Số hóa số cũ và gán DOI hồi tố cho tạp chí khoa học ​

Số hóa hồi tố (backfile digitization) là việc quét, nhận dạng ký tự và tạo metadata cho toàn bộ số báo in đã xuất bản trước khi tạp chí chuyển sang vận hành điện tử; gán DOI hồi tố là bước đăng ký định danh Crossref cho những bài đó. Chi phí DOI thấp hơn nhiều so với hình dung của phần lớn tòa soạn: Crossref tính 0,15 USD cho mỗi bản ghi năm cũ (back-year), so với 1,00 USD cho bản ghi hiện hành (Crossref, biểu phí 2026). Một tạp chí 30 năm với khoảng 960 bài chỉ tốn khoảng 144 USD tiền DOI — rào cản thật nằm ở metadata và bản quyền, không nằm ở tiền.

Cập nhật: tháng 7/2026 — Biên soạn bởi đội ngũ VOJS, Metis JSC

Số hóa hồi tố gồm những việc gì? ​

Số hóa hồi tố không phải "quét PDF rồi tải lên website" — đó là bốn công đoạn riêng biệt, và bỏ sót công đoạn nào thì kho bài cũ vẫn vô hình với hệ thống tìm kiếm học thuật.

  1. Quét ảnh bản in thành file gốc độ phân giải cao (file bảo quản).
  2. OCR — nhận dạng ký tự quang học để tạo lớp văn bản tìm kiếm được bên dưới ảnh.
  3. Bóc tách metadata từng bài: tiêu đề, tác giả, tập, số, trang, năm, tóm tắt, từ khóa.
  4. Đăng ký định danh và phơi dữ liệu: gán DOI qua Crossref, đưa bài vào đúng volume/issue trên hệ thống, mở endpoint OAI-PMH để harvester lấy được.

Bài số hóa tạp chí khoa học in sang điện tử mô tả toàn bộ lộ trình chuyển đổi tòa soạn; bài này đi sâu riêng vào khối công việc nặng nhất trong lộ trình đó.

Bốn mức số hóa — chọn mức nào cho số nào ​

Sai lầm tốn kém nhất là làm cùng một mức cho tất cả 30 năm số báo. Bài từ 1995 và bài từ 2019 không có cùng giá trị khai thác, nên không đáng đầu tư ngang nhau.

MứcSản phẩmTìm kiếm được?Gán DOI được?Phù hợp cho
1PDF ảnh quét, không OCRKhôngĐược (nếu có metadata tay)Số quá cũ, bản in mờ, ưu tiên bảo quản
2PDF có lớp text OCRCó (toàn văn)ĐượcPhần lớn kho bài cũ
3PDF/A + metadata đầy đủ + DOICóCóBài được trích dẫn nhiều, số gần đây
4Toàn văn XML JATSCóCóChỉ khi có mục tiêu cụ thể (PubMed Central)

Nguyên tắc phân bổ thực dụng: mức 3 cho 10 năm gần nhất, mức 2 cho phần còn lại, mức 1 cho các số hư hỏng nặng. Mức 4 chỉ làm khi có đích rõ ràng, vì chi phí chuyển đổi toàn văn XML thường tính theo trang và đắt gấp nhiều lần OCR thuần.

Lưu ý vận hành: PDF quét ảnh không có lớp text thì không hệ thống nào lập chỉ mục được nội dung bên trong. Số báo dừng ở mức 1 vẫn tồn tại trên website nhưng không xuất hiện trong bất kỳ kết quả tìm kiếm toàn văn nào — kể cả trên Google Scholar.

Thông số quét và OCR tối thiểu cho tạp chí tiếng Việt ​

Hướng dẫn kỹ thuật FADGI (Federal Agencies Digital Guidelines Initiative, bản 3, 2023) đặt mức tối thiểu 300 ppi cho tài liệu văn bản hiện đại và khuyến nghị 400 ppi cho tài liệu có chi tiết nhỏ. Với tạp chí khoa học — cỡ chữ nhỏ, chỉ số dưới, công thức, bảng dày — nên chọn 400 ppi ngay từ đầu; quét lại lần hai luôn đắt hơn quét đúng lần đầu.

Bộ thông số nên chốt trong hợp đồng với đơn vị quét:

  • Độ phân giải: 400 ppi, thang xám 8-bit cho trang chữ; 24-bit RGB cho trang có hình màu
  • File bảo quản: TIFF không nén (hoặc nén không mất dữ liệu), lưu riêng, không dùng để phát hành
  • File phát hành: PDF/A theo chuẩn ISO 19005, có lớp text OCR, dung lượng tối ưu cho tải web
  • Quy ước đặt tên file: gắn tập–số–trang đầu, ví dụ tckh_v12_n3_p045.pdf

Bốn vấn đề OCR đặc thù của tài liệu tiếng Việt cũ, cần yêu cầu đơn vị quét cam kết xử lý:

  1. Dấu thanh và dấu phụ bị mất — "ổn định" thành "on dinh" — là lỗi phổ biến nhất khi engine OCR không bật gói ngôn ngữ tiếng Việt. Kiểm tra bằng cách tìm chuỗi có dấu trong file PDF thành phẩm.
  2. Bản in typewriter và offset trước 1995 có nét chữ không đều, dễ nhầm giữa l, 1, I và giữa ơ/o.
  3. Bảng và công thức thường bị OCR làm vỡ cấu trúc. Với bài nặng công thức, chấp nhận lớp text chỉ để tìm kiếm, không để tái sử dụng nội dung.
  4. Chữ sát lề gáy ở số đóng quyển dày bị cong và mờ — yêu cầu tháo gáy hoặc dùng máy quét bàn chữ V.

Không cần đạt độ chính xác OCR 100%. Mục tiêu thực tế là lớp text đủ để công cụ tìm kiếm bắt được tiêu đề, tên tác giả và từ khóa chính — metadata mới là phần phải chính xác tuyệt đối.

Gán DOI hồi tố tốn bao nhiêu tiền? ​

Crossref tính phí đăng ký bản ghi theo hai mức: 1,00 USD cho bản ghi hiện hành và 0,15 USD cho bản ghi năm cũ (back-year). Định nghĩa "hiện hành" là nội dung xuất bản trong năm hiện tại cộng hai năm liền trước; cũ hơn mốc đó tính giá back-year. Với hồ sơ đăng ký trong năm 2026, mọi bài xuất bản từ 2023 trở về trước đều hưởng mức 0,15 USD (Crossref, biểu phí 2026).

"Current record" prices apply to content published in the current calendar year + the previous two calendar years; "back-year record" prices apply to content older than that. (Giá bản ghi hiện hành áp dụng cho nội dung xuất bản trong năm hiện tại cộng hai năm liền trước; giá bản ghi năm cũ áp dụng cho nội dung cũ hơn mốc đó.) — Crossref, biểu phí 2026

Phí thành viên thường niên tính theo quy mô doanh thu xuất bản, thấp nhất 200 USD/năm cho tổ chức có doanh thu dưới 1.000 USD, cao nhất 50.000 USD/năm — phần lớn tạp chí trực thuộc trường đại học và viện nghiên cứu Việt Nam rơi vào các bậc thấp nhất.

Ước tính cho ba quy mô kho bài điển hình:

Quy mô kho bài cũSố bài ước tínhPhí DOI back-year
15 năm × 4 số × 8 bài48072 USD
30 năm × 4 số × 8 bài960144 USD
40 năm × 6 số × 10 bài2.400360 USD

Chi phí DOI vì thế gần như không đáng kể so với chi phí quét và nhập metadata. Nếu tạp chí chưa là thành viên Crossref, xem trước bài Crossref và DOI là gì? Tại sao tạp chí cần đăng ký DOI để nắm thủ tục thành viên và cách chọn tiền tố (prefix).

Một lưu ý về quy tắc hậu tố: đặt hậu tố DOI theo cấu trúc suy ra được từ tập–số–bài (ví dụ 10.xxxxx/tckh.v12i3.145) chứ không theo số thứ tự nạp. Kho bài cũ luôn được nạp lệch trình tự thời gian, và hậu tố theo thứ tự nạp sẽ tạo ra dãy DOI phản ánh sai lịch sử tạp chí.

Metadata tối thiểu cho bài cũ: Crossref bắt buộc những gì? ​

Đây là điểm mở khóa mà phần lớn tòa soạn không biết: Crossref không bắt buộc phải có tên tác giả để đăng ký DOI cho bài báo. Trường contributors nằm ở nhóm khuyến nghị, không phải nhóm bắt buộc. Bài từ 1997 chỉ còn ảnh trang bìa và trang đầu vẫn đăng ký DOI được.

NhómCác phần tử
Bắt buộc (thiếu là bị từ chối)Cấp tạp chí: full_title, ISSN (hoặc DOI + URL cấp tạp chí). Cấp số: issue, publication_date (năm). Cấp bài: titles, publication_date (năm), doi_data
Khuyến nghị (nộp được nhưng bản ghi bị coi là chưa đầy đủ)contributors, ORCID, ngày–tháng xuất bản, pages, version, citation_list, thông tin tài trợ, giấy phép, Crossmark, tóm tắt định dạng JATS
Tùy chọnpublisher_item, special_numbering, component_list

Nguồn: Crossref — Required, recommended, and optional metadata.

Cách vận dụng thực tế cho kho bài cũ:

  • Nạp theo hai đợt. Đợt một chỉ nộp phần bắt buộc để mọi bài có DOI hoạt động; đợt hai bổ sung tác giả, trang, tóm tắt khi đã bóc tách xong. Crossref cho phép cập nhật bản ghi mà không đổi DOI.
  • Ưu tiên bổ sung citation_list cho các bài được trích dẫn nhiều — đây là dữ liệu kích hoạt tính năng đếm trích dẫn Cited-by của Crossref, thứ không tự sinh ra được về sau nếu bỏ qua.
  • Ghi đúng năm xuất bản gốc, không ghi năm nạp dữ liệu. Sai trường này làm hỏng đồng thời DOI, thống kê trích dẫn và mốc earliestDatestamp trên endpoint OAI-PMH.
  • DOI phải trỏ về trang bài báo (landing page), không trỏ thẳng vào file PDF. Trang đó cần hiển thị tiêu đề, tác giả, tóm tắt, thông tin số/tập và nút tải PDF.

Bản quyền bài cũ: được phép đưa lên mạng và gắn giấy phép mở không? ​

Đưa bài cũ lên mạng và gắn giấy phép mở là hai việc pháp lý khác nhau — tạp chí thường được phép làm việc thứ nhất nhưng không đương nhiên được làm việc thứ hai.

Theo Điều 27 Luật Sở hữu trí tuệ, quyền tài sản đối với tác phẩm khoa học được bảo hộ suốt cuộc đời tác giả và 50 năm tiếp theo năm tác giả mất. Nghĩa là gần như toàn bộ kho bài của các tạp chí Việt Nam — kể cả số từ thập niên 1970 — vẫn còn trong thời hạn bảo hộ. Riêng quyền nhân thân đứng tên tác giả và quyền bảo vệ sự toàn vẹn của tác phẩm được bảo hộ vô thời hạn.

Hệ quả cụ thể khi số hóa:

  • Không cắt bớt, sửa hay dịch lại nội dung bài cũ rồi đăng như bản gốc. Sửa lỗi chính tả do OCR thì được; thay đổi câu chữ của tác giả thì không.
  • Không tự gán CC BY cho bài cũ nếu hồ sơ xuất bản khi đó không có thỏa thuận chuyển giao quyền hoặc cấp phép — phần lớn tạp chí Việt Nam trước 2015 không có văn bản này. Phương án an toàn: đăng ở chế độ đọc miễn phí (free to read) kèm ghi chú bản quyền thuộc tác giả và tạp chí, thay vì tuyên bố một giấy phép mở mà tạp chí không có quyền cấp. Xem thêm bản quyền và giấy phép Creative Commons trong xuất bản khoa học.
  • Công bố quy trình gỡ bài theo yêu cầu (takedown) trên website: đầu mối liên hệ, thời hạn phản hồi, cách xử lý. Đây là biện pháp phòng ngừa rẻ nhất cho tranh chấp với tác giả cũ.
  • Từ số kế tiếp, chuẩn hóa mẫu thỏa thuận cấp phép trong quy trình nộp bài, để 10 năm sau không lặp lại tình trạng này.

Sáu sai lầm khi số hóa kho bài cũ ​

Các lỗi này lặp lại ở hầu hết dự án số hóa hồi tố mà đội ngũ VOJS tham gia rà soát.

1. Bắt đầu từ số cũ nhất. Số 1 năm 1985 là số khó quét nhất, ít người đọc nhất và ít trích dẫn nhất. Làm ngược lại: bắt đầu từ số gần nhất chưa lên mạng rồi lùi dần — quy trình được kiểm chứng trên tài liệu dễ trước, và lợi ích trích dẫn đến sớm hơn.

2. Nạp bài cũ ghi ngày xuất bản là ngày nạp. Toàn bộ 25 năm lịch sử tạp chí dồn vào một mốc thời gian. Hậu quả kéo dài sang DOI, thống kê và dữ liệu phơi qua OAI-PMH.

3. Nhập metadata trực tiếp bằng tay vào giao diện quản trị, không giữ bảng nguồn. Khi cần đối soát hoặc chuyển hệ thống, không có dữ liệu gốc để so. Luôn giữ một bảng tính nguồn (mỗi dòng một bài, mỗi cột một trường) và nạp từ bảng đó vào hệ thống.

4. Gộp cả số báo thành một file PDF. Bài không có URL riêng nên không gán được DOI, không có trang bài báo để Google Scholar lập chỉ mục. Phải tách từng bài thành file riêng kèm số trang đầu–cuối chính xác.

5. Không lưu file bảo quản độ phân giải cao. Chỉ giữ bản PDF nén để phát hành, xóa TIFF gốc cho nhẹ ổ đĩa. Khi cần nâng cấp lên mức số hóa cao hơn, phải quét lại từ đầu. Nguyên tắc lưu trữ nhiều bản, nhiều nơi được phân tích trong bài bảo mật và sao lưu dữ liệu trong hệ thống quản lý tạp chí.

6. Bỏ qua danh mục tài liệu tham khảo. Bóc tách tài liệu tham khảo tốn công nhất nên hay bị cắt khỏi phạm vi. Nhưng đây là dữ liệu duy nhất trong toàn bộ dự án không thể tạo lại bằng máy về sau nếu file gốc đã thất lạc — ít nhất nên bóc tách cho nhóm bài quan trọng.

Quy trình 8 bước và thứ tự ưu tiên ​

  1. Kiểm kê. Lập bảng đầy đủ tập–số–năm–số trang–tình trạng bản in. Xác định số nào thiếu bản gốc trước khi ký hợp đồng quét.
  2. Phân mức. Gán mức 1–4 cho từng số theo bảng ở trên. Chốt ngân sách theo mức, không theo tổng số trang.
  3. Chốt thông số kỹ thuật và mẫu bàn giao. 400 ppi, TIFF bảo quản, PDF/A phát hành, quy ước tên file, mẫu bảng metadata.
  4. Quét thử một số. Nghiệm thu chất lượng OCR tiếng Việt trên một số báo trước khi làm hàng loạt.
  5. Bóc tách metadata vào bảng tính nguồn. Mỗi bài một dòng; bắt buộc có tiêu đề, năm, tập, số, trang đầu–cuối; tác giả bổ sung sau nếu thiếu.
  6. Nạp vào hệ thống và đối soát. Kiểm tra ngẫu nhiên 5–10% số bài: đúng số/tập, PDF mở được, tiêu đề khớp bản in.
  7. Đăng ký DOI theo lô, ưu tiên các số gần nhất. Kiểm tra mỗi DOI phân giải về đúng trang bài báo.
  8. Mở endpoint OAI-PMH và cập nhật sitemap, rồi đối chiếu số bản ghi phơi ra với số bài thật.

Thứ tự ưu tiên khi ngân sách hạn chế: 10 năm gần nhất trước (đầy đủ mức 3), sau đó các bài đã có trích dẫn quốc tế, cuối cùng mới đến phần còn lại ở mức 2.

Câu hỏi thường gặp ​

Bài xuất bản năm 1998 có gán DOI được không? ​

Được. Crossref không giới hạn năm xuất bản, và bài càng cũ càng rẻ: từ năm 2026, mọi bài xuất bản từ 2023 trở về trước tính giá bản ghi năm cũ 0,15 USD thay vì 1,00 USD. Điều kiện là bài phải có trang riêng trên website để DOI phân giải về, và metadata đạt mức bắt buộc: tên tạp chí, ISSN, tập, số, tiêu đề bài, năm xuất bản.

Không còn hồ sơ tên tác giả đầy đủ thì có đăng ký DOI được không? ​

Được. Trong lược đồ nộp dữ liệu của Crossref, contributors thuộc nhóm khuyến nghị chứ không phải bắt buộc. Bản ghi sẽ bị đánh dấu là chưa đầy đủ nhưng DOI vẫn hoạt động bình thường. Tòa soạn nên nộp trước phần bắt buộc để bài có định danh, rồi cập nhật tác giả sau khi bóc tách xong — cập nhật không làm đổi DOI.

Có nên gán DOI cho toàn bộ kho bài cũ không? ​

Nên, nếu bài đã có trang riêng và metadata tối thiểu. Với mức 0,15 USD một bản ghi, chi phí không phải yếu tố quyết định. Ngoại lệ hợp lý là các bài không phải công trình khoa học — tin hoạt động, thông báo, mục lục — vốn không cần định danh trích dẫn.

PDF quét ảnh không OCR có lên được Google Scholar không? ​

Không, phần nội dung sẽ không được lập chỉ mục toàn văn. Trang bài báo vẫn có thể xuất hiện nếu metadata trong thẻ HTML đầy đủ, nhưng người tìm bằng cụm từ trong nội dung bài sẽ không thấy. Đây là lý do mức 2 (PDF có lớp text OCR) nên là sàn tối thiểu cho gần như toàn bộ kho bài.

Số hóa xong có tự động vào DOAJ và Scopus không? ​

Không. DOAJ yêu cầu tạp chí chủ động đẩy metadata lên qua API, plugin hoặc file XML; Scopus xét theo hồ sơ riêng và đánh giá chủ yếu nội dung xuất bản gần đây. Kho bài cũ đóng vai trò chứng minh tính liên tục và bề dày của tạp chí trong hồ sơ, chứ không phải yếu tố quyết định. Cơ chế thu thập của từng hệ thống được phân tích trong bài OAI-PMH là gì?.

Tác giả cũ yêu cầu gỡ bài đã số hóa thì xử lý thế nào? ​

Xử lý theo quy trình takedown công bố sẵn: tiếp nhận yêu cầu bằng văn bản, xác minh danh tính người yêu cầu và cơ sở pháp lý, phản hồi trong thời hạn cam kết. Nếu gỡ, giữ nguyên trang bài báo với thông báo lý do thay vì xóa URL, để DOI vẫn phân giải được — nguyên tắc chung là DOI không bao giờ dẫn tới trang lỗi.

Tóm tắt ​

  • Số hóa hồi tố gồm bốn công đoạn: quét, OCR, bóc tách metadata, đăng ký định danh và phơi dữ liệu
  • Chia kho bài thành 4 mức số hóa; mức 3 cho 10 năm gần nhất, mức 2 cho phần còn lại
  • Thông số tối thiểu: 400 ppi, TIFF bảo quản, PDF/A phát hành có lớp text OCR bật gói tiếng Việt
  • Phí DOI năm cũ chỉ 0,15 USD/bản ghi (so với 1,00 USD bản ghi hiện hành) — kho 960 bài tốn khoảng 144 USD
  • Crossref không bắt buộc tên tác giả: nạp phần bắt buộc trước để bài có DOI, bổ sung tác giả sau
  • Bài cũ vẫn trong thời hạn bảo hộ quyền tác giả — đăng đọc miễn phí được, tự gán CC BY thì không
  • Bắt đầu từ số gần nhất rồi lùi dần, không bắt đầu từ số cũ nhất

Về nội dung bài viết

Bài viết được biên soạn bởi đội ngũ VOJS — Metis JSC. Tham chiếu: Crossref — biểu phí thành viên và đăng ký nội dung (2026); Crossref — Required, recommended, and optional metadata; FADGI — Technical Guidelines for Digitizing Cultural Heritage Materials (bản 3, 2023); ISO 19005 (PDF/A); Luật Sở hữu trí tuệ Việt Nam, Điều 27 về thời hạn bảo hộ quyền tác giả.

Bài viết liên quan ​

Cập nhật gần nhất:

Sản phẩm của Công ty Cổ phần Metis.

Copyright © 2020-PRESENT Metis., Jsc