Diệu Nhi thừa nhận hát nhép trong liveshow đầu tay

Trước đây, tôi vẫn luôn nghĩ rằng tất cả việc học tập ở trường cần được thể hiện qua điểm số. Thế nên từ khi có chủ trương thay chấm điểm bằng nhận xét học sinh ở bậc tiểu học tôi cảm thấy khá hoang mang. Nhưng qua nhiều lần được nghe cô giáo nhận xét về con những lúc có dịp gặp mặt hoặc trong các buổi họp phụ huynh, tôi đã thay đổi suy nghĩ.

Những lời nhận xét đầy đủ cả về học lực, về đạo đức, tác phong, nề nếp ứng xử, tính cách, thói quen tốt - xấu… của cô giáo về con thực sự khiến tôi cảm động.

Hình ảnh minh họa

Cuộc họp phụ huynh cuối mỗi học kỳ là quan trọng nhất vì diễn ra vào thời điểm các con vừa kết thúc một quá trình học tập. Vấn đề điểm số, khả năng học tập của con được các bậc phụ huynh hết sức quan tâm. Có lẽ vì thế tôi luôn thấy phụ huynh tham dự đầy đủ và đúng giờ hơn lần họp đầu năm dù thời gian họp được bố trí vào cuối ngày đi làm hay thứ bảy, chủ nhật.

Điểm số là điều phụ huynh quan tâm đầu tiên nhưng cũng không thể phản ánh hết được những “hạn chế” trong tác phong, nề nếp, ý thức. Thậm chí, nhiều khi điểm số cũng không phản ánh chính xác năng lực học tập của trẻ. Theo nhận xét của một giáo viên, phần lớn điểm 9, điểm 10 trong bài kiểm tra cuối học kỳ của các con đã được làm tròn 0,5 điểm, có những bài còn được làm tròn tới hai lần. Có rất ít bạn đạt được điểm 10 một cách trọn vẹn. Bởi thế nếu bố mẹ chỉ nhìn vào điểm số của con thì sẽ không đánh giá đúng thực lực.

Trường hợp của con tôi là một ví dụ cho cách tính điểm này. Khi con khoe kiểm tra học kỳ cả môn Toán và tiếng Việt đều được 10 điểm, tôi khá vui mừng nhưng vẫn có chút phân vân, không thể tin con lại xuất sắc như vậy. Cho đến khi nghe cô giáo giải thích về cách chấm điểm bài thi thì đã cảm thấy hợp lý. Bởi môn tiếng Việt lớp 3 có hai điểm là đọc và viết, khi cả hai điểm này đều được làm tròn thì điểm tổng sẽ cao.

Sự tận tâm, quan tâm sâu sát đến từng học sinh của giáo viên chủ nhiệm được thể hiện cụ thể qua từng lời nhận xét. Có bạn thông minh, học giỏi cô khen, có bạn chưa ngoan, hay quậy phá, chưa chăm học, cô phê bình và “nhờ” bố mẹ giúp đỡ, phối hợp cùng cô kèm cặp con tiến bộ hơn.

Sự chân thành, thấu hiểu từng học sinh trong mỗi lời nhận xét của cô giáo không làm mất lòng phụ huynh, ngược lại còn nhận được những cái gật đầu, những tiếng cười tán thưởng. Như cậu con trai của tôi được nhận xét là học Toán chắc kiến thức, chăm chỉ, hăng hái phát biểu ý kiến nhưng con tính toán còn ẩu, vội vàng, chữ viết còn xấu, không được cẩn thận. Nhược điểm của con được cô chỉ ra chính xác khiến tôi thấy thực sự cảm phục. Bởi trong một lớp học có tới hơn 50 học sinh mà cô có thể hiểu được từng em như vậy đâu phải chuyện dễ dàng.

Nhiều phụ huynh khác cũng trầm trồ khen cô giáo nhận xét đúng quá. Con nhà mình đúng là chăm học nhưng mà tính toán rất ẩu và nhanh quên. Chẳng riêng gì học mà trong sinh hoạt hàng ngày cũng thế. Việc quên sách vở thường xuyên xảy ra.

Có bạn rất ngoan, học chăm, đọc tốt nhưng lại ngọng chữ n – l. Có những bạn bình thường rất linh hoạt, nhanh nhẹn, hay nói nhưng trong giờ học lại trầm, ít khi phát biểu ý kiến. Có mấy bạn nam lúc nào cũng chọn đứng cuối hàng trong giờ tập trung để thuận tiện cho việc nghịch. Cũng có bạn “láu cá” đi học muộn nên trốn xếp hàng tập trung mà đi thẳng lên lớp chờ các bạn… Khi cô giáo nhắc tên khiến nhiều phụ huynh hết sức ngạc nhiên vì đúng với tính cách của con quá.

Cũng nhờ những nhận xét của cô giáo mà phụ huynh như tôi có thêm phương pháp hướng dẫn con học ở nhà hiệu quả hơn, phù hợp với phương pháp giảng dạy trên lớp của cô. Thực tế có những phụ huynh ở nhà dạy con khác hẳn với phương pháp cô dạy nên cùng một bài toán nhưng con vừa làm theo cách mẹ dạy, vừa làm theo cách cô dạy.

Ví dụ như tôi luôn bắt con làm phép tính chia theo đúng trình tự các bước trong sách giáo khoa hướng dẫn nhưng ở lớp cô lại dạy các con làm tính nhẩm. Vì thế có lúc con nhớ lời cô, lúc nhớ lời mẹ, trong một phép chia lúc thì làm tính nhẩm, lúc lại viết theo đúng các bước….

Qua những nhận xét của cô giáo, tôi nhận ra rằng lâu nay việc mình cứ chăm chăm nhìn vào điểm số của con không có nhiều ý nghĩa. Ngay cả trong học kỳ 1 vừa qua, khi con có được 3 điểm 10 và một điểm 9 thì tôi cũng không quá vui mừng, hãnh diện khoe con học tốt. Vẫn còn rất nhiều nhược điểm con cần hoàn thiện để mỗi học kỳ qua đi con thực sự lớn khôn hơn.

• Quyên Đỗ

XEM THÊM:

Xem thêm tất cả các mã đề sinh tại đây

Trong sáng nay (26/6), các thí sinh tham gia thi môn Sinh học thuộc tổ hợp Khoa học tự nhiên.

Giờ làm bài tổ hợp Khoa học tự nhiên kéo dài 50 phút/ môn, bắt đầu từ 7 giờ 35 phút và kết thúc lúc 10 giờ 05 phút.

Đề thi môn Sinh học gồm 24 mã đề được ra theo hình thức trắc nghiệm bao gồm 40 câu hỏi. Mỗi câu hỏi có 4 đáp án để lựa chọn, các thí sinh có 50 phút để hoàn thành bài thi của mình.

Đề thi Sinh học chủ yếu nằm trong chương trình Sinh học 12 (chiếm 80%), có lồng ghép một phần kiến thức 11 (chiếm 20%). Lượng câu hỏi lý thuyết (khoảng 60%) và bài tập (khoảng 40%).

Kỳ thi THPT quốc gia 2019 sẽ có nhiều thay đổi. Năm nay thí sinh tự do, thí sinh học trung tâm giáo dục thường xuyên sẽ thi chung với thí sinh THPT. Việc coi thi, niêm phong, bảo quản bài thi sẽ có camera giám sát.

Đáp án tham khảo môn Sinh học thi THPT quốc gia 2019 mã đềViệc chấm thi trắc nghiệm có sự tham gia của các trường đại học. Công tác chấm thi các môn tự luận vẫn giao cho các địa phương chấm nhưng Bộ GD-ĐT sẽ giám sát, đồng thời cử cán bộ của các trường ĐH-CĐ tham gia... Việc xét tốt nghiệp THPT cũng thay đổi theo tỉ lệ 70% (bài thi THPT quốc gia) và 30% học bạ.

Năm nay, về mặt quy chế thi, Bộ GD-ĐT đã điều chỉnh, cải tiến một số khâu để tính bảo mật của kỳ thi được tăng cường hơn các năm trước. Đề thi và bài thi phải được bảo quản trong tủ riêng biệt, có khóa và niêm phong. Khi mở niêm phong phải có chứng kiến của công an và những người ký nhãn niêm phong.

BAN GIÁO DỤC

Theo phân tích của các chuyên gia, hàng tỷ thiết bị điện tử được sử dụng mỗi ngày và con số này sẽ tăng lên đáng kể khi Internet vạn vật (IoT) được mở rộng. Đi cùng với sự phát triển này là mối đe dọa an ninh mạng ngày càng tăng của các Trojan phần cứng được nhúng trong chip bán dẫn nhằm mục đích xấu.

Khi việc thuê ngoài thiết kế, sản xuất mạch và sử dụng IP (sở hữu trí tuệ) từ các nhà cung cấp bên ngoài ngày càng phổ biến, rủi ro từ Trojan phần cứng cũng gia tăng. Triển khai các thiết bị có các lỗ hổng bảo mật này có thể đặt xã hội trước rủi ro rất lớn, đặc biệt nếu các thiết bị đó ảnh hưởng đến các hệ thống thiết yếu như mã hóa thương mại điện tử, xe tự lái hoặc các hệ thống điều khiển điều khiển hàng không. Do cần đảm bảo rằng các hệ thống này không chứa bất kỳ mạch điện độc hại nào, nên khả năng phát hiện Trojan phần cứng trong các hệ thống điện tử có vai trò vô cùng quan trọng.

Một nhóm nghiên cứu do ông Nozomi Togawa, đứng đầu là giáo sư tại Khoa Khoa học và Kỹ thuật của Đại học Waseda - người có bề dày kinh nghiệm nghiên cứu phát hiện Trojan phần cứng, đã sử dụng bộ phân tích dạng sóng dòng điện của thiết bị CX3300A của Keysight để cải thiện đáng kể khả năng phát hiện Trojan của họ. CX3300 có công nghệ đo dòng điện động hiện đại có khả năng nhận dạng các dấu hiệu khó đo ở băng thông cao. Bộ phân tích này cũng hỗ trợ một thuật toán học máy tiên tiến có khả năng xác định các điểm bất thường nhỏ trong cơ sở dữ liệu rất lớn (> 1 Terabyte).   

Nhiều thách thức trong phát hiện Trojan

Trojan phần cứng có thể gây ra thiệt hại nghiêm trọng bằng nhiều cách như gây ngừng trệ và phá hủy tín hiệu. Trojan có thể thực hiện những hoạt động này chỉ bằng cách chèn một số cổng vào bảng mạch trong giai đoạn thiết kế IC, do đó các cổng này rất khó bị phát hiện.

Cách tốt nhất để phát hiện Trojan là từ sơ đồ mạch hoặc các tín hiệu giao tiếp kênh chính. Thật không may, việc gia tăng thuê ngoài thiết kế và sản xuất mạch, cũng như việc sử dụng IP của các công ty khác đã gây khó khăn cho việc hiểu rõ và xác minh từng chi tiết của thiết kế chip và các mẫu I/O.

Điều này khiến việc phát hiện Trojan sau khi sản xuất mạch bằng cách kiểm tra tín hiệu kênh chính trở nên khó khăn hơn và không đáng tin cậy. Mặt khác, tín hiệu kênh biên từ dòng điện chứa đựng nhiều thông tin phong phú về các hoạt động bên trong của chip bán dẫn. Nếu có bất kỳ hoạt động độc hại nào thì sẽ xuất hiện dưới dạng biến thiên dòng điện nguồn.

Tuy nhiên, các chuyên gia cũng chỉ ra rằng, việc phát hiện Trojan bằng cách theo dõi dòng điện nguồn có một số thách thức.

Cụ thể như, về đo dòng điện băng thông cao, độ phân giải cao, các chip bán dẫn hoạt động theo đồng hồ tần số cao với nhiều tác vụ chạy đồng thời, do đó biến thiên dòng cung cấp của chúng khá thất thường và có giá trị rất nhỏ. Điều này có nghĩa là cần có công nghệ đo dòng điện có băng thông và độ phân giải cao để xác định hoạt động của Trojan.

Còn đối với học máy dành cho phân tích dữ liệu lớn dạng sóng, vì hoạt động của Trojan phần cứng hiếm khi xảy ra, nên cần có khả năng đo liên tục với tốc độ và độ phân giải cao và không bị gián đoạn trong thời gian dài. Song việc thu thập dữ liệu độ phân giải cao trong một thời gian dài có thể tạo ra cơ sở dữ liệu cực lớn. Ví dụ như ghi một luồng dữ liệu 10MSa/s trong 24 giờ sẽ tạo ra một cơ sở dữ liệu về dạng sóng có kích thước lớn hơn 1 Terabyte. Vì thế, cần có một số loại thuật toán học máy có thể nhanh chóng xử lý các cơ sở dữ liệu khổng lồ. Dù vậy, các công nghệ hiện có cho tới nay chưa đáp ứng được những yêu cầu này.

Mặt khác, nghiên cứu của các chuyên gia Keysight còn cho thấy, chỉ công nghệ cảm biến dòng điện có độ phân giải cao và băng thông lớn, chẳng hạn như công nghệ được sử dụng trong bộ cảm biến dòng CX1101A của Keysight mới có thể đo chính xác dòng điện động của các tín hiệu kênh biên, mới có thể phát hiện biến thiên dòng.

Học máy dành cho phân tích dữ liệu lớn về đo lường

Các thuật toán học máy không giám sát thường được sử dụng để phát hiện các điểm bất thường, chẳng hạn như những dấu hiệu do Trojan tạo ra. Trong số các thuật toán học không giám sát, thuật toán phân cụm (clustering) đã trở thành một công cụ thiết yếu để phân tích dữ liệu lớn trong nhiều ứng dụng. Mặc dù thuật toán này đã được triển khai dưới nhiều hình thức khác nhau, nhưng hầu hết không thể xử lý lượng lớn dữ liệu dạng sóng, vì những dữ liệu này là các mảng chỉ số chứa hàng nghìn điểm dữ liệu

Một cơ sở dữ liệu chứa hàng triệu phân đoạn dạng sóng, mỗi phân đoạn bao gồm hàng nghìn điểm dữ liệu sẽ đặt ra một thách thức khó khăn về phân tích và phân loại dữ liệu. Cần rất nhiều tài nguyên máy tính và thời gian xử lý để có thể sắp xếp và phân loại một cơ sở dữ liệu khổng lồ như vậy bằng các thuật toán thông thường.

Tuy nhiên, Keysight đã phát triển một thuật toán mới có thể xử lý lượng lớn dữ liệu dạng sóng bằng cách sử dụng nền tảng PC chi phí thấp với thời gian xử lý tương đương như khi sử dụng các giải pháp máy chủ tính toán lớn. Thời gian tính toán của thuật toán Keysight tỷ lệ tuyến tính với khối lượng và kích thước dữ liệu, ngay cả trong trường hợp kích thước của cơ sở dữ liệu đo lường lớn hơn nhiều bộ nhớ chính của CPU.

Với nhiều cải tiến, hiệu năng của thuật toán Keysight chạy trên một máy PC cũ tương đương với hiệu năng của các thuật toán khác chạy trên các máy chủ lớn chứa 300-400 CPU. Tốc độ xử lý của thuật toán này cao hơn 100 - 1000 lần so với các thuật toán thông thường.

Nhờ có các tính năng này, phân tích có thể bắt đầu ngay sau khi hoàn tất quá trình thu thập dữ liệu, và các hoạt động phân tích dữ liệu chính có thể được hoàn thành trong 10 giây hoặc ít hơn. Hiển thị cận thời gian thực các dạng sóng đo được và khả năng phát hiện tức thời những dạng sóng cụ thể cho phép xác định nhanh chóng và dễ dàng một dạng sóng trong hàng triệu dạng sóng.

Phát hiện thành công Trojan

Máy hiện sóng và đầu dò tiêu chuẩn không có đủ độ phân giải và băng thông cần thiết để phân tích các dạng sóng dòng điện cấp nguồn của kênh biên. Ngoài ra, các thuật toán học máy thông thường không thể xử lý được số lượng và sự phức tạp của các dạng sóng này. Cho đến nay, tổ hợp giữa khả năng đo dòng điện động độ phân giải cao băng thông rộng của CX3300 và thuật toán phân cụm cực nhanh của Keysight là phương tiện hiệu quả duy nhất để xác định Trojan.

Ngoài phát hiện Trojan phần cứng, công nghệ này có nhiều công dụng khác, vì nó là một công cụ đa năng để phát hiện bất thường trong bất kỳ môi trường dữ liệu đo lường lớn nào. Trong tương lai, Keysight dự kiến tiếp tục phát triển các thuật toán học máy tiên tiến và công nghệ đo lường hiện đại nhất.

An Nhiên