[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_ph%C3%A2n%20t%C3%ADch%20quy%E1%BA%BFt%20%C4%91%E1%BB%8Bnh%20%C4%91a%20ti%C3%AAu%20ch%C3%AD{\"limit\":5}":3,"_public_topic_byId_ph%C3%A2n%20t%C3%ADch%20quy%E1%BA%BFt%20%C4%91%E1%BB%8Bnh%20%C4%91a%20ti%C3%AAu%20ch%C3%AD":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":18,"enrichTopicLink":26,"status":27,"createTime":28,"updateTime":29,"publishTime":30,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":31,"wikidataId":10,"relateTopics":32},"phân tích quyết định đa tiêu chí","Phân tích quyết định đa tiêu chí là gì? Các nghiên cứu","Phân tích quyết định đa tiêu chí là phương pháp khoa học giúp đánh giá và lựa chọn giữa nhiều phương án dựa trên các tiêu chí khác nhau về bản chất và tầm quan trọng. MCDA kết hợp dữ liệu định lượng, yếu tố định tính và trọng số ưu tiên để đưa ra quyết định tối ưu hoặc cân bằng trong các tình huống phức tạp. ","\u003Cdiv>\u003Ch2>Giới thiệu\u003C\u002Fh2>\n\u003Cp>Phân tích quyết định đa tiêu chí (Multi-Criteria Decision Analysis – MCDA) là một phương pháp khoa học giúp các nhà quản lý, chuyên gia và tổ chức đưa ra các quyết định phức tạp khi phải cân nhắc nhiều tiêu chí đồng thời. Phương pháp này được áp dụng rộng rãi trong nhiều lĩnh vực như kinh doanh, quản lý dự án, chính sách công, quản lý môi trường, y tế, năng lượng và logistics, nơi các quyết định liên quan đến nhiều yếu tố mâu thuẫn và có tầm quan trọng khác nhau.\u003C\u002Fp>\n\u003Cp>MCDA giúp đảm bảo rằng quyết định được đưa ra một cách minh bạch, có cơ sở khoa học và cân nhắc đến các yếu tố định lượng cũng như định tính. Khi các phương án lựa chọn có tác động khác nhau đến nhiều tiêu chí, MCDA cung cấp cách thức hệ thống để so sánh, đánh giá và lựa chọn giải pháp tối ưu hoặc giải pháp cân bằng nhất. Nó không chỉ là công cụ phân tích, mà còn là cầu nối giữa dữ liệu, kiến thức chuyên môn và ra quyết định thực tế.\u003C\u002Fp>\n\u003Cp>Trong bối cảnh quản lý hiện đại, MCDA giúp các nhà hoạch định và tổ chức nhận diện rõ ràng các ưu tiên, đánh giá rủi ro và dự báo tác động, từ đó cải thiện chất lượng và hiệu quả quyết định. Việc áp dụng MCDA còn giúp tăng cường sự minh bạch, tạo niềm tin và nâng cao khả năng chấp nhận quyết định của cộng đồng hoặc các bên liên quan.\u003C\u002Fp>\n\n\u003Ch2>Định nghĩa phân tích quyết định đa tiêu chí\u003C\u002Fh2>\n\u003Cp>Phân tích quyết định đa tiêu chí là một phương pháp hệ thống nhằm hỗ trợ ra quyết định khi nhiều tiêu chí khác nhau cần được xem xét đồng thời. Nó bao gồm việc xác định các tiêu chí quan trọng, đánh giá các phương án theo từng tiêu chí, gán trọng số và tổng hợp kết quả để lựa chọn phương án tối ưu hoặc cân bằng nhất.\u003C\u002Fp>\n\u003Cp>MCDA cho phép kết hợp các tiêu chí định lượng và định tính, đưa ra sự so sánh minh bạch giữa các lựa chọn. Phương pháp này giúp người ra quyết định hiểu rõ tác động của từng lựa chọn đến các tiêu chí khác nhau, đồng thời nhận diện các xung đột và ưu tiên trong quyết định. Nó cũng cung cấp cơ sở khoa học để thực hiện phân tích nhạy cảm, đánh giá rủi ro và cải thiện độ tin cậy của quyết định.\u003C\u002Fp>\n\u003Cp>Bảng minh họa các thành phần chính của MCDA:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellspacing=\"0\" cellpadding=\"5\">\n\u003Ctbody>\u003Ctr>\n\u003Cth>Thành phần\u003C\u002Fth>\n\u003Cth>Mục tiêu\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tiêu chí đánh giá\u003C\u002Ftd>\n\u003Ctd>Xác định các yếu tố quan trọng để đánh giá các phương án\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Trọng số\u003C\u002Ftd>\n\u003Ctd>Gán mức độ quan trọng cho từng tiêu chí\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Phương án\u003C\u002Ftd>\n\u003Ctd>Các lựa chọn hoặc giải pháp cần ra quyết định\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Đánh giá\u003C\u002Ftd>\n\u003Ctd>So sánh và đánh giá phương án theo từng tiêu chí\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tổng hợp kết quả\u003C\u002Ftd>\n\u003Ctd>Kết hợp các đánh giá để lựa chọn phương án tối ưu hoặc cân bằng\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fengineering\u002Fmulti-criteria-decision-analysis\">ScienceDirect – Multi-Criteria Decision Analysis\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Mục tiêu của MCDA\u003C\u002Fh2>\n\u003Cp>Mục tiêu chính của phân tích quyết định đa tiêu chí là hỗ trợ ra quyết định hợp lý, minh bạch và khả thi khi phải cân nhắc nhiều tiêu chí. Nó giúp người ra quyết định xác định các ưu tiên, đánh giá rủi ro và tìm ra phương án tối ưu hoặc cân bằng giữa các lựa chọn xung đột. MCDA cung cấp cơ sở để ra quyết định dựa trên dữ liệu và bằng chứng, giảm thiểu yếu tố chủ quan và thiên kiến cá nhân.\u003C\u002Fp>\n\u003Cp>MCDA còn giúp tăng tính minh bạch trong quá trình ra quyết định, từ việc xác định tiêu chí đến gán trọng số và tổng hợp kết quả. Điều này không chỉ làm tăng độ tin cậy của quyết định mà còn giúp các bên liên quan hiểu rõ lý do lựa chọn và đánh giá hiệu quả của quyết định. Nó cũng tạo điều kiện cho việc phân tích nhạy cảm và điều chỉnh quyết định khi điều kiện hoặc dữ liệu thay đổi.\u003C\u002Fp>\n\u003Cp>Danh sách các mục tiêu chính của MCDA:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Hỗ trợ ra quyết định phức tạp với nhiều tiêu chí\u003C\u002Fli>\n\u003Cli>Xác định và đánh giá ưu tiên giữa các phương án\u003C\u002Fli>\n\u003Cli>Minh bạch hóa quá trình ra quyết định\u003C\u002Fli>\n\u003Cli>Giảm thiểu rủi ro và thiên kiến trong đánh giá\u003C\u002Fli>\n\u003Cli>Tăng cường khả năng phân tích nhạy cảm và dự báo tác động\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-319-68288-0_1\">Springer – Objectives of Multi-Criteria Decision Analysis\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Nguyên tắc cơ bản của MCDA\u003C\u002Fh2>\n\u003Cp>Nguyên tắc cơ bản của MCDA bao gồm việc xác định rõ ràng các tiêu chí, gán trọng số hợp lý, đánh giá phương án theo từng tiêu chí và tổng hợp kết quả để đưa ra lựa chọn tối ưu. Nguyên tắc này yêu cầu tính minh bạch, dựa trên bằng chứng, kết hợp cả yếu tố định lượng và định tính, và có khả năng thích ứng với các điều kiện thay đổi.\u003C\u002Fp>\n\u003Cp>MCDA cũng dựa trên nguyên tắc tham gia của các bên liên quan, nhằm đảm bảo các giá trị, ưu tiên và thông tin quan trọng được phản ánh trong quá trình ra quyết định. Sự tham gia này giúp tăng độ tin cậy, tính khả thi và chấp nhận xã hội của quyết định.\u003C\u002Fp>\n\u003Cp>Bảng minh họa các nguyên tắc cơ bản của MCDA:\u003C\u002Fp>\n\u003Ctable border=\"1\" cellspacing=\"0\" cellpadding=\"5\">\n\u003Ctbody>\u003Ctr>\n\u003Cth>Nguyên tắc\u003C\u002Fth>\n\u003Cth>Mô tả\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Xác định tiêu chí\u003C\u002Ftd>\n\u003Ctd>Lựa chọn các yếu tố quan trọng để đánh giá các phương án\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Gán trọng số\u003C\u002Ftd>\n\u003Ctd>Định mức độ quan trọng của từng tiêu chí dựa trên ưu tiên\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Đánh giá phương án\u003C\u002Ftd>\n\u003Ctd>So sánh các phương án theo từng tiêu chí với dữ liệu và bằng chứng\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tổng hợp kết quả\u003C\u002Ftd>\n\u003Ctd>Kết hợp các đánh giá để xếp hạng và lựa chọn phương án tối ưu\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>Tham gia các bên liên quan\u003C\u002Ftd>\n\u003Ctd>Đảm bảo giá trị và ưu tiên của các bên liên quan được phản ánh\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\u003C\u002Ftable>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffpsyg.2018.00949\u002Ffull\">Frontiers in Psychology – Principles of MCDA\u003C\u002Fa>\u003C\u002Fp>\n\u003Ch2>Loại hình MCDA\u003C\u002Fh2>\n\u003Cp>MCDA được phân loại theo các phương pháp tính toán và kỹ thuật ra quyết định. Các loại hình phổ biến bao gồm:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>Weighted Sum Model (WSM): phương pháp dựa trên tổng trọng số, dễ áp dụng khi các tiêu chí có cùng đơn vị hoặc đã chuẩn hóa.\u003C\u002Fli>\n\u003Cli>Analytic Hierarchy Process (AHP): phân tích cấu trúc phân cấp để xác định trọng số và xếp hạng phương án, phổ biến trong quản lý dự án và chiến lược.\u003C\u002Fli>\n\u003Cli>TOPSIS (Technique for Order Preference by Similarity to Ideal Solution): xác định phương án gần nhất với giải pháp lý tưởng và xa nhất với giải pháp tiêu cực.\u003C\u002Fli>\n\u003Cli>ELECTRE và PROMETHEE: các phương pháp loại trừ và xếp hạng dựa trên mối quan hệ ưu tiên giữa các phương án.\u003C\u002Fli>\n\u003Cli>Phương pháp đa mục tiêu phi tuyến: áp dụng khi các tiêu chí có mối quan hệ phi tuyến và phức tạp.\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417419304523\">ScienceDirect – Types of MCDA Methods\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Quy trình thực hiện MCDA\u003C\u002Fh2>\n\u003Cp>Quy trình MCDA thường bao gồm các bước hệ thống để đảm bảo tính khoa học, minh bạch và hiệu quả. Bước đầu là xác định vấn đề và các phương án quyết định. Tiếp theo là xác định tiêu chí đánh giá, gán trọng số cho từng tiêu chí dựa trên mức độ quan trọng và ưu tiên.\u003C\u002Fp>\n\u003Cp>Sau đó, đánh giá các phương án theo từng tiêu chí, tổng hợp kết quả bằng các phương pháp MCDA phù hợp và xếp hạng các phương án. Cuối cùng, lựa chọn phương án tối ưu hoặc cân bằng nhất, đồng thời thực hiện phân tích nhạy cảm để đánh giá tác động của thay đổi trọng số hoặc dữ liệu.\u003C\u002Fp>\n\u003Col>\n\u003Cli>Xác định vấn đề và các phương án\u003C\u002Fli>\n\u003Cli>Xác định tiêu chí đánh giá\u003C\u002Fli>\n\u003Cli>Gán trọng số cho từng tiêu chí\u003C\u002Fli>\n\u003Cli>Đánh giá phương án theo từng tiêu chí\u003C\u002Fli>\n\u003Cli>Tổng hợp kết quả và xếp hạng phương án\u003C\u002Fli>\n\u003Cli>Phân tích nhạy cảm và lựa chọn giải pháp cuối cùng\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-030-13670-9_1\">Springer – MCDA Process\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Công cụ và phần mềm hỗ trợ MCDA\u003C\u002Fh2>\n\u003Cp>Nhiều công cụ và phần mềm được phát triển để hỗ trợ MCDA, giúp tính toán trọng số, so sánh phương án và trực quan hóa kết quả. Các công cụ phổ biến bao gồm Expert Choice, Super Decisions, D-Sight, MATLAB, R và Python với các thư viện hỗ trợ phân tích đa tiêu chí.\u003C\u002Fp>\n\u003Cp>Phần mềm hỗ trợ MCDA cho phép người ra quyết định thực hiện phân tích nhạy cảm, so sánh nhiều kịch bản và đánh giá rủi ro. Nó cũng giúp trực quan hóa dữ liệu và kết quả xếp hạng phương án, từ đó nâng cao tính minh bạch và độ tin cậy của quyết định.\u003C\u002Fp>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS095741741830430X\">ScienceDirect – Tools for Multi-Criteria Decision Analysis\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Ứng dụng của MCDA\u003C\u002Fh2>\n\u003Cp>MCDA được áp dụng rộng rãi trong nhiều lĩnh vực để ra quyết định khi có nhiều tiêu chí xung đột. Trong quản lý dự án, MCDA giúp lựa chọn dự án ưu tiên và phân bổ nguồn lực hiệu quả. Trong chính sách công, MCDA hỗ trợ lựa chọn các biện pháp phát triển kinh tế, xã hội và môi trường.\u003C\u002Fp>\n\u003Cp>MCDA còn được sử dụng trong y tế để lựa chọn phương án điều trị tốt nhất, trong năng lượng để chọn giải pháp phát triển bền vững, và trong logistics để tối ưu hóa chuỗi cung ứng. Nhờ khả năng cân nhắc nhiều tiêu chí, MCDA giúp đảm bảo quyết định hợp lý, cân bằng và bền vững.\u003C\u002Fp>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffenvs.2020.00001\u002Ffull\">Frontiers in Environmental Science – MCDA Applications\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Ưu điểm và hạn chế của MCDA\u003C\u002Fh2>\n\u003Cp>Ưu điểm của MCDA bao gồm khả năng xử lý nhiều tiêu chí, minh bạch trong quá trình ra quyết định, hỗ trợ phân tích nhạy cảm và đưa ra cơ sở khoa học cho lựa chọn. Nó giúp cân nhắc các yếu tố định lượng và định tính, tạo cơ sở cho ra quyết định hợp lý, tối ưu hóa nguồn lực và giảm rủi ro.\u003C\u002Fp>\n\u003Cp>Hạn chế của MCDA bao gồm độ phức tạp khi số lượng tiêu chí và phương án lớn, phụ thuộc vào việc gán trọng số chủ quan và yêu cầu dữ liệu đầy đủ, chính xác. Ngoài ra, việc áp dụng MCDA đòi hỏi người ra quyết định có kiến thức và kinh nghiệm để lựa chọn phương pháp phù hợp và diễn giải kết quả một cách đúng đắn.\u003C\u002Fp>\n\u003Cp>Tham khảo: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS1364815219300171\">ScienceDirect – Advantages and Limitations of MCDA\u003C\u002Fa>\u003C\u002Fp>\n\n\u003Ch2>Kết luận\u003C\u002Fh2>\n\u003Cp>Phân tích quyết định đa tiêu chí là công cụ mạnh mẽ giúp các nhà quản lý và tổ chức ra quyết định trong bối cảnh phức tạp với nhiều tiêu chí và lợi ích xung đột. MCDA cung cấp phương pháp hệ thống, minh bạch và khoa học để đánh giá, so sánh và lựa chọn phương án tối ưu hoặc cân bằng, từ đó nâng cao hiệu quả và tính bền vững của quyết định.\u003C\u002Fp>\n\n\u003Ch2>Tài liệu tham khảo\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>ScienceDirect – Multi-Criteria Decision Analysis: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fengineering\u002Fmulti-criteria-decision-analysis\">https:\u002F\u002Fwww.sciencedirect.com\u002Ftopics\u002Fengineering\u002Fmulti-criteria-decision-analysis\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Springer – Objectives of Multi-Criteria Decision Analysis: \u003Ca href=\"https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-319-68288-0_1\">https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-319-68288-0_1\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Frontiers in Psychology – Principles of MCDA: \u003Ca href=\"https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffpsyg.2018.00949\u002Ffull\">https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffpsyg.2018.00949\u002Ffull\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>ScienceDirect – Types of MCDA Methods: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417419304523\">https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417419304523\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Springer – MCDA Process: \u003Ca href=\"https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-030-13670-9_1\">https:\u002F\u002Flink.springer.com\u002Fchapter\u002F10.1007\u002F978-3-030-13670-9_1\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>ScienceDirect – Tools for Multi-Criteria Decision Analysis: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS095741741830430X\">https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS095741741830430X\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>Frontiers in Environmental Science – MCDA Applications: \u003Ca href=\"https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffenvs.2020.00001\u002Ffull\">https:\u002F\u002Fwww.frontiersin.org\u002Farticles\u002F10.3389\u002Ffenvs.2020.00001\u002Ffull\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>ScienceDirect – Advantages and Limitations of MCDA: \u003Ca href=\"https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS1364815219300171\">https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS1364815219300171\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fdiv>",{"id":18,"researcherId":10,"name":19,"imageUrl":20},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":22,"researcherId":10,"name":23,"imageUrl":24},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[13],false,"PUBLISHED","2025-09-19T02:00:42.695+00:00","2025-11-09T16:49:50.335+00:00","2025-11-09T16:49:50.332+00:00",196,[33,44,55,66,77,83,94,105,111,117],{"id":34,"title":35,"term":36,"englishTitle":37,"definition":38,"discipline":39,"disciplineCode":40,"disciplineLabel":41,"disciplineColor":42,"disciplineIcon":43},"máy quang phổ echelle","Máy quang phổ echelle (echelle spectrometer) là gì?","Máy quang phổ echelle","echelle spectrometer","Máy quang phổ echelle là loại máy quang phổ nhiễu xạ độ phân giải cao, kết hợp cách tử echelle làm việc ở bậc nhiễu xạ cao với phần tử tán sắc chéo đặt vuông góc để tách các bậc phổ chồng lấp thành ảnh phổ hai chiều trên đầu thu mảng. Kiến trúc này cho phép ghi nhận đồng thời dải bước sóng rộng với năng suất phân giải lớn mà không cần quét cơ học.","NATURAL_SCIENCES","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":45,"title":46,"term":47,"englishTitle":48,"definition":49,"discipline":50,"disciplineCode":51,"disciplineLabel":52,"disciplineColor":53,"disciplineIcon":54},"hẹp tắc động mạch nội sọ","Hẹp tắc động mạch nội sọ là gì? Cơ chế và điều trị","Hẹp tắc động mạch nội sọ","intracranial arterial stenosis","Hẹp tắc động mạch nội sọ là tình trạng thu hẹp lòng mạch hoặc bít tắc hoàn toàn một hay nhiều động mạch lớn bên trong hộp sọ, làm giảm lưu lượng máu nuôi não và gây nguy cơ cao đột quỵ thiếu máu não, trong đó căn nguyên phổ biến nhất là xơ vữa động mạch.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":56,"title":57,"term":58,"englishTitle":59,"definition":60,"discipline":61,"disciplineCode":62,"disciplineLabel":63,"disciplineColor":64,"disciplineIcon":65},"phép biện chứng","Phép biện chứng (dialectic) là gì?","Phép biện chứng","dialectic","Phép biện chứng là một truyền thống phương pháp luận và lý luận triết học, trong thời cổ đại chỉ nghệ thuật đối thoại hỏi đáp truy tìm chân lý, còn trong triết học cận hiện đại chỉ học thuyết về sự vận động, mối liên hệ và chuyển hóa của khái niệm hoặc hiện thực thông qua mâu thuẫn.","HUMANITIES","humanities","Nhân văn và nghệ thuật","#9333EA","book-open",{"id":67,"title":68,"term":69,"englishTitle":70,"definition":71,"discipline":72,"disciplineCode":73,"disciplineLabel":74,"disciplineColor":75,"disciplineIcon":76},"vật liệu hybrid","Vật liệu hybrid (hybrid material) là gì?","Vật liệu hybrid","hybrid material","Vật liệu hybrid (vật liệu lai) là vật liệu cấu tạo từ hỗn hợp trộn lẫn mật thiết giữa thành phần hữu cơ, vô cơ hoặc cả hai, thường đan xen ở thang kích thước nhỏ hơn 1 µm (IUPAC, 2007) nhằm tạo ra tính chất hiệp đồng vượt trội so với từng thành phần đơn lẻ.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":78,"title":79,"term":80,"englishTitle":81,"definition":82,"discipline":39,"disciplineCode":40,"disciplineLabel":41,"disciplineColor":42,"disciplineIcon":43},"đường cong quantum seiberg witten","Đường cong quantum Seiberg-Witten là gì? Cơ chế và ứng dụng","Đường cong quantum Seiberg-Witten","quantum Seiberg-Witten curve","Đường cong quantum Seiberg-Witten là phiên bản lượng tử hóa của đường cong đại số Seiberg-Witten cổ điển, thu được khi nâng tọa độ trên đường cong lên toán tử không giao hoán để tạo thành phương trình vi phân hoặc sai phân tuyến tính trong giới hạn Nekrasov-Shatashvili của lý thuyết chuẩn siêu đối xứng N = 2.",{"id":84,"title":85,"term":86,"englishTitle":87,"definition":88,"discipline":89,"disciplineCode":90,"disciplineLabel":91,"disciplineColor":92,"disciplineIcon":93},"sản xuất giống","Sản xuất giống (seed production) là gì?","Sản xuất giống","seed production","Sản xuất giống (seed production) là quá trình tổ chức nhân số lượng, kiểm soát chất lượng và cung ứng vật liệu nhân giống từ nguồn giống gốc nhằm duy trì độ thuần di truyền, phẩm chất sinh lý và trạng thái sạch bệnh của giống trong sản xuất nông nghiệp.","AGRICULTURAL_SCIENCES","agricultural-sciences","Khoa học nông nghiệp","#2F9E44","sprout",{"id":95,"title":96,"term":97,"englishTitle":98,"definition":99,"discipline":100,"disciplineCode":101,"disciplineLabel":102,"disciplineColor":103,"disciplineIcon":104},"lý thuyết hình ảnh","Lý thuyết hình ảnh (image theory) là gì?","Lý thuyết hình ảnh","image theory","Lý thuyết hình ảnh (image theory) là một lý thuyết tâm lý học mô tả quá trình ra quyết định cá nhân và tổ chức do Lee Roy Beach và Terence R. Mitchell đề xuất năm 1987. Thay vì tối đa hóa hữu dụng kỳ vọng, lý thuyết này cho rằng con người sàng lọc phương án dựa trên mức độ tương thích với hệ thống giá trị, mục tiêu và kế hoạch sẵn có.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":106,"title":107,"term":108,"englishTitle":109,"definition":110,"discipline":72,"disciplineCode":73,"disciplineLabel":74,"disciplineColor":75,"disciplineIcon":76},"tổng hợp urê","Tổng hợp urê (urea synthesis) là gì?","Tổng hợp urê","urea synthesis","Tổng hợp urê là quá trình hóa học và công nghệ chuyển hóa amoniac (NH3) và carbon dioxide (CO2) — hoặc các nguồn carbon, nitơ thay thế qua lộ trình điện hóa, quang hóa — thành urê (CO(NH2)2), hợp chất đạm nền tảng của ngành phân bón và hóa chất công nghiệp.",{"id":112,"title":113,"term":114,"englishTitle":115,"definition":116,"discipline":39,"disciplineCode":40,"disciplineLabel":41,"disciplineColor":42,"disciplineIcon":43},"hấp phụ hóa học","Hấp phụ hóa học (chemisorption) là gì?","Hấp phụ hóa học","chemisorption","Hấp phụ hóa học (chemisorption) là quá trình hấp phụ phát sinh từ sự hình thành liên kết hóa học mạnh giữa chất bị hấp phụ và các tâm hoạt tính trên bề mặt chất hấp phụ, tạo thành một đơn lớp trên bề mặt.",{"id":118,"title":119,"term":120,"englishTitle":121,"definition":122,"discipline":72,"disciplineCode":73,"disciplineLabel":74,"disciplineColor":75,"disciplineIcon":76},"mô đun đàn hồi động","Mô đun đàn hồi động (dynamic elastic modulus) là gì?","Mô đun đàn hồi động","dynamic elastic modulus","Mô đun đàn hồi động là đại lượng cơ học đặc trưng cho độ cứng đàn hồi của vật liệu dưới tải trọng biến thiên theo thời gian, dao động điều hòa hoặc sóng ứng suất biên độ nhỏ. Đại lượng này thường được xác định không phá hủy bằng đo tần số cộng hưởng, vận tốc xung siêu âm hoặc phân tích cơ động học."]