Một cuốn sách được số hóa có thể được lưu giữ lâu hơn.
Một tài liệu được đưa lên Internet có thể được nhiều người tiếp cận hơn.
Một cơ sở dữ liệu có thể giúp việc tìm kiếm trở nên nhanh chóng hơn.
Nhưng nếu dữ liệu chỉ được lưu trữ mà không thể tiếp tục sử dụng, giá trị của quá trình số hóa vẫn còn giới hạn.
Đây là một câu hỏi quan trọng đối với việc bảo tồn tri thức Y học cổ truyền Việt Nam:
Sau khi tri thức được số hóa, chúng ta có thể làm gì tiếp theo?
Câu trả lời không chỉ nằm ở việc xây dựng thêm website hoặc lưu trữ thêm tài liệu.
Giá trị lớn hơn có thể xuất hiện khi tri thức được tổ chức theo cách cho phép nhiều người và nhiều hệ thống khác nhau tiếp tục khai thác nó.
Đó là quá trình chuyển từ lưu trữ tri thức sang tái sử dụng tri thức.
Lưu trữ là điểm bắt đầu, không phải điểm kết thúc
Hãy hình dung một thư viện chứa hàng nghìn cuốn sách.
Nếu tất cả sách đều được bảo quản tốt nhưng không có danh mục, không có công cụ tìm kiếm và không có cách kết nối nội dung, người sử dụng vẫn gặp nhiều khó khăn.
Tương tự, một kho dữ liệu số có thể chứa rất nhiều thông tin nhưng vẫn khó khai thác nếu dữ liệu:
- Không được phân loại
- Không có metadata
- Không có nguồn tham chiếu
- Không được chuẩn hóa
- Không thể tìm kiếm hiệu quả
Số lượng dữ liệu không tự động tạo ra giá trị.
Giá trị xuất hiện khi dữ liệu có thể được tìm thấy và sử dụng trong một bối cảnh phù hợp.
Có thể hình dung quá trình phát triển:
Tài liệu → Số hóa → Dữ liệu → Tổ chức → Liên kết → Tái sử dụng
Mỗi bước tạo thêm khả năng khai thác cho tri thức.
Tái sử dụng tri thức là gì?
Tái sử dụng không đơn giản là sao chép lại nội dung từ nơi này sang nơi khác.
Một dữ liệu có thể được tái sử dụng theo nhiều cách.
Ví dụ, thông tin về một dược liệu có thể phục vụ:
- Tra cứu giáo dục
- Nghiên cứu lịch sử
- Xây dựng từ điển
- Phân tích dữ liệu
- Đối chiếu thuật ngữ
- Phát triển công cụ tìm kiếm
- Xây dựng knowledge graph
Cùng một dữ liệu nhưng có thể tạo ra nhiều giá trị khác nhau.
Điều này đặc biệt quan trọng với những dự án số hóa có quy mô lớn.
Nếu dữ liệu được xây dựng tốt từ đầu, các dự án sau không cần bắt đầu lại hoàn toàn.
Một dữ liệu có thể phục vụ nhiều thế hệ người dùng
Người học và nhà nghiên cứu không cần khai thác dữ liệu theo cùng một cách.
Một sinh viên có thể muốn:
Tìm hiểu khái niệm cơ bản.
Một nhà nghiên cứu lịch sử có thể muốn:
Xem thuật ngữ xuất hiện trong những tài liệu nào.
Một chuyên gia dữ liệu có thể muốn:
Phân tích mối quan hệ giữa các thực thể.
Một hệ thống AI có thể cần:
Dữ liệu có cấu trúc và nguồn tham chiếu rõ ràng.
Nếu dữ liệu được thiết kế chỉ cho một mục đích duy nhất, khả năng tái sử dụng sẽ bị giới hạn.
Ngược lại, một cấu trúc dữ liệu linh hoạt có thể phục vụ nhiều nhóm người dùng.
Đây là một trong những lợi ích dài hạn của việc đầu tư vào chuẩn hóa và metadata.
Tái sử dụng không đồng nghĩa với sử dụng ngoài ngữ cảnh
Một nguy cơ của dữ liệu mở là thông tin có thể được lấy ra khỏi bối cảnh ban đầu.
Ví dụ, một câu trong tài liệu lịch sử có thể được trích dẫn như một khẳng định khoa học hiện đại.
Hoặc một dữ liệu nghiên cứu trong điều kiện cụ thể có thể bị diễn giải rộng hơn phạm vi của nghiên cứu.
Do đó, để dữ liệu có thể tái sử dụng an toàn, cần giữ lại:
- Nguồn gốc
- Bối cảnh
- Thời điểm
- Phạm vi
- Giới hạn của thông tin
Tái sử dụng tốt không phải là tách dữ liệu khỏi nguồn.
Ngược lại, dữ liệu càng có khả năng tái sử dụng càng cần giữ được mối liên hệ với nguồn gốc.
Metadata tạo điều kiện cho tái sử dụng
Một tập dữ liệu không có thông tin mô tả thường khó được người khác sử dụng.
Người dùng cần biết:
- Dữ liệu này là gì?
- Được tạo ra khi nào?
- Đến từ nguồn nào?
- Bao gồm những trường nào?
- Có những giới hạn gì?
Đó là vai trò của metadata.
Ví dụ, một bản ghi về dược liệu có thể chứa:
Tên chuẩn
Tên gọi khác
Nguồn tư liệu
Thời điểm ghi nhận
Phân loại
Mối quan hệ liên quan
Nhờ đó, dữ liệu có thể được hiểu mà không phụ thuộc hoàn toàn vào người đã tạo ra nó.
Đây là điều quan trọng đối với các dự án dài hạn.
Người xây dựng ban đầu có thể không còn tham gia, nhưng dữ liệu vẫn cần có khả năng được tiếp tục sử dụng.
Dữ liệu có cấu trúc giúp giảm công việc lặp lại
Khi thông tin chỉ tồn tại dưới dạng văn bản tự do, mỗi người sử dụng có thể phải đọc lại và trích xuất thông tin từ đầu.
Ví dụ, một nghiên cứu muốn xác định các dược liệu được nhắc đến trong nhiều tài liệu.
Nếu dữ liệu chỉ là PDF, quá trình này có thể cần:
- Đọc tài liệu
- Tìm kiếm tên
- Trích xuất thủ công
- So sánh giữa các nguồn
Nếu thông tin đã được tổ chức thành dữ liệu có cấu trúc, một phần công việc có thể được thực hiện nhanh hơn.
Ví dụ:
| Dược liệu | Tài liệu ghi nhận | Thời kỳ |
|---|---|---|
| A | Tài liệu 1 | Thế kỷ X |
| A | Tài liệu 2 | Thế kỷ XVIII |
| B | Tài liệu 2 | Thế kỷ XVIII |
Dữ liệu cấu trúc không thay thế văn bản gốc.
Nó tạo ra một lớp mới giúp khai thác văn bản hiệu quả hơn.
Từ một dự án nhỏ đến hạ tầng tri thức
Một dự án ban đầu có thể được xây dựng với mục tiêu khá đơn giản.
Ví dụ:
Xây dựng từ điển trực tuyến.
Nhưng nếu dữ liệu được tổ chức tốt, sau này nó có thể trở thành nền tảng cho:
- Công cụ tìm kiếm
- Kho dữ liệu nghiên cứu
- Knowledge graph
- Ứng dụng giáo dục
- Hệ thống hỏi đáp có nguồn
- Công cụ phân tích văn bản
Điều này cho thấy giá trị của dữ liệu có thể tăng theo thời gian.
Một dự án không nhất thiết phải dự đoán tất cả ứng dụng tương lai.
Tuy nhiên, việc thiết kế dữ liệu theo hướng có thể mở rộng sẽ tạo ra nhiều cơ hội hơn.
Tri thức có thể được tái sử dụng trong giáo dục
Một trong những ứng dụng rõ ràng nhất của dữ liệu số là giáo dục.
Thay vì người học phải tìm kiếm thông tin qua nhiều nguồn phân tán, một hệ thống có thể tổ chức kiến thức theo:
- Chủ đề
- Khái niệm
- Thực thể
- Thời kỳ
- Mối quan hệ
Ví dụ, người học bắt đầu từ một khái niệm và tiếp tục khám phá:
Khái niệm → Thuật ngữ liên quan → Tài liệu → Danh y → Bối cảnh lịch sử
Cách tiếp cận này giúp việc học trở thành một quá trình khám phá mạng lưới tri thức thay vì chỉ đọc từng tài liệu riêng lẻ.
Tri thức có thể được tái sử dụng trong nghiên cứu
Đối với nhà nghiên cứu, dữ liệu được tổ chức tốt có thể giảm đáng kể thời gian chuẩn bị.
Thay vì bắt đầu bằng:
Tìm tài liệu → Đọc → Ghi chú → Nhập lại dữ liệu
một phần thông tin nền có thể đã tồn tại trong kho tri thức.
Nhà nghiên cứu có thể tập trung nhiều hơn vào:
- Đặt câu hỏi
- Kiểm tra giả thuyết
- Đối chiếu nguồn
- Phân tích dữ liệu
Tuy nhiên, cần nhấn mạnh rằng dữ liệu được tái sử dụng không loại bỏ trách nhiệm kiểm tra của nhà nghiên cứu.
Một bản ghi trong cơ sở dữ liệu vẫn cần được đối chiếu với nguồn phù hợp khi sử dụng cho các kết luận quan trọng.
Dữ liệu dùng cho AI cần được chuẩn bị khác
Một văn bản có thể dễ đọc đối với con người nhưng chưa chắc phù hợp cho máy tính.
AI cần dữ liệu có cấu trúc và ngữ cảnh.
Ví dụ, thay vì chỉ có một đoạn văn:
Một bài thuốc gồm một số vị thuốc…
Hệ thống dữ liệu có thể biểu diễn:
Bài thuốc A
├── thành phần → Dược liệu X
├── thành phần → Dược liệu Y
└── nguồn → Tài liệu Z
Cấu trúc này giúp máy tính xử lý mối quan hệ dễ hơn.
Tuy nhiên, dữ liệu có cấu trúc cũng không nên thay thế hoàn toàn tài liệu gốc.
Một hệ thống tốt nên duy trì cả:
- Dữ liệu gốc
- Dữ liệu đã cấu trúc
- Liên kết giữa hai lớp
API và khả năng chia sẻ tri thức
Khi một kho dữ liệu phát triển, người dùng không nhất thiết chỉ truy cập thông qua giao diện website.
Các hệ thống khác có thể cần kết nối trực tiếp với dữ liệu.
Đây là nơi các giao diện lập trình, thường được gọi là API, có thể đóng vai trò.
Ví dụ, một ứng dụng giáo dục có thể truy vấn dữ liệu về thuật ngữ.
Một công cụ nghiên cứu có thể tìm các tài liệu liên quan đến một thực thể.
Một hệ thống AI có thể sử dụng dữ liệu đã được kiểm soát nguồn.
Tuy nhiên, việc mở dữ liệu cần đi kèm với các quy định rõ ràng về:
- Quyền truy cập
- Cách trích dẫn
- Giấy phép sử dụng
- Bảo vệ dữ liệu
- Trách nhiệm khi tái sử dụng
Khả năng tái sử dụng cần được thiết kế cùng với cơ chế quản lý phù hợp.
FAIR và nguyên tắc dữ liệu có thể tái sử dụng
Trong khoa học dữ liệu hiện đại, một hướng tiếp cận quan trọng là làm cho dữ liệu trở nên:
- Có thể tìm thấy
- Có thể truy cập
- Có thể liên thông
- Có thể tái sử dụng
Những nguyên tắc này thường được biết đến với tên gọi FAIR.
Không phải mọi dự án đều có thể đáp ứng đầy đủ tất cả tiêu chí ngay từ đầu.
Tuy nhiên, tinh thần của FAIR có thể giúp định hướng việc xây dựng dữ liệu.
Ví dụ:
Có thể tìm thấy
Dữ liệu có tên, định danh và metadata rõ ràng.
Có thể truy cập
Người dùng biết dữ liệu tồn tại ở đâu và cách tiếp cận.
Có thể liên thông
Dữ liệu sử dụng cấu trúc giúp kết nối với hệ thống khác.
Có thể tái sử dụng
Nguồn gốc, giấy phép và điều kiện sử dụng được mô tả rõ.
Đây là một hướng tham khảo hữu ích cho các dự án tri thức số.
Tái sử dụng giúp tri thức tiếp tục phát triển
Một kho tri thức được đóng kín hoàn toàn có thể được bảo tồn nhưng ít tạo ra tương tác.
Khi dữ liệu được sử dụng trong nghiên cứu, giáo dục hoặc công nghệ, nó có cơ hội tiếp tục phát triển.
Người sử dụng có thể:
- Phát hiện lỗi
- Đề xuất dữ liệu mới
- Tạo ra câu hỏi mới
- Phát hiện các mối liên hệ mới
Quá trình này tạo thành một vòng lặp:
Bảo tồn → Sử dụng → Phản hồi → Cập nhật → Phát triển
Nhờ đó, tri thức không chỉ được lưu giữ mà còn tiếp tục tạo ra giá trị mới.
Giá trị lâu dài nằm ở khả năng kế thừa
Một dự án dữ liệu có thể được đánh giá không chỉ bằng số lượng nội dung đã tạo ra.
Một câu hỏi quan trọng hơn là:
Người khác có thể tiếp tục sử dụng những gì chúng ta đã xây dựng hay không?
Nếu dữ liệu chỉ có thể được hiểu bởi người tạo ra nó, khả năng kế thừa sẽ thấp.
Nếu dữ liệu có:
- Cấu trúc rõ ràng
- Nguồn minh bạch
- Metadata đầy đủ
- Định danh ổn định
- Cách truy cập phù hợp
thì giá trị có thể kéo dài vượt qua phạm vi của dự án ban đầu.
Đây là một trong những ý nghĩa quan trọng nhất của số hóa tri thức.
Kết luận
Bảo tồn tri thức không chỉ là giữ lại những gì đã có.
Trong môi trường số, bảo tồn còn là tạo điều kiện để tri thức có thể được tìm thấy, hiểu đúng và tiếp tục được sử dụng.
Từ giáo dục đến nghiên cứu, từ từ điển trực tuyến đến các hệ thống AI, cùng một nguồn dữ liệu có thể tạo ra nhiều giá trị nếu được tổ chức tốt.
Quá trình này đòi hỏi nhiều yếu tố: dữ liệu có cấu trúc, metadata, nguồn tham chiếu, chuẩn hóa và cơ chế quản trị phù hợp.
Điều quan trọng là tái sử dụng không được tách rời khỏi trách nhiệm.
Mỗi lần sử dụng tri thức cần tôn trọng nguồn gốc, bối cảnh và giới hạn của dữ liệu.
Khi đó, số hóa không chỉ biến tài liệu giấy thành dữ liệu điện tử. Nó có thể tạo ra một nền tảng để tri thức Y học cổ truyền Việt Nam tiếp tục được nghiên cứu, kế thừa và phát triển trong những bối cảnh mới.
Lưu ý: Nội dung bài viết mang tính thông tin, nghiên cứu và tham khảo, không thay thế cho tư vấn, chẩn đoán hoặc điều trị y khoa.
Từ khóa: tái sử dụng tri thức Y học cổ truyền, dữ liệu YHCT, FAIR data, bảo tồn tri thức số, knowledge reuse, dữ liệu mở Y học cổ truyền, metadata, cơ sở dữ liệu tri thức, knowledge graph, AI và YHCT.