Sàng lọc có AI hỗ trợ dùng học máy để xếp hạng phần tiêu đề và tóm tắt mà một tổng quan hệ thống trả về, nhờ đó người rà soát đọc trước những nghiên cứu liên quan nhất. Với nhà nghiên cứu Việt và người dùng tiếng Anh như ngôn ngữ thứ hai đang đứng trước một tổng quan hệ thống hay một meta-analysis đầu tiên, các công cụ này có thể rút nhiều tuần sàng lọc thủ công xuống còn vài ngày, nhưng chỉ khi chúng tăng tốc một quy trình minh bạch dựa trên chuẩn mực, chứ không thay thế phán đoán của con người.
Bài viết này trả lời bảy câu hỏi mà nhà nghiên cứu Việt hay hỏi cố vấn công bố của MAAS nhất khi dùng AI để sàng lọc nghiên cứu cho một tổng quan hệ thống nhắm tới tạp chí Scopus Q1/Q2.
Tác giả: Ban Phương pháp Nghiên cứu và Tổng hợp Bằng chứng MAAS · Hiệu đính bởi mentor chuyên môn của MAAS
Cập nhật lần cuối: 2026-06-21
Chuyên mục: research-methods
Sàng lọc bằng AI thực chất làm gì trong một tổng quan hệ thống?
Trả lời trực tiếp: Công cụ đọc tiêu đề và tóm tắt mà lượt tìm kiếm trả về rồi dự đoán khả năng liên quan của từng bản ghi, nên bạn xem những nghiên cứu triển vọng nhất trước và chốt tập bài đưa vào sớm hơn. Nó đỡ cho bạn ở chặng sàng tiêu đề và tóm tắt, chứ không thiết kế đề cương, không đánh giá chất lượng, cũng không tự quyết định bài nào đủ điều kiện.
Bằng chứng: Một tổng quan hệ thống về các hướng khai phá văn bản cho thấy tự động hoá khâu nhận diện nghiên cứu có thể giảm đáng kể khối lượng sàng lọc mà vẫn giữ độ bao phủ cao, và các tác giả đặt những phương pháp này ở vị trí hỗ trợ ra quyết định chứ không phải thay thế (O'Mara-Eves và cộng sự, 2015). Một hướng dẫn thực hành sau đó gom các công cụ đã chín thành hai việc mà người rà soát giao cho máy, đó là ưu tiên những bản ghi liên quan và giảm số bản ghi phải đọc bằng tay (Marshall & Wallace, 2019).
Ví dụ: Một học viên cao học người Việt được MAAS đồng hành có lượt tìm kiếm trả về hơn 4.000 bản ghi, và bạn mặc định rằng mình sẽ phải đọc tay từng tóm tắt. Cố vấn của bạn đặt lại vấn đề, rằng một công cụ học chủ động sẽ đẩy các nghiên cứu nhiều khả năng liên quan lên sớm để bạn dừng lại khi không còn bài mới, rút khoảng ba tuần đọc xuống còn chừng năm ngày.
Người rà soát thực sự dùng những công cụ AI nào?
Trả lời trực tiếp: Các nhóm tổng hợp bằng chứng chủ yếu dùng vài công cụ quen thuộc. Rayyan cho nhiều người cùng sàng tiêu đề, tóm tắt kèm gợi ý mức liên quan. ASReview dùng học chủ động xếp lại thứ tự bản ghi theo nhãn bạn gán, còn mô hình ngôn ngữ lớn đa dụng thì mới nổi, ít được kiểm chứng hơn. Hãy chọn công cụ có bài báo phương pháp và quy trình minh bạch.
Bằng chứng: Rayyan là một ứng dụng web và di động miễn phí, được dựng để tăng tốc vòng sàng tiêu đề và tóm tắt ban đầu bằng bán tự động hoá (Ouzzani và cộng sự, 2016). ASReview là một khung mã nguồn mở mà cơ chế học chủ động của nó xếp lại chồng bản ghi chưa sàng mỗi khi người rà soát gán nhãn cho một bản ghi, và nhóm phát triển cho thấy cách này tìm ra nghiên cứu liên quan sớm hơn hẳn so với đọc ngẫu nhiên (van de Schoot và cộng sự, 2021).
Ví dụ: Hai đồng tác giả được MAAS đồng hành chia việc cho nhau. Một người sàng trên Rayyan để tận dụng tính năng ẩn danh và xử lý bất đồng, người còn lại đưa đúng bộ bản ghi đó qua ASReview để xác nhận không có nghiên cứu liên quan nào nằm cuối hàng đợi. Phần chồng lấn giữa hai lượt cho họ đủ tự tin trước khi khoá tập bài được đưa vào.
| Loại công cụ | Làm gì ở khâu sàng lọc | Dùng lần đầu hợp nhất khi nào |
|---|---|---|
| Rayyan | Nhiều người cùng sàng tiêu đề và tóm tắt, kèm gợi ý mức liên quan và chế độ ẩn danh | Sàng hai người kèm quy trình xử lý bất đồng |
| ASReview | Học chủ động, xếp lại các bản ghi chưa đọc theo nhãn bạn gán | Ưu tiên một lượt tìm kiếm lớn để tìm ra nghiên cứu liên quan sớm |
| Mô hình ngôn ngữ lớn đa dụng (ví dụ GPT-4) | Phân loại một bản ghi thành nhận hoặc loại từ một câu lệnh | Lượt kiểm thử nghiệm ở vòng hai, không phải người sàng duy nhất |
AI sàng tiêu đề và tóm tắt chính xác đến đâu?
Trả lời trực tiếp: Khi dùng để xếp ưu tiên, cách làm này giữ độ bao phủ cao và cắt đáng kể khối lượng đọc, vì bạn đọc tiếp tới lúc không còn bài liên quan nào. Nếu để máy tự loại mà không ai xem lại, độ chính xác kém tin cậy hơn, phụ thuộc nặng vào chủ đề và cân bằng dữ liệu. Cài đặt an toàn là bao phủ cao, người xác nhận mọi ca bị loại.
Bằng chứng: Bài tổng quan về khai phá văn bản ghi nhận mức tiết kiệm công sức tiềm năng lớn khi tự động hoá đóng vai xếp ưu tiên thay vì tự loại, đồng thời lưu ý rằng hiệu năng thay đổi theo từng tổng quan và độ bao phủ phải được bảo vệ (O'Mara-Eves và cộng sự, 2015). Khi được đánh giá như một người sàng độc lập, hiệu năng của GPT-4 tụt qua các chặng sau khi hiệu chỉnh cho mức đồng thuận ngẫu nhiên và độ mất cân bằng của tập dữ liệu, dao động từ không đáng kể đến trung bình tuỳ theo có bao nhiêu bản ghi thực sự liên quan (Khraisha và cộng sự, 2024).
Ví dụ: Một nghiên cứu sinh người Việt muốn để mô hình ngôn ngữ tự động loại bản ghi. Cố vấn MAAS chỉ cho bạn thấy vấn đề mất cân bằng, rằng khi chỉ một nhúm trong 3.000 bản ghi là liên quan, một mô hình loại mạnh tay trông có vẻ chính xác nhưng vẫn có thể đánh rơi đúng vài nghiên cứu quan trọng nhất, nên họ chỉ dùng AI để xếp hạng và tự mắt xác nhận từng trường hợp bị loại.
Một mô hình ngôn ngữ lớn như GPT-4 có tự sàng được nghiên cứu không?
Trả lời trực tiếp: Chưa, và chưa an toàn. Mô hình ngôn ngữ lớn phân loại được tóm tắt, đôi khi ngang ngửa người rà soát ở tác vụ cấu trúc rõ, nhưng đầu ra nhạy với cách diễn đạt câu lệnh và với mất cân bằng dữ liệu, và chúng có thể loại một nghiên cứu liên quan bằng giọng rất chắc chắn. Hãy coi mô hình là ý kiến thứ hai, đừng để nó sàng một mình.
Bằng chứng: Một đánh giá đăng ký trước theo kiểu không có người trong vòng lặp cho thấy GPT-4 rất nhạy với thiết kế câu lệnh và với mất cân bằng dữ liệu, và con số chính xác nổi bật ban đầu tụt xuống sau khi tính tới mức đồng thuận ngẫu nhiên (Khraisha và cộng sự, 2024). Một lần loại nhầm nghĩa là mất một nghiên cứu và làm lệch phần tổng hợp của bạn, và đó là lý do các chuẩn báo cáo vẫn đòi con người đứng ra quyết định việc chọn bài (Page và cộng sự, 2021).
Ví dụ: Một khách hàng của dịch vụ Cố vấn Công bố MAAS thử GPT-4 trên 200 tóm tắt mà bạn đã tự sàng trước đó. Mô hình đồng ý ở phần lớn trường hợp nhưng loại mất ba nghiên cứu bạn đã chọn giữ, trong đó hai bài là trung tâm của meta-analysis. Mô hình có ích ở chỗ nêu ra những chỗ bất đồng để kiểm lại, chứ không phải ở chỗ ra quyết định cuối cùng.
Dùng AI sàng lọc thế nào mà không phá chuẩn tổng quan hệ thống?
Trả lời trực tiếp: Hãy giữ hai người rà soát độc lập ở chặng tiêu đề và tóm tắt, dùng AI để xếp ưu tiên và nêu ra những chỗ hai bên chấm khác nhau, giải quyết bất đồng bằng thảo luận, và đừng bao giờ để một mô hình là lý do duy nhất khiến một nghiên cứu bị loại. Công cụ chỉ đổi thứ tự bạn đọc, chứ không đổi mức chặt chẽ của cách bạn quyết định.
Bằng chứng: Hướng dẫn phương pháp của Cochrane khuyến nghị hai người rà soát sàng bản ghi một cách độc lập để giảm nguy cơ loại nhầm những nghiên cứu đủ điều kiện (Higgins và cộng sự, 2024). PRISMA 2020 yêu cầu tác giả nói rõ quy trình chọn bài, gồm số người đã sàng mỗi bản ghi và có dùng công cụ tự động hoá hay không, nên một quy trình có AI hỗ trợ phải khai báo được chứ không được giấu (Page và cộng sự, 2021).
Ví dụ: Một nhóm nghiên cứu người Việt do MAAS đồng hành giữ nguyên thiết kế hai người rà soát nhưng thêm ASReview để định thứ tự đọc, và chỉ dừng sau một chuỗi bản ghi không liên quan liên tiếp đã ấn định từ trước. Mọi nghiên cứu bị loại vẫn có một lý do do người ghi lại, đúng thứ mà phản biện phương pháp của tạp chí Q1 chờ đợi.
Báo cáo cách dùng công cụ AI thế nào để phản biện tin tổng quan của bạn?
Trả lời trực tiếp: Hãy nói rõ bạn dùng công cụ nào, ở chặng nào, cho mục đích gì, và con người kiểm soát ra sao. Nêu tên phần mềm và phiên bản, mô tả AI đã xếp ưu tiên hay đã phân loại bản ghi, xác nhận hai người rà soát mới quyết định điều kiện chọn bài, và giải thích cách bạn giữ độ bao phủ. Minh bạch biến câu nói dùng AI thành điểm mạnh.
Bằng chứng: Bảng kiểm báo cáo của PRISMA 2020 cho quy trình chọn bài yêu cầu tác giả nói rõ "how many reviewers screened each record and each report retrieved, whether they worked independently, and if applicable, details of automation tools used in the process" (Page và cộng sự, 2021). Tài liệu về tự động hoá nhấn mạnh rằng công cụ phải được mô tả đủ chi tiết để người đọc phán đoán được ảnh hưởng của nó lên tính đầy đủ của lượt tìm kiếm, bởi tự động hoá không ghi lại làm hỏng lòng tin vào chính lượt tìm kiếm đó (Marshall & Wallace, 2019).
Ví dụ: Một tác giả được MAAS đồng hành viết đúng hai câu giản dị trong phần phương pháp, một câu nêu công cụ và phiên bản dùng để xếp ưu tiên sàng lọc, một câu xác nhận hai người rà soát đã quyết định độc lập về điều kiện chọn bài và bất đồng do người thứ ba xử lý. Đoạn ngắn và thật thà đó chặn trước đúng câu hỏi mà phản biện chắc chắn sẽ nêu.
Nhà nghiên cứu Việt và người học tiếng Anh dùng AI sàng lọc để có công bố đầu tiên thế nào?
Trả lời trực tiếp: Hãy dùng AI để gỡ rào cản khối lượng vốn làm chậm người rà soát lần đầu chưa quen tiếng Anh, đừng dùng nó thay suy nghĩ. Để công cụ xếp thứ tự đọc, bạn dồn giờ vào những nghiên cứu đáng đọc, soạn tiêu chí chọn bài thật kỹ trước, và tập thói quen ghi chép báo cáo từ ngày đầu. Kết quả là tổng quan đủ sức bảo vệ để bạn tự tin nộp.
Bằng chứng: Các công cụ học chủ động tìm ra nghiên cứu liên quan sớm nên người rà soát dừng sớm hơn mà không hy sinh độ bao phủ, đúng mức hiệu quả mà một người làm một mình hay một nhóm nhỏ chưa quen tiếng Anh đang cần (van de Schoot và cộng sự, 2021). Vì Cochrane (Higgins và cộng sự, 2024) và PRISMA (Page và cộng sự, 2021) đều đặt độ tin cậy vào một quy trình chọn bài minh bạch do người dẫn dắt, một nhà nghiên cứu chưa nói tiếng Anh bản ngữ mà ghi chép đầy đủ quy trình có AI hỗ trợ và do người kiểm soát sẽ cạnh tranh bằng độ chặt chẽ, chứ không phải bằng độ trôi chảy của tiếng mẹ đẻ.
Ví dụ: Một cố vấn MAAS hướng dẫn một sinh viên đại học người Việt dựng một tổng quan hệ thống cho hồ sơ xin học bổng theo mô hình chạy theo từng giai đoạn. Giai đoạn đầu là một bản đề cương chốt tiêu chí chọn bài và từ khoá tìm kiếm, giai đoạn giữa là bản nháp trong đó ASReview định thứ tự sàng lọc và hai người sàng quyết định điều kiện chọn, giai đoạn cuối là bản viết hoàn chỉnh tuân thủ PRISMA. Bạn giữ vai tác giả xuyên suốt, còn cố vấn tư vấn chứ không làm hộ.
Câu hỏi thường gặp
Dùng AI để sàng lọc nghiên cứu có bị coi là gian lận không?
Không, khi bạn khai báo và con người vẫn kiểm soát. Dùng phần mềm để xếp thứ tự các tóm tắt bạn sẽ đọc là một cách tăng hiệu quả được chấp nhận, và các hướng dẫn báo cáo còn yêu cầu bạn mô tả mọi công cụ tự động hoá. Nó chỉ thành vấn đề nếu bạn giấu đi, hoặc để mô hình quyết định điều kiện chọn bài mà không ai kiểm.
AI có thay được người rà soát thứ hai không?
Không. Hướng dẫn phương pháp vẫn đòi hai người rà soát độc lập, vì chỉ một người sàng, dù là người hay là mô hình, đều làm tăng nguy cơ loại nhầm nghiên cứu đủ điều kiện. AI nêu ra được những chỗ bất đồng, nhưng tự nó không đáp ứng chuẩn hai người rà soát.
Người làm tổng quan lần đầu nên bắt đầu với công cụ nào?
Phần lớn người mới bắt đầu với Rayyan để sàng tiêu đề và tóm tắt cùng đồng nghiệp, rồi thêm ASReview khi lượt tìm kiếm lớn và học chủ động phát huy tác dụng đẩy nghiên cứu liên quan lên sớm. Cả hai đều có bài báo phương pháp đã đăng, nên dễ trích dẫn và dễ báo cáo.
Tạp chí có từ chối một tổng quan dùng AI sàng lọc không?
Không phải vì bản thân chuyện dùng AI, miễn là bạn báo cáo đàng hoàng và con người vẫn nắm quyền quyết định điều kiện chọn bài. Phản biện phản ứng rất xấu với tự động hoá không ghi chép, hoặc với việc AI tự loại mà không ai kiểm, nên yếu tố quyết định là minh bạch và độ bao phủ, chứ không phải công cụ.
AI sàng lọc thực sự tiết kiệm bao nhiêu thời gian?
Con số thay đổi theo chủ đề và quy mô tìm kiếm, nhưng công cụ xếp ưu tiên có thể cắt đáng kể một khối lượng sàng lọc lớn bằng cách cho bạn dừng lại khi không còn bài liên quan hiện ra. Phần tiết kiệm đến từ chỗ bạn đọc ít tóm tắt không liên quan hơn, chứ không phải từ chỗ bỏ qua quyết định của con người với những bài nằm ở ranh giới.
MAAS có hỗ trợ tôi chạy một tổng quan hệ thống có AI hỗ trợ không?
Có. Cố vấn Công bố của MAAS đồng hành cùng nhà nghiên cứu Việt qua phần tiêu chí chọn bài, chọn công cụ, dựng quy trình sàng lọc giữ được độ bao phủ, và báo cáo đúng chuẩn PRISMA, theo mô hình chạy theo từng giai đoạn. Đặt lịch tư vấn qua trang liên hệ.
Sẵn sàng chạy một tổng quan hệ thống chặt chẽ có AI hỗ trợ?
Một tổng quan hệ thống được đánh giá ở chỗ phản biện có tin rằng bạn đã tìm và chọn nghiên cứu một cách công bằng hay không, còn AI sàng lọc chỉ giúp được khi nằm trong một quy trình minh bạch do người dẫn dắt. Cố vấn Công bố của MAAS ghép bạn với một cố vấn cấp Tiến sĩ, 23% chuyên gia của chúng tôi có học vị tiến sĩ, cho một buổi tư vấn miễn phí dài 20 phút, ghép bạn với đúng cố vấn trong vòng 48 giờ khi mạng lưới đã phủ chuyên ngành đó, hoặc khoảng hai tuần nếu MAAS phải tuyển thêm cho hồ sơ của bạn, và cùng bạn đặt mục tiêu điểm ba bậc Pass, Merit hoặc Distinction ngay từ đầu kèm 45 ngày hỗ trợ tiếp nối sau khi nộp. Chúng tôi đồng hành, bạn vẫn là tác giả.
Đặt lịch tư vấn Cố vấn Công bố cùng MAAS Academic Mentoring →
Bài liên quan
- Thiết kế một tổng quan hệ thống trong khoa học sức khoẻ thế nào?, dựng đề cương mà lượt sàng lọc của bạn chạy bên trong
- Làm một nghiên cứu tổng hợp meta-analysis lần đầu thế nào?, bước tổng hợp sau khi sàng lọc xong
- Dịch vụ Cố vấn Công bố, các bậc dịch vụ hỗ trợ Scopus Q1/Q2
- Trung tâm tài nguyên Công bố Scopus, lộ trình công bố đầy đủ
- Gặp gỡ chuyên gia MAAS, đội ngũ cố vấn cấp Tiến sĩ đứng sau phần tư vấn của chúng tôi
Tài liệu tham khảo
- Higgins, J. P. T., Thomas, J., Chandler, J., Cumpston, M., Li, T., Page, M. J., & Welch, V. A. (Eds.). (2024). Cochrane handbook for systematic reviews of interventions (Version 6.5). Cochrane. Retrieved June 21, 2026, from https://www.cochrane.org/handbook
- Khraisha, Q., Put, S., Kappenberg, J., Warraitch, A., & Hadfield, K. (2024). Can large language models replace humans in systematic reviews? Evaluating GPT-4's efficacy in screening and extracting data from peer-reviewed and grey literature in multiple languages. Research Synthesis Methods, 15(4), 616–626. https://doi.org/10.1002/jrsm.1715
- Marshall, I. J., & Wallace, B. C. (2019). Toward systematic review automation: A practical guide to using machine learning tools in research synthesis. Systematic Reviews, 8, Article 163. https://doi.org/10.1186/s13643-019-1074-9
- O'Mara-Eves, A., Thomas, J., McNaught, J., Miwa, M., & Ananiadou, S. (2015). Using text mining for study identification in systematic reviews: A systematic review of current approaches. Systematic Reviews, 4, Article 5. https://doi.org/10.1186/2046-4053-4-5
- Ouzzani, M., Hammady, H., Fedorowicz, Z., & Elmagarmid, A. (2016). Rayyan—a web and mobile app for systematic reviews. Systematic Reviews, 5, Article 210. https://doi.org/10.1186/s13643-016-0384-4
- Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S. ... Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Article n71. https://doi.org/10.1136/bmj.n71
- Van de Schoot, R., de Bruin, J., Schram, R., Zahedi, P., de Boer, J., Weijdema, F., Kramer, B., Huijts, M., Hoogerwerf, M., Ferdinands, G., Harkema, A., Willemsen, J., Ma, Y., Fang, Q., Hindriks, S., Tummers, L., & Oberski, D. L. (2021). An open source machine learning framework for efficient and transparent systematic reviews. Nature Machine Intelligence, 3(2), 125–133. https://doi.org/10.1038/s42256-020-00287-7
Bài viết này thuộc chuỗi MAAS Journal dành cho học viên cao học và nhà nghiên cứu người Việt đang học tập ở nước ngoài. Cố vấn Công bố của MAAS là một đối tác đồng hành, chúng tôi hướng dẫn tác giả theo mô hình bàn giao từng giai đoạn với nhận xét phát triển từ các cố vấn cấp Tiến sĩ đã công bố trên Scopus. Chúng tôi không viết hộ, không nộp hộ, và không bảo đảm bài được nhận đăng thay cho tác giả.