Đưa paper cho AI rồi bảo nó "tổng hợp tài liệu" không phải là quy trình nghiên cứu. Đó là thuê ngoài tư duy. Vấn đề không phải AI — mà là đầu vào.
Hầu hết nhà nghiên cứu cung cấp cho AI nguyên liệu thô lộn xộn: PDF, abstract copy-paste, tab trình duyệt đầy paper chưa đọc. Đầu ra phản ánh đầu vào. Tóm tắt mơ hồ. Bỏ sót mâu thuẫn. Tổng hợp đọc như bản diễn giải lại của ba paper nào mới nhất tình cờ nằm đó. Sửa đầu ra đòi hỏi làm lại toàn bộ.
Điều thay đổi quy trình của mình không phải đổi công cụ AI. Mà là coi Zotero như một cơ sở dữ liệu có cấu trúc thay vì một thư mục — và đưa cấu trúc đó, không phải nội dung thô, cho Claude. Quy trình Zotero chuyển phần công việc trí tuệ đến đúng chỗ: nhà nghiên cứu phân loại và chú thích; AI suy luận trên cái đã được phân loại.
Thiết Lập Quy Trình Zotero Mà AI Thực Sự Dùng Được
Cách dùng Zotero tiêu chuẩn là lưu trữ: lưu PDF, trích dẫn khi cần. Đó chỉ là một lớp của những gì nó làm.
Lớp hữu ích hơn là metadata. Mỗi mục Zotero mang theo các trường có cấu trúc: tác giả, năm, tạp chí, DOI, abstract, chú thích của bạn, tag của bạn. Khi bạn xuất metadata này — không phải paper thô, mà bản ghi có tổ chức — bạn cho AI một nền tảng để suy luận xuyên suốt thay vì tóm tắt riêng lẻ.
Hai plugin làm cho quy trình này hoạt động:
Better BibTeX xuất thư viện với đầy đủ metadata và chú thích ở định dạng chuyển giao sạch vào prompt. Cho systematic review, đây là tiêu chuẩn. Cho hầu hết viết nghiên cứu, xuất CSV thuần từ Zotero là đủ và dễ paste trực tiếp hơn.
Zotero PDF Reader (tích hợp sẵn từ v6) cho phép bạn highlight và chú thích trực tiếp trong Zotero. Những chú thích đó đồng bộ với bản ghi mục. Khi bạn xuất, chúng xuất theo — nghĩa là ghi chú của bạn về mỗi paper trở thành phần đầu vào có cấu trúc bạn đưa cho AI.
Không cần thiết lập gì khác. Quy trình không phụ thuộc vào plugin phức tạp. Nó phụ thuộc vào cách bạn dùng các trường chú thích.
Nên Ghi Lại Gì Cho Mỗi Paper
Trước khi AI tham gia quy trình, bản ghi Zotero cần đủ cấu trúc để hữu dụng. Điều đó có nghĩa là vượt qua việc chỉ lưu PDF.
Cho mỗi paper, mình thêm:
- Một tag chỉ vai trò trong bản thảo:
background,key_method,contradicts,supports_main,methodology_concern,limitation - Một chú thích ngắn (2–4 câu): paper tuyên bố gì, mẫu nghiên cứu là gì, và bất kỳ lo ngại nào về tính hợp lệ
- Phân loại vào collection ánh xạ đến phần bản thảo mà nó chủ yếu cung cấp thông tin
Việc này mất khoảng hai đến ba phút mỗi paper. Lợi ích là khi mình xuất một collection, tag và chú thích đi theo metadata. Mình không đưa cho AI một đống paper. Mình đưa cho nó bản đồ tài liệu đã được tổ chức trước, xây dựng từ đánh giá của chính mình về ý nghĩa của mỗi paper.
Sự khác biệt đó quan trọng. AI không làm phần đọc phản biện ở đây. Bạn mới làm. AI làm phần nhận dạng mẫu hình xuyên suốt những gì bạn đã đọc và phân loại.
Chiến Lược Xuất Và Prompt
Từ Zotero, mình xuất một collection dưới dạng CSV. Đầu ra bao gồm tiêu đề, năm, tạp chí, abstract, tag của mình, và chú thích của mình. Mình paste trực tiếp vào cuộc hội thoại Claude.
Prompt mình dùng thay đổi theo nhiệm vụ, nhưng cấu trúc nhất quán:
"Đây là bản xuất có cấu trúc từ trình quản lý tài liệu tham khảo của mình. Mỗi mục bao gồm: tiêu đề, năm, tạp chí, tag mình gán, và chú thích của mình. Dựa vào đây, hãy xác định: (1) paper nào tương đồng nhất về phương pháp, (2) những paper 'contradicts' không đồng ý với nhóm 'supports_main' ở điểm nào và điều gì có thể giải thích sự khác biệt, và (3) bộ tag gợi ý điều gì còn thiếu hoặc chưa được đại diện đủ."
Prompt đó tạo ra đầu ra khác hẳn so với bảo Claude "tổng hợp tài liệu." Bạn đang yêu cầu nó suy luận về các mối quan hệ, không phải tạo ra văn xuôi. Đầu ra là một bản đồ có cấu trúc — không phải bài viết hoàn chỉnh, mà là một khung nhanh hơn để chỉnh sửa so với viết từ đầu.
AI Thực Sự Nằm Ở Đâu Trong Quy Trình Nghiên Cứu Của Mình bao quát logic rộng hơn: AI hoạt động tốt nhất khi nó bổ trợ tư duy có cấu trúc thay vì thay thế nó. Zotero là nơi cấu trúc đó được xây dựng.
Claude Xử Lý Tốt Gì Với Đầu Vào Này
Với metadata và chú thích sạch, nhiều nhiệm vụ trở nên thực sự hữu ích:
Nhóm theo phương pháp. Nếu bạn đã gắn tag paper theo thiết kế — RCT, cohort, meta-analysis, cross-sectional — Claude có thể phân cụm chúng và xác định tuyên bố nào phụ thuộc loại nghiên cứu nào. Điều này trở nên liên quan khi reviewer hỏi liệu kết luận của bạn có đứng vững qua các thiết kế khác nhau.
Bề mặt hóa mâu thuẫn. Tag contradicts là tín hiệu prompt. Yêu cầu Claude so sánh abstract đã chú thích từ các paper mâu thuẫn và giải thích nguồn bất đồng có thể — liệu đó là khác biệt mẫu, định nghĩa kết quả, thời gian theo dõi, hay lựa chọn phân tích. Công việc này bình thường diễn ra trong đầu bạn qua nhiều phiên. Với đầu vào có cấu trúc, chỉ cần một prompt.
Soạn khung tài liệu. Không phải bài tổng quan tài liệu hoàn chỉnh, mà là tóm tắt có cấu trúc về nơi lĩnh vực đồng thuận, nơi phân kỳ, và điều gì có vẻ còn thiếu. Đây là nguyên liệu cho phần đóng khung Introduction hoặc Discussion. Chỉnh sửa một khung nhanh hơn viết từ trí nhớ khi bắt đầu phiên soạn thảo.
Về câu hỏi nên dùng AI nào cho việc này: Claude vs ChatGPT Cho Tư Duy Nghiên Cứu trình bày chi tiết hơn về sự khác biệt. Cho các nhiệm vụ đầu vào có cấu trúc đòi hỏi logic nhất quán qua nhiều bản ghi, sự khác biệt hành vi trở nên rõ ràng khi bạn chạy cùng bản xuất qua cả hai.
Khi Nào Quy Trình Này Gặp Vấn Đề
Giới hạn không phải AI. Mà là những gì chưa được cấu trúc trong Zotero ngay từ đầu.
Lỗi phổ biến nhất là dùng AI để tạo chuỗi tìm kiếm cho systematic review hoặc meta-analysis. Nghe thì hiệu quả. Thực tế, AI không biết tiêu chí bao gồm/loại trừ của bạn, yêu cầu cú pháp cụ thể của từng cơ sở dữ liệu, hoặc những phân biệt khái niệm quan trọng cho câu hỏi cụ thể của bạn. Nó tạo ra chuỗi trông hợp lý với toán tử Boolean trông đúng — nhưng thường bỏ sót biến thể thuật ngữ quan trọng hoặc dùng toán tử mà cơ sở dữ liệu cụ thể không hỗ trợ như mong đợi.
Điều này đã gây ra vấn đề thực tế. Trong một meta-analysis, chuỗi tìm kiếm do AI tạo đã bỏ sót một biến thể MeSH heading nắm bắt một cụm nghiên cứu riêng biệt. Chuỗi trông đầy đủ. Kết quả không đầy đủ. Lỗ hổng chỉ lộ ra trong peer review.
Nguyên tắc mình theo bây giờ: AI giúp bạn suy luận về logic của chiến lược tìm kiếm, nhưng con người xây dựng chuỗi cuối cùng, chạy nó trong mỗi cơ sở dữ liệu, và xác minh hành vi toán tử theo tài liệu của cơ sở dữ liệu đó. Điều này không phải tùy chọn nếu độ chính xác quan trọng.
Nguyên tắc tương tự áp dụng cho gắn tag tự động. AI có thể gợi ý tag dựa trên abstract, nhưng không thể thay thế đánh giá của bạn về paper nào thực sự liên quan đến lập luận.
Lặp Lại Qua Dòng Thời Gian Nghiên Cứu
Quy trình không tĩnh. Nó phát triển khi dự án phát triển, và thư viện Zotero phát triển cùng.
Ở giai đoạn tìm kiếm tài liệu, bản xuất lớn và gắn tag lỏng. AI giúp xác định cụm nào đáng đọc kỹ hơn và cụm nào có vẻ thừa về phương pháp. Điều này thu hẹp danh sách đọc trước khi bạn đầu tư thời gian vào đọc toàn văn.
Ở giai đoạn soạn bản thảo, bản xuất nhỏ hơn và chú thích chặt chẽ hơn. AI giúp ánh xạ những gì bạn đã đọc vào các phần cần viết. Đây là lúc đóng khung Discussion hưởng lợi nhiều nhất — bạn có thể yêu cầu Claude xác định paper nào trong số đã gắn tag nói đến một tuyên bố diễn giải cụ thể bạn muốn đưa ra, thay vì đọc lại tất cả.
Ở giai đoạn chỉnh sửa, sau peer review, thư viện Zotero trở thành công cụ kiểm tra. Nếu reviewer hỏi liệu bạn đã giải quyết một mối lo phương pháp cụ thể, bạn có thể truy vấn thư viện tìm paper gắn tag methodology_concern, kiểm tra chú thích, và xác định mối lo đã được giải quyết hay cần thêm paper.
Mỗi giai đoạn dùng cùng thư viện, cùng tag, cùng bản xuất có cấu trúc. Khoản đầu tư vào chú thích sớm trong dự án sinh lời nhiều lần.
Phân Chia Lao Động Khiến Quy Trình Này Hoạt Động
Quy trình Zotero + AI không phải lối tắt. Đó là tái phân bổ.
Bạn làm phần đọc phản biện: bạn quyết định paper nào quan trọng, tại sao chúng được gắn tag như vậy, và bạn có lo ngại gì về mỗi paper. AI xử lý phần tổng hợp những gì bạn đã quyết định.
Nhà nghiên cứu tận dụng tốt nhất quy trình này là những người duy trì Zotero như một hoạt động nghiên cứu thay vì công việc hành chính. Chú thích và tag thêm vào trong quá trình đọc trở thành prompt có cấu trúc được dùng vài tuần sau trong quá trình soạn thảo. Chất lượng đầu vào đó quyết định chất lượng đầu ra.
Nếu mục tiêu là bỏ qua việc đọc, quy trình này không giúp được. Nếu mục tiêu là suy luận có hệ thống hơn qua một tập tài liệu bạn đã tiếp cận, nó thay đổi tốc độ và độ rõ ràng khi bạn soạn thảo.
Công cụ được đề cập trong bài viết
Lưu ý: Mình chỉ giới thiệu công cụ mình thực sự dùng trong quy trình nghiên cứu.
Checklist: Idea to Submission
Checklist từng giai đoạn từ ý tưởng nghiên cứu đến nộp bài cho tạp chí.
$5
Nếu bạn thấy bài viết hữu ích cho bản thảo của mình, bạn có thể xem thêm Checklist: Idea to Submission của mình.
Nếu bạn quan tâm đến việc ứng dụng AI để tối ưu hoá quy trình viết bản thảo, mời bạn tham khảo khoá AI trong Nghiên cứu: Quy trình Thực chiến.