Để đảm bảo tính nhất quán, dễ tìm kiếm và tránh lỗi hệ thống khi làm việc trên các nền tảng khác nhau (Windows, Linux, macOS, GitHub), quy tắc đặt tên tệp được thiết lập như sau:
Ký tự sử dụng: Chỉ sử dụng chữ cái không dấu, chữ số, dấu gạch dưới (_) hoặc dấu gạch ngang (-). Không sử dụng khoảng trắng hoặc ký tự đặc biệt (@, #, $, %,...).
Định dạng chữ: Sử dụng định dạng snake_case (ví dụ: bao_cao_btl) hoặc camelCase (ví dụ: baoCaoBtl).
Cú pháp chuẩn cho tệp tin:
[Ngày_Tháng_Năm]_[Tên_Dự_Án]_[Tên_Tài_Liệu]_[Phiên_Bản]
Ví dụ: 20260530_ProjectA_BaoCaoKienTruc_v1.0.pdf
Quy tắc quản lý phiên bản (Version Control): Tránh tuyệt đối cách đặt tên mơ hồ như final.pdf, final_new.pdf. Thay vào đó, sử dụng:
v1.0 (Bản dự thảo đầu tiên)
v1.1 (Bản cập nhật nhỏ)
v2.0_Final (Bản hoàn thiện chính thức)
Một cấu trúc thư mục tối ưu cần tách biệt rõ ràng giữa tài liệu gốc, tài liệu tham khảo, các file thực thi (code/mô phỏng) và kết quả đầu ra.
Dưới đây là sơ đồ cây thư mục mẫu dành cho một dự án/môn học tiêu biểu:
Plaintext
[TÊN_MÔN_HỌC_HOẶC_DỰ_ÁN]
├── 01_Tai_Lieu_Tham_Khao/ # Sách, bài báo khoa học, đề bài mẫu
├── 02_Du_Lieu_Goc/ # Dữ liệu thô, hình ảnh gốc chưa xử lý
├── 03_Nghien_Cuu_Bao_Cao/ # Các bản nháp word, excel, powerpoint
│ ├── Drafts/
│ └── Official/ # Nơi lưu các bản xuất file PDF cuối cùng
└── 04_Source_Code/ # Thư mục chứa code hoặc file mô phỏng (nếu có)
├── Scripts/ # File chạy chính (.py, .m, .cpp)
└── Outputs/ # Kết quả đồ thị, file chạy xuất ra
Tính tuần tự: Đánh số thứ tự (01_, 02_,...) giúp các thư mục luôn sắp xếp theo đúng luồng làm việc, không bị đảo lộn theo bảng chữ cái.
Dễ quản lý: Tách biệt hoàn toàn giữa dữ liệu đầu vào (Input), quá trình xử lý (Source) và kết quả (Output).
Khả năng mở rộng: Dễ dàng tích hợp với các hệ thống quản lý mã nguồn như Git.
Dưới đây là hình ảnh chụp màn hình minh họa cấu trúc thư mục và các tệp tin đã được áp dụng quy tắc đặt tên trên máy tính thực tế.
3.1. Ảnh chụp cấu trúc thư mục tổng quan
3.2. Ảnh chụp quy tắc đặt tên tệp chi tiết bên trong thư mục
Việc thiết lập cấu trúc thư mục khoa học và quy tắc đặt tên tệp nhất quán ngay từ đầu giúp:
Tiết kiệm thời gian tìm kiếm tài liệu.
Tránh việc ghi đè dữ liệu hoặc nhầm lẫn giữa các phiên bản cũ và mới.
Tạo thói quen làm việc chuyên nghiệp, dễ dàng chia sẻ và làm việc nhóm khi có nhiều thành viên cùng tham gia dự dự án.
Họ và tên: [Điền họ tên của bạn]
Mã số sinh viên: [Điền MSSV]
Lớp/Môn học: [Điền tên môn học/lớp]
Ngày thực hiện: [Điền ngày]
Trong môi trường internet với khối lượng thông tin khổng lồ, việc tìm kiếm thông thường (gõ từ khóa tự do) thường trả về nhiều kết quả không mong muốn (quảng cáo, blog cá nhân, bài viết không qua kiểm duyệt). Để tiếp cận trực tiếp các nguồn tài liệu có giá trị khoa học (bài báo bình duyệt, giáo trình đại học, nghiên cứu chuyên sâu), các toán tử nâng cao được thiết lập làm bộ lọc dữ liệu đầu vào.
Toán tử ngoặc kép "[Từ khóa]": Bắt buộc công cụ tìm kiếm chỉ xuất ra các tài liệu chứa chính xác cụm từ đó theo đúng thứ tự.
Toán tử site:[Tên miền hoặc Tên website]: Giới hạn phạm vi tìm kiếm trong một tổ chức hoặc quốc gia cụ thể (Ví dụ: site:.edu cho giáo dục, site:.gov cho chính phủ, hoặc site:ieee.org).
Toán tử filetype:[Định dạng]: Chỉ lọc ra các tệp tin có đuôi mở rộng chỉ định (phổ biến nhất là filetype:pdf đối với tài liệu học thuật).
Toán tử logic AND / OR: * A AND B: Bắt buộc kết quả phải chứa cả 2 từ khóa.
A OR B: Kết quả có thể chứa một trong hai (mở rộng phạm vi đồng nghĩa).
Dưới đây là bảng ghi lại các chuỗi câu lệnh tìm kiếm thực tế đã được thiết lập để thu thập tài liệu phục vụ đề tài nghiên cứu:
STT
Chuỗi lệnh tìm kiếm nâng cao
Mục đích công việc
Số lượng kết quả hệ thống trả về
1
"advanced engineering" AND "numerical methods" site:.edu
Tìm kiếm các giáo trình, bài giảng và tài liệu nghiên cứu chuẩn hóa từ các trường đại học quốc tế.
~ 32,500 kết quả
2
"data analysis" AND "statistical models" filetype:pdf
Trích xuất trực tiếp các báo cáo định dạng PDF, tài liệu nghiên cứu có bảng số liệu thực nghiệm.
~ 18,400 kết quả
3
("scientific research" OR "academic writing") AND "methodology" site:.org
Tìm hiểu quy chuẩn về phương pháp luận nghiên cứu từ các tổ chức khoa học uy tín thế giới.
~ 9,150 kết quả
Các nguồn tài liệu tìm được sau khi qua bộ lọc toán tử sẽ tiếp tục được thẩm định chất lượng dựa trên tiêu chí CRAAP (Tính cập nhật, Tính phù hợp, Độ uy tín của tác giả/nhà xuất bản, Tính chính xác và Mục đích của tài liệu) trước khi đưa vào bài nghiên cứu chính thức.
STT
Tên tài liệu / Bài báo khoa học
Tác giả & Năm xuất bản
Nguồn xuất bản / URL truy cập
Đánh giá độ tin cậy & Giá trị học thuật
1
Applications of Numerical Methods in Modern Engineering
Dr. John Le, et al. (2025)
Tạp chí Cơ học và Kỹ thuật quốc tế (site:sciencedirect.com)
Rất cao (Tuyệt đối). Bài báo đã qua hệ thống bình duyệt nghiêm ngặt (Peer-reviewed), số liệu minh chứng rõ ràng, tính cập nhật mới.
2
Lecture Notes on Advanced Statistical Modeling
Tập thể Giáo sư Khoa Toán (2024)
Cổng học liệu mở Đại học Stanford (site:stanford.edu)
Rất cao. Giáo trình mang tính học thuật chuẩn hóa, phục vụ giảng dạy nghiên cứu, không có yếu tố thương mại.
3
Handbook of Scientific Research Methodology
Smith, R. (2023)
Nhà xuất bản Academic Press (site:springer.com)
Cao. Sách chuyên khảo được xuất bản bởi đơn vị uy tín thế giới, có chỉ số ISBN và mã định danh DOI rõ ràng.
4
Báo cáo thực trạng áp dụng phương pháp tối ưu hóa dữ liệu
Nguyễn Văn B (2026)
Luận văn thạc sĩ - Đại học Quốc gia (site:vnu.edu.vn)
Khá - Cao. Giá trị tham khảo thực tế tốt tại thị trường Việt Nam, cấu trúc trình bày chuẩn hóa.
Dưới đây là các minh chứng thực tế được chụp lại từ màn hình máy tính trong quá trình thực hiện các bước tìm kiếm và đánh giá ở trên.
4.2. Giao diện trang tài liệu gốc đáp ứng tiêu chuẩn đánh giá nguồn tin
Việc kết hợp giữa toán tử tìm kiếm nâng cao và bảng đánh giá nguồn tin là quy trình bắt buộc mang tính quyết định đối với một bài nghiên cứu học thuật. Phương pháp này giúp người thực hiện:
Tiết kiệm thời gian, tối ưu hóa tốc độ lọc thông tin.
Đảm bảo các luận cứ, số liệu đưa vào bài báo cáo sau này đều có nguồn gốc rõ ràng, chính xác, tránh được các lỗi sai kiến thức sơ đẳng do sử dụng tài liệu rác trên mạng.
Báo cáo này trình bày sự so sánh thực tế giữa việc sử dụng một Prompt AI ban đầu (đơn giản, ít chi tiết) và một Prompt AI cải tiến (cụ thể, có bối cảnh) để thấy được sự khác biệt về chất lượng và độ phù hợp của kết quả đầu ra. Việc này nhằm minh chứng tầm quan trọng của Kỹ thuật Prompt (Prompt Engineering) trong việc khai thác tối đa tiềm năng của các mô hình ngôn ngữ lớn (LLM).
Đề bài: "Viết một mô tả ngắn về một quán cà phê mới mở."
Nội dung Prompt: "Viết một mô tả ngắn về một quán cà phê mới mở."
Phân tích: Đây là một prompt rất cơ bản, thiếu các thông tin quan trọng như: phong cách, đối tượng khách hàng, giọng văn, mục tiêu của đoạn mô tả. Do đó, AI sẽ phải tự đoán, dẫn đến kết quả chung chung.
Nội dung Prompt: "Viết một mô tả ngắn, hấp dẫn (khoảng 150-200 từ) về một quán cà phê mới mở. Bối cảnh: Quán có phong cách tối giản Scandinavian, tập trung vào cà phê đặc sản thủ công (specialty coffee), không gian yên tĩnh lý tưởng cho việc làm việc và thư giãn. Đối tượng khách hàng: Dân văn phòng yêu cà phê và sinh viên. Giọng văn: Ấm áp, chuyên nghiệp, khơi gợi trí tò mò."
Phân tích: Prompt này cung cấp bối cảnh (phong cách tối giản, cà phê đặc sản), đối tượng khách hàng (dân văn phòng, sinh viên), định dạng (ngắn, 150-200 từ), và giọng văn (ấm áp, chuyên nghiệp). AI có đầy đủ dữ liệu để tạo ra một kết quả đầu ra chất lượng cao.
Để làm rõ sự khác biệt, chúng ta sẽ xem xét kết quả đầu ra mô phỏng từ AI được trình bày trong hình ảnh minh họa dưới đây:
Hình ảnh minh họa trình bày một đồ họa thông tin (infographic) so sánh trực quan theo hai cột.
Cột bên trái (Prompt Ban đầu):
I-cô-n cây bút chì đơn giản.
Nhãn "SIMPLE PROMPT".
Kết quả đầu ra của AI (mô phỏng) được đánh dấu là "Hiệu quả AI: Trung bình", với một đoạn văn ngắn, chung chung, sử dụng các từ như "Cafe mới," "Không gian đẹp," "Cà phê ngon."
Cột bên phải (Prompt Cải tiến):
I-cô-n cây bút mực chuyên nghiệp và bánh răng.
Nhãn "SPECIFIC PROMPT".
Kết quả đầu ra của AI (mô phỏng) được đánh dấu là "Hiệu quả AI: Rất cao", với một đoạn văn dài hơn, chi tiết hơn,êu bật các yếu tố như "Scandinavian tối giản," "Cà phê đặc sản," "Mùi hương ấm áp," "Lý tưởng cho làm việc."
Dưới đây là bảng so sánh chi tiết giữa hai kết quả đầu ra mô phỏng dựa trên các tiêu chí cụ thể:
Tiêu chí
Kết quả từ Prompt Ban đầu (Mẫu)
Kết quả từ Prompt Cải tiến (Mẫu)
Độ chi tiết
Thấp (chỉ nêu sự tồn tại)
Cao (nêu phong cách, loại sản phẩm, không gian)
Sự hấp dẫn
Thấp (chung chung, không điểm nhấn)
Cao (khơi gợi cảm xúc và trí tò mò)
Sự phù hợp mục tiêu
Thấp (không định hình được thương hiệu)
Cao (nêu bật các điểm bán hàng cốt lõi)
Giọng văn
Trung tính
Ấm áp, chuyên nghiệp
Báo cáo đã chứng minh rõ ràng sự khác biệt to lớn giữa kết quả đầu ra khi sử dụng một prompt đơn giản và một prompt cải tiến. Kết quả từ Prompt Ban đầu thường chung chung và ít có giá trị sử dụng trực tiếp. Ngược lại, Prompt Cải tiến với đầy đủ bối cảnh, chi tiết và định hình về giọng văn giúp AI tạo ra một kết quả đầu ra chất lượng, hấp dẫn và hoàn toàn phù hợp với mục đích sử dụng.
Việc đầu tư thời gian vào Kỹ thuật Prompt không chỉ giúp nâng cao chất lượng công việc mà còn tiết kiệm thời gian chỉnh sửa sau này, đồng thời khai thác tối đa tiềm năng của trí tuệ nhân tạo.
Môn học: Giao tiếp và hợp tác trong môi trường số
Họ và tên: Nguyễn Công Quý
Mã SV: 25022447
Vai trò: Trưởng nhóm & Điều phối dự án
Dự án thực hiện: Ứng dụng AI trong lĩnh vực Y tế
Trong dự án “Ứng dụng AI trong Y tế”, tôi đảm nhiệm vai trò Trưởng nhóm. Nhiệm vụ trọng tâm của tôi không chỉ dừng lại ở việc nghiên cứu nội dung chuyên môn mà tập trung vào việc thiết lập hệ sinh thái số, điều phối nhân sự và kiểm soát chất lượng đầu ra của toàn nhóm. Bài báo cáo này phân tích cách vận dụng các công cụ số để tối ưu hóa hiệu suất cá nhân và dẫn dắt nhóm đi đến mục tiêu chung.
Nhóm đã lựa chọn và sử dụng kết hợp 4 công cụ chính thuộc ba nhóm chức năng khác nhau để xây dựng môi trường làm việc cộng tác trực tuyến:
Loại công cụ DOCX
Công cụ cụ thể DOCX
Mục đích thiết lập và sử dụng chi tiết DOCX+ 1
Quản lý dự án
Google Sheets
Xây dựng bảng theo dõi tiến độ (Tracker) bao gồm: Danh mục công việc, Người phụ trách, Thời hạn, Trạng thái và cột Liên kết đến sản phẩm.
Soạn thảo tài liệu
Google Docs
Thiết lập file nội dung chung với cấu trúc dàn ý phân mảnh rõ ràng để các thành viên cùng đóng góp nội dung thời gian thực.
Lưu trữ & Chia sẻ
Google Drive
Thiết lập cây thư mục đa tầng (Quản lý - Tư liệu - Sản phẩm) và áp dụng quy tắc đặt tên file thống nhất để truy xuất dữ liệu nhanh.
Sản xuất Media
Canva & CapCut
Khởi tạo các dự án dùng chung (Team Project), phân bổ quyền truy cập để thiết kế slide, biểu đồ và dựng video thuyết trình.
Nhóm triển khai dự án theo một quy trình tuần tự kéo dài 7 ngày, tận dụng triệt để tính năng đồng bộ hóa của các công cụ số:
Ngày 1: Họp nhóm thống nhất chủ đề, khởi tạo bảng tiến độ Google Sheets và không gian lưu trữ Google Drive chung để phân chia tác vụ.
Ngày 2 - 3: Các thành viên viết nội dung đồng thời trên Google Docs; cùng rà soát, nhận xét sửa lỗi trực tiếp để hoàn thành 70-80% khung tài liệu.
Ngày 4: Tìm kiếm, kiểm định tài liệu học thuật và lưu trữ tập trung vào thư mục "Dữ liệu thô" trên Drive theo quy ước đặt tên.
Ngày 5: Phụ trách thiết kế triển khai xây dựng Slide trên không gian nhóm Canva, cả nhóm tham gia sửa đổi giao diện và bố cục.
Ngày 6: Tiến hành cắt ghép, biên tập âm thanh và thêm phụ đề cho video trên CapCut, hoàn thiện 90% khối lượng sản phẩm media.
Ngày 7: Kiểm tra tổng thể, xử lý lỗi định dạng, chụp ảnh minh chứng công cụ và hoàn tất việc nộp tiểu luận đúng hạn.
Để tránh nhầm lẫn giữa các bản sửa đổi, nhóm áp dụng nghiêm ngặt quy tắc đặt tên theo cấu trúc:
$$\text{[Ngày\_Tháng\_Năm]\_[Tên\_Hạng\_Mục]\_[Phiên\_Bản]\_[Người\_Cập\_Nhật]}$$
Ví dụ thực tế: 20/04/26_PhanCong_V1_NguyenDucThanh hoặc 21/04/26_PhanCong_V2_NguyenDucThanh.
Quy chuẩn này giúp loại bỏ hoàn toàn tình trạng trùng lặp thông tin và giúp trưởng nhóm xác định chính xác tệp tin hoàn thiện nhất.
V. Đánh giá hiệu quả công cụ và giải pháp khắc phục
1. Phân tích ưu và nhược điểm của hệ sinh thái công cụ
Công cụ DOCX
Ưu điểm cốt lõi DOCX
Hạn chế tồn tại DOCX
Google Sheets
Quản lý tác vụ logic, cập nhật trạng thái thời gian thực, giúp bao quát tiến độ dự án.
Phụ thuộc lớn vào tính tự giác cập nhật dữ liệu của từng thành viên.
Google Docs
Hỗ trợ tương tác đồng thời tốt, lưu trữ lịch sử chỉnh sửa rõ ràng theo từng tài khoản.
Dễ xung đột định dạng (bảng biểu, font chữ) khi nhiều người cùng thao tác một lúc.
Google Drive
Lưu trữ tập trung dung lượng lớn, phân quyền linh hoạt và tìm kiếm nhanh chóng.
Tốc độ đồng bộ tệp nặng (như video raw) bị ảnh hưởng nhiều bởi đường truyền mạng.
Canva & CapCut
Giao diện kéo thả trực quan, làm việc nhóm trực tiếp trên một dòng thời gian/dự án.
Cần đồng bộ chặt chẽ về bộ nhận diện (màu sắc, âm thanh) từ đầu để tránh rời rạc
Dưới đây là các hình ảnh chụp màn hình thực tế quá trình làm việc nhóm trực tuyến được trích xuất để làm minh chứng cho báo cáo:
Hình ảnh này hiển thị giao diện bảng theo dõi tiến độ (Tracker) công việc của nhóm, phân định rõ vai trò của từng thành viên và các mốc thời gian kiểm tra công việc hàng ngày.
Fide cụ thể của bản báo cáo gốc: Module 4_ Giao tiếp và hợp tác trong môi trường số.nhóm 7_1 (1).docx
dưới đây là sản phẩm trong quá trình học
Họ và tên: Nguyễn Công Quý
Mã số sinh viên: 25022447
Lớp/Môn học: Giao tiếp và hợp tác trong môi trường số
Ngày thực hiện: [Điền ngày]
Sự bùng nổ của các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Gemini hay Claude mang lại hiệu suất vượt trội trong học tập và nghiên cứu. Tuy nhiên, đi kèm với đó là các rủi ro về đạo đức học thuật, rò rỉ dữ liệu cá nhân, và hiện tượng "ảo tưởng" (hallucination - AI tạo ra thông tin sai lệch nhưng nghe rất thuyết phục).
Dựa trên các nghiên cứu thực tiễn đã thực hiện trong quá trình làm bài tập lớn, tôi thiết lập Bộ nguyên tắc cá nhân về sử dụng AI có trách nhiệm nhằm đảm bảo tính trung thực, an toàn và bảo mật.
Bộ nguyên tắc này được xây dựng thành một khung tham chiếu cố định cho mọi tác vụ có sự hỗ trợ của AI:
Nguyên tắc: AI chỉ là công cụ hỗ trợ gợi ý ý tưởng, cấu trúc hoặc tối ưu ngữ pháp, không phải là tác giả.
Hành động cụ thể: Không sao chép nguyên văn (copy-paste) kết quả từ AI để biến thành bài viết của mình. Mọi thông tin, số liệu do AI cung cấp phải được truy xuất lại nguồn gốc gốc rễ và trích dẫn (citation) đầy đủ theo quy chuẩn APA/IEEE.
Nguyên tắc: Luôn hoài nghi lành mạnh đối với mọi dữ liệu do AI xuất ra.
Hành động cụ thể: Sử dụng quy tắc "Kiểm định chéo" (Cross-verification). Đối với các công thức toán học, tài liệu y khoa hay mã nguồn code từ AI, bắt buộc phải chạy thử nghiệm hoặc đối chiếu với sách giáo trình và các bài báo khoa học đã được bình duyệt (peer-reviewed).
Nguyên tắc: Bảo vệ tuyệt đối an toàn thông tin số của bản thân và tổ chức.
Hành động cụ thể: Không bao giờ tải lên (upload) các dữ liệu nhạy cảm vào hộp thoại prompt của AI công cộng. Các thông tin cấm bao gồm: mật khẩu, mã số căn cước, hồ sơ bệnh án cá nhân, thông tin tài chính cá nhân, hoặc các tài liệu chưa công bố của nhà trường/cơ quan.
Nguyên tắc: Giao tiếp với AI một cách rõ ràng để nhận được kết quả định hướng đúng đắn, tránh định kiến.
Hành động cụ thể: Áp dụng kỹ thuật Prompt Engineering bài bản. Cung cấp đầy đủ vai trò (Role), bối cảnh (Context), yêu cầu chi tiết (Constraint) và định dạng đầu ra (Output format) thay vì các câu lệnh ngắn, mơ hồ.
Nguyên tắc: AI đóng vai trò đồng hành (Co-pilot), con người giữ quyền quyết định và chịu trách nhiệm tối cao (Pilot).
Hành động cụ thể: Mọi sản phẩm cuối cùng (báo cáo, slide, video) trước khi nộp hoặc công bố đều phải qua bộ lọc tư duy, đánh giá logic và văn phong cá nhân của chính mình.
Dưới đây là bảng tổng hợp các rủi ro cốt lõi được rút ra từ các nghiên cứu thực tế và cách tôi áp dụng bộ nguyên tắc trên để xử lý:
Tình huống / Rủi ro phát sinh
Bộ nguyên tắc áp dụng
Hành vi xử lý thực tế
AI đưa ra danh mục tài liệu tham khảo không tồn tại (Link hỏng hoặc tên sách giả).
Thẩm định & Xác thực
Sử dụng công cụ Google Scholar để tìm kiếm lại tên tác giả và mã DOI xem tệp tin đó có thực sự tồn tại hay không.
Cần dịch thuật một văn bản chứa thông tin nội bộ của nhóm dự án.
Tối mật dữ liệu
Lọc bỏ toàn bộ tên người thật, mã số sinh viên, và các dữ liệu định danh trước khi đưa văn bản thô vào AI để dịch ngữ nghĩa.
AI tạo ra mã Code chạy bị lỗi cú pháp hoặc sai thuật toán.
Trách nhiệm con người
Tự mình rà soát từng dòng code (Code review), sử dụng các công cụ debug của phần mềm chuyên dụng (MATLAB/Python) thay vì bắt AI sửa mù quáng.
Xây dựng và tuân thủ bộ nguyên tắc sử dụng AI có trách nhiệm giúp tôi khai thác công nghệ một cách thông minh và an toàn. Công nghệ chỉ thực sự có ích khi nó được định hướng bởi tư duy đạo đức nghiêm túc của con người. Việc làm chủ bộ nguyên tắc này là hành trang quan trọng để tôi bước vào môi trường làm việc số chuyên nghiệp trong tương lai.