Tọa đàm "Ứng dụng AI trong nghiên cứu định tính" tại Học viện Phật Giáo Quốc tế (IBSC)

Bước sang thế kỷ 21, sự bùng nổ vũ bão của trí tuệ nhân tạo (AI) đã tái định hình toàn diện mọi khía cạnh của đời sống nhân loại. Từ kinh tế, y tế, nghệ thuật cho đến giáo dục và nghiên cứu khoa học, AI không chỉ đơn thuần là công cụ tiện ích mà đã trở thành tác nhân thay đổi mang tính hệ thống.

Trong đời sống thường nhật, AI tối ưu hóa cách chúng ta kết nối, làm việc và tư duy. Trong lĩnh vực học thuật, công nghệ này mở ra những chân trời chưa từng có, giúp các nhà nghiên cứu xử lý khối lượng dữ liệu khổng lồ, rút ngắn thời gian tổng quan tài liệu và tìm kiếm các góc nhìn đa chiều. Đối với tăng, ni sinh và những người nghiên cứu Phật học, những người luôn nỗ lực gìn giữ mạch nguồn trí tuệ cổ truyền, việc tiếp cận và làm chủ AI trong tỉnh thức là cầu nối quan trọng để đưa giáo pháp ứng dụng hiệu quả hơn vào nhịp đập hiện đại của thời đại số.

Toàn cảnh buổi tọa đàm chuyên đề về ứng dụng AI trong nghiên cứu định tính tại IBSC, MCU

Nhằm giúp tăng, ni sinh quốc tế cập nhật những phương pháp nghiên cứu hiện đại và thích ứng linh hoạt trong kỷ nguyên số.

Học viện Phật giáo Quốc tế (IBSC) tổ chức buổi tọa đàm học thuật dưới sự điều phối tận tâm của Ajahn Tiến sĩ Neminda, giảng viên IBSC, MCU, dành riêng cho các tăng ni sinh theo học Chương trình Cử nhân Phật học (Chương trình Quốc tế) trong khuôn khổ môn học tự chọn độc lập (Independent Selective Subject).

Ajahn Tiến sĩ Neminda (ngồi hàng ghế đầu) cùng các tăng ni sinh tham dự buổi tọa đàm

Tham luận tại tọa đàm, Phó Giáo sư, Tiến sĩ Aung Win Tun, Giám đốc Chương trình Nghiên cứu Châu Á và SDGs, đã có bài chia sẻ sâu sắc về vai trò chuyển đổi của AI trong nghiên cứu định tính. Tham luận đã minh họa cách AI có thể đồng hành và hỗ trợ các nhà nghiên cứu xuyên suốt quá trình thực hiện đề tài. Cụ thể, tăng ni sinh đã thu nhận được nhiều kiến thức giá trị về:

Nghiên cứu định tính

Nghiên cứu định tính là phương pháp tiếp cận nhằm tìm hiểu ý nghĩa, trải nghiệm và các hiện tượng xã hội diễn ra một cách tự nhiên thông qua việc sử dụng dữ liệu phi số như từ ngữ, hình ảnh và quan sát. Phương pháp này tập trung trả lời các câu hỏi "như thế nào" và "tại sao", đi sâu làm rõ quy trình, quan điểm và bối cảnh thay vì đo lường tần suất hay quy mô. Trong đó, quá trình tạo lập ý nghĩa là tiến trình tâm lý cốt lõi giúp con người thấu hiểu, diễn giải các sự kiện trong cuộc sống, các mối quan hệ cũng như chính bản thân mình.

Về mặt đặc điểm, nghiên cứu định tính được triển khai trong môi trường tự nhiên nhằm quan sát hiện tượng trong bối cảnh thực tế thay vì không gian kiểm soát. Thiết kế nghiên cứu mang tính phát triển, cho phép linh hoạt điều chỉnh khi sự hiểu biết được nâng cao, với nhà nghiên cứu đóng vai trò như một công cụ phân tích trung tâm. Phương pháp này ưu tiên mô tả chi tiết với độ sâu lớn hơn chiều rộng, đồng thời ứng dụng suy luận quy nạp để xây dựng các mô hình và chủ đề trực tiếp từ dữ liệu thay vì kiểm tra trước các giả thiết có sẵn.

Để định hình hướng đi, các câu hỏi nghiên cứu định tính thường là câu hỏi mở, bắt đầu bằng các từ khóa như "như thế nào", "cái gì", "tại sao" hoặc "bằng những cách nào", tập trung khai thác trải nghiệm, ý nghĩa và nhận thức trong một nhóm hoặc bối cảnh cụ thể, giới hạn thay vì tìm kiếm sự khái quát hóa thống kê. Chẳng hạn như các câu hỏi về việc sinh viên năm nhất trải nghiệm nỗi lo lắng khi viết luận thế nào, giảng viên đánh giá việc dùng AI ra sao, hay cách nhóm nghiên cứu thương lượng quyền tác giả. Ngược lại, các nhà nghiên cứu cần nhận diện những dấu hiệu cảnh báo để loại trừ các câu hỏi định lượng hoặc hỗn hợp, tức là những câu hỏi chứa từ khóa "bao nhiêu", "mức độ", "tương quan", "ảnh hưởng", "sự khác biệt" hoặc yêu cầu so sánh điểm số trước - sau và kiểm tra giả thuyết. Cuối cùng, phương pháp phỏng vấn đóng vai trò là công cụ trò chuyện chủ đạo để thu thập những lời kể trực tiếp, chi tiết về trải nghiệm và ý kiến của người tham gia.

Hiểu rõ vai trò của AI trong các phương pháp nghiên cứu định tính

Nội dung được chia sẻ chỉ rõ rằng nghiên cứu định tính tập trung vào việc thấu hiểu ý nghĩa, trải nghiệm sống và hiện tượng xã hội thông qua từ ngữ, văn bản chứ không đo lường bằng con số. AI không có thân thể, trải nghiệm hay cảm xúc con người (không biết đau khổ, buồn vui hay áp lực) mà thực chất hoạt động dựa trên cơ chế dự đoán token tiếp theo (next-token prediction) và xác suất ngôn ngữ. Do đó, AI đóng vai trò là "cỗ máy xác suất chứ không phải cỗ máy thấu hiểu", giúp nhà nghiên cứu xử lý cấu trúc ngôn ngữ (syntax) trong khi con người nắm giữ tầng ý nghĩa sâu xa (semantics).

Sử dụng AI để tổ chức, tổng hợp và phân tích dữ liệu định tính một cách hiệu quả

Khác với phần mềm CAQDAS truyền thống vốn chỉ tìm kiếm từ khóa chính xác (keyword search), AI tạo sinh (GenAI) có khả năng hiểu ngữ cảnh và ánh xạ mối quan hệ giữa các khái niệm (ví dụ: tìm thấy câu "máu đang sôi lên" khi phân tích sự tức giận dù không chứa từ "tức giận"). AI giúp làm sạch bản ghi âm (transcripts), định dạng thẻ người nói (speaker tags), tạo tóm tắt hồ sơ tham gia (data familiarization memos), thực hiện mã hóa quy củ (deductive/inductive coding) và tổng hợp chéo giữa các bản ghi mà con người dễ bị quá tải.

Nâng cao chất lượng tổng quan tài liệu và lập kế hoạch nghiên cứu thông qua các công cụ hỗ trợ bởi AI

Thông qua kỹ thuật thiết kế câu lệnh (Prompt Engineering) với đầy đủ các thành phần như Bối cảnh (Context), Vai trò (Persona), Nhiệm vụ (Task), Ràng buộc (Constraints) và Định dạng đầu ra (Output Format), nhà nghiên cứu có thể định hướng AI hỗ trợ lên kế hoạch, xây dựng khung mã code (codebook) deductive với định nghĩa và tiêu chí loại trừ rõ ràng, hoặc trích dẫn các đoạn văn mẫu sắc bén phục vụ cho việc tổng quan tài liệu.

Duy trì đạo đức nghiên cứu, tính minh bạch và liêm chính học thuật khi ứng dụng công nghệ AI

Vấn đề bảo mật dữ liệu và ẩn danh hóa thông tin cá nhân (PII) phải được thực hiện nghiêm ngặt bằng cách thay thế tên thật bằng bút danh trước khi đưa vào AI. Đặc biệt, nhà nghiên cứu tuyệt đối không để AI tự ý paraphrase (diễn giải lại) các câu nói của người tham gia vì điều này làm sai lệch ngữ pháp, xuyên tạc văn phong gốc và vi phạm nghiêm trọng đạo đức học thuật. Mọi trích dẫn do AI tìm ra đều phải được đối chiếu thủ công 100% với bản ghi âm gốc.

Nhận thức rõ cả cơ hội lẫn giới hạn của AI trong nghiên cứu học thuật

Giới hạn lớn nhất của AI là hiện tượng "ảo giác" (hallucination) tự bịa ra trích dẫn và xu hướng hành vi muốn chiều lòng người dùng (desire for consensus), khiến AI thường cố gắng làm mượt các bất đồng và bỏ qua các ý kiến đối lập (outliers). Trong khi đó, trong nghiên cứu định tính, chính những ý kiến bất đồng, phản biện hoặc lệch chuẩn ấy lại có thể là phát hiện đắt giá nhất. Do đó, nhà nghiên cứu phải chủ động dùng câu lệnh ép AI tìm kiếm "bằng chứng bác bỏ" (disconfirming evidence).

Kết hợp giữa đổi mới công nghệ và tinh thần học tập có trách nhiệm để nâng cao chất lượng nghiên cứu 

Thông điệp xuyên suốt bài giảng khẳng định: "Nhà nghiên cứu giữ trách nhiệm tạo ra tri thức chứ không phải AI". Việc sử dụng AI đúng cách không biến nhà nghiên cứu thành kẻ lười biếng, mà ngược lại, đòi hỏi tư duy khắt khe, sự giám sát chặt chẽ và tính chủ đích cao hơn. AI chỉ đóng vai trò là người bạn đồng hành thảo luận xuất sắc giúp sắp xếp sự hỗn loạn của dữ liệu, để từ đó con người đứng vững ở vị trí người kiểm duyệt, đúc kết tầng ý nghĩa cao cấp và lãnh đạo cuộc cách mạng học thuật thời đại số.

Đạo đức học thuật và tinh thần tỉnh thức: Diễn giả đã đặc biệt nhấn mạnh vấn đề cốt lõi: dù công nghệ có thông minh và tiên tiến đến đâu, liêm chính học thuật (academic integrity), tư duy phản biện (critical thinking) và trách nhiệm đạo đức vẫn luôn phải được đặt ở vị trí trung tâm của mọi công trình khoa học. Đối với người nghiên cứu Phật học, công nghệ chỉ là phương tiện (phương tiện thiện xảo), còn trí tuệ chân thật và sự cẩn trọng trong tư duy mới là gốc rễ của sự thật.

Quy trình nghiên cứu định tính và ranh giới trách nhiệm giữa AI và nhà nghiên cứu

Để đảm bảo tính khoa học và độ tin cậy trong các nghiên cứu định tính, quy trình phân tích thường trải qua một chuỗi các bước chuẩn hóa: từ phỏng vấn (Interview), chuyển ngữ (Transcription), làm quen với dữ liệu qua việc đọc kỹ lại bản ghi (Data familiarization), mã hóa ban đầu (Initial coding), tinh chỉnh mã/xây dựng bộ mã codebook (Code refinement/codebook), gom nhóm thành các chủ đề ứng viên (Categories/Candidate themes), xác định chủ đề chính thức (Themes), diễn giải (Interpretation) cho đến hoàn thiện báo cáo kết quả (Report/findings).

Sơ đồ quy trình nghiên cứu định tính và ranh giới trách nhiệm giữa AI và nhà nghiên cứu

Trong tiến trình này, buổi tọa đàm đã chỉ ra nguyên tắc phân định rất rõ ràng: AI có thể hỗ trợ trong các công đoạn mang tính kỹ thuật và xử lý dữ liệu lớn như chuyển ngữ, làm sạch văn bản, tóm tắt và gợi ý mã code ban đầu. Tuy nhiên, nhà nghiên cứu buộc phải là người dẫn dắt và chịu trách nhiệm hoàn toàn đối với các quyết định mã hóa, phát triển chủ đề và tầng diễn giải ý nghĩa sâu sắc. Điều này khẳng định rằng công nghệ dù hiện đại đến đâu cũng chỉ đóng vai trò là phương tiện hỗ trợ, trong khi trí tuệ, sự tỉnh thức và tư duy phản biện của con người mới là yếu tố quyết định giá trị chân thật của công trình nghiên cứu.

Bài và ảnh: Thích nữ Giác Pháp Hạnh

Cử nhân tại Học viện Phật Giáo Quốc tế (International Buddhist Studies College IBSC), Đại học Mahachulalongkornrajavidyalaya  (MCU), Thái Lan.