Prompt đánh giá độ tin cậy nguồn nghiên cứu

{
"cau_hoi": "Người mua gặp khó khăn gì khi chọn kích cỡ quần áo?",
"nguon": [
{
"id": "S1",
"synthetic": true,
"author": "Nhóm nghiên cứu giả lập",
"date": "2025",
"method": "Phỏng vấn 12 người mua; có bảng câu hỏi và trích đoạn ẩn danh",
"limits": "Một shop, chưa có toàn văn"
},
{
"id": "S2",
"synthetic": true,
"author": "Chưa rõ",
"date": "2023",
"method": "Bài viết tự gọi là tổng quan; chưa nêu cách chọn nguồn",
"limits": "Không có danh sách nghiên cứu"
}
]
}

{
"assessment": [
{
"id": "S1",
"status": "Ưu tiên đọc phương pháp khi có toàn văn",
"reason": "Có mô tả người tham gia và cách thu dữ liệu; mẫu nhỏ một shop, chưa khái quát mọi người mua."
},
{
"id": "S2",
"status": "Cần bổ sung tác giả, danh sách nguồn và cách chọn",
"reason": "Nhãn tổng quan và năm 2023 không đủ bảo đảm độ tin cậy."
}
],
"verified_references": 0,
"scope": "Hai nguồn tổng hợp để luyện review; không phải nghiên cứu thật."
}

1. Điền đúng các biến bằng nội dung đủ căn cứ; chỉ dùng dữ liệu được phép chia sẻ. 2. Chạy với công cụ hỗ trợ văn bản hoặc code phù hợp. 3. Đối chiếu từng kết luận với đầu vào và kiểm thử riêng khi có mã nguồn. Ví dụ dưới đây là dữ liệu tổng hợp, output biên tập; không phải benchmark hoặc log chạy model.

Task

Đánh giá danh sách {{nguon}} cho câu hỏi {{cau_hoi}} theo tác giả, phương pháp, nguồn dữ liệu, ngày và khả năng kiểm tra. Ghi rõ trường nào thiếu; không đánh giá chỉ theo nhãn review, năm hay loại blog. Không bịa DOI, đọc toàn văn hoặc kết quả thực nghiệm. Phân biệt nguồn giả lập dùng luyện tập với tài liệu đã xác minh.

Constraints

Không bịa dữ kiện hoặc execution. Ví dụ tổng hợp; model/version cần kiểm tra riêng.

Validation

P8 input/output contract and owned fixtures; not a model benchmark

• Kiểm tra đủ biến trước khi chạy.
• Nếu input thiếu, hỏi bổ sung thay vì tự suy đoán.
• Output minh họa cần được đối chiếu và review; không bảo đảm mọi model cho cùng kết quả.