Mình bắt đầu làm luận văn vào năm thứ ba của chương trình nội trú Ngoại Nhi.
Lúc đó, mình đã có những thứ mà người ta thường nghĩ là "đủ" để làm nghiên cứu: nền tảng y khoa, sự quen thuộc với các bài báo khoa học, và kiến thức cơ bản về phương pháp nghiên cứu y học.
Mình đã đọc sách giáo khoa về thiết kế nghiên cứu, dự các buổi giảng về phương pháp luận, và thuộc lòng các định nghĩa về sai lệch, yếu tố gây nhiễu, và các kiểm định thống kê. Vậy mà khi thực sự ngồi xuống để làm nghiên cứu, mình cảm thấy hoàn toàn bơ vơ.
Hiểu được quy trình nghiên cứu là điều thiết yếu để điều hướng các dự án phức tạp.
Không phải bối rối về lý thuyết—mà là mất phương hướng trong thực tiễn.
Vấn đề thực sự không phải là kiến thức trong quy trình nghiên cứu
Ban đầu, mình nghĩ vấn đề nằm ở bản thân mình.
Có lẽ mình chưa đọc đủ nhiều. Có lẽ kiến thức thống kê còn yếu. Có lẽ tiếng Anh chưa đủ tốt.
Vậy là mình làm điều mà hầu hết mọi người đều làm: đọc thêm bài báo, thu thập thêm tài liệu tham khảo, cố viết từng phần mỗi khi có thời gian rảnh.
Không cái nào giúp ích được. Điều mình dần nhận ra là: mình không thiếu kiến thức hay ngôn ngữ. Mình thiếu một quy trình.
Không ai chỉ cho mình—một cách rõ ràng và cụ thể—nghiên cứu thực sự trông như thế nào khi bạn thực hiện nó từ đầu đến cuối.
Những gì không ai dạy một cách tường minh
Tất nhiên, môi trường đào tạo của chúng mình yêu cầu tất cả phải đọc và học nhiều thứ liên quan đến biểu hiện thực tiễn của khoa học, nhưng không phải ai cũng có đủ kỹ năng phân tích và hiểu biết sâu để thấy được bức tranh toàn cảnh. Và hơn thế nữa, không ai có một người hướng dẫn/giám sát sẵn sàng ngồi xuống và thảo luận từng chi tiết nhỏ nhặt, tưởng chừng tầm thường, ở mỗi bước của quá trình nghiên cứu. Với AI, chỉ cần một câu lệnh cơ bản, mình đã có được một khung ban đầu như thế này:
simple prompt after discussion
Hình ảnh được tạo từ ChatGPT Plus – mình nghĩ phiên bản miễn phí cũng làm được điều này
Đúng, bạn có thể nói khung này rất cơ bản, ai cũng biết. Nhưng thực tế, khi tiếp xúc với nhiều người xung quanh, mình khá chắc rằng hơn một nửa không thực sự hiểu rõ quy trình này. Và trong thực tiễn, nghiên cứu không diễn ra như một chuỗi bước gọn gàng. Nó lộn xộn, chồng chéo, và lặp đi lặp lại.
Nhưng trong sự lộn xộn đó, khung này đóng vai trò như một tấm bản đồ—nó giúp bạn xác định mình đang ở đâu trong hành trình dài hoàn thành một luận văn. Ví dụ, mình từng gặp những vấn đề này (có thể bạn cũng vậy):
- bắt đầu đọc từ đâu
- khi nào nên dừng đọc và bắt đầu viết
- làm thế nào để chuyển từ một mối quan tâm mơ hồ thành một câu hỏi nghiên cứu cụ thể
- cách ghi chú sao cho sau này có thể chuyển thành bài viết
Thành thật mà nói, ở đất nước mình, người hướng dẫn nội trú thường là các bác sĩ lâm sàng với kiến thức hạn chế về dịch tễ học và phương pháp luận. Họ không có thời gian để trả lời mọi câu hỏi nghiệp dư từ một người mới như mình. Cuối cùng mình cũng hoàn thành luận văn qua thử và sai, nhưng những khó khăn đó vẫn đọng lại trong mình.
Khám phá ra luồng chảy, không phải công cụ
Nhiều năm sau, khi các công cụ AI trở nên dễ tiếp cận hơn, mình bắt đầu thử nghiệm—không phải để tự động hóa nghiên cứu, mà để hiểu nó sâu hơn. Nhiều lần thử ban đầu thất bại. Một số kết quả gây hiểu nhầm. Số khác thì không dùng được.
Nhưng có điều gì đó bất ngờ đã xảy ra.
Khi tương tác với AI một cách có chủ đích—yêu cầu nó giúp mình tóm tắt, sắp xếp lại, và đặt câu hỏi về chính suy nghĩ của mình—mình bắt đầu nhìn nghiên cứu theo cách khác. Không phải là những nhiệm vụ riêng lẻ, mà là một luồng chảy liên tục:
đọc để định hướng → đọc để tinh chỉnh → viết để suy nghĩ → viết để làm rõ
AI không cho mình câu trả lời. Nó giúp mình nhìn thấy cấu trúc mà mình đã bỏ lỡ từ trước đến nay. Ví dụ, mình từng đọc bài báo từ đầu đến cuối, ghi chú theo thứ tự tuyến tính. AI giúp mình nhận ra có thể đọc theo chiến lược: tóm tắt → thảo luận → phương pháp liên quan → kết quả chọn lọc. Cách sắp xếp lại đơn giản này tiết kiệm hàng giờ đồng hồ.
Bạn nên thử—brainstorming và thảo luận cùng AI thực sự cuốn hút, thậm chí gây nghiện. Đúng, một số mô hình hay quá nhiệt tình (nhìn vào bạn đấy, GPT) hoặc bịa ra thông tin (Gemini, mình thấy bạn đó). Nhưng trong brainstorming, chúng có thể gợi ra những cách tiếp cận giải quyết vấn đề thú vị và đề xuất các quy trình khả thi.
Mình đã viết về nhận thức này trong một bài đăng Substack trước đây, mô tả nghiên cứu như một luồng chảy thay vì một danh sách kiểm tra.
Nghiên cứu như một quy trình sống động
Khi bắt đầu làm việc với một quy trình rõ ràng, nhiều thứ đã thay đổi:
- việc đọc trở nên có mục đích thay vì gây choáng ngợp
- viết trở thành một công cụ tư duy, không chỉ là bước cuối cùng
- việc sửa đổi cảm thấy mang tính lặp lại, không còn như hình phạt
Quan trọng hơn cả, mình ngừng tự trách bản thân vì "không giỏi nghiên cứu." Khó khăn không bao giờ là do trí tuệ hay nỗ lực. Đó là do làm việc mà không có bản đồ dẫn đường.
Tại sao điều này quan trọng
Nhiều sinh viên và bác sĩ lâm sàng gặp khó khăn với nghiên cứu không phải vì họ thiếu năng lực, mà vì họ chưa bao giờ được chỉ ra công việc học thuật thực sự diễn ra như thế nào trong điều kiện thực tế: thời gian hạn chế, hướng dẫn không đầy đủ, trách nhiệm chồng chéo.
Một quy trình rõ ràng không làm cho nghiên cứu trở nên đơn giản hơn—nhưng nó làm cho nó có thể điều hướng được. Không có quy trình, những người có năng lực hoàn toàn có thể bỏ cuộc khỏi nghiên cứu—không phải vì họ không làm được, mà vì quá trình đó cảm thấy không thể tìm được đường đi.
AI, khi được sử dụng có trách nhiệm, có thể hỗ trợ điều này bằng cách giúp làm rõ tư duy, làm cho các mẫu hình trở nên rõ ràng, và hỗ trợ sự lặp lại mà không thay thế phán đoán của con người.
Những gì trang này sẽ khám phá tiếp theo
Trang web này được xây dựng xoay quanh nhận thức đó. Không phải như những quy tắc phổ quát, mà như những quy trình được định hình bởi công việc học thuật thực tế. Bức tranh toàn cảnh quan trọng, nhưng sau đó bạn phải đối mặt với việc thực thi hàng ngày. Trong các bài viết tới, mình sẽ phân tích chi tiết:
- cách tiếp cận việc đọc học thuật ở các giai đoạn khác nhau của một dự án
- cách viết đóng vai trò như một công cụ tư duy, không chỉ là một nhiệm vụ báo cáo
- AI có thể giúp ở đâu—và ở đâu thì không nên dùng
Nghiên cứu trở nên có thể quản lý được không phải khi bạn biết tất cả mọi thứ, mà khi bạn hiểu cách mỗi bước chảy vào bước tiếp theo.
Điểm cuối cùng
Tất cả những gì mình chia sẻ đều dựa trên kinh nghiệm của bản thân mình. Hành trình của bạn có thể khác, và mình rất muốn nghe về nó—hãy liên hệ nếu bạn có những hiểu biết muốn chia sẻ.
Nếu bạn đang soạn thảo bản thảo của mình, có thể bạn sẽ thấy Checklist: Idea to Submission của mình hữu ích.