Tuy nhiên, trong những năm gần đây, mức độ tham gia vào các chương trình này ở nhiều trường có xu hướng giảm. Điều đó đặt ra một câu hỏi đáng chú ý: sinh viên ngày nay còn đọc sách không, và nếu có, họ đang đọc theo cách nào?

Không phải ngừng đọc, mà là đọc theo cách mới

Sự thay đổi này không hẳn cho thấy người trẻ quay lưng với việc đọc. Đúng hơn, nó phản ánh những biến chuyển lớn hơn trong thói quen đọc, cách sinh viên sử dụng thư viện, cũng như cách họ tìm đến sách và tài liệu. Những thay đổi này chịu tác động mạnh từ môi trường số, mạng xã hội, và các công nghệ mới như trí tuệ nhân tạo tạo sinh (generative AI).

Khi con người ngày càng phải chia nhỏ sự chú ý cho nhiều nền tảng và loại nội dung khác nhau, các hình thức khuyến đọc truyền thống cũng gặp không ít hạn chế. Dù vậy, các dữ liệu khảo sát vẫn cho thấy việc đọc chưa biến mất — nó chỉ đang diễn ra theo những hình thức khác, định dạng khác và trong những bối cảnh khác trước.

Để hiểu rõ hơn xu hướng này, cần nhìn vào các số liệu gần đây về hành vi đọc, đặc biệt là ở nhóm độc giả trẻ.

Ngày nay chúng ta đọc bao nhiêu?

Các khảo sát trong khoảng mười năm trở lại đây cho thấy số lượng sách mà người trưởng thành ở Mỹ đọc đang giảm dần. Theo Gallup, năm 2021, một người trưởng thành ở Mỹ đọc trung bình 12,6 cuốn sách/năm, giảm so với 15,6 cuốn vào năm 2016. Dù khoảng ba phần tư người trưởng thành vẫn cho biết họ đọc ít nhất một cuốn sách mỗi năm, cường độ đọc nhìn chung đã giảm xuống.

Việc mở rộng định dạng đọc cũng chưa đủ để đảo ngược xu hướng này. Theo Pew Research Center, 65% người trưởng thành ở Mỹ đọc sách in, còn 30% đọc sách điện tử. Điều đó cho thấy việc tiếp cận sách dễ hơn chưa đồng nghĩa với việc con người sẽ đọc nhiều hơn.

Đọc vì sở thích cá nhân cũng giảm theo thời gian. Một phân tích từ American Time Use Survey, công bố trên tạp chí iScience, cho thấy vào năm 2023, chỉ khoảng 16% người trưởng thành ở Mỹ đọc để giải trí trong một ngày bình thường. Con số này tiếp tục nối dài xu hướng suy giảm của hoạt động đọc trong thời gian rảnh. Nói cách khác, điều đang giảm không hẳn là việc đọc nói chung, mà là thời gian và mức độ tập trung con người dành cho việc đọc.

Tuy vậy, một số định dạng mới lại đang phát triển, đặc biệt là sách nói. Đây đang trở thành một cách tiếp cận sách khá phù hợp với người trẻ. Theo Hiệp hội Các nhà xuất bản sách nói (Audio Publishers Association), hơn một nửa người trưởng thành ở Mỹ từng nghe ít nhất một cuốn sách nói, và doanh thu sách nói tại Mỹ đạt khoảng 2,22 tỷ USD trong năm 2024. Với sinh viên phải cân bằng giữa học tập, làm thêm và sinh hoạt cá nhân, sách nói mở ra cơ hội tiếp cận sách trong lúc di chuyển, tập thể dục hoặc làm những công việc thường ngày.

Gen Z vẫn đọc, nhưng đọc khác đi

Trái với nỗi lo rằng người trẻ bị màn hình làm cho mất hẳn thói quen đọc, thực tế cho thấy Gen Z không ngừng đọc, mà đang thay đổi cách đọc.

Ngày nay, các nền tảng như TikTok, Instagram hay YouTube đóng vai trò rất lớn trong việc giúp người trẻ biết đến sách. Theo khảo sát với hơn 2.000 người đọc trong độ tuổi 16-25 do Hiệp hội Các nhà xuất bản Vương quốc Anh thực hiện, gần 60% cho biết BookTok hoặc các nhà sáng tạo nội dung về sách đã giúp họ tìm ra sách mới hoặc khiến họ hứng thú hơn với việc đọc. Điều này cho thấy việc khám phá sách giờ đây không còn chỉ diễn ra qua nhà trường, thư viện hay hiệu sách, mà còn thông qua mạng xã hội và các cộng đồng trực tuyến.

Bên cạnh đó, AI và các nền tảng đọc số cũng đang làm thay đổi cách sinh viên đọc tài liệu học thuật. Những công cụ như ChatGPT có thể hỗ trợ tóm tắt nội dung, ghi chú hoặc giải thích văn bản; trong khi các nền tảng như Perusall hỗ trợ chú thích chung, thảo luận nhóm và tăng tương tác với tài liệu học. Nhiều cơ sở dữ liệu học thuật lớn như Elsevier hay Gale cũng đang dần tích hợp các tính năng AI để hỗ trợ tìm kiếm và phân tích tài liệu.

Những công cụ này giúp việc đọc trở nên nhanh và thuận tiện hơn, nhưng đồng thời cũng đặt ra những câu hỏi mới: liệu người học có còn đọc sâu hay không, ranh giới nào cần được đặt ra để bảo đảm tính trung thực học thuật, và AI nên được sử dụng như thế nào một cách có đạo đức? Đây là những vấn đề mà thư viện và giảng viên mới chỉ bắt đầu tìm hiểu nghiêm túc.

Cách sử dụng thư viện đại học đang thay đổi

Những xu hướng trên cũng thể hiện khá rõ trong dữ liệu luân chuyển tài liệu của thư viện đại học. Ở nhiều ngành như Ngữ văn, Lịch sử và một số lĩnh vực khoa học xã hội, sinh viên đại học hiện nay thường chỉ mượn dưới hai cuốn sách in mỗi học kỳ, trong khi khoảng mười năm trước con số này phổ biến ở mức ba đến bốn cuốn.

Trong khi đó, việc sử dụng tài liệu số lại tăng lên. Sinh viên ngày càng kết hợp giữa sách in, sách điện tử và tạp chí trực tuyến để phù hợp với môi trường học tập kết hợp trực tiếp – trực tuyến.

Nhu cầu đọc cũng ngày càng tập trung hơn vào những tài liệu phục vụ trực tiếp cho việc học và nghề nghiệp. Trong một ví dụ gần đây, 30 tài liệu được mượn nhiều nhất trong năm 2025 tại một thư viện đại học chủ yếu là sách ôn thi điều dưỡng và tài liệu tham khảo theo chuyên ngành; chỉ có một đầu sách văn học xuất hiện trong danh sách này. Điều đó phản ánh một xu hướng rõ rệt: sinh viên ưu tiên các tài liệu phục vụ mục tiêu nghề nghiệp, thi cử và học tập thực dụng hơn là đọc văn học hay đọc giải trí.

Sự thay đổi này diễn ra trong bối cảnh số lượng sách xuất bản vẫn tiếp tục tăng. Theo dữ liệu ISBN của Bowker, số đầu sách tự xuất bản tại Mỹ vượt 2,3 triệu trong năm 2021. Điều này cho thấy nguồn cung sách ngày càng dồi dào, nhưng trong thực tế, chỉ một phần rất nhỏ có thể thực sự nổi bật hoặc tiếp cận được đến người đọc.

Trong bối cảnh đó, tại nhiều thư viện đại học, các bộ sưu tập kiểu “sách hay nên đọc” hoặc những đầu sách dựa trên danh sách bán chạy dường như không còn thu hút sự quan tâm mạnh như trước.

Hàm ý cho nhà xuất bản và thư viện

Đối với nhà xuất bản, những thay đổi trong hành vi đọc cho thấy điều cần thiết không phải là thay đổi hoàn toàn cách làm sách, mà là điều chỉnh cách để sách được người đọc tìm thấy. Ngày nay, việc khám phá sách thường bắt đầu từ những nơi nằm ngoài các kênh truyền thống, chẳng hạn như mạng xã hội, đề cương môn học, hay các nền tảng học tập số. Vì thế, những yếu tố như trích đoạn ngắn, chương đọc thử, hoặc thông tin giới thiệu trực quan, dễ tiếp cận có thể giúp nối liền khoảng cách giữa việc “biết đến một cuốn sách” và việc thực sự ngồi xuống để đọc nó.

Trong xuất bản học thuật và chuyên ngành, những định dạng hỗ trợ ghi chú, truy cập theo từng phần nội dung, hoặc dễ tích hợp vào hoạt động giảng dạy cũng ngày càng phù hợp hơn với cách Gen Z tiếp cận văn bản.

Về phía thư viện đại học, thay vì chỉ tập trung vào các hoạt động khuyến đọc độc lập, có thể cần gắn việc đọc chặt hơn với quá trình học tập. Điều này có thể thực hiện qua học liệu dự trữ theo môn học, cung cấp tài liệu ở nhiều định dạng khác nhau, và phối hợp với giảng viên để đưa tài liệu thư viện vào hoạt động trên lớp. Dữ liệu mượn trả cho thấy sinh viên có xu hướng phản hồi tích cực hơn với những tài liệu mà họ thấy rõ giá trị học tập, dễ tiếp cận, và có nhiều lựa chọn về hình thức sử dụng.

Thư viện cũng có vai trò quan trọng trong việc hướng dẫn sinh viên sử dụng các công cụ AI một cách hiệu quả và có trách nhiệm, sao cho công nghệ không thay thế năng lực đọc hiểu, mà hỗ trợ tốt hơn cho việc đọc phản biện và diễn giải nội dung.

Nhìn chung, để hỗ trợ thói quen đọc của Gen Z, có lẽ điều quan trọng không phải là cố gắng khôi phục nguyên trạng các mô hình cũ, mà là thích ứng với cách người trẻ hiện đang học, chọn tài liệu và tiếp cận văn bản. Việc đọc vẫn giữ vai trò trung tâm trong môi trường học thuật. Nhưng ngày nay, hoạt động đó diễn ra trong một hệ sinh thái mới – nơi có khám phá số, gợi ý từ mạng xã hội, công cụ AI, và áp lực tối ưu hóa thời gian. Với cả nhà xuất bản lẫn thư viện, câu hỏi không còn là “người trẻ còn đọc hay không”, mà là “làm thế nào để hỗ trợ họ đọc theo đúng cách họ đang sống và học hôm nay.”

Dịch từ Scholarly Kitchen

Bài viết Gen Z và thư viện đại học: Vẫn đọc sách, nhưng đọc theo cách khác đã xuất hiện đầu tiên vào ngày ADuBiz.

Trong buổi hội thảo gần đây do Khoa Phương pháp luận tại trường Kinh tế London (LSE) tổ chức, Thomas Robinson đã chỉ ra ba con đường AI đang định hình lại nghiên cứu trong lĩnh vực khoa học xã hội. Đồng thời, ông đặt ra những câu hỏi xoay quanh sản phẩm nghiên cứu của khoa học xã hội có thể phản ánh và tự đánh giá lại chính mình như thế nào trong thế giới mà AI ngày càng trở nên phổ biến.

Từ việc phát hiện ra các loại kháng sinh mới, đến tạo ra các phương tiện truyền thông và tối ưu hóa hoạt động kinh doanh, AI đã nhanh chóng thâm nhập vào xã hội. Thật khó để không cường điệu hóa cũng như lo ngại về cách công cụ này đang phát triển và tiềm năng của chúng trong việc đảo lộn các phương pháp trước kia.

Generative AI đặt ra nhiều thách thức cho các nhà khoa học xã hội. Tương tự như những ứng dụng của chúng trong lĩnh vực khác, công cụ này có khả năng mở rộng phương pháp nghiên cứu hiện tại, đồng thời cung cấp những cách thức nghiên cứu mới về hiện tượng xã hội. Ngoài ra, chính những cá nhân, nhóm và tổ chức nghiên cứu cũng chịu ảnh hưởng bởi AI – từ môi trường làm việc, chính trị, giao tiếp và tương tác xã hội.

Nhằm giải quyết những băn khoăn này, Khoa Phương pháp học tại LSE gần đây đã tổ chức một hội thảo quy tụ nhà nghiên cứu hàng đầu, tiên phong trong lĩnh vực ứng dụng và nghiên cứu Generative AI trong khoa học xã hội.

Ba chủ đề chính xuất hiện từ cuộc thảo luận: khi được ứng dụng thông minh, AI có thể hỗ trợ thực hiện nghiên cứu với quy mô và độ chính xác lớn hơn so với khả năng thông thường của con người; Generative AI có khả năng ảnh hưởng đến niềm tin và hành vi xã hội; tuy nhiên, vẫn tồn tại những hạn chế đáng kể trong khả năng phân tích của AI và sự đồng thuận của công chúng đối với những nội dung AI tạo ra.

Quy mô

“Friedrich Geiecke, Blake Miller và Melissa Sands đều nhấn mạnh những cách AI có thể cải thiện quy mô phân tích. Friedrich Geiecke đã trình bày về tính tương tác của Generative AI (mô hình có khả năng tạo ra các cuộc hội thoại và thăm dò phản hồi cá nhân – tạo sinh) có thể cho phép nhà nghiên cứu tiếp cận nhiều đối tượng hơn so với việc chỉ sử dụng khảo sát định lượng.

Một lợi thế quan trọng khác của các mô hình Generative AI (tạo sinh) gần đây là khả năng xử lý văn bản (thường được gọi là mô hình “đa phương thức”). Ví dụ, nghiên cứu của Blake Miller sử dụng tính đa phương thức này để số hóa văn bản từ bản scan từ tài liệu gốc. Ông sử dụng kỹ thuật này để trích xuất văn bản từ các sắc lệnh giáo hoàng lịch sử (tài liệu chính thức do một giáo hoàng ban hành). Việc số hóa này giúp nhiều tài liệu nhanh chóng chuyển đổi thành định dạng có thể phân tích, giúp chúng ta hiểu rõ hơn về cách tổ chức tôn giáo thực thi các chính sách xã hội trong suốt thời kỳ Cận đại.

Tương tự, Melissa Sands đã trình bày cách AI suy luận từ thông tin chủ quan qua hình ảnh. Công trình so sánh khả năng của mô hình như Chat GPT trong việc đưa ra các đánh giá chủ quan về mức độ an toàn của một khu vực, thông qua những bức ảnh 360 độ mã nguồn mở chụp các con đường ở Detroit. Họ phát hiện mối tương quan đầy hứa hẹn giữa điểm số chủ quan do con người đưa ra và điểm số do AI tạo ra. Độ chính xác của mô hình này cho thấy tiềm tiềm năng để thực hiện điều mà trước đây chỉ được thực hiện ở quy mô nhỏ, do cần có đánh giá định tính.

Khả năng thuyết phục

Hội thảo cũng nhấn mạnh khả năng của Generative AI trong việc thuyết phục cá nhân về mặt chính trị. Christopher Summerfield trình bày, trong công trình hợp tác với Google DeepMind, Generative AI trở nên hiệu quả hơn trong việc tìm kiếm sự đồng thuận giữa các nhóm cá nhân so với chính những cá nhân đó. Điều quan trọng là AI hoạt động như một trọng tài: thu thập và cân bằng ý kiến cá nhân của công dân để tìm ra điểm chung. Liên quan đến điều này, Lisa Argyle đã cung cấp bằng chứng thực nghiệm cho thấy mô hình AI có thể thuyết phục cử tri thay đổi quan điểm theo một hướng nhất định. Các nghiên cứu này cho thấy tiềm năng, nhưng cũng đặt ra vấn đề đạo đức nghiêm trọng khi sử dụng Generative AI: làm thế nào để chúng ta bảo vệ tính tương tác xã hội trong bối cảnh các công cụ AI tự động có thể ảnh hưởng đến ý kiến và hành vi của con người?

Hạn chế

Mặc dù có những tiến bộ và đầy hứa hẹn, hội thảo cũng nhấn mạnh những hạn chế trong việc sử dụng Generative AI. Nghiên cứu sinh Elif Akata đã cung cấp bằng chứng rằng mặc dù mô hình AI có vẻ thành thạo trong tác vụ suy luận, nhưng thực chất chúng dường như (vẫn chưa) thực hiện các quá trình mà chúng ta cho là đặc trưng của nhận thức con người. Trong bài phát biểu chính của mình, Arthur Spirling cũng chỉ ra rằng sử dụng dữ liệu cấu trúc cao có thể giới hạn lợi ích ứng dụng của các mô hình AI phức tạp trong tìm hiểu thế giới xã hội. Bên cạnh thực tiễn nghiên cứu, Spirling còn trình bày bằng chứng cho thấy công chúng nói chung vẫn hoài nghi về nội dung do AI tạo ra, ngay cả khi họ cho rằng nội dung đó có vẻ hợp lý.

Điểm chung xuyên suốt hội thảo là sự chấp nhận ngầm rằng nhà nghiên cứu và công chúng vẫn giữ vai trò trung tâm trong việc sử dụng hiệu quả Generative AI. Từ ngăn chặn “ảo giác” đến cung cấp dữ liệu để tinh chỉnh các mô hình, đầu vào và đầu ra của các mô hình này chỉ thực sự có ý nghĩa khi có sự kiểm soát của con người. Mặc dù AI cho phép nhà khoa học xã hội thực hiện các nhiệm vụ với quy mô và độ chính xác từng tốn kém (nếu không muốn nói là không thể), nó không thể thay thế nhu cầu về các kỹ năng nền tảng trong khoa học xã hội

Tất nhiên, sự phát triển của Generative AI đang diễn ra với tốc độ nhanh chóng. Việc theo kịp khả năng và hạn chế của mô hình này đòi hỏi sự kết hợp giữa kỹ năng tính toán, khoa học và xã hội. Do đó, việc sử dụng Generative AI mang tính liên ngành. Hội thảo này đã giúp minh họa rõ ràng sự hợp tác giữa các ngành có thể giúp hiểu rõ những tiến bộ này, cũng như những thách thức cơ bản mà AI đặt ra đối với sự hiểu biết của chúng ta về thế giới.

Dịch từ LSE

Bài viết Generative AI đang thay đổi Khoa học Xã hội như thế nào? đã xuất hiện đầu tiên vào ngày ADuBiz.

Sự bùng nổ của công nghệ trí tuệ nhân tạo (AI) đang mang lại những thay đổi đáng kể trong nhiều lĩnh vực, trong đó bao gồm xuất bản học thuật. AI không chỉ có khả năng năng suất cho cả nhà khoa học trong quá trình nghiên cứu mà cả các biên tập viên và phản biện trong quá trình xử lý bản thảo. Tuy nhiên, việc sử dụng AI cũng đặt ra những thách thức đạo đức mới, đòi hỏi phải có những quy chuẩn và nguyên tắc sử dụng chặt chẽ, phù hợp và có trách nhiệm.

Lo ngại đạo đức khi sử dụng AI

Dù mang lại nhiều lợi ích, việc sử dụng AI trong ngành xuất bản học thuật đặt ra nhiều nhiều lo ngại về mặt đạo đức. Trong thời gian qua, nhiều nhà xuất bản học thuật lớn trên thế giới như Elsevier, Springer, SAGE, Taylor & Francis,… cũng như nhiều tổ chức nghề nghiệp như Ủy ban Đạo đức xuất bản (Committee on Publication Ethics), Hiệp hội Biên tập xuất bản Khoa học Châu Âu (European Association of Science Editors),… đã đưa ra nhiều tuyên bố, hướng dẫn và quan ngại về các vấn đề đạo đức học thuật mới xuất hiện do việc sử dụng AI. Phần dưới đây, xin được tóm tắt một số lo ngại chính:  

Thứ nhất, các công cụ AI có thể dựa trên những nguồn thông tin, dữ liệu không tin cậy hoặc không có bản quyền, gây nguy cơ vi phạm đạo đức, thậm chí là cả vi phạm pháp luật. Thứ hai, ngay cả trong trường hợp nguồn thông tin, dữ liệu tin cậy hoặc có bản quyền, vẫn tiềm ẩn nguy cơ các công cụ AI diễn giải kết quả sai lệch, không chính xác, dẫn đến những đánh giá sai lệch về nghiên cứu. Cuối cùng, nghiêm trọng nhất, AI rất có thể sẽ tạo ra các nội dung đạo văn, những hình ảnh không ngụy tạo, gây kích động bạo lực, phân biệt, thiên lệch,… Điều này không chỉ ảnh hưởng tới uy tín của tác giả mà còn gây thiệt hại cho các công trình nghiên cứu và xã hội nói chung.

Nguyên tắc sử dụng AI trong nghiên cứu và xuất bản một cách có trách nhiệm 

Nhìn chung, các tổ chức học thuật trên thế giới kể trên không cấm cộng đồng học thuật sử dụng AI trong quá trình hoạt động nghề nghiệp. Mặc dù vậy, các tổ chức này cũng kêu gọi cộng đồng học thuật cần sử dụng AI có trách nhiệm. Để có căn cứ, một số tổ chức đã ban hành những nguyên tắc, quy định gắn với việc sử dụng AI trong nghiên cứu và xuất bản nhằm bảo vệ đạo đức học thuật nói chung và của các cá nhân liên quan nói riêng như tác giả, ban biên tập, phản biện. Phần dưới đây, xin được tóm tắt các nguyên tắc chính đối với các đối tượng khác nhau:

Đối với tác giả

Thứ nhất, tác giả có thể nhờ AI để lên ý tưởng nghiên cứu, tổng hợp, mã hóa tài liệu, tìm kiếm mô hình phân tích phù hợp, chỉnh sửa, hiệu đính ngôn ngữ chứ không được nhờ AI làm hộ, viết hộ hoặc viết thêm thì một nội dung có sẵn. Thứ hai, không được coi AI là đồng tác giả của công trình nghiên cứu. Tác giả của công trình nghiên cứu, ngoài có những quyền lợi thì còn phải chịu trách nhiệm về kết quả nghiên cứu của mình, mà AI thì không phải là người, vì vậy, không thể chịu trách nhiệm thay con người được. Thứ ba, tác giả phải có trách nhiệm rà soát từng phần do AI tham gia, không bỏ sót bất kỳ chi tiết, nội dung nào trước khi gửi bản thảo bài báo đi. Thực tiễn này khác với tình huống khi 2 tác giả (là người thật) làm việc chung với nhau; trong trường hợp này, tác giả này có thể tin tưởng với tác giả kia mà không cần xem phần của người kia trước khi bản thảo bài báo được gửi đi. Ngược lại, khi làm việc với AI, vì AI không phải tác giả nên không thể tin tưởng vào AI. Tác giả buộc phải đọc và soát từng chi tiết nhỏ nhất do AI làm ra. Cuối cùng, tác giả cũng cần minh bạch toàn bộ các khâu có sử dụng AI trong quá trình nghiên cứu đồng thời lưu giữ lại toàn bộ kết quả của quá trình trước và sau sử dụng AI (ví dụ bản thảo trước và khi được AI hiệu đính). Việc này sẽ giúp tác giả có minh chứng để bảo vệ mình khi có cáo buộc vi phạm đạo đức học thuật khi sử dụng AI.       

Đối với phản biện

Ngoài các nguyên tắc chung về việc được (hoặc không được) khi sử dụng AI như tác giả, phản biện viên cần tuân thủ nguyên tắc không tải bản thảo lên các nền tảng AI hoặc sử dụng AI để đánh giá nội dung. Bởi với việc này, phản biện có nguy cơ làm lộ bản thảo – vốn có bản quyền thuộc về tác giả – cho một bên thứ ba (bên sở thực hiện nền tảng AI mà phản biện tải lên). 

Đối với ban biên tập

Ngoài các nguyên tắc chung về việc được (hoặc không được) khi sử dụng AI như tác giả và phản biện, các ban biên tập tạp chí khoa học hiện nay được khuyến khích đưa ra công khai chính sách sử dụng AI của tạp chí của mình, bao gồm những giới hạn rõ ràng cho tác giả và phản biện. Quy trình gửi bản thảo bài báo cũng cần có thêm bước yêu cầu tác giả khai báo mức độ sử dụng AI trong quá trình nghiên cứu. Tương tự, quy trình phản biện cũng cần thêm bước nhắc nhở phản biện về những việc được (hoặc không được) làm khi sử dụng AI. 

Khuyến nghị và kết luận

Sự xuất hiện của AI trong ngành nghiên cứu và xuất bản học thuật mang lại những cơ hội và thách thức đan xen. Để tối đa hóa lợi ích và giảm thiểu nguy cơ, việc ban hành và thực hành những quy tắc đạo đức học thuật minh bạch, nghiêm ngặt và linh hoạt là rất cần thiết. Bên cạnh đó cũng không nên quá cầu toàn với các quy định này, bởi AI hiện cũng đang thay đổi từng ngày. Những vấn đề  chúng ta đang thảo luận hôm nay thực ra là mới chỉ áp dụng với AI tạo sinh (Gen AI) trong khi bản thân giới công nghệ cũng đang ngày càng hoàn thiện phiên bản kế tiếp của AI là Agentic AI (hay AI tác nhân). Rất có thể, khi AI tác nhân được sử dụng rộng rãi, sẽ lại nảy sinh các vấn đề đạo đức mới mà chúng ta cũng chưa thể hình dung ra rõ ràng trong giai đoạn hiện nay. 

Lưu ý: Tác giả có sử dụng AI để giúp lên ý tưởng và hiệu đính trong quá trình thực hiện bài viết này. 

Lời cảm ơn: Bài viết này được phát triển dựa trên bài trình bày của tác giả tại Hội nghị Hội đồng biên tập thường niên của Tạp chí Giáo dục, tháng 12/2024. Tác giả xin chân thành sự đóng góp quý báu của các thành viên tham dự Hội nghị để tác giả có thể hoàn thành bài viết.

Đăng lại từ Tạp chí Giáo dục

Bài viết Đạo đức trong xuất bản học thuật: Một số vấn đề mới xuất hiện trong thời đại AI đã xuất hiện đầu tiên vào ngày ADuBiz.

Những báo cáo mới nhất cho thấy: Trí tuệ nhân tạo (AI) là “chuẩn mực mới” mà các trường Đại học cần dựa vào đó để cải thiện những chính sách tuyên truyền thông tin của mình.

“Việc sử dụng Trí tuệ nhân tạo (Artificial Intelligence – AI) ngày một phổ biến trong giáo dục đại học có thể khiến sinh viên phải đặt câu hỏi về chất lượng và giá trị của những tri thức họ được tiếp nhận.” – Một nghiên cứu về chủ đề này đã lên tiếng cảnh báo. 

Theo báo cáo khảo sát sinh viên về AI toàn cầu của Hội đồng Giáo dục Số (DEC) năm 2024 với hơn 3800 sinh viên đến từ 16 quốc gia khác nhau trên thế giới, có đến hơn một nửa (55%) tin rằng sự lạm dụng AI trong hoạt động giảng dạy đã làm mất đi ý nghĩa của “giáo dục”, và 52% cho rằng hiện tượng này cũng đã ảnh hưởng tiêu cực đến kết quả học tập của họ. Khảo sát cũng chỉ ra rằng những lớp học được lập ra và đứng lớp bởi AI cũng nhận được cái nhìn kém tích cực hơn của sinh viên, khi chỉ 18% những người trả lời khảo sát cho rằng những lớp này có giá trị hơn mô hình lớp học truyền thống.

Báo cáo này chỉ ra: “Sinh viên không muốn trở nên quá phụ thuộc vào AI, và họ cũng không muốn các giáo sư của mình phụ thuộc vào nó. Hầu hết sinh viên đều muốn AI được đưa vào chương trình giảng dạy, nhưng cũng nhận thức được những nguy cơ khi quá phụ thuộc vào nó.”

Dù vậy, số lượng sinh viên thừa nhận sử dụng công nghệ này vẫn là con số lớn. Khoảng 86% sinh viên được khảo sát cho biết họ “thường xuyên” sử dụng các nền tảng như ChatGPT trong quá trình học của mình, 54% cho biết họ sử dụng những công cụ này hàng tuần, và 24% sử dụng để viết bản thảo đầu tiên của các bài luận được giao. Danny Bielik, Chủ tịch Hội đồng Giáo dục Số (DEC), tin rằng con số này sẽ tiếp tục tăng lên không ngừng trong tương lai. 

Ông cho biết, nhiều sinh viên lo lắng khi thừa nhận đã sử dụng AI trong bài luận của mình, do cái nhìn thiếu tích cực từ cộng đồng xung quanh cũng như việc họ thiếu chắc chắn về khả năng AI được trường đại học chấp nhận khi theo khảo sát, 86% sinh viên nói rằng họ không hoàn toàn biết rõ các chính sách về AI của trường đại học mà mình đang theo học. Đồng thời ông Bielik cũng khẳng định, sinh viên đang nhận được quá nhiều luồng thông tin mâu thuẫn với nhau, qua đó nhấn mạnh sự cấp thiết của việc truyền đạt thông tin hiệu quả giữa các đối tượng là sinh viên, nhân sự và hệ sinh thái rộng lớn nói chung của trường đại học. 

“Sự truyền đạt thông tin này thường chỉ diễn ra ở cấp độ các giảng viên. Bởi vậy, sinh viên có thể rơi vào tình trạng mà họ học lớp của giảng viên này, được nghe về những gì nên làm và không nên làm liên quan đến các công cụ AI, sau đó khi học lớp của Khoa khác lại nghe được những điều hoàn toàn trái ngược.” Ông Bielik chỉ ra.

Báo cáo cũng được đưa ra trong bối cảnh các trường đại học đều đẩy mạnh nỗ lực “quét” AI trong các bài luận của sinh viên, khi “AI soạn thảo” ngày càng trở nên phổ biến. Turnitin tuyên bố 11% trong 200 triệu bài luận mà họ nhận được có tỷ lệ viết bởi AI từ 20% trở lên; một nghiên cứu khác cũng cho biết các đáp án trong bài kiểm tra do AI soạn thảo mà các công cụ không thể “quét” ra cũng đạt được điểm số cao hơn so với đáp án của sinh viên bình thường. Cũng trong bản khảo sát, 52% sinh viên tham gia cho biết họ cảm thấy mình thiếu kiến thức và kỹ năng về AI, và họ kỳ vọng được đào tạo về công cụ này trong chương trình học của mình. Do vậy, việc đào tạo nhân sự của các trường đại học về AI là một “kỳ vọng cơ bản”, trước khi đưa việc đào tạo công cụ này cho sinh viên vào các chương trình học. Báo cáo cho biết, “Việc ứng dụng và sử dụng AI trong giáo dục đang dần trở thành chuẩn mực mới, và các trường đại học cần phải hành động để đảm bảo họ có những phương pháp và sự chuẩn bị phù hợp để thúc đẩy tích hợp AI vào bộ máy vận hành.”

“Sinh viên cũng bối rối như chúng ta.” Ông Bielik nói. “Truyền đạt thông tin không chỉ là viết ra một loạt chính sách rồi đăng chúng lên website của trường; ta cần nhiều hơn thế.”

Dịch từ Times Higher Education

Bài viết Quá phụ thuộc vào AI: Nỗi lo của sinh viên về tương lai mất giá của tấm bằng Đại học đã xuất hiện đầu tiên vào ngày ADuBiz.

Tranh cãi về việc sử dụng Trí tuệ nhân tạo (AI) đến lĩnh vực học thuật và nghiên cứu

Ngày nay, khó có thể phủ nhận tính hiệu quả của Trí tuệ nhân tạo (AI) và các Mô hình Ngôn ngữ Lớn (LLM) như Chat GPT, Elicit hay Scholarly trong việc hỗ trợ học tập và nghiên cứu. Những công cụ này có khả năng tổng hợp, tóm tắt, diễn giải và tạo lập văn bản, giúp ích rất nhiều cho người học và nhà nghiên cứu. Tuy nhiên, việc sử dụng LLM vẫn còn nhiều tranh cãi bởi lo ngại về nguy cơ nó làm giảm chất lượng học tập và đạo đức trong học thuật. 

Các thảo luận về đạo đức trong việc sử dụng các Mô hình Ngôn ngữ Lớn (LLM) tập trung vào các vấn đề như quyền tác giả, đạo văn, tính minh bạch và trách nhiệm giải trình. Các tạp chí hiện chia thành hai quan điểm chính: một số tạp chí cho phép sử dụng LLM, một số tạp chí khác, điển hình là Science, nhấn mạnh các rủi ro đạo đức mà LLM mang lại và đã đưa ra quy định cấm sử dụng chúng.

Theo Mohammad Hossesini và cộng sự (2023), lệnh cấm này khó có thể thực hiện bởi chưa có các phần mềm đáng tin cậy trong việc nhận dạng văn bản dựa trên LLM khiến lệnh cấm này có thể phản tác dụng, khi tác giả lặng lẽ che giấu việc sử dụng. Đồng thời, không thể phủ nhận những lợi ích của LLM mang lại, ví dụ như việc  hỗ trợ biên tập cho các nhà nghiên cứu không thông thạo tiếng Anh).

Nhóm tác giả khẳng định, các LLMs đã, đang và sẽ tiếp tục được các nhà nghiên cứu sử dụng theo nhiều cách khác nhau. Do đó, thay vì cấm, thiết lập các các nguyên tắc và hướng dẫn đạo đức về việc sử dụng nó sẽ là điều thiết thực hơn. 

Sự cởi mở, minh bạch và trung thực về các phương pháp và công cụ được sử dụng là điều tối quan trọng để thúc đẩy tính toàn vẹn, khả năng tái tạo và tính nghiêm ngặt trong nghiên cứu. Công khai việc sử dụng LLMs, do đó, là điều cần thiết để đảm bảo  nguyên tắc đạo đức trong nghiên cứu khoa học.

Vậy làm thế nào để công khai việc sử dụng LLMs đúng cách?

Một số tác giả đã chọn cách công khai LLMs như một người cộng sự bằng cách ghi danh “cây viết” này vào hàng tác giả. Lựa chọn này dựa trên lập luận rằng LLMs nên được chỉ định là tác giả nếu có đóng góp đáng kể cho các ấn phẩm (Jenkins & Lin, 2023), trách việc ghi nhận công lao không chính xác cho các tác giả là người (Verhoeven và cộng sự, 2023).

Một số khác lại cho rằng nhà nghiên cứu nên công khai LLMs bằng cách cảm ơn nó, cụ thể là đề cập trong phần ghi nhận – acknowledgments section ( ICMJE, 2023). Cách tiếp cận này được một số người ủng hộ. Ví dụ, Jenkins và Lin (2023) và Hughes-Castleberry (2023) lập luận rằng LLMs có thể được đặt tên trong phần cảm ơn. Một bài báo trên tạp chí Nature dẫn lời Magdalena Skipper, tổng biên tập tạp chí Nature ở London rằng những người sử dụng LLMs “nên ghi lại việc sử dụng chúng trong phần phương pháp hoặc phần ghi nhận”. Sabina Alam, giám đốc Đạo đức xuất bản và Tính liêm chính tại Taylor & Francis cũng cho rằng  “các tác giả chịu trách nhiệm về tính hợp lệ và tính liêm chính về tác phẩm của họ và nên trích dẫn bất kỳ việc sử dụng LLMs nào trong phần cảm ơn” ( Stokel-Walker, 2023: 620).

Cả hai cách công khai có chung một vấn đề cốt lõi: công lao đi kèm với trách nhiệm. 

Các nguyên tắc và các chuẩn mực nghiên cứu đều ngầm định rằng tác giả phải sẵn sàng chịu trách nhiệm và giải trình cho nội dung của bản thảo. Không thể tách rời trách nhiệm giải trình và sự công nhận dành cho những người đóng góp, chúng là hai mặt của đồng xu  (Hosseini et al., 2022; Resnik, 1997; Smith, 2017). LLMs hiển nhiên không thể chịu trách nhiệm về mặt đạo đức và pháp lý, cũng như trách nhiệm giải thích cho nội dung nó tạo ra. Do đó, LLMs rõ ràng không nên được nêu tên là tác giả.

Tương tự như việc LLM cũng không nên được đề cập trong phần cảm ơn bởi điều này cũng mang ý nghĩa đạo đức và pháp lý nhất định.  Ví dụ, nếu một người được đề cập trong phần cảm ơn cung cấp dữ liệu cho nghiên cứu bị nghi ngờ bị làm giả hoặc thao túng, họ có thể bị truy cứu trách nhiệm về mặt đạo đức (và có thể là pháp lý) đối với tính toàn vẹn của dữ liệu. Mặt khác, nếu  LLMs – một công cụ tạo văn bản – được theo cách này, có lẽ nhà nghiên cứu cũng nợ công cụ tìm kiếm như Google hay  công cụ SPSS xử lý dữ liệu như SPSS một lời cảm ơn. 

Công khai việc sử dụng LLMs trong nội dung văn bản 

Thông thường, các công cụ được sử dụng trong nghiên cứu khoa học sẽ được nêu rõ trong chính nội dung bài báo. Tuy nhiên, với khả năng và sự phức tạp của LLMs, làm thế nào để mô tả chúng và cách sử dụng chúng một cách chính xác trong nội dung bài báo?

Mẫu định dạng theo phong cách APA (McAdoo, 2023: đoạn 5) được đề xuất để mô tả cách sử dụng cũng như trích dẫn và tham khảo trong văn bản:

Hosseini và cộng sự  (2023) đề xuất bổ sung thêm thông tin về: Mô hình; Thời gian thực hiện; Người thực hiện và việc công khai sử dụng LLMss cần được nêu ở

 (1) Nội dung văn bản 

 (2) Trích dẫn trong văn bản và tham khảo

(3) Tài liệu bổ sung hoặc Phụ lục (bao gồm các yêu cầu cụ thể với LLMs và ngày truy vấn) 

VD: 

Kết luận

Sự ra đời và bùng nổ của các Mô hình Ngôn ngữ Lớn (LLMs) đã mang đến những biến đổi đáng kể cho nhiều lĩnh vực, và giới học thuật không nằm ngoài ảnh hưởng này . LLM tác động mạnh mẽ đến cách thức viết, đánh giá và chỉnh sửa bản thảo khoa học, mang theo cả những cơ hội và thách thức mới. Nhiều tranh cãi xoay quanh việc sử dụng LLMss, một số cho rằng LLMs nên có được “danh phận” như quyền tác giả và một số khác thậm chí ủng hộ việc cấm sử dụng LLMs trong học thuật. Hosseini và cộng sự  (2023)  cho rằng việc cấm hoàn toàn LLMs là không khả thi và phản tác dụng, cũng như bác bỏ việc trao quyền tác giả cho LLMs. Thay vào đó, nhóm tác giả đã đề xuất các phương pháp cải tiến trích dẫn theo phong cách APA khi tham chiếu ChatGPT, đồng thời đưa ra một số khuyến nghị cho các nhà nghiên cứu khi sử dụng LLMs để đảm bảo tính minh bạch và trách nhiệm trong nghiên cứu. 

Lược dịch từ Sage Journals

Bài viết Quyền tác giả cho AI?  – Vấn đề đạo đức trong việc việc công khai sử dụng LLMs  đã xuất hiện đầu tiên vào ngày ADuBiz.

Không ít sinh viên hiện đang tận dụng chatbot trí tuệ nhân tạo (AI) như ChatGPT để giải quyết các bài tập được giao. Điều này ban đầu gây lo ngại cho một số trường học, khiến họ quay lại hình thức thi cử truyền thống hoặc yêu cầu sinh viên làm bài ngay tại lớp. Tuy nhiên, sau một thời gian, nhiều giáo viên và cán bộ quản lý giáo dục đã nhận thấy tiềm năng của ChatGPT và các mô hình ngôn ngữ AI (Large Language Model – LLMs) khác trong việc hỗ trợ quá trình dạy và học. Cụ thể, chatbot AI được kỳ vọng có thể cung cấp dịch vụ gia sư ảo, hỗ trợ học sinh, sinh viên tiếp cận tri thức dễ dàng hơn.

Tuy nhiên, thực tế cho thấy chất lượng của các sản phẩm do ChatGPT tạo ra vẫn còn hạn chế. Chatbot thường đưa ra các thông tin và nguồn trích dẫn sai lệch. Nó cũng gặp nhiều khó khăn khi giải quyết các bài toán phức tạp, và chỉ có thể trả lời đúng khoảng một nửa các câu hỏi cơ bản dành cho học sinh tuổi teen. Một nghiên cứu mới cho thấy năng lực toán học của ChatGPT có dấu hiệu đi xuống khi tỉ lệ phân biệt chính xác số nguyên tố và hợp số chỉ đạt 51% trong tháng 6/2023, thấp hơn đáng kể so với mức 84% vào tháng 3. 

Bất chấp những hạn chế nêu trên, các nhà giáo dục không nên từ bỏ hoàn toàn từ bỏ công nghệ này. Thay vào đó, họ cần hướng dẫn học sinh, sinh viên hiểu rõ về những điểm mạnh và điểm yếu của LLMs, đồng thời ủng hộ các nỗ lực nhằm cải thiện các mô hình AI phục vụ cho mục đích giáo dục. Một trong những giải pháp tiềm năng có thể liên quan tới việc phát triển các phiên bản LLMs chuyên biệt tập trung vào đối thoại và tóm tắt văn bản, hướng tới giảm thiểu rủi ro chatbot cung cấp thông tin sai hoặc tạo điều kiện cho học sinh gian lận.

Đại học bang Arizona (ASU) đang triển khai một nền tảng cho phép giảng viên sử dụng các mô hình AI tiên tiến như GPT-4 và Bard của Google. Nền tảng này áp dụng công nghệ “tạo văn bản mở rộng dựa trên khả năng truy xuất” (retrieval-augmented generation), hướng dẫn LLMs tìm kiếm câu trả lời trong các tập dữ liệu cụ thể như bài báo khoa học hay ghi chú bài giảng. Điều này giúp khai thác hiệu quả tính tương tác cao của chatbot, đồng thời hạn chế sai sót.

Tuy nhiên, vẫn còn rủi ro đáng kể về việc LLMs có thể củng cố những thiên kiến xã hội hiện hữu, chẳng hạn như phân biệt đối xử với các nhóm thiểu số, hi những tài liệu phản ánh quan điểm của họ bị áp đảo trong số những nguồn ngữ liệu mà LLM được huấn luyện trên. Để giải quyết vấn đề này, nền tảng của ASU yêu cầu chatbot cung cấp nguồn tham khảo được sử dụng để đưa ra các câu trả lời, cho phép người dùng xem xét các quan điểm một cách khách quan hơn.

Đại học Vanderbilt ở Nashville, Tennessee, Mỹ đã đưa ra sáng kiến “Tương lai của học tập và AI tạo sinh” (Future of Learning and Generative AI). Trong đó, sinh viên được cấp quyền truy cập vào phiên bản ChatGPT có trả phí với khả năng thực hiện các câu lệnh lập trình và có năng lực toán học được nâng cao.Khi hiểu rõ hơn về điểm mạnh và hạn chế của LLMs, chắc chắn sẽ xuất hiện nhiều sáng kiến ứng dụng AI trong trường học. Việc sử dụng LLMs mà không cân nhắc những nhược điểm tiềm ẩn có thể gây phản tác dụng, làm suy giảm năng lực học tập của học sinh. Tuy nhiên, một số trường đại học như ASU hiện đang nỗ lực giảm thiểu điểm yếu của LLMs —thậm chí biến chúng thành lợi thế để phát triển kỹ năng tư duy phản biện cho sinh viên. Các nhà giáo dục cần nhanh chóng đón đầu công nghệ mới để tận dụng các cơ hội, đồng thời đảm bảo sử dụng có trách nhiệm, góp phần nâng cao chất lượng đào tạo.

Dịch từ Nature

Bài viết ChatGPT – Công cụ đầy hứa hẹn nhưng các trường học liệu đã sẵn sàng? đã xuất hiện đầu tiên vào ngày ADuBiz.

Có nhiều bằng chứng lâu đời cho thấy các trường đại học “lan tỏa” ảnh hưởng tích cực cho nền kinh tế địa phương, và các nhà hoạch định chính sách đã tìm cách tận dụng điều này với hy vọng thúc đẩy tăng trưởng ở các khu vực trì trệ.  Các trường đại học được xác định là trụ cột chính cho các cụm trong chính sách Khu vực Đầu tư (Investment Zone policy), và năm ngoái chính phủ Anh đã cam kết 100 triệu bảng Anh để hỗ trợ các chương trình thúc đẩy do trường đại học dẫn đầu ở Glasgow, Manchester và West Midlands.

Tuy nhiên, vai trò thực sự của các trường đại học Anh trong việc thúc đẩy các nhóm ngành và đổi mới là gì?  

James Evans, nghiên cứu viên tại Trung tâm nghiên cứu đô thị – The Centre for Citie đã trả lời câu hỏi này bằng cách xác định vị trí của các doanh nghiệp phát triển và xem liệu chúng có tập trung gần các trường đại học hay không, sử dụng dữ liệu theo vùng về các công ty ‘kinh tế mới’ sáng tạo để xác định các trung tâm của hoạt động đổi mới trên khắp cả nước.

Dựa trên các nghiên cứu cho thấy đổi mới (đặc biệt là đổi mới ‘phi truyền thống’ có giá trị) phụ thuộc vào hợp tác gần kề (proximity), nghiên cứu của Evans sử dụng khoảng cách tính theo khu vực lân cận để xác định các điểm nóng kinh tế. Việc sử dụng phạm vi hẹp không chỉ cho phép nắm bắt được “sự lan tỏa tri thức” thúc đẩy đổi mới, mà còn cho phép ước tính tác động của chúng lên nền kinh tế địa phương (theo biểu đồ 1). Nghiên cứu đã phát hiện rằng các khu vực có điểm nóng kinh tế có năng suất cao hơn những khu vực không có, và kể từ cuộc khủng hoảng tài chính, chúng phát triển nhanh hơn nhiều so với các khu vực còn lại. Ước tính tổng thể, các doanh nghiệp nằm trong 344 điểm nóng được xác định đã tạo việc làm cho khoảng 200.000 người và chiếm 1% tổng sản phẩm quốc dân.

Báo cáo của Trung tâm nghiên cứu đô thị cũng cung cấp thông tin chi tiết về các yếu tố quyết định vị trí xuất hiện của các điểm nóng trong các thị trấn và thành phố. Theo đó, thay vì tập trung vào một lĩnh vực chuyên môn , các “điểm nóng” đổi mới thường là nơi quy tụ nhiều hoạt động kinh doanh đa dạng. Lực lượng lao động có kỹ năng cao, hệ thống giao thông thuận tiện và sự hiện diện của các công ty lớn là những yếu tố quan trọng. Các vùng có nhiều người lao động tốt nghiệp đại học có số lượng cụm theo đầu người cao hơn so với những khu vực không có, và các khu vực lân cận với các công ty lớn thu hút nhiều lao động và các nhà ga được kết nối tốt có nhiều khả năng có các điểm nóng hơn so với những địa điểm khác.

Vậy còn các trường đại học thì sao? Nghiên cứu cho thấy tác động của các trường đại học đến sự đổi mới không rõ ràng. Một ví dụ điển hình về điều này có thể thấy ở cách các trường đại học ảnh hưởng đến quy mô của nền kinh tế đổi mới sáng tạo trong khu vực (được đo bằng số lượng doanh nghiệp kinh tế mới trên 10.000 người trong độ tuổi lao động), được đánh giá bằng một loạt mô hình hồi quy. Kết quả cho thấy sự mâu thuẫn. Một mặt, nghiên cứu nhận thấy rất ít bằng chứng cho thấy các trường đại học làm tăng hoạt động đổi mới trong khu vực lân cận. Mặt khác, các trường đại học, đặc biệt là trường nghiên cứu chuyên sâu, thúc đẩy sự tập trung của các cụm hoạt động đổi mới nhiều hơn gấp mười lần so với các tổ chức khác.

Dù không thúc đẩy nguồn doanh nghiệp đổi mới sáng tạo, trường đại học vẫn đóng vai trò sắp xếp, tổ chức những gì hiện có.

Theo phân tích của Evans, mặc dù các trường đại học không làm gia tăng tổng số doanh nghiệp đổi mới sáng tạo, chúng đóng vai trò quan trọng trong việc tổ chức các doanh nghiệp đó. Dựa trên những phát hiện về tăng trưởng và năng suất, điều này cũng mang lại lợi ích đáng kể. Nó cho thấy năng lực tạo cầu nối của các trường đại học, cùng khả năng cung cấp cơ sở vật chất phù hợp cho các doanh nghiệp trong các lĩnh vực mới nổi. Các khu vực lân cận trong phạm vi 5km tính xét trung tâm là  một trường đại học nghiên cứu chuyên sâu có tỉ lệ có một “điểm nóng” đổi mới cao hơn gần 50% để trở thành so với những khu vực xa hơn.

Mọi việc có vẻ tích cực, nhưng cần lưu ý hai điều. Thứ nhất, kết quả cho thấy chỉ các trường đại học nghiên cứu chuyên sâu mới có tác động đáng kể đến hệ sinh thái đổi mới địa phương. Điều này phù hợp với nghiên cứu về các trường đại học Đức, cho thấy một số trường đóng vai trò then chốt hơn những trường khác. Do đó, nhà hoạch định chính sách cần thực tế về những gì mong đợi ở các trường khác nhau. Thứ hai, mặc dù các trường đại học có ảnh hưởng tích cực đến việc tập trung đổi mới ở cấp độ này, tác động của chúng nhỏ hơn nhiều so với kết nối giao thông vận tải hoặc thậm chí là các nhà tuyển dụng lớn trong lĩnh vực công nghệ cao. Vì vậy, các trường đại học không phải là giải pháp “nhanh chóng” – việc tạo ra các cụm đổi mới tự duy trì luôn luôn đòi hỏi sự kết hợp của nhiều yếu tố then chốt.

Dữ liệu và phương pháp nghiên cứu của bài viết chỉ cung cấp một góc nhìn hạn chế về vai trò của các trường đại học trong việc thúc đẩy đổi mới. Các trường đại học, ở tất cả các cấp bậc, đều góp phần phát triển kỹ năng cần thiết cho các doanh nghiệp đổi mới. Tuy nhiên, tác động của họ ở quy mô khu vực và quốc gia vẫn chưa được nghiên cứu đầy đủ. Hơn nữa, cần phải tìm hiểu lý do tại sao ảnh hưởng cục bộ của các trường đại học lại bị hạn chế, đặc biệt so với các nhà tuyển dụng công nghệ cao.

Để giải thích vai trò còn yếu của các trường đại học trong hệ sinh thái đổi mới, chúng ta cần xem xét cách các trường đại học hiện đang tương tác với các doanh nghiệp đổi mới ở các giai đoạn phát triển. Nhìn chung, các trường đại học Anh làm tốt việc nghiên cứu hơn là phát triển.  Các chính sách và quy trình còn hạn chế hiện tại của trường đại học, cùng với thiếu hụt cơ sở hạ tầng thiết yếu như văn phòng và phòng thí nghiệm, cản trở sự phát triển của các công ty spin-out (là các công ty chuyển đổi các phát minh công nghệ được phát triển từ nghiên cứu của trường đại học), dẫn đến tình trạng các doanh nghiệp có triển vọng sớm rời đi.

Các khuyến nghị chính sách xuất phát từ lập luận này chủ yếu liên quan đến tài chính, lập kế hoạch và cách thức ưu tiên các nguồn lực. Điều này có nghĩa là phải đưa ra những lựa chọn khó khăn về nơi sẽ xây dựng phòng thí nghiệm và văn phòng mới, cũng như những tổ chức nào cần tham gia. Mặc dù khó khăn về mặt chính trị nhưng việc lựa chọn những nơi có  ưu tiên đầu tư vào những khu vực có thế mạnh nghiên cứu, sở hữu cơ sở hạ tầng tốt và ứng dụng công nghệ tiên tiến sẽ mang lại lợi ích lâu dài hơn so với việc dàn trải nguồn lực trên diện rộng.

Dịch từ LSE

Bài viết Liệu trường đại học có thực sự là bệ phóng cho đổi mới sáng tạo hay chỉ đóng vai trò tổ chức? đã xuất hiện đầu tiên vào ngày ADuBiz.

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

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

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

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

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

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

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

Dịch từ Nature

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

Bài viết này nhằm phân tích và thảo luận về giá trị của việc xuất bản chương sách (book chapter) trong lĩnh vực khoa học xã hội, đặc biệt trong bối cảnh có nhiều ý kiến kêu gọi công nhận book chapter như một sản phẩm khoa học tương đương hoặc hơn so với bài báo khoa học (journal article).

Bài viết tập trung vào hai vấn đề chính:

1. Book chapter có nên được công nhận là sản phẩm khoa học?
2. So sánh giá trị của book chapter và journal article như thế nào?

Book chapter: Sản phẩm khoa học cần được công nhận

Trong lĩnh vực Khoa học Xã hội, bên cạnh việc xuất bản bài báo khoa học (journal article) vốn đã được khẳng định giá trị, việc xuất bản book chapter (chương sách) cũng đóng vai trò quan trọng và cần được công nhận đầy đủ như một sản phẩm khoa học giá trị.

Book chapter là một bài viết chuyên sâu trình bày một chủ đề nghiên cứu cụ thể trong một cuốn sách chuyên khảo được xuất bản bởi nhà xuất bản uy tín. Nội dung book chapter được thẩm định bởi hội đồng khoa học chuyên ngành, đảm bảo tính chính xác, cập nhật và tin cậy. Trong bài viết này, tôi giả định book chapter được chỉ mục bởi Scopus và Clarivate.

Việc công nhận book chapter giúp đa dạng hóa các hình thức công bố khoa học, tạo điều kiện cho các nhà nghiên cứu có thêm lựa chọn để chia sẻ thành quả nghiên cứu của mình. Điều này góp phần thúc đẩy sự phát triển và đổi mới trong hoạt động nghiên cứu khoa học.

So sánh giá trị Book Chapter và Journal Article

Về độ dài, book chapter thường ngắn hơn journal article (khoảng 5000-6000 chữ so với khoảng 6000-10000 chữ). Dung lượng giới hạn của book chapter, vì vậy, yêu cầu nhà khoa học cô đọng hơn nội dung khoa học muốn truyền tải nhưng vẫn đảm bảo sự chi tiết và đầy đủ.

Về dữ liệu, book chapter có thể không có dữ liệu, trong khi phần lớn journal article đều yêu cầu dữ liệu, dù là định lượng hay định tính, sơ cấp hay thứ cấp. Điều này dẫn đến một quan điểm ban đầu của tôi: giá trị của book chapter trong đánh giá học thuật cần được điều chỉnh phù hợp.

Ảnh dưới đây mô tả quy trình phê duyệt một book chapter (màu đỏ) và một journal article (màu xanh). Dễ dàng thấy, quy trình phê duyệt book chapter “nhẹ” hơn quy trình phê duyệt journal article. Tác giả của book chapter chỉ phải làm việc với book editor (là người cùng phe, cùng “nhóm lợi ích”). Còn nặng nhất trong quy trình phê duyêt 1 edited book là 2 bước số #2 và #8 . Mà tại hai bước này book editor mới là người chiến đấu với book series editor chứ không phải là chapter author.

Vì vậy, trong một edited book, đôi khi ta sẽ thấy có một vài chapter có chất lượng kém hơn các chapter khác; hoặc một số trường hợp chapter viết kém thì book editor phải đỡ đòn hộ (tham gia viết cùng, cử người review riêng).

Chính vì vậy, cá nhân tôi cho rằng cần thận trọng khi đánh giá 01 book chapter = 01 journal article. Tôi khuyến nghị một hệ số quy đổi thay thế: 01 book chapter = 0.5 journal article. Trong trường hợp tính thưởng, một book chapter có thể được nhận tương đương với một bài journal article có xếp hạng Q4. Đánh giá book chapter giá trị hơn journal article về mặt học thuật có lẽ là vấn đề cần được xem xét lại, theo những lý do được trình bày ở trên.

Đối với các nhà nghiên cứu trẻ (học viên cao học, nghiên cứu sinh), tôi khuyến khích nhóm những “nhà nghiên cứu trẻ/tập sự” này nên tranh thủ làm tham gia vào một số dự án viết book chapter trong quá trình học (hoặc trích từ luận văn/án ra). Đây là cơ hội quý giá để nghiên cứu sinh và học viên cao học được làm việc và giúp đỡ của các book editor (là các senior colleagues của mình). Cá nhân tôi, trong quá trình làm luận án tiến sĩ cũng đã đăng được 3 book chapter. Điều tôi vẫn nhớ mãi là sự hỗ trợ nhiệt tình từ những book editor và cũng là những tiền bối lão làng trong ngành. Tôi rất biết ơn vì điều đó

Kết luận

Book chapter là một sản phẩm khoa học giá trị và cần được công nhận đầy đủ. Việc khuyến khích xuất bản book chapter sẽ góp phần thúc đẩy phát triển khoa học xã hội và nâng cao chất lượng nghiên cứu khoa học. Hệ thống đánh giá khoa học cần có những thay đổi phù hợp để ghi nhận giá trị của book chapter, đồng thời tạo điều kiện cho các nhà nghiên cứu tham gia vào hoạt động xuất bản này một cách hiệu quả.

Bài viết Giá trị của chương sách (Book Chapter) trong lĩnh vực khoa học xã hội đã xuất hiện đầu tiên vào ngày ADuBiz.

Liệu các công cụ trí tuệ nhân tạo (AI) có thể thay thế các giảng viên thực sự hay không vẫn còn là một tranh cãi, tuy nhiên tại một trường đại học ở Hong Kong, môi trường học thuật số (digital academics) đã bắt đầu những bước đầu tiên của mình. Sinh viên lớp Sáng tạo Mạng xã hội tại trường Đại học Khoa học & Công nghệ Hong Kong (HKUST) đã được tham gia lớp học do AI giảng dạy trong 30 phút mỗi ca học, xen kẽ với tiết học từ giảng viên người thật. 

Chủ yếu các giảng viên này xuất hiện trong video 2D, trong khi đó một số đã được phát triển ở dạng 3D và sinh viên có thể nhìn thấy thông qua kính thực tế ảo. Giảng viên AI sẽ dạy các chủ đề như mạng xã hội đóng vai trò thế nào trong sự bùng nổ của chiến dịch MeToo và ảnh hưởng của nó lên cuộc bầu cử tổng thống Hoa Kỳ gần đây. Chẳng hạn, sẽ có lúc Einstein xuất hiện để giảng về phương pháp nghiên cứu khoa học.

Trong khi khá nhiều tranh cãi về vai trò của AI trong giáo dục đại học chủ yếu tập trung đến mức độ tin cậy của thông tin trên các công cụ như ChatGPT, các giảng viên “ảo” tại HKUST không chỉ dựa trên dữ liệu trực tuyến mà còn được điều chỉnh và quản lý bởi các học giả người thật. Vai trò hiện giờ của AI là biến những thông tin này thành kịch bản giảng dạy phù hợp với tính cách của giảng viên Mặc dù vậy, trong tương lai, nhà trường mong muốn phát triển tính năng tự hỏi và trả lời từ AI và để sinh viên có cơ hội “giao tiếp” sâu hơn với AI. 

Bên cạnh ChatGPT hay Copilot của Microsoft, các công cụ AI khác cũng đã được sử dụng để điều chỉnh ngoại hình và phong cách của các giảng viên ảo. Pan Hui, giáo sư tại HKUST cho rằng AI giúp giảm bớt gánh nặng công việc cho các giảng viên. Ông mong rằng AI thậm chí sẽ được sử dụng rộng rãi hơn để giúp các học giả có thời gian tập trung vào nghiên cứu, cũng như giúp sinh viên cải thiện tư duy phản biện hơn là dành thời gian để “kể lại” các thông tin cơ bản. Ông cũng cho rằng trong khi giảng viên không thể dành quá nhiều thời gian cho sinh viên, AI lại không gặp phải giới hạn này. 

Giới học giả có các phản ứng trái chiều với dự án giảng viên ảo này của HKUST. Helen Crompton từ Đại học Old Dominion cho rằng các giảng viên AI có thể giúp sinh viên trải nghiệm các chủ đề trong môi trường thực tế ảo nhiều hơn, ví dụ như xem các thí nghiệm mà khó có thể được nhìn thấy trực tiếp ở môi trường thế giới thực. AI cũng có thể giúp giảm khối lượng công việc hành chính và quản lý cho giảng viên, chẳng hạn như việc phải trả lời các câu hỏi lặp đi lặp lại từ sinh viên. Các giảng viên AI thậm chí có thể làm tốt hơn giảng viên người thật trong việc nhận ra các dấu hiệu bất ổn từ sinh viên.

Tuy nhiên, cả giáo sư Crompton và Hui đều tuyên bố rằng: AI không thể thay thế được các giảng viên người thật và những cảm xúc mà họ có thể mang đến cho lớp học. Giáo sư Crompton cảnh báo rằng các nghiên cứu về AI cho thấy con người khi đánh giá AI thường chỉ tập trung vào việc nó thực tế tới mức nào thay vì quan tâm tới nội dung nó truyền tải. TS. LeBlanc cũng đồng ý với điều này, nhưng cũng thể hiện cái nhìn tích cực hơn rằng nếu như dự án này làm rõ được vai trò của nó trong việc giảng dạy và đốc thúc sinh viên, nó sẽ là một thí nghiệm rất giá trị. CHo tới cùng, LeBlanc cho rằng chúng ta vẫn cần các thí nghiệm và những câu hỏi táo bạo như vậy, để trả lời câu hỏi cốt lõi “Làm sao chúng ta có thể đổi mới học tập một cách căn bản hơn?”  

Tuy nhiên, nếu như dự án này làm rõ được vai trò của nó trong việc giảng dạy và đốc thúc sinh viên, nó sẽ là một thí nghiệm rất giá trị. LeBlanc cho rằng “Chúng ta cần nhiều thí nghiệm như này hơn, và những câu hỏi bạo dạn hơn. Làm sao chúng ta có thể đổi mới học tập theo cách nền tảng hơn?”.

Lược dịch từ Times Higher Education

Bài viết Các “giảng viên” AI đang dần xuất hiện tại các trường đại học Hồng Kông đã xuất hiện đầu tiên vào ngày ADuBiz.