Trùng lặp là lỗi phổ biến nhất của các kho bản án: cùng một bản án xuất hiện hai ba lần với số liệu hơi khác, hoặc nhiều văn bản của cùng một vụ bị coi là trùng và bị gộp mất. Lỗi theo hướng thứ nhất làm phình số liệu thống kê; lỗi theo hướng thứ hai làm mất bản án phúc thẩm, quyết định giám đốc thẩm – những văn bản thường quan trọng nhất của vụ việc.
Bài này phân biệt "trùng thật" với "cùng vụ, khác văn bản", chỉ ra vì sao trùng xảy ra, cách chọn khoá định danh cho bản án, và quy trình khử trùng có người duyệt. Bài dành cho người dựng kho bản án nội bộ, người thu thập bản án công bố để nghiên cứu, và người dùng muốn hiểu vì sao kết quả tra cứu có khi lặp.
Vì sao một bản án xuất hiện nhiều lần
Nguyên nhân đầu tiên là thu thập nhiều lần. Kho tự động lấy bản án từ nguồn công bố theo định kỳ; nếu nguồn đổi đường dẫn, đổi định dạng hoặc đăng lại bản án sau khi chỉnh sửa phần thông tin ẩn danh, kho có thể coi đó là bản án mới. Kết quả là hai bản ghi gần giống hệt nhau, khác ở vài chữ thay thế tên người.
Nguyên nhân thứ hai là gộp nhiều nguồn: bản án lấy từ nguồn công bố của toà án, từ tập hồ sơ do người dùng tải lên, từ tài liệu học tập. Mỗi nguồn ghi số bản án, ngày, tên toà theo cách khác nhau – có dấu, không dấu, viết tắt, đầy đủ – nên phép so trùng đơn giản theo chuỗi không nhận ra.
Nguyên nhân thứ ba là có nhiều văn bản gắn với cùng một bản án: bản án và quyết định sửa chữa, bổ sung bản án; bản án ở dạng tệp quét và ở dạng chữ. Đây không hẳn là trùng, nhưng nếu không liên kết, người dùng thấy như hai bản án khác nhau. Cuối cùng là việc tổ chức lại hệ thống toà án từ ngày 1/7/2025: tên toà ban hành của bản án cũ và của toà kế thừa khác nhau, kho chuẩn hoá tên không cẩn thận có thể tạo ra bản ghi trùng hoặc ghép nhầm.
Trùng thật hay cùng vụ, khác văn bản
Nguyên tắc: chỉ gộp khi hai bản ghi là cùng một văn bản. Các văn bản khác nhau của cùng một vụ phải được giữ riêng và liên kết với nhau.
| Trường hợp | Là trùng thật? | Xử lý |
|---|---|---|
| Cùng bản án, lấy hai lần từ cùng nguồn | Có | Giữ một bản, ghi lịch sử thu thập |
| Cùng bản án, bản đăng lại sau khi chỉnh ẩn danh | Có, nhưng phiên bản sau thay bản trước | Giữ bản mới nhất, ẩn bản cũ có thông tin chưa ẩn đủ |
| Cùng bản án, một bản quét và một bản chữ | Cùng văn bản, khác định dạng | Gộp thành một bản ghi có hai tệp |
| Bản án và quyết định sửa chữa, bổ sung bản án | Không | Giữ riêng, liên kết hai chiều |
| Bản án sơ thẩm và bản án phúc thẩm cùng vụ | Không | Giữ riêng, liên kết theo vụ việc |
| Quyết định giám đốc thẩm, tái thẩm | Không | Giữ riêng, liên kết tới bản án bị xem xét |
| Bản án xét xử lại sau khi bản án trước bị huỷ | Không | Giữ riêng, ghi rõ thứ tự |
Nhóm "không" trong bảng là nơi kho tự động hay gộp nhầm, vì các văn bản này có tên đương sự (đã ẩn danh) giống nhau, tình tiết giống nhau, đôi khi cả đoạn văn giống nhau do bản án sau trích lại bản án trước.
Chọn khoá định danh cho bản án
Số bản án không đủ. Số bản án thường được đánh lại theo từng năm và theo từng toà, nên cùng một số có thể xuất hiện ở hàng trăm toà. Khoá phải ghép ít nhất số bản án, năm, tên toà ban hành và loại văn bản.
Tên toà phải chuẩn hoá. Một toà có thể được ghi bằng nhiều cách viết khác nhau. Dùng bảng danh mục toà án có mã, ghi cả tên toà tại thời điểm ban hành. Sau tổ chức lại năm 2025, không còn toà án nhân dân cấp cao và toà án cấp huyện cũ được thay bằng toà án nhân dân khu vực; bản án cũ vẫn giữ tên toà cũ, bảng danh mục cần ghi quan hệ kế thừa.
Ngày tuyên án giúp tách các trường hợp sát nhau. Hai văn bản cùng số, cùng toà, cùng năm nhưng khác ngày là dấu hiệu nhập sai hoặc là hai loại văn bản khác nhau. Không gộp tự động.
Dấu vân tay nội dung. Ngoài khoá thuộc tính, có thể tính một chỉ số giống nhau về nội dung, ví dụ so các cụm từ liên tiếp giữa hai văn bản. Hai văn bản có khoá khác nhau nhưng nội dung gần như trùng khớp đáng được người xem lại.
Khoá nội bộ ổn định. Mỗi bản ghi nên có một mã nội bộ không đổi, độc lập với các trường có thể bị sửa. Khi khử trùng, bản bị gộp chuyển hướng về mã của bản giữ lại, để liên kết cũ không chết.
Quy trình khử trùng có người duyệt
Khử trùng hoàn toàn tự động rất dễ gộp nhầm các văn bản cùng vụ. Quy trình dưới đây kết hợp máy để khoanh vùng và người để quyết định.
- Chuẩn hoá các trường dùng làm khoá: số bản án, năm, mã toà, loại văn bản, ngày tuyên.
- Tìm các nhóm bản ghi trùng hoàn toàn khoá; với những nhóm có nội dung gần như giống hệt, đánh dấu ứng viên gộp.
- Tìm thêm các cặp khoá khác nhau nhưng nội dung rất giống, đưa vào danh sách cần người xem.
- Người duyệt mở từng nhóm, xác định: trùng thật, khác định dạng, hay cùng vụ khác văn bản.
- Với trùng thật, chọn bản giữ lại theo thứ tự ưu tiên: nguồn chính thức, phiên bản ẩn danh mới nhất, bản đầy đủ nhất.
- Với cùng vụ khác văn bản, tạo liên kết theo vụ việc thay vì gộp.
- Ghi nhật ký mọi lần gộp: bản nào gộp vào bản nào, ai duyệt, ngày nào; cho phép tách lại nếu phát hiện gộp sai.
Ngưỡng giống nhau để đưa vào danh sách người xem nên đặt thấp hơn ngưỡng tự động gộp. Thà để người xem nhiều hơn một chút còn hơn mất một bản án phúc thẩm vì bị coi là bản sao của bản sơ thẩm.
Liên kết theo vụ việc mà không làm lộ danh tính
Nối bản án sơ thẩm, phúc thẩm và các quyết định sau đó thành một chuỗi giúp người đọc hiểu kết cục của vụ việc – điều mà một bản án đơn lẻ không cho thấy. Nhưng việc nối phải dựa trên thông tin công khai trong bản án: số, ngày, toà của bản án bị kháng cáo, kháng nghị được nêu trong bản án cấp sau. Không dùng thông tin ngoài bản án để đoán ra chuỗi.
Phần thông tin đã được ẩn khi công bố phải tiếp tục được giữ kín. Nghị quyết 03/2017/NQ-HĐTP về công bố bản án, quyết định trên cổng thông tin của toà án đã đặt khung cho việc ẩn thông tin; khi dùng, nên đối chiếu quy định mới sau Luật Tổ chức Toà án nhân dân 2024. Nếu bản công bố ở cấp này đã ẩn danh mà một tài liệu khác lộ tên thật, kho không được dùng tài liệu đó để điền ngược tên vào chuỗi.
Thêm vào đó, Luật Bảo vệ dữ liệu cá nhân 2025, có hiệu lực từ 1/1/2026, áp dụng cho việc kho xử lý dữ liệu cá nhân còn sót trong bản án. Khử trùng, liên kết, gộp đều là xử lý dữ liệu; mục đích phải rõ, và không được tạo ra khả năng nhận diện người mà bản công bố đã cố che.
Kiểm lại sau mỗi đợt khử trùng
Khử trùng không phải việc làm một lần. Mỗi đợt thu thập mới lại mang vào bản ghi có thể trùng với bản cũ, và mỗi lần nguồn công bố thay đổi cách đăng lại có thể tạo ra loạt trùng mới. Vì vậy cần một bước kiểm lại định kỳ, độc lập với bước khử trùng, để biết quy trình có đang làm đúng không.
Cách đơn giản là lấy mẫu ngẫu nhiên. Sau mỗi đợt, chọn một số nhóm đã bị gộp và một số cặp được giữ riêng nhưng có nội dung giống nhau, đưa cho một người không tham gia duyệt xem lại. Ghi tỷ lệ gộp sai và giữ sai trong mẫu. Con số này không cần đẹp; nó cần được theo dõi qua các đợt để thấy quy trình tốt lên hay xấu đi.
Nên theo dõi thêm vài chỉ báo đơn giản: số bản ghi mới mỗi đợt so với đợt trước, số nhóm ứng viên trùng, số lần người dùng báo trùng hoặc báo mất bản án. Một đợt có số bản ghi mới tăng vọt bất thường thường là dấu hiệu nguồn đã đổi định dạng và kho đang nhập lại cả loạt bản án cũ như bản án mới.
Hậu quả khi không khử trùng đúng cách
Với người dùng tra cứu từng bản án, trùng lặp chỉ gây phiền. Với người dùng số liệu, nó làm sai kết luận theo những cách khó thấy.
- Đếm số bản án theo loại tranh chấp, theo toà, theo năm bị phóng đại ở những nhóm có nhiều bản đăng lại.
- Tỷ lệ kết quả xét xử bị lệch nếu bản án thuộc một kết quả nào đó hay bị đăng lại hơn kết quả khác.
- Gộp nhầm sơ thẩm và phúc thẩm làm biến mất các trường hợp bản án bị sửa, bị huỷ, khiến dữ liệu trông "ổn định" hơn thực tế.
- Người dùng sửa thông tin trên một bản, bản trùng còn lại vẫn giữ thông tin cũ, kể cả thông tin cá nhân chưa ẩn đủ.
- Liên kết từ tài liệu nghiên cứu, bài viết trỏ tới bản ghi đã bị gộp và mất, nếu kho không chuyển hướng.
Người làm nghiên cứu dựa trên bản án nên ghi trong phần phương pháp cách đã khử trùng và kiểm gộp nhầm, để người đọc đánh giá được độ tin cậy của con số.
Câu hỏi thường gặp
Bản án sơ thẩm và phúc thẩm của cùng một vụ có phải là trùng không?
Không. Đó là hai văn bản khác nhau của hai cấp xét xử, có thể có kết quả khác nhau. Kho nên giữ riêng và liên kết chúng theo vụ việc, dựa trên thông tin bản án cấp sau nêu về bản án cấp trước.
Chỉ dùng số bản án để tìm trùng có đủ không?
Không đủ. Số bản án được đánh theo từng toà, từng năm nên lặp lại rất nhiều. Cần ghép với năm, mã toà, loại văn bản và ngày tuyên, rồi dùng thêm so sánh nội dung để phát hiện trường hợp khoá bị nhập sai.
Bản án được công bố lại sau khi sửa phần ẩn danh thì giữ bản nào?
Giữ bản mới nhất làm bản hiển thị, vì bản đó thường đã được chỉnh để bảo vệ thông tin cá nhân tốt hơn. Bản cũ không nên tiếp tục hiển thị công khai; nếu cần lưu để đối chiếu nội bộ thì hạn chế quyền truy cập.
Có thể khử trùng hoàn toàn tự động không?
Có thể tự động với trùng hoàn toàn từ cùng một nguồn. Với các trường hợp khác, máy nên chỉ khoanh vùng và để người quyết định, vì các văn bản cùng vụ rất giống nhau về nội dung và dễ bị gộp nhầm.
Toà án đã đổi tên sau 2025 thì ghi tên toà nào cho bản án cũ?
Ghi tên toà như trên bản án tại ngày tuyên. Quan hệ với toà kế thừa được lưu trong bảng danh mục toà án, giúp tra cứu theo toà hiện nay mà không làm sai dữ liệu gốc.
Người nghiên cứu nên báo cáo việc khử trùng thế nào?
Nêu nguồn thu thập, số bản ghi trước và sau khi khử trùng, tiêu chí coi là trùng, cách xử lý các văn bản cùng vụ và cách kiểm gộp nhầm. Thông tin này giúp người đọc đánh giá kết quả và giúp người khác lặp lại nghiên cứu.