[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_truy%20xu%E1%BA%A5t%20th%C3%B4ng%20tin{\"limit\":5}":3,"_public_topic_byId_truy xuất thông tin":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":17,"synonyms":18,"definition":21,"discipline":22,"references":23,"faqs":48,"createUser":58,"publishUser":62,"keywords":66,"keywordCount":10,"enrichTopicLink":67,"status":68,"createTime":69,"updateTime":70,"publishTime":71,"linkEnrichedTime":10,"publicationScanTime":10,"contentErrorMessage":10,"viewCount":72,"relateTopics":73},"truy xuất thông tin","Truy xuất thông tin là gì? Các nghiên cứu khoa học liên quan","Truy xuất thông tin là lĩnh vực khoa học máy tính nghiên cứu các phương pháp và thuật toán tìm kiếm tài liệu hoặc tri thức có liên quan đến truy vấn c","\u003Ch2>Định nghĩa truy xuất thông tin\u003C\u002Fh2>\n\u003Cp>\u003Cstrong>Truy xuất thông tin\u003C\u002Fstrong> (information retrieval) là truy xuất thông tin là lĩnh vực khoa học máy tính nghiên cứu các phương pháp và thuật toán tìm kiếm tài liệu hoặc tri thức có liên quan đến truy vấn của người dùng.\u003C\u002Fp>\n\u003Cp>\nIR liên quan đến việc xử lý văn bản, hiểu từ nhân, xử lý ngôn ngữ tự nhiên để xây dựng hệ thống tìm kiếm thông minh. Các hệ thống IR được ứng dụng phổ biến trong máy tìm kiếm web, thư viện số, cổng dữ liệu y tế hoặc pháp luật, và các hệ thống hỗ trợ ra quyết định. Mục tiêu là tối ưu giữa tốc độ, độ chính xác và nguồn tài nguyên xử lý.\n\u003C\u002Fp>\n\u003Cp>\nMột số khía cạnh nổi bật:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Phân loại phương pháp truy vấn liên quan chặt chẽ đến nhu cầu người dùng\u003C\u002Fli>\n  \u003Cli>Không yêu cầu truy vấn chính xác về cú pháp như trong cơ sở dữ liệu cấu trúc\u003C\u002Fli>\n  \u003Cli>Hỗ trợ truy vấn đa dạng như từ khóa, câu hỏi tự nhiên và thậm chí ngữ nghĩa\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Phân biệt IR với truy vấn cơ sở dữ liệu\u003C\u002Fh2>\n\u003Cp>\nKhác với truy vấn cơ sở dữ liệu (database query) thường làm việc trên dữ liệu có cấu trúc và yêu cầu cú pháp rõ ràng (ví dụ SQL), IR hoạt động với dữ liệu phi cấu trúc như văn bản, hình ảnh, âm thanh. IR tìm kiếm sự tương đương ngữ nghĩa và mức độ liên quan, không cần khớp chính xác từ hoặc câu.\n\u003C\u002Fp>\n\u003Cp>\nTrong thực tiễn, với một truy vấn đơn giản như “cập nhật kinh tế toàn cầu”, hệ thống IR có thể trả về bài viết phân tích xu hướng tiền tệ hoặc báo cáo thị trường, ngay cả khi các từ không xuất hiện đồng thời. Trong khi đó, một truy vấn cơ sở dữ liệu sẽ chỉ trả kết quả khi điều kiện match hoàn toàn đúng.\n\u003C\u002Fp>\n\u003Cp>\nSo sánh sơ lược giữa IR và Database Query:\n\u003C\u002Fp>\u003Ctable border=\"1\" cellpadding=\"5\" cellspacing=\"0\">\n  \u003Cthead>\n    \u003Ctr>\n      \u003Cth>Đặc điểm\u003C\u002Fth>\n      \u003Cth>Truy xuất thông tin (IR)\u003C\u002Fth>\n      \u003Cth>Truy vấn cơ sở dữ liệu\u003C\u002Fth>\n    \u003C\u002Ftr>\n  \u003C\u002Fthead>\n  \u003Ctbody>\n    \u003Ctr>\n      \u003Ctd>Loại dữ liệu\u003C\u002Ftd>\n      \u003Ctd>Văn bản phi cấu trúc, đa phương tiện\u003C\u002Ftd>\n      \u003Ctd>Dữ liệu cấu trúc rõ ràng (bảng, cột)\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Cách khớp truy vấn\u003C\u002Ftd>\n      \u003Ctd>Dựa trên mức độ liên quan ngữ nghĩa\u003C\u002Ftd>\n      \u003Ctd>Khớp chính xác hoặc theo điều kiện logic\u003C\u002Ftd>\n    \u003C\u002Ftr>\n    \u003Ctr>\n      \u003Ctd>Kết quả trả về\u003C\u002Ftd>\n      \u003Ctd>Sắp xếp theo độ liên quan\u003C\u002Ftd>\n      \u003Ctd>Không xếp thứ tự theo liên quan\u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>Các thành phần cơ bản của hệ thống IR\u003C\u002Fh2>\n\u003Cp>\nMột hệ thống IR thường cấu thành từ các bước cơ bản, từ xử lý dữ liệu đầu vào đến trả kết quả cho người dùng. Đầu tiên là **tiền xử lý** như tách từ, loại bỏ stopwords, và stemming\u002Flemmatization để đơn giản hóa văn bản. Đây là bước quan trọng giúp giảm độ nhiễu và kích thước dữ liệu mà vẫn giữ được nội dung cốt lõi.\n\u003C\u002Fp>\n\u003Cp>\nTiếp theo là **chỉ mục hóa (indexing)**, thường là xây dựng inverted index để ánh xạ từ khoá đến tài liệu chứa từ đó, giúp tăng tốc truy vấn. Sau đó, mô hình biểu diễn như mô hình vector, xác suất, hay nhị phân được sử dụng để chuyển cả truy vấn và tài liệu vào cùng không gian biểu diễn.\n\u003C\u002Fp>\n\u003Cp>\nCuối cùng là giai đoạn **xếp hạng (ranking)**, trong đó hệ thống tính toán mức độ phù hợp giữa truy vấn và tài liệu và trả về danh sách kết quả theo thứ tự liên quan. Các cấu trúc này có thể tóm tắt như:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Tiền xử lý văn bản (preprocessing)\u003C\u002Fli>\n  \u003Cli>Chỉ mục hóa (indexing)\u003C\u002Fli>\n  \u003Cli>Biểu diễn và so sánh\u003C\u002Fli>\n  \u003Cli>Xếp hạng theo độ liên quan\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Ch2>Mô hình truy xuất thông tin phổ biến\u003C\u002Fh2>\n\u003Cp>\nCác mô hình truy xuất thông tin cung cấp cách để biểu diễn và so sánh truy vấn với tài liệu. Trong thực tiễn, lựa chọn mô hình ảnh hưởng trực tiếp đến chất lượng xếp hạng và tốc độ truy vấn. Các mô hình truyền thống vẫn được sử dụng rộng rãi trong hệ thống IR vì tính hiệu quả và khả năng mở rộng.\n\u003C\u002Fp>\n\u003Cp>\nMột số mô hình chính:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Boolean:\u003C\u002Fstrong> sử dụng logic AND, OR, NOT để lọc tài liệu chứa hoặc không chứa các từ cụ thể\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Vector Space Model:\u003C\u002Fstrong> biểu diễn tài liệu và truy vấn như các vector trong không gian nhiều chiều; độ liên quan được tính bằng cosine similarity\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Probabilistic Model:\u003C\u002Fstrong> như mô hình Binary Independence Model (BIM) hoặc BM25, ước lượng xác suất tài liệu là phù hợp\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nMô hình BM25 được xem là chuẩn mực trong nhiều hệ thống thực tế, với công thức tính điểm như sau:\n\u003Cscript type=\"math\u002Ftex\">\n\\text{score}(D, Q) = \\sum_{i=1}^{n} IDF(q_i) \\cdot \\frac{f(q_i, D) \\cdot (k_1 + 1)}{f(q_i, D) + k_1 \\cdot (1 - b + b \\cdot \\frac{|D|}{\\text{avgdl}})}\n\u003C\u002Fscript>\ntrong đó:  \n- \u003Cscript type=\"math\u002Ftex\"> f(q_i, D) \u003C\u002Fscript>: tần suất của từ \u003Cscript type=\"math\u002Ftex\"> q_i \u003C\u002Fscript> trong tài liệu \u003Cscript type=\"math\u002Ftex\"> D \u003C\u002Fscript>  \n- \u003Cscript type=\"math\u002Ftex\"> |D| \u003C\u002Fscript>: độ dài tài liệu  \n- \u003Cscript type=\"math\u002Ftex\"> \\text{avgdl} \u003C\u002Fscript>: độ dài tài liệu trung bình  \n- \u003Cscript type=\"math\u002Ftex\"> k_1 \u003C\u002Fscript>, \u003Cscript type=\"math\u002Ftex\"> b \u003C\u002Fscript>: tham số điều chỉnh độ nhạy với tần suất và độ dài tài liệu  \n\u003C\u002Fp>\n\n\u003Ch2>Đánh giá hiệu năng hệ thống IR\u003C\u002Fh2>\n\u003Cp>\nViệc đánh giá hệ thống IR cần được thực hiện dựa trên tập dữ liệu có gán nhãn “liên quan\u002Fkhông liên quan” để xác định mức độ hiệu quả của các mô hình xếp hạng. Ba chỉ số cơ bản thường được dùng là:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Precision:\u003C\u002Fstrong> tỉ lệ kết quả truy xuất là phù hợp\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Recall:\u003C\u002Fstrong> tỉ lệ kết quả phù hợp được truy xuất trong toàn bộ kết quả phù hợp có thể có\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>F1-score:\u003C\u002Fstrong> trung bình điều hòa giữa precision và recall\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nNgoài ra, các chỉ số nâng cao hơn như MAP (Mean Average Precision), nDCG (normalized Discounted Cumulative Gain), và MRR (Mean Reciprocal Rank) được dùng trong các hệ thống IR phức tạp. Các biểu đồ Precision-Recall và đường cong ROC cũng được dùng để trực quan hóa hiệu suất.\n\u003C\u002Fp>\n\n\u003Ch2>Vai trò của ngôn ngữ tự nhiên trong IR\u003C\u002Fh2>\n\u003Cp>\nNgôn ngữ tự nhiên đóng vai trò quan trọng trong việc hiểu và diễn giải truy vấn của người dùng. Các kỹ thuật NLP như tách từ, lemmatization, nhận diện thực thể (NER), và phân tích ngữ nghĩa giúp cải thiện chất lượng truy vấn và kết quả trả về.\n\u003C\u002Fp>\n\u003Cp>\nKhi các hệ thống IR tích hợp NLP, chúng có thể hiểu các truy vấn phức tạp như câu hỏi hoặc mục đích ngữ nghĩa thay vì chỉ khớp từ khóa. Ngoài ra, các mô hình embedding như Word2Vec, GloVe, hay các transformers như BERT có thể ánh xạ văn bản vào không gian vector có ý nghĩa ngữ nghĩa, giúp cải thiện đáng kể độ liên quan của kết quả.\n\u003C\u002Fp>\n\u003Cp>\nMột số ứng dụng NLP tiêu biểu trong IR:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Hiểu ngữ cảnh truy vấn (query intent)\u003C\u002Fli>\n  \u003Cli>Xử lý đồng nghĩa và biến thể từ\u003C\u002Fli>\n  \u003Cli>Truy xuất ngữ nghĩa qua embedding\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\n\u003Ch2>IR và học sâu\u003C\u002Fh2>\n\u003Cp>\nHọc sâu đang thay đổi căn bản cách xây dựng và triển khai hệ thống IR. Các mô hình học sâu có thể học hàm xếp hạng phi tuyến trực tiếp từ dữ liệu và khai thác ngữ cảnh toàn cục của tài liệu và truy vấn. Trong đó, các kiến trúc như Bi-Encoder, Cross-Encoder, ColBERT và SPLADE đang được áp dụng ngày càng nhiều.\n\u003C\u002Fp>\n\u003Cp>\nCác hướng tiếp cận phổ biến:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Neural Ranking:\u003C\u002Fstrong> học hàm xếp hạng tài liệu dựa trên cặp truy vấn-tài liệu (learning to rank)\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Dense retrieval:\u003C\u002Fstrong> ánh xạ tài liệu và truy vấn sang không gian vector chung; tìm kiếm bằng Approximate Nearest Neighbor\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Transformer-based retrieval:\u003C\u002Fstrong> tận dụng mô hình BERT, RoBERTa để hiểu ngữ nghĩa sâu sắc hơn\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nChi tiết có thể xem tại \u003Ca href=\"https:\u002F\u002Fhuggingface.co\u002Fblog\u002Fsemantic-search\" target=\"_blank\">Hugging Face – Semantic Search\u003C\u002Fa>.\n\u003C\u002Fp>\n\n\u003Ch2>Thách thức và xu hướng phát triển\u003C\u002Fh2>\n\u003Cp>\nMặc dù IR đã đạt nhiều tiến bộ, vẫn còn nhiều thách thức lớn:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>Khó đánh giá chính xác mức độ liên quan trong ngữ cảnh ngôn ngữ tự nhiên\u003C\u002Fli>\n  \u003Cli>Đối mặt với lượng dữ liệu ngày càng lớn và không đồng nhất\u003C\u002Fli>\n  \u003Cli>Vấn đề thiên lệch dữ liệu (bias) và minh bạch thuật toán\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003C\u002Fp>\n\u003Cp>\nCác xu hướng mới:\n\u003C\u002Fp>\u003Cul>\n  \u003Cli>\u003Cstrong>Truy xuất đa phương thức:\u003C\u002Fstrong> kết hợp văn bản, hình ảnh, video\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Tìm kiếm theo ngữ cảnh (contextual IR):\u003C\u002Fstrong> lấy lịch sử người dùng làm cơ sở\u003C\u002Fli>\n  \u003Cli>\u003Cstrong>Task-based IR:\u003C\u002Fstrong> điều chỉnh kết quả dựa trên mục tiêu tác vụ thay vì chỉ nội dung truy vấn\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\nHệ thống IR tương lai không chỉ trả lời câu hỏi “cái gì đúng”, mà còn “cái gì có ích nhất cho người dùng trong hoàn cảnh cụ thể”.\n\u003C\u002Fp>","information retrieval",[19,20],"tìm kiếm thông tin","hệ thống rút trích thông tin","Truy xuất thông tin là lĩnh vực khoa học máy tính nghiên cứu các phương pháp và thuật toán tìm kiếm tài liệu hoặc tri thức có liên quan đến truy vấn của người dùng.","ENGINEERING_TECHNOLOGY",[24,32,40],{"citationText":25,"title":26,"authors":27,"source":28,"year":29,"doi":30,"url":31},"Mohamed Osman Hassan, et al. (2023). Using TF-IDF to Enhance Information Retrieval in Hadith Corpus. International Journal of Science and Research (IJSR).","Using TF-IDF to Enhance Information Retrieval in Hadith Corpus","Mohamed Osman Hassan Samah, Atwell Eric","International Journal of Science and Research (IJSR)",2023,"10.21275\u002Fsr231007002235","https:\u002F\u002Fdoi.org\u002F10.21275\u002Fsr231007002235",{"citationText":33,"title":34,"authors":35,"source":36,"year":37,"doi":38,"url":39},"Celinne Atienza Mendez, et al. (2026). Web Information Retrieval: A Literature Review of Search Engines, Semantic Search, Neural Information Retrieval, and Generative Artificial Intelligence. International Journal of Latest Technology in Engineering Management & Applied Science.","Web Information Retrieval: A Literature Review of Search Engines, Semantic Search, Neural Information Retrieval, and Generative Artificial Intelligence","Celinne Atienza Mendez, Dr. Reagan Ricafort","International Journal of Latest Technology in Engineering Management & Applied Science",2026,"10.51583\u002Fijltemas.2026.150600101","https:\u002F\u002Fdoi.org\u002F10.51583\u002Fijltemas.2026.150600101",{"citationText":41,"title":42,"authors":43,"source":44,"year":45,"doi":46,"url":47},"Saputra, et al. (2025). Pemrosesan Query dan Pemeringkatan Judul Berita Terkait Gubernur Jawa Barat Menggunakan TF-IDF dan Cosine Similarity Query Processing and Ranking of News Titles Related to the Governor of West Java Using TF-IDF and Cosine Similarity. Applied Information Technology and Computer Science (AICOMS).","Pemrosesan Query dan Pemeringkatan Judul Berita Terkait Gubernur Jawa Barat Menggunakan TF-IDF dan Cosine Similarity Query Processing and Ranking of News Titles Related to the Governor of West Java Using TF-IDF and Cosine Similarity","Saputra Chandra, Wilcent Wilcent, Irsyad Hafiz","Applied Information Technology and Computer Science (AICOMS)",2025,"10.58466\u002Faicoms.v4i1.1799","https:\u002F\u002Fdoi.org\u002F10.58466\u002Faicoms.v4i1.1799",[49,52,55],{"question":50,"answer":51},"Bản chất khoa học và nguyên lý cơ bản của truy xuất thông tin (information retrieval) là gì?","Truy xuất thông tin là lĩnh vực khoa học máy tính nghiên cứu các phương pháp và thuật toán tìm kiếm tài liệu hoặc tri thức có liên quan đến truy vấn của người dùng. Khái niệm này cung cấp cơ sở lý luận quan trọng để mô tả, phân tích và giải thích các hiện tượng thực nghiệm.",{"question":53,"answer":54},"Truy xuất thông tin được ứng dụng thực tiễn trong những lĩnh vực nào?","Truy xuất thông tin được ứng dụng rộng rãi trong nghiên cứu thực nghiệm, chẩn đoán, tối ưu hóa quy trình kỹ thuật và đánh giá tác động thực tế.",{"question":56,"answer":57},"Những yếu tố chính ảnh hưởng đến hiệu quả và sự phát triển của truy xuất thông tin là gì?","Bao gồm điều kiện môi trường, phương pháp đo lường phân tích, độ chính xác của công cụ thực nghiệm và sự kết hợp dữ liệu đa nguồn.",{"id":59,"researcherId":10,"name":60,"imageUrl":61},1,"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":63,"researcherId":10,"name":64,"imageUrl":65},2633,"Hoài Đặng","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLVXVafUxrnnC_H60UeQdpLE3UgeKGCSesypz_6Vi59B-n9C41A=s96-c",[13],false,"PUBLISHED","2025-04-17T13:41:49.498+00:00","2026-08-24T07:51:29.899+00:00","2025-09-05T08:23:47.715+00:00",320,[74,77,80,83,92,102,112,118,123,128],{"id":75,"title":76,"term":75,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"thụ đắc","Thụ đắc là gì? Các bài báo nghiên cứu khoa học về Thụ đắc",{"id":78,"title":79,"term":78,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"kiến thức.","Kiến thức là gì? Các nghiên cứu khoa học về Kiến thức",{"id":81,"title":82,"term":81,"englishTitle":10,"definition":10,"discipline":10,"disciplineCode":10,"disciplineLabel":10,"disciplineColor":10,"disciplineIcon":10},"mua sắm trực tuyến","Mua sắm trực tuyến là gì? Các nghiên cứu khoa học liên quan",{"id":84,"title":85,"term":84,"englishTitle":86,"definition":87,"discipline":22,"disciplineCode":88,"disciplineLabel":89,"disciplineColor":90,"disciplineIcon":91},"kiến trúc phần cứng","Kiến trúc phần cứng là gì? Các bài báo nghiên cứu khoa học","Hardware architecture \u002F Computer architecture","Kiến trúc phần cứng là thiết kế cấu trúc và mô hình tổ chức logic của các thành phần vật lý trong hệ thống máy tính, quy định cách thức tương tác giữa bộ xử lý trung tâm, bộ nhớ và các hệ thống bus giao tiếp.","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":93,"title":94,"term":93,"englishTitle":95,"definition":96,"discipline":97,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"kĩ năng đọc","Kĩ năng đọc là gì? Bản chất, mô hình và đánh giá","reading skills","Kĩ năng đọc là năng lực nhận thức phức hợp bao gồm việc giải mã ký tự chữ viết, thấu hiểu ngữ nghĩa của văn bản và suy luận phản biện nhằm tiếp nhận thông tin, kiến thức và phục vụ mục tiêu học tập, giao tiếp của cá nhân.","SOCIAL_SCIENCES","social-sciences","Khoa học xã hội","#E08600","users",{"id":103,"title":104,"term":103,"englishTitle":105,"definition":106,"discipline":107,"disciplineCode":108,"disciplineLabel":109,"disciplineColor":110,"disciplineIcon":111},"chức năng nhận thức","Chức năng nhận thức là gì? Bản chất, cơ chế và ứng dụng","cognitive function","Chức năng nhận thức là tập hợp các quá trình tâm thần bao gồm tri giác, chú ý, ghi nhớ, ngôn ngữ, lý luận và ra quyết định của não bộ.","MEDICAL_HEALTH_SCIENCES","medical-health-sciences","Khoa học y - dược","#D6336C","stethoscope",{"id":113,"title":114,"term":115,"englishTitle":116,"definition":117,"discipline":22,"disciplineCode":88,"disciplineLabel":89,"disciplineColor":90,"disciplineIcon":91},"số hoá","Số hóa là gì? Bản chất kỹ thuật và tiến trình dữ liệu","Số hóa","digitization","Số hóa là quá trình chuyển đổi thông tin từ định dạng vật lý hoặc tín hiệu tương tự sang định dạng kỹ thuật số nhị phân để máy tính có thể lưu trữ, xử lý và truyền tải dữ liệu hiệu quả.",{"id":119,"title":120,"term":119,"englishTitle":121,"definition":122,"discipline":97,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"tâm lý học nhận thức","Tâm lý học nhận thức: Khung lý thuyết và mô hình xử lý","Cognitive Psychology","Tâm lý học nhận thức là phân ngành tâm lý học chuyên nghiên cứu các quá trình tâm thần nội tại liên quan đến tiếp nhận, xử lý, lưu trữ và sử dụng thông tin như tri giác, chú ý, trí nhớ, ngôn ngữ và tư duy.",{"id":124,"title":125,"term":124,"englishTitle":126,"definition":127,"discipline":22,"disciplineCode":88,"disciplineLabel":89,"disciplineColor":90,"disciplineIcon":91},"lưu trữ dữ liệu","Lưu trữ dữ liệu là gì? Các nghiên cứu khoa học liên quan","Data storage","Lưu trữ dữ liệu là quá trình ghi lại, bảo tồn và truy xuất thông tin kỹ thuật số trên các môi trường vật lý hoặc điện toán đám mây thông qua các thiết bị từ tính, quang học, bán dẫn hoặc công nghệ lưu trữ thế hệ mới.",{"id":129,"title":130,"term":129,"englishTitle":131,"definition":132,"discipline":97,"disciplineCode":98,"disciplineLabel":99,"disciplineColor":100,"disciplineIcon":101},"phát triển nhận thức","Phát triển nhận thức là gì? Các bài báo nghiên cứu khoa học","cognitive development","Phát triển nhận thức là quá trình tăng trưởng và hoàn thiện có quy luật của các chức năng tâm lý và trí tuệ từ thời thơ ấu đến tuổi trưởng thành, bao gồm tri giác, tư duy logic, ngôn ngữ, trí nhớ, giải quyết vấn đề và năng lực siêu nhận thức."]