Trí tuệ nhân tạo trong nghiên cứu khoa học xã hội: Cơ hội đổi mới phương pháp và nâng cao hiệu quả nghiên cứu
Tóm tắt: Trí tuệ nhân tạo (AI), đặc biệt là AI tạo sinh, đang mở rộng khả năng đổi mới phương pháp và nâng cao hiệu quả nghiên cứu khoa học xã hội. Trên cơ sở tổng hợp các công bố trong nước và quốc tế, bài viết phân tích xu hướng ứng dụng AI trong tìm kiếm tài liệu, thiết kế công cụ khảo sát, xử lý dữ liệu định tính và trình bày kết quả nghiên cứu. Các nghiên cứu gần đây cho thấy AI có thể hỗ trợ nhận diện chủ đề, xây dựng hệ thống mã hóa và rút ngắn thời gian xử lý thông tin. Tuy nhiên, nguy cơ sai lệch dữ liệu, thiên kiến thuật toán, thiếu minh bạch và vi phạm liêm chính học thuật đòi hỏi cơ chế kiểm chứng phù hợp. Bài viết đề xuất tăng cường năng lực số, chuẩn hóa dữ liệu và sử dụng AI có trách nhiệm, bảo đảm vai trò quyết định của nhà nghiên cứu.
Mở đầu
Sự phát triển
mạnh mẽ của trí tuệ nhân tạo (AI), đặc biệt là AI tạo sinh, đang tạo ra những
thay đổi đáng kể trong hoạt động nghiên cứu khoa học trên thế giới. Theo UNESCO
(2023), ChatGPT đã đạt 100 triệu người dùng hoạt động hằng tháng vào tháng
1/2023, cho thấy tốc độ phổ biến nhanh chóng của công nghệ này. Đáng chú ý,
nghiên cứu của Katz và cộng sự (2026) đã thử nghiệm ứng dụng AI tạo sinh và học
máy trong phân tích dữ liệu định tính thông qua ba trường hợp nghiên cứu, bước
đầu chứng minh khả năng hỗ trợ nhận diện chủ đề và xây dựng hệ thống mã hóa dữ
liệu. Tại Việt Nam, nghiên cứu của Nguyễn Hiếu Hoàng và cộng sự (2025) trên 460
giảng viên đại học tại Hà Nội cho thấy kỳ vọng nâng cao hiệu quả công việc là
yếu tố có tác động tích cực mạnh nhất đến ý định sử dụng ChatGPT. Những kết quả
này cho thấy AI không chỉ hỗ trợ tìm kiếm, tổng hợp tài liệu mà còn mở ra cơ
hội đổi mới phương pháp, nâng cao hiệu quả xử lý và phân tích dữ liệu trong
nghiên cứu khoa học xã hội.
1.
Xu hướng ứng dụng AI trong nghiên cứu khoa học xã hội
Chuyển đổi số
và sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) đang tạo ra những thay
đổi đáng kể trong phương thức tổ chức và thực hiện nghiên cứu khoa học. Theo Tổ
chức Hợp tác và Phát triển Kinh tế (OECD, 2023), AI có tiềm năng nâng cao năng
suất nghiên cứu thông qua tự động hóa các tác vụ, xử lý dữ liệu quy mô lớn và
hỗ trợ khám phá tri thức mới. Đặc biệt, sự phát triển của AI tạo sinh và các mô
hình ngôn ngữ lớn đang mở rộng khả năng ứng dụng trong khoa học xã hội và nhân
văn, từ tìm kiếm, tổng hợp tài liệu đến phân tích dữ liệu định tính và hỗ trợ
xây dựng các luận giải khoa học. UNESCO (2023) cũng nhấn mạnh tiềm năng của AI
tạo sinh trong giáo dục và nghiên cứu, đồng thời đề cao yêu cầu kiểm chứng
thông tin, bảo vệ dữ liệu và bảo đảm vai trò chủ động của con người.
Các nghiên
cứu quốc tế gần đây cho thấy AI không chỉ hỗ trợ những công việc mang tính kỹ
thuật mà còn góp phần phát triển các phương pháp nghiên cứu khoa học xã hội.
Katz và cộng sự (2026) đã xây dựng quy trình GATOS, kết hợp AI tạo sinh mã
nguồn mở, xử lý ngôn ngữ tự nhiên và học máy để hỗ trợ phân tích chủ đề trong
dữ liệu định tính. Thử nghiệm trên ba bộ dữ liệu mô phỏng cho thấy phương pháp
này có khả năng nhận diện các chủ đề được thiết lập trong dữ liệu, mở ra triển
vọng hỗ trợ mã hóa và phân tích khối lượng lớn thông tin phỏng vấn, khảo sát.
Trong một hướng nghiên cứu khác, Li và cộng sự (2026) kết hợp AI tạo sinh với
dữ liệu điện não đồ của 38 người tham gia để nghiên cứu thiên kiến xã hội tiềm
ẩn. Mô hình đạt độ chính xác trung bình 71,8% trong dự đoán lựa chọn của người
tham gia; các hình ảnh được tạo dựa trên tín hiệu não có khả năng được lựa chọn
cao gấp 2,67 lần so với nhóm đối chứng trong thử nghiệm tiếp theo. Những kết
quả này minh họa khả năng kết hợp AI với các phương pháp thực nghiệm để nghiên
cứu nhận thức, thái độ và hành vi xã hội.
Tại Việt Nam,
việc ứng dụng AI trong môi trường học thuật cũng đang thu hút sự quan tâm ngày
càng lớn. Nghiên cứu của Nguyễn Hiếu Hoàng và cộng sự (2025), khảo sát 460
giảng viên tại các trường đại học ở Hà Nội, cho thấy kỳ vọng về hiệu quả công
việc là yếu tố có tác động tích cực mạnh nhất đến ý định sử dụng ChatGPT, tiếp
theo là tính đổi mới cá nhân, kỳ vọng về mức độ dễ sử dụng, ảnh hưởng xã hội và
hình ảnh cá nhân. Bên cạnh những lợi ích, vấn đề độ chính xác của thông tin và
liêm chính học thuật cũng được chú trọng. Trần Triệu Hải và cộng sự (2025) chỉ
ra nguy cơ AI tạo ra tài liệu tham khảo không tồn tại hoặc thông tin sai lệch,
từ đó nhấn mạnh sự cần thiết của việc xác thực nguồn tài liệu và nâng cao trách
nhiệm của người nghiên cứu.
Những kết quả
trên phản ánh xu hướng mở rộng ứng dụng AI từ hỗ trợ học thuật sang phát triển
công cụ và phương pháp nghiên cứu mới. Tuy nhiên, hiệu quả ứng dụng còn phụ
thuộc vào năng lực số của nhà nghiên cứu, chất lượng dữ liệu và điều kiện tổ
chức nghiên cứu. Trong bối cảnh triển khai Nghị quyết số 57-NQ/TW ngày
22/12/2024 của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới
sáng tạo và chuyển đổi số quốc gia, việc thúc đẩy ứng dụng AI có trách nhiệm
trong khoa học xã hội là hướng đi cần thiết nhằm đổi mới phương pháp, nâng cao
hiệu quả nghiên cứu và chất lượng sản phẩm khoa học.
2.
Tiềm năng ứng dụng AI trong các
công đoạn nghiên cứu
Sự phát triển
của AI, đặc biệt là AI tạo sinh và các mô hình ngôn ngữ lớn, đang mở rộng khả
năng hỗ trợ hoạt động nghiên cứu khoa học xã hội. Với năng lực xử lý và tổng
hợp thông tin, AI có thể tham gia vào nhiều công đoạn của quy trình nghiên cứu,
từ tổng quan tài liệu, thiết kế nghiên cứu, xây dựng công cụ thu thập dữ liệu
đến phân tích và trình bày kết quả. Theo OECD (2023), AI có tiềm năng nâng cao
hiệu quả nghiên cứu thông qua tự động hóa các tác vụ và hỗ trợ khai thác tri
thức. Trên cơ sở đó, những hướng ứng dụng chủ yếu được trình bày dưới đây.
Hỗ trợ tìm kiếm, tổng hợp và hệ thống hóa tài liệu khoa học
Tổng quan tài liệu
là công đoạn quan trọng nhằm xác định khoảng trống nghiên cứu, xây dựng cơ sở
lý luận và lựa chọn phương pháp phù hợp. Sự phát triển của AI tạo sinh và các
mô hình ngôn ngữ lớn đang mở rộng khả năng hỗ trợ công đoạn này thông qua đề
xuất từ khóa tìm kiếm, tóm tắt nội dung, phân loại tài liệu và hệ thống hóa kết
quả nghiên cứu theo chủ đề. Theo OECD (2023), các công cụ AI có thể hỗ trợ nhà
khoa học khai thác thông tin từ khối lượng lớn tài liệu, nhận diện mối liên hệ
giữa các lĩnh vực tri thức và nâng cao hiệu quả tổng hợp thông tin khoa học.
Trong môi trường học
thuật Việt Nam, nghiên cứu của Nguyễn Nam Phương và cộng sự (2025), khảo sát
694 sinh viên tại Trường Đại học Hùng Vương và Trường Đại học Sư phạm Hà Nội,
ghi nhận việc sử dụng ChatGPT để tìm kiếm thông tin, tóm tắt và phân tích tài
liệu học tập. Mặc dù đối tượng khảo sát là sinh viên, kết quả gợi mở khả năng
ứng dụng AI trong những công việc xử lý tài liệu tương đồng của hoạt động
nghiên cứu khoa học. Tuy nhiên, việc xác định giá trị học thuật, đối chiếu kết
quả giữa các công trình và lựa chọn tài liệu có độ tin cậy vẫn cần sự đánh giá
của nhà nghiên cứu (UNESCO, 2023).
Hỗ trợ thiết kế nghiên cứu và xây dựng công cụ thu thập dữ liệu
AI có thể hỗ trợ nhà
nghiên cứu xây dựng cấu trúc đề cương, phát triển câu hỏi nghiên cứu và đề xuất
các công cụ thu thập thông tin như bảng hỏi khảo sát, hướng dẫn phỏng vấn sâu
và thảo luận nhóm. Nhờ khả năng xử lý ngôn ngữ tự nhiên, các mô hình AI tạo
sinh có thể gợi ý cách diễn đạt câu hỏi, hệ thống hóa các nhóm vấn đề và hỗ trợ
điều chỉnh nội dung công cụ theo mục tiêu nghiên cứu. OECD (2023) nhận định AI
có tiềm năng hỗ trợ phát triển các phương pháp và quy trình nghiên cứu mới, qua
đó mở rộng khả năng tiếp cận những vấn đề khoa học phức tạp.
Đối với nghiên cứu
khoa học xã hội, tiềm năng này thể hiện rõ trong quá trình thiết kế các nghiên
cứu về sinh kế, biến đổi khí hậu, phát triển cộng đồng và quản lý tài nguyên.
Chẳng hạn, AI có thể hỗ trợ xây dựng nhóm câu hỏi về nguồn lực sinh kế, nhận
thức rủi ro, khả năng tiếp cận thông tin và chiến lược thích ứng của hộ gia
đình.
Hỗ trợ xử lý và phân tích dữ liệu định tính
Phân tích dữ liệu
định tính là một trong những hướng ứng dụng AI có nhiều triển vọng đối với khoa
học xã hội. Các nghiên cứu sử dụng phỏng vấn sâu, thảo luận nhóm và câu hỏi mở
thường tạo ra khối lượng lớn dữ liệu văn bản, đòi hỏi nhiều thời gian để phiên
âm, mã hóa, phân loại và xác định các chủ đề phân tích. AI tạo sinh kết hợp với
xử lý ngôn ngữ tự nhiên và học máy có thể hỗ trợ tự động hóa một phần các công
đoạn này, đặc biệt trong nhận diện những nội dung lặp lại và xây dựng hệ thống
mã dữ liệu.
Katz và cộng sự
(2026), trong nghiên cứu công bố trên Humanities and Social Sciences Communications,
đã phát triển quy trình GATOS kết hợp AI tạo sinh mã nguồn mở, xử lý ngôn ngữ
tự nhiên và học máy để hỗ trợ phân tích chủ đề. Thử nghiệm trên ba bộ dữ liệu
mô phỏng cho thấy dưới 5% số chủ đề thành phần ban đầu không có sự tương ứng rõ
ràng với kết quả do AI tạo ra, trong đó dưới 2% không tìm được nội dung tương
ứng gần. Kết quả cho thấy triển vọng ứng dụng AI trong xây dựng hệ thống mã hóa
và phân tích dữ liệu định tính quy mô lớn.
Ở một hướng tiếp cận
khác, Mehta và cộng sự (2025), trong nghiên cứu công bố trên Scientific
Reports, đã so sánh kết quả phân tích dữ liệu thảo luận nhóm bằng mô hình
ngôn ngữ lớn với phân tích của nhà nghiên cứu. Kết quả cho thấy AI có khả năng
nhận diện các chủ đề chính nhưng còn hạn chế trong lựa chọn trích dẫn minh họa
và diễn giải sắc thái thông tin. Đối với dữ liệu từ nhóm nam giới, tỷ lệ trích
dẫn được đánh giá phù hợp với chủ đề dao động từ 33% đến 79% trong các lần phân
tích. Điều này cho thấy AI có thể hỗ trợ nhận diện và tổ chức chủ đề ban đầu,
nhưng việc diễn giải dữ liệu vẫn cần được kiểm chứng và đối chiếu với bối cảnh
nghiên cứu.
Hỗ trợ tổng hợp và trình bày kết quả nghiên cứu
Bên cạnh xử lý dữ
liệu, AI còn có thể hỗ trợ hệ thống hóa kết quả nghiên cứu, xây dựng bảng tổng
hợp, phân nhóm thông tin, rà soát tính nhất quán và đề xuất cách trình bày kết
quả. Đối với các nghiên cứu liên ngành, khả năng xử lý và kết nối thông tin từ
nhiều nguồn có thể hỗ trợ nhận diện những vấn đề chung, sự khác biệt giữa các
nhóm đối tượng và những nội dung cần tiếp tục phân tích (OECD, 2023).
Tuy nhiên, khả năng
tổng hợp và trình bày thông tin không đồng nghĩa với khả năng xác lập kết luận
khoa học. Channing và Ghosh (2026) nhấn mạnh rằng hiệu quả ứng dụng AI trong
nghiên cứu phụ thuộc không chỉ vào năng lực công nghệ mà còn vào chất lượng dữ
liệu, sự phối hợp liên ngành và điều kiện tổ chức nghiên cứu. Vì vậy, AI cần
được xem là công cụ hỗ trợ quá trình xử lý và tổng hợp thông tin, trong khi
việc diễn giải kết quả, xác định mối quan hệ giữa các yếu tố và đề xuất khuyến
nghị chính sách vẫn phải dựa trên bằng chứng thực nghiệm và lập luận khoa học.
3.
Những thách thức đối với sử dụng AI
trong nghiên cứu khoa học xã hội
Bên cạnh
những cơ hội đổi mới phương pháp và nâng cao hiệu quả nghiên cứu, ứng dụng AI
cũng đặt ra nhiều thách thức liên quan đến độ tin cậy của thông tin, thiên kiến
thuật toán, bảo mật dữ liệu và liêm chính khoa học. Những vấn đề này đặc biệt
đáng quan tâm trong nghiên cứu khoa học xã hội, nơi kết quả phân tích thường
gắn với hành vi con người, quan hệ xã hội và những đặc điểm kinh tế, văn hóa
mang tính bối cảnh.
Một trong
những hạn chế đáng chú ý là khả năng AI tạo ra thông tin sai lệch hoặc tài liệu
tham khảo không có thật. Tại Việt Nam, Trần Triệu Hải và cộng sự (2025) đã phân
tích hiện tượng ngụy tạo tài liệu tham khảo bằng AI, chỉ ra nguy cơ những nguồn
trích dẫn không tồn tại hoặc dữ liệu thiếu chính xác được đưa vào sản phẩm
nghiên cứu. Các tác giả nhấn mạnh sự cần thiết của việc xác thực nguồn tài
liệu, xây dựng hướng dẫn sử dụng AI và tăng cường đào tạo về đạo đức, liêm
chính học thuật. Điều này cho thấy việc sử dụng AI để tìm kiếm và tổng hợp tài
liệu cần đi kèm với quy trình kiểm chứng thông tin từ các nguồn khoa học có thể
truy xuất.
Bên cạnh độ
chính xác, thiên kiến thuật toán cũng có thể ảnh hưởng đến tính khách quan của
kết quả nghiên cứu. Ukanwa (2024), trong nghiên cứu công bố trên Current
Opinion in Psychology, chỉ ra rằng thiên kiến AI có thể bắt nguồn từ dữ
liệu huấn luyện và những bất bình đẳng xã hội được phản ánh trong hệ thống công
nghệ. Tác giả đề xuất tăng cường sự tham gia của khoa học xã hội trong ba giai
đoạn thiết kế, phát triển và triển khai AI nhằm nhận diện, hạn chế các sai
lệch. Ở góc độ rộng hơn, Channing và Ghosh (2026) nhấn mạnh rằng hiệu quả ứng
dụng AI trong khoa học còn chịu ảnh hưởng của chất lượng dữ liệu, khả năng tiếp
cận hạ tầng và sự phối hợp giữa các lĩnh vực chuyên môn.
Đối với vấn
đề quản trị và trách nhiệm học thuật, UNESCO (2023) khuyến nghị sử dụng AI tạo
sinh theo cách tiếp cận lấy con người làm trung tâm, chú trọng bảo vệ dữ liệu
cá nhân, bảo đảm tính công bằng và duy trì quyền chủ động của người sử dụng.
Yêu cầu này có ý nghĩa đặc biệt đối với nghiên cứu khoa học xã hội khi dữ liệu
phỏng vấn, điều tra thường chứa thông tin về thu nhập, điều kiện sống, quan
điểm và trải nghiệm cá nhân. Vì vậy, ứng dụng AI cần gắn với bảo mật dữ liệu,
minh bạch về phạm vi sử dụng công nghệ và kiểm chứng kết quả phân tích. Nhà
nghiên cứu phải giữ vai trò quyết định trong diễn giải bằng chứng, xác lập kết
luận và chịu trách nhiệm đối với chất lượng, tính trung thực của sản phẩm khoa
học.
Kết luận
Các nghiên
cứu trong nước và quốc tế cho thấy trí tuệ nhân tạo - AI, đặc biệt là AI tạo
sinh, đang mở ra những cơ hội đổi mới phương pháp và nâng cao hiệu quả nghiên
cứu khoa học xã hội. AI có thể hỗ trợ nhiều công đoạn, từ tìm kiếm, tổng hợp
tài liệu, thiết kế công cụ thu thập thông tin đến xử lý, mã hóa và phân tích dữ
liệu định tính. Những kết quả nghiên cứu gần đây cho thấy triển vọng ứng dụng
AI trong phát triển các phương pháp phân tích dữ liệu mới. Tuy nhiên, hiệu quả
ứng dụng còn phụ thuộc vào chất lượng dữ liệu, năng lực công nghệ và khả năng
kiểm chứng, diễn giải kết quả của nhà nghiên cứu.
Để phát huy
tiềm năng của AI, các cơ sở nghiên cứu khoa học xã hội cần ưu tiên bồi dưỡng
năng lực số và kỹ năng sử dụng AI cho đội ngũ nghiên cứu viên; từng bước chuẩn
hóa, số hóa và quản lý dữ liệu nghiên cứu; xây dựng hướng dẫn về phạm vi sử
dụng AI, bảo mật thông tin và liêm chính học thuật. Đồng thời, cần khuyến khích
thử nghiệm các công cụ AI trong những công đoạn phù hợp, đánh giá hiệu quả trên
dữ liệu nghiên cứu thực tế và tăng cường chia sẻ kinh nghiệm, hợp tác liên
ngành.
Tài liệu tham khảo
1.
Trần Triệu Hải, Lê Thị Ngọc Trâm, Lê
Thị Thu Vân, & Lê Hữu Nam. (2025). Tài liệu tham khảo do AI hỗ trợ: Vấn đề
xác thực và đảm bảo liêm chính trong nghiên cứu khoa học tại Việt Nam. https://doi.org/10.59266/houjs.2025.665.
2.
Nguyễn Nam Phương, Nguyễn Hoài Thu, Lại
Thùy Linh, & Nguyễn Thị Thanh Hiền. (2025). Thực trạng sử dụng ChatGPT của
sinh viên sư phạm trong tìm kiếm thông tin phục vụ học tập: Nghiên cứu tại Trường
Đại học Hùng Vương và Trường Đại học Sư phạm Hà Nội. Tạp chí Giáo dục, 25(số đặc
biệt 4), 351–356.
3. Channing, G., & Ghosh, A.
(2026). AI for scientific discovery is a social problem. Patterns. https://doi.org/10.1016/j.patter.2026.101497
4. Katz, A., Fleming, G. C., &
Main, J. B. (2026). Thematic analysis with open-source generative AI and
machine learning: A new method for inductive qualitative codebook development.
Humanities and Social Sciences Communications, 13, Article 209. https://doi.org/10.1057/s41599-026-06508-5
5. Li, A., Ruotsalo, T., Montag, C.,
& Spapé, M. (2026). Revealing implicit social bias through EEG-informed
generative AI. Computers in Human Behavior Reports. https://doi.org/10.1016/j.chbr.2026.101443
6. Miao, F., & Holmes, W. (2023).
Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
7. Mehta, S. D., Paul, S., Awiti, E.,
Young, S., Zulaika, G., Otieno, F. O., Phillips-Howard, P. A., Mason, L., &
Bhaumik, R. (2025). Evaluation of large language models within GenAI in qualitative
research. Scientific Reports, 15, Article 34993. https://doi.org/10.1038/s41598-025-18969-w
8. Nguyen, H. H., Pham, N. L., Nguyen,
T. T., & Mai, C. M. (2025). Determinants of the intention to use ChatGPT in
the work of university lecturers. Educational Process: International Journal,
14, Article e2025053. https://doi.org/10.22521/edupij.2025.14.53
9. Organisation for Economic
Co-operation and Development. (2023). Artificial intelligence in science:
Challenges, opportunities and the future of research. OECD Publishing. https://doi.org/10.1787/a8d820bd-en
10. Ukanwa, K. (2024). Algorithmic
bias: Social science research integration through the 3-D Dependable AI
Framework. Current Opinion in Psychology, 58, Article 101836. https://doi.org/10.1016/j.copsyc.2024.101836
TS. Nguyễn
Thị Thu Hà
Viện Địa
lý nhân văn và Phát triển bền vững