Vì sao công cụ tìm kiếm học thuật phổ biến bỏ sót tài liệu bản địa châu Á

Điểm mù

Tìm kiếm học thuật phổ biến được xây cho một thế giới: các tạp chí tiếng Anh có trong chỉ mục của những cơ sở dữ liệu thương mại. Google Scholar, Web of Science và Scopus không lập chỉ mục CNKI, Wanfang hay VIP. Chúng cũng không lập chỉ mục Garuda, Neliti hay SINTA, không lập chỉ mục kho lưu ký của các trường đại học Việt Nam và Thái, cũng không lập chỉ mục các tạp chí OJS của Indonesia — nơi phần lớn nghiên cứu thực nghiệm địa phương được công bố.

Đó là phần khó chịu: văn liệu bạn cần trích dẫn nhiều nhất cho một nghiên cứu về thị trường trong nước lại đúng là văn liệu mà tìm kiếm phổ biến không nhìn thấy. Giảng viên ở nước đích thường xuyên kỳ vọng có đúng những tài liệu tham khảo đó. Một lượt tìm trên Scholar sẽ không tạo ra chúng.

Ba tầng, không phải một ô tìm kiếm

WriterOne coi việc tìm nguồn là một bài toán định tuyến và chia thành ba tầng:

• Nguồn bản ngữ của nước đích: các đại học hàng đầu, tạp chí lõi và cơ quan có thẩm quyền của nước bạn đang nghiên cứu, tìm bằng tiếng bản địa.
• Tầng văn liệu tiếng Anh: các đại học hàng đầu tại Mỹ và châu Âu cùng tạp chí lõi SSCI, cung cấp lý thuyết và các so sánh xuyên quốc gia.
• Cơ sở dữ liệu tạp chí quốc gia: các chỉ mục bản địa mà tìm kiếm phổ biến không phủ.

Ba tầng được tìm riêng, và mỗi kết quả đều ghi lại nó đến từ tầng nào. Một kết luận về hành vi tiêu dùng ở Indonesia và một kết luận về lý thuyết thương mại điện tử không nên dựa trên cùng một loại nguồn, và cũng không nên được viết như thể chúng đến từ cùng một loại nguồn.

Tổng quan tài liệu không chỉ là một danh sách đọc. Phần đánh giá phê bình chỉ có ý nghĩa khi nó dựa trên các nguồn mà thị trường đó thực sự tạo ra.

Phạm vi tiếp cận: mỗi nước thực sự mở ra được bao nhiêu

Dưới đây là khối lượng tiếp cận được của 14 thị trường cốt lõi (danh sách trắng thực tế bao phủ 142 quốc gia mục tiêu), theo thứ tự cố định đại học / tạp chí / cơ quan:

• Trung Quốc: 227 / 16 / 20 — CNKI, Wanfang, VIP.
• Indonesia: 138 / 14 / 20 — Garuda, Neliti, SINTA.
• Việt Nam: 128 / 14 / 13 — cơ sở dữ liệu tạp chí quốc gia VJOL.
• Thái Lan: 127 / 14 / 13 — cơ sở dữ liệu tạp chí quốc gia ThaiJO.
• Malaysia: 142 / 12 / 14 — cục thống kê, ngân hàng trung ương.
• Philippines: 141 / 11 / 13 — ngân hàng trung ương, cục thống kê.
• Singapore: 148 / 12 / 13 — cục thống kê, cơ quan tiền tệ.
• Nhật Bản: 146 / 11 / 13 — ngân hàng Nhật Bản, thống kê Bộ Nội vụ.
• Hàn Quốc: 142 / 11 / 11 — các cơ quan Tier-1 toàn cầu.
• Hoa Kỳ: 130 / 15 / 12 — Fed, thống kê liên bang.
• Anh: 135 / 11 / 12 — cục thống kê quốc gia.
• Đức: 142 / 11 / 12 — cục thống kê quốc gia.
• Pháp: 141 / 14 / 12 — ngân hàng trung ương, thư viện quốc gia.
• Australia: 148 / 12 / 13 — ngân hàng trung ương, cục thống kê.
• Tầng thứ hai dùng chung: các đại học hàng đầu tại Mỹ và châu Âu cùng tạp chí lõi SSCI.

Đặt mười bốn con số cạnh nhau, sự khác biệt vừa đúng hình dạng của vấn đề: khối lượng tiếp cận lớn nhất của Trung Quốc không phải vì nước này có nhiều văn liệu tiếng Anh hơn, mà vì nó đồng thời có hệ sinh thái tạp chí nội địa lớn nhất; Singapore và Australia đứng đầu về số đại học vì danh sách trắng của mỗi nước đều nhận 30 đại học đã kiểm chứng; Việt Nam và Thái Lan gần bằng nhau vì quy mô các trường đại học hai nước tương tự, và cơ sở dữ liệu tạp chí quốc gia cũng cùng cỡ. Những con số này cũng không phải thước đo "đủ chưa" — chúng đo không phải bạn cần bao nhiêu tài liệu, mà là bạn sẽ gặp bao nhiêu cánh cửa sau khi mở cánh cửa đầu tiên.

Nguyên tắc: cổng, lưu trữ và phễu

Trước hết là cổng danh sách trắng. Mỗi nguồn đều mang tầng của nó và lý do được chọn. Không mục nào dừng lại ở câu "nguồn chất lượng cao" mà không ghi lý do — một lý do không kiểm tra được thì không phải lý do.

Thứ hai là lưu trữ. Mỗi biểu thức tìm kiếm được lưu kèm giai đoạn, loại nguồn, ngôn ngữ, số kết quả thô và số được giữ lại. Mỗi bản ghi bị loại đều mang lý do loại: trang danh mục thay vì bài báo, độ dài toàn văn dưới ngưỡng, trùng tiêu đề, không trúng danh sách trắng. Khi giảng viên hỏi vì sao bài này không có trong tổng quan của em, câu trả lời là một dòng trong một tệp, không phải trí nhớ.

Thứ ba là phễu. Phễu sàng lọc PRISMA ghi lại từng bước cùng lý do loại của bước đó, từng loại một. Sau khi loại trùng còn lại bao nhiêu, loại ở bước tiêu đề bao nhiêu, không lấy được toàn văn bao nhiêu, không khớp phương pháp bao nhiêu — mỗi con số đều truy được về những bản ghi đứng sau nó.

Kết luận: câu hỏi đầu tiên là "tìm ở đâu"

Phần lớn mọi người bắt đầu tổng quan tài liệu bằng một biểu thức tìm kiếm. Đó là câu hỏi thứ hai. Câu hỏi thứ nhất là: văn liệu về thị trường bạn đang nghiên cứu thực ra sống ở đâu, và câu trả lời là một danh sách trắng do chính bạn duy trì, chứ không phải một bộ thiết lập mặc định được thừa kế.

Biểu thức tìm kiếm không lấp được điểm mù. Bản đồ nguồn thì lấp được.