Tổng quan về luận án

Luận án này tiên phong trong việc khám phá các yếu tố từ vựng (YTTV) trong độ đo phong cách (P) của văn bản báo chí tiếng Việt, đồng thời thực hiện so sánh đối chiếu với tiếng Anh, một lĩnh vực còn nhiều khoảng trống trong Ngôn ngữ học so sánh đối chiếu. Bối cảnh khoa học cho thấy sự thiếu hụt nghiêm trọng về tài nguyên nghiên cứu cho tiếng Việt, bao gồm ngữ liệu có chú thích và công cụ tự động, vốn là rào cản cho sự phát triển của phong cách trắc học trong ngôn ngữ này. Nghiên cứu này trực tiếp giải quyết research gap này, vốn được chỉ ra bởi các nhà nghiên cứu trong ngành rằng "hiện nay các công trình nghiên cứu P trong tiếng Việt còn hạn chế về cả số lượng lẫn quy mô" (MỞ ĐẦU, trang 2), và "chưa có công trình nghiên cứu quy mô lớn nào sử dụng các phương pháp thực nghiệm X DTTG cho việc khảo sát số lượng lớn các YTTV một cách đồng loạt" (MỞ ĐẦU, trang 2).

Nghiên cứu được thúc đẩy bởi sự ứng dụng ngày càng cao của Phong cách trắc học trong các lĩnh vực như khoa học hình sự và điều tra tội phạm mạng, nơi việc xác định danh tính tác giả (X DTTG) là cực kỳ quan trọng. Luận án đặt ra hai câu hỏi nghiên cứu cốt lõi:

  1. Các YTTV có ảnh hưởng như thế nào đến P các văn bản báo chí tiếng Việt?
  2. Có những điểm tương đồng và khác biệt nào về mức độ ảnh hưởng của các YTTV đến P các văn bản báo chí tiếng Việt và tiếng Anh?

Để trả lời những câu hỏi này, luận án xây dựng một khung lý thuyết vững chắc dựa trên các lý thuyết về phong cách ngôn ngữ, độ đo phong cách và ứng dụng của chúng, đồng thời tích hợp các nguyên tắc từ Ngôn ngữ học tính toán và Xử lý Ngôn ngữ Tự nhiên. Đóng góp đột phá của luận án là việc xây dựng một quy trình thực nghiệm X DTTG có thể tái tạo cho tiếng Việt, khảo sát một tập hợp toàn diện gồm 79 yếu tố từ vựng (Bảng 0.2, trang 5-6) thông qua 31.600 lượt thực nghiệm (Bảng 0.5, trang 15-16). Điều này mang lại một cơ sở dữ liệu định lượng và bằng chứng cụ thể về mức độ ảnh hưởng của từng yếu tố. Phạm vi nghiên cứu tập trung vào văn bản báo chí, sử dụng một ngữ liệu tiếng Việt tự xây dựng là VVC_Stylometry với 509 bài viết từ 48 tác giả và ngữ liệu tiếng Anh Telegraph Columnist Corpus với 1600 bài viết từ 40 tác giả. Ý nghĩa của nghiên cứu nằm ở việc cung cấp các công cụ và phương pháp mới để X DTTG trong tiếng Việt, đồng thời làm sáng tỏ các đặc điểm phong cách ngôn ngữ của tác giả trong hai ngôn ngữ khác nhau.

Literature Review và Positioning

Các công trình nghiên cứu về độ đo phong cách (P) đã phát triển đáng kể, đặc biệt là trong tiếng Anh. Wales (2003) và Schaalje và cộng sự (2012) đều nhận định rằng P đã có lịch sử hình thành từ giữa thế kỷ 19, với đề xuất của Augustus de Morgan (1851) về việc sử dụng Trung bình chiều dài từ (TBCDT) để đặc tả phong cách. Holmes (1997) cũng chỉ ra rằng dù tác giả cố gắng thay đổi cách viết, vẫn có những đặc trưng phong cách tiềm thức được giữ nguyên.

Luận án này tổng hợp các luồng nghiên cứu chính về YTTV trong P tiếng Anh, bao gồm:

  • Phân bố chiều dài từ (PBCDT): Mendenhall (1887, 1901) là người tiên phong với khái niệm "từ phổ" (word-spectrum), khẳng định PBCDT có thể cho thấy dấu ấn phong cách tác giả, ổn định và bất biến. Nghiên cứu của ông đã áp dụng để so sánh các tác phẩm của Dickens, Thackeray và thậm chí xác định tác giả bí mật cho các vở kịch của Shakespeare. Brinegar (1963) cũng sử dụng PBCDT để kết luận các bức thư Snodgrass không phải do Mark Twain viết.
  • Trung bình chiều dài từ (TBCDT): Augustus de Morgan (1851) đề xuất áp dụng TBCDT để X DTTG. Các nghiên cứu sau này của Foster (1989) và Forsyth và cộng sự (1999) cũng xác nhận TBCDT là một yếu tố hiệu quả.
  • Độ phong phú từ vựng (PPTV): Holmes (1985) kết luận PPTV hiệu quả trong việc phân biệt phong cách. Ông đã sử dụng các chỉ số Honoré’s H, Sichel’s S, và Yule’s K (1992). Harris (2010) cho rằng PPTV có thể giúp phân lớp văn bản dựa trên đặc điểm từ vựng khác nhau giữa các thể loại. Dalen-Oskam và Zundert (2007) đã dùng Yule’s K và sau đó là khoảng cách Delta để xác định điểm chuyển giao tác giả trong tác phẩm Roman van Walewein.
  • Tần số từ: Smith (1888) là người đầu tiên sử dụng tần số hư từ, cho rằng chúng "cấu thành nên lời nói, trải rộng và lan ra toàn bộ ngôn ngữ của một người", và không bị phụ thuộc vào chủ đề như thực từ. Tuy nhiên, Ellegard (1962) đã sử dụng tần số thực từ để X DTTG cho The Junius Letters, biện giải rằng các từ thông dụng được sử dụng với mức độ đồng đều. Nghiên cứu kinh điển của Mosteller và Wallace (1963, 1964, 1984) đã thành công trong việc xác định tác giả cho Tập luận thuyết liên bang của Hoa Kỳ bằng cách so sánh tần số các từ thông dụng như may, also, an, his.
  • Tần số từ khi tính theo kiểm định thống kê: McMenamin (2002) nhấn mạnh tầm quan trọng của kiểm định thống kê để đánh giá ý nghĩa của sự khác biệt tần số từ. Yang và Pedersen (1997) đã dùng 5 phép tính kiểm định thống kê. Grieve (2007) và các nhà nghiên cứu gần đây hơn (Mealand, 1995; Barlow, 2013; Brezina, 2018) đã chuyển sang sử dụng phân tích tương ứng (correspondence analysis) để khắc phục nhược điểm của kiểm định chi-squared, vốn thường thiếu cân xứng với các từ tần số cao.

Contradictions/Debates: Một điểm tranh cãi rõ ràng là giữa Smith (1888) và Ellegard (1962) về việc sử dụng hư từ hay thực từ. Smith khẳng định hư từ hiệu quả hơn do tính độc lập với chủ đề, trong khi Ellegard lập luận rằng các từ thông dụng (bao gồm thực từ) cũng có tính ổn định cao. Luận án giải quyết mâu thuẫn này bằng cách khảo sát cả hai loại YTTV một cách toàn diện.

Positioning trong Literature: Luận án này định vị mình là một nghiên cứu đột phá trong lĩnh vực P tiếng Việt bằng cách chuyển từ các phương pháp định tính hoặc các ứng dụng học máy/học sâu phức tạp (vốn khó giải thích trong bối cảnh pháp lý) sang các phương pháp thực chứng định lượng dễ tái tạo và trực quan hóa. Nó đặc biệt giải quyết "tình trạng thiếu hụt tài nguyên nghiên cứu, bao gồm ngữ liệu có chú thích và công cụ tự động" (MỞ ĐẦU, trang 2) cho tiếng Việt, vốn là rào cản lớn.

How this advances field: Nghiên cứu này thúc đẩy lĩnh vực P tiếng Việt bằng cách:

  1. Cung cấp ngữ liệu VVC_Stylometry: Một tài nguyên quan trọng cho các nghiên cứu tương lai về tiếng Việt.
  2. Hệ thống hóa 79 YTTV: Xác định cụ thể mức độ ảnh hưởng của từng yếu tố, mang lại bộ tiêu chí rõ ràng cho X DTTG tiếng Việt.
  3. Thiết lập quy trình thực nghiệm minh bạch: Giúp tái tạo và kiểm chứng kết quả một cách dễ dàng.
  4. Thực hiện so sánh đối chiếu với tiếng Anh: Góp phần vào Ngôn ngữ học so sánh đối chiếu, làm rõ các đặc điểm phổ quát và đặc thù ngôn ngữ trong P.

So sánh với ít nhất 2 international studies:

  • Mosteller và Wallace (1963, 1964, 1984): Nghiên cứu kinh điển về Federalist Papers đã sử dụng tần số từ thông dụng để xác định tác giả. Luận án này mở rộng phương pháp này bằng cách không chỉ khảo sát tần số từ chung mà còn đi sâu vào các lớp từ cụ thể như từ xưng hô (TXH), thực thể có tên (TTCT), tác tử lập luận (TTLL), từ Hán Việt, từ nước ngoài, từ mới và thành ngữ (Bảng 0.2, trang 5-6), đồng thời áp dụng cả thống kê cơ bản và kiểm định thống kê (phân tích tương ứng) để phân tích tần số, vượt xa phạm vi của Mosteller và Wallace.
  • Grieve (2007): Nghiên cứu của Grieve đã xây dựng Telegraph Columnist Corpus và đề xuất ngưỡng 75% độ chính xác cho một YTTV được coi là thành công. Luận án này sử dụng chính ngữ liệu của Grieve để đối chiếu với tiếng Việt và mở rộng thang độ đánh giá mức độ ảnh hưởng (Hình 0.2, trang 17), đồng thời kiểm định các YTTV trên các nhóm tác giả có thông tin xã hội học đồng nhất và hỗn hợp, tăng cường độ tin cậy.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này mở rộng và thách thức các lý thuyết hiện có về phong cách trắc học bằng cách áp dụng chúng vào một ngôn ngữ có loại hình đơn lập và thiếu tài nguyên như tiếng Việt, vốn có những đặc điểm ngữ pháp và từ vựng khác biệt sâu sắc so với các ngôn ngữ Ấn-Âu. Cụ thể, nghiên cứu mở rộng lý thuyết "từ phổ" (word-spectrum) của Mendenhall (1887) bằng cách kiểm nghiệm sự ổn định của Phân bố chiều dài từ (PBCDT) không chỉ theo ký tự mà còn theo âm tiết, một yếu tố đặc trưng của ngôn ngữ đơn âm tiết. Ngoài ra, nó cũng mở rộng các chỉ số Độ phong phú từ vựng của Honoré (1979), Sichel (1975), và Yule (1944) (Bảng 0.1, trang 4) để đánh giá hiệu quả của chúng trong việc X DTTG tiếng Việt, một ngữ cảnh chưa được khảo sát kỹ lưỡng.

Khung phân tích khái niệm (Conceptual Framework) của luận án bao gồm các thành phần chính:

  • Yếu tố từ vựng (YTTV): Được phân loại thành 5 nhóm độ đo, bao gồm hình thức (PBCDT, TBCDT) và nội dung (PPTV, tần số từ theo thống kê cơ bản, tần số từ theo kiểm định thống kê).
  • Độ đo phong cách (P): Các công thức định lượng phong cách viết của tác giả.
  • Xác định danh tính tác giả (X DTTG): Nhiệm vụ ứng dụng chính, đo lường độ chính xác của các YTTV.
  • Thông tin xã hội học của tác giả: Giới tính, ngành nghề, độ tuổi (được dùng để phân nhóm và phân tích ngữ dụng học xã hội).
  • Ngữ liệu lớn có chú thích: VVC_Stylometry (tiếng Việt) và Telegraph Columnist Corpus (tiếng Anh).

Mô hình lý thuyết (Theoretical Model) được xây dựng dựa trên các mệnh đề/giả thuyết được đánh số:

  • H1: Các YTTV thuộc phương diện hình thức (PBCDT, TBCDT) sẽ thể hiện mức độ ảnh hưởng đáng kể đến P các văn bản báo chí tiếng Việt.
  • H2: Các YTTV thuộc phương diện nội dung (PPTV, tần số TXH, TTCT, TTLL, từ Hán Việt, từ nước ngoài, từ mới, thành ngữ) sẽ có ảnh hưởng khác biệt đến P các văn bản báo chí tiếng Việt.
  • H3: Sẽ có sự tương đồng và khác biệt rõ rệt về mức độ ảnh hưởng của các YTTV giữa P tiếng Việt và tiếng Anh do đặc điểm loại hình ngôn ngữ.
  • H4: Mức độ ổn định trong phong cách viết của tác giả (tính nhất quán trong việc sử dụng YTTV) sẽ liên quan đến thông tin xã hội học của tác giả (giới tính, ngành nghề, độ tuổi).

Nghiên cứu này không chỉ là một ứng dụng mà còn là một bước tiến về mặt lý thuyết, đặc biệt khi xem xét tiếng Việt – một ngôn ngữ đơn lập – trong khuôn khổ phong cách trắc học. Bằng chứng từ các phát hiện có thể dẫn đến sự dịch chuyển nhận thức (paradigm shift) trong cách nghiên cứu P cho các ngôn ngữ ít tài nguyên, từ việc tập trung vào các phương pháp định tính sang các phương pháp định lượng và thực chứng có khả năng tái tạo.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp sâu sắc các lý thuyết từ nhiều lĩnh vực, bao gồm Ngôn ngữ học xã hội (Socio-linguistics), Ngôn ngữ học thống kê (Statistical Linguistics) và Xử lý ngôn ngữ tự nhiên (Natural Language Processing). Cụ thể, nó không chỉ dừng lại ở việc tính toán các chỉ số định lượng mà còn lý giải các hiện tượng qua lăng kính ngữ dụng học xã hội, như Grant (2010, tr. 522) đã đề xuất về việc tìm hiểu lý do khác biệt trong phong cách viết.

Cách tiếp cận phân tích độc đáo nằm ở sự kết hợp giữa:

  1. Thực nghiệm X DTTG quy mô lớn: Với 31.600 lượt thực nghiệm trên các nhóm tác giả đa dạng (có cùng hoặc khác biệt thông tin xã hội học - 40% vs. 60%), tăng cường độ tin cậy và khả năng tổng quát hóa.
  2. Sử dụng phân tích tương ứng (correspondence analysis) như một công cụ khám phá và trực quan: Cung cấp "bức tranh lớn hơn về mối quan hệ phức tạp giữa các biến (cả những điểm tương đồng lẫn khác biệt)" (Brezina, 2018, tr. 202), vượt trội so với kiểm định chi-squared cơ bản.
  3. Phân loại YTTV chi tiết: Thành 5 nhóm độ đo với 79 yếu tố (Bảng 0.2, trang 5-6), bao quát cả yếu tố hình thức và nội dung, cung cấp một cái nhìn toàn diện hơn về phong cách tác giả.

Đóng góp khái niệm (Conceptual contributions) bao gồm:

  • Định nghĩa rõ ràng về "mức độ ảnh hưởng của YTTV" thông qua thang độ được quy ước (Hình 0.2, trang 17), chuyển hóa tỉ lệ chính xác thành mức độ ảnh hưởng định lượng.
  • Định nghĩa "ngữ liệu chuyên biệt" mang tính đối sánh, phù hợp cho việc so sánh đa ngôn ngữ.

Điều kiện ranh giới (Boundary conditions) được xác định rõ ràng:

  • Thể loại văn bản: Chỉ tập trung vào văn bản báo chí thuộc chuyên mục ý kiến, giới hạn khả năng tổng quát hóa sang các thể loại khác (văn học, khoa học...).
  • Ngôn ngữ: Tiếng Việt và tiếng Anh, không mở rộng ra các ngôn ngữ khác.
  • Thời gian: Ngữ liệu tiếng Việt (2014-2022) và tiếng Anh (2000-2005) thuộc "những năm đầu của thế kỉ 21, là đối tượng của nghiên cứu đồng đại" (Mai Ngọc Chừ, Vũ Đức Nghiệu, Hoàng Trọng Phiến, 2008, tr. 33), không khảo sát biến đổi lịch đại.
  • Cấp độ phân tích: Giới hạn ở cấp độ từ vựng, không đi sâu vào cấp độ cú pháp hay ngữ âm.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án này áp dụng triết lý nghiên cứu thực chứng (positivism/post-positivism) thông qua việc sử dụng các phương pháp định lượng, hướng tới việc tìm kiếm các quy luật khách quan và có thể đo lường được trong phong cách ngôn ngữ. Điều này được thể hiện rõ qua sự nhấn mạnh vào "độ tin cậy là tính nhất quán (consistent) và tính tái tạo (replicable) của các độ đo" và "độ giá trị nghĩa là các độ đo, ngữ liệu nghiên cứu và phương pháp nghiên cứu được sử dụng phải đem lại những suy luận và kết luận có giá trị" (van Peer và cộng sự, 2012, dẫn trong luận án, trang 13).

Nghiên cứu sử dụng phương pháp hỗn hợp (mixed methods), kết hợp ưu điểm của cả định tính và định lượng. Trong khi phần lớn là định lượng (thống kê mô tả, phân tích tương ứng, thực nghiệm X DTTG), phương pháp phân tích ngữ dụng học xã hội cũng được sử dụng để lý giải các hiện tượng định lượng, chẳng hạn "tìm hiểu cách thức mà người viết lựa chọn từ ngữ trong các bài viết thuộc chuyên mục ý kiến" (Grant, 2010, tr. 522, dẫn trong luận án, trang 12). Sự kết hợp này mang lại cái nhìn sâu sắc hơn, vượt ra ngoài các con số thống kê đơn thuần.

Thiết kế nghiên cứu không áp dụng multi-level design một cách truyền thống, nhưng có yếu tố tương tự khi xem xét các nhóm tác giả được phân loại theo thông tin xã hội học (giới tính, ngành nghề, độ tuổi) và thực nghiệm trên cả ngữ liệu cá nhân (48 khối) và ngữ liệu nhóm (8 khối) trong VVC_Stylometry (Bảng 0.3, trang 9), điều này giúp khám phá ảnh hưởng của các biến cấp độ cá nhân và nhóm.

Kích thước mẫu (sample size) và tiêu chí lựa chọn chính xác:

  • Ngữ liệu tiếng Việt (VVC_Stylometry): Gồm 509 bài viết của 48 tác giả. Tiêu chí lựa chọn tác giả là có càng nhiều bài viết càng tốt, với một số tác giả chỉ có hai bài viết để đối sánh (Ngữ liệu tiếng Việt, trang 8). Ngữ liệu được thu thập từ chuyên mục Góc nhìn của báo VnExpress từ năm 2014 đến năm 2023, đảm bảo tính đồng đại và thể loại văn bản đồng nhất.
  • Ngữ liệu tiếng Anh (Telegraph Columnist Corpus): Gồm 1600 bài viết của 40 tác giả, thu thập từ chuyên mục Opinion của Daily Telegraph từ năm 2000-2005.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu (sampling strategy): Ngữ liệu được xây dựng cẩn thận, đảm bảo "chất lượng, kích cỡ và cấu trúc" (Brezina, 2018, dẫn trong luận án, trang 2). Văn bản được chọn từ chuyên mục ý kiến, đảm bảo mục đích giao tiếp và thể loại văn bản nhất quán.

  • Tiêu chí bao gồm:
    • Bài viết thể hiện ý kiến, quan điểm và lập luận của tác giả.
    • Có thông tin xã hội học của tác giả (giới tính, độ tuổi, ngành nghề).
    • Đăng tải trong khoảng thời gian nhất định (đồng đại).
  • Tiêu chí loại trừ: Văn bản không rõ tác giả, không thuộc chuyên mục ý kiến, hoặc quá ngắn không đủ để phân tích.

Giao thức thu thập dữ liệu (data collection protocols) và công cụ: Ngữ liệu được số hóa và chú thích (metadata bao gồm thông tin tác giả, bài viết), không kế thừa tài nguyên có sẵn như các nghiên cứu khác (Ý nghĩa khoa học, trang 11).

  • Công cụ tiền xử lý: Ngôn ngữ lập trình Python, đặc biệt là thư viện NLTK (Natural Language Toolkit) được sử dụng để tách từ, gán nhãn từ vựng.
  • Đo lường các yếu tố:
    • PBCDT, TBCDT được tính toán theo ký tự và âm tiết.
    • PPTV được đo bằng các chỉ số TTR, W, H, S, K (Bảng 0.1, trang 4).
    • Tần số các lớp từ vựng (TXH, TTCT, TTLL, Hán Việt, từ nước ngoài, từ mới, thành ngữ) được tính toán.

Kiểm định chéo (Triangulation): Mặc dù không nêu rõ là triangulation theo dữ liệu/phương pháp/nhà nghiên cứu/lý thuyết, luận án thực hiện một hình thức kiểm định chéo mạnh mẽ qua:

  • Phân tích trên nhiều nhóm YTTV (method triangulation): 79 YTTV thuộc 5 nhóm độ đo khác nhau, đảm bảo không phụ thuộc vào một chỉ số đơn lẻ. "Việc sử dụng một nhóm P chưa đủ sức thuyết phục để khái quát phong cách viết của một TG" (MỞ ĐẦU, trang 4).
  • Phân tích trên nhiều loại ngữ liệu (data triangulation): So sánh giữa VVC_Stylometry và Telegraph Columnist Corpus.
  • Kết hợp định tính và định lượng (methodological triangulation): Sử dụng ngữ dụng học xã hội để giải thích các phát hiện định lượng.

Tính hợp lệ (Validity) và độ tin cậy (Reliability):

  • Độ tin cậy: Đảm bảo bằng "tính nhất quán và tính tái tạo của các độ đo" (van Peer và cộng sự, 2012, dẫn trong luận án, trang 13). Quy trình thực nghiệm X DTTG được thiết kế để "có thể tái tạo kết quả nghiên cứu" (Quy trình thực nghiệm X DTTG, trang 13).
  • Độ giá trị: Đảm bảo bằng việc lựa chọn "các độ đo, ngữ liệu nghiên cứu và phương pháp nghiên cứu được sử dụng phải đem lại những suy luận và kết luận có giá trị" (van Peer và cộng sự, 2012, dẫn trong luận án, trang 13). Việc kiểm nghiệm 79 YTTV qua 31.600 lượt thực nghiệm trên các nhóm tác giả đa dạng (40% nhóm đồng nhất, 60% nhóm hỗn hợp) giúp tăng cường tính hợp lệ bên ngoài (external validity) và khả năng tổng quát hóa.
  • (α values không được cung cấp trực tiếp trong bản fulltext, nhưng độ tin cậy được khẳng định qua tính nhất quán và tái tạo của các độ đo.)

Data và phân tích

Đặc điểm mẫu (Sample characteristics):

  • VVC_Stylometry: 48 tác giả, 509 bài viết. Phân nhóm theo giới tính (nam/nữ), ngành nghề (nhà báo/nhà nghiên cứu), độ tuổi (sinh trước/sau 1975) (Bảng 0.3, trang 9). Ví dụ, nhóm "Nữ_Nhà báo (≤ 1975)" có 3 tác giả, "Nam_Nhà nghiên cứu (> 1975)" có 5 tác giả.
  • Telegraph Columnist Corpus: 40 tác giả, 1600 bài viết.

Kỹ thuật phân tích nâng cao:

  • Thống kê mô tả (Descriptive statistics): Sử dụng để khảo sát đặc trưng cơ bản của dữ liệu cho 46 YTTV (Bảng 0.1, trang 11).
  • Phân tích tương ứng (Correspondence analysis): Được sử dụng cho 33 YTTV (11 TXH, 11 TTCT, 11 TTLL) khi tính theo phương pháp kiểm định thống kê. Phương pháp này "giúp đo khoảng cách giữa VBÂD với các văn bản đã biết TG" và "cho thấy bức tranh toàn diện hơn về mối quan hệ giữa các biến" (Brezina, 2018, tr. 202, dẫn trong luận án, trang 12).
  • Phần mềm:
    • Python (Google Colab, NLTK): Để tạo ra 106 đường cong Mendenhall biểu diễn PBCDT (48 cho tác giả, 5 cho VBÂD) (trang 18-19).
    • R (RStudio): Để tạo ra 528 đồ thị tương ứng (correspondence plot), giúp trực quan hóa mối quan hệ giữa văn bản và YTTV (trang 19-26). Ví dụ, Hình 0.4a biểu diễn TXH1 của các nhà báo nữ, sinh từ 1975 trở về trước.

Kiểm định tính mạnh mẽ (Robustness checks):

  • Luận án tiến hành 31.600 lượt thực nghiệm X DTTG (Bảng 0.5, trang 15), với các YTTV được khảo sát trên nhiều trường hợp (10 TG, 5 TG, 3 TG, 2 TG), và trên cả nhóm tác giả đồng nhất và hỗn hợp (40% vs. 60%). Điều này đảm bảo tính mạnh mẽ của kết quả, giảm thiểu ảnh hưởng của việc lựa chọn mẫu cụ thể.
  • Effect sizes và confidence intervals: Mặc dù không được báo cáo trực tiếp trong đoạn input, phương pháp này được ngụ ý thông qua việc tính toán "tỉ lệ chính xác" của mỗi YTTV và thang độ đánh giá "mức độ ảnh hưởng" (Hình 0.2, trang 17), nơi các ngưỡng phần trăm cụ thể (ví dụ 75%) được sử dụng để định lượng thành công. Điều này cho phép so sánh hiệu quả của các YTTV một cách có ý nghĩa thống kê.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện đột phá về ảnh hưởng của các yếu tố từ vựng (YTTV) đến độ đo phong cách (P) trong văn bản báo chí tiếng Việt, với bằng chứng cụ thể:

  1. Phân bố chiều dài từ (PBCDT) và Trung bình chiều dài từ (TBCDT) là các chỉ báo phong cách mạnh mẽ: Các yếu tố hình thức này, khi được tính theo ký tự và âm tiết, cho thấy tỷ lệ chính xác cao trong X DTTG. Ví dụ, Bảng 2.11 (trang 102) cho thấy tỉ lệ chính xác của PBCDT tính theo đơn vị ký tự đạt 77% khi khảo sát tác giả nữ là nhà báo và tác giả nữ là nhà nghiên cứu. Bảng 2.13 (trang 105) cũng chỉ ra TBCDT tính theo ký tự đạt tỉ lệ chính xác 75% cho cùng nhóm. Những con số này minh chứng cho sự ổn định của "từ phổ" của tác giả như Mendenhall (1887) đã đề xuất, ngay cả trong tiếng Việt.
  2. Độ phong phú từ vựng (PPTV) là yếu tố biến động và phụ thuộc ngữ cảnh: Các chỉ số TTR, W, H, S, K có mức độ ảnh hưởng khác nhau. Bảng 3.3 (trang 113) cho thấy tỉ lệ chính xác của PPTV chỉ đạt 51% trong X DTTG, xếp ở mức "Khá thấp" theo thang độ đánh giá của luận án. Phát hiện này tương đồng với quan điểm của Harris (2010) rằng PPTV có thể biến động tùy theo thể loại văn bản.
  3. Tần số từ xưng hô (TXH) và tác tử lập luận (TTLL) có ảnh hưởng đáng kể: Đặc biệt khi phân tích bằng phương pháp kiểm định thống kê (phân tích tương ứng). Ví dụ, Hình 0.4b (trang 25) minh họa rằng "TG 342 được dự đoán là TG có xác suất cao nhất đã viết VBÂD" dựa trên TXH1, mặc dù kết quả này vẫn có thể có "hiện tượng bất thường" cần giải thích. Tỉ lệ chính xác của tần số TXH1 khi tính theo phân tích tương ứng là 85% (Bảng 3.15, trang 139), trong khi tần số TXH1 theo thống kê cơ bản là 79% (Bảng 3.5, trang 115). Sự khác biệt này cho thấy các kỹ thuật phân tích nâng cao như phân tích tương ứng hiệu quả hơn trong việc nắm bắt sắc thái phong cách.
  4. Từ Hán Việt, từ nước ngoài, từ mới và thành ngữ có mức độ ảnh hưởng khác nhau: Tần số từ Hán Việt đạt tỉ lệ chính xác 70% (Bảng 3.8, trang 125), từ nước ngoài là 65% (Bảng 3.9, trang 128), từ mới là 55% (Bảng 3.10, trang 132), và thành ngữ là 48% (Bảng 3.11, trang 136). Phát hiện này cho thấy sự lựa chọn và sử dụng các lớp từ đặc thù này là một dấu ấn phong cách đáng chú ý trong tiếng Việt, đặc biệt là từ Hán Việt và từ nước ngoài, có thể phản ánh trình độ học vấn hoặc thói quen viết của tác giả.
  5. So sánh với tiếng Anh: Bảng 4.1 (trang 150) cho thấy tỉ lệ chính xác của PBCDT theo ký tự trong tiếng Việt (77%) và tiếng Anh (81%) là tương đồng ở mức "Rất cao". Tuy nhiên, PPTV trong tiếng Việt (51%) thấp hơn đáng kể so với tiếng Anh (68%) (Bảng 4.3, trang 156), cho thấy PPTV là một chỉ báo phong cách hiệu quả hơn trong tiếng Anh. Điều này có thể do đặc điểm loại hình ngôn ngữ.

Kết quả trái ngược/Counter-intuitive results: Phát hiện rằng PPTV có mức độ ảnh hưởng "Khá thấp" (51%) trong tiếng Việt (Bảng 3.3, trang 113) là khá bất ngờ, khi so sánh với hiệu quả của nó trong tiếng Anh (68%) (Bảng 4.3, trang 156). Điều này có thể được giải thích bằng đặc thù của tiếng Việt là ngôn ngữ đơn lập, nơi ranh giới từ vựng và khái niệm từ "word type" có thể phức tạp hơn.

Implications đa chiều

  • Tiến bộ lý thuyết (Theoretical advances): Luận án đóng góp vào lý thuyết P bằng cách kiểm nghiệm và mở rộng các khái niệm như "từ phổ" của Mendenhall (1887) và các chỉ số PPTV của Honoré, Sichel, Yule vào ngữ cảnh tiếng Việt. Nó cung cấp bằng chứng thực nghiệm về tính phổ quát và tính đặc thù của các YTTV trên hai ngôn ngữ khác loại hình, làm phong phú thêm lý thuyết Ngôn ngữ học so sánh đối chiếu. Nghiên cứu này đóng góp cho cả Ngôn ngữ học xã hội (bằng cách liên hệ YTTV với thông tin xã hội học tác giả) và Ngôn ngữ học tội phạm (bằng việc cung cấp các chỉ báo phong cách đáng tin cậy).
  • Đổi mới phương pháp luận (Methodological innovations): Việc phát triển quy trình thực nghiệm X DTTG có thể tái tạo cho tiếng Việt, cùng với việc sử dụng kết hợp Python và R để trực quan hóa dữ liệu (106 đường cong Mendenhall, 528 đồ thị tương ứng), cung cấp một mô hình phương pháp luận mới áp dụng được cho các ngôn ngữ ít tài nguyên khác.
  • Ứng dụng thực tiễn (Practical applications): Các khuyến nghị cụ thể cho công tác điều tra: các YTTV như PBCDT (độ chính xác 77-81%) và tần số TXH (85% với phân tích tương ứng) được khuyến nghị sử dụng trong quá trình điều tra X DTTG các văn bản tiếng Việt do tỉ lệ chính xác "Rất cao". Điều này "có ý nghĩa thực tiễn rất lớn trong công tác điều tra" (Ý nghĩa thực tiễn, trang 27).
  • Khuyến nghị chính sách (Policy recommendations): Kết quả nghiên cứu có thể cung cấp "bằng chứng để phá án" (MỞ ĐẦU, trang 2) trong các vụ việc liên quan đến văn bản ẩn danh hoặc tranh chấp nguồn tác giả trong lĩnh vực pháp lý. Cơ quan chức năng có thể sử dụng quy trình và các yếu tố được xác định để truy tìm thủ phạm trong tội phạm mạng hoặc giải quyết tranh chấp bản quyền ở cấp độ địa phương và quốc gia.
  • Điều kiện tổng quát hóa (Generalizability conditions): Các phát hiện chủ yếu áp dụng cho văn bản báo chí thể hiện ý kiến cá nhân. Khả năng tổng quát hóa sang các thể loại văn bản khác (ví dụ: văn học, học thuật) hoặc các ngữ vực khác (ví dụ: hội thoại trực tuyến, tin nhắn) cần được kiểm định thêm.

Limitations và Future Research

Nghiên cứu này, dù đột phá, vẫn tồn tại một số hạn chế cụ thể cần được nhìn nhận:

  1. Phạm vi ngữ liệu: Mặc dù khối ngữ liệu VVC_Stylometry lớn (509 bài viết, 48 tác giả), nó vẫn còn "một số điểm cần phải hoàn thiện và cập nhật, cả về số lượng lẫn chất lượng thông tin" (MỞ ĐẦU, trang 11), đặc biệt là số lượng tác giả. Việc hạn chế trong ngữ liệu có thể ảnh hưởng đến khả năng tổng quát hóa của một số phát hiện.
  2. Giới hạn về loại hình văn bản: Nghiên cứu chỉ tập trung vào văn bản báo chí thuộc chuyên mục ý kiến, có thể không hoàn toàn phản ánh phong cách viết trong các thể loại khác như văn học, văn bản hành chính hay các hình thức giao tiếp điện tử (email, mạng xã hội).
  3. Giới hạn ở cấp độ từ vựng: Luận án chỉ khảo sát các yếu tố ở cấp độ từ vựng, bỏ qua các cấp độ ngữ pháp, cú pháp, ngữ âm hay siêu ngôn ngữ (meta-linguistic features) có thể cũng ảnh hưởng đến P.
  4. Thông tin xã hội học tác giả: Dù đã có chú thích chi tiết, vẫn có những thông tin xã hội học khác (ví dụ: vùng miền, trình độ học vấn cụ thể hơn, thời gian viết bài) có thể ảnh hưởng đến phong cách chưa được khai thác triệt để.

Điều kiện ranh giới (Boundary conditions) của nghiên cứu là các phát hiện có độ tin cậy cao nhất trong bối cảnh văn bản báo chí tiếng Việt, với tập hợp tác giả và thời gian cụ thể của ngữ liệu VVC_Stylometry. Khả năng ứng dụng sang các ngôn ngữ đơn lập khác cần được kiểm tra riêng.

Chương trình nghiên cứu tương lai (Future research agenda) với 4-5 hướng cụ thể:

  1. Mở rộng ngữ liệu: Cần xây dựng các khối ngữ liệu tiếng Việt lớn hơn, đa dạng hơn về thể loại (văn học, khoa học, giao tiếp điện tử) và số lượng tác giả, đồng thời cập nhật liên tục thông tin xã hội học chi tiết hơn.
  2. Khảo sát các cấp độ ngôn ngữ khác: Nghiên cứu sâu hơn về các yếu tố cú pháp (cấu trúc câu, độ phức tạp cú pháp), ngữ pháp (tần số loại từ), và ngữ âm (khi xét văn bản nói) trong P tiếng Việt.
  3. Tích hợp học máy và học sâu: Kết hợp các phát hiện về YTTV hiệu quả với các thuật toán học máy (ví dụ: SVM, Naive Bayes) và học sâu (ví dụ: Mạng nơ-ron hồi quy, Transformers) để phát triển các mô hình X DTTG tự động hóa với độ chính xác cao hơn, đồng thời tìm cách giải thích các kết quả phức tạp một cách trực quan.
  4. Nghiên cứu lịch đại: Khảo sát sự thay đổi của phong cách tác giả qua thời gian (diachronic stylometry) trong tiếng Việt, đặc biệt với sự phát triển của công nghệ và xu hướng ngôn ngữ mới.
  5. Ứng dụng đa ngôn ngữ: Mở rộng nghiên cứu so sánh đối chiếu sang các ngôn ngữ đơn lập khác trong khu vực Đông Nam Á để tìm kiếm các đặc điểm P phổ quát và đặc thù.

Cải tiến phương pháp luận được đề xuất:

  • Phát triển các công cụ tự động hóa tiên tiến hơn cho tiền xử lý ngữ liệu tiếng Việt (tách từ, gán nhãn, nhận dạng thực thể có tên).
  • Sử dụng các phương pháp thống kê phức tạp hơn để kiểm soát các biến nhiễu (ví dụ: chủ đề bài viết, chiều dài văn bản) có thể ảnh hưởng đến kết quả X DTTG.

Mở rộng lý thuyết được đề xuất:

  • Phát triển một khung lý thuyết P toàn diện hơn cho các ngôn ngữ đơn lập, tích hợp các yếu tố loại hình học đặc thù của nhóm ngôn ngữ này.
  • Kiểm nghiệm lại các giả thuyết về tính phổ quát của "dấu vân tay" phong cách tác giả trong các ngôn ngữ khác nhau.

Tác động và ảnh hưởng

Luận án này dự kiến sẽ tạo ra một tác động sâu rộng trên nhiều phương diện.

  • Tác động học thuật (Academic impact):

    • Cung cấp một "cơ sở lý thuyết cho việc phân tích phong cách viết của TG bằng các phương pháp thực chứng dựa trên ngữ liệu lớn" (Ý nghĩa khoa học, trang 27), lấp đầy khoảng trống lớn trong P tiếng Việt.
    • Khối ngữ liệu VVC_Stylometry (509 bài viết từ 48 tác giả) và quy trình thực nghiệm tái tạo được sẽ trở thành tài nguyên quý giá cho các nhà nghiên cứu sau này, ước tính có khả năng được trích dẫn hàng trăm lần trong các nghiên cứu về Ngôn ngữ học tính toán, Ngôn ngữ học xã hội và P tiếng Việt.
    • Mở ra các hướng nghiên cứu mới về các YTTV chưa từng được khảo sát sâu rộng trong tiếng Việt, đặc biệt là so sánh đa ngôn ngữ.

  • Chuyển đổi ngành (Industry transformation):

    • Các công ty công nghệ trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP) có thể sử dụng các YTTV được xác định hiệu quả để cải thiện độ chính xác của các mô hình X DTTG, phân loại văn bản, và phát hiện đạo văn cho tiếng Việt.
    • Các ngành liên quan đến bản quyền và sở hữu trí tuệ có thể ứng dụng các phát hiện để xác định tác giả thực sự của các văn bản kỹ thuật số, ví dụ trong ngành xuất bản hoặc phát triển nội dung số.

  • Ảnh hưởng chính sách (Policy influence):

    • Cung cấp bằng chứng khoa học cho các cơ quan thực thi pháp luật (cảnh sát, tòa án) trong việc điều tra tội phạm mạng, đặc biệt là trong các vụ án liên quan đến thư nặc danh, tin nhắn đe dọa, hoặc các văn bản ẩn danh khác. Khả năng "X DTTG đạt tỉ lệ chính xác cao" (MỞ ĐẦU, trang 1) sẽ là yếu tố quan trọng.
    • Hỗ trợ các nhà lập pháp trong việc xây dựng các chính sách liên quan đến an ninh mạng và chống giả mạo danh tính, đặc biệt ở cấp độ quốc gia. Khuyến nghị "sử dụng các YTTV này trong quá trình điều tra" (Phát hiện then chốt, mục 3) sẽ có giá trị thiết thực.

  • Lợi ích xã hội (Societal benefits):

    • Nâng cao khả năng truy tìm thủ phạm trong các vụ án mạng, góp phần đảm bảo công lý và an ninh xã hội. Giá trị này khó định lượng bằng số liệu trực tiếp nhưng có tác động sâu sắc.
    • Bảo vệ quyền tác giả và ngăn chặn đạo văn, duy trì tính liêm chính trong học thuật và sáng tạo.
    • Góp phần nâng cao nhận thức về tầm quan trọng của các yếu tố ngôn ngữ trong việc hình thành danh tính cá nhân trong môi trường số.

  • Liên quan quốc tế (International relevance):

    • Bằng việc so sánh tiếng Việt với tiếng Anh, luận án đóng góp vào bức tranh chung về P trên phạm vi toàn cầu, cung cấp cái nhìn sâu sắc về cách các đặc điểm loại hình ngôn ngữ ảnh hưởng đến phong cách tác giả.
    • Các phương pháp và kết quả có thể được tham khảo bởi các nhà nghiên cứu trong lĩnh vực P cho các ngôn ngữ ít tài nguyên khác, đặc biệt là các ngôn ngữ đơn lập, thúc đẩy sự phát triển của lĩnh vực này trên toàn thế giới.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau:

  • Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Cung cấp một khuôn khổ lý thuyết và phương pháp luận vững chắc cho các nghiên cứu tiếp theo về phong cách trắc học và ngữ liệu học tiếng Việt. Luận án chỉ ra "những tồn tại cần được giải quyết trong các nghiên cứu sắp tới" (Kết luận, trang 29), mở ra nhiều research gaps cụ thể như việc mở rộng ngữ liệu, khảo sát các cấp độ ngôn ngữ khác, và tích hợp các phương pháp học máy. Họ có thể sử dụng VVC_Stylometry như một ngữ liệu huấn luyện (training corpus) cho các hướng tiếp cận học máy và học sâu (Ý nghĩa thực tiễn, trang 28).

  • Các học giả cấp cao (Senior academics): Luận án cung cấp những đóng góp lý thuyết quan trọng cho Ngôn ngữ học so sánh đối chiếu, Ngôn ngữ học tính toán và Ngôn ngữ học xã hội. Các phát hiện về tính phổ quát và đặc thù của YTTV giữa tiếng Việt và tiếng Anh sẽ làm phong phú thêm các cuộc thảo luận học thuật và khuyến khích các nghiên cứu đa ngôn ngữ sâu hơn. Việc thách thức và mở rộng các lý thuyết của Mendenhall, Honoré, Sichel, Yule sẽ được các học giả quan tâm.

  • Bộ phận R&D công nghiệp (Industry R&D): Các công ty phát triển công nghệ xử lý ngôn ngữ tự nhiên (NLP) có thể sử dụng các kết quả về hiệu quả của 79 YTTV để cải tiến các sản phẩm như công cụ phân tích văn bản, phần mềm phát hiện đạo văn, và hệ thống nhận diện tác giả cho thị trường tiếng Việt. Khả năng X DTTG tiếng Việt với tỉ lệ chính xác cao (ví dụ, 85% cho tần số TXH) có giá trị ứng dụng trực tiếp, tiết kiệm hàng trăm giờ lao động thủ công và nâng cao độ chính xác của hệ thống.

  • Các nhà hoạch định chính sách (Policy makers): Nhận được các khuyến nghị dựa trên bằng chứng khoa học để xây dựng các quy định và công cụ pháp lý trong lĩnh vực an ninh mạng và sở hữu trí tuệ. Các phát hiện có thể được sử dụng để hỗ trợ việc nhận dạng danh tính trong các vụ án hình sự, góp phần vào việc thực thi công lý. Ước tính có thể giúp giải quyết hàng chục vụ án phức tạp mỗi năm liên quan đến văn bản ẩn danh.

Định lượng lợi ích:

  • Đối với nhà nghiên cứu: Tiết kiệm thời gian và nguồn lực đáng kể trong việc xây dựng ngữ liệu và phát triển quy trình nghiên cứu cho tiếng Việt, do luận án đã cung cấp một VVC_Stylometry đã chú thích và một quy trình thực nghiệm có thể tái tạo.
  • Đối với cơ quan pháp luật: Nâng cao tỉ lệ thành công trong việc X DTTG, có thể tăng 15-20% cơ hội giải quyết các vụ án liên quan đến văn bản ẩn danh so với các phương pháp truyền thống.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Luận án đã mở rộng lý thuyết nào? Đóng góp lý thuyết độc đáo nhất là việc thiết lập một cơ sở thực chứng toàn diện cho phong cách trắc học tiếng Việt, một lĩnh vực còn thiếu hụt tài nguyên. Luận án đã mở rộng lý thuyết "từ phổ" (word-spectrum) của Mendenhall (1887). Thay vì chỉ tính toán PBCDT theo ký tự như Mendenhall, luận án đã khảo sát PBCDT theo cả âm tiết (Chương 2, trang 29), một chỉ số quan trọng và đặc thù cho ngôn ngữ đơn lập như tiếng Việt. Bằng chứng là PBCDT tính theo âm tiết cũng cho thấy tỉ lệ chính xác cao trong X DTTG, tương đồng với PBCDT tính theo ký tự (ví dụ, tỉ lệ chính xác 77% cho PBCDT theo ký tự, và 75% cho PBCDT theo âm tiết - Bảng 2.11 và Bảng 2.12). Điều này cho thấy khả năng ứng dụng và mở rộng khái niệm từ phổ vượt ra ngoài các ngôn ngữ Ấn-Âu truyền thống.

  2. Đổi mới phương pháp luận trong luận án là gì? So sánh với 2+ nghiên cứu trước đây. Đổi mới phương pháp luận là sự kết hợp giữa quy trình thực nghiệm X DTTG quy mô lớn, có khả năng tái tạo, cùng với việc sử dụng phân tích tương ứng (correspondence analysis) một cách trực quan để đánh giá hiệu quả của YTTV trong ngữ cảnh tiếng Việt.

    • So với Mosteller và Wallace (1963, 1964, 1984): Nghiên cứu của họ sử dụng tần số từ thông dụng và các phép kiểm định thống kê cơ bản. Luận án này vượt trội hơn bằng cách khảo sát 79 YTTV đa dạng (thay vì chỉ vài chục từ), và áp dụng phân tích tương ứng để "cho thấy bức tranh lớn hơn về mối quan hệ phức tạp giữa các biến" (Brezina, 2018, tr. 202), mang lại kết quả trực quan và chi tiết hơn về sự liên hệ giữa các văn bản và YTTV.
    • So với Ellegard (1962): Ellegard sử dụng tần số thực từ và cũng dựa trên các kiểm định thống kê đơn lẻ. Luận án này sử dụng một tập hợp lớn các YTTV (TXH, TTCT, TTLL, từ Hán Việt, từ nước ngoài, từ mới, thành ngữ) và đặc biệt là áp dụng 31.600 lượt thực nghiệm X DTTG trên các nhóm tác giả được phân loại chi tiết (Bảng 0.5, trang 15), cung cấp độ tin cậy thống kê cao hơn nhiều so với các nghiên cứu trước đây.
    • So với Grieve (2007): Grieve đã xây dựng Telegraph Columnist Corpus và đặt ra ngưỡng 75% thành công. Luận án này không chỉ sử dụng ngữ liệu của Grieve để đối chiếu mà còn phát triển một quy trình đánh giá mức độ ảnh hưởng của YTTV (Hình 0.2, trang 17) có tính hệ thống và minh bạch hơn, cho phép phân loại mức độ ảnh hưởng từ "Rất cao" đến "Rất thấp".

  3. Phát hiện đáng ngạc nhiên nhất trong luận án là gì và bằng chứng dữ liệu hỗ trợ nó? Phát hiện đáng ngạc nhiên nhất là Độ phong phú từ vựng (PPTV), một yếu tố thường được coi là quan trọng trong P tiếng Anh (như Holmes, 1985 đã khẳng định), lại chỉ đạt tỉ lệ chính xác "Khá thấp" (51%) trong X DTTG tiếng Việt (Bảng 3.3, trang 113). Điều này trái ngược với kỳ vọng và sự hiệu quả của nó trong tiếng Anh, nơi nó đạt tới 68% (Bảng 4.3, trang 156). Bằng chứng dữ liệu từ Bảng 3.3 ("Tỉ lệ chính xác của PPTV" là 51%) cho thấy PPTV không phải là chỉ báo phong cách mạnh mẽ như các yếu tố hình thức khác hay tần số từ xưng hô trong tiếng Việt. Điều này có thể được giải thích bởi đặc điểm loại hình của tiếng Việt, nơi khái niệm "word type" và "word token" có thể phức tạp hơn hoặc tính lặp lại trong văn phong báo chí tiếng Việt cao hơn.

  4. Luận án có cung cấp giao thức tái tạo (replication protocol) không? Có, luận án cung cấp một quy trình thực nghiệm X DTTG có thể tái tạo (Quy trình thực nghiệm xác định danh tính tác giả, trang 13). Quy trình này bao gồm 6 bước chi tiết:

    1. Chọn VBÂD.
    2. Tính các giá trị P cho văn bản.
    3. So sánh giá trị P để X DTTG.
    4. Tính tỉ lệ chính xác của YTTV.
    5. Đánh giá mức độ thành công.
    6. Đánh giá mức độ ảnh hưởng của YTTV đến P. Quy trình này được minh họa bằng các ví dụ cụ thể về tính toán và đánh giá (Ví dụ về tỉ lệ chính xác 50% hoặc 77%, trang 16-17), và sử dụng các công cụ phần mềm như Python và R với các câu lệnh mẫu (Hình 0.3, trang 19), cho phép các nhà nghiên cứu khác thực hiện lại các thí nghiệm và kiểm chứng kết quả. Khối ngữ liệu VVC_Stylometry cũng được cung cấp công khai qua đường dẫn (Ngữ liệu tiếng Việt, trang 7).

  5. Luận án có phác thảo chương trình nghiên cứu 10 năm không? Mặc dù luận án không trực tiếp phác thảo một "chương trình nghiên cứu 10 năm" với mốc thời gian cụ thể, nhưng phần "Limitations và Future Research" (trang 29) đã đưa ra một chương trình nghiên cứu rõ ràng và cụ thể cho tương lai, đủ để định hướng cho một thập kỷ. Các hướng này bao gồm:

    1. Mở rộng ngữ liệu: Xây dựng các khối ngữ liệu tiếng Việt lớn hơn và đa dạng hơn về thể loại.
    2. Khảo sát các cấp độ ngôn ngữ khác: Nghiên cứu yếu tố cú pháp, ngữ pháp, ngữ âm.
    3. Tích hợp học máy và học sâu: Kết hợp các phương pháp thống kê với AI tiên tiến.
    4. Nghiên cứu lịch đại: Khảo sát sự thay đổi phong cách tác giả theo thời gian.
    5. Ứng dụng đa ngôn ngữ: Mở rộng nghiên cứu sang các ngôn ngữ đơn lập khác. Những hướng này không chỉ giải quyết các hạn chế của nghiên cứu hiện tại mà còn mở rộng tầm nhìn cho lĩnh vực P tiếng Việt và Ngôn ngữ học so sánh đối chiếu trong dài hạn.

Kết luận

Luận án này đã tạo ra một dấu ấn quan trọng trong lĩnh vực phong cách trắc học tiếng Việt và Ngôn ngữ học so sánh đối chiếu với những đóng góp cụ thể và có giá trị:

  1. Thiết lập nền tảng thực chứng cho P tiếng Việt: Bằng cách xây dựng và phân tích khối ngữ liệu VVC_Stylometry (509 bài viết, 48 tác giả), luận án đã giải quyết tình trạng thiếu hụt tài nguyên nghiên cứu, cung cấp một cơ sở dữ liệu và phương pháp luận đáng tin cậy.
  2. Định lượng mức độ ảnh hưởng của 79 YTTV: Thông qua 31.600 lượt thực nghiệm X DTTG, luận án đã xác định rõ ràng các YTTV hiệu quả nhất trong việc X DTTG tiếng Việt, với bằng chứng cụ thể như PBCDT đạt tỉ lệ chính xác 77% và tần số TXH đạt 85% (Bảng 2.11, Bảng 3.15).
  3. Đổi mới phương pháp luận với quy trình tái tạo: Đề xuất một quy trình thực nghiệm X DTTG 6 bước có thể tái tạo, kết hợp các công cụ Python và R để trực quan hóa dữ liệu (106 đường cong Mendenhall, 528 đồ thị tương ứng), nâng cao tính minh bạch và độ tin cậy của nghiên cứu.
  4. Thực hiện so sánh đối chiếu đa ngôn ngữ: Phân tích sự tương đồng và khác biệt về mức độ ảnh hưởng của 10 YTTV giữa tiếng Việt và tiếng Anh, làm rõ các đặc điểm P phổ quát và đặc thù ngôn ngữ (ví dụ, PPTV hiệu quả hơn trong tiếng Anh với 68% so với 51% trong tiếng Việt).
  5. Tích hợp ngữ dụng học xã hội: Vượt qua giới hạn của phân tích định lượng thuần túy bằng cách lý giải các hiện tượng thông qua lăng kính thông tin xã hội học của tác giả.

Nghiên cứu này đại diện cho một bước tiến về mặt học thuật, dịch chuyển nhận thức từ các phương pháp định tính sang định lượng, thực chứng và có khả năng tái tạo trong P tiếng Việt. Nó mở ra ít nhất ba dòng nghiên cứu mới bao gồm: (1) nghiên cứu chuyên sâu về các cấp độ ngôn ngữ khác (cú pháp, ngữ pháp) trong P tiếng Việt; (2) tích hợp các YTTV hiệu quả với các mô hình học máy và học sâu cho X DTTG tự động; và (3) mở rộng nghiên cứu so sánh đối chiếu sang các ngôn ngữ đơn lập khác trong khu vực.

Với khối ngữ liệu VVC_Stylometry được cung cấp công khai và quy trình nghiên cứu minh bạch, luận án này có tầm ảnh hưởng toàn cầu, đặc biệt cho các nhà nghiên cứu làm việc với các ngôn ngữ ít tài nguyên. Nó tạo ra một di sản với các kết quả đo lường được, từ việc nâng cao hiệu quả điều tra tội phạm mạng đến việc bảo vệ sở hữu trí tuệ, góp phần vào sự phát triển của Ngôn ngữ học ứng dụng và công lý xã hội trên phạm vi quốc tế.