Exporting PDFs from JabRef using a Batch File and MindMapping Software

If you do research, JabRef is a great tool for managing a personal repository of PDFs. JabRef allows you to link your citations with full text PDFs. This post discusses one way of exporting a subset of your PDF repository using JabRef, Excel, and a Windows Batch file. This is useful (copyright permitting) in many situations. 
For example: 
(a) You need to extract a subset of references for a subject you are teaching. 
(b) You need to give a colleague or research student a subset of your references. 
(c) You want to transfer a subset of your references to another device or computer.

Option 1: Open and Save As

When there are fewer than five PDFs, it is quicker just to open the PDFs individually and save them in the desired location.

Option 2: Batch File Export

When there are more than five PDFs, it may be quicker to adopt a procedure like the following. The procedure involves creating a batch file to copy specified PDFs to a designated export folder. 
The procedure is as follows: 

1. In JabRef, Select PDFs of References that you want to export (see Figure 1). 

2. In JabRef, Copy Selection (Edit - Copy) 

3. In Excel, Paste into first column. Note: You could use a different Spreadsheet application, such as Open Office Calc. 

4. In Excel, Sort the column alphabetically 

5. In Excel, Highlight cells beginning with the word "file". Note: the "file" field is where JabRef stores the relative path for the PDF. 

6. In Excel, Text to columns delimited by ":" Note: JabRef separates the data into file name, path name, and file type separated by colons. This step extracts the path name into it's own cell. If your repository does not include subfolders, file name will be equivalent to path name. 

7. In Excel, Create the string to copy the batch file (see Figure 2). 
7.a create the string "copy filePath destinationFolder" e.g., ="copy "&B24&" c:\temp", where B24 is the cell with the path name 
7.b copy and paste this formula for the remainder of the cells. 

8. In text editor, Create the batch file (see Figure 3). 
8.a Open Notepad or another text editor 
8.b the first line changes the directory to the root folder of your PDF repository. e.g., cd /d D:\My Documents\2Repository\filed 
8.c Copy and paste the copy commands from Step 7 below this line. 
8.d Save as a .bat file (e.g., copyPDFs.bat) 

9. In Windows Explorer, Run the batch file. i.e., just double click the batch file. 

Figure 1. Screen Shot of JabRef showing references with connected PDFs 
 

Figure 2. Screen Shot of Excel showing Formula for creating copy command 


Figure 3. Screen Shot of Notepad showing example of complete batch file

hi, maybe you would like our software "SciPlore MindMapping" http://www.sciplore.org/software/sciplore_mindmapping/ which combines PDF management (including bookmark import) and mind mapping with your existing reference management software (e.g. JabRef/BibTeX, Mendeley and to some extent Zotero). on our website is also a video which gives a short demonstration. (very nice)

George Box và hành trình đến khoa học thống kê

 

Lời giới thiệu của người dịch: Trong lúc chúng ta đang bàn về ứng dụng toán, tôi xin trân trọng giới thiệu bài nói chuyện của Giáo sư George Box - là một trong những "đại thụ" của khoa học thống kê trong thế kỉ 20, với rất nhiều đóng góp cơ bản và quan trọng cho khoa học, đặc biệt là những đóng góp về mô hình phân tích số liệu thời gian (time series models), kiểm định chất lượng, nghệ thuật và khoa học.  Ông là tác giả của câu nói nổi tiếng "All models are wrong, but some are useful" (tất cả các mô hình đều sai, nhưng có vài mô hình có ích).  Ông là chủ tịch thứ 73 của Hội Thống kê Hoa Kì (American Statistical Association).  Ông là một nhà khoa học hiền hậu, vui tính – và khiêm tốn.  Ông tự gọi mình là một nhà thống kê bất đắc dĩ, vì ông đến với thống kê học qua chiến tranh.  Năm nay, Giáo sư George Box đã 92 tuổi, vẫn sống ở Madison, Wisconsin. Bài dưới đây là bản dịch bài nói chuyện của Giáo sư George Box nhân dịp kỉ niệm 50 năm Bộ môn Thống kê học của trường Đại học Wisconsin, do chính ông sáng lập vào năm 1960. Bài nói chuyện tuy mang tính cá nhân, nói về con đường ông đến với thống kê học, nhưng còn cung cấp vài dữ liệu và bài học quí báu về ứng dụng thống kê trong khoa học và kĩ nghệ. Xin trân trọng giới thiệu bài nói chuyện của Giáo sư George Box đến bạn đọc. NVT

***

Tôi muốn kể cho các bạn nghe câu chuyện tôi đã trở thành một nhà khoa học thống kê như thế nào. Tôi sinh ra ở bên Anh.  Năm 1939 tôi là một thanh niên 19 tuổi đời. Dạo đó, tôi lớn tiếng phê phán Chính phủ Anh hèn nhát vì chẳng dám có hành động gì để ngăn cản Hitler. 

Vì thế, khi chiến tranh nổ ra, tôi quyết định nhập ngũ, dù lúc đó tôi sắp xong bằng cử nhân hóa học.  Tôi nhất định bỏ học để đi lính.  Họ sắp xếp cho tôi công tác trong ngành công binh (và khi tôi nhìn thấy cây cầu, tôi nghĩ đến chuyện tính toán làm sao để giật sập được một cây cầu). Nhưng chưa thực hiện được ý định giật sập cầu, thì họ thuyên chuyển tôi sang một trung tâm bí mật chuyên làm thí nghiệm khoa học ở miền Nam nước Anh.  Lúc đó, quân đội Đức đang dội bom London mỗi đêm. Chính phủ Anh nghĩ đến tình huống xấu nhất là Đức sẽ dùng đến khí độc. Công việc của chúng tôi là tìm cách đối phó với tình huống xấu nhất khí Đức ra tay.  

Thời đó, trung tâm thí nghiệm tôi làm việc là nơi hội tụ rất nhiều nhà khoa học sáng chói nhất của Anh quốc.  Chúng tôi làm rất nhiều thí nghiệm trên động vật, và tôi lúc đó chỉ là một phụ tá trong phòng thí nghiệm với nhiệm vụ sản xuất những sinh phẩm cần thiết cho thí nghiệm.  Sếp của tôi là một giáo sư sinh lí học, nhưng ông được quân đội Anh cho mang hàm đại tá; còn tôi được đeo lon trung sĩ.

Những kết quả thí nghiệm của tôi dao động rất lớn, và tôi không biết làm gì với những kết quả như thế.  Tôi nói với sếp đại tá rằng "Chúng ta cần một nhà thống kê học".  Sếp tôi hỏi "Làm sao chúng ta có thể kiếm được một nhà thống kê lúc này, thế anh có biết gì về thống kê không?" Tôi nói "Chẳng biết gì cả, tôi có lần đọc một cuốn sách của một người có tên là R. A. Fisher nhưng tôi chẳng hiểu gì cả."  Sếp nói "Nếu anh đã từng đọc sách đó thì anh là người có kiến thức nhất về thống kê ở đây rồi, vậy anh thử làm đi", và tôi nói, "Yes, sir" (tuân lệnh).  Tôi đề nghị cơ quan quân đội cung cấp thêm những bài báo khoa học và sách giáo khoa về thống kê, và họ đáp ứng tất cả đề nghị của tôi.  

Trong thời gian 3, 4 năm sau đó, tôi tiến hành thiết kế và phân tích hàng trăm thí nghiệm. Đủ loại thí nghiệm.  Trong danh sách những bài báo khoa học của tôi, 2 bài đầu tiên mô tả một số công trình tôi làm lúc đó.  

Có dạo, tôi gặp một vấn đề thống kê mà tôi không giải quyết được, và một nhà khoa học lâu năm đề nghị tôi nên liên lạc R. A. Fisher [1].  Tôi viết thư cho Fisher, và ông mời tôi đến gặp ông ở Đại học Cambridge.  Nhưng cơ quan quân đội không biết cách nào để gửi một trung sĩ đến gặp một giáo sư, và thế là họ ra một công văn đặc biệt để tôi cỡi ngựa đi Cambridge.

Tôi đến Cambridge vào một ngày tuyệt đẹp. Fisher nói "OK, chúng ta sẽ ngồi dưới tàng cây kia, tôi sẽ tìm hiểu hàm probits và anh sẽ tìm hàm nghịch đảo nhé"  [2]. Và, thế là vấn đề được giải quyết, và đó chính là lúc tôi nghĩ đến vấn đề hoán chuyển số liệu [3]. 

Khi cuộc chiến sắp kết thúc, chúng tôi phát hiện rằng Đức đã phát triển độc khí: đó là khí Tabun và vài hóa chất khác mà mức độ độc hại rất cao, khoa học chưa bao giờ biết đến. Thế là tôi trở thành một thành viên trong một nhóm nghiên cứu các độc khí này ngay tại trung tâm nghiên cứu của Đức.  Trung tâm này nằm ở phía Bắc nước Đức, lúc đó đang bị bỏ hoang sau khi Đức thất trận.  Đoàn chúng tôi có đến 50 xe tải chở những thiết bị khoa học đi qua những thành phố, thị trấn tiêu điều của Bỉ và Đức.  Khi đến nơi, tôi tiến hành khá nhiều nhiều thí nghiệm hóa học.  

Đến khi tôi được giải ngũ, quân đội Anh trao tặng huy chương ghi nhận những đóng góp của tôi cho khoa học trong thời chiến.  Họ còn tử tế trả tiền cho tôi theo học tại Đại học London (University College London, hay UCL). Ở UCL, tôi theo học thống kê học dưới sự hướng dẫn của Giáo sư E. S. Pearson [4].  Tôi phải tiêu ra 18 tháng trời để hoàn tất văn bằng cử nhân.  Sau bằng cử nhân, tôi theo học thạc sĩ và nghiên cứu tiến sĩ.  

Trong thời gian tôi theo học tại UCL, tôi có những mùa hè rất có ích.  Thật ra, tôi không có nghỉ hè; tôi dùng thời gian nghỉ hè để thực tập trong hãng hóa chất Imperial Chemical Industries (ICI), hãng hóa chất lớn nhất nước Anh thời đó.  Tôi giúp ICI O.L. Davies biên tập cuốn sách Statistical Methods in Research and Production [5]. Có lẽ qua việc giúp biên soạn cuốn sách trên, nên sau khi tốt nghiệp, ICI mời tôi làm việc cho họ.  

Tám năm kế tiếp là thời gian hạnh phúc nhất đời tôi. Phòng khoa học của ICI sản xuất rất nhiều sản phẩm, nào là thuốc nhuộm, vải nylon, áo mưa, v.v…  Một nhóm chuyên gia về hóa chất và kĩ sư cùng nhau hợp lực phát triển và cải tiến rất nhiều qui trình sản xuất.  Tôi là một thành viên trong nhóm đó.  Tôi có cơ hội tiến hành rất nhiều thí nghiệm nhằm gia tăng năng suất với chi phí ít nhất.  Ngoài ra, tôi còn giúp các nhà hóa học thiết kế thí nghiệm để kiểm tra chất lượng sản phẩm.  Trong thời gian làm việc ở đây, tôi rất bận bịu, tối ngày đi lên đi xuống giải thích, hướng dẫn cho công nhân và đồng nghiệp làm thí nghiệm theo những qui trình mới. 

Tôi rất thích công việc thí nghiệm, và không có ý định rời bỏ kĩ nghệ để theo đuổi sự nghiệp khoa bảng.  Nhưng trong quá trình giải quyết những vấn đề thực tế, tôi có vài ý tưởng để phát triển phương pháp thống kê.  Tôi có viết một số bài báo và công bố trên các tập san chuyên ngành thống kê.

Năm 1952 tôi ngạc nhiên nhận được thư của Đại học North Carolina (Raleigh) mời làm giáo sư thỉnh giảng (visiting professor) một năm.  Hội đồng quản trị hãng ICI đồng ý cho tôi đi một năm, nhưng họ cũng nói rõ rằng họ muốn tôi quay về Anh sau khi xong việc bên Mĩ.  Họ (ICI) thu xếp để tôi đi Mĩ trên tàu Queen Mary, một chuyến viễn du thú vị.  Tôi có một năm tuyệt vời ở Raleigh, nơi tôi gặp Stu Hunter [6], lúc đó mới là một nghiên cứu sinh.  Chúng tôi làm việc chung với nhau về phương pháp "response surface" [7]. 

Sau khi xong hợp đồng, tôi quay về Anh và làm việc cho ICI thêm được 3 năm. 

Năm 1956, John Tukey [8] ở Bell Labs gọi gọi điện tôi hầu như mỗi buổi sáng.  Ông ấy muốn tôi sang Đại học Princeton làm giám đốc nhóm nghiên cứu kĩ thuật thống kê (Statistical Techniques Research Group -- STRG) lúc đó đang được thành lập.  Sau cùng, tôi đành nghe theo lời ông ấy và lại lên đường đi Mĩ vào cuối năm 1956.  Tôi kéo theo Stu Hunter, Don Behnken, Collin Mallows, Geoff Watson, Henry Scheffé, Merve Muller, Norman Draper [9], và nhiều người khác tham gia nhóm nghiên cứu.  Nhóm này rất thành công, vì đã làm nhiều nghiên cứu rất hay, với nhiều công trình khoa học được công bố. Đó cũng là năm tôi gặp Gwilym Jenkins lần đầu tiên [10].

Chúng tôi tin rằng những ý tưởng mới trong thống kê học thường xuất phát từ những vấn đề khoa học đặc thù.  Một ý tưởng mà chúng tôi manh nha lúc đó là làm sao thiết kế và xây dựng được một cái hệ thống tự động tối ưu hóa (automatic optimiser, một kĩ thuật để điều chỉnh đầu vào sao cho đầu ra tối đa), nhưng các nhà hóa học không mặn mà mấy với ý tưởng đó.

Năm 1960, Đại học Wisconsin mời tôi đến nói chuyện trong 2 seminar.  Một seminar về khoa học thống kê, và một seminar về ý tưởng thành lập một bộ môn thống kê.  Tôi nói với họ những ý tưởng của tôi về định hướng nghiên cứu của Bộ môn Thống kê học.  Và, thế là họ nói nếu tôi có ý tưởng như thế, thì tôi là người tốt nhất thực hiện ý tưởng đó. Họ đề nghị tôi tham gia Wisconsin.

Tôi rời Princeton đi Wisconsin.  Đến Wisconsin, tôi bắt tay vào việc thành lập bộ môn thống kê học vào mùa thu năm đó, và địa điểm là một cái chòi tên là Nissen gần bờ hồ. Dạo đó, cái chòi này hay bị ngập lụt, và mỗi lần ngập lụt, sách vở trôi lềnh bềnh, trông rất nhếch nhác. 

Một nhà hóa học nổi tiếng tên là Olaf Hougen ở Wisconsin rất thích ý tưởng về hệ thống tự động tối ưu hóa của chúng tôi.  Ông ấy đề nghị chúng tôi xin tài trợ từ Quĩ Khoa học Quốc gia (National Science Foundation -- NSF).  Thế là chúng tôi xin được tài trợ từ NSF.  Sau 3 năm trầy trật nghiên cứu, chúng tôi xây dựng được một cái máy tối ưu hóa – và nó có vận hành hiệu quả.  Đây chính là nơi mà Gwilym Jenkins và tôi có thêm kinh nghiệm về sử dụng các mô hình bất ổn (non-stationary), mô hình động (dynamics) và mô hình ước lượng phi tuyến tính (non-linear estimation). Chúng tôi viết thành một cuốn sách Time Series Analysis Forecasting and Control [11]. Cuốn này đã được tái bản lần thứ 4. 

Bộ môn Toán của Đại học Wisconsin muốn bỏ tất cả những môn học dính dáng đến thống kê, và họ đề nghị bộ môn chúng tôi phụ trách dạy những môn đó.  Thế là tôi trở thành giảng viên dạy những môn mà sau này người ta gọi là "Advanced Theory of Statistics".  Lúc đó, tôi có 7 nghiên cứu sinh, trong đó có Bill Hunter, George Tiao và Sam Wu.  Tôi còn nhớ George Tiao là một "bell-wether" của tôi.  Bất cứ lúc nào tôi thấy anh ta có vẻ lo lắng, tôi phải nhìn vào bảng đen xem mình có viết gì sai không.  

Ngay từ đầu, tôi đã nhận ra rằng sinh viên học khá nhiều về lí thuyết thống kê, nhưng họ chẳng biết sử dụng thống kê cho việc gì. Thế là tôi thiết lập cái mà sau này người ta gọi là "Monday night beer session".  Mỗi thứ Hai, chúng tôi tụ tập uống bia và thảo luận khoa học thống kê ngay tại nhà tôi ở.  Đó không phải là một khóa học chính thức, học viên chẳng cần có điều kiện gì để nhập học, cũng chẳng có thi cử hay tính điểm gì cả.  Khóa học mở cho mọi người, ai thích thì đến uống bia và học.  Chúng tôi có nghiên cứu sinh và giảng viên từ các khoa thống kê, kĩ thuật, thương nghiệp, và y khoa tham dự. Chúng tôi còn có nhiều người chuyên đi săn tìm những vấn đề thực tế để đưa vào khóa học và thảo luận.  Trung bình, mỗi vấn đề được trình bày trong khoảng 20 phút, và sau đó là phần thảo luận cách giải quyết vấn đề.  Khóa học được duy trì vài thập niên sau đó, và có thể nói là rất thành công.  Mãi đến nay tôi vẫn nghe nhiều đồng nghiệp đề cập đến khóa học bia vào đêm thứ Hai!  Tôi nghĩ nhiều người học cách giải quyết vấn đề từ "khóa học" đó. 

Tôi rất là may mắn trong tình bạn và được sự ủng hộ của nhiều người.  Tôi đã nhận quá nhiều từ bạn bè trong suốt cuộc đời.  Và, với các bạn đó, tôi muốn nói lời "Cám ơn". 

Ghi chú của người dịch:

[1] Ronald A. Fisher là một nhà sinh học và thống kê học sáng chói nhất trong thế kỉ 20. Có thể nói ông là "cha đẻ" của thống kê hiện đại.  Ông là tác giả của phương pháp điểm định F (F test), Fisher's exact test, lí thuyết di truyền học, và rất nhiều sáng kiến độc đáo khác. Cuốn sách kinh điển Statistical Methods for Research Workers của ông có ảnh hưởng cực kì lớn đến khoa học hiện đại. Fihser là cha vợ của George Box. 

[2] Trong thống kê học, probit là một hàm số nghịch đảo của hàm phân bố tích lũy (inverse cumulative distribution). Hàm probit thường được sử dụng trong các mô hình phân tích nhị phân. 

[3] Ở đoạn này, ông muốn nói đến thuật toán hoán chuyển có tên là "Box-Cox transformation".  Cox là lấy tên của một nhà thống kê học trứ danh tên là David R. Cox, một đại thụ lớn nhất trong ngành thống kê học của thế kỉ 20, người phát minh ra mô hình hồi qui logistic, mô hình phân tích biến cố, làm một cuộc cách mạng trong khoa học thực nghiệm, kể cả y học. 

[4] Egon S. Pearson là một nhà thống kê học nổi tiếng vào thế kỉ 20, cùng với Jerzy Neyman "sáng tác" ra Neyman-Pearson lemma và phát triển lí thuyết về kiểm định giả thuyết (test of significance).  Egon Pearson là con trai của Karl Pearson, một người học trò xuất sắc của Francis Galton.  Karl Pearson (hay thường biết đến là KP) là triết gia khoa học (tác giả cuốn "The Grammar of Science" có ảnh hưởng sâu sắc đến Albert Einstein) và cha đẻ của phương pháp kiểm định Chi-square, một trong những người khai sinh ra khoa học thống kê hiện đại vào cuối thế kỉ 19.  KP là người sáng lập Bộ môn Thống kê học tại University College London vào năm 1901, đó là bộ môn thống kê học đầu tiên trên thế giới. 

[5] Trong bài nói chuyện trên, ông có kể về sự ra đời của cuốn sách Statistical Methods in Research and Productionnhưng ông không kể hết câu chuyện (có lẽ do tính khiêm tốn của ông).  Thật ra, thoạt đầu ông được yêu cầu đọc bản thảo và kiểm tra lỗi biên tập, nhưng trong quá trình đọc ông đã phát hiện và sửa đổi quá nhiều trong bản thảo, nhiều đến nổi tác giả O. L. Davies nhất định đề tên ông là một đồng tác giả.  Cuốn sách có chất lượng hơn so với bản thảo.  O. L. Davies, một nhà thống kê học, tiên phong trong lĩnh vực ứng dụng thống kê trong kĩ nghệ sản xuất và kiểm định chất lượng sản phẩm.

[6] Stuart Hunter, cựu giáo sư thống kê của Đại học Princeton. Hunter là học trò của George Box, là người đề ra ý tưởng "reliability" trong kĩ nghệ sản xuất, và sau này có những đóng góp quan trọng cho khoa học thống kê qua kiểm định chất lượng sản phẩm công nghiệp. 

[7] Response surface là thuật ngữ thống kê dùng để mô tả những phương pháp tìm hiểu mối tương quan giữa nhiều biến tiên lượng và nhiều biến phụ thuộc. Phương pháp này được George Box và K B Wilson công bố lần đầu tiên vào năm 1951, và sau này trở nên phương pháp chuẩn trong thiết kế thí nghiệm.  

[8] John Tukey, một nhà hóa học sau này trở thành nhà thống kê học, với những đóng góp quan trọng trong việc phát triển thống kê học vào giữa thế kỉ 20.  Tukey là một trong những người đóng vai trò chủ chốt trong Bộ môn Thống kê học của Đại học Princeton trong thập niên 1960s-1970s.  Đóng góp của ông cho thống kê hiện đại bàng bạt trong mọi ngành hẹp, bao gồm lí thuyết đồ thị, tính toán thống kê, khoa học luận, v.v…

[9] Ở đây, Giáo sư Box nhắc đến tên của nhiều nhà khoa học thống kê nổi tiếng như Collin Mallows, Geoff Watson, Henry Scheffé. Collin Mallows là người phát triển chỉ số "Cp" trong phân tích hồi qui tuyến tính. Chỉ số Mallow's Cp được dùng để xác định số biến cần thiết cho một mô hình hồi qui.  Geoffrey S. Watson là một nhà thống kê học người Úc, nguyên chủ nhiệm Bộ môn Thống kê học của Đại học Princeton. Ông có nhiều đóng góp quan trọng và cơ bản cho vật lí, sinh học phân tử và hành vi động vật. Ông cũng chính là "cha đẻ" của phương pháp kiểm định Durbin-Watson hay sử dụng trong các mô hình hồi qui tuyến tính.  Henry Scheffé, gốc Đức nhưng định cư ở Mĩ, là một nhà thống kê học nổi tiếng với cuốn sách Analysis of Variance (Phân tích Phương sai).  

[10] Gwilym Jenkins là một kĩ sư và nhà thống kê học người Anh. Ông là người cùng với George Box phát triển những mô hình về phân tích số liệu thời gian (time series model) có tên là "Box-Jenkins models" hay "Box-Jenkins Methodology". Ông là đồng tác giả cuốn sách kinh điển và nổi tiếng "Time series analysis: Forecasting and control" mà Giáo sư George Box nhắc đến trong bài nói chuyện.

 
 

Khoa học thống kê (statistical science) đóng một vai trò cực kì quan trọng trong việc phát triển khoa học thực nghiệm.  Tuy lịch sử của khoa học thống kê rất lâu đời, nhưng khoa học thống kê hiện đại chỉ mới khởi đầu từ những năm cuối thế kỉ 19 và đầu thế kỉ 20. Cho đến nay, có thể nói khoa học thống kê "chinh phục" hầu như tất cả các lĩnh vực khoa học thực nghiệm, xã hội học, kinh tế học, và thậm chí văn học. Có người ví von về tốc độ phát triển khoa học thống kê ngang hàng với Attila, Mohammed! Trong khi ở các nước tiên tiến hay trong vùng, bất cứ đại học nào cũng có bộ môn thống kê học, ở nước ta không một đại học nào có môn học này.  Số chuyên gia thống kê cũng rất ít. Có thể nói không ngoa rằng khoa học thống kê ở nước ta còn kém hơn khoa học thống kê Âu châu vào thế kỉ 17, 18. Tình trạng "lạc hậu" về khoa học thống kê ở nước ta đã làm ảnh hưởng không nhỏ đến khoa học nước nhà.  Vì các bộ môn khoa học thực nghiệm ở nước ta chưa được sự hỗ trợ từ khoa học thống kê, cho nên rất nhiều nghiên cứu khoa học ở nước ta chưa có chất lượng cao, và chưa thể công bố trên các tập san khoa học quốc tế.

Trong giáo dục, dùng quyền lực là tối kỵ - Giáo sư Hồ Ngọc Đại

TP - Giáo sư Hồ Ngọc Đại, cha đẻ của mô hình giáo dục thực nghiệm, người từng từ chối chức vụ Thứ trưởng Bộ Giáo dục để về dạy học sinh tiểu học cho rằng, trong giáo dục, áp đặt, cưỡng bức là điều tối kỵ.

Gs Hồ Ngọc Đại.

Trong cuộc trao đổi với PV Tiền Phong, Giáo sư Hồ Ngọc Đại cho rằng, nền giáo dục hiện nay rất hỗn tạp. "Có thể hình dung nền giáo dục như thế này: Người ta ghép tất cả những gì đẹp nhất của mỗi thứ và tưởng đó là con người hiện đại, toàn diện. Nhưng không phải. Con công có bộ lông đuôi đẹp nhưng bộ lông đuôi đó chỉ khoác lên con công mới đẹp chứ nếu khoác bộ lông ấy lên con gà thì lại thành ra một con vật kỳ quái. Điều này cho thấy tư duy giáo dục không đến đầu đến đũa của những người làm giáo dục"- ông nói.

Nền tảng 5% cho 100%

Theo dõi toàn bộ quá trình phát triển của nền giáo dục hiện đại, Giáo sư thấy tình trạng này bắt đầu từ khi nào?

Bắt đầu từ những năm 60 của thế kỷ trước, khi chúng ta bắt đầu chuẩn bị cuộc cải cách giáo dục. Thời điểm đó, người ta muốn thay thế nền giáo dục bằng một nền giáo dục khác với đầy ảo tưởng. Hồi đó Thủ tướng Phạm Văn Đồng mời tôi đến hỏi về cuộc cải cách giáo dục như thế nào. Tôi trả lời ngay: "Sẽ thất bại".

Tôi nêu lý do: Đề án cải cách giáo dục này viết cho 20 năm, trong điều kiện chiến tranh (từ đầu những năm 60 đến cuối những năm 70). Bây giờ chúng ta phải chuẩn bị cho nền giáo dục của hoà bình. Trong khi đó, không có một chữ nào đề cập đến lớp thanh niên vừa từ chiến trường trở về. Tư duy cũ không tính đến cái "bình" trong thời bình mà chỉ "nống" những cái cũ lên, và tưởng nó đúng. Cái nhà 5 gian 2 chái, cơi nới thành nhà 7 tầng thì ta hình dung nó thế nào?

Cái "bình" đó là gì?

Cho đến nay, nền giáo dục chúng ta vẫn là nền giáo dục cũ, hay nói cụ thể hơn là nền giáo dục cho 5% dân cư. Do đó, giáo dục gây cảm giác là cao sang, xa vời. Đi học là để leo lên tầng lớp khác. Bây giờ 100% dân cư đi học, họ lại đem cái nền giáo dục phục vụ 5% để phân phát cho 100%. Vì vậy, phải chuyển nền tảng giáo dục cho 5% dân cư sang nền giáo dục cho 100% dân cư.

Chiến lược về nền giáo dục hiện đại dông dài, ly kỳ, khó hiểu. Thật ra, Đảng, Nhà nước cần lo 4 chữ: Ai cũng được học. Chúng tôi, những nhà chuyên môn lo 4 chữ: Ai cũng học được. Được học nhưng học không được thì học làm gì. Những chữ của tôi có nghĩa "học gì được nấy, học đâu ra đấy". Học như ăn cơm, uống nước, hít thở không khí hằng ngày. Người ta nói học để chuẩn bị cho tương lai, còn khẩu hiệu của tôi là học để sống bình thường, ngay cuộc sống ngày hôm nay, vì hạnh phúc ngay ngày hôm nay.

U mê quyền lực

Điều gì khiến cho nền giáo dục chúng ta mãi vẫn chưa thoát khỏi tình trạng như Giáo sư vừa nói?

Vì chúng ta chưa ra khỏi u mê quyền lực. Ở ta, cứ quan là phải hơn dân. Nhưng trên thực tế, quan chắc gì đã bằng dân? Phải hiểu rằng, trong giáo dục không bao giờ nên dùng quyền lực. Có thể nói, đây là lĩnh vực tối kỵ về quyền lực.

U mê quyền lực, theo Giáo sư, là gì?

Đó là mọi sự đều được áp đặt. Thầy bắt trò phải theo cái có sẵn của mình. Tôi cũng đưa ra cho học trò cái có sẵn, nhưng tôi không bắt học trò chấp nhận cái có sẵn đó. Nền giáo dục hiện nay tôi ví như cái cày chìa vôi (cày trâu kéo), còn nền giáo dục của tôi như cái máy cày.

Giáo sư có đề cập đến khái niệm "tư duy dự án" trong giáo dục...

Tư duy đó là tư duy giải ngân, không vì lợi ích cơ bản của trẻ em. Trẻ em rất nhạy cảm, người lớn chỉ làm cái gì không vì lợi ích của chúng, chúng sẽ mất lòng tin ngay. Không đánh lừa được trẻ em đâu. Chúng ta đang đánh mất lòng tin đối với lứa học sinh nhỏ tuổi. Mà mất lòng tin là mất tất cả.

Vậy cuộc cách mạng trong giáo dục nên bắt đầu từ khâu nào để tạo bước đột phá?

"Phải hiểu rằng, trong giáo dục không bao giờ nên dùng quyền lực. Có thể nói, đây là lĩnh vực tối kỵ về áp đặt, cưỡng bức"

Nên làm từ đầu. Nhưng chọn lớp 1 và đại học. Vì sao lại chọn lớp 1 và đại học? Vì 2 đối tượng này tương đối độc lập. Tôi đưa ra 2 khẩu hiệu đơn giản: Tiểu học thuần Việt, đại học phải hội nhập. Tiểu học là cơ hội cuối cùng để giữ bản sắc dân tộc và là cơ hội đầu tiên tiếp cận với nền văn minh hiện đại. Ở lớp 1, khoa học xã hội là của Việt Nam, khoa học tự nhiên nên "nhập khẩu" của thế giới.

Mỗi năm có 2 triệu trẻ bước vào lớp 1. Tức là có 4 triệu cha mẹ và có thêm hàng chục triệu người thân, từ anh chị em, ông bà cô dì chú bác nội ngoại. Nếu nhà trường dạy tốt, cả ba họ đứa trẻ hạnh phúc. Gia đình yên ấm thì xã hội mới yên lành.

Có vẻ điều Giáo sư đang nói chỉ chú trọng vào chuyên môn, trong khi còn bao nhiêu yếu tố ảnh hưởng đến giáo dục, từ đội ngũ thầy cô giáo, cơ sở vật chất, đạo đức trong nhà trường...?

Có đến đâu ta làm đến đó, không nên ảo tưởng. Từ xưa đến nay chúng ta đã "nống" vấn đề lên, đầy ảo tưởng. Chương trình dạy tiếng Việt, dạy Toán lớp 1 của tôi không tốn một xu, trong khi các dự án cải cách giáo dục tốn không biết bao nhiêu tiền. Tuy nhiên, cũng cần lưu ý phải có cái lõi mới làm được. Cái lõi ấy là chuyên môn. Phải có chuyên môn mới làm được.

Từ chối làm thứ trưởng

Nghe nói Giáo sư từng từ chối chức thứ trưởng Bộ Giáo dục?

Đầu những năm 80, anh Bùi Thanh Khiết, hồi đó là Trưởng ban Khoa giáo T.Ư có ý mời tôi làm Thứ trưởng Giáo dục. Tôi nói với anh Khiết: "Làm thứ trưởng ở đất nước này giỏi hơn tôi không hàng nghìn thì cũng hàng trăm. Nhưng làm việc tôi đang làm thì không mấy người giỏi hơn". Ông Tố Hữu cũng từng thuyết phục tôi giữ chức vụ này. Sau đó, tôi đề xuất Phạm Minh Hạc nhận chức vụ định giao cho tôi.

Một ngày tháng 10-1990, tôi đi làm về chừng 5 giờ chiều, người nhà nói bác Sáu Thọ (ông Lê Đức Thọ - Ủy viên Bộ Chính trị, Trưởng ban Tổ chức T.Ư) đang ở trong Bệnh viện 108, rất muốn gặp tôi. Bác Thọ nhắc lại: "Hồi ấy đang là thời điểm giữa 2 kỳ đại hội, cháu phải ngồi chờ ở ghế thứ trưởng. Sau đó, cháu sẽ vào Trung ương rồi Bộ trưởng Giáo dục hoặc Thị trưởng Hà Nội". Tôi trả lời ngay: "Cả hai việc đó cháu đều không làm và có nhiều người làm tốt hơn cháu. Cứ để cháu làm công việc chuyên môn hiện tại".

Bấy giờ bác Thọ nói với tôi: "Cả đời bác làm công tác tổ chức Đảng. Cháu là người duy nhất bác không thuyết phục nổi, nhưng cháu cũng sai". Rồi cụ mất không lâu sau đó. Và tôi vẫn làm công việc giáo dục tiểu học cho đến bây giờ.

Mô hình thực nghiệm của Giáo sư phát triển như thế nào?

Đã có lúc mô hình này có mặt ở 43 tỉnh, thành phố. Mô hình này được các thế hệ lãnh đạo ngành giáo dục trước đây ủng hộ. Nhưng hiện nay, mô hình coi như bị phủ nhận.

Vậy nguyên tắc mô hình giáo dục thực nghiệm của Giáo sư là gì?

Đó là thầy không giảng, trò không cần cố gắng. Mới nghe, nguyên tắc này rất khó chấp nhận. Không giảng nghĩa là không áp đặt ý chủ quan của người thầy. Ngay từ lớp 1, trẻ đã phải tự học. Trẻ em học mà không cần cho điểm, đánh giá bởi người khác, không cần ganh đua hơn kém nhau, mà từng em thi đua với chính bản thân mình.

Muốn có được cuộc "thi đua" thực sự lành mạnh đó, người thầy phải hiểu biết trẻ em. Trẻ phải cảm nhận đi học là hạnh phúc. Chúng được học trong môi trường mà từng cá nhân được tôn trọng. Cho nên, những lứa học sinh qua đào tạo theo mô hình thực nghiệm rất có nhân cách, tự tin trong cuộc sống.

GIÁ ĐIỆN Ở CHÂU ÂU

Giá điện được tiêu thụ bởi những người La Mã gần 50% so với chi trả của hộ gia đình ở Latvia và Hy Lạp và 40% trên mức giá tại Bulgaria và Lithuania. Giá trung bình cho một kWh là 0,130 euro ở Romania, tương tự như ở Phần Lan (0,128 € / kWh), nhưng hai lần thấp hơn ở Đan Mạch và Italia, nơi mà các hộ gia đình phải trả 0,268 € / kWh, tức là 0,260 € / kWh. Ở cấp độ cộng đồng có tám quốc gia, nơi giá điện cho hộ gia đình thấp hơn ở Romania. Các nước này bao gồm Bulgaria (0,093 € / kWh), Cộng hòa Séc (0,116 € / kWh), Estonia (0,091 € / kWh) hoặc Malta (0,105 € / kWh).

Tuy nhiên, nếu chúng ta đề cập đến sức mua, điện cực kỳ "đắt" cho người nghỉ hưu ở Romania. Giá trị trung bình của lương hưu ở Romania có thể bao gồm một tiêu thụ hàng tháng dưới 1.360 kWh, trong khi ở Bulgaria từ lương hưu trung bình phải nộp năm 1560 kwh. Mặt khác, ở Đan Mạch và Italia, các quốc gia với điện đắt nhất trong EU, từ lương hưu trung bình có thể được thanh toán trên 5.260 kWh, 4.390 kWh tương ứng.
Tại Hungary, với một thanh toán lương hưu trung bình tương đương với tổng số là 2.240 kWh, Ba Lan 3.120 kWh, 3.410 kWh Cộng hòa Séc và Hy Lạp khoảng 18.000 kwh.

Các hộ gia đình Châu Âu phải trả tiền điện tiêu dùng như thế nào:

1. Đan Mạch 0,268 euro/kwh
2. Italia 0,260 euro/kwh
3. Đức 0,211 euro/kwh
4. Hà lan 0,241 euro/kwh
5. Thụy Điển 0,195 euro/kwh
.
.
. 
19. Romania 0,130 euro/kwh
20. Phần lan 0,128 euro/kwh 
21. Cộng hòa Sec 0,116 euro/kwh 
22. Malta 0,105 euro/kwh 
23. Bulgaria 0,093 euro/kwh 
24. Estonia 0,091 euro/kwh 
25. Lituania 0,091 euro/kwh 
26. Hy Lạp 0,089 euro/kwh 
27. Letonia 0,088 euro/kwh

http://phamvietdaonv.blogspot.com/2010/09/gia-ien-o-chau-au.html

Diễn đàn Ứng xử với người tài

Đầu tư cho khoa học cơ bản: Có cũng như không

Kỳ 1: Lãng phí

http://sgtt.vn/Khoa-giao/129433/Ky-1-Lang-phi.html

LTS. Thiếu kinh phí là lý do người ta thường đưa ra để giải thích vì sao Việt Nam đã có không ít tên tuổi được biết đến trong môi trường khoa học đỉnh cao của thế giới, nhưng mặt bằng khoa học cơ bản thì vẫn còn quá thấp so với khu vực. Có đúng như vậy không? TS Trần Nam Dũng, giảng viên khoa toán – tin, đại học Khoa học tự nhiên TP.HCM, với tư cách là người trong cuộc sẽ trả lời phần nào câu hỏi này.

Việt Nam còn quá nhiều vấn đề quốc sách cần quan tâm giải quyết, khó có thể trông chờ đến một nguồn kinh phí lớn để đầu tư cho khoa học cơ bản. Tuy nhiên, điều đáng nói là hiện nay chúng ta đang sử dụng một cách lãng phí và không hiệu quả những nguồn lực hiện có. Tức là vấn đề đang nằm ở chỗ cơ chế và cách thức sử dụng nguồn kinh phí, chứ không ở bản thân nguồn kinh phí.

Đầu tư không ai được lợi

Từ vài năm nay, chúng ta đã có những chương trình rầm rộ để đào tạo tiến sĩ, thạc sĩ, nổi bật nhất là chương trình 322 đào tạo 20.000 tiến sĩ. Tuy nhiên, dường như những người thiết kế chương trình chỉ mới nghĩ đến việc đào tạo mà chưa nghĩ đến việc sử dụng nhân tài. Chúng ta vẫn quen với lối tư duy quan liêu bao cấp: tôi bỏ tiền ra đào tạo anh thì anh phải quay về phục vụ tôi. Nhưng khi người được đào tạo trở về, họ lại được đặt vào môi trường làm việc y như cũ, các đãi ngộ gần như không khác gì, nhiều người còn mất quyền lợi vì "ghế" cũ đã có người ngồi. Và một nghịch lý xảy ra là trong cú đầu tư này không có ai được lợi: Nhà nước tốn tiền đầu tư, cá nhân cũng chẳng được hưởng lợi (trừ vài năm được sống bao cấp), cơ quan chủ quản cũng không khai thác được hoặc không muốn khai thác lợi ích từ người mới về (do yếu kém hoặc do những lợi ích cá nhân). Kết cục thường là người về lại tìm cách ra đi sau khi đã hoàn thành "nghĩa vụ". Đào tạo nhưng không chuẩn bị môi trường để sử dụng nguồn lực một cách xứng đáng, vô hình trung chúng ta đã lãng phí một nguồn kinh phí rất lớn.

Nghiên cứu khoa học bị giết chết như thế nào?

Thập niên 90 thế kỷ trước, rất nhiều tiến sĩ được đào tạo bài bản ở Liên Xô và các nước Đông Âu trở về nhưng rất trầy trật trong việc tìm kiếm một việc làm phù hợp với chuyên môn. Đơn cử trong ngành toán, năm 1990, hai tiến sĩ trẻ là Lê Bá Khánh Trình và Bùi Tá Long về xin việc tại trường ĐH Tổng hợp TP.HCM, nhưng chỉ Lê Bá Khánh Trình được nhận, còn Bùi Tá Long phải đi tìm việc khác vì… thiếu biên chế. Thật may là anh tìm được việc ở viện Cơ học ứng dụng và sau đó tự khẳng định mình ở đó. Đến cuối những năm 90, hai tiến sĩ toán là Nguyễn Văn Lượng (ĐH Tổng hợp Moskva) và Hoàng Ngọc Chiến (ĐH Tổng hợp Leningrad) về nước cũng chẳng ai quan tâm. Hoàng Ngọc Chiến từng nộp đơn vào khoa toán ĐH Khoa học tự nhiên – ĐH Quốc gia TP.HCM nhưng do thủ tục nhiêu khê và đặc biệt là cách tiếp đón không mấy thân thiện nên không tiếp tục theo đuổi ý định. Ngày nay các anh đã thành công trong lĩnh vực kinh doanh nhưng vẫn tiếc vì không được sử dụng những điều đã học.

Đối với những người được hệ thống chấp nhận và tuyển dụng, sự lãng phí tiếp tục được thể hiện trong chế độ đãi ngộ. Quy đổi theo thời giá thì lương một tiến sĩ mới ra nghề chỉ khoảng... 2 triệu đồng. Thù lao một tiết dạy là khoảng 50.000 đồng ở bậc đại học và 80.000 đồng ở bậc cao học. Hướng dẫn một luận văn cao học/tiến sĩ được khoảng 1 – 1,5 triệu/năm. Với thu nhập như thế, hiển nhiên các cá nhân phải tự xoay xở. Người thì viết báo như TS Nguyễn Quốc Lân (ĐH Bách khoa TP.HCM), người làm thêm cho các công ty bên ngoài (TS Nguyễn Thanh Vũ, TS Nguyễn Văn Minh Mẫn, ĐH Bách khoa TP.HCM), người thì tham gia vào ngành công nghiệp "luyện thi đại học": TS Lê Bá Khánh Trình, TS Nguyễn Viết Đông (ĐH Khoa học tự nhiên TP.HCM), TS Lê Anh Vũ (ĐH Sư phạm TP.HCM)... Và hệ quả là thời gian dành cho nhiệm vụ chính không còn. TS Lê Anh Vũ từng nói: "Tham gia luyện thi đại học là cách tốt nhất để giết chết nghiên cứu khoa học". Từ vài năm nay, anh đã từ giã "cuộc chơi" này để tập trung nghiên cứu khoa học và kết quả là đã có hàng loạt bài báo khoa học được đăng trong các tạp chí trong nước và quốc tế.

Những người "tử vì đạo"

TS Nguyễn Quốc Lân khi được hỏi về môi trường nghiên cứu khoa học ở Việt Nam, ngậm ngùi: "Phải nói thật, ở Việt Nam loay hoay kiếm tiền thì không khó, nhưng nghiên cứu khoa học thì rất khó, phải hoặc là người tử vì đạo, hoặc rất thoải mái về kinh tế mới làm được. Mà thực ra môi trường xung quanh cũng không cho phép".

Hiện nay, đi dự hội nghị khoa học trong nước được hỗ trợ tiền tàu xe, tiền phòng 150.000 đồng/ngày và công tác phí 50.000 đồng/ngày. Đi dự hội nghị khoa học nước ngoài được hỗ trợ đồng mức 200 USD/người. Tổ chức seminar khoa học không được hỗ trợ kinh phí, tổ chức hội nghị khoa học xin được 20 triệu đã trầy trật. Mời giáo sư nước ngoài về được hỗ trợ tối đa là 500 USD (đây là quy chế mới, tiến bộ nhất hiện nay!). Nói chung, có rất ít lý do để hỗ trợ cho nhiệt huyết nghiên cứu khoa học.

Hiện vẫn còn những người dành tâm huyết cho nghiên cứu khoa học, cho đào tạo thế hệ trẻ như TS Lê Anh Vũ, TS Huỳnh Quang Vũ (ĐH Khoa học tự nhiên TP.HCM), TS Nguyễn Văn Minh Mẫn… nhưng không biết họ còn trụ vững bao lâu, bởi như lời TS Nguyễn Văn Minh Mẫn: "Năm 2009, tôi từ chối vị trí tư vấn thống kê cho một công ty đa quốc gia ở TP.HCM để ở lại trường đại học, nhưng chưa rõ có thể tồn tại lâu dài hay không cho nghề khoa học của mình!"

Kỳ 2: Không hiệu quả

SGTT.VN - Không rõ kết quả đầu tư ở các ngành khác thì thế nào, nhưng ở ngành toán có thể nói thẳng là rất kém hiệu quả!

Kết quả cao nhất của một đề tài khoa học ngành toán có thể là một cuốn sách tham khảo, sách giáo khoa, một bài báo khoa học đăng trên tạp chí ngoài nước hoặc trong nước. Nhưng những kết quả như thế rất hiếm, phần lớn kết quả là một bài báo cáo nghiệm thu đề tài với một số điều đã làm được, những đề xuất định hướng tiếp theo và chữ ký nghiệm thu của các thành viên hội đồng. Sau đó đề tài sẽ được đóng theo đúng nghĩa của nó, gần như không ai biết đến và hơn nữa là dùng đến.

Tại sao như vậy? Có phải vì trình độ nhà nghiên cứu của chúng ta kém? Có phải vì họ chưa thật tận tâm? Có phần đúng, nhưng chưa hẳn đã là nguyên nhân cốt lõi.

Giải đúng bài toán... sai

Để có một công trình khoa học tốt, cần có ba yếu tố: 1) có bài toán hay đề tài tốt, phù hợp khả năng và kinh phí thực hiện; 2) người thực hiện có đủ khả năng, tâm huyết và được hỗ trợ đầy đủ về kinh phí và môi trường thực hiện; 3) khâu nghiệm thu được tiến hành nghiêm túc, khoa học. Ở chúng ta, có lẽ cả ba khâu đều yếu. Và sự yếu kém này có mối liên hệ mật thiết với nhau.

Bắt đầu từ khâu đề tài. Do không có một định hướng chung nên ở đây ta có thể thấy sự trăm hoa đua nở. Đề tài được lựa chọn hoàn toàn chủ quan theo định hướng và sở trường của chủ nhiệm đề tài. Khi thẩm định, vì không có chuyên gia nên việc này được làm một cách qua loa. Kết quả là chất lượng đề tài được phó mặc cho… may rủi. Nhưng, cũng như tầm quan trọng của khai cuộc trong cờ vua, việc chọn đề tài đúng đóng vai trò quan trọng và là mấu chốt cho thành công của một nghiên cứu. Điều này quan trọng đến nỗi một nhà toán học đã đúc kết: "Thà giải sai một bài toán đúng còn hơn giải đúng một bài toán sai". Vấn đề đặt ra đã sai, thì mọi cố gắng phần sau chỉ là vô ích.

Đối phó là chính

Nhưng làm sao có thể được đề tài tốt, đi đúng hướng của khoa học, của công nghệ, của ngành công nghiệp nếu sự giao lưu, cọ xát của chúng ta với khoa học thế giới quá khiêm tốn, nếu sự liên kết liên ngành hầu như không có, nếu ngành công nghiệp Việt Nam không tự tin đặt ra những bài toán cho giới khoa học, giới toán học Việt Nam, thay vào đó là sử dụng các công nghệ nước ngoài?

Giả sử may mắn có được một đề tài tốt (nhờ vào những cố gắng cá nhân không mang tính hệ thống), đến khâu thực hiện cũng sẽ gặp muôn vàn khó khăn. Hiện nay, mỗi đề tài cấp trường ở đại học Khoa học tự nhiên TP.HCM được cấp 10 đến 20 triệu đồng trong thời gian sáu tháng đến một năm. Với số tiền đó thì làm được gì? Mua được mấy cuốn sách, mấy tài liệu, đi dự được mấy hội nghị? Nói gì đến thiết bị, đến thí nghiệm, đến đi khảo sát thực tế! Nói gì đến mô phỏng, tính toán hiệu năng cao! Hệ quả là những kết quả tương xứng và cách làm mang tính đối phó, hợp thức hoá đề tài nhiều hơn là làm đề tài. Tệ hại hơn, cách làm đó tiếp tục được lặp lại ở đề tài cấp đại học quốc gia, cấp sở, cấp bộ, dù số tiền có cao hơn, "hoành tráng" hơn.

Bệnh xuề xoà

Và nguyên nhân để các đề tài nghiên cứu khoa học không đến đâu đó tiếp tục được phê duyệt, tiếp tục được đầu tư là do chúng ta quá dễ dãi ở khâu cuối cùng: khâu nghiệm thu. Ở đây có thể phân tích sự dễ dãi của những người tham gia nghiệm thu có ba nguyên nhân chính: 1) họ không phải là người am hiểu lĩnh vực chuyên môn của đề tài nên chỉ đánh giá chung chung, ba phải; 2) họ chặc lưỡi "Ôi dào, đề tài có 20 triệu thì làm thế được rồi"; 3) họ cùng cạ với chủ nhiệm đề tài, theo kiểu "anh dễ với tôi thì sau này tôi sẽ dễ với anh". Cho dù thế nào thì kết quả cuối cùng là đề tài được nghiệm thu và sau đó đa phần là… xếp xó.

Căn bệnh dễ dãi, xuề xoà này thực sự rất tai hại. Nó tiêu tốn thời gian của các "nhà khoa học", tiêu tốn tiền của của Nhà nước, của nhân dân. Nó còn cản đường những nhà khoa học chân chính nhưng lại ít biết những "đường đi nước bước", không rành thủ tục. Nó còn lây lan sang các đánh giá học thuật, tạo ra các luận văn tốt nghiệp đại học và luận văn thạc sĩ toàn điểm mười. Nó khiến chúng ta mơ ngủ trên các "thành tựu khoa học" của mình, của học trò mình, để rồi khi ra bên ngoài, hoà nhập với thế giới mới biết mình chỉ là "những dòng sông đã lâu không ra được biển rộng".

Kỳ cuối: Thiếu đồng bộ

SGTT.VN - Sự thiếu đồng bộ trong đầu tư cho nghiên cứu khoa học có thể thấy ở khắp nơi, khắp các lĩnh vực và hầu như khắp các công đoạn trong quy trình phức tạp để có được một công trình khoa học chất lượng.

Người rẻ hơn máy?

Trong các hạng mục đầu tư, đầu tư cho cơ sở vật chất và máy móc thường tốn kém nhất nhưng lại được phê duyệt dễ dàng nhất. Các chi phí khác như mua sách báo, tài liệu, chi phí đào tạo, chi phí mời chuyên gia, chi phí tham dự hội nghị quốc tế thường khó khăn hơn nhiều. Cơ sở vật chất và máy móc có trước nhưng người làm việc và sử dụng được những máy móc đó một cách hiệu quả lại không có. Và hệ quả tất yếu là nhiều phòng làm việc không ai ngồi, nhiều máy móc không ai dùng đến. Mà cơ sở vật chất và nhất là máy móc thì xuống cấp hàng ngày, hàng giờ và có thể mất hết giá trị chỉ sau ba – năm năm.

Chúng ta đang sống trong thời đại công nghiệp, thời đại của nền kinh thế tri thức. Thế nhưng, thời gian của chuyên gia lại được đánh giá quá thấp. Từ đây mới dẫn đến những câu chuyện rất đáng suy ngẫm: nhiều giáo sư nước ngoài bỏ hàng ngàn đô để mua vé sang nói chuyện và giảng dạy tại Việt Nam, nhưng khung lương mà chúng ta có thể trả cho họ vẫn chỉ vài triệu đồng cho một tuần giảng dạy. Chúng ta có thể lãng phí hàng chục triệu đồng, thậm chí hàng trăm triệu đồng cho việc đi lại, ăn uống, tổ chức nhưng tiền thù lao cho báo cáo viên, cho giám khảo, cho các chuyên gia bao giờ cũng khiêm tốn đến chạnh lòng. Năm 2007, hơn 70 chuyên gia hàng đầu của Việt Nam từ nhiều quốc gia đã về nước để làm giám khảo cho kỳ thi toán quốc tế lần thứ 48, lần đầu tiên tổ chức tại Việt Nam (IMO 2007). Và thù lao cho một tuần làm việc vất vả và căng thẳng của họ chỉ là 3 triệu đồng! Theo GS Ngô Việt Trung, viện trưởng viện Toán học và là thành viên cốt cán của ban tổ chức IMO 2007 thì chi phí cho công tác chuyên môn (một trong những công tác quan trọng nhất đối với một kỳ thi) chiếm chưa đến 5% tổng chi phí.

Sự thiếu đồng bộ còn thể hiện ở quá trình theo dõi một đề tài, một dự án. Thường khâu khó khăn nhất chỉ là khâu phê duyệt đề tài. Có thể nói tất cả "tài năng" và "tâm huyết" của chủ nhiệm đề tài và các cộng sự chủ yếu được dồn vào nhiệm vụ thuyết minh đề tài thế nào để được phê duyệt, cấp kinh phí. Còn sau đó đề tài được thực hiện thế nào, tiến độ và chất lượng ra sao thì nói chung ít ai quan tâm, kiểm soát. Và, như đã đề cập, dự án nào, đề tài nào rồi cũng sẽ được nghiệm thu, được "hạ cánh an toàn". Không đồng bộ ở khâu kiểm soát đề tài, dự án, chúng ta đã tiếp tục lãng phí cho các đầu tư không hiệu quả, tiếp tay cho những hình thức "hợp thức hoá" đầu tư của nhà nước, của nhân dân.

Hội chứng thích cô đơn?

Vấn đề hợp tác liên ngành cũng là một biểu hiện của sự đầu tư thiếu đồng bộ. Chúng ta cũng rất thiếu các dự án nghiên cứu liên ngành. Các vấn đề của toán học, cơ học, vật lý, hoá học, sinh học, môi trường, thuỷ điện – thuỷ lợi được giải quyết một cách riêng lẻ, đầu tư một cách riêng lẻ. Điều này dẫn đến những đề tài xa rời thực tế của toán học và những đề tài thiếu một nền tảng và mô hình toán học vững chắc của các ngành khoa học thực nghiệm. Hai bên đều thiếu nhưng không biết tìm đến nhau, mà có biết tìm đến nhau thì cũng gặp khó khăn để có tiếng nói chung do những cơ chế hành chính và tài chính. Rất mừng là gần đây đã có nhiều lãnh đạo của các viện nghiên cứu ứng dụng nhìn thấy vấn đề này và đã đặt vấn đề hợp tác. Nhưng con đường đi từ mong muốn đến thực tế thực hiện được còn rất xa, vì thực sự chúng ta còn rất xa lạ với các hợp tác liên ngành.

Vừa qua, giới khoa học nói chung và giới toán học nói riêng rất phấn khởi với sự kiện GS Ngô Bảo Châu đạt huy chương toán học Fields danh giá. Tiếp đó, họ lại càng phấn khởi khi nghe tin Chính phủ đã phê duyệt chương trình trọng điểm phát triển toán học 2010 – 2020 với tổng số tiền đầu tư lên tới 651 tỉ đồng. Chưa bao giờ toán học được ưu ái đến thế. Tuy nhiên, sau những hồ hởi ban đầu, chúng ta lại tiếp tục lo lắng: liệu chúng ta có biết cách sử dụng số tiền đầu tư tương đối lớn đó không? Và liệu toán học có tìm được tiếng nói chung với các ngành khoa học khác để cùng phát triển toàn diện và đồng bộ được hay không? Bởi vì suy cho cùng, có tiền là một chuyện, biết sử dụng tiền thế nào cho hiệu quả là một chuyện khác.

TS Trần Nam Dũng

Khai niem Entropy cua Prof. Nguyen Tien Dzung

- Lịch sử đã cho VN một sứ mệnh anh hùng: hết đuổi giặc Tàu, giặc Pháp, đến giặc Mỹ, rồi lại đuổi gì tiếp ?

- Tiên sư cha thằng lịch sử, toàn bắt VN làm những việc khó !

Tay sai của thằng lịch sử

Thằng lịch sử đúng là oái oăm, làm khổ VN. Nhưng thằng lịch sử cũng không làm được vậy, nếu không có một quỉ sứ tay sai đắc lực của nó mang tên Ên Trô Pỳ.  Nghe có vẻ như tên Tàu, nhưng thực ra đây là tên Tây. Thằng quỉ sứ này luôn làm những việc phá phách, nhưng nó ẩn danh cho đến tận năm 1865 mới bị một lão người Đức tên là Clausius phát giác ra, và gọi nó là thằng Entropy, có nghĩa là thằng xáo trộn hỗn độn. Theo gốc Hy Lạp, "tropy" (τροπή ), có nghĩa là thay đổi, chuyển hướng, còn "en" có nghĩa là "bên trong". Khi sang tiếng Việt thì Entropy trở thành Ên Trô Pỳ (chữ trô đọc chờ nặng). Số là, có lần tôi gọi taxi để đi đến Ciputra. Tôi nói Ci-pu-t-ra, anh lái taxi mãi mới hiểu ra là Ci-pu-tra, và chê tôi nhà quê không biết nói tiếng Tây. Từ đó tôi cứ nói Ci-pu-tra, ai cũng hiểu, và entropy thì gọi là Ên Trô Pỳ cho chuẩn.

Ở đâu có lộn xộn, là ở đó có En Trô Pỳ hoành hành. Không chỉ ở những trận đánh nhau chết cả triệu người, mà ngay trong căn nhà nhỏ của bạn, En Trô Pỳ cũng ra tay quấy phá. Bạn có biết vì sao phòng của bạn cứ dọn sạch được 1-2 hôm lại bừa đâu vào đấy không, vì sao hàng xóm hay đồng nghiệp thỉnh thoảng lại cãi nhau chí chóe không ? Chính là tại bởi Ên Trô Pỳ!

Ên Trô Pỳ luồn lách mọi nơi, ảnh hưởng đến mọi vật, một cách cộng tính: Ên Trô Pỳ (độ lộn xộn) của một tổng thể các vật (các "systems"), thì bằng tổng của các Ên Trô Pỳ của các vật. Một đặc điểm nhận biết thằng En Trô Pỳ là, nó là thằng ăn hại năng lượng. Ví dụ, khi xe ô tô đi trên đường phẳng nằm ngang vẫn tốn xăng, chính là vì thằng Entropy ăn mất năng lượng do động cơ chạy xăng tao ra, qua các thứ ma sát. Cụ Newton đã nói năng lượng luôn bảo toàn, không bị mất đi. Thế nhưng, năng lượng dự trữ trong xăng là năng lưỡng hữu ích, có thể dùng để làm việc này việc nọ, còn năng lượng khi đã bị thằng En Trô Py ăn vào, thì trở thành năng lượng vô dụng, ta khó có thể đòi lại để dùng đươc nữa! Tuy nhiên, bản thân Ên Trô Pỳ không phải là năng lượng, nó chỉ là thằng phá phách biến năng lượng hữu dung thành vô dụng trong quá trình béo lên của nó thôi. Lão Clausius cũng biết điều đó; đầu tiên lão định tìm từ gì tương tự như năng lượng để đặt tên cho nó, trước khi nghĩ ra từ Entropy.

Càng nóng càng khó béo lên

Clausius nhận thấy rằng, chỗ nào càng nóng thì entropy càng khó béo lên, tức là càng cần bơm vào nhiều năng lượng (ở dạng nhiệt năng) để nó béo lên. Nói một cách chính xác hơn:

trong đó  là độ lớn của entropy (của một hệ nào đó),  là sự thay đổi độ lớn của Ên Trô Pỳ,  là nhiệt độ (tuyệt đối), còn  là độ thay đổi  nhiệt năng của hệ đó. Nói cách khác, nếu ta cho thêm một lượng nhiệt năng  vào một vật nào đó đang ở nhiệt độ , thì entropy của nó sẽ tăng lên một lượng là . Ngược lại, nếu ta hút đi một lượng nhiệt năng là , thì entropy của vật cũng giảm đi một lượng là  .

Công thức trên cũng cho thấy, đơn vị đo của entropy là đơn vị năng lượng chia cho nhiệt độ. Người ta thường viết đơn vị của entropy là , trong đó J là Joule là đơn vị năng lượng dùng để đo nhiệt năng, con K là đơn vị độ Kelvin để đo nhiệt độ.

Theo công thức phía trên, để giảm entropy của một vật, cần rút bớt nhiệt ra. Nhưng nhiệt rút ra đó đi vào chỗ nào ? Theo một định luật vật lý (gọi là định luật nhiệt động học thứ hai), chỗ nhận được nhiệt đó phải lạnh hơn là vật ban đầu nếu ta không muốn tiêu thêm năng lượng vào đó. (Khi Bác Hồ ôm cục gạch nóng, thì là gạch sưởi cho Bác chứ không phải Bác sưởi cho gạch). Chẳng hạn chỗ đó có nhiệt độ . Khi đó phần được truyền nhiệt sang sẽ có entropy  tăng lên một lượng bằng

trong đó  là lượng nhiệt chuyển từ vật nóng sang vật lạnh. Vật nóng thì có entropy giảm đi một lượng bằng . Công lại ta có

(vì  và ). Có nghĩa là entropy của tổng hai vật tăng lên! Đây chính là định luật:

Ên Trô Pỳ làm gì cũng đúng

Theo định luật này, thì entropy của thế giới không thể giảm đi, mà chỉ có thể tăng lên theo thời gian. Nếu entropy ở chỗ nào đó giảm đi, thì ở các chỗ xung quanh sẽ phải tăng lên một lượng nhiều hơn lượng giảm đi đó để bù lại, và tính tổng cộng thì vẫn là tăng lên. Định luật Ên Trô Pỳ làm gì cũng đúng chẳng qua là một cách phát biểu khác của định luật nhiệt động học thứ hai.

Chính vì sự tăng lên không ngừng theo thời gian của entropy, nên thời gian không đảo nghịch được, và không thể có các chuyến "du hành vũ trụ" đi ngược lại thời gian được! Giá ta có thể đi về thế kỷ 17 tán phét với cụ Newton một lúc rồi quay lại thế kỷ 21 thì vui biết mấy. Nhưng quỉ sứ entropy không cho ta làm điều đó!

Có thể nói, thằng entropy ngày càng béo ra bằng cách ăn vào năng lượng hữu ích biến thành năng lượng vô ích để rồi làm loạn thế giới, nhưng ta không có cách nào "chọc mỡ" nó cả!

Nếu đến một lúc nào đó, thằng En Trô Pỳ ăn hết năng lượng của thế giới này thì sao? Lúc đó thì nó đạt đến mức béo nhất có thể (gọi là maximal entropy). Nhưng lúc đó cũng sẽ không còn năng lượng có thể sử dụng được nữa, và đó sẽ là ngày tận thế của thế giới. Mấy ông hủ lý thì gọi đó là ngày của cái chết nhiệt(heat death hay thermal death). Nhưng ngày đó nếu có xảy ra, cũng còn phải hàng ty tỷ năm nữa, ta chưa vội gì mà phải "mặt ủ mày sâu"!

Một mình chống lại Ên Trô Pỳ

Tuy Ên Trô Pỳ làm gì cũng đúng, nhưng thỉnh thoảng vẫn có các anh hùng hảo hớn dám ra đương đầu với nó. Một trong các anh hùng hảo hớn đó là thần đồng Ludwig Boltzmann (1844-1906), một nhà toán học mà khi 25 tuổi đã là giáo sư (full professor) ở nước Áo. Từ những năm 1870, Boltzmann đã tìm cách vạch mặt bản chất chân tướng của thằng Ên Trô Pỳ bằng cơ học thống kê, và đi đến công thức sau:

trong đó  là một hằng số (gọi là hằng số Boltzmann), còn  là số trạng thái vi mô (microstate) khác nhau mà nhìn vào hệ ta không phân biệt được (tức là cho cùng một trạng thái vĩ mô của vật).  Trong suốt hơn 30 năm từ khi Boltzmann nghĩ ra công thức trên, thì bị thằng Ên Trô Pỳ trả thù bằng cách xúi giục các nhà khoa học lớn khác (như Planck, Poincaré) chế diễu công thức này, coi nó lẩm cẩm, khiến cho Boltmann uất chí đến mức tự tử ở Duino (Italia) vào năm 1906.

Ngày nay các nhà hủ lý đều chấp nhận công thức trên của Boltzmann, và trên bia mộ của ông ta có khắc nó.

Theo công thức Boltzmann, thì càng nhiều khả năng (nhiều microstate có thể) càng lắm hỗn loạn (entropy càng cao). Khi ta ghép 2 hệ với nhau, thì số khả năng của tổng bằng tích của các số khả năng, trong khi entropy của tổng chỉ là tổng của các entropy. Bởi vậy để chuyển từ số khả năng sang entropy phải lấy log.

Làm sao để tính entropy ?

Đây có vẻ là vấn đề rất khó khăn. Đối với các vật đơn giản, ví dụ nhưng một lượng nguyên chất của một loại phân tử nào đó, thì có thể dùng công thức của Clausius để mà tính: Khi nhiệt độ bằng 0K (= – 273 độ C), thì các phân tử cũng đứng im không có thể nhúc nhích gì hết, bởi vậy coi như là "có trật tự", và entropy của nguyên chất  khi nhiệt độ bằng 0 (độ Kelvin) được coi là bằng 0. (Đây là định luật thứ 3 của nhiệt động học). Từ mức nhiệt độ sát 0, ta nhồi nhiệt năng từng ít một vào vào để nhiệt độ tăng lên dần đến mức ta muốn, và trong quá trình nhồi đó đo nhiệt độ, rồi lấy các lượng nhiệt năng cho vào chia cho nhiệt độ để ra các độ tăng của entropy, rồi cộng chúng lại với nhau. (Nói một cách toán học hơn, thì là lấy tích phân của dạng vi phân ). Ví dụ, người ta tính ra được rằng 1kg nước (H2O) ở nhiệt độ 25 độ C có entropy bằng 367 J/K. Tất nhiên, đây chỉ là một trong các cách tính, và các hủ lý có thể còn sáng tạo ra nhiều cách khác.  (Xem chẳng hạn: R.K. Rajput, A textbook of engineering thermodynamics).

Tại sao tủ lạnh lại lạnh ?

Bình thường, theo định luật thứ hai của nhiệt học, nhiệt phải truyền từ chỗ nóng sang chỗ lạnh (và trong quá trình truyền nhiệt đó thì entropy tăng lên). Thế nhưng tủ lạnh mà máy điều hòa nhiệt độ có vẻ làm ngược lại: tủ lạnh hút nhiệt bên trong tủ thổi ra ngoài, làm bên trong thì lạnh đi, còn bên ngoài nóng lên. Có sự mâu thuẫn nào ở đây không ? Tất nhiên là không, vì thằng Ên Trô Pỳ làm gì cũng đúng, đời nào chịu thua thiệt. Nó chỉ cho phép tủ lạnh hay máy điều hòa làm lạnh với điều kiện là phải xì cho nó năng lượng: khi máy điều hòa làm giảm nhiệt năng trong phòng, thì làm tăng nhiệt năng ngoài trời một lượng nhiều hơn là lượng giảm đi trong phòng, và độ chênh lệch giữa hai lượng chính là lượng điện năng mà máy tiêu thụ. Nhiệt độ ngoài trời mà càng cao hơn bên trong nhà, thì càng phải cúng nhiều điện năng cho thằng Ên Trô Py nó mới cho phép thổi nhiệt ngược từ chỗ lạnh trong nhà ra chỗ nóng ngoài trời ! Điện có thể được dùng để hút nhiệt qua hiệu ứng Peltier, hoặc qua cách nén khí bằng compressor rồi sử dụng hiệu hứng thay đổi áp suất dẫn đến thay đổi nhiệt sau đó, hoặc là các cách khác, nhưng kiểu gì thì cũng phải nộp cống cho thằng Ên Trô Pỳ.

Những kẻ "ăn theo"

Như người ta thường nói "không chống được chúng, thì hãy theo chúng".  Có những kẻ đã khôn ngoan đi ăn theo, mượn vía Ên Trô Pỳ. Đầu tiên có thể kể đến Claude Shannon (1916-2001), cha đẻ của lý thuyết thông tin. Khi Shannon nghĩ ra công thức đo lượng thông tin (hay là lượng thông tin bị mất mát đi khi truyền tin) vào quãng những năm 1944-1948, định gọi nó là "độ bất xác định", nhưng John von Neumann đã khuyên nên đặt tên nó là entropy, với hai lý do: một là công thức của Shannon trông giống y chang công thức entropy trong vật lý thống kê (như kiểu công thức của Boltzmann), và hai là "không ai thực sự biết entropy là gì, nên cậu gọi như vậy thì sẽ lợi thế khi tranh luận!".

Nếu không gian xác  suất chia làm n tập con với các xác suất  tương ứng (), thì entropy của phép chia này bằng

Hiểu công thức trên như thế nào ? Để cho đơn giản, hình dung là chia đều thành 8 phần, mỗi phần xác suất 1/8, khi đó entropy bằng 3. Số 3 ở đây hiểu là "3 bit thông tin": Xét 8 số nhị phân có 3 chữ số: 000, 001, 010, 011, 100, 101, 110, 111. Giả sử cần lấy ra 1 số trong 8 số đó. Để biết là cần lấy ra số nào, thì cần có 3 bit thông tin: chữ số đầu là gì, 0 hay 1, là 1 bit thông tin, chữ số thứ 2 cũng ứng với 1 bit, và chữ số thứ 3 cũng 1 bit.

Sau khi Shannon "ăn theo" thì tiếp ngay đến Kolmogorov, với định nghĩa "metric entropy" cho các hệ động lực, vào đầu những năm 1950. Tiếp theo đó là một loạt các nhà toán học khác như Sinai, Adler, Dinaburg, Bowen, … nghiên cứu metric entropy rồi topological entropy cho các hệ động lực, rồi tiếp đến Ghys, Walczak, Langevin xét entropy hình học cho các phân thới, v.v. Đấy mới chỉ là tụi "làm toán ăn theo" không kể các hội vật lý, tin học, v.v. khác ăn theo entropy.

Kẻ thừa giấy vẽ con voi này cũng đang đi ăn theo với "entropy của các cấu trúc hình học", mà trường hợp riêng là các đa tạp Poisson, hay các singular distributions nào đó. Việc nó liên quan đến quỉ sử Ên Trô Pỳ (trong tự nhiên) thế nào thì chưa hề rõ.

Trong kinh tế, những kẻ ăn theo cũng đưa vào khái niệm corporate entropy, để chỉ sự rắm rối của các doanh nghiệp dẫn đến giảm hiệu quả lao động.

Entropy của thức ăn

Một lần kẻ thừa giấy vẽ voi này có được hầu chuyện Alain Connes trong một bữa đánh chén. Câu chuyện huyên thuyên một lúc không hiểu sao lại nhảy sang entropy. Connes say sưa với lý thuyết entropy về thức ăn của mình: thức ăn vào bụng thì kiểu gì cũng sẽ phải đạt mức entropy nào đó. Hãy để cho dạ dày và ruột của ta làm việc đó (tăng entropy của thức ăn lên, là một cách làm giảm entropy của bản thân chúng ta, giúp ta khỏe lên). Đừng ăn thức ăn có entropy cao sẵn (khi đó cơ thể người còn ít việc để làm, không làm giảm entropy của người đi được). Hẵy học tập người Nhật: đồ ăn của họ thường ở dạng entropy thấp (ví dụ như ăn cá sống). Đừng có ăn nhiều đồ đã băm nát trộn lẫn xào xáo nhiều … Cũng có thể đồ ăn có entropy thấp là một trong các bí quyết sống lâu của người Nhật thật.

Entropy âm ?

Trong lúc Connes kể chuyện về entropy của thức ăn, thì kẻ này có liều mình hỏi một câu provocative: thế entropy có âm được không ? Connes liền kể chuyện Boltzmann bị người đời không hiểu dẫn đến chán đời tự tử ra sao.

Tất nhiên theo các công thức của Boltzmann hay Shannon hay này nọ, thì entropy không thể âm. Thế nhưng câu hỏi "triết học" vì sao entropy lại phải dương không hẳn là câu hỏi dở hơi, đặc biệt khi ta coi mọi thứ chỉ là tương đối. Năng lượng có thể âm thoải mái không sao, vì nếu lấy hàm năng lượng trừ đi một hằng số, thì không hề ảnh hưởng đến phương trình chuyển động. (Hay như Dirac nghĩ ra các phản hạt xả láng, âm có làm sao đâu ?!) Entropy cũng vậy, nếu trừ đi một hằng số thì có lẽ chẳng ảnh hưởng gì hết đến các lý thuyết, vì cái người ta đo thực ra là độ thay đổi entropy, chứ không phải entropy tuyệt đối.

Kẻ vẽ voi này đi tìm hiều về "entropy âm", thì phát hiện ra có khái niệm đó thật! Chính Schroedinger đưa ra khái niệm "negative entropy", hay còn gọi là negentropy, trong quyển sách What is life. Thực ra thì cũng không có gì dám "báng bổ" quỉ sử Ên Trô Pỳ về bản chất. Có thể coi entropy + negentropy là hằng số, tức là negentropy là phần "dư ra" chưa bị entropy chén mất, và phần này ứng với phần năng lượng còn dùng được. Sự sống có được là nhờ có negentropy.

Entropy của các cấu trúc tổ chức xã hội ?

Một câu hỏi thú vị đặt ra với các nhà xã hội học: các mô hình, cơ chế xã hội nào tạo entropy cao nhất, làm tăng entropy nhanh nhất ?

Câu hỏi này rất khó, kẻ vẽ voi không dám vẽ bậy ở đây. Nhưng trộm nghĩ rằng các cơ chế "cào bằng", "xin cho", tham nhũng v.v. ắt hẳn dẫn đến entropy cao ?!