1. Bối cảnh và tính cấp thiết
Trong bối cảnh chuyển đổi số, dữ liệu ngày càng được coi là một tài nguyên chiến lược. Việc sử dụng dữ liệu hiệu quả đóng vai trò trung tâm trong việc thiết kế và thực thi chính sách, quản trị xã hội và phát triển bền vững. Các tổ chức quốc tế như FAO, ESCAP và UN đã nhiều lần nhấn mạnh tầm quan trọng của năng lực dữ liệu trong việc đạt các Mục tiêu Phát triển Bền vững (SDGs).
Tuy nhiên, tình hình hiện tại ở nhiều quốc gia đang phát triển, bao gồm Việt Nam, cho thấy sự thiếu hụt đáng kể về kỹ năng xử lý và phân tích dữ liệu trong cộng đồng. Nhiều cán bộ, sinh viên và các tổ chức xã hội chỉ tiếp cận ở mức cơ bản (ví dụ, Excel cơ bản), trong khi thiếu khả năng sử dụng các công cụ hiện đại hơn (Power BI, R, Python, Quarto). Điều này hạn chế khả năng ra quyết định dựa trên bằng chứng và ứng dụng dữ liệu trong quản trị địa phương.
Chỉ dấu quốc tế quan trọng:
- Mačiulienė & Skaržauskienė (2019): các cộng đồng công nghệ công dân (civic tech) chỉ có thể phát triển bền vững khi tích hợp ba trụ cột: công nghệ, tri thức và con người.
- FAO (2020): trong dự án tại Papua New Guinea nhấn mạnh rằng thiếu dữ liệu cơ sở đã cản trở phát triển chính sách nông nghiệp; việc đào tạo liên tục, khung dữ liệu chuẩn hóa và áp dụng công nghệ đơn giản (CAPI, GIS) đã mang lại bước đột phá.
- ESCAP (2025): khẳng định quản trị dữ liệu số (digital data governance) là yếu tố trọng tâm để thúc đẩy SDGs, đồng thời yêu cầu sự tham gia chủ động của cộng đồng.
Từ những khoảng trống đó, việc triển khai dự án “Xây dựng nền tảng năng lực xử lý và phân tích dữ liệu cho cộng đồng” là yêu cầu vừa mang tính cấp bách, vừa có ý nghĩa lâu dài trong quá trình xây dựng xã hội số tại Việt Nam.
2. Mục tiêu
2.1 Mục tiêu tổng quát
Phát triển và kiểm chứng một mô hình nền tảng năng lực dữ liệu cộng đồng nhằm nâng cao kỹ năng, tri thức và khả năng ứng dụng dữ liệu của các nhóm cộng đồng, từ đó góp phần thúc đẩy phát triển bền vững và chuyển đổi số.
2.2 Mục tiêu cụ thể
- Khảo sát, đánh giá hiện trạng năng lực dữ liệu cộng đồng tại Việt Nam.
- Thiết kế chương trình đào tạo đa tầng (cơ bản – nâng cao – ứng dụng) dựa trên các công cụ: Excel/Power Query/Power Pivot, Power BI, Stata, R/RMarkdown/RShiny, Quarto/Positron, Python cơ bản.
- Xây dựng hệ thống học liệu mở (song ngữ Việt – Anh) cùng các bộ dữ liệu mẫu, có tính thực hành và dễ truy cập.
- Thành lập Community Data Labs nhằm tạo không gian thực hành, hợp tác và đổi mới sáng tạo dựa trên dữ liệu.
- Phát triển và kiểm chứng khung đánh giá năng lực dữ liệu cộng đồng (Community Data Literacy Maturity Model).
3. Câu hỏi nghiên cứu
- Hiện trạng năng lực dữ liệu cộng đồng ở Việt Nam là gì và những khoảng cách chính nằm ở đâu?
- Công cụ phân tích dữ liệu nào phù hợp nhất với nhu cầu, trình độ và nguồn lực của cộng đồng?
- Mô hình Community Data Labs có thể trở thành cơ chế bền vững để nâng cao và duy trì năng lực dữ liệu cộng đồng không?
- Làm thế nào để đo lường sự tiến bộ về năng lực dữ liệu ở cả cấp độ cá nhân và cộng đồng?
- Mô hình này có thể tích hợp với các chương trình quốc tế (SDGs, FAO, ESCAP) để nâng cao tác động và khả năng nhân rộng không?
4. Cơ sở lý thuyết và khung phân tích
Cơ sở lý thuyết
- Khung civic tech & digital data analytics (Mačiulienė & Skaržauskienė, 2019): ba mạng lưới chính – Tech/Media, Knowledge, Human – là cơ sở để hiểu cách cộng đồng tương tác và phát triển năng lực dữ liệu.
- Năng lực cộng đồng (Liberato et al., 2011): bao gồm phát triển kỹ năng, huy động nguồn lực, xây dựng mạng lưới, lãnh đạo và quyết định có sự tham gia; có thể điều chỉnh để đo lường năng lực dữ liệu.
- Kinh nghiệm Papua New Guinea (FAO, 2020): nhấn mạnh vai trò của dữ liệu cơ sở, công nghệ đơn giản nhưng hiệu quả, và đào tạo liên tục trong việc nâng cao năng lực dữ liệu quốc gia.
- Quản trị dữ liệu số (ESCAP, 2025): yêu cầu dữ liệu được quản trị minh bạch, có trách nhiệm và bền vững, gắn trực tiếp với SDGs.
Khung phân tích nghiên cứu
- Đầu vào: công cụ, học liệu, chương trình đào tạo.
- Quá trình: vận hành trong Community Data Labs, nơi dữ liệu được thu thập, xử lý, phân tích và chia sẻ.
- Đầu ra: nâng cao năng lực cá nhân và cộng đồng về dữ liệu.
5. Phương pháp tiếp cận
Phương pháp kết hợp
Kết hợp khảo sát định lượng (đo năng lực dữ liệu trước – sau can thiệp) và phương pháp định tính (phỏng vấn, thảo luận nhóm) để vừa định lượng mức độ thay đổi, vừa lý giải cơ chế và bối cảnh tác động.
Hoạt động triển khai
Triển khai mô hình Community Data Labs theo chu trình thử nghiệm – đánh giá – điều chỉnh, bảo đảm cải tiến liên tục dựa trên phản hồi thực nghiệm của người học và cộng đồng.
6. Kết quả dự kiến
- Nâng cao năng lực cá nhân: ít nhất 1.000 học viên tham gia dự án và được đào tạo, trong đó 200 người đạt chứng chỉ nâng cao.
- Tăng cường năng lực cộng đồng: tối thiểu 10 dự án cộng đồng ứng dụng dữ liệu để giải quyết các vấn đề xã hội ưu tiên.
- Thiết chế bền vững: thành lập Community Data Labs hoạt động độc lập.
- Hệ thống học liệu mở: công bố tài liệu song ngữ (Việt – Anh), bộ dữ liệu mẫu và hướng dẫn thực hành, dễ truy cập và tái sử dụng.