Từ khóa: trắc lượng thư mục; kho tài nguyên nội sinh số; hệ thống thông tin nghiên cứu hiện hành; thư viện đại học.
Abstract: Leading university libraries worldwide have established and developed Institutional Repositories (IR) in integration with Current Research Information Systems (CRIS), driven by the application of bibliometrics. This trend creates new opportunities for university libraries to expand their roles in research management and evaluation. The article explores the concepts and relationships between bibliometrics, Institutional Repositories and Current Research Information Systems. Based on this analysis, the study proposes several implications and recommendations for Vietnamese university libraries to apply bibliometrics in developing Institutional Repositories towards Current Research Information Systems integration through phased approaches that are appropriate to the domestic context.
Keywords: bibliometrics; institutional repositories; current research information systems; university library.
1. Đặt vấn đề
Trong vài thập niên gần đây, nhiều thư viện đại học (TVĐH) lớn trên thế giới đã tạo lập và phát triển kho tài nguyên nội sinh số theo hướng tích hợp với hệ thống thông tin nghiên cứu hiện hành dựa trên ứng dụng trắc lượng thư mục (TLTM). Nhờ việc chuyển hóa dữ liệu giữa kho tài nguyên nội sinh số (KTNNSS) và hệ thống thông tin nghiên cứu hiện hành (HTTTNCHH) thành các chỉ số đo lường đánh giá nghiên cứu, TLTM thúc đẩy khả năng liên thông giữa KTNNSS và HTTTNCHH, từ đó, hỗ trợ sự phát triển KTNNSS theo hướng tích hợp HTTTNCHH. Trong khi KTNNSS chủ yếu do TVĐH tạo lập và phát triển đóng vai trò cốt lõi cho việc lưu giữ và phổ biến kết quả nghiên cứu, thì các hệ thống quản lý khoa học hay HTTTNCHH thường do bộ phận quản lý khoa học phụ trách tập trung vào quản lý hành chính, cung cấp báo cáo đánh giá hoạt động khoa học. Việc phát triển KTNNSS theo hướng tích hợp với HTTTNCHH dựa trên TLTM mở ra cơ hội để TVĐH tái định vị vai trò của mình trong quản lý nguồn tin khoa học phục vụ đánh giá nghiên cứu (Corrall, Kennan, Afzal, 2013; Hicks, Wouters, Waltman, de Rijcke, Rafols, 2015). Tuy nhiên, vẫn còn thiếu các nghiên cứu xem xét TLTM như một cơ chế kết nối, thúc đẩy quá trình phát triển KTNNSS theo hướng tích hợp với HTTTNCHH tại các TVĐH. Nghiên cứu này tìm hiểu khái niệm và mối quan hệ giữa TLTM, KTNNSS và HTTTNCHH; ứng dụng TLTM thúc đẩy KTNNSS theo hướng tích hợp HTTTNCHH. Từ đó, nghiên cứu đề xuất một số khuyến nghị cho các TVĐH Việt Nam trong việc phát triển KTNNSS theo hướng tích hợp HTTTNCHH phù hợp với điều kiện và bối cảnh trong nước.
2. Phương pháp nghiên cứu
Bài viết sử dụng phương pháp tổng quan tài liệu kết hợp với phân tích hệ thống nhằm làm rõ xu hướng ứng dụng TLTM trong phát triển KTNNSS theo hướng tích hợp với HTTTNCHH tại các TVĐH. Phương pháp tổng quan tài liệu được sử dụng để thu thập, lựa chọn và phân tích các công trình nghiên cứu, báo cáo học thuật và nghiên cứu trường hợp liên quan đến TLTM, KTNNSS, HTTTNCHH và hướng KTNNSS kết hợp HTTTNCHH. Các tài liệu được lựa chọn chủ yếu từ các cơ sở dữ liệu quốc tế như Scopus, Google Scholar và các nguồn khoa học
mở. Các tài liệu được phân tích theo hướng tiếp cận chủ đề tập trung vào các nội dung chính gồm: Vai trò của KTNNSS như nguồn dữ liệu cho TLTM, vai trò của TLTM trong thúc đẩy tích hợp KTNNSS - HTTTNCHH, xu hướng chuyển đổi KTNNSS theo hướng HTTTNCHH.
3. Kết quả và thảo luận
Các khái niệm
Trắc lượng thư mục (Bibliometrics) là tập hợp các phương pháp định lượng và thống kê để phân tích các tài liệu khoa học như sách, tạp chí và các ấn phẩm khoa học khác, chủ yếu thông qua dữ liệu thư mục công bố khoa học và trích dẫn. Thuật ngữ này được Pritchard (1969) đề xuất và được định nghĩa là “áp dụng toán học và các phương pháp thống kê đối với sách và các dạng thức thông tin truyền thông khác”. Trong thời gian gần đây, phạm vi của TLTM đã được mở rộng, không chỉ phục vụ đánh giá mà còn hỗ trợ giám sát nghiên cứu, phân tích chiến lược và ra quyết định, đặc biệt khi được áp dụng vào các hạ tầng thông tin nghiên cứu như KTNNSS và HTTTNCHH (Aksnes, Langfeldt, Wouters, 2019; Bornmann and Leydesdorff, 2014; De Castro, Shearer, Summann, 2014).
KTNNSS là các nền tảng số do các cơ sở giáo dục và nghiên cứu xây dựng nhằm thu thập, lưu giữ và phổ biến các kết quả nghiên cứu của giảng viên và nhà nghiên cứu, bao gồm các loại hình: Bài báo khoa học, luận văn, luận án, kỷ yếu hội thảo khoa học, đề tài nghiên cứu và các dạng tài liệu khoa học khác (Crow, 2002; Lynch, 2003). Về mặt truyền thống, KTNNSS gắn liền với các sáng kiến truy cập mở với vai trò chủ yếu là lưu trữ, phổ biến kết quả nghiên cứu. Tuy nhiên, thời gian gần đây, KTNNSS ngày càng được xem như nguồn dữ liệu có cấu trúc hỗ trợ khả năng tìm kiếm, tái sử dụng và tích hợp với các hệ thống thông tin nghiên cứu khác, đóng vai trò như lớp nội dung và dữ liệu đầu ra.
HTTTNCHH hay hệ thống quản lý khoa học là các hệ thống thông tin được thiết kế để quản lý dữ liệu về hoạt động nghiên cứu trong trường đại học. Cụ thể, HTTTNCHH là hệ thống lưu trữ và quản lý toàn bộ dữ liệu liên quan đến hoạt động nghiên cứu: Giảng viên/ nhà nghiên cứu (hồ sơ tác giả), sản phẩm nghiên cứu (công bố khoa học, dữ liệu, bằng sáng chế), dự án, quỹ tài trợ, các chỉ số và báo cáo đánh giá. HTTTNCHH có khả năng liên kết dữ liệu đa chiều để phục vụ phân tích, báo cáo, đánh giá. Khác với KTNNSS vốn tập trung vào lưu trữ, phổ biến nội dung kết quả nghiên cứu, HTTTNCHH nhấn mạnh vào dữ liệu quan hệ và quản lý các quy trình trong toàn bộ vòng đời nghiên cứu, đóng vai trò như lớp quản lý (Ntini-Kounoudes and Zervas, 2017).
KTNNSS đóng vai trò là nguồn dữ liệu, cung cấp nguồn tin khoa học nội sinh cùng siêu dữ liệu thư mục liên quan. HTTTNCHH liên kết nguồn tin khoa học với thông tin về giảng viên, nhà nghiên cứu, đề tài, quỹ tài trợ và mục tiêu chiến lược của trường đại học. TLTM hoạt động như một lớp phân tích, chuyển hóa dữ liệu từ KTNNSS và HTTTNCHH thành các chỉ số đo lường và bằng chứng phục vụ đánh giá và ra quyết định. Ứng dụng chỉ số TLTM phụ thuộc chặt chẽ vào chất lượng, mức độ đầy đủ, chuẩn hóa và khả năng liên thông dữ liệu do KTNNSS và HTTTNCHH cung cấp.
KTNNSS là nguồn dữ liệu cho TLTM
KTNNSS được coi như nguồn dữ liệu cho TLTM ở cấp trường đại học. Trong những cách tiếp cận ban đầu, KTNNSS chủ yếu được xem như động lực thúc đẩy truy cập mở và lưu trữ số. KTNNSS với chức năng lưu trữ, tra cứu và phổ biến kết quả nghiên cứu, tham gia trực tiếp vào chu trình truyền thông học thuật nên KTNNSS góp phần giảm rào cản tiếp cận và gia tăng khả năng hiển thị được biết đến của các công bố khoa học.
Dưới góc độ TLTM, khả năng hiển thị này đồng nghĩa với việc tăng khả năng được biết đến và tái sử dụng, từ đó có thể tác động gián tiếp đến việc trích dẫn. Mặc dù KTNNSS không tự tạo ra dữ liệu trích dẫn, chúng tạo điều kiện để kết quả nghiên cứu được tiếp cận, sử dụng và có khả năng được trích dẫn (Chen, 2008). Các nghiên cứu gần đây tiếp tục mở rộng lập luận này bằng cách nhấn mạnh giá trị TLTM đặc thù của KTNNSS trong việc phản ánh nguồn tin khoa học nội sinh. Aman (2021) chỉ ra rằng, KTNNSS bao phủ nhiều loại hình công bố như luận văn, báo cáo nghiên cứu, kỷ yếu hội thảo và các ấn phẩm bằng ngôn ngữ khác ngôn ngữ Anh thường không được bao phủ đầy đủ trong các cơ sở dữ liệu thương mại. Do đó, dữ liệu dựa trên KTNNSS cung cấp một bức tranh toàn diện hơn về hoạt động nghiên cứu của tổ chức, đặc biệt trong các lĩnh vực mà sách chuyên khảo hoặc ấn phẩm quốc gia vẫn giữ vai trò trung tâm (Aman, 2021). Vì vậy, KTNNSS được xem là hạ tầng quan trọng hỗ trợ phổ biến truy cập mở và truyền thông học thuật của trường đại học.
Các nghiên cứu sau đó cho thấy KTNNSS tạo ra những tập dữ liệu có cấu trúc, có khả năng hỗ trợ nhiều dạng phân tích TLTM, đặc biệt là các phân tích tập trung vào năng suất nghiên cứu của tổ chức (số lượng kết quả nghiên cứu) thay vì tác động nghiên cứu. Quy trình thu thập trích dẫn khi được liên kết với hoạt động nộp lưu vào KTNNSS có thể mở rộng đáng kể phạm vi bao phủ của KTNNSS và nâng cao độ tin cậy của các kết quả nghiên cứu. Trong mô hình này, KTNNSS không còn là điểm kết thúc thụ động mà trở thành một nút chủ động trong hệ sinh thái dữ liệu TLTM rộng lớn hơn (Sterman and Clark, 2017).
TLTM đóng vai trò xúc tác trong việc chuyển đổi KTNNSS từ kho lưu trữ thụ động thành hạ tầng thông tin nghiên cứu có khả năng phân tích và đánh giá nghiên cứu. Aman (2021) chỉ ra rằng khi KTNNNS tích hợp các chỉ số đo lường tác động kết quả nghiên cứu trên nền tảng trực tuyến (altmetrics) và giá trị chiến lược của KTNNSS gia tăng đáng kể trong quản trị nghiên cứu. Bên cạnh đó, Sterman và Clark (2017) cho rằng việc thu thập dữ liệu trích dẫn từ nguồn bên ngoài và đồng bộ với KTNNSS có thể cải thiện độ bao phủ các công bố khoa học cấp trường đại học. Chẳng hạn, kho tài nguyên số nội sinh của Đại học Quốc gia Hà Nội đã được ghi nhận trong bảng xếp hạng Webometrics, cho thấy sự hiện diện ngày càng rõ của KTNNSS trong các trường đại học Việt Nam (Vietnam National University Hanoi, 2022). Tuy nhiên, nếu chỉ riêng KTNNSS thì chưa đủ để thực hiện các chức năng phân tích, tạo lập báo cáo TLTM phục vụ mục đích quản trị chiến lược.
Hạn chế của KTNNSS độc lập trong phân tích TLTM nâng cao
KTNNSS là nguồn dữ liệu quan trọng cho TLTM, nhiều nghiên cứu chỉ ra các hạn chế cấu trúc khi KTNNSS vận hành như hệ thống độc lập. Guillaumet et al (2019) cho thấy phân tích TLTM nâng cao đòi hỏi mô hình dữ liệu có khả năng liên kết công bố với nhà nghiên cứu, đơn vị, dự án và nguồn tài trợ theo thời gian, trong khi đó điều này vượt quá phạm vi thiết kế của đa số KTNNSS truyền thống. Sự thiếu vắng dữ liệu trích dẫn trong KTNNSS là một hạn chế lặp lại. Mặc dù KTNNSS lưu trữ toàn văn nhưng thiếu mạng lưới trích dẫn nếu không tích hợp với cơ sở dữ liệu bên ngoài (Guillaumetet et al, 2019). Do đó, KTNNSS độc lập chỉ có thể cung cấp các chỉ số bề mặt, không đáp ứng yêu cầu đánh giá nghiên cứu ở cấp chiến lược. Nói cách khác, KTNNSS độc lập khó đáp ứng yêu cầu quản trị nghiên cứu nếu không tích hợp với HTTTNCHH. Đối với bối cảnh Việt Nam, khoảng trống này càng rõ hơn khi nhiều TVĐH đã có hoặc đang phát triển các KTNNSS nhằm thu thập, lưu trữ và phổ biến nguồn tin học thuật nội sinh.
Tuy nhiên, các nghiên cứu về KTNNSS tại Việt Nam vẫn chủ yếu dừng ở chức năng thu nhận, lưu trữ và phổ biến tài nguyên, hơn là vai trò của KTNNSS như một nguồn dữ liệu phân tích phục vụ quản trị nghiên cứu (Truong, Denison, & Stracke, 2021). Vì vậy, cần có một khung khuyến nghị giúp TVĐH Việt Nam củng cố KTNNSS ở giai đoạn đầu, đồng thời định hướng KTNNSS trở thành nền tảng dữ liệu cho TLTM và quản trị nghiên cứu.
