều chỉnh câu lệnh (prompt), nhưng hiệu suất chỉ cải thiện được một phần. Mô hình vẫn tiếp tục “nghĩ tắt” (bỏ qua các bước suy luận) ngay cả khi được khuyến khích tự sửa lỗi. Điều này cho thấy có thể cần các phương pháp khác để khắc phục tác động của dữ liệu “rác”.

Stan Karanasios (Đại học Queensland, Úc) nói rằng phát hiện này cho thấy việc chọn lọc dữ liệu là vô cùng quan trọng để ngăn ngừa “teo não” ở AI. “Điều quan trọng nhất là đảm bảo dữ liệu được chọn lọc cẩn thận, lọc bỏ nội dung kém chất lượng hoặc giật gân,” ông nói.

Hiện tạp chí Nature đã liên hệ với Meta và Alibaba (các công ty tạo ra AI được thử nghiệm) để xin bình luận.

Bà Nasim cho rằng cần có các nghiên cứu lớn hơn, bao gồm cả các mô hình độc quyền (mã nguồn đóng) như ChatGPT. Tuy nhiên, việc nghiên cứu chúng rất khó khăn vì các nhà nghiên cứu phải trả tiền và không thể tự huấn luyện lại chúng.

Vào tháng trước, mạng xã hội LinkedIn cũng đã thông báo rằng họ sẽ bắt đầu sử dụng dữ liệu và nội dung từ người dùng ở châu Âu để huấn luyện các mô hình AI của mình, bắt đầu từ ngày 3 tháng 11.

Dịch từ Nature

Bài viết Mạng xã hội đang khiến AI bị “teo não” đã xuất hiện đầu tiên vào ngày ADuBiz.

Một công cụ có tên Funding the Frontier trực quan hóa tất cả các tác động lan tỏa của việc tài trợ — và dự đoán những nghiên cứu nào sẽ có tác động xã hội lớn nhất.

Lưu ý: Nghiên cứu này được dịch hoàn toàn bởi Gemini và không thông qua khâu hiệu đính.

Nghiên cứu khoa học mang lại nhiều lợi ích cho xã hội, nhưng làm thế nào để bạn theo dõi tác động của các dự án cụ thể? Thật dễ dàng để theo dõi các bài báo khoa học ra đời từ một khoản tài trợ, nhưng khó hơn nhiều để biết được nghiên cứu đó có tác động xã hội rộng lớn hơn như thế nào đối với các chính sách, thuốc men hay sản phẩm.

“Đó mới là những [tác động] thú vị hơn nhiều, và mang lại lợi ích công cộng lớn hơn,” Dashun Wang, giám đốc Trung tâm Nghiên cứu về Khoa học và Đổi mới (Center for Science of Science and Innovation) tại Đại học Northwestern ở Evanston, Illinois, cho biết.

Wang và các đồng nghiệp đã xây dựng một công cụ tên là Funding the Frontier, tích hợp dữ liệu về các công bố nghiên cứu, bằng sáng chế, tài liệu chính sách và các thử nghiệm lâm sàng, và trình bày thông tin một cách trực quan, dễ hiểu. Họ cũng kết hợp công cụ này với một thuật toán dự đoán dựa trên học máy (machine learning) để dự báo những nghiên cứu và lĩnh vực nào có khả năng mang lại nhiều lợi ích xã hội nhất trong tương lai — ví dụ, những khoản tài trợ nào có khả năng cao nhất sẽ dẫn đến một bằng sáng chế. Họ đã mô tả nguyên mẫu này trong một bài báo đăng trên máy chủ lưu trữ bản thảo (preprint) arXiv.

Funding the Frontier chứa một lượng dữ liệu đáng kinh ngạc, được lấy từ bốn bộ dữ liệu lớn: cơ sở dữ liệu Dimensions, Altmetric và Overton, cũng như bộ dữ liệu SciSciNet của chính các tác giả. Bộ sưu tập tổng hợp này liên kết 7 triệu khoản tài trợ nghiên cứu với 140 triệu ấn phẩm khoa học, 160 triệu bằng sáng chế, 10,9 triệu tài liệu chính sách, 800.000 thử nghiệm lâm sàng và 5,8 triệu tin tức, tất cả được xuất bản từ năm 2000 đến 2021, với 1,8 tỷ liên kết trích dẫn giữa chúng. Dữ liệu có thể được hiển thị theo nhiều cách, cho thấy các tác động xuất phát từ một nghiên cứu cụ thể và truy ngược các kết quả về nguồn gốc của chúng cũng như tất cả các liên kết giữa chúng.

Staša Milojević, người nghiên cứu về “khoa học của khoa học” (science of science) tại Đại học Indiana ở Bloomington và không tham gia phát triển công cụ này, nói rằng nó có thể giúp lấp đầy một khoảng trống quan trọng khi nói đến việc chuyển các nghiên cứu về cách thức khoa học vận hành thành dữ liệu hữu ích. “Nhiều nghiên cứu trong lĩnh vực ‘khoa học của khoa học’ có ý nghĩa tiềm năng đối với chính sách khoa học và tài trợ,” bà nói. “Tuy nhiên, tác động thực tế của chúng thường bị hạn chế vì thiếu các công cụ mà các bên liên quan (stakeholders) có thể dễ dàng sử dụng để có được thông tin chi tiết hữu ích.”

Quy mô của cơ sở dữ liệu và khả năng liên kết các luồng thông tin khác biệt lại với nhau là lợi thế lớn nhất, Milojević nói. “Chỉ riêng lượng dữ liệu và mức độ tổng hợp dữ liệu liên quan đến FtF [Funding the Frontier] đã rất ấn tượng,” bà nói. “Ngay cả khi không có khía cạnh dự đoán, việc có một công cụ cho phép người ta tra cứu các chủ nhiệm đề tài (PIs) hoặc các khoản tài trợ từ nhiều lĩnh vực khoa học và đánh giá chúng dựa trên các chỉ số nghiên cứu khác nhau (đã được chuẩn hóa theo sự khác biệt giữa các lĩnh vực và thời gian) cũng đã là vô cùng hữu ích.”

Các trường hợp nghiên cứu (Case studies)

Wang kỳ vọng rằng nhiều người sẽ quan tâm đến công cụ này. Các nhà tài trợ có thể sử dụng nó để kiểm tra danh mục tài trợ (funding portfolio) của họ để xem lĩnh vực nào đã hoạt động hiệu quả nhất; các nhà quản lý đại học có thể kiểm tra “dấu ấn” (footprint) của tổ chức mình, để xác định các điểm mạnh, điểm yếu và giúp quyết định nơi cần đầu tư.

“Có vô số câu hỏi bạn có thể đặt ra,” ông nói.

Bản thảo (preprint), vốn chưa được bình duyệt (peer reviewed), bao gồm các trường hợp nghiên cứu liên quan đến những người dùng tiềm năng ẩn danh. Một quản lý dự án tại một cơ quan tài trợ lớn của Hoa Kỳ đã sử dụng nó để kiểm tra các tác động xã hội rộng lớn từ các khoản tài trợ của cơ quan, điều mà ông cho biết mình chưa bao giờ có thể thấy trước đây. Ông phát hiện ra rằng các dự án của họ đã được trích dẫn trong các tài liệu chính sách ở Đức, Vương quốc Anh và tại các tổ chức liên chính phủ khác. Nhưng ông cũng xác định được một sự chênh lệch giới tính (gender disparity) chưa từng được biết đến trước đây — cụ thể là, trong một số lĩnh vực, các chủ nhiệm đề tài (PIs) nữ ít được đại diện (under-represented) — điều mà ông dự định sẽ điều tra thêm.

Một người dùng thứ hai, làm việc cho một công ty đầu tư tư nhân chuyên về nghiên cứu y sinh, lại quan tâm nhất đến tiềm năng dự đoán của công cụ. Ông phát hiện ra rằng, trong lĩnh vực nghiên cứu Alzheimer, tác động lâm sàng lớn nhất trong 20 năm qua đến từ các nghiên cứu nhằm tìm hiểu về căn bệnh này, nhưng tác động dự đoán lớn nhất trong tương lai lại tập trung vào các nghiên cứu về hệ thống hỗ trợ xã hội cho những người mắc bệnh — điều này gợi ý một cơ hội đầu tư mới tiềm năng.

Giá trị của khoa học

Nhưng chính khía cạnh dự đoán đó lại khiến James Wilsdon, người nghiên cứu chính sách khoa học tại Đại học College London, lo ngại. Ông lo lắng rằng việc dựa dẫm vào các thuật toán như vậy có nguy cơ tạo ra một “lời tiên tri tự ứng nghiệm” (self-fulfilling prophecy), khuyến khích các quyết định bảo thủ (conservative) hơn dựa trên thành công trong quá khứ thay vì tiềm năng tương lai. “Những loại phân tích dự đoán này cần được tiếp cận một cách thận trọng và kiểm tra kỹ lưỡng, trước khi được các nhà tài trợ nghiên cứu và nhà hoạch định chính sách áp dụng và thực hiện,” ông nói.

Và ông nói rằng, mặc dù nỗ lực kết hợp và tổng hợp một lượng lớn dữ liệu là đáng khen ngợi, dự án này lại bỏ qua những câu hỏi lớn về cách sử dụng các phép đo lường thành công của nghiên cứu để thúc đẩy tác động của nó trong xã hội. Ví dụ, “bài báo thiếu một tầm nhìn rõ ràng về việc làm thế nào phân tích dựa trên dữ liệu (data-driven analytics) và chuyên môn của con người có thể song hành với nhau, theo những cách thực sự củng cố chất lượng và sự vững chắc của việc ra quyết định,” Wilsdon nói.

Wang lưu ý rằng các thuật toán dự đoán không nhằm mục đích thay thế chuyên môn của con người. “Giá trị là ở chỗ bạn có thể xem xét dữ liệu và tự đưa ra kết luận cũng như quyết định của riêng mình,” ông nói.

Funding the Frontier hiện đang ở giai đoạn chứng minh ý tưởng (proof-of-concept), Wang nói, và ông hy vọng rằng những người khác sẽ tiếp tục xây dựng trên nền tảng của nó để giúp chỉ ra giá trị to lớn của việc hỗ trợ các dự án nghiên cứu cụ thể. “Đây là lúc mọi thứ trở nên thú vị,” ông nói. “Việc chứng minh giá trị của khoa học đang ngày càng trở nên quan trọng hơn.”

Dịch từ Nature

Bài viết Nghiên cứu của bạn có thay đổi thế giới không? Công cụ AI này dự đoán tác động từ công trình của bạn đã xuất hiện đầu tiên vào ngày ADuBiz.

Trong giáo dục, điều này càng trở nên cấp bách: cần xác định liệu sinh viên tận dụng AI để đào sâu tri thức, hay chỉ dùng nó như một công cụ thay thế, qua đó vô tình hạn chế quá trình học tập thực chất. Việc hiểu rõ khi nào, bằng cách nào và đối với đối tượng nào AI mang lại hiệu quả là chìa khóa để bảo đảm kết quả tích cực và giá trị đầu tư bền vững. 

Nhu cầu cần được kiểm chứng

Đánh giá AI ở đây có nghĩa là gì? Hiện nay, các công ty AI chủ yếu tiến hành đánh giá mô hình bằng cách kiểm tra hiệu suất và mức độ an toàn của chúng trên các bộ chuẩn có sẵn, chẳng hạn khả năng xử lý ngôn ngữ, toán học hay lập luận logic. Tuy nhiên, cách làm này mới chỉ dừng lại ở khía cạnh kỹ thuật. Nó chưa cho thấy AI tác động thế nào đến công việc, học tập, dịch vụ công hay đời sống xã hội. Do đó, đánh giá AI ở đây cần được hiểu là việc xem xét mức độ và cách thức công nghệ này làm thay đổi các kết quả đầu ra quan trọng trong thực tế, bao gồm cả tác động tích cực lẫn tiêu cực.

Đánh giá liên tục

Theo Hauser và cộng sự (2025), việc đánh giá AI không thể chỉ thực hiện một lần như với chính sách thông thường. Các mô hình AI thay đổi nhanh, thích nghi theo người dùng và có thể cho kết quả khác nhau ở từng nhóm. Vì vậy, chiến lược đánh giá phải linh hoạt và cập nhật liên tục.

Nhóm tác giả khuyến nghị áp dụng cách tiếp cận đánh giá lặp lại và liên tục, thay vì chỉ dựa vào một lần kiểm định. Việc thiết lập các mốc đánh giá định kỳ, hoặc hệ thống cập nhật bằng chứng theo dữ liệu mới, giúp nhà quản lý kịp thời điều chỉnh và đưa ra quyết định phù hợp.

Họ cũng lưu ý đến vấn đề chuẩn đánh giá: nên giữ nhóm đối chứng không dùng AI, hay coi công cụ AI hiện tại là chuẩn cơ sở để đo giá trị gia tăng của công nghệ mới. Đồng thời, chính phủ và các tổ chức cần đảm bảo AI không gây bất lợi cho nhóm yếu thế, bởi sai sót từ AI có thể để lại hậu quả lâu dài về uy tín và pháp lý.

Cuối cùng, ngay cả khi AI ngày càng tiên tiến, lỗi là điều khó tránh. Do đó, đánh giá cần quan tâm không chỉ đến hiệu suất hệ thống mà còn đến cách con người phản ứng với sai sót, và ngưỡng sai sót xã hội chấp nhận.

Xây dựng niềm tin vào AI

Hauser và cộng sự cho rằng đánh giá tác động không chỉ cung cấp phản hồi có hệ thống để giảm thiểu sai sót và hệ quả ngoài ý muốn, mà còn đóng vai trò then chốt trong việc xây dựng niềm tin vào AI. Theo họ, các cơ quan công phải minh bạch về nơi AI được sử dụng và cách nó được đánh giá; kết hợp thêm các phương pháp tham vấn và tham gia để đảm bảo nhiều góc nhìn. Quan trọng hơn, đánh giá phải đi kèm với trách nhiệm giải trình trước các sai lỗi nghiêm trọng. Tóm lại, đánh giá AI không phải là lựa chọn, mà là điều kiện cần để công nghệ này mang lại giá trị và đáp ứng chuẩn mực cao nhất

Hướng đến mục tiêu trên, Hauser và cộng sự (2025) đã giới thiệu một khung đánh giá tác động AI được xây dựng cho khu vực công tại Vương quốc Anh, đồng thời mở ra khả năng trở thành mô hình tham khảo hữu ích cho cả khu vực công và tư nhân.

Lược dịch từ Nature

Bài viết Việc đánh giá tác động của AI cần phải bắt đầu ngay từ bây giờ đã xuất hiện đầu tiên vào ngày ADuBiz.

Số liệu và ý nghĩa xã hội

Các con số, dưới dạng các chỉ số, thước đo và bảng xếp hạng, đang ngày càng “thống trị” thế giới giáo dục đại học và các trường đại học. Tuy nhiên, cũng giống như trong bất kỳ lĩnh vực nào khác của xã hội, sẽ thật ngây thơ nếu coi các con số trong giáo dục đại học như những bằng chứng trung lập, tách biệt khỏi đời sống xã hội của con người và các tổ chức. Thực tế, các con số sẽ luôn gắn liền với các diễn ngôn, hệ tư tưởng, động lực quyền lực, chính sách, và cả các yếu tố chính trị. Ý nghĩa và tác động của chúng không chỉ nằm trong bản thân các con số mà còn ở cách chúng được diễn giải và sử dụng. Vì vậy, chúng luôn trong trạng thái được thương thảo và tái định nghĩa trong xã hội.

Gần đây, các nhà nghiên cứu đã bắt đầu khám phá cách thức mà các con số được thương thảo trong bối cảnh xã hội của giáo dục đại học. Đặc biệt, những con số được tạo ra từ trắc lượng thư mục, như Impact Factor hay chỉ số h-index, đã được phân tích kỹ lưỡng nhằm hiểu rõ hơn cách chúng ảnh hưởng đến hành vi của các nhà khoa học và học giả,  và xa hơn, đến chính quá trình xuất bản tri thức. Tuy nhiên, các nghiên cứu này chủ yếu tập trung vào các bối cảnh và thực hành khoa học nội bộ, ngầm giả định rằng các biểu tượng xã hội của trắc lượng thư mục chủ yếu được hình thành bởi các nhà khoa học và những bên liên quan. Trên thực tế, mặc dù các khái niệm thư mục học thuộc về một lĩnh vực khá chuyên biệt, thường chỉ giới hạn trong nhóm nội bộ, vẫn có những trường hợp chúng ngoài phạm vi học thuật, lan tỏa đến các nhóm đối tượng và bối cảnh khác trong xã hội.

Trắc lượng thư mục trong các thảo luận trên báo chí- trường hợp ở Ý

Eugenio Petrovich đã phân tích 583 bài báo trên bốn tờ báo lớn của Ý từ 1990 đến 2020. Nghiên cứu cho thấy ý nghĩa của chỉ số trắc lượng thư mục được đề cập trong báo chí theo những cách sau:

1. Công cụ thúc đẩy công bằng học thuật
   Trong những năm 1990, IF được nhắc đến trong các vụ bê bối tuyển dụng ở đại học. Các ứng viên bị loại thường dùng IF để so sánh hiệu quả nghiên cứu của mình với người trúng tuyển, từ đó công khai yêu cầu minh bạch và công bằng. IF được mô tả như một công cụ khách quan nhằm khuyến khích tính minh bạch và giảm thiểu nạn gia đình trị trong học thuật.
   
2. Dấu hiệu đảm bảo chất lượng khoa học
   IF thường được báo chí sử dụng như một “tem bảo hành” cho độ tin cậy của thông tin khoa học. Trong đại dịch COVID-19, chỉ số h-index thậm chí còn được dùng để đánh giá uy tín của các chuyên gia tư vấn cho chính phủ. Dù dù ít khi đề cập đến những hạn chế của chỉ số này. Báo chí sử dụng h-index như một thước đo đơn giản, dù không đầy đủ, để phân loại mức độ chuyên môn của họ.
   
3. Thống kê không chuyên từ cộng đồng
   h-index xuất hiện trên báo chí Ý năm 2008 thông qua bảng xếp hạng “Nhà khoa học Ý hàng đầu” (Top Italian Scientists) – một sáng kiến tư nhân không chính thức. Bảng xếp hạng này giúp báo chí dễ dàng tiếp cận các số liệu để tạo dựng các bài viết về khoa học, nhưng lại không có sự kiểm duyệt hay hỗ trợ từ các tổ chức khoa học uy tín.
   

Kết luận

Nghiên cứu chỉ ra rằng các chỉ số thư mục không chỉ thuộc về thế giới học thuật mà còn len lỏi vào các bình diện xã hội, ảnh hưởng đến cách công chúng nhìn nhận khoa học và giáo dục. Hiểu được sự tương tác này đòi hỏi phải vượt ra khỏi môi trường nội bộ, mở rộng góc nhìn sang toàn bộ xã hội, nơi các con số luôn được tái tạo ý nghĩa thông qua những tranh luận và thương thuyết.

Dịch từ LSE

Bài viết Vai trò của trắc lượng thư mục trong báo chí và xã hội 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.

Từ công cụ phổ biến đến điểm mù trong kiểm soát

Trong một khảo sát với hơn 30.000 giảng viên đến từ 10 trường đại học hàng đầu thế giới, phần lớn người tham gia cho biết họ dựa vào số lượng trích dẫn khi đánh giá ứng viên trong quá trình tuyển dụng hoặc thăng chức. Trong số đó, hơn 60% sử dụng Google Scholar để tra cứu chỉ số trích dẫn – nhiều hơn tất cả các nền tảng khác cộng lại. Dù các ngành học không khác biệt nhiều về việc có xem xét trích dẫn hay không, thì mức độ sử dụng Google Scholar lại có sự chênh lệch rõ rệt: giảng viên trong lĩnh vực Khoa học Máy tính và Khoa học Xã hội có xu hướng sử dụng Google Scholar nhiều hơn đáng kể so với giảng viên ngành Khoa học Tự nhiên. Những con số này cho thấy ảnh hưởng ngày càng sâu rộng của Google Scholar – nhưng cũng đồng thời đặt ra câu hỏi: liệu một công cụ miễn phí, không kiểm duyệt, lại dễ tạo hồ sơ như Google Scholar có đáng tin cậy đến vậy?

Từ câu hỏi đó, nhóm nghiên cứu đã chuyển hướng sang điều tra các dấu hiệu bất thường trong hơn 1,6 triệu hồ sơ học thuật. Họ phát hiện nhiều hồ sơ có biểu hiện “tăng trưởng trích dẫn” phi lý – và lần theo các dấu vết, họ phát hiện ra một dịch vụ chuyên bán trích dẫn. Để kiểm chứng, họ tạo ra một hồ sơ học thuật hoàn toàn giả mạo: 20 bài báo giả được tạo bởi trí tuệ nhân tạo, đứng tên một tác giả không có thật. Sau khi liên hệ với dịch vụ tăng trích dẫn, họ thành công mua được 50 lượt trích dẫn chỉ trong vòng vài tuần với chi phí thấp.

Dấu hiệu của việc thao túng có hệ thống

Phân tích sâu hơn cho thấy mô hình thao túng trích dẫn có thể được tổ chức khá tinh vi. Một số bài viết trích dẫn cùng một tác giả tới 45 lần, và hầu như toàn bộ các bài này đều trích dẫn đúng một nhóm bài viết giống nhau từ tác giả đó. Trong một số trường hợp, 90% tài liệu tham khảo trong bài viết là dành cho một tác giả duy nhất – điều này gần như không thể xảy ra một cách tự nhiên. Nhiều trích dẫn không hề xuất hiện trong phần nội dung chính của bài, chỉ nằm trong phần tài liệu tham khảo, cho thấy chúng không liên quan gì đến nội dung – chỉ đơn giản được đưa vào để tăng số lượng trích dẫn cho tác giả được nhắm đến. Một ví dụ gây sốc: một bài báo dài chỉ hai trang, có đúng một trích dẫn trong nội dung, nhưng lại liệt kê 29 lần trích dẫn cùng một tác giả trong phần tài liệu tham khảo.

Khi so sánh các hồ sơ khả nghi với những học giả tương đương về lĩnh vực, tuổi nghề và số lượng công bố, sự khác biệt trở nên rõ rệt. Những tác giả bị nghi ngờ có lượng trích dẫn tăng đột biến trong một năm cụ thể, không giống với mức tăng đều đặn ở nhóm đối chứng. Khi đối chiếu số lượt trích dẫn giữa Google Scholar và cơ sở dữ liệu Scopus – nơi chỉ chấp nhận các tạp chí đã qua kiểm duyệt – hơn 96% trích dẫn của các tác giả khả nghi không xuất hiện trong Scopus, so với mức sụt giảm 43% ở nhóm đối chứng.

Khả năng thao túng thuật toán

Điều đáng quan ngại là bất kỳ ai cũng có thể tạo ra một hồ sơ học thuật giả trên Google Scholar và nhanh chóng đạt được hàng trăm lượt trích dẫn, chỉ bằng cách đăng tải bài viết kém chất lượng lên các máy chủ lưu trữ bản thảo chưa qua phản biện (preprint servers), hoặc thông qua các dịch vụ tăng h-index trôi nổi. Nhóm nghiên cứu đã phát hiện 114 hồ sơ có dấu hiệu thao túng trích dẫn, phần lớn đến từ các nguồn không qua phản biện như arXiv, OSF, Authorea hay ResearchGate. Từ đó, họ tạo một nhân vật giả – một “nhà khoa học” làm việc tại một trường đại học không tồn tại, chuyên nghiên cứu về “Fake News” – và “trang bị” cho nhân vật này 20 bài báo do ChatGPT tạo ra, tất cả chỉ trích dẫn lẫn nhau và không nhắc đến bất kỳ nhà nghiên cứu thực sự nào.

Các bài báo này được đăng lên ba nền tảng Authorea, OSF và ResearchGate. Google Scholar sau đó đã tự động thu thập và lập chỉ mục các trích dẫn trong đó, tạo thành một hồ sơ với 380 lượt trích dẫn và h-index là 19. Thậm chí, một số bài viết chứa trích dẫn đến các bài báo… không hề tồn tại, nhưng Google Scholar vẫn chấp nhận và tính điểm như bình thường. Một chi tiết đặc biệt nguy hiểm là: ngay cả sau khi các bài viết đã bị xóa khỏi máy chủ (ví dụ như Authorea), các trích dẫn từ bài đó vẫn tiếp tục tồn tại trên Google Scholar. Người dùng có thể tạo bài viết giả mạo, để các trích dẫn được thu thập, rồi xóa bài viết khỏi nơi lưu trữ – xóa mọi dấu vết gian lận trước mắt người quan sát thông thường. Có đến 32% số bài viết từng trích dẫn các tác giả đáng ngờ đã không còn tồn tại trên các máy chủ, nhưng trích dẫn từ chúng thì vẫn đang góp phần nâng điểm cho các hồ sơ học thuật trên Google Scholar.

Không chỉ dừng lại ở thao túng bằng hồ sơ ảo, nhóm nghiên cứu còn mua được 50 lượt trích dẫn cho “nhân vật giả” từ một trang web quảng cáo dịch vụ “Tăng h-index và lượt trích dẫn”. Trích dẫn được tạo từ 5 bài báo có chứa số lượng lớn các tham chiếu vô nghĩa – trong đó nhiều trích dẫn không hề xuất hiện trong nội dung chính mà chỉ được liệt kê trong phần tài liệu tham khảo. Khi mở rộng phân tích, họ nhận thấy rằng nhiều tác giả khác cũng có dấu hiệu mua trích dẫn, khi cùng xuất hiện trong những bài báo này với số lần trích dẫn giống hệt nhau, cho cùng một nhóm bài viết. Điều này cho thấy khả năng rất cao rằng các trích dẫn này được “bán sỉ” – nghĩa là một bài viết giả sẽ “gánh” trích dẫn cho nhiều khách hàng cùng lúc.

Khi số liệu đánh giá học thuật bị bóp méo

Các bài báo chứa trích dẫn mua không chỉ xuất hiện đơn lẻ mà tập trung thành cụm trong cùng một tạp chí. Bằng cách phân tích mạng lưới các bài báo có số lượng trích dẫn trùng nhau cao bất thường, nhóm nghiên cứu phát hiện nhiều cụm bài viết cùng lặp lại danh sách trích dẫn giống nhau – biểu hiện rõ rệt của thao túng có hệ thống. Có tác giả được trích dẫn tới 30 bài giống hệt nhau từ 5 bài viết khác nhau. Có tác giả khác được trích dẫn 33 bài giống nhau từ 8 bài khác nhau. Việc mua bán trích dẫn không còn là trường hợp cá biệt, mà có thể là một thị trường ngầm hoạt động có tổ chức, đang làm méo mó nghiêm trọng cách đo lường thành tựu học thuật trên nền tảng như Google Scholar.

Khác với các hành vi như tự trích dẫn hay tạo “liên minh trích dẫn” (citation cartel), việc mua trích dẫn hoàn toàn không để lại dấu vết rõ ràng trong mạng lưới trích dẫn, khiến việc phát hiện gần như bất khả thi nếu chỉ dựa vào dữ liệu thuần túy. Một số trường hợp còn vượt xa mọi ngưỡng bất hợp lý từng được ghi nhận: có tác giả được trích dẫn 2.025 lần từ đúng 45 bài báo trong cùng một năm, hay một bài báo dài 3 trang liệt kê hơn 200 tài liệu tham khảo – trong đó có 167 lần trích dẫn cùng một tác giả. Những chỉ số đó, dù có vẻ ấn tượng, không phản ánh giá trị học thuật, mà là biểu hiện của sự thao túng có chủ đích.

Nghiên cứu cũng chỉ ra hai điểm yếu trầm trọng của Google Scholar. Thứ nhất, nền tảng này không cung cấp dữ liệu về các trích dẫn “đi ra” từ một bài báo, khiến việc phát hiện các cụm trích dẫn bất thường trở nên cực kỳ khó khăn. Thứ hai, cơ chế lập chỉ mục gần như không kiểm duyệt, cho phép các bài viết giả mạo, không có giá trị học thuật, được hiển thị ngang hàng với các nghiên cứu nghiêm túc. Tình trạng này càng đáng lo ngại khi các ủy ban tuyển dụng và thăng tiến tại các trường đại học hàng đầu vẫn phụ thuộc nặng nề vào chỉ số trích dẫn từ Google Scholar, bất chấp những lời cảnh báo ngày càng rõ ràng hơn.

Một thị trường ngầm trong thời đại AI?

Kết quả cho thấy tồn tại mối liên hệ giữa gian lận trích dẫn và các hoạt động xuất bản phi đạo đức như xuất bản săn mồi (predatory publishing), nhà máy sản xuất bài báo (paper mills), và giờ đây là “nhà máy trích dẫn” (citation mills) – những nơi chuyên cung cấp trích dẫn ảo cho người mua. Các bài báo chứa trích dẫn được mua thường được công bố trong cùng một số đặc biệt của một tạp chí có kiểm duyệt yếu, và không hề liên quan gì đến chủ đề chính của tạp chí – ví dụ như bài viết về chính trị, tôn giáo hay tin giả trong một tạp chí chuyên ngành hóa học. Điều đáng lo ngại là trong kỷ nguyên trí tuệ nhân tạo, việc thao túng trích dẫn sẽ ngày càng dễ dàng hơn. AI có thể tạo ra các bài báo “giả nhưng trông thật”, và “gieo trích dẫn” có chủ đích vào phần tài liệu tham khảo. Khi các nền tảng hiện tại vẫn có thể bị đánh lừa bởi các văn bản do AI tạo ra, nguy cơ xuất hiện các mạng lưới gian lận học thuật tự động hóa quy mô lớn là hoàn toàn hiện thực.

Để đối phó, các cơ sở dữ liệu như Google Scholar hay Scopus nên phát triển thêm các chỉ số phản ánh mức độ tập trung trích dẫn, chẳng hạn như c2-index hoặc adjusted c2-index, nhằm phát hiện những hồ sơ có dấu hiệu gian lận. Đồng thời, các hệ thống đánh giá học thuật nên cung cấp thông tin về nguồn gốc trích dẫn – ví dụ: bài trích dẫn có thuộc tạp chí có bình duyệt không, có nằm trong Q1 hay không, hay có phải là bài hội nghị uy tín? Những chỉ số này không chỉ giúp phân biệt trích dẫn chất lượng và trích dẫn rác, mà còn khuyến khích hành vi học thuật lành mạnh.

Cuối cùng, các ủy ban tuyển dụng và thẩm định học thuật cần nhận thức rõ về các hình thức thao túng trích dẫn hiện nay. Khi chỉ số trích dẫn có thể dễ dàng bị “thổi phồng” một cách giả tạo, việc đánh giá nghiên cứu và con người không thể chỉ dựa vào con số. Điều này đặc biệt quan trọng trong bối cảnh thành công học thuật vẫn gắn chặt với vị thế, giới tính, và danh tiếng – những yếu tố vốn đã tạo nên bất bình đẳng trong khoa học. Vì thế, hơn bao giờ hết, đã đến lúc đặt lại câu hỏi: chúng ta đang đánh giá điều gì – thành tựu khoa học, hay khả năng thao túng hệ thống?

Chi tiết nghiên cứu

Ibrahim, H., Liu, F., Zaki, Y., & Rahwan, T. (2024). Google Scholar is manipulatable. arXiv preprint arXiv:2402.04607

Bài viết GOOGLE SCHOLAR CÓ THỂ BỊ THAO TÚNG đã xuất hiện đầu tiên vào ngày ADuBiz.

Các chatbot và công cụ khác đang ngày càng được cân nhắc, nhưng sức người vẫn được xem là một lựa chọn an toàn hơn.

Liệu các bác sĩ phẫu thuật sóc có tạo ra tác động trích dẫn nhiều hơn không? Câu hỏi này có vẻ lố bịch, hoặc có lẽ là màn mở đầu cho một câu chuyện cười dở tệ. Nhưng câu hỏi, do nhà khoa học dữ liệu Mike Thelwall đặt ra, không phải là một trò đùa. Đó là một bài thử nghiệm. Thelwall, người làm việc tại Đại học Sheffield, Vương quốc Anh, đã và đang đánh giá khả năng của các mô hình ngôn ngữ lớn (LLM) trong việc thẩm định các bài báo học thuật dựa trên tiêu chí của khung đánh giá chất lượng nghiên cứu (REF), một hệ thống kiểm định quốc gia về chất lượng nghiên cứu của Vương quốc Anh. Sau khi cung cấp cho một phiên bản tùy chỉnh của ChatGPT các tiêu chí của REF, ông đã đưa 51 công trình nghiên cứu của chính mình vào mô hình và đã rất ngạc nhiên trước khả năng của chatbot trong việc tạo ra những báo cáo nghe có vẻ hợp lý. “Bản thân các báo cáo không có gì cho thấy chúng không phải do một chuyên gia con người viết cả,” ông nói. “Đó là một thành tựu đáng kinh ngạc.”

Tuy nhiên, bài báo về loài sóc đã thực sự làm khó mô hình. Thelwall đã tạo ra bài báo này bằng cách lấy một trong những bản thảo bị từ chối của chính ông về việc liệu các bác sĩ phẫu thuật nam có tạo ra tác động trích dẫn nhiều hơn các bác sĩ phẫu thuật nữ hay không, và để làm cho nó trở nên vô nghĩa, ông đã thay thế ‘nam’ bằng ‘sóc’, ‘nữ’ bằng ‘người’ và bất kỳ tham chiếu nào đến giới tính ông đều đổi thành ‘loài’ trong toàn bộ bài báo. Mô hình ChatGPT của ông đã không thể xác định được rằng ‘bác sĩ phẫu thuật sóc’ không phải là một thứ có thật trong quá trình đánh giá và chatbot đã cho bài báo điểm cao.

Thelwall cũng nhận thấy rằng mô hình không đặc biệt thành công trong việc áp dụng điểm số dựa trên các hướng dẫn của REF cho 51 bài báo được đánh giá. Ông kết luận rằng dù mô hình có thể tạo ra các báo cáo nghe có vẻ chân thực, nó không có khả năng đánh giá chất lượng.

Sự trỗi dậy nhanh chóng của trí tuệ nhân tạo (AI) tạo sinh như ChatGPT và các trình tạo hình ảnh như DALL-E đã dẫn đến các cuộc thảo luận ngày càng tăng về vị trí của AI trong việc đánh giá nghiên cứu. Nghiên cứu của Thelwall, xuất bản vào tháng 5, chỉ là một mảnh ghép trong một bức tranh mà các học giả, viện nghiên cứu và nhà tài trợ đang cố gắng lắp ráp. Điều này diễn ra trong bối cảnh các nhà nghiên cứu cũng đang vật lộn với nhiều cách thức khác mà AI đang ảnh hưởng đến khoa học và các hướng dẫn đang được phát triển xung quanh việc sử dụng nó. Tuy nhiên, các cuộc thảo luận này hiếm khi tập trung vào việc đưa ra định hướng về cách AI có thể được sử dụng trong việc đánh giá chất lượng nghiên cứu. “Đó là ranh giới tiếp theo,” Gitanjali Yadav, một nhà sinh học cấu trúc tại Viện Nghiên cứu Gene Cây trồng Quốc gia Ấn Độ ở New Delhi, và là thành viên của nhóm làm việc về AI tại Liên minh Thúc đẩy Đánh giá Nghiên cứu, một sáng kiến toàn cầu nhằm cải thiện thực hành đánh giá nghiên cứu, cho biết.

Đáng chú ý, sự bùng nổ của AI cũng trùng hợp với những lời kêu gọi ngày càng tăng về việc xem xét lại cách các sản phẩm nghiên cứu được đánh giá. Trong thập kỷ qua, đã có những lời kêu gọi thoát ly khỏi các chỉ số dựa trên xuất bản như chỉ số ảnh hưởng của tạp chí và số lượt trích dẫn, những chỉ số đã được chứng minh là dễ bị thao túng và thiên vị. Việc tích hợp AI vào quá trình này tại một thời điểm như vậy mang lại cơ hội để kết hợp nó vào các cơ chế mới để hiểu và đo lường chất lượng cũng như tác động của nghiên cứu. Nhưng nó cũng đặt ra những câu hỏi quan trọng về việc liệu AI có thể hỗ trợ đầy đủ cho việc đánh giá nghiên cứu hay không, hay liệu nó có khả năng làm trầm trọng thêm các vấn đề và thậm chí tạo ra các vấn đề khác.

Đánh giá chất lượng

Chất lượng nghiên cứu rất khó định nghĩa, mặc dù có một sự đồng thuận chung rằng nghiên cứu chất lượng tốt được củng cố bởi sự trung thực, nghiêm ngặt, độc đáo và tác động. Có rất nhiều cơ chế khác nhau, mỗi cơ chế hoạt động ở các cấp độ khác nhau của hệ sinh thái nghiên cứu, để đánh giá những đặc điểm này, và vô số cách để làm điều đó. Phần lớn việc đánh giá chất lượng nghiên cứu diễn ra trong quy trình bình duyệt, trong nhiều trường hợp, đây là lần đánh giá chất lượng bên ngoài đầu tiên được thực hiện trên một công trình khoa học mới. Nhiều tạp chí đã sử dụng một bộ công cụ AI để bổ sung cho quy trình này trong một thời gian. Có AI để khớp bản thảo với những người bình duyệt phù hợp, các thuật toán phát hiện đạo văn và kiểm tra các sai sót thống kê, và các công cụ khác nhằm mục đích tăng cường tính liêm chính bằng cách phát hiện việc thao túng dữ liệu.

Gần đây hơn, sự trỗi dậy của AI tạo sinh đã chứng kiến một làn sóng nghiên cứu nhằm khám phá xem một LLM có thể hỗ trợ việc bình duyệt tốt đến đâu — và liệu các nhà khoa học có tin tưởng vào những công cụ đó để làm việc này hay không. Một số nhà xuất bản cho phép AI hỗ trợ trong việc chuẩn bị bản thảo, nếu được công bố đầy đủ, nhưng không cho phép sử dụng nó trong việc bình duyệt. Mặc dù vậy, niềm tin vào khả năng của các công cụ này, đặc biệt là những công cụ dựa trên xử lý ngôn ngữ tự nhiên và LLM, ngày càng tăng trong giới học thuật. Một nghiên cứu được công bố vào tháng 7 năm 2024, do nghiên cứu sinh tiến sĩ khoa học máy tính Weixin Liang dẫn đầu, trong phòng thí nghiệm của nhà khoa học dữ liệu y sinh James Zou tại Đại học Stanford ở California, đã đánh giá khả năng của một LLM, GPT-4, trong việc cung cấp phản hồi về các bản thảo. Nghiên cứu yêu cầu các nhà nghiên cứu tải lên một bản thảo và để nó được đánh giá bởi mô hình AI của họ. Các nhà nghiên cứu sau đó hoàn thành một cuộc khảo sát đánh giá các phản hồi và so sánh nó với những người bình duyệt là con người. Nghiên cứu đã nhận được 308 phản hồi, với hơn một nửa mô tả các bài đánh giá do AI tạo ra là “hữu ích” hoặc “rất hữu ích”. Nhưng nghiên cứu cũng chỉ ra một số vấn đề với các phản hồi đó: chúng đôi khi chung chung và gặp khó khăn trong việc đưa ra những phê bình sâu sắc.

Zou cho rằng điều này không nhất thiết loại trừ việc sử dụng các công cụ như vậy trong một số tình huống nhất định. Một ví dụ cụ thể mà ông đề cập là các nhà nghiên cứu trẻ đang làm việc với bản thảo đầu tiên của một bài báo. Họ có thể tải bản nháp lên một LLM chuyên dụng và nhận được bình luận về những thiếu sót hoặc lỗi trong bản nháp của mình. Nhưng với bản chất tốn nhiều công sức và có phần lặp đi lặp lại của việc bình duyệt, một số học giả lo ngại rằng có thể có xu hướng dựa vào kết quả từ một hệ thống AI tạo sinh có khả năng cung cấp các báo cáo. “Chẳng có vinh quang hay kinh phí nào gắn liền với việc bình duyệt. Nó chỉ được xem như một nghĩa vụ khoa học,” Elizabeth Gadd, người đứng đầu bộ phận văn hóa và đánh giá nghiên cứu tại Đại học Loughborough, Vương quốc Anh, cho biết. Đã có bằng chứng cho thấy những người bình duyệt đang sử dụng ChatGPT và các chatbot khác ở một mức độ nào đó, bất chấp các quy định được một số nhà xuất bản tạp chí đặt ra.

Thelwall tin rằng AI có thể làm được nhiều hơn trong việc giúp những người bình duyệt đánh giá chất lượng nghiên cứu, nhưng có lý do để tiến hành một cách chậm rãi. “Chúng ta chỉ cần rất nhiều thử nghiệm,” ông nói. “Và không chỉ là thử nghiệm kỹ thuật, mà còn là thử nghiệm thực tế, nơi chúng ta có được sự tự tin rằng nếu chúng ta cung cấp AI cho những người bình duyệt, ví dụ, họ sẽ không lạm dụng nó.”

Yadav nhận thấy lợi ích to lớn của AI như một công cụ tiết kiệm thời gian và đã làm việc với nó để giúp đánh giá nhanh chóng hình ảnh động vật hoang dã từ các máy ảnh đặt tại thực địa ở Ấn Độ, nhưng bà xem việc bình duyệt là quá quan trọng đối với cộng đồng khoa học để giao cho các bot. “Cá nhân tôi hoàn toàn phản đối việc bình duyệt được thực hiện bởi AI,” bà nói.

Tiết kiệm chất lượng

Một trong những lợi ích được thảo luận nhiều nhất của việc sử dụng AI là ý tưởng rằng nó có thể giải phóng thời gian. Điều này đặc biệt rõ ràng trong các hệ thống đánh giá nghiên cứu cấp quốc gia và cấp viện – một số trong đó đã tích hợp AI. Chẳng hạn, một nhà tài trợ ở Úc, Hội đồng Nghiên cứu Y tế và Sức khỏe Quốc gia (NHMRC), đã sử dụng AI thông qua “một mô hình lai kết hợp học máy và các kỹ thuật tối ưu hóa toán học” để xác định những người bình duyệt là con người phù hợp để đánh giá các đề xuất tài trợ. Hệ thống này giúp loại bỏ một trong những nút thắt hành chính trong quy trình đánh giá, nhưng đó cũng là nơi việc sử dụng AI kết thúc. Một phát ngôn viên của NHMRC cho biết cơ quan này “không sử dụng trí tuệ nhân tạo, dưới bất kỳ hình thức nào, để trực tiếp hỗ trợ việc đánh giá chất lượng nghiên cứu”.

Tuy nhiên, ngay cả việc sử dụng AI cho các hỗ trợ hành chính như vậy cũng có thể là một sự tiết kiệm nguồn lực lớn, đặc biệt là đối với các cuộc đánh giá quốc gia quy mô lớn như REF. Thelwall nói rằng hoạt động này nổi tiếng vì tiêu tốn một lượng thời gian đáng kinh ngạc của các nhà nghiên cứu. Hơn 1.000 học giả giúp đánh giá chất lượng nghiên cứu trong REF và họ mất khoảng nửa năm để hoàn thành công việc.

“Nếu chúng ta có thể tự động hóa việc đánh giá,” Thelwall nói, thì “đó sẽ là một cú hích năng suất khổng lồ.” Và có tiềm năng tiết kiệm rất lớn: kỳ REF gần đây nhất, vào năm 2021, được ước tính đã tiêu tốn khoảng 471 triệu bảng Anh (618 triệu đô la Mỹ).

Tương tự, chương trình đánh giá các nhà nghiên cứu của New Zealand, Quỹ Nghiên cứu Dựa trên Hiệu suất, trước đây đã được Tim Fowler, giám đốc điều hành của Ủy ban Giáo dục Đại học của chính phủ, mô tả là một công việc “cực nhọc”. Trong đó, các học giả nộp hồ sơ để đánh giá, đặt ra một gánh nặng cực lớn cho họ và các viện. Vào tháng 4, chính phủ đã hủy bỏ nó và một nhóm làm việc đã được giao nhiệm vụ đưa ra một kế hoạch mới vào tháng 2 năm 2025.

Những ví dụ này cho thấy tiềm năng lớn của AI trong việc tạo ra hiệu quả cao hơn, ít nhất là đối với các hệ thống và quy trình đánh giá lớn, mang tính quan liêu. Đồng thời, công nghệ này đang phát triển khi quan điểm về những gì cấu thành chất lượng nghiên cứu đang tiến triển và trở nên đa sắc thái hơn. “Cách bạn có thể đã định nghĩa chất lượng nghiên cứu vào đầu thế kỷ XX không phải là cách bạn định nghĩa nó bây giờ,” Marnie Hughes-Warrington, phó hiệu trưởng phụ trách nghiên cứu và doanh nghiệp tại Đại học Nam Úc ở Adelaide, cho biết. Hughes-Warrington là thành viên của nhóm chuyển tiếp Excellence in Research Australia, đang xem xét tương lai của hoạt động đánh giá của quốc gia này sau khi một cuộc rà soát vào năm 2021 nhận thấy rằng nó đã đặt một gánh nặng đáng kể lên các trường đại học. Bà nói rằng cộng đồng nghiên cứu ngày càng nhận ra sự cần thiết phải đánh giá nhiều “sản phẩm nghiên cứu phi truyền thống” hơn — chẳng hạn như các tài liệu chính sách, tác phẩm sáng tạo, triển lãm — và sau đó là các tác động xã hội và kinh tế.

Khi các cuộc trò chuyện đang diễn ra song song với sự bùng nổ của AI, việc các công cụ mới có thể phù hợp với các phương pháp đánh giá chất lượng nghiên cứu đã được sửa đổi là điều hợp lý. Chẳng hạn, Hughes-Warrington chỉ ra cách AI đã được sử dụng để phát hiện thao túng hình ảnh trên các tạp chí hoặc để tổng hợp dữ liệu từ các hệ thống được sử dụng để xác định duy nhất các nhà nghiên cứu và tài liệu. Việc áp dụng các phương pháp này sẽ nhất quán với sứ mệnh của các tổ chức như trường đại học và các cơ quan quốc gia. “Tại sao các tổ chức, được thúc đẩy bởi sự tò mò và nghiên cứu, lại không triển khai những cách làm mới?” bà nói.

Tuy nhiên, Hughes-Warrington cũng nhấn mạnh những nơi mà việc kết hợp AI sẽ gặp phải sự phản kháng. Có những lo ngại về quyền riêng tư, bản quyền và an ninh dữ liệu cần được thừa nhận, những thành kiến cố hữu trong các công cụ cần được khắc phục và nhu cầu xem xét bối cảnh diễn ra các cuộc đánh giá nghiên cứu, chẳng hạn như tác động sẽ khác nhau như thế nào giữa các ngành, các viện và các quốc gia.

Gadd không phản đối việc kết hợp AI và nói rằng bà nhận thấy nó xuất hiện thường xuyên hơn trong các cuộc thảo luận về chất lượng nghiên cứu. Nhưng bà cảnh báo rằng các nhà nghiên cứu đã là một trong những nghề được đánh giá nhiều nhất trên thế giới. “Quan điểm chung của riêng tôi về vấn đề này là chúng ta đánh giá quá nhiều,” bà nói. “Phải chăng chúng ta đang tìm cách dùng AI để giải quyết một vấn đề do chính chúng ta tạo ra?”

Sau khi chứng kiến cách các đánh giá dựa trên chỉ số thư mục (bibliometrics) có thể gây tổn hại cho ngành, với các chỉ số như chỉ số ảnh hưởng của tạp chí bị lạm dụng như một sự thay thế cho chất lượng và được chứng minh là cản trở các nhà nghiên cứu trẻ và sự đa dạng, Gadd lo ngại về cách AI có thể được triển khai, đặc biệt nếu các mô hình được huấn luyện trên chính những chỉ số này. Bà cũng nói rằng các quyết định liên quan đến việc phân bổ thăng tiến, tài trợ hoặc các phần thưởng khác sẽ luôn cần sự tham gia của con người ở mức độ lớn hơn nhiều. “Bạn phải rất thận trọng,” bà nói, về việc chuyển sang công nghệ “để đưa ra những quyết định sẽ ảnh hưởng đến cuộc sống của con người.”

Gadd đã làm việc rất nhiều trong việc phát triển SCOPE, một khuôn khổ để đánh giá nghiên cứu có trách nhiệm của Mạng lưới Quốc tế các Hiệp hội Quản lý Nghiên cứu, một tổ chức toàn cầu quy tụ các hiệp hội quản lý nghiên cứu để phối hợp các hoạt động và chia sẻ kiến thức trong lĩnh vực này. Bà nói rằng một trong những nguyên tắc chính của chương trình là “chỉ đánh giá khi cần thiết” và, có lẽ trong đó, có một bài học về cách chúng ta nên suy nghĩ về việc kết hợp AI. “Nếu chúng ta đánh giá ít hơn, chúng ta có thể thực hiện nó với tiêu chuẩn cao hơn,” bà nói. “Có thể” AI có thể hỗ trợ quá trình đó, nhưng “rất nhiều lập luận và lo lắng mà chúng ta đang có về AI, chúng ta đã từng có về các chỉ số thư mục.”

Dịch từ Nature

Bài viết Liệu AI có thể được dùng để đánh giá chất lượng nghiên cứu? đã xuất hiện đầu tiên vào ngày ADuBiz.