[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ho%E1%BA%A1t%20%C4%91%E1%BB%99ng%20t%C3%ACm%20ki%E1%BA%BFm%20th%E1%BB%A9c%20%C4%83n{\"limit\":5}":3,"_public_topic_byId_hoạt động tìm kiếm thức ăn":11},{"code":4,"data":5,"meta":10},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":8,"vietnamLatest":9},[],[],[],[],null,{"code":4,"data":12,"meta":10},{"id":13,"title":14,"description":15,"content":16,"term":17,"englishTitle":18,"synonyms":10,"definition":19,"discipline":20,"references":21,"faqs":39,"createUser":49,"publishUser":53,"keywords":57,"keywordCount":68,"enrichTopicLink":69,"status":70,"createTime":71,"updateTime":72,"publishTime":73,"linkEnrichedTime":74,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":75,"relateTopics":76},"hoạt động tìm kiếm thức ăn","Hoạt động tìm kiếm thức ăn là gì? Các nghiên cứu khoa học","Hoạt động tìm kiếm thức ăn là quá trình sinh thái trong đó động vật xác định, lựa chọn và thu thập thức ăn để đáp ứng nhu cầu năng lượng và dinh dưỡng. Quá trình này bao gồm chiến lược “sit-and-wait”, tối ưu hóa chi phí năng lượng theo lý thuyết tìm kiếm tối ưu và thích nghi với môi trường phân mảnh. ","\u003Cp>\u003Cstrong>Hoạt động tìm kiếm thức ăn\u003C\u002Fstrong> (\u003Cem>foraging behavior \u002F foraging activity\u003C\u002Fem>) là tập hợp các hành vi định hướng, phát hiện, tiếp cận, bắt giữ và xử lý nguồn dinh dưỡng của động vật nhằm tối ưu hóa năng lượng thu nhận trên một đơn vị thời gian và công sức bỏ ra. Hoạt động tìm kiếm thức ăn là chuỗi hành vi sinh thái đặc trưng của động vật trong tự nhiên, cho phép cá thể hoặc quần thể xác định, tiếp cận và thu thập nguồn thức ăn đáp ứng nhu cầu năng lượng và dinh dưỡng. Quá trình này không chỉ đơn thuần dừng lại ở việc tìm kiếm mà còn bao gồm giai đoạn lựa chọn, xử lý và vận chuyển thức ăn về nơi tiêu thụ hoặc lưu trữ.\u003C\u002Fp>\u003Cp>Yếu tố quyết định hiệu quả của tìm kiếm thức ăn bao gồm độ sinh lợi (profitability) của mồi, rủi ro bị săn đuổi và chi phí năng lượng phải bỏ ra. Khả năng thích nghi và tối ưu hóa hành vi kiếm mồi giúp động vật cân bằng giữa lợi ích thu được và chi phí đầu tư, góp phần duy trì cân bằng sinh thái.\u003C\u002Fp>\u003Cp>Sự đa dạng về chiến lược tìm kiếm thức ăn xuất phát từ đặc điểm sinh học, môi trường sống và tương tác liên loài. Một số loài áp dụng chiến lược “kiếm mồi cố hữu” (sit-and-wait) trong khi nhiều loài khác theo đuổi “phong cách di động” (active searching), tùy thuộc vào phân bố tài nguyên và độ di động của mồi. \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fagricultural-and-biological-sciences\u002Fforaging-behavior\">ScienceDirect – Foraging Behavior\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Cơ sở lý thuyết tối ưu hóa\u003C\u002Fh2>\u003Cp>Lý thuyết tìm kiếm tối ưu (Optimal Foraging Theory) là khung lý thuyết nền tảng trong sinh thái hành vi, cố gắng dự đoán cách thức động vật cân nhắc chi phí – lợi ích khi lựa chọn thức ăn. Mục tiêu cơ bản là tối đa hóa lợi ích năng lượng thu được (E) trên mỗi đơn vị thời gian hoặc chi phí xử lý (h).\u003C\u002Fp>\u003Cp>Công thức sinh lợi cơ bản của mồi được mô tả như sau:\u003Cbr>\u003Cscript type=\"math\u002Ftex\">P_i=\\frac{E_i}{h_i}\u003C\u002Fscript>\u003Cbr>trong đó \u003Ci>Pi\u003C\u002Fi> là độ sinh lợi, \u003Ci>Ei\u003C\u002Fi> là năng lượng thu được từ loài mồi \u003Ci>i\u003C\u002Fi>, và \u003Ci>hi\u003C\u002Fi> là thời gian xử lý trung bình. Giá trị \u003Ci>Pi\u003C\u002Fi> cao hơn cho thấy ưu tiên cao hơn trong lựa chọn mồi.\u003C\u002Fp>\u003Cp>Nguyên lý giá trị biên (Marginal Value Theorem) mở rộng lý thuyết tìm kiếm đến môi trường phân mảnh, mô tả thời điểm nên rời khỏi “mảnh kiếm mồi” (patch) dựa trên năng suất giảm dần theo thời gian. Định lý này được thể hiện qua hàm lợi ích trung bình:\u003Cbr>\u003Cscript type=\"math\u002Ftex\">G(t)=\\frac{\\int_0^t f(u)\\,du}{t+T}\u003C\u002Fscript>\u003Cbr>với \u003Ci>f(u)\u003C\u002Fi> là tốc độ thu hoạch thức ăn tại thời điểm \u003Ci>u\u003C\u002Fi>, \u003Ci>t\u003C\u002Fi> là thời gian ở lại patch, và \u003Ci>T\u003C\u002Fi> là {{topic|%7B%22topic%22%3A%22th%E1%BB%9Di%20gian%20di%20chuy%E1%BB%83n%22%7D}} giữa các patch. \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fearth-and-planetary-sciences\u002Fmarginal-value-theorem\">ScienceDirect – Marginal Value Theorem\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Mô hình toán học chính\u003C\u002Fh2>\u003Cp>Mô hình toán học trong foraging tập trung vào ba hướng chính: lựa chọn loài mồi (prey-choice model), thời gian ở lại patch (patch model) và {{topic|%7B%22topic%22%3A%22ph%C3%A2n%20t%C3%ADch%20kh%C3%B4ng%20gian%22%7D}} tìm kiếm (spatial foraging).\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Prey-choice model:\u003C\u002Fstrong> Ưu tiên mồi dựa trên \u003Cscript type=\"math\u002Ftex\">\\frac{E_i}{h_i}\u003C\u002Fscript>, loại bỏ loài mồi kém sinh lợi khi có loài mồi khác tốt hơn.\u003C\u002Fli>\u003Cli>\u003Cstrong>Patch model:\u003C\u002Fstrong> Ứng dụng nguyên lý giá trị biên để xác định thời điểm rời patch nhằm tối đa hóa tốc độ thu hoạch thức ăn.\u003C\u002Fli>\u003Cli>\u003Cstrong>Spatial foraging:\u003C\u002Fstrong> Kết hợp bản đồ phân bố mồi và rủi ro, thường sử dụng mô hình Markov hoặc mô phỏng agent-based để dự đoán đường đi.\u003C\u002Fli>\u003C\u002Ful>\u003Cfigure class=\"table\">\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Mô hình\u003C\u002Fth>\u003Cth>Biến chính\u003C\u002Fth>\u003Cth>Ứng dụng\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>Prey-choice\u003C\u002Ftd>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">E_i,\\,h_i\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Lựa chọn loài mồi ưu tiên\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Patch model\u003C\u002Ftd>\u003Ctd>\u003Cscript type=\"math\u002Ftex\">f(u),\\,T\u003C\u002Fscript>\u003C\u002Ftd>\u003Ctd>Xác định thời gian ở lại patch\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Spatial foraging\u003C\u002Ftd>\u003Ctd>Bản đồ phân bố, xác suất\u003C\u002Ftd>\u003Ctd>Dự đoán đường đi tìm mồi\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Ffigure>\u003Cp>Ứng dụng mô hình tùy thuộc vào tính chất tài nguyên và độ phức tạp của môi trường. Ví dụ, mô hình patch phù hợp với động vật sống trong môi trường rải rác thức ăn, còn mô hình spatial thích hợp với loài di cư hoặc săn mồi xa. \u003Ca href=\"https:\u002F\u002Fonlinelibrary.wiley.com\u002Fdoi\u002F10.1002\u002Fecy.123\">Wiley Online Library – Foraging Models\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Cơ chế sinh học và nhận thức\u003C\u002Fh2>\u003Cp>Sự thành công trong tìm kiếm thức ăn phụ thuộc mạnh mẽ vào cơ chế sinh học và khả năng nhận thức của cá thể. Giác quan như thị giác, khứu giác và thính giác giúp phát hiện dấu hiệu của mồi, định vị và đánh giá khoảng cách.\u003C\u002Fp>\u003Cp>Quá trình học tập và trí nhớ góp phần cải thiện hiệu suất foraging theo thời gian. Cá thể có thể ghi nhớ vị trí patch giàu tài nguyên hoặc học từ phản hồi hành vi trước đó để tối ưu hóa tuyến đường di chuyển.\u003C\u002Fp>\u003Cp>Hormon đói và các chất {{topic|%7B%22topic%22%3A%22d%E1%BA%ABn%20truy%E1%BB%81n%20th%E1%BA%A7n%20kinh%22%7D}} (dopamine, ghrelin) điều phối động lực và mức độ tích cực trong hành vi tìm kiếm. Sự kết hợp giữa tín hiệu sinh lý và nhận thức cho phép cân bằng giữa nhu cầu ngay lập tức và quản lý dự trữ năng lượng lâu dài. \u003Ca href=\"https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffevo.2020.00205\u002Ffull\">Frontiers in Ecology and Evolution\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Ảnh hưởng của môi trường và tài nguyên\u003C\u002Fh2>\u003Cp>Phân bố và độ dồi dào của tài nguyên thức ăn thay đổi theo yếu tố địa hình, thảm thực vật và mùa vụ, định hình chiến lược tìm kiếm của động vật. Các loài thích nghi với môi trường phân mảnh thường phát triển kỹ thuật “patch exploitation” để tối ưu hóa thời gian ở lại khu vực giàu thức ăn trước khi chuyển sang patch mới.\u003C\u002Fp>\u003Cp>Cạnh tranh liên loài làm thay đổi hành vi foraging: khi mật độ đối thủ tăng, cá thể có xu hướng mở rộng phạm vi tìm kiếm hoặc chuyển đổi sang loại thức ăn ít cạnh tranh hơn. Nguy cơ săn mồi (predation risk) cũng buộc động vật cân nhắc giữa lợi ích năng lượng và an toàn sinh tồn, dẫn đến chiến lược “risk-sensitive foraging”.\u003C\u002Fp>\u003Cp>Biến đổi khí hậu và {{topic|%7B%22topic%22%3A%22ho%E1%BA%A1t%20%C4%91%E1%BB%99ng%20c%E1%BB%A7a%20con%20ng%C6%B0%E1%BB%9Di%22%7D}} (khai thác rừng, nông nghiệp mở rộng) làm thay đổi chu kỳ sinh trưởng của con mồi, kéo theo sự dịch chuyển quần thể và điều chỉnh mô hình tìm kiếm thức ăn. Sự ô nhiễm môi trường và tiếng ồn công nghiệp cũng ảnh hưởng đến khả năng nhận diện nguồn thức ăn qua tín hiệu thị giác và khứu giác.\u003C\u002Fp>\u003Cfigure class=\"table\">\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Yếu tố\u003C\u002Fth>\u003Cth>Ảnh hưởng chính\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>Phân bố tài nguyên\u003C\u002Ftd>\u003Ctd>Thay đổi chiến lược patch model và quỹ thời gian ở lại patch\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Cạnh tranh\u003C\u002Ftd>\u003Ctd>Mở rộng vùng hoạt động, ưu tiên mồi ít cạnh tranh\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Rủi ro săn mồi\u003C\u002Ftd>\u003Ctd>Giảm thời gian ở khu vực mở, ưu tiên nơi trú ẩn\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Biến đổi khí hậu\u003C\u002Ftd>\u003Ctd>Dịch chuyển mùa vụ, thay đổi lịch tìm kiếm thức ăn\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Ffigure>\u003Ch2>Phương pháp nghiên cứu và đo lường\u003C\u002Fh2>\u003Cp>Quan sát hành vi hiện trường (field observation) là phương pháp cơ bản, sử dụng ghi chép focal sampling và scan sampling để {{topic|%7B%22topic%22%3A%22thu%20th%E1%BA%ADp%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}} về tần suất và thời gian foraging. Giao thức quan sát chuẩn hóa giúp so sánh giữa các loài và môi trường khác nhau.\u003C\u002Fp>\u003Cp>Công nghệ theo dõi cá thể (biologging) gồm thiết bị GPS, cảm biến gia tốc và tag truyền tín hiệu (VHF, satellite) cho phép thu thập dữ liệu không gian và vận tốc di chuyển với độ phân giải cao. Phân tích dữ liệu chuyển động qua mô hình phân cụm và thuật toán xác suất cung cấp thông tin về đường đi và quyết định dừng\u002Fdi chuyển.\u003C\u002Fp>\u003Cp>Mô phỏng máy tính (agent-based modeling) và {{topic|%7B%22topic%22%3A%22m%C3%B4%20h%C3%ACnh%20h%C3%B3a%20to%C3%A1n%20h%E1%BB%8Dc%22%7D}} hỗ trợ {{topic|%7B%22topic%22%3A%22ki%E1%BB%83m%20%C4%91%E1%BB%8Bnh%20gi%E1%BA%A3%20thuy%E1%BA%BFt%22%7D}} foraging dưới các kịch bản môi trường khác nhau. Phương pháp phân tích đồng vị ổn định (stable isotope analysis) giúp xác định nguồn thức ăn chính và chuỗi dinh dưỡng trong tự nhiên. \u003Ca href=\"https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fnmeth.1237\">Nature Methods – Animal Tracking\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Ứng dụng trong bảo tồn và quản lý tài nguyên\u003C\u002Fh2>\u003Cp>Dữ liệu foraging hướng dẫn thiết kế khu bảo tồn và hành lang sinh thái, xác định vùng lõi và vùng đệm dựa trên mô hình phân bố thức ăn và đường di cư của động vật hoang dã. Việc bảo đảm kết nối không gian giúp duy trì đa dạng sinh học và khả năng tái sinh quần thể.\u003C\u002Fp>\u003Cp>Trong nông nghiệp, hiểu biết về {{topic|%7B%22topic%22%3A%22h%C3%A0nh%20vi%20t%C3%ACm%20ki%E1%BA%BFm%20th%E1%BB%A9c%20%C4%83n%22%7D}} của sâu bọ và gặm nhấm hỗ trợ chiến lược quản lý dịch hại bền vững, giảm thiểu sử dụng hóa chất. Các biện pháp sinh học (biological control) và bẫy sinh học được triển khai hiệu quả hơn khi dựa trên mô hình foraging.\u003C\u002Fp>\u003Cp>Quản lý du lịch sinh thái cân bằng giữa nhu cầu trải nghiệm và bảo tồn: phân tích điểm “foraging hotspots” giúp quy hoạch lối đi cho khách tham quan, giảm xáo trộn hành vi tự nhiên và duy trì {{topic|%7B%22topic%22%3A%22ch%E1%BB%A9c%20n%C4%83ng%20h%E1%BB%87%20sinh%20th%C3%A1i%22%7D}}. \u003Ca href=\"http:\u002F\u002Fwww.fao.org\u002Ffishery\u002Ftopic\u002F16140\u002Fen\">FAO – Forage Fish\u003C\u002Fa>\u003C\u002Fp>\u003Ch2>Thách thức và hướng nghiên cứu tương lai\u003C\u002Fh2>\u003Cp>Việc tích hợp dữ liệu đa nguồn (hành vi, di chuyển, sinh lý, vệ tinh) vẫn là thách thức do {{topic|%7B%22topic%22%3A%22t%C3%ADnh%20kh%C3%B4ng%20%C4%91%E1%BB%93ng%20nh%E1%BA%A5t%22%7D}} và khối lượng lớn. Xây dựng kho dữ liệu mở (open-access) và chuẩn hóa định dạng giúp thúc đẩy nghiên cứu so sánh quy mô toàn cầu.\u003C\u002Fp>\u003Cp>Ứng dụng trí tuệ nhân tạo (AI) và machine learning hứa hẹn nâng cao khả năng dự đoán chiến lược foraging trong điều kiện biến đổi nhanh. Remote sensing và UAV (drone) cung cấp dữ liệu cảnh quan thời gian thực, hỗ trợ mô hình hóa không gian phức tạp.\u003C\u002Fp>\u003Cul>\u003Cli>Phát triển thuật toán deep learning để phân tích video quan sát foraging.\u003C\u002Fli>\u003Cli>Áp dụng mô hình tích hợp sinh thái – sinh lý – hành vi.\u003C\u002Fli>\u003Cli>Nghiên cứu tác động dài hạn của biến đổi khí hậu trên loài mục tiêu.\u003C\u002Fli>\u003C\u002Ful>","Hoạt động tìm kiếm thức ăn","Foraging behavior","Hoạt động tìm kiếm thức ăn là tập hợp các hành vi định hướng, phát hiện, tiếp cận, bắt giữ và xử lý nguồn dinh dưỡng của động vật nhằm tối ưu hóa năng lượng thu nhận trên một đơn vị thời gian và công sức bỏ ra.","NATURAL_SCIENCES",[22,29,34],{"citationText":23,"title":24,"authors":25,"source":26,"year":27,"doi":28,"url":10},"Pyke (2026). Understanding movements of foraging animals – An approach based on Optimal Foraging Theory. Journal Article.","Understanding movements of foraging animals – An approach based on Optimal Foraging Theory","Pyke","Journal Article",2026,"10.1016\u002Fb978-0-443-29068-8.00175-6",{"citationText":30,"title":31,"authors":25,"source":26,"year":32,"doi":33,"url":10},"Pyke (2010). Optimal Foraging Theory: Introduction. Journal Article.","Optimal Foraging Theory: Introduction",2010,"10.1016\u002Fb978-0-08-045337-8.00210-2",{"citationText":35,"title":36,"authors":25,"source":26,"year":37,"doi":38,"url":10},"Pyke (2019). Animal Movements – An Optimal Foraging Theory Approach. Journal Article.","Animal Movements – An Optimal Foraging Theory Approach",2019,"10.1016\u002Fb978-0-12-809633-8.90160-2",[40,43,46],{"question":41,"answer":42},"Thuyết tìm kiếm thức ăn tối ưu (Optimal Foraging Theory - OFT) dự đoán điều gì về hành vi của động vật?","OFT dự đoán rằng chọn lọc tự nhiên ưu tiên những cá thể áp dụng chiến lược tìm kiếm thức ăn giúp tối đa hóa tỷ lệ thu nhận năng lượng ròng trên một đơn vị thời gian đầu tư (bao gồm thời gian tìm kiếm và thời gian xử lý con mồi).",{"question":44,"answer":45},"Định lý giá trị biên (Marginal Value Theorem - MVT) của Charnov giải thích thời điểm rời bỏ bãi thức ăn ra sao?","MVT phát biểu rằng động vật săn mồi nên rời bỏ một khoanh bãi thức ăn hiện tại khi tốc độ thu nhận năng lượng tức thời tại bãi đó giảm xuống bằng với tốc độ thu nhận năng lượng trung bình của toàn bộ môi trường sống (bao gồm cả chi phí thời gian di chuyển giữa các bãi).",{"question":47,"answer":48},"Sự cân đổi giữa nguy cơ bị ăn thịt (predation risk) và hiệu quả tìm mồi (foraging gain) diễn ra như thế nào?","Động vật thường chấp nhận kiếm ăn ở những bãi có mật độ thức ăn thấp hơn nhưng an toàn hơn về mặt nơi ẩn nấp nhằm giảm thiểu rủi ro bị kẻ săn mồi tấn công, biểu hiện qua hiện tượng 'cảnh quan sợ hãi' (landscape of fear).",{"id":50,"researcherId":10,"name":51,"imageUrl":52},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":54,"researcherId":10,"name":55,"imageUrl":56},2681,"Cuong Ta","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocKFuWh0ZD601Hp0_V_2xAK3kIOs20Kyv3V5ZLBo6fwfjyymJYzE=s96-c",[58,59,60,61,62,63,64,65,66,67],"thời gian di chuyển","phân tích không gian","dẫn truyền thần kinh","hoạt động của con người","thu thập dữ liệu","mô hình hóa toán học","kiểm định giả thuyết","hành vi tìm kiếm thức ăn","chức năng hệ sinh thái","tính không đồng nhất",10,true,"PUBLISHED","2025-06-19T08:17:09.182+00:00","2026-09-11T02:09:22.799+00:00","2025-06-26T01:23:38.672+00:00","2026-09-11T02:09:20.329+00:00",209,[77,80,83,86,89,92,95,98,101,104],{"id":78,"title":79,"term":78,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chất lượng thông tin","Chất lượng thông tin là gì? Nghiên cứu khoa học liên quan",{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thu thập thông tin","Thu thập thông tin là gì? Các nghiên cứu khoa học liên quan",{"id":84,"title":85,"term":84,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":87,"title":88,"term":87,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"methamphetamine","Methamphetamine là gì? Các nghiên cứu về Methamphetamine",{"id":90,"title":91,"term":90,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"nhân trắc học","Nhân trắc học là gì? Các công bố khoa học về Nhân trắc học",{"id":93,"title":94,"term":93,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"can thiệp dinh dưỡng","Can thiệp dinh dưỡng là gì? Các nghiên cứu khoa học",{"id":96,"title":97,"term":96,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"màng tế bào","Màng tế bào là gì? Các nghiên cứu khoa học về Màng tế bào",{"id":99,"title":100,"term":99,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"morphin","Morphin là gì? Các nghiên cứu khoa học về Morphin",{"id":102,"title":103,"term":102,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"công cụ đánh giá","Công cụ đánh giá là gì? Các nghiên cứu khoa học liên quan",{"id":105,"title":106,"term":105,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"phương pháp hỗn hợp","Phương pháp hỗn hợp là gì? Các bài báo nghiên cứu khoa học"]