[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_nghi%C3%AAn%20c%E1%BB%A9u%20t%E1%BB%95ng%20quan{\"limit\":5}":3,"_public_topic_byId_nghiên cứu tổng quan":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":13,"englishTitle":10,"synonyms":10,"definition":10,"discipline":10,"references":10,"faqs":10,"createUser":17,"publishUser":21,"keywords":25,"keywordCount":41,"enrichTopicLink":42,"status":43,"createTime":44,"updateTime":45,"publishTime":46,"linkEnrichedTime":10,"publicationScanTime":47,"contentErrorMessage":10,"viewCount":48,"relateTopics":49},"nghiên cứu tổng quan","Nghiên cứu tổng quan là gì? Các bài báo nghiên cứu khoa học","Nghiên cứu tổng quan là hình thức tổng hợp, phân tích và đánh giá có hệ thống các tài liệu đã công bố nhằm cung cấp cái nhìn toàn diện về một chủ đề. Nó giúp hệ thống hóa tri thức, xác định khoảng trống nghiên cứu và định hướng các nghiên cứu tiếp theo trong lĩnh vực khoa học cụ thể.","\u003Cdiv>\u003Cdiv>\u003Ch2>Định nghĩa nghiên cứu tổng quan\u003C\u002Fh2>\n\u003Cp>\n  Nghiên cứu tổng quan (review study) là loại hình bài báo khoa học có mục tiêu tổng hợp và phân tích toàn diện các nghiên cứu đã được công bố về một chủ đề nhất định. Không giống nghiên cứu gốc nhằm tạo ra {{topic|%7B%22topic%22%3A%22d%E1%BB%AF%20li%E1%BB%87u%22%7D}} mới, nghiên cứu tổng quan tập trung vào việc tổng hợp tri thức hiện có để đưa ra bức tranh toàn cảnh, phản ánh xu hướng, khoảng trống và định hướng nghiên cứu tương lai.\n\u003C\u002Fp>\n\u003Cp>\n  Theo \u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fbooks\u002FNBK209518\u002F\" target=\"_blank\">NCBI\u003C\u002Fa>, nghiên cứu tổng quan có thể mang tính tường thuật (narrative) hoặc hệ thống (systematic), tùy thuộc vào độ nghiêm ngặt và phương pháp {{topic|%7B%22topic%22%3A%22tri%E1%BB%83n%20khai%22%7D}}. Dù phương pháp nào, điểm chung là nó đòi hỏi sự khách quan, minh bạch và toàn diện trong việc lựa chọn, tổng hợp và diễn giải các tài liệu nguồn.\n\u003C\u002Fp>\n\u003Cp>\n  Trong kỷ nguyên của {{topic|%7B%22topic%22%3A%22khoa%20h%E1%BB%8Dc%22%7D}} dựa trên bằng chứng, nghiên cứu tổng quan ngày càng trở thành hình thức nghiên cứu được trích dẫn rộng rãi, có ảnh hưởng lớn đến chính sách, y học, giáo dục và nhiều lĩnh vực ứng dụng khác.\n\n\u003C\u002Fp>\u003Ch2>Phân loại nghiên cứu tổng quan\u003C\u002Fh2>\n\u003Cp>\n  Tùy vào mục đích và độ chặt chẽ phương pháp, nghiên cứu {{topic|%7B%22topic%22%3A%22t%E1%BB%95ng%20quan%22%7D}} có thể được chia thành các dạng chính như sau:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Tổng quan tường thuật (Narrative Review):\u003C\u002Fstrong> chủ yếu dựa vào tổng hợp kinh nghiệm cá nhân, trình bày không theo cấu trúc cứng nhắc, phù hợp trong các giai đoạn đầu của nghiên cứu hoặc lĩnh vực mới.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tổng quan hệ thống (Systematic Review):\u003C\u002Fstrong> áp dụng quy trình rõ ràng, có tiêu chí lựa chọn – loại trừ tài liệu, thường đi kèm sơ đồ PRISMA và {{topic|%7B%22topic%22%3A%22%C4%91%C3%A1nh%20gi%C3%A1%20r%E1%BB%A7i%20ro%22%7D}} thiên lệch.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Phân tích gộp (Meta-analysis):\u003C\u002Fstrong> sử dụng thống kê để tích hợp kết quả {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%8Bnh%20l%C6%B0%E1%BB%A3ng%22%7D}} từ nhiều nghiên cứu có cùng biến số, tạo ra ước lượng tổng hợp đáng tin cậy.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tổng quan phạm vi (Scoping Review):\u003C\u002Fstrong> dùng để thăm dò độ rộng của chủ đề, xác định khoảng trống tri thức, mà không đi sâu phân tích định lượng.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Dưới đây là bảng tóm tắt sự khác biệt:\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Loại hình\u003C\u002Fth>\n    \u003Cth>Đặc điểm nổi bật\u003C\u002Fth>\n    \u003Cth>Ứng dụng\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Narrative Review\u003C\u002Ftd>\n    \u003Ctd>Linh hoạt, không chuẩn hóa, phụ thuộc tác giả\u003C\u002Ftd>\n    \u003Ctd>Bối cảnh lý thuyết, tổng quan khái quát\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Systematic Review\u003C\u002Ftd>\n    \u003Ctd>Tiêu chí rõ ràng, tái lập, theo PRISMA\u003C\u002Ftd>\n    \u003Ctd>Y học chứng cứ, {{topic|%7B%22topic%22%3A%22ch%C3%ADnh%20s%C3%A1ch%20c%C3%B4ng%22%7D}}\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Meta-analysis\u003C\u002Ftd>\n    \u003Ctd>Dùng thống kê tổng hợp dữ liệu định lượng\u003C\u002Ftd>\n    \u003Ctd>Hiệu lực điều trị, {{topic|%7B%22topic%22%3A%22%C4%91%E1%BB%99%20tin%20c%E1%BA%ADy%22%7D}} mô hình\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Scoping Review\u003C\u002Ftd>\n    \u003Ctd>Khám phá phạm vi và lỗ hổng tri thức\u003C\u002Ftd>\n    \u003Ctd>Định hướng nghiên cứu ban đầu\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Mục tiêu và vai trò khoa học\u003C\u002Fh2>\n\u003Cp>\n  Nghiên cứu tổng quan giúp tổ chức và hệ thống hóa khối lượng lớn tài liệu, cung cấp cho người đọc bức tranh toàn cảnh thay vì những chi tiết đơn lẻ. Nó đóng vai trò quan trọng trong việc:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Nhận diện xu hướng phát triển trong lĩnh vực\u003C\u002Fli>\n  \u003Cli>Phát hiện lỗ hổng hoặc thiếu nhất quán trong nghiên cứu\u003C\u002Fli>\n  \u003Cli>So sánh phương pháp, kết quả và kết luận giữa các nghiên cứu\u003C\u002Fli>\n  \u003Cli>Định hướng chính sách, thực hành hoặc nghiên cứu tiếp theo\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Trong khoa học y tế, các nghiên cứu tổng quan hệ thống và phân tích gộp được xem là đỉnh cao trong thang chứng cứ, có ảnh hưởng lớn đến hướng dẫn {{topic|%7B%22topic%22%3A%22l%C3%A2m%20s%C3%A0ng%22%7D}}. Tương tự, trong giáo dục hoặc khoa học xã hội, các tổng quan phạm vi có thể tạo tiền đề cho thiết kế chương trình giảng dạy hoặc khuyến nghị chính sách.\n\n\u003C\u002Fp>\u003Ch2>Tiêu chuẩn và quy trình thực hiện\u003C\u002Fh2>\n\u003Cp>\n  Để đảm bảo độ tin cậy và khả năng tái lập, nghiên cứu tổng quan hiện đại tuân thủ các tiêu chuẩn quốc tế. Một trong số đó là bộ hướng dẫn PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), được thiết kế để giúp tác giả báo cáo đầy đủ các bước thực hiện review.\n\u003C\u002Fp>\n\u003Cp>\n  Quy trình cơ bản gồm:\n\u003C\u002Fp>\n\u003Col>\n  \u003Cli>Xác định câu hỏi nghiên cứu cụ thể\u003C\u002Fli>\n  \u003Cli>Thiết lập tiêu chí lựa chọn và loại trừ tài liệu\u003C\u002Fli>\n  \u003Cli>Tìm kiếm tài liệu toàn diện trên nhiều {{topic|%7B%22topic%22%3A%22c%C6%A1%20s%E1%BB%9F%20d%E1%BB%AF%20li%E1%BB%87u%22%7D}}\u003C\u002Fli>\n  \u003Cli>Chọn lọc và {{topic|%7B%22topic%22%3A%22%C4%91%C3%A1nh%20gi%C3%A1%20ch%E1%BA%A5t%20l%C6%B0%E1%BB%A3ng%22%7D}} bài báo\u003C\u002Fli>\n  \u003Cli>Tổng hợp và trình bày kết quả (tường thuật hoặc thống kê)\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>\n  Một nghiên cứu review chất lượng cao sẽ trình bày rõ nguồn dữ liệu, số lượng tài liệu ban đầu và cuối cùng, biểu đồ PRISMA thể hiện tiến trình {{topic|%7B%22topic%22%3A%22s%C3%A0ng%20l%E1%BB%8Dc%22%7D}}. Công cụ phần mềm như Covidence, Rayyan và RevMan thường được sử dụng để quản lý và tổ chức quy trình này.\n\u003C\u002Fp>\u003Ch2>Phân tích dữ liệu và công cụ hỗ trợ\u003C\u002Fh2>\n\u003Cp>\n  Trong nghiên cứu tổng quan, đặc biệt là phân tích gộp (meta-analysis), việc xử lý và phân tích dữ liệu đòi hỏi tính hệ thống và chính xác. Các dữ liệu được trích xuất từ các nghiên cứu gốc được chuẩn hóa và tổng hợp nhằm tạo ra các thống kê tổng thể có ý nghĩa khoa học.\n\u003C\u002Fp>\n\u003Cp>\n  Một số chỉ số phổ biến trong meta-analysis gồm:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Odds Ratio (OR):\u003C\u002Fstrong> tỉ lệ chênh odds giữa hai nhóm\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Risk Ratio (RR):\u003C\u002Fstrong> tỉ lệ nguy cơ giữa nhóm can thiệp và nhóm chứng\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Standardized Mean Difference (SMD):\u003C\u002Fstrong> dùng cho biến liên tục\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Heterogeneity (\u003Cscript type=\"math\u002Ftex\">I^2\u003C\u002Fscript>):\u003C\u002Fstrong> đo mức độ khác biệt giữa các nghiên cứu\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Các phần mềm thông dụng:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.rayyan.ai\" target=\"_blank\">Rayyan\u003C\u002Fa>: hỗ trợ phân loại tài liệu theo tiêu chí lựa chọn loại trừ\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.covidence.org\" target=\"_blank\">Covidence\u003C\u002Fa>: quản lý sàng lọc và trích xuất dữ liệu\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Ftraining.cochrane.org\u002Fonline-learning\u002Fcore-software-cochrane-reviews\u002Frevman\" target=\"_blank\">RevMan\u003C\u002Fa>: phân tích và tạo biểu đồ forest, biểu đồ bias\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Tiêu chí đánh giá chất lượng nghiên cứu tổng quan\u003C\u002Fh2>\n\u003Cp>\n  Chất lượng của một nghiên cứu tổng quan không chỉ nằm ở kết luận cuối cùng mà còn thể hiện ở quy trình lựa chọn tài liệu, phân tích và báo cáo kết quả. Nhiều công cụ đánh giá đã được phát triển nhằm đảm bảo tính nghiêm ngặt và minh bạch.\n\u003C\u002Fp>\n\u003Cp>\n  Các tiêu chí chính:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Cstrong>Rõ ràng câu hỏi nghiên cứu và chiến lược tìm kiếm\u003C\u002Fstrong>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tiêu chí lựa chọn bài báo được mô tả chi tiết\u003C\u002Fstrong>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Đánh giá thiên lệch công bố (publication bias)\u003C\u002Fstrong>\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tuân thủ chuẩn báo cáo như PRISMA hoặc MOOSE\u003C\u002Fstrong>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Một số công cụ đánh giá:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>AMSTAR 2: đánh giá tổng quan hệ thống\u003C\u002Fli>\n  \u003Cli>ROBIS: đánh giá rủi ro thiên lệch trong review\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Hạn chế và thách thức\u003C\u002Fh2>\n\u003Cp>\n  Nghiên cứu tổng quan, dù có cấu trúc chặt chẽ, vẫn đối mặt với nhiều hạn chế khách quan và chủ quan. Một trong những rủi ro lớn là thiên lệch chọn lọc tài liệu, nơi các bài báo có kết quả dương tính thường được xuất bản nhiều hơn, dẫn đến sai lệch tổng thể.\n\u003C\u002Fp>\n\u003Cp>\n  Các thách thức thường gặp:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Không đồng nhất trong phương pháp và báo cáo của các nghiên cứu gốc\u003C\u002Fli>\n  \u003Cli>Thiếu dữ liệu thô để tái phân tích\u003C\u002Fli>\n  \u003Cli>Khác biệt văn hóa và ngôn ngữ khiến tài liệu có giá trị bị bỏ sót\u003C\u002Fli>\n  \u003Cli>Yêu cầu khắt khe về thời gian, công cụ và kiến thức thống kê\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Do đó, nghiên cứu tổng quan cần có sự tham gia của nhóm nghiên cứu đa ngành gồm chuyên gia nội dung, chuyên gia phương pháp, chuyên viên thống kê và thủ thư khoa học.\n\n\u003C\u002Fp>\u003Ch2>So sánh với nghiên cứu gốc và nghiên cứu phân tích\u003C\u002Fh2>\n\u003Cp>\n  Mỗi loại hình nghiên cứu có vai trò riêng trong hệ sinh thái khoa học. Nghiên cứu tổng quan không thể thay thế nghiên cứu gốc, nhưng lại cung cấp bối cảnh và định hướng cho nghiên cứu mới.\n\u003C\u002Fp>\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Ctbody>\u003Ctr>\n    \u003Cth>Tiêu chí\u003C\u002Fth>\n    \u003Cth>Nghiên cứu gốc\u003C\u002Fth>\n    \u003Cth>Nghiên cứu tổng quan\u003C\u002Fth>\n    \u003Cth>Nghiên cứu phân tích\u003C\u002Fth>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Mục tiêu\u003C\u002Ftd>\n    \u003Ctd>Kiểm định {{topic|%7B%22topic%22%3A%22gi%E1%BA%A3%20thuy%E1%BA%BFt%22%7D}}\u003C\u002Ftd>\n    \u003Ctd>Tổng hợp kiến thức hiện có\u003C\u002Ftd>\n    \u003Ctd>Phân tích mối quan hệ giữa biến\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Dữ liệu\u003C\u002Ftd>\n    \u003Ctd>Thu thập {{topic|%7B%22topic%22%3A%22th%E1%BB%B1c%20nghi%E1%BB%87m%22%7D}}\u003C\u002Ftd>\n    \u003Ctd>Tài liệu công bố sẵn\u003C\u002Ftd>\n    \u003Ctd>Dữ liệu thứ cấp hoặc tổng hợp\u003C\u002Ftd>\n  \u003C\u002Ftr>\n  \u003Ctr>\n    \u003Ctd>Phương pháp\u003C\u002Ftd>\n    \u003Ctd>Thực nghiệm, điều tra, phỏng vấn\u003C\u002Ftd>\n    \u003Ctd>Sàng lọc, trích xuất, tổng hợp\u003C\u002Ftd>\n    \u003Ctd>Mô hình hóa, thống kê\u003C\u002Ftd>\n  \u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\n\u003Ch2>Ứng dụng và xu hướng phát triển\u003C\u002Fh2>\n\u003Cp>\n  Nghiên cứu tổng quan ngày càng phổ biến và là công cụ không thể thiếu trong các lĩnh vực có tốc độ phát triển nhanh như y học, khoa học dữ liệu, giáo dục, và công nghệ. Nhiều cơ sở dữ liệu hiện hỗ trợ tìm kiếm riêng cho các bài review như:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpubmed\u002F\" target=\"_blank\">PubMed\u003C\u002Fa> (filter: Review)\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.cochranelibrary.com\u002F\" target=\"_blank\">Cochrane Library\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.scopus.com\u002F\" target=\"_blank\">Scopus\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\n  Các xu hướng mới:\n\u003C\u002Fp>\n\u003Cul>\n  \u003Cli>Sử dụng {{topic|%7B%22topic%22%3A%22tr%C3%AD%20tu%E1%BB%87%20nh%C3%A2n%20t%E1%BA%A1o%22%7D}} để hỗ trợ sàng lọc tài liệu\u003C\u002Fli>\n  \u003Cli>Kết hợp giữa systematic review và realist review để đánh giá tính bối cảnh\u003C\u002Fli>\n  \u003Cli>Đa dạng hóa ngôn ngữ và mở rộng dữ liệu từ grey literature\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Col>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0895435622000640\" target=\"_blank\">ScienceDirect – Review Studies in Health Policy\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.prisma-statement.org\u002F\" target=\"_blank\">PRISMA – Reporting Guidelines for Systematic Reviews\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Ftraining.cochrane.org\u002Fhandbook\" target=\"_blank\">Cochrane Handbook for Systematic Reviews\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.ncbi.nlm.nih.gov\u002Fpmc\u002Farticles\u002FPMC6468132\u002F\" target=\"_blank\">NCBI – Meta-analysis Methodology\u003C\u002Fa>\u003C\u002Fli>\n  \u003Cli>\u003Ca href=\"https:\u002F\u002Fwww.rayyan.ai\" target=\"_blank\">Rayyan – AI-powered Systematic Review Assistant\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\u003C\u002Fdiv>\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",[26,27,28,29,30,31,32,33,34,35,36,37,38,39,40],"dữ liệu","triển khai","khoa học","tổng quan","đánh giá rủi ro","định lượng","chính sách công","độ tin cậy","lâm sàng","cơ sở dữ liệu","đánh giá chất lượng","sàng lọc","giả thuyết","thực nghiệm","trí tuệ nhân tạo",15,true,"PUBLISHED","2025-06-19T08:17:08.846+00:00","2026-08-28T13:15:27.908+00:00","2025-06-27T15:08:43.104+00:00","2026-08-28T13:15:27.906+00:00",2099,[50,53,56,59,62,65,68,71,74,77],{"id":51,"title":52,"term":51,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"ngữ nghĩa","Ngữ nghĩa là gì? Các nghiên cứu khoa học về Ngữ nghĩa",{"id":54,"title":55,"term":54,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thang điểm morisky 8","Thang điểm morisky 8 là gì? Các công bố khoa học về Thang điểm morisky 8",{"id":57,"title":58,"term":57,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"năng lực mô hình hóa toán học","Năng lực mô hình hóa toán học là gì? Các nghiên cứu khoa học",{"id":60,"title":61,"term":60,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mô hình lý thuyết","Mô hình lý thuyết là gì? Các nghiên cứu về Mô hình lý thuyết",{"id":63,"title":64,"term":63,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":66,"title":67,"term":66,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"hình thái","Hình thái là gì? Các công bố khoa học về Hình thái",{"id":69,"title":70,"term":69,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"chuỗi markov","Chuỗi markov là gì? Các công bố khoa học về Chuỗi markov",{"id":72,"title":73,"term":72,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"matlab simulink","Matlab simulink là gì? Các công bố khoa học về Matlab simulink",{"id":75,"title":76,"term":75,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"toán cao cấp","Toán cao cấp là gì? Các nghiên cứu khoa học về Toán cao cấp",{"id":78,"title":79,"term":78,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thành tựu","Thành tựu là gì? Các công bố khoa học về Thành tựu"]