Nâng cao năng lực nghiên cứu định lượng trong kinh tế và quản trị

Phó Giáo sư, Tiến sĩ Lưu Quốc Đạt (thứ 8, từ phải sang trái), Trưởng nhóm Nghiên cứu mạnh trong buổi chia sẻ về mô hình ra quyết định đa tiêu chuẩn trong kinh tế và quản trị.

Khóa học đặc biệt có ý nghĩa trong bối cảnh khoa học dữ liệu, trí tuệ nhân tạo và phân tích định lượng đang ngày càng trở thành yêu cầu cốt lõi của nghiên cứu và ra quyết định. Đây là năm thứ ba liên tiếp, Nhóm nghiên cứu mạnh cấp Đại học Quốc gia Hà Nội. “Lý thuyết tập mờ và mô hình ra quyết định tối ưu trong kinh tế, quản trị” do Phó Giáo sư, Tiến sĩ Lưu Quốc Đạt Trưởng nhóm nghiên cứu mạnh, giảng viên Trường đại học Kinh tế, Đại học Quốc gia Hà Nội đảm trách tổ chức khóa học, với sự hỗ trợ từ nguồn kinh phí thường xuyên của Đại học Quốc gia Hà Nội. Việc duy trì hình thức đào tạo hoàn toàn miễn phí không chỉ thể hiện cam kết lan tỏa tri thức, mà còn góp phần thiết thực nâng cao năng lực nghiên cứu, đặc biệt trong bối cảnh hội nhập khoa học toàn cầu.

Tạo diễn đàn học thuật mở – Kết nối tri thức liên ngành

Phó Giáo sư, Tiến sĩ Lưu Quốc Đạt, Trưởng nhóm nghiên cứu mạnh, chia sẻ: Mục tiêu của nhóm là kiến tạo một diễn đàn trao đổi học thuật chất lượng cao, nơi các nhà khoa học, giảng viên, nghiên cứu sinh trong và ngoài Đại học Quốc gia Hà Nội có thể cùng học hỏi, thảo luận và ứng dụng các công cụ phân tích hiện đại vào nghiên cứu của mình. Đây cũng là bước chuẩn bị quan trọng để gia tăng năng lực công bố quốc tế của khối ngành kinh tế và xã hội.

Với đội ngũ giảng viên là các nhà khoa học uy tín, giàu kinh nghiệm và có nhiều công bố quốc tế, chương trình đã được thiết kế bài bản, bao quát các xu hướng và kỹ thuật mới nhất. Diễn ra trong gần hai tháng (7–8/2025) tại Trường đại học Kinh tế, Đại học Quốc gia Hà Nội, khóa học tập trung vào ba nhóm chuyên đề lớn, kết hợp hài hòa giữa lý thuyết và thực hành.

Nhóm chuyên đề về kinh tế lượng và thống kê ứng dụng giúp học viên tiếp cận hệ thống phương pháp từ cơ bản đến nâng cao: mô hình chuỗi thời gian đơn biến, đa biến; mô hình cấu trúc và mô hình đo lường trong PLS-SEM (mô hình PLS–SEM); phân tích hồi quy nâng cao; và các mô hình phụ thuộc không gian–thời gian. Những kỹ thuật này giúp người học kiểm định giả thuyết, phân tích mối quan hệ phức tạp và dự báo xu hướng trong dữ liệu kinh tế-xã hội, đặc biệt hữu ích trong các nghiên cứu vùng và địa lý.

Nhóm nội dung về học máy và phân tích tính toán mở rộng khả năng khai thác dữ liệu lớn thông qua các thuật toán phân loại, phân cụm; mô hình mạng Bayesian Belief Network; và phương pháp phân tích đường bao dữ liệu (DEA). Đây là những công cụ tối ưu hóa mạnh mẽ, cho phép đánh giá hiệu quả hoạt động và ra quyết định trong điều kiện không chắc chắn.

Nhóm chuyên đề về công cụ, kỹ năng và phương pháp nghiên cứu tổng quát bao gồm ứng dụng Python trong triển khai mô hình học máy, trực quan hóa dữ liệu, và phương pháp trắc lượng thư mục để phân tích xu hướng khoa học. Những kỹ năng này giúp học viên vừa làm chủ công cụ vừa nâng cao khả năng truyền tải kết quả nghiên cứu một cách thuyết phục.

Kinh nghiệm thực tế từ người trong cuộc

Phó Giáo sư, Tiến sĩ Lê Đình Hải, giảng viên Trường đại học Kinh tế, Đại học Quốc gia Hà Nội đã tham gia nhiều chương trình giảng dạy của nhóm đánh giá: Chương trình năm nay có tính hệ thống cao, nội dung cập nhật nhiều công cụ và kỹ thuật mới. Đây không chỉ là nơi trang bị phương pháp nghiên cứu, mà còn là chất xúc tác thúc đẩy động lực làm khoa học và mở rộng kết nối trong mạng lưới nghiên cứu.

Tiến sĩ Nguyễn Thị Mai Hương, người đã tham gia đầy đủ cả 3 mùa đào tạo, chia sẻ: Nội dung chương trình năm nay phong phú hơn, kết hợp thực hành trực tiếp trên các phần mềm STATA, Python, ... giúp tôi áp dụng ngay vào đề tài nghiên cứu. Không khí thảo luận rất sôi nổi, nhiều vướng mắc được tháo gỡ kịp thời, đồng thời khơi gợi thêm ý tưởng mới.

Ở góc nhìn của một nghiên cứu sinh, Dương Thị Thanh Tân cho rằng khóa học đã giúp tôi hệ thống hóa kiến thức và tiếp cận nhanh những mô hình mới. Sự kết hợp giữa lý thuyết và thực hành trên dữ liệu thực tế rút ngắn đáng kể thời gian học và áp dụng.

Kết quả và tác động lan tỏa

Khóa đào tạo đã mang lại những kết quả rõ rệt: nâng cao khả năng lựa chọn và áp dụng mô hình phân tích phù hợp với từng nghiên cứu; cải thiện kỹ năng sử dụng phần mềm thống kê, diễn giải kết quả và viết bài báo khoa học; đồng thời gia tăng kết nối học thuật giữa các nhà nghiên cứu trong và ngoài Đại học Quốc gia Hà Nội.

Phản hồi từ học viên cho thấy chương trình đã đáp ứng đúng nhu cầu thực tế, đồng thời mở ra nhiều hướng đi mới cho các công trình khoa học tương lai.

Phó Giáo sư, Tiến sĩ Lưu Quốc Đạt khẳng định: Thành công của chương trình không chỉ ở kiến thức được chia sẻ, mà còn ở không khí học thuật sôi nổi và tinh thần sẵn sàng học hỏi. Năm tới, chúng tôi sẽ tập trung vào các lĩnh vực mũi nhọn như kinh tế lượng suy diễn nhân quả, phân tích dữ liệu phi cấu trúc, học máy trong kinh tế lượng không gian và mô hình ra quyết định tối ưu.

Mô hình “vòng tròn tri thức” – Hướng tới phát triển bền vững

Khóa đào tạo này đã chứng minh hiệu quả của mô hình hợp tác học thuật mà Đại học Quốc gia Hà Nội đang thúc đẩy: sự đầu tư chiến lược của nhà trường, sự đồng hành của lãnh đạo Trường đại học Kinh tế và nỗ lực lan tỏa tri thức của các nhóm nghiên cứu mạnh.

Thay vì chỉ tập trung nghiên cứu cho riêng mình, nhóm nghiên cứu trở thành hạt nhân lan tỏa kiến thức cho cộng đồng, tạo nên một “vòng tròn tri thức” bền vững: tri thức được đầu tư-bồi đắp-chia sẻ-và quay trở lại thúc đẩy hệ sinh thái học thuật.

Mô hình này không chỉ giúp nâng cao chất lượng nghiên cứu, mà còn tạo động lực để các thế hệ giảng viên, nhà khoa học, nghiên cứu sinh cùng phát triển, góp phần khẳng định vị thế tiên phong của Đại học Quốc gia Hà Nội trong đào tạo và nghiên cứu liên ngành ở Việt Nam và khu vực.

Diệp Trang