Bạn tra địa chỉ một trường Hàn Quốc ở hai nơi và nhận được hai kết quả khác nhau. Nguồn nào đúng?
Câu trả lời khó chịu nhưng trung thực: nhiều khi không ai biết, và cách xử lý đúng là giữ cả hai giá trị kèm nguồn thay vì chọn bừa một bên. Trong bộ dữ liệu trường của K-Edu, **54 trong 9.144 ô sẽ công bố đang ở trạng thái chưa phân xử** vì đúng lý do đó.
Phần lớn mâu thuẫn nằm ở địa chỉ
| Cột | Số ô chưa phân xử |
|---|---|
| Địa chỉ tiếng Hàn | 25 |
| Thông tin địa lý (dẫn xuất từ địa chỉ) | 25 |
| Mã bưu chính | 3 |
Hai mươi lăm ô địa lý là hệ quả của 25 ô địa chỉ: khi không biết địa chỉ nào đúng thì cũng không biết trường thuộc tỉnh nào. Đây là lý do 25 trường — trong đó có 전북대학교, 전남대학교, 숙명여자대학교, 가톨릭대학교 — không hiện ra khi bạn lọc danh sách theo tên tỉnh.
Nếu bạn từng thắc mắc vì sao một trường lớn không có trong bảng lọc theo vùng, đây là câu trả lời.
Vì sao hai nguồn chính thức lại khác nhau
Ba nguyên nhân thường gặp, và chúng không giống nhau về mức độ nghiêm trọng:
1. Một bên ghi thêm chi tiết. Nguồn A ghi “đường X, quận Y”; nguồn B ghi “toà nhà Z, đường X, quận Y”. Hai giá trị không mâu thuẫn — một bên chỉ chi tiết hơn. Trong bộ dữ liệu, loại này được xử lý bằng cách giữ giá trị dài hơn của nguồn chính thức, và không tính là mâu thuẫn thật.
2. Trường đã chuyển địa điểm. Nguồn cũ ghi địa chỉ cũ, nguồn mới ghi địa chỉ mới. Giải quyết được bằng cách so ngày của hai nguồn.
3. Hai giá trị khác hẳn nhau và không giải thích được. Đây mới là mâu thuẫn thật, và là nhóm 25 ô nói trên.
Bộ dữ liệu phân ba loại này thành ba nhóm riêng thay vì gộp, vì chỉ nhóm thứ ba mới cần người phân xử.
Vì sao không chọn đại một bên
Đây là câu hỏi hợp lý, và có ba lý do:
Lý do 1 — chọn sai thì không ai biết. Nếu hệ thống âm thầm chọn một giá trị, kết quả trông đầy đủ và đáng tin. Người đọc không có cách nào biết đã có một quyết định được đưa ra thay mình.
Lý do 2 — mất đường truy ngược. Khi đã ghi đè một giá trị, bạn không còn tra lại được nguồn gốc để sửa về sau.
Lý do 3 — đây là thông tin người ta dùng để ra quyết định lớn. Với một bảng tin thể thao, đoán sai không sao. Với thông tin mà một gia đình dùng để quyết định cho con đi học ở nước ngoài, đoán sai là chuyện khác.
Cách bộ dữ liệu xử lý
Khi hai nguồn khác nhau mà chưa phân xử được:
- Ô giá trị để trống, mang trạng thái “chưa phân xử”.
- Cả hai giá trị ứng viên được lưu ở một bảng riêng, mỗi giá trị kèm nguồn của nó.
- Giao diện phải hiện cả hai kèm nguồn, và nói rõ là chưa phân xử.
- Khi có người phân xử, phải ghi lại ai phân xử, lúc nào, vì sao — không chỉ ghi kết quả.
Điểm thứ tư là phần mà hầu hết các hệ thống bỏ qua, và nó là phần giúp sáu tháng sau còn hiểu được vì sao giá trị hiện tại lại như vậy.
Ba ví dụ thật trong dữ liệu
Tên tỉnh của 원광보건대학교 ghi 전라북도 — tên cũ — trong khi danh mục hành chính hiện hành dùng 전북특별자치도. Hệ thống từ chối ghép trường này vào danh mục thay vì tự chuẩn hoá, và đó là lý do nó là cơ sở duy nhất trong 381 cơ sở không ghép được.
Tên tỉnh Jeonbuk xuất hiện hai dạng trong cùng một tệp nguồn: 57 dòng dùng tên cũ, 122 dòng dùng tên mới. Nguồn tự mâu thuẫn với chính nó.
Ba giá trị viết tắt trong cột tỉnh — 부산 thay vì 부산광역시, 경남 thay vì 경상남도, 충남 thay vì 충청남도 — là lỗi nhập của chính nguồn. Bộ dữ liệu đánh dấu chúng là lỗi nhập và giữ nguyên để truy lại được, thay vì tự sửa.
Bạn nên làm gì khi gặp hai thông tin khác nhau
| Tình huống | Việc nên làm |
|---|---|
| Hai nguồn khác ngày | Tin nguồn mới hơn, nhưng ghi lại cả hai |
| Hai nguồn cùng ngày, khác nhau | Hỏi trực tiếp trường — họ là bên phân xử được |
| Một nguồn không ghi ngày | Coi như không dùng được |
| Chênh lệch chỉ là chi tiết thêm | Không phải mâu thuẫn, dùng bản chi tiết hơn |
Và nguyên tắc chung: **đừng bao giờ tự hoà giải hai con số bằng cách lấy trung bình hoặc chọn cái nghe hợp lý hơn.** Hai con số khác nhau nghĩa là ít nhất một trong hai sai, không phải là sự thật nằm ở giữa.
Ba cấp độ của một mâu thuẫn
Không phải mâu thuẫn nào cũng nghiêm trọng như nhau. Bảng dưới xếp theo mức độ bạn cần quan tâm:
| Cấp | Loại chênh lệch | Bạn cần làm gì |
|---|---|---|
| Nhẹ | Một bên ghi thêm chi tiết, hoặc khác tên miền con của website | Không cần làm gì, dùng bản chi tiết hơn |
| Vừa | Tên đơn vị hành chính cũ và mới | Dùng tên trên giấy tờ gốc của bạn, không tự chuẩn hoá |
| Nặng | Hai giá trị khác hẳn nhau, không giải thích được | Hỏi trường, và đừng dùng thông tin đó tới khi có câu trả lời |
Trong bộ dữ liệu, ba cấp này được phân loại riêng. Cấp nhẹ và cấp vừa không bị tính là ô chưa phân xử — chỉ cấp nặng mới vào nhóm 54 ô nói trên.
Điều này quan trọng vì nếu gộp cả ba cấp, con số sẽ phồng lên và bạn sẽ lo về những chỗ không đáng lo.
Câu hỏi thường gặp
Dữ liệu của cơ quan nhà nước mà cũng sai được à?
Dữ liệu lớn nào cũng có chỗ chưa nhất quán, nhất là khi được tổng hợp từ nhiều kỳ và nhiều nguồn nhỏ. Điều đó không làm nguồn đó mất giá trị — nó chỉ có nghĩa là bạn nên đọc kèm ngày và kèm nguồn.
Bao giờ thì 54 ô kia được phân xử?
Chúng cần người đối chiếu với nguyên bản, không phải việc máy làm thay được. Đây là công việc đang chờ, và bộ dữ liệu ghi rõ là đang chờ thay vì che đi.
Nếu trường tôi nhắm nằm trong nhóm 25 trường đó thì sao?
Không ảnh hưởng gì tới việc bạn nộp hồ sơ. Nó chỉ nghĩa là bạn không nên tra trường đó bằng cách lọc theo tỉnh — hãy tra bằng tên trường, và lấy địa chỉ chính thức từ website trường.
Làm sao biết một bảng tra cứu có xử lý mâu thuẫn hay không?
Nhìn xem nó có hiện trạng thái của từng ô không. Nếu mọi ô đều có giá trị và không ô nào có ghi chú, rất có thể hệ thống đó đã âm thầm chọn một bên ở những chỗ hai nguồn khác nhau.
Nếu bạn gặp hai thông tin trái nhau về một trường, K-Edu có thể đối chiếu giúp trong bộ dữ liệu và nói rõ chỗ nào chưa phân xử — tư vấn du học Hàn Quốc từ năm 2017.



