Trí tuệ nhân tạo và làn sóng rút bài khoa học: Vai trò dẫn dắt của đại học trong bảo đảm liêm chính học thuật

Trí tuệ nhân tạo tạo sinh và áp lực mới đối với liêm chính học thuật

Trong giáo dục đại học, viết học thuật không chỉ là hoạt động trình bày kết quả tìm hiểu khoa học. Đó còn là quá trình thể hiện năng lực tư duy, khả năng lập luận, phương pháp xử lí dữ liệu, chuẩn mực trích dẫn và trách nhiệm đạo đức của người viết. Một bài luận, luận văn, luận án hay bài báo khoa học đều không chỉ được đánh giá ở hình thức diễn đạt, mà còn ở độ tin cậy của dữ liệu, tính chặt chẽ của lập luận, sự trung thực trong ghi nhận nguồn và mức độ đóng góp thật của tác giả.

Sự phát triển nhanh của trí tuệ nhân tạo tạo sinh đã làm thay đổi đáng kể quá trình đó. Các công cụ trí tuệ nhân tạo có thể hỗ trợ người học và nhà khoa học ở nhiều khâu như tổ chức ý tưởng, rà soát bản thảo, cải thiện diễn đạt, hỗ trợ dịch thuật, gợi ý cấu trúc lập luận, xử lí dữ liệu, chuẩn bị phản hồi phản biện và phổ biến kết quả khoa học tới những nhóm công chúng khác nhau. Khalifa và Albadawy (2024) cho rằng trí tuệ nhân tạo có thể trở thành công cụ nâng cao hiệu suất trong viết học thuật và hoạt động khoa học; Dergaa và cộng sự (2023) cũng phân tích khả năng hỗ trợ của công cụ tạo sinh trong quá trình viết và xử lí văn bản học thuật.

Tuy nhiên, chính khả năng tạo văn bản nhanh, trôi chảy và có vẻ thuyết phục cũng khiến trí tuệ nhân tạo tạo sinh trở thành một thách thức đáng kể đối với liêm chính học thuật. Một bản thảo có thể được cải thiện về ngôn ngữ nhờ công cụ số, nhưng cũng có thể bị tổn hại về giá trị khoa học nếu người viết sử dụng công cụ để tạo nội dung chưa được kiểm chứng, làm mờ nguồn gốc ý tưởng, mô phỏng lập luận học thuật hoặc thay thế lao động trí tuệ của tác giả. Trong môi trường công bố quốc tế, nguy cơ đó càng đáng chú ý khi nhiều trường hợp rút bài gần đây liên quan đến thao túng quy trình phản biện, dữ liệu không đáng tin cậy, đạo văn, khai báo tác giả không trung thực hoặc sử dụng trí tuệ nhân tạo mà không công khai đầy đủ (Van Noorden, 2023; Nguyen & Vuong, 2024).

Rút bài khoa học vốn là cơ chế tự điều chỉnh cần thiết của cộng đồng học thuật. Khi một bài báo đã công bố có sai sót nghiêm trọng, vi phạm đạo đức hoặc không còn đủ độ tin cậy, việc rút bài giúp cảnh báo cộng đồng khoa học, hạn chế việc tiếp tục sử dụng những kết quả không bảo đảm làm căn cứ cho các công trình sau. Dẫu vậy, sự phát triển của trí tuệ nhân tạo tạo sinh đã làm cho vấn đề rút bài trở nên phức tạp hơn. Theo Van Noorden (2023), hơn 10.000 bài báo khoa học đã bị rút trong năm 2023, mức cao kỷ lục được ghi nhận trên bình diện xuất bản học thuật quốc tế. Fute và cộng sự (2026) cũng tổng hợp một số trường hợp cho thấy các nhà xuất bản lớn từng phải rút số lượng rất lớn bài báo do những bất thường trong quy trình xuất bản, phản biện và kiểm soát chất lượng.

Áp lực này đặc biệt lớn đối với học viên cao học và nghiên cứu sinh. Ở nhiều chương trình đào tạo sau đại học, luận văn, luận án và công bố khoa học gắn trực tiếp với yêu cầu tốt nghiệp, xét học vị, phát triển nghề nghiệp và uy tín học thuật cá nhân. Khi các quy định về sử dụng trí tuệ nhân tạo chưa đủ rõ, người học dễ rơi vào trạng thái lúng túng: họ nhận thấy công cụ hữu ích, nhưng đồng thời lo ngại việc sử dụng không đúng chuẩn mực có thể ảnh hưởng đến kết quả đào tạo và hồ sơ học thuật. Chính trong sự căng thẳng giữa tiềm năng công nghệ và yêu cầu liêm chính ấy, vai trò dẫn dắt của cơ sở giáo dục đại học trở nên đặc biệt quan trọng.

Chấp nhận công nghệ trong học thuật: Không chỉ là biết sử dụng công cụ

Để lí giải vì sao người học chấp nhận hoặc từ chối sử dụng công nghệ, nhiều tài liệu kế thừa Mô hình Chấp nhận Công nghệ do Davis (1989) đề xuất. Theo mô hình ban đầu, quyết định sử dụng công nghệ chịu ảnh hưởng bởi nhận thức về tính hữu ích, nhận thức về mức độ dễ sử dụng, thái độ và hành vi sử dụng thực tế. Khi đặt vào bối cảnh trí tuệ nhân tạo tạo sinh trong giáo dục đại học, mô hình này cần được mở rộng, bởi việc sử dụng công cụ không chỉ là lựa chọn kĩ thuật, mà còn liên quan đến hiểu biết, niềm tin, trách nhiệm học thuật và môi trường quản trị của nhà trường.

Những phát triển sau đó của Mô hình Chấp nhận Công nghệ đã bổ sung nhiều yếu tố nhằm giải thích hành vi sử dụng công nghệ trong các bối cảnh khác nhau. Venkatesh và Davis (2000) bổ sung ảnh hưởng xã hội và các yếu tố liên quan đến nhiệm vụ; Venkatesh và cộng sự (2003) phát triển Lí thuyết thống nhất về chấp nhận và sử dụng công nghệ, trong đó nhấn mạnh kì vọng hiệu quả, kì vọng nỗ lực, ảnh hưởng xã hội và điều kiện hỗ trợ; Venkatesh và Bala (2008) tiếp tục mở rộng mô hình với các yếu tố tâm lí và điều kiện can thiệp. Những hướng phát triển đó cho thấy công nghệ không được người dùng chấp nhận chỉ vì nó xuất hiện, mà vì người dùng nhận thấy giá trị, có năng lực sử dụng và được đặt trong môi trường có điều kiện hỗ trợ phù hợp.

Với trí tuệ nhân tạo tạo sinh, hiểu biết về công nghệ và sự tự tin khi sử dụng công cụ là hai yếu tố đặc biệt quan trọng. Hiểu biết về trí tuệ nhân tạo không nên được hiểu giản đơn là biết tên một số công cụ, biết nhập câu lệnh hoặc biết tạo văn bản. Long và Magerko (2020) cho rằng hiểu biết về trí tuệ nhân tạo bao gồm khả năng hiểu, sử dụng và đánh giá các hệ thống trí tuệ nhân tạo. Ng và cộng sự (2021) tiếp cận năng lực này như một tổ hợp kiến thức và kĩ năng giúp con người đánh giá công nghệ, giao tiếp với hệ thống trí tuệ nhân tạo và sử dụng công cụ trong học tập, công việc, đời sống một cách phù hợp.

Trong môi trường đại học, hiểu biết về trí tuệ nhân tạo cần được gắn trực tiếp với liêm chính học thuật. Người học cần hiểu công cụ có thể hỗ trợ ở khâu nào, giới hạn ra sao, vì sao cần kiểm chứng đầu ra, khi nào phải công khai việc sử dụng và tại sao trách nhiệm cuối cùng vẫn thuộc về tác giả. Nếu thiếu nền tảng này, người học có thể rơi vào hai khuynh hướng không thuận lợi: né tránh công cụ vì lo ngại rủi ro, hoặc phụ thuộc quá mức vào công cụ mà không nhận thức đầy đủ hệ quả học thuật.

Sự tự tin khi sử dụng trí tuệ nhân tạo vì vậy không phải là sự tự tin thiếu căn cứ. Đó là cảm giác có năng lực kiểm soát quá trình sử dụng công cụ, biết đánh giá kết quả, biết đối chiếu với tài liệu gốc, biết chỉnh sửa bằng năng lực chuyên môn và biết chịu trách nhiệm về sản phẩm cuối cùng. Một học viên có thể đã nghe nhiều về trí tuệ nhân tạo nhưng vẫn chưa sẵn sàng sử dụng trong học thuật nếu không rõ quy định, không biết cách khai báo hoặc không chắc liệu việc sử dụng công cụ có ảnh hưởng đến đánh giá của giảng viên và cơ sở đào tạo hay không.

Chính sách và hỗ trợ của nhà trường trong hình thành niềm tin học thuật

Vấn đề trung tâm trong sử dụng trí tuệ nhân tạo không phải là người học có dùng công cụ hay không, mà là họ dùng như thế nào, dùng với mức độ nào và có minh bạch hay không. Trong công bố khoa học, các chuẩn mực truyền thống như trung thực dữ liệu, ghi nhận nguồn, xác định đúng đóng góp tác giả, bảo đảm phê duyệt đạo đức và tôn trọng quy trình phản biện vẫn giữ nguyên giá trị. Trí tuệ nhân tạo không làm thay đổi các nguyên tắc ấy, nhưng khiến việc thực hiện chúng trở nên phức tạp hơn.

Một bản thảo được hỗ trợ bởi trí tuệ nhân tạo có thể vẫn phù hợp với chuẩn mực học thuật nếu công cụ chỉ được dùng để hỗ trợ ngôn ngữ, rà soát diễn đạt, gợi ý cấu trúc ban đầu hoặc cải thiện khả năng tiếp cận văn bản, trong khi tác giả vẫn kiểm chứng thông tin, đọc tài liệu gốc, chịu trách nhiệm về dữ liệu, lập luận và kết luận. Ngược lại, việc để công cụ tạo nội dung học thuật mà không kiểm tra, sử dụng văn bản sinh tự động như tri thức đã được xác nhận, tạo trích dẫn không có thật hoặc không công khai phạm vi hỗ trợ có thể làm tổn hại nghiêm trọng đến tính trung thực của sản phẩm khoa học.

Else (2021) từng đề cập hiện tượng các cụm diễn đạt bị biến dạng trong văn bản học thuật nhằm né tránh phần mềm phát hiện đạo văn; Teixeira da Silva (2023) tiếp tục thảo luận hiện tượng này trong các bản thảo tiền xuất bản. Fute và cộng sự (2026) cũng đề cập nguy cơ các công cụ tạo sinh có thể bị lợi dụng trong sản xuất hàng loạt văn bản kém chất lượng, làm gia tăng áp lực kiểm soát chất lượng đối với hệ thống xuất bản khoa học.

Crawford và cộng sự (2024) cảnh báo rằng khi trí tuệ nhân tạo thay thế một số tương tác của con người trong giáo dục đại học, các tác động đối với trải nghiệm học tập, kết nối học thuật và thành công của người học cần được xem xét cẩn trọng. Cotton, Cotton và Shipway (2024) cũng nhấn mạnh yêu cầu bảo đảm liêm chính học thuật trong kỷ nguyên ChatGPT, khi ranh giới giữa hỗ trợ học tập và hành vi không trung thực có thể trở nên khó nhận diện. Trong khi đó, Funa và Gabay (2025) cho rằng hướng dẫn chính sách về sử dụng trí tuệ nhân tạo trong dạy học có vai trò quan trọng để cơ sở giáo dục đại học xử lí vấn đề một cách hệ thống, thay vì phản ứng rời rạc theo từng vụ việc.

Vì vậy, giáo dục đại học cần chuyển trọng tâm từ kiểm soát đơn lẻ sang phát triển năng lực sử dụng có trách nhiệm. Một quy định quá khắt khe có thể làm giảm rủi ro trong ngắn hạn nhưng khó phù hợp với thực tế khi trí tuệ nhân tạo đã hiện diện trong học tập, nghiên cứu và công việc chuyên môn. Ngược lại, việc khuyến khích sử dụng mà thiếu hướng dẫn sẽ làm gia tăng nguy cơ vi phạm chuẩn mực học thuật. Cách tiếp cận thận trọng và bền vững hơn là xây dựng năng lực sử dụng trí tuệ nhân tạo gắn với liêm chính học thuật, trong đó nhà trường quy định rõ nguyên tắc, giảng viên thiết kế nhiệm vụ phù hợp, người học được bồi dưỡng kĩ năng kiểm chứng và hệ thống đánh giá được điều chỉnh để bảo vệ giá trị thật của lao động học thuật.

Hàm ý đối với quản trị đại học và đào tạo sau đại học

Các bằng chứng hiện có cho thấy việc chấp nhận trí tuệ nhân tạo trong giáo dục đại học chịu ảnh hưởng đồng thời của yếu tố cá nhân, yếu tố tâm lí và yếu tố thuộc về chính sách, quản trị, môi trường học thuật của nhà trường. Người học không tự nhiên trở thành chủ thể sử dụng công nghệ có trách nhiệm chỉ vì họ có quyền truy cập vào công cụ. Họ cần được hướng dẫn để hiểu công cụ, được thực hành trong những nhiệm vụ học thuật cụ thể, được biết rõ quy định của nhà trường và được hỗ trợ để hình thành sự tự tin có căn cứ.

Điều này đặc biệt quan trọng đối với đào tạo sau đại học. Ở bậc thạc sĩ và tiến sĩ, người học không chỉ tiếp nhận tri thức mà còn tham gia sản xuất tri thức. Luận văn, luận án, bài báo khoa học, báo cáo hội thảo và hồ sơ học thuật đều đòi hỏi mức độ trung thực, độc lập và trách nhiệm cao. Nếu trí tuệ nhân tạo được đưa vào quá trình này mà thiếu chuẩn mực, nguy cơ không chỉ dừng lại ở một sản phẩm cụ thể, mà còn ảnh hưởng đến văn hóa nghiên cứu của cơ sở đào tạo.

Các trường đại học cần xem năng lực sử dụng trí tuệ nhân tạo là một thành tố của năng lực nghiên cứu và năng lực nghề nghiệp học thuật. Chương trình đào tạo sau đại học nên giúp học viên hiểu cách sử dụng công cụ trong tìm kiếm tài liệu, lập kế hoạch viết, hỗ trợ phân tích, biên tập ngôn ngữ và chuẩn bị công bố. Đồng thời, chương trình phải làm rõ những giới hạn không thể vượt qua: không dùng công cụ để tạo dữ liệu không có thật, không thay thế việc đọc tài liệu gốc, không để công cụ quyết định kết luận khoa học, không khai báo sai đóng góp của tác giả và không sử dụng văn bản do công cụ tạo ra như kết quả học thuật đã được kiểm chứng.

Ở phương diện quản trị, quy định của nhà trường cần đủ cụ thể để người học, giảng viên, người hướng dẫn khoa học và cán bộ quản lí có thể áp dụng nhất quán. Những nguyên tắc chung như “sử dụng có trách nhiệm” hoặc “bảo đảm liêm chính học thuật” là cần thiết, nhưng chưa đủ. Nhà trường cần có hướng dẫn theo từng hoạt động: sử dụng trí tuệ nhân tạo trong học tập, trong kiểm tra đánh giá, trong viết luận văn và luận án, trong công bố khoa học, trong phản hồi phản biện, trong xử lí dữ liệu và trong truyền thông học thuật.

Khuyến nghị cho giáo dục đại học Việt Nam

Vấn đề sử dụng trí tuệ nhân tạo trong các cơ sở giáo dục đại học tại Việt Nam cần được đặt trong tiến trình chuyển đổi số, đổi mới quản trị giáo dục và nâng cao chất lượng đào tạo nguồn nhân lực. Quyết định số 749/QĐ-TTg ngày 3 tháng 6 năm 2020 phê duyệt Chương trình Chuyển đổi số quốc gia đến năm 2025, định hướng đến năm 2030 xác định chuyển đổi số là định hướng quan trọng để phát triển Chính phủ số, kinh tế số và xã hội số. Trong lĩnh vực giáo dục, Quyết định số 131/QĐ-TTg ngày 25 tháng 1 năm 2022 phê duyệt Đề án “Tăng cường ứng dụng công nghệ thông tin và chuyển đổi số trong giáo dục và đào tạo giai đoạn 2022-2025, định hướng đến năm 2030”, tạo cơ sở chính sách trực tiếp cho việc phát triển môi trường giáo dục số.

Gần đây hơn, Quyết định số 1705/QĐ-TTg ngày 31 tháng 12 năm 2024 phê duyệt Chiến lược phát triển giáo dục đến năm 2030, tầm nhìn đến năm 2045 tiếp tục đặt ra yêu cầu phát triển giáo dục trong bối cảnh mới, gắn với nâng cao chất lượng và hiện đại hóa giáo dục. Nghị quyết số 71-NQ/TW ngày 22 tháng 8 năm 2025 của Bộ Chính trị về đột phá phát triển giáo dục và đào tạo cũng tạo nền tảng chính trị quan trọng để các cơ sở giáo dục chủ động thích ứng với biến đổi của khoa học, công nghệ và xã hội.

Trên nền tảng đó, các cơ sở giáo dục đại học ở Việt Nam cần sớm xây dựng khung hướng dẫn về sử dụng trí tuệ nhân tạo trong học tập, giảng dạy và nghiên cứu khoa học. Khung hướng dẫn này nên phân định rõ các hình thức sử dụng có thể chấp nhận, các hình thức cần khai báo và các hành vi không phù hợp với liêm chính học thuật. Chẳng hạn, việc sử dụng công cụ để hỗ trợ chỉnh lỗi ngôn ngữ, rà soát định dạng hoặc gợi ý cách diễn đạt có thể được xem là hỗ trợ kĩ thuật nếu tác giả kiểm tra và chịu trách nhiệm về nội dung. Trong khi đó, việc dùng công cụ để tạo lập kết quả, tạo trích dẫn không có thật, thay thế phân tích của người viết hoặc che giấu mức độ hỗ trợ cần được xem xét như vi phạm chuẩn mực học thuật.

Trong đào tạo sau đại học, các trường cần đưa nội dung sử dụng trí tuệ nhân tạo có trách nhiệm vào học phần phương pháp nghiên cứu, đạo đức học thuật và viết bài báo khoa học. Học viên cao học và nghiên cứu sinh cần được hướng dẫn cách khai báo việc sử dụng công cụ trong bản thảo, cách kiểm tra độ tin cậy của thông tin do công cụ gợi ý, cách đối chiếu với tài liệu gốc và cách bảo vệ giọng điệu học thuật của chính mình. Đây là yêu cầu đặc biệt quan trọng khi nhiều chương trình đào tạo sau đại học đang thúc đẩy công bố khoa học như một thành tố của quá trình đào tạo và đánh giá năng lực nghiên cứu.

Đội ngũ giảng viên, người hướng dẫn khoa học và cán bộ quản lí đào tạo cũng cần được bồi dưỡng có hệ thống về trí tuệ nhân tạo. Nếu giảng viên thiếu hiểu biết về công cụ, việc đánh giá sản phẩm học tập dễ rơi vào cảm tính, thiếu nhất quán hoặc phụ thuộc quá mức vào các phần mềm phát hiện tự động. Các công cụ nhận diện văn bản do trí tuệ nhân tạo tạo ra vẫn có giới hạn và không nên được dùng như căn cứ duy nhất để kết luận vi phạm. Năng lực chuyên môn của giảng viên vẫn là yếu tố quyết định: hiểu bản chất nhiệm vụ học thuật, nhận diện sự bất thường trong lập luận, đánh giá quá trình hình thành sản phẩm và tổ chức đối thoại học thuật với người học.

Về kiểm tra đánh giá, giáo dục đại học Việt Nam cần tăng cường đánh giá quá trình thay vì chỉ dựa vào sản phẩm cuối cùng. Với bài luận, luận văn, luận án và sản phẩm khoa học, người học nên được yêu cầu nộp đề cương, bản nháp, nhật kí học thuật, phản hồi chỉnh sửa và bản giải trình về việc sử dụng công cụ số. Cách làm này vừa giúp giảng viên nhận diện mức độ tham gia thực chất của người học, vừa khuyến khích sinh viên, học viên cao học và nghiên cứu sinh hình thành thói quen minh bạch trong học thuật.

Đối với các tạp chí khoa học và cơ sở xuất bản trong nước, cần bổ sung chính sách công khai việc sử dụng trí tuệ nhân tạo trong bản thảo. Chính sách này nên yêu cầu tác giả khai báo công cụ đã sử dụng, mục đích sử dụng, phạm vi hỗ trợ và cam kết chịu trách nhiệm hoàn toàn về nội dung khoa học. Đồng thời, biên tập viên và phản biện viên cần được hướng dẫn cách xử lí những trường hợp có dấu hiệu sử dụng công cụ thiếu minh bạch, tránh đồng nhất mọi hỗ trợ ngôn ngữ với vi phạm, nhưng cũng không xem nhẹ các rủi ro liên quan đến dữ liệu, trích dẫn, lập luận và đóng góp nguyên gốc.

Quan trọng hơn, các trường đại học cần xây dựng văn hóa học thuật về trí tuệ nhân tạo. Người học cần được khuyến khích xem công nghệ như công cụ hỗ trợ tư duy, không phải phương tiện thay thế tư duy. Nhà trường cần tạo không gian đối thoại giữa giảng viên, sinh viên, học viên sau đại học, cán bộ quản lí và đơn vị xuất bản học thuật để cập nhật quy định, chia sẻ tình huống thực tế và thống nhất chuẩn mực ứng xử. Trong bối cảnh công nghệ thay đổi nhanh, quy định chỉ có giá trị khi được cập nhật thường xuyên, dựa trên thực tiễn giảng dạy, học tập và công bố khoa học.

Trí tuệ nhân tạo tạo sinh đang đặt giáo dục đại học trước một phép thử quan trọng về năng lực quản trị học thuật. Vấn đề không còn là công nghệ có được sử dụng hay không, mà là nhà trường có đủ năng lực để dẫn dắt người học sử dụng công nghệ trong khuôn khổ minh bạch, trung thực và có trách nhiệm hay không. Các bằng chứng gần đây cho thấy hiểu biết về trí tuệ nhân tạo chỉ thực sự chuyển hóa thành hành vi sử dụng khi người học có sự tự tin, nhận thức được giá trị học thuật của công cụ và được hỗ trợ bởi một môi trường học thuật có quy định rõ ràng (Fute et al., 2026).

Đối với giáo dục đại học Việt Nam, đây là thời điểm cần chuyển từ tư duy ứng phó sang tư duy kiến tạo năng lực. Khi chính sách, chương trình đào tạo, phương thức đánh giá và văn hóa liêm chính học thuật được thiết kế đồng bộ, trí tuệ nhân tạo có thể trở thành nguồn lực nâng cao chất lượng học tập, nghiên cứu và công bố khoa học. Ngược lại, nếu thiếu chuẩn mực, thiếu hướng dẫn và thiếu năng lực kiểm chứng, công nghệ có thể làm gia tăng rủi ro đối với chất lượng đào tạo, độ tin cậy của sản phẩm học thuật và uy tín của cơ sở giáo dục. Trong kỷ nguyên trí tuệ nhân tạo, phẩm chất học thuật không chỉ thể hiện ở việc biết sử dụng công cụ, mà còn ở khả năng hiểu giới hạn của công cụ, kiểm chứng kết quả được công nghệ hỗ trợ và chịu trách nhiệm đến cùng với tri thức mang tên mình.

Tài liệu tham khảo

Al-Adwan, A. S., Li, N., Al-Adwan, A., Abbasi, G. A., Albelbisi, N. A., & Habibi, A. (2023). Extending the Technology Acceptance Model to predict university students’ intentions to use metaverse-based learning platforms. Education and Information Technologies, 28(11), 15381–15413.

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.

Crawford, J., Allen, K.-A., Pani, B., & Cowling, M. (2024). When artificial intelligence substitutes humans in higher education: The cost of loneliness, student success, and retention. Studies in Higher Education, 49(5), 883–897.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.

Dergaa, I., Chamari, K., Zmijewski, P., & Ben Saad, H. (2023). From human writing to artificial intelligence generated text: Examining the prospects and potential threats of ChatGPT in academic writing. Biology of Sport, 40(2), 615–622.

Else, H. (2021). “Tortured phrases” give away fabricated research papers. Nature, 596(7872), 328–329.

Funa, A. A., & Gabay, R. A. E. (2025). Policy guidelines and recommendations on artificial intelligence use in teaching and learning: A meta-synthesis study. Social Sciences & Humanities Open, 11, 101221.

Fute, A., Oubibi, M., Amihere, A., Kangwa, D., & Msafiri, M. M. (2026). Institutional support for ethical artificial intelligence adoption in higher education amid the rising trend of manuscript retractions. Humanities and Social Sciences Communications.

Khalifa, M., & Albadawy, M. (2024). Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update, 5, 100145.

Long, D., & Magerko, B. (2020). What is artificial intelligence literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.

McDonald, N., Johri, A., Ali, A., & Collier, A. H. (2025). Generative artificial intelligence in higher education: Evidence from an analysis of institutional policies and guidelines. Computers in Human Behavior: Artificial Humans, 3, 100121.

Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing artificial intelligence literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.

Nguyen, M. H., & Vuong, Q. H. (2024). Artificial intelligence and retracted science. AI & Society.

Teixeira da Silva, J. A. (2023). “Tortured phrases” in preprints. Current Medical Research and Opinion, 39(5), 785–787.

Van Noorden, R. (2023). More than 10,000 research papers were retracted in 2023 — a new record. Nature, 624(7992), 479–481.

Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315.

Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the Technology Acceptance Model: Four longitudinal field studies. Management Science, 46(2), 186–204.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.