Đề Xuất 5/2023 # Tổng Hợp Về Phôi Thai Của Haeckel P4 – Về Cuốn Sách Của Johanathan Wells # Top 14 Like

Cập nhật nội dung chi tiết về Tổng Hợp Về Phôi Thai Của Haeckel P4 – Về Cuốn Sách Của Johanathan Wells mới nhất trên website Sieuphampanorama.com. Hy vọng thông tin trong bài viết sẽ đáp ứng được nhu cầu ngoài mong đợi của bạn, chúng tôi sẽ làm việc thường xuyên để cập nhật nội dung mới nhằm giúp bạn nhận được thông tin nhanh chóng và chính xác nhất.

Johnathan Wells: “Icons of Evolution – Những biểu tượng của tiến hóa”

Chợt tôi nhớ về một bài viết tên: 9 mánh lưu manh của Vichoco trên diễn đàn lichsuvn.info

Tự nghĩ thấy thay Vichoco bằng “người chống tiến hóa” (NCTH) thì cũng ổn lắm!

“

5/ Mánh thứ năm : Tiền đề áp đặt

Ví dụ một số tiền đề sai bét bèn bẹt nhưng NCTH áp đặt mặc nhiên bất cần lý lẽ :”

_Thuyết TH trong nay mai sẽ bị bác bỏ.

_Phôi thai Haeckel là giả 100%.

_Cộng đồng KH chưa bao giờ nghi ngờ Piltdown man cho đến khi nó bị lật tẩy.

_Thuyết TH là vô thần/Cộng Sản.

…”

Mà cứ nhìn các nguồn trong bài báo của tờ tin180 thì biết 😉 chúng tôi một trang chống TH, cứ vào đi, sẽ thấy nó trưng biểu tượng của các bạn hữu: http://www.intelligentdesign.org/

(thiết kế thông minh 😉 )

, IDEA (

Intelligent Design and Evolution Awareness )

center ; “Những sai lầm chết người “điều mà những người theo thuyết tiến hóa không muốn bạn biết”, “Cuộc chiến lâu dài chống lại Thần” (ấy, nguyên văn nó là “The Long War Against God”, ai cũng biết chữ god viết thường là “thần” nói chung nhưng chữ god viết hoa đầu God là danh từ riêng Chúa Trời của Do Thái – Ki-tô giáo. Dù được trình bày cả cái tựa đều viết hoa đầu, nhưng trong văn phạm tiếng Anh nếu ý là “thần” thì phải là against a god hay against the gods. Vì thế chỗ này phải dịch là “Cuộc chiến lâu dài chống lại Chúa Trời”, niềm tin Ki-tô giáo, mong muốn bảo vệ va trò sáng tạo của Chúa Trời chính là nền tảng của phong trào Sáng tạo luận chống TH ở Mỹ) Henry Morris chính là cha đẻ của thuyết Thiết kế thông minh (Rằng vạn vật được thiết kế ra bởi một thế lực có tư duy nào đó, dễ thấy đây chỉ là Sáng Tạo Luận sơn phết lại cho bớt màu sắc tôn giáo…); và cuốn sách “Icons of Evolution – những biểu tượng tiến hóa” của Wells

Cả chương sách của Wells đã đặt cái tiền đề “Phôi thai Haeckel là giả 100%” như thể đúng rồi và sau đó bắt đầu cáo buộc các nhà viết SGK tội thông đồng cấu kết. Nhưng trong bài trước tôi đã nói, các hình vẽ của Haeckel tuy không chính xác nhưng không phải lừa đảo, vì thế ngay cả khi các SGK có đăng lại thì cũng không có phải tội đáng muôn chết – chỉ là chuyện dùng tư liệu lỗi thời, nhưng thật ra thì các SGK đã làm tốt hơn thế. Trong khuôn khổ bài viết chỉ xin bàn về các SGK được đề cập trong sách của Wells ở Mỹ.

Ernst Haeckel và sinh học so sánh:

Có lẽ ông cũng nổi tiếng, và cũng bị hiểu sai nhiều như thế, vì những nghiên cứu phôi học và lời tuyên bố rằng “sự phát sinh cá thể lặp lại sự phát sinh loài”, gọi là Định luật sinh-di truyền (Biogenetic Law, hay ở Việt Nam SGK gọi là định luật phát sinh sinh vật). Haekel tán thành quan điểm rằng nói chung TH diễn ra bằng cách đặt một sự tiến bộ mới lên trên cái cũ, như thêm các lớp bánh. Vì thế phôi thai của một sinh vật “cao cấp” sẽ trải qua (tái hiện) các giai đoạn trưởng thành của các dạng “sơ khai” hơn khi nó phát triển. Tuy nhiên, các quan sát lặp đi lặp lại về quá trình phát triển của những người khác như Wilhelm His, Walter Garstang, Wilhelm Roux, Adam Sedgwick, Gavin de Beer, v.v; xem

Gilbert ed. 1991

, hay

Gould 1977

để biết cụ thế) rõ ràng cho thấy các phôi thai không trải qua các giai đoạn

trưởng thành

của các dạng thấp hơn; mà, chúng có nhiều đặc điểm chung trong quá trình phát triển. Đã nhiều thập kỉ nay không nhà sinh học nào chấp nhận Định luật sinh-di truyền. Nhiều trong số các công trình về quá trình của Haeckel đã không còn hiệu lực. Những hình vẽ của Haeckel đã bị nhiều nhà khoa học đưa ra các lí lẽ có lí để lên án là bị làm lệch lạc để phù hợp với các quan điểm có sẵn của ông.

Bất chấp độ chính xác hay các định kiến của Haeckel, phôi học so sánh vẫn tiếp tục là trung tâm hiểu biết của chúng ta về TH. Phôi học so sánh cho thấy các cấu trúctrưởng thành khác nhau của nhiều loài động vật cóchung những tiền thân ở giai đoạn phôi. Các đặc điểm phát triển chung này cho thấy động vật có tổ tiên chung. Phôi học so sánh sâu hơn còn cho thấy những động vật gẫn gũi thực hiện một sự nhất quán trong hướng phát triển, đặc biệt ở những giai đoạn sớm, và có chung nhiều đặc điểm phát triển hơn những sinh vật xa nhau. Việc một số cấu trúc phôi thai như các túi hầu tồn tại ở tất cả các phôi động vật có xương sống nhưng lại phát triển thành các cấu trúc trưởng thành rất khác nhau cho thấy chúng cùng chung một tổ tiên mà phôi của nó có túi hầu (ít nhất là ở một giai đoạn phát triển nào đó). Theo cách này, những nét giống trong quá trình phát triển được kế thừa từ một tổ tiên chung là tương đồng, y như các xương trong các chi trưởng thành.

Về Johnathan Wells

Vậy việc nhà sinh học Wells chống TH không phải do một sự khám phá bất ngờ là một kế hoạch định sẵn. Nếu đặt vào cùng tiêu chuẩn gọi là lừa đảo như với Haekel thì đúng, Wells đã lừa đảo ngay trong những trang đầu tiên trong sách. Từ đó theo logic của Wells ta suy ra tất cả những người theo STL có từng trích Wells đều lừa đảo và bản thân STL cũng là lừa đảo? Viết cho bạn đọc coi chơi chứ quá khứ của Wells chẳng có nghĩa lí gì trong vấn đề Haekel hay TH cả, vì không như ngụy KH, KH chân chính xem xét bằng chứng và lí lẽ mà thôi, cùng xem các luận cứ của Wells.

Các lập luận của Wells:

“

Darwin đã viết trong Về nguồn gốc của các loài rằng GS. Haekel “đã mang kiến thức và năng lực to lớn của mình để đóng góp vào cái ông gọi là ‘phát sinh loài’, hay các dòng dõi di truyền của mọi sinh vật. Trong quá trình vẽ ra nhiều chuỗi ông đã tin dùng chủ yếu các đặc điểm giai đoạn phôi.’ ” (i)

Về mặt lịch sử, Wells chủ động phớt lờ những công trình có giá trị của nhiều người đi trước & cùng thời với Haeckel như William and Jeffrey Parker, Hans Gadow, Hans Selenka, Heinrich Rathke, Virgil Leighton, Hugo Schauinsland, Alfred Voeltzkow… ), ở TK 19 không chỉ có Haeckel hay von Baer là nhà phôi học, nhưng đọc sách Wells bạn sẽ không biết được điều đó đâu. Ông cũng không nhận ra gần 60 năm (còn đang tăng) thành tựu trong sinh học về quá trình phát triển và vì thế lờ tịt tất cả những bằng chứng tiến hóa từ ngành này. Gần như là mục tiêu của Wells là hạ uy tín toàn bộ ngành sinh học so sánh bằng cách ủy nhiệm, sử dụng chiêu treo đầu Haeckel bán thịt Darwin. Ý đồ của Wells làm ta liên tưởng đến kiểu logic trẻ con thế này: Haeckel có một công trình giả mạo trong sinh học so sánh, vì thế toàn bộ sinh học so sánh đều không đáng tin cậy; Darwin dựa trên Haeckel, Haekel lừa đảo, vì thế Darwin là kẻ lừa đảo.

Karl Ernst von Baer – Nhà phôi học nổi tiếng người Đức

Dù Darwin không dùng của Haeckel, ông có dùng von Baer. Nhận ra việc này, Wells liền cáo buộc Darwin “dùng sai” các công trình của von Baer, bóp méo dữ liệu cho phù hợp với quan điểm của ông. Nhưng Darwin không làm thế. Wells nói các luật phôi học của von Baer không phù hợp với các kết luận của Darwin, nhưng không phải thế. Có lẽ Von Baer sẽ không đồng tình với Darwin về các kết luận, nhưng những qui luật của ông thì không cấm việc quá trình phát triển có thể làm sáng tỏ nguồn gốc chung. Darwin đi tới một kết luận khác từ cùng một bộ phận bằng chứng – đây không phải là “bóp méo”. Darwin suy ra một lí luận qui nạp chung và tìm các dữ liệu có khả năng kiểm tra tuyên bố về tổ tiên chung. Nói đây là “dùng sai” thì Alfred Wegener cũng đã dùng sai các dữ liệu trong môn địa chất sẵn có khi ông dám xem xét chúng dưới thuyết trôi dạt lục địa (mobile continents). Thuyết mới luôn dùng dữ liệu cũ. Chẳng lẽ theo Wells sinh học tiến hóa không được dùng bất cứ nghiên cứu nào trước 1859?

2. Cố tình nhập nhằng “lặp lại hình thái” và “Tương đồng trong phát triển”:

Wells cũng gộp “lặp lại hình thái” – rằng phôi trải qua những giai đoạn trưởng thành của tổ tiên – với việc các đặc điểm chung của phôi cho biết thông tin về quan hệ trong hệ thống sinh của chúng. Việc không phân biệt 2 điều này giúp Wells có thể không phải đối mặt với những bằng chứng thực thụ về các điểm tương đồng trong quá trình phát triển của nhiều phôi. Chính đây là quan điểm chủ đạo trong chương này của sách Biểu tượng : Darwin & toàn thể NTTH ngày nay đều truyền bá “định luật phát sinh sinh vật – lặp lại hình thái”. Thực ra cái “lặp lại” mà các nhà phôi học hậu-Haeckel (VD như Frank Lillie) mà Wells đã dẫn cũng như các nhà phôi học đương đại chấp nhận là: Một bố phần trong chuỗi phát triển (và một số đặc điểm cụ thể của chúng) ở những động vật gần gũi có nhiều nét chung đặc biệt (về khuôn mẫu, thứ tự, vị trí v.v của các đặc điểm) với nhau hơn là với những sinh vật có quan hệ xa hơn. Nhưng Wells cứ làm như họ nghĩ y chang Haeckel. Đáng ra Wells – có bằng tiến sĩ sinh học tế bào & phát triển – phải hiểu biết nhiều hơn thế.

_Wells tấn công Darwin và các nhà phôi thai học thế kỷ 19 vì nói những giai đoạn “sớm nhất” trong quá trình phát triển tương tự nhau trong khi chúng không tương tự. Ờ Wells nói ĐÚNG đấy.

Bức hình đơn giản từ

Nature

này cho thấy sự khác nhau giữa lần lượt từ trái sang phải: ếch (đại diện cho lưỡng cư), cá, gà (đại diện cho chim, và có thể là cả bò sát nữa) và chuột (thú có vú). Lí do chủ yếu vì lượng yolk – noãn hoàn hay bình dân gọi là lòng đỏ của các động vật có xương sống khác nhau. Ta có thể thấy “điểm xuất phát của chuột” quá khiêm tốn so với những con khác – tế bào sinh dục của thú có vú nói chung rất nhỏ vì chúng không phải mang theo lượng dưỡng chất lớn cho phôi do sự nuôi dưỡng liên tục của mẹ – điều mà những con vật kia không có. Vì lòng đỏ không phân chia cùng với các tế bào trong trứng, vì thế sự phân bào của chúng phải khác nhau. Wells viết:

“

Nếu áp dụng thuyết Darwin vào sự phát triển sớm của động vật có xương sống mà đúng thì ta sẽ trông mong 5 lớp này giống nhau nhất khi mới là trứng đã thụ tinh; những khác biệt nhỏ sẽ xuất hiện trong quá trình phân bào, và các lớp sẽ khác nhau hơn nữa vào giai đoạn phôi vị” (Wells 2000:96).(ii)

Nhưng Darwin không hề đòi hỏi điều đó. Nhà sinh học – GS. Jerry Coyne nhận xét trên tờ Nature:

“

Chính Darwin nhận thấy rằng các phôi phải thích nghi với những điều kiện sống của chúng, và những giai đoạn đầu của các phôi động vật có xương sống cho thấy sự thích nghi với lượng noãn hoàng khác nhau trong trứng của chúng.” (iii)

“Sớm nhất” là Wells nói chứ không phải Darwin. Cả cuốn Nguồn gốc từ ‘sớm nhất’ chỉ xuất hiện duy nhất một lần và đó là Darwin dẫn lời von Baer. Wells cũng như nhiều học giả khác đã lẫn lộn giữa ý kiến cá nhân và trích dẫn từ người khác của Darwin. Nhưng thực ra ý Darwin không quan trọng. Cũng như phôi học hiện đại không dựa vào Haeckel, SHTH hiện đại cũng không sống chết với Darwin. Cũng cần phải biết về vấn đề thuật ngữ các nhà nghiên cứu KH thế kỉ 19. Khi đó các sinh vật đang phát triển không được coi là phôi đến khi đạt giai đoạn mầm đuôi (phylotypic) – đã có dáng vóc cơ thể. Trước đó, chúng là “trứng đang phát triển – developing ovum”. Nghĩa là ý Haeckel, von Baer và những người khác khi nói “phôi giai đoạn sớm”, ý họ không giống sự suy diễn bằng các định nghĩa hiện đại của Wells.

“

Với Tiếng Anh hiện đại, chữ “embryo – phôi” bao gồm cả những giai đoạn sớm nhất. Nhưng theo truyền thống KH của Đức, chủ yếu được thiết lập bởi von Baer, thì chữ phôi được giới hạn lại là một cơ thể chưa phát triển đầy đủ hay các giai đoạn sau (“embryo proper” – phôi hoàn thiện trong tiếng Anh). Điều này rất rõ trong các nhận xét của von Baer, VD “Mầm [“kleim”, đĩa phôi] trong quá trình phát triển của nó biến hóa thành 2 phần […] phần giữa hình thành phôi, còn phần lớn hơn nhiều bên ngoài thành Keimhaut [bì ngoài phôi]”

In present English usage, the term “embryo” includes even the earliest stages. The German tradition, however, largely established by von Baer, restricts the term “embryo” to the basic rudiment of the body or its later stages (the “embryo proper” in English usage). This is evident from many remarks by von Baer, for instance: “The germ [“Keim”, blastodisc] during its growth transforms into two parts; [… ] the middle forms the embryo, the much wider periphery the Keimhaut [extraembryonic blastoderm]” (von Baer, 1828, p.44).

Klaus Sander and Urs Schmidt-Ott, 2004. “Evo-Devo aspects of classical and molecular data in a historical perspective,” J. Exp. Zool. (Mol. Dev. Evo) 302B:69–91.

Từ tiền đề “sớm nhất” này Wells đã lệch hướng từ đó trở về sau, cất công soạn ra một loạt phát biểu của các nhà phôi học về việc không thể nào có chuyện giống nhau ở giai đoạn sớm nhất từ khi thụ tinh đến phôi vị chỉ để cuối cùng không trúng đâu hết vì 2 cái “sớm nhất” này không giống nhau.

Wells ‘tức giùm’ cho von Baer khi mà các sách cứ trưng hình của Haekel rồi bảo “hình vẽ này minh họa cho qui luật của von Baer” coi đây là một sự ‘sỉ nhục’ một nhà sinh học ‘thực thụ’ như ông – người chưa bao giờ chấp nhận thuyết tiến hóa xấu xa và đây lại là một chiêu lừa HS khác. Nhưng định luật của Haekel là “phát sinh cá thể lặp lại phát sinh loài” tức là theo đó phôi người trong quá trình phát triển sẽ đi theo đúng lịch sử tiến hóa: đầu tiên giống con cá, sau đó giống lưỡng cư rồi sau đó giống bò sát… 4 định luật von Baer tóm tắt như sau: sự phát triển của một sinh vật đi từ cái chung tới cái riêng và các phôi thuộc các lớp khác nhau trông rất giống nhau trong các giai đoạn sớm hơn nhưng trong quá trình phát triển càng về sau càng phân hóa ( theo từ điển Merriam-Webster ). Độc giả thân mến không cần bằng tiến sĩ sinh học chắc cũng thấy đúng là cái hình vẽ ‘tội đáng muôn chết’ kia dùng minh họa cho von Baer thì hoàn toàn hợp lí hơn là “phát sinh cá thể lặp lại phát sinh loài” nhỉ?

(Henry M. Morris, “Cuộc chiến lâu dài chống lại Thần”, Nhà xuất bản Master Books, 2000, trang 32)

Thật đáng kinh ngạc thay, những người theo phái tiến hóa vẫn phớt lờ sự thật và tiếp tục sử dụng những hình vẽ giả mạo của Heackel làm bằng chứng cho “sự tiến hóa”, vẫn duy trì chỗ đứng của chúng trong nhiều sách giáo khoa khác nhau. “

Lạ thay, trích dẫn câu trên rồi trích thêm câu này câu này: (Keith S. Thomson, “Vòng đời của cá thể sinh vật và sự phát sinh loài,” đăng trên báo American Scientist, tập 76, tháng 5 và tháng 6 năm 1988, trang 273)

Tức tác giả biết Thuyết lặp lại hình thái đã RIP (an nghỉ vĩnh hằng) mà đồng thời tác giả lại cứ làm như là vẫn còn đang được dạy và công nhận trong các SGK!

3. Dã tâm tập thể của các “tín đồ (!?) tiến hóa” ?

Pictures of Evolution and Charges of Fraud – Ernst Haeckel’s Embryological Illustrations của Nick Hopwood phần nào cho ta thấy không phải cứ muốn vẽ phôi là vẽ, đặc biệt ở thế kỉ 19 về trước:

Thật ra tôi nghĩ cái nguyên nhân khiến các nhà xuất bản dùng lại tranh của Haeckel chẳng có gì sâu xa thâm độc như các bạn nghĩ, chẳng qua vì …kinh tế. Sách để giáo dục là chính nhưng NXB cũng phải có lời nhiều. Bây giờ muốn vẽ con heo con bò thì cứ nhớ trong đầu rồi vẽ ra cũng được nhưng minh họa sách khoa học thật là khổ: phải tìm họa sĩ không những vẽ giỏi mà có kiến thức sinh tương đối tốt, trả tiền một khoản lớn để thuê anh ta, tìm mẫu vật, sử dụng các thiết bị chuyên dụng, tham khảo ý kiến chuyên môn… một đoạn trong bài viết của Nick Hopwood phần nào cho ta thấy không phải cứ muốn vẽ phôi là vẽ, đặc biệt ở thế kỉ 19 về trước:

“

Ngành phôi học sắp xếp các đối tượng thành các chuỗi trình tự phát triển. Cá thể, thường khó kiếm ở những giai đoạn mong muốn, được thu thập và bố trí thành các phôi. Những đối tượng nhỏ xíu này được chuyển hóa qua một loạt các thao tác giải phẫu, hiển vi và thẩm mỹ thành những hình ảnh rõ ràng mà loại đắt tiền nhất có thể truyền tải được cái sự tinh tế, mềm mại mờ ảo của chất sống. Những thao tác này cô lập phôi khỏi môi trường, cả liên kết với cơ thể mẹ. Những hình và mẫu thu được được sắp xếp theo trình tự phát triển, các đại diện bình thường được chọn và chuỗi được xuất bản hay trưng bày. Chuyện này tuyệt đối không hề dễ dàng ngay cả với con gà, “thân trâu ngựa” trong nghiên cứu phôi; với các phôi người sớm mà các nhà giải phẫu chủ yếu lấy từ các ca phá thai (ngày xưa ca sớm nhất là ~ 2 tuần tuổi) thì phải nói là cực kì khó. Tìm ra mối liên hệ giữa các chuỗi còn khó hơn thế nữa!” (iv)

Sẵn có tranh của Haeckel (1866) xuất bản trước 1923 nên giờ đã trở thành “của chung” (public domain) theo luật bản quyền mà các NXB có thể xài mà không cần trả đồng nào hết thì những nhà tư bản đứng đầu các NXB sẽ làm gì và đã làm gì thì bà con thấy rồi đấy 😦 .

Và chúng ta cũng nên nhớ AI mới là người “phanh phui” vụ Haeckel? Không phải là người theo STL hay NCTH; mà là Richardson, là Gould – những nhà sinh học thực thụ, những “tín đồ” tiến hóa. Gould là một trong những người chỉ trích Haeckel kịch liệt nhất nhưng lại cũng là một trong những nhà sinh học tiến hóa tiêu biểu nhất, người ra sức bảo vệ tiến hóa nhất trong TK 20. Sao lại có hành động mâu thuẫn đó nhỉ? Câu trả lời là hành động đó không có gì mâu thuẫn, đó chỉ là hoạt động khoa học. KH là quá trình tìm hiểu cái mới song song không ngừng kiểm tra và thử thách cái cũ. KH có cái bản chất rất… khoa học 😉 là tự sửa lỗi (self-correcting nature), tất cả những kiến thức bây giờ ta đã biết là không đúng từng được KH chấp nhận đều bị đạp đổ bởi chính KH. KH là cái khoảnh khắc vui buồn lẫn lộn trước…

“

Cái bi kịch vĩ đại của Khoa học – việc khai tử thương tâm một giả thiết đẹp đẽ vì một sự thật đáng ghét” – “The great tragedy of Science – the slaying of a beautiful hypothesis by an ugly fact.”

— Thomas Henry Huxley

Wells cũng tố cáo Haeckel và ngành phôi học so sánh cố tình chọn những con vật trông giống nhau nhất. Ông phê bình Haeckel sao lại không chọn những con vật như thú đơn huyệt để minh họa. Nhưng các giai đoạn phát triển của thú đơn huyệt chưa được biết tới vào năm 1866 mà phải mãi đến tận 1884. Cũng chính từ những điểm tương đồng trong quá trình phát triển của thú đơn huyệt có với thú có túi mà Caldwell kết luận chúng là thú có vú (

Caldwell 1887

). Vào thế kỉ 19 hầu hết các mẫu vật thú lạ được đưa đến các nhà nghiên cứu trong tình trạng đã phân hủy. Haeckel có thiên vị không? Có, và tất cả những nhà phôi học ngày ấy đều thế, họ sẽ chọn những con vật: sẵn có nhất, cỡ nhỏ, lứa to, mau thành dục, sinh sản nhanh, có khả năng phát triển trong phòng thí nghiệm nhiều đời (

Bolker, 1995

) chứ không phải để “chống đỡ tiến hóa” như Wells ngụ ý. Chính Wells cũng chọn những sinh vật mẫu ở phần sau của chương và không chỉ ra trình tự phát triển của bất kỳ loài nào mà ông phê bình rằng những người khác không đề cập. Vì sao? Bởi vì ông ta không có bằng chứng cho khẳng định rằng các nhà phôi học sàng lọc dữ liệu để giấu giếm gì đó. Việc các nhà phôi học thường trình bày, ít nhất trong SGK, những trình tự phát triển có dữ liệu căn cứ tốt nhất thì có gì mâu thuẫn với việc những phân loại gần gũi có thể, và đúng là có, nhiều điểm tương đồng trong quá trình phát triển hơn những loài xa?

Tóm lại là Wells thấy có 3 điểm “lừa đảo” trong các hình vẽ Haekel:

“

(1) Chỉ bao gồm những lớp và bộ hợp với thuyết của Haekel nhất

–

ở đoạn trên

; (2) Bóp méo hình ảnh phôi –

có hay không thì tôi đã trình bày trong phần 1,2,3 của chùm bài đặc biệt dài này

; (3)Nghiêm trong nhất là, hoàn toàn phớt lờ những giai đoạn sớm hơn mà các động vật có sương sống trông rất khác nhau. (vi)

20 hình trong

Anthropogenie

Và chính Wells đang tố cáo Haeckel “chơi chiêu” “chọn lọc hình ảnh” “Thổi phồng sự thật”!

Mổ xẻ các SGK

1 . Sự giống nhau trong phát triển phôi Phôi của các động vật có xương sống thuộc những lớp khác nhau, trong những giai đoạn phát triển đầu tiên đều giống nhau về hình dạng chung cũng như quá trình phát sinh các cơ quan. Chỉ trong những giai đoạn phát triển về sau mới dần dần xuất hiện những đặc điểm đặc trưng cho mỗi lớp, tiếp đó là những đặc điểm của bộ, họ, chi (giống), loài và cuối cùng là cá thể. (Lưu ý là SGK chỉ bảo là giống nhau về hình dạng chung và quá trình phát sinh các cơ quan thôi) Hình 32.2. Sự phát triển phôi của một số loài động vật có xương sống (là hình vẽ, và đúng là vẽ phôi ở giai đoạn đầu giống giống nhau như hình của Haeckel, nhưng cũng chỉ giống ở chỗ là đều cong cong thôi chứ không vẽ kĩ như hình của Haeckel)

[…]

Sự giống nhau trong phát triển phôi của các loài thuộc các nhóm phân loại khác nhau là một bằng chứng về nguồn gốc chung của chúng. Những đặc điểm giống nhau đó càng nhiều và càng kéo dài trong những giai đoạn phát triển muộn của phôi chứng tỏ quan hệ họ hàng càng gần.

2. Định luật phát sinh sinh vật: Đacuyn đã nhận xét: Trong quá trình phát triển phôi, mỗi loài đều diễn lại tất cả những giai đoạn chính mà loài đó đã trải qua trong lịch sử phát triển của nó. Dựa trên nhận xét này và một số công trình nghiên cứu khác, hai nhà khoa học Đức là Muylơ (Muller) và Hêcken (Haeckel) đã phát biểu định luật phát sinh sinh vật (1886): “Sự phát triển cá thể phản ánh một cách rút gọn sự phát triển của loài”.

Phôi người đến 18 – 20 ngày tuổi vẫn còn dấu vết các khe mang ở phần cổ giống như cá sụn; tim lúc đầu chỉ có một tâm thất, một tâm nhĩ như ở cá, sau đó tâm nhĩ chia làm 2 giống như ở ếch nhái, cuối cùng mới thành tim 4 ngăn giống như chim và thú. (Cái này thì đúng đây) […] […] Tuy nhiên, không nên hiểu là sự phát sinh cá thể lặp lại đúng trình tự các giai đoạn trong lịch sử phát triển chủng loại một cách cứng nhắc.(<= bị quăng gạch nhiều như SGK VN ta mà còn nói là không đúng tuyệt đối mà 😀 – EvoLit)

Trích:

“Ví dụ, những năm đầu tiên của phôi thai người không bao giờ có mang có chức năng như một con cá, và không bao giờ trải qua các giai đoạn nào trông giống như một loài bò sát trưởng thành hoặc là một con khỉ”. – (Elizabeth Pennisi, bài báo “Những cái phôi của Haeckel: Trò gian lận đã bị phát hiện lần nữa”, đăng trên tờ báo Science, 5 tháng 9 năm 1997)”

Trong giai đoạn về sau, ở cá và ấu trùng lưỡng cư, các khe mang biến thành mang, còn ở phôi các động vật có xương sống ở cạn thì khe mang tiêu biến. Phôi các động vật có xương sống đều trải qua giai đoạn có dây sống, về sau dây sống biến thành cột sống sụn rồi cột sống xương. Trong khi phôi ở cá xuất hiện các vây bơi thì ở thằn lằn, thỏ, người lại xuất hiện các chi năm ngón. Đặc biệt, ở phôi người, phần hộp sọ chứa bộ não rất phát triển còn đuôi thì tiêu biến. (À, phần “đuôi” còn sót lại của chúng ta chính là phần xương cụt đó )

Còn về phần giải thích cho sự tiến hóa của sinh giới, SGK dựa trên các bằng chứng về giải phẫu và phôi sinh học so sánh, bằng chứng địa lí sinh học, bằng chứng tế bào học và sinh học phân tử. Vậy nên theo em nghĩ SGK cũng không sai lệch bao nhiêu (thật ra quyển sinh nâng cao này còn bị phàn nàn về nhiều lỗi lắm). Hình vẽ thì đúng là sách của ta vẫn đưa vào, nhưng do họa sĩ ta vẽ lại, không đến nỗi giống quá nhiều như hình gốc.

*Về các sách Mỹ:

Bảng chấm điểm “được nghiên cứu kỹ” của Wells:

Wells thiết kế hẳn 1 hệ thống chấm điểm cho các SGK, không chỉ riêng về Haeckel mà còn những biểu tượng khác. Nhưng hệ thống này thất bại vì Wells cho rằng tất cả những hình vẽ đều là vẽ lại và bất cứ sách nào có 1 hình vẽ lại đều ăn điểm F (hình dưới). Wells không giải thích thế nào mới gọi là ‘đơn thuần vẽ lại’ của Haeckel. Sử dụng hình ảnh chính xác hơn chỉ thu về được 1 điểm D. Muốn được C hay hơn, cuốn sách KHÔNG được dùng ‘ những tranh vẽ hay

ảnh chụp

dễ gây hiểu lầm’ Điều này nghĩa là than phiền rằng SGK không nên để bị gây hiểu lầm bởi thực tế! Wells không nói tranh vẽ hay ảnh chụp như thế nào mới gọi là

không

gây hiểu lầm. Hay Wells nghĩ rằng

tất cả

những trình diễn hình ảnh về phôi đều là gây hiểu lầm, dù chúng có đúng hay không? Ông công kích

Mader

và

Campbell, Reese, & Mitchell

, vì dùng “ảnh chụp gây hiểu lầm” & lặp lại trò lừa số 1 của Haekel, bởi vì chúng cho thấy phôi của một con thú có vú (heongười) và một con gà, mà theo ông là “ ‘tình cờ’ trông giống thú có vú hơn bất cứ lớp nào động vật có xương sống nào khác vào giai đoạn đó –

just happens to look more like a mammal than any other class of vertebrate at that stage

(

Wells 2000

:104)” Sai: Ở giai đoạn đó phôi gà sẽ giống cá sấu hơn là thú có vú (sự so sánh này được đưa ra bởi

Nelson 1953

Schaunislaund 1903

, và

Reese, 1915). Điều này phù hợp với những dự đoán của thuyết tiến hóa, bởi vì cá sấu và gà có tổ tiên chung gần với nhau hơn gần với thú có vú, và vì thế nên có chu trình phát triển tương tự hơn. Wells cũng khiển trách Mader vì đã viết rằng các phôi “có nhiều điểm chung”

“have many features in common” (

Wells 2000

:103-104). Vậy ý Wells là chúng

không

có điểm chung nào sao? Nếu thế, ông ấy nên dẫn chứng điều đó. Vì không làm được điều này, Wells cứ gán cho bất cứ thứ gì ông ấy không thích là ‘gây hiểu lầm’.

Wells cũng đặc biệt không vui vì chữ “khe mang” – là thuật ngữ không chuyên để chỉ các túi hầu (pharyngeal pouches). Wells ngụ ý là khi dùng chữ này thì các sinh học và SGK đang nói rằng tất cả phôi động vật đều có “mang”. Điều này sai, thậm chí không có cuốn nào ngụ ý về sự hiện diện của mang trong phôi cả. Wells cố khẳng định rằng “Cách duy nhất để thấy cấu trúc ‘giống mang’ ở người là nhồi tiến hóa vào quá trình phát triển – The only way to see ‘gill-like’ structures in human embryos is to read evolution into development”. Nhưng chính Wells cũng nói chúng chỉ giống mang ở chỗ tạo nên những mẫu vạch giống nhau ở vùng cổ– đó không phải là ướm trước tiến hóa, đó là một lí do chính đáng để gọi là “khe mang”! Dĩ nhiên là sau đó ta phải hỏi xem vì sao phôi người cũng như tất cả động vật có xương sống lại có cấu trúc như vậy và chính cái điểm chung này là bằng chứng tiến hóa chứ không phải tên gọi. Tuy nhiên dùng từ “khe mang” sẽ ngay lập tức ăn điểm C dù cho sách không chứa hình nào hết và cũng không cần biết nội dung. Campbell, Reese, & Mitchell và Guttman đều dành cả chương dành để nói về sinh học phát triển trong đó họ có nói về “những khác biệt giai đoạn sớm” mà Wells ngụ ý họ không làm. Họ không được thêm điểm nào hết vì những cách xử lý vấn đề trên.

Figure 11

Book

Phôi học

#trang

ừ

Cách thể hiện phôi

Điểm

Schraer, W. D. and H. J. Stolze. 1999. Biology: The Study of Life, seventh edition. Prentice-Hall, Upper Saddle River, NJ. 944p.

1/4

108

Vẽ lại (có s

ửa chữa

)

Johnson, G. B. 1998. Biology: Visualizing Life. Holt, Rinehart & Winston, Orlando. 895p.

1/4

Vẽ

Biggs, A., C. Kapinka, and L. Lundgren. 1998. Dynamics of life. Glencoe/McGraw Hill, Westerville, OH. 1119p.

1/2

Vẽ

Miller, K. R. and J. Levine. 2000. Biology, fifth edition. Prentice-Hall, Upper Saddle River, NJ. 1114p.

324

Vẽ

1/2

282

Vẽ lại

Guttman, B. S. 1999. Biology. WCB/McGraw-Hill, Boston. 1175p.

1/2 +1

265

Haeckel/ Vẽ /ảnh

Mader, S. 1998. Biology, sixth edition. WCB/McGraw-Hill, Boston. 944p.

1/4 +1/3

109 +86

Ảnh/ Vẽ

Raven, P. H. and G. B. Johnson. 1999. Biology, fifth edition. WCB/McGraw-Hill Boston. 1284p.

1/4 +1/3 +1/2

83 +170 +271

Ảnh/

Vẽ /

Vẽ lại

Cambpell, N. A., J. B. Reese, and M. G. Mitchell. 1999. Biology,fifth edition. Benjamin Cummings, Menlo Park, CA. 1175p.

3/4 +3

247 +3

Ảnh/ Vẽ

Futuyma, D. 1998. Evolutionary Biology. Sinauer Associates, Sunderland, MA. 761p.

(1.5)4

5614

Haeckel (trong hoàn cảnh cụ thể)

1. Guttman dành hẳn 2 chương để nói về quá trình phát triển. Thêm một phần bàn luận thấu đáo và cập nhật (Ch 20, 21 tr. 397-441) về những “những khác biệt giai đoạn sớm” mà Wells điểm của Wells gây cảm giác là nó không làm.

2. Mader dùng thuật ngữ “túi hầu” thay vì cái từ “khe mang” báng bổ nhưng bảng điểm không có đường nào để tính điểm tốt này vào.

3. Sách này còn có hẳn 1 chương để nói về quá trình phát triển (Ch 47 tr.936-960) và bàn về về những “những khác biệt giai đoạn sớm” mà Wells điểm của Wells gây cảm giác là nó không làm.

4. Futuyma dành hẳn 1 chương để nói về quá trình phát triển & tiến hóa (Ch 23 tr 651-676) trong đó 1.5 trang dành riêng Haeckel.

5. Futuyma chỉ dùng hình vẽ Haeckel trong bối cảnh lịch sử. Nó cũng nói rõ “khe mang” hay “cung” không phát triển thành mang, và chúng chẳng có gì tiến gần hơn tới mang trong quá trình phát triển. Bảng điểm của Wells không có cách nào để đưa những vấn đề về ngữ cảnh này vào.

Ẩn/Hiện nội dung

Tham khảo

http://www.thienvanhoc.org/forum/showthread.php?t=6798

http://ncse.com/book/export/html/2320

http://www.antievolution.org/topics/law/ar_hb2548/Haeckels_embryos.htm

Trích dẫn (i)

“Darwin wrote in The Origin of Species that Professor Haeckel «brought his great knowledge and abilities to bear on what he calls phylogeny, or the lines of descent of all organic beings. In drawing up the several series he trusts chiefly to embryological characters.» ” (Wells 2000:82).(ii)

If the implications of Darwin’s theory for early vertebrate development were true, we would expect these five classes to be most similar as fertilized eggs; slight differences would appear during cleavage, and the classes would diverge even more during gastrulation.

(iii)

“Darwin himself noted that embryos must adapt to the conditions of their existence, and the earliest stages of vertebrate embryos show adaptation to widely varying amounts of yolk in their eggs.”

Jerry Coyne, 2001. “Creationism by Stealth,” Nature, 410, p. 475-476

(iv) “Embryology organized its objects by making developmental series. Specimens, often difﬁcult to obtain at desired stages, were collected and framed as embryos; some had previously been interpreted in very different terms—for example, as children to come or as waste material. The tiny and initially unprepossessing objects were transformed through sequences of anatomical, microscopical, and artistic operations into clear images, of which the most expensive conveyed some of the soft, translucent delicacy of the living material. These procedures isolated embryos from other contexts, including connections to pregnant women. The resulting pictures and models were arranged in developmental order, normal representatives selected, and the series prepared for publication or display. This was far from trivial even for the chick, the workhorse of embryological research; for the early human embryos that anatomists mostly obtained from abortions (the youngest then known were estimated at about two weeks old) it was extremely hard. Working out the relations between the series for different species was even harder.” (v) The fact of evolution is as well established as anything in science (as secure as the revolution of the earth about the sun), though absolute certainty has no place in our lexicon..” (Darwinism defined, the difference between fact and theory – Stephen Jay Gould)

(vi)

(1) they include only those classes and orders that come closest to fitting Haeckel’s theory; (2) they distort the embryos they purport to show; and (3) most seriously, they entirely omit earlier stages in which vertebrate embryos look very different. (Wells 2000: 102)”

Sự Thật Về Thuyết Tiến Hóa Kỳ 1: Hình Vẽ Phôi Thai Giả Của Haeckel, Vụ Lừa Đảo Xuyên Thế Kỷ

Nhưng sự thực hoàn toàn khác hẳn. Ernst Haeckel thực ra chỉ vẽ hình của một phôi thai duy nhất, rồi dựa vào đó làm ra hình phôi người, phôi khỉ, và phôi chó. Ông đã thêm vào mỗi hình một chút thay đổi. Nói cách khác, đây là một vụ lừa đảo.

Ông ta vẽ sát cạnh nhau hình phôi của cá, kỳ giông, rùa, gà, thỏ và phôi người. Các phôi đó được vẽ hết sức giống nhau và chỉ dần dần cho thấy sự khác biệt trong các giai đoạn sau của quá trình phát triển. Đặc biệt, sự tương đồng giữa phôi người và phôi cá quả là rất ấn tượng, đến mức người ta có thể nhìn thấy cái “mang” trong hình vẽ phôi người, giống như ở hình vẽ phôi cá. Từ đó, Haeckel đưa ra “thuyết về sự lặp lại hình thái” (còn gọi là “định luật phát sinh sinh vật”), với nội dung cơ bản là: trong quá trình phát triển của phôi, tất cả các giống loài đều lặp đi lặp lại “lịch sử tiến hóa”. Lấy ví dụ, ông ta nói phôi thai con người trong tử cung của người mẹ, đầu tiên có khe mang giống như cá, và trong những tuần tiếp theo sẽ giống như bò sát, rồi giống thú, rồi cuối cùng mới “tiến hóa” thành người.

Bây giờ người ta đã biết rằng “những cái mang” xuất hiện trong giai đoạn đầu của phôi thai người, trên thực tế là ống tai giữa, tuyến cận giáp, và tuyến ức đang hình thành. Phần phôi thai trông giống “túi lòng đỏ trứng” là nơi sản xuất máu cho trẻ sơ sinh. Cái “đuôi” trên thực tế là xương sống, và nó trông giống như một cái đuôi chỉ vì nó được hình thành trước khi đôi chân xuất hiện.

Ngay cả các nhà khoa học thuộc phái tiến hóa cũng phải thừa nhận rằng Haeckel đã lừa đảo. Năm 1976, nhà phôi học, sinh học và giải phẫu học người Anh, tiến sỹ William W. Ballard đã viết rằng “chỉ có nhờ các thủ đoạn ngữ nghĩa và cách chọn lọc bằng chứng mang đầy tính chủ quan”, bằng cách “bẻ cong những thực tế của tự nhiên”, thì người ta mới có thể lý luận rằng những giai đoạn đầu tiên của các động vật có xương sống là “tương đồng hơn so với các cá thể trưởng thành”.

Thực ra, giới khoa học đã biết Haeckel lừa đảo từ lâu, ngay cả những người theo phái tiến hóa cũng phải công nhận điều đó.

Giáo sư nổi tiếng Keith S. Thomson bày tỏ sự vui mừng khi thấy vụ lừa đảo của Haeckel được phơi bày:

Thế nhưng có vẻ Thomson đã quá lạc quan. Thực tế là, nhiều hình vẽ giả của Haeckel vẫn được giảng dạy trong các trường học, và được người ta xem như một “chân lý khoa học”…

Vào tháng 3/2000, một người theo trường phái tiến hóa kiêm nhà cổ sinh vật học Stephen Jay Gould từ Đại học Harvard tuyên bố rằng từ lâu ông đã biết đây là trò gian lận. TS Gould nói rằng đây là một thảm họa trong khoa học khi các hình vẽ của Haeckel vẫn tiếp tục được sử dụng:

Giáo sư Gavin de Beer, Giám đốc Bảo tàng Lịch sử Tự nhiên Vương quốc Anh, đã miêu tả cảm nghĩ của mình như sau:

Nhà sinh học phân tử thuộc Đại học California, tiến sỹ Jonathan Wells nhận xét:

Tại sao những hình vẽ giả mạo của Haeckel vẫn có thể tiếp tục lừa dối rất nhiều người, dù đã được phơi bày ra công chúng từ gần 150 năm trước? Thế giới khoa học đã xác nhận vụ bê bối của Haeckel, nhưng rất nhiều người vẫn giữ thái độ im lặng một cách kỳ lạ, đặc biệt là những người theo phái tiến hóa? Họ rủ nhau im lặng suốt 150 năm như vậy vì mục đích gì? Đây là những câu hỏi khiến chúng ta phải suy ngẫm.

Mặc dù ” thuyết lặp lại hình thái ” của Haeckel đã chính thức bị loại bỏ khỏi các sách giáo khoa, nhưng một lượng nhỏ các sách giáo khoa trên thế giới vẫn rao giảng nó. Các hình vẽ phôi bịa đặt của Haeckel – vốn là nền tảng của học thuyết đó – thì thậm chí vẫn tiếp tục được xuất bản đại trà.

Ngày càng có nhiều tiến sỹ khoa học, các nhà bác học, các viện sỹ viện hàn lâm khoa học và các nhà khoa học đạt giải Nobel… không còn tin vào thuyết tiến hóa. Đây là điều tất yếu, bởi tri thức khoa học của thế kỷ 21 đã phơi bày những sai lầm trong các quan điểm khoa học sơ khai của thời Darwin thế kỷ 19.

Nguồn: daikynguyenvn.com

Vai Trò Của Index Trong Một Cuốn Sách

Quản lý khoa học

Với một cuốn sách phi hư cấu, đặc biệt là sách khoa học, phần tài liệu tham khảo và index (chỉ mục) tuy là phần phụ nhưng lại không thể thiếu, và sự có mặt hay không có mặt của nó có một vai trò rất lớn đối với giá trị hay tư cách của cuốn sách. Truyền thống xuất bản sách tiếng Việt lâu nay mới chỉ chú trọng đến việc làm và trình bày phần tài liệu tham khảo, chứ chưa chú trọng đến việc làm và trình bày phần index.

Index là gì?

Qua index sách, người ta có thể hình dung bức tranh học thuật của một nền khoa học, bức tranh dân trí của nền văn hóa đọc, bởi lẽ, một nền khoa học phát triển không thể có một hệ thống thuật ngữ khoa học đơn điệu và nghèo nàn, một nền văn hóa đọc cao không thể dễ dàng chấp nhận những cuốn sách cẩu thả, thiếu index.

Vai trò của index

Đối với việc làm sách tiếng Việt hiện nay, chưa có quy định nào ràng buộc chúng ta phải làm index cho một cuốn sách, nhất là sách khoa học, mà trước nhất và trên hết là các giáo trình đại học và các chuyên khảo khoa học, dù rằng lợi ích của nó đem lại là vô cùng to lớn.

Nguyên nhân đa số sách tiếng Việt hiện nay vẫn chưa có index

Trên thị trường sách hiện nay có một loại sách mà việc làm index không tốn kém thời gian và công sức nhiều, đáng ra đương nhiên phải có index, nhưng thường vẫn chưa có. Đó là loại sách phi hư cấu được dịch từ tiếng nước ngoài, nhất là tiếng Anh và tiếng Pháp.

Loại sách này, về thực chất, không phải thực hiện công đoạn thiết lập bảng từ đầu mục của index. Và trên phương diện luật pháp, việc loại bỏ phần index chính là một việc làm vi phạm bản quyền sách. Thêm nữa, việc duy trì index trong những cuốn sách dịch như thế này còn góp phần nâng cao chất lượng bản dịch, bởi vì một lí do hết sức đơn giản là khi làm lại index, người dịch hay biên tập viên luôn phải chú ý đến tính thống nhất trong việc biểu đạt khái niệm, xử lí thuật ngữ. (Nhìn vào index dịch, người ta dễ dàng có thể đánh giá được chất lượng bản dịch do chỗ các từ đầu mục đã trực tiếp cho thấy đó là một sự diễn giải ngữ nghĩa/ khái niệm dài dòng hay là một thuật ngữ khoa học tương đương ngắn gọn, chính xác). Thực tiễn dễ dàng làm index và lợi ích rõ ràng của index là vậy, nhưng hiện nay người ta hiếm khi tìm thấy những cuốn sách dịch tiếng Việt vẫn duy trì index như sách gốc. Đây là một điều đáng tiếc.

Các nhà khoa học, nhà giáo, học sinh sinh viên, phải là những người ý thức một cách sâu sắc về việc lập và sử dụng index sách.

Lợi ích mà index một cuốn sách đem lại là rất nhiều và rất hiển nhiên. Nhưng công việc lập index cho một cuốn sách tiếng Việt hiện nay mới chỉ được một số nhà xuất bản hay công ti sách, một số trường đại học, một số tác giả thi thoảng bắt đầu thực hiện2. Nguyên nhân từ đâu? Có nhiều lí do giải thích điều này. Đối với việc làm sách tiếng Việt hiện nay, chưa có quy định nào ràng buộc chúng ta phải làm index cho một cuốn sách, nhất là sách khoa học, mà trước nhất và trên hết là các giáo trình đại học và các chuyên khảo khoa học, dù rằng lợi ích của nó đem lại là vô cùng to lớn. Chính điều này đã tạo cho những người làm sách một thói quen từ chối hay sức ì trong việc lập index sách. Thực tế cho thấy đội ngũ những người mà chúng ta thường cho rằng họ là những người có trách nhiệm và đi đầu trong việc thiếp lập, đòi hỏi và tiếp cận các index sách nhiều nhất là những nhà khoa học, học sinh sinh viên, biên tập viên của các nhà xuất bản, tòa soạn thì không ít người trong số họ, nếu không muốn nói là đa số, lại vẫn chưa hiểu và đánh giá đúng, thậm chí là chưa biết đến index sách hay chưa biết cách sử dụng index sách.

Những vấn đề ngôn ngữ học đặt ra với việc làm index tiếng Việt

Do thiếu một quy trình thống nhất trong việc lập index, và không có một cơ quan chuyên trách được giao nhiệm vụ chuẩn hóa thuật ngữ,… cho nên, rất nhiều đầu sách được lập index hiện nay vẫn thể hiện những thiết sót, thậm chỉ là vô lí đáng tiếc. Ngay bộ Từ điển bách khoa Việt Nam hiện nay cũng vẫn chưa xử lí được index một cách hệ thống và nhất quán. Chẳng hạn, cũng nói về tên riêng là thực thể biển, nhưng Từ điển Bách khoa Việt Nam đã sử dụng tới mấy cách xử lí thuật ngữ. Biển Bắc, Biển Đỏ, Biển Đông được xếp vào mục Biển của vần B, còn các biển khác lại được xếp theo chữ cái đầu tiên của tên riêng như Bantich (Biển), Nhật Bản (Biển); nhưng bản thân Biển Nhật Bản thì lại có hai cách thể hiện là Biển Nhật Bản x. Nhật Bản (Biển). Hay các con sông như Sông Cả, Sông Cầu, Sông Đuống, Sông Hồng thì được xếp vào mục S, còn các con sông như Amazôn, Bến Hải, Trường Giang, Vonga,… thì lại được xếp theo chính tên riêng và không có chữ sông,…

Nguyên nhân của sự chưa nhất quán này đến từ đâu? Ở đây, ta tạm không đề cập đến tiêu chí để lập một index (lập danh sách từ đầu mục và cách bố trí các thông tin trong một từ đầu mục), ta chỉ đề cập đến những khó khăn mà thực tiễn tiếng Việt đem lại cho việc lập index.

Xét trên khía cạnh tính khả thi và tính hiệu quả, các trường đại học và các viện nghiên cứu hiện nay phải là những tổ chức đi đầu trong việc lập các index sách cho những ấn bản khoa học của mình. Các nhà khoa học, nhà giáo, học sinh sinh viên, phải là những người ý thức một cách sâu sắc về việc lập và sử dụng index sách. Những biên tập viên nhà xuất bản phải là những người ý thức được và nắm được kĩ thuật, quy trình và tiêu chí lập index sách. Thậm chí, trong công tác in ấn, cũng cần có những người chuyên trách làm công việc lập index sách (người lập index sách/ index viên), giống như những biên tập viên tại các nhà xuất bản hay các toà soạn.

1 Trên thực tế, hiện nay rất nhiều sách tiếng Việt vẫn chưa có phần thông tin quan trọng này. Một cuốn sách muốn vượt qua biên giới để có được một căn cước chính danh trong hệ thống sách quốc tế, trong các thư viện nước ngoài không thể không có phần thông tin này. Việc thiếu các chỉ mục sách có lẽ phần nào ảnh hưởng đến việc “xuất khẩu” các ấn phẩm văn hóa Việt Nam ra nước ngoài.

2 Ví dụ như Nxb Giáo dục, Nxb Trẻ, Nxb Kim Đồng, Nxb Đại học Bách khoa Hà Nội, Trường Đại học FPT, công ty Long Minh, Nhã Nam.

Tổng Quan Về Predictive Analytics (P.2)

Bigdatauni.com

Follow Fanpage

Contact

Dành cho các bạn nào chưa đọc phần 1:

Tổng quan về Predictive analytics (P.1)

Mối quan hệ giữa Predictive modeling và Data mining với Predictive analytics

Phân tích dự báo là nền tảng để xây dựng các mô hình dự báo được sử dụng hỗ trợ trong các hoạt động kinh doanh hàng ngày ở mỗi tổ chức. Nhắc lại định nghĩa về Predictive analytics ở phần 1 của MathWorks – công ty chuyên cung cấp các phần mềm tin học tính toán ví dụ nổi tiếng như MATLAB: “Phân tích dự báo sử dụng dữ liệu cùng với kỹ thuật phân tích, thống kê và học máy để tạo ra một mô hình dự báo để dự báo các sự kiện trong tương lai. Thông thường, dữ liệu lịch sử được sử dụng để xây dựng một mô hình toán học để nắm bắt các xu hướng quan trọng. Mô hình dự báo đó sau đó được sử dụng trên dữ liệu hiện tại để dự báo điều gì sẽ xảy ra tiếp theo hoặc để đề xuất các hành động cần thực hiện để đạt được kết quả tối ưu.”

Theo chúng tôi, Predictive modeling và Predictive analytics khác biệt rõ nhất chính là ở quy trình vận hành. Ví dụ ở phân tích dự báo, khi mỗi lần triển khai một dự án khai thác dữ liệu thì mỗi công ty luôn phải đầu tiên xác định mục tiêu nghiên cứu, mục đích sử dụng phân tích dự báo, còn ở Predictive modeling thì không, các mục tiêu đã được xác định từ trước và được sử dụng cho các lần tiếp theo; tương tự như cách thức thu thập, chuẩn bị dữ liệu cho giai đoạn phân tích, thì ở Predictive analytics, mỗi lần triển khai chúng ta phải tìm hiểu cách thức nào hiệu quả nhất, còn Predictive modeling thì quy trình thu thập, chuẩn bị dữ liệu gần như được chuẩn hóa nếu mô hình đó đã tối ưu.

Nói tóm lại, nếu muốn triển khai Predictive analytics (ví dụ đã thử nghiệm trước đó) ở các lần tiếp theo, thì mỗi công ty cần xây dựng một mô hình cụ thể, quá trình này gọi là Predictive modeling. Ví dụ, các bạn có thể thấy giả sử mà mỗi ngày Đài khí tượng Thủy văn phải lặp đi lặp lại việc tạo ra một quy trình dự báo thời tiết mới mà không dùng mô hình dự báo trước đó thì chừng nào chúng ta mới nhận được tin dự báo thời tiết trong ngày, và các ngày sắp tới.

Do đó, ở phần sau của bài viết, khi BigDataUni giới thiệu về cách thức triển khai phân tích dự báo, hay quy trình phân tích dự báo, các bạn sẽ thấy bước “thiết lập mô hình”. Theo các chuyên gia, việc xây dựng, đánh giá, phát triển các mô hình sẽ quyết định sự thành công, năng lực của mỗi công ty trong việc đưa ra dự báo về khách hàng, thị trường kinh doanh trong tương lai.

Bên cạnh Predictive modeling, chúng ta cũng tìm hiểu sơ qua về Data mining (khai phá dữ liệu) vì các quy trình và thuật toán trong Data mining được sử dụng như bước khởi đầu trong phân tích dự báo. Ở phần 1 bài viết, các bạn có thể thấy thuật ngữ Data mining xuất hiện bên trong những khái niệm về Predictive analytics.

Để chứng minh luận điểm trên, chúng ta hãy xem qua trích dẫn trong cuốn sách “Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst” của tác giả Dean Abbott, xuất bản bởi John Wiley & Sons, Inc.

“The Cross-Industry Standard Process Model for Data Mining (CRISP-DM) describes the data-mining process in six steps… The CRISP-DM name itself calls out data mining as the technology, but the same process model applies to predictive analytics and other related analytics approaches, including business analytics, statistics, and text mining.”

Ngoài ra, theo định nghĩa của SAS – công ty chuyên cung cấp các phần mềm, giải pháp lưu trữ và phân tích dữ liệu toàn cầu – Data mining là công tụ để hỗ trợ dự báo: “Data mining là quá trình tìm kiếm các chi tiết bất thường (anomalies), các mẫu, mô hình, quy luật của dữ liệu và mối tương quan giữa các tập dữ liệu lớn để dự đoán kết quả, thiết lập các dự báo. Bằng cách áp dụng một loạt các kỹ thuật khác nhau, thông tin có được từ Data mining sẽ hỗ trợ tăng doanh thu, cắt giảm chi phí, cải thiện mối quan hệ khách hàng, giảm rủi ro,..”

Để hiểu rõ về Data mining, cũng như quy trình CRISP-DM, mời các bạn tham khảo các bài viết của BigDataUni về Data mining:

Tổng quan về Data mining (P.1): Data mining là gì

Tổng quan về Data mining (P.2) Ứng dụng của Data mining

Tổng quan về Data Mining (P.3) Quy trình và phương pháp

Những quan điểm về Predictive modeling và Data mining, cũng như mối liên hệ của chúng với Predictive analytics được chúng tôi trình bày ở trên gửi đến các bạn để tránh các bạn bị nhầm lẫn, thắc mắc khi các bạn tìm kiếm tài liệu hay tìm hiểu sâu hơn về Predictive analytics.

Lưu ý rằng: lĩnh vực khoa học dữ liệu là rất rộng, có nhiều mảng, khía cạnh khác nhau, và ý kiến của nhiều chuyên gia đôi khi cũng khác nhau, do đó chúng ta cũng không thể khẳng định tuyệt đối ví dụ như bên trong quy trình phân tích dự báo phải có Predictive modeling, hoặc Predictive modeling là một công cụ khai thác dữ liệu hoàn toàn khác biệt với Predictive analytics, hoặc quy trình Data mining có thể sử dụng cho Predictive analytics ở bất kỳ trường hợp nào.

Để trình bày bài viết với góc độ khách quan, BigDataUni sẽ cố gắng giới thiệu đầy đủ những nhận định về bản chất, quy trình, các kỹ thuật khác nhau trong Predictive analytics.

Bản chất của Predictive analytics

Predictive analytics kết hợp sức mạnh từ một loạt các phương pháp bao gồm Data mining, thống kê, Machine learning, các công thức toán học khác. Các tổ chức sử dụng phân tích dự báo để phân tích dữ liệu hiện tại và lịch sử để phát hiện các xu hướng và dự báo những sự kiện sẽ xảy ra tại một thời điểm cụ thể trong tương lai, dựa trên việc tìm hiểu các yếu tố có thể tác động, hay mối liên hệ của chúng đến đối tượng dự báo.

Các yếu tố nguyên nhân là biến x: biến độc lập, và kết quả dự báo là biến y: biến phụ thuộc vào x. Lấy ví dụ tìm hiểu về mối liên hệ giữa sản lượng sản xuất một sản phẩm A (biến x) và giá sản phẩm A đó trên thị trường (biến y). Dùng công thức của thuật toán tương quan (Correlation) và hồi qui (Regression), chúng ta tìm được phương trình y = – 0.0741x + 37.708

Dữ liệu lấy từ sách “Nguyên lý thống kê ứng dụng trong kinh tế” của Đại học Kinh tế TP.HCM

Biểu đồ thể hiện phương trình hồi quy vẽ trong phần mềm Excel

Dựa vào phương trình, chúng ta sẽ dễ dàng dự báo giá thành sản phẩm A nếu sắp tới sản lượng sản xuất có thể giảm hoặc tăng. Ví dụ sản lượng dự báo tăng lên 150000 vậy giá thành sẽ là 25.963 đồng

Đây chỉ mới là một cách thức dự báo, ví dụđơn giản của Predictive analytics. Các thuật toán tương quan và hồi qui chính là kĩ thuật phân tích có trong Data mining và thống kê (Statistics), lần nữa dẫn chứng cho các khái niệm của phân tích dự báo giới thiệu trong phần 1.

Một mô hình dự báo dĩ nhiên không thể đơn giản như vậy, thực tế cho thấy cũng vậy, giá thành một sản phẩm không chỉ dựa vào sản lượng sản xuất mà còn dựa vào nhiều yếu tố khác như khả năng chi trả của khách hàng, mục tiêu lợi nhuận của công ty, chi phí kinh doanh. Mô hình sẽ rất phức tạp không chỉ có mỗi biến x, mà sẽ xuất hiện thêm x(1) đến x(n). Như chúng tôi đã nói ở đầu bài viết, mô hình dự báo không thể hoàn hảo ngay từ đầu, phải được “đào tạo”, cải thiện sao cho hợp lý nhất để đưa vào sử dụng.

Lấy những trường hợp thực tế về một số mô hình dự báo như: Mô hình dự báo giá cổ phiếu dựa trên doanh thu của công ty, lợi nhuận của công ty, giá cổ phiếu trong quá khứ, giá cổ phiếu của đối thủ cạnh tranh, các yếu tố thị trường khác. Mô hình dự báo khả năng thanh toán nợ của khách hàng dựa trên điểm tín dụng (credit score), thu nhập hàng tháng của khách hàng, nghề nghiệp, tuổi tác, tình trạng hôn nhân, v.v. Ngoài ra còn có mô hình dự báo khả năng khách hàng rời dịch vụ, mô hình dự báo khả năng hỏng hóc của thiết bị, máy móc, v.v. Nếu xét về loại kết quả dự báo, thì chúng ta có thể có:

Dự đoán kết quả dạng định tính: Ví dụ dự báo khách hàng sẽ rời dịch vụ (Có / Không)?

Dự đoán khả năng xảy ra sự cố, rủi ro: Ví dụ xác suất (%) khách hàng vỡ nợ là gì?

Dự đoán một giá trị hữu hình: Ví dụ số tiền thực tế khách hàng sẽ vay là bao nhiêu?

Một số nhận định khác về bản chất của Predictive analytics như theo tài liệu Havard Business Review “Predictive Analytics in Practice”, một quy trình phân tích dự báo hiệu quả cần phải có 3 thành phần sau:

Data – thách thức phổ biến nhất mà các tổ chức luôn đối mặt khi đang cố gắng thực hiện phân tích dự báo đó chính là thiếu dữ liệu đáng tin cậy, dữ liệu chất lượng.

Statistics (thống kê) – phân tích hồi quy (Regression), ước lượng mối quan hệ giữa các biến khác nhau, là công cụ chính cần sử dụng để phân tích dự báo.

Assumptions (giả định) – mọi mô hình dự báo đều có một giả định đằng sau nó, và điều quan trọng là phải biết giả định đó là gì và theo dõi, kiểm tra xem nó có đúng không. Giả định cơ bản trong phân tích dự báo chính là: “Tương lai sẽ tiếp tục bắt chước quá khứ.”

Bên cạnh mô hình phân tích hồi quy (Regression), thì Predictive analytics còn có mô hình phân loại (Classification). Nếu Regression model dự báo một con số cụ thể ví dụ một khách hàng sẽ tạo ra bao nhiêu doanh thu trong năm tới, thì Classification model sẽ dự báo giữa có hoặc không, giữa 0 và 1, như dự báo biến nhị phân ví dụ khách hàng có rời dịch vụ hay không (có hoặc không), điểm tín dụng của khách hàng như thế nào (tốt hay xấu), tương tự loại dự báo mà chúng tôi vừa trình bày ở trên.

Còn theo Datamation, là tổ chức cung cấp các tin tức, nghiên cứu, review về những giải pháp công nghệ mới như chúng tôi Big Data, AI,…, cho rằng Predictive analytics là lĩnh vực nghệ thuật và khoa học tạo ra các hệ thống và mô hình dự đoán. Những mô hình này, với sự điều chỉnh theo thời gian, có thể đưa ra một kết quả dự báo với xác suất xảy ra trong tương lai cao hơn nhiều so với phỏng đoán đơn thuần.

Quy trình phân tích dự báo

Các công ty thường tìm ra các cơ hội, sáng kiến kinh doanh thông qua việc xác định vấn đề và tìm kiếm giải pháp. Sau khi một vấn đề kinh doanh được xác định, những giải pháp sẽ được đề xuất và đem ra so sánh để sao cho tổ chức tìm ra được giải pháp tốt nhất. Giải pháp ấy sẽ được triển khai vào thực tế, và nếu có vấn đề khác xảy ra, thì quy trình này sẽ được lặp lại để tìm ra giải pháp tốt hơn. Đây chính là cách mà mỗi công ty mở rộng và phát triển.

Chúng ta xem xét tương tự cho quá trình phân tích dự báo. Giả sử một công ty muốn bắt đầu một dự án khai thác nguồn dữ liệu nào đó, thì đầu tiên họ phải xác định vấn đề kinh doanh, mục tiêu họ mong muốn. Ví dụ công ty đó nhận thấy rằng mình cần dự báo được hành vi mua hàng của khách hàng thông qua phân tích dữ liệu. Vậy thì mục tiêu khai thác dữ liệu của công ty đã cụ thể hơn. Đó chính là phải tạo ra một mô hình dự báo hành vi khách hàng. Vấn đề kinh doanh đã được xác định, tiếp theo công ty cần xây dựng các bước hành động, giải pháp.

Để xây dựng mô hình, các nhà phân tích sau đó phải xác định những dữ liệu nào sẽ được sử dụng, họ cần xem xét loại dữ liệu nào có khả năng đưa vào phân tích và có đem lại kết quả dự báo chính xác, giúp cải thiện mô hình hay không? Nguồn dữ liệu có dồi dào, sẵn có hay không? Việc tiếp cận, và thu thập những dữ liệu ấy có dễ dàng hay không? Sau khi dữ liệu được thu thập, bước tiếp theo là chuẩn bị dữ liệu để phân tích. Các nhà phân tích tiếp tục chuẩn hóa và làm sạch dữ liệu, nhiệm vụ bao gồm xử lý các giá trị bị thiếu, loại bỏ các giá trị ngoại lệ của dữ liệu khả năng tác động xấu đến kết quả dự báo và tiến hành tổ chức lại dữ liệu để bắt đầu cho giai đoạn phân tích. Tiếp đến ở giai đoạn phân tích, các nhà phân tích sẽ sử dụng nhiều công cụ, phương pháp, thuật toán một cách thích hợp để chạy thử nghiệm trên một bộ dữ liệu mẫu mục đích tạo ra các mô hình dự báo khác nhau.

Sau khi được “đào tạo” trên dữ liệu mẫu, các mô hình sẽ được áp dụng cho tập dữ liệu đầy đủ và được đánh giá để xem mô hình nào phù hợp nhất và mức độ tạo ra kết quả phân tích mà công ty mong muốn.

Nhiệm vụ cuối cùng là đưa mô hình đã chọn áp dụng vào các quy trình kinh doanh để hỗ trợ cho việc ra quyết định và hoạch định chiến lược. Và nếu khi triển khai mô hình dự báo ấy, mà công ty tiếp tục gặp nhiều vấn đề kinh doanh hoặc công ty muốn phát triển, nâng cao năng lực dự báo của mình, thì quá trình phân tích dự báo phải bắt đầu lại ở điểm xuất phát, để tìm ra được những mô hình mới tốt hơn.

Các bạn hãy quay lại xem đoạn văn thứ 2 trong phần này, các bạn sẽ thấy điểm giống nhau giữa quá trình Predictive analytics và cách một công ty phát triển như thế nào (so sánh 2 dòng gạch chân). Điểm giống nhau ấy chính là các quá trình sẽ được lặp đi lặp lại như một vòng luẩn quẩn liên tục tiếp diễn (còn gọi là “Virtuous cycle”) sao cho công ty phải đạt được những kết quả, giải pháp tốt hơn trước đó.

Tóm lại cho các bạn dễ hiểu, một quy trình phân tích dự báo “không chỉ” hay nói cách khác là “không thể” dừng lại cho đến khi nó tìm ra được một mô hình dự báo tối ưu nhất nhưng trong thực tế không có một mô hình nào là hoàn hảo. Vì dữ liệu ngày nay luôn thay đổi như cách con người chúng ta thay đổi, tương tự như môi trường kinh doanh, xu hướng phát triển công nghệ, v.v nên nếu công ty giữ nguyên một mô hình dự báo thì chắc chắn nó sẽ không còn phụ hợp để đưa vào sử dụng trong thực tế hoặc tương lai.

Tiếp theo chúng ta cùng đi qua một số quy trình mẫu của phân tích dự báo.

Như ở đầu bài viết chúng tôi có đề cập về quy trình CRISP-DM của Data mining có thể áp dụng cho Predictive analytics, nguyên nhân vì bản chất của phân tích dự báo là đi tìm những thông tin có giá trị ẩn chứa bên trong dữ liệu lịch sử để làm cơ sở đưa ra kết quả dự báo. CRISP-DM gồm 6 bước:

Theo Wikipedia (English ver.) và PAT Research thì quy trình phân tích dự báo gồm các bước sau:

Define project: xác định dự án thông qua xác định mục tiêu kinh doanh, xác định phạm vi dự án, xác định tập dữ liệu nào sẽ khai thác, ví dụ công ty phải tự trả lời các câu hỏi như “chúng ta muốn dự báo cái gì?”, “mức độ chính xác mà mình mong muốn từ kết quả dự báo?”, “dữ liệu nào thật sự cần thiết để phân tích?” hay “chúng ta phải triển khai quy trình từng bước như thế nào?”

Data collection: thu thập dữ liệu phục vụ phân tích dự báo.

Data analysis: là quá trình kiểm tra, làm sạch và mô hình hóa dữ liệu với mục tiêu khám phá thông tin hữu ích, đi đến kết luận.

Statistics: tìm kiếm các mối quan hệ giữa những đối tượng, các biến trong dữ liệu để làm cơ sở xây dựng các mô hình dự báo, sử dụng các phương pháp kiểm định, thống kê mô tả cho phép xác nhận các giả định, giả thuyết và kiểm tra chúng.

Modeling: xây dựng các mô hình dự báo chính xác về các sự kiện tương lai bằng các áp dụng nhiều thuật toán Data mining, Machine learning, thống kê v.v cùng với các công cụ, phần mềm khác để đánh giá và chọn ra được mô hình tốt nhất.

Deployment: triển khai mô hình, đưa ra các giải pháp để áp dụng những kết quả phân tích, kết quả dự báo vào quy trình ra quyết định hàng ngày và báo cáo cụ thể để xem xét mức độ thành công, hiệu suất của mô hình dự báo.

Model monitoring: giám sát, đánh giá tính hiệu quả của mô hình trong thực tế và tiến hành điều chỉnh, cải thiện, đảm bảo mô hình đem lại kết quả như mong đợi của tổ chức.

Theo IBM, quy trình phân tích dự báo có thể gom gọn thành 5 bước sau:

Xác định kết quả kinh doanh mong đợi: công ty cần xác định câu hỏi nào cần được hoặc có thể được trả lời bằng cách sử dụng phân tích dự báo. Nếu không được xác định mục đích chạy phân tích dự báo thì giống như ném phi tiêu trong bóng tối. Ngoài ra cũng cần xác định các đối tượng nguyên nhân (biến độc lập) rất có thể sẽ ảnh hưởng đến kết quả, đối tượng dự báo (biến phụ thuộc).

Xác định dữ liệu cần thiết để đào tạo mô hình: phân tích dự báo yêu cầu dữ liệu từ nhiều nguồn, vì vậy các nhà phân tích phải xác định nguồn dữ liệu hiện tại. Nếu các nguồn dữ liệu hiện tại không đủ, họ phải có được dữ liệu từ các nguồn khác để đảm bảo rằng các mô hình có thể được đào tạo chính xác.

Xác định các loại phân tích: xác định các kỹ thuật phân tích khác nhau và lựa chọn sao cho phù hợp tùy thuộc vào số lượng và loại dữ liệu có sẵn ví dụ như thống kê, Machine learning, Data mining, và những phương pháp tinh vi khác.

Xác thực kết quả dự báo: dữ liệu đào tạo không thích hợp, phương pháp phân tích, thuật toán sử dụng không chính xác hay giả định đưa ra không hợp lý là một số nguyên nhân có thể dẫn đến dự báo sai. Các nhà khoa học dữ liệu cần hợp tác chặt chẽ với các nhà phân tích và các cấp quản lý để đảm bảo rằng các mô hình dự đoán có ý nghĩa, đem lại giá trị kinh doanh.

Kiểm tra, cải thiện mô hình dự báo: các mô hình dự báo cần phải được điều chỉnh liên tục để cải thiện độ chính xác. Nếu một mô hình thất bại, các nhà phân tích phải xác định nguyên nhân tại sao và xây dựng, đào tạo lại mô hình.

Chắc đến đây các bạn đã nắm được cơ bản về tính chất và quy trình tổng quan của Predictive analytics. Chúng ta cùng đến phần cuối cùng và quan trọng không kém của bài viết đó chính là các phương pháp, kỹ thuật hay thuật toán dùng trong phân tích dự báo.

Kỹ thuật phân tích hay thuật toán được sử dụng trong phân tích dự báo

Theo SAS, thì có 3 kỹ thuật phân tích phổ biến nhất để xây dựng mô hình dự báo đó chính là:

Decision Trees

Cây quyết định, là một dạng Classification model mà chúng tôi đề cập ở phía trên bài viết, và là một phương pháp có trong Data mining. Lý thuyết cây quyết định giúp chúng ta hiểu được con đường, hành trình ra quyết định của một ai đó ví dụ như dự báo hành vi mua hàng, dự báo khả năng rời dịch vụ của khách hàng. Cây quyết định được xây dựng trông giống như một cái cây thật. Cây quyết định có ba phần chính: nút gốc, là điểm bắt đầu, cùng với các nút phụ và nhánh lá. Các nút gốc và lá sẽ đặt câu hỏi. Các nhánh kết nối các nút gốc và lá, mô tả dòng chảy từ câu hỏi đến câu trả lời cuối cùng. Các câu trả lời có thể đơn giản như “có” và “không.”. Quá trình phân nhánh, hay quá trình ra quyết định ở từng bước đều được dựa trên những điều kiện, hệ số đo lường, tính toán nhất định. Phương pháp cây quyết định có ưu điểm trực quan, dễ nhìn, dễ giải thích, dễ nắm bắt.

Ảnh: ví dụ về cây quyết định

Regression

Phương pháp phân tích hồi quy gồm nhiều loại khác nhau như Linear regression, Non-linear regression, Logistic regression, Quantile regression,… Phân tích hồi quy là một phương pháp được sử dụng phổ biến nhất trong thống kê và Data mining để phân tích, xác định, tìm ra, định lượng các mối tương quan, mối quan hệ giữa các biến dữ liệu trong bộ dữ liệu; tính độc lập, hay phụ thuộc giữa các biến phân tích và biến mục tiêu nghiên cứu, giữa đối tượng dự báo và các đối tượng ảnh hưởng, giữa biến nguyên nhân, và biến kết quả dự báo. Các bạn có thể xem lại ví dụ ở đầu bài viết để hiểu thêm.

Các thuật toán hồi quy riêng biệt, đặc thù được áp dụng theo từng biến dữ liệu khác nhau. Ví dụ hồi quy tuyến tính (Linear hay multi linear regression) dùng cho phân tích biến liên tục (continuous variable) với một hay nhiều biến đầu vào là biến độc lập; hồi quy logistic (Logistic hay multi logistic regression) dùng cho dự báo kết quả của biến định tính (định danh hay biến thứ tự – categorical, hoặc biến thay phiên – binary). Regression được dùng để tìm kiếm thông tin về sự tác động của những yếu tố khác nhau đến mục tiêu nghiên cứu và các dự báo về đối tượng nghiên cứu trong tương lai. Regression được sử dụng nhiều trong lĩnh vực đầu tư, lĩnh vực tài chính và những lĩnh vực kinh doanh khác.

Neural network

Ngoài ra còn một số phương pháp phân tích dự báo khác như:

Naïve Bayes (phương pháp Bayes)

Gradient boosting

k-Nearest Neighbor (kNN – thuật toán k láng giềng gần nhất)

Partial least squares (phương pháp bình phương tối thiểu)

Principle Component Analysis (PCA – phân tích thành phần chính)

Support vector machine (SVM)

Time series (phương pháp dãy số thời gian)

Survial analysis (phân tích sống sót)

Classification and regression trees (CART)

Random Forest

Genetic Algorithm (thuật toán di truyền)

Clustering Techniques (kỹ thuật phân cụm)

Association Rule Mining (khai phá sự kết hợp)

Tài liệu Havard Business Review “Predictive Analytics in Practice”

Tài liệu “Applied Predictive Analytics: Principles and Techniques for the Professional Data Analyst”

https://www.ibm.com/blogs/business-analytics/predictive-analytics-101-will-happen-next

/https://www.talend.com/resources/what-is-predictive-analytics/

https://www.sas.com/en_us/insights/analytics/predictive-analytics.html#dmhistory

https://en.wikipedia.org/wiki/Predictive_analytics

https://www.predictiveanalyticstoday.com/what-is-predictive-analytics/

https://www.cio.com/article/3273114/what-is-predictive-analytics-transforming-data-into-future-insights.html

villanovau.com/resources/bi/power-of-predictive-analytics/

https://www.mathworks.com/discovery/predictive-analytics.html#predictive-analytics-with-matlab

https://dzone.com/articles/introduction-to-predictive-analytics-and-predictiv

https://www.datamation.com/big-data/predictive-analytics-techniques.html

https://rstudio-pubs-static.s3.amazonaws.com/223423_8ca6fccca1e44939be3f85ecbfa9598f.html#step-5.1-random-sampling-train-and-test

https://searchbusinessanalytics.techtarget.com/tip/How-predictive-analytics-techniques-and-processes-work

Về chúng tôi, công ty BigDataUni với chuyên môn và kinh nghiệm trong lĩnh vực khai thác dữ liệu sẵn sàng hỗ trợ các công ty đối tác trong việc xây dựng và quản lý hệ thống dữ liệu một cách hợp lý, tối ưu nhất để hỗ trợ cho việc phân tích, khai thác dữ liệu và đưa ra các giải pháp. Các dịch vụ của chúng tôi bao gồm “Tư vấn và xây dựng hệ thống dữ liệu”, “Khai thác dữ liệu dựa trên các mô hình thuật toán”, “Xây dựng các chiến lược phát triển thị trường, chiến lược cạnh tranh”.

Bạn đang đọc nội dung bài viết Tổng Hợp Về Phôi Thai Của Haeckel P4 – Về Cuốn Sách Của Johanathan Wells trên website Sieuphampanorama.com. Hy vọng một phần nào đó những thông tin mà chúng tôi đã cung cấp là rất hữu ích với bạn. Nếu nội dung bài viết hay, ý nghĩa bạn hãy chia sẻ với bạn bè của mình và luôn theo dõi, ủng hộ chúng tôi để cập nhật những thông tin mới nhất. Chúc bạn một ngày tốt lành!