Để tệp nghiên cứu mở được sau nhiều năm, lưu bảng số liệu bằng CSV mã hoá UTF-8, ảnh bằng TIFF không nén hoặc nén không mất dữ liệu, văn bản bằng PDF/A kèm bản ODT hoặc DOCX, âm thanh bằng WAV hoặc FLAC. Tệp gốc của phần mềm giữ làm bản phụ.
Phần mềm đổi phiên bản, công ty đổi chủ, giấy phép hết hạn. Một tệp chỉ mở được bằng một phần mềm cụ thể là tệp đang phụ thuộc vào số phận của phần mềm đó. Các kho lưu trữ lớn như UK Data Service hay Thư viện Quốc hội Hoa Kỳ (với bản Recommended Formats Statement) đều có danh sách định dạng ưu tiên. Bài này gom lại thành lựa chọn thực tế cho người làm đề tài và chỉ ra chỗ hay mất thông tin khi chuyển đổi.
Định dạng thế nào thì được coi là sống lâu?
Một định dạng sống lâu thường có bốn đặc điểm: đặc tả công khai, được nhiều phần mềm đọc, không mã hoá hay khoá bản quyền, và phổ biến đủ để cộng đồng còn quan tâm duy trì. CSV, TIFF, PDF/A, WAV đều thoả. Tệp .sav của SPSS, .nvp của NVivo hay tệp dự án của các phần mềm chuyên dụng thì không: đọc được bằng công cụ khác nhưng thường mất một phần.
Điều này không có nghĩa phải bỏ tệp gốc. Cách làm an toàn là lưu song song: bản gốc để làm việc, bản mở để bảo quản và chia sẻ. Kho dữ liệu chấp nhận cả hai, và người dùng sau tự chọn.
Bảng chọn định dạng theo loại dữ liệu
Cột thứ ba là định dạng nên tránh làm bản lưu duy nhất, không có nghĩa là cấm dùng trong lúc làm việc.
| Loại dữ liệu | Nên lưu bảo quản | Tránh làm bản lưu duy nhất | Ghi chú |
|---|---|---|---|
| Bảng số liệu | CSV mã hoá UTF-8, TSV | .xlsx nhiều trang tính, .sav, .dta | Kèm từ điển dữ liệu chứa nhãn |
| Văn bản | PDF/A, ODT, TXT | .doc đời cũ, .pages | PDF/A cho bản chốt, ODT hoặc DOCX cho bản sửa được |
| Ảnh chụp, ảnh quét | TIFF không nén hoặc nén LZW, PNG | JPEG nén mạnh làm bản gốc | JPEG dùng làm bản xem |
| Âm thanh | WAV, FLAC | Chỉ lưu MP3 hoặc M4A | FLAC nén không mất dữ liệu |
| Video | MP4 mã H.264 hoặc MKV | Định dạng riêng của máy quay | Giữ tệp gốc từ máy nếu có |
| Dữ liệu định tính đã mã hoá | Bản xuất theo chuẩn REFI-QDA (.qdpx) | Chỉ giữ tệp dự án phần mềm | Kèm văn bản gốc dạng TXT hoặc DOCX |
| Dữ liệu không gian | GeoPackage, GeoTIFF | Bộ shapefile thiếu tệp .prj | Ghi rõ hệ toạ độ |
Chuyển bảng số liệu sang CSV mà không mất gì
Từ SPSS, Stata: nhãn biến và nhãn giá trị
CSV chỉ chứa giá trị, không chứa nhãn. Một biến giới tính mã 1 và 2 sẽ thành hai con số trơ trọi. Trước khi xuất, lấy danh sách nhãn ra một bảng riêng: trong R, gói haven đọc được tệp .sav và .dta, gói labelled có hàm generate_dictionary() trả về bảng tên biến, nhãn biến, nhãn giá trị. Lưu bảng đó thành codebook.csv đặt cạnh dữ liệu.
Cũng cần quyết định xuất mã số hay xuất nhãn chữ. Thường nên xuất mã số và để nhãn trong từ điển; nhãn chữ tiếng Việt dài làm tệp nặng và dễ sai chính tả khi gõ lại.
Từ Excel: dấu tiếng Việt và số thập phân
Lỗi kinh điển là mở CSV thấy chữ “Hà Nội” thành ký tự lạ. Nguyên nhân là tệp không được lưu UTF-8 hoặc Excel đoán sai mã hoá khi mở. Khi lưu từ Excel, chọn kiểu CSV UTF-8 (Comma delimited) thay vì kiểu CSV thường. Khi kiểm tra, đừng mở lại bằng Excel; dùng trình soạn văn bản thuần hoặc đọc bằng R, Python với tham số mã hoá UTF-8.
Máy cài định dạng vùng Việt Nam dùng dấu phẩy làm dấu thập phân, nên Excel có thể xuất dấu chấm phẩy làm dấu phân cách cột. Ghi rõ dấu phân cách và dấu thập phân trong README, hoặc xuất bằng R, Python để kiểm soát hoàn toàn.
Ngày tháng và ô gộp
Excel lưu ngày dưới dạng số sê-ri và hiển thị theo vùng, nên 03/04 có thể là mùng 3 tháng 4 hoặc mùng 4 tháng 3. Đổi ngày thành chuỗi dạng YYYY-MM-DD trước khi xuất. Ô gộp, màu nền, chú thích trong ô đều mất khi sang CSV; nếu màu nền mang ý nghĩa, ví dụ đánh dấu dòng nghi sai, hãy biến nó thành một cột cờ.
Văn bản và ảnh: PDF/A, TIFF dùng thế nào cho đúng
PDF/A khác PDF thường ở đâu
PDF/A là tập con của PDF theo chuẩn ISO 19005, buộc nhúng phông chữ, cấm phụ thuộc tài nguyên bên ngoài, cấm mã hoá. Nhờ vậy tệp hiển thị giống nhau sau nhiều năm. Word cho phép tích ô tuân thủ PDF/A trong tuỳ chọn khi lưu PDF; LibreOffice có lựa chọn tương tự trong hộp xuất PDF. Kiểm tra lại bằng công cụ xác minh như veraPDF, phần mềm mã nguồn mở chuyên kiểm tra tuân thủ PDF/A.
TIFF cho ảnh gốc, JPEG cho bản xem
Ảnh quét tài liệu hoặc ảnh mẫu vật nên giữ bản gốc ở TIFF, nén LZW hoặc không nén, độ phân giải đủ cho mục đích dùng lại. JPEG nén mất dữ liệu: mỗi lần mở ra sửa rồi lưu lại là thêm một lớp hỏng. Tạo bản JPEG riêng cho việc xem nhanh và đăng web, không bao giờ ghi đè lên TIFF.
Âm thanh, video, dữ liệu định tính: lưu sao cho khỏi tiếc
Âm thanh phỏng vấn. Điện thoại thường ghi ra M4A hoặc MP3, đều là định dạng nén mất dữ liệu. Giữ nguyên tệp gốc, đừng chuyển qua lại nhiều lần. Nếu cần bản bảo quản, chuyển một lần sang FLAC hoặc WAV; việc này không làm âm thanh tốt hơn nhưng tránh hỏng thêm ở các lần xử lý sau.
Video. MP4 mã H.264 đọc được trên hầu hết mọi máy. Định dạng riêng của máy quay chuyên dụng nên giữ kèm, cùng ghi chú tên máy và cài đặt.
Dự án phân tích định tính. Các phần mềm lớn như NVivo, ATLAS.ti, MAXQDA hỗ trợ xuất nhập theo chuẩn trao đổi REFI-QDA. Xuất một bản .qdpx giúp mở lại được ở phần mềm khác nếu sau này đổi công cụ. Mức hỗ trợ khác nhau giữa các phần mềm, nên thử nhập lại trước khi xoá tệp dự án gốc.
Đặt tên tệp và cấu trúc thư mục cũng là chuyện bảo quản
Định dạng tốt mà tên tệp rối thì mười năm sau vẫn khó dùng. Tên tệp nên chỉ gồm chữ không dấu, số, gạch nối và gạch dưới; tránh dấu cách, dấu tiếng Việt, ký tự như dấu gạch chéo hay dấu hai chấm vì mỗi hệ điều hành xử lý một kiểu. Một tên như 2024-05-12_phongvan_P07.m4a tự sắp xếp đúng thứ tự thời gian và không lộ danh tính người tham gia.
Thư mục nên tách rõ phần gốc không bao giờ sửa, phần đã xử lý, phần mã và phần tài liệu. Ví dụ du_lieu_goc, du_lieu_xu_ly, ma, tai_lieu. Khi giao bộ dữ liệu cho kho, cấu trúc này kèm một tệp README ở gốc giúp người nhận hiểu ngay đâu là bản chuẩn.
Đừng tin vào số phiên bản ghi trong tên như final_v3_sua_lan_cuoi. Ghi ngày theo dạng năm, tháng, ngày ở đầu tên, hoặc dùng hệ thống quản lý phiên bản cho mã và tài liệu văn bản.
Khi nào giữ lại tệp gốc của phần mềm đóng?
Có những thông tin chỉ tồn tại trong tệp gốc: lịch sử mã hoá trong dự án NVivo, cài đặt phân tích trong tệp SPSS, các lớp ghi chú trong tệp dự án GIS. Nếu bỏ tệp gốc, những thứ đó mất hẳn. Vì vậy quy tắc là giữ tệp gốc làm bản phụ, kèm ghi chú tên phần mềm và phiên bản đã dùng, chứ không thay bằng bản mở rồi xoá.
Ngược lại, đừng chỉ giữ tệp gốc. Phần mềm có thể không còn bán, giấy phép trường có thể hết, phiên bản mới có thể không mở được tệp quá cũ. Bản mở là bảo hiểm cho trường hợp đó.
Bảng kiểm sau khi chuyển đổi
Chuyển xong chưa phải là xong. Mỗi lần đổi định dạng, làm các bước kiểm sau trước khi xoá hay cất bản cũ:
- So số dòng và số cột giữa bản gốc và bản mới.
- Mở bản mới bằng một phần mềm khác phần mềm đã xuất, xem chữ tiếng Việt có còn nguyên dấu.
- Kiểm tra vài giá trị thiếu: ô trống, mã 99, mã -9 có giữ đúng như quy ước không.
- So các biến ngày tháng ở vài dòng ngẫu nhiên.
- Ghi lại trong README: tệp nào là gốc, tệp nào là bản chuyển đổi, chuyển bằng công cụ gì.
- Tạo mã băm cho cả bản gốc và bản mới để sau này phát hiện tệp bị hỏng khi sao chép.
Câu hỏi thường gặp
Có nên lưu dữ liệu nghiên cứu bằng tệp Excel không?
Dùng Excel để làm việc thì không sao, nhưng bản lưu dài hạn nên có thêm CSV UTF-8, mỗi bảng một tệp. Tệp .xlsx nhiều trang tính, ô gộp và công thức rất khó đọc tự động sau này.
Vì sao mở CSV tiếng Việt bằng Excel bị lỗi chữ?
Thường do tệp không lưu UTF-8 hoặc Excel đoán sai mã hoá khi mở trực tiếp. Lưu bằng kiểu CSV UTF-8, hoặc nhập qua chức năng lấy dữ liệu từ tệp văn bản và chọn mã hoá UTF-8.
PDF/A có cần thiết cho luận văn không?
Nhiều thư viện và kho lưu trữ yêu cầu hoặc khuyến nghị PDF/A cho bản nộp cuối vì phông chữ được nhúng đầy đủ. Kiểm tra yêu cầu của thư viện trường; nếu không bắt buộc thì vẫn nên xuất PDF/A cho bản lưu.
Chuyển MP3 sang WAV có làm âm thanh tốt hơn không?
Không. Phần chất lượng đã mất khi nén thì không lấy lại được. Chuyển sang định dạng không nén chỉ để tránh mất thêm qua các lần xử lý tiếp theo.
Nhãn biến trong SPSS mất khi xuất CSV thì làm sao?
Xuất nhãn ra một bảng riêng làm từ điển dữ liệu, ví dụ bằng gói haven và labelled trong R, rồi lưu cạnh tệp CSV. Giữ cả tệp .sav gốc làm bản phụ.
