Top 12 # Phan Biet Go Xua Xem Nhiều Nhất, Mới Nhất 3/2023 # Top Trend

Published on

Đạo đức và pháp luật là hại khái niệm hoàn toàn khác nhau, đứng trên phương diện pháp luật, đạo đức chỉ là tập hợp những quan điểm của một xã hội, của một tầng lớp xã hội, của một tập hợp người nhất định về thế giới, về cách sống. Nhờ đó con người điều chỉnh hành vi của mình sao cho phù hợp với lợi ích của cộng đồng xã hội.

1. PHÁP LUẬT ĐẠI CƯƠNG

2. TÌNH HUỐNG T Ì N H H U Ố N G TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNGTÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNHHUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNHHUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG TÌNH HUỐNG

3. TÌNH HUỐNG: Vì là bạn thân thiết với nhau nên A đã cho B và C vào nhà hút ma túy, bị công an bắt quả tang. Hỏi A có vi phạm pháp luật không hay chỉ vi phạm đạo đức vì tội “nể bạn”?

5.  Là một hiện tượng xã hội phản ánh các mối quan hệ hiện thực bắt nguồn từ bản thân cuộc sống của con người.  Đạo đức là tập hợp những quan điểm của một xã hội, của một tầng lớp xã hội, của một tập hợp người nhất định về thế giới, về cách sống. Nhờ đó con người điều chỉnh hành vi của mình sao cho phù hợp với lợi ích của cộng đồng xã hội.

7.  Là hệ thống các quy tắc xử sự, là công cụ điều chỉnh các quan hệ xã hội do Nhà nước ban hành, thể hiện ý chí của giai cấp cầm quyền và được thực hiện bằng các biện pháp cưỡng chế của Nhà nước.  Mỗi hình thái kinh tế – xã hội đều có một kiểu Nhà nước và một kiểu pháp luật tương ứng. Lịch sử xã hội loài người đã có các kiểu pháp luật chủ nô, pháp luật phong kiến, pháp luật tư sản và pháp luật xã hội chủ nghĩa.

8. SO SÁNH SỰ KHÁC BIỆT GIỮA ĐẠO ĐỨC VÀ PHÁP LUẬT

9. Đều góp phần điều chỉnh hành vi con người cho phù hợp với lợi ích,yêu cầu chung của xã hội, bảo vệ trật tự kỷ cương xã hội Đều là hình thái ý thức xã hội nên chịu sự thay đổi khi tồn tại xã hội thay đổi Đều là hình thái ý thức xã hội nên chịu sự thay đổi khi tồn tại xã hội thay đổi GIỐNG NHAU:

10. ĐẠO ĐỨC PHÁP LUẬT  Ra đời trước pháp luật  Việc thực hiện mang tính tự giác  Mang tính chủ quan  Phạm vi rộng lớn  Động cơ bên trong mỗi người làm nên hành động  Ra đời khi có sự phân chia giai cấp  Mang tính bắt buộc, cưỡng chế là tất yếu  Mang tính khách quan  Phạm vi hẹp, vì có điều luật vi phạm đạo đức  Do tác động bên ngoài , dẫn tới hành vi KHÁC NHAU:

11. GIẢI ĐÁP: Mặc dù hành vi cho người bạn kia vào nhà hút heroin của A là vì nể bạn nhưng A đã phạm vào tội “tội chứa chấp việc sử dụng trái phép chất ma túy” được quy định tại Điều 198 của Bộ luật Hình sự năm 1999.

12. Thực hiện bởi Trần Thị Mỹ Lan và nhóm 7 lớp DB_13DQT

Phân Biệt EVERYDAY or EVERY DAY

EVERYDAY or EVERY DAY khi dịch nghĩa sang tiếng Việt theo kiểu “bình dân” là MỖI NGÀY . Bản thân tôi và có lẽ nhiều người cũng thường dùng lẫn lộn chúng !!??

Chúng tôi xin chia sẻ sự khác biệt giữa chúng:

I.”Everyday” là mộ t tính từ (adjective). Vì vậy, từ này nằm trước danh từ để miêu tả cho danh từ ấy. Mang nghĩa “thông thường, bình thường, lệ thường, mỗi ngày”.

– These shoes are great for everyday wear . Những chiếc giày này thích hợp để mang mỗi ngày.

– Don’t let the problems of everyday life get you do wn. Đừng để những vấn đề của cuộc sống hằng ngày làm bạn buồn.

– Alex thought he found a diamond ring on the street. It turned out to be an everyday glass stone . (Alex tưởng là đã lượm được một chiếc nh ẫ n kim cương ai dè nó lại là cục thủy tinh bình thường hay gặp hằng ngày )

Những đôi giày này rất tuyệt để mang hàng ngày.

II.EVERY DAY

– I learn English EVERY DAY

-Eve ry day she goes to work on foot. Hàng ngày, cô ta đi bộ đến nơi làm việc.

* Vì làm nhiệm vụ như 1 trạng từ nên EVERY DAY có thể đứng đầu câu hoặc cuối câu .

– I go to the park every day. Tôi đến công viên mỗi ngày.

– I have to work every day this week except Friday. Tôi phải đi làm mỗi ngày trong tuần này trừ thứ 6.

– Every day I feel a little better. Mỗi ngày tôi cảm thấy tốt hơn một chút.

– I read the newspaper every day. (Thứ 2 đến Chúa Nhật – Ngày nào tôi cũng đọc báo cả)

* EVERY DAY đồng nghĩa với EACH DAY.

– Trong những câu trên, EVERY DAY làm nhiệm vụ như một trạng từ nhưng trong câu sau đây thì EVERY DAY không làm nhiệm vụ như 1 trạng từ nữa mà trở về là 1 TÍNH TỪ + 1 DANH TỪ và làm chủ ngữ trong câu.

“I learn English EVERY DAY”

Cách phát âm

– Everyday đồng nghĩa với ordinary (thông thường) . Every day đồng nghĩa với each day (mỗi ngày). Vì vậy, một bí quyết nhỏ để sử dụng chính xác everyday và every day là dùng từ đồng nghĩa của mỗi từ vào câu bạn muốn diễn đạt. Nếu ordinary hợp lý thì bạn dùng everyday, còn nếu each day hợp lý thì bạn dùng every day.

Phân biệt Everyday, Every day và Daily

– Poverty affects the daily lives of mil lions of people. Nghèo nàn ảnh hưởng đến cuộc sống hàng ngày của hàng triệu người.

– The machines are inspected twice daily. Máy móc được kiểm tra hai lần mỗi ngày .

Để chúng ta thấy rõ hơn sự khác biệt giữa EVERYDAY VÀ EVERY DAY , hãy quan sát ví dụ sau đây: – I read the newspaper every day , but it’s mostly filled with everyday stories about politicians and economy. (Tôi đọc báo hàng ngày, nhưng chẳng có chuyện gì lạ lùng cả, cũng các chính trị gia và cũng chuyện kinh tế; chuyện hằng ngày).

ỨNG DỤNG GIẢI THUẬT BAYES TRONG CHẨN ĐOÁN PHÂN BIỆT XUẤT HUYẾT NÃO VÀ NHỒI MÁU NÃO TRÊN LỀU Tóm tắt Cơ sở: Sự phân biệt giữa nhồi máu não (NMN) và xuất huyết não (XHN) trên lều hết sức quan trọng trong bước xử trí ban đầu ở bệnh nhân đột quỵ cấp. Phương pháp: Năm 2004, chúng tôi xây dựng hệ chuyên gia mô phỏng giống cách thức tư duy, học tập của người thầy thuốc dựa trên giải thuật xác suất Bayes nhằm hỗ trợ chẩn đoán phân biệt XHN và NMN trên lâm sàng. Nghiên cứu được tiến hành tại khoa Nội Thần Kinh bệnh viện Chợ Rẫy từ tháng 09/2004 đến tháng 07/2005. Kết quả nghiên cứu: kiểm chứng ở 196 bệnh nhân cho thấy hệ chuyên gia tỏ ra ưu điểm khá hơn so với thang điểm lâm sàng Siriraj và Nguyễn Bá Thắng: độ nhạy chẩn đoán XHN của hệ chuyên gia so với thang điểm Siriraj và Nguyễn Bá Thắng là 99,05% so với 75,61% và 98,04%; độ nhạy chẩn đoán NMN của hệ chuyên gia 92,54% so với 90,79% và 83,82%; độ chính xác chung 96,51% so với 82,91% và 92,35%; tỉ lệ chẩn đoán không chắc chắn 12,25% so với 19,39% và 13,27%. Kết luận: Nghiên cứu này chỉ là bước đi ban đầu tìm lời giải cho những nghiên cứu sâu hơn để xây dựng phần mềm hoàn thiện có thể ứng dụng chẩn đoán nhiều bệnh lý và được kiểm định hiệu quả, tin cậy ở nhiều trung tâm. Summary Background: Distinguishing between supratentorial cerebral infarction and cerebral haemorrhage is very important in initial treatment on patients having an acute stroke. Method: In 2004, we designed and programmed an expert system copying the way of study and thinking from clinical doctors basing on Bayes’s probability algorithm in order to support diagnosing to distinguish between supratentorial cerebral infarction and cerebral haemorrhage clinically. The research was carried out at the neurology ward of Cho Ray Hospital from September 2004 to July 2005. Results: The result of validation study from 196 patients shows that the expert system is fairly better than Siriraj’s and Nguyen Ba Thang’s clinical scale: sensitivity of the expert system for diagnosing cerebral haemorrhage in comparison with Siriraj’s and Nguyen Ba Thang’s clinical scale is 99.05% in comparison with 75.61% and 98.04%; sensitivity of the expert system for diagnosing cerebral infarction is 92.54% in comparison with 90.79% and 83.82%; overall accuracy of diagnosis is 96.51% in comparison with 82.91% and 92.35%; rate of vague diagnosis is 12.25% in comparison with 19.39% and 13.27%. Conclusion: this research is only the initial step for next well- researched one in order that we can program better softwares which are applied to diagnosing many diseases and are checked effectively and trustworthily at many hospitals. ĐẶT VẤN ĐỀ Sự phân biệt giữa nhồi máu não (NMN) và xuất huyết não (XHN) hết sức quan trọng trong bước xử trí ban đầu ở bệnh nhân đột quỵ cấp bởi vì tiên lượng và điều trị khác nhau. Hiện nay ở nước ta, máy CT scan cần thiết để chẩn đoán đột quỵ chủ yếu được trang bị tập trung một số thành phố lớn, ở một số bệnh viện lớn tuyến trung ương hay tuyến tỉnh. Trong khi đó, có khá nhiều bệnh viện, đặc biệt các bệnh viện tuyến huyện không có máy CT scan. Sự thiếu hụt thiết bị cận lâm sàng và các bác sĩ chuyên khoa sâu có thể làm gia tăng tỉ lệ tử vong cũng như để lại hậu quả nặng nề cho bản thân người bệnh và xã hội. Chương trình phần mềm máy tính giả lập trí thông minh của con người (trí tuệ nhân tạo), có thể được sử dụng để hỗ trợ bác sĩ trong việc ra quyết định lâm sàng trong hoàn cảnh không có hội chẩn trực tiếp với bác sĩ chuyên khoa. Để tìm hiểu và đánh giá vai trò kỹ thuật này, chúng tôi thực hiện nghiên cứu ứng dụng trí tuệ nhân tạo trong chẩn đoán phân biệt NMN và XHN trên lều. ĐỐI TƯỢNG – PHƯƠNG PHÁP NGHIÊN CỨU Nghiên cứu xây dựng hệ chuyên gia Chúng tôi thiết kế và xây dựng hệ chuyên gia với tên gọi “Sổ tay Lâm sàng” phiên bản 1.0, được viết bằng ngôn ngữ Microsoft Visual C# .NET phiên bản năm 2003(1,6,7,2,3). Hệ chuyên gia được thiết kế gồm ba phần chính : (1) lưu trữ dữ liệu bệnh nhân; (2) cơ sở tri thức; (3) chẩn đoán y khoa. * Thiết kế giải thuật chủ yếu dựa trên công thức xác suất Bayes : Các xác suất P(Aj), P(K / Aj), P(K) được tính toán trước, được gọi là xác suất tiền nghiệm. P(Aj / K) : xác suất xảy ra biến cố Aj khi K đã xảy ra, được gọi là xác suất hậu nghiệm. Ví dụ: Tính xác suất xuất hiện xuất huyết não (XHN) khi bệnh nhân có triệu chứng đau đầu (Đđ). P(XHN) = P(XHN/Đđ) * Trong đó : – P(XHN) : Xác suất xuất hiện XHN – P(XHN/Đđ) : Xác suất xuất hiện XHN khi triệu chứng đau đầu xuất hiện – P(Đđ/XHN) : Xác suất xuất hiện triệu chứng đau đầu khi bệnh lý XHN xuất hiện – P(Đđ/không XHN) : Xác suất xuất hiện đau đầu khi XHN không xuất hiện – P(Đđ) = P(Đđ/XHN) * P(XHN) + P(Đđ /không XHN ) * P(không XHN) Chúng tôi sử dụng một số bệnh án mẫu để hệ chuyên gia học tập, cập nhật cơ sở tri thức cho đến khi các chỉ số đánh giá kết quả hệ chuyên gia chẩn đoán thông qua độ nhạy, độ đặc hiệu, giá trị tiên đoán dương, giá trị tiên đoán âm, độ chính xác chung đạt đến trị số trên 85%. Mẫu nghiên cứu bao gồm các bệnh nhân nhập khoa Nội Thần Kinh bệnh viện Chợ Rẫy từ 09/2004 đến tháng 07/2005 thỏa tiêu chuẩn chẩn đoán đột quỵ của Tổ Chức Y Tế Thế Giới; nhập viện trong vòng 72 giờ và có hình ảnh CT sọ não trong vòng 7 ngày sau khởi phát. Nghiên cứu không bao gồm các bệnh nhân xuất huyết khoang dưới nhện, xuất huyết não thất đơn thuần hoặc có dấu chứng tổn thương thân não nguyên phát (không phải do chèn ép từ trên xuống). Nghiên cứu kiểm chứng hệ chuyên gia Các bệnh nhân trong mẫu nghiên cứu có tiêu chuẩn chọn bệnh tương tự như phần nghiên cứu xây dựng hệ chuyên gia. Kết quả chẩn đoán bằng hệ chuyên gia và các thang điểm lâm sàng Siriraj, Nguyễn Bá Thắng được so sánh với kết quả chụp CT scan sọ não. KẾT QUẢ Nghiên cứu xây dựng hệ chuyên gia Nghiên cứu thực hiện trên 193 bệnh nhân đột quỵ trên lều thỏa các tiêu chuẩn chọn bệnh và không vi phạm các tiêu chuẩn loại trừ, trong đó có 101 bn XHN chiếm 52,33% và 92 bn NMN chiếm 47,67%; nam chiếm 56,48%, nữ chiếm 43,52%; tuổi trung bình là 62,7, trong đó nhỏ nhất là 27 tuổi và cao nhất là 90 tuổi. Thời gian bệnh nhân nhập viện đến lúc khám thu thập dữ liệu là 1,5 ngày. Các đặc điểm lâm sàng khảo sát gồm có tuổi, giới, các triệu chứng khởi đầu như kiểu khởi phát, đau đầu, nôn ói, mức độ ý thức khi khởi phát, co giật, tiền sử cao huyết áp, tiểu đường, cơn thoáng thiếu máu não, đột quỵ trước đó, bệnh tim, các triệu chứng biểu hiện khi thăm khám như mạch, nhiệt, huyết áp, nhịp thở, kiểu thở, mức độ ý thức lúc thăm khám, dấu xơ vữa động mạch, xuất huyết tiêu hoá trên, dấu màng não, rối loạn ngôn ngữ, rối loạn cơ vòng, nhìn chăm chăm, phản xạ lòng bàn chân, rối loạn vận động, cảm giác. Những dữ liệu của 193 bệnh nhân trong mẫu nghiên cứu được nhập vào cơ sở dữ liệu của hệ chuyên gia và được hệ chuyên gia học tập, tính toán xây dựng nên cơ sở tri thức thể hiện bằng những trị số xác suất tiền nghiệm được tính toán trước. Bên cạnh học tập từ cơ sở dữ liệu bệnh nhân mẫu, phần mềm cho phép người sử dụng hiệu chỉnh cơ sở tri thức dựa trên những kinh nghiệm, kết quả nghiên cứu trước đó hay kết quả đánh giá hệ chuyên gia chẩn đoán. Kết quả đánh giá hệ chuyên gia chẩn đoán trên mẫu nghiên cứu Mỗi bệnh nhân trong nhóm nghiên cứu đều có một tập triệu chứng được thu thập trước. Hệ chuyên gia sẽ tính toán dựa trên tập triệu chứng của mỗi bệnh nhân, cơ sở tri thức sẵn có và giải thuật xác suất Bayes để đưa ra kết luận về xác suất xuất hiện của từng bệnh lý XHN và NMN. Dựa vào kết quả này, hệ chuyên gia chọn: (1) Trị số xác suất cao nhất trong tập hợp bệnh lý trên để đưa ra kết luận chẩn đoán; (2) Trị số này phải lớn hơn hoặc bằng một trị số cho trước (chẳng hạn P = 0,85) thì hệ chuyên gia mới đưa ra ngưỡng kết luận cuối cùng; trị số cho trước này được gọi là trị số ngưỡng. Trị số ngưỡng có thể thay đổi tùy theo yêu cầu của người sử dụng. Bảng 1: So sánh kết quả chẩn đoán của hệ chuyên gia trong trường hợp không sử dụng và sử dụng trị số ngưỡng 0,85 (N = 193) Hệ chuyên gia Không Sử dụng p sử dụng trị số trị số ngưỡng ngưỡng (N = (N = 172) 193) Độ 97,03% 98,96% 0,17 nhạy (98/101 (95/96 chẩn bn) bn) đoán XHN Độ 82,61% 95,65% < nhạy (76/92 (66/69 0,01 chẩn bn) bn) đoán NMN Giá 85,96% 96,94% < trị tiên (98/114 (95/98 0,01 đoán bn) bn) dương XHN Giá 96,2% 98,51% 0,19 trị tiên (76/79 (66/67 đoán bn) bn) dương NMN Độ 90,16% 97,58% < chính xác 0,01 (174/193 (161/165 chung bn) bn) Tỉ 0% 14,51% < lệ chẩn (0/193 (28/193 0,01 đoán bn) bn) không chắc chắn Tóm lược nghiên cứu kiểm chứng hệ chuyên gia Nghiên cứu thực hiện trên 196 bệnh nhân đột quỵ trên lều thỏa các tiêu chuẩn chọn bệnh và tiêu chuẩn loại trừ như nghiên cứu xây dựng hệ chuyên gia, trong đó có 110 bn XHN chiếm 56,12% và 86 bn NMN chiếm 43,88%; nam chiếm 56,12%, nữ chiếm 43,88%; tuổi trung bình là 63,7, trong đó nhỏ nhất là 33 tuổi và cao nhất là 90 tuổi. Thời gian bệnh nhân nhập viện đến lúc khám thu thập dữ liệu là 1,7 ngày. Bảng 2: So sánh kết quả chẩn đoán của hệ chuyên gia với thang điểm Siriraj & Nguyễn Bá Thắng (N = 196)

Will và be going to, đại diện cho thì “Tương lai đơn” và “Tương lai gần” là hai thì được dùng khá nhiều trong giao tiếp cuộc sống hằng ngày.

Tuy nhiên, có rất nhiều bạn hay nhầm lẫn giữa cách sử dụng của will và be going to, làm dẫn đến nhiều hậu quả không đáng có.

Ví dụ như khi viết bài, sử dụng sai thì có thể làm bài viết trở nên kém logic hay tệ hơn là giám khảo sẽ hiểu sai ý trong bài của bạn.

Thực ra, với hai thì khá đơn giản này, bạn chỉ cần để ý, tập trung đọc một chút là sẽ nắm chắc kiến thức ngay.

Trong bài viết này, tôi cũng sẽ đưa ra một số tips để giúp phân biệt cách sử dụng hai thì này được chính xác hơn.

Câu hỏi vào bài

Question:

Sự khác nhau giữa will và be going to trong câu “I’ll go to town” và “I’m going to go to town” là gì?

Batya

Answer:

Tôi sẽ trả lời nhanh cho câu hỏi của bạn về cách sử dụng của will và be going to như thế này.

Cách sử dụng ngữ pháp của Will

Dùng will khi diễn tả một hành động mà người nói sẵn sàng thực hiện và có dự định thực hiện nó. Hoặc là hành động mà người nói vừa mới quyết định.

Ví dụ:

Alex will do the presentation because John have done the contents.

(Alex sẽ làm phần thuyết trình vì John đã làm phần nội dung rồi.)

Trong câu ví dụ này, will được sử dụng khi mà người nói vừa mới quyết định Alex sẽ làm phần thuyết trình.

Khi will được sử dụng, nó giúp người nghe hiểu rằng đó là một ý tưởng vừa mới xuất hiện. Và trước khi biết thông tin thì vẫn chưa có quyết định này.

Cách sử dụng ngữ pháp của Going to

Mặt khác, going to diễn tả hành động mà người nói đã có dự định từ trước. Vì vậy tôi khuyên là nên đặt câu của bạn vào hoàn cảnh cụ thể để thấy sự khác biệt.

Ví dụ:

Since John have already done the contents, I am going to do the presentation.

(Bởi vì John đã hoàn thành phần nội dung rồi nên tôi sẽ làm phần thuyết trình.)

Ở ví dụ này, người nói là “tôi” đã sử dụng be going to bởi người nói đã có ý định làm phần thuyết trình trước khi thông báo với mọi người rồi.

Thật đơn giản để phân biệt đúng không nào?

Hoặc có thể tham khảo các khoá học tiếng Anh cơ bản dành cho người mới bắt đầu ở đây, đây đều là những kiến thức nền tảng vô cùng quan trọng cho việc học IELTS sau này.

Nếu chưa biết về IELTS, đọc qua bài viết IELTS là gì để có cái nhìn tổng quát nhất về IELTS.

Bây giờ thì quay trở lại bài học và cùng mở rộng thêm một số trường hợp khác sử dụng will và be going to.

Các cách khác để phân biệt will và be going to

Một trường hợp khác mà will (không phải going to) được sử dụng là để chuyển thể một lời đề nghị:

Ví dụ:

Don’t carry that big bag of groceries, Mrs.Jones. I’ll take it for you. (Đừng xách cái túi nặng đựng đầy rau củ vậy bà Jones. Tôi sẽ làm điều đó cho bà.)

If you want to sell your car, I‘ll buy it for $10000. (Nếu bạn có ý định bán xe ô tô, tôi sẽ mua nó với giá 10 000$.)

I‘ll go to town – to the pharmacy – right now if you need that medicine immediately. (Tôi sẽ đến hiệu thuốc trên phố ngay bây giờ nếu bạn cần loại thuốc đó ngay lập tức.)

Trong một hoàn cảnh khác mà will (không phải going to) được sử dụng để tạo một lời hứa:

Ví dụ:

I‘ll finish this work by 7:00 tonight. (Tôi sẽ hoàn thành công việc trước 7h tối nay.)

I‘ll call you later. (Tôi sẽ gọi điện cho bạn sau.)

I‘ll go to town for the big celebration if my team wins the championship. (Tôi sẽ đi lên phố tổ chức một bữa tiệc chúc mừng thật lớn nếu đội của tôi thắng chức vô địch.)

Mặt khác, bạn sử dụng going to (không phải là will) để nói đến một kế hoạch có từ trước:

Ví dụ:

We’re going to take our vacation in the winter this year, not the summer. We’ve already planned a trip to Antarctica. (Chúng tôi sẽ đi nghỉ trong kì nghỉ đông năm nay, kì nghỉ hè thì không. Chúng tôi đã lên kế hoạch cho một chuyến đi đến Nam Cực rồi.)

Sorry I can’t be at work next week. – I’m going to have minor surgery. (Xin lỗi tôi không thể đến công ty vào tuần sau được. Tôi sẽ có một cuộc tiểu phẫu vào tuần sau.)

I’m going to go to town next Thursday – my class is having a reunion at the Central Hilton. I’ve bought a new outfit and I’m very excited about it. (Tôi sẽ đi lên phố vào thứ Năm tuần sau. Lớp tôi tổ chức họp lớp. Tôi đã mua một bộ váy mới và tôi đang rất là phấn khích về điều đó.)

Chú ý:

Ba câu cuối có thể sử dụng thì hiện tại tiếp diễn – We’re taking, I’m having, and I’m going.

Đây lại là một phạm trù ngữ pháp khác, cụ thể là phân biệt cách sử dụng của “thì hiện tại tiếp diễn” và “thì tương lai gần” để diễn tả một hành động xảy ra trong tương lai.

Chủ điểm ngữ pháp này tôi sẽ phân tích kỹ hơn ở bài viết lần sau.

Một vài ví dụ khác xuất hiện trong các trang sách như “Future Shock” của Marilyn Martin (cuốn sách xuất hiện trên On TESOL ’78 EFL Policies, Programs, Practices. Washington D.C.: TESOL, 1978)

A: What about your mother’s birthday?

B: I’m going to get her a new trip.

A: What about your mother’s birthday?

B: I’ll get her a new mop.

Như Martin giải thích trong câu (a), “B tường thuật lại quyết định từ trước” trong khi ở câu (b), anh ta dường như là quyết định ngay tại lúc nói.

Cô ấy tiếp tục:

“Tuy nhiên, để kiểm tra sự phán đoán trực giác, chúng ta hãy nhìn vào cuộc hội thoại sau

What can I get my mother for her birthday?

Cách dùng đúng: Oh, I know I’ll get her a new mop.

Cách dùng sai: Oh, I know! I’m going to get her a new trip.

Một lần nữa lại khẳng định rằng be going to mang quyết định từ trước, trong khi Will không thể hiện được điều này.

Đây chỉ là một vài ví dụ cho sự khác nhau giữa will và be going to. Nó còn nhiều những yếu tố ý nghĩa khác để ta chọn lựa khi tìm cách diễn đạt thời gian tương lai.

Đọc đến đây các bạn đã biết cách phân biệt will và be going to rồi chứ?

Nếu hiểu rồi, tôi mong các bạn hãy được bài viết này và đừng để những sự nhầm lẫn nhỏ giữa will và be going to ảnh hưởng tới điểm số nữa.

Nếu chưa thực sự hiểu, có thể tham khảo các khoá học IELTS Online của tôi, có nhiều khoá phù hợp với cả những người ở trình độ beginners cũng như intermediate, sẽ có luyện tập kỹ càng cho nhữg chủ điểm như thế này.