I. Lý thuyết trọng tâm

1. Phân loại và biểu diễn thông tin trong máy tính

a) Biểu diễn thông tin là gì?

Mọi thông tin khi đưa vào máy tính đều phải được chuyển thành dạng dãy bit (gồm các chữ số 0 và 1). Quá trình mã hóa thông tin thành dữ liệu nhị phân như vậy được gọi là biểu diễn thông tin — đây là bước đầu tiên để máy tính có thể tiếp nhận và xử lí.

Tùy theo bản chất của thông tin mà dữ liệu sẽ có cách biểu diễn riêng, hình thành nên các kiểu dữ liệu khác nhau. Mục đích của việc phân loại là để máy tính áp dụng đúng các phép xử lí phù hợp: dữ liệu số thì có thể tính toán và so sánh, còn dữ liệu văn bản thì có thể tách, ghép, so sánh.

b) Bốn kiểu dữ liệu cơ bản

Câu hỏi kiểm tra nhanh: Số căn cước công dân có kiểu số hay kiểu văn bản?

→ Kiểu văn bản. Mặc dù số CCCD gồm toàn chữ số, nhưng nó được dùng để định danh và tra cứu (tách, ghép, so sánh) chứ không dùng để tính toán số học. Do đó, nó thuộc kiểu văn bản.

Nguyên tắc quan trọng: Không phải cứ “trông giống số” thì thuộc kiểu số. Nếu dữ liệu chỉ dùng để nhận diện, tra cứu, so sánh (không cần cộng trừ nhân chia) → đó là kiểu văn bản.

2. Biểu diễn dữ liệu văn bản

Khi đưa văn bản vào máy tính, mỗi kí tự cần được mã hóa thành dãy bit theo một quy tắc thống nhất. Quy tắc đó được gọi là bảng mã kí tự.

a) Bảng mã ASCII

ASCII (American Standard Code for Information Interchange) là bảng mã kí tự phổ biến nhất trong tin học.

Cách tra mã nhị phân trong bảng ASCII: Ghép 4 bit ở chỉ số hàng với 4 bit ở chỉ số cột tương ứng với kí tự.

Ví dụ: Kí tự “A” có số thứ tự 65 → mã nhị phân là 01000001.

Vấn đề của ASCII: Bảng mã 7 bit chỉ đủ cho tiếng Anh. Nhiều ngôn ngữ khác có kí tự riêng (tiếng Hy Lạp: α, β, γ; tiếng Nga: б, г, д…) nhưng phần mở rộng chỉ có thêm 128 vị trí — không đủ cho tất cả.

b) Bảng mã Unicode và tiếng Việt trong Unicode

Tại sao cần Unicode?

Tiếng Việt có 134 nguyên âm có dấu thanh và phụ âm “đ” (kể cả chữ in hoa) không có sẵn trong ASCII gốc, trong khi phần mở rộng chỉ có 128 chỗ trống. Tình trạng còn nghiêm trọng hơn với các ngôn ngữ dùng chữ tượng hình (Trung Quốc, Nhật Bản) có đến vài chục nghìn kí tự.

Từ đầu những năm 1980, cộng đồng quốc tế đã xây dựng Unicode — một bộ tiêu chuẩn biểu diễn kí tự dùng chung cho mọi quốc gia, cho phép sử dụng nhiều hơn 8 bit để mã hóa kí tự. Nhờ đó, Unicode hiện có thể mã hóa hàng trăm nghìn kí tự thuộc nhiều ngôn ngữ khác nhau.

Ưu điểm lớn nhất của Unicode: Tạo ra các ứng dụng đa ngôn ngữ — sử dụng đồng thời nhiều ngôn ngữ trong cùng một phần mềm (trình duyệt web, ngôn ngữ lập trình, ứng dụng…), tránh xung đột mã giữa các quốc gia.

UTF-8 và tiếng Việt:

UTF-8 (8-bit Unicode Transformation Format) là hệ thống mã hóa phổ biến nhất cho Unicode, với đặc điểm mã hóa kí tự bằng độ dài khác nhau (từ 1 đến 4 byte).

Từ năm 2017, Việt Nam bắt buộc sử dụng UTF-8 để biểu diễn kí tự tiếng Việt:

Câu hỏi kiểm tra nhanh: Trong bảng mã Unicode, mỗi kí tự tiếng Việt theo UTF-8 được biểu diễn bởi bao nhiêu byte?

• A. 1 byte
• B. 2 byte
• C. 4 byte
• D. Từ 1 đến 3 byte ✔️

(Vì kí tự La-tinh không dấu dùng 1 byte, nguyên âm có dấu dùng 2 byte, kí tự đặc biệt dùng 3 byte.)

Câu hỏi kiểm tra nhanh: Tại sao cần xây dựng bảng mã Unicode?

• A. Để đảm bảo bình đẳng cho mọi quốc gia trong ứng dụng tin học.
• B. Bảng mã ASCII mã hóa mỗi kí tự bởi 1 byte. Giá thành thiết bị lưu trữ ngày càng rẻ nên không cần phải sử dụng các bộ kí tự mã hóa bởi 1 byte.
• C. Dùng một bảng mã chung cho mọi quốc gia, giải quyết vấn đề thiếu vị trí cho bộ kí tự của một số quốc gia, đáp ứng nhu cầu dùng nhiều ngôn ngữ đồng thời trong cùng một ứng dụng. ✔️
• D. Dùng cho các quốc gia sử dụng chữ tượng hình.

c) Số hóa văn bản

Tệp văn bản là định dạng lưu trữ dữ liệu ở bộ nhớ ngoài. Việc số hóa văn bản (chuyển nội dung thành dạng dữ liệu số) được thực hiện thông qua:

• Các phần mềm soạn thảo như Microsoft Word, OpenOffice Writer…
• Công nghệ nhận dạng tiếng nói: người dùng chỉ cần đọc, máy tính nhận dạng âm thanh và tự động tạo ra văn bản.

II. Phương pháp giải các dạng bài tập

Dạng 1: Xác định kiểu dữ liệu cho thông tin

Phương pháp:

Khi cần xác định kiểu dữ liệu cho một thông tin, áp dụng quy trình 3 bước:

• Bước 1: Xem xét bản chất của thông tin đó — nó là chữ, số, ảnh, hay giá trị đúng/sai?
• Bước 2: Xác định mục đích sử dụng — thông tin đó dùng để tính toán hay để tra cứu/nhận diện?
• Bước 3: Ghép với kiểu dữ liệu phù hợp theo bảng dưới:

Mấu chốt: Phân biệt “trông giống số” và “thực sự là kiểu số” bằng câu hỏi: “Có cần cộng trừ nhân chia giá trị này không?” Nếu không → văn bản.

Bài tập mẫu (SGK – Luyện tập, bài 1): Giấy phép lái xe có các thông tin sau. Hãy ghép mỗi thông tin với kiểu dữ liệu thích hợp.

Lời giải:

Lưu ý: Kiểu dữ liệu Số và Âm thanh có trong danh sách lựa chọn nhưng không có thông tin tương ứng trên giấy phép lái xe → đây là các phương án nhiễu.

Dạng 2: Xác định mã nhị phân và mã thập phân của kí tự trong bảng ASCII

Phương pháp:

• Bước 1: Tra bảng mã ASCII (Phụ lục trang 165 SGK) để tìm vị trí hàng (4 bit cao) và vị trí cột (4 bit thấp) của kí tự.
• Bước 2: Ghép 4 bit hàng + 4 bit cột → được mã nhị phân (8 bit).
• Bước 3: Đổi mã nhị phân sang mã thập phân (số thứ tự trong bảng) bằng cách tính giá trị:

$$\text{Mã thập phân} = b_7 \times 2^7 + b_6 \times 2^6 + b_5 \times 2^5 + b_4 \times 2^4 + b_3 \times 2^3 + b_2 \times 2^2 + b_1 \times 2^1 + b_0 \times 2^0$$

Trong đó $b_7 b_6 b_5 b_4 b_3 b_2 b_1 b_0$ là 8 bit của mã nhị phân (từ trái sang phải).

Mẹo nhanh: Có thể nhớ mã thập phân của một số kí tự gốc rồi tính các kí tự khác bằng cách cộng/trừ khoảng cách:

• “A” = 65, nên “B” = 66, “C” = 67… “Z” = 90
• “a” = 97, nên “b” = 98, “c” = 99… “z” = 122
• “0” = 48, “1” = 49… “9” = 57

Bài tập mẫu (SGK – Câu hỏi mục 2): Xác định mã nhị phân và mã thập phân của các kí tự S, G, K trong bảng mã ASCII.

Lời giải:

Sử dụng quy tắc: “A” = 65, các chữ cái tiếp theo tăng dần 1 đơn vị.

Kiểm tra mã nhị phân:

$$S: 0 \times 128 + 1 \times 64 + 0 \times 32 + 1 \times 16 + 0 \times 8 + 0 \times 4 + 1 \times 2 + 1 \times 1 = 64 + 16 + 2 + 1 = 83 \checkmark$$

III. Sơ đồ tư duy

1. Phân loại và biểu diễn thông tin

• 1.1. Biểu diễn thông tin = mã hóa thông tin thành dữ liệu nhị phân
• 1.2. Bốn kiểu dữ liệu cơ bản:
  • Văn bản (kí tự, xâu kí tự)
  • Số (số nguyên, số thực)
  • Logic (Đúng / Sai)
  • Đa phương tiện (hình ảnh, âm thanh)
• 1.3. Phân loại dữ liệu → cách biểu diễn phù hợp → xử lí hiệu quả

2. Biểu diễn dữ liệu văn bản

• 2.1. Bảng mã ASCII:
  • ASCII 7 bit → 128 kí tự (đủ cho tiếng Anh)
  • ASCII mở rộng 8 bit → 256 kí tự (thêm 128 vị trí cho kí tự riêng)
  • Tra mã: ghép 4 bit hàng + 4 bit cột
• 2.2. Unicode:
  • Bảng mã hợp nhất quốc tế, mã hóa hàng trăm nghìn kí tự
  • Giải quyết thiếu vị trí cho các ngôn ngữ, hỗ trợ đa ngôn ngữ
• 2.3. UTF-8 và tiếng Việt:
  • 1 byte: kí tự La-tinh không dấu
  • 2 byte: nguyên âm có dấu, đ, Đ
  • 3 byte: một số ít kí tự đặc biệt
• 2.4. Số hóa văn bản:
  • Phần mềm soạn thảo (Word, Writer)
  • Nhận dạng tiếng nói

IV. Bảng sai lầm thường gặp

Thầy Phạm Thành Danh

(Người kiểm duyệt, ra đề)

Chức vụ: Trưởng ban biên soạn môn Tin Học THPT

Trình độ: Cử nhân Sư phạm Tin học, Chứng chỉ hạng II, Chứng chỉ Tin học, Ngoại ngữ B1

Kinh nghiệm: 8+ năm kinh nghiệm tại Trường THPT Thuận Hóa