Vì sao câu trả lời của AI khiến việc đánh giá nguồn thông tin trở nên quan trọng hơn?
Câu trả lời của AI khiến việc đánh giá nguồn trở nên quan trọng hơn vì chúng trình bày các nhận định một cách trôi chảy, kèm theo những tài liệu tham khảo có vẻ đáng tin cậy, ngay cả khi tài liệu đó không tồn tại hoặc không nói điều mà câu trả lời khẳng định. Giọng điệu tự tin không phải là bằng chứng.
Hãy hình dung một thương hiệu đồ ăn nhẹ giả định có 15 người, Lumen Foods. Trưởng bộ phận tiếp thị Ade cần một số liệu nổi bật cho bài giới thiệu với nhà bán lẻ. Anh hỏi trợ lý AI và nhận được: '68% người mua sắm tại Anh hiện chọn đồ ăn nhẹ ít đường (Báo cáo xu hướng đồ ăn nhẹ toàn cầu 2024, Viện Nghiên cứu thị trường bán lẻ).' Lần tìm kiếm thứ hai cho ra một bài blog nhắc lại rằng '7 trong 10 người mua sắm thích sản phẩm ít đường', nhưng không dẫn nguồn. Bài giới thiệu sẽ diễn ra vào thứ Sáu, và cả hai số liệu đều có vẻ dùng được.
Các bước đánh giá một nguồn thông tin là gì?
Đánh giá một nguồn bằng cách dừng lại trước khi sử dụng, kiểm tra bên đứng sau nguồn đó qua các nguồn bên ngoài, tìm thông tin đầy đủ hơn về cùng nhận định và truy tìm nhận định về nguồn gốc ban đầu. Các hướng dẫn của thư viện giới thiệu cách làm này với tên gọi phương pháp SIFT, do chuyên gia năng lực số Mike Caulfield phát triển: Dừng lại, Tìm hiểu nguồn, Tìm thông tin đầy đủ hơn, Truy tìm nhận định về bối cảnh ban đầu.
1. Dừng lại
Hãy để ý khi một nhận định trùng khớp hoàn toàn với điều bạn mong tìm thấy. Đó là lúc bạn ít có khả năng kiểm tra lại nhất.
2. Kiểm tra độ uy tín bằng cách đối chiếu với các nguồn khác
Rời trang nguồn và tìm xem người khác nói gì về đơn vị xuất bản hoặc tác giả. Đọc đối chiếu bằng cách mở các thẻ mới để xem các nguồn độc lập nói gì sẽ cho bạn biết nhiều hơn so với trang Giới thiệu do chính nguồn đó viết.
3. Kiểm tra ngày tháng
Tìm thời điểm dữ liệu được thu thập, không chỉ thời điểm bài viết được đăng. Một bài viết năm 2024 có thể trích dẫn số liệu năm 2017.
4. Kiểm tra bằng chứng
Tìm hiểu cỡ mẫu, đối tượng được hỏi, câu hỏi chính xác và phương pháp. Một số liệu thống kê không có phương pháp đi kèm chỉ là tin đồn gắn thêm con số.
5. Kiểm tra thiên lệch
Hãy hỏi ai được lợi nếu bạn tin nhận định đó. Một số liệu về hàm lượng đường thấp do thương hiệu ít đường công bố cần được xác minh thêm.
6. Truy về nguồn gốc
Lần theo các trích dẫn đến tận nguồn gốc và đọc câu chứa con số đó.
Làm thế nào để kiểm tra các trích dẫn từ một công cụ AI?
Kiểm tra trích dẫn của AI theo ba bước: xác nhận nguồn có tồn tại, xác nhận nguồn nói đúng như AI khẳng định, và xác nhận đó là nguồn gốc chứ không phải bản tóm tắt của một bản tóm tắt khác. Các hướng dẫn về AI của thư viện cảnh báo rằng công cụ AI có thể bịa thông tin, kể cả những tài liệu tham khảo trông như thật.
Tự tìm kiếm theo đúng tên báo cáo và đơn vị xuất bản, thay vì chỉ nhấp vào đường liên kết do AI cung cấp. Nếu tìm thấy báo cáo, hãy dùng chức năng tìm kiếm trong tài liệu để xác định vị trí của số liệu. Nếu công cụ có thể duyệt hoặc tìm kiếm trên web, hãy yêu cầu công cụ trích dẫn chính xác câu văn và số trang, rồi đối chiếu trích dẫn đó với tài liệu. Nếu không tìm thấy nguồn, hãy coi thông tin đó là chưa được xác minh, dù trông có vẻ cụ thể đến đâu.
Đánh giá nguồn sơ sài và cẩn thận khác nhau như thế nào?
Cách làm yếu: Ade đưa câu '68% người mua sắm ở Vương quốc Anh chọn đồ ăn nhẹ ít đường' lên trang chiếu thứ hai, kèm trích dẫn của AI bằng chữ nhỏ. Trong cuộc họp, người phụ trách thu mua của nhà bán lẻ yêu cầu xem báo cáo. Ade tìm kiếm nhưng không thấy tổ chức nào có tên Retail Insight Institute hay báo cáo nào có tiêu đề đó. Độ tin cậy của toàn bộ bài chào hàng giảm sút.
Cách tiếp cận thận trọng: Ade tìm kiếm tiêu đề báo cáo nhưng không thấy gì nên loại bỏ con số 68%. Anh truy tìm nhận định '7 trên 10' trên blog và phát hiện nó xuất phát từ một khảo sát do công ty sản xuất chất tạo ngọt công bố, với một nhóm người tham gia trực tuyến nhỏ và câu hỏi dẫn dắt. Sau đó, anh tìm nguồn thông tin tốt hơn và thấy một khảo sát thực phẩm của chính phủ có nêu phương pháp, ghi nhận xu hướng ở mức khiêm tốn hơn và ghi rõ thời gian thu thập dữ liệu thực tế. Trang trình chiếu của anh giờ đây trình bày những gì khảo sát đó cho thấy, nêu tên đơn vị công bố và năm, đồng thời dẫn liên kết đến bảng dữ liệu. Nhận định ít mạnh mẽ hơn nhưng vẫn đứng vững trước câu hỏi của bên mua.
Những sai lầm thường gặp khi đánh giá nguồn thông tin là gì?
Sai lầm phổ biến nhất là đánh giá nguồn dựa trên vẻ ngoài chuyên nghiệp, vốn rất dễ làm giả. Những sai lầm khác gồm: tin trích dẫn của AI vì có tiêu đề và năm, chỉ kiểm tra trang Giới thiệu của chính nguồn đó, dùng bài viết mới nhưng trích dữ liệu cũ, dừng ở báo cáo thứ cấp thay vì tìm bản gốc, và coi nhiều blog lặp lại cùng một con số là xác nhận độc lập trong khi tất cả đều sao chép từ cùng một nguồn.
Việc đánh giá nguồn thông tin nằm ở đâu trong danh mục khóa học của Tosheo.ai?
Đánh giá nguồn thuộc nhóm Tư duy phản biện trong khóa học tư duy phản biện, bên cạnh các bài học về nhận diện lập luận yếu và kiểm tra đầu ra của AI. Trên Tosheo.ai, bài thực hành đưa ra một nhận định kèm cả trích dẫn thật lẫn trích dẫn bịa đặt. Phản hồi theo hướng dẫn chấm điểm cho biết bạn đã bỏ qua những bước kiểm tra nào và các bước đó lẽ ra sẽ giúp phát hiện điều gì.
Nguồn và phạm vi
Thư viện Cao đẳng Cộng đồng Scottsdale, phương pháp SIFT (đã kiểm tra ngày 19 October 2026) ↗