Tài liệu hướng dẫn học viên tự làm một bài tổng quan tài liệu từ đầu đến cuối bằng công cụ Bản đồ tri thức của Thư viện, theo hai lối: làm thủ công không dùng AI, và làm có trợ giúp của AI. Kèm hai dự án mẫu chạy trên dữ liệu thật.
Cách mở công cụ: vào trang Thư viện, mục Tìm nâng cao, mở Bản đồ tri thức; dán một mã DOI hoặc tựa đề vào ô Dựng bản đồ. Toàn bộ thao tác dưới đây diễn ra ngay trên lớp phủ bản đồ.
Quy trình đi từ một hạt giống (một DOI) tới bản thảo phần tổng quan. Các bước tô nền lục là làm được ngay không cần AI; các bước gắn nhãn AI cần đăng nhập tài khoản được cấp quyền. Nhà nghiên cứu luôn là người kiểm soát và thẩm định ở mọi bước.
Đọc lưu đồ: cột trái là xương sống bắt buộc; nhánh phải là ba trợ lý AI bổ trợ; khối cuối là kết tinh thành sản phẩm dùng được.
Dán mã DOI của một bài trụ cột trong lĩnh vực vào ô Dựng bản đồ. Hệ thống lấy dữ liệu thật từ OpenAlex. Nên chọn bài mới, nhiều trích dẫn và đúng trọng tâm để mạng dày và đúng hướng.
Bản đồ dựng khoảng 37 công trình: bài hạt nhân, các bài nó tham khảo và các bài trích dẫn nó. Chấm to nhỏ theo lượng trích dẫn, đường nối thể hiện hai bài cùng tham khảo nhiều nguồn giống nhau. Bấm một chấm để xem chi tiết. Bấm Thế hệ 2 để bò rộng thêm một vòng.
Nút Bản đồ địa lý lấy nước của tác giả đầu từ affiliation, tô thế giới theo số công bố và lập bảng theo quốc gia, châu lục, nhóm phát triển. Đây là chỗ nhìn ra mất cân đối địa lý của một mảng nghiên cứu.
Nút Thống kê mô tả vẽ phân bố theo năm, loại tài liệu, tạp chí, tác giả, từ khoá và mây từ. Từ đây xuất được một tệp Excel nhiều sheet để đưa vào phần phương pháp và mô tả của bài tổng quan.
Nút Phân loại AI đọc tiêu đề và tóm tắt công khai rồi xếp mỗi công trình vào một trong sáu loại hình ngang hàng theo khung khoa học xã hội: tổng quan hệ thống và phân tích gộp; tổng quan luận thuyết và khung khái niệm; định lượng và thực nghiệm; định tính; hỗn hợp; chính sách, ứng dụng hoặc khác. Đây là loại hình ngang hàng, không xếp cao thấp.
Mỗi công trình một dòng, mỗi cột một câu hỏi trích xuất như khoảng trống, lý thuyết, phương pháp, chủ đề, hạn chế. Muốn sâu hơn thì đính PDF toàn văn cho từng bài, tệp được tách chữ ngay trong trình duyệt. Xuất được bảng ra Excel đúng dạng data extraction.
Nút Mã hoá chủ đề rút một bộ chủ đề nổi lên từ chính corpus, gán mỗi bài vào các chủ đề, viết một đoạn khung khái niệm, và cho tô bản đồ theo chủ đề. Đây là bước dựng ma trận bài với chủ đề của quy trình tổng quan hệ thống.
Nút Dựng tổng quan lấy hồ bằng chứng vừa tạo để viết nháp phần tổng quan, mỗi luận điểm neo một trích dẫn có thật, kèm mục tài liệu tham khảo. Cuối cùng bấm Lưu phiên để mở lại nguyên trạng lần sau mà không phải chạy lại.
Câu hỏi tổng quan. Ba thập niên nghiên cứu quốc tế về kinh tế ban đêm đã tập trung vào đâu, và mất cân đối ở những chiều nào? Hạt giống: Lin và cộng sự (2021), Night-time economy vitality index: Framework and evidence, Tourism Economics, DOI 10.1177/13548166211042970.
Dán DOI, bản đồ dựng 37 công trình gồm bài hạt nhân, 18 bài nó tham khảo và 18 bài trích dẫn nó. Mở Bản đồ địa lý: trong 29 bài xác định được nước, Trung Quốc 16, Hoa Kỳ 5, Anh 3, còn lại Tây Ban Nha, Thuỵ Điển, Úc, Ý mỗi nước một hoặc hai; 8 bài không có mã nước. Mở Thống kê mô tả: phân bố năm trải từ 1974 đến 2025 nhưng dồn về gần đây, riêng 2022 đến 2024 đã hơn mười lăm bài; tạp chí góp nhiều nhất là Cities, Tourism Economics và Annals of Tourism Research; năm bài được trích nhiều nhất lại là các cẩm nang phương pháp và đo lường (Field, 2017 về SPSS; Hair và cộng sự, 2017 về PLS-SEM; OECD, 2008 về chỉ số tổng hợp).
Chỉ với các bước không AI, học viên đã rút được hai nhận định có căn cứ. Thứ nhất, mảng nghiên cứu này nghiêng hẳn về Trung Quốc trong giai đoạn gần đây, tức có mất cân đối địa lý và thiếu tiếng nói từ các bối cảnh khác, trong đó có Đông Nam Á và Việt Nam. Thứ hai, việc các nguồn được trích nhiều nhất là sách phương pháp thống kê và đo lường bằng ảnh vệ tinh cho thấy mảng này thiên về đo lường định lượng, và đó là một manh mối để đặt câu hỏi về khoảng trống của cách tiếp cận định tính. Cuối cùng, xuất danh mục ra tệp refs để nạp vào Zotero, và xuất Excel nhiều sheet để làm phần mô tả. Toàn bộ chặng này không tốn một lượt AI nào.
Cùng bản đồ 37 công trình ở trên, nhưng đi tiếp bằng ba trợ lý AI. Các kết quả dưới đây do chính lớp mô hình mà công cụ dùng tạo ra trên dữ liệu thật, trình bày để học viên thấy dạng đầu ra; khi anh chị tự bấm trong tài khoản của mình, con số có thể xê dịch đôi chút.
Sau khi bấm Phân loại AI, phần lớn nhóm chưa rõ được kéo về đúng loại. Phân bố sáu loại hình ngang hàng như sau:
| Loại hình | Số bài | Đọc nhanh |
|---|---|---|
| Định lượng · thực nghiệm | 26 | Ảnh vệ tinh, chỉ số, hồi quy, POI, mô hình không gian |
| Tổng quan luận thuyết · khung khái niệm | 3 | Bianchini (1995); Chatterton và Hollands; Hobbs |
| Định tính | 2 | Tomsen (2003) về bạo lực và quản trị đêm |
| Chính sách/ứng dụng · khác | 6 | Sách phương pháp: Field; Hair; OECD; Klemelä |
| Tổng quan hệ thống · phân tích gộp | 0 | Chưa có trong mạng này |
| Hỗn hợp | 0 | Chưa có trong mạng này |
Phát hiện quan trọng: mảng này gần như vắng bóng nghiên cứu định tính và chưa có một tổng quan hệ thống nào, trong khi định lượng bằng ảnh vệ tinh áp đảo. Đây chính là khoảng trống phương pháp mà một bài tổng quan tốt cần chỉ ra.
| Công trình | Khoảng trống nêu ra | Phương pháp | Chủ đề chính |
|---|---|---|---|
| Lin và cộng sự (2021) | Thiếu chỉ số đa chiều đo sức sống kinh tế ban đêm ở cấp địa phương | Xây chỉ số NTEVI 44 chỉ báo cho 90 huyện Chiết Giang | Đo lường; chỉ số; cấp huyện |
| Hobbs (2000) | Thiếu hiểu biết về quản trị và tính liminal của đời sống đêm hậu công nghiệp | Phân tích lý thuyết xã hội học | Quản trị; hậu công nghiệp |
| Chatterton và Hollands (2002) | Quan hệ giữa người trẻ và không gian đô thị đêm chưa được lý thuyết hoá | Khung khái niệm "urban playscapes" | Không gian vui chơi; người trẻ |
| Zhang và cộng sự (2022) | Chưa rõ du lịch có thực sự thúc đẩy kinh tế đêm không | Dữ liệu bảng 280 thành phố Trung Quốc, 2005-2019 | Du lịch; kinh tế đêm |
| Santiago-Iglesias và cộng sự (2024) | Ít nghiên cứu định lượng về tác động và phục hồi sau COVID của nightlife | Dữ liệu hoạt động Google Places tại Madrid | COVID-19; phục hồi |
| Sampériz và cộng sự (2025) | Nghiên cứu thiên về góc xã hội, thiếu góc chi tiêu không-thời gian | Phân tích không-thời gian dữ liệu chi tiêu | Tiêu dùng; không-thời gian |
AI rút năm chủ đề nổi lên từ corpus: đo lường và chỉ số kinh tế ban đêm; ảnh vệ tinh ánh sáng đêm làm biến đại diện cho hoạt động kinh tế; quản trị, an toàn và không gian vui chơi đêm; du lịch và tiêu dùng ban đêm; và cú sốc COVID-19 và phục hồi đời sống đêm. Khung khái niệm nối năm chủ đề: đời sống kinh tế ban đêm vừa là đối tượng cần đo lường, vừa là không gian xã hội cần quản trị; hai hướng này gặp nhau ở du lịch và tiêu dùng, và cùng bị thử thách bởi cú sốc COVID-19.
Kinh tế ban đêm đã trở thành một trọng tâm của nghiên cứu đô thị đương đại, khi các thành phố xem hoạt động về đêm là động lực kinh tế, du lịch và sức sống xã hội (Bianchini, 1995; Hobbs, 2000). Trong ba thập niên qua, phần lớn công trình tập trung vào việc đo lường quy mô và cường độ của hoạt động kinh tế ban đêm. Một dòng nghiên cứu bền bỉ đã dùng ảnh vệ tinh ánh sáng đêm làm biến đại diện cho hoạt động kinh tế và mức độ phát triển (Doll và cộng sự, 2005; Chen và cộng sự, 2011; Mellander và cộng sự, 2015), trong khi các nỗ lực gần đây chuyển sang xây dựng những chỉ số đa chiều ở cấp địa phương (Lin và cộng sự, 2021).
Tuy nhiên, tổng thể tài liệu bộc lộ vài mất cân đối đáng chú ý. Về địa lý, các nghiên cứu định lượng gần đây tập trung mạnh vào Trung Quốc (Zhang và cộng sự, 2022; Yan và cộng sự, 2024), khiến bức tranh còn thiếu tiếng nói từ nhiều bối cảnh khác. Về phương pháp, cách tiếp cận định lượng và viễn thám chiếm ưu thế, trong khi các nghiên cứu định tính về quản trị, an toàn và trải nghiệm không gian đêm còn thưa thớt (Chatterton & Hollands, 2002; Tomsen, 2003), và cho tới nay mảng này vẫn chưa có một tổng quan hệ thống. Những chủ đề mới đang nổi lên gồm tác động và phục hồi của đời sống đêm sau đại dịch COVID-19 (Santiago-Iglesias và cộng sự, 2024) và các mô thức chi tiêu theo không gian và thời gian (Sampériz và cộng sự, 2025).
Bài tổng quan này vì vậy hướng tới ba mục tiêu: hệ thống hoá cách kinh tế ban đêm được khái niệm hoá và đo lường; chỉ ra những khoảng trống về địa lý và phương pháp, đặc biệt là sự thiếu vắng góc nhìn định tính và bối cảnh Đông Nam Á; và đề xuất một khung phân tích tích hợp giữa đo lường và quản trị đời sống đêm.
Bianchini, F. (1995); Chatterton, P., & Hollands, R. (2002); Chen, X., & Nordhaus, W. (2011); Doll, C. N. H. (2005); Hobbs, D. (2000); Lin, V. S., và cộng sự (2021); Mellander, C., và cộng sự (2015); Sampériz, A., và cộng sự (2025); Santiago-Iglesias, và cộng sự (2024); Tomsen, S. (2003); Yan, và cộng sự (2024); Zhang, và cộng sự (2022). Danh mục đầy đủ theo APA xuất từ nút refs của công cụ.
Viện SocialLife phát triển các trợ lý AI trong công cụ này với một lằn ranh làm nền, và đây cũng là lập trường của Viện về sử dụng AI trong nghiên cứu: AI hỗ trợ, con người diễn giải. Chúng tôi ý thức rằng dùng AI trong nghiên cứu định tính đang là vấn đề còn tranh luận trong giới học thuật, giữa một bên kêu gọi từ chối vì lo đánh mất chiều sâu diễn giải (Jowsey, Braun, Clarke, Lupton, & Fine, 2025) và một bên chủ trương tích hợp có phê phán và có trách nhiệm (Friese, Nguyen-Trung, Powell, & Morgan, 2026). Viện chọn con đường thứ hai, với sáu ràng buộc dưới đây.
Thứ nhất, AI ở đây chỉ đảm nhận phần bề mặt của công việc, tức truy hồi, tóm tắt, so sánh và gợi ý các khuôn mẫu ứng viên; còn việc đặt nghĩa vào bối cảnh, dựng lập luận giải thích và nối phát hiện về lại dữ liệu cùng câu hỏi nghiên cứu vẫn thuộc về người nghiên cứu. Đây là sự dịch chuyển từ hình dung "AI như người mã hoá" sang "AI như người đối thoại" (Hayes, 2025; Nguyen-Trung & Friese, 2026). Thứ hai, mọi kết quả do AI sinh ra đều được ghi nhãn là gợi ý của máy, không trình bày như kết luận hay như "chủ đề" đã hoàn tất, bởi cái mà mô hình gọi là chủ đề thường mới chỉ là nhóm chủ điểm chờ người diễn giải (Braun & Clarke, 2019). Thứ ba, người dùng có trách nhiệm kiểm chứng, chất vấn và đối chiếu lại đầu ra của AI với dữ liệu gốc, không nhận kết quả ở giá trị bề mặt.
Thứ tư, về minh bạch, khi công bố, người nghiên cứu cần nêu rõ đã dùng AI ở khâu nào, vai trò của nó ra sao, cùng vị thế và tính phản tư của mình đối với cả chủ đề lẫn công cụ (Davison và cộng sự, 2024; Nguyen-Trung & Friese, 2026). Thứ năm, về dữ liệu, công cụ chỉ gửi tới mô hình nguồn thứ cấp và công khai; toàn văn cùng trích đoạn của nguồn sơ cấp hay điền dã không rời máy chủ đặt tại Việt Nam, và người dùng cần ẩn danh hoặc giả danh trước khi đưa bất kỳ dữ liệu nào cho mô hình. Thứ sáu, Viện không dùng chỉ số đồng thuận liên mã hoá để "chứng minh" rằng AI mã đúng trong các truyền thống kiến tạo, vì làm vậy là áp một thước đo hậu thực chứng lên một quá trình vốn coi diễn giải là chủ quan và phản tư (Clarke và cộng sự, 2024).
Vì các tính năng AI vừa phát sinh chi phí vừa chạm tới trách nhiệm học thuật, Viện cung cấp chúng theo gói riêng, mở qua trao đổi trực tiếp để hai bên cùng thống nhất về phạm vi sử dụng, rủi ro và chi phí, thay vì mở đại trà. Tinh thần xuyên suốt là công cụ được thiết kế để giữ con người ở vai trò diễn giải và chịu trách nhiệm sau cùng, chứ không thay thế công việc trí tuệ ấy.
Bản đồ và các bảng dựng trên OpenAlex nên phụ thuộc chất lượng lập chỉ mục của nguồn; bài tiếng Việt hoặc chưa có DOI có thể thiếu. Affiliation và tóm tắt đôi khi khuyết, dẫn tới ô để trống hoặc nước không rõ, đó là trung thực chứ không phải lỗi. Phân loại loại hình và trích xuất bằng AI đọc từ tóm tắt công khai nên có thể sai hoặc bỏ sót; hãy coi là bản nháp để rà. Khi đính PDF toàn văn, người dùng tự chịu trách nhiệm về quyền sử dụng bản toàn văn đó.
Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise & Health, 11(4), 589–597. https://doi.org/10.1080/2159676X.2019.1628806
Clarke, V., Braun, V., Adams, J., Callaghan, J. E., LaMarre, A., & Semlyen, J. (2024). "Being really confidently wrong": Qualitative researchers' experiences of methodologically incongruent peer review feedback. Qualitative Psychology, 12(1), 1–24. https://doi.org/10.1037/qup0000322
Davison, R. M., và cộng sự. (2024). The ethics of using generative AI for qualitative data analysis. Information Systems Journal, 34(5), 1433–1439. https://doi.org/10.1111/isj.12504
Friese, S., Nguyen-Trung, K., Powell, S., & Morgan, D. (2026). Beyond binary positions: Making space for critical and reflexive GenAI integration in qualitative research. Qualitative Inquiry. https://doi.org/10.1177/10778004261429393
Hayes, A. (2025). "Conversing" with qualitative data: Enhancing qualitative research through large language models (LLMs). International Journal of Qualitative Methods, 24. https://doi.org/10.1177/16094069251322346
Jowsey, T., Braun, V., Clarke, V., Lupton, D., & Fine, M. (2025). We reject the use of generative artificial intelligence for reflexive qualitative research. Qualitative Inquiry. https://doi.org/10.1177/10778004251401851
Nguyen-Trung, K., & Friese, S. (2026). Towards a methodologically congruent framework for GenAI use in nonpositivist qualitative research. International Journal of Social Research Methodology. https://doi.org/10.1080/13645579.2026.2703248