Infometrics

 Infometrics, một thuật ngữ kết hợp giữa "information" (thông tin) và "metrics" (đo lường), là một lĩnh vực nghiên cứu kết hợp giữa khoa học thông tin và phân tích định lượng để hiểu sâu hơn về các vấn đề kinh tế và xã hội. Mục tiêu chính của Infometrics là sử dụng dữ liệu và thông tin để tạo ra các chỉ số, đo lường và phân tích nhằm cung cấp cái nhìn toàn diện và chính xác về các xu hướng, mô hình và biến động trong nền kinh tế.

Thuật ngữ 'informetrics' là thuật ngữ rộng bao gồm tất cả các nghiên cứu về số liệu liên quan đến khoa học thông tin, bao gồm  bibliometrics, scientometrics (chính sách khoa học, phân tích trích dẫn, đánh giá nghiên cứu, …), webometrics (số liệu của web, Internet hoặc các mạng xã hội khác như mạng trích dẫn hoặc cộng tác), …“ (Egghe, 2005b, 1311).

(Nguồn: https://en.wikipedia.org/wiki/Informetrics)

Ứng dụng của Infometrics

• Các công ty sử dụng Infometrics để phân tích thị trường, dự báo doanh số, và tối ưu hóa chiến lược kinh doanh.
• Các cơ quan chính phủ sử dụng Infometrics để đánh giá hiệu quả chính sách, dự báo kinh tế và phát triển chiến lược phát triển bền vững.
• Các tổ chức giáo dục và nghiên cứu sử dụng Infometrics để phân tích dữ liệu học thuật, đánh giá hiệu quả giảng dạy và nghiên cứu khoa học.
• Trong ngành y tế, Infometrics được sử dụng để phân tích dữ liệu y tế, dự báo dịch bệnh và tối ưu hóa quản lý y tế công cộng.

Tài liệu tham khải

• https://www.elshami.com/Terms/I/Informetrics-Sutcliff.pdf
• https://en.wikipedia.org/wiki/Info-metrics
• https://link.springer.com/article/10.1007/s11192-020-03444-2

Scientometrics

Scientometrics là ngành nghiên cứu ứng dụng các phương pháp định lượng để đo lường và phân tích sự phát triển của khoa học, và công nghệ. Scientometrics  đo lường số lượng công trình khoa học được xuất bản, số lần trích dẫn, tầm ảnh hưởng và uy tín của một nhà khoa học, phân tích tầm quan trọng của các tạp chí khoa học,và các chỉ số khác nhằm đánh giá tác động và quy mô của nghiên cứu khoa học. 

(https://www.sciencedirect.com/topics/social-sciences/scientometrics)

Scientometrics giúp các nhà khoa học, tổ chức và chính phủ đánh giá hiệu quả của nghiên cứu và đầu tư; hỗ trợ phát triển chính sách khoa học và công nghệ dựa trên bằng chứng định lượng, và phân tích các xu hướng để dự đoán các lĩnh vực nghiên cứu mới nổi và hướng dẫn đầu tư.

(Nguồn: https://bid.ub.edu/wp-content/uploads/2014/06/ingwersen31.jpg)

Tài liệu tham khảo

• https://www.sciencedirect.com/science/article/abs/pii/S037722171500274X
• https://www.sciencedirect.com/topics/social-sciences/scientometrics#:~:text=In%201978%2C%20the%20journal%20Scientometrics,'relatively%20hard'%20social%20science.
• https://bid.ub.edu/en/32/ingwersen3.htm

Cliometrics

Cliometrics là gì?

Cliometrics - Sử lượng học (tự dịch), còn được biết đến dưới cái tên "new economic history" hoặc "econometric history", là việc sử dụng các kỹ thuật và mô hình kinh tế học định lượng để nghiên cứu và giải thích các sự kiện lịch sử. Tên gọi "cliometrics" được lấy cảm hứng từ Clio - nữ thần lịch sử trong thần thoại Hy Lạp, kết hợp với từ "metrics" thể hiện phương pháp định lượng.

Nhiều cliometricians xác định sự ra đời của lĩnh vực này trong phiên họp chung năm 1957 của Hiệp hội Lịch sử Kinh tế và Hội nghị NBER về "Income and Wealth" được tổ chức tại Williamstown, Massachusetts. Các bài báo được trình bày ở đó đã giới thiệu việc sử dụng các phương pháp được coi là mang tính cách mạng - và sau đó đã trở thành phương pháp thực hành Cliometric. Ba năm sau, vào năm 1960, Lance Davis và J.R.T. Hughes đã tổ chức một hội nghị cho một nhóm nhỏ các học giả tiên phong thực hành những phương pháp mới này. 

(Nguồn: https://media.springernature.com)

Ứng dụng của cliometrics

• Cliometrics giúp hiểu rõ nguyên nhân và hậu quả của các sự kiện lịch sử, như cuộc Cách mạng Công nghiệp hoặc các cuộc di cư lớn.
• Nghiên cứu tác động kinh tế của các chính sách, chiến tranh, và các yếu tố khác trong lịch sử.
• Sử dụng dữ liệu lịch sử để dự báo các xu hướng tương lai và phát triển các chính sách kinh tế hiệu quả hơn.

Mặc dù mang lại nhiều lợi ích, cliometrics không phải không có thách thức. Dữ liệu lịch sử thường không đầy đủ hoặc không chính xác, khiến việc phân tích trở nên phức tạp. Ngoài ra, việc áp dụng các mô hình kinh tế hiện đại cho các sự kiện quá khứ cũng có thể mang lại những hạn chế nhất định về tính chính xác.

Tài liệu tham khảo

• https://www.investopedia.com/terms/c/cliometrics.asp
• https://www.cliometrics.org/about/what-is-cliometrics/
• https://eh.net/encyclopedia/cliometrics/

Bibliometrics

Bibliometrics là gì? 

Bibliometrics là một ngành nằm ở giao điểm của thống kê, toán học và khoa học thông tin, chuyên sử dụng các phương pháp định lượng để phân tích các tài liệu viết; bao gồm các bài báo khoa học, sách, và các dạng văn bản có xuất bản khác. Mục tiêu của bibliometrics là cung cấp cái nhìn sâu sắc về tác động và mức độ lan tỏa của nghiên cứu qua các chỉ số định lượng.

(Nguồn: https://www.linkedin.com/pulse/bibliometric-study-its-type-muhammad-yousuf-ali/)

Các chỉ số phổ biến trong Bibliometrics

• Số lượng trích dẫn: Đây là số lần các công trình khác trích dẫn đến một bài báo cụ thể. Số lượng trích dẫn càng cao, bài báo đó càng được xem là có ảnh hưởng lớn.
• H-index: Chỉ số này đo lường cả sản lượng và tác động trích dẫn của các nhà khoa học. Một nhà khoa học có h-index bằng 20 có nghĩa là họ có ít nhất 20 bài báo, mỗi bài được trích dẫn ít nhất 20 lần.
• Impact Factor: Đây là chỉ số đánh giá tác động trung bình của một tạp chí, tính trên số lượng trích dẫn trung bình cho mỗi bài báo trong một khoảng thời gian nhất định.
• 
  

(Nguồn: https://s3.amazonaws.com/libapps/accounts/28535/images/Altmetrics.JPG)

Bibliometrics được ứng dụng rộng rãi trong việc xác định xu hướng nghiên cứu, đánh giá chất lượng và tác động của nghiên cứu. Mặc dù mang lại nhiều lợi ích, bibliometrics cũng đối mặt với một số thách thức. Ví dụ, chỉ số trích dẫn không phản ánh chính xác chất lượng thực sự của một nghiên cứu. Một bài báo có thể được trích dẫn nhiều lần do sai sót hoặc tranh cãi, chứ không phải vì nó đóng góp quan trọng cho lĩnh vực. Do đó, việc sử dụng bibliometrics đòi hỏi sự thận trọng và cân nhắc các yếu tố bổ sung.

Tài liệu tham khảo

• http://tailieudientu.lrc.tnu.edu.vn/Upload/Collection/brief/brief_44653_48651_412201410813939142561PB.pdf
• https://libguides.baylor.edu/AcademicIdentity/Bibliometrics
• https://www.sciencedirect.com/science/article/pii/S0148296321003155 

Jurimetrics

 Jurimetrics - Luật lượng học - là sự áp dụng các cphương pháp định lượng, đặc biệt là lý thuyết xác suất và thống kê, vào nghiên cứu luật và trả lời các câu hỏi pháp lý. Được phát triển từ những năm 1940 và trở nên phổ biến từ những năm 1960 nhờ sự đóng góp của Tổ chức Jurimetrics và Học viện Luật khoa Mỹ (American Bar Association), jurimetrics đưa ra cách tiếp cận hệ thống hóa để phân tích và giải quyết các vấn đề pháp lý.

(Nguồn: https://blogs.asucollegeoflaw.com/lsi/2018/06/19/gets-speakers-featured-in-jurimetrics-symposium-issue/)

Jurimetrics nhằm mục đích làm cho quá trình pháp lý trở nên hiệu quả hơn bằng cách áp dụng các phương pháp khoa học và toán học. Điều này bao gồm việc sử dụng mô hình toán học để dự đoán kết quả của các vụ kiện, phân tích các mẫu hành vi pháp lý, và đánh giá hiệu quả của các quy định pháp luật. Trong thời đại số hóa, jurimetrics đã mở rộng để bao gồm các công nghệ như trí tuệ nhân tạo (AI) và học máy, đóng vai trò quan trọng trong việc tự động hóa và tối ưu hóa các quy trình pháp lý.

(Nguồn: https://www.linkedin.com/feed/hashtag/?keywords=jurimetrics)

Một số ví dụ của jurimetrics

• Sử dụng các công cụ định lượng giúp phát hiện các điểm mâu thuẫn hoặc các yếu tố rủi ro tiềm ẩn.
• Áp dụng mô hình thống kê và học máy để dự đoán kết quả của các vụ kiện dựa trên dữ liệu lịch sử, từ đó hỗ trợ luật sư trong việc đưa ra quyết định chiến lược.
• Các doanh nghiệp sử dụng jurimetrics để phân tích các xu hướng pháp lý và đánh giá rủi ro pháp lý liên quan đến hoạt động kinh doanh của họ.
• Giám sát các thay đổi trong pháp luật và ảnh hưởng của chúng đối với các lĩnh vực cụ thể, giúp các tổ chức điều chỉnh chiến lược kịp thời.

Nguồn tham khảo

• https://dataforjustice.substack.com/p/jurimetrics
• https://core.ac.uk/reader/217207250
• https://cbr.cba.org/index.php/cbr/article/view/2605/2605

Doctrinal research

Doctrinal research (or “black letter”) là một phương pháp nghiên cứu chính trong lĩnh vực pháp lý. Nó tập trung vào việc phân tích và diễn giải các nguồn pháp lý chính thống như luật định, các phán quyết của tòa án, và các nguyên tắc pháp lý để xây dựng hiểu biết sâu sắc hơn về luật hiện hành. 

(Nguồn: https://legodesk.com/legopedia/what-is-doctrinal-and-non-doctrinal-legal-research/)

Mục tiêu của doctrinal research:

Phương pháp này thường được sử dụng bởi các học giả luật để:

• Hệ thống hóa kiến thức pháp lý;  
• Đánh giá tính phù hợp và hiệu quả của luật hiện hành và các phán quyết tòa án; 
• Sử dụng trong giảng dạy và học tập về luật, giúp sinh viên hiểu rõ hơn về cấu trúc và nguyên tắc của luật; 
• Đóng góp vào các công trình nghiên cứu học thuật về luật, nhằm phát triển và củng cố lý thuyết pháp lý.

Đặc điểm của doctrinal research:

• Phương pháp này chủ yếu dựa trên các tài liệu pháp lý; sử dụng các văn bản pháp lý như luật, điều lệ, quyết định tòa án, và tài liệu lịch sử pháp lý.
• Mục tiêu chính của phương pháp này là phân tích cấu trúc, ứng dụng, và tác động của luật; diễn giải các điều khoản pháp lý và đánh giá ý nghĩa của chúng trong các tình huống cụ thể.
• Mục đích của phương pháp này là hướng đến xác định, giải thích và phát triển lý thuyết pháp lý; kể cả đưa ra các đề xuất cho sự thay đổi hoặc cải tiến pháp lý.
• Phương pháp thường dựa vào công việc nghiên cứu tại thư viện và các cơ sở dữ liệu trực tuyến để thu thập và phân tích dữ liệu; không dựa vào các kỹ thuật nghiên cứu thực nghiệm như thăm dò ý kiến hoặc quan sát, mà là phân tích văn bản và tài liệu.

Phương pháp nghiên cứu giáo điều là một công cụ quan trọng trong việc phát triển và hiểu biết pháp luật, được sử dụng rộng rãi bởi các học giả, luật sư, và nhà làm chính sách.

Nguồn tham khảo

• https://thelegalquotient.com/research-methodology/doctrinal-and-non-doctrinal-research/2847/
• https://bbejournal.com/BBE/article/view/666/569
• https://www.linkedin.com/pulse/what-doctrinal-non-doctrinal-legal-research-sherlyn-sharma/

Dictator games

Dictator game là một thí nghiệm kinh tế học phổ biến được sử dụng để nghiên cứu hành vi của con người trong các tình huống quản lý và phân chia tài nguyên. 

(Nguồn: )

Mô tả trò chơi 

• Chọn hai người tham gia, một người sẽ đóng vai "Người độc tài - dictator - the proposer" và người còn lại sẽ là "người nhận - the responder". 
• Dictator được cấp một số tiền nhất định. Nhiệm vụ của Dictator là quyết định xem họ sẽ giữ lại bao nhiêu tiền và phân phối bao nhiêu cho responder. Điểm đặc biệt của trò chơi này là responder không có quyền hạn hoặc vai trò nào trong việc quyết định này; họ chỉ đơn giản là chấp nhận số tiền mà dictator quyết định cho.

Sở dĩ trò chơi được mô tả bên trên được gọi là trò chơi độc tài vì những responder không được quyền quyết định. Một suy luận thông thường sẽ cho thấy rõ ràng rằng những dictator không nên gửi gì cả trừ khi anh ta quan tâm đến sự công bằng.

Mục đích của trò chơi không chỉ là xem xét sự phân bổ tài nguyên, mà còn để khám phá động cơ đằng sau các quyết định đó. Nghiên cứu về trò chơi Dictator đã tiết lộ rằng mặc dù không có ràng buộc hợp đồng hoặc hậu quả nào, nhiều dictator vẫn chọn chia sẻ một phần tiền của họ. Điều này thường được giải thích là do các yếu tố như lòng trắc ẩn, áp lực xã hội và mong muốn được nhìn nhận là công bằng hoặc hào phóng.

Kết quả của trò chơi này có thể rất khác biệt tùy thuộc vào bối cảnh văn hóa và các điều kiện khác, cho thấy sự phức tạp của hành vi con người trong các tình huống kinh tế.

Nguồn tham khảo

• https://vietnambiz.vn/tro-choi-doc-tai-dictator-game-la-gi-moi-lien-he-giua-tro-choi-doc-tai-va-tro-choi-toi-hau-20191122162138668.htm
• https://homepage.coll.mpg.de/pdf_dat/2010_07online.pdf
• Pisor, A. C., Gervais, M. M., Purzycki, B. G., & Ross, C. T. (2020). Preferences and constraints: the value of economic games for studying human behaviour. Royal Society open science, 7(6), 192090.