Thang Le Blog

July 26, 2016

Nỗi thất vọng không tên

Giá như...

âu đầu tiên, tôi chỉ biết kêu: Thánh ơi! Tôi chẳng biết dùng từ gì để diễn tả nỗi thất vọng có thể coi là “toàn tập” của tôi về anh lúc này. Chỉ biết kêu “thánh ơi” mà thôi. Thử vận may xem sao. Tại sao tôi không kêu “trời ơi”? Bởi vì “trời” tôi cũng kêu nhiều rồi nhưng cũng không hề hấn chi, không giải quyết được chi. Đó là nỗi buồn khó nói thành lời trong tôi lúc này, đặc biệt ngay buổi đầu tuần. Giá như anh mang cơm trưa như mọi khi để tôi khỏi nghe được câu anh nói: “từ giờ đến hết tháng 8 có làm gì đâu, chỉ tổng hợp số liệu thôi mà”. Tôi giật mình cho sự thiếu trách nhiệm của anh. Điều này, mà tôi đã đề cập trong bài hãy sống có trách nhiệm hơn. Cứ tưởng rằng, sau bài đó tôi sẽ không đề cập tới vấn đề này nữa. Bởi tôi cũng chẳng thích nói các vấn đề tương tự như vậy cho người khác biết. Ai cũng có ưu nhược điểm riêng. Cũng đều là con người. Người trần mắt thịt, chứ đâu phải "thánh nhân" mà không có thiếu sót. Điều đáng nói, ngay cả trong suy nghĩ đã vậy rồi thì mong gì hành động có đổi thay.

Chuyện là vậy, do đặc thù công việc nên thời điểm “nóng” về công việc (cuối năm, đấu thầu, trước “kiểm tra kiểm mẹ”...). Như chẳng có gì đáng bàn cả. Huy động, điều phối nhân lực tập trung giải quyết một vấn đề nào đó là chuyện bình thường như “cân đường hộp sữa”. Tuy nhiên, điều đáng nói ở đây, do anh nhiều việc, mà nói thẳng ra, anh “ôm đồm” nhiều việc, “ôm rơm rặm bụng”. Nhiều lúc, tôi không thể hiểu được trong đầu anh đang nghĩ gì luôn. Bảo tập trung vào chuyên môn, gác lại những vấn đề khác (giao cho đồng chí khác) nhưng cũng chỉ là đề cập, đưa ra cho vui thôi, chứ đâu vẫn hoàn đó.

Thực ra, ngay từ đầu buổi sáng tôi đã mường tượng được ra vấn đề như thế nào rồi. Tôi cũng đã xác định được vấn đề. Mình cứ chủ động đi, chứ trông chờ ai, trông chờ làm gì cho mất thời gian, hỏng việc, thậm chí càng làm mình bực tức hơn. Ấy vậy, mà tôi phải dùng cụm từ “giá như”. Ôi chao. Giá như anh mang cơm ăn trưa như mọi khi thì tốt biết bao? Như thường lệ, anh mang cơm lên cơ quan ăn bữa trưa. Nhưng hôm nay, anh không mang. Đến giờ trưa, tôi và 1 đồng chí đi ăn trưa. Đúng lúc, anh đứng dậy đi vệ sinh. Cứ tưởng rằng, anh mang cơm nên tôi không hỏi anh có mang cơm không? Thực sự, lúc đó trong tôi nhiều cảm xúc lẫn lộn, mà buồn nhiều hơn không. Nên cứ thế đi. Đang chọn món ăn. Anh gọi điện hỏi, em đi ăn cơm chưa? Em đang chọn món rồi, tôi nói. Anh tưởng em đi sau nên cứ chờ ở dưới tầng 1, anh nói tiếp. Lúc sau, chọn món xong, 3 anh em ngồi ăn cùng bàn. Như thường lệ, chỉ nói vấn đề gì đó để mọi người cùng cười, thậm chí có thể trêu trọc nhau về vấn đề nào đó. Nhưng chẳng biết làm sao, hôm nay trong tôi có chút gì đó “buồn buồn” mà khó nói thành lời. Nên không khí bữa cơm trưa bớt nhiều chuyện như mọi khi. Ba anh em ngồi ăn cơm, tôi hỏi bâng quơ, anh bây giờ “tránh” được rph (đề tài sắp kết thúc) ít nhất đến hết tháng 8 nhỉ. Anh nói một câu tỉnh bơ như chẳng màng chi cả: “từ giờ đến hết tháng 8 có làm gì đâu, chỉ tổng hợp số liệu thôi mà”. Tôi giật mình, quay sang anh hỏi nhỏ, em không thể hiểu được anh nghĩ như thế nào mà lại nói như vậy. Anh không nói gì. Tôi cũng vậy. Sau đó, không khí trầm xuống. Không ai nói với ai câu nào nữa. Nỗi buồn này biết bày tỏ cùng ai. Khi ăn xong, đi về, trong đầu tôi nghĩ ngợi linh tinh. Và giá như... thì tôi đã không nghe được câu nói từ anh như vậy.

Sức ỳ bản thân

Qua câu nói như vậy, mới thấy nhận định của tôi về anh mà bài trước tôi có đề cập rằng, từ đầu năm, từ khi “họp bàn” xác định vấn đề chuyên môn của đề tài rph còn nhiều tồn tại, thiếu sót cần sớm được điều tra bổ sung, tích cực mới đảm bảo đề tài nghiệm thu đúng tiến độ, là “hoàn toàn có cơ sở”. Bởi trong suy nghĩ của anh “chưa phải thời điểm cần kíp” để giải quyết những vấn đề đó. Càng có cơ sở để nói thêm rằng “sức ỳ bản thân”, “sức ý tâm lý”, “nước đến chân mới nhảy” trong anh luôn hiển hiện thay vì có những đổi thay trong tư duy, hành động qua những trải nghiệm về công việc chuyên môn. Thật phí cho những năm tháng anh lăn lộn ngoài trường đời. Nhiều khi anh không có nổi cái “chính kiến” cần có của riêng anh. Ù ù, cạc cạc. Thế nào cũng được. Thế nào cũng xong.

Hãy sống có trách nhiệm hơn

Đến đây, tôi cũng chẳng hy vọng thêm gì nhiều ở anh. Cũng chỉ mong anh, cũng như một số người khác nếu có đọc được những dòng tâm sự này, “hãy sống có trách nhiệm hơn” mà thôi. Cuộc đời, tương lai của mình như thế nào do phần lớn mỗi người quyết định. Ngay từ những việc tưởng chừng “nhỏ nhoi” nhất cũng phải sống, làm việc có trách nhiệm hơn. Bản thân tôi sau câu chuyện như vậy cũng tự ý thức rằng, mình nên chủ động trong công việc, đừng mong người khác làm cùng mình, làm giúp mình việc gì. Bởi cái chế độ, cái cung cách làm việc nó như vậy rồi. Và mình không thể “chây ì” như người ta được. Bởi mình không làm thì tội vạ ở mình, chứ người ta không làm cũng chẳng hề hấn chi. Thân cô thế cô là vậy. Hãy tự lo cho mình trước. Trông mong chi nơi người khác. Người ta cũng phải lo cho bản thân họ, gia đình họ... chứ mấy ai để “rơi vãi” ra ngoài.

Sách hay: Phân tích dữ liệu với R

ài này mình xin được giới thiệu tới bạn đọc về cuốn sách hay về phân tích thống kê trong nghiên cứu khoa học nói chung. Tựa đề cuốn sách: “Phân tích dữ liệu với R” (1). Thực ra, cuốn sách đã được GS Nguyễn Văn Tuấn giới thiệu ở Việt Nam từ 2005 đến nay qua các workshop, bài giảng (video)... Bạn đọc quan tâm có thể tìm hiểu và học trực tiếp từ cuốn sách, video, tài liệu mà GS đã giới thiệu. Chắc rằng, không có ít bạn sẽ hỏi vậy cá nhân tôi, đã là gì?, làm được gì? mà giới thiệu cuốn sách, bài giảng của GS Tuấn đã giới thiệu cách đây cả chục năm và không ngừng được bổ sung, cập nhật những kiến thức mới về R, đặc biệt trong thời đại “big data”. Xin thưa với quý bạn đọc rằng, cá nhân cũng chưa là gì?, chưa làm được gì?, đặc biệt liên quan đến R. Tuy nhiên, ở góc độ nào đó, cá nhân tự tìm hiểu, học cách xử lý số liệu liên quan đến công việc hàng ngày nên bước đầu đã hiểu, biết cách xử lý ít nhiều liên quan đến R. Thấy, rất hay, rất hữu ích và cái quan trọng phù hợp với xu thế của cộng đồng nghiên cứu khoa học trong thế kỷ số. Thực ra, mình may mắn được tiếp cận, biết đến R rất tình cờ, trước đó mình quen sử dụng SPSS hơn. Cách đây hơn 1 năm mình lên mạng thấy nhiều thông tin về R từ các bài giảng video của GS Tuấn, từ đó mình chủ động tìm hiểu và ngày càng thích, “mê” nó. Mê luôn cả con người và “nhân cách” GS Tuấn. Khi đó mình đặt liền một lúc mấy cuốn sách của GS từ Nxb Tổng hợp TP HCM, trong đó có cuốn "Phân tích dữ liệu với R". Từ khi bắt đầu tải R, cài đặt và tập tành, sau một thời gian cũng thấy khả năng làm quen, xử lý số liệu với R được cải thiện ít nhiều, đặc biệt tạo nên những biểu đồ đẹp, sinh động, khoa học mà từ đó mình cũng mạnh dạn đăng các bài báo khoa học chuyên ngành (tạp chí nước nhà thôi).

“Phân tích dữ liệu bằng các phương pháp thống kê học là một kĩ năng rất cần thiết cho tất cả các lĩnh vực khoa học và xã hội. Phân tích dữ liệu là một quy trình khám phá trong khoa học. Trong thời đại “big data” phân tích dữ liệu đang dần trở thành một khoa học: khoa học dữ liệu hay data science. Đây là một khoa học mới và đầy hào hứng mà các bạn có thể “dấn thân”. Do đó, dù muốn hay không thì tất cả các nhà chuyên môn, nhà khoa học cần phải làm quen hay ít ra là có kiến thức về phương pháp và mô hình phân tích dữ liệu” - Trích bìa cuốn sách (1).

Nói về những lý do để học R thì cộng đồng nghiên cứu khoa học, đặc biệt những GS đầu ngành ở nhiều lĩnh vực như GS Tuấn (y khoa), Bs Trần Quý Phi (y khoa)... đã đưa ra rất nhiều. GS là con người với “nhân cách lớn” luôn trăn trở với nền giáo dục, khoa học của nước nhà. Dưới đây, mình cóp nhặt vài lý do mà GS Tuấn, Bs Trần Quý Phi đưa ra. Tại sao nên học R? để mọi người tham khảo.

Thứ nhất, nó miễn phí, chứ không tốn tiền như Stata và SPSS (mà phần lớn bạn ở VN dùng là lậu, bất hợp pháp);
Thứ hai, R được thiết kế bởi giới làm về khoa học thống kê, và những phương pháp phân tích hiện đại nhất, mới nhất đều được triển khai trong R trước. Điều đó có nghĩa là chúng ta sẽ làm chủ phương pháp sớm nhất và do đó nghiên cứu có cái “mới” sớm nhất;
Thứ ba, R là ngôn ngữ chính cho Dữ liệu lớn (Big Data), còn các software khác như Stata và SPSS thì chỉ dùng cho những nghiên cứu tầm nhỏ và trung mà thôi. Vì thế, học R các bạn sẽ tiếp cận và cập nhất hóa với khoa học “nóng” như Big Data rất nhanh;
Thứ tư, biểu đồ trong R có phẩm chất tốt hơn hẳn các software thông thường khác như SPSS và Stata;
Thứ năm, R còn hơn cả miễn phí, nó là một phần mềm open sorce, mã nguồn mở. Nghĩa là mọi người đều có thể xem, sửa mã nguồn. Cũng vì là mã nguồn mở cho cộng đồng người dùng, đặc biệt là những chuyên gia dễ dàng góp ý và hiệu chỉnh. Thực tế, trước khi một tính năng, đặc biệt là các package chuyên biệt được phát hành (release) nó sẽ được kiểm tra và rà soát kỹ càng nên không hề có chuyện sai lầm trong phương pháp và tính toán;
Thứ sáu, mặt khác R được thiết kế theo dạng các package. Ở một số phần mềm khác gọi là module như SPSS. Nhưng các package của R được xây dựng và phát hành rất nhanh, đáp ứng với sự phát triển của các thành tựu lý thuyết. Nhà nghiên cứu lý thuyết có một con đường nhanh nhất để thử nghiệm và cho mọi người áp dụng là xây dựng package trong R. Đó cũng là một lý do mà R phát triển nhanh chóng trong giới nghiên cứu, chứ không đơn thuần là do nói miễn phí;
Thứ bảy, R khó dùng với người mới bắt đầu là điều ai cũng phải công nhận. Nhưng thật ra do ngại ngay từ đầu và không dùng thường xuyên nên cảm tưởng ấy ngày càng nặng. Với R, người dùng sẽ hiểu dữ liệu hơn, hiểu cách mình tiến hành phân tích hơn. Nói chung, R không dành cho những người... dễ dãi;
...

Trên đây mà một vài lý do trong vô vàn lý do tại sao nên học R mà mình cóp nhặt từ GS Tuấn, Bs Trần Quý Phi. Với bản thân, mình chẳng dám “múa rìu qua mắt thợ”. Bởi những gì cần nói thì những người đi trước như GS Tuấn đã giải đáp mọi thắc mắc rồi. Mình là người đi sau, mới được tiếp cận, đang trong quá trình tìm hiểu nên muốn cóp nhặt các ý kiến để học hỏi, và cũng muốn lưu lại để tham khảo. Ở góc độ cá nhân, có bắt tay vào tìm hiểu, tập tành, xử lý, vẽ biểu đồ... cho ra thành quả mới thấy cái hay, cái hữu ích của R mang lại. Khi đó cảm xúc thật khó diễn tả được, đặc biệt góp phần làm tăng giá trị hàm lượng khoa học của các báo cáo, bài báo, bài tham luận hội thảo... mà cá nhân đã trải qua. Sẽ là phiến diện cho những nhận định của bản thân. Vì vậy, nếu ai đã, đang và sẽ tìm hiểu, sử dụng R trong xử lý số liệu mới tự cảm nhận được những gì hữu ích mà R mang lại. Khi đó ở góc độ mỗi cá nhân sẽ là trải nghiệm với R, mà không hẳn ai cũng có trải nghiệm giống ai. Hơn nữa, nếu ai đang dùng quen SPSS hay IRRISTAT... khi chuyển sang R sẽ thấy sự khác biệt trong các thông số thống kê phân tích, các mô hình hồi quy, các hình vẽ, biểu đồ sẽ thấy "không thể khoa học" hơn. Vì vậy, mỗi chúng ta hãy tự cảm nhận sự khác biệt giữa R với các phần mềm xử lý thông kê thông thường. Đó là những trải nghiệm thú vị, hữu ích, đặc biệt cho những ai theo đuổi con đường nghiên cứu khoa học chính nghĩa. Hãy bắt đầu trải nghiệm cùng R mọi người nhé.

Tuy nhiên, như Bs Trần Quý Phi có nói “R không dành cho những người... dễ dãi”. Đủ biết, bạn phải dành thời gian, kiên trì và đặc biệt thường xuyên sử dụng R như thế nào. Ở góc độ cá nhân, từ khi tiếp cận, tìm hiểu, tập tành xử lý, vẽ được cái biểu đồ nhìn chung tương đối đẹp cũng mất không ít thời gian (ai có bắt tay vào tìm hiểu, xử lý mới biết mất thời gian, thậm chí là "cực" như thế nào). Khi đăng bài báo khoa học, hay thi thoảng sau mỗi thành quả mình hay post giới thiệu trên facebook mọi người nhìn thấy đẹp, bảo mình giới thiệu. Mình sẵn sàng chia sẻ mọi thứ, những gì mình đã tìm hiểu, tập tành xử lý liên quan đến R, từ tài liệu (sách về R của GS Tuấn, bản pdf trên mạng), các bài giảng (video)... Mình coppy hết những gì mình có, kể cả những code sau mỗi lần mình tập xử lý và có thành quả là các hình vẽ, biểu đồ. Có nhiều trường hợp, các bạn nhờ mình xử lý, vẽ biểu đồ giúp để phục vụ cho báo cáo nghiên cứu mà bạn đang phụ trách. Nhưng, dường như mọi người không có thời gian cũng như chưa đủ kiên nhẫn để tìm hiểu, học cách xử lý số liệu bằng R.

Bản thân mình cũng đang trong quá trình tìm hiểu, tập tành thôi, gọi là biết chút ít (cũng đủ để xử lý những gì liên quan đến đề tài nghiên cứu thông thường), nên mong muốn được chia sẻ tới ai đó quan tâm, ĐỂ cùng tìm hiểu, tập tành và cùng chia sẻ những mẹo hay trong R. Chứ không dám “khoe” cái gì cả, càng không dám "thể hiện" một chút gì (bởi mình không có thói quen như vậy). Cũng không dám “lên lớp” ai về vấn đề gì, dù là nhỏ nhoi nhất. Tuy nhiên, mình cũng xác định ngay từ đầu. Không hẳn sợ "gạch đá" mà làm mất đi cái niềm vui khi làm quen với R, và để có thể tiến bộ hơn thì việc học hỏi, rút kinh nghiệm từ gạch đá sẽ là rất hữu ích đối với bản thân.

======================================================================

(1) Nguyễn Văn Tuấn (2014). Phân tích dữ liệu với R. Nxb Tổng hợp TP HCM.

Hãy sống có trách nhiệm hơn

rong công việc, nhiều lúc tôi cảm thấy “out cast” trong môi trường làm việc hiện nay. Bởi dường như chẳng ai chịu hiểu, cảm thông cho mình, ngay cả những người trong nhóm chuyên môn, người trong cuộc. Tôi cũng là con người bình thường như bao người khác, người trần mắt thịt hẳn hoi. Có gia đình nhỏ, cũng phải lo “cơm áo gạo tiền” và bao nhiêu thứ khác. Ấy vậy mà sao anh không hiểu dùm tôi. Cùng nhóm chuyên môn, trước kia còn 1 anh nữa. Anh ấy đã ra đi (chuyển công tác). Để lại bao tồn tại, tai tiếng mà giờ đây tôi và anh phải gánh chịu. Nỗi khổ tâm này biết bày tỏ cùng ai?

Nhiều lần tâm sự thật lòng, có gì nói hết, nói tuốt tuồn tuột đến tận tâm can. Vậy mà, anh đâu có hiểu cho tôi. Đâu phải tôi lắm chuyện, so đo tính toán gì cho cam. Anh hãy “sống có trách nhiệm” với công việc được giao đi chứ. Cùng người trong cuộc anh hiểu hơn ai hết. Phận làm em, nhiều lần tôi hơi “quá”. Bực lên. Nói những lời không phải với anh. Nghĩ lại tôi thực sự thấy xấu hổ và thấy mình nhỏ nhen về điều đó. Tôi xin lỗi.

Cuộc sống đời thường. Môi trường ấy. Con người ấy. Chế độ ấy. Nhiều lần tôi đã đưa ra phương châm 3C “có tai như điếc, có mắt như mù, có mồm như câm” và 3K “không nghe, không thấy, không nói”. Tôi đã không làm được. Nhiều khi vẫn hay trách móc này nọ. Dẫu biết rằng, như vậy cũng chẳng hay ho, ích lợi gì cho cả hai, cũng như mọi người khác trong môi trường ấy. Trong bài ốc không nổi mình ốc lại mang cọc cho rêu mình có tâm sự về nỗi khổ không biết nói cùng ai này. Bởi trong thâm tâm chẳng mấy ai thích người xung quanh góp ý (chê) cho mình. Thực ra, mình muốn mọi thứ tốt lên, chứ có dám “lên lớp” ai câu nào đâu, lên lớp vấn đề gì đâu?. Trong chúng ta, “chẳng ai lại không thích người ta khen mình. Ai nói rằng mình không thích, đó có thể là thánh nhân hoặc là một tay nói xạo. Lời khen rót vào tai ta những mật ngọt thật êm dịu...” (1). Thế mới biết con người, xã hội nó phức tạp thế nào? Sống sao cho phải tấm lòng bấy nhiêu?.

Cuộc sống là vậy con người là thế

Sống sao cho phải tấm lòng bấy nhiêu

Quay lại câu chuyện, hôm nay thực sự tôi rất bực. Bực chỗ, người làm người chơi. Tôi cặm cụi viết báo cáo. Anh ngồi chơi đế chế hàng tiếng đồng hồ. Giờ nghỉ chơi thì chẳng nói làm gì. Đằng này, giờ nghỉ chơi chưa thích. Giữa giờ lại chơi. Bực. Bực. Bực. Tôi đã cố kìm nén bực tức. Nhưng không. Tôi không thể làm việc trong tâm trạng ấy. Thế là. Đứng dậy. Sang anh. Tôi hỏi nhẹ nhàng. Anh chơi có vui không. Anh không nói gì, chỉ cười khẩy. Điệu cười mà tôi cảm thấy “rợn người”. Kiểu cười thiếu trách nhiệm. Tôi không nói gì. Quay sang đồng chí chơi cùng cặp. Thực ra, tôi rất bực. Ông không có việc gì làm thì đừng rủ rê anh ấy chơi. Trong giờ hành chính còn chơi nữa. Đừng trách cuối năm họp tổng kết, tôi không vấn đề này nói trước phòng. Không nói gì thêm. Tôi đi ra ngoài cho khuây khỏa, thoải mái tinh thần.

Nhiều khi anh nói “chán”. Vâng, mỗi anh biết chán. Còn tôi thì không biết “chán” ư. Anh chán, anh mặc kệ. Tôi cũng chán, cũng nản chứ. Nhưng nếu chán, nản tôi mặc kệ như anh thì sao? Rà soát, họp bàn xác định vấn đề chuyên môn của đề tài còn nhiều tồn tại, thiếu sót. Ấy vậy, họp bàn cho vui hay sao. Thời gian dần trôi, ngày kết thúc (nghiệm thu) càng đến gần. Anh chẳng quan tâm, dành thời gian cho những vấn đề, nội dung đã được giao theo kế hoạch. Phải chăng “sức ỳ bản thân”, "sức ỳ tâm lý" trong anh quá lớn. Hàng ngày lên cơ quan chưa xác định được công việc “cần kíp” phải giải quyết, ưu tiên ư. Hay cứ để nước đến chân mới nhảy?. Đây là câu hỏi nhỏ tôi muốn dành riêng cho anh (nếu anh vô tình hay hữu ý đọc được) để anh tự ngẫm. Và tôi cũng vậy.

Nhiều lúc, tôi cũng chán ngán cái “cung cách” làm việc của mọi người (không phải vơ đũa cả nắm đâu). Người làm người chơi. Vừa làm vừa chơi. Không biết mọi người nghĩ gì. Hay không có thời gian để nghĩ. Chắc vậy. Bởi chẳng ai rỗi hơi như tôi mà để ý người này người kia. Cơm ai người ấy ăn. Áo ai người ấy mặc. Việc ai người ấy làm.

Ở bài trước, mình cũng đã tự nhủ rằng. Hãy tự lo cho bản thân. Mình cứ cố gắng, nỗ lực không ngừng. Họ cố gắng 1 mình cố gắng 2, 3. Họ dành ½ thời gian để làm việc (bởi họ làm việc hiệu quả hơn), mình dành gấp 2, 3 lần để hoàn thành. Họ giải quyết công việc bằng 1 cái đầu, mình phải cố gắng sử dụng 2 cái đầu (cả nghĩa đen và nghĩa bóng)... mới hy vọng gần bằng HỌ chứ chẳng dám nhận bằng họ hay hơn họ được cái gì, dù là nhỏ nhất. Bởi “thân cô, thế cô”.

Qua đây, mình có một vài tâm sự nhỏ. Chẳng dám trách móc ai. Cũng chẳng than thân trách phận làm chi cho cam. Những lời tâm sự trên, nếu ai đó, đặc biệt người mà tôi nhắc tới có đọc được thì cho tôi xin 2 từ “thông cảm”. Xin lỗi anh. Chuyện chẳng có gì to tác đâu. Chẳng qua nỗi bực dọc mà bản thân không kìm nén được, nên có những lời không hay, không phải mong được bỏ quá cho. Trên tinh thần tôn trọng nhau. Không hề có ý “lên lớp” hay bất kỳ ý gì khác. Chỉ mong anh, bạn và tôi HÃY SỐNG CÓ TRÁCH NHIỆM HƠN. Trân trọng!.

=======================================================================
(1) http://dongten.net/noidung/43714

Bài test ngắn trước khi làm luận án

ào tạo sau đại học - câu chuyện muôn thuở trong kĩ nghệ đào tạo ở Việt Nam đã được truyền thông hay những nhà khoa học, nhà giáo dục thành danh ở nước ngoài luôn đau đáu về nước nhà đã đề cập, trao đổi, bàn tán... nhiều và còn đề cập tiếp. Bởi trào lưu, câu chuyện đào tạo sau đại học ở Việt Nam còn nhiều tiềm năng, đặc biệt trong “xã hội sính bằng cấp” hiện nay. Đọc đến đây, chắc bạn đọc thắc mắc rằng người viết bài này đã làm được cái gì? là ai? đứng ở đâu trong xã hội?... mà dám “to gan” bàn chuyện "quốc sách" (khoa học và giáo dục là quốc sách hàng đầu). Rất đúng. Bản thân chưa đủ tuổi, đủ tầm để có thể bàn đến chuyện “lớn” của đất nước mà nhiều năm qua chúng ta vẫn luẩn quẩn trong cái vòng “chất” và “lượng” của đào tạo. Thực ra, bản thân cũng chỉ “cóp nhặt” đây đó và đưa ra cảm nhận của mình dưới góc nhìn chủ quan của cá nhân, coi như đang “tìm hiểu”, “tập” trao đổi, bình luận... và lấy đó làm bài học cho bản thân. Chứ không dám có ý “lên lớp” bất kỳ ai, nên rất mong 2 từ “thông cảm” từ quý bạn đọc.

“Ở một góc độ nào đó, luận văn là một kiệt tác của những người học việc thuở xưa khao khát trở thành nghệ nhân. Đó là bằng chứng bằng chữ viết, các hình thức biểu đạt khác như: hình ảnh, âm thanh, video, tranh vẽ, điêu khắc, sản phẩm ứng dụng..., dưới sự hỗ trợ của các công cụ truyền thống, hiện đại hay được số hóa - rằng người đó có khả năng thực hiện được một công trình nghiên cứu, làm chủ được một kỹ thuật, góp phần cho sự tiến triển của quá trình nhận thức, suy tư, phân tích hay sáng tạo trong một lĩnh vực nào đó” (1). Hay “học vị tiến sĩ thường dành cho những người muốn theo đuổi sự nghiệp nghiên cứu khoa bảng” (2). Tuy nhiên, với xã hội “sính” bằng cấp, trào lưu “thạc sỹ hóa”, “tiến sĩ hóa” như hiện nay quả là điều đáng buồn. Trong “chiến lược cán bộ, công chức khối chính quyền thành phố Hà Nội” với mục tiêu đến năm 2020 “Hà Nội phấn đấu 100% cán bộ khối chính quyền diện Thành ủy quản lý có trình độ tiến sĩ” (3) và với cách lý giải “có bằng tiến sĩ mới đột phá tư duy”. Do đó, chủ trương “tiến sĩ hóa” cán bộ hành chính thể hiện một sự hiểu lầm về mục tiêu đào tạo tiến sĩ (2). Nên “kĩ nghệ” đào tạo sau đại học ngày càng trở thành một vấn đề nhức nhối trong xã hội. Chuyện lợi dụng chức quyền để có bằng tiến sĩ, mua bán bằng cấp, nghiên cứu ma (giả tạo hay thay đổi số liệu), bằng thật học giả... đã được đề cập, bàn tán với nhiều bức xúc (2). Thế nên, chuyện “có bằng tiến sĩ mới đột phá tư duy” là ở chỗ đó.

Với những ai đang muốn dấn thân vào con đường khoa bảng theo đúng nghĩa, không thể không hiểu “cốt lõi của học vị tiến sĩ” là nghiên cứu khoa học, không phải quản trị (2). Theo đó, không thể không chuẩn bị và lường trước những khó khăn, gian nan... trên con đường khoa bảng chân chính. Bởi nhiều nghiên cứu sinh (NCS) “thuở ban đầu” thì hăng hái, quyết tâm, có nhiều động lực để tham gia “công cuộc” học vị tiến sĩ. Tuy nhiên, quyết tâm, động lực ban đầu giảm dần theo thời gian. Nhiều trường hợp bỏ cuộc giữa chừng. Đến mức thầy giáo hướng dẫn khoa học phải nhiều lần động viên, tác động đến cả cơ quan của NCS, rồi gia đình... NCS mới “đành cố” cho xong. Cho thấy “cơ chế” hiện nay và những khó khăn trong quá trình đạt được học vị tiến sĩ không phải đơn giản, mà ai đó muốn dấn thân vào chặng đường mới này không thể không quan tâm.

Dưới đây là bài test ngắn (10 câu hỏi trắc nghiệm) trước khi bắt tay vào công cuộc khoa bảng của mình (1). Xin được chia sẻ tới bạn đọc nếu ai đó quan tâm, để chuẩn bị hành trang cho mình.

Bạn có mong muốn tương lai nghề nghiệp của bạn gắn với lĩnh vực giảng dạy đại học hay nghiên cứu hay không? (yes/no).
Bạn có thể dành phần chính thời gian từ 3 đến 4 năm tới cho công việc luận án hay không? (yes/no).
Bạn có thể “chốt điểm” về một chủ đề trong một khoảng thời gian xác định không? (yes/no).
Bạn có thể, sau một chuẩn bị ngắn, viết 3 trang “đứng được” về một chủ đề cho trước hay không? (yes/no).
Bạn có khả năng sắp xếp trật tự các ý tưởng hay không? (yes/no).
Bạn có khả năng tổ chức tài liệu của mình và tìm được những gì bạn muốn trong đó hay không? (yes/no).
Bạn có thể đặt cho mình một kỉ luật làm việc trong nhiều tháng hay không? (yes/no).
Bạn có đủ ý chí và sức bền bỉ để vượt qua được hàng loạt những khó khăn và những điều không như ý muốn hay không? (yes/no).
Bạn đã bao giờ soạn thảo tốt một công trình trong vài chục trang giấy chưa? (yes/no).
Bạn thực sự có động cơ để làm luận án hay không? (yes/no).

Câu trả lời

Nếu từ 8 đến 10 câu trả lời là “YES”, bạn có thể bắt tay vào công việc làm luận án dài hơi rồi đó.
Nếu từ 4 câu trả lời trở xuống là “YES”, hãy dừng ý định của bạn ngay và tốt hơn là làm một việc khác.
Nếu từ 5 đến 7 câu trả lời là “YES”, vẫn cần một trải nghiệm cụ thể, với một luận văn chừng 100 trang sẽ là bài kiểm tra tốt nhất cho bạn.

Trên đây là 10 câu hỏi trắc nghiệm ngắn để bạn quyết định nên hay chưa nên dấn thân vào con đường khoa bảng. Tuy nhiên, theo cá nhân (hiện tại ở Việt Nam) ngoài 10 câu test trên, cũng rất cần (quan trọng) lưu tâm đến một vài vấn đề sau:

Tài chính của bạn có đủ vững vàng? (yes/no).
Tên luận án của bạn có gắn với đề tài, dự án nào mà bạn đang tham gia cùng không? (yes/no).
Người hướng dẫn khoa học cho bạn có ảnh hưởng nhiều trong giới chuyên môn không? (yes/no).
Bạn đã thực sự quyết tâm và xác định được ít nhiều những khó khăn, gian nan trong quá trình làm luận án chưa? (yes/no).
Bạn đã thực sự muốn gác lại một bên những thú vui tiêu khiển bấy lâu để dành nhiều thời gian cho quá trình thực hiện luận văn nghiêm túc chưa? (yes/no).

Đây là 5 câu test ngắn mà mình tìm hiểu và nhận thấy trong quá trình làm NCS ở Việt Nam, nhưng theo cá nhân là "rất quan trọng" để giúp bạn làm hành trang trong công cuộc dài hơi này.

Sách hay: Góc nhìn Alan dành tặng doanh nhân Việt trong thế trận toàn cầu

uốn sách là tổng kết những bài viết cũng như nhiều sản phẩm trí tuệ của TS Alan Phan trong những năm tháng cuối đời. Là tác phẩm cuối cùng, đồ sộ nhất và toàn vẹn nhất về NHÂN CÁCH, CUỘC ĐỜI ông. Vĩ nhân Mahatma Gandhi đã đúc kết “cuộc đời tôi chính là thông điệp của tôi”, vậy nên khó có thể dùng những lời văn để mô tả và phản ánh hết cái tâm, cái tầm của một bậc trí giả; qua cách sống, tâm hồn và cuộc đời kinh doanh của TS Alan Phan.

“Đã đi ắt sẽ đến” đó là đúc kết - một thông điệp của TS trong môi trường kinh doanh. “Đối với những doanh nhân Việt, thành công hay thất bại, trong thế giới này đều chia chung nhiều mẫu số tương tự về tư duy tầm nhìn, thứ tự ưu tiên, quản lý rủi ro, nắm bắt cơ hội, điều khiển nhân viên, QUAN HỆ VỚI CHÍNH QUYỀN... “ - Trích lời tựa cuốn sách.

Trong toàn bộ cuốn sách bạn đọc sẽ thấy một nhân cách, một cuộc đời TS Alan Phan qua tinh thần, nghị lực, sự lạc quan, trung thực và sự cởi mở chia sẻ mọi điều đến tận tâm can. Tuy nhiên, mỗi chúng ta sẽ có những góc nhìn, cảm nhận riêng không ai giống ai. Việc cảm nhận như thế nào, cảm nhận đến đâu và thấy hữu ích, giá trị nào đó cho mỗi người là khác nhau. Bởi có kinh qua ta mới cảm nhận được những điều mà TS đã đúc kết. Mỗi người hãy tự nghiệm ra những thông điệp, những giá trị nào đó và áp dụng cho hoàn cảnh của mình, ngay cả trong nhận thức, tuy duy và hành động.

Xin được giới thiệu đến quý độc giả cuốn sách: “Góc nhìn Alan dành tặng doanh nhân Việt trong thế trận toàn cầu” của cố TS Alan Phan. Thực ra, cuốn sách được giới thiệu tới công chúng tại Trung tâm văn hóa Kim Đồng, Hà Nội cách đây 2 tháng (21/5), nhưng nay mình mới có vài cảm nhận, thấy hữu ích, đặc biệt trong cuộc sống phần nào ảnh hưởng bởi NHÂN CÁCH sống của ông. Dù không có chuyên môn hay theo đuổi lĩnh vực kinh doanh, nhưng qua cuốn sách ít nhiều đã thay đổi trong nhận thức, tư duy và hành động của mình để sau này sống không phải hối tiếc, vướng bận gì nhiều. Như trong bài giới thiệu về trang blog cá nhân, mình muốn nhắn gửi một thông điệp nho nhỏ: “TRẢI NGHIỆM CUỘC SỐNG – THÔNG ĐIỆP CUỘC ĐỜI” để làm việc, sống có ích dù là nhỏ bé nhất. Trân trọng!

Subset dữ liệu với R

rong quá trình xử lý, phân tích số liệu vì một lý do nào đó, chúng ta muốn phân tích riêng cho từng đối tượng, địa điểm, độ tuổi hay từng công thức thí nghiệm tùy theo mục đích nghiên cứu. Lệnh subset trong R giúp chúng ta làm chuyện này với một vài thao tác đơn giản, không mất nhiều thời gian như các biện pháp thông thường.

Để minh chứng, tiện cho việc theo dõi và hiểu “câu chuyện” tôi xin được lấy một ví dụ mà tôi đã xử lý, để ôn lại cho nhớ và muốn lưu lại tham khảo. Lệnh subset (data, cond), trong đó data là data.frame mà chúng ta muốn tách rời và cond là điều kiện. Ví dụ:

> data =kllBTB

data (kllBTBT) gồm các biến sau (biến liên tục, biến không liên tục):

> names(kllBTB)

[1] "Local" "Age" "CTTN"

[4] "stump_diameter" "tree_height" "canopy_diameter"

[7] "Main_trunk" "bough_50" "phan_than"

[10] "stump_diameter_growth" "tree_height_growth" "canopy_diameter_growth"

Tuy nhiên, vấn đề gặp phải là trong data (kllBTB) ở biến Local có 3 địa phương (Cam_Duong, Le_Thuy và Trieu_Phong), biến Age có (1.0, 1.2, 2.3), biến CTTN có 4 công thức (DC, CT 1, CT 2, CT 3). Với mục đích phân tích 12 biến trên cho từng địa phương, cho từng độ tuổi và từng công thức thí nghiệm, ngay cả vẽ biểu đồ sau này. Như thông thường chúng ta có các cách sau: (i) Nhập và lưu số liệu cho từng địa phương (Local), cho từng độ tuổi (Age); (ii) Tách số liệu thủ công bằng cách lưu cho từng địa phương cho từng độ tuổi khác nhau (coppy paste trong excel). Trong khi, data (kllBTB) nhập đầy đủ số liệu cho các địa phương, ở các độ tuổi và CTTN khác nhau với hàng ngàn dữ liệu. Nếu làm thủ công sẽ lưu nhiều file, mất nhiều thời gian, và nếu có sử dụng trong r cũng khá mất công (thực ra trong r vẫn còn nhiều cách để thực hiện, tuy nhiên trong giới hạn vốn hiểu biết, tìm tòi của mình có hạn nên rất mong được quý độc giả góp ý để mình biết thêm những packages, những hàm, những lệnh hữu ích hơn. Cũng xin mạn phép được bỏ quá cho, bởi mình đang trong quá trình tìm hiểu, và thực hành nên không tránh khỏi những thiếu sót. Trân trọng).

Lệnh subset trong r sẽ giúp chúng ta một cách đơn giản, gọn nhẹ, nhanh chóng và khoa học. Cụ thể như sau:

> kllBTB

> fix(kllBTB)

Thứ nhất, tách dữ liệu cho từng địa phương.

> CamDuong = subset(kllBTB, Local == "Cam Duong")

> LeThuy = subset(kllBTB, Local == "Le Thuy")

> TrieuPhong = subset(kllBTB, Local == "Trieu Phong")

Từ các data.frame (cd, lt, tp) được tách chiết từ data (kllBTB), chúng ta có thể xử lý riêng cho từng địa phương. Tuy nhiên, vấn đề gặp phải tiếp theo là ở mỗi địa phương lại có các độ tuổi và các CTTN khác nhau, vì vậy việc phân tích thống kê hay vẽ biểu đồ vẫn gặp một số khó khăn nhất định.

Phân tích thống kê ở đây tôi chỉ đề cập đến một số thông số cơ bản như: mean, sd (độ lệch chuẩn), se (sai số chuẩn), median, min, max, bách phân vị 25%, bách phân vị 75%... Vẽ biểu đồ ở đây tôi chỉ đề cập đến các loại biểu đồ thông dụng như: boxplot, point, tương quan, kết hợp giữa biểu đồ tương quan với type histogram hay type density...

Trong data mới có tên là cd (chiết dữ liệu từ kllBB bằng lệnh: > cd=subset(kllBTB, Local=="Cam_Duong")).

Trong data.frame (cd) có 2 độ tuổi khác nhau với 4 CTTN. Vấn đề đặt ra là chiết dữ liệu tiếp theo các độ tuổi khác nhau, để tiện cho việc phân tích và vẽ biểu đồ. Cụ thể như sau:

Thứ hai, sử dụng tiếp lệnh subset để chiết tách theo các độ tuổi khác nhau

> Age1.2=subset(cd, Age=="1.2")

> Age2.3=subset(cd, Age=="2.3")

Ở đây, chúng ta lại có thêm 2 data mới tách chiết từ data (cd) là Age1.2 và Age2.3. Có nghĩa là ở Age1.2 các dữ liệu ở độ tuổi 1.2 còn các biến số và CTTN vẫn giữ nguyên, tương tự Age2.3.

Lúc này, chúng ta dùng lệnh describyBy trong packages (psych) để phân tích thống kê.

Kết quả như sau:

> head(CamDuong_Age2)

Local Age CTTN stump_diameter tree_height
1691 Cam_Duong 2 DC 8.12 2.45
1692 Cam_Duong 2 DC 3.25 1.30
1693 Cam_Duong 2 DC 4.33 1.60
1694 Cam_Duong 2 DC 5.00 2.10
1695 Cam_Duong 2 DC 4.87 2.80
1696 Cam_Duong 2 DC 5.09 1.80
canopy_diameter main_trunk bough_50_cm phan_than
1691 3.55 1 22 1
1692 1.55 2 11 1
1693 2.95 3 18 0
1694 2.40 2 17 1
1695 3.30 3 32 1
1696 2.50 1 15 1
song_chet stump_diameter_growth tree_height_growth
1691 1 4.06 1.23
1692 1 1.62 0.65
1693 1 2.16 0.80
1694 1 2.50 1.05
1695 1 2.44 1.40
1696 1 2.55 0.90
canopy_diameter_growth litter_fall
1691 1.78 0.42
1692 0.78 0.16
1693 1.48 0.21
1694 1.20 0.25
1695 1.65 0.24
1696 1.25 0.26

> library(psych)

> describeBy(CamDuong_Age2, group=CTTN, skew=F, range=F)

group: CT 1

vars n mean sd se

Local* 1 14 1.00 0.00 0.00

Age 2 14 2.00 0.00 0.00

CTTN* 3 14 1.00 0.00 0.00

stump_diameter 4 14 5.33 0.93 0.25

tree_height 5 14 2.44 0.55 0.15

canopy_diameter 6 14 2.58 0.44 0.12

main_trunk 7 14 1.64 0.63 0.17

bough_50_cm 8 14 22.43 7.44 1.99

phan_than 9 14 1.00 0.00 0.00

song_chet 10 14 1.00 0.00 0.00

stump_diameter_growth 11 14 2.67 0.46 0.12

tree_height_growth 12 14 1.22 0.27 0.07

canopy_diameter_growth 13 14 1.29 0.22 0.06

litter_fall 14 14 0.27 0.05 0.01

---------------------------------------------------------------

group: CT 2

vars n mean sd se

Local* 1 32 1.00 0.00 0.00

Age 2 32 2.00 0.00 0.00

CTTN* 3 32 2.00 0.00 0.00

stump_diameter 4 32 5.62 1.31 0.23

tree_height 5 32 2.36 0.51 0.09

canopy_diameter 6 32 2.68 0.44 0.08

main_trunk 7 32 1.72 0.58 0.10

bough_50_cm 8 32 21.38 5.82 1.03

phan_than 9 32 0.97 0.18 0.03

song_chet 10 32 1.00 0.00 0.00

stump_diameter_growth 11 32 2.81 0.66 0.12

tree_height_growth 12 32 1.18 0.26 0.05

canopy_diameter_growth 13 32 1.34 0.22 0.04

litter_fall 14 32 0.28 0.07 0.01

---------------------------------------------------------------

group: CT 3

vars n mean sd se

Local* 1 35 1.00 0.00 0.00

Age 2 35 2.00 0.00 0.00

CTTN* 3 35 3.00 0.00 0.00

stump_diameter 4 35 5.26 1.45 0.25

tree_height 5 35 2.15 0.48 0.08

canopy_diameter 6 35 2.33 0.41 0.07

main_trunk 7 35 1.46 0.66 0.11

bough_50_cm 8 35 21.09 6.72 1.14

phan_than 9 35 0.97 0.17 0.03

song_chet 10 35 1.00 0.00 0.00

stump_diameter_growth 11 35 2.63 0.73 0.12

tree_height_growth 12 35 1.08 0.24 0.04

canopy_diameter_growth 13 35 1.17 0.21 0.03

litter_fall 14 35 0.26 0.08 0.01

---------------------------------------------------------------

group: DC

vars n mean sd se

Local* 1 32 1.00 0.00 0.00

Age 2 32 2.00 0.00 0.00

CTTN* 3 32 4.00 0.00 0.00

stump_diameter 4 32 5.46 1.51 0.27

tree_height 5 32 2.19 0.51 0.09

canopy_diameter 6 32 2.57 0.49 0.09

main_trunk 7 32 1.88 0.75 0.13

bough_50_cm 8 32 19.38 5.91 1.05

phan_than 9 32 0.94 0.25 0.04

song_chet 10 32 1.00 0.00 0.00

stump_diameter_growth 11 32 2.73 0.76 0.13

tree_height_growth 12 32 1.09 0.25 0.05

canopy_diameter_growth 13 32 1.29 0.25 0.04

litter_fall 14 32 0.27 0.08 0.01

---------------------------------------------------------------

Tương tự ở các độ tuổi khác.

Thứ ba, phân tích các chỉ tiêu bách phân vị 25%, bách phân vị 75%, median, max, min. Chúng ta sử dụng tiếp lệnh summary (data). Tuy nhiên ta chưa thể phân tích các chỉ tiêu trên cho tất cả các biến ở cùng độ tuổi trong cùng một công thức thí nghiệm. Nếu ta sử dụng lệnh summary (data=cd) thì cho kết quả các thông tin cần phân tích, nhưng lại phân tích chung cho tất cả các CTTN. Kết quả như sau:

> head(CamDuong)

Local Age CTTN stump_diameter tree_height

1417 Cam_Duong 1.6 DC 5.51 1.54

1418 Cam_Duong 1.6 CT 1 6.11 1.76

1419 Cam_Duong 1.6 CT 1 3.63 1.38

1420 Cam_Duong 1.6 CT 1 4.20 1.65

1421 Cam_Duong 1.6 DC NA NA

1422 Cam_Duong 1.6 DC 6.24 2.15

canopy_diameter main_trunk bough_50_cm phan_than

1417 2.29 3 1 1

1418 2.15 1 2 1

1419 2.03 3 1 0

1420 1.97 5 1 1

1421 NA NA NA NA

1422 2.47 3 0 1

song_chet stump_diameter_growth tree_height_growth

1417 1 3.44 0.96

1418 1 3.82 1.10

1419 1 2.27 0.86

1420 1 2.63 1.03

1421 0 NA NA

1422 1 3.90 1.34

canopy_diameter_growth litter_fall

1417 1.43 0.28

1418 1.34 0.31

1419 1.27 0.18

1420 1.23 0.21

1421 NA NA

1422 1.54 0.32

> summary(CamDuong)

Local Age CTTN stump_diameter

Cam_Duong :399 Min. :1.000 CT 1: 59 Min. : 1.430

Le_Thuy : 0 1st Qu.:1.000 CT 2:117 1st Qu.: 2.960

Trieu_Phong: 0 Median :1.600 CT 3:118 Median : 3.950

Mean :1.497 DC :105 Mean : 4.216

3rd Qu.:2.000 DC : 0 3rd Qu.: 5.160

Max. :2.000 Max. :10.700

NA's :30

tree_height canopy_diameter main_trunk bough_50_cm

Min. :0.400 Min. :0.64 Min. :1.000 Min. : 0.000

1st Qu.:0.940 1st Qu.:1.38 1st Qu.:1.000 1st Qu.: 1.000

Median :1.500 Median :1.85 Median :2.000 Median : 2.000

Mean :1.573 Mean :1.87 Mean :2.664 Mean : 7.434

3rd Qu.:2.100 3rd Qu.:2.35 3rd Qu.:4.000 3rd Qu.:15.000

Max. :3.500 Max. :3.80 Max. :8.000 Max. :38.000

NA's :30 NA's :30 NA's :30 NA's :30

phan_than song_chet stump_diameter_growth

Min. :0.0000 Min. :0.0000 Min. :1.230

1st Qu.:0.0000 1st Qu.:1.0000 1st Qu.:2.320

Median :1.0000 Median :1.0000 Median :2.790

Mean :0.5583 Mean :0.9248 Mean :2.896

3rd Qu.:1.0000 3rd Qu.:1.0000 3rd Qu.:3.340

Max. :1.0000 Max. :1.0000 Max. :6.330

NA's :30 NA's :30

tree_height_growth canopy_diameter_growth litter_fall

Min. :0.400 Min. :0.640 Min. :0.0600

1st Qu.:0.830 1st Qu.:1.080 1st Qu.:0.1400

Median :1.010 Median :1.280 Median :0.1900

Mean :1.036 Mean :1.266 Mean :0.2086

3rd Qu.:1.210 3rd Qu.:1.440 3rd Qu.:0.2600

Max. :1.940 Max. :1.900 Max. :0.5500

NA's :30 NA's :30 NA's :30

Tương tự cho các công thức thí nghiệm còn lại (CT1, CT2 và CT3)

Thứ sáu, từ đây ta có thể vẽ các loại biểu đồ cho từng địa phương, cụ thể như sau:

Vẽ biểu đồ boxplot:

> tp=ggplot(data=klltp, aes(klltp$CTTN, y=stump_diameter, fill=CTTN))+ geom_boxplot(aes(fill=CTTN))+ theme_bw()+ theme_classic()+ ylab("stump diameter, cm")+xlab("CTTN")

> tp5=tpp+ geom_rangeframe()+ theme_tufte()+ scale_y_continuous(breaks=extended_range_breaks()(klltp$stump_diameter))

# result

Vẽ biểu đồ tương quan tiếp,

> tp=ggplot(data=klltp, aes(x=stump_diameter, y=tree_height, fill=CTTN))+ geom_point(aes(color=CTTN, size=Main_trunk))+ theme_bw()+ theme_classic()+ xlab("stump diameter, cm")+ ylab("tree height, m")+ geom_smooth(method="lm") + ggtitle("The correlation between tree height with stump diameter of Acacia crassicarpa \n

in coastal sandy regions of Quang Tri province")

> tp1= tp+ geom_rangeframe()+ theme_tufte()+ scale_x_continuous(breaks=extended_range_breaks()(klltp$stump_diameter))+ scale_y_continuous(breaks=extended_range_breaks()(klltp$tree_height))

# result