CGP Chu Gia PhongPortfolio · VNU1001
Bài tập 2 · Mục 2.4 · Khai thác dữ liệu và thông tin

Tìm kiếm và đánh giá thông tin học thuật

Chủ đề: Ứng dụng Trí tuệ nhân tạo (AI) trong hoạt động marketing hiện đại — tìm nguồn đã khó, biết nguồn nào đáng tin còn khó hơn.

10 nguồn được thẩm định 4 loại nguồn Chuẩn trích dẫn Harvard Báo cáo 11 trang

Mục tiêu của bài tập

Bài tập yêu cầu tìm kiếm tài liệu học thuật quanh một chủ đề nghiên cứu, sử dụng ít nhất bốn loại nguồn khác nhau, rồi đánh giá độ tin cậy của từng nguồn theo tiêu chí học thuật: tác giả, cơ quan xuất bản, phương pháp nghiên cứu, mức độ trích dẫn và tính cập nhật.

Mình chọn chủ đề AI trong marketing vì nó nằm ngay giao điểm giữa công nghệ và kinh tế — và quan trọng hơn, vì đây là chủ đề bùng nổ thông tin rác. Gõ từ khóa này lên Google, hàng nghìn bài blog quảng bá công cụ hiện ra trước cả bài báo khoa học. Đúng là môi trường để luyện kỹ năng sàng lọc.

Phạm vi và chiến lược tìm kiếm

Bốn nội dung khoanh vùng

  1. Vai trò của AI trong marketing hiện đại
  2. Ứng dụng AI trong phân tích hành vi khách hàng và cá nhân hóa trải nghiệm
  3. AI trong lập kế hoạch và ra quyết định marketing
  4. Rủi ro đạo đức, thiên lệch dữ liệu và vấn đề quản trị khi ứng dụng AI

Bộ từ khóa đã dùng

"Artificial Intelligence in Marketing" · "AI adoption in marketing" · "Generative AI in digital marketing" · "AI consumer behavior marketing" · "AI bias in digital marketing" và các biến thể liên quan.

Điểm đáng chú ý trong kết quả tìm kiếm: các tài liệu gần đây không còn chỉ ca ngợi AI. Chúng dành dung lượng đáng kể cho thiên lệch dữ liệu, sự thiếu minh bạch của thuật toán và khả năng AI tác động lên hành vi tiêu dùng mà người dùng không nhận ra. Chính lớp tài liệu phản biện này mới là thứ đáng đọc nhất.

Bảng đánh giá độ tin cậy 10 nguồn

#Tài liệuLoại nguồnNội dung chínhĐộ tin cậy
1Huang & Rust (2020)Bài báo khoa họcAI sẽ thay đổi marketing như thế nàoRất cao — tác giả uy tín, tạp chí mạnh, trích dẫn rộng
2Reed, Wynn & Bown (2025)Bài báo khoa họcThiên lệch trong AI marketingCao — cập nhật, có giá trị phân tích mới
3Nguyen et al. (2025)Bài báo khoa họcNhân viên marketing tại Việt Nam chấp nhận AIRất cao — nghiên cứu thực nghiệm rõ ràng
4Werner et al. (2024)Nguồn học thuật onlineAI hội thoại ảnh hưởng hành vi tiêu dùngKhá — mới nhưng là preprint
5Yeykelis et al. (2024)Nguồn học thuật onlineAI personas mô phỏng phản ứng người dùngKhá — đổi mới nhưng chưa peer review
6Seligman (2019)Sách chuyên khảoTổng quan AI và marketingCao — nền tảng lý thuyết tốt
7Sterne & Stratten (2017)Sách chuyên khảoỨng dụng AI trong marketingKhá — thực tiễn tốt nhưng tương đối cũ
8Kihlstrom (2024)Sách chuyên khảoGiới thiệu AI trong marketing hiện đạiCao — dễ tiếp cận, khá cập nhật
9McKinsey (2025)Báo cáo InternetTình hình ứng dụng AI trong doanh nghiệpCao — nguồn thực tiễn uy tín
10Google Books / thư mục học thuậtNguồn tra cứuXác minh thông tin xuất bảnTrung bình — hữu ích cho tra cứu thư mục

Phân tích theo nhóm nguồn

1. Bài báo khoa học chuyên ngành — đáng tin nhất

Nghiên cứu của Huang và Rust (2020) trên Journal of the Academy of Marketing Science là nền lý luận vững nhất của cả bộ tài liệu: nó đưa ra khung lý thuyết về vai trò của AI không chỉ ở cấp công cụ mà ở cấp chiến lược.

Nguyen và cộng sự (2025) có giá trị đặc biệt với mình vì dùng phương pháp mixed-method và đặt trong bối cảnh Việt Nam — gần với môi trường mình sẽ làm việc. Còn Reed, Wynn và Bown (2025) bổ sung góc nhìn phản biện về thiên lệch thuật toán, thứ rất hiếm thấy trong tài liệu marketing thương mại.

2. Sách chuyên khảo — xây nền, nhưng cần kiểm tra tuổi

Sách giúp hệ thống hóa kiến thức nền tốt hơn bài báo lẻ. Tuy nhiên Sterne & Stratten (2017) cho thấy rõ vấn đề tuổi tài liệu: nội dung thực tiễn tốt, nhưng xuất bản trước làn sóng AI tạo sinh nên phải kết hợp với Kihlstrom (2024) để cập nhật các xu hướng mới như tự động hóa nội dung và AI hỗ trợ workflow.

3. Preprint — nhanh nhất, rủi ro nhất

Với chủ đề AI vốn thay đổi từng tháng, arXiv cập nhật nhanh hơn tạp chí rất nhiều. Nhưng preprint chưa qua phản biện khoa học chính thức. Vì vậy Werner et al. (2024) và Yeykelis et al. (2024) chỉ nên dùng để mở rộng góc nhìn và gợi ý hướng nghiên cứu, không dùng làm căn cứ duy nhất cho kết luận.

4. Báo cáo tổ chức — bù đắp tính thực tiễn

Báo cáo McKinsey (2025) không phải bài báo khoa học, nhưng dựa trên khảo sát quy mô lớn nên phản ánh được thực tế triển khai AI trong doanh nghiệp — điều mà tạp chí học thuật thường chậm hơn vài năm. Nguyên tắc khi dùng nhóm này: chỉ chọn tổ chức uy tín có phương pháp thu thập dữ liệu rõ ràng, tránh blog và website quảng bá.

Kết luận về xếp hạng: bài báo khoa học chuyên ngành là nhóm đáng tin cậy nhất nhờ phương pháp minh bạch; sách chuyên khảo xây nền lý thuyết; báo cáo doanh nghiệp bổ sung bối cảnh thực tiễn. Dùng đa dạng nguồn chính là cách hạn chế rủi ro thiên lệch thông tin.

Danh mục tài liệu tham khảo (Harvard)

Huang, M.-H. and Rust, R.T. (2020) 'How artificial intelligence will change the future of marketing', Journal of the Academy of Marketing Science, 48, pp. 24–42.

Kihlstrom, G. (2024) Using AI in Marketing: An Introduction. Walter de Gruyter GmbH & Co KG.

McKinsey (2025) The State of AI in 2025: Agents, innovation, and transformation.

Nguyen, K.M. et al. (2025) 'Fostering employees' AI adoption in strategic marketing planning and decision making: a mixed-method study in Vietnam', Cognition, Technology & Work.

Reed, C., Wynn, M. and Bown, R. (2025) 'Artificial Intelligence in Digital Marketing: Towards an Analytical Framework for Revealing and Mitigating Bias', Big Data and Cognitive Computing, 9(2), 40.

Seligman, J. (2019) Artificial Intelligence and Marketing. Taylor & Francis.

Sterne, J. and Stratten, A. (2017) Artificial Intelligence for Marketing: Practical Applications. John Wiley & Sons.

Werner, T., Soraperra, I., Calvano, E., Parkes, D.C. and Rahwan, I. (2024) 'Experimental Evidence That Conversational Artificial Intelligence Can Steer Consumer Behavior Without Detection'. arXiv.

Yeykelis, L., Pichai, K., Cummings, J.J. and Reeves, B. (2024) 'Using Large Language Models to Create AI Personas for Replication and Prediction of Media Effects: An Empirical Test of 133 Published Experimental Research Findings'. arXiv.

Vidrih, M. and Mayahi, S. (2023) 'Generative AI-Driven Storytelling: A New Era for Marketing'. arXiv.

Điều rút ra

Kỹ năng thẩm định nguồn hóa ra quan trọng hơn kỹ năng tìm nguồn. Cùng một câu hỏi, một bài báo peer-review và một bài blog SEO có thể cho hai câu trả lời trái ngược — và cái sai thường được viết hấp dẫn hơn. Với người muốn làm phân tích chính sách, thói quen hỏi "ai viết, đăng ở đâu, dựa trên dữ liệu nào, xuất bản năm nào" trước khi tin bất cứ con số nào là điều kiện tối thiểu.

Báo cáo đầy đủ

Bài 2 — Tìm kiếm và đánh giá nguồn thông tin học thuật (11 trang) Mở toàn màn hình / Tải về ↗
← Bài 1: Thao tác với tệp tin Bài 3: Viết prompt hiệu quả →