Tệp thesaurus của VOSviewer là tệp văn bản phân tách bằng tab, dòng đầu là hai cột label và replace by. Mỗi dòng sau là một cặp: từ gốc và từ thay thế. Để trống cột thay thế thì từ đó bị loại khỏi bản đồ. Nạp tệp ở bước chọn dữ liệu.
Bản đồ từ khoá chỉ sạch khi dữ liệu sạch. Không làm sạch, cùng một khái niệm bị chia ra nhiều nút nhỏ, còn những từ vô nghĩa chiếm chỗ ở trung tâm. Bài này hướng dẫn dựng tệp thesaurus từ danh sách từ của chính bạn, những nhóm biến thể cần gộp, cách xử lý tên tác giả, và cách so bản đồ trước, sau để báo cáo trung thực.
Lấy danh sách từ khoá để làm sạch
Đừng đoán biến thể. Lấy chính danh sách mà VOSviewer đọc ra từ dữ liệu của bạn.
- Dựng bản đồ đồng xuất hiện lần đầu với ngưỡng thấp (ví dụ 2), không dùng thesaurus.
- Ở bước kiểm tra danh sách từ, hoặc sau khi dựng xong, xuất danh sách nút ra tệp (chức năng lưu tệp bản đồ).
- Mở tệp đó bằng bảng tính, sắp xếp theo chữ cái để các biến thể nằm cạnh nhau.
- Đánh dấu nhóm biến thể, từ cần loại, tên cần gộp; điền vào hai cột.
- Lưu dưới dạng văn bản phân tách bằng tab, mã hoá UTF-8, đặt tên dễ nhận như
thesaurus_keywords.txt.
Sắp theo chữ cái chỉ bắt được biến thể chung phần đầu. Với viết tắt và từ đồng nghĩa, cần đọc lướt cả danh sách, hoặc tìm theo từ gốc.
Những nhóm biến thể cần gộp
Ví dụ trong bảng là dạng thường gặp trong dữ liệu tiếng Anh; nguyên tắc áp dụng cho mọi ngôn ngữ.
| Nhóm | Ví dụ trong cột label | Cột replace by |
|---|---|---|
| Số ít, số nhiều | small enterprises | small enterprise |
| Gạch nối, khoảng trắng | e-learning, elearning | e-learning |
| Chính tả Anh, Mỹ | behaviour | behavior |
| Viết tắt và tên đầy đủ | sme, smes | small enterprise |
| Đồng nghĩa trong bối cảnh bài | covid-19 pandemic, sars-cov-2 | covid-19 |
| Từ chung chung cần loại | study, article, analysis | (để trống) |
| Từ khớp truy vấn, có mặt ở mọi bài | Từ khoá dùng trong câu truy vấn | (để trống, nếu không muốn nó chiếm trung tâm) |
Gộp đồng nghĩa là quyết định diễn giải. Gộp “sars-cov-2” vào “covid-19” hợp với bài về tác động xã hội của đại dịch, nhưng sai với bài về virus học, nơi hai khái niệm phải tách. Ghi lại lý do mỗi nhóm gộp lớn.
Làm sạch tên tác giả
Khi nào cần
Với phân tích đồng tác giả hoặc trích dẫn theo tác giả, cùng một người có thể xuất hiện dưới nhiều dạng: có hoặc không có tên đệm, đảo họ tên, có dấu hoặc không dấu. Tên người Việt đặc biệt dễ bị tách: họ Nguyễn có thể được ghi là họ hoặc tên tuỳ cách tạp chí xử lý.
Cách làm
Thesaurus cho tác giả là một tệp riêng, dùng khi chạy phân tích đơn vị tác giả. Cột label ghi dạng tên như trong dữ liệu, cột replace by ghi dạng chuẩn bạn chọn. Đối chiếu mã tác giả Scopus hoặc ORCID trong tệp gốc để chắc hai dạng là một người.
Điều không làm
Không gộp hai tên chỉ vì giống nhau. “Nguyen T.” trong một tập dữ liệu vài nghìn bài gần như chắc chắn là nhiều người khác nhau. Gộp nhầm tạo ra một “tác giả siêu năng suất” không có thật, và đây là lỗi phản biện bắt được nhanh nhất.
Nạp thesaurus và so bản đồ trước, sau
Dựng lại bản đồ từ đầu với cùng tệp dữ liệu và cùng tham số, chỉ khác là chọn tệp thesaurus ở ô tương ứng khi chọn tệp dữ liệu. Lưu hai bản đồ, trước và sau, rồi so những điểm sau: số từ đạt ngưỡng, số cụm, những nút lớn nhất, và các từ đổi cụm.
Thường sau khi làm sạch, số nút giảm, vài nút lớn lên rõ rệt do được gộp, số cụm có thể giảm vì những cụm nhỏ lắt nhắt do biến thể tạo ra đã biến mất. Nếu bản đồ sau khác hẳn bản đồ trước về cấu trúc chủ đề, hãy xem lại: có thể bạn đã gộp quá tay những từ thực ra khác nghĩa.
Trong bài báo, một hai câu là đủ: đã dùng tệp thesaurus để gộp biến thể và loại từ chung, số từ trước và sau, tệp thesaurus đưa vào tài liệu bổ sung. Nhiều tạp chí và phản biện đánh giá cao việc công bố tệp này, vì nó cho thấy các quyết định diễn giải của tác giả.
Ví dụ: làm sạch một tập dữ liệu về học trực tuyến
Tình huống giả định: tập dữ liệu vài nghìn bản ghi về học trực tuyến ở bậc đại học. Bản đồ đầu tiên với ngưỡng năm lần xuất hiện cho hơn hai trăm từ khoá. Sắp danh sách theo chữ cái, người làm thấy ngay một loạt biến thể: “online learning”, “online-learning”, “e-learning”, “elearning”, “distance learning”, “distance education”, “remote learning”, “emergency remote teaching”.
Ở đây không thể gộp tất cả cho gọn. “Online learning” và “online-learning” chắc chắn là một; “e-learning” và “elearning” cũng vậy. Nhưng “distance education” có lịch sử riêng, gắn với đào tạo từ xa trước thời internet, còn “emergency remote teaching” là khái niệm chỉ giai đoạn chuyển đổi bắt buộc khi trường đóng cửa. Nhóm quyết định gộp các biến thể chính tả, giữ riêng ba khái niệm, và ghi lý do vào nhật ký làm sạch.
Tiếp theo là những từ chung: “higher education” xuất hiện ở gần như mọi bài vì đó là một phần của câu truy vấn; để trống cột thay thế cho nó để bản đồ không bị một nút khổng lồ chiếm giữa. Cuối cùng, bản đồ sau làm sạch còn khoảng một trăm hai mươi từ, cụm rõ hơn, và mỗi cụm có thể đặt tên được sau khi đọc vài bài tiêu biểu.
Lỗi hay gặp với tệp thesaurus
Lưu sai định dạng. Lưu thành tệp Excel hoặc phân tách bằng dấu phẩy thì VOSviewer không đọc được hoặc đọc sai; phải là văn bản phân tách bằng tab.
Sai dòng tiêu đề. Dòng đầu phải đúng tên hai cột như tài liệu hướng dẫn của VOSviewer quy định. Gõ khác đi, phần mềm có thể bỏ qua cả tệp mà không báo rõ.
Mã hoá ký tự lỗi. Tên có dấu hoặc ký tự đặc biệt bị vỡ khi lưu không phải UTF-8, dẫn tới dòng thay thế không khớp.
Khoảng trắng thừa. Một khoảng trắng ở cuối từ trong cột label khiến dòng đó không khớp với từ trong dữ liệu. Dùng hàm cắt khoảng trắng trong bảng tính trước khi lưu.
Thay thế theo chuỗi. Một từ được thay ở cột replace by lại xuất hiện ở cột label của dòng khác. Giữ cột thay thế là dạng chuẩn cuối cùng để tránh vòng thay thế khó đoán.
Giữ tệp thesaurus như một phần của dữ liệu
Lưu tệp thesaurus cùng thư mục dự án, đặt tên kèm ngày hoặc số phiên bản, và đưa vào kho mã hay kho dữ liệu nếu nhóm có dùng. Mỗi lần sửa, ghi ngắn lý do. Khi phản biện yêu cầu bỏ gộp một nhóm từ, bạn chỉ cần sửa vài dòng và dựng lại, không phải làm sạch từ đầu.
Một tệp thesaurus tốt có thể dùng lại cho bài sau cùng chủ đề, chỉ cần bổ sung. Đây là một lợi thế nhỏ nhưng thật của việc làm sạch có hệ thống so với sửa tay trong bảng tính rồi quên mất mình đã sửa gì.
Câu hỏi thường gặp
Tệp thesaurus của VOSviewer có định dạng gì?
Đó là tệp văn bản thuần, các cột phân tách bằng tab, dòng đầu là tên hai cột label và replace by. Mỗi dòng tiếp theo là một từ gốc và dạng thay thế. Lưu mã hoá UTF-8 để giữ đúng ký tự đặc biệt.
Làm sao để loại một từ khỏi bản đồ bằng thesaurus?
Ghi từ đó ở cột label và để trống cột replace by. Khi đọc dữ liệu, VOSviewer bỏ qua từ đó. Cách này hợp cho những từ chung chung hoặc từ dùng trong câu truy vấn xuất hiện ở hầu hết bài.
Có nên gộp từ đồng nghĩa không?
Có, nếu trong bối cảnh câu hỏi nghiên cứu chúng chỉ cùng một khái niệm. Đây là quyết định diễn giải nên cần ghi lý do. Với bài mà hai khái niệm cần tách, giữ riêng để bản đồ phản ánh đúng.
Thesaurus cho tác giả có dùng chung tệp với từ khoá không?
Nên tách hai tệp riêng và nạp tệp phù hợp với loại phân tích. Gộp chung dễ gây thay thế nhầm và khó theo dõi khi cần sửa một nhóm cụ thể.
Có cần công bố tệp thesaurus không?
Không bắt buộc nhưng nên làm. Đưa tệp vào tài liệu bổ sung cho thấy cách bạn làm sạch dữ liệu, giúp người khác tái lập bản đồ và trả lời trước câu hỏi của phản biện về các quyết định gộp từ.
