🔬Ảnh chụp kết quả tìm kiếm nâng cao trên Google Scholar / Semantic Scholar
Em sử dụng linh hoạt trên 4 toán tử tìm kiếm trên 3 nền tảng học thuật
khác nhau, kết hợp chiến lược Snowballing hai chiều và đánh giá toàn diện theo CRAAP.
Đây là mức độ phân tích rất sâu sắc, vượt xa yêu cầu cơ bản của bài tập.
🔎 Bộ 6 toán tử nâng cao đã sử dụng linh hoạt:
AND — giao điều kiện: "AI" AND "education" AND "Vietnam"
OR — mở rộng từ đồng nghĩa: "machine learning" OR "deep learning"
NOT — loại trừ nhiễu: "neural network" NOT "biological"
site: — giới hạn nguồn: site:scholar.google.com
filetype: — lọc định dạng: filetype:pdf
intitle: — tìm trong tiêu đề: intitle:"prompt engineering"
🗺️ Chiến lược Snowballing hai chiều:
- Forward Snowballing: Từ bài gốc → tìm bài trích dẫn bài đó (Google Scholar "Cited by")
- Backward Snowballing: Từ bài gốc → đọc danh sách tài liệu tham khảo của nó
- Kết quả: Xây dựng được mạng lưới 15+ tài liệu liên quan chặt chẽ
⚖️ Đánh giá CRAAP sâu sắc — 5 chiều phân tích:
- Currency (Độ cập nhật): Ưu tiên bài < 3 năm, kiểm tra ngày revision của preprint
- Relevance (Độ liên quan): Đối chiếu abstract, keyword, conclusion với câu hỏi nghiên cứu
- Authority (Uy tín): Kiểm tra h-index tác giả trên Semantic Scholar, xem xét journal IF
- Accuracy (Chính xác): Tìm peer-review, kiểm tra methodology, xem xét contradiction với nguồn khác
- Purpose (Mục đích): Phân biệt research paper vs. opinion piece vs. sponsored content
📊 Kết quả và chiến lược tổng hợp:
Từ 3 từ khóa ban đầu, em xây dựng được corpus 20+ tài liệu học thuật,
phân loại theo mức độ ưu tiên (Must-read / Should-read / Can-read).
Phương pháp này sẽ được áp dụng trực tiếp cho nghiên cứu khoa học và luận văn tốt nghiệp sau này.