Công cụ AI nào hỗ trợ literature review, và ở bước nào?

Chuyên mục: research-methods

Cập nhật lần cuối: 2026-10-03

Một literature review đọc trôi chảy thường được dựng theo từng lớp. Bài báo được tìm vào một ngày, đọc vào một ngày khác, và chỉ được so sánh với nhau khi gần xong, mà mỗi lớp cần một kiểu trợ giúp riêng. Phần mềm tự giới thiệu là "trợ lý AI cho literature review" thường chỉ nói tới một lớp và im lặng về những lớp còn lại.

Bài hướng dẫn này đi theo các lớp đó theo thứ tự học viên gặp chúng, và hỏi cùng bốn điều ở mỗi lớp: bạn thực sự làm gì, tính năng AI có thể tham gia ở chỗ nào, cách kiểm tra thứ nó trả về, và phần nào vẫn là việc của bạn. Đây là một phương pháp làm việc, nên nếu cần bảng công cụ đầy đủ và giới hạn truy cập miễn phí thì hãy xem bản đồ công cụ AI và công cụ nghiên cứu trải suốt một dự án. Các giới hạn miễn phí nêu trong bài đó được kiểm vào ngày 3 tháng 10 năm 2026 và có thể đã thay đổi.

Một literature review đi từ câu hỏi đến lập luận như thế nào?

Trả lời thẳng: Một literature review có sáu bước làm việc: tìm kiếm, lần theo trích dẫn, sàng lọc, đọc, tổng hợp và quản lý tài liệu tham khảo. Bốn bước đầu có tính năng AI, reference manager lo bước cuối, còn tổng hợp là việc của bạn. Tài liệu bài này dựa vào chỉ có một bài kiểm độc lập về độ chính xác của công cụ AI, nên hãy coi lời nhà cung cấp là chưa kiểm chứng.

Bảng dưới đặt bốn câu hỏi cạnh nhau. Tên công cụ chỉ là ví dụ, và việc nhà cung cấp mô tả một tính năng AI không làm công cụ giỏi hơn ở bước đó.

Bằng chứng quan trọng ngang với tính năng. Nhà cung cấp nói công cụ tiết kiệm thời gian là một chuyện, một bài kiểm độc lập thấy nó chính xác là chuyện khác, nên mỗi bước dưới đây đều nói rõ chúng tôi tìm được loại bằng chứng nào.

Bước 1: tìm kiếm thế nào để người khác lặp lại được?

Trả lời thẳng: Hãy viết câu hỏi, liệt kê từ đồng nghĩa, tìm trong cơ sở dữ liệu công bố rõ phạm vi nội dung, và lưu chuỗi tìm kiếm cùng ngày tìm. Gusenbauer và Haddaway (2020) kiểm tra 28 hệ thống và thấy chỉ một nửa có thể được khuyến nghị cho tổng hợp bằng chứng mà không kèm nhiều điều kiện lưu ý đáng kể. Tìm bằng AI chỉ để có thêm manh mối.

Việc bạn làm ở đây là biến một chủ đề thành câu hỏi, rồi biến câu hỏi thành các khối từ khoá. Mỗi khối có các từ đồng nghĩa riêng, và các khối được nối lại trong một cơ sở dữ liệu mà thư viện cấp quyền cho bạn. Một lượt tìm được lưu kèm ngày có thể chạy lại, và nhờ vậy giảng viên hướng dẫn hay hội đồng thấy được bạn đã đến với các nguồn bằng cách nào.

Công cụ AI có thể tham gia ở hai chỗ. Nó có thể gợi ý những bài bạn chưa gặp, và cho thấy cách các tác giả khác diễn đạt chủ đề của bạn, từ đó bổ sung cho các khối từ khoá. Semantic Scholar, Consensus và Elicit hoạt động theo cách này. Kết quả của chúng là một danh sách manh mối, vì một bản tóm tắt nghe hợp lý chưa chứng minh bài báo tồn tại hay nói đúng điều bản tóm tắt nêu.

Bằng chứng về việc chọn cơ sở dữ liệu chính đủ mạnh để hành động theo. Gusenbauer và Haddaway (2020) kết luận: "Google Scholar is inappropriate as principal search system" (Gusenbauer & Haddaway, 2020, tr. 181), sau khi đánh giá 28 nguồn, cụ thể là Google Scholar, PubMed và 26 nguồn khác. Điều đó không làm Google Scholar vô dụng cho lần xem lướt đầu tiên. Nó có nghĩa là một bài tổng quan mà người khác phải lặp lại được thì cần một nguồn có bộ lọc ổn định và được ghi tài liệu rõ.

Các cơ sở dữ liệu cũng không đồng ý với nhau. Martín-Martín và cộng sự (2018) đối chiếu số trích dẫn được ghi ở Google Scholar, Web of Science và Scopus qua 252 nhóm chủ đề, nên cơ sở dữ liệu bạn chọn quyết định bạn thấy những trích dẫn nào. Thư viện cho bạn biết những gói đăng ký nào bạn dùng được.

Phần vẫn là của bạn gồm việc chọn cơ sở dữ liệu, chuỗi tìm kiếm và bản ghi nhật ký. Nếu công cụ AI gợi ý một bài, hãy tìm thấy nó trong một cơ sở dữ liệu trước khi đưa vào ghi chú.

Bước 2: lần theo trích dẫn thế nào để không lạc trong bản đồ?

Trả lời thẳng: Hãy bắt đầu từ hai hoặc ba bài bạn đã tin cậy, rồi lần ngược theo danh mục tham khảo của chúng và lần xuôi theo các bài trích dẫn chúng. ResearchRabbit, Connected Papers và Litmaps vẽ việc này thành bản đồ, còn scite gắn nhãn cách các bài sau xử lý một nhận định. Bản đồ thừa hưởng khoảng trống của dữ liệu, nên hãy dùng nó để gợi ý việc đọc chứ đừng thay việc đọc.

Làm bằng tay thì bước này khá đơn giản. Bạn lấy một bài khởi đầu, đọc danh mục tham khảo của nó để tìm công trình trước đó, rồi tra xem từ đó đến nay ai đã trích dẫn nó. Công cụ vẽ bản đồ tự động hoá việc tra cứu và hiện ra các cụm bài, điều này giúp ích khi một chủ đề có hàng trăm bài liên kết với nhau mà không có điểm xuất phát rõ ràng.

Các hướng dẫn của thư viện đưa ra những cảnh báo thực tế. Một hướng dẫn của LMU cho biết Connected Papers dùng dữ liệu của Semantic Scholar và để lại khoảng trống với sách chuyên khảo và giáo trình, còn một poster của Kennesaw State nói ResearchRabbit có thể bỏ sót grey literature và không giải thích thuật toán của mình. Một hướng dẫn của HKUST (cả ba hướng dẫn đều có liên kết ở mục Tools & resources) nêu Crossref, Semantic Scholar và OpenAlex là các nguồn đằng sau Litmaps. Đây là hướng dẫn chứ không phải bài kiểm đã qua bình duyệt, nên hãy tự kiểm một bản đồ: dựng nó quanh một bài đã quen với các trích dẫn của bạn rồi xem trích dẫn nào bị thiếu.

scite thêm một lớp khác. Nicholson và cộng sự (2021) mô tả một chỉ mục trích dẫn, dùng deep learning để phân loại từng trích dẫn là ủng hộ, đối chiếu hay chỉ nhắc đến một nhận định. Các tác giả thuộc đội scite, và bạn nên nhớ điều đó trước khi tin các tuyên bố về độ chính xác của nó.

VOSviewer trả lời một câu hỏi lớn hơn. van Eck và Waltman (2010) giới thiệu nó là "a freely available computer program" (tr. 523) và minh hoạ bằng cách vẽ bản đồ 5.000 tạp chí, nên nó hợp để vẽ cả một lĩnh vực cho chương tổng quan hơn là để săn vài bài gần nhất.

Phần vẫn là của bạn là đánh giá mức liên quan. Một bài nằm giữa bản đồ là bài có nhiều kết nối, và điều đó chưa chắc có ích cho câu hỏi của bạn.

Bước 3: AI làm được gì khi bạn sàng lọc các bản ghi?

Trả lời thẳng: Công cụ sàng lọc sắp lại các bản ghi để bản có khả năng khớp xuất hiện sớm, còn người đánh giá vẫn là người quyết định mọi trường hợp đưa vào. Trong các nghiên cứu mô phỏng, van de Schoot và cộng sự (2021) báo cáo rằng active learning "can yield far more efficient reviewing" so với cách làm thủ công "while providing high quality". Hãy ghi lại cài đặt để người khác lặp lại được.

Sàng lọc bắt đầu từ trước khi mở bất kỳ công cụ nào. Bạn viết tiêu chí đưa vào và loại ra, áp dụng chúng cho tiêu đề rồi tới abstract, và ghi lý do loại từng bản ghi. Trong một systematic review thường có thêm một người nữa sàng lọc, để các quyết định được đem so với nhau.

Active learning thay đổi thứ tự của chồng bản ghi. Sau khi bạn gắn nhãn một số bản ghi, phần mềm học từ chúng và đẩy những bản nó đánh giá có khả năng khớp cao hơn lên đầu hàng. ASReview hoạt động theo cách này. Các nghiên cứu mô phỏng do chính nhóm phát triển ASReview thực hiện (van de Schoot và cộng sự, 2021) trình bày nó như một framework machine learning mã nguồn mở, và tuyên bố về hiệu quả đến từ các mô phỏng đó, tức không phải một bảo đảm trên bộ dữ liệu của chính bạn, nên hãy dừng theo một quy tắc đã viết ra từ trước.

Rayyan là công cụ sàng lọc còn lại có bài báo đứng sau. Ouzzani và cộng sự (2016), những người xây dựng Rayyan, chạy một bản beta trên hai Cochrane review với 1.030 và 273 bản ghi rồi khảo sát người dùng của nó. Những người trả lời báo cáo "40% average time savings" so với các công cụ khác, và 34% cho biết họ tiết kiệm hơn một nửa thời gian. Cả hai con số đều do chính người dùng tự báo, nên chúng phản ánh điều họ nói chứ không phải điều đồng hồ bấm giờ đo được. Một trang của nhà cung cấp tuyên bố nhiều hơn thế, và chúng tôi bỏ qua vì đó là tiếp thị.

Phần vẫn là của bạn là mọi quyết định đưa vào và loại ra, cùng bản ghi bằng văn bản về cài đặt và quy tắc dừng. Về những quy tắc khiến sàng lọc có máy hỗ trợ bảo vệ được, hãy đọc sàng lọc bằng AI hoạt động thế nào trong systematic review.

Bước 4: có thể tin AI tới đâu khi đọc và trích xuất?

Trả lời thẳng: Công cụ đọc trả lời câu hỏi về những bài bạn tải lên, còn công cụ trích xuất điền bảng từ chúng. Bài kiểm độc lập duy nhất trong tài liệu bài này dựa vào là Hilkenmeier và cộng sự (2025), cho Elicit đạt 81,4% trong khi người đánh giá đạt 86,7% trên 602 điểm dữ liệu, một chênh lệch không có ý nghĩa thống kê. Hãy đối chiếu từng con số trích xuất với bài gốc.

Trước khi trích xuất, bạn quyết định sẽ trích xuất gì. Một bài tổng quan tốt có một bảng với các cột cố định, chẳng hạn mẫu, phương pháp, thước đo và phát hiện, và cùng các cột đó được điền cho mọi nghiên cứu. Chọn các cột là việc của bạn, vì chúng xuất phát từ câu hỏi nghiên cứu của bạn.

Sau đó công cụ AI có thể làm lượt đầu. NotebookLM (đổi tên thành Gemini Notebook từ tháng Bảy năm 2026, theo Google) trả lời dựa trên nguồn bạn đưa vào và gắn trích dẫn ngay trong câu, SciSpace có một trợ lý để hỏi về một bài báo, và Elicit đưa các giá trị vào bảng. Mỗi công cụ có thể tiết kiệm một lượt đọc đầu. Không công cụ nào thay được lượt đọc thứ hai, khi bạn mở đoạn được trích ra và xác nhận nó nói đúng điều câu trả lời nói.

Hilkenmeier và cộng sự (2025) thử phần trích xuất của Elicit khi dùng nó làm người đánh giá thứ hai trên 43 nghiên cứu lấy từ một systematic review về các yếu tố tâm lý ở những bệnh da liễu. Trên 602 điểm dữ liệu, Elicit đúng 81,4% số lần còn con người đúng 86,7%, và ở những chỗ cả hai đồng ý thì kết quả trích xuất đúng 100% số lần. Vì đây là proof of concept cho một tác vụ duy nhất, nó cho thấy triển vọng của việc dùng công cụ để kiểm tra người trích xuất, chứ không cho thấy Elicit có thể chạy cả một review hay làm tốt như vậy trong ngành của bạn.

Semantic Reader Project mà Lo và cộng sự (2024) mô tả là nghiên cứu về một giao diện đọc. Mô tả điều một công cụ được thiết kế để làm thì không đo được nó đúng bao nhiêu lần. Với SciSpace, các đánh giá độc lập chúng tôi tìm được mâu thuẫn nhau, nên chúng tôi không trích dẫn đánh giá nào.

Phần vẫn là của bạn là chính bảng trích xuất. Nếu một con số trong bảng không lần ra được tới một trang của bài báo, hãy xoá nó.

Bước 5: AI có làm phần tổng hợp thay bạn được không?

Trả lời thẳng: Không công cụ nào trong tài liệu bài này dựa vào có bài kiểm độc lập cho khâu tổng hợp, nên hãy dự định tự làm bước này. Tổng hợp nghĩa là so sánh các nghiên cứu và dựng một nhận định từ phép so sánh đó, và cả hai đều tuỳ vào câu hỏi của bạn. Công cụ có thể giúp giữ ghi chú gọn gàng, còn lập luận do bạn viết và bạn bảo vệ.

Phần trích xuất cho bạn các hàng của bảng. Tổng hợp bắt đầu khi bạn đọc dọc một cột và hỏi các nghiên cứu đồng ý ở đâu, mâu thuẫn ở đâu và điều gì có thể giải thích sự khác biệt. Một đoạn văn mạnh khi đó đưa ra nhận định riêng và dùng các nghiên cứu làm bằng chứng, thay vì tóm tắt hết nghiên cứu này đến nghiên cứu khác. Bài viết literature review thế nào minh hoạ việc này bằng một synthesis matrix.

Rủi ro của chatbot ở giai đoạn này khá tinh vi. Một đoạn văn trôi chảy có thể đọc giống một bản tổng hợp trong khi dựa trên các bản tóm tắt không ai kiểm. Công cụ hỗ trợ viết như Writefull và Paperpal thuộc phía ngôn ngữ của bước này. Chúng tôi không tìm thấy bài kiểm độ chính xác độc lập nào cho cả hai, nên hãy xem qua từng chỉnh sửa được đề xuất và bảo đảm nghĩa vẫn là của bạn.

Có được phép dùng những công cụ này hay không là do trường của bạn quyết định. Bài hướng dẫn về dùng AI đúng đạo đức trong tổng quan nói về quyền sử dụng và việc khai báo, còn phương pháp làm việc ở đây là phần đi trước nó.

Bước 6: reference manager làm gì, và có AI trong đó không?

Trả lời thẳng: Reference manager lưu nguồn và định dạng trích dẫn. Các tài liệu bài này dựa vào không mô tả tính năng AI nào ở Zotero, Mendeley, EndNote hay JabRef. Ivey và Crum (2018), qua một bài đánh giá sản phẩm không chính thức trên bản 2018, thấy Zotero cho danh mục tham khảo chính xác nhất, nhưng hãy đối chiếu với citation style của bạn.

Hãy lập thư viện ngay từ tuần đầu. Mỗi bài bạn gặp ở các bước 1 đến 4 đều đưa vào cùng thông tin được ghi lại ngay lúc đó, vì dựng lại danh mục tham khảo vào đêm trước hạn nộp là lúc lỗi xuất hiện. Reference manager cũng cấp trích dẫn cho bản thảo của bạn, nên đổi citation style chỉ là một cài đặt chứ không phải cả một cuối tuần gõ lại.

Bốn sản phẩm mà Ivey và Crum (2018) so sánh là EndNote, Mendeley, RefWorks và Zotero, và họ ghi nhận cả bốn đều thỉnh thoảng mắc lỗi nhỏ, nhất là khi trích dẫn trang web. Thử nghiệm không chính thức trên các phiên bản chỉ của một năm cho bằng chứng khiêm tốn, và nó nói về cách tài liệu tham khảo được xuất ra chứ không nói về chất lượng các nguồn của bạn. Zotero kết nối với Word, LibreOffice và Google Docs, trong khi add-in Mendeley Cite chỉ chạy với Word, nên trình soạn thảo của bạn có thể quyết định thay bạn. Hãy hỏi thư viện xem trường hỗ trợ công cụ nào. Bài nên dùng phần mềm quản lý tài liệu tham khảo nào cho luận văn so sánh cả bốn.

Phần vẫn là của bạn là lần kiểm cuối. Hãy đọc danh mục tham khảo đối chiếu với hướng dẫn citation style mà khoa bạn dùng, vì bất kỳ mục nào do công cụ tạo ra vẫn có thể sai.

Câu hỏi thường gặp

Công cụ AI nào tìm được các bài phù hợp cho literature review?
Semantic Scholar, Consensus và Elicit có thể đề xuất bài từ một câu hỏi. Chúng bổ sung manh mối cho một lượt tìm có ghi lại trong cơ sở dữ liệu chứ không thay nó, vì trong 28 hệ thống mà Gusenbauer và Haddaway (2020) thử, chỉ một nửa đủ điều kiện để khuyến nghị cho tổng hợp bằng chứng khi không phải kèm lưu ý lớn. Hãy xác nhận từng gợi ý trong một cơ sở dữ liệu.

AI có sàng lọc được tiêu đề và abstract cho systematic review không?
Nó có thể sắp lại thứ tự. ASReview dùng active learning, và van de Schoot và cộng sự (2021), nhóm phát triển ASReview, thấy trong các mô phỏng rằng cách này có thể giảm khối lượng công việc trong khi chất lượng vẫn cao. Bạn vẫn quyết định mọi trường hợp đưa vào và ghi lại các cài đặt.

AI trích xuất dữ liệu từ các nghiên cứu chính xác đến mức nào?
Tài liệu bài này dựa vào có một bài kiểm độc lập duy nhất. Hilkenmeier và cộng sự (2025) so Elicit với người đánh giá trên 43 nghiên cứu và không thấy chênh lệch có ý nghĩa thống kê, nhưng chính họ gọi công trình của mình là proof of concept. Hãy dùng việc trích xuất như ý kiến thứ hai cho một bảng do bạn dựng.

Công cụ nào lập bản đồ trích dẫn giữa các bài báo?
ResearchRabbit, Connected Papers và Litmaps vẽ bản đồ từ những bài bạn chọn, còn VOSviewer vẽ bản đồ của cả một lĩnh vực. Nguồn dữ liệu của chúng có khoảng trống, nên hãy thử một bản đồ với một bài mà bạn đã biết các trích dẫn.

AI có viết được phần tổng hợp của literature review không?
Chúng tôi không tìm thấy bài kiểm độc lập nào về một công cụ làm được việc này. Tổng hợp là chỗ việc đọc của chính bạn lộ ra, nên hãy dự định tự viết nó.

Chưa chắc literature review của bạn đã thành một lập luận?

Phần mềm có thể rút ngắn việc tìm bài, nhưng hội đồng đọc bài tổng quan để xem bạn lập luận gì từ các nguồn đó. Cố vấn học thuật của MAAS đặt bạn cạnh một chuyên gia cùng ngành, người kèm bạn từng giai đoạn một, còn bạn vẫn là người tự nghiên cứu và tự viết từng chữ. 23% chuyên gia của MAAS có học vị Tiến sĩ. Việc ghép chuyên gia thường mất tối đa 48 giờ khi mạng lưới của MAAS đã phủ ngành của bạn. Nếu chưa phủ, MAAS tuyển riêng cho trường hợp của bạn, việc này có thể mất khoảng hai tuần. Buổi tư vấn 15 phút là miễn phí.

Đặt buổi tư vấn Cố vấn học thuật miễn phí với MAAS →

Muốn hỏi trước? Hãy viết cho chúng tôi qua trang liên hệ.

Bài hướng dẫn liên quan

• Công cụ AI nghiên cứu khoa học nào hữu ích ở từng bước?: bản đồ đầy đủ mà bài này thu hẹp lại
• Nên dùng phần mềm quản lý tài liệu tham khảo nào cho luận văn?: so sánh Zotero, Mendeley, EndNote và JabRef
• Nên dùng phần mềm phân tích dữ liệu định tính nào cho luận văn?: những việc CAQDAS làm được và không làm được
• Dùng AI có đạo đức trong literature review thế nào?: ranh giới giữa trợ giúp của AI và vi phạm
• Công cụ AI nào được phép dùng trong bài làm ở đại học?: cách tìm quy định của chính trường bạn
• Sàng lọc systematic review bằng AI hoạt động thế nào?: chi tiết đằng sau bước 3
• Viết literature review thế nào?: biến các nguồn thành một lập luận
• Dịch vụ Cố vấn học thuật: kèm cặp một kèm một cho luận văn hoặc luận án của bạn

Tools & resources

• Kennesaw State University, poster hội nghị về ResearchRabbit: https://digitalcommons.kennesaw.edu/cgi/viewcontent.cgi?article=1203&context=gradlibconf
• Thư viện LMU Munich, hướng dẫn về các nền tảng trích dẫn và kết nối: https://libguides.lmu.edu/AIresearchtools/CP
• Thư viện HKUST, bảng so sánh công cụ lập bản đồ trích dẫn: https://libguides.hkust.edu.hk/citation-chaining/citation-mapping-tools-comparison

Tài liệu tham khảo

• Gusenbauer, M., & Haddaway, N. R. (2020). Which academic search systems are suitable for systematic reviews or meta-analyses? Evaluating retrieval qualities of Google Scholar, PubMed, and 26 other resources. Research Synthesis Methods, 11(2), 181–217. https://doi.org/10.1002/jrsm.1378
• Hilkenmeier, F., Pelzer, M., Stierle, C., & Fink-Lamotte, J. (2025). Evaluating the AI tool "Elicit" as a semi-automated second reviewer for data extraction in systematic reviews: A proof-of-concept. Social Science Computer Review. Advance online publication. https://doi.org/10.1177/08944393251404052
• Ivey, C., & Crum, J. (2018). Choosing the right citation management tool: EndNote, Mendeley, RefWorks, or Zotero. Journal of the Medical Library Association, 106(3), 399–403. https://doi.org/10.5195/jmla.2018.468
• Lo, K., Chang, J. C., Head, A., Bragg, J., Zhang, A. X., Trier, C., Anastasiades, C., August, T., Authur, R., Bragg, D., Bransom, E., Cachola, I., Candra, S., Chandrasekhar, Y., Chen, Y. S., Cheng, E. Y. Y., Chou, Y., Downey, D., Evans, R., . . . Weld, D. S. (2024). The Semantic Reader Project. Communications of the ACM, 67(10), 50–61. https://doi.org/10.1145/3659096
• Martín-Martín, A., Orduna-Malea, E., Thelwall, M., & Delgado López-Cózar, E. (2018). Google Scholar, Web of Science, and Scopus: A systematic comparison of citations in 252 subject categories. Journal of Informetrics, 12(4), 1160–1177. https://doi.org/10.1016/j.joi.2018.09.002
• Nicholson, J. M., Mordaunt, M., Lopez, P., Uppala, A., Rosati, D., Rodrigues, N. P., Grabitz, P., & Rife, S. C. (2021). scite: A smart citation index that displays the context of citations and classifies their intent using deep learning. Quantitative Science Studies, 2(3), 882–898. https://doi.org/10.1162/qss_a_00146
• 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
• 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
• van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523–538. https://doi.org/10.1007/s11192-009-0146-3

Bài viết này thuộc chuỗi MAAS Journal dành cho học viên sau đại học và nhà nghiên cứu người Việt đang học tập ở nước ngoài. Cố vấn học thuật của MAAS là một dịch vụ tư vấn, và MAAS đồng hành cùng học viên theo quy trình chia chặng, với nhận xét từ các chuyên gia cùng ngành. MAAS không viết hộ, không nộp bài thay, và không bảo đảm kết quả của bài làm thay cho học viên.