Chủ Nhật, 7 tháng 7, 2013

Vấn đề xét duyệt đề tài nghiên cứu khoa học

Tôi nghĩ một trong những vấn đề làm cho khoa học VN khó “cất cánh” là vấn đề xét duyệt và cung cấp kinh phí. Có thể thêm phần quản lí dự án nữa. Trong bài ngắn này tôi chỉ muốn nói phần xét duyệt đề cương nghiên cứu trước. Nhìn từ ngoài và nhìn từ xa thì qui trình xét duyệt đề tài nghiên cứu ở VN cũng chẳng khác mấy so với các nước tiên tiến, nhưng chỉ khi nào va chạm với thực tế thì mới thấy “nói vậy mà không phải vậy”, vì có rất nhiều lắt léo, ngóc ngách làm cho qui trình này chẳng giống ai. Những lắt léo đó làm cho nhiều người làm khoa học chân chính chán nản và bỏ cuộc. 


Cũng như ở các nước khác, mỗi năm các nhà khoa học VN nộp đề cương nghiên cứu. Bước kế tiếp là Sở Khoa học và Công nghệ (hay cơ quan có chức năng tương tự) tổ chức xét duyệt đề cương; nếu được phê chuẩn thì nhà khoa học sẽ được cung cấp kinh phí để thực hiện dự án. Nhìn như thế thì chẳng có gì khác với nước ngoài. Nhưng trong thực tế thì qui trình diễn ra không hẳn như mô tả. Đầu tiên là không phải đề cương nào cũng được chọn để ra hội đồng khoa học đánh giá. Người quyết định chọn đề cương lại là người của Sở KHCN, tức là một quan chức, thường thường là cấp trung. Có rất nhiều trường hợp quan chức này chẳng làm khoa học, hay nếu có làm thì chuyên môn chẳng có dính dáng gì đến đề tài nghiên cứu. Ấy thế mà quan chức này quyết định bước kế tiếp của đề tài nghiên cứu! 

Nếu đề cương lọt qua “mắt xanh” của quan chức Sở KHCN, thì chính quan chức này sẽ chọn hội đồng đánh giá đề tài nghiên cứu. Hội đồng khoa học thường có từ 7 đến 8 người. Trên danh nghĩa, những người ngồi trong hội đồng là những “chuyên gia hàng đầu” hay có khi gọi là “đầu ngành”, những người có kinh nghiệm lâu năm trong nghiên cứu khoa học. Nhưng trong thực tế thì không hẳn vậy. Rất nhiều trường hợp mà hội đồng chỉ bao gồm những người chẳng phải là “chuyên gia” (chứ chưa nói đến đầu ngành hay không), thậm chí chưa bao giờ làm nghiên cứu khoa học. 

Tôi có vài kinh nghiệm về các hội đồng này vì được ngồi như là một quan sát viên, nên cũng biết chút chút về cách làm. Cách làm của hội đồng này có thể nói là khá … hài hước. Khi vào họp, mỗi người trong hội đồng cầm một mảnh giấy, trong đó họ viết ra những nhận xét về đề cương nghiên cứu. Có người viết 3-4 trang, và khi phát biểu, họ chỉ đơn giản đọc 3-4 trang đó như là đọc diễn văn. Tôi đã chứng kiến có những người đưa ra những nhận xét cực kì sai lầm mà họ nói rất tự tin và dõng dạc! Có lần một chuyên gia nọ, được xưng tụng là chuyên gia số 1, đưa ra những con số về một đề tài mà tôi có thể khẳng định là sai từ đầu chí cuối. Có không ít người mang chức danh “phó giáo sư”, “giáo sư” với học vị [thấy xưng tụng là] tiến sĩ, nhưng trình độ chuyên môn và kiến thức căn bản thì hụt hẫng nghiêm trọng. Có người chẳng có chuyên môn gì trong ngành nhưng cũng đưa ra những nhận xét cứ như là chuyên gia thứ thiệt, nhưng nếu người có kinh nghiệm thì biết những nhận xét đó chỉ lấy từ … Google. Có người thì rất thích bắt bẻ tiếng Việt (như dấu hỏi / ngã, cách hành văn, v.v.) nhưng bản thân anh ta thì viết tiếng Việt (trong bản nhận xét) vẫn còn sai và văn phong thì chẳng ra cái thể thống gì. Tôi rất ngạc nhiên khi có người đòi mọi người phải xưng hô với anh ta là “Thầy thuốc nhân dân”. (Tôi ít khi nào thấy một người hợm hĩnh như thế trong đời). Phần lớn những người ngồi trong hội đồng chưa bao giờ làm nghiên cứu nghiêm chỉnh, chưa bao giờ có một công trình công bố quốc tế mà ngồi trong hội đồng để đánh giá một người đã từng có hàng mấy chục bài trên các tập san quốc tế. 

Điều đáng nói là tính phi dân chủ trong xét duyệt. Trong buổi xét duyệt đó, người chủ trì đề tài phải chịu trận suốt 2 giờ đồng hồ để nghe người khác phê bình mình, mà không có cơ hội trả lời. Có lần tôi thấy anh chủ trì đề tài bức xúc quá, đưa tay xin phát biểu phản biện, nhưng người chủ toạ gạt phăng đi và nói rằng “Anh phải nghe người ta góp ý rồi trả lời sau”. Đến khi 8 người đọc xong phần nhận xét, anh ta xin phát biểu thì vị chủ tọa nói “hết giờ rồi”. Mỗi thành viên trong hội đồng nhận bao thư tiền rồi ra về. Tôi thấy anh chủ trì đề tài giận tím mặt vì không có dịp phản bác lại những nhận xét vô lí của hội đồng xét duyệt. 

Tất cả những qui trình tôi mô tả trên đây cho thấy trong việc xét duyệt đề tài còn quá nhiều vấn đề. Tôi nghĩ đến vài vấn đề nổi cộm và đề nghị ngắn sau đây: 

Vấn đề nổi cộm nhất là qui trình này tạo cho các quan chức có quyền quá lớn trong quyết định đề tài khoa học. Đáng lí ra Sở KHCN phải giao quyền cho giới khoa học, và Sở chỉ đóng vai trò quản lí và điều hành. Vấn đề khoa học nên để cho giới khoa học tự quyết, chứ sao lại để cho quan chức hành chính quyết định? 

Vấn đề thứ hai là thành viên trong hội đồng xét duyệt không xứng đáng ngồi trong đó. Cần phải có những tiêu chuẩn cụ thể và minh bạch trong việc chọn thành viên bình duyệt đề tài nghiên cứu, chứ không thể làm theo tình cảm cá nhân được. Những thành viên phải có công trình nghiên cứu liên quan, hay có chuyên môn liên quan, và nhất là phải có công trình công bố trên các tập san quốc tế. Ngoài ra, những người này phải tỏ ra có văn hoá khoa học, chứ không nên chọn những người hẹp hòi hay thiếu cởi mở (qua các lần xét duyệt trước). 

Vấn đề thứ ba là bình duyệt mở, tức là để cho các thành viên trong hội đồng nói trực tiếp chủ đề tài, vừa tốn thì giờ của nhiều người lại vừa kém văn minh. Tôi chưa bao giờ thấy những cách nói xối xả như là mắng người chủ đề tài như ở VN. Có lần tôi thấy một ông phó giáo sư trình độ rất kém khi đọc nhận xét về đề tài mà ông có vẻ rất giận, giọng run run và hành xử rất “cà khấc” cứ như là … con nít. Nói chung tôi thấy không ít người trong giới khoa học ở VN có vấn đề về văn hoá khoa học, họ hành xử với đồng nghiệp rất “ác ôn”, hoàn toàn không lịch sự như ở ngoài này. Cho dù đồng nghiệp có sai sót đi nữa, thì cũng không nên nói “Anh nên về đọc sách …” (kiểu nói rất phổ biến ở VN) mà phải có cách nói khác chứ (ví dụ như: cách diễn giải của anh hình như không phù hợp với dữ liệu anh trình bày, hay là tôi hiểu sai ý của anh?). Do đó tôi nghĩ nên có bình duyệt kín, sau đó hội đồng (chỉ khoảng 5 người thôi) mời chủ trì đề tài để phỏng vấn hay giải trình những vấn đề nêu trong bình duyệt kín. 

Ngoài ra, qui trình chọn đề tài để đưa ra hội đồng xét duyệt có khi như là một cuộc “đấu thầu”. Qui trình này có thể tóm tắt như sau: (i) bước đầu, Bộ (ví dụ như Bộ Y tế) kêu gọi các nhà khoa học nêu ý tưởng; (ii) các nhà khoa học nộp ý tưởng; và (iii) các nhà khoa học khác, có thể không phải là người nêu ý tưởng, tham gia đấu thầu, và người đấu thầu giá thấp nhất sẽ được mời viết đề cương và xét duyệt. Có thể nói ngay rằng đó là một qui trình rất lạ. Trong khoa học, người ta bảo vệ ý tưởng và giữ kín ý tưởng, chứ không phải đấu thầu trước công chúng như thế. Càng không có chuyện người khác lấy ý tưởng rồi ra giá thấp nhất. Ngay cả các chuyên gia bình duyệt đề cương nghiên cứu cũng phải cam đoan bảo mật tuyệt đối, không được phép tiết lộ ý tưởng và phương pháp của đề cương nghiên cứu. 

Nhưng cách bình duyệt như trên vẫn còn diễn ra ở VN. Gs Phạm Duy Hiển từng nói rằng ông rất chán ngán với kiểu làm này, và ông sẽ không bao giờ để cho mình bị “tra tấn” bởi những người rất hăng nói những gì mà chính họ cũng không hiểu họ nói gì! Tôi thật thông cảm cho ông. Chính cách làm đó đã làm nản lòng biết bao nhà khoa học trẻ. Có người thề rằng sẽ không bao giờ ra trình với mấy hội đồng mà trong đó có quá nhiều người ngồi nhầm chỗ.


Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Thứ Bảy, 6 tháng 7, 2013

Cơn bão dư luận!

Bài viết về tình trạng các nhóm lợi ích ép giá lúa đến nổi thấp hơn giá ốc bươu vàng đã được rất nhiều bạn đọc quan tâm và bình luận. Trên sgtt.vn (nơi bản gốc xuất hiện) có 11 bình luận. Qua một diễn đàn khác, tôi mới biết VietQ có đăng lại bài viết đó, và Dân Trí đăng lại từ VietQ. Nhưng khi lên Dân Trí thì có đến 105 bình luận! Báo Dân Trí hôm nay có bài bình luận cho rằng bài đó đã “tạo nên cơn bão mới trong dư luận” dù chuyện đó nằm trong nhóm các chuyện “biết rồi, khổ lắm, nói mãi”. 

http://dantri.com.vn/xa-hoi/tro-treu-oc-buou-vang-gia-tri-hon-lua-khi-chinh-sach-van-di-duong-vong-751429.htm

Tôi rất cảm động khi xem qua những bình luận trên sgtt.vn và đặc biệt là Dân Trí. Cảm động không chỉ vì có người đồng cảm và đồng tình, mà vì xã hội vẫn còn những người quan tâm đến nông dân. Trong cái thời mà người mới lên tỉnh, võ vẽ học vài chữ đã vội quên đi hương đồng gió nội và lên lớp dạy đời dân quê, mà vẫn còn có rất nhiều người còn quan tâm đến "chân quê" thì quí hoá. Như vậy là xã hội vẫn không quên bà con nông dân. 

Trong cuộc đời viết báo như là một “hobby” của tôi, có những giây phút làm tôi thấy ngòi bút (bàn phiếm) của mình có ích. Trong một lần nói chuyện về báo chí và khoa học do Bộ Khoa học và Công nghệ tổ chức ngoài Vĩnh Phú (có cả thứ trưởng Nguyễn Quân tham dự) tôi có nói rằng một trong những bài báo tôi tự hào nhất là bài “Bưởi không gây ung thư vú”, vì qua bài đó mà tôi giúp ích rất nhiều nông dân trồng bưởi. Bài đó tôi cũng viết trong bức xúc khi nghe tin giá bưởi giảm từ hơn chục ngàn đồng xuống còn 3-4 ngàn đồng chỉ vì một bản tin trên báo nói rằng bưởi gây ung thư. Tôi về nhà viết bài đó trong vòng 2 giờ đồng hồ, và gửi bài cho Thanh Niên hay Tuổi Trẻ (tôi quên) lúc 11 giờ đêm. Nhưng họ không dám đăng, vì lúc đó báo chí rầm rộ cho rằng bưởi gây ung thư vú. Tuy nhiên, Thời báo Kinh tế Sài Gòn đăng. Sự việc dẫn đến vài tờ báo bị phạt vì đưa tin thất thiệt, hình như Thanh Niên bị phạt nặng nhất. Rất nhiều hội đoàn nông dân gửi thư cho tôi cám ơn bài viết đó. Những lá thư viết rất Nam bộ làm tôi thật sự cảm động. 

Trước hay sau bài “Bưởi không gây ung thư vú”, còn có những bài khác làm tôi “gây thù chuốc oán” với Bộ Y tế. Đặc biệt nhất là loạt bài mắm tôm và dịch tả, trong đó tôi viết rằng mắm tôm không thể nào chưa vi khuẩn tả được vì chứng cứ thí nghiệm cho thấy chẳng có con V. cholerae nào sống nổi trong môi trường 5% muối. Các giới chức y tế không tin tôi, họ đóng cửa các cơ sở mắm tôm, đi lấy hơn 200 mẫu để xét nghiệm. Kết quả cho thấy chẳng có mẫu mắm tốm nào chứa V cholerae. Hoan hô khoa học! Ấy thế mà họ không xin lỗi mắm tôm. 

Một bài khác cũng làm tôi vui là vụ “ngực nở chân dài” mới được lái xe. Lúc đó (cũng 5 năm rồi) Bộ Y tế ra qui định rằng người lái xe phải có chiều dài chân tối thiểu là 75 cm và vòng ngực kha khá. Nhưng qui định này hình như không dựa vào những tham số căn bản về nhân trắc nên rất sai. Tôi viết bài “Tìm đâu ngực nở chân dài” trên Tuổi Trẻ và Tuần Việt Nam. Bằng dữ liệu thực tế của chúng tôi và với giả định rất cô điển (trong sách giáo khoa y khoa) tôi tính ra rằng chỉ có 5% nữ và 50% nam có thể lái xe nếu làm theo qui định của Bộ Y tế. Sau này thì qui định đó bị bác. Một hôm tôi và Nguyên đi giảng ở Viện Nhi Hà Nội, một em bác sĩ lên cám ơn tôi, mà tôi chẳng hiểu cám ơn cái gì, nhưng em ấy nói là “nhờ bài của thầy mà em được lái xe”. Tôi nhìn cô ấy thì quả thật là cô có chiều cao khiêm tốn. Tôi thấy trong lòng vui ghê vì không ngờ bài báo đó cũng gây tác động. 

Bây giờ thì vụ cơn bão giá lúa. Hôm tháng 6 tôi về quê thăm nhà, và mỗi lần về quê là rôm rả chuyện trò đồng áng. Trong những câu chuyện như không bao giờ hết, có chuyện do anh Ba Đen nói một cách mỉa mai: ối, mày ơi, bây giờ ốc bươu vàng còn có giá hơn lúa. Mấy người trong bàn thêm vào những chi tiết về kinh nghiệm bán lúa của họ. Ốc bươu vàng được xem là rác, không thể so sánh với ốc bươu đồng được. Vui nhất là anh Hai, người gốc Khmer, bằng một giọng lơ lớ nói: tao sống đến độ tuổi này mà chưa bao giờ thấy giá lúa thua giá ốc rác. Anh chua chát nói: chắc mai mốt tao đi nuôi ốc bươu vàng. Rồi câu chuyện xoay quanh tình trạng ô nhiễm con sông, tôm cá càng ngày càng hiếm, con trai bỏ làng ra đi lang bạt làm thuê trên thành phố, con gái cũng bỏ đi làm trên thành phố mà ai cũng đoán là làm bia ôm, bệnh tật như đột quị và ung thư càng ngày càng phổ biến, v.v. Ai cũng nghĩ thôn quê mình không còn như ngày xưa nữa. Thì dĩ nhiên phải có đổi thay, nhưng tiếc thay, sự thay đổi làm cho nông thôn tồi tệ hơn. 

Tôi hứa với mấy người anh em và hàng xóm là tôi sẽ cố gắng viết một bài gióng một tiếng nói dùm cho bà con. Thấy sgtt.vn đang quan tâm đến vụ này và chuyện bên Thái Lan (ông bộ trưởng bị cách chức vì trợ giá cho nông dân) nên tôi gửi cho họ. Có bạn đọc trên sgtt.vn phê bình tôi cảm tính. Dĩ nhiên là tôi bày tỏ cảm tình của mình đến bà con chòm xóm tôi, vì tôi thấy bất công và phi lí trước mắt mình. Thấy chuyện bất công mà không lên tiếng là bất nhẫn. Con người mà vô cảm thì quả là quá tệ. 

Tôi nghĩ vấn đề nông thôn, không chỉ ĐBSCL mà toàn quốc, là vấn đề lớn. Có thể nói không ngoa rằng nông thôn VN đang khủng hoảng. Nên nhớ rằng 70% dân ta vẫn là nông dân. Đừng có tưởng chỉ vài khu công nghiệp là ta trở thành nước công nghiệp. Cũng đừng nghĩ sự hiện diện của những cửa hàng xa hoa đắt tiền ở thành phố mà cho rằng VN bây giờ khá quá. Càng sai lầm hơn nếu nghĩ rằng với thu nhập 1100 hay 1300 USD đầu người là VN đã thoát nghèo, vì đó chỉ là cái “flaw of average” mà thôi. Trong thực tế, chỉ cần đi ra ngoài thành phố 20-30 cây số thì sẽ thấy cái nghèo của người dân ra sao. Nghèo xác xơ. Ở quê tôi, chỉ cách Rạch Giá có 20 cây số, mà những đứa trẻ ốm tong teo trong những bộ đồ ngã màu nước phèn phải đi lao động để phụ thu nhập cho nhà. Bất cứ ai có chút tình cảm con người chỉ cần nhìn ánh mắt của chúng sẽ nhói lòng. Đối với những em bé này và ba má chúng thì những lời vàng thước ngọc của Nick Vujicic chẳng có ý nghĩa gì. 

Một điều trớ trêu là những nơi là căn cứ nuôi mấy ông bà cách mạng ngày xưa thì bây giờ là những nơi nghèo nhất. An Biên, Gò Quao, Giồng Riềng, v.v. những nơi từng nuôi cán bộ trong thời chiến, bây giờ là những nơi có lẽ là nghèo nhất nhì của Việt Nam. Nhưng khổ nỗi mấy ông bà ấy bây giờ có mấy ai còn nhớ đến chân quê, đến cái gốc của mình. Do đó, tôi rất tâm đắc với ai đó của Vietnamnet đã có bài với tựa đề “Mới ra tỉnh đã quên mình ‘chân quê’”. Thật ra, chữ chân quê khôg nên viết trong ngoặc kép, vì đáng lí ra họ phải biết tự hào mình là chân quê chứ. Thử hỏi: ai trong chúng ta mà không có cái gốc quê? Không có quê thì làm sao có thành phố? Do đó, tôi nghĩ các quan chức thay vì ngồi trong phòng lạnh mà ra chính sách thì nên vi hành một vài lần về quê nghèo để làm một cái gì đó thiết thực cho nông dân.

Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Thứ Sáu, 5 tháng 7, 2013

Giải đáp vài thắc mắc về ngôn ngữ R trong phân tích dữ liệu

Ba hôm qua, tôi nhận được ít nhất là 3 emails của bạn đọc và học viên hỏi về ngôn ngữ R sẽ sử dụng trong lớp học ở Hà Nội sắp vào Tháng 7 này. Các bạn đặt vài câu hỏi mà tựu trung lại là phân vân rằng R là ngôn ngữ phân tích dữ liệu “chưa được công nhận”, vậy việc giảng dạy ngôn ngữ này có phải là có vấn đề. Tôi xin giải đáp thắc mắc của các bạn như sau (tôi sắp xếp các câu hỏi cho logical hơn): 


Hỏi: Thầy em nói rằng R là phần mềm chưa được công nhận, vậy học nó có phải là phí thì giờ? 

Đáp: Câu trả lời ngắn và nhanh là: Không. Mà, có thật là thầy em nói hay là em nói.  Thầy em mà nói thế thì có vấn đề đấy. Tôi không rõ thế nào là “được công nhận”, nên rất khó trả lời câu hỏi này. Ai công nhận? Thật ra, ngôn ngữ R là do các chuyên gia thống kê học tạo ra, và đã được cộng đồng khoa học thống kê sử dụng trong nghiên cứu, giảng dạy, và thương mại hơn 15 năm qua. Hầu như tất cả các đại học tiên tiến phương Tây (và cả Á châu nữa) đều sử dụng R trong giảng dạy và nghiên cứu. Đã có hàng trăm cuốn sách về R được xuất bản. R đang trở thành một ngôn ngữ chính thức của khoa học thống kê. Những ai tham dự hội nghị SIODS tháng Sáu vừa qua đều biết R phổ biến như thế nào trong khoa học thống kê. Do đó, tôi nghĩ nếu “công nhận” có nghĩa là được giới chuyên môn sử dụng nhiều thì R đã được công nhận từ lâu.

Hỏi: R có thể phân tích gì? Tất cả những gì SPSS và Stata làm được, R có làm được không? 

Đáp: Absolutely! R có thể xử lí tất cả những phương pháp và mô hình mà các software khác như SAS, SPSS, Stata, Systat, v.v. xử lí. Thật ra, có những phương pháp mới (như phương pháp Bayes và MCMC chẳng hạn) không có trong các software khác, nhưng lại có trong R. Các software khác không thể xử lí dữ liệu lớn (hàng tỉ tỉ data) di truyền học, nhưng R thì có thể xử lí khá dễ dàng.

Hỏi: Lợi ích của R là gì? Cái dở của R là gì?

Đáp: Lợi ích thì nhiều, nhưng tôi nghĩ cái lợi ích lớn nhất của R là … miễn phí. Hoàn toàn miễn phí. Bạn chỉ cần có máy tính và kết nối mạng là có thể tải R về máy tính và sử dụng. Thế thôi. Lợi ích thứ hai là R có rất nhiều modules, packages cho các phương pháp hiện đạu mà các software khác không/chưa có. Do đó, dùng R các bạn sẽ ở một vị thế “leading edge” trong kĩ năng và kĩ thuật. Lợi ích thứ ba là R giúp cho dự án Reproducibility Project dễ dàng hơn. Ngày nay, càng ngày càng có nhiều tập san khoa học yêu cầu tác giả phải nộp R codes kèm theo bài báo để các chuyên gia đánh giá xem kết quả có thể reproducible hay không. Nói cách khác, R giúp cho chúng ta liên lạc nhau dễ dàng hơn. Thế mạnh khác là biểu đồ: R có thể làm những biểu đồ nghiêm chỉnh và có chất lượng công bố (publication quality) chứ không phải loại biểu đồ làng nhàng như Excel hay Stata.

Còn những điểm yếu của R thì cũng không ít. Tôi nghĩ dùng lệnh trong R là một điểm yếu vì nhiều người quen với SPSS sẽ thấy … sợ. Những lệnh có khi viết tắt càng làm khó nhớ. Nhưng người làm IT hay máy tính thì họ lại thấy đó là điều hay. Điểm yếu thứ hai là vì có nhiều người cùng phát triển, nên một số phương pháp lẫn lộn nhau, và có khi làm cho người dùng bối rối. Điểm yếu thứ ba là phần output không đẹp như SAS hay SPSS, tuy nhiên các bạn có thể cắt và dán vào Word. Chỉ cần nhớ vài lệnh căn bản thôi, chứ làm sao nhớ hết được. Lớp học này sẽ giúp các bạn chọn các lệnh cần thiết cho mục tiêu phân tích.

Hỏi: Phần mềm nào phổ biến nhất hiện nay. R so với phần mềm đó như thế nào? Kết quả có đáng tin cậy. 

Đáp: Tôi nghĩ SAS có lẽ là software phổ biến nhất hiện nay trong giới kĩ nghệ và thương mại, nhưng R là phổ biến nhất trong giới khoa bảng ở đại học. R và SAS đều là dùng lệnh, tức người học phải gõ lệnh (giống như Stata) chứ không dùng menu như SPSS. Dùng menu rất nguy hiểm vì người dùng có thể lạm dụng và kết quả có khi sai với mục tiêu. Chẳng hạn như nếu không phân biệt được mô hình repeated ANOVA và Mixed effects ANOVA thì rất dễ có kết quả sai với mục tiêu. Nhưng R và SAS thì đòi hỏi người dùng phải biết mình muốn làm gì thì mới sử dụng được. Tất cả các kết quả của R đều đáng tin cậy. Có những kết quả của R thậm chí còn đáng tin cậy hơn SAS (như phân tích Bayes chẳng hạn).

Hỏi: R có được dùng nhiều ở Việt Nam không?

Đáp: Tôi không rõ và cũng chẳng có số liệu để trả lời em. Tôi có lẽ là người đầu tiên giới thiệu R ở Việt Nam, qua mấy workshop và nhất là cuốn sách về R do Nxb Khoa học và Kỹ thuật ấn hành từ năm 2005. (Năm nay hay năm tới tôi định tái bản cuốn này). Từ đó đến nay, tôi biết rằng các đại học lớn của Việt Nam đã và đang sử dụng R trong giảng dạy. Nhưng tôi thấy trong thực tế thì SPSS chắc vẫn là phổ biến nhất ở VN. Dĩ nhiên phần lớn SPSS và các phần mềm tốn tiền khác được sử dụng ở VN là … lậu thôi. Một đại học mà dùng đồ lậu thì rất kì cục và không “phải đạo”.

Hỏi: Thầy nói R hoàn toàn miễn phí. Nhưng sau này họ lấy phí thì sao? 

Đáp: Thì tôi cũng trả phí!  R hoàn toàn miễn phí. Chúng tôi hay gọi đùa là software xã hội chủ nghĩa. Không ai đoán được tương lai sẽ ra sao, nhưng R khó thành một phần mềm thương mại, bởi vì nó được sự quản lí của một Foundation. Vả lại, không có ai là tác giả chính của R cả; tất cả các thành viên trên khắp thể đều chung tay xây dựng nó. Cho dù có công ti nào mua lại thì cũng khó vì đâu có ai là chủ nhân thật sự. Do đó, tôi nghĩ chúng ta có thể an tâm là R vẫn và sẽ miễn phí.

Tôi muốn nói thêm một ý là trong việc học cũng như trong việc làm, có thêm kĩ năng là điều rất quan trọng. Đối với nghiên cứu sinh, các em hãy tự hỏi: sau 4-5 năm học tôi sẽ có thêm kiến thức gì, nhưng quan trọng hơn tôi có thêm kĩ năng gì? Nếu sau khi ra trường mà chẳng có kĩ năng gì thì rất khó cạnh tranh với các đồng môn khác. Nói thẳng ra là kiến thức thì ai cũng có thể có và rất khó đánh giá ai hơn ai, nhưng kĩ năng thì không phải ai cũng có. Nói cách khác, kĩ năng chính là một thước đo về cái mà người Tây gọi là competence của một cá nhân. Anh chị có thể nói rất hay nhưng làm không được thì rất dở. Cũng như người nhạc sĩ nói hay nhưng khi ngồi trước cái đàn piano mà chẳng đàn được nốt nhạc nào thì rất khó coi, nhưng nếu người nhạc sĩ đó lướt trên những phiếm đàn một cách điêu luyện thì sẽ tạo được ấn tượng tốt. Tương tự, nếu các bạn là (hay muốn là) nhà khoa học chuyên nghiệp, ngoài kiến thức chuyên ngành và kĩ năng khác (như kĩ năng lab, kĩ năng lâm sàng), nếu được trang bị thêm kĩ năng sử dụng R cho phân tích dữ liệu thì các bạn sẽ có cái lợi thế cao hẳn so với đồng nghiệp.

Quan điểm của tôi là học cái gì phải học từ gốc, chứ không phải từ ngọn. Dùng SPSS hay các software tương tự là kiểu học từ ngọn vì mình không biết đằng sau cái menu đó là gì. Học từ ngọn làm cho chúng ta thiếu tự tin khi bị ai chất vấn. Nhưng sử dụng R các bạn phải biết rõ mình làm cái gì và cần cái gì, và do đó các bạn hiểu kết quả của mình hơn. Vì thế, người dùng R cảm thấy tự tin hơn và có thể giải thích kết quả nghiên cứu của mình trôi chảy hơn (chứ không phải kiểu “tại phần mềm nó cho ra kết quả như thế”). Nói đùa một chút, trong giới phân tích dữ liệu, họ có câu ai sử dụng được R được xem là “genius”, còn ai dùng SAS là “intelligent”, Stata là “smart”, và SPSS là “dumb” .

Hi vọng tôi đã thuyết phục được các bạn.


== 

Dưới đây là vài dòng ghi thêm của Bs Trần Quý Phi: 


1)  Cần phải nói R còn hơn cả miễn phí, nó là một phần mềm open source, mã nguồn mở. Nghĩa là mọi người đều có thể xem, sửa mã nguồn. Khi tải R về bạn có thể tải luôn mã nguồn.

2)   Cũng vì là mã nguồn mở cộng đồng người dùng, đặc biệt là những chuyên gia sẽ dễ dàng góp ý và hiệu chỉnh. Thực tế, trước khi một tính năng, đặc biệt là các package chuyên biệt được phát hành (release) nó sẽ được kiểm tra và rà soát kỹ càng nên không hề có chuyện sai lầm trong phương pháp  và tính toán.

3)  Mặt khác R được thiết kế theo dạng các package. Ở một số phần mềm khác gọi là module như SPSS. Nhưng các package của R được xây dựng và phát hành rất nhanh, đáp ứng với sự phát triển của các thành tựu lý thuyết. Nhà nghiên cứu lý thuyết có một con đường nhanh nhất để thử nghiệm và cho mọi người áp dụng là xây dựng package trong R. Đó cũng là một lý do mà R phát triển nhanh chóng trong giới nghiên cứu, chứ không đơn thuần là do nó miễn phí.

4)   R khó dùng với người mới bắt đầu là điều ai cũng phải công nhận. Nhưng thật ra do ngại ngay từ đầu và không dùng thường xuyên nên cảm tưởng ấy ngày càng nặng. Thật ra, một số test thống kê thông thường sẽ rất dễ làm trong R. Còn với những phương pháp phức tạp, như giáo sư Tuấn nói, với “cái kiểu” bấm chuột một phát là ra một “tràng” kết quả thì rất nguy hiểm. Với R, người dùng sẽ hiểu dữ liệu hơn, hiểu cách mình tiến hành phân tích hơn. Nói chung, R không dành cho người…dễ dãi!



== 

Sau đây là vài bình luận của bạn đọc: 

SH: Kính gửi thầy, em cũng có câu hỏi phần này: tụi em trong management-finance dùng stata và các giáo sư hướng dẫn cũng dùng Stata, bây giờ dùng R thì trao đổi với các thầy không dùng R liệu có gặp nhiều khó khăn? Một người bạn nói dùng R giống như em -người sử dụng các công cụ này không sâu - thì giống như anh mới biết bơi mà nhảy vào biển lớn! Đôi khi không biết mình sai hay đúng .... Sai thì sai ở đâu…!

TH: Câu hỏi thứ 3 của em giống bạn Suoi Hoa: nếu không ai dùng R ở School (kể cả Supervisor) của em thì nếu gặp khó khăn gì thì biết hỏi ai ạ ??? mà em chẳng biết là Sup có cho phép đổi lại không nữa ???

NVT: Tôi không biết bên management người ta dùng gì, nhưng thấy bên economics và econometrics thì có người dùng R. Có những packages R cho phân tích kinh tế. Nói chung, mỗi "bộ lạc" có văn hóa riêng, nên cũng khó thay đổi. Khi thầy em dùng Stata thì họ cứ dùng. Nhưng tôi muốn nói là nếu em học thêm một kĩ năng nữa thì rất tốt cho cá nhân. R có rất nhiều forum, nên em hỏi thoải mái.

TQD: Bac Tuan tra loi rac xac dang, mot trong nhung loi ich can ban cua R la mien phi. O Vietnam da so moi nguoi dung phan mem crack nen chua thay gia tri cua phan mem mien phi. Duong nhien khi su dung cac phan mem mien phi thi khong duoc support mot cach chinh thuc tu nha san xuat nen se gap mot so kho khan. Nhung do la dieu can phai vuot qua. Hon nua, cac phan mem dang open-source thi do nhieu nguoi cung phat trien, nen khau kiem dinh cua can co thoi gian va chu yeu do nguoi su dung kiem chung va fix cac loi neu co. Do vay, khi su dung cac tinh nang moi, can phai hieu that ky minh muon gi va ket qua dat duoc da tin cay chua ... Con nhung module da duoc su dung tu lau thi theo toi la cu yen tam ma dung.

NDN: Hội đồng Bầu cử Tổng thống ở Mỹ sử dụng R để quản lý dữ liệu. Không biết vậy đã gọi là được "công nhận" chưa nhỉ! Sửa lại một chỗ a Tuấn đề cập. Thực sự SPSS không chỉ point & click, nó cũng có phần viết lênh (syntax) như bên SAS hoặc R.

NVT: Lần đầu tiên, hơn 2 năm trước, tôi nghe về R không được công nhận là từ một em nghiên cứu sinh trong nước, tôi rất ngạc nhiên. Tôi nghĩ có lẽ vì thầy em ấy chưa hiểu nên chắc chỉ là trường hợp cá biệt. Sau này tôi nghe vài người hỏi như thế thì mới biết rằng đây không phải là “random” nữa mà có “trend” rồi. Cái trend – xu hướng này hơi nguy hiểm. Làm thầy cô mà truyền cho học trò những nghi ngờ không có cơ sở như thế này thì sẽ làm cho trò yếu đi. 
Ở bên nhà, nhiều khi người ta ngại cái gì mới. Có lần một em nghiên cứu sinh đứng lên nói một cách vô tư trước lớp rằng “những gì thầy chỉ thì em cũng biết là đúng theo chuẩn mực quốc tế, nhưng em mà làm như thầy chỉ thì em sẽ bị các thầy trong hội đồng đánh rớt ngay. Em phải sống với các thầy bên này. Do đó, em có 2 bản, một bản đề qua sông, một bản đúng với chuẩn mực quốc tế.” Tôi không biết phải bình luận gì khi nghe câu đó, chỉ biết cái hủ tục nó làm tiêu hao năng lượng của các bạn trẻ.



TB: Lớp học về ứng dụng R trong phân tích dữ liệu sẽ được tổ chức tại Hà Nội từ ngày 21 đến 27/7/2013. Chi tiết chương trình học có thể xem qua ở đây


Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Thứ Tư, 3 tháng 7, 2013

Lớp học “Phân tích dữ liệu với phương pháp hiện đại”

Tiếp theo thông báo của Viện nghiên cứu y học ĐTH tôi muốn nói thêm về lớp học sắp tới ở Hà Nội. Đây là một lớp học tương đối đặc biệt vì nội dung sẽ xoay quanh các phương pháp phân tích có thể nói là tương đối “hiện đại”. Nhưng cách thiết kế lớp học cũng khác với các lớp khác. Tôi đầu tư khá nhiều thời gian để suy nghĩ về cách “đổi mới” cho lớp học.


Thử tưởng tượng: các bạn đã làm xong thí nghiệm hay hoàn tất một công trình nghiên cứu lâm sàng, dữ liệu đã được nhập vào một cơ sở dữ liệu (database) như Excel hay Access, câu hỏi là bạn phải làm gì để biến những data này thành information, và công bố. Tình huống này cũng giống như các bạn đã xong mùa vụ, lúa đã gặt và phơi nắng xong, và đã cho vào bồ, vấn đề kế tiếp là làm sao chế biến để bán ra ngoài. Lớp học này được thiết kế để giúp các bạn những kĩ năng cần thiết cho phân tích dữ liệu nghiên cứu, và quan trọng hơn là hiểu ý nghĩa của dữ liệu, để từ đó “đóng gói” và chào hàng các tập san khoa học.

Xuất phát từ nhu cầu trên, tôi thiết kế chương trình học một cách hoàn toàn mới so với các lớp học “truyền thống”. Nguyên tắc là bám sát theo nhu cầu của người làm nghiên cứu khoa học. Do đó, các bạn, thay vì phải bị “tra tấn” bằng lí thuyết, sẽ được cung cấp một dữ liệu trích từ một công trình nghiên cứu qui mô. Các bạn sẽ được cho biết mục tiêu / câu hỏi của nghiên cứu là gì, và những dữ liệu cùng biến số liên quan đến mục tiêu. Các bạn sẽ học các phương pháp phân tích cơ bản và các phương pháp hiện đại để giải đáp các câu hỏi nghiên cứu.

Ngoài ra, tôi dành nguyên ngày cho phần phân tích tổng hợp (meta-analysis). Đây là đề tài có vẻ “nóng” bên nhà. Thật ra, cách đây 9 năm tôi đã giới thiệu phương pháp này ở VN và sau này (2005) in trong một cuốn sách về R, nhưng lúc đó chỉ có vài người chú ý. Nay thì nhiều người chú ý, và hình như bên nhà cũng đã có nhiều thầy cô giảng về phương pháp này. Ở đây, tôi có cách tiếp cận theo kiểu PBL (problem based learning), vì tôi và đồng nghiệp có khá nhiều công trình về phân tích tổng hợp nên có thể chia sẻ những khó khăn và cạm bẫy để các bạn không vấp phải trong tương lai.

Lớp học sẽ dùng ngôn ngữ R. Tôi tin rằng chúng ta nên học R, và giảm sự lệ thuộc vào các software khác (mà phần lớn là dùng không có bản quyền). R đã và đang trở thành một ngôn ngữ chính thức của khoa học thống kê. Do đó, nếu đồng nghiệp muốn hội nhập quốc tế thì nên dùng R. Có thể thoạt đầu R sẽ không “thân thiện” với các software khác, nhưng chỉ một thời gian ngắn các bạn sẽ thích R hơn vì các bạn biết chính xác mình làm gì. (Rất nhiều người sử dụng các phương pháp thống kê như người say rượu sử dụng đèn đường). Có thể xem qua giải thích về R ở đây.

Có lẽ một lợi thế của lớp học là “cây nhà lá vườn”. Tất cả những tài liệu tham khảo, sách, bài báo khoa học là của chúng tôi. Chúng tôi không cần đến dữ liệu của người khác, và cũng chẳng cần dùng bài báo của người khác. Vì chúng tôi là tác giả nên chúng tôi có thể chia sẻ những kinh nghiệm thực tế và câu chuyện đằng sau những công trình đó cùng các bạn.

Chương trình bao gồm 25 bài giảng như sau:

Ngày 1: Giới thiệu R

• Bài giảng 1: Giới thiệu R, giao diện, ngôn ngữ, tương tác
• Bài giảng 2: Cách đọc dữ liệu
• Bài giảng 3: Cách biên tập và coding dữ liệu
• Bài giảng 4: Vài phân tích mô tả bằng R (và những hàm phổ biến)
• Buổi chiều: Bài tập và thực hành
o tương tác với R; đọc dữ liệu từ máy tính cá nhân, từ mạng;
o một số phân tích biểu đồ đơn giản như histogram và luật phân bố, biểu đồ tán xạ (scatterplot), biểu đồ tương quan đa biến;
o một số phương pháp phân tích mô tả, ước tính tỉ lệ phát sinh và tỉ lệ hiện hành và khoảng tin cậy 95%; ước tính các tham số của một biến liên tục.

Ngày 2: Những phương pháp so sánh biến liên tục
• Bài giảng 5: Phương pháp t-test và ý nghĩa
• Bài giảng 6: Phương pháp hoán vị và phương pháp bootstrap
• Bài giảng 7: Phân tích phương sai
• Buổi chiều: Bài tập và thực hành
o Phân tích khác biệt bằng đồ thị stripchart và boxplot
o Kiểm định giả thuyết về khác biệt giữa 2 nhóm bằng phương pháp t-test cổ điển;
o Cách ứng phó với các biến không tuân theo luật phân phối chuẩn (phương pháp hoán vị và bootstrap);
o Kiểm định giả thuyết về khác biệt giữa nhiều nhóm, phân tích hậu định (posthoc analysis); phân tích phương sai phi tham số và bootstrap.

Ngày 3: Những phương pháp so sánh biến phân nhóm

• Bài giảng 8: So sánh 2 nhóm với phương pháp z test
• Bài giảng 9: Tỉ số odds và tỉ số nguy cơ (risk ratio)
• Bài giảng 10: So sánh nhiều nhóm với Ki bình phương và mô hình log-linear
• Buổi chiều: Bài tập và thực hành
o Hiểu và phân biệt ý nghĩa của OR và RR, cách tính khoảng tin cậy 95% của OR và RR;
o Phân tích sự khác biệt về tỉ lệ phát sinh (incidence) và hiện hành (prevalence) giữa nhiều 2 và 3+ nhóm.
o Thực hành mô hình log-linear cho số liệu đa chiều.

Ngày 4: Phương pháp phân tích tương quan

• Bài giảng 11: Phân tích tương quan (correlation analysis)
• Bài giảng 12: Phân tích đồng dạng giữa các phương pháp đo lường (analysis of agreement)
• Bài giảng 13: Phân tích tương quan đa chiều qua biểu đồ và khái niệm partial correlation
• Buổi chiều: Bài tập và thực hành
o Phân tích tương quan và biểu đồ;
o Cách đánh giá độ tin cậy của phương pháp đo lường .

Ngày 5: Mô hình hồi qui tuyến tính
• Bài giảng 14: Mô hình hồi qui tuyến tính đơn giản
• Bài giảng 15: Mô hình hồi qui tuyến tính với biến phân loại (ANCOVA)
• Bài giảng 16: Mô hình hồi qui tuyến tính đa biến
• Bài giảng 17: Phương pháp tìm mô hình tối ưu
• Buổi chiều: Bài tập và thực hành
o Mô hình tiên lượng BMD;
o So sánh tỉ trọng mỡ giữa phụ nữ Mĩ và VN qua hồi qui tuyến tính;
o Cách xây dựng mô hình tiên lượng đa biến;
o Thực hành phương pháp BMA và diễn giải.

Ngày 6: Mô hình hồi qui logistic

• Bài giảng 18: Giới thiệu mô hình hồi qui logistic và giả định
• Bài giảng 19: Hồi qui logistic đa biến
• Bài giảng 20: Cách tìm các yếu tố tiên lượng độc lập (model selection)
• Bài giảng 21: Cách xây dựng mô hình tiên lượng (prognostic model)
• Buổi chiều: Bài tập và thực hành
o Thực hành mô hình tiên lượng gãy xương và diễn giải kết quả;
o Sử dụng phương pháp BMA để tìm mô hình tốt nhất;
o Thực hành phương pháp kiểm định mô hình tiên lượng logistic.

Ngày 7: Phân tích tổng hợp (meta-analysis)
• Bài giảng 22: Lịch sử, khái niệm và giới thiệu
• Bài giảng 23: Độ ảnh hưởng (effect size) và đánh giá độ precision
• Bài giảng 24: Trọng số (weights)
• Bài giảng 25: Mô hình phân tích, định lượng heterogeneity và “publication bias”
• Buổi chiều: Bài tập và thực hành: Phân tích 3 dữ liệu liên quan đến biến nhị phân, biến liên tục, và hệ số tương quan bằng metafor.

Dataset cho thực hành:
• Dữ liệu “Vietnam Living Standards Survey: Househld Per Capita” trích từ điều tra xã hội 1992-1993.
• Dữ liệu về nghiên cứu loãng xương (csv)
• Dữ liệu về nghiên cứu kinh tế (csv)
• Dữ liệu về so sánh tỉ trọng mỡ gữa người Mĩ và Việt Nam (excel)
• Dữ liệu cho phân tích tổng hợp: biến categorical, biến liên tục, và hệ số tương quan (excel)

Sách và tài liệu tham khảo cho lớp học:

  •   “Phân tích dữ liệu và biểu đồ bằng R” của Nguyễn Văn Tuấn (Nxb Khoa học Kĩ thuật 2005).
  •   “Đi vào nghiên cứu khoa học” của Nguyễn Văn Tuấn (Nxb Tổng hợp TPHCM 2012).
  •   “Effect of vegetarian diets on bone mineral density: a Bayesian meta-analysis” của Hồ Phạm Thục Lan, Nguyễn Đình Nguyên, Nguyễn Văn Tuấn. Am J Clin Nutr October 2009 vol. 90 no. 4 943-950.
  •   “Development of a nomogram for individualizing hip fracture risk in men and women” của Nguyễn Đình Nguyên, Nguyễn Văn Tuấn. Osteoporosis Int 2007;18:1109-17.
  • “Vitamin D deficiency in northern Vietnam: prevalence, risk factors and associations with bone mineral density” của Nguyễn Thị Thanh Hương, et al. Bone 2012 Dec;51(6):1029-34.
 
Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Thứ Ba, 2 tháng 7, 2013

Giá lúa thấp hơn giá ốc bươu vàng: sự thật đắng lòng

Xin giới thiệu các bạn một bài tôi viết trong [nói theo kiểu thời thượng] bức xúc. Đó là vấn đề giá lúa và tầm ảnh hưởng của nó đến cả vùng Đồng bằng sông Cửu Long. Câu chuyện giá lúa tôi biết được khi về thăm nhà vào cuối tháng 6 vừa qua. Nghe bà con trong làng nói chuyện giá lúa không bằng giá ốc bươu vàng tôi cứ tưởng họ nói chơi cho vui, chứ có ai ngờ đó là sự thật. Một sự thật đắng lòng.

Tôi hứa với bà con là sẽ viết một bài để cho cả nước biết về tình trạng này. Hứa xong rồi loanh quanh với công việc nên … quên. Mãi đến khi đọc bản tin ông bộ trưởng thương mại Thái Lan bị cách chức, tôi mới nhớ lại và viết ngay. Tôi gửi cho mấy bác trong sgtt.vn vì họ đang có một loạt bài về nông dân và nông thôn. Hình như bài sẽ đăng trong số báo ra ngày hôm nay, nên bây giờ tôi có thể chia sẻ cùng các bạn cái sự thật đắng lòng đó. Viết bài này mà tay tôi cứ run run vì giận.


Bài đã đăng trên sgtt.vn: http://sgtt.vn/Goc-nhin/181132/Gia-lua-thap-hon-gia-oc-buou-vang-su-that-dang-long.html

Bộ trưởng thương mại Thái Lan, Boonsong Teriyapirom, bị Thủ tướng Yingluck Shinawatra cách chức, vì ông là tác giả của một chương trình nông nghiệp dẫn đến giá gạo Thái cao hơn giá gạo Ấn Độ và Việt Nam, và làm giảm lượng xuất khẩu của gạo Thái. Đọc bản tin này tôi không thể không nghĩ đến và ngậm ngùi cho thân phận của bà con nông dân ở quê tôi, nơi mà giá lúa đang bị hạ thấp đến độ vô lí, nhưng không ai chịu trách nhiệm.

Quê tôi ở vùng Đồng bằng sông Cửu Long (ĐBSCL). Đó là vùng đất được ví von là vựa lúa của Việt Nam, và có thể là một vựa lúa lớn trong vùng Đông Nam Á. Để có cái danh hiệu đó, người dân quê tôi phải bán mặt cho đất bán lưng cho trời trên những cánh đồng. Suốt năm này sang năm khác, người nông dân ở đây phải đương đầu với rất nhiều thiên tai, thảm họa, và vì thế cuộc sống của họ càng ngày càng chật vật hơn.

Vài năm trước, vùng ĐBSCL kinh qua một thảm nạn có tên là "ốc bươu vàng". Đó là loại ốc do ai đó vì lí do nào đó đã "du nhập" từ China hoặc Đài Loan về Việt Nam. Những con ốc sinh sôi nảy nở với tốc độ chóng mặt. Nhưng chúng cũng tàn phá ruộng lúa theo tốc độ cấp số nhân. Những cây lúa chưa kịp lớn đã bị chúng “cắt” ngang. Trong một thời gian dài, Nông dân quê tôi khốn đốn với chúng, nhìn lúa bị huỷ hoại mà không làm gì được. Có năm, như 2010, có hàng chục ngàn ha bị chúng phá sạch. Chẳng ai chịu trách nhiệm. Trong khi đó thì người dân phải tìm cách đối phó. Đến vài năm sau người ta mới tìm thấy "tác dụng" của ốc bươu vàng: làm thức ăn cho vịt. Thế là bà con nông dân, kể cả trẻ con, đi ruộng bắt ốc bươu vàng bán cho các trại nuôi vịt. Nhưng ốc bươu vàng được xem là thứ "rác rưởi", như cây cỏ, nên giá bán cũng rất thấp.

Nhưng điều trớ trêu ngày nay là ốc bươu vàng có giá trị hơn … lúa. Lần đầu tiên trong lịch sử, giá lúa rẻ hơn giá ốc bươu vàng! Khi nghe bà con chòm xóm bàn tán và so sánh một cách hài hước, tôi nghĩ họ chỉ nói đùa cho vui. Nhưng không, lúa ở quê tôi (và vùng ĐBSCL nói chung) có giá trị thấp hơn ốc bươu vàng. Đó là một thực tế. Một kílô ốc bưu vàng giá 15000 đồng. Ba kí lô lúa chỉ khoảng 10000-12000 đồng. Ba kílô lúa không bằng 1 kílô ốc bươu vàng. Tôi không biết có nơi nào mà người ta có thể ăn ốc bươu vàng thay cho gạo. Tôi cũng không biết có nơi nào trên thế giới mà giá lúa thấp hơn giá ốc bươu vàng vốn được xem là một loại rác sinh học.

Người nông dân quê tôi vốn nghèo nay càng nghèo hơn. Trước khi sạ lúa, bà con đã phải vay tiền (từ ngân hàng hay bạn bè, thân nhân) để mua phân bón, thuốc trừ sâu. Giá phân bón và thuốc trừ sâu lúc nào cũng gia tăng theo thời gian. Thành ra, bây giờ khi thu hoạch lúa xong, với cái giá bèo đó thì họ hoặc là lỗ hoặc là huề vốn. Có người sau một mùa vụ thì trắng tay vẫn hoàn trắng tay. Tình trạng này rất nhất quán với con số của Tổng cục Thống kê, rằng trong số những người nghèo nhất nước, 83% là nông dân. Đó là con số đáng báo động.

Chính phủ có Nghị quyết “Về đảm bảo an ninh lương thực quốc gia” và “đảm bảo người sản xuất lúa gạo có lãi trên 30% so với giá thành sản xuất.” Con số lời 30% có lẽ ru ngủ nhiều người và đẹp trên trang giấy, nhưng trong thực tế thì giá lúa tính chung giảm 30% từ năm 2011 đến 2012. Sở dĩ có tình trạng này là người nông dân bị ép giá khi mới thu hoạch. Nhưng vì phải thanh toán nợ nần nên họ đành phải bán lúa dưới giá sàn. Hậu quả là những con thương hưởng lợi. Thống kê cho thấy trong hai năm 2008-2009, Việt Nam xuất khẩu gần 11 triệu tấn gạo trị giá 5.5 tỉ USD, và tính trung bình giá xuất khẩu là 10,360 đồng một kílô. Trong khi đó giá mua thì chỉ 7000 đồng / kílô gạo. Như vậy, giá xuất khẩu và giá mua chênh lệch đến 3360 đồng mỗi kílô lúa!

Ai là người hưởng lợi? Để trả lời câu hỏi này, có thể nhìn qua qui trình buôn bán lúa và xuất khẩu gạo. Xong mùa vụ, nông dân bán lúa cho các thương lái nhỏ (thường đi bằng ghe trên sông). Các thương lái nhỏ này bán cho thương lái lớn. Trong quá trình đó lúa có thể bị pha trộn và giảm chất lượng. Thêm vào đó là chính sách tạm trữ lúa gạo của Nhà nước vô hình chung tạo cơ hội cho các doanh nghiệp mua lúa và tạm trữ. Các doanh nghiệp này, dù đã được hưởng lợi từ Nhà nước, chọn thời điểm để ép giá lúa, và hệ quả là người nông dân lãnh đủ. Đã có người đề cập đến “nhóm lợi ích nông nghiệp”, và đã đến lúc phải xác minh và nhận dạng nhóm này để thực thi Nghị quyết của Chính phủ.

Với tình trạng như thế thì chẳng ai ngạc nhiên khi thấy cha mẹ "quyết không để con làm ruộng". Thu nhập của nông dân nếu tính ra còn thấp hơn thu nhập của công nhân trong các hãng xưởng. Do đó, không ai ngạc nhiên khi phụ nữ xếp hàng đi lấy chồng Tàu, Hàn (một số thì bị chết thảm), và vấn nạn này là một quốc nhục. Trong khi đó, nam thanh niên thì đi lang bạt làm thuê ở các khu kĩ nghệ khắp nước. Có nơi (như Thới Bình, Cà Mau) chỉ trong vòng 6 tháng có hàng ngàn thanh niên bỏ huyện đi làm ở các tỉnh khác. Ngày nay, đến mùa gặt lúa nông thôn rất khó tìm nhân công. Thêm vào đó là sự tăng trưởng dân số cộng với sự thiếu qui hoạch đã gây nên sức ép môi trường ghê gớm. Hệ quả là môi trường sống và môi trường canh tác càng ngày càng xấu đi một cách nghiêm trọng. Ở quê tôi, không ai dám tắm sông. Có thể nói không ngoa rằng nền tảng nông thôn vùng ĐBSCL đã và đang lung lay.

Những người dân thuộc vùng Đồng bằng sông Cửu Long đã đưa Việt Nam thành một trong những nước xuất khẩu gạo và nông sản hàng đầu thế giới. Họ đã đóng góp và đem về cho ngân sách hàng tỉ USD mỗi năm. Ấy thế mà người dân vùng ĐBSCL bị thiệt thòi nhất nước. Đánh giá qua bất cứ chỉ tiêu nào (giáo dục, y tế, cơ sở hạ tầng, đường xá, nhà ở, v.v.) ĐBSCL đứng hạng chót hay áp chót. Đối với người dân ở đây, câu nói ĐBSCL là “vùng đất trù phú” chỉ là huyền thoại và là một sỉ nhục.

Một quan chức cao cấp thuộc vùng ĐBSCL từng giải thích sự sa sút của vùng đất lúa gạo này: “ĐBSCL ở xa trung ương quá, lâu lâu Bộ mới vào một lần. Trung ương mà không sớm thay đổi chánh sách, bỏ rơi thì miền Tây không thoát nghèo được”. Có lẽ chính vì “xa mặt trời” nên tình trạng lúa có giá trị thấp hơn ốc bươu vàng ở vùng ĐBSCL chẳng ai chú ý và chịu trách nhiệm. Người nông dân Thái được ông Bộ trưởng thương mại Boonsong Teriyapirom hỗ trợ về giá cả, và ông bị cách chức. Tôi nghĩ nông dân Đồng bằng sông Cửu Long đang cần một Boonsong Teriyapirom.
Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Vấn đề xếp hạng các trường đại học

Nhân dịp đọc qua một phân tích về các bảng xếp hạng đại học 

http://www.universityworldnews.com/article.php?story=20130627211805732

làm tôi nhớ đến một bài viết trước đây (chắc cũng 4-5 năm) và một bài phỏng vấn 2 năm trước về vấn đề này. Theo tôi, tất cả các bảng xếp hạng đại học đều có nhiều vấn đề. Vấn đề quan trọng nhất là chọn tiêu chí (criterion) và trọng số cho tiêu chí (weight). Ngoại trừ nhóm Hà Lan, tất cả các nhóm khác đều đề ra những tiêu chí một cách chủ quan, và quan trọng hơn là cách cho trọng số một cách tuỳ tiện. Vô lí nhất có lẽ là nhóm Giao thông Thượng Hải của China, vì họ cho trọng số 20% cho (a) những cựu giáo sư chiếm giải Nobel và Fields; (b) số bài báo trong nhóm HiCi; (c) số bài báo trên NatureScience. Chẳng có một cơ sở khoa học nào cho những trọng số tròn trĩnh như thế cả. Giải Nobel và Fields khác nhau một trời một vực mà có cùng trọng số thì quả là lạ lùng - bizarre. Hoá ra, cách họ cho trọng số là một cách họ phát biểu nguyện vọng cho các đại học của China! 


Vì chọn tiêu chí khác nhau và trọng số khác nhau, nên thứ hạng của các đại học cũng dao động cao giữa các bảng xếp hạng. Năm nay, theo bảng xếp hạng của THE (Times Higher Education) thì ĐH Quốc gia Singapore (hạng 22) còn đứng trên cả những đại học lừng danh như ĐH Kyoto (hạng 23), ĐH Washington (27), ĐH Duke (31) ĐH McGill (31), ĐH Quốc gia Úc (ANU, 42), ĐH Sydney (49). Thật là kinh ngạc! (Nguồn: timeshighereducation.co.uk/world-university-rankings/2013/reputation-ranking).

Còn bảng xếp hạng của QS (bây giờ là topuniversities.com) thì xếp ĐH Quốc gia Singapore hạng 25, thấp hơn ĐH Quốc gia Úc (hạng 24), ĐH McGill (18), ĐH Duke (20), nhưng vẫn trên ĐH Tokyo (30) và ĐH Kyoto (35).

Chỉ vài so sánh như thế cũng thế các bảng xếp hạng này rất khó khả tín. Do đó, các đại học VN không nên chạy theo những bảng xếp hạng này. Các đại học VN chưa đủ các tiêu chí về nghiên cứu thì không nên nghĩ đến việc có tên trong các bảng này. Khoảng 5 năm trước, tôi có vài nhận xét ở đây:
http://tuanvannguyen.blogspot.com.au/2008/11/xp-hng-i-hc.html
Xin giới thiệu một bài phỏng vấn cũ với báo Sinh viên Việt Nam, không nhớ năm nào, nhưng có in lại trong cuốn “Tự sự” của tôi.

****

Vấn đề xếp hạng các trường đại học 


(SVVN)Bộ GD - ĐT dự kiến tiến hành xếp hạng các trường đại học trong cả nước. Nhưng cách phân hạng thế nào là khoa học và phù hợp với bối cảnh của nền giáo dục đại học Việt Nam? Sinh Viên Việt Nam có cuộc trò chuyện với GS. TS Nguyễn Văn Tuấn, ĐH New South Wales (Australia), người dành nhiều thời gian nghiên cứu vấn đề này.

Vì sao cần bảng xếp hạng?

SVVN: Thưa Giáo sư, nhìn vào bức tranh của nền giáo dục đại học của ta hiện nay, ông có nghĩ là chúng ta cần có một cuộc sắp xếp thứ hạng các trường đại học trong cả nước?

NVT: Tôi nghĩ, nên có một hay vài bảng xếp hạng đại học ở nước ta. Mục tiêu của các bảng xếp hạng đại học là giúp cho học sinh, sinh viên và phụ huynh có những thông tin tương đối khách quan để chọn trường học cho từng ngành nghề cụ thể. Giáo dục đại học tuy không phải là một thị trường (hiểu theo nghĩa buôn bán hàng hóa), nhưng trong thực tế, nó cũng là một thị trường dịch vụ (hiểu theo nghĩa có người cung cấp và người tiếp nhận dịch vụ) và sinh viên có thể lựa chọn. Đã có lựa chọn thì phải có tiêu chí và tiêu chuẩn, do đó, các bảng xếp hạng đại học là cần thiết. Hiện nay, Việt Nam đã có trên 300 trường đại học (con số vẫn còn gia tăng), người dân có quyền đặt câu hỏi, trường đại học nào tốt trong lĩnh vực nào. Bảng xếp hạng đại học sẽ trả lời câu hỏi cấp thiết đó cho học sinh, sinh viên và phụ huynh.

SVVN: Các bảng xếp hạng các trường đại học trên thế giới cũng khá đa dạng. Vì sao có việc này, thưa Giáo sư?

NVT: Đúng là các bảng xếp hạng đại học rất đa dạng và có khi cũng rất khó diễn giải. Vấn đề xuất phát từ tầm nhìn và phương pháp của nhóm xếp hạng. Có nhóm như ĐH Giao thông Thượng Hải (Trung Quốc) thì quan tâm đến nghiên cứu khoa học, nên tiêu chí xếp hạng của họ đặt nặng vào công bố quốc tế và các giải thưởng lớn như giải Nobel và Fields, hay những công trình nghiên cứu công bố trên các tập san danh tiếng như Nature và Science, nhưng cũng có nhóm thì cho rằng - “danh tiếng” là cái gì - phải được đánh giá của những người trong ngành giáo dục, nên tiêu chí này được đặt vào trọng tâm.

Kế đến là vấn đề phương pháp, do mỗi nhóm sử dụng một phương pháp độc lập, nên kết quả xếp hạng có khi rất khác nhau. Ngay cả sử dụng cùng một phương pháp nhưng có khi trọng số khác nhau nên kết quả cũng rất khác nhau. Nói chung, chúng ta không biết chính xác phương pháp xếp hạng của họ ra sao, nhưng tôi biết rằng, họ sử dụng các thuật toán thống kê để ước tính các trọng số (dựa vào mô hình nào đó) và trọng số thì tùy thuộc vào cỡ mẫu đại học, nhưng mẫu nghiên cứu thì rất khác nhau giữa các nhóm, nên kết quả xếp hạng khác nhau giữa các nhóm là điều có thể hiểu được.

SVVN: Về mặt cá nhân, ông đánh giá cao bảng xếp hạng nào nhất? Vì sao?

NVT: Tôi không đánh giá cao các bảng xếp hạng đại học vì tôi nghi ngờ phương pháp xếp hạng của họ. Tuy nhiên, xét về phương diện khoa học và phương pháp, tôi đánh giá cao cách làm của nhóm bên Hà Lan và MacLean (Canada).

SVVN: Có người nói rằng, những danh sách xếp hạng đại học của thế giới chủ yếu phục vụ cho mục tiêu thương mại, chứ không phải khoa học. Giáo sư có đồng ý với điều này?
NVT: Tôi cũng nghĩ vậy, nhưng có lý do để các bảng xếp hạng phải tồn tại. Như nói trên, các bảng xếp hạng này phục vụ cho mục tiêu chọn trường. Nhưng trong môi trường cạnh tranh giữa các đại học, mỗi đại học phải tự mình đánh giá chất lượng; nếu không, sẽ có người khác đánh giá. Các bảng xếp hạng này ra đời là nhằm đáp ứng mục tiêu đánh giá đó. Tôi không thấy có lý do khoa học nào trong việc xếp hạng đại học cả.

SVVN: Theo ông, để xếp hạng một đại học, tiêu chí nào là quan trọng nhất? Và vì sao?

NVT: Tiêu chí nào quan trọng còn tùy vào mục tiêu của đại học. Trong điều kiện kinh tế - xã hội Việt Nam, sứ mệnh của phần lớn đại học chủ yếu là đào tạo, thì các tiêu chí đào tạo phải đặt lên hàng đầu. Đối với các nước tiên tiến như Mỹ, châu âu và một số nước châu Á (như Nhật, Hàn Quốc) thì một số đại học có sứ mệnh chính là nghiên cứu khoa học và do đó, tiêu chí nghiên cứu khoa học phải đặt lên hàng đầu. Nhưng các nhóm xếp hạng đại học ít quan tâm đến sự khác biệt giữa hai sứ mệnh, mà họ chỉ có những tiêu chí và trọng số cho tiêu chí chung. Theo tôi, đã là “đại học” thì cần phải có sứ mệnh theo tinh thần Humboldt (mô hình đại học đề cao tự do học thuật - PV) và do đó, tiêu chí nghiên cứu khoa học phải tương đương hoặc cao hơn so với với tiêu chí đào tạo.

SVVN: Tại sao một trong những tiêu chí thường được các tổ chức bình xét lựa chọn, đó là tỷ lệ sinh viên ra trường có việc làm? Theo ông, các đại học của Việt Nam có thể tính đến yếu tố này?

NVT: Yếu tố này cũng quan trọng vì nó nói lên nhiều điều, kể cả chất lượng đào tạo và sự tương tác giữa trường đại học và kỹ nghệ. Các chương trình đào tạo có chất lượng thường giúp sinh viên tốt nghiệp dễ tìm việc làm hơn các chương trình đào tạo không bám sát vào nhu cầu kinh tế và công nghệ. Đại học không thể tồn tại như một ốc đảo mà cần phải tương tác với xã hội, do đó, một số trường có chương trình cho sinh viên đi thực tập ở các công ty trước khi ra trường (giống như bên y khoa, sinh viên phải thực tập trước khi ra trường) và việc này tạo điều kiện cũng như nâng cao khả năng tìm việc cho cho sinh viên sau khi tốt nghiệp.

Ở Việt Nam, đây là vấn đề khó, vì hình như nhiều chương trình đào tạo không theo sát nhu cầu xã hội, cho nên hơn phân nửa sinh viên ra trường phải được đào tạo lại về chuyên môn. Vấn đề ở Việt Nam là các trường đại học không có những khảo sát thường xuyên để biết bao nhiêu sinh viên tốt nghiệp có thể tìm được việc làm và thời gian từ lúc tốt nghiệp đến lúc tìm được việc là bao lâu. Khó khăn thì có đấy, nhưng không phải là không làm được.
Để Việt Nam có một bảng xếp hạng tốt

SVVN: Bộ GD - ĐT cho rằng, cần có phân hạng để học sinh có thể chọn được trường nào tốt, trường nào chưa tốt; doanh nghiệp sẽ biết được trường nào đào tạo ổn, trường nào thì chưa... Giáo sư có ý kiến gì về điều này?

NVT: Tôi không rõ khái niệm “phân hạng” này dựa vào nguyên lý nào, và cũng không biết rõ ý định của Bộ GD - ĐT. Do đó, tôi không có ý kiến gì. Nhưng tôi thấy không nên phân nhóm với hàm ý nói trường A tốt hơn trường B, mà không dựa trên cơ sở khoa học nào. Làm như thế là một cách gán nhãn hiệu, hay ví von hơn là ra một “chẩn đoán” cho trường, mà mỗi chẩn đoán hay mỗi nhãn hiệu có khi là một bản án!

Ở Australia, các trường đại học cũng tự hình thành nhóm. Chẳng hạn như nhóm G8, gồm 8 trường đại học lâu đời và chuyên về nghiên cứu, còn các đại học khác cũng tự hình thành từng nhóm để tranh thủ ngân sách và ủng hộ của công chúng. Họ tự phân nhóm chứ không phải Nhà nước làm, và mục tiêu không phải là để ra tín hiệu cho doanh nghiệp, mà là để kiểm soát nguồn tài trợ cho nghiên cứu và đào tạo.

SVVN: Theo Giáo sư, để Việt Nam có một bảng xếp hạng các trường đại học, thì cách làm thế nào sẽ là hợp lý?

NVT: Đây là vấn đề khó khăn, vì đòi hỏi phải thống nhất về phương pháp. Nhưng phương pháp là vấn đề có thể giải quyết được. Theo tôi, cách tiếp cận phải qua 3 giai đoạn.

Giai đoạn 1 là làm nghiên cứu, thu thập dữ liệu liên quan đến chất lượng đào tạo và nghiên cứu khoa học. Từ nghiên cứu có thể dùng các mô hình thống kê để ước tính trọng số cho mỗi tiêu chí và từ đó hình thành một mô hình xếp hạng.

Giai đoạn 2 là kiểm tra mô hình xếp hạng cho các đại học, xem độ chính xác và tin cậy của mô hình này ra sao. Nếu các tiêu chuẩn về phương pháp và mô hình được đáp ứng, thì giai đoạn 3 là triển khai và xếp hạng. Thật ra, cách tiếp cận này cũng là một cách làm khoa học nhất. Nhưng cách tiếp cận này đòi hỏi người làm phải am hiểu phương pháp nghiên cứu và phân tích dữ liệu.

SVVN: Việc xếp hạng do Bộ GD - ĐT đứng ra làm có hợp lý?

NVT: Theo tôi, Bộ GD - ĐT không nên đứng ra làm xếp hạng, mà phải ủy nhiệm cho một trung tâm độc lập làm. Trung tâm này phải quy tụ những chuyên gia có kinh nghiệm về giáo dục đại học, các chuyên gia về phân tích định lượng trong giáo dục và cần phải có đại diện của Nhà nước, doanh nghiệp và nghiên cứu sinh. Trên thế giới, theo tôi biết, không có Bộ Giáo dục nào đứng ra làm việc xếp hạng đại học cả vì làm như thế thì chẳng khác gì vừa đá bóng vừa thổi còi. Tốt hơn hết là Bộ nên ủy nhiệm cho một hội đoàn chuyên môn nghiên cứu và đánh giá đại học, nhưng hội đoàn này phải làm đúng quy trình và có kinh nghiệm trong phương pháp định lượng.

SVVN: Theo Giáo sư, yếu tố then chốt để có một bảng xếp hạng phản ánh đúng thực chất thể trạng của từng trường ở ta, là gì? Năng lực của ta thế nào trong việc có được “yếu tố then chốt” đó?

NVT: Yếu tố then chốt và quan trọng nhất trong xếp hạng là phương pháp luận. Không thể nào làm xếp hạng một cách đơn giản được, bởi vì giáo dục đại học là một hệ thống rất phức tạp. Phương pháp xếp hạng phải đáp ứng được tính phức tạp đó. Trên thế giới, người ta cũng làm những bảng xếp hạng bệnh viện và kinh nghiệm cho thấy cần phải nghiên cứu hết sức cẩn thận trước khi ra bảng xếp hạng. Trong quá trình nghiên cứu, khoa học thống kê đóng vai trò số 1 vì chỉ có mô hình thống kê mới có thể cho ra những trọng số đáng tin cậy và khách quan nhất.

SVVN: Từng có lúc rộ lên chuyện Việt Nam muốn có đại diện đứng trong top 200 trường đại học hàng đầu thế giới. Theo Giáo sư, chuyện này có thể trở thành hiện thực không và bằng cách nào?

NVT: Theo tôi thì Việt Nam ta khó có thể có một đại học trong danh sách “top 200”, hay thậm chí “top 500”. Nghiên cứu khoa học ở các đại học lớn nước ta còn quá ư khiêm tốn cả về số lượng lẫn chất lượng. Mỗi năm, cả nước chỉ công bố được khoảng 1.000 bài báo khoa học trên các tập san quốc tế, mà những bài báo này nói chung có chất lượng thấp. Nghiên cứu công bố ở trong nước thì chất lượng còn có nhiều vấn đề hơn. Chúng ta còn thiếu những nhà khoa học thật sự có tiếng tầm thế giới (hiểu theo nghĩa gây ảnh hưởng quan trọng), chứ chưa nói đến nhà khoa học đoạt giải Nobel. Chất lượng đào tạo thì chưa cao như báo chí đã phản ảnh nhiều lần. Chỉ với hai tiêu chuẩn đó, đại học Việt Nam còn rất xa mới đạt được đẳng cấp “top 200”.

Muốn trở thành đại học đẳng cấp “top 200”, tôi nghĩ, có nhiều việc cần phải làm, nhưng trước mắt thì phải nâng cao khả năng nghiên cứu khoa học và chất lượng đào tạo. Thứ nhất là phải đầu tư cho nghiên cứu khoa học tiên tiến, chứ không phải những nghiên cứu “làng nhàng”. Thứ hai là phải nâng cao trình độ của giảng viên và giáo sư. Hiện nay, chỉ có 15% giảng viên đại học có bằng tiến sĩ (trong khi đó ở các đại học đẳng cấp quốc tế thì tỉ lệ này là 80 thậm chí 90%). Thứ ba, là phải tuyển dụng các giáo sư và nhà khoa học nổi tiếng từ nước ngoài tham gia giảng dạy và nghiên cứu ở đại học Việt Nam. Thứ tư là phải rà soát lại các chương trình đào tạo đúng với chuẩn mực quốc tế. Với tình hình hiện nay, tôi nghĩ rất khó thực hiện 4 việc làm trên vì định chế và cơ chế quản lý giáo dục đại học ở Việt Nam còn là một “hàng rào” cản trở phát triển.

Lê Ngọc Sơn

Nhìn qua nhiều đại học ở Việt Nam, kể cả đại học lớn nhất, người ngoài có thể cảm nhận đó là trường trung học cấp 4, chứ không phải đại học đúng nghĩa. Một đại học đúng nghĩa ngoài nghiên cứu khoa học và chương trình đào tạo, còn là một môi trường trí thức, giáo sư và sinh viên tự do tranh luận về các vấn đề quốc gia và quốc tế, có sinh hoạt học thuật tích cực. Đó là những điểm mà các đại học Việt Nam còn thiếu hay chưa có”.  (Nguyễn Văn Tuấn)

Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác

Thứ Hai, 1 tháng 7, 2013

Mười nguyên lí để tăng khả năng công bố bài báo khoa học

Đây là một chương mới trong cuốn sách "Từ nghiên cứu đến công bố" của tôi, đang tái bản và sắp "trình làng" nay mai. Nhân lần tái bản này, tôi muốn chia sẻ cùng các bạn 10 nguyên lí để nâng cao khả năng bài báo khoa học được chấp nhận cho công bố. 

Phải nói ngay rằng không có một qui định hay một công thức nào để đảm bảo bài báo khoa học được công bố trên một tập san quốc tế. Tùy theo tập san, xác suất công bố bài báo khoa học có khi chỉ là một sự may mắn. Cùng một công trình và cùng một đề tài, nhưng có công trình được đăng, còn công trình khác thì đành xếp trong ngăn tủ. Tuy nhiên, nếu chúng ta chuẩn bị tốt thì xác suất được công bố vẫn cao hơn là không chuẩn bị. “Chuẩn bị” ở đây có nghĩa là tuân thủ theo một số chỉ dẫn mà những người đi trước hay từng phục vụ trong các ban biên tập vạch ra. Trong thực tế, đã có nhiều bài báo trên các tập san chỉ dẫn cách thức tăng cơ may cho công trình được công bố trên tập san khoa học. Thay vì làm theo kiểu bài bản đó, ở đây tôi chỉ muốn chia sẻ vài kinh nghiệm cá nhân sắp xếp theo 10 nguyên lí trong bài "Ten principles to improve the likelihood of publication of a scientific manuscript" của J. M. Provenzale đăng trên AJR 2007 (1).




Nguyên lí 1: Cấu trúc bài báo một cách logic

Bài báo khoa học, nhất là trong y học, thường được cấu trúc theo công thức IMRAD (introduction - dẫn nhập, methods - phương pháp, results - kết quả, và discussion - bàn luận). Tuy nhiên cũng có vài tập san có cấu trúc khác với cấu trúc trên, với phần dẫn nhập đến kết quả và bàn luận, còn phần phương pháp thì để sau cùng. Do đó, cần phải xem xét đến qui định của tập san để cấu trúc bài báo cho thích hợp. Nhưng dù là cấu trúc nào, thì tất cả những dữ liệu trong mỗi phần phải được trình bày một cách logic và mang tính liên tục. Nếu phần dẫn nhập đề cập đến 3 mục đích, thì phần phương pháp phải mô tả cách giải quyết 3 mục đích đó ra sao, phần kết quả phải trình bày kết quả cho từng mục đích, và phần bàn luận cũng phải bám sát với 3 mục đích đó.

Nói thì tương đối dễ, nhưng khi bắt đầu viết thì không dễ chút nào, bởi vì một nghiên cứu có rất nhiều dữ liệu, mà trình bày dữ liệu nào để biện minh cho lí giải của mình là một quyết định không dễ dàng. Một qui ước đơn giản là phần kết quả phải ăn khớp với phần phương pháp. Chẳng hạn như nếu phần phương pháp đề cập đến đo đường trong máu, mà phần kết quả không nói gì đến chỉ số sinh hóa này thì đó là điều không chấp nhận được. Do đó, cấu trúc bài báo và dữ liệu trong bài báo đóng vai trò quan trọng số 1 để tăng khả năng bài báo được chấp nhận cho công bố.

Nguyên lí 2: Phát biểu câu hỏi nghiên cứu và lí do nghiên cứu cho rõ ràng

Phần dẫn nhập cần phải trả lời cho được 3 câu hỏi: câu hỏi chung, câu hỏi chuyên biệt, và nghiên cứu này có xứng đáng không?

Một phát biểu về câu hỏi nghiên cứu hay giả thuyết trong phần dẫn nhập rất quan trọng cho người bình duyệt bài báo hiểu được ý định của tác giả là gì và nghiên cứu này nằm ở đâu trong bức tranh tổng thể của chuyên ngành. Cần phải viết bằng cụ thể và đơn giản (không mĩ từ) như "We set out to determine whether condition x produces condition y" để người đọc có thể hiểu dễ dàng. Một phát biểu không rõ ràng, kiểu như "fishing expedition" hay "look-and-see approach" rất “nguy hiểm” vì dễ bị từ chối ngay từ đầu, vì nó cho thấy tác giả không định vị được nghiên cứu của mình nằm ở đâu. Người đọc, cũng như các chuyên gia bình duyệt, thường đặt câu hỏi như tại sao họ làm nghiên cứu này, có câu hỏi nào chưa được trả lời hay không, câu hỏi có đủ tầm quan trọng để mình quan tâm, v.v. Nhưng nếu viết chung chung và không trực tiếp đi vào vấn đề thì rất dễ làm cho chuyên gia bình duyệt bác bỏ bài báo.

Một yếu tố phổ biến trong các lí do từ chối bài báo là tác giả không thuyết phục được tầm quan trọng của nghiên cứu. Ngoài câu hỏi cụ thể mà công trình nghiên cứu muốn trả lời, tác giả cần phải lí giải tầm quan trọng của nghiên cứu, và giúp cho người đọc cũng như người bình duyệt nhận thức được vấn đề và đặt vào bối cảnh của họ. Cách thức để nêu tầm quan trọng là chứng minh rằng vấn đề phổ biến (hay tương đối phổ biến), hệ quả nghiêm trọng về kinh tế và y tế, có ảnh hưởng đến thực hành lâm sàng, v.v.

Nguyên lí 3: Giải thích phương pháp và dữ liệu một cách có hệ thống

Một trong những lí do phổ biến mà chuyên gia bình duyệt từ chối bài báo là họ không hiểu đầy đủ công trình nghiên cứu đã được thực hiện ra sao. Vấn đề này thường do tác giả không mô tả đầy đủ qui trình làm thí nghiệm hay qui trình thu nhập dữ liệu, từ lúc đo lường, công cụ đo lường, đến phân tích dữ liệu, nếu không mô tả đầy đủ thì đồng nghiệp sẽ rất khó lặp lại nghiên cứu.

Một cách viết phần phương pháp là viết theo qui trình … nấu ăn. Qui trình nấu ăn đòi hỏi người thợ nấu phải chuẩn bị nồi niêu, nguyên liệu, gia vị, v.v. và sau đó là làm từng bước một theo một công thức đã được định trước. Tương tự, một nghiên cứu y khoa cũng cần phải mô tả như thế. Chẳng hạn như cách chọn bệnh nhân ra sao, tiêu chuẩn loại trừ và tiêu chuẩn chọn, qui trình theo dõi và xét nghiệm, phương pháp xét nghiệm, v.v. Phải mô tả sao cho người đọc có thể nắm lấy phương pháp và họ có thể lặp lại nghiên cứu - nếu muốn.

Viết phần phương pháp cho đạt là một điều khó khăn cho một tác giả. Điều này đúng vì đối với các công trình có sự hợp tác của nhiều chuyên gia từ nhiều chuyên ngành, thì không ai có thể viết cho thích hợp. Nếu viết quá chi tiết về một phương pháp nào đó (ví dụ như phương pháp xét nghiệm) thì có thể làm cho người đọc chuyên môn về laboratory medicine bắt bẽ, hay nếu viết quá chi tiết phần phân tích dữ liệu sẽ làm cho các người đọc nghi ngờ chắc công trình nghiên cứu có vấn đề. Nếu công trình nghiên cứu được thiết kế tốt thì không cần đến những phương pháp phân tích phức tạp. Do đó, cái khó là làm sao viết không quá sơ đẳng như sinh viên làm bài tập hay trả bài (kiểu như trình bày cả công thức ước tính cỡ mẫu!), nhưng cũng không viết quá chung chung vì sẽ làm cho người đọc nghĩ rằng tác giả chẳng hiểu vấn đề. Chỉ có người trong chuyên ngành có kinh nghiệm mới biết viết như thế nào là đủ. Trong vài trường hợp phức tạp, cách tốt nhất là trình bày một giãn đồ để người đọc dễ theo dõi.

Nguyên lí 4: Cấu trúc phần kết quả và phương pháp ăn khớp nhau

Kinh nghiệm của tôi cho thấy phần lớn những khiếm khuyết trong phần kết quả có thể nằm trong 3 nhóm sau đây: sắp xếp kết quả lộn xộn, trình bày không đầy đủ, kết quả không ăn khớp với phần phương pháp.

Thứ nhất, có những bài báo mà kết quả được trình bày chẳng theo một thứ tự logic nào cả. Tình trạng này dẫn đến lẫn lộn cho người đọc, và họ sẽ rất dễ bỏ cuộc. Thông thường, các nghiên cứu y khoa thường bắt đầu phần kết quả với những thông tin về đối tượng nghiên cứu, sau đó là những kết quả chính, và cuối cùng là những kết quả mang tính củng cố cho phần kết quả chính. Phải có một bảng số liệu, một biểu đồ, hay một bức ảnh “ăn tiền” (còn gọi là money picture) để người đọc biết đó là điểm chính của bài báo.

Thứ hai, có nhiều bài báo mà phần kết quả trình bày không đầy đủ. Không đầy đủ ở đây có nghĩa là tương quan với phần phương pháp. Chẳng hạn như có nghiên cứu viết trong phần phương pháp rằng họ đo lường tỉ trọng mỡ trong cơ thể bằng DXA, nhưng phần kết quả thì chỉ trình bày WHR. Điều này dễ làm cho người đọc nổi giận, vì nói theo người Việt chúng ta là treo đầu dê bán thịt chó. Lại có những bài báo mà tác giả không thấy trình bày kết quả mà họ đã tuyên bố là đã thu thập trong phần phương pháp. Đây là một đại kị, bởi vì nó gây một ấn tượng rằng tác giả có vẻ thiếu thành thật.

Thứ ba, ngược lại trên, có những bài báo mà tác giả trình bày kết quả nhưng không thấy báo cáo trong phần phương pháp! Tôi từng đọc những bài báo tác giả trình bày những kết quả rất phức tạp, nhưng không biết dữ liệu xuất phát từ đâu! Rất nhiều bài báo trình bày kết quả phân tích thống kê nhưng không thấy mô tả trong phần phương pháp phân tích. Tình trạng này làm cho người đọc có cảm giác rằng tác giả chẳng có kế hoạch làm nghiên cứu, mà chỉ là một kiểu tra tấn dữ liệu (data torture) để có kết quả theo ý mình.

Kinh nghiệm cá nhân tôi cho thấy cách viết phần kết quả tốt là cấu trúc theo tiêu đề. Tiêu đề nên bám sát theo phần phương pháp. Cách cấu trúc này cho phép tác giả trình bày kết quả nghiên cứu theo một logic có trước có sau, và người đọc cũng dễ theo dõi. Thông thường một nghiên cứu phải có giả thuyết, và đoạn cuối cùng của phần kết quả nên có dữ liệu yểm trợ hay bác bỏ giả thuyết.

Nguyên lí 5: Viết phần bàn luận gọn và khúc chiết
Kinh nghiệm của tôi cho thấy phần bàn luận (discussion) là phần khó viết nhất. Đây là phần mà tác giả tóm tắt những phát hiện chính, giải thích tầm quan trọng của phát hiện, và chỉ ra những đóng góp vào tri thức cũng như định hướng cho tương lai. Để viết tốt phần bàn luận, tác giả phải tỏ ra am hiểu vấn đề, phải có một tầm nhìn lớn trong một “bức tranh” rộng. Một trong những khiếm khuyết tôi hay thấy là có tác giả viết quá dài (6-10 trang), rất dễ bị xem là nhiều chuyện. Nếu nghiên cứu có kết quả tốt với phương pháp tốt, thì tác giả không cần phải “lí sự” quá nhiều. Ngược lại, có những bài báo mà đọc xong phần bàn luận tôi có cảm giác tác giả chẳng có ý tưởng gì, tất cả chỉ là lặp lại những gì đã trình bày trong phần kết quả. Cả hai cách viết – quá dài và quá ngắn – đều là cách viết không tốt. Cách viết mà tôi đã thí nghiệm và thành công là cấu trúc 6 đoạn như sau:

Đoạn 1: tóm tắt lí do nghiên cứu, giả thuyết, và phát hiện chính.

Đoạn 2: so sánh kết quả với các nghiên cứu trước, và giải thích tại sao có sự khác biệt (hay giống nhau).

Đoạn 3: giải thích “cơ chế” của kết quả; nếu không biết hay không rõ cơ chế, thì đề xuất giả thuyết để giải thích. Đoạn này khó viết nhất.

Đoạn 4: viết về tầm quan trọng và ý nghĩa thực tiễn (nếu có) của kết quả nghiên cứu.

Đoạn 5: viết về những ưu điểm và khuyết điểm của nghiên cứu.

Đoạn 6: kết luận.

Nên nhớ rằng trong khi diễn giải kết quả nghiên cứu hay so sánh với các nghiên cứu trước, không được và không nên viết theo kiểu lí luận một chiều. Trong khoa học, bất cứ một kết quả nào cũng phải được giải thích bằng nhiều góc cạnh. Trong nhiều trường hợp, tác giả không ngần ngại nói thẳng rằng kết quả có thể là … ngẫu nhiên.

Nguyên lí 6: Giải thích tại sao kết quả nghiên cứu là quan trọng

Phần lớn các tập san khoa học, nhất là tập san có chỉ số ảnh hưởng cao, không thích công bố những công trình làng nhàng. Họ chỉ muốn công bố những công trình mà kết quả có tầm quan trọng, có ảnh hưởng đến chuyên ngành, có tác động đến chính sách công. Đối với các tập san lớn, họ không thiếu bài, họ chỉ thiếu bài tốt.

Do đó, tác giả cần phải nắm được “tâm lí” trên để viết phần bàn luận, nêu bật được tầm quan trọng của nghiên cứu. Nếu là nghiên cứu có liên quan đến một yếu tố nguy cơ tử vong, tác giả cần phải nêu được giả thuyết nếu can thiệp vào yếu tố này thì sẽ cứu được bao nhiêu người trên thế giới. Nếu nghiên cứu tìm ra được một cơ chế nào đó liên quan đến một bệnh, tác giả có thể giải thích rằng kết quả này mở ra một định hướng mới để theo đuổi. Nên nhớ có 3 loại nghiên cứu: me too (tức lặp lại những gì người khác đã làm và chẳng có gì mới), incremental knowledge (tức có tăng một chút về tri thức), và breakthrough (đột phá). Phải đặt xem nghiên cứu của mình nằm trong loại nào. Có lẽ phần lớn nghiên cứu thuộc vào nhóm incremental knowledge, và vì thế cần phải giải thích sự gia tăng về tri thức có tác động gì đến chuyên ngành và thực hành.

Một trong những mục tiêu của phần bàn luận là dồn người bình duyệt từ vị trí trung dung sang vị trí tích cực. Phần lớn các chuyên gia bình duyệt khi đọc bài báo họ bán tín bán nghi, hay ở vị trí trung dung. Nhưng tác giả muốn tăng khả năng bài báo được chấp nhận, nên cần phải thuyết phục (bằng dữ liệu) để họ chuyển sang vị trí tích cực, tức đứng về giả thuyết của tác giả. Để làm được việc này, tác giả cần phải lí giải được cái phạm vi câu hỏi mà nghiên cứu đã trả lời được, và đã đóng góp vào việc nâng cao tri thức cho chuyên ngành ra sao. Đây là “nhiệm vụ” của đoạn văn số 4 trong phần bàn luận mà tôi đã đề cập trên.

Nguyên lí 7: Tránh “nói quá” kết quả nghiên cứu

Một lỗi hay gặp ở những người mới viết bài báo khoa học là … tham vọng. Những người này thường phát biểu những kết luận “đao to búa lớn” không tương thích với kết quả nghiên cứu. Có lẽ họ quá hào hứng với kết quả đầu tay của mình, cũng có thể họ quen thói quen viết văn theo kiểu … nhà văn, tức là sáo ngữ. Khác với báo chí phổ thông, văn phong khoa học không có chỗ cho sáo ngữ, không có chỗ cho những phát biểu mà không có chứng cứ.

Một cách viết khiêm tốn là dùng những từ bổ nghĩa như probably, possibly, likely, hay ngay cả xác định cũng chỉ highly likely là đủ. Cách dùng từ như thế không phải là thiếu tự tin, mà cho người bình duyệt thấy tác giả là người có cân nhắc. Nên nhớ rằng trong khoa học, đặc biệt là y khoa, không có một cái gì là xác định. Do đó, nếu dùng văn phong xác định là tự chuốc lấy thất bại.

Nguyên lí 8: Giải thích những hạn chế của nghiên cứu

Khoa học thực nghiệm không bao giờ hoàn hảo. Bất cứ một nghiên cứu nào, dù được thiết kế cẩn thận đến cỡ nào, cũng đều có những hạn chế. Nhưng cũng có những thế mạnh. Do đó, tác giả cần phải ghi nhận những điểm yếu, những hạn chế của nghiên cứu. Ghi nhận một cách thành thật, chứ không phải qua loa. Ghi nhận những khiếm khuyết của nghiên cứu không phải là tín hiệu của sự yếu đuối; ngược lại, đó là cách mà tác giả nói cho người bình duyệt biết rằng tôi đã suy nghĩ cẩn thận và có cách trả lời những vấn đề tôi nêu. Ngoài việc nêu những hạn chế, tác giả cũng có thể viết về sự ảnh hưởng của những hạn chế đến kết quả nghiên cứu. Chẳng hạn như nếu số lượng đối tượng quá ít (có lẽ do bệnh hiếm) thì kết quả có thể không đáng tin cậy, và cần phải ghi nhận điều này.

Có một cách nêu những hạn chế nhưng lại là một cách … tự khoe mình! Đây là kiểu lí giải mang tính dựng nên một hình nộm, rồi đánh ngã hình nộm đó và xem như là một chiến tích! Chẳng hạn như trong một nghiên cứu về vitamin D, chúng tôi phải tìm ra một điểm yếu để nói, và cuối cùng chúng tôi nghĩ điểm yếu đó là chúng tôi chỉ phân tích được nồng độ D3 trong máu mà không đo lường được D2. Sau khi nêu sự hạn chế này, chúng tôi trình bày dữ liệu của các nghiên cứu trước cho thấy D2 thật ra chỉ chiếm 1-3% tổng số vitamin D, nên dù không đo được, thì kết quả cũng chẳng bị ảnh hưởng tiêu cực gì! Nhưng cách lí giải này cần phải cẩn thận, vì nếu không thì rất dễ bị cho là self-serving (giống như tự khen, tự sướng).

Nguyên lí 9: Viết về những kết quả ngoài dự kiến

Cũng như bất cứ một công trình nghiên cứu tốt nào cũng có hạn chế, nhiều nghiên cứu cũng cho ra những kết quả ngoài dự kiến. Đó là những kết quả không nhất quán với giả thuyết, những dữ liệu nằm ngoài phạm vi, những quan sát … lạ (nói theo cách nói của báo chí ngày nay). Khi những quan sát lạ này xảy ra, tác giả cần phải ghi nhận chúng và cung cấp một vài lời giải thích khả dĩ. Nếu không giải thích được thì phải thành thật thú nhận là … không biết. Trong khoa học, không biết một điều gì đó không phải là yếu kém, càng không phải là một tội lỗi. Trong vài trường hợp cá biệt, chính những kết quả lạ này lại dẫn đến những khám phá quan trọng. Do đó, tác giả không nên bỏ qua, mà phải ghi nhận và chú giải cẩn thận.

Nguyên lí 10: Tuân thủ theo đề nghị của các chuyên gia bình duyệt

Nhiều tác giả mất bình tĩnh khi đọc bản nhận xét của các chuyên gia bình duyệt. Họ xem các chuyên gia bình duyệt là những kẻ thiếu thiện chí, chỉ gây phiền phức, và cản bước tiến của họ. Nhưng trong thực tế, đại đa số các chuyên gia bình duyệt khá công tâm, họ không phải là người gây phiền phức; họ chỉ muốn làm người gác cổng tốt mà thôi. Dĩ nhiên, cũng có những chuyên gia bình duyệt trẻ con, tỏ thái độ nhỏ mọn, và có thành kiến, nhưng số này rất ít trong cộng đồng khoa học nghiêm chỉnh. (Tôi không nói ở Việt Nam, tôi nói cộng đồng khoa học quốc tế). Do đó, nếu tác giả nghĩ xấu về các chuyên gia bình duyệt thì chính họ đánh mất cơ hội để cải tiến bài báo của họ.

Các chuyên gia bình duyệt là một số nhỏ trong nhóm độc giả. Tuy số nhỏ, nhưng họ là những người có kinh nghiệm và uy tín, đủ để đánh giá một công trình khoa học. Nếu những thông tin trong bài báo làm cho họ lẫn lộn, thì chắc chắn các độc giả khác cũng lẫn lộn. Vì thế, không nên xem thường những nhận xét của các chuyên gia bình duyệt, mà phải đọc kĩ và trả lời họ một cách nghiêm túc. Kinh nghiệm tôi cho thấy sau khi trả lời và chỉnh sửa, bài báo thường tốt hơn.

Không gì bực bội hơn cho các chuyên gia bình duyệt (những người làm việc hoàn toàn tự nguyện, chẳng nhận đồng lương hay thù lao nào) khi những đề nghị của họ bị lờ đi. Phớt lờ những đề nghị của họ là một nguy hiểm, vì họ có thể đề nghị từ chối bài báo. Nếu tác giả không làm theo đề nghị của họ thì cũng phải lí giải cụ thể và lịch sự. Khoa học là môi trường bình đẳng, nếu tác giả bất đồng ý kiến với các chuyên gia bình duyệt thì cũng có thể nói thẳng, chứ không nên e ngại.

Nói tóm lại, viết và công bố một bài báo khoa học là một việc khó khăn, đòi hỏi một kế hoạch tốt, làm việc khó khăn và trong cô đơn. Nhưng nếu các bạn làm theo 10 nguyên lí tôi vừa trình bày, các bạn sẽ có một lợi thế lớn trong sự cạnh tranh công bố quốc tế. Những nguyên lí này cũng đáp ứng phần lớn những khiếm khuyết mà các chuyên gia hay thấy trong các bản thảo. Do đó, tuân thủ theo những nguyên lí trên cũng là một cách giảm thiểu những sai lầm trong quá trình soạn thảo bài báo, và nâng cao xác suất công bố công trình nghiên cứu.

Trích "Từ nghiên cứu đến công bố", tái bản lần thứ nhất (sẽ phát hành nay mai).


(1) Provenzale JM. Ten principles to improve the likelihood of publication of a scientific manuscript. AJR 2007;188:May.

Ghi thêm: Bạn đọc TL hỏi về nguồn của bài này, và tôi xin lỗi là không ghi nguồn trước đây. Đó là lỗi của tôi, và tôi chân thành xin lỗi. 




Xem về làm đẹp thẩm mỹ: Hút mỡCăng da mặt
| Trẻ hóa Âm đạo và vùng kín Các thông tin bí ẩn và dịch vụ dịch thuật giá rẻ chuyên nghiệp nhất Sài Gòn - dịch thuật VNC khác