Giới thiệu

Sự xuất hiện của trí tuệ nhân tạo (AI) tiên tiến, đặc biệt là các mô hình ngôn ngữ lớn (Large Language Models, LLMs) như ChatGPT, đã tác động rõ rệt đến phong cách viết khoa học trên nhiều lĩnh vực. Nhãn khoa, với tư cách là một chuyên ngành phát triển nhanh và có phạm vi nghiên cứu liên ngành rộng, cũng không ngoại lệ. Nghiên cứu này nhằm định lượng mức độ thay đổi của việc sử dụng từ vựng liên quan đến AI trong các bài báo học thuật nhãn khoa sau khi ChatGPT được phát hành, đánh giá xem sự thay đổi này có khác biệt theo ngôn ngữ quốc gia của tác giả chính (tiếng Anh bản ngữ so với không phải bản ngữ tiếng Anh) hay không, và xác định liệu những biến đổi ngôn ngữ này có ảnh hưởng đến kết quả xuất bản hay không.

Thiết kế nghiên cứu và thu thập dữ liệu

Đây là nghiên cứu hồi cứu, cắt ngang, thư mục học (bibliometric) phân tích dữ liệu công bố trong 10 năm (2015–2024) từ một nhóm các tạp chí nhãn khoa có ảnh hưởng cao. Bộ dữ liệu chính gồm 15.683 tóm tắt PubMed lấy từ 40 tạp chí được xác định là nhóm hàng đầu theo các tứ phân vị của Journal Citation Reports năm 2025. Dữ liệu được chia thành giai đoạn trước ChatGPT (2018–2019) và sau ChatGPT (2023–2024). Bộ dữ liệu hỗ trợ thứ cấp bao gồm 6.139 bài toàn văn truy cập mở, trong khi toàn bộ 48.468 bài báo được công bố từ năm 2015 đến 2024 được dùng để đánh giá kết quả xuất bản.

Các bài báo được phân loại dựa trên việc nơi công tác của tác giả đầu tiên có thuộc quốc gia sử dụng tiếng Anh bản ngữ hay không, qua đó cho phép phân tích so sánh mô hình tiếp nhận ngôn ngữ.

Phương pháp

Nghiên cứu tập trung vào 41 từ và cụm từ được tuyển chọn có liên quan trước đây với văn bản do LLM tạo ra, nhằm đại diện cho vốn từ vựng chịu ảnh hưởng của AI. Các từ thừa này được đếm trong phần văn bản của từng bài báo. Số lượng từ được chuẩn hóa bằng các mô hình thống kê Poisson, có điều chỉnh đối với các từ đối chứng được sử dụng phổ biến nhằm bảo đảm tính đặc hiệu của phép đo. Phân tích chính kiểm định tương tác giữa giai đoạn công bố (trước so với sau ChatGPT) và nhóm ngôn ngữ (nơi công tác thuộc quốc gia tiếng Anh bản ngữ so với không bản ngữ) bằng phương trình ước lượng tổng quát Poisson (Poisson generalized estimating equations) có cụm theo tác giả đầu tiên.

Việc thẩm định công cụ được thực hiện bằng cách so sánh khả năng phân biệt giữa tóm tắt do con người viết và tóm tắt do LLM tạo ra, đạt diện tích dưới đường cong ROC (AUC) là 0,88 cho khả năng phân biệt ở mức nhóm.

Kết quả chính

Sau khi ChatGPT được giới thiệu, tốc độ sử dụng từ thừa liên quan đến AI tăng gấp 2,1 lần, từ 320 lên 668 trên một triệu từ trong các tóm tắt nhãn khoa. Đáng chú ý, mức tăng này cao hơn đáng kể ở các tác giả đầu tiên có cơ quan công tác tại các quốc gia không sử dụng tiếng Anh bản ngữ (tương tác IRR 0,61; KTC 95%, 0,48–0,78; P < .001). Xu hướng này vẫn được duy trì ngay cả sau khi điều chỉnh các yếu tố như xếp hạng tứ phân vị của tạp chí và mức độ kinh tế của quốc gia, cũng như khi loại trừ dữ liệu từ Trung Quốc để giảm khả năng thiên lệch khu vực.

Thước đo này phân biệt hiệu quả các tóm tắt do LLM tạo ra với các tóm tắt do con người tạo ra ở mức quần thể, mặc dù khả năng phân biệt ở mức từng bài báo là rất thấp (AUC gần mức ngẫu nhiên, 0,53), cho thấy các kết quả phản ánh xu hướng ngôn ngữ chung hơn là khả năng nhận diện trực tiếp việc sử dụng AI trong từng bài riêng lẻ.

Quan trọng hơn, không ghi nhận thay đổi tương ứng nào trong tỷ lệ bài báo có tác giả là người không phải bản ngữ tiếng Anh, cũng như trong mức độ hiện diện của họ ở các tạp chí thuộc tứ phân vị cao sau ChatGPT, cho thấy việc tăng sử dụng từ vựng liên quan đến AI không đồng nghĩa với việc tăng tần suất công bố hoặc cải thiện vị trí tạp chí.

Hàm ý và diễn giải

Nghiên cứu này cung cấp bằng chứng cho thấy các tác giả nhãn khoa không phải bản ngữ tiếng Anh đã tiếp nhận vốn từ vựng viết chịu ảnh hưởng của AI vào các bài báo bình duyệt nhanh hơn so với đồng nghiệp bản ngữ tiếng Anh kể từ khi ChatGPT ra mắt. Sự tiếp nhận này có thể phản ánh mức độ phụ thuộc cao hơn vào các công cụ AI để chỉnh sửa ngôn ngữ, gợi ý diễn đạt hoặc hỗ trợ tạo nội dung nhằm vượt qua rào cản ngôn ngữ.

Tuy nhiên, việc không ghi nhận thay đổi trong tỷ lệ bài báo hay tác động của tạp chí cho thấy các đặc điểm phong cách được cải thiện nhờ sử dụng AI hiện chưa ảnh hưởng đến thành công công bố hoặc mức độ uy tín học thuật. Điều này hàm ý rằng mặc dù các công cụ AI có thể hỗ trợ tác giả không phải bản ngữ trong trình bày ngôn ngữ, chúng không thể thay thế các yếu tố quyết định chất lượng hoặc mức độ ảnh hưởng của nghiên cứu.

Nghiên cứu nhấn mạnh rằng các biến đổi ngôn ngữ quan sát được phản ánh xu hướng phong cách chung trong nội dung đã xuất bản hơn là bằng chứng xác định quyền tác giả của AI, do đó không nên sử dụng các chỉ số này để phân loại từng bài báo riêng lẻ là do AI tạo ra.

Hạn chế và hướng nghiên cứu tương lai

Cách tiếp cận thư mục học hồi cứu dựa vào các dấu hiệu ngôn ngữ và không thể xác lập quan hệ nhân quả hay xác nhận trực tiếp việc các nhà nghiên cứu sử dụng AI. Việc loại trừ một số khu vực và sự biến thiên tiềm tàng trong chính sách của cơ sở về viết hỗ trợ bởi AI cũng có thể ảnh hưởng đến kết quả.

Nghiên cứu tương lai có thể khảo sát tác động dọc theo thời gian đối với chất lượng bản thảo và tỷ lệ chấp nhận, tìm hiểu nhận thức và mô hình sử dụng hỗ trợ viết bằng AI của tác giả, đồng thời đánh giá các cân nhắc đạo đức liên quan đến tính minh bạch trong viết học thuật có hỗ trợ AI trong nhãn khoa và các lĩnh vực y học rộng hơn.

Kết luận

Sau thời điểm ChatGPT xuất hiện, vốn từ vựng liên quan đến AI trong tài liệu nhãn khoa đã tăng rõ rệt, và mức tăng này được các tác giả từ các quốc gia không sử dụng tiếng Anh bản ngữ tiếp nhận nhanh hơn. Sự tiếp nhận ngôn ngữ này không chuyển hóa thành tần suất công bố cao hơn hay vị trí tạp chí cao hơn, cho thấy các công cụ viết được hỗ trợ bởi AI chủ yếu đóng vai trò hỗ trợ bổ trợ chứ không phải là yếu tố quyết định thành công khoa học. Phương pháp được phát triển mang lại cái nhìn ở cấp quần thể về sự thay đổi phong cách viết, nhưng không nên dùng để gán nhãn các bản thảo đơn lẻ là do AI tạo ra.

Tài liệu tham khảo

Berni A, Ting DSW, Caputo G, Russo A, Sinisterra LG, Avitabile A, Virgili G, Reibaldi M, Giansanti F, Bacherini D, Borrelli E. AI Writing Vocabulary in Ophthalmology: Faster Non-Native Adoption, Unchanged Outcomes. American Journal of Ophthalmology. 2026 Aug 12. PMID: 42586190. Available from: https://pubmed.ncbi.nlm.nih.gov/42586190/