Nhãn 'bóng đá' trên một bản tin ozone: Khi dữ liệu tự lừa chính mình

Vào một buổi sáng cuối tuần, tôi mở một tệp tin trên màn hình máy tính trong căn hộ nhỏ ở Milan. Dòng đầu tiên của phần siêu dữ liệu ghi: "Lĩnh vực: bóng đá". Dòng đầu tiên của phần nội dung ghi: "CAMe, ozone, ppb, ZMVM, Fase 1". Hai ngôn ngữ. Hai thế giới. Một khoảng cách không thể nào bắc cầu bằng bất cứ mô hình phân tích nào tôi từng xây dựng trong bốn mươi bốn năm làm nghề.

Tôi ngồi xuống, rót một tách cà phê, và đọc từ đầu đến cuối văn bản. Không có câu lạc bộ nào. Không có cầu thủ nào. Không có trận đấu nào. Không có một chỉ số bóng đá nào. Chỉ có một bản tin công vụ môi trường về một đợt khủng hoảng ozone ở vùng đô thị Thành phố Mexico, do Comisión Ambiental de la Megalópolis ban hành, kèm các hạn chế lưu thông xe cộ đặc biệt cho một ngày Chủ nhật cụ thể.

Nhưng tôi vẫn đọc tiếp. Bởi vì ở đây có một bài học — không phải về bóng đá, mà về cách những người phân tích chúng ta có thể bị lừa. Và nếu có một điều mà nghề nghiệp của tôi đã dạy, thì đó là: tự lừa mình là kiểu giả dối khó phát hiện nhất.

Trước khi thổi còi, tôi xem lại chính mình.

Năm 2026, trong phòng VAR ở San Siro, tôi đã để vuột mất một quyết định chỉ vì sợ mình sai. Phút 56, Higuaín ghi bàn nâng tỷ số 2-0 cho Juventus trước Milan. Đường truyền cho thấy tiền đạo người Argentina việt vị 0,2 mét. Tôi do dự. Không khuyến nghị trọng tài xem lại. Milan thua 0-2. Sau trận, giám sát trọng tài phê bình tôi trước toàn đội, và tôi trở về nhà với một nỗi xấu hổ không thể nào giặt sạch bằng bất kỳ lời biện minh nào.

Tôi dành trọn một tháng sau đó để xem lại bốn mươi bảy pha bóng tương tự. Tôi xây dựng một bảng kiểm tra với ba mươi bảy tiêu chí, sắp xếp chúng theo thứ tự ưu tiên, và tự cam kết rằng từ đó về sau, tôi sẽ không bao giờ đưa ra nhận định thiếu cơ sở, dù nó có an toàn đến đâu.

Sự việc đó định hình phương pháp làm việc của tôi cho tới hôm nay. Khi phân tích một trận đấu, tôi nêu tình huống, liệt kê dữ liệu, kiểm tra chéo, rồi mới kết luận. Khi viết một bài báo, tôi dựng kết luận trên một chuỗi bằng chứng có thể kiểm chứng, không phải trên cảm giác của khoảnh khắc. Và khi một tệp tin mang nhãn "bóng đá" nhưng nội dung lại là một bản tin ozone, tôi coi đó không phải lỗi đánh máy, mà là một sự kiện cần được mổ xẻ tới cùng.

Trong suốt bốn mươi bốn năm qua, tôi đã nhìn thấy rằng các quyết định sai thường không đến từ việc thiếu dữ liệu. Chúng đến từ việc dữ liệu bị gán sai nhãn. Một cầu thủ bị đánh giá thấp vì bảng số liệu gán sai vị trí. Một huấn luyện viên bị chỉ trích vì chỉ số gán sai bối cảnh. Một chiến thuật bị coi là lạc hậu vì mô hình gán sai mục đích sử dụng. Và, trong trường hợp đang nằm trước mắt tôi, một bài báo về ô nhiễm không khí bị gán sai lĩnh vực.

Để làm rõ câu chuyện, tôi cần nói qua về cách một đường ống dữ liệu tin tức thể thao vận hành. Hầu hết các cơ quan truyền thông thể thao lớn ngày nay không còn tuyển người đọc toàn bộ văn bản thô trước khi phân loại. Họ dùng các hệ thống thu thập tự động, quét từ khoá, gán nhãn sơ bộ, rồi đẩy văn bản đã qua xử lý tới biên tập viên phụ trách từng chuyên mục. Vấn đề nằm ở chỗ: hệ thống gán nhãn không đọc nội dung theo cách con người đọc. Nó đếm từ khoá. Nó tìm kiếm các dấu hiệu cú pháp. Nó không phân biệt được giữa "bóng đá là một môn thể thao cần không khí trong lành" và "cần không khí trong lành để tổ chức trận bóng đá".

Đó là lý do tại sao một bài báo về ozone có thể đi qua hệ thống với nhãn "bóng đá". Và đó cũng là lý do tại sao các nhà phân tích như tôi cần cảnh giác: mỗi khi dữ liệu được truyền từ trên xuống dưới, mỗi lớp xử lý lại có cơ hội làm mất đi một phần chân lý.

Bây giờ, hãy đi vào chi tiết của chính văn bản — bởi tôi tin rằng một cuộc kiểm tra trung thực cần được thực hiện trên từng dòng dữ liệu, ngay cả khi kết luận cuối cùng là "không có gì ở đây cả".

Đối tượng chính của văn bản là CAMe — Comisión Ambiental de la Megalópolis, cơ quan môi trường liên bang của vùng đô thị Thành phố Mexico. Đây là cơ quan chịu trách nhiệm ban hành các biện pháp ứng phó khẩn cấp khi chất lượng không khí trong vùng sụt giảm xuống dưới ngưỡng an toàn. Trong trường hợp cụ thể này, họ đã kích hoạt Fase 1 — giai đoạn đầu tiên, cấp độ ít nghiêm trọng nhất trong thang ứng phó. Các chỉ số được trích dẫn là 161 ppb và 157 ppb — những con số đo nồng độ ozone trong không khí, vượt ngưỡng cảnh báo và buộc cơ quan này phải hành động.

Hành động cụ thể được nêu trong văn bản là các hạn chế lưu thông phương tiện giao thông cho một ngày Chủ nhật cụ thể — ngày 13 tháng 9. Loại hạn chế này ở Thành phố Mexico hoạt động dựa trên hệ thống holograma (tem xác minh) gắn trên kính xe, phân loại xe theo mức độ phát thải và cho phép hoặc cấm chúng lưu thông theo ngày. Văn bản cũng chứa một khuyến nghị y tế công cộng cho người dân: hạn chế các hoạt động thể chất ngoài trời trong khung giờ từ 13:00 đến 19:00, khi nồng độ ozone đạt đỉnh cao nhất.

Tôi đã đọc kỹ từng chi tiết này ba lần. Và tôi khẳng định: không có một yếu tố bóng đá nào ở đây. Không có đội bóng nào. Không có giải đấu nào. Không có cầu thủ nào. Không có trận đấu nào. Không có hợp đồng chuyển nhượng nào. Không có bảng xếp hạng nào. Không có chỉ số chiến thuật nào — không xG, không PPDA, không số đường chuyền quyết định, không tỷ lệ không chiến thành công.

Vậy điều gì thực sự đang diễn ra? Đó là một vụ gán nhãn sai ở tầng nhập liệu. Và đây là một sự kiện có ý nghĩa, không phải vì nó liên quan đến bóng đá, mà vì nó cho chúng ta thấy cách một đường ống dữ liệu có thể sụp đổ ngay từ điểm khởi đầu.

Tôi muốn dành phần tiếp theo để phân tích ba lớp dữ liệu và ba điểm sụp đổ của văn bản này, đồng thời rút ra những bài học áp dụng được cho phân tích bóng đá — đặc biệt là bóng đá Việt Nam, nơi mà hệ thống dữ liệu vẫn đang trong giai đoạn định hình và rủi ro gán nhãn sai vẫn còn rất cao.

Lớp ngoài cùng: nhãn và nội dung

Lớp ngoài cùng của bất kỳ tệp tin nào là nhãn. Nhãn là thứ đầu tiên mà con người và hệ thống nhìn thấy, và vì vậy, nó là thứ dễ gây hiểu lầm nhất. Trong trường hợp này, nhãn ghi "Lĩnh vực: bóng đá", trong khi nội dung ghi "cảnh báo môi trường". Đây là dạng lỗi nguy hiểm nhất trong toàn bộ chuỗi xử lý dữ liệu, bởi vì nó không phải là lỗi thiếu dữ liệu — nó là lỗi sai dữ liệu. Và lỗi sai dữ liệu luôn nguy hiểm hơn lỗi thiếu dữ liệu, bởi vì lỗi thiếu dữ liệu khiến bạn tìm kiếm thêm, còn lỗi sai dữ liệu khiến bạn tưởng mình đã có đủ.

Trong bóng đá, điều này tương đương với việc một cầu thủ bị gán sai vị trí trong cơ sở dữ liệu thống kê. Cậu ta có thể là một tiền vệ phòng ngự, nhưng nếu bảng dữ liệu ghi cậu ta là một trung vệ, thì mọi kết luận rút ra về cậu ta sẽ sai từ gốc. Số lần tắc bóng của cậu ta sẽ bị đánh giá thấp. Số lần chuyền dài của cậu ta sẽ bị coi là bất thường. Và nếu bạn là một huấn luyện viên đang tìm kiếm một trung vệ dựa trên bảng dữ liệu đó, bạn sẽ đưa ra một quyết định chuyển nhượng sai lầm.

Tôi đã chứng kiến điều này xảy ra ở Serie A vào năm 2026, khi một đội bóng tầm trung chiêu mộ một cầu thủ Nam Mỹ dựa trên số liệu cho thấy cậu ta có tỷ lệ thắng không chiến cao bất thường. Hóa ra, cơ sở dữ liệu của đội bóng đó đã gán sai vị trí cho cầu thủ — cậu ta vốn là một tiền vệ cánh chơi bó vào trung lộ, chứ không phải một trung phong như bảng số liệu ghi. Tỷ lệ thắng không chiến của cậu ta rất cao, nhưng đó là vì cậu ta hầu như không bao giờ tham gia vào các pha không chiến — mẫu số quá nhỏ để có ý nghĩa. Đội bóng đã trả một khoản phí chuyển nhượng lớn cho một cầu thủ không phù hợp với vị trí mà họ cần. Và tất cả bắt đầu từ một nhãn sai.

Mọi phán quyết đều cần một lần xem lại, kể cả phán quyết của dữ liệu.

Lớp giữa: nguồn gốc và niên đại

Lớp tiếp theo mà tôi cần kiểm tra là nguồn gốc và niên đại của văn bản. Văn bản ghi rõ ngày: "Chủ nhật, ngày 13 tháng 9". Nhưng không ghi năm. Đây là một dạng lỗi khác — lỗi mất bối cảnh thời gian. Nó không nguy hiểm bằng lỗi gán sai nhãn, nhưng nó làm giảm giá trị tham chiếu của văn bản xuống mức gần như bằng không cho các mục đích phân tích dài hạn.

Trong bóng đá, niên đại là một yếu tố quyết định. Một trận đấu diễn ra vào tháng 9 năm 2026 có ý nghĩa hoàn toàn khác với một trận đấu diễn ra vào tháng 9 năm 2026. Bối cảnh dịch bệnh, bối cảnh chuyển nhượng, bối cảnh thể lực và lịch thi đấu — tất cả đều thay đổi cách chúng ta đọc một trận đấu. Khi một văn bản không ghi năm, chúng ta không thể đặt nó vào đúng chuỗi sự kiện, và do đó, mọi kết luận rút ra từ nó đều mang xác suất thấp hơn.

Tôi đã từng chứng kiến một bài phân tích về sự sụp đổ của Milan bị sai lệch hoàn toàn vì nó sử dụng dữ liệu từ một mùa giải bị gián đoạn bởi COVID mà không ghi rõ điều đó. Khi mọi người so sánh chuỗi bảy trận không thắng của đội bóng đó với các chuỗi tương tự trong lịch sử, họ không tính đến việc các trận đấu được chơi trong sân vận động trống. Hàng thủ mất bốn mươi hai phần trăm khả năng phòng ngự phản công khi không có tiếng ồn của khán giả thúc đẩy pressing. Đó là một biến số bối cảnh khổng lồ mà chỉ có thể phát hiện khi bạn biết năm và biết điều gì đang xảy ra trong năm đó.

Lớp sâu nhất: giá trị chuyển giao

Lớp sâu nhất là lớp quan trọng nhất, và cũng là lớp mà hầu hết các nhà phân tích bỏ qua. Giá trị chuyển giao là khả năng một thông tin có thể được chuyển từ lĩnh vực này sang lĩnh vực khác. Trong trường hợp này, giá trị chuyển giao của văn bản về ozone sang lĩnh vực bóng đá gần như bằng không, trừ một trường hợp cụ thể mà tôi sẽ phân tích sau.

Hãy tưởng tượng ai đó cố gắng rút ra một kết luận bóng đá từ văn bản này. Họ sẽ nói: "Nồng độ ozone cao ở Thành phố Mexico có thể ảnh hưởng đến các trận đấu bóng đá ở đó". Điều đó nghe có vẻ hợp lý về mặt logic, nhưng nó không được hỗ trợ bởi bất kỳ dữ liệu nào trong văn bản. Văn bản không đề cập đến bất kỳ trận đấu bóng đá nào. Không có lịch thi đấu. Không có đội bóng nào. Và quan trọng nhất, không có bằng chứng nào cho thấy các trận đấu bóng đá đã bị ảnh hưởng. Để đưa ra một kết luận như vậy, chúng ta cần một lớp dữ liệu bổ sung — lịch thi đấu, thông tin về việc các trận đấu có bị hoãn hay không, các báo cáo y tế về ảnh hưởng đến các cầu thủ. Không có lớp dữ liệu đó, mọi kết luận đều là suy đoán.

Và đây là nơi tôi khác biệt với rất nhiều nhà phân tích khác. Tôi tin rằng một nhà phân tích giỏi không phải là người có thể rút ra kết luận từ bất kỳ dữ liệu nào. Đó là người biết khi nào nên nói: "Tôi không có đủ thông tin để đưa ra kết luận". Sự trung thực trí tuệ này là nền tảng của mọi phân tích đáng tin cậy.

Bóng đá là trò chơi của những sai số, nhưng người chiến thắng là người biết sai số nào đáng để mắc.

Áp dụng vào bóng đá Việt Nam

Tôi đã dành nhiều năm theo dõi V.League và bóng đá Việt Nam ở cấp độ đội tuyển quốc gia. Và tôi tin rằng đây là một thời điểm quan trọng để nói về văn hoá dữ liệu ở đây.

Bóng đá Việt Nam đang ở giai đoạn phát triển vượt bậc về hạ tầng dữ liệu. Các câu lạc bộ bắt đầu đầu tư vào hệ thống phân tích thống kê. Các giải đấu bắt đầu thu thập dữ liệu chi tiết về từng trận đấu. Các kênh truyền thông bắt đầu sử dụng số liệu để minh hoạ phân tích của họ. Đây là những bước tiến đáng khích lệ.

Nhưng chính trong giai đoạn phát triển nhanh chóng như vậy, rủi ro gán nhãn sai lại cao nhất. Bởi vì khi dữ liệu mới được đưa vào hệ thống, không ai có đủ kinh nghiệm để kiểm tra chất lượng của nó một cách tỉ mỉ. Khi các câu lạc bộ thuê các nhà phân tích trẻ, những người được đào tạo bài bản nhưng chưa có đủ thời gian để hiểu sâu về đặc thù của giải đấu, khoảng cách giữa lý thuyết và thực tế có thể trở nên lớn hơn. Và khi các kênh truyền thông chạy đua về số liệu, áp lực phải có kết luận có thể khiến chất lượng kiểm tra giảm xuống.

Tôi đã thấy điều này xảy ra ở Serie A vào đầu thập niên 2026, khi các đội bóng Ý bắt đầu nhập khẩu các mô hình dữ liệu từ Anh và Đức. Những mô hình đó, dù rất tiên tiến, lại được xây dựng trên một mẫu các trận đấu hoàn toàn khác. Nhịp độ trận đấu ở Serie A thời điểm đó chậm hơn Ngoại hạng Anh, số đường chuyền trung bình thấp hơn, và các đội bóng chơi theo một cấu trúc chiến thuật khác. Khi các mô hình đó được áp dụng mà không được tinh chỉnh, chúng đã dẫn đến các quyết định chuyển nhượng sai lầm và các chiến thuật không phù hợp. Phải mất khoảng năm năm để các câu lạc bộ Ý hiểu ra rằng dữ liệu cần được địa phương hoá trước khi sử dụng.

Bóng đá Việt Nam có cơ hội lớn hơn ở đây. Bởi vì nó đang phát triển từ đầu, nó có thể xây dựng văn hoá dữ liệu ngay từ đầu với tiêu chuẩn kiểm tra cao. Nó có thể tránh được sai lầm mà các giải đấu châu Âu đã mắc phải — nhập khẩu mô hình mà không kiểm tra bối cảnh, tin tưởng nhãn mà không kiểm tra nội dung, và rút ra kết luận mà không có đủ bằng chứng.

Bốn mươi bốn năm quan sát ngành này đã dạy tôi một điều: ngành công nghiệp bóng đá tiêu thụ dữ liệu một cách tham lam, nhưng nó hiếm khi tiêu hoá dữ liệu một cách cẩn thận. Khi nhãn sai lọt vào hệ thống, nó không dừng lại ở đó. Nó lan truyền. Nó ảnh hưởng đến quyết định chuyển nhượng. Nó định hình chiến thuật. Nó tạo ra dư luận. Và khi các nhà phân tích như tôi cố gắng sửa lại, chúng ta phải chiến đấu không chỉ với sự thật mà còn với uy tín của chính chúng ta.

Không có câu lạc bộ bóng đá nào được đề cập trong văn bản này. Đó không phải là một vấn đề nhỏ. Đó là một dấu hiệu cho thấy hệ thống phân loại của đường ống dữ liệu đã thất bại ở tầng cơ bản nhất. Và khi các đường ống dữ liệu bóng đá ngày càng phức tạp, chúng ta cần hệ thống kiểm tra mạnh mẽ hơn, không phải hệ thống phân loại nhanh hơn.

Góc nhìn phản trực giác

Có một xu hướng trong giới phân tích dữ liệu thể thao ngày nay — xu hướng mà tôi muốn đối chất thẳng thắn: ý tưởng rằng mọi văn bản đều có thể được khai thác giá trị bóng đá, nếu bạn đủ thông minh để nhìn ra nó. Đây là một quan niệm sai lầm, và nó nguy hiểm.

Mỗi khi tôi nghe một nhà phân tích nói: "Nếu bạn đọc kỹ, văn bản này thực sự có thể được áp dụng cho bóng đá", một phần trong tôi cảnh giác. Bởi vì trong nhiều trường hợp, đó không phải là phân tích. Đó là sự sáng tạo. Và sự sáng tạo, dù có giá trị trong nhiều lĩnh vực, lại có thể trở thành kẻ thù của sự chính xác khi nó được áp dụng mà không có giới hạn.

Hãy xem xét kỹ lưỡng hơn. Văn bản về ozone ở Thành phố Mexico nói về một sự kiện cụ thể: một đợt khủng hoảng không khí trong một khoảng thời gian cụ thể, đòi hỏi một phản ứng cụ thể từ một cơ quan cụ thể. Không có cấu trúc nhân quả nào trong văn bản đó có thể được chuyển sang bóng đá mà không cần thêm dữ liệu. Bạn có thể nói, một cách hợp lý, rằng không khí ô nhiễm có thể ảnh hưởng đến thể lực của các cầu thủ thi đấu ngoài trời. Nhưng để biến điều đó thành một phân tích bóng đá, bạn cần biết: các cầu thủ nào? trong trận đấu nào? vào thời điểm nào? trong điều kiện y tế nào? với các chỉ số thể lực nào? Nếu không có những câu trả lời đó, bạn không có một phân tích. Bạn có một giả thuyết. Và một giả thuyết, dù hấp dẫn đến đâu, không phải là một phân tích.

Tôi biết sự cám dỗ này rất lớn. Tôi đã trải qua nó nhiều lần trong sự nghiệp của mình. Khi bạn có một mảnh dữ liệu thú vị trước mắt, có một sự khao khát nội tâm muốn biến nó thành một câu chuyện lớn hơn. Nhưng tôi đã học, qua những sai lầm của chính mình, rằng sự khao khát đó phải bị kiềm chế. Bởi vì một khi bạn bắt đầu thấy bóng đá ở mọi nơi, bạn sẽ thấy nó ngay cả ở nơi nó không tồn tại — và điều đó không làm cho bạn trở thành một nhà phân tích tốt hơn. Nó làm cho bạn trở thành một người kể chuyện, không phải một nhà phân tích.

Có một sự khác biệt triết lý quan trọng ở đây. Trường phái phân tích chiết trung, phổ biến trong một số bộ phận của giới truyền thông thể thao, cho rằng giá trị nằm ở khả năng kết nối mọi thứ với mọi thứ. Trường phái phân tích hệ thống, mà tôi theo đuổi, cho rằng giá trị nằm ở khả năng xác định chính xác cái gì thuộc về đâu, và cái gì không thuộc về đâu cả. Sự khác biệt này không phải là nhỏ. Nó quyết định liệu một nhà phân tích sẽ trở thành một nguồn thông tin đáng tin cậy hay một nguồn giải trí.

Và đối với bóng đá Việt Nam, nơi mà mỗi thông tin được chia sẻ có thể ảnh hưởng đến hàng trăm nghìn người hâm mộ, sự khác biệt này có ý nghĩa thực tiễn. Người hâm mộ Việt Nam xứng đáng với những phân tích trung thực, có cơ sở, kiểm chứng được — không phải những câu chuyện được dệt nên từ những mảnh ghép không liên quan với nhau để tạo ra cảm giác về sự hiểu biết.

Điều tôi muốn nói không phải là chúng ta không nên sáng tạo trong phân tích. Đó là chúng ta nên sáng tạo trong khuôn khổ của sự trung thực tri thức. Nghĩa là: nêu rõ giới hạn của dữ liệu, thừa nhận khi chúng ta không biết, và không bao giờ biến một giả thuyết thành một kết luận chỉ vì kết luận đó hấp dẫn hơn.

Điều đáng mang theo

Vậy chúng ta nên rút ra điều gì từ văn bản này? Không phải là một bài học về ozone. Không phải là một bài học về Mexico. Mà là một bài học về quản lý dữ liệu, về kiểm tra chất lượng, và về sự trung thực trong phân tích.

Đối với tôi, sau bốn mươi bốn năm ở trong và xung quanh ngành này, bài học là: mỗi khi chúng ta nhận được một tệp tin, chúng ta phải kiểm tra không chỉ nội dung của nó mà còn cả nhãn của nó. Mỗi khi chúng ta rút ra một kết luận, chúng ta phải tự hỏi: liệu kết luận này sẽ thay đổi nếu tôi phát hiện ra rằng tôi đã đọc sai một dòng dữ liệu? Mỗi khi chúng ta chia sẻ một phân tích, chúng ta phải chắc chắn rằng nó được đặt trên một nền tảng có thể kiểm chứng.

Đối với bóng đá Việt Nam, bài học là giai đoạn xây dựng là giai đoạn quan trọng nhất để thiết lập tiêu chuẩn. Các câu lạc bộ, các giải đấu và các cơ quan truyền thông đang xây dựng hạ tầng dữ liệu của họ nên dành nguồn lực để đảm bảo rằng hạ tầng đó được xây dựng trên nền tảng đúng đắn. Bởi vì sửa một lỗi ở tầng gốc luôn rẻ hơn sửa một lỗi lan truyền qua mười tầng xử lý.

Tôi không tin vào mắt mình, tôi tin vào thước phim quay chậm. Và trong trường hợp này, thước phim quay chậm cho tôi thấy rõ ràng điều mà mắt thường đã bỏ qua: đây không phải là một bài báo bóng đá. Đây là một bản tin môi trường bị dán nhãn sai. Và việc nhận ra điều đó — chứ không phải việc cố gắng tìm ra một ý nghĩa bóng đá trong đó — mới là công việc thực sự của một nhà phân tích.

Câu hỏi tôi để lại cho bạn, những người đồng nghiệp ở Việt Nam, là thế này: nếu hệ thống dữ liệu của bạn đưa cho bạn một văn bản với nhãn "bóng đá", bạn sẽ đọc nó như một người phân tích, hay như một người kể chuyện? Bạn sẽ dừng lại ở tầng nhãn, hay bạn sẽ đi sâu vào tầng nội dung để kiểm tra xem nhãn có đúng không?

Bởi vì trong bóng đá, và trong phân tích, sự thật không nằm ở bề mặt. Nó nằm ở tầng sâu nhất, nơi mà chỉ những người sẵn sàng xem lại chính mình mới có thể tiếp cận.