1. Giới thiệu khái quát Bộ Quy tắc ứng xử châu Âu về liêm chính trong nghiên cứu

Bộ Quy tắc ứng xử châu Âu về liêm chính trong nghiên cứu do Liên đoàn các Viện Hàn lâm Khoa học và Nhân văn châu Âu (ALLEA) xây dựng và cập nhật (ALLEA, 2023). Bộ Quy tắc ra đời lần đầu tiên vào năm 2011 thông qua sự phối hợp giữa ALLEA và Quỹ Khoa học Châu Âu (ESF). Mục tiêu ban đầu là tạo ra một khung khổ tự quản chung nhằm ngăn chặn vi phạm đạo đức và nâng cao chất lượng nghiên cứu trong bối cảnh các dự án hợp tác xuyên quốc gia tại Châu Âu gia tăng mạnh mẽ. Đến năm 2017, ALLEA đảm nhận độc lập việc cập nhật Bộ Quy tắc. Phiên bản này đánh dấu bước ngoặt khi Ủy ban Châu Âu (EC) chính thức đưa Bộ Quy tắc thành chuẩn mực bắt buộc đối với tất cả các dự án nhận tài trợ từ nguồn ngân sách nghiên cứu của EU. Phiên bản mới nhất được bổ sung cập nhật năm 2023 nhằm phản ánh những chuyển dịch mới trong khoa học, bổ sung quy định về khoa học mở, quản lý dữ liệu FAIR, trí tuệ nhân tạo (AI) và văn hóa đánh giá nghiên cứu, trong đó có đưa ra các nguyên tắc cốt lõi, hướng dẫn thực hành tốt và định nghĩa các hành vi vi phạm đạo đức nhằm đảm bảo tính đáng tin cậy của khoa học.

Bộ Quy tắc đưa ra 4 nguyên tắc cốt lõi của liêm chính nghiên cứu, bao gồm: (1) Độ tin cậy: đòi hỏi chất lượng của nghiên cứu phải được bảo đảm từ thiết kế, phương pháp luận, phân tích đến việc sử dụng nguồn lực; (2) Sự trung thực: yêu cầu nhà nghiên cứu minh bạch, công bằng, đầy đủ và không thiên vị trong quá trình hình thành, thực hiện, phản biện, báo cáo và truyền đạt kết quả nghiên cứu; (3) Sự tôn trọng: thể hiện đối với đồng nghiệp, người tham gia nghiên cứu, đối tượng nghiên cứu, cộng đồng, xã hội và môi trường nghiên cứu; và (4) Trách nhiệm giải trình: Nhà nghiên cứu và các chủ thể liên quan phải chịu trách nhiệm đối với toàn bộ quá trình nghiên cứu, từ hình thành ý tưởng, tổ chức thực hiện, phân tích đến công bố kết quả và những tác động rộng hơn đối với xã hội (ALLEA, 2023).

Tài liệu này còn đưa ra các hướng dẫn thực hành tốt xuyên suốt vòng đời nghiên cứu, từ quản lý dữ liệu mở (nguyên tắc FAIR), công bố kết quả đến đánh giá đồng cấp, đồng thời xác định các hành vi như bịa đặt, làm giả và đạo văn là những hành vi vi phạm nghiêm trọng liêm chính nghiên cứu.

Tuy nhiên, sự xuất hiện của AI đang mở rộng đáng kể phạm vi của những chuẩn mực này. Khi một hệ thống không phải con người có thể tham gia vào việc tìm kiếm, phân tích, diễn giải hoặc tạo ra nội dung nghiên cứu, một vấn đề mới được đặt ra: nhà nghiên cứu phải chịu trách nhiệm đến đâu đối với tri thức được tạo ra với sự hỗ trợ của AI? Đây chính là điểm mà các nguyên tắc về đạo đức, minh bạch và trách nhiệm của Bộ Quy tắc trở nên đặc biệt đáng suy ngẫm trong thời đại AI.

 2. Những thách thức đối với đạo đức nghiên cứu

Sự xuất hiện của AI đang mở rộng đáng kể khả năng tìm kiếm, xử lý và phân tích thông tin. Tuy nhiên, nhìn từ Bộ Quy tắc ứng xử Châu Âu về liêm chính trong nghiên cứu (ECoC) cùng hệ thống pháp lý hiện hành tại Việt Nam như Luật Trí tuệ nhân tạo (Quốc hội, 2025c) và Luật Bảo vệ dữ liệu cá nhân (Quốc hội, 2025a), vấn đề cốt lõi không nằm ở chỗ AI làm được gì, mà là việc ứng dụng nó sẽ tác động thế nào đến các chuẩn mực đạo đức khoa học. Trong nghiên cứu xã hội học và tâm lý học - nơi dữ liệu gắn liền với đời sống, nhận thức và hành vi con người - thách thức này càng trở nên nghiêm trọng.

Thứ nhất, rủi ro đối với độ tin cậy của tri thức: AI có thể tạo ra những văn bản rất mạch lạc nhưng lại chứa đựng thông tin sai lệch, trích dẫn không tồn tại hoặc suy luận thiếu căn cứ (NIST, 2024; Adel & Alani, 2025). Đáng chú ý, Messeri và Crockett (2024) cảnh báo rằng AI có thể tạo ra cảm giác hiểu biết vượt quá những gì nhà khoa học thực sự nắm được, từ đó làm suy giảm khả năng nhận diện giới hạn của phương pháp và kết quả nghiên cứu. Trong nghiên cứu xã hội, đây không đơn thuần là một lỗi kỹ thuật. Một khái niệm bị diễn giải sai hay một hành vi bị tách khỏi bối cảnh có thể dẫn đến cái nhìn lệch lạc về cả một nhóm cộng đồng. Vì vậy, đầu ra của AI chỉ có thể xem là thông tin tham khảo cần thẩm định chứ không thể coi là bằng chứng khoa học tự thân. Việc Luật Trí tuệ nhân tạo (2025) nhấn mạnh nguyên tắc "lấy con người làm trung tâm" chính là lời nhắc nhở rằng AI không thể thay thế phán đoán chuyên môn của người làm nghiên cứu.

Thứ hai, nguy cơ xâm phạm quyền riêng tư và quyền của người tham gia: Dữ liệu khoa học xã hội chứa đựng nhiều thông tin về quan điểm và đời sống cá nhân. Khi đưa các dữ liệu này lên các hệ thống AI của bên thứ ba, rủi ro rò rỉ hay tái nhận diện danh tính là rất lớn. Việc một cá nhân đồng ý tham gia phỏng vấn không có nghĩa là họ mặc nhiên chấp nhận để dữ liệu của mình được xử lý bởi các thuật toán thương mại. Do đó, tuân thủ ECoC cũng như Luật Bảo vệ dữ liệu cá nhân đòi hỏi nhà nghiên cứu phải cẩn trọng kiểm soát dữ liệu ngay từ khâu thiết kế phương pháp.

Thứ ba, nguy cơ tái sản xuất định kiến dưới danh nghĩa khách quan: AI được huấn luyện trên những nguồn dữ liệu có thể chứa sẵn các thiên lệch và định kiến xã hội. Khi sử dụng AI để mã hóa nội dung, phân loại hành vi hoặc hỗ trợ diễn giải dữ liệu, nhà nghiên cứu có nguy cơ đưa những thiên lệch này vào kết quả phân tích mà không nhận ra. Nếu thiếu sự xem xét thận trọng đối với các giả định và cách diễn giải do AI đưa ra, nhà nghiên cứu có thể vô tình củng cố những nhận định thiếu khách quan về các nhóm xã hội, đặc biệt là nhóm yếu thế, dưới hình thức kết quả khoa học.

Thứ tư, trách nhiệm đối với hệ quả xã hội của tri thức: Kết quả nghiên cứu xã hội có thể ảnh hưởng đến truyền thông, chính sách và nhận thức của công chúng. Cách mô tả một nhóm xã hội, một hành vi hoặc một đặc điểm tâm lý vì thế có thể tác động đến chính những con người được nghiên cứu. Hướng dẫn đạo đức nghiên cứu khoa học xã hội và nhân văn của Na Uy (NESH, 2024) nhấn mạnh trách nhiệm tránh những cách phân loại, khái quát hoặc diễn giải có thể dẫn đến kỳ thị hay gây tổn hại cho cá nhân và cộng đồng. Do đó, đạo đức nghiên cứu không chỉ dừng lại ở câu hỏi "kết quả này có đúng với dữ liệu hay không", mà phải mở rộng thành "cách tôi diễn giải sẽ ảnh hưởng thế nào đến những người trong cuộc".

Chung quy lại, thách thức lớn nhất từ AI không phải là việc công nghệ mắc lỗi, mà là nguy cơ con người biến những lỗi sai và thiên lệch của công nghệ thành tri thức xã hội. AI có thể gia tăng năng lực làm việc, nhưng không thể gánh thay nghĩa vụ bảo vệ đối tượng nghiên cứu và tôn trọng sự thật của người làm khoa học.

 3. Minh bạch trong sử dụng AI: Điều kiện của liêm chính nghiên cứu

Nếu đạo đức nghiên cứu xác định những giới hạn cần bảo vệ, thì tính minh bạch chính là điều kiện để cộng đồng học thuật quan sát và đánh giá giới hạn đó. Theo tinh thần của ECoC, minh bạch không phải một thủ tục hành chính, mà là cơ sở để người đọc hiểu rõ con đường hình thành nên một kết quả khoa học (ALLEA, 2023).

Yêu cầu này trở nên cấp thiết khi AI tạo sinh đang can thiệp ngày càng sâu vào các khâu mang tính tư duy chuyên môn, từ tổng hợp tài liệu, gợi ý giả thuyết cho đến hỗ trợ diễn giải dữ liệu. Dù vậy, minh bạch không đồng nghĩa với việc khai báo cơ học từng câu lệnh hay thao tác nhỏ. Việc dùng AI để sửa lỗi chính tả có bản chất khác với việc dùng AI để xây dựng lập luận hay phân tích định lượng. Mức độ công khai vì thế cần tỷ lệ thuận với tầm ảnh hưởng của AI đối với các quyết định khoa học. Một công bố minh bạch cần làm rõ ba chi tiết: AI tham gia ở đâu, làm việc gì, và nhà nghiên cứu đã thẩm định đầu ra đó ra sao.

Cần phân biệt giữa minh bạch và kiểm chứng. Minh bạch giúp người đọc biết AI được sử dụng như thế nào trong quá trình nghiên cứu, còn kiểm chứng nhằm xác định kết quả có đáng tin cậy hay không. Vì vậy, công khai việc sử dụng AI không thể thay thế trách nhiệm kiểm tra, đánh giá kết quả. Đồng thời, minh bạch phải đi đôi với bảo mật, không làm lộ dữ liệu cá nhân hoặc thông tin của người tham gia nghiên cứu.

AI chỉ đóng vai trò công cụ hỗ trợ, không thể thay thế tư cách tác giả và trách nhiệm của nhà nghiên cứu. Minh bạch trong sử dụng AI vì thế không đơn thuần là thông báo có sử dụng công nghệ, mà phải làm rõ AI đã tham gia vào những công đoạn nào và ở mức độ nào. AI càng tham gia sâu vào quá trình nghiên cứu, yêu cầu công khai và giải trình càng cao, qua đó góp phần bảo đảm độ tin cậy và tính liêm chính của kết quả khoa học.

 4. Trách nhiệm của nhà nghiên cứu trong thời đại AI

Trong khoa học xã hội như Xã hội học hay Tâm lý học, đối tượng dữ liệu thường liên quan trực tiếp đến đời sống cá nhân, cảm xúc, quan điểm, mối quan hệ và đặc biệt là các nhóm dễ bị tổn thương. Việc ứng dụng AI vì thế làm nảy sinh thêm hàng loạt thách thức phức tạp về bảo vệ dữ liệu cá nhân, nguy cơ tái nhận diện, thiên lệch thuật toán, cũng như nguy cơ diễn giải sai lệch hành vi hay đặc điểm của một nhóm xã hội (Davison và cộng sự, 2024).

Đáng chú ý, AI không chỉ hỗ trợ xử lý dữ liệu mà còn có thể ảnh hưởng đến cách nhà nghiên cứu nhìn nhận và giải thích kết quả. Nếu quá phụ thuộc vào những phân loại hoặc nhận định do AI đưa ra, nhà nghiên cứu có thể vô tình đưa các định kiến và cách nhìn sai lệch của công nghệ vào kết luận khoa học (Messeri và Crockett, 2024). Vì vậy, việc sử dụng AI đòi hỏi nhà nghiên cứu phải giữ vai trò chủ động trong phân tích, kiểm chứng độ tin cậy của kết quả và cân nhắc những tác động có thể xảy ra đối với con người và các nhóm xã hội được nghiên cứu.

Mặt khác, một kết quả nghiên cứu xã hội hiếm khi chỉ dừng lại trên trang giấy; nó có thể được truyền thông lan tỏa, cơ quan quản lý tham khảo, tổ chức ứng dụng hoặc công chúng diễn giải. Do đó, trách nhiệm của nhà nghiên cứu không chỉ gói gọn trong câu hỏi: “Kết quả này có đúng với dữ liệu hay không?”, mà còn phải mở rộng ra: “Cách tôi trình bày kết quả sẽ tác động như thế nào đến những con người và nhóm xã hội được nghiên cứu?”

Sự tham gia ngày càng sâu của AI hoàn toàn không làm thay đổi hay làm mờ đi chủ thể của trách nhiệm khoa học. Nhà nghiên cứu vẫn là người chịu trách nhiệm cuối cùng đối với mọi quyết định, bằng chứng và tri thức được công bố. Vấn đề cốt lõi không nằm ở việc có sử dụng AI hay không, mà là nhà nghiên cứu kiểm soát, kiểm chứng và chịu trách nhiệm như thế nào đối với việc công cụ này được vận hành. Nguyên tắc nền tảng cần giữ vững là: AI hỗ trợ thực hiện nghiên cứu; nhà nghiên cứu quyết định, kiểm chứng và chịu trách nhiệm đối với tri thức được tạo ra.

Tóm lại, trách nhiệm của nhà nghiên cứu khoa học xã hội trong thời đại AI chính là sự tái khẳng định vai trò trung tâm của con người trong hoạt động khoa học. Không phủ định cũng không tuyệt đối hóa AI, giải pháp nằm ở việc thiết lập một mối quan hệ sử dụng có kiểm soát - nơi năng lực công nghệ luôn đặt dưới sự chi phối của phán đoán chuyên môn, chuẩn mực đạo đức và trách nhiệm xã hội. Đây là nền tảng cốt lõi để khai thác tối đa sức mạnh của AI mà không làm suy giảm tính tự chủ, độ tin cậy và liêm chính khoa học.

 5. Kết luận

Nhìn từ Bộ Quy tắc ứng xử Châu Âu về liêm chính trong nghiên cứu, giá trị cốt lõi của tài liệu này không chỉ nằm ở một danh mục hành vi “được làm” hay “không được làm”, mà ở việc thiết lập một khung quan hệ trách nhiệm toàn diện: trách nhiệm đối với chất lượng tri thức, đối với con người và đối với toàn xã hội. Đối với các ngành khoa học xã hội như Xã hội học và Tâm lý học - nơi đối tượng nghiên cứu chính là con người, các mối quan hệ xã hội và những nhóm cộng đồng dễ bị tổn thương - khung trách nhiệm này càng mang ý nghĩa đặc biệt quan trọng để ngăn ngừa nguy cơ sai lệch hay tổn hại trong quá trình diễn giải dữ liệu. Bộ Quy tắc vì thế vượt khỏi phạm vi của một bộ quy tắc khu vực để trở thành một khung tham chiếu hữu ích cho việc định hình các chuẩn mực nghiên cứu trong bối cảnh toàn cầu.

Tại Việt Nam, tinh thần này đã và đang được thể hiện rõ nét qua các bước tiến quan trọng về mặt thể chế. Luật Khoa học, Công nghệ và Đổi mới sáng tạo năm 2025 (Quốc hội, 2025b) đã chính thức luật hóa các quy định về liêm chính khoa học, xác định các hành vi ngụy tạo dữ liệu, đạo văn, che giấu xung đột lợi ích hay làm sai lệch bản chất nghiên cứu là những vi phạm nghiêm trọng, đồng thời yêu cầu các tổ chức nghiên cứu phải chủ động xây dựng bộ quy tắc nội bộ phù hợp. Cùng với đó, Quyết định số 2557 của Bộ Khoa học và Công nghệ (có hiệu lực từ ngày 25/5/2026) đã ban hành hướng dẫn chi tiết về liêm chính khoa học và đạo đức nghề nghiệp, đưa ra các yêu cầu khắt khe về tính trung thực học thuật, minh bạch dữ liệu, trách nhiệm giải trình và cơ chế phòng ngừa vi phạm cho các bên liên quan.