Thông tin luận án tiến sĩ của NCS Nguyễn Thị Kim Lân: Phát triển mô hình quản lý tri thức: nghiên cứu trường hợp tại VNU-LIC

1. Họ và tên nghiên cứu sinh: Nguyễn Thị Kim Lân.    2. Giới tính: Nữ

3. Ngày sinh: 23/04/1987                                            4. Nơi sinh: Hà Nội

5. Quyết định công nhận nghiên cứu sinh: 

• Quyết định số 2755/2020/QĐ-XHNV 31 tháng12 năm 2020 về việc công nhận nghiên cứu sinh khóa QH-2020-X của Hiệu Trưởng Trường Đại học Khoa học Xã hội và Nhân văn

6. Các thay đổi trong quá trình đào tạo (nếu có): 

• Quyết định số 6645/QĐ-XHNV ngày 05 tháng 12 năm 2024 về việc kéo dài thời gian học tập của nghiên cứu sinh QH -2020-X lần 2 của Hiệu Trưởng Trường Đại học Khoa học Xã hội và Nhân văn.

• Quyết định số 9468/QĐ-XHNV 31 tháng 12 năm 2025 về việc kéo dài thời gian học tập của nghiên cứu sinh QH -2020-X lần 3 của Hiệu Trưởng Trường Đại học Khoa học Xã hội và Nhân văn.

7. Tên đề tài luận án: Phát triển mô hình quản lý tri thức: nghiên cứu trường hợp tại VNU-LIC 

8. Chuyên ngành: Khoa học Thông tin-Thư viện.         9. Mã số: 9320201.01

10. Cán bộ hướng dẫn khoa học: PGS.TS Nguyễn Ngọc Hóa và TS. Nguyễn Hoàng Sơn

11. Tóm tắt các kết quả mới của luận án: 

• Luận án được thực hiện nhằm nghiên cứu, đề xuất và kiểm chứng một khung quản lý tri thức số phù hợp với bối cảnh đại học đa cơ sở tại Việt Nam, lấy Trường hợp Trung tâm Thư viện và Tri thức số – ĐHQGHN (VNU-LIC) làm đối tượng nghiên cứu thực nghiệm. Đối tượng nghiên cứu của luận án bao gồm các yếu tố công nghệ, dữ liệu/dịch vụ và con người/năng lực số ảnh hưởng đến nhận thức hữu ích và ý định sử dụng khung quản lý tri thức số trong môi trường tổ chức học thuật.

• Về phương pháp nghiên cứu, luận án kết hợp nghiên cứu định tính và định lượng. Cụ thể, phương pháp tổng quan tài liệu hệ thống (SLR) được sử dụng để xây dựng cơ sở lý thuyết và xác định khoảng trống nghiên cứu; khảo sát định lượng và phân tích PLS-SEM được sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết đề xuất; đồng thời, phương pháp tham vấn chuyên gia được áp dụng nhằm đánh giá tính phù hợp và khả thi của khung mô hình trong bối cảnh thực tiễn.

• Kết quả nghiên cứu đã làm rõ mối quan hệ giữa hạ tầng công nghệ, dữ liệu/dịch vụ, con người/năng lực số và nhận thức hữu ích, qua đó khẳng định rằng giá trị cảm nhận của người dùng không đến từ đầu tư công nghệ đơn lẻ, mà từ sự phối hợp đồng bộ giữa công nghệ, chuẩn hóa dữ liệu và phát triển năng lực số. Đây là một phát hiện thực chứng quan trọng, góp phần bổ sung bằng chứng khoa học cho các mô hình chấp nhận công nghệ trong bối cảnh quản lý tri thức số tại các tổ chức học thuật.

• Đóng góp mới của luận án thể hiện ở cả khía cạnh lý luận và thực tiễn. Về mặt khoa học, luận án đề xuất khung quản lý tri thức số vDFKM dựa trên kiến trúc Data Fabric, kết hợp Knowledge Graph và các mô hình ngôn ngữ lớn (LLMs), qua đó mở rộng cách tiếp cận quản lý tri thức truyền thống theo hướng tích hợp dữ liệu–tri thức và lấy người dùng làm trung tâm. Về mặt thực tiễn, luận án làm rõ cơ chế vận hành nghiệp vụ của vDFKM tại VNU-LIC, minh họa thông qua nguyên mẫu uMentor, đồng thời đề xuất các giải pháp quản trị, kỹ thuật và nhân lực có tính khả thi trong điều kiện triển khai tại ĐHQGHN.

• Luận án đã giải quyết được các vấn đề khoa học và kỹ thuật liên quan đến tích hợp dữ liệu phân tán, ngữ cảnh hóa tri thức, tự động hóa một phần chu trình quản lý tri thức và kiểm soát rủi ro khi ứng dụng AI trong môi trường học thuật. Mặc dù nguyên mẫu mới được kiểm chứng trên một số tập dữ liệu tiêu biểu, kết quả cho thấy khung vDFKM có khả năng mở rộng và thích ứng, phù hợp với các yêu cầu về chất lượng, chuẩn hóa và an toàn dữ liệu.

• Về ý nghĩa ứng dụng, các kết quả của luận án có thể được sử dụng làm cơ sở tham chiếu cho việc xây dựng và triển khai hệ sinh thái tri thức số tại ĐHQGHN và các trường đại học tương tự. Luận án góp phần nâng cao hiệu quả quản lý tri thức, hỗ trợ hoạt động nghiên cứu – đào tạo, thúc đẩy đổi mới sáng tạo và hướng tới mục tiêu phát triển bền vững trong nền kinh tế tri thức.

12. Các hướng nghiên cứu tiếp theo:

• Mở rộng kiểm chứng vDFKM trên các loại dữ liệu đa dạng hơn, bao gồm dữ liệu hành chính và dữ liệu nhạy cảm, để đánh giá khả năng mở rộng và an toàn của mô hình.

• Phân tích sâu sự khác biệt giữa các nhóm người dùng (sinh viên, giảng viên, cán bộ) thông qua các mô hình điều tiết hoặc phân tích đa nhóm.

• Nghiên cứu các cơ chế tăng cường niềm tin và bảo vệ quyền riêng tư, như Federated Learning và Blockchain, khi tích hợp AI/LLMs vào quản lý tri thức số.

  1. Nguyen L.T.K., Nguyen H.N., Nguyen S.H. (2023), "From fragmented data to collective intelligence: A data fabric approach for university knowledge management", International Conference on Computational Collective Intelligence, Cham: Springer Nature Switzerland, pp. 16-28. 

13. Các công trình công bố liên quan đến luận án:

1. Nguyen L.T.K. (2024), "Human resources and knowledge management: The case study of VNU-LIC", Proceedings of the International Conference on Human Resources for Information Industry in the Context of National Digital Transformation in Vietnam, pp. 140-148.

2. Nguyen L.T.K., Pham L.D., Nguyen H.N. (2024), "uMentor: LLM-powered chatbot for harnessing technology books in digital library", International Conference on Computational Collective Intelligence, Cham: Springer Nature Switzerland, pp. 232-244. 

3.  Nguyen L.T.K., Nguyen S.H., Nguyen H.N. (2025), “Interweaving academic insights: advancing university knowledge management through a strategic data fabric framework”, Digital Library Perspectives Vol. 41 (1), pp. 21-44.

4.  Nguyen L.T.K., Connolly J., Nguyen H.N. (2025), “A systematic review of improving knowledge management with generative AI and large language models”, Journal of Advances in Information Technology Vol. 16 (4), pp. 594-612, doi: 10.12720/jait.16.4.594-612.

INFORMATION ON DOCTORAL THESIS

1. Full name: Nguyen Thi Kim Lan

2. Sex: Female

3. Date of birth: 23/04/1987

4. Place of birth: Hanoi

5. Admission decision number

• Decision No. 2755/2020/QĐ-XHNV 31^th December 2020 on the admission of the doctoral candidate of cohort QH-2020-X from the Rector of The University of Social Sciences and Humanities

1. Changes in academic process

• Decision No. 6645/QĐ-XHNV 05^th December 2024 on the second extension of the training period for the doctoral candidate of cohort QH-2020-X from the Rector of The University of Social Sciences and Humanities

• Decision No. 9468/QĐ-XHNV 31^th December 2025 on the third extension of the training period for the doctoral candidate of cohort QH-2020-X from the Rector of The University of Social Sciences and Humanities

1. Official thesis title: Developing a Knowledge Management Model: A Case Study at VNU-LIC

2. Major: Library and Information Science

3. Code: 9320201.01

4. Supervisors: Assoc. Prof. Dr. Nguyễn Ngọc Hóa and Dr. Nguyễn Hoàng Sơn

5. Summary of the new findings of the thesis:

• The dissertation aims to investigate, propose, and validate a digital knowledge management framework suitable for the context of multi-campus universities in Vietnam, using the Vietnam National University Library and Information Center (VNU-LIC) as the empirical case study. The research focuses on technological infrastructure, data/services, and human/digital competencies and their impacts on perceived usefulness and intention to use a digital knowledge management framework in academic organizations.

• Methodologically, the study adopts a mixed-methods approach, combining a systematic literature review (SLR) to establish the theoretical foundation and identify research gaps, quantitative survey and PLS-SEM analysis to test the research model and hypotheses, and expert consultation to assess the relevance and feasibility of the proposed framework in practice.

• The findings clarify the relationships between technological infrastructure, data/services, human and digital competencies, and perceived usefulness, demonstrating that user-perceived value does not result from isolated technological investment but from the coordinated integration of technology, data standardization, and digital capacity development. This represents an important empirical contribution to technology acceptance models in the context of digital knowledge management in academic institutions.

• The dissertation’s novel contributions are reflected in both theoretical and practical dimensions. Academically, it proposes the vDFKM digital knowledge management framework, based on Data Fabric architecture, integrated with Knowledge Graphs and Large Language Models (LLMs), thereby extending traditional knowledge management approaches toward data–knowledge integration and user-centered design. Practically, the study elucidates the operational mechanisms of vDFKM at VNU-LIC through the uMentor prototype and proposes feasible governance, technical, and human resource solutions for implementation at Vietnam National University, Hanoi.

• The research addresses key scientific and technical challenges related to distributed data integration, knowledge contextualization, partial automation of the knowledge management lifecycle, and risk control in AI-enabled academic environments. Although the prototype has been validated on selected representative datasets, the results indicate that vDFKM is scalable and adaptable, meeting requirements for data quality, standardization, and security.

• In terms of application significance, the dissertation provides a reference framework for developing and deploying digital knowledge ecosystems at Vietnam National University, Hanoi, and comparable universities. The findings contribute to improving knowledge management effectiveness, supporting research and teaching activities, fostering innovation, and advancing sustainable development in the knowledge-based economy.

1. Further research directions

• Expanding the validation of vDFKM across more diverse data types, including administrative and sensitive data, to evaluate the model’s scalability and security.

• Conducting in-depth analysis of differences among user groups (students, lecturers, and administrative staff) through moderation models or multi-group analysis.

• Investigating mechanisms to enhance trust and privacy protection, such as Federated Learning and Blockchain, in the integration of AI/LLMs into digital knowledge management.

1. Thesis-related publications

   1. Nguyen L.T.K., Nguyen H.N., Nguyen S.H. (2023), "From fragmented data to collective intelligence: A data fabric approach for university knowledge management", International Conference on Computational Collective Intelligence, Cham: Springer Nature Switzerland, pp. 16-28. 

   2. Nguyen L.T.K. (2024), "Human resources and knowledge management: The case study of VNU-LIC", Proceedings of the International Conference on Human Resources for Information Industry in the Context of National Digital Transformation in Vietnam, pp. 140-148.

   3. Nguyen L.T.K., Pham L.D., Nguyen H.N. (2024), "uMentor: LLM-powered chatbot for harnessing technology books in digital library", International Conference on Computational Collective Intelligence, Cham: Springer Nature Switzerland, pp. 232-244. 

   4.  Nguyen L.T.K., Nguyen S.H., Nguyen H.N. (2025), “Interweaving academic insights: advancing university knowledge management through a strategic data fabric framework”, Digital Library Perspectives Vol. 41 (1), pp. 21-44.

   5.  Nguyen L.T.K., Connolly J., Nguyen H.N. (2025), “A systematic review of improving knowledge management with generative AI and large language models”, Journal of Advances in Information Technology Vol. 16 (4), pp. 594-612, doi: 10.12720/jait.16.4.594-612.