Phân tích mạng lưới hợp tác nghiên cứu (co-authorship network): cách đọc và ứng dụng trong quản lý khoa học ​

Mạng lưới hợp tác nghiên cứu (co-authorship network) là sơ đồ trực quan biểu diễn quan hệ đồng tác giả giữa các nhà khoa học, đơn vị hoặc quốc gia, trong đó mỗi nút (node) là một tác giả/đơn vị và mỗi cạnh (edge) nối hai nút thể hiện họ từng đứng tên chung ít nhất một công bố. Công cụ này giúp lãnh đạo đơn vị nhìn ra ai đang là "cầu nối" giữa các nhóm nghiên cứu, ai đang hợp tác cô lập, và nên tìm đối tác ở đâu — những câu hỏi mà bảng thống kê số công bố đơn thuần không trả lời được.

Cập nhật: tháng 9/2026 — Biên soạn bởi đội ngũ Scibase, Metis JSC

Mạng lưới hợp tác nghiên cứu là gì? ​

Co-authorship network (mạng lưới đồng tác giả) là một dạng mạng lưới xã hội (social network) áp dụng vào dữ liệu công bố khoa học, trong đó quan hệ giữa hai thực thể được xác lập khi họ cùng đứng tên trên ít nhất một bài báo, đề tài hoặc bằng sáng chế.

Khái niệm này khác về bản chất với mạng lưới trích dẫn (citation network) — nơi cạnh nối thể hiện bài A trích dẫn bài B. Co-authorship network đo hợp tác trực tiếp (ai làm việc cùng ai), còn citation network đo ảnh hưởng lan truyền (ai tham khảo công trình của ai). Hai loại mạng lưới thường được phân tích song song nhưng phục vụ câu hỏi quản trị khác nhau.

Đơn vị phân tích của mạng lưới hợp tác có thể ở ba cấp: cấp cá nhân (tác giả với tác giả), cấp tổ chức (đơn vị với đơn vị, dựa trên affiliation của từng bài), hoặc cấp quốc gia (quốc gia với quốc gia). Mỗi cấp phục vụ một mục đích quản lý riêng — cấp cá nhân giúp tìm người hợp tác cùng khoa, cấp tổ chức giúp tìm đối tác chiến lược cho các chương trình tài trợ quốc tế.

Nền tảng lý thuyết của phân tích mạng lưới xã hội bắt nguồn từ ngành xã hội học và toán học đồ thị (graph theory), được Linton Freeman hệ thống hóa các chỉ số trung tâm (centrality) vào năm 1977 trong công trình kinh điển về đo lường vị trí trung tâm trong mạng lưới xã hội — nền tảng mà mọi phần mềm phân tích co-authorship hiện nay (VOSviewer, Gephi, Bibliometrix) đều kế thừa.

Cách đọc bản đồ mạng lưới hợp tác: các chỉ số cốt lõi ​

Một bản đồ mạng lưới hợp tác thường gây nhầm lẫn cho người mới xem lần đầu vì quá nhiều điểm, đường nối và màu sắc. Bốn yếu tố sau là chìa khóa để đọc đúng:

Yếu tố trực quanÝ nghĩa dữ liệuCách đọc
Kích thước nút (node size)Thường thể hiện số công bố hoặc tổng trích dẫn của tác giả/đơn vịNút lớn = năng suất cao, KHÔNG mặc định = vị trí trung tâm trong mạng lưới
Độ dày cạnh (edge weight)Số lần hai bên cùng đứng tên chungCạnh càng dày, hợp tác càng thường xuyên, không chỉ một lần tình cờ
Màu cụm (cluster/community)Nhóm tác giả hợp tác chặt với nhau hơn so với phần còn lại của mạng lướiMỗi màu là một "nhóm nghiên cứu ảo" do thuật toán tự phát hiện, không nhất thiết trùng ranh giới khoa/phòng chính thức
Vị trí trên bản đồKhoảng cách càng gần, quan hệ hợp tác càng chặt (thuật toán bố trí lực hút–đẩy)Vị trí trung tâm bản đồ không tự động nghĩa là "quan trọng nhất"

Ba chỉ số trung tâm (centrality) quan trọng nhất khi phân tích sâu hơn giao diện trực quan:

  • Degree centrality: số lượng cộng tác viên trực tiếp của một tác giả — càng cao, mạng lưới cá nhân càng rộng.
  • Betweenness centrality: mức độ một tác giả nằm trên đường kết nối ngắn nhất giữa các cặp tác giả khác — cao có nghĩa người này là "cầu nối" (broker) giữa các nhóm vốn không trực tiếp hợp tác với nhau.
  • Closeness centrality: khoảng cách trung bình từ một tác giả đến tất cả tác giả khác trong mạng lưới — càng thấp, thông tin và cơ hội hợp tác lan đến người đó càng nhanh.

Một tác giả có degree thấp nhưng betweenness cao vẫn có giá trị chiến lược lớn với đơn vị — đây thường là người duy nhất kết nối nhóm nghiên cứu trong nước với mạng lưới hợp tác quốc tế, dù số lượng cộng tác viên trực tiếp không nhiều.

Việc phân cụm màu trên bản đồ dựa trên thuật toán modularity do Mark Newman và Michelle Girvan công bố năm 2004, đo mức độ một cách chia nhóm tối ưu hóa tỷ lệ cạnh nội bộ nhóm so với cạnh giữa các nhóm — đây là thuật toán mặc định trong cả VOSviewer lẫn Gephi.

Công cụ tạo và phân tích mạng lưới hợp tác ​

Không cần viết code để bắt đầu — ba nhóm công cụ dưới đây đủ cho phần lớn nhu cầu của một phòng KH&CN:

Công cụMiễn phíNguồn dữ liệu đầu vàoĐộ khó dùngĐiểm mạnh
VOSviewerCóExport CSV/RIS từ Scopus, Web of Science, PubMed, OpenAlexThấp — giao diện kéo-thảPhổ biến nhất trong nghiên cứu bibliometrics, do CWTS – Đại học Leiden phát triển từ năm 2010
GephiCóImport file định dạng GEXF/CSV tự chuẩn bịTrung bình — cần hiểu cấu trúc dữ liệu đồ thịTùy biến trực quan sâu, phù hợp mạng lưới lớn, nhiều loại phân tích centrality
Bibliometrix (gói R)CóExport từ Scopus/WoSCao — cần biết lập trình RTích hợp toàn bộ phân tích bibliometrics, không chỉ mạng lưới hợp tác
SciVal (Collaboration) / InCitesKhông — license trả phíTrực tiếp từ Scopus/Web of Science, không cần export thủ côngThấpCập nhật gần thời gian thực, tích hợp gợi ý đối tác tiềm năng theo lĩnh vực

VOSviewer, do Nees Jan van Eck và Ludo Waltman phát triển tại Centre for Science and Technology Studies (CWTS), Đại học Leiden, phát hành lần đầu năm 2010, là lựa chọn phổ biến nhất cho đơn vị mới bắt đầu vì không đòi hỏi kỹ năng lập trình. Gephi, ra mắt năm 2009 bởi nhóm Mathieu Bastian, Sebastien Heymann và Mathieu Jacomy, mạnh hơn khi cần tùy biến hiển thị cho mạng lưới có hàng nghìn nút.

Bài SciVal, InCites là gì? đã phân tích chi tiết module Collaboration của SciVal — cho phép tra cứu nhanh bản đồ hợp tác của một đơn vị mà không cần tự dựng, nhưng đi kèm chi phí license riêng, tách biệt với tài khoản Scopus thông thường.

Quy trình 6 bước dựng bản đồ hợp tác bằng VOSviewer ​

Với đơn vị chưa có công cụ phân tích trả phí, quy trình sau dùng dữ liệu export từ Scopus hoặc Web of Science:

  1. Tra cứu và lọc công bố của đơn vị trên Scopus (Affiliation Search) hoặc Web of Science theo khoảng thời gian cần phân tích (thường 3–5 năm để đủ dữ liệu quan sát xu hướng).
  2. Export kết quả ở định dạng CSV (Scopus) hoặc Plain Text/BibTeX (Web of Science) — giữ đầy đủ trường tác giả và affiliation, không chỉ tiêu đề và tóm tắt.
  3. Mở VOSviewer, chọn "Create a map based on bibliographic data" rồi trỏ đến file vừa export.
  4. Chọn loại phân tích "Co-authorship" và đơn vị phân tích (Authors, Organizations, hoặc Countries tùy mục đích).
  5. Đặt ngưỡng số công bố tối thiểu (minimum number of documents của một tác giả) để loại bớt nút lẻ tẻ — ngưỡng phổ biến là 2–3 bài cho mạng lưới cấp đơn vị vài trăm nhà khoa học.
  6. Đọc kết quả theo ba lớp: bản đồ mạng lưới (Network view), bản đồ mật độ (Density view) để xem vùng hoạt động sôi động nhất, và bảng danh sách kèm chỉ số centrality để tra cứu từng tác giả cụ thể.

Toàn bộ quy trình này thường mất 30–60 phút với dữ liệu vài trăm công bố, nhưng cần lặp lại thủ công mỗi lần cần cập nhật — đây chính là điểm khác biệt so với mạng lưới được tự động dựng sẵn từ hệ thống CSDL nội bộ, sẽ nói ở phần cuối bài.

Ứng dụng thực tế trong quản lý khoa học cấp đơn vị ​

Bản đồ mạng lưới hợp tác không chỉ để trình chiếu — nó trả lời trực tiếp bốn câu hỏi quản trị mà lãnh đạo phòng KH&CN thường gặp:

Tìm nhà nghiên cứu hợp tác cô lập. Những nút đứng riêng lẻ, không có cạnh nối hoặc chỉ nối với 1–2 người trong toàn đơn vị, là dấu hiệu cần hỗ trợ kết nối — có thể do mới về đơn vị, làm việc độc lập, hoặc thiếu cơ hội tiếp cận nhóm nghiên cứu phù hợp.

Xác định người "cầu nối" (broker) giữa các nhóm. Tác giả có betweenness centrality cao thường là đầu mối tự nhiên khi đơn vị cần giới thiệu đối tác cho một dự án liên ngành mới, vì họ đã có quan hệ với cả hai phía.

Tìm đối tác quốc tế tiềm năng cho hồ sơ xin tài trợ. Phân tích mạng lưới cấp quốc gia hoặc tổ chức giúp nhận diện đơn vị nước ngoài nào đã hợp tác với đơn vị mình qua các bài báo trước đó — thường là ứng viên phù hợp nhất cho đề xuất hợp tác mới vì đã có nền tảng tin cậy.

Đánh giá mức độ liên ngành của một nhóm nghiên cứu. Một nhóm nghiên cứu mạnh có mạng lưới hợp tác trải rộng nhiều cụm màu khác nhau thường có khả năng thích ứng và huy động nguồn lực tốt hơn nhóm chỉ hợp tác khép kín trong nội bộ.

Ở cấp chiến lược, phân tích mạng lưới hợp tác là một trong các chỉ số bổ sung cho khung dashboard thống kê khoa học phục vụ ra quyết định chiến lược — tỷ lệ hợp tác quốc tế và mức độ liên kết giữa các khoa là dữ liệu đầu vào quan trọng khi quyết định đầu tư mở rộng quan hệ đối ngoại nghiên cứu.

Sai lầm thường gặp khi đọc và dùng mạng lưới hợp tác ​

Nhầm kích thước nút với tầm quan trọng chiến lược. Nút lớn nhất trên bản đồ thường chỉ là người có nhiều công bố nhất, không phải người có vai trò kết nối chiến lược nhất — đó là vai trò của betweenness centrality, một chỉ số hoàn toàn khác.

Bỏ qua trọng số cạnh khi diễn giải. Hai tác giả nối với nhau bằng một cạnh mảnh (chỉ 1 bài chung, có thể từ nhiều năm trước) dễ bị đọc nhầm thành "đang hợp tác chặt chẽ" nếu không kiểm tra độ dày cạnh và thời điểm công bố gần nhất.

Đặt ngưỡng lọc quá thấp khiến bản đồ rối, quá cao khiến mất thông tin. Ngưỡng số công bố tối thiểu quá thấp (ví dụ 1 bài) tạo ra hàng trăm nút lẻ tẻ không đọc được; ngưỡng quá cao (ví dụ 10 bài) loại mất phần lớn nhà nghiên cứu trẻ vốn có ít công bố nhưng đang xây dựng mạng lưới.

Dùng mạng lưới hợp tác để đánh giá thành tích cá nhân trực tiếp. Vị trí trung tâm cao trong mạng lưới phản ánh mô hình cộng tác, không phải chất lượng khoa học — một tác giả có thể có degree cao chỉ vì tham gia nhiều đề tài hành chính, không đồng nghĩa đóng góp học thuật lớn hơn người khác.

Tình huống thực tế minh họa (dựng theo mô-típ phổ biến khi triển khai phân tích mạng lưới lần đầu, không phải trường hợp cụ thể của đơn vị nào): một viện nghiên cứu xuất bản bản đồ hợp tác toàn viện lên cổng thông tin nội bộ, xếp theo kích thước nút. Một nhà nghiên cứu trẻ có nút nhỏ nhưng nằm ở vị trí nối hai cụm nghiên cứu lớn — thực chất là người duy nhất từng công bố chung với cả nhóm Vật liệu và nhóm Công nghệ sinh học của viện. Khi lãnh đạo cần tìm người khởi xướng một đề tài liên ngành mới, việc chỉ nhìn kích thước nút suýt bỏ sót đúng người phù hợp nhất; sau khi xem thêm bảng chỉ số betweenness centrality, viện mới xác định đúng đầu mối.

Checklist áp dụng ngay khi triển khai phân tích mạng lưới hợp tác ​

  • [ ] Đã xác định rõ cấp phân tích cần dùng: tác giả, đơn vị hay quốc gia
  • [ ] Đã chọn khoảng thời gian dữ liệu phù hợp (tối thiểu 3 năm để tránh nhiễu do biến động một năm)
  • [ ] Đã chuẩn hóa tên tác giả/affiliation trước khi import — tránh một người bị tách thành nhiều nút do biến thể tên hoặc lỗi chuẩn hóa đơn vị, xem thêm nguyên tắc xử lý tại bài chuẩn hóa tên đơn vị (affiliation)
  • [ ] Đã đặt ngưỡng lọc số công bố tối thiểu phù hợp quy mô đơn vị (2–3 bài cho đơn vị vài trăm người)
  • [ ] Đã đọc cả ba lớp: Network view, Density view và bảng chỉ số centrality — không chỉ dừng ở hình ảnh trực quan
  • [ ] Không dùng riêng kích thước nút để xếp hạng, đánh giá thi đua cá nhân

Mạng lưới hợp tác trong hệ thống CSDL khoa học nội bộ ​

Quy trình export–import thủ công qua VOSviewer phù hợp cho phân tích một lần, nhưng đòi hỏi lặp lại toàn bộ các bước mỗi khi cần cập nhật, và phụ thuộc vào chất lượng chuẩn hóa affiliation sẵn có trên Scopus/Web of Science — vốn không phải lúc nào cũng khớp với cơ cấu tổ chức nội bộ của đơn vị.

Khi dữ liệu công bố, hồ sơ học thuật và thông tin đơn vị của từng nhà khoa học đã được quản lý tập trung trên một hệ thống như Scibase, quan hệ đồng tác giả có thể được suy ra trực tiếp từ dữ liệu công bố nội bộ — đã gắn sẵn với đúng khoa/phòng, đúng mã định danh nhà khoa học — mà không cần export/import thủ công hay xử lý trùng lặp tên. Cách tiếp cận này bổ sung cho chỉ số nghiên cứu cấp đơn vị: thay vì chỉ biết đơn vị có bao nhiêu công bố, lãnh đạo còn thấy được cấu trúc hợp tác đằng sau con số đó. Dữ liệu đồng tác giả này cũng chính là đầu vào để tính tỷ lệ đóng góp khi thống kê theo đếm phân đoạn (fractional counting). Xem chi tiết tại tính năng chính của Scibase hoặc liên hệ tư vấn triển khai nếu đơn vị cần cấu hình báo cáo mạng lưới hợp tác theo cơ cấu tổ chức riêng.

Câu hỏi thường gặp ​

Mạng lưới hợp tác nghiên cứu khác gì mạng lưới trích dẫn (citation network)? ​

Mạng lưới hợp tác đo quan hệ đồng tác giả trực tiếp (ai làm việc cùng ai), còn mạng lưới trích dẫn đo quan hệ tham khảo giữa các công trình (ai trích dẫn công trình của ai). Hai loại phục vụ mục đích khác nhau: hợp tác cho biết cấu trúc làm việc, trích dẫn cho biết ảnh hưởng học thuật lan truyền.

Công cụ nào miễn phí để vẽ mạng lưới hợp tác? ​

VOSviewer (CWTS, Đại học Leiden, từ 2010) và Gephi (từ 2009) đều miễn phí và không cần biết lập trình ở mức cơ bản. VOSviewer phù hợp hơn cho người mới vì có quy trình import trực tiếp từ file export Scopus/Web of Science.

Node lớn trong bản đồ VOSviewer có luôn nghĩa là nhà khoa học quan trọng nhất không? ​

Không. Kích thước nút thường thể hiện số công bố hoặc trích dẫn, không phải vị trí kết nối chiến lược trong mạng lưới. Muốn biết ai đóng vai trò cầu nối giữa các nhóm, cần xem chỉ số betweenness centrality, không chỉ nhìn kích thước nút.

Có thể dựng mạng lưới hợp tác từ dữ liệu nội bộ, không cần Scopus/Web of Science không? ​

Có. Nếu đơn vị đã quản lý danh mục công bố tập trung trên hệ thống CSDL khoa học nội bộ, quan hệ đồng tác giả có thể suy ra trực tiếp từ dữ liệu đó — thậm chí chính xác hơn về mặt gắn với cơ cấu tổ chức nội bộ so với dữ liệu affiliation trên Scopus/WoS.

Bao lâu nên cập nhật lại mạng lưới hợp tác của đơn vị? ​

Nên cập nhật ít nhất mỗi năm một lần, hoặc theo chu kỳ báo cáo chiến lược của đơn vị. Cập nhật quá thường xuyên (theo tháng) thường không cần thiết vì cấu trúc hợp tác không thay đổi nhanh, trong khi cập nhật quá thưa (nhiều năm một lần) khiến bản đồ không phản ánh đúng đội ngũ và nhóm nghiên cứu mới hình thành.

Mạng lưới hợp tác có dùng để đánh giá xét thi đua cá nhân không? ​

Không nên dùng trực tiếp. Vị trí trung tâm trong mạng lưới phản ánh mô hình cộng tác, không phải chất lượng hay đóng góp khoa học — hai điều này cần đánh giá bằng các tiêu chí khác như chỉ số trích dẫn hoặc vai trò tác giả cụ thể trong từng công trình.

Ngưỡng số bài đồng tác giả tối thiểu nên đặt bao nhiêu khi lọc bản đồ? ​

Với đơn vị vài trăm nhà khoa học, ngưỡng 2–3 công bố tối thiểu trên mỗi tác giả thường cho bản đồ vừa đủ chi tiết vừa dễ đọc. Đơn vị lớn hơn (nghìn nhà khoa học trở lên) có thể cần ngưỡng cao hơn để tránh bản đồ quá rối; đơn vị nhỏ nên giữ ngưỡng thấp để không bỏ sót nhà nghiên cứu trẻ.

Tóm tắt ​

  • Mạng lưới hợp tác nghiên cứu biểu diễn quan hệ đồng tác giả bằng nút (tác giả/đơn vị) và cạnh (số lần đứng tên chung), khác về bản chất với mạng lưới trích dẫn
  • Ba chỉ số centrality quan trọng: degree (số cộng tác viên trực tiếp), betweenness (vai trò cầu nối giữa các nhóm), closeness (tốc độ lan tin trong mạng lưới)
  • VOSviewer (miễn phí, từ CWTS – Leiden, 2010) và Gephi (miễn phí, từ 2009) là hai công cụ phổ biến nhất; SciVal/InCites có module Collaboration trả phí cập nhật gần thời gian thực
  • Quy trình 6 bước từ export dữ liệu Scopus/WoS đến đọc bản đồ mất khoảng 30–60 phút cho dữ liệu vài trăm công bố
  • Ứng dụng thực tế: tìm nhà nghiên cứu cô lập, xác định người cầu nối, tìm đối tác quốc tế tiềm năng, đánh giá mức độ liên ngành của nhóm nghiên cứu
  • Sai lầm phổ biến nhất: nhầm kích thước nút với tầm quan trọng chiến lược, và dùng vị trí mạng lưới để đánh giá thi đua cá nhân trực tiếp
  • Hệ thống CSDL khoa học nội bộ có thể tự động suy ra mạng lưới hợp tác từ dữ liệu công bố đã chuẩn hóa, không cần export/import thủ công lặp lại

Về nội dung bài viết

Bài viết được biên soạn bởi đội ngũ Scibase — Metis JSC, tham chiếu nền tảng lý thuyết mạng lưới xã hội của Linton Freeman (1977) về các chỉ số centrality, thuật toán modularity của Newman & Girvan (2004), thông tin công khai về VOSviewer (Centre for Science and Technology Studies, Đại học Leiden, phát hành 2010) và Gephi (Bastian, Heymann, Jacomy, 2009, công bố tại hội nghị ICWSM). Các ví dụ tình huống trong bài mang tính minh họa, không phải trường hợp cụ thể của một đơn vị nào.

Bài viết liên quan ​

← Quay lại danh sách bài viết về thống kê & phân tích chỉ số

Cập nhật gần nhất:

Sản phẩm của Công ty Cổ phần Metis.

Copyright © 2020-PRESENT Metis., Jsc