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