Hôm bữa mình có gửi mail test hệ thống tư vấn học tập ở trường để xem nó có hoạt động không ? Câu hỏi gửi đi là :“Đâu là nguồn tài liệu khoa học chính thống mà sinh viên có thể tìm tài liệu và lấy dẫn chứng khoa học từ đó?”. Và mình nhận được câu trả lời sau ba ngày, với mình thế là một tiến độ vừa đủ. Bạn nào cần thắc mắc gấp hơn thì có thể lên phòng gặp trực tiếp các thầy, mình cũng chưa thử trò này, hôm nào thử rồi sẽ review sau.
Câu trả lời:
Về nguồn tài liệu khoa học, thông thường sẽ theo thứ tự sau:
- Từ sách (nguồn tin cậy nhất).
- Từ các tạp chí khoa học (journal), uy tín nhất thường là các IEEE transaction.
- Từ các bài báo thuộc các hội thảo khoa học (hội thảo thì rất nhiều dạng; cần phải chọn các hội thảo có uy tín trong ngành; cái này thì tùy lĩnh vực theo đuổi sẽ có danh sách các hội thảo uy tín)
- Từ các nguồn khác trên mạng (cái này là kém tin tưởng nhất)
Để tìm các bài báo em có thể lên google scholar để tìm theo từ khóa nó sẽ liệt kê các bài báo khoa học có liên quan đến từ khóa đó; vào từng bài em sẽ xem được bài đó thuộc tạp chí hoặc hội thảo nào.
Hôm bữa Hoàn cũng có gửi cho mình một tài liệu về hướng dẫn tìm kiếm, quản lí và phân tích tài liệu tham khảo. Mình sẽ lược ra những nội dung căn bản ra đây :
1. Tại sao cần tìm kiếm, quản lí và phân tích tài liệu tham khảo ? Hmm, tại sao bạn lại hỏi tại sao ?
2. Các nguồn chính thống: IEEE, Science Direct, Web of Sciences, Engineering village,  SpringerLinks, SCBI, …
3. Các bước:
- B1: Xác định từ khóa.
- B2: Xây dựng Database.
- B3: Phân tích và quản lí tài liệu.
Mỗi một học kì khép lại là mình lại có thêm một chồng tài liệu, thường là giấy A4 chép tay, giấy in, đề thi. Có những cái vứt đi thì tiếc mà để lại có khi lại chả dùng đến bao giờ. Ở một góc nhìn rộng hơn, đó cũng là vấn đề của ngành ngân hàng trước những năm 70 của thế kỉ trước khi họ phải quản lí một lượng dữ liệu “lớn” ở dạng thô. Để giải quyết vấn đề đó những lí thuyết về RDMS đã ra đời và tạo nên cuộc cách mạng về lưu trữ và quản lí dữ liệu. Ngày nay, các công cụ ấy đã phát triển đến những Big Data, Data Science. Đối diện với tất cả những mĩ từ đao to búa lớn ấy, trước khi bạn muốn làm được việc lớn với chúng (CM4.0) thì hãy lo dọn phòng của bạn trước đi đã.