Giáo dục và tự do

Giáo dục và tự do

(Tác giả: Lê Ngọc Trà – Nguồn: tiasang.com.vn)

(Nhân đọc L.Tolstoi và F.Nietzsche bàn về giáo dục)

Tự do là một trong những thứ quí giá nhất của con người. Hạnh phúc không chỉ là có cơm ăn áo mặc. Hạnh phúc là có Tự do. Độc lập tức thoát khỏi mọi phụ thuộc cũng là để được Tự do. Dân chủ cũng là một hình thức của Tự do, nhằm đạt đến Tự do. Tự do hiểu đơn giản là sự thoải mái, được hành động, làm theo ý mình, sức mình, không bị áp đặt và trói buộc, kể cả tự trói buộc mình, giống như cảm giác của một người vừa chủ trì cuộc họp, phát biểu chỉ dạy trước đám đông được trở về nhà, cởi cà-vạt, tháo giày, ngồi thoải mái một mình trong căn phòng yên tĩnh, cảm thấy mình là chính mình, thoát khỏi mọi lo âu vì trách nhiệm phải hoàn thành, vì sự trừng phạt có thể xảy ra, thoát khỏi cái vai mà mình phải sắm, phải diễn. Ở mức cao hơn Tự do là quyền sống, quyền làm ăn, thoát khỏi xích xiềng, là tự do ngôn luận, tự do tinh thần. Không có Tự do, con người như mất không khí thở. Người ta có thể chết vì mất Tự do, và cũng có thể sẵn sàng chết cho Tự do, hy sinh vì Tự do. Khi có Tự do, con người có thể làm được rất nhiều thứ theo ý mình. Đó là thời điểm khởi đầu cho vui chơi và sáng tạo. Nhà thơ Đức F. Schiller từng nói: “Con người chỉ chơi khi nó là người trong ý nghĩa đầy đủ của từ này và con người chỉ thực sự đúng là người khi chơi”. Với F. Schiller, khi chơi là lúc con người tự do, mà chỉ khi tự do thì con người mới thực sự là người. Sáng tạo cũng vậy. Người ta vẫn có thể sáng tạo theo mệnh lệnh, nhưng chủ yếu và quan trọng nhất là sáng tạo theo ý mình, tức sáng tạo như một hành động tự do. Chỉ khi có tự do thực sự mới có sáng tạo thực sự, dù là trong công việc hằng ngày, trong khoa học hay trong sáng tác nghệ thuật.

Tự do có quan hệ hữu cơ với Giáo dục. “Những nhà giáo dục của anh – F.Nietzsche viết – sẽ chẳng là gì hết nếu họ không phải là những người giải phóng anh”(1). “Giải phóng anh” ở đây là mang lại cho anh tri thức, giúp anh hiểu biết, giúp anh thoát khỏi màn đêm u tối bao quanh, giải phóng anh thoát khỏi các tín điều, giúp anh tìm lại chính mình và nhờ đó anh có Tự do. Cùng với cuộc đấu tranh để thay đổi các thiết chế xã hội và cải cách kinh tế, giải phóng cá nhân thông qua giáo dục là con đường đi đến tự do xã hội. Một xã hội tự do là xã hội của những con người tự do, do những người có hiểu biết và có ý thức về tự do tạo dựng nên.

Giáo dục không chỉ giải phóng mà còn vun bồi và nuôi dưỡng Tự do. Giáo dục tự bản thân mình là văn hóa nhưng đồng thời cũng là con đường để hình thành văn hóa, giúp con người biết ăn ở, biết lao động, biết thờ cúng, biết vui chơi, biết làm khoa học hay sáng tác thơ ca, nghệ thuât. Giáo dục và Văn hóa mở ra chân trời cho Tự do, mở cửa đi đến Tự do, tạo điều kiện để con người sử dụng và thực hiện tự do của mình, phát huy khả năng và ý muốn của mình và cũng chính nhờ đó việc có Tự do không biến người ta thành những kẻ vô công rồi nghề, bản thân Tự do cũng không trở nên xa xỉ hay vô nghĩa. Đặc biệt nhờ có Giáo dục và Văn hóa, Tự do được nuôi dưỡng và truyền lại từ thế hệ này sang thế hệ khác để nó được lưu giữ, không bị tiêu tan hay hao mòn dưới áp lực của mọi thứ chủ nghĩa danh lợi, khủng bố hay độc tài, toàn trị. Tự do là tinh thần tự do, ý thức về Tự do. Nhà trường và thơ ca hoặc ngấm ngầm hoặc công khai bao giờ cũng ấp ủ hay thổi bùng ngọn lửa tình yêu Tự do, tinh thần Tự do trong trái tim và khối óc của thế hệ trẻ cũng như trong toàn xã hội. Đồng thời, mặt khác, nhờ Giáo dục và Văn hóa, Tự do không chỉ trút bỏ tính hoang dã của mình mà còn khắc phục được những biểu hiện của thói tự tung tự tác và vô chính phủ (anarchy) thường bắt gặp trong các cuộc cách mạng hay trên con đường đi tìm sự bình đẳng và bản ngã cá nhân vốn đầy trắc trở và bi kịch. Không có Tự do thì không có con người, nhưng con đường Tự do là con đường đau khổ. Nhà trường và Thơ ca không chỉ khơi dậy khát vọng về Tự do mà còn làm quen những người trẻ tuổi với đau khổ của Tự do. Đó cũng là một cách chuẩn bị để thế hệ trẻ trưởng thành, vững vàng bước lên con đường đến với Tự do mà không dễ dàng chùn bước hay nản chí mỗi lần bị vấp ngã.
***
Nhưng Giáo dục không chỉ là khai trí, là con đường dẫn đến Tự do. “Giáo dục – L.Tolstoi viết – là biểu hiện cái mặt tồi tệ trong bản chất con người, nó là một hiện tượng chứng minh trình độ phát triển thấp của tư duy con người”. Tại sao vậy? Vì “Giáo dục là ý nguyện của một người muốn biến người khác thành một kẻ giống anh ta”. Ý nguyện ấy, theo L.Tolstoi, đi ngược lại quyền tự do của con người và không thể tồn tại: “Sự giáo dục với nghĩa là một quá trình cố ý hình thành người khác theo những khuôn mẫu nhất định, không hiệu quả, không hợp pháp và cũng không thể làm được”(2) Ở đây ý nghĩ của L.Tolstoi trùng với tư tưởng của F.Nietzsche khi triết gia này cho rằng “ý nghĩa nguyên thủy và bản thể chủ yếu” của con người là “những cái chống lại mọi hình thái giáo dục, mọi sự tác thành”(3).

Nói giáo dục như “cái mặt tồi tệ trong bản chất con người” và đi ngược lại “ý nghĩa nguyên thủy và bản thể chủ yếu của con người” nghe có vẻ lạ lùng, nhưng thực tế cho thấy điều đó không phải là sai. Cái gì cũng có hai mặt của nó. Vũ khí hạt nhân là sáng tạo của con người, nó cũng là văn hóa, nhưng vũ khí hạt nhân có thể sử dụng vào mục đích hòa bình mà cũng có thể dùng để gây chiến tranh hủy diệt. Đến như nghệ thuật là một trong những sáng tạo kỳ diệu nhất của con người nhưng dưới con mắt L.Tolstoi nó cũng có thể là điều ác: “Toàn bộ cái gọi là nghệ thuật – đó là một điều ác khổng lồ, một điều ác được đưa thành hệ thống. Cho dù những gì tôi nhận được ở cái gọi là nghệ thuật ấy quan trọng đến chừng nào thì dẫu sao bây giờ nếu có phải chọn lại một lần nữa giữa nghệ thuật như người ta vẫn hiểu và không có nghệ thuật thì chắc tôi sẽ chọn cái sau, cho chính mình cũng như cho những ai tôi mong sao họ được tốt lành”(4).

Quan hệ của Giáo dục với Tự do cũng tương tự. Giáo dục có thể là hình thức khai mở con đường đi đến Tự do, nuôi dưỡng và kích thích khát vọng tự do, nhưng Giáo dục cũng có thể là công cụ chế ngự Tự do, sự phát triển tự do, nhất là tự do tư tưởng, tự do tinh thần. “Giáo dục tư tưởng” có thể hướng tới những mục tiêu tốt đẹp, nhưng nó cũng có thể biến thành sự kìm kẹp về tư tưởng, triệt tiêu tư tưởng, nhất là khi những tư tưởng ấy mới mẻ, độc lập, khác với tư tưởng của người truyền đạt, của nhà trường, nhà nước. L.Tolstoi và F.Nietzsche phản đối bất cứ hình thái giáo dục nào mà ở đó những điều truyền dạy bao giờ cũng được coi là chân lí bất di bất dịch, là duy nhất đúng, ở đó học sinh chỉ được phép ghi nhớ và học thuộc chứ không có quyền thảo luận và nói lại. Lối giáo dục ấy, nếu về phương diện xã hội có gốc rễ trong tính chất chuyên chế của nhà nước, thì về phương diện cá nhân, theo L.Tolstoi, nó là “biểu hiện cái mặt tồi tệ trong bản chất con người” – đó là sự coi thường con người, coi mình tốt hơn người khác, có những đức hạnh mà người khác không có và từ đó tự cho mình có quyền “giáo dục” người khác.

Giáo dục – nếu có cái gọi là “giáo dục”, thì đối với L.Tolstoi, đó phải là một nền giáo dục tự do. “Chuẩn mực của giáo dục – ông viết – chỉ có một mà thôi – đó là Tự do”(5). Thế nào là một nền giáo dục tự do? L.Tolstoi giải thích: “Tự do là điều kiện thiết yếu của mọi qui trình đào tạo chân chính đối với người học cũng như người dạy… Chỉ riêng sự tự do hoàn toàn này, tức không có cưỡng bách và lợi lộc cũng đã giải thoát mọi người khỏi phần lớn những tệ nạn mà qui trình đào tạo cưỡng bách và lợi lộc hiện thời đang phát sinh”(6). Sự thoát khỏi mọi “cưỡng bách và lợi lộc” thể hiện trong tất cả “các qui trình đào tạo”, cả ở “người học và người dạy” đến lượt mình sẽ mang đến những hình thức dạy học mới, không lấy sự thuyết giảng theo lối áp đặt của thầy giáo làm chính, không dùng thi cử như một cách trừng phạt hay cưỡng bách ngấm ngầm và lúc ấy bản thân khái niệm “nhà trường” cũng không còn như cũ. “Nhà trường có thể không phải là cái nhà trường như chúng ta thường quan niệm, nghĩa là có bảng đen, có bàn học sinh, có bục giảng giáo viên hay giáo sư – nó có thể là một gánh xiếc, một nhà hát, thư viện, bảo tàng hay một cuộc đàm thoại-tổ hợp môn học…”. Trong cái nhà trường kiểu ấy thầy giáo có thể “bắt đầu dạy đại số và hình học giải tích cho những học sinh chưa biết số học…, dạy lịch sử Trung đại cho những học sinh chưa học thuộc lòng Lịch sử Cổ đại” (7). Những lời trên đây của L.Tolstoi thật là kinh ngạc. Nghe cứ như của các nhà giáo dục đổi mới hôm nay chứ không phải của đại văn hào Nga hơn 100 năm trước!
***
Chúng ta đang muốn thay đổi căn bản và toàn diện giáo dục Việt Nam và như vậy phải bắt đầu từ Triết lí. Nhưng Triết lí giáo dục ấy sẽ là gì? Có nhiều ý kiến khác nhau, trong đó đáng chú ý nhất là quan niệm nêu lên mục tiêu giáo dục hướng tới việc hình thành những con người tự do, có óc sáng tạo, chứ không phải con người chỉ biết phục tùng và làm theo những khuôn mẫu có sẵn. Nhưng làm thế nào để có được những con người như vậy? L.Tolstoi đã từng trả lời câu hỏi ấy khi ông ước mơ về giáo dục trong thế kỷ XXI – đó là xây dựng nền giáo dục “hình thành trên cơ sở quyền tự do của thế hệ học trò mới”. Đó là một kiểu văn hóa giáo dục mới đặt nền tảng trên sự thương yêu và tôn trọng con người, tôn trọng sự phát triển tự nhiên của trẻ, khuyến khích sở trường và tài năng, khơi dậy tìm tòi, khám phá và sáng kiến cá nhân, không áp đặt và trừng phạt. Đó là một kiểu nhà trường mới không phải như nơi ban phát chân lí và yêu cầu học thuộc, thấm nhuần mà là môi trường mở về tri thức, tự do tư tưởng, là nơi mọi người cả thầy và trò cũng như trò và trò cùng học lẫn nhau, cùng trao đổi, phản biện, tôn trọng lẫn nhau, tôn trọng sự khác biệt. Đó cũng là nơi cùng với sự phát triển tự do về tri thức, năng lực và tư duy sẽ hình thành những con người biết sống, biết yêu thương, trung thực và chuộng công lí, chuộng lẽ phải. Tóm lại đó là kiểu nhà trường “hoàn toàn tự do”, thoát khỏi mọi “cưỡng bách và lợi lộc”. L.Tolstoi tin rằng xây dựng kiểu nhà trường như vậy chính là con đường đưa con người đến hạnh phúc.

“Để công cuộc đào tạo mang lại kết quả ngày càng tốt đẹp hơn, tức là thúc đẩy sự vận động của nhân loại đến hạnh phúc ngày càng lớn thì cần phải làm sao để sự nghiệp đào tạo được tự do”.

L.Tolstoi viết những lời này một năm trước khi qua đời, khẳng định lại những điều ông đã nói nhiều lần hơn bốn mươi năm trước đó trong những trích dẫn ở trên. Niềm tin và hy vọng của L.Tolstoi cũng là niềm tin và hy vọng của chúng ta. Tin vào tầm quan trọng của Giáo dục và hy vọng sẽ có một nền giáo dục tự do trong tương lai.
—-
* GS.TSKH
(1)(3) F. Nietzsche: Schopenhauer – nhà giáo dục. (Bản dịch của Mạnh Tường-Tố Liên), Nxb. Văn học, HN, 2006, tr.12
(2)(5)(6)(7)(8) L.Tolstoi: Các bài báo: Về Giáo dục quốc dân, Về Giáo dục và Đào tạo, Bàn về Giáo dục, in trong “Đường sống – Văn thư Nghị luận chọn lọc” (Bản dịch của Phạm Vĩnh Cư và các cộng sự), Nxb. Tri thức, HN, tr. 30,22,821,59,822
(4) L.Tolstoi: Toàn tập (tiếng Nga), tập 30, tr. 211-212

———————–&&&———————-

R in Financial Services: Challenges and Opportunities [NYR-2017]

R in Financial Services: Challenges and Opportunities [NYR-2017]

(Nguồn: http://blog.revolutionanalytics.com)

At the New York R Conference earlier this year, Lixun Zhang gave a presentation on the challenges and opportunites financial services companies encounter when using R. In the talk, he shares some lessons learned while working with an couple of international banks that have been using SAS, but are transitioning workloads to R. The talk also includes an example of operationalizing R code for production using Microsoft R Server.

You can see his presentation linked below, and the slides are available here (PDF).

You can find many more interesting presentations from the 2017 New York R Conference archived at the link below.

New York R Conference: 2017 Videos

————————-&&&———————-

Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017

Khóa học: Giới Thiệu Về Khoa Học Dữ Liệu. VIASM. 15-17/05/2017

(Nguồn: http://viasm.edu.vn)

Link các slides bài giảng: http://www.jaist.ac.jp/~bao/DS2017/

Thời gian: 09:00:15/05/2017 đến 11:30:17/05/2017

Địa điểm: VIASM

Tóm tắt:

Các bài giảng này cung cấp một bức tranh tổng thể, các khái niệm cơ bản, ý tưởng các phương pháp, những tiến bộ quan trọng của Khoa học Dữ liệu (KHDL), lĩnh vực thời sự hiện nay của khoa học và công nghệ số, là nền tảng của Cách mạng Công nghiệp 4.0.Các bài giảng này hướng đến giáo viên đại học và sinh viên, những người làm R&D ở các viện, các doanh nghiệp, các cán bộ quản lý KH&CN, và những người muốn tìm hiểu về Khoa học Dữ liệu. Các bài giảng này chia làm hai phần.

Phần 1 (Cơ bản về Khoa học Dữ liệu) cung cấp bức tranh tổng thể, khái niệm và vấn đề của KHDL, thích hợp cho người cần biết chung, quản lý và dùng KHDL.

Phần 2 (Nguyên lý và Phương pháp của Khoa học Dữ liệu) cung cấp ý tưởng cơ bản của các phương pháp của KHDL và chia sẻ kinh nghiệm. Phần này thích hợp cho người làm nghiên cứu, ứng dụng và phát triển KHDL.

Chương trình Hà Nội

Ngày 15.5: Cơ bản về Khoa học Dữ liệu

Sáng 9:00 – 11:30 Tổng quan về Khoa học dữ liệu 

– Bài giảng 1.1: Cách mạng Công nghiệp 4.0 và Khoa học Dữ liệu

Diễn giả: GS Hồ Tú Bảo (90 phút)

  • Bản chất của cách mạng công nghiệp 4.0
  • Khoa học dữ liệu và cách mạng công nghiệp 4.0
  • Nguyên lý của khoa học dữ liệu

– Bài giảng 1.2: Nền tảng Công nghệ của Khoa học Dữ liệu

Diễn giả: GS Phùng Quốc Định (60 phút)

  • Khoa học phân tích dữ liệu lớn
  • Xử lý dàn trải, phân tán và song song
  • Công nghệ Hadoop, Spark và TensorFlow cho dữ liệu lớn và mô hình nhiều tầng (deep learning).

Chiều 1:30 – 4:00Ứng dụng Khoa học Dữ liệu – Toạ đàm

– Bài giảng 1.3: Khoa học Dữ liệu và Y tế điện tử (e-health)

Diễn giả: GS Hồ Tú Bảo (40 phút)

  • Bệnh án điện tử (BADT) và e-health
  • Vấn đề của khoa học dữ liệu trong y tế điện tử (e-health)

– Bài giảng 1.4: Khoa học Dữ liệu trong Công nghiệp

Diễn giả: TS Bùi Hải Hưng (50 phút)

  • Bài toán và bài học về khoa học dữ liệutrong công nghiệp

TOẠ ĐÀM (PANEL DISCUSSION) (60 phút)

—————————————————————————-

Ngày 16.5: Nguyên lý và Phương pháp của Khoa học Dữ liệu  

Sáng 9:00 – 11:30Nguyên lý vàmô hình thống kê

– Bài giảng 2.1: Mô hình suy diễn Bayes và tần suất

Diễn giả: GS Nguyễn Xuân Long (150 phút)

  • Phương pháp Bayes và tần suất trong suy diến thống kê
  • Kết quả mới, thách thức và triển vọng

Chiều 1:30 – 4:00 Mô hình tư vấn và học nhiều tầng

– Bài giảng 2.2: Mô hình tư vắn ra quyết định

Diễn giả: TS Bùi Hải Hưng(60 phút)

  • Hệ tư vấn ra quyết định (recommender systems)
  • Bài học trong ứng dụng

– Bài giảng 2.3Các phương pháp học nhiều tầng

Diễn giả: GS Phùng Quốc Định (90 phút)

  • Các mô hình học nhiều tầng (deep learning)
  • Kinh nghiệm, bài học, hạn chế và xu hướng

—————————————————————————-

Ngày 17.5: Nguyên lý và phương pháp của Khoa học Dữ liệu 

Sáng 9 – 11:30 Giải pháp khi dữ liệu có kích thước lớn

– Bài giảng 3.1: Phương pháp và Công nghệ của Dữ liệu lớn

Diễn giả: GS Phùng Quốc Định & TS  Bùi Hải Hưng (90 phút)

  • Thách thức khi xử lý dữ liệu với kích thước và độ phức tạp cực lớn
  • Các phương pháp tiếp cận

TOẠ ĐÀM (PANEL DISCUSSION) (60 phút)

*****************************

Hạn đăng ký tham dự và gửi CV: 8/5/2017

Đăng kí: link


Chương trình Hồ Chí Minh

————————&&&——————–

Coursera MOOC-Machine Learning Foundations: A Case Study Approach; University of Washington

Coursera MOOC-Machine Learning Foundations: A Case Study Approach; University of Washington

UW_square_180x180.png (72×72)

About this course: Do you have data and wonder what it can tell you? Do you need a deeper understanding of the core ways in which machine learning can improve your business? Do you want to be able to converse with specialists about anything from regression and classification to deep learning and recommender systems?

In this course, you will get hands-on experience with machine learning from a series of practical case-studies. At the end of the first course you will have studied how to predict house prices based on house-level features, analyze sentiment from user reviews, retrieve documents of interest, recommend products, and search for images. Through hands-on practice with these use cases, you will be able to apply machine learning methods in a wide range of domains.

This first course treats the machine learning method as a black box. Using this abstraction, you will focus on understanding tasks of interest, matching these tasks to machine learning tools, and assessing the quality of the output. In subsequent courses, you will delve into the components of this black box by examining models and algorithms. Together, these pieces form the machine learning pipeline, which you will use in developing intelligent applications.

Learning Outcomes: By the end of this course, you will be able to:

  • -Identify potential applications of machine learning in practice.
  • -Describe the core differences in analyses enabled by regression, classification, and clustering.
  • -Select the appropriate machine learning task for a potential application.
  • -Apply regression, classification, clustering, retrieval, recommender systems, and deep learning.
  • -Represent your data as features to serve as input to machine learning models.
  • -Assess the model quality in terms of relevant error metrics for each task.
  • -Utilize a dataset to fit a model to analyze new data.
  • -Build an end-to-end application that uses machine learning at its core.
  • -Implement these techniques in Python.

Syllabus

WEEK 1. Welcome
WEEK 2. Regression: Predicting House Prices (Linear Regression)
WEEK 3. Classification: Analyzing Sentiment (Logistic Regression)
WEEK 4. Clustering and Similarity: Retrieving Documents (k-means, Nearest Neighbors)
WEEK 5. Recommending Products (Matrix factorization)
WEEK 6. Deep Learning: Searching for Images (Neural network, Nearest Neighbors)

*********************

Đăng kí (free): link

———————&&&——————

Machine Learning with R

Phương pháp tốt nhất để học Machine Learning là thiết kế và hoàn thiện những dự án nhỏ

Học máy với R

Thuật toán:

  1. Linear Discriminant Analysis (LDA)
  2. Classification and Regression Trees (CART).
  3. k-Nearest Neighbors (kNN).
  4. Support Vector Machines (SVM) with a linear kernel.
  5. Random Forest (RF)

Thuật toán: Random Forest


Thuật toán:

  1. Logistic Regression
  2. Recursive partitioning for classification (Basic and Bayesian)
  3. Random Forest
  4. Conditional Inference Tree
  5. Bayesian Networks
  6. Unbiased Non-parametric methods- Model Based (Logistic)
  7. Support Vector Machine
  8. Neural Network
  9. Lasso Regression

Mô hình: Artificial Neural Network (ANN): Feed-forward neural network


Mô hình:

  1. Feedforward neural network (Use Case: MNIST Digit Classification)
  2. Deep Autoencoders (Use Case: Anomaly Detection)


——————–&&&——————

Hội thảo: Một số phương pháp phân tích thống kê hiện đại và các ứng dụng. Viện Toán học. 11-13/5/2017

Hội thảo: Một số phương pháp phân tích thống kê hiện đại và các ứng dụng. Viện Toán học. 11-13/5/2017

(Nguồn: http://math.ac.vn)

Viện Toán học – Viện HLKHCNVN kết hợp với Trường Đại học Sư phạm Hà Nội và Học viện Nông nghiệp Việt Nam tổ chức Hội thảo khoa học “Một số phương pháp phân tích thống kê hiện đại và các ứng dụng” tại Hà Nội từ ngày 11 đến 13/5/2017.

HoiThaoTKeUngDung20170511_.jpg (716×1024)
Chủ đề của Hội thảo là các phương pháp phân tích thống kê hiện đại được sử dụng như công cụ nghiên cứu của nhiều ngành khoa học khác ngoài Toán. Bên cạnh một số báo cáo về các kết quả mới liên quan đến Thống kê ứng dụng, nội dung chủ đạo của Hội thảo sẽ bao gồm các phương pháp phân tích thống kê để giúp giải quyết các bài toán nghiên cứu do chính các thành viên tham gia Hội thảo đề xuất.
Do vậy, Ban tổ chức Hội thảo khuyến khích các cán bộ nghiên cứu của các đơn vị (nhất là các đơn vị chuyên môn ngoài Toán như Môi trường; Sinh học; Y học; Dược; Nông nghiệp; Lâm nghiệp; Kinh tế; Xã hội học; Khoa học Giáo dục, …) đăng ký tham gia Hội thảo cung cấp trước thông tin về các vấn đề nghiên cứu đơn vị mình đang tiến hành, nhưng còn vướng mắc về phương pháp phân tích thống kê, để các chuyên gia thống kê sẽ tổ chức tư vấn ngay tại Hội thảo. Nên cung cấp thông tin về các vấn đề nghiên cứu như vậy cùng với bộ dữ liệu liên quan, có thể chỉ cung cấp một phần nhỏ chứ không phải toàn bộ dữ liệu, để các chuyên gia của Hội thảo hiểu được cấu trúc của dữ liệu, nhằm đề xuất được phương pháp phân tích thống kê thích hợp.

Ban tổ chức: Hồ Đăng Phúc (Phòng XSTK – Viện Toán học), Ngô Hoàng Long (Khoa Toán – ĐHSP Hà Nội), Nguyễn Văn Hạnh (Khoa CN Thông tin – Học viện Nông nghiệp), Phạm Quang Khoái (ĐH Lâm nghiệp), Bùi Quảng Nam (Học viện PKKQ), Cấn Văn Hảo, Trần Văn Thành (Viện Toán học, Thư ký).
Thông tin cập nhật về Hội thảo có thể tham khảo trên trang web của Viện Toán học.
Kinh phí tham dự hội thảo:

  • Phí tham dự: 200.000 đồng;
  • Các đại biểu có báo cáo tại Hội thảo được miễn phí tham dự;
  • Các đại biểu có cung cấp cho Ban tổ chức Hội thảo các vấn đề nghiên cứu cùng dữ liệu kèm theo cũng được miễn phí tham dự.

Địa chỉ liên hệ: Để biết thêm thông tin chi tiết về hội nghị xin liên hệ với
Trần Văn Thành
Viện Toán học, Viện HLKHCN Việt Nam
18 Hoàng Quốc Việt, Q. Cầu Giấy, Hà Nội
E-mail: tvthanh@math.ac.vn
hoặc

Hồ Đăng Phúc
Viện Toán học, Viện HLKHCN Việt Nam
18 Hoàng Quốc Việt, Q. Cầu Giấy, Hà Nội
E-mail: hdphuc@math.ac.vn

hoặc các thành viên khác trong Ban tổ chức.
Mẫu đăng ký tham dự download tại đây

———————&&&——————–

Các phương pháp Toán học và Định lượng trong kinh tế: Phân loại theo JEL (AEA)

Các phương pháp Toán học và Định lượng  trong kinh tế: Phân loại theo JEL (AEA)

(Tham khảo: http://thangdinhdang.blogspot.com)

Hệ thống phân loại Journal of Economic Literature (JEL) được áp dụng như là một tiêu chí chuẩn mực để phân loại lý thuyết kinh tế học hiện nay trên thế giới. JEL giúp xác định và phân loại chính xác các bài báo được xuất bản, các luận văn, các sách và giáo trình, các công trình tóm lược sách, và các báo cáo nghiên cứu trong hệ thống lý thuyết của khoa học kinh tế. Do đó, JEL được nhìn nhận như là một “bản đồ” về lý thuyết kinh tế học. JEL được thiết lập và phát triển bởi Hiệp hội Kinh tế học Hoa Kỳ (American Economic Association) và liên tục được cập nhật để phản ánh sự tiến hóa và thay đổi trong hệ thống lý thuyết kinh tế học đương đại.

Cẩm nang này giới thiệu hệ thống phân loại Các phương pháp Toán học và Định lượng vào 4/2017 

 

C  –  Các phương pháp Toán học và Định lượng [Mathematical and Quantitative Methods]

C00 Tổng quát [General]

C01 Kinh tế lượng [Econometrics]

C02 Các phương pháp Toán học [Mathematical Methods]

C1 Các phương pháp Kinh tế lượng và Thống kê và Phương pháp luận: Tổng quát [Econometric and Statistical Methods and Methodology: General]

C10 Tổng quát [General]

C11 Phân tích Bayes: Tổng quát [Bayesian Analysis: General]

C12 Kiểm định Giả thuyết: Tổng quát [Hypothesis Testing: General]

C13 Ước lượng: Tổng quát [Estimation: General]

C14 Các phương pháp Bán-tham số và Phi-tham số: Tổng quát [Semiparametric and Nonparametric Methods: General]

C15 Các phương pháp Mô phỏng Thống kê: Tổng quát [Statistical Simulation Methods: General]

C18 Các vấn đề Phương pháp luận: Tổng quát [Methodological Issues: General]

C19 Vấn đề khác [Other]

C2 Các mô hình Phương trình đơn • Các Đơn biến [Single Equation Models • Single Variables]

C20 Tổng quát [General]

C21 Các mô hình dữ liệu chéo • Các mô hình không gian • Các mô hình Treatment Effect • Hồi quy phân vị [Cross-Sectional Models • Spatial Models • Treatment Effect Models • Quantile Regressions]

C22 Các mô hình chuỗi thời gian • Hồi quy phân vị động • Các mô hình Treatment Effect động & Quá trình khuếch tán [Time-Series Models • Dynamic Quantile Regressions • Dynamic Treatment Effect Models & Diffusion Processes]

C23 Các mô hình Dữ liệu bảng • Các mô hình không gian-thời gian [Panel Data Models • Spatio-temporal Models]

C24 Các mô hình Truncated and Censored • Mô hình Hồi quy Switching • Mô hình Hồi quy Threshold [Truncated and Censored Models • Switching Regression Models • Threshold Regression Models]

C25 Hồi quy rời rạc và Các mô hình lựa chọn định tính • Hồi quy rời rạc • Proportions • Probabilities [Discrete Regression and Qualitative Choice Models • Discrete Regressors • Proportions • Probabilities]

C26 Ước lượng Biến Công cụ (IV) [Instrumental Variables (IV) Estimation]

C29 Vấn đề khác [Other]

C3 Các Mô hình phương trình đa biến hay đồng thời • Các đa biến [Multiple or Simultaneous Equation Models • Multiple Variables]

C30 Tổng quát [General]

C31 Các mô hình dữ liệu chéo • Các mô hình không gian • Các mô hình Treatment Effect • Hồi quy phân vị • Các mô hình tương tác xã hội [Cross-Sectional Models • Spatial Models • Treatment Effect Models • Quantile Regressions • Social Interaction Models]

C32 Các mô hình chuỗi thời gian • Hồi quy phân vị động • Các mô hình Treatment Effect động • Quá trình khuếch tán  • Các mô hình không gian trạng thái [Time-Series Models • Dynamic Quantile Regressions • Dynamic Treatment Effect Models • Diffusion Processes • State Space Models]

C33 Các mô hình Dữ liệu bảng • Các mô hình không gian-thời gian [Panel Data Models • Spatio-temporal Models]

C34 Các mô hình Truncated and Censored • Mô hình Hồi quy Switching [Truncated and Censored Models • Switching Regression Models]

C35 Hồi quy rời rạc và Các mô hình lựa chọn định tính • Hồi quy rời rạc • Proportions [Discrete Regression and Qualitative Choice Models • Discrete Regressors • Proportions]

C36 Ước lượng Biến Công cụ (IV) [Instrumental Variables (IV) Estimation]

C38 Phương pháp Phân loại • Phân tích Nhóm • Thành phần chính • Mô hình nhân tố [Classification Methods • Cluster Analysis • Principal Components • Factor Models]

C39 Vấn đề khác [Other]

C4 Các mô hình kinh tế lượng và Thống kê: Chủ đề đặc biệt [Econometric and Statistical Methods: Special Topics]

C40 Tổng quát [General]

C41 Phân tích Duration • Chiến lược Định thời gian tối ưu [Duration Analysis • Optimal Timing Strategies]

C43 Số Index and Tính gộp [Index Numbers and Aggregation]

C44 Nghiên cứu toán tử • Lý thuyết Quyết định Thống kê [Operations Research • Statistical Decision Theory]

C45 Mạng Thần kinh và Các chủ đề liên quan [Neural Networks and Related Topics]

C46 Các phân phối đặc biệt • Thống kê đặc biệt [Specific Distributions • Specific Statistics]

C49 Vấn đề khác [Other]

C5 Mô hình hóa Kinh tế lượng [Econometric Modeling]

C50 Tổng quát [General]

C51 Xây dựng mô hình và Ước lượng [Model Construction and Estimation]

C52 Đánh giá, Kiểm chứng và Lựa chọn mô hình [Model Evaluation, Validation, and Selection]

C53 Dự báo và Các mô hình dự báo • Các phương pháp Mô phỏng [Forecasting and Prediction Methods • Simulation Methods]

C54 Mô hình hóa Chính sách định lượng [Quantitative Policy Modeling]

C55 Bộ dữ liệu lớn: Mô hình hóa và phân tích  [Large Data Sets: Modeling and Analysis]

C56 Kinh tế lượng của trò chơi và đấu giá [Econometrics of Games and Auctions]

C58 Kinh tế lượng tài chính [Financial Econometrics]

C59 Vấn đề khác [Other]

C6 Các phương pháp toán học • Các mô hình lập trình • Mô hình hóa toán học và mô phỏng [Mathematical Methods • Programming Models • Mathematical and Simulation Modeling]

C60 Tổng quát [General]

C61 Các kỹ thuật tối ưu hóa • Các mô hình lập trình • Phân tích động [Optimization Techniques • Programming Models • Dynamic Analysis]

C62 Các điều kiện tồn tại và ổn định cho trạng thái cân bằng [Existence and Stability Conditions of Equilibrium]

C63 Các kỹ thuật tính • Mô hình hóa mô phỏng [Computational Techniques • Simulation Modeling]

C65 Các công cụ toán học hỗn hợp [Miscellaneous Mathematical Tools]

C67 Các mô hình Đầu vào – Đầu ra [Input–Output Models]

C68 Các mô hình cân bằng tổng quát khả tính [Computable General Equilibrium Models]

C69 Vấn đề khác [Other]

C7 Lý thuyết trò chơi và Lý thuyết thương lượng [Game Theory and Bargaining Theory]

C70 Tổng quát [General]

C71 Trò chơi hợp tác [Cooperative Games]

C72 Trò chơi không hợp tác [Noncooperative Games]

C73 Trò chơi động và ngẫu nhiên • Trò chơi tiến hóa • Trò chơi lặp lại [Stochastic and Dynamic Games • Evolutionary Games • Repeated Games]

C78 Lý thuyết thương lượng • Lý thuyết ghép đôi [Bargaining Theory • Matching Theory]

C79 Vấn đề khác [Other]

C8 Thu thập dữ liệu và Phương pháp ước lượng dữ liệu • Các chương trình máy tính [Data Collection and Data Estimation Methodology • Computer Programs]

C80 Tổng quát [General]

C81 Phương pháp thu thập, ước lượng, và tổ chức Dữ liệu kinh tế học vi mô • Truy cập dữ liệu [Methodology for Collecting, Estimating, and Organizing Microeconomic Data • Data Access]

C82 Phương pháp thu thập, ước lượng, và tổ chức Dữ liệu kinh tế học vĩ mô • Truy cập dữ liệu [Methodology for Collecting, Estimating, and Organizing Macroeconomic Data • Data Access]

C83 Các phương pháp khảo sát • Phương pháp lấy mẫu [Survey Methods • Sampling Methods]

C87 Phần mềm kinh tế lượng [Econometric Software]

C88 Các phần mềm máy tính khác [Other Computer Software]

C89 Vấn đề khác [Other]

C9 Thiết kế thí nghiệm [Design of Experiments]

C90 Tổng quát [General]

C91 Phòng thí nghiệm, Hành vi cá nhân [Laboratory, Individual Behavior]

C92 Phòng thí nghiệm, Hành vi nhóm [Laboratory, Group Behavior]

C93 Thí nghiệm thực địa [Field Experiments]

C99 Vấn đề khác [Other]

——————&&&——————