BI GING NGHIN CU KHOA HC BC NGHIN
BÀI GIẢNG NGHIÊN CỨU KHOA HỌC BẬC NGHIÊN CỨU SINH TiẾN SỸ HỆ THỐNG THÔNG TIN CHƯƠNG 1. GiỚI THIỆU CHUNG VỀ NGHIÊN CỨU KHOA HỌC BẬC NGHIÊN CỨU SINH TiẾN SỸ PGS. TS. HÀ QUANG THỤY HÀ NỘI 01 -2021 TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI 1
Nội dung Một số khái niệm cơ bản Dữ liệu – thông tin – tri thức – nghịch lý năng suất của CNTT 3. Bản chất của nghiên cứu khoa học 4. Nghiên cứu khoa học bậc Tiến sỹ 5. Một vài bài học khởi đầu NCS TS 1. 2
1. Một vài khái niệm trong NCKH l Khoa học § Academic Press Dictionary of Science & Technology § Các quan sát có hệ thống về hiện tượng và điểu kiện trong thế giới nhằm § § phát hiện các sự kiện về chúng và hình thức hóa các quy luật và nguyên lý dựa trên những sự kiện này. Thân tri thức có tổ chức nhận được từ các quan sát nói trên và được xác nhận hoặc kiểm tra theo cách khảo sát bổ sung. Nhánh riêng bất kỳ của thân tri thức khái quát, chẳng hạn như sinh học, vật lý, địa chất, hoặc thiên văn học. § http: //www. theharbinger. org/articles/rel_sci/gottlieb. html (Sheldon Gottlieb) và http: //www. gly. uga. edu/railsback/1122 science 3. html § Khoa học là một hoạt động trí tuệ được con người thực hiện một cách có § thiết kế nhằm khám phá thông tin về thế giới mà con người đang sống và nhằm khám phá ra những cách thức mà theo đó các thông tin này được tổ chức thành các mẫu có ý nghĩa. Mục tiêu nguyên thủy của khoa học là thu thập dữ liệu (data). Mục tiêu cuối cùng của khoa học là phân biệt thứ tự tồn tại giữa và trong các sự kiện khác nhau. Luis M. Camarinha-Matos. Scientific Research Methodologies and Techniques (2009 -2012) 3
Công nghệ l Khái niệm § Công nghệ là quá trình mà con người biến đổi thế giới nhằm đáp ứng nhu cầu và mong muốn của họ. § ". . . các quy trình bí quyết và sáng tạo hỗ trợ con người sử dụng các công cụ, tài nguyên và hệ thống để giải vấn đề và tăng cường kiểm soát đối với môi trường tự nhiên và nhân tạo trong một nỗ lực cải thiện điều kiện của con người". (UNESCO, 1985). l S&T § Thông thường, khoa học và công nghệ đi cùng nhau § chỉ dẫn: công nghệ tiên tiến dựa trên nguyên lý khoa học mới Luis M. Camarinha-Matos. Scientific Research Methodologies and Techniques (2009 -2012) 4
Khoa học và công nghệ: một cách nhìn Khoa học Công nghệ Mục đích Không thay đổi Thay đổi Nguyên lý hành động Bên trong Bên ngoài Kết quả Hiểu về khái quát Hiểu về cái cụ thể Hành động Theoria: tự kết quả Poiesis: kết quả vào một cái khác Phương pháp Trừu tượng Mô hình hóa một cái cụ thể (phức tạp) Quá trình Xây dựng khái niệm Tối ưu hóa Dạng đổi mới Phát hiện Phát minh Kiểu kết quả Các phát biểu dạng luật Các phát biểu dạng quy tắc Khía cạnh thời gian Dài hạn Ngắn hạn Luis M. Camarinha-Matos. Scientific Research Methodologies and Techniques (2009 -2012) 5
KH tự nhiên và KH xã hội l Khoa học tự nhiên § quan tâm nghiên cứu hiện tượng tự nhiên § bao gồm các lĩnh vực khảo sát như khoa học hóa học, khoa học vật lý, khoa học đời sống và khoa học sinh học § Các hiện tượng được nghiên cứu: có thật và hữu hình như động vật, thực vật, hoặc các vật chất mặc dù một số đối tượng trong một số lĩnh vực như các hạt hạ nguyên tử, nguyên tố hóa học, vi sinh vật được thừa nhận khó khăn hơn để quan sát l Khoa học xã hội § Quan tâm nghiên cứu con người hoặc tập hợp người § bao gồm tâm lý học (nghiên cứu các hành vi cá nhân), xã hội học (nghiên cứu hành vi của nhóm cá nhân), khoa học tổ chức (nghiên cứu các hành vi của các tổ chức công ty), và kinh tế (nghiên cứu các công ty, thị trường và nền kinh tế) § Mọi nghiên cứu liên quan đến con người là một phần của các khoa học xã hội. Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer. Hệ thống thông tin: KH TN hay KHXH ? 6
Phân biệt KH tự nhiên với KH xã hội l Nhận định § Sự phân biệt giữa tự nhiên và xã hội là rất quan trọng để hiểu bởi vì các yêu cầu hoặc các quá trình nghiên cứu cho hai loại khoa học là rất khác nhau l Khoa học tự nhiên § Khoa học tự nhiên được gọi là "khoa học chính xác” § Các yêu cầu dựa trên các phép đo đúng đắn và chính xác các hiện tượng hoặc tính chất của chúng l Khoa học xã hội § Khoa học xã hội là xa rời tính chính xác § hiện tượng cũng như đo lường thường mơ hồ, không chính xác, không xác định, và không rõ ràng: “một nghiên cứu xem xét liệu người hạnh phúc ngủ nhiều hơn hoặc ít hơn những người không hài lòng” § Một trong các biểu hiện của vấn đề này: thách thức của sai số đo Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer. 7
Kỹ nghệ l American Engineers' Council for Professional Development § "Việc áp dụng sáng tạo các nguyên lý khoa học để thiết kế hoặc phát triển các cấu trúc, máy móc, thiết bị, hoặc quy trình sản xuất, hoặc việc sử dụng chúng riêng lẻ hoặc kết hợp, § hoặc để xây dựng hoặc thao tác chúng với nhận thức đầy đủ về thiết kế chúng; § hoặc để dự báo hành vi của chúng trong điều kiện hoạt động cụ thể; § như các khía cạnh hàm dự định, kinh tế trong hoạt động và bảo vệ con người và tài sản” l Theodore von Kármán § Khoa học có mục đích để hiểu “vì sao” và “như thế nào” của tự nhiên § Kỹ nghệ tìm cách phát triển thế giới tự nhiên nhằm đáp ứng nhu cầu và mong muốn của con người § Nhà khoa học nghiên cứu thế giới như nó vốn có, nhà kỹ nghệ sáng tạo thế giới mà nó chưa có Luis M. Camarinha-Matos. Scientific Research Methodologies and Techniques (2009 -2012) 8
Sáng tạo – đổi mới: Innovation Khái niệm l § Hình thành một cái gì mới, cách làm việc mới gì đó, khai thác thành § § l công một ý tưởng mới Sáng tạo (Invention): Một ý tưởng được tường minh: lần xuất hiện đầu tiên về ý tưởng đối với một sản phẩm/quy trình mới Đổi mời (Innovation): các ý tưởng được áp dụng thành công: Nỗ lực đầu tiên đưa các ý tưởng vào thực tiễn Đổi mới gia tăng (Incremental: đổi mới duy trì): điều chỉnh/sửa đổi Đổi mới cấp tiến (radical: đổi mới đột phá): ý tưởng mới hoàn toàn Hình vẽ § Các mối quan hệ ? § Mọi nhà khoa học phát minh cái gì đó ? Luis M. Camarinha-Matos. Scientific Research Methodologies and Techniques (2009 -2012) 9
Tăng trưởng dữ liệu n Dự báo IDC § 2020: Vũ trụ dữ liệu 35 zettabytes (“ 35” và 21 chữ số “ 0”, dự báo 2011) 44 zettabytes (dự báo 2014); 2025: 180 zettabytes. § Bơm qua Internet băng thông rộng mất 450 triệu năm! § Amazon: vì mục đích tính toán đám mây, dùng thùng chứa 100 petabytes § 2016: Amazon, Alphabet và Microsoft đạt gần 32 tỷ US$ chi tiêu và hợp đồng
Giá trị dữ liệu: Ví dụ 1 (Capital One) l -1980’s: Mô hi nh xa c suâ t mă c đi nh vơ i the ti n du ng đô ng mư c § § l Ngươ i q/ly NH tin khách hàng chưa ưa mư c kha c nhau; HTTT chưa thê đa p ư ng qua n ly mư c ti n du ng kha c nhau Richard Fairbanks và Nigel Morris § § CNTT cho mô hi nh dư ba o tinh vi hơn (mô hi nh lơ i nhuâ n), đu năng lư c ca c mư c ti n du ng Thuyê t phu c nha QL NH lơ n: thâ t ba i. Thuyê t phu c đươ c ngươ i QL ngân hàng nho Signet Bank: tin một tỷ lệ nhỏ khách hàng thực sự ta o ra hơn 100% lợi nhuận của NH từ hoạt động thẻ tín dụng MHLN: tô t hơn KH tô t nhâ t + thu hu t KH tô t nhâ t tư NH lơ n http: //www. fundinguniverse. com/company-histories/capital-one-financial-corporationhistory/ va https: //www. capitalone. com/ 11
Giá trị dữ liệu: Ví dụ 1 (Capital One) l Thiê u dư liê u va gia i pháp § § § l Không co dư liê u vơ i mư c the ti n du ng kha c nhau. Ta o DL cho mô hình (MHLN): cung câ p ngâ u nhiên mư c ti n du ng kha c nhau tơ i KH kha c nhau. DL la ta i nguyên thi pha i đâ u tư Tốn kém: tỷ lệ "khoanh nợ“: 2, 9% đầu nga nh, do cung cấp ngẫu nhiên giảm sút tới gần 6% dư chưa thanh toán Kết quả § § 4 năm: vư a thu thâ p dư liê u vư a hoa n thiê n mô hi nh. 1994. (Học máy tăng cường). 1994 tách thành Capital One Nhanh chóng thành có lợi nhuận lớn nhất. Nhà phát hành thể tín dụng thứ sáu nước Mỹ: mơ 48, 6 triê u ta i khoa n 53, 2 ty US$, 12% gia đi nh My. Bền vững sau khủng khoảng 9/11 Chiến lược dựa trên thông tin Information-Based Strategy (IBS) là lợi thế lớn http: //www. fundinguniverse. com/company-histories/capital-one-financial-corporationhistory/ va https: //www. capitalone. com/ 12
Giá trị dữ liệu: Ví dụ 2 (Microsoft-Linked. In) l Sự kiện và vấn đề § Microsoft mua lại Linked. In với giá 26, 2 tỷ đô-la Mỹ § Định giá kế toán của Linked. In là 3, 2 tỷ đô-la Mỹ § Độ chênh lệch 23 tỷ đô-la Mỹ là một con số rất lớn ? l Giá trị dữ liệu Linkedln mang lại cho Microsoft § 23 tỷ đô-la Mỹ chủ yếu từ giá trị dữ liệu § Đo lường giá trị dữ liệu ? l Với Google và Facebook § Ban đầu: Dữ liệu phục vụ quảng cáo tốt hơn § Hiện tại: Dữ liệu là một dịch vụ trí tuệ nhân tạo. Công nghiệp 4. 0 l Liên hệ với Uber, Graph Việt Nam § Họ thu thập được các dữ liệu gì ? § Dữ liệu đó có thể sử dụng (kinh doanh) như thế nào ? https: //www. forbes. com/sites/bernardmarr/2017/05/31/why-every-business-needsinfonomics-in-a-big-data-world-and-what-it-is/#1 e 290 da 64 c 69 https: //www. economist. com/news/briefing/21721634 -how-it-shaping-up-data-giving 13 rise-new-economy
Dữ liệu thế kỷ 21 Dầu mỏ thế kỷ 20 n Một vài đối sánh § § Đều là động lực tăng trưởng và trao đổi Dầu mỏ và dữ liệu: “nhồi vào ống dẫn” Nhà máy lọc dầu: dầu thô (nhiệt ) xăng, nhớt, thành phần khác Trung tâm dữ liệu: dữ liệu thô (hàng nghìn máy tính mát ) mẫu có giá trị, dự báo, và hiểu biết sâu sắc mới. § Đều tạo nguyên liệu thô quan trọng nền kinh tế thế giới § Hệ thống thực ảo cho sản xuất § Dữ liệu lớn biết rất nhiều về mỗi con người, mọi thứ, v. v. https: //www. economist. com/news/briefing/21721634 -how-it-shaping-up-data-giving -rise-new-economy: Fuel of the future - Data is giving rise to a new economy
Đặc trưng 5 V của dữ liệu lớn 15
Đặc trưng 5 V: chi tiết l Dung lượng lớn (Volume) § Cỡ Texabytes (1012 Bytes) § Kích thược lớn tiềm ẩn thông tin giá trị l Tốc độ cao (Velocity) § § l Tốc độ cao: tốc độ phát sinh, tốc độ chuyển động Thời gian thực hoặc tựa thời gian thực Tốc độ cao tính kịp thời Ví dụ: phát hiện gian lận giao dịch cần với tốc độ miligiây, dữ liệu cần cập nhật tốc độ cao Đa dạng (Variety) § Có/không cấu trúc (văn bản, hình ảnh, video, dữ liệu cảm biến, v. v. ), đa yếu tố, có tính xác suất § Đa dạng khung nhìn đa chiều (chính xác hơn) về sự vật/hiện tượng 16
Đặc trưng 5 V: chi tiết (2) l Xác thực được (Veracity) § Được xác thực theo độ tin cậy, quy trình, xuất xứ, uy tín, tính khả dụng và được giải trình § Thông tin giá trị từ nguồn tin cậy, được xác thực l Có giá trị (Value) § Đặc trưng giá trị là quan trọng nhất § Mục tiêu phân tích dữ liệu lớn (mục tiêu kinh doanh) dẫn dắt hoạt động xây dựng/phân tích dữ liệu lớn § Hiểu biết thực sự chi phí và lợi ích § Dữ liệu lớn chỉ bao gồm các dữ liệu liên quan § Tránh hiện tượng “dữ liệu lớn” theo phong trào 17
Dữ liệu trong kinh doanh l Thu thập t/tin tình báo & thị trường tốt hơn § nhìn sâu sắc hơn: khách hàng muốn gì, (cách) sử dụng như thế nào, cách mua hàng, nghĩ gì về hàng hoá và dịch vụ. § ra quyết định tốt hơn: mọi lĩnh vực kinh doanh, thiết kế sản phẩm/ dịch vụ tới bán hàng, tiếp thị và chăm sóc hậu mãi. l Đạt được hiệu quả và cải thiện hoạt động § theo dõi hiệu suất máy, tối ưu hóa tuyến vận chuyển, thậm chí tuyển dụng nhân tài tốt nhất nâng cao hài lòng và năng suất nhân viên § Io. T có vai trò rất lớn trong cải thiện hiệu suất hoạt động l Tạo doanh thu từ chính dữ liệu § Sản phẩm chính và sản phẩm đính kèm: cung cấp thông tin cho khách hàng sử dụng dịch vụ kèm theo. 18
Khoa học dữ liệu: Tổ chức hướng dữ liệu Chuỗi giá trị phân tích Ø Ø Ø Dữ liệu sinh các báo cáo Các báo cáo kích thích phân tích Kết quả phân tích được tích hợp vào quá trình ra quyết định Hành động theo quyết định Đưa đến giá trị vá ảnh hưởng [Anderson 15] Carl Anderson. Creating a Data-Driven Organization. O'Reilly Media, 2015 19
Chuyển đổi meta-knowledge l l Hầu hết kỹ thuật khai phá dữ liệu chuyển hóa DKYK YKYK. Cựu giám đốc điều hành HP, Lew Platt đã từng nói, “Chỉ cần HP biết được những gì mà HP biết, chúng tôi sẽ có hiệu quả gấp ba lần“. ”If only HP knew what HP knows, we'd be three times more productive”. December 25, 2021
Hàm quản lý tri thức Hiệu quả của tổ chức là mô t hàm theo các hoạt động quản lý tri thức [Liebowitz 16] December 25, 2021
Kinh tế tri thức Khái niệm Ø Ø Knowledge Economy/Knowledge-Based Economy [WB 06] nền kinh tế mà việc sử dụng tri thức là động lực chủ chốt cho tăng trưởng kinh tế. Trong nền kinh tế tri thức, tri thức được yêu cầu, được phát sinh, được phổ biến và được vận dụng một cách hiệu quả cho tăng trưởng kinh tế. [UN 00] nền kinh tế mà các yếu tố then chốt cho sự phát triển là tri thức, năng lực trí tuệ, một thiết chế xã hội cho một hạ tầng thông tin hữu hiệu và truy nhập được. Hai định nghĩa trên là tương tự nhau: ở đây sử dụng định nghĩa [WB 06].
Kinh tế tri thức l Kinh tế tri thức § Tri thức là tài nguyên cơ bản § Sử dụng tri thức là động lực chủ chốt cho tăng trưởng kinh tế l Hình vẽ: Năm 2003, đóng góp của tri thức cho tăng GDP/đầu người của Hàn Quốc gấp đôi so với đóng góp của lao động và vốn. TFP: Total Factor Productivity (The World Bank. Korea as a Knowledge Economy, 2006) 23
Kinh tê tri thư c Viê t Nam Total Factor Productivity: TFP Báo cáo phát triển KT Việt Nam năm 2012 (Worldbank): Chất lượng tăng trưởng kém 1998 -2010
3. Bản chất của nghiên cứu khoa học l l l Bản chất của nghiên cứu khoa học Nghiên cứu khoa học bậc Tiến sỹ Quá trình nghiên cứu làm luận án Tiến sỹ và các thách thức Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 25
Nghiên cứu khoa học l Cái gì không là nghiên cứu (NCKH) § Nghiên cứu không phải chỉ là thu thập thông tin. Phân biệt kỹ năng phát hiện thông tin và tham chiếu với nghiên cứu. "Mẹ ơi, cô giáo đưa chúng con đến thư viện ngày hôm nay để làm nghiên cứu, và con học được rất nhiều về Côlômbô" § Nghiên cứu không phải chỉ là chuyển dời các sự kiện từ một địa điểm sang địa điểm khác. Nghiên cứu đòi hỏi phải giải thích dữ liệu mà không chỉ là khám phá thực tế (truyền thông thực tế, phiên mã thực tế). § Nghiên cứu không chỉ đơn thuần là chọn lọc (lục lọi) thông tin. Tìm kiếm và chọn lọc thông tin không phải là nghiên cứu. § Nghiên cứu không phải là một khẩu hiệu được dùng để nhận được quan tâm. 26
Nghiên cứu khoa học l Cái gì là nghiên cứu (NCKH) § Nghiên cứu bắt nguồn từ một vấn đề: một câu hỏi chưa được trả lời. Thế giới được làm đầy với những câu hỏi chưa được trả lời, vấn đề chưa được giải quyết. Tại sao? Nguyên nhân gây ra là gì? Nó nghĩa là gì? Đây là những câu hỏi hàng ngày. Với những câu hỏi như thế này, việc nghiên cứu được bắt đầu. § Nghiên cứu đòi hỏi một phát biểu rõ ràng về mục tiêu của nỗ lực nghiên cứu. Cần một câu có cú pháp hoàn toàn chính xác về mục tiêu cuối cùng của nghiên cứu là những gì. Mục tiêu: câu trả lời/lời giải đối với vấn đề. § Nghiên cứu thường chia vấn đề chính thành các vấn đề con dễ quản lý hơn. 27
Nghiên cứu khoa học: cái gì là NC ? § Nghiên cứu được dẫn dắt bởi các giả thuyết và các giả định cho nỗ lực nghiên cứu. Giả thuyết không có gì mới lạ: chúng đại diện cho hoạt động tự nhiên của tâm trí con người. Một cái gì đó xảy ra ngay lập tức nảy sinh một loạt dự đoán hợp lý nảy sinh giả thuyết. Về nhà trời tối, bật điện, đèn không sáng nảy sinh một loạt giả thuyết: (i) bóng đèn bị cháy; (ii) dây nguồn bóng đèn không cắm vào ổ; (iii) dịch vụ cung cấp điện bị ngắt; (iv) đoạn nối từ ổ cắm tới công tắc; (v) quên trả tiền điện. Giải quyết dần từng giả thuyết: (i) thay bóng mới, (ii) nhìn vào ổ cắm; (iii) nhìn sang hàng xóm; (iv) kiểm tra đoạn nối. Nghiên cứu chấp nhận các giả định quan trọng. Giả định trong nghiên cứu giống như tiên đề trong hình học: tự nó là sự thật hiển nhiên, không cần qua nghiên cứu. Giả thuyết có tính phỏng đoán <> giả định là cần có cho nghiên cứu. Ví dụ, “không A thì B, C…” § Nghiên cứu đòi hỏi một kế hoạch cụ thể thủ tục hóa. Thủ tục như con đường đạt tới mục tiêu. § Nghiên cứu đòi hỏi thu thập, tổ chức và phân tích dữ liệu liên quan § Nghiên cứu đòi hỏi diễn giải ý nghĩa dữ liệu liên quan tới vấn đề nghiên cứu. 28
Nghiên cứu khoa học: cái gì là NC ? § Nghiên cứu, theo bản chất, có tính tuần hoàn, hoặc chính xác hơn, có tính xoáy trôn ốc [Leedy 16] Paul D. Leedy, Jeanne Ellis Ormrod. Practical Research: Planning and Design (11 th edition). Pearson, 2016. 29
NC Khoa học: Phát triển thân tri thức Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 30
Đóng góp vào thân tri thức l cải thiện giải thích về một hiện tượng cụ thể § một lý thuyết tốt hơn cho tập hiện tượng: mở rộng một lý thuyết. § Ví dụ: nghiên cứu lý thuyết giải thích lý do con người chấp nhận/từ chối CNTT theo thời gian đã cải thiện được lý thuyết này bằng cách hiển thị cách thức mà các yếu tố bổ sung (cảm xúc, thói quen, lo lắng) thêm vào hiểu biết ban đầu, mà về cơ bản chỉ chấp nhận công nghệ khi nó hữu ích và dễ sử dụng. Đề nghị nâng cấp lý thuyết: Ngô Bảo Châu l cải thiện tập bằng chứng khoa học § thu thập dữ liệu về một hiện tượng hiện chưa có quan sát. § chuyến đi nổi tiếng của Darwin: gặp và mô tả hệ thống nhiều loài thực vật và động vật trước đây chưa biết. Bằng chứng này cho phép ông và các học giả khác tinh chỉnh lý thuyết của họ về thực vật và động vật. Thực tế, bằng chứng đặt nền móng một lý thuyết hoàn toàn mới: lý thuyết tiến hóa. Xây dựng các kho ngữ liệu. 31
Đóng góp vào thân tri thức l cải thiện phương pháp thu thập quan sát liên quan đến lý thuyết § Một đóng góp quan trọng nhất của Galileo Galilei: cải tiến sáng tạo kính viễn vọng do Hans Lippershey phát kiến. Galileo thực hiện một kính thiên văn độ phóng đại 3 X, sau đó khoảng 30 X. Phóng to, thẳng đứng hình ảnh trái đất hay trên bầu trời: phép đo cải thiện nhiều Các phép đo các vệ tinh của sao Mộc được cải thiện cuộc cách mạng trong thiên văn học: : một hành tinh với các hành tinh nhỏ quay xung quanh nó không phù hợp các nguyên lý Vũ trụ học. Cải tiến các độ đo. 32
Sử dụng phương pháp khoa học l Khái niệm § gói có cấu trúc các kỹ thuật, nguyên lý khảo sát các hiện tượng trong thế giới thực theo khung nhìn bổ sung vào thân tri thức § PPKH cho phép đạt mục tiêu có thể được, giảm thiểu diễn giải thiên lệch các kết quả và giảm thiểu sự phụ thuộc và tính thiên vị của nhóm nghiên cứu/người diễn giải mọi phát hiện tìm thấy l Các nguyên lý trong phương pháp khoa học § Tính nhân bản: (Replicability): các thủ tục tạo kết quả nghiên cứu cần được tiến hành và tài liệu hóa cho phép người ngoài nhóm nghiên cứu lặp lại một cách độc lập các thủ tục đó và nhận được các kết quả tương tự, nếu không phải là giống hệt nhau. § Tính độc lập (Independence) tiến hành nghiên cứu là khách quan và loại bỏ mọi đánh giá chủ quan hay thiên vị khác xuất phát từ chính các nhà nghiên cứu hoặc nhóm nghiên cứu. § Tính chính xác (precision): trong mọi nghiên cứu khoa học, các khái niệm, các cấu trúc, và các phép đo cần được định nghĩa cẩn thận và chính xác nhất có thể cho phép người khác sử dụng, áp dụng, và bác bỏ 33
Sử dụng phương pháp khoa học l Các nguyên lý trong phương pháp khoa học § Tính có thể bị bác bỏ (falsification): là nguyên lý quan trọng nhất trong nghiên cứu khoa học. § không hợp lý đi chứng minh kết luận của lý thuyết trong NCKH hợp lý hơn một xác nhận, giả thuyết, hoặc lý thuyết có thể bị bác bỏ bởi một quan sát hay kết quả khác từ một nghiên cứu hay thực nghiệm khoa học § “lý thuyết của chúng ta là tập diễn giải gợi ý được giả định là đúng vì các bằng chứng thu thập được cho đến nay không có tình huống ngược lại” : Ví dụ: hiện tượng táo rơi và lý thuyết trọng lực của Newton § một lý thuyết khoa học tốt là cái mà có thể bị bác bỏ (tức là, lý thuyết đó có thể bị bác bỏ): (1) "mọi con thiên nga là màu trắng“đáp ứng nguyên lý bị bác bỏ; (2) “Nếu tiến hành Lễ vũ hội mưa và mọi người tham gia có trái tim tinh khiết thì trời sẽ mưa vào ngày hôm sau” không thể bị bác bỏ: không đáp ứng nguyên lý bị bác bỏ. § Liên hệ: Phát biểu tường minh phạm vi vấn đề nghiên cứu bằng ngôn ngữ phù hợp (thường là toán học): input và output. 34
4. Nghiên cứu khoa học bậc Tiến sỹ Một số câu hỏi then chốt l § § § Làm thế nào để nghiên cứu khoa học (bậc Tiến sỹ) ? Làm thế nào để công bố kết quả? Điều đó có quan trọng hay không ? Làm thế nào để lên kế hoạch luận án ? Kết quả nghiên cứu được đánh giá như thế nào ? Làm thế nào để lên kế hoạch và quản lý một dự án nghiên cứu ? 35
Trình độ Tiến sỹ [Leedy 12] § Có năng lực hiểu biết một cách hệ thống về chuyên ngành § Có kỹ năng làm chủ các phương pháp nghiên cứu § Có năng lực chủ động thu nhận, thiết kế, làm phù hợp, và thực § § thi được các nghiên cứu quan trọng như một NCV độc lập hoặc thành viên nhóm NC, thượng tôn mức độ hàn lâm về chất lượng, chính xác và toàn vẹn. Có khả năng đóng góp mở rộng tri thức thông qua phát triển lượng đáng kể nghiên cứu độc đáo được công nhận thông qua các công bố tại các Hội nghị và/hoặc tạp chí khoa học quốc tế chọn lọc có phản biện Có năng lực phân tích theo tinh thần phản biện, đánh giá và tổng hợp các ý tưởng mới và phức tạp trong bối cảnh thay đổi nhanh công nghệ và tổ chức xã hội. Có năng lực giao tiếp với đồng nghiệp và cộng đồng học thuật cũng như xã hội nói chung, ở cấp độ quốc gia và quốc tế liên quan đến chuyên ngành. Có năng lực thúc đẩy cả ở bối cảnh học thuật và nghề nghiệp, các tiến bộ văn hóa kinh tế xã hội và công nghệ trong khuôn khổ một cộng đồng tri thức và cộng tác. 36
Trình độ Tiến sỹ [Recker 12] l Các yêu cầu § Một học giả kỹ năng cao đủ năng lực đặt và khung câu hỏi quan trọng § Một học giả kỹ năng cao đủ năng lực các thế hệ kiến thức để đánh giá, phê bình, và bảo vệ tuyên bố kiến thức § Một học giả kỹ năng cao hiểu biết rộng và sâu các hiện tượng quan trọng trong lĩnh vực nghiên cứu của mình, và cũng hiểu biết và đánh giá phê phán những kiến thức hiện tại và tiến triển của nó § Một học giả kỹ năng cao thành thạo cách tiếp cận lý thuyết và phương pháp kiểm tra và phát triển kiến thức hiện tại. Một chương trình đào tạo tiến sĩ có các yêu cầu khắt khe Thực tiễn: Đáp ứng yêu cầu công bố (Chương 3), luận án là công trình khoa học (Chương 4) và được các hội đồng thông qua 37
Nghiên cứu khoa học bậc Tiến sỹ l Động lực làm Nghiên cứu sinh Tiến sỹ § Một công việc khó khăn, phải tập trung cao độ 3 -4 năm § Động lực làm NCS Tiến sỹ là gì ? § tham vọng (ambition), cống hiến (dedication) và cam kết (commitment) § Tham vọng có bằng tiến sĩ để xúc tiến một sự nghiệp hàn lâm khác với tham vọng để theo đuổi bậc nghiên cứu nguồn lãnh đạo tương lai công nghiệp/công ty. Tham vọng khác biệt dẫn công bố bài báo: hàn lâm “bánh mỳ và bơ” còn công nghiệp “thú vị để có”. § Cống hiến đề cập đến nhiệt huyết cần phải có để đối mặt với thách thức mới có bản chất phức tạp trong khoảng thời gian nhiều năm. Liên quan nhiều mặt bao gồm đề tài luận án. § Cam kết đề cập đến sự sẵn lòng dành thời gian và tài nguyên miễn phí để tận tình nghiên cứu vấn đề hoàn toàn không cấu trúc và linh hoạt với yêu cần cam kết theo các nhiệm vụ phải được hoàn thành. Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 38
Bậc Tiến sỹ với các bậc khác Mức Tiến sỹ l § "Bước cuối cùng của quá trình là đóng góp kiến thức, nó không § § giống như các bước trước đó. Học tiểu học giống như học đi xe ba bánh. Học trung học là giống như học đi xe đạp. Học đại học (College) là giống như học lái xe ô tô. Học thạc sỹ giống như học lái một chiếc xe đua. Nghiên cứu sinh thường nghĩ rằng bước tiếp theo là cao hơn cùng loại, giống như học lái một chiếc máy bay. Ngược lại, bậc Tiến sỹ giống như học thiết kế một chiếc xe mới. Thay vì dùng nhiều kiến thức hơn, NCS phải tạo ra kiến thức. NCS khám phá (và sau đó chia sẻ tới những người khác) một cái gì đó mà không ai từng biết trước đây” Tad Waddington Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 39
Bậc Tiến sỹ ở Việt Nam l Quyết định số 1982/QĐ-TTg ngày 18/10/2016 § 8 bậc: Sơ cấp 1 -2 -3, Trung cấp, Cao đẳng, ĐH, Thạc sỹ, Tiến sỹ § Chuẩn đầu ra: kiến thức, kỹ năng, tự chủ-tự chịu trách nhiệm l Chuẩn đầu ra Tiến sỹ (bậc 8) Về kiến thức § Kiến thức (KT) tiên tiến, chuyên sâu ở vị trí hàng đầu của một lĩnh vực khoa học § KT cốt lõi, nền tảng thuộc lĩnh vực của chuyên ngành đào tạo § KT về tổ chức nghiên cứu khoa học và phát triển công nghệ mới § KT về quản trị tổ chức 40
Chuẩn đầu ra quốc gia (tiếp tục) Về kỹ năng o Kỹ năng (KN) Kỹ năng làm chủ các lý thuyết khoa học (KH), o o phương pháp, công cụ phục vụ nghiên cứu và phát triển (NC-PT) KN tổng hợp, làm giàu và bổ sung tri thức chuyên môn (CM) KN suy luận, phân tích các vấn đề KH và đưa ra những hướng xử lý một cách sáng tạo, độc đáo KN Kỹ năng quản lý, điều hành CM trong NC-PT Tham gia thảo luận trong nước và quốc tế thuộc ngành hoặc lĩnh vực nghiên cứu và phổ biến các kết quả nghiên cứu. Về mức tự chủ và trách nhiệm v Nghiên cứu, sáng tạo tri thức mới v Đưa ra các ý tưởng, KT mới trong những hoàn cảnh phức tạp và khác nhau v Thích ứng, tự định hướng và dẫn dắt những người khác. v Phán quyết, ra quyết định mang tính chuyên gia. v Quản lý nghiên cứu và có trách nhiệm cao trong việc học tập để phát triển tri thức chuyên nghiệp, kinh nghiệm và sáng tạo ra ý tưởng mới và quá trình mới. 41
Một số quan điểm sai lệch NCS Tiến sỹ l Ý tưởng tuyệt vời § Tôi vừa có ý tưởng tuyệt vời này! Tôi không biết đã có bất kỳ ai có cùng ý tưởng, bởi vì tôi không kiểm tra được điều đó, và tôi là người khá mới trong lĩnh vực này. Dù sao, ý tưởng của tôi là tuyệt vời, vì vậy tôi thực sự muốn chia sẻ nó với tất cả các bạn. l Ý tưởng của người khác § Tôi đọc cuốn sách tuyệt vời này mà tôi thực sự rất thích. Tôi cung cấp cho bạn một bản tóm lược ngắn những điểm thú vị trong cuốn sách này và áp dụng nó vào tình huống cụ thể ở đây. Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 42
Một số quan điểm sai lệch NCS Tiến sỹ l Hacker phần mềm § Tôi vừa xây dựng ứng dụng hệ thống máy tính lớn/công cụ phần mềm/ di động này. Nó không dựa trên lý thuyết hoặc kết quả thực nghiệm trước đó. Tự tôi không lý thuyết hóa, nhưng hệ thống có rất nhiều tính năng tuyệt vời, và giao diện gọn gàng. Thêm vào đó, thực tế đã có người sử dụng nó l Hacker ý tưởng § Tôi đưa ra lý thuyết/khung khái niệm/mô hình/phương pháp này. Nó không liên quan đến lý thuyết/khung khái niệm/mô hình, hoặc bất kỳ dữ liệu thực nghiệm quan trọng nào. Hầu hết các khái niệm đã được định nghĩa khác nhau bởi các công trình lớn ở lĩnh vực này, nhưng tôi chỉ không thích cách phân loại chúng như vậy vì vậy tôi đã phát minh cho riêng mình. Và tôi nghĩ rằng chắc chắn là tốt hơn (tôi cũng không kiểm tra). Jan Recker (2012). Scientific Research in Information Systems: A Beginner's Guide (Progress in IS). Springer 43
5. Mười bài học giá mà được học § Gian-Carlo Rota: 1932 -1999. Gian-Carlo Rota (April 27, 1932 – April 18, 1999, known as Juan Carlos Rota to Spanishspeakers) was an Italian-born American mathematician and philosopher, Professor/Mathematician who spent most of his career at MIT. http: //en. wikipedia. org/wiki/Gian-Carlo_Rota § Gian-Carlo Rota (1997). Ten Lessons I wish I had been Taught. Association of Alumni and Alumnae of MIT April 1997. § Mười bài học tôi ước là đã được học (MIT, ngày 20 tháng tư năm 1996 nhân dịp Rotafest) http: //alumni. media. mit. edu/~cahn/life/gian-carlo-rota-10 lessons. html. § Ngoài ra, “Mười bài học của một giảng viên MIT” (10 Lessons of an MIT Education, by Gian-Carlo Rota http: //www. math. tamu. edu/~cyan/Rota/mitless. html 44
Mười bài học giá mà được học § Bài học 1. Giảng bài § Mỗi bài giảng nên chỉ có một điểm chính § Đừng dạy quá giờ học § Quan tâm đến thính giả § Cung cấp cho thính giả một cái gì đó để mang về § Bài học 2. Kỹ thuật viết bảng § Hãy chắc chắn là bảng không còn vết (bẩn) § Bắt đầu viết từ góc trên bên trái 45
Mười bài học giá mà được học § Bài học 3. Công bố cùng một kết quả vài lần (từ mức thấp đến mức cao) § Nhà toán học nổi tiếng người Hungary Frederick Riesz: (i) phiên bản có ý tưởng mới thô ở một tạp chí vô danh Hungary; (ii) phiên bản bổ sung chuỗi ghi chú tới Tạp chí The Comptes rendus của Viện Hàn lâm Khoa học Pháp; (iii) Bài báo cuối cùng ở các tạp chí hàng đầu thế giới. Thuyết trình cùng chủ đề nhiều năm + suy nghĩ sâu về phiên bản hoàn hảo § Kinh nghiệm công bố Frederick Riesz: (i) Cộng đồng Toán học gồm nhiều nhóm; (ii) mỗi nhóm có thói quen, ký hiệu và thuật ngữ riêng; (iii) công bố phiên bản tới các nhóm riêng với các kiểu thói quen, ký hiệu và thuật ngữ 46
Mười bài học giá mà được học § Bài học 4. Được nhớ nhiều nhờ bình phẩm của người khác § Hilbert: Được nhớ thường xuyên hơn về “lý thuyết số“ hơn là về định lý cơ bản trong “không gian Hilbert” § William Feller: được nhớ đến về xác suất (do được nhiều người bình luận) nhiều hơn là hình học lồi (chuyên) § Bản thân tác giả: Được cộng đồng Triết học nhớ nhiều hơn § Bài học 5. Mỗi nhà toán học của có một vài mẹo vặt § Paul Erdős: bị chê vì “chỉ có một vài thủ thuật khi chứng minh” § Hilbert: miền lớn thứ hai là lý thuyết bất biến: “Chỉ có một vài thủ thuật” § Quan trọng là ý tưởng mới, phát kiến mới “mèo trắng, mèo đen” 47
Mười bài học giá mà được học § Bài học 6. Đừng quá lo lắng về lỗi § Hilbert: Tuyển tập công trình. Nhiều lỗi. Olga Taussky. Todd. Ba năm. § Có hai loại lỗi : lỗi tai hại phá hoại một lý thuyết và lỗi tình cờ hữu dụng để kiểm tra tính ổn định của một lý thuyết § Bài học 7. Sử dụng phương pháp Feynman § Richard Feynma: “Thiên tài”. Mỗi người luôn có hàng tá vấn đề mà phần lớn bất động. Nghe/đọc thủ thuật/kết quả mới nên kết hợp với vấn đề bất động xem có thể giúp gì; một lần kết hợp được "Làm sao ông làm được điều đó ? . Ông phải là một thiên tài !“ § Luôn có điều mới trong những cái tưởng là đã cũ! 48
Mười bài học giá mà được học § Bài học 8. Nên đưa ra một cám ơn rộng rãi § Mọi người đều mong muốn người khác nhìn nhận đóng góp của mình § Ghi nhận đóng góp của người khác dù có thể ít § Nên rộng rãi đưa ra lời cám ơn phù hợp § Bài học 9. (Tóm tắt), lời giới thiệu đủ thông tin § Tỷ lệ nhỏ độc giả đọc hết toàn bộ bài báo (Tỷ lệ này sẽ nói sau) và tóm tắt bài báo và lời giới thiệu rất quan trọng. § Để bài báo đáng để đọc: cung cấp cho độc giả động lực đọc bài báo § Tránh “bẫy phác thảo bài báo” § (xem phần sau) § Bài học 10. Chuẩn bị cho tuổi già § § Nhà khoa học có hai giai đoạn: “người trẻ nhất”, “người già nhất” Đến một độ tuổi nhất định cần tự xem xét chính mình Ít quan trọng khi có công bố khoa học hay không. Nên thay đổi vai trò trong tổ chức 49
- Slides: 49