intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Bài giảng Nghiên cứu khoa học (Bậc nghiên cứu sinh Tiến sỹ): Chương 1 - PGS. TS. Hà Quang Thụy

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:49

29
lượt xem
2
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài giảng Nghiên cứu khoa học (Bậc nghiên cứu sinh Tiến sỹ): Chương 1 giới thiệu chung về nghiên cứu khoa học bậc nghiên cứu sinh tiến sỹ như: Một số khái niệm cơ bản, dữ liệu – thông tin – tri thức – nghịch lý năng suất của CNTT, bản chất của nghiên cứu khoa học, Nghiên cứu khoa học bậc Tiến sỹ, Một vài bài học khởi đầu NCS TS.

Chủ đề:
Lưu

Nội dung Text: Bài giảng Nghiên cứu khoa học (Bậc nghiên cứu sinh Tiến sỹ): Chương 1 - PGS. TS. Hà Quang Thụy

  1. 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
  2. Nội dung 1. Một số khái niệm cơ bản 2. 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 2
  3. 1. Một vài khái niệm trong NCKH ⚫ 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/1122science3.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
  4. Công nghệ ⚫ 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). ⚫ 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
  5. 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
  6. KH tự nhiên và KH xã hội ⚫ 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 ⚫ 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
  7. Phân biệt KH tự nhiên với KH xã hội ⚫ 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 ⚫ 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 ⚫ 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
  8. Kỹ nghệ ⚫ 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” ⚫ 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
  9. Sáng tạo – đổi mới: Innovation ⚫ Khái niệm ▪ Hình thành một cái gì mới, cách làm việc mới gì đó, khai thác thành 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
  10. Tăng trưởng dữ liệu ◼ 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
  11. Giá trị dữ liệu: Ví dụ 1 (Capital One) ⚫ -1980’s: Mô hình xác suất mặc định với thẻ tín dụng đồng mức ▪ Người q/lý NH tin khách hàng chưa ưa mức khác nhau; ▪ HTTT chưa thể đáp ứng quản lý mức tín dụng khác nhau ⚫ Richard Fairbanks và Nigel Morris ▪ CNTT cho mô hình dự báo tinh vi hơn (mô hình lợi nhuận), đủ năng lực các mức tín dụng ▪ Thuyết phục nhà QL NH lớn: thất bại. ▪ Thuyết phục được người QL ngân hàng nhỏ Signet Bank: tin một tỷ lệ nhỏ khách hàng thực sự tạo ra hơn 100% lợi nhuận của NH từ hoạt động thẻ tín dụng ▪ MHLN: tốt hơn → KH tốt nhất + thu hút KH tốt nhất từ NH lớn http://www.fundinguniverse.com/company-histories/capital-one-financial-corporation- history/ và https://www.capitalone.com/ 11
  12. Giá trị dữ liệu: Ví dụ 1 (Capital One) ⚫ Thiếu dữ liệu và giải pháp ▪ Không có dữ liệu với mức thẻ tín dụng khác nhau. ▪ Tạo DL cho mô hình (MHLN): cung cấp ngẫu nhiên mức tín dụng khác nhau tới KH khác nhau. DL là tài nguyên thì phải đầu tư ▪ Tốn kém: tỷ lệ "khoanh nợ“: 2,9% đầu ngành, do cung cấp ngẫu nhiên giảm sút tới gần 6% dư chưa thanh toán ⚫ Kết quả ▪ 4 năm: vừa thu thập dữ liệu vừa hoàn thiện mô hình. 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: mở 48,6 triệu tài khoản 53,2 tỷ US$, 12% gia đình Mỹ. ▪ 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-corporation- history/ và https://www.capitalone.com/ 12
  13. Giá trị dữ liệu: Ví dụ 2 (Microsoft-LinkedIn) ⚫ Sự kiện và vấn đề ▪ Microsoft mua lại LinkedIn với giá 26,2 tỷ đô-la Mỹ ▪ Định giá kế toán của LinkedIn là 3,2 tỷ đô-la Mỹ ▪ Độ chênh lệch 23 tỷ đô-la Mỹ là một con số rất lớn ? ⚫ 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 ? ⚫ 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 ⚫ 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-needs- infonomics-in-a-big-data-world-and-what-it-is/#1e290da64c69 https://www.economist.com/news/briefing/21721634-how-it-shaping-up-data-giving- rise-new-economy 13
  14. Dữ liệu thế kỷ 21Dầu mỏ thế kỷ 20 ◼ 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
  15. Đặc trưng 5V của dữ liệu lớn 15
  16. Đặc trưng 5V: chi tiết ⚫ Dung lượng lớn (Volume) ▪ Cỡ Texabytes (1012Bytes) ▪ Kích thược lớn tiềm ẩn thông tin giá trị ⚫ Tốc độ cao (Velocity) ▪ 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 mili- giây, 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
  17. Đặc trưng 5V: chi tiết (2) ⚫ 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 ⚫ 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
  18. Dữ liệu trong kinh doanh ⚫ 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. ⚫ 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 ▪ IoT có vai trò rất lớn trong cải thiện hiệu suất hoạt động ⚫ 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
  19. Khoa học dữ liệu: Tổ chức hướng dữ liệu Chuỗi giá trị phân tích ➢ 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 [Anderson15] Carl Anderson. Creating a Data-Driven Organization. O'Reilly Media, 2015 19
  20. Chuyển đổi meta-knowledge ⚫ 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”. July 12, 2021
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
8=>2