Nhận reviewer report về lần đầu tiên là một trải nghiệm khó mô tả. Không hẳn là tức giận. Không hẳn là thất vọng. Gần với cảm giác bị ai đó đọc rất kỹ bài của mình rồi chỉ ra tất cả những thứ mình biết là yếu nhưng cứ hy vọng không ai nhận ra.
Sau bốn lần đi qua quá trình này với bốn bài khác nhau, mình bắt đầu nhìn rebuttal theo cách khác. Không phải là vòng tranh cãi. Là lần chỉnh sửa có hướng dẫn nhất mà bài nào cũng cần, vì reviewer đọc kỹ hơn bất kỳ đồng nghiệp nào mình từng nhờ góp ý.
AI giúp ích thật sự ở đây. Không phải vì nó viết hay hơn mình. Mà vì nó giúp mình chậm lại ở đúng chỗ cần chậm, và bắt được những chỗ mình bỏ sót khi đã mệt sau nhiều ngày chỉnh sửa.
Reviewer không phải địch
Cách nghĩ quan trọng nhất trước khi bắt đầu viết rebuttal: nhận xét của reviewer là dữ liệu chẩn đoán, không phải bản án.
Reviewer 2 viết một trang chỉ trích phương pháp của mình. Cảm giác đầu tiên là phòng thủ. Nhưng nếu mình hỏi "reviewer đang thấy gì từ góc của người đọc bên ngoài?" thay vì "reviewer sai ở đâu?", câu trả lời thường có ích hơn.
Reviewer không nhất thiết phải đúng. Nhưng họ đọc bài từ góc nhìn của người không có toàn bộ bối cảnh mình có trong đầu khi viết. Khi họ bối rối, có hai khả năng: hoặc bài trình bày chưa rõ, hoặc họ không đọc kỹ. Cả hai đều cần phản hồi, nhưng khác nhau hoàn toàn về cách xử lý.
Từ trải nghiệm với meta-analysis ARM, có lần Reviewer 2 hỏi về network meta-analysis mà mình không thực hiện. Cảm giác ban đầu là "reviewer không đọc kỹ phần Methods". Nhưng sau khi mình hỏi Claude "tại sao reviewer có thể hỏi câu này?", lý do là mình chưa giải thích đủ tại sao NMA không phù hợp với dữ liệu của mình. Một câu thêm vào phần Discussion giải quyết xong vấn đề mà không cần tranh luận gì.
Cách đọc reviewer report bằng câu hỏi "họ đang thấy gì?" thay vì "họ đúng hay sai?", đây là thứ mình học chậm nhất và quan trọng nhất.
Cấu tạo của một rebuttal hiệu quả
Một rebuttal tốt không phải danh sách dài "Reviewer said X, we changed Y." Đó là cách dễ làm nhưng thường gây khó chịu cho editor vì không thể hiện mình hiểu mối lo thật sự của reviewer là gì.
Cấu trúc mình dùng:
Một, Gộp nhóm trước khi trả lời. Comment 3 của Reviewer 1, comment 1 của Reviewer 2, và comment 4 của Reviewer 3 có thể cùng nói về một vấn đề phương pháp. Gộp lại một câu trả lời duy nhất thay vì trả lời ba lần riêng biệt, vừa gọn, vừa thể hiện mình nhìn ra được điểm chung.
Hai, Mỗi câu trả lời có ba phần. (1) Xác nhận mình hiểu mối lo của reviewer là gì, đủ cụ thể để họ thấy mình đã đọc kỹ. (2) Giải thích thay đổi cụ thể mình đã làm, hoặc lý do mình không thay đổi. (3) Trích dẫn chính xác đoạn văn bản mới trong manuscript, số trang, đoạn, câu.
Ba, Không tranh cãi về "đúng hay sai". Nếu mình không thay đổi theo reviewer, giải thích bằng bằng chứng hoặc logic, không phải bằng cảm giác. Câu "chúng tôi kính trọng ý kiến của reviewer, tuy nhiên..." thường là dấu hiệu của một câu trả lời sắp tranh cãi. Thay vào đó: "Chúng mình hiểu mối lo này; đây là lý do thiết kế hiện tại phù hợp hơn với câu hỏi nghiên cứu của chúng tôi..."
Phần ba là phần AI giúp nhiều nhất. Nó không có cảm xúc với bài của mình, nên khi mình hỏi "Câu này có nghe như đang phòng thủ không?", nó đánh giá trung lập hơn mình tự đọc sau 3 ngày ngồi chỉnh sửa.
Quy trình 5 bước mình dùng với AI
Bước 1: Đọc nhận xét reviewer 2 lần trước khi mở AI.
Không dán ngay vào Claude. Đọc hết một lần để có cảm giác toàn cảnh. Đọc lần hai để đánh dấu: comment nào là mối lo lớn (thường cần thay đổi thật), comment nào là nhỏ (chỉ cần làm rõ là đủ), comment nào reviewer rõ ràng đã bỏ sót một phần của bài.
Lý do không mở AI ngay: sau bước 1, mình có bức tranh tổng thể. Nếu mở AI sớm hơn, mình sẽ bị dẫn theo từng comment lẻ và bỏ sót chủ đề lớn hơn.
Bước 2: Dùng AI để phân loại và tìm điểm trùng lặp.
Dán toàn bộ nhận xét reviewer vào Claude, hỏi: "Hãy phân nhóm những comment này theo: (1) mối lo về phương pháp, (2) cách trình bày và độ rõ ràng, (3) phạm vi và cách đặt vấn đề. Xác định comment nào trùng lặp giữa các reviewer."
Kết quả này thường cho thấy những chủ đề mình đang bỏ sót khi chỉ đọc từng comment riêng lẻ.
Bước 3: Viết bản nháp trả lời từng chủ đề, mình viết, AI kiểm tra.
Mình viết bản nháp đầu. Câu nào không chắc thì hỏi AI: "Câu này nghe như đang phòng thủ không?" hoặc "Cách nào diễn đạt rõ hơn?" Không dán toàn bộ câu trả lời để AI viết lại, đó là cách mất giọng văn riêng và mất quyền kiểm soát nội dung.
Đây là bước mình nhấn mạnh nhất: AI là người biên tập, không phải người viết. Nội dung phải là của mình.
Bước 4: Soát lại "còn comment nào chưa trả lời?"
Sau khi viết bản nháp xong, dán cả nhận xét reviewer lẫn bản nháp rebuttal vào Claude, hỏi: "Reviewer có comment hoặc câu hỏi nào mình chưa trả lời rõ không? Có thay đổi nào mình đề cập nhưng không có trích dẫn manuscript cụ thể?"
Bước này bắt được 1-2 chỗ bỏ sót mà mình không nhận ra khi đã quá quen với bài của mình.
Bước 5: Đọc lại từ đầu như một reviewer khó tính.
Ngủ một đêm. Sáng hôm sau đọc lại toàn bộ rebuttal như người không biết gì về bài. Câu nào mơ hồ, reference nào thiếu, thay đổi nào không được trích dẫn chính xác, sửa trước khi submit.
4 tình huống mình đã gặp
Khi 3 reviewer cùng nói bài "thiếu chiều sâu"
Một bài lý thuyết của mình về epistemic immunodepression, khái niệm mình đề xuất về việc AI làm suy giảm khả năng tự kiểm tra độc lập của bác sĩ trong quá trình tổng hợp bằng chứng lâm sàng. Ba reviewer khác nhau, ở ba vòng khác nhau, đều có cùng nhận xét về Discussion: "thiếu chiều sâu", chưa phát triển đủ các hệ quả, "needs more development".
Khi 3 reviewer độc lập cùng nói một câu, đó là tín hiệu thật, không phải ý kiến cá nhân của một người.
Mình dùng Claude để đào sâu từng lớp của Discussion theo cách có cấu trúc. Với mỗi chủ đề nhỏ mà reviewer đánh dấu, mình hỏi: "Những hệ quả nào của điểm này mình chưa viết trong bài?" Claude đưa ra 4-5 hướng mỗi lần. Mình chọn những ý nào mình có thể chứng minh bằng y văn thật, không phải ý nghe hay nhưng mình không có bằng chứng.
Bước soát lại quan trọng sau đó: "Những đoạn mới thêm này có nhận định nào vượt quá dữ liệu mình có không?" Bước này bắt được 2 chỗ mình viết quá mạnh, câu chữ mạnh hơn bằng chứng cho phép.
Về cách dùng AI để viết Discussion từ đầu, mình có viết chi tiết quy trình trong bài riêng.
Khi reviewer hỏi mơ hồ, ngầm ý thiếu dữ liệu
Một bài của mình về sinh thiết lạnh trong phẫu thuật Hirschsprung, mình báo cáo mức đồng thuận 97.1% (33/34 ca) giữa sinh thiết lạnh trong mổ và giải phẫu bệnh vĩnh viễn. Trong bối cảnh nước thu nhập thấp và trung bình nơi xét nghiệm này chưa phải tiêu chuẩn chăm sóc, con số này quan trọng để thuyết phục đồng nghiệp áp dụng quy trình.
Một reviewer hỏi về độ đầy đủ của cỡ mẫu theo cách không rõ họ muốn gì: thêm tính cỡ mẫu (power calculation)? Giải thích hạn chế? Hay thực sự muốn mình có thêm ca?
Mình thử 3 cách trả lời với Claude:
- Phòng thủ: Giải thích n=34 đủ cho loạt ca, không cần tính cỡ mẫu vì đây không phải RCT.
- Nhượng bộ: Thừa nhận hạn chế n nhỏ, thêm câu rõ ràng về giá trị ngoại suy.
- Chuyên nghiệp: Xác nhận thiết kế loạt ca hồi cứu một phẫu thuật viên không có tính cỡ mẫu tiền cứu; thêm câu về hạn chế khả năng khái quát hóa trong Discussion; ghi chú là mức đồng thuận 97.1% nhất quán với khoảng 91, 97% trong y văn đã công bố.
Mình chọn cách chuyên nghiệp, điều chỉnh lại theo phán đoán của mình về từng câu. Reviewer không phản đối thêm ở vòng sau.
Bài học: khi reviewer hỏi mơ hồ, viết ra 2-3 cách diễn giải câu hỏi của họ trước khi trả lời, thường câu trả lời tốt nhất là câu trả lời giải quyết được cả 2-3 cách diễn giải đó cùng lúc.
Khi reviewer không đồng ý về lý thuyết nền
Một bài của mình về trách nhiệm giải trình trong nghiên cứu khoa học với AI. Reviewer có nền tảng triết học không đồng ý với một số cách đặt vấn đề về tác nhân phân tán (distributed agency) mình dùng, họ muốn mình đi theo một trường phái lý thuyết cụ thể.
Đây là lần đầu mình phải viết rebuttal khi reviewer không sai về mặt kỹ thuật, họ chỉ nhìn từ khung lý thuyết khác. Không có đáp án "đúng", chỉ có thương lượng về cách đặt vấn đề.
Claude giúp mình xây dựng cấu trúc câu trả lời: thừa nhận cách đặt vấn đề khác hợp lý của reviewer, giải thích tại sao cách đặt vấn đề mình chọn phù hợp với mục tiêu của bài hơn, và chỉ ra chỗ mình đã thêm chú thích ghi nhận góc nhìn của reviewer. Không đồng ý, không tranh cãi, ghi nhận và đặt vào bối cảnh.
Cách làm này, ghi nhận nhưng không nhượng bộ, mình áp dụng cho hầu hết rebuttal về lý thuyết và cách đặt vấn đề sau đó.
Phản đối kỹ thuật về cách báo cáo thống kê
Một bài về posterior urethral valves có reviewer hỏi tại sao mình báo cáo khoảng tin cậy thay vì p-value cho một số kết quả nhất định.
Câu hỏi này dễ trả lời về mặt nội dung. Khó ở chỗ trả lời theo cách không nghe như mình đang dạy reviewer về thống kê. Mình dùng Claude để viết bản nháp câu trả lời ngắn, trực tiếp: giải thích khoảng tin cậy mang theo thông tin về độ chính xác của mức độ hiệu ứng mà p-value không có, trích dẫn một tài liệu ngắn từ y văn phương pháp học, kết thúc bằng câu ghi chú là mình đã thêm một câu trong Methods để giải thích lựa chọn này.
Không giảng giải dài dòng. Không giải thích lý do p-value "sai". Chỉ giải thích lựa chọn của mình và trích dẫn.
Khi nào không dùng AI cho rebuttal
Ba tình huống mình tự viết tay, không để AI định hình nội dung:
Khi bị cáo buộc về liêm chính nghiên cứu. Bất kỳ câu hỏi nào về tính xác thực của dữ liệu, quyền tác giả, hay xung đột lợi ích cần mình viết rõ ràng, kiểm tra từng câu. Không phải vì AI viết kém, mà vì đây là vấn đề về hồ sơ cá nhân và mình cần biết chính xác mình đang nói gì.
Khi reviewer yêu cầu phân tích lại. AI không chạy lại SPSS hay R cho mình. Nó có thể giúp mình xây dựng cấu trúc giải thích sau khi đã có kết quả mới, nhưng phân tích thật phải là mình làm và kiểm tra.
Khi lập luận đạo đức là trung tâm. Nếu mình không đồng ý với reviewer về một câu hỏi đạo đức, về sự đồng thuận, về đóng góp tác giả, về công khai thông tin, mình cần viết từ đầu với nhận thức đầy đủ. AI có thể kiểm tra giọng văn sau, nhưng không nên định hình lập luận.
Soát trước khi nộp bài, bước cuối không thể bỏ
Sau khi hoàn chỉnh rebuttal và revised manuscript, mình luôn làm một bước soát cuối trước khi submit:
Dán toàn bộ nhận xét reviewer và toàn bộ rebuttal vào Claude: "Reviewer có comment hoặc câu hỏi nào mình chưa trả lời rõ ràng không? Có thay đổi nào mình nói đã làm trong manuscript nhưng không trích dẫn cụ thể không?"
Năm lần mình thử bước này trên các paper thật, cả năm đều bắt được 1-2 vấn đề nhỏ, nhầm số dòng revision, một comment nhỏ bị bỏ sót trong bản nháp cuối, một tài liệu tham khảo mình hứa thêm nhưng quên.
Không phải AI viết hộ. Là AI làm vòng soát cuối khi mình đã mệt và không còn đọc được bài của mình với đôi mắt tươi tỉnh.
Rebuttal là kỹ năng học được qua thực hành, không phải từ đọc về nó. Khoá AI cho Nghiên cứu có phần riêng về quy trình rebuttal, từ cách đọc nhận xét reviewer đến checklist soát trước khi nộp bài, với mẫu prompt từ các paper thật.