"Lack of depth." "Needs more development." "Discussion should be expanded."
Ba reviewer khác nhau, ở ba vòng review khác nhau, với một bài lý thuyết của mình, tất cả đều nói về Discussion theo cách gần như giống nhau. Lần đầu tiên đọc, mình nghĩ đây là nhận xét mơ hồ nhất có thể viết ra. Lần thứ ba, mình bắt đầu hiểu đây là dạng góp ý cụ thể nhất mình từng nhận.
Khi 3 người cùng nói một câu
Khi 1 reviewer nói Discussion thiếu depth, có thể là reviewer khó tính. Khi 3 reviewer độc lập nói cùng một câu, đó là tín hiệu thật về bài.
Vấn đề là "thiếu depth" không nói cho mình biết depth về cái gì. Reviewer thứ nhất có thể muốn mình mở rộng về ý nghĩa lâm sàng. Reviewer thứ hai muốn mình đặt phát hiện trong y văn rộng hơn. Reviewer thứ ba muốn mình xử lý hạn chế nghiêm túc hơn. Tất cả đều đúng, và tất cả đều nói bằng cùng một cụm từ.
Đây là lúc AI có ích: không phải để viết hộ, mà để phân tích reviewer report theo cách có cấu trúc trước khi mình bắt đầu chỉnh sửa.
Quy trình đào sâu Discussion với AI
Mình làm theo 3 bước khi nhận được feedback "thiếu depth":
Bước 1: Map từng reviewer vào từng khía cạnh của Discussion.
Dán cả ba reviewer report vào Claude, hỏi: "Mỗi reviewer đang nói Discussion thiếu chiều sâu về khía cạnh nào? Phân loại theo: (a) ý nghĩa lâm sàng hoặc thực tiễn, (b) đặt trong bối cảnh y văn, (c) hạn chế, (d) cách đặt vấn đề lý thuyết."
Kết quả thường cho thấy mỗi reviewer đang nói về một khía cạnh khác nhau, và có một hoặc hai khía cạnh bị tất cả cùng chỉ ra. Những chỗ trùng lặp là ưu tiên.
Bước 2: Với mỗi khía cạnh, hỏi AI "hệ quả nào mình chưa viết?"
Mình không để AI viết Discussion. Mình hỏi AI để tìm ý: "Với nhận định X trong bài, những hệ quả nào cho [lâm sàng / phương pháp nghiên cứu / chính sách] mà mình chưa phát triển?"
Claude thường đưa ra 4-5 hướng. Mình đọc từng hướng và tự hỏi: mình có bằng chứng để chứng minh điều này không? Nếu có, viết. Nếu không, bỏ, không quan trọng nó nghe hay đến đâu.
Bước 3: Soát độ mạnh của nhận định trước khi submit.
Sau khi thêm nội dung vào Discussion, mình dán đoạn mới vào Claude và hỏi: "Đoạn này có nhận định nào vượt quá dữ liệu mình trình bày trong Results không? Có chỗ nào mình đang nói chắc hơn bằng chứng cho phép?"
Bước này bắt được 2 chỗ trong bài mà mình viết quá mạnh sau khi chỉnh sửa, Discussion mở rộng ra rồi vô tình nói quá so với dữ liệu.
Sự khác biệt giữa chiều sâu thật và chiều sâu giả
Có một dạng "chiều sâu" thường gặp trong Discussion bị chỉnh sửa: thêm câu, thêm reference, nhưng không thêm hiểu biết thật. Bài dài hơn, nghe có vẻ kỹ hơn, nhưng reviewer đọc lại vẫn thấy thiếu.
Chiều sâu thật là khi mình trả lời được câu hỏi: "Vậy thì sao?", "So what does this finding mean for someone reading this paper and deciding what to do?"
Với một bài lý thuyết như vậy, "vậy thì sao" có thể là: hệ quả cho quản trị đạo đức nghiên cứu, cho chính sách tạp chí, cho cách peer review vận hành. Mình phải viết đủ cụ thể để người đọc thấy con đường từ phát hiện của mình đến một quyết định hoặc hành động nào đó.
AI giúp mình tạo ra những con đường đó. Mình quyết định con đường nào mình thực sự có thể lập luận và có bằng chứng.
Cạm bẫy: AI thêm chiều sâu theo kiểu essay triết học
Một lần mình để Claude viết bản nháp một đoạn Discussion mới sau khi mình chỉ hỏi "mở rộng phần này về hệ quả". Claude viết ra một đoạn rất thuyết phục, nhưng nhận định quá rộng, dùng từ ngữ không gần với dữ liệu của mình, và về cơ bản là suy luận từ suy luận.
Từ đó mình có quy tắc: không bao giờ hỏi "mở rộng này" mà không chỉ định cụ thể mở rộng theo khía cạnh nào và giới hạn lại bằng câu "chỉ những gì có thể chứng minh bằng dữ liệu trong bài."
Chiều sâu thật không phải số từ nhiều hơn. Là tăng độ chính xác về mức độ mình hiểu tại sao phát hiện của mình quan trọng.
Bài về quy trình dùng AI để xây rebuttal letter toàn bộ có khung rộng hơn cho toàn bộ quá trình chỉnh sửa. Bài về AI viết Discussion nói về cách xây Discussion từ đầu cho paper chưa có chỉnh sửa.
Khoá AI cho Nghiên cứu có mẫu prompt chi tiết cho từng bước chỉnh sửa, kể cả prompt để xử lý góp ý "lack of depth" theo từng loại bài khác nhau.