Ai cũng cần dữ liệu cho bảo tồn, nhưng ít người muốn chia sẻ

Duong Thi Minh Phuong

Faculty of Social Sciences and Humanities, Ton Duc Thang University

19-05-2026

© Wix

Cuộc khủng hoảng môi trường toàn cầu đang ngày càng trở nên cấp bách. Các loài sinh vật đang biến mất, hệ sinh thái tiếp tục suy thoái, và những quyết định liên quan đến bảo tồn thường phải được đưa ra nhanh chóng—thậm chí đôi khi là ngay lập tức. Tuy nhiên, hành động nhanh thôi là chưa đủ. Để nâng cao khả năng thành công, các can thiệp bảo tồn cần phải được xây dựng dựa trên bằng chứng khoa học (Sutherland et al., 2004; Christie et al., 2020). Chính vì vậy, các nghiên cứu tổng hợp bằng chứng—những phương pháp kết hợp tri thức từ nhiều nghiên cứu và nguồn dữ liệu khác nhau—đang ngày càng trở nên quan trọng trong khoa học bảo tồn. Bằng cách thu thập và tổng hợp các bằng chứng sẵn có, các nhà nghiên cứu có thể giảm thiểu sai lệch và cung cấp cơ sở đáng tin cậy hơn cho việc ra quyết định (Pullin, 2012; Cooke et al., 2023).

Tuy nhiên, để tạo ra bằng chứng chất lượng thì cần có dữ liệu chất lượng, và đây chính là nơi một thách thức bất ngờ xuất hiện.

Tri thức về bảo tồn hiện đang phân tán ở nhiều nơi khác nhau. Các dự án nghiên cứu tạo ra những nghiên cứu trường hợp có giá trị từ nhiều khu vực khác nhau, và khi được kết hợp lại, chúng có thể hình thành các bộ dữ liệu quy mô lớn. Nhưng thông tin về đa dạng sinh học không chỉ đến từ các dự án nghiên cứu. Đánh giá tác động môi trường của các dự án hạ tầng, các chương trình giám sát của chính phủ, các sáng kiến khoa học công dân hay những quan sát thực địa cũng có thể ghi nhận sự xuất hiện của các loài mới hoặc các mô hình sinh thái quan trọng (de Oliveira và cs., 2024). Nếu được kết nối lại với nhau, những mảnh ghép dữ liệu rời rạc này có thể tạo nên một bức tranh đầy đủ và sâu sắc hơn về tự nhiên.

Tuy nhiên, một nghịch lý đáng chú ý đang tồn tại: mặc dù bảo tồn ngày càng phụ thuộc vào các cơ sở dữ liệu lớn và toàn diện, nhiều nhà nghiên cứu và thực hành vẫn ngần ngại chia sẻ dữ liệu của mình một cách công khai.

Một nghiên cứu gần đây của Dasoler và các cộng sự đã phân tích vấn đề này thông qua kinh nghiệm xây dựng các bộ dữ liệu động vật hoang dã tại Brazil. Nhóm nghiên cứu xác định hai nhóm rào cản chính: rào cản chia sẻ dữ liệu và rào cản tổng hợp dữ liệu. Những người sở hữu dữ liệu thường lo ngại về việc mất tính nguyên bản của nghiên cứu, không được ghi nhận đầy đủ quyền tác giả hoặc gặp phải các hạn chế mang tính hợp đồng. Trong khi đó, những người chịu trách nhiệm tổng hợp dữ liệu thường gặp khó khăn trong việc liên hệ cộng tác viên, nhận được dữ liệu không đầy đủ hoặc thiếu nguồn lực tài chính để duy trì quá trình tổng hợp (Dasoler et al., 2026).

Các nhà nghiên cứu đã đề xuất một số giải pháp thực tiễn để vượt qua những rào cản này. Các nhóm điều phối dự án cần chủ động xây dựng niềm tin và truyền thông rõ ràng về giá trị của các sáng kiến chia sẻ dữ liệu. Những người đóng góp dữ liệu cần được ghi nhận xứng đáng và có cơ hội tham gia đồng tác giả. Các biểu mẫu thân thiện với người dùng cùng các chương trình hướng dẫn có thể giúp giảm bớt các khó khăn kỹ thuật. Đồng thời, việc áp dụng nguyên tắc FAIR—đảm bảo dữ liệu có thể tìm kiếm (Findable), truy cập (Accessible), tương thích (Interoperable) và tái sử dụng (Reusable)—có thể nâng cao chất lượng dữ liệu ngay từ đầu. Các tổ chức tài trợ cũng có thể đóng vai trò quan trọng thông qua việc hỗ trợ các nhóm chuyên trách phụ trách tổ chức và quản lý các bộ dữ liệu quy mô lớn.

Tuy nhiên, thách thức này có thể sâu xa hơn các rào cản kỹ thuật đơn thuần. Các hệ thống dữ liệu đa dạng sinh học hiện nay thường phản ánh một tư duy mang tính giản lược, trong đó thông tin được thu thập phục vụ cho các dự án, ngành học hay lợi ích tổ chức riêng lẻ. Trong khi đó, bản thân tự nhiên không vận hành theo cách như vậy. Các hệ sinh thái hoạt động thông qua những mối quan hệ và tương tác phức tạp giữa các loài, con người và môi trường sống.

Đây là lúc khái niệm Chỉ số Trí tuệ Sinh thái (Nature Quotient – NQ) có thể mang lại một góc nhìn rộng hơn. NQ nhấn mạnh việc hiểu tự nhiên như một mạng lưới phức hợp gồm nhiều hệ thống liên kết với nhau thay vì chỉ là tập hợp của các thành phần riêng lẻ (Vuong, 2025). Từ góc nhìn này, dữ liệu đa dạng sinh học không chỉ đơn thuần là tài sản cá nhân hay sở hữu của một tổ chức, mà còn là nguồn tài nguyên thông tin chung phục vụ cho sự thịnh vượng của cả con người và các hệ sinh thái.

Vì vậy, bảo tồn đa dạng sinh học có thể đòi hỏi nhiều hơn việc chỉ thu thập thêm dữ liệu. Nó đòi hỏi sự thay đổi trong cách con người nhìn nhận tri thức—từ một thứ thuộc sở hữu cá nhân sang một nguồn tài nguyên được chia sẻ tập thể (Khuc & Nguyen, 2026). Bởi lẽ, để bảo vệ những hệ sinh thái gắn kết với nhau, trước hết chúng ta có lẽ cần xây dựng những cách hiểu và chia sẻ thông tin mang tính kết nối tương tự (Nguyen & Ho, 2026).

References

Christie, A. P., et al. (2020). Poor availability of context-specific evidence hampers decision-making in conservation. Biological Conservation, 248, 108666. https://doi.org/10.1016/j.biocon.2020.108666

Cooke, S. J., et al. (2023). Environmental evidence in action: on the science and practice of evidence synthesis and evidence-based decision-making. Environmental Evidence, 12, 10. https://doi.org/10.1186/s13750-023-00302-5

Dasoler, B. T., et al. (2026). Demanding but not sharing: barriers and counteracting strategies for compilation of biodiversity data from researchers and practitioners. Perspectives in Ecology and Conservation, 24(2), 141-145. https://doi.org/10.1016/j.pecon.2026.02.001

de Oliveira, T. G., et al. (2024). Ecological modeling, biogeography, and phenotypic analyses setting the tiger cats’ hyperdimensional niches reveal a new species. Scientific Reports, 14, 2395. https://doi.org/10.1038/s41598-024-52379-8

Khuc, V. Q. & Nguyen, M. H. (2026). Cultural Additivity Theory. https://books.google.com/books?id=Y4XZEQAAQBAJ

Nguyen, M. H., & Ho, M. T. (2026). The absurdist approach to unveiling possible paradoxical thinking for innovative socio-psychological research. MethodsX, 16, 103910. https://doi.org/10.1016/j.mex.2026.103910

Pullin, A. S. (2012). Realising the potential of environmental data: a call for systematic review and evidence synthesis in environmental management. Environmental Evidence, 1, 2, 10. https://doi.org/10.1186/2047-2382-1-2

Sutherland, W. J., et al. (2004). The need for evidence-based conservation. Trends in Ecology & Evolution, 19, 305-308. https://doi.org/10.1016/j.tree.2004.03.018  

Vuong, Q. H. (2025). Wild Wise Weird. AISDL. https://books.google.com/books?id=C5dDEQAAQBAJ