1. Công nghệ số đang làm thay đổi điều kiện nghiên cứu khoa học

Các cơ sở dữ liệu trực tuyến, kho lưu trữ học thuật và nền tảng khoa học mở như Scopus, Web of Science (WoS), DOAJ, hay Google Scholar giúp nhà nghiên cứu tiếp cận với những công trình, dữ liệu và kết quả nghiên cứu từ nhiều quốc gia. Các công cụ tìm kiếm, phân tích dữ liệu và AI tạo sinh còn hỗ trợ sàng lọc, tổng thuật tài liệu, nhận diện chủ đề, dịch thuật, xử lý văn bản và thực hiện một số thao tác phân tích. Nhờ đó, thời gian dành cho những công đoạn nhất định được rút ngắn, tạo điều kiện giúp nhà nghiên cứu tập trung hơn vào việc xây dựng câu hỏi, phát triển lập luận và đánh giá kết quả.

Trong xuất bản công trình khoa học, các hệ thống quản lý bài gửi, mã định danh bài báo (DOI), mã định danh nhà nghiên cứu (ORCID) và các tiêu chuẩn dữ liệu góp phần cải thiện khả năng nhận diện, quản lý và phổ biến công trình. Những công cụ này tạo điều kiện chuẩn hóa quy trình, tăng khả năng kết nối giữa các chủ thể nghiên cứu và hỗ trợ hội nhập với cộng đồng học thuật quốc tế. Đối với các ngành khoa học xã hội và nhân văn, công nghệ số còn mở rộng khả năng khai thác văn bản, dữ liệu lưu trữ, tư liệu lịch sử và các nguồn thông tin trước đây khó tiếp cận hoặc xử lý trên quy mô lớn.

Tuy nhiên, việc sử dụng công nghệ để hỗ trợ các thao tác như tìm tài liệu, nhập dữ liệu hoặc biên tập văn bản, lợi ích chủ yếu nằm ở tiết kiệm thời gian, nhưng khi vận dụng công nghệ nhằm đổi mới phương pháp nghiên cứu, thì công nghệ có thể hỗ trợ phát hiện mối liên hệ, mở rộng phạm vi dữ liệu và tiếp cận những câu hỏi trước đây khó giải quyết. Song cũng có những thách thức đi kèm khi nguồn thông tin phong phú, dữ liệu lớn nhưng có thể không tạo ra các kết quả chính xác, đáng tin cậy. Vì vậy, năng lực thẩm định nguồn tin, đánh giá bằng chứng và tư duy phản biện vẫn giữ vai trò quyết định đối với chất lượng nghiên cứu.

2. Đổi mới tư duy và phương pháp nghiên cứu trong bối cảnh chuyển đổi số

Trước hết, trong môi trường thông tin phong phú, thách thức không còn chỉ là tìm được tài liệu, mà còn là xác định nguồn tài liệu phù hợp, những bằng chứng có giá trị và khoảng trống nghiên cứu. Vì vậy, nhà nghiên cứu cần tổ chức, sàng lọc và đánh giá thông tin theo mục tiêu nghiên cứu. Các công cụ trí tuệ nhân tạo có thể hỗ trợ nhận diện chủ đề, khái quát các hướng tiếp cận, hoặc gợi ý tài liệu liên quan, nhưng việc xác định vấn đề, xây dựng câu hỏi nghiên cứu và đánh giá ý nghĩa khoa học vẫn phải dựa trên hiểu biết chuyên môn và lập luận độc lập.

Thứ hai, cần đổi mới phương pháp tổ chức và khai thác dữ liệu. Nguồn gốc, tính đầy đủ, độ chính xác, tính đại diện và mức độ phù hợp của dữ liệu với câu hỏi, mục tiêu nghiên cứu đều có thể ảnh hưởng đến kết quả. Dữ liệu đầu vào quá nhiều, nhưng thiếu tính chính xác, độ tin cậy chưa cao có thể dẫn đến kết luận thiếu căn cứ. Vì vậy, nhà nghiên cứu cần chú trọng xác định tiêu chí lựa chọn dữ liệu, ghi nhận nguồn gốc, làm rõ cách xử lý và đánh giá những giới hạn có thể ảnh hưởng đến kết quả.

Yêu cầu này đặc biệt quan trọng khi sử dụng AI để phân tích văn bản, phân loại thông tin hoặc hỗ trợ nhận diện xu hướng. Kết quả do công cụ tạo ra cần được xem xét trong mối quan hệ với dữ liệu đầu vào, phương pháp xử lý và mục tiêu nghiên cứu. Đối với nghiên cứu định tính, việc sử dụng công cụ số không thể thay thế quá trình diễn giải bối cảnh và ý nghĩa của tư liệu. Đối với nghiên cứu định lượng, kết quả phân tích cần được đặt trong khuôn khổ phương pháp phù hợp, với các giả định và giới hạn được xác định rõ, các con số chính xác. Như vậy, công nghệ có thể hỗ trợ thao tác, nhưng không tự quyết định tính hợp lệ của phương pháp.

Thứ ba, đổi mới phương pháp nghiên cứu đòi hỏi thay đổi cách đánh giá và kiểm chứng kết quả. Công cụ trí tuệ nhân tạo có thể cung cấp những câu trả lời mạch lạc nhưng chứa thông tin sai, dẫn nguồn không tồn tại hoặc diễn giải thiếu chính xác các công trình đã công bố. Vì thế, nội dung do AI tạo ra chỉ nên được xem là đầu vào cần thẩm định, không phải bằng chứng hay minh chứng chắc chắn. Nhà nghiên cứu cần đối chiếu tài liệu gốc, kiểm tra trích dẫn, xác minh dữ liệu và đánh giá xem kết quả có thực sự hỗ trợ lập luận hay không. Những kết luận vượt quá phạm vi dữ liệu, hoặc dựa trên các giả định chưa được kiểm chứng phải được nhận diện và xử lý thận trọng.

Thứ tư, cần nhìn nhận việc sử dụng công nghệ như một bộ phận của phương pháp nghiên cứu. Việc lựa chọn AI, phần mềm thống kê, nền tảng quản lý tài liệu, hay phương pháp phân tích dữ liệu phải xuất phát từ mục tiêu nghiên cứu, đặc điểm đối tượng và yêu cầu về bằng chứng. Trong nhiều trường hợp, phương pháp truyền thống vẫn có giá trị và cần được kết hợp với công cụ số, trong những trường hợp khác, công nghệ có thể mở ra cách tiếp cận mới mà trước đây khó thực hiện. Điều quan trọng là lựa chọn có căn cứ, đánh giá được hiệu quả và không để giới hạn của công cụ chi phối câu hỏi nghiên cứu.

Những thay đổi trên không làm giảm vai trò của liêm chính học thuật, mà khiến yêu cầu này trở nên cụ thể hơn. Cần bảo đảm quyền của tác giả, ghi nhận đúng đóng góp của những người tham gia nghiên cứu, bảo vệ dữ liệu và chịu trách nhiệm về tính chính xác, độ tin cậy của nội dung công bố trong suốt quá trình nghiên cứu. Thông tin cá nhân, dữ liệu chưa công bố và tài liệu nội bộ phải được xử lý theo các yêu cầu bảo mật phù hợp. Người nghiên cứu cũng cần tuân thủ quy định của cơ quan, nhà tài trợ và nơi công bố về việc sử dụng, khai báo sử dụng AI khi có yêu cầu.

Như vậy, đổi mới tư duy và phương pháp nghiên cứu trong bối cảnh chuyển đổi số là quá trình lựa chọn và kết hợp phương pháp phù hợp hơn, tổ chức bằng chứng có hệ thống hơn, kiểm chứng kết quả chặt chẽ hơn và nhận thức rõ hơn về giới hạn của công cụ được sử dụng.

3. Thúc đẩy đổi mới phương pháp nghiên cứu trong thực tiễn

Để đổi mới tư duy và phương pháp nghiên cứu được triển khai hiệu quả, trước hết cần nâng cao năng lực số gắn với năng lực nghiên cứu của đội ngũ khoa học. Hoạt động đào tạo không nên chỉ dừng ở hướng dẫn sử dụng phần mềm cơ bản, mà cần phát triển khả năng tìm kiếm và đánh giá tài liệu, quản lý dữ liệu, lựa chọn phương pháp, kiểm chứng kết quả AI, nhận diện nguy cơ sai lệch thông tin và các kỹ năng cao trong khai thác các công nghệ mới.

Ở cấp độ tổ chức, các cơ sở nghiên cứu cần xây dựng quy trình quản lý dữ liệu và hướng dẫn sử dụng AI phù hợp với đặc điểm từng lĩnh vực. Những quy định này cần làm rõ phạm vi sử dụng công cụ, trách nhiệm kiểm chứng, yêu cầu bảo mật và cách ghi nhận việc sử dụng AI khi cần thiết. Nhiều đơn vị nghiên cứu đã yêu cầu sử dụng ứng dụng Turnitin để quét kiểm tra độ tương đồng văn bản, điều này nhằm nâng cao tính liêm chính học thuật.

Đối với các tạp chí khoa học, cần hoàn thiện hướng dẫn dành cho tác giả, người phản biện và biên tập viên nhằm bảo đảm sự thống nhất giữa việc ứng dụng công nghệ, trách nhiệm học thuật và quy trình xuất bản. Đồng thời, đầu tư cơ sở dữ liệu, hệ thống quản lý nghiên cứu và phần mềm phân tích cần gắn với nhu cầu thực tế, tránh tình trạng trang bị công cụ nhưng thiếu năng lực khai thác hoặc chưa tích hợp được vào quy trình làm việc.

Có thể nói, ứng dụng công nghệ số đang làm thay đổi điều kiện tiếp cận và tổ chức hoạt động nghiên cứu, trong khi giá trị của công nghệ lại phụ thuộc vào cách nhà nghiên cứu xác định vấn đề, lựa chọn phương pháp, tổ chức dữ liệu và kiểm chứng bằng chứng. Đối với Việt Nam, định hướng phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số cần được cụ thể hóa bằng việc nâng cao năng lực nghiên cứu, hoàn thiện cơ chế quản lý dữ liệu và xây dựng hướng dẫn sử dụng AI phù hợp. Khi công nghệ được lựa chọn theo yêu cầu khoa học, dữ liệu được xử lý có trách nhiệm và kết quả được kiểm chứng nghiêm túc, chuyển đổi số mới thực sự góp phần nâng cao chất lượng nghiên cứu và năng lực hội nhập của nghiên cứu khoa học của Việt Nam./.

-Dẫn theo Cổng thông tin điện tử Viện Hàn lâm Khoa học xã hội Việt Nam-

Nguồn bài viết: Viện Nghiên cứu Châu Âu và Châu Mỹ

Thùy Dương