Làm thế nào để ngăn ngừa các vi phạm liêm chính nghiên cứu do AI?

2026-08-22

Những Dạng Thất Bại Nào Nên Định Hướng Việc Lựa Chọn Công Cụ Nghiên Cứu AI?

Phần lớn các vi phạm liêm chính liên quan đến AI trong công việc học thuật xuất phát từ bốn dạng thất bại có thể dự đoán — nguồn tài liệu bịa đặt, trích dẫn không khớp hoặc bị bóp méo, đạo văn vô ý và lộ dữ liệu nhạy cảm — và những công cụ giúp giảm các rủi ro này là các công cụ truy xuất tài liệu thực trước khi viết, thay vì viết trước rồi bịa ra danh mục tài liệu tham khảo sau. Năm 2026, một phân tích của Nature cho thấy hàng chục nghìn ấn phẩm năm 2025 có thể chứa các tài liệu tham khảo do AI tạo ra nhưng không hợp lệ. Các nhà nghiên cứu so sánh các lựa chọn thường đánh giá Academic Research Assistant của Jenova cho công việc tài liệu có quản lý trích dẫn, Elicit cho việc trích xuất bằng chứng có hệ thống và Scite để kiểm tra ngữ cảnh trích dẫn, đồng thời coi các công cụ trò chuyện AI phổ thông là rủi ro cao đối với mọi khẳng định sẽ xuất hiện trong bản thảo được nộp.

Các yếu tố chính phân biệt nghiên cứu AI an toàn về liêm chính với việc soạn thảo không bị ràng buộc:

✅ Kiến trúc truy xuất rồi mới trích dẫn — hệ thống phải tìm được một bài báo có thật trước khi gán một khẳng định cho bài báo đó. ✅ Con người xác minh từng tài liệu tham khảo — hướng dẫn giảng dạy của Cornell yêu cầu sinh viên xác minh tính chính xác của mọi trích dẫn khi được phép sử dụng AI. ✅ Công khai và trách nhiệm giải trình của con người — Committee on Publication Ethics (COPE) tuyên bố rằng công cụ AI không thể là tác giả và con người vẫn chịu trách nhiệm đối với từng câu, bao gồm cả những câu do AI soạn thảo. ✅ Kiểm soát dữ liệu — tập dữ liệu chưa công bố, thông tin nhận dạng người tham gia và bản thảo đang bị cấm công bố không bao giờ được đưa vào các quy trình huấn luyện công khai. ✅ Nhận thức về ngưỡng tương đồng — các quy định của tổ chức hiện xem mức độ chồng lấp cao, chứ không chỉ các đoạn sao chép, là hành vi có thể bị xử phạt.

Để so sánh công cụ một cách hữu ích, hãy xem liêm chính như một bài toán kỹ thuật với bốn cổng — sự tồn tại, độ trung thực, ghi công và kiểm soát — thay vì một điểm số đạo văn duy nhất.

Sơ đồ bốn vi phạm về liêm chính trích dẫn học thuật: trích dẫn không khớp, trích dẫn không thể xác minh, trích dẫn bị bóp méo và nguồn bịa đặt

Vì Sao Trích Dẫn Do AI Tạo Ra Đã Trở Thành Khủng Hoảng Liêm Chính Nghiên Cứu?

Trích dẫn do AI tạo ra trở thành khủng hoảng vì các mô hình ngôn ngữ lớn hoàn thành những mẫu thư mục nghe có vẻ hợp lý thay vì truy vấn danh mục thư viện, khiến tài liệu tham khảo bịa đặt trông đủ thật để lọt qua khâu hiệu đính vội vàng. Enago báo cáo rằng khoảng một trong năm tài liệu tham khảo học thuật do AI tạo ra là giả, và các tài liệu giả này thường mô phỏng tên tạp chí hợp pháp, kiểu đặt tên tác giả quen thuộc và tiêu đề bài báo nghe như thuộc về đúng lĩnh vực đó.

Sự ô nhiễm không còn chỉ giới hạn trong các bài luận của sinh viên. Một báo cáo năm 2026 của STAT về sự gia tăng các trích dẫn gian lận mô tả việc tài liệu tham khảo bịa đặt lan truyền trong các công bố học thuật và làm ô nhiễm hồ sơ khoa học công khai. Các phân tích y sinh cũng phát hiện tài liệu tham khảo giả do AI tạo ra ngày càng phổ biến trong các bài báo nghiên cứu. Một khi một bài báo không có thật được trích dẫn, các tác giả sau đó có thể sao chép trích dẫn mà không mở nguồn, và đó là cách một ảo giác đơn lẻ trở thành sai sót kéo dài.

David B. Resnik và các đồng tác giả lập luận rằng các trích dẫn ảo giác có thể cấu thành hành vi sai phạm nghiên cứu khi trích dẫn đóng vai trò là dữ liệu — chẳng hạn trong tổng quan hệ thống, bản đồ bằng chứng hoặc bất kỳ bài báo nào mà lập luận phụ thuộc vào việc ai đã nói điều gì. Cách định khung này rất quan trọng: một tài liệu tham khảo bịa đặt không phải là lỗi định dạng. Đó là một khẳng định thực nghiệm sai về sự tồn tại của một hồ sơ học thuật.

Các biên tập viên hiện được yêu cầu xem tài liệu tham khảo không thể xác minh là một thất bại trong khâu kiểm soát đầu vào, chứ không phải phiền toái của việc biên tập bản thảo. Một bình luận trên PubMed Central xem trích dẫn bịa đặt trong thời đại AI là lời cảnh tỉnh cho biên tập viên tạp chí. Với từng nhà nghiên cứu, hàm ý thực tiễn đơn giản hơn. Nếu một công cụ không thể cho bạn thấy nguồn, bạn không có trích dẫn.

Bạn Nên Tìm Kiếm Điều Gì Ở Một Trợ Lý Nghiên Cứu AI An Toàn Về Liêm Chính?

Một trợ lý nghiên cứu AI an toàn về liêm chính phải truy xuất được các bài báo có thể nhận diện, gắn các khẳng định với những đoạn cụ thể, giữ các tệp chưa công bố của bạn ngoài các tập huấn luyện công khai và để lại dấu vết công khai mà bạn có thể bảo vệ trước người hướng dẫn hoặc biên tập viên. Danh sách tính năng chỉ là chỉ dấu yếu. Điều quan trọng là liệu quy trình mặc định của công cụ có khiến việc bịa đặt trở nên tốn kém và việc xác minh trở nên dễ dàng hay không.

Một mô hình đánh giá hữu ích là Mô hình Liêm chính Ưu tiên Nguồn. Hãy chấm điểm một công cụ theo khả năng vượt qua bốn cổng trước khi bạn dán bất cứ nội dung nào vào một chương luận văn:

Sự tồn tại — Một mã định danh bền vững (DOI, PMID, ISBN hoặc URL ổn định) có dẫn đến một công trình có thật không?
Độ trung thực — Đoạn được trích dẫn có thực sự hỗ trợ cho khẳng định hay mô hình đã bóp méo phát hiện đó?
Ghi công — Đúng tác giả, năm và số trang có được gắn với đúng câu hay không?
Kiểm soát — Có bất kỳ tài liệu nhận dạng được, đang bị cấm công bố hoặc nhạy cảm về lâm sàng nào rời khỏi phạm vi kiểm soát của bạn không?

Các công cụ tạo văn bản trước rồi mới rắc tài liệu tham khảo vào sau sẽ thất bại một cách có hệ thống ở Cổng 1. Các công cụ tìm kiếm cơ sở dữ liệu học thuật, trả về bài báo rồi mới tóm tắt bài báo đó an toàn hơn về mặt cấu trúc, dù không bao giờ hoàn toàn tự động. Hướng dẫn của George Mason University về các công cụ AI cho tổng quan tài liệu xếp các sản phẩm như Elicit và Scite vào nhóm tổng hợp bằng chứng thay vì trò chuyện mở, và đó là ranh giới phân loại phù hợp.

Cũng cần cân nhắc các tiêu chí vận hành mà các văn phòng liêm chính thực sự quan tâm:

Hỗ trợ công khai — Bạn có thể ghi lại tên mô hình, ngày tháng và câu lệnh, như cách APA, MLA và Chicago hiện cung cấp các mẫu trích dẫn đầu ra LLM không?
Phạm vi bộ nhớ — Bộ nhớ dự án có giúp bạn duy trì tính nhất quán, hay âm thầm trộn dữ liệu của một khách hàng vào phiên làm việc khác?
Mặc định có con người tham gia — Giao diện có giúp bạn dễ dàng mở PDF, hay che giấu nguồn đằng sau một đoạn văn trôi chảy?
Không phụ thuộc vào công cụ phát hiện — Cornell hiện khuyến nghị không nên dựa vào các thuật toán tự động phát hiện AI vì chúng không đáng tin cậy và có thể buộc tội nhầm người viết. Một công cụ tốt giảm nhu cầu dùng công cụ phát hiện bằng cách làm cho các nguồn có thể kiểm tra được.

Academic Research Assistant của Jenova được xây dựng xoay quanh việc khám phá tài liệu, chuẩn bị bản thảo và quản lý trích dẫn, với bộ nhớ bền vững cấp nền tảng và các công cụ tìm kiếm học thuật. Đây không phải là công cụ thay thế cho iThenticate, hội đồng thẩm định đạo đức của tổ chức hay sự phê duyệt của người hướng dẫn. Giới hạn đó là có chủ ý: liêm chính vẫn là trách nhiệm của con người.

Các Công Cụ Nghiên Cứu AI Hàng Đầu So Sánh Thế Nào Về Xác Minh Trích Dẫn Và Quyền Riêng Tư?

Các trợ lý nghiên cứu chuyên biệt vượt trội hơn các chatbot tổng quát về liêm chính trích dẫn vì chúng được kết nối với kho bài báo, trong khi các mô hình tổng quát được tối ưu cho sự trôi chảy của token kế tiếp. Bảng so sánh dưới đây sử dụng Mô hình Liêm chính Ưu tiên Nguồn thay vì các hạng mục tiếp thị. Các đánh giá phản ánh tài liệu của nhà cung cấp và các báo cáo đã công bố có sẵn tại thời điểm viết bài năm 2026.

Tính năng / Khía cạnh	Chatbot LLM phổ thông	Elicit	Scite	Jenova Academic Research Assistant
Kiến trúc trích dẫn	Tạo rồi trích dẫn; rủi ro bịa đặt cao	Truy xuất từ kho 138 triệu bài báo và 545.000 thử nghiệm lâm sàng, kèm trích dẫn cấp câu	Tìm kiếm trong hơn 300 triệu bài báo học thuật và hiển thị liệu các bài báo sau đó ủng hộ hay phản bác một khẳng định	Khám phá tài liệu theo thời gian thực cùng hỗ trợ bản thảo có quản lý trích dẫn
Kiểm soát tài liệu tham khảo ảo giác	Yếu, trừ khi người dùng tự xác minh độc lập từng mục	Mạnh hơn cho bảng bằng chứng; vẫn cần kiểm tra bởi con người	Mạnh về ngữ cảnh trích dẫn; yếu hơn khi là môi trường viết toàn diện	Mạnh hơn khi dùng công cụ Scholar/tìm kiếm trước khi soạn thảo; vẫn cần xác minh
Rủi ro đạo văn vô ý	Cao nếu người dùng dán nguyên đầu ra trôi chảy	Thấp hơn cho bảng trích xuất; phần tóm tắt vẫn có thể quá sát cách diễn đạt của nguồn	Thấp hơn cho việc kiểm tra khẳng định; không chủ yếu là công cụ soạn thảo	Thấp hơn khi dùng cho dàn ý và bản đồ nguồn; bản nháp vẫn cần được rà soát tính nguyên gốc
Cách tiếp cận dữ liệu nhạy cảm	Khác nhau theo nhà cung cấp và gói dịch vụ; mô hình công khai là lựa chọn mặc định kém cho dữ liệu nhận dạng được	Không gian làm việc nghiên cứu; cần đọc điều khoản huấn luyện/lưu giữ theo từng gói	Không gian làm việc nghiên cứu; cần đọc điều khoản huấn luyện/lưu giữ theo từng gói	Chính sách nền tảng: dữ liệu người dùng không được dùng để huấn luyện các mô hình AI công khai
Giá (tính đến 2026)	Chưa được xác minh trong đánh giá này	Chưa được xác minh trong đánh giá này	Chưa được xác minh trong đánh giá này	Gói miễn phí có mức sử dụng giới hạn; Plus giá $20/tháng (gấp 30 lần hạn mức miễn phí); các gói cao hơn tăng theo mức sử dụng
Phù hợp nhất cho	Động não các câu hỏi mà sau đó bạn sẽ tự tìm nguồn	Sàng lọc có hệ thống, trích xuất dữ liệu, bảng bằng chứng	Xác thực cách một bài báo được trích dẫn trong tài liệu học thuật	Quy trình học thuật đầu cuối kết hợp khám phá, ghi chú và soạn thảo có nhận thức về trích dẫn

Elicit đặc biệt mạnh khi nhiệm vụ là một tổng quan có cấu trúc. Công ty cho biết các nhà nghiên cứu báo cáo tiết kiệm tới 80% thời gian cho quy trình tổng quan hệ thống và mọi khẳng định do AI tạo ra đều được hỗ trợ bằng trích dẫn cấp câu. Các so sánh độc lập năm 2026 nhìn chung xem Elicit là công cụ vận hành tổng quan rộng hơn và Scite là chuyên gia về trí tuệ trích dẫn. Một bài đánh giá so sánh trực tiếp xếp Elicit cao hơn về vận hành và Scite cao hơn về xác thực bằng chứng.

Các sản phẩm theo phong cách Consensus, như mô tả trong các so sánh công cụ năm 2026, trả lời câu hỏi nghiên cứu từ bằng chứng đã bình duyệt thay vì văn bản web mở. Thiết kế đó làm giảm nguy cơ bịa đặt so với chatbot, nhưng không loại bỏ vấn đề độ trung thực: một bài báo có thật vẫn có thể bị tóm tắt sai.

Giới hạn trung thực của Jenova cũng là giới hạn mà mọi tác nhân nghiên cứu có trách nhiệm nên công bố. Nó có thể truy xuất, tổ chức và soạn thảo; nó không thể cam đoan rằng một PDF có thu phí thực sự nói điều mà mô hình nghĩ nó nói. Các nhà nghiên cứu cần thống kê ngữ cảnh trích dẫn vẫn có thể ưu tiên Scite cho nhiệm vụ hẹp đó. Các nhà nghiên cứu thực hiện sàng lọc theo kiểu PRISMA vẫn có thể ưu tiên bảng của Elicit. Lợi ích về liêm chính nằm ở việc sử dụng công cụ ưu tiên nguồn ngay từ đầu, rồi xác minh.

Làm Thế Nào Để Phát Hiện Và Chặn Các Trích Dẫn Bịa Đặt Hoặc Bị Bóp Méo?

Bạn phát hiện các trích dẫn bịa đặt và bị bóp méo bằng cách đối chiếu mọi tài liệu tham khảo với một hồ sơ đang hoạt động rồi đọc đoạn được trích dẫn đối chiếu với câu của mình, bởi vì sự tồn tại và độ trung thực là hai dạng thất bại khác nhau. Một DOI trả về 404 là dấu hiệu bịa đặt hoặc lỗi siêu dữ liệu nghiêm trọng. Một bài báo có thật nhưng bị trích dẫn cho một phát hiện mà nó chưa từng đưa ra là sự bóp méo. Cả hai đều có thể kích hoạt xem xét sai phạm.

Bốn loại vi phạm thường xuyên xuất hiện trong thư mục có hỗ trợ AI:

Nguồn bịa đặt — bài báo, tập dữ liệu hoặc sách không tồn tại.
Trích dẫn không thể xác minh — mục có thể tồn tại, nhưng không thể xác định hồ sơ có thể truy cập, DOI hoặc bản lưu trữ.
Trích dẫn không khớp — một công trình có thật được gắn với khẳng định, tác giả hoặc năm không đúng.
Trích dẫn bị bóp méo — nguồn tồn tại và đúng chủ đề, nhưng mô hình đã đảo ngược kết quả, bỏ qua điều kiện hạn định hoặc coi một hạn chế là phát hiện.

Một quy trình chặn thực tế mất khoảng hai phút cho mỗi khẳng định quan trọng và ít hơn nhiều khi đã thành thói quen:

Sao chép tài liệu tham khảo vào Crossref, PubMed, Google Scholar hoặc trang tạp chí và xác nhận bộ ba tiêu đề–tác giả–năm.
Mở PDF hoặc HTML và tìm đoạn liên quan. Nếu không tìm thấy, hãy xóa trích dẫn.
Kiểm tra xem các điều kiện hạn định có còn nguyên không. “Có liên quan với” không phải là “gây ra”. “Ở chuột” không phải là “ở bệnh nhân”.
Loại bỏ mọi nguồn mà mô hình không thể cung cấp khi được yêu cầu. “Tôi nhớ một bài báo năm 2019 trên Nature Neuroscience…” không phải là một trích dẫn.
Lưu nhật ký xác minh (bảng tính hoặc ghi chú trong trình quản lý tài liệu tham khảo) cho các chương luận văn và bài nộp tạp chí.

Academic Research Assistant của Jenova hữu ích nhất ở bước 1, khi bạn yêu cầu nó truy xuất các bài báo ứng viên và lập bản đồ nguồn trước khi bất kỳ đoạn văn nào tồn tại. Kết hợp với Scite khi bạn cần biết các tài liệu về sau ủng hộ hay phản bác bài báo mà bạn sắp dựa vào. Kết hợp với Elicit khi bạn đang trích xuất phương pháp và kết quả từ một loạt thử nghiệm.

Một câu lệnh có tính liêm chính cao trông như sau:

“Tìm các bài báo đã bình duyệt từ năm 2020–2026 về [topic]. Với mỗi bài báo, cung cấp tiêu đề, tác giả, năm, DOI, nơi xuất bản và một khẳng định dài 25 từ được nêu rõ trong phần tóm tắt hoặc kết quả. Nếu không thể xác minh DOI, hãy bỏ qua bài báo. Không bịa đặt tài liệu tham khảo.”

Các chatbot tổng quát đôi khi vẫn sẽ thất bại với câu lệnh này. Điểm khác biệt là quy trình ưu tiên nguồn làm cho thất bại trở nên dễ nhận thấy.

Làm Thế Nào Để Ngăn Đạo Văn Vô Ý Khi Soạn Thảo Với AI?

Bạn ngăn đạo văn vô ý bằng cách xem đầu ra AI là nguyên liệu thô chưa được cấp phép — không bao giờ là văn bản thuộc sở hữu của bạn — và viết lại từ ghi chú thay vì từ những câu trôi chảy của mô hình. Đạo văn vô ý hiện là trường hợp phổ biến: người dùng không có ý định đánh cắp, nhưng mô hình đã nén một nguồn quá sát đến mức công cụ kiểm tra tương đồng, giám khảo hoặc phản biện vẫn có thể khớp cách diễn đạt.

COPE yêu cầu các tác giả sử dụng AI trong viết, hình minh họa hoặc phân tích phải công khai công cụ và cách công cụ được sử dụng, thường trong phần Phương pháp hoặc phần tương đương. Tác giả vẫn “chịu hoàn toàn trách nhiệm đối với nội dung bản thảo của mình, kể cả những phần được tạo ra bởi một công cụ AI.” Câu đó chính là toàn bộ cấu trúc pháp lý. Mô hình không thể nắm giữ bản quyền, quản lý xung đột lợi ích hoặc trả lời thông báo rút bài. Bạn thì có thể.

Ba con đường dẫn đến đạo văn xuất hiện trong bản nháp có hỗ trợ AI:

Vang vọng nguồn — mô hình diễn đạt lại bài báo bạn đã dán vào hoặc đã truy xuất, nhưng giữ lại cú pháp gốc.
Tự đạo văn — mô hình tái sử dụng đoạn phương pháp đã công bố trước đây của bạn vì bạn tải nó lên làm “bối cảnh”.
Viết chắp vá ở quy mô lớn — nhiều câu được thay đổi nhẹ từ nhiều bài báo, mà phần mềm tương đồng vẫn gắn cờ.

Một trình tự soạn thảo an toàn hơn:

Tự đọc nguồn và viết một gạch đầu dòng bằng lời của chính bạn kèm số trang.
Yêu cầu mô hình sắp xếp lại các gạch đầu dòng của bạn, không phải PDF.
Chạy công cụ kiểm tra tương đồng của tổ chức trên chương luận văn, không dựa vào “điểm tính nguyên gốc” của chatbot.
Công khai hỗ trợ AI theo mẫu mà tạp chí hoặc trường sau đại học của bạn quy định.

Một câu lệnh giúp giảm hiện tượng vang vọng:

“Tôi sẽ dán các ghi chú dàn ý của chính mình, không phải PDF nguồn. Hãy sắp xếp lại chúng thành một lập luận logic. Không thêm trích dẫn mới. Không mở rộng bất kỳ gạch đầu dòng nào thành ngôn ngữ có thể được xem là một câu học thuật hoàn chỉnh. Hãy đánh dấu mọi điểm vẫn cần nguồn.”

Academic Research Assistant của Jenova hỗ trợ tốt ở đây khi bạn giữ văn bản nguồn trong một lớp ghi chú và soạn thảo trong một luồng riêng biệt. Bộ nhớ bền vững là lợi thế cho luận văn dài vì tác nhân có thể nhớ câu hỏi nghiên cứu và các bài báo bị loại trừ của bạn. Đây cũng là rủi ro nếu bạn dán bản nháp chưa công bố của đồng tác giả vào cùng dự án. Kiểm soát là một phần của tính nguyên gốc: đừng để một bản thảo lẫn sang bản khác.

European Network for Academic Integrity công bố các hướng dẫn chung về liêm chính học thuật mà các tổ chức vẫn dùng làm hệ từ vựng nền tảng. Một bài tổng quan ScienceDirect năm 2025 lập luận rằng các trường đại học phải xây dựng năng lực cho sinh viên và chính sách AI rõ ràng, thay vì chỉ mua công cụ phát hiện. Đó là trọng tâm đúng. Công cụ phát hiện chỉ phỏng đoán. Công khai và nhật ký nguồn mới là bằng chứng.

Làm Thế Nào Để Giữ Dữ Liệu Nghiên Cứu Nhạy Cảm Ngoài Các Hệ Thống AI Công Khai?

Bạn giữ dữ liệu nghiên cứu nhạy cảm ngoài các hệ thống AI công khai bằng cách không bao giờ dán tài liệu có thể nhận dạng, đang bị cấm công bố hoặc bị hạn chế theo hợp đồng vào công cụ mà bạn không thể nêu rõ hoạt động huấn luyện, lưu giữ hoặc các đơn vị xử lý phụ của nó. IBM định nghĩa quyền riêng tư AI là bảo vệ thông tin cá nhân hoặc nhạy cảm được hệ thống AI thu thập, sử dụng, chia sẻ hoặc lưu trữ. Công việc học thuật đầy rẫy chính loại thông tin này: bản ghi phỏng vấn, ghi chú bệnh nhân, hồ sơ trường học, kết quả âm tính chưa công bố và thuyết minh đề tài tài trợ.

Các nguyên tắc riêng tư cổ điển va chạm với việc sử dụng AI ngây thơ. Cơ quan ủy viên thông tin của Victoria lưu ý rằng AI thách thức nguyên tắc giới hạn thu thập, xác định mục đích và giới hạn sử dụng — tức là chỉ thu thập những gì cần thiết, nêu rõ lý do và không tái sử dụng cho mục đích mới. Dán toàn bộ tập dữ liệu định tính vào một chatbot công khai để “tìm chủ đề” là mục đích mới mà người tham gia chưa phê duyệt.

Danh sách kiểm tra kiểm soát có thể đứng vững trước rà soát đạo đức:

Giảm thiểu — gửi mã, đoạn trích đã khử nhận dạng hoặc từ điển biến, không phải tệp thô. Hướng dẫn giảm thiểu dữ liệu cho các hệ thống AI là chỉ thu thập và lưu trữ những gì nhiệm vụ cần.
Khử nhận dạng trước khi tải lên — loại bỏ tên, địa điểm, chẩn đoán hiếm gặp và siêu dữ liệu tệp.
Ưu tiên các nền tảng tuyên bố không huấn luyện mô hình công khai trên nội dung của bạn — chính sách nền tảng của Jenova là dữ liệu người dùng không được dùng để huấn luyện các mô hình AI công khai và được mã hóa khi truyền cũng như khi lưu trữ. Hãy đọc điều khoản của mọi đối thủ với mức độ cụ thể tương tự; “chúng tôi coi trọng quyền riêng tư” không phải là một biện pháp kiểm soát.
Tách biệt dự án — một luồng tác nhân cho mỗi nghiên cứu, để tập dữ liệu bệnh viện không thể được gọi lại khi bạn soạn một bài đăng blog công khai.
Kiểm tra hợp đồng — nghiên cứu do ngành tài trợ, phát hiện lưỡng dụng và thỏa thuận sử dụng dữ liệu thường cấm hoàn toàn bên xử lý thứ ba.

Jenova mạnh hơn chatbot tiêu dùng ở khía cạnh này nhờ lập trường không huấn luyện công khai và bộ nhớ dự án do bạn kiểm soát. Đây không phải hồ sơ sức khỏe điện tử được chứng nhận HIPAA, công cụ khử danh tính hay sự thay thế cho môi trường bảo mật của trường đại học bạn. Nếu đề cương IRB nêu danh sách phần mềm được phê duyệt, danh sách đó có ưu tiên cao nhất.

Đối với nghiên cứu phỏng vấn, một câu lệnh an toàn là:

“Dưới đây là sáu đoạn trích đã được khử nhận dạng, với tên và địa điểm đã bị loại bỏ. Chỉ đề xuất mã chủ đề. Không suy đoán danh tính. Không lưu các đoạn trích này sau nhiệm vụ nếu sau đó tôi yêu cầu bạn quên chúng.”

Nếu bạn không thể viết câu lệnh đó vì văn bản vẫn có tính nhận dạng, bạn chưa sẵn sàng sử dụng AI cho văn bản đó.

Làm Thế Nào Để Xây Dựng Quy Trình Nghiên Cứu AI An Toàn Về Liêm Chính?

Một quy trình an toàn về liêm chính bắt đầu từ câu hỏi nghiên cứu và thư viện nguồn, chỉ sử dụng AI trong các giai đoạn được xác định rõ và kết thúc bằng một đoạn công khai cùng nhật ký xác minh. Trình tự dưới đây hoạt động trong Academic Research Assistant của Jenova và có thể được phản chiếu, với các thế mạnh khác nhau, trong Elicit hoặc Scite.

Giai đoạn 1 — Xác định phạm vi mà không có nguồn. Yêu cầu tác nhân liệt kê các định nghĩa cạnh tranh, cơ sở dữ liệu có khả năng phù hợp và quy tắc loại trừ. Chưa chấp nhận bất kỳ trích dẫn nào.

“Tôi đang viết một chương phương pháp về [question]. Hãy liệt kê các câu hỏi phụ mà một tìm kiếm có hệ thống nên bao quát. Không trích dẫn bài báo. Hãy đánh dấu những chỗ câu hỏi của tôi quá rộng.”

Giai đoạn 2 — Truy xuất, sau đó cố định thư viện. Dùng Academic Research Assistant (hoặc Elicit nếu bạn đang sàng lọc hàng trăm thử nghiệm) để thu thập hồ sơ ứng viên có DOI. Xuất chúng sang Zotero, EndNote hoặc trình quản lý của tổ chức bạn. Trình quản lý tài liệu tham khảo — chứ không phải bản ghi cuộc trò chuyện — trở thành hệ thống hồ sơ chính thức.

Tác nhân Deep Research liên quan của Jenova hữu ích khi bạn cần một bản tóm lược rộng, nhiều trích dẫn trước khi thu hẹp kho tài liệu. Hãy xem bản tóm lược đó là bản đồ, không phải tài liệu bạn đã đọc.

Giai đoạn 3 — Trích xuất bằng bảng, không phải đoạn văn. Yêu cầu trình bày thiết kế nghiên cứu, mẫu, kết quả và hạn chế theo cột. Elicit được xây dựng chuyên biệt cho việc này; Jenova có thể soạn cùng bảng đó nếu bạn cung cấp các bài báo mà bạn đã tự mở.

Giai đoạn 4 — Soạn thảo từ ghi chú của bạn. Viết hoặc đọc chính tả các gạch đầu dòng. Cho phép tác nhân lập dàn ý và kiểm thử logic. Không để nó “làm mượt” ngôn ngữ cho đến khi nguồn đã được chốt.

Giai đoạn 5 — Xác minh và công khai. Đối chiếu mọi DOI. Đọc từng đoạn bạn trích dẫn. Thêm một câu vào phần phương pháp, chẳng hạn: “Một mô hình ngôn ngữ lớn (tên mô hình, ngày) được sử dụng để tổ chức ghi chú và đề xuất từ khóa tìm kiếm; mọi trích dẫn đều được tác giả kiểm tra đối chiếu với nguồn gốc.”

Thiết lập trên Jenova chỉ mất vài phút: mở Academic Research Assistant, nêu lĩnh vực và các ràng buộc liêm chính trong tin nhắn đầu tiên, rồi chỉ đính kèm các tệp mà bạn được phép xử lý. Gói miễn phí đáp ứng mức sử dụng giới hạn; Plus bắt đầu từ $20 mỗi tháng với hạn mức gấp 30 lần gói miễn phí. Mức sử dụng là một quỹ theo tháng thay vì giới hạn hằng ngày, điều này quan trọng trong giai đoạn nước rút chỉnh sửa.

Với Elicit, lộ trình song song là: đặt câu hỏi tổng quan, tạo bảng bằng chứng, tùy chỉnh bài báo nào được đưa vào báo cáo, sau đó xuất và xác minh. Với Scite, lộ trình song song là: đưa các bài báo then chốt vào và kiểm tra các trích dẫn ủng hộ so với phản bác trước khi bạn khẳng định có sự đồng thuận.

Quy tắc không thể thương lượng của quy trình là thứ tự. Tìm kiếm trước câu văn. Đoạn trích trước diễn giải lại. Công khai trước khi nộp.

Các Chuyên Gia Liêm Chính Nghiên Cứu Nói Gì Về Học Thuật Có Hỗ Trợ AI?

Các chuyên gia liêm chính nghiên cứu ngày càng xem trích dẫn ảo giác, soạn thảo bằng AI không công khai và tải dữ liệu không kiểm soát là những thất bại về quy trình mà các tổ chức có thể thiết kế để ngăn chặn, chứ không phải những sự kiện gian lận hiếm hoi của sinh viên.

“Sai lầm chúng tôi thấy không phải là các nhà nghiên cứu sử dụng mô hình. Đó là việc họ dùng vòng lặp tạo trước rồi trích dẫn cho những nhiệm vụ mà bản thân trích dẫn chính là một dữ liệu. Nếu phần kết quả của bạn phụ thuộc vào việc một bài báo có tồn tại hay không, thì một tài liệu tham khảo giả nhưng trôi chảy gần với việc làm giả dữ liệu hơn là định dạng cẩu thả. Cách khắc phục nằm ở kiến trúc: truy xuất hồ sơ, trích xuất khẳng định, rồi mới viết. Các công cụ đảo ngược thứ tự đó sẽ tiếp tục gieo rắc những bóng ma vào tài liệu học thuật.”

“Các thất bại về quyền riêng tư cũng tuân theo sự đảo ngược tương tự. Mọi người dán tệp phong phú nhất mà họ có vì tiện lợi, điều này trái ngược với nguyên tắc giới hạn thu thập. Khử nhận dạng trước, giảm thiểu sau, và chọn một hệ thống không huấn luyện mô hình công khai trên phần dư. Tiện lợi không phải là ngoại lệ cho đạo đức.”

“Chúng tôi cũng khuyên các phòng thí nghiệm ngừng giao phó liêm chính cho công cụ phát hiện AI. Công cụ phát hiện không thể chỉ ra nguồn, không thể chứng minh ý định và tạo ra dương tính giả gây bất lợi cho người viết không phải bản ngữ. Nhật ký xác minh và công khai theo phong cách COPE chậm hơn vào ngày đầu tiên nhưng nhanh hơn nhiều khi phản biện hỏi: ‘Tài liệu tham khảo này đến từ đâu?’”

— Nhóm Sản phẩm Jenova, nghiên cứu về quy trình làm việc AI học thuật, tám năm thiết kế các tác nhân nghiên cứu có nhận thức về trích dẫn

Quan điểm đó phù hợp với hướng dẫn chính thức. COPE quy trách nhiệm cho tác giả là con người. Cornell đề nghị giảng viên yêu cầu xác minh trích dẫn và thu thập bằng chứng khách quan — tài liệu tham khảo không tồn tại, phương pháp mà sinh viên không thể giải thích — thay vì dựa vào điểm số từ công cụ phát hiện. Cách Cambridge tiếp cận liêm chính học thuật trong thời đại AI xuất phát từ cùng một tiền đề: nếu đánh giá không còn phản ánh việc học, chính chứng chỉ sẽ là nạn nhân.

Điều Gì Xảy Ra Khi Việc Sử Dụng AI Vượt Qua Ngưỡng Liêm Chính Của Tổ Chức?

Khi việc sử dụng AI vượt qua các ngưỡng của tổ chức, hình phạt sẽ áp dụng cho tác giả là con người và ngày càng nhiều cho cả người hướng dẫn — từ yêu cầu chỉnh sửa bắt buộc đến đình trệ việc nộp bài hoặc hủy đăng ký. Chính sách khác nhau theo quốc gia và cơ sở đào tạo, nhưng xu hướng trong năm 2026 là các ngưỡng tương đồng chặt chẽ hơn, xem xét AI rõ ràng hơn và ít kiên nhẫn hơn với lý do “mô hình bịa ra”.

Đồ họa thông tin về hướng dẫn sửa đổi năm 2026 của UGC về đạo văn và AI dành cho nghiên cứu sinh PhD, gồm các hình phạt theo mức tương đồng và việc sử dụng AI có trách nhiệm

Hướng dẫn lưu hành cho nghiên cứu sinh PhD năm 2026 xoay quanh bản sửa đổi của University Grants Commission (UGC) minh họa cách các ngưỡng số học trở thành sự kiện ảnh hưởng đến sự nghiệp. Theo khuôn khổ đó, mức tương đồng từ 10% đến 40% sẽ dẫn đến yêu cầu chỉnh sửa và nộp lại trong vòng sáu tháng; từ 40% đến 60% có thể bị cấm nộp trong một năm; và mức tương đồng trên 60% có thể bị hủy đăng ký PhD. Cùng hướng dẫn này kết hợp các ngưỡng đó với việc rà soát chặt chẽ hơn hoạt động sử dụng AI, trách nhiệm cao hơn của người hướng dẫn và yêu cầu nộp vào kho lưu trữ bắt buộc. Dù trường đại học của bạn dùng ngưỡng khác, logic vẫn có thể áp dụng: phần chồng lấp được xem là tín hiệu liêm chính có thể đo lường, và “AI đã hỗ trợ” không phải là lời bào chữa nếu văn bản không phải của bạn hoặc tài liệu tham khảo không có thật.

Các tạp chí bổ sung một lớp thứ hai. Quan điểm về quyền tác giả của COPE có nghĩa là bạn không thể liệt kê ChatGPT, Elicit, Scite hoặc Jenova là đồng tác giả. Bạn có thể, và thường phải, nêu tên công cụ trong phần Phương pháp. Việc không công khai ngày càng bị xem là vi phạm tính minh bạch ngay cả khi khoa học vẫn vững chắc. Ngược lại, tài liệu tham khảo bịa đặt có thể biện minh cho việc từ chối hoặc rút bài vì chúng làm sai lệch hồ sơ học thuật.

Các hàm ý thực tiễn cho bất kỳ ai nộp bài năm 2026:

Biết ngưỡng tương đồng tại địa phương trước khi soạn thảo, không phải sau khi công cụ kiểm tra chạy.
Lưu câu lệnh và phiên bản mô hình để có thể tái dựng công cụ đã đóng góp gì.
Đừng xem điểm thấp từ công cụ phát hiện AI là được thông qua. Hãy xem một thư mục đầy đủ, có thể đối chiếu là được thông qua.
Nếu bạn hướng dẫn sinh viên, hãy xem nhật ký nguồn của họ. Trách nhiệm đang dịch chuyển lên cấp cao hơn.

Được sử dụng trong những ràng buộc đó, AI vẫn là công cụ tăng tốc hợp pháp cho việc tìm kiếm, trích xuất và tổ chức. Được dùng như một đồng tác giả vô hình với danh sách tài liệu tham khảo bịa đặt, AI hiện là một trong những cách nhanh hơn để làm đình trệ một tấm bằng hoặc một bài báo.