Phân tích trắc lượng thư mục về mối quan hệ giữa ứng dụng trí tuệ nhân tạo và liêm chính học thuật trong nghiên cứu khoa học ngành kinh tế

Ngô Thế Sơn

Email: [email protected]

Phạm Trung Tiến

Email: [email protected]

Đại học Thương Mại

Tóm tắt

Sự xuất hiện của các mô hình ngôn ngữ lớn (LLM) thế hệ mới như ChatGPT (OpenAI, 2022), Gemini (Google, 2023) và Claude (Anthropic, 2023) đang làm thay đổi mạnh mẽ nghiên cứu khoa học. Nghiên cứu sử dụng phân tích trắc lượng thư mục trên 2.096 bài báo từ cơ sở dữ liệu Dimensions để đánh giá sự phát triển của trí tuệ nhân tạo (AI) và vấn đề liêm chính khoa học trong nghiên cứu kinh tế giai đoạn từ 2022 đến nay. Kết quả phân tích bằng VOSviewer cho thấy số lượng công bố tăng đều sau 2022 - thời điểm AI tạo sinh bùng nổ. Từ đó, nghiên cứu đề xuất mở rộng theo hướng liên ngành và tích hợp các thang đo đạo đức vào mô hình chấp nhận công nghệ nhằm thúc đẩy việc sử dụng AI có trách nhiệm.

Từ khóa: Mô hình ngôn ngữ lớn (LLM), AI tạo sinh, trắc lượng thư mục, liêm chính khoa học, kinh tế, VOSviewer

Abstract

The emergence of next-generation large language models (LLMs), such as ChatGPT (OpenAI, 2022), Gemini (Google, 2023), and Claude (Anthropic, 2023), is profoundly transforming scientific research. This study employs bibliometric analysis on 2,096 articles from the Dimensions database to evaluate the development of artificial intelligence (AI) and issues of research integrity in economic studies from 2022 to the present. The analysis results, conducted using VOSviewer, indicate a steady increase in publications after 2022 - the period marking the rapid expansion of generative AI. Based on these findings, the study proposes expanding research in an interdisciplinary direction and integrating ethical measurement scales into technology acceptance models to promote the responsible use of AI.

Keywords: Large language models (LLMs), generative AI, bibliometric analysis, research integrity, economics, VOSviewer

ĐẶT VẤN ĐỀ

Cách mạng công nghiệp 4.0, giáo dục đại học không chỉ truyền thụ tri thức mà còn thúc đẩy đổi mới sáng tạo cho xã hội số. Chiến lược AI quốc gia đến 2030 xác định AI là công nghệ then chốt cho tăng trưởng (Tieu và cộng sự, 2025). Việt Nam ghi nhận tốc độ tăng trưởng nghiên cứu AI cao, thuộc Top 5 ASEAN về chỉ số sẵn sàng AI năm 2024 (Bộ Khoa học và Công nghệ, 2025), nhưng mức đầu tư cho nghiên cứu và phát triển (R&D)/GDP còn thấp so với Singapore và Malaysia, hạn chế hạ tầng nghiên cứu quy mô lớn (Ngo, 2025). Trong bối cảnh chuyển đổi số và hội nhập khoa học, việc hiểu tác động của AI đến nghiên cứu học thuật mang tính chiến lược. Dù AI giúp mở rộng khả năng tiếp cận tri thức, nó cũng đặt ra nguy cơ suy giảm tính nguyên bản và độ tin cậy nếu bị lạm dụng (Fourrage, 2025), thậm chí làm giảm năng lực tư duy phản biện (Nguyen và cộng sự, 2016). Trong khi đó, các chính sách liêm chính học thuật chưa theo kịp tốc độ phát triển AI (Shoib và cộng sự, 2025). Vì vậy, cần nghiên cứu các yếu tố ảnh hưởng đến nhận thức và hành vi sử dụng AI gắn với liêm chính học thuật (Ho và cộng sự, 2021).

Phân tích trắc lượng thư mục là công cụ cần thiết để làm rõ cấu trúc tri thức của lĩnh vực, không chỉ qua số lượng công bố mà còn qua mạng lưới hợp tác, tác giả ảnh hưởng và xu hướng nghiên cứu theo thời gian (Nguyen, 2025). Nghiên cứu này tập trung vào việc trả lời các câu hỏi về tốc độ tăng trưởng của các công bố về AI, các đơn vị dẫn đầu, và quan trọng hơn là AI đã tác động như thế nào đến động lực và phương pháp nghiên cứu khoa học áp dụng trong lĩnh vực khối ngành kinh tế.

CƠ SỞ LÝ THUYẾT

Liêm chính học thuật được định nghĩa là một nguyên tắc đạo đức cốt lõi, được xác định bởi Trung tâm Quốc tế về Liêm chính Học thuật (International Center for Academic Integrity - ICAI) dựa trên những cam kết về chuẩn mực giá trị là sự trung thực, tin tưởng, công bằng, tôn trọng, trách nhiệm và dũng cảm (Vo, 2025). Từ đó cũng xác định được các dạng vi phạm liêm chính truyền thống bao gồm các hoạt động đạo văn, gian lận trong thi cử, thuê viết bài và làm giả dữ liệu nghiên cứu (Bretag và cộng sự, 2011). Sự xuất hiện và nở rộ của các mô hình học máy ngôn ngữ lớn, đặc biệt là AI tạo sinh (generative AI), đã thay đổi về căn bản quy mô và bản chất của cả hoạt động giảng dạy, nghiên cứu cũng như các dạng vi phạm liêm chính hiện tại. Cụ thể, AI tác động đến hoạt động nghiên cứu qua 3 giai đoạn chính là hỗ trợ xác định các khoảng trống, tổng quan tài liệu và xây dựng giả thuyết trong giai đoạn tiền nghiên cứu (Le và cộng sự, 2025); xử lý dữ liệu lớn, chạy các mô hình mô phỏng và kiểm định giả thuyết (Ho và cộng sự, 2021) trong khi nghiên cứu; và hỗ trợ biên tập ngôn ngữ (Grammarly, QuillBot), định dạng trích dẫn theo chuẩn APA hay gợi ý các tạp chí phù hợp để gửi bài trong giai đoạn hậu kỳ (Le và cộng sự, 2025).

Việc khai thác hiệu quả AI giúp giảm đáng kể thời gian, cho phép nhà nghiên cứu tập trung vào ý tưởng sáng tạo cốt lõi (Le và cộng sự, 2025). Tuy nhiên, lạm dụng AI có thể dẫn đến sai phạm trong kiến tạo tri thức, với phạm vi ảnh hưởng rộng hơn các công nghệ truyền thống. Các hành vi tiêu biểu gồm: (1) AI-giarism – sử dụng nội dung do AI tạo ra nhưng không ghi nhận, khó truy nguồn và không có tác giả pháp lý (Adeshola và Adepoju, 2023; Cotton và cộng sự, 2024); (2) Cyber-pseudepigraphy - dùng AI xây dựng lập luận khoa học nhưng tự nhận là tác giả duy nhất (Shoib và cộng sự, 2025); (3) Fake hallucination - tạo trích dẫn giả, làm sai lệch hệ thống tri thức nếu không được kiểm chứng (Tieu, Nguyen & Nguyen, 2025; Fourrage, 2025); và (4) gia tăng bất bình đẳng nghiên cứu do chênh lệch khả năng tiếp cận các công cụ AI.

Bên cạnh đó, việc phụ thuộc vào AI có thể làm suy giảm quá trình tư duy sâu - vốn là nền tảng của sáng tạo khoa học - và dẫn đến các kết quả thiếu hiểu biết bối cảnh. Do hoạt động dựa trên xác suất từ dữ liệu quá khứ, AI cũng dễ tạo ra nội dung trung tính, làm giảm tính độc đáo và bản sắc cá nhân trong nghiên cứu.

PHƯƠNG PHÁP NGHIÊN CỨU

Trắc lượng thư mục (bibliometrics) là phương pháp định lượng sử dụng toán học và thống kê để phân tích dữ liệu ấn phẩm khoa học (Nguyen, 2025), cho phép xử lý dữ liệu quy mô lớn một cách hệ thống, minh bạch và hạn chế thiên lệch (Donthu và cộng sự, 2021). Các công cụ như VOSviewer và Bibliometrix hỗ trợ trực quan hóa mạng lưới và bản đồ nghiên cứu, giúp nhận diện các “điểm nóng” và xu hướng chuyển dịch từ thuật toán truyền thống sang ứng dụng AI (Tieu và cộng sự, 2025; Nguyen và cộng sự, 2025).

Nghiên cứu áp dụng thiết kế thuần trắc lượng thư mục theo Donthu và cộng sự (2021), sử dụng dữ liệu từ Dimensions. Chiến lược tìm kiếm dựa trên toán tử Boolean (AND/OR), kết hợp 3 nhóm từ khóa: trí tuệ nhân tạo, liêm chính khoa học/đạo đức học thuật và lĩnh vực kinh tế (quản trị, tài chính, kế toán, marketing), đồng thời loại trừ các chủ đề y sinh và công nghệ chuyên sâu để tránh nhiễu dữ liệu. Cú pháp được đưa vào trường tìm kiếm là:

(“artificial intelligence” OR “generative AI” OR “large language model*” OR “machine learning”) AND (“research integrity” OR “scientific integrity” OR “academic integrity” OR “research ethics” OR “scientific misconduct” OR “publication ethics” OR plagiarism OR fabrication OR falsification) AND (“economic research” OR “economics” OR “business research” OR “management research” OR “finance research” OR “accounting research” OR “marketing research” OR “business administration”) AND (“academic research” OR “scholarly research” OR “higher education” OR “research publication”) NOT (“medicine” OR “healthcare” OR “clinical” OR “engineering” OR “computer vision” OR “robotics” OR “biology”)

Kết quả ban đầu thu được dựa trên trường dữ liệu gồm 5.019 tài liệu. Sau khi áp dụng tiêu chí lọc theo chuẩn PRISMA (Page và cộng sự, 2021) dựa trên các tiêu thức lọc về số năm (mốc thời gian lựa chọn để nghiên cứu bắt đầu từ năm 2022, dựa trên cột mốc tính từ thời điểm ChatGPT ra mắt quốc tế từ 30/11/2022), loại hình nghiên cứu giới hạn ở các bằng đăng trên tạp chí, và lọc các bài truy cập mở (open access). Kết quả cuối cùng thu được gồm 2.096 tài liệu thỏa mãn các điều kiện trên.

THẢO LUẬN KẾT QUẢ

Kết quả thống kê Hình 1 cho thấy các công bố trong phạm vi tương quan giữa trí tuệ nhân tạo (AI) và các giá trị đạo đức trong lĩnh vực nghiên cứu khoa học chuyên ngành kinh tế có xu hướng gia tăng trong giai đoạn 2021-2026 và đặc biệt từ giai đoạn 2023 trở về sau (số liệu 2026 là số liệu thu thập tính đến thời điểm nghiên cứu). Tốc độ tăng trưởng số lượng nghiên cứu ổn định qua các năm và có mức tăng cao nhất hơn gấp đôi cho giai đoạn 2024-2025. Nếu xét phạm vi chủ đề nghiên cứu là nhánh nhỏ trong trường nghiên cứu về AI, sự gia tăng này phản ánh thực tế là mức độ tác động trực tiếp của các mô hình ngôn ngữ AI đến quy trình nghiên cứu như tìm kiếm tài liệu, phân tích dữ liệu, viết học thuật và đánh giá công bố.

Hình 1: Thống kê số lượng bài báo đăng tạp chí giai đoạn 2022-2026

Nguồn: Tổng hợp từ Dimension, tháng 4/2026

Danh mục 10 quốc gia dẫn đầu về xuất bản trong giai đoạn nghiên cứu 2022-2026 xếp theo thứ tự giảm dần về tổng mức độ mạnh liên kết của các trích dẫn (Bảng 1). Điều kiện lọc áp dụng theo quốc gia dựa theo tiêu thức ít nhất 1 bài cho mỗi quốc gia và ít nhất 5 trích dẫn từ 1 quốc gia. Trong số các quốc gia này có sự phân hóa không đồng đều về cả số bài, số lượng trích dẫn cũng như về tổng mức độ liên kết của trích dẫn. Riêng nhóm 4 quốc gia dẫn đầu chiếm gần 70% số lượng bài báo đăng cũng là các quốc gia được biết đến có nền tảng công nghệ mạnh và/hoặc đầu tư cho R&D cao. Các quốc gia này đều dẫn đầu ở cả chỉ tiêu về số bài, số trích dẫn cũng như mức độ mạnh trong liên kết. Một số quốc gia khác dù số lượng bài không quá nhiều song lượt trích dẫn lại khá lớn, chẳng hạn như Thụy Điển, Đức và Đan Mạch. Trường hợp đặc thù Malaysia có mức trích dẫn và mức độ mạnh liên kết đáng kể so với các quốc gia khu vực Đông Nam Á. Indonesia mặc dù có số lượng bài không quá thấp song mức độ ảnh hưởng còn hạn chế trong tương quan hiệu suất trích dẫn cũng như xét chỉ số mức độ mạnh liên kết

Bảng 1: Các quốc gia dẫn đầu về xuất bản giai đoạn 2022-2026

Nguồn: Tổng hợp từ Vosviewer, tháng 4/2026

Bảng 2 tổng hợp nhóm 10 tạp chí dẫn đầu về chỉ tiêu mức độ liên kết mạnh nhất cũng đều là các tạp chí được xếp hạng mức Q1 (trừ Sustainability xếp hạng Q2 cho các phân nhóm chủ đề) trong hệ thống cơ sở dữ liệu chỉ mục khoa học SCImago với nhóm lĩnh vực về giáo dục hoặc công nghệ trong giáo dục. Sự phân hóa giữa các tạp chí không có sự thống nhất về số bài – mức độ trích dẫn và tổng mức độ mạnh liên kết giữa các bài. Tựu chung, mức độ ảnh hưởng học thuật không hoàn toàn phụ thuộc ở số lượng bài công bố, đồng thời xu hướng thấy rõ sự gia tăng ở các tạp chí có định hướng nghiên cứu lĩnh vực ứng dụng khoa học máy tính.

Bảng 2: Thống kê tạp chí có mức độ ảnh hưởng nhiều nhất giai đoạn 2022-2026

Nguồn: Tổng hợp từ Vosviewer và cơ sở dữ liệu SCImago, tháng 4/2026

Phân tích chỉ số Co-occurrence sử dụng phương pháp Binary counting với điều kiện cho một từ khóa bất kỳ xuất hiện từ 20 lần trở lên cho ra kết quả 634 từ đáp ứng tiêu chuẩn từ trong số 52.133 từ khóa trích xuất từ tiêu đề và tóm lược của mẫu nghiên cứu. Dựa trên mức độ đề xuất mặc định 60% từ có liên quan, Vosviewer lọc ra 380 từ khóa có mức độ xuất hiện cao nhất chia vào 4 cụm chủ đề:

Hình 2: Bản đồ đồng bộ xuất hiện từ khóa giai đoạn 2022-2026

Nguồn: Tổng hợp từ Vosviewer, tháng 4/2026

Cụm màu đỏ, thể hiện các vấn đề nền tảng, hệ quả và khung lý thuyết về đạo đức AI, với các từ khóa như “article”, “science”, “ethics”, “transparency”, “governance”, “trust”, “compliance”. Đây là cụm có tính khái quát cao, liên kết mạnh với các vấn đề vĩ mô như quản trị công nghệ, niềm tin xã hội và tác động của AI đến hệ sinh thái nghiên cứu. Sự xuất hiện của các từ khóa như “systematic literature review” và “framework” cho thấy xu hướng gia tăng các nghiên cứu tổng quan và xây dựng khung lý thuyết nhằm giải thích và định hướng việc sử dụng AI có trách nhiệm trong nghiên cứu khoa học. Điều này phản ánh một nỗ lực hệ thống nhằm bảo vệ tính xác thực của tri thức khoa học trước sự xâm lấn của các nội dung tự động hóa.

Cụm màu vàng, đại diện cho trục đạo đức học thuật và liêm chính nghiên cứu, với các từ khóa trung tâm như “academic integrity”, “guideline”, “policy” và đặc biệt là sự xuất hiện nổi bật của “ChatGPT”. Sự liên kết chặt chẽ giữa các khái niệm này cho thấy sự dịch chuyển trong nhận thức đạo đức nghiên cứu từ một hệ quy chuẩn sang một hệ thống cần được tái cấu trúc trong bối cảnh AI tạo sinh. Việc ChatGPT nằm gần trung tâm cụm này phản ánh vai trò hai mặt của công nghệ: vừa là công cụ hỗ trợ học thuật, vừa đặt ra thách thức đối với tính trung thực và nguyên bản trong nghiên cứu.

Cụm màu xanh lá, đại diện cho bối cảnh giáo dục đại học và hành vi người học/nghiên cứu, với các từ khóa như “student”, “perception”, “motivation” và “learning”. Điều này phản ánh rõ ràng rằng phần lớn các nghiên cứu thực nghiệm hiện nay đang tập trung vào việc khảo sát nhận thức và hành vi của sinh viên và người học đối với AI. Sự xuất hiện với mật độ dày đặc các từ khóa như “AI adoption”, “attitude”, và “self-efficacy” cho thấy xu hướng ứng dụng các mô hình chấp nhận công nghệ (như TAM) trong phân tích hành vi học thuật. Điều này đặc biệt phù hợp với bối cảnh khối ngành kinh tế, nơi các phương pháp định lượng và mô hình hành vi được sử dụng phổ biến.

Cụm màu xanh dương, tập trung vào phương pháp nghiên cứu định lượng và mô hình hóa hành vi, với các từ khóa “theory”, “influence”, “effect”, “behavior”, “factor”, “intention” và các phương pháp định lượng như “structural equation modeling”. Đây là cụm thể hiện rõ đặc trưng phương pháp luận của lĩnh vực, khi các nghiên cứu chủ yếu sử dụng các kỹ thuật phân tích định lượng để kiểm định mối quan hệ giữa AI và các yếu tố đạo đức, hành vi. Mô hình chấp nhận công nghệ (TAM) vẫn là trụ cột lý thuyết chính để giải thích cách thức các tác nhân kinh tế tương tác với AI. Sự hiện diện của các khái niệm như “mediating role” và “moderating role” cho thấy mức độ phát triển ở bậc cao của các mô hình nghiên cứu, không chỉ dừng lại ở mối quan hệ trực tiếp mà còn mở rộng sang các cơ chế trung gian và điều tiết.

Xét về mối quan hệ giữa các cụm, có thể nhận thấy một cấu trúc liên kết giữa cụm đạo đức (vàng) đóng vai trò trung tâm khái niệm, kết nối với cụm công nghệ và quản trị (đỏ), trong khi cụm hành vi (xanh lá) và phương pháp (xanh dương) đóng vai trò triển khai thực nghiệm. Điều này phản ánh một tiến trình phát triển logic của lĩnh vực: từ nhận diện vấn đề đạo đức → xây dựng khung lý thuyết → kiểm định thực nghiệm → mở rộng sang các mô hình hành vi.

KẾT LUẬN

Thứ nhất, nghiên cứu góp phần hệ thống hóa cấu trúc tri thức của lĩnh vực AI và đạo đức nghiên cứu trong khối ngành kinh tế, qua đó cung cấp một nền tảng lý thuyết cho các nghiên cứu tiếp theo. Việc xác định bốn cụm chủ đề chính giúp làm rõ các hướng nghiên cứu cốt lõi và mối quan hệ giữa chúng. Các phát hiện nhấn mạnh rằng AI không chỉ đóng vai trò là công cụ hỗ trợ nghiên cứu mà còn làm thay đổi bản chất của hoạt động học thuật, đặt ra những thách thức mới đối với tính minh bạch, trách nhiệm và độ tin cậy của tri thức khoa học. Cụ thể là sự xuất hiện của các từ khóa như “trust”, “transparency”, “bias”, và “responsibility” nằm ở vùng giao thoa giữa các cụm chủ đề cho thấy nghiên cứu hiện nay đang chuyển dịch từ việc chỉ tập trung ứng dụng AI sang quản trị AI có trách nhiệm, đặc biệt trong môi trường học thuật. Đây cũng là xu hướng phù hợp với các thảo luận toàn cầu về đạo đức AI và quản trị công nghệ. Tuy nhiên, kết quả cũng cho thấy một số tồn tại tiềm ẩn. Thứ nhất, mặc dù khối ngành kinh tế là bối cảnh nghiên cứu, nhưng các từ khóa liên quan trực tiếp đến các chuyên ngành như “finance”, “accounting”, hay “marketing” xuất hiện chưa rõ ràng, cho thấy khoảng trống về các nghiên cứu chuyên sâu theo từng lĩnh vực kinh tế cụ thể.

Thứ hai, các nghiên cứu hiện tại vẫn đang nghiêng về bối cảnh giáo dục (lấy người học làm trung tâm), trong khi các nghiên cứu về hành vi của nhà nghiên cứu, giảng viên hoặc tổ chức nghiên cứu còn khá hạn chế, cụ thể: (1) dữ liệu chỉ được thu thập từ một cơ sở dữ liệu đơn nhất nên có thể chưa phản ánh đầy đủ toàn bộ lĩnh vực, đặc biệt khi xem xét quan hệ giữa 2 phạm vi chủ đề nghiên cứu khá rộng là AI và liêm chính/đạo đức khoa học; (2) phân tích từ khóa chỉ phản ánh bề mặt nội dung, chưa đi sâu vào bản chất lý thuyết của từng nghiên cứu.

Để có thể xem xét được tác động cụ thể, các nghiên cứu tương lai có thể xem xét mở rộng các khung lý thuyết hiện có (chẳng hạn các mô hình chấp nhận công nghệ như TAM hay UTAUT) tích hợp thêm các yếu tố đạo đức như niềm tin (trust), nhận thức rủi ro (perceived risk) và trách nhiệm (accountability) nhằm phản ánh đầy đủ hơn tác động của AI trong môi trường học thuật. Đối với nghiên cứu khám phá có thể mở rộng dữ liệu từ nhiều nguồn và bổ sung những phương pháp định tính chuyên sâu để bổ sung góc độ tiếp cận mở rộng về lĩnh vực chủ đề.

Tài liệu tham khảo:

1. Adeshola, I. & Adepoju, A.P. (2023). The opportunitiesand challenges of ChatGPT in education. Interactive Learning Environments. https://doi.org/10.1080/10494820.2023.2253858

2. Bộ Khoa học và Công nghệ (2025). Vietnam makes major strides in AI development. https://beta-en.mic.gov.vn/vietnam-makes-major-strides-in-ai-development-19725092212275951.htm

3. Bretag et al,. (2011). Core elements of exemplar academic integrity policy in Australian higher education. International journal for educational integrity. 7(2), 3-12.

4. Cotton, D.R.E., Cotton, P.A., & Shipway, J.R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239.

5. Da, T.N. (2025). Artificial intelligence (AI) in mathematics education: Bibliometric analysis for the period 2020-2025. International Electronic Journal of Mathematics Education, 20(4), em0857. https://doi.org/10 (Ho & ctg., 2021).9333/iejme/17182.

6. Donthu, N., Kumar, S., Mukherjee, D., Pandey, N. & Lim, W.M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296.

7. Fourrage, L. (2025). The Complete Guide to Using AI in the Education Industry in Viet Nam in 2025. https://www.nucamp.co/blog/coding-bootcamp-viet-nam-vnm-education-the-complete-guide-to-using-ai-in-the-education-industry-in-viet-nam-in-2025

8. Ho, M.T., Le, N.T.B., Ho, M.T., Vuong, Q. (2021). A bibliometric review on development economics research in Vietnam from 2008 to 2020. Quality & Quantity, 56(5), 2939-2969.

9. Le, H.V.P., Luu, T.L., Giang, G.B., Vu, H.L., Nguyen, T.N.N. (2025). Ai Integration in Teaching and Learning: Faculty Training for the Use of Artificial Intelligence in Higher Education in Vietnam. https://tdmujournal.vn/uploads/paper/files/11-Le-Ho-Van-Phang.pdf

10. Le, T.P., Do, D.K., Hoang, T.H.D. & Nguyen, X.H. (2025). AI Tools as Facilitators or Threats to Vietnamese Students' Academic Integrity in Research Writing. AsiaCALL Online Journal, 16(2), 41-55.

11. Ngo, H. (2025). Vietnam set to become a regional AI powerhouse. https://en.vneconomy.vn/vietnam-set-to-become-a-regional-ai-powerhouse.htm

12. Nguyen, Q., Klopper, C. & Smith, C. (2016). Affordances, barriers, and motivations: engagement in research activity by academics at the research-oriented university in Vietnam. https://www.tandfonline.com/doi/full/10.1080/23265507.2016.1170627. Nguyen, Nguyen T.H., P.L. & Pham, T.T. (2025). Challenges of AI in Education: A Systematic Review. IOSR Journal of Research & Method in Education, 15(3), 37-46.

13. Page, M.J. McKenzie et al,. (2021). The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. https://pubmed.ncbi.nlm.nih.gov/33782057/

14. Rahmawati, R.A. & Riani, L.P. (2025). Mapping Artificial Intelligence Trends and Challenges in Human Resource Management Practice: A Bibliometric Analysis of Recent Literature. Journal of Business and Management Review, 6(10), 1426-1439.

15. Shoib, N.A.M., Talip, R. & Sukor, N. (2025). Mapping the Intellectual Landscape of Decision-Making In Educational Leadership: A Bibliometric Analysis From 2015 To 2025. International Journal of Modern Education, 7(26), 157-173.

16. Tieu, T.M.H., Nguyen, T.T.T. & Nguyen, T.P.T. (2025). Mapping artificial intelligence research in higher education toward sustainable development. https://www.researchgate.net/publication/397591837_Mapping_artificial_intelligence_research_in_higher_education_toward_sustainable_development

17. Van Eck, N.J. and Waltman, L. (2007). VOS: A New Method for Visualizing Similarities Between Objects. https://doi.org/10.1007/978-3-540-70981-7_34

18. Vo, T.T.T. (2025). The Impact of Artificial Intelligence on Graduation Thesis Writing: A Case Study of English Majors at a Vietnamese Public University. International Journal on Studies in English Language and Literature, 13(9), 43-53.