Số hóa tài liệu ở đơn vị đào tạo: quy trình, đặt tên, bảo mật và cách bắt đầu

Số hóa tài liệu là chuyển thông tin đang nằm trên giấy hoặc trên các vật mang tin tương tự sang định dạng số, tức định dạng mà máy tính đọc được. Ở trung tâm, trường hay phòng đào tạo doanh nghiệp, máy quét chỉ là một phần của việc này. Để bản quét hợp đồng học viên dùng được trong công việc, đơn vị còn phải kiểm tra độ rõ, thống nhất tên tệp và thông tin mô tả (metadata), chọn nơi lưu và phân quyền phù hợp để người cần tìm ra nhanh. Bài viết đi qua từng bước, từ kiểm kê tới phân quyền, kèm các lựa chọn tự làm hay thuê ngoài và những điểm cần lưu ý về dữ liệu cá nhân.^[1]

Bài dành cho giám đốc trung tâm, trưởng giáo vụ, người phụ trách hành chính và đội L&D đang có tủ hồ sơ học viên, giáo trình in, biểu mẫu và quy trình nội bộ nằm rải rác giữa giấy, ổ chung và máy cá nhân.

Khác gì số hóa bài giảng và lưu trữ số?

Ba khái niệm này hay bị dùng lẫn. Trong bài này, chuyển tài liệu sang dạng số được phân biệt với việc thiết kế bài giảng phục vụ học trực tuyến, chẳng hạn chia bài, quay video hoặc làm câu hỏi. Việc chuyển đổi ở đây chỉ nhắm tới tài liệu đang có, nhằm giữ nguyên nội dung và giúp tìm lại, dùng lại. Wikipedia cũng phân biệt digitization với digital preservation (bảo quản số): hai việc khác nhau, nhưng chuyển sang định dạng số thường là bước đầu tiên của bảo quản số. Theo nghĩa hẹp, digitization chỉ áp dụng cho vật liệu tương tự như giấy, ảnh in hay băng từ, còn bảo quản số áp dụng cả cho tệp sinh ra đã ở dạng số như một tài liệu Word.^[1]

Điểm phân biệt này có ích khi lập kế hoạch. Nếu đơn vị đã có giáo án trong Drive, bảng điểm trong Excel hoặc biểu mẫu trên máy giáo vụ, hãy xếp chúng vào nhóm tài liệu có sẵn ở dạng số. Với nhóm này, việc cần làm không phải quét mà là gom về một chỗ, đặt tên lại, gắn metadata và xác định bản nào đang có hiệu lực. Giấy tờ thật sự cần quét thường là hồ sơ ghi danh có chữ ký, hợp đồng, biên bản và các giáo trình cũ chỉ còn bản in.

Đơn vị đào tạo nên chuyển nhóm tài liệu nào trước?

Đừng bắt đầu từ cái tủ đầy nhất. Hãy bắt đầu từ nhóm giấy tờ được tra cứu nhiều nhất, khó thay thế nhất hoặc gây phiền nhất khi thất lạc. Với đa số trung tâm và phòng đào tạo, có bốn nhóm:

• Hồ sơ học viên: phiếu đăng ký, bản sao giấy tờ tùy thân, hợp đồng, biên lai, kết quả kiểm tra đầu vào, đơn bảo lưu, chứng nhận đã cấp. Đây là nhóm nhạy cảm nhất vì chứa thông tin riêng của từng người.
• Tài liệu đào tạo: giáo trình, đề kiểm tra và đáp án, tài liệu phát tay, hướng dẫn cho giảng viên.
• Biểu mẫu: mẫu phiếu đăng ký, phiếu đánh giá, mẫu biên bản, mẫu đơn. Nên chuyển thành bản trống có thể điền trực tuyến, không chỉ là ảnh quét.
• Quy trình và chính sách: quy chế học vụ, chính sách học phí và hoàn phí, quy trình xử lý khiếu nại, hướng dẫn cho nhân viên mới.

Một cách tiết kiệm công sức là số hóa theo nhu cầu (digitization on demand): quét tài liệu khi có người cần, và khi đã quét thì quét trọn cả hồ sơ, vì người sau có thể cần phần khác của chính hồ sơ đó. Wikipedia ghi nhận cách làm này giúp tránh sao chụp lặp lại các tài liệu hay được hỏi và dồn thời gian vào việc quét thay vì chọn lọc. Với hồ sơ cũ ít khi mở, có thể giữ bản giấy và chỉ quét khi phát sinh yêu cầu.^[1]

Quy trình số hóa tài liệu gồm những bước nào?

Mỗi dự án một khác, nhưng các bước dưới đây đủ cho một trung tâm hay một phòng đào tạo. Wikipedia nhấn mạnh rằng dù mỗi dự án khác nhau, nên dùng chuẩn chung về định dạng, metadata, chất lượng, cách đặt tên và nơi lưu tệp để tài liệu dùng được giữa các hệ thống và người cần dễ tiếp cận.^[1]

• Kiểm kê: liệt kê tài liệu đang có, nằm ở đâu, ai giữ, ai cần dùng và phải lưu bao lâu. Đây cũng là lúc quyết định nhóm nào không cần quét vì đã hết thời hạn lưu.
• Phân loại và chuẩn bị: tách theo từng hồ sơ hoặc từng học phần, gỡ ghim, vuốt phẳng, đánh dấu trang hỏng. Giấy tờ dễ rách nên xử lý riêng.
• Quét hoặc chuyển đổi: chọn độ phân giải và chế độ màu theo mục đích, rồi chạy nhận dạng ký tự để có chữ tìm kiếm được. Tệp đã ở dạng số thì chuyển sang định dạng thống nhất thay vì in ra rồi quét lại.
• Đặt tên và gắn metadata: theo một quy tắc viết sẵn, giống nhau cho mọi người làm.
• Kiểm tra chất lượng: lấy mẫu để xem trang có đủ, chữ có đọc được, tên và metadata có đúng không.
• Lưu trữ và phân quyền: đưa vào kho có quản lý phiên bản, quyền truy cập và nhật ký, quyết định số phận của bản giấy.

^[1]

Ở bước quét, Wikipedia dẫn các chuẩn của Thư viện Quốc hội Mỹ (Library of Congress) cho dự án của họ, trong đó khuyến nghị độ phân giải 400 ppi cho văn bản in sẽ được nhận dạng ký tự, màu 24-bit khi màu sắc là đặc điểm quan trọng của tài liệu và gắn metadata mô tả, cấu trúc, kỹ thuật cho mọi tài liệu đã số hóa. Đó là chuẩn của một thư viện lớn cho tài liệu lưu lâu dài; với phiếu đăng ký hay biên lai, đơn vị có thể tự đặt mức riêng, miễn là ghi thành quy định và thử trên vài mẫu trước khi quét hàng loạt.^[1]

Nhận dạng ký tự quang học (OCR) là bước biến ảnh chụp chữ đánh máy, chữ in hoặc chữ viết tay thành văn bản mà máy xử lý được. Theo Wikipedia, đây là cách phổ biến để số hóa văn bản in, giúp văn bản có thể chỉnh sửa, tìm kiếm, lưu gọn hơn và hiển thị trực tuyến. Tuy vậy, kết quả nhận dạng vẫn cần người đọc lại ở những phần quan trọng như họ tên, mã học viên, số tiền, nhất là với chữ viết tay và bản in mờ.^[2]

Đặt tên và gắn thông tin mô tả: phần hay bị xem nhẹ

Một kho chỉ toàn tệp tên “scan0001.pdf” thì về cơ bản vẫn là cái tủ giấy, chỉ khác là nằm trong máy. Wikipedia lưu ý rằng chi phí thời gian và chuyên môn để mô tả tài liệu và thêm metadata thường còn lớn hơn chính khâu quét. Vì vậy, hãy viết quy tắc trước khi quét tờ đầu tiên. Ví dụ chuẩn ảnh tĩnh phỏng theo Smithsonian mà Wikipedia trích đặt tên tệp theo mẫu ngày, mã bộ sưu tập và số thứ tự ảnh. Ở đơn vị đào tạo, có thể dùng quy ước tương tự: NgàyTàiLiệu_MãHọcViên_LoạiGiấyTờ_PhiênBản, viết không dấu, không khoảng trắng, ví dụ 20261015_HV0123_HopDong_v01.pdf. Dùng ngày ghi trên tài liệu chứ không phải ngày quét, thống nhất danh mục loại giấy tờ và quy định khi nào tăng số phiên bản.^[1]

Thông tin mô tả (metadata) là phần giúp tìm theo nhiều chiều mà tên tệp không gánh hết. Theo Wikipedia, hệ thống quản lý tài liệu thường lưu metadata cho từng tài liệu, ví dụ ngày lưu và người lưu, có thể tự trích một phần từ tài liệu hoặc nhắc người dùng điền. Một bộ trường gọn cho hồ sơ người học có thể gồm:^[3]

• Mã học viên, chương trình, khóa hoặc lớp.
• Loại giấy tờ theo một danh mục cố định, không để mỗi người tự gõ một kiểu.
• Ngày của tài liệu và ngày đưa vào kho, người đưa vào.
• Mức nhạy cảm và nhóm được phép xem.
• Thời hạn lưu và tình trạng bản giấy: còn giữ, đã chuyển kho hay đã hủy.

Lưu ở đâu, ai được xem và giữ bao lâu?

Thư mục chia sẻ có thể đủ khi kho còn nhỏ, nhưng sẽ khó kiểm soát khi nhiều người cùng sửa. Theo Wikipedia, hệ thống quản lý tài liệu cung cấp nơi lưu, quản lý phiên bản, metadata, nhật ký thao tác, bảo mật và kiểm soát truy cập; một số hệ thống có phân hệ quản lý quyền để quản trị viên chỉ cho một số người hoặc nhóm xem từng loại tài liệu. Đánh chỉ mục, kể cả chỉ mục từ chữ trích ra trong nội dung, có mục đích chính là phục vụ tìm kiếm và truy xuất.^[3]

Về định dạng, bản quét để lưu lâu dài nên ở định dạng ổn định. PDF/A là phiên bản PDF được ISO chuẩn hóa cho lưu trữ và bảo quản tài liệu điện tử lâu dài; nó khác PDF thường ở chỗ cấm các tính năng không phù hợp cho lưu trữ lâu dài như liên kết phông chữ thay vì nhúng phông, hay mã hóa. Vì PDF/A không cho mã hóa bên trong tệp, việc bảo vệ hồ sơ nhạy cảm cần đặt ở tầng kho lưu và quyền truy cập.^[5]

Về thời hạn, quản lý hồ sơ (records management) theo dõi tài liệu suốt vòng đời, từ lúc tạo hoặc nhận tới lúc hủy hay chuyển lưu vĩnh viễn. Công cụ chính là bảng thời hạn lưu: tài liệu xác định mỗi loại hồ sơ phải giữ bao lâu trước khi được hủy, thường dựa trên phân tích yêu cầu nghiệp vụ và pháp lý. Wikipedia cũng nêu việc hủy phải được luật, quy định hoặc chính sách của tổ chức cho phép, thực hiện sao cho không làm lộ thông tin mật, kèm danh sách hồ sơ đã hủy. Quyết định giữ hay hủy bản giấy sau khi quét nên nằm trong bảng này, không phải do người quét tự quyết.^[4]

Với hồ sơ hành chính sau ghi danh, gói Hồ sơ học viên của Thisme cho đơn vị cấu hình danh mục giấy tờ cần có theo chương trình, mỗi mục có thời hạn, định dạng và quy trình xác minh; quyền xem, thời gian lưu, lịch sử truy cập và cách xử lý dữ liệu nhạy cảm được cấu hình theo chính sách của tổ chức. Học viên tải tài liệu qua cổng tự phục vụ thay vì gửi lại cùng giấy tờ cho nhiều bộ phận.

Bảo mật dữ liệu cá nhân khi đưa hồ sơ người học lên hệ thống

Wikipedia nhận định việc chuyển sang dạng số đặt ra thách thức đáng kể về quyền riêng tư và an toàn dữ liệu: tổ chức càng dựa vào cơ sở dữ liệu điện tử thì càng dễ bị đe dọa, rủi ro mất dữ liệu tăng và tấn công mạng có thể gây thiệt hại tài chính lẫn uy tín. Một tủ hồ sơ khóa ở phòng giáo vụ, sau khi quét, có thể bị sao chép chỉ bằng một đường dẫn chia sẻ sai.^[1]

Tại Việt Nam, Luật Bảo vệ dữ liệu cá nhân (Luật số 91/2025/QH15) có hiệu lực từ ngày 01/01/2026. Theo Cổng thông tin điện tử tỉnh Hà Tĩnh, luật xác lập quyền của chủ thể dữ liệu như được biết về hoạt động xử lý, đồng ý hoặc rút lại sự đồng ý, xem và yêu cầu chỉnh sửa, yêu cầu xóa hoặc hạn chế xử lý dữ liệu; các hành vi bị cấm gồm mua bán dữ liệu cá nhân (trừ trường hợp luật có quy định khác) và chiếm đoạt, cố ý làm lộ, làm mất dữ liệu cá nhân. Đây chỉ là phần tóm tắt, không phải tư vấn pháp lý; đơn vị nên đối chiếu văn bản luật, các văn bản hướng dẫn và hỏi người có chuyên môn trước khi chốt quy trình.^[6]

Trong vận hành hằng ngày, vài nguyên tắc giúp giảm rủi ro:

• Chỉ quét những giấy tờ thật sự cần; bản sao giấy tờ tùy thân đã hết mục đích sử dụng thì không nên đưa vào kho chỉ vì tiện.
• Phân quyền theo vai trò: tư vấn, giáo vụ, kế toán, giảng viên mỗi nhóm chỉ thấy phần mình cần.
• Bật nhật ký truy cập cho thư mục hồ sơ và xem lại định kỳ.
• Không gửi bản quét hồ sơ qua ứng dụng nhắn tin cá nhân; dùng đường dẫn trong kho có thời hạn và đúng người nhận.
• Có quy trình khi học viên yêu cầu xem, sửa hoặc xóa dữ liệu của mình: ai nhận, ai xử lý, trả lời thế nào.

^[3][6]

Cách số hóa tài liệu: tự làm hay thuê dịch vụ?

Wikipedia liệt kê các trở ngại khi làm ở quy mô lớn: giá thiết bị chuyên dụng, chi phí lưu trữ, kiểm tra chất lượng và giới hạn của hệ thống truy xuất; khâu chọn lọc, chuẩn bị có thể kéo dài nếu tài liệu cần đối chiếu cho đủ hoặc dễ hư hỏng. Chọn tự làm hay thuê ngoài thực chất là chọn ai gánh những phần việc đó.^[1]

• Tự làm phù hợp khi khối lượng vừa phải, tài liệu nhạy cảm không muốn rời văn phòng, và đơn vị có người kiên trì giữ quy tắc đặt tên.
• Thuê dịch vụ phù hợp khi tồn đọng lớn, có giấy tờ cũ dễ rách, cần máy quét chuyên dụng hoặc cần xong trong thời gian ngắn.
• Có thể kết hợp: thuê ngoài xử lý phần tồn đọng, còn tài liệu phát sinh mới thì tự làm theo cùng một quy tắc, nếu đơn vị có người phụ trách và đủ năng lực kiểm tra.

Nếu thuê, hãy hỏi trước: tài liệu được quét ở đâu, ai được tiếp xúc, bản giấy được vận chuyển và trả lại thế nào, bên dịch vụ có giữ lại bản sao không và xóa khi nào, tên tệp cùng metadata có theo quy tắc của đơn vị không, và kết quả được nghiệm thu bằng cách lấy mẫu ra sao. Với hồ sơ chứa thông tin riêng của người học, những điểm này nên được ghi vào hợp đồng.

Từ kho tài liệu số đến tìm nhanh và hỏi đáp có dẫn nguồn

Giá trị lớn nhất của việc chuyển đổi nằm ở chỗ nhân viên tìm được tài liệu. Chữ đã qua OCR và chỉ mục nội dung cho phép tìm toàn văn, không chỉ theo tên tệp. Bước tiếp theo nhiều đơn vị nghĩ tới là trợ lý AI trả lời câu hỏi dựa trên tài liệu nội bộ. Kỹ thuật thường dùng là sinh có truy xuất (retrieval-augmented generation, RAG): theo Wikipedia, mô hình ngôn ngữ tham chiếu một tập tài liệu được chỉ định trước rồi mới trả lời, và có thể đưa nguồn vào câu trả lời để người dùng kiểm tra lại.^[2][3][7]

Trợ lý chỉ đáng tin bằng kho mà nó đọc. Nhiều phiên bản của cùng một quy chế mà chưa xác định bản nào có hiệu lực có thể khiến trợ lý dùng nhầm nguồn. Hồ sơ người học cần được phân quyền riêng; nếu hệ thống truy xuất không lọc đúng quyền, thông tin có thể đến tay người không được phép xem. Vì vậy các bước đặt tên, gắn metadata, xác định bản có hiệu lực và phân quyền phải xong trước, rồi mới nói tới hỏi đáp.

Đây là chỗ hai sản phẩm của Thisme có thể giúp. Làm giàu dữ liệu bắt đầu bằng kiểm kê nguồn, quyền sử dụng và người chịu trách nhiệm, rồi chuẩn hóa định dạng, danh mục giá trị và phát hiện bản ghi trùng hoặc thiếu. AI có thể gợi ý chủ đề, từ khóa và bản tóm tắt, mỗi gợi ý kèm nguồn, mức tin cậy và trạng thái duyệt. Người phụ trách kiểm tra và duyệt trước khi chuyển kết quả sang hệ thống khác. Knowledge Base AI cho nhân viên tìm theo ý nghĩa và hỏi đáp trong phạm vi nguồn đã duyệt, có trích dẫn tài liệu, sau khi lọc quyền, và báo rõ khi chưa đủ thông tin.

Những lỗi hay gặp

• Quét trước, nghĩ quy tắc sau: hàng nghìn tệp tên vô nghĩa phải đổi tên lại bằng tay.
• In tài liệu vốn đã ở dạng số ra để quét, làm mất chữ gốc và tạo thêm một bản khác.
• Coi OCR là đúng tuyệt đối, không đọc lại họ tên, mã số, số tiền.
• Để mọi người cùng một quyền trên thư mục chứa hồ sơ ghi danh.
• Hủy bản giấy ngay sau khi quét mà không có bảng thời hạn lưu được duyệt.
• Gửi hồ sơ cho đơn vị dịch vụ mà không thỏa thuận về bản sao, thời hạn xóa và nghiệm thu.
• Đưa cả kho chưa sắp xếp vào trợ lý AI và mong câu trả lời đúng.

^[1][2][4]

Bắt đầu từ đâu?

Tóm lại, số hóa tài liệu ở một đơn vị đào tạo nên bắt đầu nhỏ: chọn một nhóm, thường là hồ sơ của học viên các khóa đang học, viết quy tắc đặt tên và bộ trường metadata trên một trang, quét thử vài hồ sơ, kiểm tra chất lượng, đặt quyền truy cập rồi mới mở rộng sang giáo trình, biểu mẫu và quy trình. Khi kho đã sạch và đúng quyền, việc tìm nhanh hay hỏi đáp có dẫn nguồn mới có nền để chạy.

Nếu tài liệu của bạn đang nằm rải rác giữa giấy, Drive và Excel, Làm giàu dữ liệu có thể là điểm khởi đầu. Hãy đăng ký buổi khảo sát để chúng ta cùng xem một nhóm tài liệu cụ thể và chọn những việc nên làm trước.

Nguồn tham khảo

1. Digitization – Wikipedia
2. Optical character recognition – Wikipedia
3. Document management system – Wikipedia
4. Records management – Wikipedia
5. PDF/A – Wikipedia
6. Luật Bảo vệ dữ liệu cá nhân chính thức có hiệu lực thi hành từ ngày 1/1/2026 – Cổng thông tin điện tử tỉnh Hà Tĩnh
7. Retrieval-augmented generation – Wikipedia