Cách hành xử trong khoa hoc - Khi gặp những bài báo sai

Cách hành xử trong khoa hoc - Khi gặp những bài báo sai --- Thường thì trong khoa học khi làm nghiên cứu không ít những lần tác giả làm sai (chủ quan). Ở đây tôi không nói đến vấn đề cố tình sai là ngụy tạo số liệu, fake kết quả. Cái vấn đề tôi nói ở đây là sai sót chủ quan đến từ tính toán, đến từ thí nghiệm. Có những cái sai như thế trong các bài báo nhưng không phải lúc nào reviewers và editor cũng phát hiện ra. Thực ra reviewers không có ai đi ngồi tính toán lại hay đi làm thực nghiệm lại nên những lỗi sai kĩ thuật như thế thì trong quá trình phản biện không phải dễ dàng tìm thấy. Khi gặp những cái sai như thế đa phần là sẽ xuất hiện các bài “comment on …” để chỉnh sửa lại. Đấy là vấn đề rất bình thường trong khoa học

Bài viết gốc của GS Duong Quang Trung https://www.facebook.com/quangtrung.duong/posts/10159183298374237

Cách đây khoảng chục năm, ngành tôi xuất hiện 1 loạt các tác giả chuyên ngồi viết comment, đa phần là các nghiên cứu sinh, TS mới ra trường đến từ 3 nước Tàu, Đài Loan và Ấn. Nên nhớ 1 bài comment như thế này vẫn là 1 journal đàng hoàng. Nó vẫn tính là 1 journal, vẫn phải qua bình duyệt lại, vẫn phải do Editor quản lý, vẫn đăng có số number có số volume có số trang đàng hoàng. Có những bài comment rất là buồn cười. Tác giả chỉ viết sai công thức trong bài báo (ở mình gọi là lỗi đánh máy, có thể do lúc ngồi gõ từ công thức tính toán trên giấy ra bị lỗi), nhưng cũng có 1 bài comment. Tôi nhớ có 1 bác làm Assistant Professor ở Đài Loan trong 1 vài năm đã có khoảng gần 5 bài kiểu này, kiểu còm lỗi đánh máy.

1)Việc đầu tiên khi gặp những lỗi sơ đẳng như thế này thì chúng ta nên email cho authors, để họ viết Errata (1 dạng hiệu đính lỗi sai). Họ sẽ gửi lại cho tạp chí nhờ đăng cho người đọc biết, có tác giả họ chỉ cần để trên trang web của mình phần Errata.

Nếu gặp lỗi nặng hơn, kết quả tính toán sai, thí nghiệm sai dẫn đến cái sai của cả bài toán. Việc đầu tiên cũng là liên lạc tác giả để tìm hiểu. Cho họ cơ hội sửa sai. Có thể xin rút bài báo, hoặc viết 1 bài khác sửa sai. Nói chung không tận dụng những cái sai của người khác để viết thêm 1 bài ISI. Thực ra có thêm những bài ISI comments như thế nó chả có làm tốt CV của mình, nhưng nó làm mình bị look down đối với cộng đồng khoa học trong ngành hẹp. Bạn có thể làm tăng số lượng công bố của mình để tính điểm này kia nhưng cơ đồ sự nghiệp của bạn thì coi chừng sẽ bị ảnh hưởng. Dĩ nhiên có những bài sai rành rành mà authors còn cố chấp cãi chầy cãi cố thì việc bạn viết 1 bài comment để chỉ ra cái sai cho những người đi sau tránh thì tôi vô cùng khuyến khích. Quay trở lại vụ trong ngành hẹp của tôi mà tiêu biểu là bạn Đài Loan kia, người trong ngành rất cẩn thận với bạn này. Tôi theo dõi CV thì hầu như sau đó bạn này không còn công bố bài nào cho ra hồn. Đi hội nghị mà nghe thấy bạn này thì ai cũng lắc đầu nhún vai. Cái câu nói chung mà tôi nghe từ những nạn nhân là “Phải chi hắn liên lạc mình để mình viết cái Errata thì đơn giản biết mấy”.

2) Kể 1 câu chuyện cá nhân. Cách đây khoảng chục năm khi tôi đang làm PhD thì hướng nghiên cứu “Mạng nhận thức” ra đời và rất hót. Hiện giờ thì nó đã ứng dụng vào thực tế và trở thành quan trọng trong thông tin vô tuyến. Có 1 bài báo vào năm 2011 ở trong top journal của ngành tôi kết hợp “mạng nhận thức” và “mạng chuyển tiếp”, bài báo nổi như cồn. Chỉ trong 1 năm đã có hơn 100 trích dẫn. Lúc đó tôi và anh bạn đồng nghiệp là GS Bảo (lúc đó đang học PhD ở Hàn) đọc ngấu nghiến vì nó giải quyết khá nhiều những vấn đề mà chúng tôi đang cần. Nhưng khi bắt tay vào làm cho 1 bài khác của chúng tôi thì sử dụng phương pháp Toán trong bài này chúng tôi không thể nào kiểm chứng được. Kết quả tính toán trật lất với kết quả mô phỏng. Tôi và GS Bảo lúc đó thức đêm thức ngày làm cũng ko phát hiện ra. Đùng 1 cái GS Bảo phát hiện là phương pháp bài báo gốc bị sai, sử dụng phương pháp đó thì cái phương trình cái dấu phải là nhỏ hơn <, chứ không phải là bằng. Cho nên khi chạy kết quả tính toán và mô phỏng, 2 đường ko trúng, có khi lệch nhau rất rất xa. Hai thằng Eureka ngay, nhưng vấn đề hóc búa là nó sai, biết nó sai chỗ nào luôn. Nhưng không biết cách giải bài toán sai vì nó … thực sự … rất khó…. Cuối cùng thì tôi cũng đã tìm ra cách giải chính xác. Khi tôi nhìn kết quả tính toán và kết quả mô phỏng, người run lên bần bật vì mừng khi thấy hoàn toàn chính xác. Sau đó tôi đã đăng thêm được mấy bài journals top trong ngành mình sử dụng phương pháp này.

Quay lại với bài báo sai đó. Tôi suy nghĩ kĩ, thực ra cái sai này không ảnh hưởng quá nhiều đến kết quả của bài báo, vì nội dung họ đưa ra là 1 hệ thống mới. Cái dấu < bị sai (thay đúng bằng dấu = ) thì hệ thống có thể coi là cận trên cho hệ thống chính xác. Nghĩa là cái bài báo “bị sai” kia có thể coi là 1 benchmark để cho những hệ thống sau này so sánh. Chúng tôi không đi viết comment. Chúng tôi chỉ áp dụng phương pháp mới (chính xác) của mình cho những bài báo mới, và ghi rõ trong bài báo của mình là “PHương pháp làm trong bài 2011 không phải là cách tính đúng cho hệ thống này. Chúng chỉ là 1 phương pháp cận trên (bound) và dùng để tham khảo làm benchmark. Chúng tôi đề xuất cách tính đúng như sau v…..”. Chỉ có 1 câu như thế trong bài báo đầu tiên sử dung phương pháp mới của chúng tôi vào năm 2012. Còn lại tôi chẳng đả động gì cả đến bài báo năm 2011, chỉ tập trung vào những bài báo của mình.

Tóm lại, đó là cách hành xử trên theo tôi nghĩ là hợp lý nhất trong trường hợp này. Thay ví viết 1 bài comment chúng tôi có cách tốt hơn gọi là win-win, và đến thời điểm này bài báo của tôi năm 2012 đã có gần 200 trích dẫn. Và tôi coi lại thì sau nay có rất… rất nhiều những bài báo gặp phải rắc rối này đều sử dụng phương pháp của chúng tôi.

3) Xin tóm lại ý cuối. Đừng bao giờ lợi dụng cái sai (không cố ý, 1 dạng như sự bất lợi của họ) của người khác để làm lợi cho mình đặc biệt trong khoa học. Tôi xin kể 1 câu chuyện có thật trong thể thao (nếu cần bạn có thể google ra bài báo gốc Tiếng anh). Trong một cuộc đua, vận động viên Abel Mutai đại diện cho Kenya, chỉ cách vạch đích một vài bước chân, nhưng anh ta bối rối với các biển báo và ngừng chạy nữa nghĩ rằng anh ta đã hoàn thành cuộc đua. Vận động viên người Tây Ban Nha, Ivan Fernandez đang chạy phía đằng sau anh Abel và nhận ra những gì đang xảy ra. Ivan bắt đầu hét lên với Abel để anh ta tiếp tục chạy, nhưng Abel không biết tiếng Tây Ban Nha nên không hiểu. Sau đó, VĐV người Tây Ban Nha đẩy vận động viên người Kenya về đích đến chiến thắng. Một nhà báo hỏi Ivan, "Tại sao anh lại làm vậy?"

Ivan trả lời: "Ước mơ của tôi là một ngày nào đó chúng ta có thể có một cuộc sống cộng đồng". Nhà báo nhấn mạnh "Nhưng tại sao bạn lại để người Kenya chiến thắng?" Ivan trả lời: "Tôi không để anh ta thắng, anh ta sẽ thắng (kiểu gì nếu chạy đúng thì anh ta cũng sẽ thắng)". Nhà báo nhấn mạnh một lần nữa, "Nhưng anh có thể tận dụng cơ hội này để thắng mà!" Ivan nhìn thẳng vào nhà báo và trả lời: "Nó chẳng có 1 chút vinh dự nào cho chiến thắng của tôi? Điều gì sẽ là vinh dự của huy chương đó? Mẹ tôi sẽ nghĩ gì?”

Xuất bản quốc tế

Có ít nhất hơn chục em SV nhắn tin là chưa kịp đọc bài này nên tôi post lại. (Xin đề nghị không share bài này. Vì tôi không muốn tham gia vào mấy việc cãi nhau về công bố trên FB)

Công bố khoa học – Lời khuyên chân thành dành cho các bạn trẻ đang chuẩn bị làm PhD và post-doc.

Nguồn: https://www.facebook.com/quangtrung.duong/posts/10159179953619237

1) Làm nghiên cứu thì phải công bố.

Số lượng và chất lượng công bố sẽ quyết định đến cơ đồ của 1 nhà khoa học. Công bố quan trọng nhất vẫn là chất lượng. Chất lượng ở đây nó có 2 nghĩa là chất lượng của công trình mình công bố, và chất lượng nơi mình công bố. Nó giống nhu mình đi ăn hàng, mình vào 1 nhà hàng danh tiếng nhiều người biết đến (tạp chí/hội nghị danh tiếng trong nhành hẹp) và ăn những món ăn thật ngon (chất lượng bào báo của mình). Hiện nay số lượng người làm NC ngày càng tăng, kèm theo đó là số lượng công bố thêm cấp số nhân. Để phân loại được người giỏi, khá, bình bình, và kể cả kém thì việc đầu tiên là chất lượng nghiên cứu của mình phải tốt. Không nên chạy theo các tiêu chí như ISI, chỉ số impact factor, Scopus, v..v… Quan trọng nhất vẫn là những công bố trong ngành hẹp của bạn. Chỉ có người trong ngành hẹp mới có thể biết chính xác nhất đâu là các tạp chí khoa học cũng như hội nghị chuyên ngành tốt nhất. Bạn làm khoa học thì bạn biết rõ tạp chí nào là xịn của ngành bạn, nếu bạn mới vào nghe thì hỏi GS hướng dẫn, đọc tài liệu tham khảo là biết ngay. Khi làm khoa học cũng thế, nên chú ý đến những tạp chí chất lượng để đọc và cũng như trích dẫn những công bố có chất lượng.

Tôi nói 1 ví dụ khi có 2 bạn nộp hồ sơ xin việc: Bạn A chỉ có 2 tạp chí thuộc hàng top, cộng them khoảng 2, 3 cái hội nghị hàng top trong ngành hẹp. Bạn B có khoảng 20 bài ISI thuộc Q1, Q2 nhung toàn bộ những tạp chí này không thuộc hàng top trong ngành. Người làm nghiên cứu ngành hẹp hầu như không coi trọng. Thi tôi xin chắc chắn là CV của bạn A sẽ ăn đứt CV của bạn B. Tôi xin trích 1 đoạn trên trang web của 1 đồng nghiệp khi ông thông báo cho các ứng viên tương lai của LAB mình như sau "Whenever I review the CV of someone that applies for a position in my group, I have a close look at their list of publications. If it only contains papers published in not high quality journals and conferences (chỗ này tôi có sửa 1 từ), I treat it as if the person has no real publications. I might even regard it as more negative to have such publications in the CV than to have no publications at all!"

2) Không phải bất cứ bài báo nào của mình làm ra cũng có thể được accepted ở hàng top.

Có lúc sẽ fail (hoặc cũng có thể fail hoài), hoặc lúc mới bắt đầu còn chưa có sự tự tin để nộp những nơi rank cao thì những nơi rank thấp hơn vẫn là sự lựa chọn của mình. Publish or Perish là cụm từ rất kinh khủng cho các nhà khoa học trẻ, đặc biệt là các bạn đang làm PhD hay post-doc. Áp lực để ra báo là việc sống còn, nên đôi khi tâm lý sẽ dễ bị lung lay khi nhìn xung quanh thấy nhà nhà và người người ISI, Q1 và Q2. Tôi cũng rất hiểu điều đó, nhiều lúc tôi cũng phải trấn an cho 1 số bạn NCS mà tôi đang hướng dẫn. Luôn tâm niệm 1 điều là hẫy nhớ khi xin việc (sau PhD, xin vào các Viện NC hay các vị trí Academic), người ta rất quan trong: i) Chất lượng nghiên cứu hơn là số lương nghiên cứu ii) Tính diversity trong NC của bạn. Và với salami research (công bố rất nhiều bai ở những nơi không phải là nơi top trong ngành hẹp của mình, cho dù đó là Q1 hay Q2) thì CV của các bạn sẽ rất khó cạnh tranh. Với 1 chục bài Q1 mà nội dung na na như nhau, mỗi bài sau chỉ là incremental của bài trước thì cái số lương chục bài Q1 đó lại có negative impact hơn là 1 bài. Vậy vấn đề tại sao viết 10 bài thay vì tập trung viết 1 hay 2 bài nổi trội hơn.

3) Tôi xin nhắc lại 1 câu chuyện đã nói rất là nhiều lần.

Mỗi 5 năm ở nước Anh người ta có đánh giá các GS thông qua các công bố của họ. Trước đây thì người ta chỉ đòi hỏi 4 bài báo, sau này tăng lên là 6. Như vậy nghĩa là trong hàng vài chục papers trong vòng 5 năm qua, mỗi GS chỉ cần chọn ra tối đa là 6 bài. Chỉ là 1.2 bài trong vòng 1 năm. Đó là GS vậy thì mình là SV thì cũng đâu cần phải có pub cho nhiều. Quan trọng là nên công bố ở đâu và công bố đó có chất lượng như thế nào. Trong ngành hẹp của tôi chỉ có khoảng 4 tạp chí là được nằm trong số xịn này đó là (IEEE JSAC, IEEE TWC, IEEE TSP, IEEE TCOM, đa phần Impact Factor dao động khoảng chừng 6 – 11). Mặc dù trong ngành hẹp của tôi có những tạp chí khác có IF cao hơn rất nhiều từ 12 – 23 ví dụ (IEEE COMMAG, IEEE Wireless MAG, IEEE Comm Tutorial Survey), nhưng những bài báo nằm trong list này thì không thể nào nộp để đánh giá cả vì đơn giản, người trong ngành hẹp không coi trọng nó bằng những bài top 1 trên kia.

Ngày hội sinh viên VIệt Nam tại Hàn Quốc lần thứ 15 - ĐH Songsil, Seoul. (27/10/2019)