[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_t%C3%ADnh%20minh%20b%E1%BA%A1ch{\"limit\":5}":3,"_public_topic_byId_tính minh bạch":38},{"code":4,"data":5,"meta":17},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":24,"vietnamLatest":37},[],[8],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":16,"journalName":17,"vietnamJournal":18,"publishDate":19,"publishYear":20,"totalCitation":17,"url":21,"doi":22,"summary":23},"9f5a8ea8-5ad3-49c6-a712-94f53fced608","Các mục báo cáo được ưu tiên cho các nghiên cứu về bài tập kháng lực (PRIRES): Một danh sách kiểm tra được phát triển thông qua việc tổng hợp các đánh giá hệ thống","Preferred Reporting Items for Resistance Exercise Studies (PRIRES): A Checklist Developed Using an Umbrella Review of Systematic Reviews",[13,14,15],"Ting-Yu Lin","Ting-Yu Chueh","Tsung-Min Hung",3,null,false,"2023-12-01",2023,"https:\u002F\u002Fsportsmedicine-open.springeropen.com\u002Farticles\u002F10.1186\u002Fs40798-023-00640-1","10.1186\u002Fs40798-023-00640-1","\u003Cp>Nghiên cứu xây dựng danh sách kiểm tra PRIRES gồm 26 mục báo cáo chuẩn nhằm nâng cao \u003Cb class=\"publication-topic-keywords\">tính minh bạch\u003C\u002Fb> và độ tin cậy trong các thử nghiệm can thiệp bài tập kháng lực. Dữ liệu tổng hợp từ 88 tổng quan hệ thống trên PubMed và Scopus giúp chuẩn hóa các thông số bài tập và tiến trình tập luyện. Công cụ góp phần giải quyết khủng hoảng khả năng tái lặp bằng cách củng cố \u003Cb class=\"publication-topic-keywords\">tính minh bạch\u003C\u002Fb> khoa học thể thao.\u003C\u002Fp>",[25],{"publicationId":26,"title":27,"originalTitle":17,"authorNames":28,"authorCount":30,"journalName":31,"vietnamJournal":32,"publishDate":33,"publishYear":34,"totalCitation":17,"url":35,"doi":17,"summary":36},"575fcee8-7039-44b6-94a6-af35b88a8076","Tăng cường tính minh bạch của môi trường kinh doanh cấp tỉnh nhằm hỗ trợ sự phát triển của doanh nghiệp kinh tế tư nhân (khảo sát tại các tỉnh miền Trung)\r\n",[29],"Nguyễn Trường Sơn*",1,"Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng",true,"2014-04-30",2014,"https:\u002F\u002Fjst-ud.vn\u002Fjst-ud\u002Farticle\u002Fview\u002F747","\u003Cp>Nghiên cứu khảo sát 530 doanh nghiệp tư nhân tại các tỉnh miền Trung đánh giá thực trạng \u003Cb class=\"publication-topic-keywords\">tính minh bạch\u003C\u002Fb> thông tin của môi trường kinh doanh cấp tỉnh. Kết quả phân tích chỉ ra sự bất bình đẳng trong tiếp cận cơ chế chính sách là rào cản lớn đối với năng lực cạnh tranh. Tác giả đề xuất nhóm giải pháp cải cách hành chính nhằm củng cố \u003Cb class=\"publication-topic-keywords\">tính minh bạch\u003C\u002Fb> và tạo động lực phát triển kinh tế tư nhân.\u003C\u002Fp>",[],{"code":4,"data":39,"meta":17},{"id":40,"title":41,"description":42,"content":43,"term":40,"englishTitle":44,"synonyms":45,"definition":46,"discipline":47,"references":48,"faqs":80,"createUser":90,"publishUser":93,"keywords":97,"keywordCount":108,"enrichTopicLink":32,"status":109,"createTime":110,"updateTime":111,"publishTime":112,"linkEnrichedTime":113,"publicationScanTime":114,"contentErrorMessage":17,"viewCount":115,"relateTopics":116},"tính minh bạch","Tính minh bạch là gì? Các nghiên cứu khoa học về Tính minh bạch","Tính minh bạch là khả năng cung cấp thông tin rõ ràng, đầy đủ và dễ hiểu về hoạt động, quy trình hay quyết định để người khác có thể kiểm chứng. Trong khoa học, công nghệ và quản trị, minh bạch giúp tăng niềm tin, trách nhiệm giải trình và khả năng tái lập kết quả thông qua việc công khai dữ liệu, thuật toán và phương pháp. ","\u003Cp>\u003Cstrong>Tính minh bạch\u003C\u002Fstrong> (\u003Cem>tinh minh bach\u003C\u002Fem>) là khái niệm và đối tượng nghiên cứu cơ bản trong khoa học xã hội, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.\u003C\u002Fp>\n\n\u003Ch2>Giới thiệu về tính minh bạch\u003C\u002Fh2>\n\n\u003Cp>\nTính minh bạch (transparency) là khả năng cho phép người khác quan sát, hiểu và đánh giá cách thức hoạt động của một hệ thống, tổ chức hoặc cá nhân. Đây là một nguyên tắc cốt lõi trong quản trị hiện đại, khoa học thực nghiệm, {{topic|%7B%22topic%22%3A%22kinh%20t%E1%BA%BF%20h%E1%BB%8Dc%22%7D}} hành vi và công nghệ thông tin. Sự minh bạch cho phép các bên liên quan tiếp cận được thông tin một cách chính xác, đầy đủ và đúng thời điểm để đưa ra quyết định hoặc đánh giá.\n\u003C\u002Fp>\n\n\u003Cp>\nTrong bối cảnh xã hội ngày càng phức tạp, minh bạch trở thành một tiêu chí cần thiết để thúc đẩy niềm tin, tăng cường sự giám sát và hạn chế các hành vi gian lận hoặc thao túng. Nó không chỉ liên quan đến việc chia sẻ dữ liệu, mà còn bao hàm cả việc làm rõ quá trình ra quyết định, cơ chế phân bổ nguồn lực và các nguyên tắc vận hành.\n\u003C\u002Fp>\n\n\u003Ch2>Khái niệm và định nghĩa học thuật\u003C\u002Fh2>\n\n\u003Cp>\nTính minh bạch không phải là một khái niệm đơn nhất mà có thể được định nghĩa theo nhiều cách tùy theo lĩnh vực. Trong quản trị công, OECD định nghĩa tính minh bạch là “tính sẵn có của thông tin đáng tin cậy về các hoạt động, quyết định và quy trình của chính phủ để công chúng có thể giám sát và tham gia” (OECD, 2003).\n\u003C\u002Fp>\n\n\u003Cp>\nTrong khoa học và {{topic|%7B%22topic%22%3A%22h%E1%BB%8Dc%20thu%E1%BA%ADt%22%7D}}, minh bạch thường gắn liền với khả năng tái lập và kiểm chứng kết quả. Một nghiên cứu chỉ được xem là minh bạch nếu:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Công bố đầy đủ phương pháp nghiên cứu\u003C\u002Fli>\n  \u003Cli>Cung cấp quyền truy cập vào dữ liệu gốc\u003C\u002Fli>\n  \u003Cli>Cho phép đánh giá độc lập từ cộng đồng khoa học\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nBảng dưới đây trình bày một số định nghĩa minh bạch theo các lĩnh vực khác nhau:\n\u003C\u002Fp>\n\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Lĩnh vực\u003C\u002Fth>\n      \u003Cth>Định nghĩa\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Chính phủ\u003C\u002Ftd>\n      \u003Ctd>Thông tin hoạt động được công khai, người dân có thể giám sát\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Khoa học\u003C\u002Ftd>\n      \u003Ctd>Phương pháp, dữ liệu và phân tích được công bố rõ ràng\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Tài chính\u003C\u002Ftd>\n      \u003Ctd>Thông tin kế toán, chi phí và rủi ro được trình bày rõ ràng\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Công nghệ\u003C\u002Ftd>\n      \u003Ctd>Hệ thống và thuật toán không hoạt động như “hộp đen”\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Vai trò của tính minh bạch trong các lĩnh vực\u003C\u002Fh2>\n\n\u003Cp>\nMinh bạch đóng vai trò trung tâm trong việc duy trì hiệu quả và đạo đức trong nhiều lĩnh vực khác nhau. Trong chính trị và quản trị công, nó là công cụ để chống tham nhũng, đảm bảo rằng các chính sách và ngân sách được sử dụng đúng mục đích. Sự thiếu minh bạch thường dẫn đến mất lòng tin xã hội và bất ổn dân sự.\n\u003C\u002Fp>\n\n\u003Cp>\nTrong lĩnh vực khoa học, tính minh bạch đảm bảo rằng các {{topic|%7B%22topic%22%3A%22k%E1%BA%BFt%20qu%E1%BA%A3%20nghi%C3%AAn%20c%E1%BB%A9u%22%7D}} là đáng tin cậy. Một nghiên cứu minh bạch sẽ công khai dữ liệu thô, thuật toán phân tích và cho phép các {{topic|%7B%22topic%22%3A%22nh%C3%A0%20nghi%C3%AAn%20c%E1%BB%A9u%22%7D}} khác tái tạo lại kết quả. Điều này giúp loại bỏ sai sót, gian lận và nâng cao chất lượng khoa học nói chung.\n\u003C\u002Fp>\n\n\u003Cp>\nMột số ví dụ cụ thể về vai trò của tính minh bạch:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>\u003Cstrong>Doanh nghiệp:\u003C\u002Fstrong> Minh bạch trong {{topic|%7B%22topic%22%3A%22b%C3%A1o%20c%C3%A1o%20t%C3%A0i%20ch%C3%ADnh%22%7D}} giúp nhà đầu tư đưa ra quyết định đúng đắn.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Y tế:\u003C\u002Fstrong> Minh bạch trong thử nghiệm lâm sàng giúp bệnh nhân và bác sĩ hiểu rõ về hiệu quả thuốc.\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Trí tuệ nhân tạo:\u003C\u002Fstrong> Hệ thống minh bạch giúp con người hiểu tại sao một AI đưa ra quyết định cụ thể (Nature Machine Intelligence).\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Phân biệt minh bạch, trách nhiệm và công khai\u003C\u002Fh2>\n\n\u003Cp>\nMặc dù các khái niệm minh bạch, trách nhiệm giải trình (accountability) và công khai thông tin (disclosure) thường đi cùng nhau, chúng không hoàn toàn giống nhau. Minh bạch liên quan đến khả năng tiếp cận và hiểu thông tin; trách nhiệm liên quan đến việc giải thích và chịu hậu quả cho hành vi; còn công khai đơn thuần là việc đưa thông tin ra ngoài.\n\u003C\u002Fp>\n\n\u003Cp>\nMột ví dụ đơn giản:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Công khai: Một công ty đăng tải báo cáo tài chính lên website\u003C\u002Fli>\n  \u003Cli>Minh bạch: Báo cáo tài chính được trình bày rõ ràng, dễ hiểu, có chú thích\u003C\u002Fli>\n  \u003Cli>Trách nhiệm: Ban giám đốc sẵn sàng trả lời và chịu trách nhiệm nếu số liệu sai\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nMinh bạch có thể tồn tại mà không cần công khai toàn bộ dữ liệu. Ví dụ, một mô hình AI nội bộ vẫn có thể minh bạch với nhóm phát triển hoặc đơn vị kiểm toán, mà không cần tiết lộ thuật toán ra công chúng. Ngược lại, công khai không đồng nghĩa với minh bạch nếu thông tin được trình bày theo cách mập mờ hoặc thiếu ngữ cảnh.\n\u003C\u002Fp>\n\n\u003Ch2>Đo lường và đánh giá tính minh bạch\u003C\u002Fh2>\n\n\u003Cp>\nViệc đánh giá mức độ minh bạch là một thách thức, do bản thân khái niệm này mang tính định tính và phụ thuộc vào ngữ cảnh. Tuy nhiên, nhiều tổ chức quốc tế và học giả đã phát triển các chỉ số, phương pháp và công cụ nhằm lượng hóa tính minh bạch trong các lĩnh vực cụ thể.\n\u003C\u002Fp>\n\n\u003Cp>\nTrong khu vực công, một trong những chỉ số phổ biến nhất là Chỉ số Cảm nhận Tham nhũng (Corruption Perceptions Index - CPI) do Transparency International công bố hằng năm. CPI đánh giá cảm nhận của các chuyên gia và doanh nghiệp về mức độ tham nhũng tại hơn 180 quốc gia. Dù không đo lường minh bạch trực tiếp, nhưng CPI phản ánh tác động thực tiễn của việc thiếu minh bạch trong quản trị.\n\u003C\u002Fp>\n\n\u003Cp>\nNgoài CPI, còn có các công cụ và chỉ số khác:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Global Open Data Index: đo lường mức độ công khai dữ liệu công của các quốc gia.\u003C\u002Fli>\n  \u003Cli>Open Government Partnership (OGP): đánh giá mức độ cam kết cải cách minh bạch trong chính phủ.\u003C\u002Fli>\n  \u003Cli>Chỉ số ESG (Environmental, Social, and Governance): phản ánh mức độ minh bạch và trách nhiệm trong doanh nghiệp.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nTrong khoa học và học thuật, minh bạch được đánh giá dựa trên:\n\u003C\u002Fp>\n\n\u003Col>\n  \u003Cli>Khả năng truy cập dữ liệu nghiên cứu\u003C\u002Fli>\n  \u003Cli>Công bố mã nguồn và công cụ phân tích\u003C\u002Fli>\n  \u003Cli>Đăng ký nghiên cứu trước khi thực hiện (pre-registration)\u003C\u002Fli>\n  \u003Cli>Chấp nhận phản biện mở (open peer review)\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Ch2>Minh bạch trong công nghệ và AI\u003C\u002Fh2>\n\n\u003Cp>\nTrong thời đại công nghệ số, đặc biệt với sự phát triển của trí tuệ nhân tạo (AI), yêu cầu về tính minh bạch trở nên cấp thiết hơn bao giờ hết. Các hệ thống AI ngày càng có ảnh hưởng lớn đến đời sống con người, từ chấm điểm tín dụng, phỏng vấn tuyển dụng, đến ra quyết định y tế. Nếu các hệ thống này hoạt động như “hộp đen”, người dùng không thể kiểm tra hoặc phản biện các kết quả đầu ra.\n\u003C\u002Fp>\n\n\u003Cp>\nMột trong những hướng tiếp cận để tăng tính minh bạch trong AI là “mô hình giải thích được” (interpretable models). Các kỹ thuật như LIME (Local Interpretable Model-agnostic Explanations) hoặc SHAP (SHapley Additive exPlanations) giúp diễn giải lý do tại sao mô hình đưa ra một kết quả cụ thể. Ví dụ, trong một {{topic|%7B%22topic%22%3A%22h%E1%BB%87%20th%E1%BB%91ng%20ph%C3%A2n%20lo%E1%BA%A1i%22%7D}} {{topic|%7B%22topic%22%3A%22r%E1%BB%A7i%20ro%20t%C3%A0i%20ch%C3%ADnh%22%7D}}, LIME có thể xác định rằng “tuổi < 25” và “lịch sử tín dụng < 2 năm” là hai yếu tố chính dẫn đến đánh giá rủi ro cao.\n\u003C\u002Fp>\n\n\u003Cp>\nNgoài ra, các công cụ đánh giá công bằng thuật toán (algorithmic fairness auditing) và kiểm toán độc lập cũng đang được phát triển để:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Phát hiện thiên vị trong dữ liệu huấn luyện\u003C\u002Fli>\n  \u003Cli>Đảm bảo sự công bằng đầu ra giữa các nhóm người dùng\u003C\u002Fli>\n  \u003Cli>Tuân thủ các tiêu chuẩn pháp lý như GDPR về giải thích tự động\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nMột ví dụ đơn giản về hàm mất mát minh bạch trong học máy:\n\nĐây là công thức hàm mất mát bình phương phổ biến, cho thấy rõ cách mô hình tối ưu sai số giữa dự đoán và thực tế. Công khai công thức, mã nguồn và dữ liệu huấn luyện là các bước then chốt để đảm bảo minh bạch trong phát triển AI.\n\u003C\u002Fp>\n\n\u003Ch2>Thách thức trong việc thực hiện minh bạch\u003C\u002Fh2>\n\n\u003Cp>\nMặc dù được thừa nhận là cần thiết, việc triển khai minh bạch trong thực tế gặp nhiều rào cản. Một trong những khó khăn lớn nhất là xung đột giữa minh bạch và bảo mật. Trong nhiều trường hợp, việc {{topic|%7B%22topic%22%3A%22chia%20s%E1%BA%BB%20th%C3%B4ng%20tin%22%7D}} đầy đủ có thể vi phạm quyền riêng tư cá nhân hoặc làm lộ bí mật thương mại.\n\u003C\u002Fp>\n\n\u003Cp>\nThách thức khác nằm ở nguồn lực. Việc xây dựng hệ thống minh bạch đòi hỏi đầu tư về công nghệ, nhân sự, và quy trình. Ví dụ, một tổ chức nghiên cứu muốn công khai toàn bộ dữ liệu phải tốn chi phí lưu trữ, xử lý và bảo vệ thông tin khỏi bị lạm dụng.\n\u003C\u002Fp>\n\n\u003Cp>\nMột số rào cản phổ biến khác gồm:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Văn hóa tổ chức không khuyến khích chia sẻ thông tin\u003C\u002Fli>\n  \u003Cli>Sự mơ hồ trong tiêu chuẩn đánh giá “đủ minh bạch”\u003C\u002Fli>\n  \u003Cli>Thiếu luật pháp hoặc quy định hỗ trợ\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nBảng dưới đây tóm tắt một số mâu thuẫn phổ biến khi áp dụng minh bạch:\n\u003C\u002Fp>\n\n\u003Ctable border=\"1\" cellpadding=\"6\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Tình huống\u003C\u002Fth>\n      \u003Cth>Minh bạch\u003C\u002Fth>\n      \u003Cth>Rủi ro\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Chia sẻ dữ liệu bệnh nhân\u003C\u002Ftd>\n      \u003Ctd>Cải thiện nghiên cứu y học\u003C\u002Ftd>\n      \u003Ctd>Xâm phạm quyền riêng tư\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Công khai thuật toán AI\u003C\u002Ftd>\n      \u003Ctd>Tăng niềm tin người dùng\u003C\u002Ftd>\n      \u003Ctd>Lộ bí mật sở hữu trí tuệ\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Minh bạch tài chính chính phủ\u003C\u002Ftd>\n      \u003Ctd>Giám sát ngân sách công\u003C\u002Ftd>\n      \u003Ctd>Kích động chính trị\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Xu hướng và tương lai của tính minh bạch\u003C\u002Fh2>\n\n\u003Cp>\nTrong thập kỷ tới, tính minh bạch sẽ tiếp tục là tiêu chí then chốt trong đánh giá hiệu quả và đạo đức của hệ thống, đặc biệt trong môi trường {{topic|%7B%22topic%22%3A%22c%C3%B4ng%20ngh%E1%BB%87%20cao%22%7D}}. Sự phát triển của {{topic|%7B%22topic%22%3A%22c%C3%B4ng%20ngh%E1%BB%87%20blockchain%22%7D}} hứa hẹn mang lại hạ tầng cho việc công khai thông tin theo cách không thể bị chỉnh sửa hay che giấu. Các giao dịch, quyết định và dữ liệu có thể được ghi nhận trên sổ cái phân tán, minh bạch hóa toàn bộ quy trình.\n\u003C\u002Fp>\n\n\u003Cp>\nTrong lĩnh vực AI và dữ liệu lớn, xu hướng phát triển tập trung vào:\n\u003C\u002Fp>\n\n\u003Cul>\n  \u003Cli>Tiêu chuẩn mở cho mô hình học máy\u003C\u002Fli>\n  \u003Cli>Kiến trúc AI có thể giải thích được mặc định (interpretable by design)\u003C\u002Fli>\n  \u003Cli>Bắt buộc đánh giá rủi ro đạo đức trước khi triển khai mô hình AI diện rộng\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>\nỞ cấp độ thể chế, nhiều quốc gia và khu vực đang ban hành các đạo luật mới nhằm tăng cường minh bạch. Ví dụ, GDPR của Liên minh châu Âu yêu cầu tổ chức phải giải thích rõ cho người dùng nếu họ bị ảnh hưởng bởi quyết định tự động của hệ thống. Tại Mỹ, các tiểu bang như California đã thông qua Đạo luật Quyền riêng tư người tiêu dùng (CCPA) với các điều khoản liên quan đến truy cập và minh bạch dữ liệu.\n\u003C\u002Fp>\n\n\u003Ch2>Kết luận\u003C\u002Fh2>\n\n\u003Cp>\nTính minh bạch là một nguyên tắc nền tảng của xã hội hiện đại, ảnh hưởng đến mọi lĩnh vực từ khoa học, công nghệ, đến chính trị và kinh tế. Dù đối mặt với nhiều thách thức trong triển khai, minh bạch vẫn là điều kiện tiên quyết để xây dựng lòng tin, thúc đẩy trách nhiệm giải trình và đảm bảo công bằng. Các hệ thống tương lai—đặc biệt là hệ thống công nghệ và AI—sẽ không thể phát triển bền vững nếu thiếu minh bạch.\n\u003C\u002Fp>","tinh minh bach",[],"khái niệm và đối tượng nghiên cứu cơ bản trong khoa học xã hội, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.","SOCIAL_SCIENCES",[49,57,65,72],{"citationText":50,"title":51,"authors":52,"source":53,"year":54,"doi":55,"url":56},"Hoài Bắc et al. (2022). ĐÁNH GIÁ MỐI LIÊN QUAN GIỮA ĐẶC ĐIỂM TĨNH MẠCH TINH GIÃN TRÊN MÔ BỆNH HỌC VÀ CHỨC NĂNG TINH HOÀN Ở BỆNH NHÂN PHẪU THUẬT THẮT TĨNH MẠCH TINH GIÃN. Tạp chí Y học Việt Nam.","ĐÁNH GIÁ MỐI LIÊN QUAN GIỮA ĐẶC ĐIỂM TĨNH MẠCH TINH GIÃN TRÊN MÔ BỆNH HỌC VÀ CHỨC NĂNG TINH HOÀN Ở BỆNH NHÂN PHẪU THUẬT THẮT TĨNH MẠCH TINH GIÃN","Hoài Bắc, Minh Quân","Tạp chí Y học Việt Nam",2022,"10.51298\u002Fvmj.v514i2.2623","https:\u002F\u002Fdoi.org\u002F10.51298\u002Fvmj.v514i2.2623",{"citationText":58,"title":59,"authors":60,"source":61,"year":62,"doi":63,"url":64},"Minh (2020). Challenges in implementing decentralization of foreign direct investment management in Viet Nam — case study of the Hung Nghiep Formosa Ha Tinh Steel project in Ha Tinh province. Asia-Pacific Sustainable Development Journal.","Challenges in implementing decentralization of foreign direct investment management in Viet Nam — case study of the Hung Nghiep Formosa Ha Tinh Steel project in Ha Tinh province","Minh","Asia-Pacific Sustainable Development Journal",2020,"10.18356\u002Fdd105b12-en","https:\u002F\u002Fdoi.org\u002F10.18356\u002Fdd105b12-en",{"citationText":66,"title":67,"authors":68,"source":53,"year":69,"doi":70,"url":71},"Thị Hiệp Tuyết et al. (2021). MỐI TƯƠNG QUAN GIỮA MỨC ĐỘ PHÂN MẢNH DNA TINH TRÙNG VÀ KẾT QUẢ THỤ TINH TRONG ỐNG NGHIỆM. Tạp chí Y học Việt Nam.","MỐI TƯƠNG QUAN GIỮA MỨC ĐỘ PHÂN MẢNH DNA TINH TRÙNG VÀ KẾT QUẢ THỤ TINH TRONG ỐNG NGHIỆM","Thị Hiệp Tuyết, Văn Trung, Thị Thái Thanh, Thị Hồng Nhạn, Minh Tâm",2021,"10.51298\u002Fvmj.v502i1.597","https:\u002F\u002Fdoi.org\u002F10.51298\u002Fvmj.v502i1.597",{"citationText":73,"title":74,"authors":75,"source":76,"year":77,"doi":78,"url":79},"Tinh et al. (2025). Retroperitoneal ectopic pregnancy: A case report. Radiology Case Reports.","Retroperitoneal ectopic pregnancy: A case report","Tinh, Huyen, Dung, Minh, Minh","Radiology Case Reports",2025,"10.1016\u002Fj.radcr.2025.05.091","https:\u002F\u002Fdoi.org\u002F10.1016\u002Fj.radcr.2025.05.091",[81,84,87],{"question":82,"answer":83},"Tính minh bạch có vai trò gì trong nghiên cứu học thuật?","Tính minh bạch đóng vai trò là nền tảng lý thuyết và phương pháp then chốt, giúp xác định các thông số định lượng và giải thích cơ chế tương tác trong các công trình chuyên ngành.",{"question":85,"answer":86},"Những yếu tố nào ảnh hưởng trực tiếp đến tính minh bạch?","Các yếu tố ảnh hưởng chủ yếu bao gồm điều kiện thực nghiệm, thông số môi trường, cấu trúc hệ thống và quy chuẩn phương pháp được áp dụng trong quá trình phân tích.",{"question":88,"answer":89},"Xu hướng phát triển hiện nay của tính minh bạch là gì?","Xu hướng nghiên cứu tập trung vào việc tối ưu hóa mô hình định lượng, tích hợp các công nghệ phân tích tự động và mở rộng khả năng ứng dụng thực tiễn trong bối cảnh mới.",{"id":30,"researcherId":17,"name":91,"imageUrl":92},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":94,"researcherId":17,"name":95,"imageUrl":96},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[98,99,100,101,102,103,104,105,106,107],"kinh tế học","học thuật","kết quả nghiên cứu","nhà nghiên cứu","báo cáo tài chính","hệ thống phân loại","rủi ro tài chính","chia sẻ thông tin","công nghệ cao","công nghệ blockchain",10,"PUBLISHED","2025-05-09T13:45:47.535+00:00","2026-09-04T03:09:22.577+00:00","2025-08-07T15:44:36.391+00:00","2026-09-04T03:09:21.893+00:00","2026-09-03T11:21:37.388+00:00",477,[117,120,123,126,129,132,135,138,141,144],{"id":118,"title":119,"term":118,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"bibliometrics","Bibliometrics là gì? Các nghiên cứu khoa học về Bibliometrics",{"id":121,"title":122,"term":121,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"chiến tranh đặc biệt","Chiến tranh đặc biệt là gì? Các bài báo nghiên cứu liên quan",{"id":124,"title":125,"term":124,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"dass 21","DASS-21 là gì? Các nghiên cứu khoa học về DASS-21 ",{"id":127,"title":128,"term":127,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"scopus","Scopus là gì? Các bài báo nghiên cứu khoa học về Scopus",{"id":130,"title":131,"term":130,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"nghiên cứu liên ngành","Nghiên cứu liên ngành là gì? Các nghiên cứu khoa học",{"id":133,"title":134,"term":133,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"lý thuyết lượng tử","Lý thuyết lượng tử là gì? Các nghiên cứu khoa học ",{"id":136,"title":137,"term":136,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"tuyên truyền","Tuyên truyền là gì? Các công bố khoa học về Tuyên truyền",{"id":139,"title":140,"term":139,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"thí nghiệm vật lí","Thí nghiệm vật lí là gì? Các công bố khoa học về Thí nghiệm vật lí",{"id":142,"title":143,"term":142,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"học tập tự điều chỉnh","Học tập tự điều chỉnh là gì? Nghiên cứu khoa học liên quan",{"id":145,"title":146,"term":145,"englishTitle":17,"definition":17,"discipline":17,"disciplineCode":17,"disciplineLabel":17,"disciplineColor":17,"disciplineIcon":17},"reading comprehension","Reading comprehension là gì? Các công bố khoa học về Reading comprehension"]