NGHIÊN CỨU KHOA HỌC XÃ HỘI:
NGUYÊN TẮC, PHƯƠNG PHÁP VÀ THỰC HÀNH
ANOL BHATTACHERJEE
PHAN VIẾT PHONG
CAO NGỌC ANH
SOCIAL SCIENCE RESEARCH:
PRINCIPLES, METHODS, AND PRACTICES
Anol Bhattacherjee, Ph.D.
University of South Florida
Tampa, Florida, USA
abhatt@usf.edu
Second Edition
Copyright © 2012 by Anol Bhattacherjee
Published under the
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License
D ch từ nguyên b n ti ng Anh:
Social Science Research: Principles, Methods, and Practices, 2nd edition
By Anol Bhattacherjee
First published 2012
ISBN-13: 978-1475146127
ISBN-10: 1475146124
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License:
Users are free to use, copy, share, distribute, display, and reference this book under the
following conditions:
ATTRIBUTION: Whole or partial use of this book should be attributed (referenced
or cited) according to standard academic practices.
NON-COMMERCIAL USE: This book may not be used for commercial purposes.
SHARE ALIKE: Users may, transform, or build upon this book, but must distribute
the resulting work under the same or similar license as this one.
For any reuse or distribution, the license terms of this work must be clearly specified.
Your fair use and other rights are in no way affected by the above.
Copyright © 2012 by Anol Bhattacherjee.
Copyright Vietnamese version 2015 by Phan Viet Phong and Cao Ngoc Anh.
M CL C
L i nói đầu
3
Gi i thi u về nghiên c u
Ch ơng 1
Khoa học và nghiên cứu khoa học
Ch ơng 2
T duy của nhà nghiên cứu
20
Ch ơng 3
Tiến trình nghiên cứu
31
Ch ơng 4
Lý thuyết trong nghiên cứu khoa học
43
7
C sở c a nghiên c u th c nghi m
Ch ơng 5
Thiết kế nghiên cứu
58
Ch ơng 6
Ph ơng thức đánh giá các ph m trù
69
Ch ơng 7
Giá trị và độ tin cậy
86
Ch ơng 8
Chọn mẫu
100
Thu th p d li u
Ch ơng 9
Nghiên cứu kh o sát
112
Ch ơng 10
Nghiên cứu thực nghiệm
127
Ch ơng 11
Nghiên cứu tr
141
Ch ơng 12
Nghiên cứu diễn gi i
ng hợp
156
Phơn tích d li u
Ch ơng 13
Phân tích định tính
169
Ch ơng 14
Phân tích định l ợng: Thống kê mô t
176
Ch ơng 15
Phân tích định l ợng: Thống kê suy diễn
188
Đ o đức nghiên cứu
199
K t lu n
Ch ơng 16
Ph l c
209
1
2
L I NịI Đ U
Cuốn sách này nhằm mục đích giới thiệu cho học viên cao học và nghiên cứu sinh về
cách tiến hành nghiên cứu khoa học trong các ngành khoa học xư hội, kinh doanh, giáo
dục, y tế cộng đồng và các chuyên ngành khác có liên quan. Sách đ ợc biên so n dựa trên
các bài gi ng của cá nhân trong hơn một thập kỷ gi ng d y ph ơng pháp nghiên cứu khoa
học cho các khoá nghiên cứu sinh t i tr
ng Đ i học South Florida. Mục đích của cuốn
sách nhằm h ớng tới độc gi là các nghiên cứu sinh tiến sĩ, học viên cao học, các nhà
nghiên cứu trẻ và các giáo s gi ng d y bộ môn ph ơng pháp nghiên cứu khoa học. Đ ơng
nhiên, những nhà nghiên cứu khác cũng có thể sử dụng tham kh o nh một tài liệu nhỏ
gọn và tiện dụng.
Câu hỏi đầu tiên và quan trọng nhất mà độc gi th
ng quan tâm là liệu có sự khác
biệt nào giữa cuốn sách này với các cuốn sách khác viết về ph ơng pháp nghiên cứu khoa
học đang bán trên thị tr
ng? Xin tr l i rằng có bốn sự khác biệt cơ b n. Thứ nhất, không
giống nh các sách khác, cuốn sách này không chỉ viết về “ph ơng pháp nghiên cứu” (thu
thập và phân tích dữ liệu thực nghiệm), mà còn đề cập toàn bộ “quá trình nghiên cứu” từ
lúc bắt đầu đến khi kết thúc. Ph ơng pháp nghiên cứu chỉ là một giai đo n trong quá trình
nghiên cứu và có lẽ là một trong những công việc đơn gi n và rõ ràng nhất. Hầu hết các
sách hiện có đi sâu giới thiệu, phân tích về các ph ơng pháp nghiên cứu, nh ng l i bỏ sót
các vấn đề phức t p, quan trọng hơn và khó hình dung về cấu trúc, nh lý thuyết hóa và t
duy khoa học của nhà nghiên cứu. Những vấn đề này l i th
ng là điều kiện tiên quyết cho
thành công của các nghiên cứu thực nghiệm. Theo kinh nghiệm cá nhân, hầu hết nghiên
cứu sinh tiến sĩ sử dụng khá thành th o các ph ơng pháp nghiên cứu, nh ng nhiều học
viên còn gặp lúng túng trong việc phát hiện câu hỏi nghiên cứu thú vị, hữu ích hoặc xây
dựng các lý thuyết khoa học. Để khắc phục những khó khăn này, tôi có dành nhiều ch ơng
cho chủ đề đó nh : “T duy của nhà nghiên cứu” và “Lý thuyết trong nghiên cứu khoa
học”. Đây là những kỹ năng cơ b n cho những ng
i mới bắt đầu b ớc vào nghiên cứu
khoa học.
Thứ hai, cuốn sách đ ợc thiết kế một cách ngắn gọn và xúc tích. Khi biên so n, tôi
quyết định chỉ đi vào phân tích những khái niệm cơ b n nhất để cho độc gi tập trung vào
những nội dung thiết yếu mà không đề cập đến những nội dung bên lề, ít liên quan. Hầu
3
hết chuyên đề nghiên cứu tiến sĩ có kế thừa khá nhiều tài liệu tham kh o liên quan và cuốn
sách này sẽ đề cập tất c tài liệu đó bằng cách tóm tắt các khái niệm quan trọng một cách
cô đọng. Nội dung cuốn sách không đ a vào khối l ợng lớn các tài liệu có liên quan nhằm
tránh gây áp lực cho sinh viên.
Thứ ba, độc gi có thể t i miễn phí cuốn sách này trên m ng, không chỉ phiên b n
hiện t i mà các lần chỉnh lý tiếp theo. B n có thể đọc sách này trên các thiết bị điện tử nh
Kindle e-Book, Apple iBook hiện có giá rất ph i chăng. Nhiều ng
i hỏi tôi t i sao l i
cung cấp tài liệu miễn phí trong khi tôi hoàn toàn có thể bán chúng để lấy tiền. Câu tr l i
là tôi muốn giúp sinh viên bớt áp lực về giá c đắt đỏ của nhiều giáo trình và sách tham
kh o, mà còn vì tôi cho rằng, tri thức khoa học không nên bị h n chế b i những rào c n
tiếp cận kiểu nh giá c và việc mua bán. Tiến bộ khoa học chỉ có thể đ t đ ợc nếu nh
sinh viên và các học gi trên toàn thế giới có kh năng tiếp cận thuận lợi nhất tới khoa học
và cuốn sách này là đóng góp nhỏ bé của tôi cho sự nghiệp chung của khoa học. Tuy nhiên,
miễn phí không có nghĩa là “chất l ợng kém hơn”. Một vài thứ quan trọng nhất cho cuộc
sống nh không khí, n ớc và ánh sánh mặt tr i là miễn phí. Rất nhiều nguồn thông tin trên
Google cũng miễn phí - điều ai cũng có thể hình dung rõ rằng là chúng ta đang sống trong
th i đ i Internet không thể thiếu Google. Một vài ch ơng trình phần mềm phức t p nhất
hiện nay nh Linux và Apache cũng miễn phí và cuốn sách này không ph i là ngo i lệ.
Thứ tư, tôi muốn các phiên b n dịch thuật sang các ngôn ngữ khác của cuốn sách
cũng hoàn toàn miễn phí cho các khoá học hiện th i. B i vậy, tôi hứa dịch cuốn sách sang
tiếng Trung, Pháp, Indonesia, Hàn Quốc, Bồ Đào Nha, Tây Ban Nha (hy vọng có thể đ a
vào sử dụng năm 2012). Tôi cũng thật sự mong đợi các nhà nghiên cứu, các giáo s khác
có kh năng dịch cuốn sách này sang tiếng A-rập, Đức và các ngôn ngữ khác khi có nhu
cầu. Nếu b n là dịch gi của cuốn sách này trong t ơng lai, xin hưy l u ý rằng sẽ không có
lợi nhuận tài chính hay bất kỳ tiền nhuận bút nào cho công việc dịch thuật của b n, b i
cuốn sách này ph i đ ợc miễn phí. Tuy vậy, tôi sẽ rất h nh phúc xem b n nh là đồng tác
gi trong b n dịch ngôn ngữ b n địa.
Cuốn sách đ ợc cấu trúc thành 16 ch ơng cho một học kỳ 16 tuần. Các giáo s hoặc
gi ng viên có thể bổ sung, rút ngắn, kéo dài hoặc điều chỉnh sao cho phù hợp với nhu cầu
cụ thể trong ch ơng trình gi ng d y. Chẳng h n, tôi không gi ng Ch ơng 14 và 15 trong
các lớp học của tôi, b i chúng tôi đư nghiên cứu về khoa học thống kê và đề cập nội dung
này kỹ hơn rồi. Thay vào đó, tôi sử dụng 2 tuần này vào nghiên cứu các lý thuyết (Ch ơng
3), trong đó một tuần cho th o luận và nghiên cứu các bài báo khoa học (không có trong
4
sách) và một tuần cho thi cuối kỳ. Tuy nhiên, việc nghiên cứu Ch ơng 14 và 15 là cần thiết
cho các ch ơng trình học không có phần về phân tích thống kê trong nghiên cứu. Một đề
c ơng khoá học tôi sử dụng những bài gi ng về ch ơng trình đào t o tiến sĩ kinh doanh
đ ợc cung cấp
phần phụ lục.
Cuối cùng, tôi có kế ho ch liên tục cập nhật cuốn sách này dựa trên các xu h ớng
đang xuất hiện trong nghiên cứu khoa học. Nếu nh có bất kỳ nội dung mới và cần thiết
nào mà b n muốn đọc trong những lần xuất b n tiếp theo, xin hãy thông tin cho tôi, tôi sẽ
cố gắng hết sức để cập nhật chúng. Tôi thật sự c m kích và đánh giá cao các nhận xét, phê
bình hay sửa chữa cho bất kỳ nội dung nào của cuốn sách.
Anol Bhattacherjee
Email: abhatt@usf.edu
5
6
Ch
ng 1
KHOA H C VẨ NGHIểN C U KHOA H C
Nghiên cứu là gì? Tuỳ thuộc ng
khác nhau cho câu hỏi t
i đ ợc hỏi, b n sẽ nhận đ ợc câu tr l i hết sức
ng chừng rất đơn gi n này. Một số ng
i nói rằng họ th
ng
xuyên nghiên cứu trên các websites trực tuyến để tìm kiếm nơi bán hàng hoá hoặc cung
cấp dịch vụ tốt nhất mà họ mong muốn. Các kênh tin tức trên ti vi cũng tiến hành nhiều
hình thức nghiên cứu ý kiến của khán gi về các chủ đề mà công chúng quan tâm nh cuộc
bầu cử sắp đến hoặc các dự án của chính phủ. Sinh viên đ i học nghiên cứu trên Internet
các thông tin cần thiết để hoàn thành luận văn, đồ án hoặc các bài báo khoa học đến h n
hoàn thành. Sinh viên ra tr
ng đang làm việc trong các dự án của giáo s có thể nghiên
cứu thu thập hoặc phân tích dữ liệu liên quan đến dự án. Các doanh nghiệp và công ty t
vấn nghiên cứu tìm kiếm các gi i pháp để khắc phục những vấn đề về tổ chức nh rào c n
chuỗi cung ứng hoặc nhận diện mô hình mua sắm của khách hàng. Tuy nhiên, các hình
thức nghiên cứu trên không thể đ ợc coi là “nghiên cứu khoa học” trừ khi: (1) nghiên cứu
đó có đóng góp mới cho khoa học, và (2) đ ợc tiến hành bằng ph ơng pháp khoa học.
Ch ơng này sẽ kh o cứu các thuật ngữ trên.
Khoa h c
Khoa học là gì? Đối với một số ng
i, khoa học liên quan đến các khóa học bậc cao
đẳng hoặc đ i học, chẳng h n nh vật lý, hóa học và sinh học - có nghĩa là chỉ dành cho
các học sinh xuất sắc. Đối với những ng
i khác, khoa học là một nghề do các nhà khoa
học khoác áo trắng thực hiện bằng cách sử dụng thiết bị chuyên ngành trong các phòng thí
nghiệm. Theo từ nguyên, "khoa học" có nguồn gốc từ chữ Latin scientia có nghĩa là tri
thức. Khoa học là hệ thống tri thức đ ợc tổ chức theo các lĩnh vực và đòi hỏi sử dụng
"ph ơng pháp khoa học" (ph ơng pháp khoa học đ ợc trình bày d ới đây). Khoa học có
thể đ ợc phân thành hai nhóm lớn: khoa học tự nhiên và khoa học xư hội.
Khoa h c t nhiên là khoa học nghiên cứu các đối t ợng hoặc hiện t ợng tự nhiên,
chẳng h n nh ánh sáng, vật chất, trái đất, các thiên thể hoặc cơ thể con ng
i. Khoa học
tự nhiên l i có thể đ ợc phân lo i tiếp thành các khoa học vật chất, khoa học trái đất, khoa
học sự sống và các khoa học khác. Khoa học vật chất bao gồm các bộ môn khoa học nh
7
vật lý (khoa học của các đối t ợng vật lý), hóa học (khoa học vật chất) và thiên văn học
(khoa học của các đối t ợng thiên thể). Khoa học trái đất bao gồm các bộ môn khoa học
nh địa chất học (khoa học của trái đất). Khoa học sự sống bao gồm các bộ môn nh sinh
học (khoa học của cơ thể con ng
i) và thực vật học (khoa học của thực vật).
Khoa h c xƣ h i là khoa học nghiên cứu con ng
i hoặc cộng đồng ng
i chẳng
h n nh các nhóm xư hội, doanh nghiệp, hiệp hội hoặc kinh tế và hành vi cá nhân, tập thể.
Khoa học xư hội có thể đ ợc phân lo i thành các bộ môn khoa học nh tâm lý học (khoa
học về hành vi con ng
i), xư hội học (khoa học về các nhóm xư hội) và kinh tế học (khoa
học của các doanh nghiệp, thị tr
ng và kinh tế).
Khoa học tự nhiên và khoa học xư hội có sự khác biệt trên một vài ph ơng diện.
Khoa học tự nhiên đòi hỏi sự chính xác nghiêm ngặt, rõ ràng và không phụ thuộc vào
ng
i tiến hành các nghiên cứu khoa học. Ví dụ nh trong vật lý học, thí nghiệm đo tốc độ
lan truyền âm thanh qua một môi tr
ng truyền dẫn hoặc đo chỉ số khúc x của n ớc, thì
kết qu thí nghiệm thu đ ợc luôn giống nhau, không phân biệt th i gian hoặc địa điểm thí
nghiệm hoặc ng
i tiến hành thí nghiệm. Nếu hai sinh viên cùng làm một thí nghiệm vật lý
mà nhận đ ợc hai giá trị có đặc tính vật lý khác nhau, thì có nghĩa là một hoặc c hai sinh
viên đó mắc lỗi. Tuy nhiên, đối với khoa học xư hội thì không thể kết luận nh vậy, b i lẽ
khoa học xư hội yêu cầu ít hơn về sự chính xác, cụ thể và rõ ràng. Ví dụ, nếu b n đo l
mức độ h nh phúc của một ng
rằng ng
đôi khi
i bằng cách sử dụng công cụ gi thuyết, b n có thể nhận ra
i đó c m thấy h nh phúc hay bất h nh, buồn chán
i tùy thuộc
i đó nhận đ ợc trong ngày hoặc các sự kiện diễn ra hôm tr ớc. Hơn
nữa, không có một công cụ hoặc chỉ số nào có thể đo l
ng
những ngày khác nhau và
những th i điểm khác nhau trong cùng ngày. H nh phúc của một ng
vào thông tin ng
ng
ng chính xác h nh phúc của một
i. Vì thế trong cùng th i điểm, một công cụ này có thể xác định ng
i này là “h nh
phúc hơn” thì một công cụ đo thứ hai có thể cho ra kết qu ng ợc l i rằng ng
i đó “kém
h nh phúc”.
Nói cách khác, tồn t i mức độ khác biệt lớn về đo l
ng trong khoa học xư hội cũng
nh sự thiếu tin cậy và ít sự đồng thuận về các kết luận trong khoa học xư hội. Trong khi
b n sẽ không tìm thấy sự bất đồng giữa các nhà khoa học tự nhiên về tốc độ của ánh sáng
hay tốc độ của trái đất quay xung quanh mặt tr i, nh ng b n sẽ nhận thấy sự khác biệt rất
lớn giữa các nhà khoa học xư hội về cách gi i quyết một vấn đề xư hội, nh ngăn ngừa
khủng bố quốc tế, vực dậy nền kinh tế khỏi sự suy thoái. Bất kỳ sinh viên nghiên cứu khoa
8
học xư hội cũng ph i nhận thức đầy đủ về sự lý gi i còn mơ hồ, thiếu chắc chắn lẫn sai sót
trong khoa học, ph n ánh sự biến thiên cao của các khách thể nghiên cứu xư hội.
Khoa học cũng có thể đ ợc phân lo i dựa trên mục đích nghiên cứu. Khoa h c c
b n (basic sciences) còn gọi là khoa học thuần tuý, là khoa học gi i thích b n chất sự vật,
các mối quan hệ t ơng tác và quy luật phổ biến của sự vật. Ví dụ nh vật lý học, toán học
và sinh học. Khoa h c ng d ng (applied sciences) còn đ ợc gọi là khoa học thực hành,
là khoa học áp dụng tri thức từ khoa học cơ b n vào thực tế. Ví dụ, kỹ thuật là một khoa
học ứng dụng các định luật vật lý và hóa học vào thực tiễn nh xây dựng các cây cầu chịu
đ ợc t i trọng lớn hơn hoặc chế t o động cơ sử dụng nhiên liệu hiệu qu hơn; hoặc nh y
học là một khoa học ứng dụng các quy luật sinh học để chữa bệnh. C khoa học cơ b n và
khoa học ứng dụng đều là cần thiết cho sự phát triển của nhân lo i. Tuy nhiên, khoa học
ứng dụng không thể đứng riêng rẽ mà ph i dựa vào khoa học cơ b n trong mỗi b ớc phát
triển. Tất nhiên, các tập đoàn công nghiệp và doanh nghiệp t nhân th
học ứng dụng nhằm mang l i giá trị thực tế cho họ, trong khi đó, các tr
ng thiên về khoa
ng đ i học coi
trọng c khoa học cơ b n và khoa học ứng dụng.
Tri th c khoa h c
Mục đích của khoa học là t o ra tri thức khoa học. Tri th c khoa h c (scientific
knowledge) là tổng hợp các tri thức về các quy luật, lý thuyết gi i thích hiện t ợng hoặc
tr ng thái sự vật bằng cách sử dụng ph ơng pháp khoa học. Quy luật hay định luật (laws)
tr ng thái tồn t i của các hiện t ợng hoặc hành vi; còn lý thuyết (theories) là gi i thích một
cách hệ thống cơ chế tồn t i của các hiện t ợng hay hành vi đó. Ví dụ trong vật lý, định
luật Newton về chuyển động mô t điều x y ra khi một vật trong tr ng thái đứng yên hoặc
chuyển động (Định luật thứ nhất của Newton), cần có lực tác động nào để t o ra chuyển
động cho vật đang đứng yên hoặc làm cho vật đang chuyển động sang tr ng thái đứng yên
(Định luật thứ hai của Newton), mô t và gi i thích điều x y ra khi hai vật va ch m với
nhau (Định luật thứ ba của Newton). Ba định luật này t o thành nền t ng cho cơ học cổ
điển - lý thuyết về sự chuyển động của vật. T ơng tự, lý thuyết quang học gi i thích tính
chất của ánh sáng và sự lan truyền ánh sáng trong các môi tr
ng khác nhau; lý thuyết điện
từ cắt nghĩa tính chất của điện và nguyên lý t o ra điện; cơ học l ợng tử gi i thích các
thuộc tính của h t trong nguyên tử; nhiệt động học gi i thích đặc tính của năng l ợng và
vận hành cơ khí. Các khóa học vật lý bậc đ i học th
từng lý thuyết trên.
9
ng có các ch ơng dành riêng cho
Các lý thuyết trong các khoa học xư hội cũng t ơng tự nh vậy. Chẳng h n, lý thuyết
thiên lệch nhận thức (cognitive dissonance theory) trong tâm lý học gi i thích sự ph n ứng
khác nhau của con ng
i khi quan sát một sự kiện; lý thuyết răn đe tổng hợp (general
deterrence theory) gi i thích lý do một số ng
i tham gia vào các hành vi lệch chuẩn hoặc
ph m tội nh hành vi t i nh c bất hợp pháp hoặc vi ph m b n quyền phần mềm; lý thuyết
hành vi ho ch định (theory of planned behavior) gi i thích cách thức con ng
i lập luận để
đ a ra các lựa chọn có ý thức trong cuộc sống hàng ngày của họ.
Mục đích của nghiên cứu khoa học là khám phá, phát hiện các quy luật, định luật và
thiết lập các lý thuyết tiên kh i để gi i thích hiện t ợng tự nhiên hoặc xã hội, hay nói cách
khác là t o ra tri thức khoa học. Điều quan trọng cần hiểu rằng tri thức này có thể ch a
hoàn thiện hoặc thậm chí còn khác xa sự thật. Đôi khi không có một chân lý phổ biến mà là
tr ng thái có “nhiều sự thật”. Cần hiểu rằng các lý thuyết dựa trên cơ s tri thức khoa học
chỉ là sự gi i thích một hiện t ợng cụ thể do một nhà khoa học đ a ra. Nh vậy, lý thuyết
gi i thích đầy đủ hay sơ l ợc tuỳ thuộc vào mức độ những gi i thích đó phù hợp với thực
tế đến đâu và do đó lý thuyết là hoàn thiện hay ch a hoàn thiện. Sự tiến bộ của khoa học
đánh dấu bằng sự tiến triển trong quá trình hoàn thiện lý thuyết thông qua những tiến bộ
trong quan sát nh sử dụng ph ơng tiện chính xác hơn và suy luận logic hợp lý hơn.
Việc tìm ra quy luật hoặc lý thuyết khoa học ph i thông qua quá trình suy luận logic
và luận cứ. Suy luận logic (lý thuyết) và luận cứ (quan sát) là hai trụ cột t o ra tri thức khoa
học. Trong khoa học, lý thuyết và quan sát có quan hệ t ơng hỗ và phụ thuộc lẫn nhau. Lý
thuyết cung cấp ý nghĩa và tầm quan trọng của những cái quan sát; còn quan sát giúp kiểm
chứng hoặc chỉnh lý các lý thuyết đang tồn t i hoặc xây dựng lý thuyết mới. Bất kỳ cách
thức khác thu thập tri thức, chẳng h n nh bằng đức tin hoặc quyền uy đều không thể đ ợc
coi là khoa học.
Nghiên c u khoa h c
Khẳng định lý thuyết và quan sát là hai trụ cột của khoa học thì nghiên cứu khoa học
đ ợc thực hiện
hai cấp độ: lý thuyết và
nghiệm. Cấp độ lý thuyết liên quan đến phát
triển các khái niệm trừu t ợng về hiện t ợng tự nhiên hoặc xư hội và mối liên hệ giữa các
khái niệm này (tức là xây dựng “lý thuyết”). Trong khi cấp độ
nghiệm l i liên quan
đến việc kiểm nghiệm mức độ phù hợp với thực tiễn của các khái niệm lý thuyết và mối
liên hệ giữa các khái niệm để xem xét chúng ph n ánh mức độ quan sát thực tế nhằm đ t
mục tiêu cuối cùng là t o ra những lý thuyết hoàn chỉnh hơn. Theo th i gian, lý thuyết
10
ngày càng hoàn thiện hơn (tức là phù hợp hơn với thực tế đ ợc quan sát) và khoa học tiếp
tục phát triển. Nghiên cứu khoa học liên quan đến việc hoán chuyển qua l i liên tục giữa lý
thuyết và quan sát thực nghiệm. C lý thuyết và quan sát là hai thành phần thiết yếu của
nghiên cứu khoa học. Vì thế, chỉ dựa trên những quan sát để suy luận mà bỏ qua lý thuyết
thì không đ ợc coi là nghiên cứu khoa học đúng nghĩa.
Tùy thuộc chuyên môn đào t o và s thích của ng
i nghiên cứu, nghiên cứu khoa
học có thể thực hiện bằng một trong hai hình thức: quy n p hoặc diễn dịch. Trong nghiên
cứu quy n p (inductive research), mục tiêu của ng
i nghiên cứu là đ a ra các khái niệm
và cấu trúc lý thuyết từ các dữ liệu quan sát. Còn trong nghiên cứu diễn dịch (deductive
research), mục tiêu của ng
i nghiên cứu là để kiểm tra các khái niệm và các mô hình lý
thuyết bằng cách sử dụng các dữ liệu
nghiệm mới. Vì thế, nghiên cứu quy n p cũng
đ ợc coi là nghiên cứu xây dựng lý thuyết (theory-building) và nghiên cứu diễn dịch là
nghiên cứu kiểm nghiệm lý thuyết (theory-testing).
đây cần l u ý rằng mục tiêu của kiểm
nghiệm lý thuyết không ph i là chỉ để kiểm nghiệm một lý thuyết, mà có thể là để chỉnh lý,
nâng cao và m rộng lý thuyết. Hình 1.1 mô t sự bổ sung của nghiên cứu quy n p và diễn
dịch. L u ý rằng nghiên cứu quy n p và diễn dịch là hai nửa của chu trình nghiên cứu liên
tục lặp l i giữa lý thuyết và quan sát. B n không thể tiến hành nghiên cứu quy n p hoặc
diễn dịch nếu b n không quen với c hai thành phần lý thuyết và dữ liệu của nghiên cứu.
Đ ơng nhiên, một ng
i nghiên cứu có kinh nghiệm có thể nghiên cứu toàn bộ theo chu
trình và có thể tiến hành đồng th i c hai nghiên cứu quy n p và diễn dịch.
Cần chú ý rằng c nghiên cứu xây dựng lý thuyết (nghiên cứu quy n p) và nghiên
cứu kiểm nghiệm lý thuyết (nghiên cứu diễn dịch) đều quan trọng đối với sự tiến bộ của
khoa học. Lý thuyết không có giá trị nếu không phù hợp với thực tế. T ơng tự nh vậy,
hàng núi dữ liệu cũng tr nên vô dụng cho đến khi chúng có đóng góp cho việc xây dựng
một lý thuyết có ý nghĩa. Thay vì xem xét hai quá trình trong mối quan hệ vòng tròn nh
thể hiện trong Hình 1.1, có lẽ tốt hơn là cần xem chúng theo hình xoắn trôn ốc, theo đó mỗi
chu kỳ t ơng tác giữa lý thuyết và dữ liệu quan sát sẽ góp phần diễn gi i rõ hơn các hiện
t ợng và hoàn chỉnh lý thuyết. Mặc dù c hai nghiên cứu quy n p và diễn dịch đều rất quan
trọng đối với sự tiến bộ của khoa học, nh ng d
ng nh nghiên cứu quy n p (xây dựng lý
thuyết) có giá trị hơn trong nghiên cứu xây dựng lý thuyết tiên kh i (prior theories) hoặc
nghiên cứu gi i thích; trong khi nghiên cứu diễn dịch (kiểm nghiệm lý thuyết) sẽ phát huy
hiệu qu hơn khi đư có nhiều lý thuyết về cùng một hiện t ợng và nhà nghiên cứu muốn
11
tìm hiểu xem lý thuyết nào trong số này phù hợp nhất trong một môi tr
ng, hoàn c nh
nhất định.
Hình 1.1. Chu trình nghiên cứu
Xây dựng lý thuyết và kiểm nghiệm lý thuyết là nhiệm vụ đặc biệt khó khăn trong
các ngành khoa học xư hội, b i vì tính chất trừu t ợng của các khái niệm lý thuyết, sự h n
chế của các công cụ để đo l
muốn nh h
ng và kh năng hiện diện của nhiều yếu tố không mong
ng đến các hiện t ợng nghiên cứu. Việc bác bỏ các lý thuyết không phù hợp
cũng cũng rất khó khăn. Ví dụ, học thuyết của Karl Marx coi chủ nghĩa cộng s n là một
ph ơng tiện đ m b o tính hiệu qu cho sự phát triển kinh tế đư đứng vững trong nhiều thập
kỷ tr ớc khi nó mất uy tín do thua kém chủ nghĩa t b n trong việc thúc đẩy tăng tr
ng
kinh tế và phúc lợi xư hội. Nền kinh tế cộng s n tr ớc đây nh Liên Xô và Trung Quốc
cuối cùng đư chuyển đổi sang nền kinh tế t b n với đặc tr ng là tối đa hóa lợi nhuận của
doanh nghiệp t nhân. Tuy nhiên, sự sụp đổ của việc cho vay thế chấp và lĩnh vực tài chính
t i Hoa Kỳ gần đây chứng tỏ chủ nghĩa t b n mà cũng có khuyết tật và không còn hiệu
qu trong việc thúc đẩy tăng tr
ng kinh tế và phúc lợi xư hội nh đ ợc kỳ vọng tr ớc đó.
Không giống nh trong khoa học tự nhiên, các lý thuyết khoa học xư hội rất hiếm khi hoàn
h o. Điều đó t o cho các nhà nghiên cứu cơ hội phát triển những lý thuyết hiện có hoặc
xây dựng các lý thuyết thay thế.
Thực hiện nghiên cứu khoa học đòi hỏi hai nhóm kỹ năng - lý thuyết và
ph ơng pháp luận - để tiến hành nghiên cứu
cấp độ lý thuyết và cấp độ
nghiệm
t ơng ứng. Kỹ năng ph ơng pháp luận (know-how - biết bằng cách nào) là t ơng đối
chuẩn mực, bất biến trong tất c các bộ môn khoa học và dễ đ t đ ợc thông qua các
ch ơng trình đào t o tiến sĩ. Còn kỹ năng lý thuyết (know-what - biết đ ợc cái gì) thì khó
khăn hơn, đòi hỏi ph i có nhiều năm quan sát, suy t và là kỹ năng ẩn mà không thể “d y”
12
đ ợc mà do tích luỹ qua kinh nghiệm. Tất c các nhà khoa học vĩ đ i nhất trong lịch sử
nhân lo i, nh Galileo, Newton, Einstein, Neils Bohr, Adam Smith, Charles Darwin và
Herbert Simon, là các nhà lý thuyết bậc thầy đư xây dựng các định đề dẫn đến thay đổi
chiều h ớng của khoa học. Kỹ năng ph ơng pháp luận là cái cần thiết để tr thành một nhà
nghiên cứu thông th
ng, còn kỹ năng lý thuyết là cái cần thiết để tr thành nhà nghiên
cứu bậc cao.
Ph
ng pháp khoa h c
Trong phần tr ớc, chúng ta đư coi khoa học là tri thức thu thập đ ợc thông qua
ph ơng pháp khoa học. Vậy “ph ơng pháp khoa học” hiểu một cách chính xác là gì?
Ph ơng pháp khoa học (scientific method) là một tập hợp các kỹ thuật đ ợc chuẩn hóa
dùng để t o ra tri thức khoa học, chẳng h n nh cách quan sát, cách gi i thích và cách khái
quát kết qu đư thu nhận đ ợc. Ph ơng pháp khoa học cho phép các nhà nghiên cứu kiểm
chứng độc lập, khách quan các lý thuyết, các phát hiện tr ớc đó và m ra chủ đề tranh
luận, sửa đổi hoặc c i tiến lý thuyết hoặc phát hiện tr ớc. Ph ơng pháp khoa học ph i đáp
ứng bốn đặc điểm sau:
Tính lặp l i (Replicability): Những ng
i khác sẽ có thể độc lập thực hiện l i các
nghiên cứu khoa học với cùng ph ơng pháp và đ t đ ợc kết qu giống nhau hoặc t ơng tự.
Tính chính xác (Precision): Th
ng rất khó đo l
ph i đ ợc định nghĩa chính xác để những ng
để đo l
ng, song các khái niệm lý thuyết
i khác có thể sử dụng những định nghĩa đó
ng khái niệm và kiểm nghiệm lý thuyết.
Tính ph n nghiệm (Falsifiability): Một lý thuyết ph i đ ợc trình bày theo cách mà
nó có thể bị bác bỏ. Lý thuyết mà không thể kiểm nghiệm đ ợc hoặc không thể bị bác bỏ
thì không ph i là lý thuyết khoa học; bất kỳ tri thức nào t o ra nh vậy đều không ph i là
tri thức khoa học. Một lý thuyết xây dựng trên các thuật ngữ mơ hồ hoặc các khái niệm
không chính xác, không kiểm nghiệm đ ợc thì không ph i là lý thuyết khoa học. Ý t
ng
của Sigmund Freud về phân tâm học thuộc lo i này và do đó không đ ợc coi là một “lý
thuyết”, mặc dù phân tâm học có giá trị thực tiễn trong điều trị một số lo i bệnh.
Tính tối gi n (Parsimony): Khi có nhiều gi i thích về một hiện t ợng, các nhà khoa
học chỉ luôn chấp nhận l i gi i thích đơn gi n nhất hoặc logic hợp lý nhất. Khái niệm này
là gọi là tính tối gi n hoặc “nguyên lý dao c o Ockham” (nguyên lý Ockham‟s razor). Tiêu
chuẩn tối gi n giúp h n chế việc các nhà khoa học theo đuổi các lý thuyết quá phức t p
13
hoặc kỳ dị với số l ợng vô tận của các khái niệm và mối quan hệ chỉ để gi i thích một khía
c nh nhỏ của những vấn đề không có gì đặc biệt.
Ngành học nào không chấp nhận sử dụng ph ơng pháp khoa học để kiểm nghiệm các
quy luật hoặc các lý thuyết cơ b n đều không thể đ ợc gọi là "khoa học". Chẳng h n, thần
học (nghiên cứu của tôn giáo) không ph i là khoa học, b i lẽ những ý niệm thần học (sự
hiện diện của Chúa Tr i) không thể kiểm chứng bằng các nhà quan sát độc lập, không tho
mãn tính lặp l i, tính chính xác, tính ph n nghiệm và tối gi n. T ơng tự nh vậy, nghệ
thuật, âm nh c, văn học, nhân văn và pháp luật cũng không đ ợc coi là khoa học, mặc dù
cũng mang tính sáng t o và cố gắng t o ra giá trị trong từng lĩnh vực.
Khi áp dụng vào khoa học xư hội, ph ơng pháp khoa học chứa đựng một lo t chủ đề
nh h ớng tiếp cận vấn đề nghiên cứu, các công cụ và kỹ thuật thu thập dữ liệu định tính
và định l ợng, phân tích thống kê, thực nghiệm, kh o sát thực địa, nghiên cứu tr
và v.v... Phần lớn nội dung trong cuốn sách này trình bày về các chủ đề này
ng hợp,
cấp độ
nghiệm, ví dụ nh làm thế nào để quan sát, phân tích và gi i thích những dữ liệu thực
nghiệm. Chỉ một phần nhỏ trong số các chủ đề này liên quan trực tiếp đến cấp độ lý thuyết,
là cấp độ phức t p hơn rất nhiều trong nghiên cứu khoa học.
Các lo i nghiên c u khoa h c
Tùy thuộc vào mục đích nghiên cứu, các công trình nghiên cứu khoa học có thể đ ợc
phân thành ba lo i: nghiên cứu thăm dò, mô t và gi i thích.
Nghiên c u thăm dò (exploratory research) th
ng đ ợc tiến hành trong các lĩnh
vực mới với mục tiêu nghiên cứu là: (1) xác định ph m vi hoặc mức độ của một hiện
t ợng, một vấn đề hoặc tr ng thái nào đó, (2) để hình thành một ý t
ng ban đầu (hoặc
“linh c m”) về hiện t ợng, hoặc (3) để kiểm tra tính kh thi của việc thực hiện một nghiên
cứu quy mô lớn hơn về hiện t ợng đó. Ví dụ, nếu công dân của một quốc gia nói chung
không hài lòng với chính sách của chính phủ trong gi i quyết tình tr ng suy thoái kinh tế,
thì nghiên cứu thăm dò có thể đ ợc sử dụng để đo l
ng mức độ không hài lòng của công
dân, đánh giá biểu hiện sự không hài lòng đó, chẳng h n nh tần suất các cuộc biểu tình
công cộng; nguyên nhân không hài lòng chẳng h n nh do chính sách không hiệu qu của
chính phủ trong đối phó với l m phát, lưi suất, thất nghiệp hoặc do thuế má tăng cao.
Nghiên cứu thăm dò có thể đ ợc tiến hành bằng cách phân tích các số liệu báo cáo công
khai của các tổ chức thống kê kinh tế, nh các chỉ số kinh tế, tổng s n phẩm quốc nội
(GDP), chỉ số thất nghiệp, chỉ số giá tiêu dùng; phân tích ý kiến của các chuyên gia, các
14
nhà kinh tế hàng đầu, các quan chức chính phủ hoặc phân tích số liệu có đ ợc từ các
nghiên cứu về những vấn đề t ơng tự trong lịch sử. Nghiên cứu thăm dò có thể không đ a
đến sự hiểu biết chính xác về vấn đề nghiên cứu, nh ng có giá trị trong việc xác định tính
chất và mức độ của vấn đề và t o tiền đề cho nghiên cứu chuyên sâu hơn.
Nghiên c u mô t (Descriptive research) là tiến hành quan sát kỹ l ỡng và đ a ra tài
liệu chi tiết về một hiện t ợng quan tâm. Những quan sát này ph i đ ợc thực hiện theo
ph ơng pháp khoa học (tức là ph i có tính lặp l i, tính chính xác,…) và do đó đáng tin cậy
hơn những quan sát thông th
ng. Ví dụ về các nghiên cứu mô t là b ng số liệu thống kê
nhân khẩu học của Cục Điều tra Dân số hoặc b ng thống kê việc làm của Bộ Lao động
Hoa Kỳ.
đây, ng
i ta sử dụng cùng công cụ hoặc công cụ t ơng tự để tính toán mức độ
gia tăng dân số của các nhóm nhân khẩu khác nhau hoặc tính toán tỉ lệ việc làm theo từng
lĩnh vực thông qua các cuộc tổng điều tra dân số hoặc nhiều cuộc kh o sát về lao động,
việc làm khác nhau. Nếu thay đổi công cụ đo l
ng, kết qu thu đ ợc có thể sẽ chỉ ra hoặc
không chỉ ra đ ợc sự thay đổi khi so sánh giữa th i điểm tr ớc và sau về xu h ớng diễn
biến về dân số hoặc việc làm t i Hoa Kỳ. Một ví dụ khác, nghiên cứu mô t là các báo cáo
xư hội học định kỳ về các ho t động theo nhóm của trẻ vị thành niên
khu vực đô thị; về
sự duy trì và phát triển các ho t động tôn giáo, văn hóa trong các cộng đồng dân tộc nào
đó; về vai trò của công nghệ nh m ng xư hội Twitter và tin nhắn m ng đối với sự lan
truyền các phong trào dân chủ t i các quốc gia Trung Đông.
Nghiên c u gi i thích (Explanatory research) tìm cách gi i thích các hiện t ợng, các
vấn đề n y sinh hoặc tr ng thái của sự vật. Trong khi nghiên cứu mô t xem xét khía c nh
cái gì,
đâu và khi nào của một hiện t ợng thì nghiên cứu gi i thích tìm kiếm các câu tr
l i cho câu hỏi t i sao và làm thế nào. Nó cố gắng để "kết nối các điểm” trong nghiên cứu
bằng cách xác định các yếu tố nguyên nhân và kết qu của hiện t ợng. Ví dụ nh tìm ra
nguyên nhân của tội ph m vị thành niên hoặc nguyên nhân của vấn đề b o lực của các
băng đ ng, làm cơ s xây dựng các chiến l ợc gi i quyết những ung nhọt xư hội này. Hầu
hết các nghiên cứu hàn lâm hoặc nghiên cứu tiến sĩ thuộc thể lo i gi i thích, mặc dù số
l ợng nghiên cứu thăm dò hoặc mô t cũng có thể cần thiết trong giai đo n đầu của nghiên
cứu hàn lâm.
Tìm l i gi i thích cho các sự kiện đ ợc quan sát đòi hỏi ph i có kỹ năng lý thuyết và
gi i thích cùng với kh năng trực giác, sự hiểu biết và kinh nghiệm cá nhân. Những ng
i
nghiên cứu có đủ các phẩm chất này là các nhà khoa học có uy tín cao trong chuyên ngành
của họ.
15
L ch sử t t ởng khoa h c
Tr ớc khi kết thúc ch ơng này, cần l ợc l i lịch sử phát triển của khoa học qua các
th i kỳ và nhận biết những nhà khoa học lỗi l c trong tiến trình này. Điều này mang l i khá
nhiều thú vị. Mặc dù dữ liệu về tiến bộ khoa học đ ợc ghi nhận trong suốt nhiều thế kỷ,
nh ng thuật ngữ “khoa học”, “nhà khoa học” và “ph ơng pháp khoa học” mới chỉ đ ợc
đ a ra trong thế kỷ XIX. Tr ớc th i kỳ này, khoa học đ ợc xem nh là một phần của triết
học, tồn t i cùng với các ngành khác của triết học nh logic học, siêu hình học, đ o đức
học và mỹ học, cho dù ranh giới giữa các ngành này còn m nh t.
Trong th i kỳ bình minh của loài ng
i, tri thức th
ng đ ợc biết đến d ới d ng
thuật ngữ giáo huấn thần học dựa trên đức tin. Trong suốt thế kỷ thứ III tr ớc Công
nguyên, các nhà triết học Hy L p nh Plato, Aristotle, Socrates đư phủ nhận điều đó khi
các ông cho rằng b n chất cơ b n của hiện hữu và thế giới có thể đ ợc hiểu chính xác hơn
thông qua quá trình suy luận logic có hệ thống, đ ợc gọi là ch
nghĩa duy lỦ
(Rationalism). Đặc biệt, công trình nghiên cứu Siêu hình học cổ điển (theo nghĩa đen có
nghĩa là "v ợt qua [tồn t i] vật lý") của Aristotle (322-384 tr.CN) phân tách thần học
(nghiên cứu các vị thần) khỏi b n thể học (nghiên cứu b n thể và tồn t i) và khoa học phổ
quát (các nghiên cứu nguyên tắc sơ kh i làm nền t ng của logic). Chủ nghĩa duy lý (không
đ ợc nhầm lẫn với sự “hợp lý”) xem lý tính là nguồn gốc của tri thức hoặc biện gi i và cho
rằng tiêu chuẩn của chân lý (truth) không ph i là c m giác mà là lý trí và suy luận diễn
dịch - th
ng bắt nguồn từ một tập hợp các nguyên tắc đầu tiên hoặc tiên đề (chẳng h n
nh “Định luật không mâu thuẫn” của Aristotle).
Sự thay đổi quan trọng tiếp theo trong t t
XVI, khi nhà triết học ng
ng khoa học diễn ra trong suốt thế kỷ
i Anh Francis Bacon (1561-1626) đề xuất rằng tri thức chỉ có
thể hình thành từ những quan sát trong thế giới thực. Dựa trên tiền đề này, Bacon nhấn
m nh tri thức chỉ có đ ợc thông qua ho t động thực nghiệm (mà không ph i là ho t động
t biện) và phát triển ch nghĩa th c nghi m (empiricism) thành một nhánh triết học lớn.
Các tác phẩm của Bacon dẫn đến (1) sự phổ biến của phương pháp quy nạp trong nghiên
cứu khoa học, (2) sự phát triển của “ph ơng pháp khoa học” (ban đầu gọi là “ph ơng pháp
Bacon”) bao gồm các quan sát có hệ thống, đo l
ng, thí nghiệm và (3) gieo mầm cho chủ
nghĩa vô thần (từ chối các giáo huấn thần học b i chúng “không thể quan sát đ ợc”).
Chủ nghĩa thực nghiệm tiếp tục xung đột với chủ nghĩa duy lý trong suốt th i Trung
cổ trong quá trình các nhà triết học tìm cách hữu hiệu nhất để có đ ợc tri thức khoa học có
16
giá trị. Triết gia Pháp Rene Descartes đứng về phía các nhà duy lý, trong khi các nhà triết
học ng
i Anh John Locke và David Hume đứng về phía các nhà thực nghiệm chủ nghĩa.
Các nhà khoa học khác nh Galileo Galilei và Issac Newton đư cố gắng kết hợp hai tr
ng
phái này thành triết học học tự nhiên – natural philosophy (triết lý về thế giới tự nhiên), tập
trung đặc biệt vào nhiệm vụ tìm hiểu thế giới tự nhiên và vũ trụ - đây đ ợc coi là tiền thân
của khoa học tự nhiên. Có lẽ Galileo (1564-1642) là ng
luật của tự nhiên là toán học và là ng
i đầu tiên nêu rõ rằng các quy
i đư đóng góp vào lĩnh vực thiên văn học thông qua
một sự kết hợp sáng t o giữa các thí nghiệm và toán học.
Vào thế kỷ XVIII, triết gia Đức Immanuel Kant tìm cách gi i quyết tranh chấp giữa
chủ nghĩa thực nghiệm và chủ nghĩa duy lý. Trong cuốn sách Phê phán lý tính thuần túy,
ông lập luận rằng kinh nghiệm là hoàn toàn chủ quan và việc xử lý chúng bằng cách sử
dụng lý trí thuần túy mà không
t
ng lý thuyết. Ý t
sâu b n chất chủ quan của kinh nghiệm sẽ dẫn o
ng của Kant đư dẫn đến sự phát triển của ch nghĩa duy tơm Đ c
(German idealism), truyền c m hứng phát triển các ph ơng pháp nghiên cứu diễn gi i nh
hiện t ợng học, thông diễn học (chú gi i văn b n cổ) và lý thuyết xư hội phê phán.
Cũng vào kho ng th i gian đó, nhà triết học Pháp Auguste Comte (1798-1857),
ng
i sáng lập ngành xư hội học, đư cố gắng dung hợp chủ nghĩa duy lý và chủ nghĩa thực
nghiệm trong một học thuyết mới gọi là ch nghĩa th c ch ng (positivism). Ông đề xuất
quan điểm rằng lý thuyết và quan sát phụ thuộc nhau theo chu trình hình tròn. Lý thuyết
đ ợc t o ra qua quá trình suy luận lý tính, nh ng chúng chỉ đ ợc xem là xác thực nếu đ ợc
kiểm nghiệm thông qua quan sát
. Sự nhấn m nh sự cần
nghiệm lý thuyết qua thực tiễn đư đ a đến sự tách khoa học hiện đ i ra khỏi triết học và
siêu hình học, phát triển các “ph ơng pháp khoa học” nh là ph ơng tiện chủ yếu để kiểm
chứng các luận điểm khoa học. Ý t
ng của Comte đ ợc Emile Durkheim phát triển thành
chủ nghĩa thực chứng trong nghiên cứu xư hội học (thực chứng nh là nền t ng của nghiên
cứu xư hội) và Ludwig Wittgenstein phát triển thành chủ nghĩa thực chứng logic (logical
positivism).
Vào đầu thế kỷ XX, các luận điểm cơ b n của chủ nghĩa thực chứng bị các nhà xư
hội học diễn gi i (các nhà xư hội học ph n thực chứng - antipositivists) thuộc tr
chủ nghĩa duy tâm Đức ph n đối. Chủ nghĩa thực chứng th
ng phái
ng bị đánh đồng với các
ph ơng pháp nghiên cứu định l ợng nh thí nghiệm và kh o sát mà không có bất kỳ ràng
buộc triết lý rõ ràng nào. Trong khi đó, ch nghĩa ph n th c ch ng (antiposotivism) sử
dụng các ph ơng pháp định tính nh các cuộc phỏng vấn phi cấu trúc và quan sát tham dự.
AB., PVP., CNA.
17
Ngay c những ng
Lazarsfield - ng
i theo chủ nghĩa thực chứng, chẳng h n nhà xư hội học ng
i Mỹ Paul
i đi tiên phong trong nghiên cứu kh o sát quy mô lớn và sử dụng kỹ
thuật thống kê để phân tích dữ liệu điều tra, cũng thừa nhận
, các nhà nghiên cứu theo chủ nghĩa ph n thực
.
chứng nhấn m nh các
cá nhân ph i đ ợc nghiên cứu
dựa trên sự hiểu đ ợc biết
ý nghĩa và mục đích cá nhân chi phối hành vi của họ. Quan
diễn gi i,
điểm này truyền c m hứng cho công trình nghiên cứu của Georg Simmel về thuyết t ơng
tác biểu t ợng (symbolic interactionism), công trình nghiên cứu của Max Weber về các
lo i hình t t
ng (ideal types) và công trình nghiên cứu của Edmund Husserl về hiện
t ợng luận (phenomenology).
Đến giữa và cuối thế kỷ XX, c hai tr
ng phái thực chứng và ph n thực chứng tr
thành chủ đề bị chỉ trích và phê phán. Nhà triết học Karl Popper ng
thức nhân lo i không dựa trên nền t ng cố định
, mà p
i Anh cho rằng kiến
dựa trên một tập hợp các
có thể không bao gi đ ợc chứng thực một
gi thuyết phỏng đoán
cách chắc chắn và tuyệt đối, mà ng ợc l i chúng chỉ có thể bị bác bỏ mà thôi. Bằng chứng
thực nghiệm là cơ s để bác bỏ những gi thuyết phỏng đoán hay những “lý thuyết” này.
Quan điểm siêu lý thuyết này, đ ợc gọi là thuy t h u th c ch ng (postpositivism) hay
hậu thực nghiệm (postempiricism), đư sửa đổi thuyết thực chứng khi cho rằng chúng ta chỉ
có thể bác bỏ một quan điểm sai lầm
. Tuy nhiên,
không thể kiểm chứng đ ợc
hậu thực chứng vẫn thống nhất
thật khách quan và nhấn m nh
thực chứng về sự
các ph ơng pháp khoa học
c.
T ơng tự nh vậy, các nhà ph n thực chứng cũng bị chỉ trích vì họ chỉ cố gắng để
hiểu về xã hội mà không phê phán và đ a ra những thay đổi để xư hội phát triển theo
h ớng tốt hơn. Nguồn gốc của t t
ng này nằm trong bộ sách T b n (Das Capital) của
hai nhà triết học Đức Karl Marx và Friedrich Engels. Học thuyết của Marx và Engels đư
phê phán xư hội t b n là xư hội bất bình đẳng và thiếu hiệu năng; đề xuất gi i quyết sự bất
bình đẳng thông qua đấu tranh giai cấp và cách m ng vô s n. Chủ nghĩa Marx đư truyền
c m hứng cho các cuộc cách m ng xư hội
các quốc gia nh Đức, Ý, Nga và Trung Quốc.
Nh ng nhìn chung, chủ nghĩa Marx đư thất b i trong việc xây dựng một xư hội bình đẳng
nh mong muốn. Nghiên cứu phê phán (còn gọi là Lý thuyết phê phán - Critical Research
hay Critical theory) do Max Horkheimer và Jurgen Habermas đề xuất trong thế kỷ XX.
18
Trong khi giữ l i những t t
ng phê phán và cách thức gi i quyết bất bình đẳng xư hội
t ơng tự chủ nghĩa Marx, Lý thuyết phê phán bổ sung rằng con ng
i có kh năng và cần
hành động có ý thức để thay đổi hoàn c nh kinh tế và địa vị xư hội của mình, mặc dù kh
năng thực hiện của họ bị h n chế b i các hình thức khác nhau của sự thống trị
chính trị,
văn hóa và xư hội. Học thuyết phê phán cố gắng h ớng tới phát hiện và phê phán các điều
kiện khó khăn, tr ng i của hoàn c nh thực t i bằng cách phân tích các đối kháng, xung đột
và mâu thuẫn trong xư hội đ ơng đ i, tìm cách lo i bỏ nguồn gốc của sự tha hóa và sự
thống trị (tức là gi i phóng giai cấp bị áp bức). Còn nhiều triết lý nghiên cứu và ph ơng
pháp tiếp cận khác nhau sẽ đ ợc đề cập trong các ch ơng tiếp theo của cuốn sách này.
19
Ch
T
ng 2
DUY C A NHẨ NGHIểN C U
Muốn tiến hành nghiên cứu đ ợc tốt đòi hỏi tr ớc hết ph i rèn luyện l i bộ nưo của
b n để t duy nh một nhà nghiên cứu thực thụ. Muốn vậy ph i trừu t ợng hóa những
quan sát thực tiễn, sử dụng t duy "liên kết các điểm" để nhận diện các khái niệm, các mô
hình ẩn và sau đó tổng hợp những mô hình đó tr thành quy luật và lý thuyết phổ quát để
áp dụng trong các bối c nh khác v ợt ra ngoài lĩnh vực nghiên cứu ban đầu. Nghiên cứu là
việc liên tục vận động hoán đổi từ mức độ
nghiệm khi tiến hành các quan sát lên mức
độ lý thuyết khi những quan sát đ ợc trừu t ợng hóa thành các quy luật và lý thuyết phổ
quát. Đây là kỹ năng ph i mất nhiều năm để phát triển và cho đến nay, nó không ph i là cái
đ ợc gi ng d y trong các ch ơng trình sau đ i học hay có đ ợc trong đào t o thực tập và
đó chính là thiếu hụt lớn nhất đối với các nghiên cứu sinh tiến sĩ. Một số khái niệm trừu
t ợng cần ph i đ ợc tiếp cận bằng t duy của nhà nghiên cứu, bao gồm: đơn vị phân tích,
ph m trù, gi thuyết, thao tác hóa, lý thuyết, mô hình, ph ơng pháp quy n p, diễn dịch,…
Tất c sẽ đ ợc đề cập trong ch ơng này.
Đ n v phơn tích
Một trong những thuật ngữ đầu tiên xuất hiện trong tất c nghiên cứu khoa học xư
hội là đơn vị phân tích (unit of analysis) của một nghiên cứu khoa học. Đơn vị phân tích đề
cập đến ng
i, tập thể hoặc vật thể là đối t ợng mà nghiên cứu h ớng tới. Đơn vị điển
hình trong phân tích bao gồm các cá nhân, các nhóm, các tổ chức, các quốc gia, các công
nghệ, các đồ vật,... Ví dụ, nếu quan tâm đến nghiên cứu ho t động mua sắm của ng
i dân,
mục đích mua sắm của họ hoặc thái độ của họ với công nghệ mới thì đơn vị phân tích là cá
nhân. Nếu nghiên cứu đặc điểm của các băng nhóm tội ph m đ
ng phố hoặc ho t động
làm việc theo nhóm trong các tổ chức thì đơn vị phân tích là nhóm. Nếu mục đích của
nghiên cứu là tìm hiểu xem làm thế nào các doanh nghiệp có thể nâng cao lợi nhuận hoặc
đ a ra các quyết định điều hành hiệu qu thì đơn vị phân tích là công ty. Trong tr
ng hợp
này, mặc dù quyết định đ ợc thực hiện b i các cá nhân trong công ty, nh ng những cá
nhân đ ợc coi là đ i diện cho việc ra quyết định của công ty chứ không ph i là quyết định
của cá nhân họ. Nếu nghiên cứu h ớng vào những khác biệt về các nền văn hóa dân tộc thì
đơn vị phân tích l i là một quốc gia. Ngay c những vật vô tri, vô giác có thể tr thành
20
những đơn vị phân tích. Ví dụ, một nhà nghiên cứu quan tâm đến việc tìm hiểu gi i pháp
để làm cho các trang web hấp dẫn hơn đối với ng
trang web (mà không ph i ng
i sử dụng, thì đơn vị phân tích là một
i sử dụng). Khi nghiên cứu cách thức chuyển giao tri thức
giữa hai công ty, thì đơn vị phân tích phân tích tr thành
yên (sự kết hợp của các
công ty giao và nhận tri thức).
Hiểu biết về các đơn vị phân tích đôi khi khá phức t p. Ví dụ, nếu chúng ta muốn
nghiên cứu lý do t i sao một số khu vực nào đó có tỷ lệ tội ph m cao thì đơn vị phân tích
của chúng ta là các khu phố mà không ph i là các lo i tội ph m hay ng
i có hành vi ph m
tội. Điều này là do các đối t ợng cần kh o sát là các khu phố mà không ph i là kẻ ph m
tội. Tuy nhiên, nếu chúng ta muốn so sánh các lo i tội ph m khác nhau trong các khu vực
khác nhau, chẳng h n nh các tội giết ng
i, c ớp tài s n, hành hung,… thì đơn vị phân
tích l i là các hành vi ph m tội. Nếu muốn nghiên cứu lý do t i sao bọn tội ph m tham gia
vào các ho t động bất hợp pháp, thì đơn vị phân tích là cá nhân (ng
i có hành vi ph m
tội). T ơng tự nh vậy, nếu muốn nghiên cứu t i sao một số chính sách đổi mới l i có
nhiều thành công hơn những chính sách khác, thì đơn vị của phân tích là một chính sách
đổi mới. Tuy nhiên, nếu chúng ta muốn nghiên cứu bằng cách nào một số tổ chức l i có
những đổi mới nhất quán và liên tục hơn so với những tổ chức khác, thì đơn vị phân tích là
tổ chức. Do đó, hai câu hỏi liên quan trong cùng một nghiên cứu có thể có hai đơn vị phân
tích hoàn toàn khác nhau.
Hiểu biết về các đơn vị phân tích là rất quan trọng, b i vì nó sẽ quy định lo i thông
tin, tài liệu nào nào b n cần thu thập và thu thập từ đâu. Nếu đơn vị phân tích là một trang
web, b n nên thu thập dữ liệu từ các trang web chứ không ph i là kh o sát mọi ng
i về
cách họ sử dụng các trang web. Nếu đơn vị b n phân tích là tổ chức thì b n nên đánh giá
các thông số của tổ chức, chẳng h n nh quy mô của tổ chức, doanh thu, hệ thống phân cấp
hoặc kh năng phát triển. Dữ liệu này có thể đến từ nhiều nguồn nh các hồ sơ tài chính,
kh o sát từ các cán bộ điều hành, Tổng giám đốc điều hành (CEO), ng
i đ ợc cho là đ i
diện cho tổ chức của họ (chứ không ph i b n thân công ty). Một số thông số nh l ơng của
Tổng giám đốc điều hành có vẻ giống nh các thông số
tế, nó cũng có thể là một thông số
cấp độ cá nhân, nh ng trên thực
cấp độ tổ chức, b i vì mỗi tổ chức chỉ có một l ơng
cho Tổng giám đốc điều hành t i một th i điểm bất kỳ nào đó. Đôi khi, b n có thể thu thập
dữ liệu từ một mức độ thấp hơn, sau đó phân tích và tổng hợp dữ liệu đến một cấp độ cao
hơn. Chẳng h n, để nghiên cứu nhóm làm việc trong các tổ chức, b n có thể kh o sát thành
viên của nhóm trong các tổ chức khác và sau đó lấy điểm số trung bình các cá nhân của
21
nhóm để t o ra một biến số nhóm với sự gắn kết và khác biệt. Chúng ta sẽ xem xét khái
niệm “biến số” kỹ hơn trong phần tiếp theo.
Khái ni m, ph m trù vƠ bi n s
Nh đư trình bày
Ch ơng 1, mặc dù nghiên cứu có thể đ ợc phân chia thành
nghiên cứu thăm dò, mô t hay gi i thích, nh ng hầu hết các nghiên cứu khoa học đều
chứa đựng phần nào đó nội dung gi i thích, b i vì chúng tìm kiếm l i gi i thích cho các
hiện t ợng tự nhiên hoặc xã hội đ ợc quan sát. Những gi i thích này đặt ra yêu cầu ph i
phát triển các khái ni m (concept) về các thuộc tính khái quát, đặc điểm liên quan tới đối
t ợng, sự kiện hoặc con ng
i. Trong khi các đối t ợng nh một ng
i, một công ty hoặc
một chiếc xe hơi không ph i là các khái niệm, thì các đặc điểm cụ thể hoặc hành vi của
chúng, ví dụ nh thái độ của một ng
i đối với ng
i nhập c , năng lực của một công ty
để t o ra sự sáng t o, trọng l ợng của chiếc xe - có thể đ ợc xem nh là những khái niệm.
Dù nhận thức rõ hay không, chúng ta đư sử dụng các khái niệm khác nhau trong đ i
sống hàng ngày. Một vài trong số các khái niệm đó đư phát triển qua th i gian, thông qua
sự chia sẻ ngôn ngữ. Đôi khi, chúng ta m ợn các khái niệm từ những chuyên ngành hoặc
ngôn ngữ khác để gi i thích một hiện t ợng mà mình quan tâm. Ví dụ, ý t
ng về lực hấp
dẫn đ ợc m ợn từ vật lý học có thể đ ợc sử dụng trong ngành kinh doanh để mô t t i sao
khách hàng “bị hút” vào những điểm đến mua sắm yêu thích của họ. T ơng tự nh vậy,
khái niệm khoảng cách có thể đ ợc sử dụng để gi i thích mức độ chia cách xư hội của hai
cá nhân
các địa vị khác nhau. Đôi khi, chính chúng ta sáng t o ra những khái niệm mới
để mô t một đặc điểm riêng biệt ch a đ ợc mô t trong các nghiên cứu tr ớc đó. Ví dụ,
“căng thẳng công nghệ” (technostress) là một khái niệm mới liên quan đến tr ng thái tâm
lý căng thẳng (stress) của một ng
i khi đối mặt với yêu cầu tiếp nhận một công nghệ mới.
Các khái niệm có thể có những mức độ trừu t ợng khác nhau. Một vài khái niệm nh
trọng lượng của một ng
tính cách của một ng
i là rõ ràng và khách quan; trong khi các khái niệm khác nh
i l i có thể trừu t ợng và khó để hình dung. Ph m trù (construct)(*)
là khái niệm trừu t ợng đ ợc lựa chọn (hoặc đ ợc xây dựng) một cách riêng biệt nhằm
mục đích diễn đ t một hiện t ợng nhất định. Ph m trù có thể là một khái niệm đơn gi n
nh trọng l ợng của một ng
i hoặc là sự kết hợp của một hệ thống các khái niệm có liên
GS, TS D ơng Thiệu Tống chú gi i “construct” là “khái niệm tạo lập”, nghĩa là khái niệm “được nhà
nghiên cứu sáng tạo ra một cách có chủ đích và có ý thức, hay được người nghiên cứu chấp nhận và sử dụng
cho mục tiêu tìm hiểu khoa học của mình”. Xem: Ph ơng pháp nghiên cứu khoa học giáo dục và tâm lý, Nxb
Khoa học xư hội, 2005, tr.45 (N.D).
(*)
22
quan, ví dụ kỹ năng giao tiếp của một ng
i chứa đựng một vài khái niệm cơ s nh vốn
từ vựng, cú pháp và kh năng chính t của một ng
i. Ví dụ về trọng l ợng đ ợc gọi là
phạm trù đơn (uni-dimensional construct), trong khi ví dụ về kỹ năng giao tiếp đ ợc gọi là
phạm trù phức (multi-dimensional construct) chứa đựng hàng lo t khái niệm cơ b n khác.
Sự khác biệt giữa ph m trù và khái niệm rõ ràng hơn trong các ph m trù đa chiều: khi sự
trừu t ợng
mức độ cao hơn đ ợc gọi là một ph m trù và sự trừu t ợng
mức độ thấp
hơn đ ợc gọi là khái niệm. Tuy nhiên, sự phân biệt này có thể không rõ ràng trong tr
ng
hợp của các ph m trù đơn.
Ph m trù sử dụng cho nghiên cứu khoa học ph i đ ợc định nghĩa chính xác và rõ
ràng, có nh vậy ng
i khác mới có thể hiểu đúng những gì nó bao hàm và những gì
không đ ợc bao hàm. Ví dụ, ph m trù thu nhập, có vẻ nh đơn gi n nh ng có thể ám chỉ
thu nhập hàng tháng hoặc hàng năm, thu nhập tr ớc thuế hay sau thuế, thu nhập cá nhân
hoặc gia đình. Nh vậy, d ới góc độ nghiên cứu khoa học thì ph m trù này không chính
xác và cũng không rõ ràng. Có hai lo i định nghĩa có thể sử dụng để làm rõ ph m trù: định
nghĩa theo từ điển (dictionary definition) và định nghĩa theo thao tác (operational
definition). Định nghĩa theo từ điển quen thuộc hơn, trong đó ph m trù th
ng đ ợc định
nghĩa thông qua hệ thống các từ đồng nghĩa. Ví dụ, thái độ có thể đ ợc định nghĩa nh
một thiên h ớng, một c m giác hoặc một c m xúc; và đến l ợt c m xúc l i có thể đ ợc
định nghĩa nh một thái độ. Những định nghĩa kiểu vòng tròn nh vậy không thật sự hữu
ích trong nghiên cứu khoa học nếu muốn chi tiết hóa ý nghĩa và nội dung của ph m trù đó.
Nghiên cứu khoa học đòi hỏi định nghĩa theo thao tác - định nghĩa các ph m trù bằng
cách đánh giá chúng qua thực tiễn. Ví dụ, định nghĩa theo thao tác về một ph m trù nh
nhiệt độ, thì ph i cụ thể hóa liệu rằng chúng ta có đo đ ợc nhiệt độ bằng độ C, độ F hay độ
K hay không. Một ph m trù nh thu nhập nên đ ợc định nghĩa d ới góc độ liệu rằng
chúng ta có quan tâm tới thu nhập hàng tháng hoặc hàng năm, tr ớc thuế thu nhập sau
thuế, thu nhập cá nhân hoặc gia đình. Có thể hình dung những ph m trù nh học tập, nhân
cách, trí thông minh - cũng rất khó để định nghĩa thao tác.
Một thuật ngữ th
ng kết hợp và đôi khi đ ợc hoán đổi với ph m trù đ ợc gọi là một
bi n s (variable). Xét về từ gốc, biến số là số l ợng có thể thay đổi (ví dụ, từ thấp đến
cao, từ tiêu cực sang tích cực, v.v...), ng ợc với hằng số không thay đổi (bất biến). Tuy
nhiên, trong nghiên cứu khoa học, biến số là một đ i l ợng có thể đo đ ợc của một ph m
trù trừu t ợng. Trong các thực thể trừu t ợng, các ph m trù không thể đo l
đ ợc. Do đó, chúng ta ph i tìm kiếm các đơn vị đo l
23
ng trực tiếp
ng thay thế đ ợc gọi là các biến số.
Ví dụ, trí thông minh của một ng
i th
ng đ ợc đo l
ng bằng chỉ số IQ (Intelligence
Quotient). Đó là một chỉ số đ ợc t o ra khi phân tích và kiểm tra mẫu dùng cho con ng
Trong tr
l
i.
ng hợp này trí thông minh là một ph m trù và chỉ số IQ là một biến số để đo
ng ph m trù trí thông minh. Liệu rằng chỉ số IQ có ph n ánh đúng sự thông minh của
một ng
i nh mọi ng
i vẫn nghĩ và tin t
ng? Tuỳ thuộc vào mức độ chính xác khi
đánh giá trí thông minh, chỉ số IQ có thể là một công cụ tốt hoặc không tốt để đánh giá
ph m trù trí thông minh. Nh trong Hình 2.1, nghiên cứu khoa học phát triển trên 2 mặt
phẳng: mặt phẳng lý thuyết và mặt phẳng thực tiễn. Các ph m trù đ ợc nhận thức trên mặt
phẳng lý thuyết (trừu t ợng), trong khi đó các biến số đ ợc thao tác và đo l
ng trên mặt
phẳng thực tiễn (quan sát). T duy giống nh một nhà nghiên cứu là nói tới kh năng
t ơng tác qua l i của t duy giữa hai mặt phẳng này.
Hình 2.1. Mặt phẳng lý thuyết và mặt phẳng thực nghiệm của nghiên cứu
Tùy thuộc vào mục đích sử dụng mà các biến có thể đ ợc phân lo i là các biến số
độc lập, phụ thuộc, điều hòa, trung gian hoặc kiểm soát. Các biến số đ ợc sử dụng để gi i
thích các biến số khác đ ợc gọi là biến độc lập (independent variable), những biến đ ợc
gi i thích b i các biến số khác là biến phụ thuộc (dependent variable). Những biến đ ợc
gi i thích b i các biến độc lập trong khi chúng cũng gi i thích các biến phụ thuộc đ ợc gọi
là biến trung gian (mediating variable). Những biến có nh h
ng đến mối quan hệ giữa
các biến độc lập và biến phụ thuộc đ ợc gọi là biến điều hòa (moderating variable). Ví dụ,
nếu cho rằng trong sinh viên trí thông minh cao hơn sẽ t o ra kết qu học tập tốt hơn, vậy
thì trí thông minh là biến độc lập và kết qu học tập là biến phụ thuộc. Có thể có các biến
24
số khác không liên quan và không thích hợp để gi i thích một biến phụ thuộc, nh ng có thể
có một số tác động đến biến phụ thuộc. Các biến này ph i đ ợc kiểm soát trong nghiên cứu
khoa học và do đó đ ợc gọi là các biến kiểm soát (control variable).
Hình 2.2. M ng t ơng tác của các ph m trù
Để hiểu đ ợc sự khác nhau giữa các lo i biến, hãy xem xét ví dụ thể hiện trong Hình
2.2. Nếu chúng ta tin rằng, trí thông minh nh h
l
ng đến thành tích học tập thì việc đo
ng trí thông minh chẳng h n nh chỉ số IQ là biến độc lập. Trong khi đó th ớc đo thành
tích học tập nh điểm tổng kết là biến phụ thuộc. Nếu chúng ta tin rằng tác động của trí
thông minh đối với thành tích học tập cũng phụ thuộc vào những nỗ lực mà sinh viên đầu
t vào quá trình học tập (ví dụ giữa hai sinh viên thông minh nh nhau, sinh viên nào nỗ
lực nhiều hơn có thể đ t đ ợc thành tích học tập cao hơn), vậy thì nỗ lực tr thành biến
điều hòa. Một cách ngẫu nhiên, ng
i ta cũng có thể xem nỗ lực là một biến độc lập và
thông minh là một biến điều hòa. Nếu thành tích học tập đ ợc xem nh là b ớc trung gian
để có thu nhập tiềm năng cao hơn, nh vậy thu nhập tiềm năng tr thành biến phụ thuộc
vào biến độc lập là thành tích học tập. Do đó, thành tích học tập tr thành các biến trung
gian trong mối quan hệ giữa trí thông minh và thu nhập tiềm năng. Do đó, biến số đ ợc
xem là độc lập, phụ thuộc, kiểm soát hay trung gian dựa vào mối quan hệ giữa chúng.
M ng l ới khái quát của các mối quan hệ giữa một tập hợp của các ph m trù có liên quan
đ ợc gọi là mạng t ơng tác (nomological network - xem Hình 2.2). T duy của nhà
nghiên cứu không chỉ đòi hỏi kh năng hình thành các ph m trù từ những quan sát thực
tiễn, mà còn yêu cầu hình dung trong t duy một m ng t ơng tác để xâu chuỗi và liên kết
các ph m trù trừu t ợng.
25
Lu n đi m và gi thuy t
Hình 2.2 cho thấy cách thức liên kết giữa các ph m trù lý thuyết nh trí thông minh,
nỗ lực, thành tích học tập và thu nhập tiềm năng trong một m ng t ơng tác. Mỗi mối quan
hệ này đ ợc gọi là một luận điểm. Việc tìm kiếm những gi i thích cho một hiện t ợng
hoặc một hành vi nhất định sẽ là không đầy đủ nếu chỉ xác định các khái niệm và ph m trù
cơ b n liên quan đến hiện t ợng hay hành vi đó. Chúng ta cũng ph i xác định và hình
thành các mô hình ph n ánh mối quan hệ giữa các ph m trù này. Mô hình các mối quan hệ
nh vậy đ ợc gọi là luận điểm. ầuận điểm (proposition) là một quan hệ thăm dò và phỏng
đoán giữa các ph m trù đ ợc trình bày d ới d ng mệnh đề. Một ví dụ về luận điểm là: “Sự
cải thiện trí thông minh của học sinh tạo ra sự cải thiện thành tích học tập của họ”. Mệnh
đề này không bắt buộc ph i đúng
, nh ng ph i là mệnh đề có thể
kiểm chứng đ ợc bằng dữ liệu thực nghiệm;
kết qu kiểm chứng
thể kết luận nó đúng hay sai. Luận điểm th
ng đ ợc xây dựng dựa trên
có
n logic
(diễn dịch) hay thông qua quan sát thực nghiệm (quy n p).
Do luận điểm là sự kết hợp giữa các ph m trù trừu t ợng nên chúng không thể đ ợc
kiểm chứng trực tiếp. Thay vào đó, chúng đ ợc kiểm chứng gián tiếp bằng cách xem xét
các mối quan hệ giữa các đơn vị đo l
ng (các biến số) t ơng ứng với các ph m trù đó. Sự
hình thành các luận điểm bằng thực nghiệm đề cập đến mối quan hệ giữa các biến số, đ ợc
gọi là các giả thuyết (Hypothesis - xem Hình 2.1). B i vì chỉ số IQ và điểm tổng kết học
tập là các công cụ
luận điểm đư nêu
đánh giá trên thực tế trí thông minh và thành tích học tập,
trên có thể đ ợc phát biểu cụ thể d ới hình thức là một gi thuyết "Sự
cải thiện điểm số IQ của sinh viên tạo ra sự cải thiện điểm tổng kết học tập của họ". Luận
điểm đ ợc cụ thể hóa trên mặt phẳng lý thuyết, trong khi đó gi thuyết đ ợc cụ thể hóa
trên mặt phẳng thực tiễn. Vì vậy, các gi thuyết này hoàn toàn có thể kiểm chứng đ ợc
trong thực tiễn bằng việc sử dụng các dữ liệu đư thu thập và gi thuyết này có thể bị bác bỏ
nếu không đ ợc minh chứng b i các quan sát thực nghiệm. Tất nhiên, mục đích của việc
kiểm định các gi thuyết là để suy ra luận điểm t ơng ứng có chính xác hay không.
Gi thuyết có thể m nh hoặc yếu. “Chỉ số IQ của sinh viên có liên quan tới thành
tích học tập của họ” là một ví dụ về một gi thiết yếu, b i vì nó không chỉ rõ đ ợc c định
h ớng của gi thuyết (ví nh liệu rằng mối quan hệ này là tích cực hay tiêu cực) và c
quan hệ nhân - qu của nó (ví nh trí thông minh mang đến thành tích học tập hay thành
tích học tập gây ra trí thông minh). Một gi thuyết m nh hơn nh là “Chỉ số IQ của sinh
viên có quan hệ tích cực với thành tích học tập của họ”. Gi thuyết này chỉ ra định h ớng
26
nh ng ch a nêu ra đ ợc quan hệ nhân qu . Một gi thuyết tốt hơn nữa sẽ là “Chỉ số IQ của
sinh viên có những ảnh hưởng tích cực đến thành tích học tập của họ”.
đây gi thuyết đư
chỉ ra c định h ớng cũng nh quan hệ nhân qu (trí thông minh t o ra thành tích học tập
và không ng ợc l i). Những kí hiệu trong Hình 2.2 chỉ ra định h ớng và các gi thuyết
t ơng ứng.
Cần ph i chú ý rằng, các gi thuyết khoa học nên xác định rõ những biến số độc lập
và phụ thuộc. Trong gi thuyết “Chỉ số IQ của sinh viên có những ảnh hưởng tích cực đến
thành tích học tập của họ”, thì trí thông minh là biến số độc lập (nguyên nhân) và thành
tích học tập là biến số phụ thuộc (kết qu ). Hơn nữa, cũng cần thấy rằng, gi thuyết này có
thể đúng (trí thông minh cao hơn sẽ dẫn đến thành tích học tập tốt hơn), nh ng cũng có thể
sai (trí thông minh cao hơn không có nh h
ng hoặc không dẫn đến kết qu học tập tốt
hơn). Phần sau của cuốn sách này, chúng ta sẽ kiểm tra cách kiểm định thực nghiệm các
mối quan hệ nguyên nhân - kết qu . Những phát biểu nh “sinh viên nhìn chung là thông
minh” hoặc “tất cả sinh viên có thể đạt được những thành công trong học tập” không ph i
là những gi thuyết khoa học, b i lẽ chúng không chỉ rõ các biến số độc lập và phụ thuộc,
không chỉ rõ quan hệ định h ớng để đánh giá nó đúng hay sai.
LỦ thuy t vƠ mô hình
LỦ thuy t (theory) là tập hợp các ph m trù và luận điểm có quan hệ t ơng hỗ nhằm
phán đoán, gi i thích một hiện t ợng hoặc một hành vi cần quan tâm trong ph m vi một số
điều kiện và gi thiết nhất định. Về b n chất, lý thuyết là một tập hợp có hệ thống những
luận điểm. Trong khi luận điểm liên kết hai hoặc ba ph m trù thì lý thuyết t ơng ứng với
một hệ thống các ph m trù và luận điểm phức hợp. Chính vì vậy, lý thuyết có thể phức t p
và trừu t ợng hơn rất nhiều so với luận điểm và gi thuyết.
Chú ý rằng, một số ng
th
i không đ ợc trang bị kiến thức về nghiên cứu khoa học
ng coi lý thuyết nh là một sự suy đoán (speculation) hay là cái đối lập với thực tế
(fact). Ví dụ, ng
i ta th
ng nói rằng giáo viên cần ph i gi m lý thuyết và tăng thực hành
hay thực tế trong các bài gi ng của họ trên lớp. Tuy nhiên, thực tế (fact) hay thực tiễn
(practice) không đối lập với lý thuyết. Trong t duy khoa học, chúng là những thành phần
cơ b n, cần thiết để kiểm tra giá trị của một lý thuyết. Một lý thuyết khoa học tốt đ ợc hỗ
trợ m nh mẽ b i các bằng chứng thực tế đ ợc quan sát; và một lý thuyết khoa học tốt cũng
cần có giá trị thực tiễn cao. Và nh vậy, một lý thuyết yếu th
ng thiếu vắng những yếu tố
này. Nhà nghiên cứu về tổ chức nổi tiếng Kurt Lewin (1945) đư nói rằng “Lý thuyết mà
27
không có thực tiễn là lý thuyết vô ích; thực tiễn không có lý thuyết là thực tiễn mù
quáng”(*). Vì vậy, lý thuyết và thực tế (hay thực tiễn) là nền t ng cho nghiên cứu khoa học.
Các lý thuyết cung cấp gi i thích về các hiện t ợng tự nhiên và xư hội. Nh đư nhấn
m nh
Ch ơng 1, các gi i thích này có thể thuyết phục hoặc không thuyết phục, vì vậy,
có những lý thuyết tốt và kém. Ch ơng 3 sẽ mô t một số tiêu chí để đánh giá một lý
thuyết. Tuy nhiên, có một điều quan trọng đối với các nhà nghiên cứu đó là lý thuyết
không ph i là “chân lý” (truth), không có lý thuyết nào là thần thánh, bất kh xâm ph m và
các lý thuyết không nên đ ợc chấp nhận chỉ vì chúng đ ợc đề xuất b i một ai đó. Trong
tiến trình khoa học, các lý thuyết lỗi th i cuối cùng sẽ bị thay thể b i các lý thuyết tân tiến
với kh năng gi i thích thuyết phục hơn. Thách thức cơ b n đối với các nhà nghiên cứu là
làm sao để xây dựng đ ợc những lý thuyết tốt hơn, hoàn thiện hơn và chúng có thể gi i
thích các hiện t ợng đang quan tâm tốt hơn các lý thuyết tr ớc đó.
Một thuật ngữ th
ng đ ợc sử dụng liền với lý thuyết là mô hình. Mô hình (model)
là sự hiện diện tất c hoặc một phần của một hệ thống đ ợc xây dựng để nghiên cứu chính
hệ thống đó (ví dụ nghiên cứu cách thức ho t động hay các tâm điểm của hệ thống đó).
Trong khi lý thuyết cố gắng gi i thích một hiện t ợng, thì mô hình l i cố gắng đ i diện (mô
t ) cho một hiện t ợng. Dựa trên nguồn đầu vào, ng
i nghiên cứu hình thành nên các mô
hình để thực hiện những nhiệm vụ quan trọng trong nghiên cứu. Ví dụ, những nhà qu n lý
thị tr
ng trong doanh nghiệp có thể sử dụng các mô hình để quyết định l ợng tiền sẽ sử
dụng vào việc qu ng cáo cho những dòng s n phẩm khác nhau dựa trên các thông số về chi
tiêu cho qu ng cáo năm tr ớc, doanh số, sự phát triển của thị tr
ng và các s n phẩm đang
c nh tranh với họ. T ơng tự nh vậy, các nhà dự báo th i tiết có thể sử dụng các mô hình
để dự báo các lo i th i tiết trong t ơng lai dựa trên các thông số nh tốc độ và h ớng gió,
nhiệt độ, độ ẩm. Trong khi các mô hình này đang đ ợc sử dụng, không chỉ là gi i thích chi
phí qu ng cáo hay dự báo th i tiết; mô hình có nhiều lo i, nh mô hình toán học, mô hình
m ng l ới, mô hình đ
ng dẫn. Mô hình có thể đ m nhận chức năng mô t , dự báo hoặc
quy chuẩn. Mô hình mô t th
ng dùng đ i diện các hệ thống phức t p nhằm biểu thị các
biến số và quan hệ trong hệ thống đó. Mô hình chi phí qu ng cáo có thể coi là mô hình mô
t . Mô hình dự báo (ví dụ mô hình hồi quy) cho phép dự báo các sự kiện trong t ơng lai.
Mô hình dự báo th i tiết thuộc mô hình dự báo. Mô hình quy chuẩn đ ợc dùng để h ớng
Luận điểm: “Practice without theory is blind. Theory without practice is sterile” (Karl Marx) Việt Nam
th ng đ ợc dịch là: Thực tiễn không có lý luận h ớng dẫn là thực tiễn mù quáng; lý luận mà không liên hệ
với thực tiễn là lý luận suông (N.D).
(*)
28
dẫn ho t động của chúng ta theo các chuẩn mực phổ dụng trong thực tiễn. Mô hình có thể
là tĩnh nếu biểu thị tr ng thái của hệ thống
một th i điểm hoặc là mô hình động nếu biểu
thị sự phát triển của hệ thống suốt th i gian dài.
Tiến trình phát triển của mô hình và lý thuyết có thể bao gồm suy luận quy n p và
diễn dịch. Tr l i Ch ơng 1, suy luận diễn dịch (deduction) là một quá trình tìm ra kết
luận về một hiện t ợng hoặc hành vi dựa trên nền t ng lý thuyết hoặc suy luận logic từ một
tập hợp các tiên đề. Ví dụ, nếu một ngân hàng thực thi chính sách chặt chẽ về đ o đức của
nhân viên (tiên đề 1), Jamie là một nhân viên
ngân hàng đó (tiên đề 2) thì Jamie ph i
tuân theo những nguyên tắc đ o đức đó (kết luận). Trong suy luận diễn dịch, các kết luận
chắc chắn sẽ chính xác nếu nh các tiên đề và các suy luận đều chính xác.
Ng ợc l i, suy luận quy nạp (induction) là quá trình đ a ra kết luận dựa trên các sự
kiện thực tế và chứng cứ đư quan sát, thu thập đ ợc. Ví dụ, nếu một công ty chi tiêu rất
nhiều tiền cho các đợt khuyến m i (Quan sát 1), nh ng doanh số l i không tăng (Quan sát
2), vậy thì có kh năng các đợt khuyến m i không đ ợc tổ chức tốt (Kết luận). Tuy nhiên,
có thể có các gi i thích khác cho sự gi m doanh số, ví dụ do suy thoái kinh tế, sự xuất hiện
của các s n phẩm c nh tranh hoặc chuỗi nguồn cung có vấn đề. Vậy thì, những kết luận
quy n p chỉ là một gi thuyết và có thể bị bác bỏ. Các kết luận diễn dịch nhìn chung có giá
trị vững chắc hơn các kết luận quy n p, nh ng kết luận diễn dịch dựa trên một tiên đề sai
thì cũng sai.
Hình 2.3. Quá trình xây dựng mô hình
Nh trong Hình 2.3, suy luận quy n p và diễn dịch có mối quan hệ mật thiết với việc
xây dựng lý thuyết và mô hình. Sự quy n p xuất hiện khi chúng ta quan sát một thực tế và
hỏi “T i sao điều này x y ra?”. Để tr l i, chúng ta phát triển một hoặc vài gi i thích thăm
dò (các gi thuyết). Sau đó chúng ta sử dụng các ph ơng pháp diễn dịch, dựa trên các tiền
29
đề hợp lý và có cơ s là những hiểu biết về hiện t ợng đang nghiên cứu để thu nhỏ các gi i
thích thăm dò thành một gi i thích đáng tin nhất. Để tìm kiếm một sự m rộng, phát triển
hay thay đổi so với lý thuyết hoặc mô hình hiện có, nhà nghiên cứu ph i có kh năng t ơng
tác những suy luận quy n p và diễn dịch. Đây chính là b n chất của nghiên cứu khoa học.
30
Ch
ng 3
TI N TRỊNH NGHIểN C U
Ch ơng 1 chúng ta đư hiểu rằng nghiên cứu khoa học là một quá trình tìm kiếm
những tri thức khoa học bằng việc sử dụng các ph ơng pháp khoa học. Tuy nhiên, nghiên
cứu đó đ ợc thực hiện nh thế nào? Ch ơng này sẽ phân tích kỹ l ỡng tiến trình của một
nghiên cứu khoa học, các gi thiết và kết qu của tiến trình nghiên cứu đó.
Các mô th c trong nghiên c u xƣ h i
Việc thiết kế và thực hiện nghiên cứu bị chi phối b i các mô hình trong t duy
(mental models) hoặc những khung lý thuyết
references) mà chúng ta sử dụng để tổ chức các luận điểm và quan sát. Những mô hình t
duy và khung lý thuyết (hệ thống niềm tin) này đ ợc gọi chung là các mô thức (paradigm).
Thuật ngữ “mô thức” đ ợc Thomas Kuhn (1962) phổ biến rộng rưi trong cuốn sách của
ông mang tên “Cấu trúc của các cuộc cách mạng khoa học” (The Structure of Scientific
Revolutions). T i đây, ông đư nghiên cứu lịch sử của khoa học tự nhiên để tìm ra các khung
nh h
mẫu
ng
đến tiến bộ khoa học.
T ơng tự nh vậy, trong khoa học xư hội,
b i những ng
hiện thực xư hội có thể đ ợc
i khác nhau
. Ví dụ, những ng
o
i theo khuynh h ớng b o thủ và khuynh h ớng tự do
th
ng có những quan niệm rất khác biệt về vai trò của chính phủ trong đ i sống của
ng
i dân. Do vậy, họ giữ những quan điểm rất khác nhau về cách xử lý các vấn đề xư hội.
Những ng
i b o thủ tin rằng cắt gi m thuế là cách tốt nhất để vực dậy một nền kinh tế
suy thoái, b i vì nó làm gia tăng thu nhập sau thuế và tiêu dùng của ng
i dân. Điều này
tác động tr l i làm tăng đầu ra cho các ngành kinh doanh cũng nh t o thêm công ăn việc
làm. Ng ợc l i, những ng
i theo chủ nghĩa tự do l i cho rằng, chính phủ nên đầu t nhiều
hơn vào các ch ơng trình t o việc làm, nh các công việc công cộng và các đề án nâng cấp
cơ s h tầng. Điều này sẽ t o ra nhiều việc làm và tăng kh năng chi tiêu của ng
i dân,
từ đó tác động tích cực đến nền kinh tế. T ơng tự nh vậy, xư hội ph ơng Tây h ớng trọng
tâm nhiều hơn vào các quyền cá nhân, ví dụ nh quyền riêng t , quyền tự do ngôn luận và
quyền đ ợc mua sắm vũ khí. Ng ợc l i, xư hội châu Á th
31
ng cố gắng cân bằng quyền của
cá nhân với các quyền của gia đình, tổ chức và chính phủ. Vì vậy, họ th
ng đ a ra những
chính sách có tính cộng đồng hơn và ít tính cá nhân hơn. Những sự khác biệt nh vậy
th
ng khiến những ng
i ph ơng Tây phàn nàn về tính chuyên quyền của chính phủ các
n ớc châu Á. Trong khi đó, ng
i dân các n ớc châu Á th
ng phê bình xư hội ph ơng
Tây về tính ích kỷ, tỷ lệ tội ph m cao và t o ra “sự tôn th chủ nghĩa cá nhân”. Mô thức
của mỗi cá nhân nh vậy giống nh những “kính màu” định h ớng quan điểm về thế giới
và cách thức hình thành t duy về các vấn đề của thế giới.
Thông th
ng, không dễ để có thể nhận diện các mô thức b i vì chúng th
ng tiềm
ẩn, không hiện hình và là gi định mà thôi. Tuy nhiên, việc nhận diện các mô thức này là
chìa khóa để hiểu sự khác biệt trong nhận thức của con ng
i về cùng một hiện t ợng. Ví
dụ, tuy cùng mục đích
sao những ng
, nh ng t i
i theo chủ nghĩa tự do l i tin rằng cách tốt nhất là sử dụng đội ngũ giáo
viên giỏi; trong khi những ng
i theo chủ nghĩa b o thủ l i cho rằng nên t nhân hóa
ngành giáo dục, sử dụng nhà tr
ng nh một đơn vị kinh doanh? B i vì, những ng
thủ đặt nhiều niềm tin hơn vào thị tr
l ợng giáo dục), trong khi ng
ib o
ng c nh tranh (tự do c nh tranh sẽ thúc đẩy chất
i theo khuynh h ớng tự do l i tin vào sự lao động (nhiều
giáo viên giỏi sẽ c i thiện chất l ợng).
T ơng tự trong nghiên cứu khoa học xư hội. Trong một nghiên cứu có nhiệm vụ gi i
thích t i sao một công nghệ nào đó đ ợc áp dụng rất thành công trong một công ty này
nh ng l i thất b i th m h i
một nơi khác, thì nhà nghiên cứu nhìn thế giới thông qua một
“thấu kính lý trí” sẽ tìm kiếm những gi i thích có lý trí cho vấn đề đó, ví nh công nghệ
không hiệu qu hoặc không phù hợp với bối c nh sử dụng. Trong khi đó, một nhà nghiên
cứu khác sử dụng “thấu kính xư hội”, dù có nghiên cứu cùng một vấn đề nh ng l i đi tìm
kiếm những khác biệt về mặt xư hội, ví nh việc đào t o, bố trí, sử dụng nhân sự không tốt
hoặc thiếu sự hỗ trợ trong công tác qu n lý. Còn nhà nghiên cứu sử dụng “thấu kính chính
trị” thì sẽ tìm kiếm những vấn đề về chính trị trong tổ chức có thể nh h
ng đến tiến trình
thực hiện công nghệ. Vì vậy, những mô thức trong tiềm thức sẽ nh h
ng đến các khái
niệm, đến các quan sát và gi i thích tiếp sau về một hiện t ợng. Tuy vậy, nhiều hiện t ợng
xư hội có b n chất phức t p, có thể các mô thức trên chỉ đúng một phần và để có đ ợc
những hiểu biết toàn diện hơn đối với một hiện t ợng xư hội đòi hỏi ph i hiểu và áp dụng
nhiều mô thức.
Có hai mô thức hiện th i đ ợc các nhà khoa học xư hội sử dụng phổ biến là chủ
nghĩa thực chứng (positivism) và chủ nghĩa hậu thực chứng (post-positivism). Ch nghĩa
32
th c ch ng, dựa trên các công trình của nhà triết học ng
i Pháp Auguste Comte (1798-
1857), là mô thức thống trị trong khoa học cho tới giữa thế kỷ XX. Tinh thần của nó là
khoa học hoặc sáng t o tri thức nên bị giới h n
đo l
những gì mà con ng
ng đ ợc. Chủ nghĩa thực chứng có khuynh h ớng chỉ tin t
i có thể quan sát và
ng vào các lý thuyết có
thể kiểm chứng đ ợc trực tiếp. Mặc dù về nguồn gốc, nguyên lý này xuất phát từ chủ
tr ơng phân tách khoa học với tôn giáo (vì trong tôn giáo, ng
i ta không thể kiểm chứng
một cách khách quan những l i giáo huấn), nh ng thuyết thực chứng dẫn tới chủ nghĩa
nghiệm (empiricism) hoặc dẫn tới sự tin t
ng
những dữ liệu đư quan
sát đ ợc và chối bỏ những ý định m rộng hay phân tích xa hơn các thực tế ch a hoặc
t duy và xúc c m của con ng
không thể quan sát.
i không thể cân, đo, đong,
đếm trực tiếp, vậy nên, chúng không đ ợc xem là những đối t ợng chính đáng của nghiên
cứu khoa học.
Thất vọng với b n chất
nghiệm chật hẹp của chủ nghĩa thực chứng đư dẫn đến
sự hình thành ch nghĩa h u th c ch ng (hay hậu hiện đ i) trong th i gian nửa cuối thế
kỷ XX. Chủ nghĩa hậu thực chứng cho rằng có thể đ a ra kết luận hợp lý về một hiện
t ợng bằng việc kết hợp các quan sát
khoa học không ph i là
chứng xem
(nghĩa là
mà có tính chất xác xuất
dựa trên nghiên cứu nhiều hiện t ợng ngẫu nhiên), việc khám
phá các hiện t ợng ngẫu nhiên
ng
nghiệm với lập luận logic. Các nhà hậu thực
để hiểu thực tế xư hội tốt hơn. Sau này, những
i theo thuyết hậu thực chứng phân chia thành phái chủ nghĩa chủ quan (subjectivist)
và phái hiện thực phê phán (critical realist). Phái chủ nghĩa chủ quan cho rằng thế giới
không ph i là một thực t i khách quan mà là mô hình t
của con ng
ng t ợng trong ý thức chủ quan
i. Phái hiện thực phê phán tin rằng có một thực thể khách quan tồn t i độc lập
với ý thức chủ quan của con ng
i, nh ng con ng
i không bao gi có thể nhận thức thấu
đáo về thực thể đó.
Burrell và Morgan (1979), trong cuốn sách “Các mô thức xã hội học và phân tích tổ
chức” (Sociological Paradigms and Organizational Analysis), đư đề xuất rằng ph ơng
pháp mà các nhà khoa học xư hội sử dụng để xem xét và nghiên cứu các hiện t ợng xư hội
bị chi phối b i hai gi thiết cơ b n của triết học là b n thể luận (ontology) và nhận thức
luận (epistemology). B n th lu n ph n ánh các gi thiết về cách nhìn nhận thế giới, xem
thế giới là b n thể chứa đựng trật tự xư hội hay là th
ng xuyên thay đổi. Nh n th c lu n
ph n ánh gi thiết về cách tốt nhất để nghiên cứu về thế giới,
nh chúng ta nên sử
dụng cách tiếp cận khách quan hay chủ quan để nghiên cứu hiện thực xư hội. Khi sử dụng
AB., PVP., CNA.
33
c hai hệ thống gi thiết này, chúng ta có thể phân lo i các nghiên cứu khoa học thành một
trong bốn nhóm (xem Hình 3.1).
Nếu nhà nghiên cứu xem thế giới nh một b n thể chứa đựng trật tự xư hội (b n thể
luận) và do đó muốn tìm kiếm các mô hình nghiên cứu về các sự kiện và hành vi có trật tự.
Họ tin rằng cách tốt nhất để nghiên cứu thế giới này là ph i sử dụng cách tiếp cận khách
quan (nhận thức luận). H ớng tiếp cận này không phụ thuộc vào ng
i thực hiện các quan
sát hay gi i thích. Bằng việc sử dụng các công cụ thu thập dữ liệu tiêu chuẩn nh các cuộc
kh o sát thì đó là áp dụng mô thức ch c năng lu n (functionalism). Tuy nhiên, nếu họ tin
rằng cách tốt nhất để nghiên cứu về trật tự xư hội là thông qua các suy luận chủ quan của
những ng
i tham gia, nh bằng cách phỏng vấn những ng
i tham gia khác nhau và sau
đó sử dụng quan điểm chủ quan của chính nhà nghiên cứu để diễn gi i sự khác nhau trong
câu tr l i của ng
i tham gia, thì nh
(interpretivism). Nếu ng
vậy họ đang theo đuổi mô thức di n gi i
i nghiên cứu tin rằng thế giới chứa đựng những thay đổi căn b n
và muốn hiểu hoặc điều chỉnh những thay đổi đó bằng cách sử dụng cách tiếp cận khách
quan, thì họ đang thực hành mô thức c u trúc lu n c p ti n (radical structuralism). Nếu
họ muốn hiểu những thay đổi trong xư hội b i việc sử dụng quan điểm chủ quan của những
ng
i tham gia, thì họ đang đi theo mô thức ch
nghĩa nhân văn c p ti n (radical
humanism).
Hình 3.1. Bốn mô thức nghiên cứu khoa học xư hội
(Nguồn: Burrell and Morgan, 1979)
34
Cho đến nay, phần lớn các nghiên cứu khoa học xư hội
luận của khoa học tự nhiên. Những ng
mô thức chức năng
i theo mô thức này tin rằng trật tự xư hội hoặc các
mô hình xư hội có thể đ ợc tìm hiểu thông qua các thành phần chức năng của chúng. Do
đó, họ cố gắng phân chia một vấn đề thành các thành phần nhỏ, sau đó nghiên cứu chi tiết
một hoặc một số thành phần nhỏ bằng cách sử dụng các ph ơng pháp khách quan nh
kh o sát và nghiên cứu thực nghiệm. Tuy nhiên, với sự xuất hiện của thuyết hậu thực
chứng, có một l ợng nhỏ nh ng gia tăng nhanh các nhà nghiên cứu khoa học xư hội đang
cố gắng tìm hiểu trật tự xư hội bằng cách sử dụng các ph ơng pháp chủ quan chẳng h n
nh phỏng vấn và nghiên cứu dân tộc học.
Chủ nghĩa nhân văn cấp tiến và cấu trúc luận cấp tiến tiếp tục chiếm một tỷ lệ nhỏ
trong các nghiên cứu khoa học xư hội, b i vì các nhà khoa học chủ yếu quan tâm đến sự
hiểu biết về mô hình phổ quát của hành vi, sự kiện và hiện t ợng, chứ không ph i là những
sự kiện mang đặc tính riêng hoặc đang thay đổi. Tuy nhiên, nếu b n muốn nghiên cứu về
thay đổi xư hội, chẳng h n nh lý do t i sao các phong trào dân chủ đang ngày càng nổi lên
trong các quốc gia Trung Đông hoặc lý do t i sao phong trào này thành công
nh ng mất kho ng th i gian dài hơn để thành công
Tunisia,
Libya và vẫn không thành công
Syria. Vậy thì chủ nghĩa nhân văn cấp tiến có lẽ là cách tiếp cận đúng cho nghiên cứu này.
Nhìn chung, các hiện t ợng xư hội th
ng bao gồm các yếu tố của c sự trật tự và sự thay
đổi. Ví dụ, thành công của một tổ chức phụ thuộc vào quy trình kinh doanh, thủ tục vận
hành và tính trách nhiệm trong công việc, đồng th i nó bị h n chế b i hàng lo t các yếu tố
liên tục thay đổi trong th ơng tr
ng nh các đối thủ c nh tranh, s n phẩm c nh tranh, nhà
cung cấp và khách hàng. Do đó, một sự hiểu biết toàn diện và đầy đủ hơn về hiện t ợng xư
hội nh t i sao một số tổ chức thành công hơn những tổ chức khác, đòi hỏi sự cân nhắc để
áp dụng tiếp cận đa mô thức trong nghiên cứu.
Tổng quan về ti n trình nghiên c u
Vậy thì các mô thức t duy của chúng ta tác động tới nghiên cứu khoa học xư hội
nh thế nào? Xét một cách b n chất nhất, tất c các nghiên cứu khoa học là một quá trình
lặp đi, lặp l i của sự quan sát (observation), biện gi i (rationalization - lập luận gi i thích)
và kiểm nghiệm (validation). Trong giai đo n quan sát, chúng ta quan sát một hiện t ợng
tự nhiên hoặc xã hội, sự kiện, hành vi mà ta quan tâm. Trong giai đo n biện giải, chúng ta
cố gắng hiểu các hiện t ợng, sự kiện, hành vi đư quan sát bằng cách kết nối một cách logic
các phần khác nhau của vấn đề cần gi i quyết. Điều này, trong một số tr
ng hợp, có thể
dẫn đến xây dựng một lý thuyết. Cuối cùng, trong giai đo n kiểm nghiệm, chúng ta kiểm
35
tra lý thuyết đư xây dựng bằng cách sử dụng
ph ơng pháp khoa học thông qua quá
trình thu thập và phân tích dữ liệu. Để làm đ ợc điều đó, có thể ph i sửa đổi hoặc m rộng
lý thuyết ban đầu của chúng ta. Tuy nhiên, các thiết kế nghiên cứu có thể thay đổi tùy
thuộc vào việc các nhà nghiên cứu bắt đầu bằng việc quan sát và cố gắng biện gi i các
quan sát (nghiên cứu quy n p), hay nhà nghiên cứu bắt đầu với một biện gi i hoặc một lý
thuyết tr ớc đó và cố gắng để kiểm nghiệm lý thuyết đó (nghiên cứu diễn dịch). Do đó,
chu trình quan sát - biện giải - kiểm nghiệm là t ơng tự chu trình quy nạp - diễn dịch của
nghiên cứu đư bàn đến trong Ch ơng 1.
Nhìn chung, phần lớn các nghiên cứu truyền thống có xu h ớng diễn dịch và chức
năng luận. Hình 3.2 cung cấp sơ đồ của một dự án nghiên cứu nh vậy. Hình này mô t
một lo t các ho t động đ ợc thực hiện trong nghiên cứu chức năng luận, đ ợc phân lo i
thành ba giai đo n: thăm dò, thiết kế và thực hiện nghiên cứu. L u ý rằng thiết kế khái quát
này không ph i là một sơ đồ hay lộ trình cho tất c các nghiên cứu. Nó chỉ áp dụng cho các
nghiên cứu chức năng luận. B n có thể và nên sửa đổi thiết kế này để phù hợp với yêu cầu
của một nghiên cứu cụ thể.
Hình 3.2. Tiến trình nghiên cứu theo chức năng
36
Giai đo n đầu của nghiên cứu là thăm dò (exploration). Giai đo n này bao gồm việc
tìm kiếm và lựa chọn các câu hỏi nghiên cứu cho những nghiên cứu sâu hơn, kiểm tra các
công trình khoa học đư công bố trong cùng lĩnh vực nghiên cứu để hiểu đ ợc tình tr ng tri
thức khoa học hiện có và nhận diện các lý thuyết có thể giúp tr l i các câu hỏi nghiên cứu.
Nhiệm vụ của b ớc đầu tiên trong giai đo n thăm dò là để xây dựng một hoặc nhiều
câu hỏi nghiên cứu đối với một hành vi, sự kiện hay hiện t ợng quan tâm. Câu hỏi nghiên
cứu là những câu hỏi cụ thể mà b n muốn tìm câu tr l i trong nghiên cứu của b n. Ví dụ:
Những yếu tố nào thúc đẩy ng
i tiêu dùng mua hàng hóa và dịch vụ trực tuyến mà không
cần biết ai là nhà cung cấp các hàng hóa, dịch vụ đó? Làm thế nào để có thể nâng cao tính
sáng t o trong học sinh trung học? T i sao một số ng
i l i thực hiện hành vi khủng bố?
Câu hỏi nghiên cứu có thể đào sâu vào vấn đề nh đó là cái gì, t i sao, làm thế nào, khi
nào, v.v.. Câu hỏi nghiên cứu thú vị hơn là những những câu hỏi hấp dẫn với số đông quần
chúng (ví dụ câu hỏi nghiên cứu: “các doanh nghiệp có thể đổi mới nh thế nào” sẽ thú vị
hơn câu hỏi "các công ty Trung Quốc có thể đổi mới nh thế nào trong lĩnh vực dịch vụ");
nêu lên đ ợc những vấn đề thực tiễn phức t p (ng ợc l i với các vấn đề vụn vặt mang tính
gi thuyết) và ch a có các câu tr l i là rõ ràng. Các câu hỏi nghiên cứu có trọng tâm hẹp
(ví dụ có câu tr l i nhị phân có/không) th
ng ít hữu ích, ít thú vị và ch a phù hợp để
nắm bắt những sắc thái tinh tế của các hiện t ợng xã hội. Các câu hỏi nghiên cứu không
thú vị th
ng dẫn đến kết qu nghiên cứu không hấp dẫn và khó công bố.
B ớc tiếp theo là tiến hành khảo cứu tài liệu (literature review) về lĩnh vực quan
tâm. Kh o cứu tài liệu có ba mục đích là (1) để kh o sát tr ng thái tri thức hiện có trong
lĩnh vực nghiên cứu, (2) để xác định các tác gi , bài viết, lý thuyết và những kết qu nghiên
cứu quan trọng trong lĩnh vực đó, và (3) để xác định kho ng trống tri thức trong lĩnh vực
nghiên cứu. Ngày nay kh o cứu tài liệu th
ng đ ợc thực hiện bằng cách sử dụng các từ
khóa trên máy tính để tìm kiếm trong cơ s dữ liệu trực tuyến. Từ khoá có thể đ ợc kết
hợp bằng cách sử dụng liên từ "and" và "or" để thu hẹp hoặc m rộng các kết qu tìm
kiếm. Ngay khi một danh sách ngắn các bài báo liên quan đến từ khóa đ ợc tìm thấy,
ng
i nghiên cứu ph i đọc l ớt qua mỗi bài viết hoặc ít nhất là phần tóm tắt của nó để xác
định sự phù hợp của bài viết đó đối với lĩnh vực nghiên cứu, từ đó quyết định có đọc chi
tiết hay không.
Kh o cứu tài liệu ph i đ ợc đầu t th i gian và công sức đúng mức, không nên chỉ
giới h n
một vài bài báo khoa học, trong một vài năm hoặc một ph ơng pháp luận cụ thể
nào đó. Các bài viết đư nghiên cứu có thể đ ợc tóm tắt d ới d ng b ng biểu và có thể đ ợc
37
cấu trúc l i bằng cách sử dụng mô hình tổ chức nh mô hình khái niệm. Quá trình kh o
cứu tài liệu ph i xác định xem các câu hỏi nghiên cứu ban đầu đư đ ợc đề cập trong các tài
liệu đó hay ch a (điều này giúp lo i trừ việc nghiên cứu trùng lặp); liệu có những câu hỏi
nghiên cứu mới hơn, thú vị hơn; và liệu các câu hỏi nghiên cứu ban đầu có cần ph i đ ợc
sửa đổi sau những kết qu kh o cứu tài liệu. Quá trình kh o cứu tài liệu cũng có thể cung
cấp một số câu tr l i trực giác hoặc câu hỏi tiềm năng cho các câu hỏi quan tâm và/ hoặc
giúp xác định lý thuyết đư sử dụng tr ớc đó để phát biểu các câu hỏi nghiên cứu t ơng tự.
B i vì nghiên cứu chức năng luận (diễn dịch) liên quan đến việc kiểm nghiệm lý
thuyết, nên b ớc thứ ba là để xác định một hoặc nhiều lý thuyết có thể giúp phát biểu các
câu hỏi nghiên cứu mong muốn. Trong
cứu tài liệu, có thể
một lo t các khái niệm, ph m trù
một lý thuyết
phát hiện ra
liên quan đến hiện t ợng nghiên cứu;
giúp xác định những ph m trù
nào
lý thuyết
quan nh thế nào đến hiện t ợng nghiên cứu. Việc bỏ qua
có thể dẫn đến hệ qu
liên quan và liên
ph m trù ít
; làm gi m cơ hội đ t đ ợc kết qu
quan
không liên
có ý nghĩa
không ph i do may mắn
.
Trong nghiên cứu chức năng luận, lý thuyết có thể đ ợc sử dụng làm cơ s logic
các gi thuyết định đề cho kiểm tra thực nghiệm. Rõ ràng, không ph i toàn bộ các lý
thuyết
đều phù hợp cho nghiên cứu tất c các hiện t ợng xư hội. Vì vậy, các lý
thuyết ph i đ ợc lựa chọn cẩn thận, dựa trên tính t ơn
với các vấn đề nghiên cứu. Chúng ta sẽ tìm hiểu chi tiết các lý thuyết và quá trình
xây dựng lý thuyết trong ch ơng kế tiếp.
Giai đo n thứ hai trong quá trình nghiên cứu là thi t k nghiên c u (research
design). Quá trình này liên quan đến việc t o ra một kế ho ch ho t động để tr l i đầy đủ,
thuyết phục các câu hỏi nghiên cứu đư xác định trong giai đo n thăm dò. Điều này bao
gồm việc lựa chọn một ph ơng pháp nghiên cứu, thao tác hóa các ph m trù liên quan và
xác định ph ơng pháp lấy mẫu phù hợp.
Thao tác hóa (operationalization) là quá trình thiết kế các biện pháp đo l
ng, đánh
giá chính xác đối với các ph m trù lý thuyết trừu t ợng. Đây là một vấn đề quan trọng
trong nghiên cứu khoa học xư hội. Việc đ a ra các ph m trù, chẳng h n nh sự thành kiến,
tha hóa và chủ nghĩa tự do là rất khó để định nghĩa, chứ ch a nói tới việc đo l
ng chúng
một cách chính xác, thấu đáo. Thao tác hoá bắt đầu với việc xác định rõ một “định nghĩa
thao tác” hay còn gọi là "khái niệm hóa” (conceptualization) các ph m trù cần quan tâm.
38
Tiếp theo, nhà nghiên cứu có thể tìm kiếm các tài liệu để xem liệu có những khái niệm công cụ đang còn giá trị, phù hợp với định nghĩa thao tác, có thể sử dụng trực tiếp hoặc có
thể dùng để sửa đổi thành các ph m trù cần quan tâm. Nếu không có hoặc các khái niệm công cụ hiện có không đủ hay ph n ánh
ph m trù
có, nhà nghiên cứu có
thể xây dựng khái niệm - công cụ mới để đánh giá những ph m trù này. Công việc này
giúp xác định chính xác làm thế nào có thể đánh giá các ph m trù mong muốn (ví dụ nh
có bao nhiêu mục, mục gì,…). Đây có thể là một quá trình lâu dài, đòi hỏi sự kiên trì, ph i
qua nhiều vòng kiểm định và sửa đổi tr ớc khi các ph ơng tiện mới thiết kế có thể đ ợc
chấp nhận nh là “giá trị khoa học”. Chúng ta sẽ bàn về ho t động thao tác các ph m trù
trong ch ơng về đo l
ng tiếp theo.
Đồng th i với thao tác hoá, nhà nghiên cứu cũng ph i quyết định lựa chọn ph
pháp nghiên c u để sử dụng cho việc thu thập dữ liệu
tr l i các câu hỏi nghiên cứu.
Những ph ơng pháp này có thể bao gồm các ph ơng pháp định l ợng nh
nghiệm
, nghiên cứu kh o sát; các ph ơng pháp định tính nh nghiên cứu tr
hay nghiên cứu
nghiệm thì thiết kế
ng
ng hợp
vi hoặc có thể kết hợp c định l ợng và định tính. Nếu chọn
nghiệm đó là gì? Nếu chọn kh o sát, b n ph i lập kế ho ch thực
hiện cuộc kh o sát qua th , điện tho i, internet hay kết hợp các cách thức đó? Đối với các
hiện t ợng xư hội phức t p, đa d ng và không rõ ràng, các tiếp cận đa ph ơng pháp có thể
phù hợp hơn, giúp tận dụng những thế m nh của mỗi ph ơng pháp nghiên cứu và t o ra
kết qu mà việc sử dụng ph ơng pháp đơn lẻ không thể có đ ợc.
Nhà nghiên cứu cũng ph i cẩn thận lựa chọn khách thể nghiên cứu hay quần thể
(population) mà họ muốn thu thập dữ liệu, một chiến l ợc ch n m u (sampling) để lấy
mẫu từ những quần thể đó. Chẳng h n, họ nên kh o sát các cá nhân hay các công ty hay
các nhóm làm việc trong công ty? Những cá nhân hoặc các công ty nào mà họ muốn nhắm
đến? Chiến l ợc chọn mẫu liên quan chặt chẽ với các đơn vị phân tích trong vấn đề nghiên
cứu. Khi lựa chọn một mẫu, cần hết sức chú ý tránh việc lấy mẫu tuỳ tiện (ví dụ lấy mẫu
dựa trên sự gi n tiện), điều này dẫn đến sai số quan sát. Việc chọn mẫu sẽ đ ợc phân tích
sâu trong ch ơng sau.
giai đo n này đư hoàn toàn có cơ s để viết đề c
ng nghiên c u (research
proposal), trong đó v ch ra chi tiết và lý do đằng sau tất c các công việc cần thực hiện
trong các giai đo n nghiên cứu tiếp theo. Đề c ơng chi tiết ph i nêu lên những câu hỏi
nghiên cứu và lý do b n muốn nghiên cứu, các nghiên cứu đư tiến hành trong cùng lĩnh
vực, các lý thuyết sẽ đ ợc sử dụng cùng với các gi thuyết cần kiểm tra, cách tiến hành để
39
đánh giá các ph m trù; các ph ơng pháp nghiên cứu dự kiến sử dụng và lý do sử dụng các
ph ơng pháp này, chiến l ợc chọn mẫu. Cơ quan, tổ chức tài trợ cho nghiên cứu th
ng
đ a ra các yêu cầu nh vậy để họ lựa chọn một đề c ơng tốt nhất. Ngay c một dự án
nghiên cứu không cần ph i tìm kiếm kinh phí, đề c ơng nghiên cứu có thể xem nh là một
ph ơng tiện hữu hiệu để tìm kiếm thông tin ph n hồi từ các nhà nghiên cứu khác và xác
định các rào c n tiềm tàng với dự án nghiên cứu (ví dụ liệu có một số ph m trù quan trọng
ch a đ ợc đề cập trong nghiên cứu). Những ph n hồi ban đầu này là rất có giá trị, b i vì
việc sửa chữa các sai sót
là quá muộn nếu tiến hành sau khi đư
thu thập dữ liệu nghiên cứu.
công cụ nghiên cứu (khái
Sau khi đư xác định
niệm) và cách thức thu thập dữ liệu (ph ơng pháp nghiên cứu), nhà nghiên cứu thực sự
tiến tới giai đo n thực hiện nghiên cứu. Giai đo n này bao gồm kiểm tra thử nghiệm các
dụng cụ đo l
ng, thu thập dữ liệu và phân tích dữ liệu.
Ki m tra s b (pilot testing) là một công việc th
ng bị xem nhẹ nh ng hết sức cần
thiết của quá trình nghiên cứu. Nó giúp phát hiện các lỗi tiềm tàng trong thiết kế nghiên
cứu (ví dụ, liệu rằng những câu hỏi có dễ hiểu với ng
i đ ợc hỏi hay không), cũng nh
độ tin cậy, tính kh thi và giá trị khoa học của các công cụ đánh giá. Các mẫu dùng cho thử
nghiệm th
ng là một nhóm nhỏ trong số các đối t ợng kh o sát. Sau khi thử nghiệm
thành công, nhà nghiên cứu có thể tiến hành thu th p d li u (data collection) đối với toàn
bộ mẫu đ ợc lựa chọn từ tr ớc. Các dữ liệu thu thập đ ợc có thể thiên về định l ợng hoặc
định tính, tùy thuộc ph ơng pháp nghiên cứu đ ợc sử dụng.
Sau khi thu thập, dữ liệu đ ợc phân tích và gi i thích nhằm mục đích rút ra kết luận
cho những câu hỏi nghiên cứu. Tùy thuộc vào lo i dữ liệu thu thập đ ợc (định tính hay
định l ợng), phơn tích d li u (data analysis) có thể sử dụng các ph ơng pháp nghiên cứu
định l ợng (ví dụ, sử dụng các kỹ thuật thống kê nh hồi quy hoặc mô hình ph ơng trình
cấu trúc) hoặc định tính (ví dụ
hoặc phân tích nội dung).
Giai đo n cuối của nghiên cứu là việc chuẩn bị một báo cáo nghiên c u (research
report) để tổng kết l i toàn bộ quá trình nghiên cứu và các kết qu nghiên cứu với hình
thức có thể là một bài báo nghiên cứu khoa học, một luận án hoặc chuyên kh o. Báo cáo
này chỉ rõ một cách chi tiết tất c các công việc đư thực hiện trong quá trình nghiên cứu (ví
dụ, các lý thuyết đư sử dụng, các ph m trù đ ợc lựa chọn, các biện pháp đánh giá, ph ơng
pháp nghiên cứu, lấy mẫu đư sử dụng, v.v...) và lý do sử dụng, cũng nh các kết qu từng
40
giai đo n của quá trình nghiên cứu. Quá trình nghiên cứu ph i đ ợc mô t đầy đủ chi tiết
để các nhà nghiên cứu khác để có thể lặp l i nghiên cứu của b n, kiểm tra các kết qu
nghiên cứu có đ ợc, đánh giá xem liệu những kết luận có đ ợc chấp nhận về mặt khoa học
hay không. Tất nhiên, nếu đư có đề c ơng nghiên cứu chi tiết, sát thực thì quá trình viết
báo cáo sẽ đơn gi n và nhanh chóng hơn. L u ý rằng nghiên cứu sẽ không có giá trị trừ khi
quá trình và kết qu nghiên cứu có thể đ ợc các thế hệ nghiên cứu t ơng lai kiểm định.
Việc kiểm định này là yếu tố then chốt cho sự tiến bộ không ngừng của khoa học.
Các l i phổ bi n trong nghiên c u
Quá trình nghiên cứu luôn chứa đựng rất nhiều khó khăn và thử thách. Những ng
mới b ớc vào sự nghiệp nghiên cứu th
i
ng nhận thấy rằng, sau khi đầu t l ợng th i gian
và công sức đáng kể vào một dự án nghiên cứu, câu hỏi nghiên cứu của họ không đ ợc tr
l i một cách đầy đủ hoặc những phát hiện của họ không có giá trị hay nghiên cứu không có
đủ luận cứ khoa học để “đ ợc chấp nhận”. Những vấn đề nh vậy th
ng dẫn đến việc cơ
quan khoa học từ chối các kết qu nghiên cứu của họ. D ới đây là một số lỗi khá phổ biến.
Câu hỏi nghiên cứu thiếu hấp dẫn về mặt khoa học. Đôi khi, việc chọn những vấn
đề "s tr
ng", thú vị đối với chúng ta nh ng l i không hấp dẫn với cộng đồng khoa học.
Nghĩa là, chúng không t o ra kiến thức mới hoặc cái nhìn sâu sắc về hiện t ợng nghiên
cứu. B i vì quá trình nghiên cứu đòi hỏi ph i đầu t rất lớn về th i gian và nỗ lực, nên nhà
nghiên cứu ph i khẳng định (và thuyết phục đ ợc ng
i khác) rằng câu hỏi nghiên cứu họ
đang tìm kiếm câu tr l i cho việc xử lý các vấn đề thực tiễn (không ph i là gi thuyết), có
nh h
ng đến một phần đáng kể dân số và ch a đ ợc gi i quyết triệt để trong các nghiên
cứu tr ớc.
Theo đuổi mốt nghiên cứu nhất thời. Một sai lầm phổ biến khác là khi ng
i nghiên
cứu theo đuổi một chủ đề “hot”, mới nổi lên nh ng l i sẽ l c hậu nhanh chóng. Ví dụ điển
hình là các đề tài đang nghiên cứu các công nghệ phổ biến hiện nay. B i vì ph i mất vài
năm để các nghiên cứu hoàn thành và xuất b n, mối quan tâm nhất th i về những chủ điểm
đó có thể sẽ mất vào th i điểm hoàn thành nghiên cứu và gửi công bố. Một chiến l ợc tốt
hơn có thể là chọn những chủ đề "v ợt th i gian" luôn luôn tiếp tục tồn t i trong những
năm tiếp theo.
ẩhững vấn đề không thể nghiên cứu đ ợc. Một số vấn đề nghiên cứu d
ng nh
không thể đ ợc tr l i đầy đủ dựa trên bằng chứng đư quan sát cũng nh dựa trên các
ph ơng pháp và trình tự đ ợc chấp nhận hiện nay. Tốt nhất nên tránh những vấn đề kiểu
41
nh vậy. Tuy nhiên, cần chú ý rằng một số vấn đề ban đầu có thể là không thể nghiên cứu
đ ợc b i những định nghĩa mơ hồ, nh ng sau khi đ ợc sửa đổi hoặc điều chỉnh, chúng có
thể tr thành những vấn đề hữu ích và có thể nghiên cứu đ ợc.
u tiên sử dụng ph ơng pháp nghiên cứu yêu thích. Nhiều nhà nghiên cứu có xu
h ớng cố tình viết l i vấn đề nghiên cứu để sử dụng các ph ơng pháp nghiên cứu yêu thích
của họ (ví dụ nh nghiên cứu kh o sát). Đây là một xu h ớng đầy rủi ro. Ph ơng pháp
nghiên cứu tốt nhất nên đ ợc lựa chọn phù hợp với vấn đề nghiên cứu, chứ không ph i
điều chỉnh vấn đề nghiên cứu cho phù hợp với ph ơng pháp th
ng đ ợc nhà nghiên cứu
sử dụng.
Khai thác dữ liệu ng ợc quy trình. Một số nhà nghiên cứu có kế ho ch tiến hành
thu thập dữ liệu tr ớc (bằng cách sử dụng các công cụ thu thập sẵn có), sau đó tìm cách xử
lý cho phù hợp với dữ liệu đó. Cần ph i l u ý rằng, thu thập dữ liệu chỉ là một b ớc trong
một quá trình lâu dài và phức t p của việc lập kế ho ch, thiết kế và thực hiện nghiên cứu.
Trong thực tế, một lo t các ho t động khác cần thiết ph i đ ợc tiến hành tr ớc khi thu thập
dữ liệu. Nếu nhà nghiên cứu tiến hành thu thập dữ liệu tr ớc mà không có kế ho ch chi tiết
thì các dữ liệu thu thập đ ợc có thể sẽ không phù hợp, có khiếm khuyết hoặc không có giá
trị và những nỗ lực để thu thập dữ liệu của họ có thể tr nên hoàn toàn lãng phí. Sự dồi dào
của dữ liệu đư thu thập đ ợc không thể bù đắp hết những thiếu hụt trong nhiệm vụ lên kế
ho ch và thiết kế nghiên cứu, đặc biệt là việc thiếu các câu hỏi nghiên cứu thú vị.
42
Ch
ng 4
Lụ THUY T TRONG NGHIểN C U KHOA H C
Nh đư trình bày từ ch ơng tr ớc, khoa học là tri thức đ ợc biểu hiện bằng một tập
hợp các “lý thuyết”, đ ợc xây dựng bằng cách sử dụng các ph ơng pháp khoa học. Trong
ch ơng này, chúng ta sẽ xem xét lý thuyết là gì, t i sao chúng ta cần các lý thuyết trong
nghiên cứu, các thành phần của một lý thuyết là gì, làm thế nào để đánh giá lý thuyết, làm
thế nào để áp dụng lý thuyết trong nghiên cứu và trình bày các ví dụ minh họa của năm lý
thuyết th
ng xuyên đ ợc sử dụng trong nghiên cứu khoa học xư hội.
LỦ thuy t
Lý thuyết là các gi i thích về một hành vi, sự kiện hay hiện t ợng tự nhiên hoặc xã
hội. Chính thống hơn, lý thuyết khoa học là một hệ thống các ph m trù (khái niệm) và các
luận điểm (mối quan hệ giữa những ph m trù) trình bày một gi i thích hợp lý, có hệ thống
và m ch l c về một hiện t ợng đ ợc quan tâm trong ph m vi một số gi thiết và điều kiện
nhất định (Bacharach 1989)1.
Lý thuyết nên gi i thích lý do t i sao sự việc x y ra hơn là chỉ
mô t hoặc
dự đoán. L u ý rằng có thể dự đoán các sự kiện hoặc hành vi bằng cách sử dụng một tập
hợp các yếu tố dự báo mà không nhất thiết ph i gi i thích lý do t i sao những sự kiện nh
vậy đang diễn ra. Ví dụ, các nhà phân tích thị tr
chứng khoán dựa trên thông báo thị tr
ng dự đoán biến động của thị tr
ng
ng, báo cáo thu nhập của các công ty lớn, các dữ
liệu mới từ Cục Dự trữ Liên bang và các cơ quan khác, dựa trên mối t ơng quan đư quan
sát tr ớc đó. Dự đoán chỉ đơn thuần đòi hỏi phân tích mối t ơng quan (correlations).
Ng ợc l i, gi i thích yêu cầu sự hiểu biết về mối quan hệ nhân - qu (causations). Thiết lập
mối quan hệ nhân qu đòi hỏi ph i có ba điều kiện: (1) mối t ơng quan giữa hai ph m trù,
(2) u tiên về th i gian (nguyên nhân ph i diễn ra tr ớc kết qu trong một kho ng th i gian
nhất định), và (3) sự bác bỏ các gi thuyết thay thế (thông qua kiểm nghiệm). Các lý thuyết
khoa học khác với các gi i thích thần học, triết học,…
chỗ lý thuyết khoa học có thể
đ ợc kiểm nghiệm bằng cách sử dụng các ph ơng pháp khoa học.
Bacharach, S. B. (1989). “Organizational Theories: Some Criteria for Evaluation,” Academy of
Management Review (14:4), 496-515.
1
43
Gi i thích có thể là gi i thích cá biệt hoặc gi i thích phổ quát. Giải thích cá biệt
(idiographic explanation) là gi i thích duy nhất một tình huống một cách chi tiết và đặc
thù. Ví dụ, b n đư không làm tốt trong một kỳ thi vì: (1) b n đư quên là b n có một bài
kiểm tra vào ngày hôm đó, (2) b n đến muộn buổi thi do ùn tắc giao thông, (3) b n ho ng
sợ khi đang thi, (4) b n ph i làm việc muộn vào buổi tối hôm tr ớc và không thể ôn thi
hoặc thậm chí (5) con chó của b n cắn nát cuốn sách mà b n cần ph i ôn tập. Những l i
gi i thích có thể chi tiết, chính xác, hợp lệ, nh ng chúng có thể không áp dụng cho các tình
huống khác t ơng tự, thậm chí liên quan đến cùng một ng
i, do đó không thể khái quát
đ ợc. Ng ợc l i, giải thích phổ quát (nomothetic explanation) là việc tìm kiếm l i gi i
thích cho một nhóm các tình huống hoặc các sự kiện chứ không ph i là một tình huống
hoặc sự kiện cụ thể. Ví dụ, sinh viên làm kém trong các kỳ thi là do họ không dành đủ th i
gian chuẩn bị cho các kỳ thi hoặc họ bị căng thẳng, thiếu tập trung hoặc bị một số rối lo n
y khoa khác. Do trong gi i thích phổ quát, các lý thuyết đ ợc thiết kế để có thể khái quát
nhiều tình huống, nhiều sự kiện khác nhau nên có xu h ớng ít chính xác, ít hoàn chỉnh và ít
chi tiết hơn. Tuy nhiên, lý thuyết gi i thích th
ng cô đọng, chỉ sử dụng ít các biến số
gi ng gi i. B i mục đích của lý thuyết là đ a ra những gi i thích có kh năng khái quát cho
cơ chế ho t động của các sự kiện, hành vi hoặc hiện t ợng, nên nhìn chung, b n chất gi i
thích của lý thuyết là khái quát.
Khi tìm hiểu về lý thuyết, việc hiểu những gì không ph i là lý thuyết cũng rất quan
trọng. Lý thuyết không ph i là dữ liệu, các sự kiện, mô hình ho t động, phép phân lo i
hoặc các kết qu thực nghiệm. Một bộ s u tập các sự kiện thực tế không ph i là một lý
thuyết, nó giống nh một đống g ch đá mà không ph i là một ngôi nhà. T ơng tự nh vậy,
một bộ s u tập của các ph m trù (ví dụ, một hệ lo i ph m trù) không ph i là một lý thuyết.
Lý thuyết ph i đi v ợt ra khỏi các ph m trù tới mức độ bao gồm c các luận điểm, gi i
thích và điều kiện nhất định. Các dữ liệu, sự kiện hay kết qu tìm kiếm chỉ đơn thuần là
những quan sát thực nghiệm, trong khi đó lý thuyết đ ợc xem xét
mức độ nhận thức và
dựa trên lập luận chứ không chỉ là những quan sát đơn thuần.
Có rất nhiều lợi ích khi sử dụng các lý thuyết vào trong nghiên cứu. Đầu tiên, lý
thuyết cung cấp nhận thức cơ b n của sự xuất hiện các hiện t ợng tự nhiên hoặc xã hội
, quá trình vận động và kết qu vận động
bằng cách gi i thích đâu là
của hiện t ợng đó. Thứ hai, lý thuyết cung cấp một hệ quy chiếu giúp
các kết qu
nghiên cứu thực nghiệm tr ớc; lý gi i sự khác biệt kết qu nghiên cứu do các yếu tố ngẫu
nhiên nh h
ng tới mối quan hệ giữa hai ph m trù trong các nghiên cứu khác. Thứ ba, các
44
lý thuyết cung cấp những định h ớng cho các nghiên cứu trong t ơng lai bằng việc giúp
nhận diện các ph m trù và các mối quan hệ có giá trị cho nghiên cứu sâu hơn. Thứ tư, lý
kho ng trống giữa các lý
thuyết có thể đóng góp vào kho tàng tri thức bằng cách
thuyết khác nhau và t o ra nhu cầu đánh giá l i các lý thuyết hiện
trong bối c nh mới.
Tuy nhiên, lý thuyết cũng có thể có những h n chế riêng nó. Lý thuyết không ph i
lúc nào cũng cung cấp các gi i thích đầy đủ cho các hiện t ợng quan tâm b i nó chỉ gi i
thích đơn gi n, khái quát thực tế bằng một hệ thống giới h n các ph m trù và mối quan hệ.
Lý thuyết đ ợc xây dựng để tr thành những gi i thích đơn gi n và ngắn gọn, trong khi
thực tế có thể phức t p hơn rất nhiều. Hơn nữa, lý thuyết có thể
h n chế b i năng lực và
tầm nhìn của nhà nghiên cứu, khiến họ bỏ lỡ các khái niệm quan trọng do ch a đ ợc định
nghĩa trong lý thuyết.
Các thƠnh t c a m t lỦ thuy t
David Whetten (1989) đư đề x ớng rằng có bốn yếu tố cấu thành nên một lý thuyết:
ph m trù, luận điểm, lập luận và điều kiện hay gi thiết giới h n. Ph m trù đ m nhiệm vai
trò “là gì” của lý thuyết (ví dụ các khái niệm nào là quan trọng để gi i thích một hiện
t ợng), luận điểm đ m nhiệm vai trò “nh thế nào” (các khái niệm, ph m trù liên hệ với
nhau nh thế nào), lập luận giữ vai trò “t i sao” (ví dụ: t i sao các khái niệm liên kết với
nhau nh vậy) và điều kiện hay gi thiết giới h n kiểm tra yếu tố “ai, khi nào và
đâu”
(nh trong những tình huống cụ thể nào các ph m trù và mối quan hệ phát huy vai trò).
Ph m trù là khái niệm trừu t ợng đ ợc khái quát
thận để gi i thích hiện t ợng quan tâm. Nhớ l i
mức độ cao, đ ợc lựa chọn cẩn
Ch ơng 2, ph m trù có thể là đơn (đ i
diện cho một khái niệm duy nhất) nh độ tuổi, cân nặng; nh ng cũng có thể là phức (đ i
diện cho nhiều khái niệm ẩn) ví nh tính cách cá nhân hay nền văn hóa. Trong khi một số
ph m trù nh độ tuổi, trình độ học vấn hay quy mô tổ chức có thể dễ hiểu, thì một số khác
nh tính sáng t o, định kiến hay sự linh ho t của tổ chức có thể phức t p hơn; những ph m
trù khác nh sự tin t
ng, thái độ hay học tập có thể đề cập tới những xu thế nhất th i mà
không ph i là những tr ng thái ổn định. Tuy vậy, tất c các ph m trù ph i có những định
nghĩa thao tác rõ ràng, m ch l c,
l
cụ thể cách thức các ph m trù đó đ ợc đo
ng và cấp độ phân tích (cá nhân, nhóm hay tổ chức). Hình thức có thể đánh giá đ ợc
của các ph m trù trừu t ợng đ ợc gọi là các biến số. Ví dụ, chỉ số IQ là biến số đ ợc sử
dụng để đánh giá một ph m trù trừu t ợng đó là trí thông minh. Nh đư đề cập
phần
tr ớc, tiến trình nghiên cứu diễn ra trên hai mặt phẳng: một mặt phẳng lý thuyết và một
45
mặt phẳng thực nghiệm. Các ph m trù đ ợc nhận thức và định nghĩa
trong khi các biến đ ợc thao tác và đánh giá
mặt phẳng lý thuyết
mặt phẳng thực nghiệm (bằng quan sát).
Hơn nữa, các biến có thể độc lập, phụ thuộc, trung gian, điều hòa hay kiểm soát nh đ ợc
bàn luận trong Ch ơng 2. Sự khác biệt giữa ph m trù và biến số đ ợc minh họa trong Hình
4.1.
Hình 4.1 Khác biệt giữa các khái niệm lý thuyết và thực nghiệm
Lu n đi m là những mối liên hệ giữa các ph m trù dựa trên lập luận diễn dịch. Luận
điểm đ ợc phát biểu d ới hình thức thông báo và chỉ rõ mối quan hệ nhân - qu (ví dụ, nếu
X xuất hiện, sau đó Y sẽ hình thành). L u ý rằng luận điểm có thể là phỏng đoán, nh ng
một điều bắt buộc là nội dung của nó có thể kiểm chứng đ ợc bằng quan sát thực nghiệm
các biến t ơng ứng của chúng và nhà nghiên cứu nên lo i bỏ những luận điểm không thỏa
mưn điều kiện này. Tuy nhiên, giống nh ph m trù, luận điểm đ ợc phát biểu
mức độ lý
thuyết, chúng chỉ có thể đ ợc kiểm định bằng cách kiểm tra các mối quan hệ giữa các biến
t ơng ứng có thể đo l
ng đ ợc với những ph m trù đó. Việc hình thành các luận điểm
qua thực nghiệm, thể hiện mối quan hệ giữa các biến, đ ợc gọi là gi thuyết. Sự khác biệt
giữa các luận điểm (hình thành
cấp độ lý thuyết) và gi thuyết (kiểm nghiệm
cấp độ
thực nghiệm) đ ợc mô t trong Hình 4.1.
Cuối cùng, tất c các lý thuyết đều bị giới h n b i các giả định (hay gi thiết assumption) về giá trị, th i gian và không gian; điều kiện biên (boundary condition), các
gi định và điều kiện này chi phối tình huống nào lý thuyết có thể đ ợc áp dụng và tình
huống nào nó không có ý nghĩa. Ví dụ, nhiều lý thuyết kinh tế gi định rằng dù ít hay nhiều
con ng
i luôn thực dụng và duy lý. Chính vì vậy để hiểu hành vi con ng
46
i, các lý thuyết
này theo đuổi cách tiếp cận tối đa hóa sự thiết thực, dựa trên kỳ vọng của ng
i dùng về
chi phí bỏ ra và lợi ích thu đ ợc. Ng ợc l i, các lý thuyết khoa học chính trị cho rằng con
ng
i đặt tham vọng chính trị lên trên lý trí, luôn cố gắng khẳng định mình c trong công
việc và cuộc sống cá nhân với nỗ lực tối đa hóa quyền lực của họ để kiểm soát những
ng
i khác. Xuất phát từ b n chất của các gi định cơ b n, các lý thuyết kinh tế và lý
thuyết chính trị không thể so sánh trực tiếp, vì vậy nhà nghiên cứu không nên sử dụng các
lý thuyết kinh tế nếu mục tiêu của họ là tìm hiểu cấu trúc quyền lực hay sự phân chia
quyền lực trong một tổ chức. T ơng tự nh vậy, lý thuyết có thể có các gi định văn hóa
ngầm (ví dụ, chúng áp dụng đối với văn hóa cá nhân hay tập thể), gi định th i gian (ví dụ,
chúng áp dụng cho giai đo n đầu hoặc giai đo n cuối trong hành vi con ng
i) và gi định
không gian (ví dụ, chúng áp dụng đối với một số địa ph ơng nhất định mà không áp dụng
cho nơi khác). Để kiểm nghiệm và áp dụng đúng đắn một lý thuyết, tất c các gi định tiềm
ẩn của nó hình thành nên ranh giới của lý thuyết đó ph i đ ợc nhìn nhận và hiểu rõ. Thật
không may, trên thực tế các nhà lý thuyết hiếm khi phát biểu rõ ràng các gi định ẩn, dẫn
đến việc áp dụng không đúng các lý thuyết với các vấn đề trong nghiên cứu.
Các y u t lƠm nên m t lỦ thuy t t t
Lý thuyết đ ợc đơn gi n hóa và th
ng là những gi i thích về một phần nào đó của
thực t i xư hội phức t p. Nh vậy, những gi i thích này có thể thuyết phục hoặc thiếu
thuyết phục, do đó, có thể có những lý thuyết m nh và lý thuyết yếu. Làm thế nào chúng ta
có thể đánh giá sự m nh - yếu của một lý thuyết? Các nhà nghiên cứu đư đề xuất nhiều tiêu
chí khác nhau, trong số đó có các tiêu chí quan trọng đ ợc liệt kê d ới đây:
- ầập luận nhất quán (logical consistency): Liệu các ph m trù, luận điểm, điều kiện
biên và gi định về lý thuyết có đ ợc liên kết một cách thống nhất với nhau hay không?
Trong một lý thuyết, nếu một vài trong số những thành tố này không nhất quán với nhau,
ví dụ, một gi định lý thuyết tiếp cận theo h ớng duy lý, nh ng một số ph m trù l i đ i
diện cho các khái niệm không duy lý. Vậy thì nó không ph i là một lý thuyết m nh.
- ẩăng lực giải thích (explanatory power): lý thuyết đó gi i thích (hoặc dự đoán) về
hiện t ợng nghiên cứu
mức độ nh thế nào? Các lý thuyết tốt gi i thích rõ ràng, toàn
diện, chính xác khách thể nghiên cứu, ví dụ chúng có thể đ ợc đánh giá b i giá trị ph ơng
sai (R-square) trong các ph ơng trình hồi quy.
- Tính phản nghiệm (falsifiability): trong thập niên 1940, nhà triết học ng
i Anh
Karl Popper đư khẳng định rằng lý thuyết muốn có giá trị, chúng ph i đ ợc kiểm chứng.
47
Tính ph n nghiệm mang đến tình huống lý thuyết hoàn toàn có thể bị bác bỏ nếu dữ liệu
thực nghiệm không phù hợp với các luận điểm lý thuyết. Nói cách khác, lý thuyết không
còn là lý thuyết trừ khi chúng có thể đ ợc kiểm định bằng thực nghiệm. Những phát biểu
lặp l i nh "một ngày có nhiệt độ cao là một ngày nóng" không cần ph i kiểm nghiệm
bằng thực nghiệm, b i vì hiển nhiên một ngày nóng đ ợc xác định (và đo đ ợc mức nhiệt)
là một ngày với nhiệt độ cao. Do đó, phát biểu nh vậy không thể đ ợc xem nh là một
luận điểm lý thuyết. Tính ph n nghiệm đòi hỏi các lý thuyết ph i đ a ra các gi i thích thay
thế khác nhau để đ m b o các ph m trù của nó đ ợc đánh giá một cách thấu đáo. Tuy
nhiên, cần l u ý khi nói rằng một lý thuyết có tính ph n nghiệm không có nghĩa là lý
thuyết đó nên bị làm sai lệch. Nếu một lý thuyết thực sự bị làm sai lệch dựa trên bằng
chứng thực nghiệm, là một lý thuyết yếu!
- Tính tối giản (parsimony):
đề cập đến số l ợng biến đ ợc sử dụng để
gi i thích một hiện t ợng. Khái niệm này đ ợc nhà logic học ng
i Anh William of
Ockham đ a ra từ thế kỷ XIV (và đ ợc gọi là nguyên lý “dao c o Ockham” - "Ockham‟s
razor”). Ockham tuyên bố rằng trong số các lý thuyết gi i thích về một hiện t ợng quan sát
thì lý thuyết nào đơn gi n nhất (tức là sử dụng ít các biến nhất hoặc đ a ra ít gi định nhất)
là lý thuyết tốt nhất. Để gi i thích về một hiện t ợng xư hội phức t p, lý thuyết th
ng sử
dụng ngày càng nhiều các ph m trù. Điều này mâu thuẫn với ph ơng châm đơn gi n hóa
và khái quát hóa trong quá trình hình thành lý thuyết.
nh h
ng đến mức độ
linh động của một lý thuyết. Các lý thuyết tối gi n mang đến sự linh động
mức độ cao
hơn, cho phép chúng đ ợc khái quát hóa dễ dàng hơn cho các bối c nh khác, môi tr
ng
khác và đối t ợng khác.
Cách ti p c n xơy d ng lỦ thuy t
Làm thế nào để các nhà nghiên cứu xây dựng lên các lý thuyết? Steinfeld và Fulk
(1990)2 đề xuất bốn cách tiếp cận cho vấn đề này. Cách tiếp cận đầu tiên là xây dựng lý
thuyết theo lối quy n p dựa trên các mô hình về sự kiện hoặc hành vi đư quan sát. Cách
tiếp cận này th
ng đ ợc gọi là “thiết lập lý thuyết”, b i vì lý thuyết đ ợc thiết lập b i các
quan sát thực nghiệm. Kỹ thuật này phụ thuộc rất nhiều vào kh năng quan sát và gi i thích
của nhà nghiên cứu. Do vậy, lý thuyết đ ợc thiết lập có thể mang tính chủ quan và khó có
thể đ ợc xác thực. Hơn nữa, việc quan sát một số mô hình sự kiện nhất định không ph i
lúc nào cũng có thể t o ra lý thuyết, trừ khi nhà nghiên cứu có thể đ a ra l i gi i thích phù
Steinfield, C.W. and Fulk, J. (1990). “The Theory Imperative," in Organizations and Communications
Technology, J. Fulk and C. W. Steinfield (eds.), Newbury Park, CA: Sage Publications.
2
48
hợp cho các mô hình quan sát. Chúng ta sẽ th o luận về h ớng tiếp cận thiết lập lý thuyết
trong ch ơng tiếp sau về nghiên cứu định tính.
Cách tiếp cận thứ hai để xây dựng lý thuyết là dựa trên một mô hình nhận thức đư
xác định từ tr ớc, thực hiện phân tích toàn diện hiện t ợng nghiên cứu để nhận diện đặc
điểm của hiện t ợng đó. Ví dụ về mô hình nhận thức này là mô hình đầu ra - đầu vào đơn
gi n. Mô hình này giúp nhà nghiên cứu có thể tìm kiếm các hệ lo i đầu vào khác nhau, ví
dụ nh những yếu tố cá nhân, tổ chức và công nghệ có tiềm năng liên quan tới hiện t ợng
nghiên cứu (đầu ra) và mô t quá trình liên kết các yếu tố đó với hiện t ợng nghiên cứu.
Đây cũng là một cách tiếp cận quy n p, nó phụ thuộc nhiều vào kh năng tổng hợp của
ng
i nghiên cứu; và do đó việc xây dựng lý thuyết có thể bị tác động b i những định kiến
tr ớc đó của ng
i nghiên cứu về hiện t ợng nghiên cứu.
Cách tiếp cận thứ ba là m rộng hoặc điều chỉnh các lý thuyết hiện có nhằm mục
đích gi i thích trong một bối c nh mới, ví dụ m rộng các lý thuyết về học tập của cá nhân
để gi i thích việc học tập của tổ chức. Khi m rộng lý thuyết, một vài khái niệm, luận điểm
và điều kiện biên của lý thuyết tr ớc đó có thể vẫn đ ợc giữ l i; một số khác cần đ ợc điều
chỉnh cho phù hợp với bối c nh mới. H ớng tiếp cận diễn dịch này là một ph ơng pháp
hiệu qu để phát triển các lý thuyết hiện có, góp phần làm giàu tri thức nhân lo i.
Cách tiếp cận thứ tư là áp dụng các lý thuyết hiện có trong những bối c nh hoàn toàn
mới bằng cách chỉ rõ những điểm khác biệt cơ b n giữa các bối c nh khác nhau. Lối tiếp
cận này dựa trên sự so sánh giống và khác nhau. Đây có thể là ph ơng pháp hình thành lý
thuyết sáng t o nhất trong h ớng tiếp cận diễn gi i. Ví dụ Markus (1987)3 đư sử dụng phép
so sánh lo i suy giữa một vụ nổ h t nhân và sự phát triển tự do của các m ng l ới (còn gọi
là m ng l ới kinh doanh đa cấp) để đ a ra lý thuyết về l ợng tối thiếu của sự phát triển
m ng l ới đa cấp. Giống một vụ nổ h t nhân đòi hỏi một l ợng tới h n các chất phóng x
để duy trì sự nổ, Markus nhận thấy một m ng l ới đa cấp cũng đòi hỏi một số l ợng tối
thiếu ng
i dùng để duy trì sự phát triển của nó, nếu không có l ợng tối thiếu này, ng
i
dùng có thể bỏ m ng l ới đó, cuối cùng dẫn đến sự sụp đổ của m ng.
Ví d về các lỦ thuy t khoa h c xƣ h i
Trong phần này, chúng tôi trình bày tổng quan ngắn gọn về một vài lý thuyết minh
ho từ các bộ môn khoa học xư hội khác nhau. Những lý thuyết gi i thích các hành vi xã
Markus, M. L. (1987). “Toward a „Critical Mass‟ Theory of Interactive Media: Universal Access,
Interdependence, and Diffusion,” Communication Research (14:5), 491-511
3
AB., PVP., CNA.
49
hội lo i khác nhau qua việc sử dụng một tập hợp các ph m trù, mệnh đề, điều kiện biên,
gi định và logic nền t ng. L u ý rằng d ới đây chỉ là giới thiệu sơ l ợc về các lý thuyết,
độc gi nên xem thêm các tài liệu gốc về những lý thuyết này để biết thêm nội dung chi tiết
trong mỗi lý thuyết.
LỦ thuy t về đ i di n (Agency theory)(*). Lý thuyết về đ i diện (còn gọi là lý thuyết
giữa ng
i chủ và ng
(1973)4 là ng
i đ i diện), một lý thuyết cổ điển trong kinh tế học tổ chức, do Ross
i đầu tiên đề x ớng. Lý thuyết này nhằm gi i thích mối quan hệ kinh tế hai
bên (nh giữa chủ và ng
mua và ng
i làm công, giữa giám đốc điều hành và cổ đông, giữa ng
i
i bán) có mục tiêu không đồng nhất với nhau. Mục đích của lý thuyết về đ i
diện là để xác định rõ các hợp đồng và các điều kiện tối u thực hiện hợp đồng nhằm gi m
thiểu hậu qu xấu x y ra. Dựa trên gi thiết cốt lõi rằng con ng
rủi ro, lý thuyết này có thể đ ợc áp dụng
Hai bên trong lý thuyết này là ng
i có b n tính t lợi và sợ
cấp độ cá nhân hoặc tổ chức
i chủ và ng
i đ i diện qu n lý; ng
i chủ thuê
ng
i đ i diện thay mặt của mình để thực hiện một số nhiệm vụ. Trong khi mục tiêu của
ng
i chủ đòi hỏi hoàn thành nhanh, có hiệu qu các nhiệm vụ đ ợc giao, thì mục tiêu của
ng
i đ i diện là làm việc theo tiến độ riêng của mình, tránh các rủi ro và tìm kiếm lợi ích
cá nhân (nh thu nhập cá nhân) trong số lợi ích của công ty. Do đó, các mục tiêu của họ
không t ơng thích.
B n chất của vấn đề có thể là do thiếu thông tin giữa hai bên. Do ng
đầy đủ thông tin về phẩm chất đ o đức của ng
giá chính xác các kỹ năng của ng
hệ qu là ng
i chủ không có
i đ i diện hoặc không đủ thông tin để đánh
i đ i diện. Việc thiếu thông tin nh vậy có thể dẫn đến
i đ i diện không nỗ lực để hoàn thành tốt công việc đ ợc giao (rủi ro đ o
đức); hoặc không hoàn thành công việc do thiếu kiến thức chuyên môn hoặc thiếu kỹ năng
gi i quyết công việc (rủi ro do lựa chọn). Các hợp đồng thông th
ng dựa trên hành vi
(th i gian làm việc) để tr l ơng hàng tháng và nh vậy không thể gi i quyết đ ợc vấn đề
này. Do vậy, lý thuyết về đại diện khuyến cáo xây dựng hợp đồng lao động dựa trên kết
qu làm việc (đầu ra), chẳng h n nh tiền hoa hồng hoặc tiền th
ng đ ợc tr dựa trên
Theo Lý thuyết về đ i diện (thuyết đ i diện), quan hệ giữa các cổ đông và ng i qu n lý công ty đ ợc hiểu
nh là quan hệ đ i diện - hay quan hệ ủy thác theo hợp đồng. Theo đó các cổ đông (những ng i chủ principals), bổ nhiệm, chỉ định ng i khác (agents) để thực hiện qu n lý công ty cho họ. Theo luật về công ty
phổ biến trên thế giới, các cổ đông (đ i hội đồng cổ đông) có quyền chọn lựa để bầu, bổ nhiệm các vị trí qu n
lý quan trọng của công ty nh hội đồng qu n trị hay tổng giám đốc (giám đốc điều hành), trao thẩm quyền ra
các quyết định nhất định (theo điều lệ công ty) để hành động cho công ty và vì công ty, cũng nh định đo t
tài s n của công ty (ND).
4
Ross, S. A. (1973). “The Economic Theory of Agency: The Principal‟s Problem,” American Economic
Review (63:2), 134-139.
(*)
50
mức độ hoàn thành công việc. Hoặc có thể ký kết hợp đồng hỗn hợp vừa dựa trên hành vi
(th i gian làm việc), vừa dựa vào kết qu công việc. Các hợp đồng ủy quyền mua bán
chứng khoán cho nhân viên là ví dụ về lo i hợp đồng dựa trên kết qu , trong khi l ơng của
nhân viên là một hợp đồng dựa trên hành vi.
Lý thuyết về đ i diện cũng khuyến cáo một số công cụ mà ng
i chủ có thể sử dụng
để nâng cao hiệu qu của hợp đồng dựa trên hành vi, chẳng h n nh đầu t c i thiện cơ chế
giám sát (nh thuê giám sát viên) để tránh tình tr ng thông tin không đầy đủ; xây dựng các
hợp đồng có th i h n, việc gia h n phụ thuộc vào hiệu qu ho t động của các đ i lý hoặc
bằng cách điểu chỉnh tiêu chí mô t công việc sao cho thuận lợi hơn cho quá trình đánh giá
hiệu qu công việc đư giao.
LỦ thuy t hƠnh vi ho ch đ nh (Theory of Planned Behavior - Lý thuyết hành động
theo dự tính/theo kế ho ch). Lý thuyết hành vi ho ch định do Azjen (1991)5 đề x ớng, là
một lý thuyết tổng quát của hành vi con ng
i trong bộ môn tâm lý xư hội, có thể đ ợc sử
dụng để nghiên cứu một lo t các hành vi cá nhân. Nó gi định rằng hành vi của cá nhân là
kết qu của quá trình lựa chọn có ý thức, bị chi phối b i năng lực nhận thức cá nhân và áp
lực xư hội. Lý thuyết này cho rằng hành vi cá nhân bị chi phối b i kế ho ch hành động của
họ trong một tình huống cụ thể, kế ho ch này sẽ tác động đến thái độ của ng
i đó đối với
tình huống, chuẩn mực chủ quan (subjective norm) và cách thức kiểm soát tình huống đó
(xem hình 4.2).
Thái độ đ ợc định nghĩa là tổng thể những c m xúc tích cực hay tiêu cực của cá nhân
khi quan sát diễn biến của tình huống. Do đó, thái độ có thể đ ợc xem nh là một tổng thể
c m nhận của một ng
độ có thể đ ợc đo l
i về những hậu qu khác nhau của tình huống đó; và nh vậy thái
ng bằng c
ng độ của nhữnghậu qu này. Quan niệm chủ quan liên
quan đến nhận thức cá nhân về sự mong đợi của ng
i thân về cách ứng xử của họ trong
tình huống đó. Quan niệm chủ quan có thể đ ợc đo l
ng bằng một sự kết hợp cộng h
ng
các nhận định của họ về mong muốn của các nhóm có liên quan nh b n bè, đồng nghiệp,
ng
i qu n lý của họ. Kiểm soát hành vi là nhận thức cá nhân về các kiểm soát bên trong
hoặc bên ngoài chi phối hành vi trong tình huống cụ thể. Kiểm soát bên trong có thể bao
gồm năng lực cá nhân để thực hiện hành vi dự định (tự tác động), còn kiểm soát bên ngoài
đề cập đến các nguồn lực bên ngoài sẵn có, cần thiết để thực hiện hành vi (điều kiện thuận
lợi). Lý thuyết hành vi ho ch định cũng chỉ ra rằng đôi khi ng
i ta có thể có ý định thực
Ajzen, I. (1991). “The Theory of Planned Behavior,” Organizational Behavior and Human Decision
Processes (50), 179-211.
5
51
hiện một hành vi nhất định nh ng thiếu các điều kiện cần thiết để thực hiện; và do đó lý
thuyết này thừa nhận rằng yếu tố kiểm soát hành vi có thể mang đến những tác động trực
tiếp tới diễn biến của hành vi, kết hợp với các tác động gián tiếp t o ra b i kế ho ch hành
hộng của họ.
Lý thuyết hành vi ho ch định là một phần m rộng của một lý thuyết tr ớc đó đ ợc
gọi là Lý thuyết hành động hợp lý, nó bao gồm thái độ và quan niệm chủ quan là yếu tố
chính chinh phối ý định (kế ho ch hành động), nh ng không chứa đựng yếu tố kiểm soát
hành vi. Yếu tố kiểm soát hành vi đ ợc Ajzen bổ sung để gi i thích cho tr
ng hợp khi cá
nhân thiếu một số điều kiện cần thiết để thực hiện kế ho ch hành động của mình (chẳng
h n nh không có truy cập Internet tốc độ cao để l ớt web).
Hình 4.2. Lý thuyết hành vi ho ch định
LỦ thuy t khuy ch tán đổi m i (Innovation Diffusion Theory - IDT). Lý thuyết
khuyếch tán đổi mới là một lý thuyết quan trọng trong chuyên ngành truyền thông học,
nhằm mục đích gi i thích các cơ chế lan truyền và tối đa hóa những ý t
ng c i tiến, nhân
rộng các mô hình đổi mới diễn ra trong một cộng đồng. Các khái niệm cơ b n trong lý
thuyết đ ợc nhà xư hội học Pháp Gabriel Tarde đ a ra lần đầu tiên. Tuy nhiên, lý thuyết
này đ ợc phát triển hoàn chỉnh năm 1962 b i Everett Rogers dựa trên kết qu của 508
nghiên cứu về khuyếch tán. Bốn thành tố trụ cột của lý thuyết gồm: sự đổi mới hay các c i
tiến, kênh truyền thông, th i gian và cấu trúc xư hội. Sự đổi mới có thể bao gồm công nghệ
mới, hành vi mới hoặc ý t
ng mới. Chủ thể áp dụng những đổi mới này có thể
nhân hoặc tổ chức.
52
cấp độ cá
cấp độ vĩ mô (trong một cộng đồng, một tổ chức), IDT nhìn nhận khuyếch tán đổi
mới là một tiến trình giao tiếp, trong đó các cá nhân trong một cộng đồng với đặc điểm cấu
trúc nhất định tìm hiểu về một mô hình đổi mới và lợi ích của nó thông qua các kênh giao
tiếp khác nhau (ví dụ nh thông qua các ph ơng tiện truyền thông hoặc thông qua những
cá nhân đư và đang áp dụng mô hình này), sau khi bị thuyết phục b i những lợi ích của mô
hình, đư quyết định áp dụng nó. Khuyếch tán là một tiến trình đòi hỏi th i gian, bắt đầu
khá chậm rưi với một số ít ng
i sử dụng, sau đó đ ợc lan truyền nhanh hơn khi nó tr
thành xu thế trong cộng đồng và cuối cùng nó diễn ra chậm l i khi đ t đến sự bưo hòa về số
ng
i sử dụng trong cộng đồng đó. Nh vậy,
cấp độ vĩ mô này, đồ thị tổng quát mô t
quá trình sử dụng các mô hình đổi mới là một đ
Hình 4.3 và đồ thị phân phối ng
ng cong chữ S nh đ ợc hiển thị trong
i sử dụng là một phân phối th
ng. Điều này có nghĩa là
các chủ thể áp dụng là không giống nhau.
Hình 4.3. Đ
ng cong khuyếch tán hình chữ S
Tuy vậy, căn cứ vào th i điểm áp dụng các mô hình c i tiến hay đổi mới, họ có thể
đ ợc phân thành ng
i đổi mới (số l ợng rất ít), một nhóm nhỏ ng
i áp dụng ngay ban
đầu, nhóm t ơng đối lớn áp dụng sớm, nhóm t ơng đối lớn áp dụng muộn và nhóm nhỏ
ng
i áp dụng muộn. Tỉ lệ số ng
i áp dụng một mô hình đổi mới cũng phụ thuộc vào đặc
điểm cấu trúc xư hội của cộng đồng đó. Ví dụ nh có hay không sự hiện diện của các lưnh
đ o tinh thần (những ng
nh h
i mà quan điểm của họ đ ợc đánh giá cao) và các cá nhân có
ng lớn đến hành vi của những ng
i khác.
53
cấp độ vi mô (cấp độ cá nhân), Rogers (1995)6 chỉ ra rằng quá trình áp dụng một
mô hình đổi mới
một cá nhân tr i qua năm giai đo n: (1) tìm hiểu: mỗi cá nhân tìm hiểu
thông tin về mô hình mới thông qua các ph ơng tiện truyền thông đ i chúng hoặc các kênh
giao tiếp cá nhân, (2) thuyết phục: họ bị thuyết phục b i những tiện lợi hoặc bất lợi của mô
hình, (3) quyết định: quyết định áp dụng hoặc từ chối áp dụng mô hình, (4) thực hiện: b ớc
đầu thử nghiệm mô hình, và (5) xác nhận: quyết định có hay không áp dụng mô hình
mức độ tối đa (Xem Hình 4.4). Có năm yếu tố nh h
ng đến các quyết định này của chủ
thể áp dụng: (1) mức độ tiện lợi: những tiện lợi của mô hình mới so với các mô hình tr ớc
đó, (2) kh năng t ơng thích: mức độ phù hợp với thói quen, s tr
ng
ng, quan niệm của
i áp dụng, (3) độ phức t p: mô hình có dễ dàng để hiểu và thực hiện hay không, (4)
tính thử nghiệm: mô hình có thể đ ợc áp dụng thử nghiệm mức độ nào, và (3) kh năng
kiểm nghiệm: các kết qu của việc áp dụng mô hình đổi mới đ ợc c m nhận rõ ràng đến
mức độ nào. Hai yếu tố cuối cùng mà Rogers đề xuất đư bị l ợc bỏ trong các nghiêm cứu
sau đó về đổi mới. Trong số năm yếu tố này, độ phức t p sẽ kìm hưm việc áp dụng các mô
hình đổi mới, trong khi đó bốn yếu tố còn l i thúc đẩy việc áp dụng này.
Ngoài ra, việc áp dụng đổi mới cũng phụ thuộc vào đặc điểm cá nhân, ví dụ nh tính
a m o hiểm, trình độ học vấn, sự c i m và thói quen giao tiếp. Ng
mới ngay lúc ban đầu th
ng là những ng
i áp dụng sự đổi
i u m o hiểm, có học vấn và tìm hiểu phần
lớn thông tin về mô hình đổi mới trên các ph ơng tiện truyền thông đ i chúng. Trong khi
đó, những ng
ng
i áp dụng mô hình muộn hơn th
ng dựa trên các quan hệ cá nhân nh
i thân hoặc b n bè để tìm hiểu những thông tin quan trọng về mô hình đổi mới. Bên
c nh những thàng công, IDT đư gặp ph i những chỉ trích về sự thiên vị dành cho xu h ớng
đổi mới, b i vì nó gi định rằng tất c sự đổi mới là có lợi và đến một th i điểm nào đó
chúng sẽ tr nên thịnh hành trong cộng đồng. Ngoài ra, lý thuyết này bị chỉ trích vì nó
cũng làm chậm quá trình lo i bỏ những c i tiến hay các mô hình đổi mới không phù hợp
với cộng đồng để thay thế bằng những mô hình phù hợp hơn, thiết thực hơn.
Hình 4.4. Quá trình áp dụng đổi mới
6
Rogers, E. (1962). Diffusion of Innovations. New York: The Free Press. Other editions 1983, 1996, 2005.
54
Mô hình xem xét kỹ l
ng (Elaboration Likelihood Model - ELM). Mô hình xem
xét kỹ l ỡng đ ợc Petty và Cacioppo (1986)7 phát triển, là lý thuyết trong tâm lý học về
một tiến trình kép trong việc hình thành và thay đổi thái độ cá nhân. Lý thuyết này gi i
thích quá trình các cá nhân thay đổi quan điểm, thái độ của họ về một sự vật, sự kiện hoặc
một hành vi sau quá trình xem xét của họ về sự vật, hiện t ợng đó.
Mô hình xem xét kỹ l ỡng cho rằng quan điểm, thái độ của một cá nhân đ ợc phân
thành hai “h ớng”
nh h
ng: h ớng chính yếu (central route) và h ớng ngo i vi
(peripheral route). Hai h ớng này khác nhau
mức độ chuyên sâu trong quá trình phân
tích, xử lý thông tin (xem Hình 4.5). Trong h ớng chính yếu, chủ thể sẽ xem xét một cách
chi tiết, đầy đủ các thông tin khác nhau về một hiện t ợng, đánh giá mức độ liên quan và
tính khách quan, toàn diện của các nguồn thông tin đó tr ớc khi thận trọng đ a ra phán xét
của mình về hiện t ợng quan tâm. Nói cách khác, chủ thể với h ớng chính yếu chú ý đến
chất l ợng nguồn thông tin. Trong khi đó, đối với h ớng ngo i vi, ví dụ để hình thành
quan điểm, thái độ về một mặt hàng, ng
dụ nh số l ợng ng
i tiêu dùng dựa vào các “tín hiệu” bên ngoài, ví
i đư và đang dùng s n phẩm này, số l ợng khuyến nghị của các
chuyên gia hoặc số l ợng ng
i ủng hộ s n phẩm đó, chứ không ph i dựa trên đặc tính của
các nguồn thông tin này. Có thể nói h ớng ngo i vi đòi hỏi sự đầu t về trí tuệ ít hơn.
Trong các nghiên cứu sử dụng mô hình xem xét kỹ l ỡng, các h ớng nhằm thay đổi thái
độ th
ng đ ợc xem xét thông qua hai ph m trù đặc tính chính yếu và tín hiệu ngoại vi.
Hình 4.5. Mô hình xem xét kỹ l ỡng
7
Petty, R. E., and Cacioppo, J. T. (1986). Communication and Persuasion: Central and Peripheral Routes to
Attitude Change. New York: Springer-Verlag.
55
Việc quan điểm, thái độ cá nhân bị nh h
ng và thay đổi b i h ớng chính yếu hay
b i h ớng ngo i vi phụ thuộc vào năng lực và động cơ của họ trong việc phân tích vấn đề.
Chủ thể có năng lực phân tích tốt là những ng
một cách thấu đáo và có xu thế bị nh h
Trong khi đó, những ng
i có kh năng xử lý, phân tích thông tin
ng b i các đặc điểm định tính của hiện t ợng.
i h n chế về kh năng phân tích th
ng bị nh h
ng b i các tín
hiệu ngo i vi. L u ý rằng, xu h ớng phân tích là một đặc điểm có tính chất tình huống, chứ
không ph i l một tính cách cá nhân cố hữu. Ví dụ, một bác sĩ có thể sử dụng h ớng chính
yếu, kết hợp với chuyên môn của họ để chuẩn đoán và điều trị một lo i bệnh nào đó. Tuy
vậy, ng
i bác sĩ này có thể dựa vào những tín hiệu ngo i vi từ b ng thông báo tự động
trong xe để tìm hiểu điều gì đang x y ra với xe hơi của họ. Chính vì sự đa d ng này, mô
hình xem xét lý l ỡng đ ợc ứng dụng rộng rưi trong các chiến l ợc nhằm thay đổi thái độ
của các cá nhân về một s n phẩm mới, ý t
ng mới hoặc thậm chỉ một thay đổi mới trong
xư hội.
LỦ thuy t răn đe tổng h p (General Deterrence Theory). Hai nhà triết học duy lợi
của thế kỷ XVIII là Cesare Beccaria và Jeremy Bentham đư xây dựng Lý thuyết răn đe
tổng hợp để gi i thích tình hình tội ph m và ph ơng pháp làm gi m tội ph m. Lý thuyết
răn đe tổng hợp xem xét lý do t i sao một số cá nhân tham gia vào các hành vi lệch chuẩn,
chống đối xư hội hoặc ph m tội. Lý thuyết này cho rằng con ng
i về cơ b n là duy lý (họ
có lý trí khi thực hiện c những hành vi phù hợp với chuẩn mực xư hội và c hành vi lệch
l c) và con ng
i đ ợc tự do lựa chọn hành vi lệch chuẩn dựa trên tính toán lợi ích hợp lý.
B i theo lẽ tự nhiên, con ng
i lựa chọn hành vi có lợi nhất, kể c hành vi lệch chuẩn miễn
là mang l i sự lợi ích hay khoái l c cá nhân. Do đó, có thể đ ợc kiểm soát các hành vi đó
bằng cách gia tăng mức độ tr giá cho hành vi lêch chuẩn ví dụ nh tăng mức xử ph t (biện
pháp đối phó) cũng nh tăng kh năng bị phát hiện và trừng ph t đối với ng
i vi ph m.
Sự kịp th i, tính nghiêm khắc và chính xác của hình ph t là các yêu tố then chốt trong Lý
thuyết răn đe tổng hợp.
Các nghiên cứu thực chứng cổ điển trong tội ph m học tìm kiếm nguyên nhân phổ
biến của hành vi ph m tội nh nghèo đói, thiếu giáo dục, các lý do tâm lý và sau đó đề xuất
các chiến l ợc để giáo dục c i t o tội ph m, chẳng h n nh t o cho họ học nghề và điều trị
y tế. Trong khi đó, Lý thuyết răn đe tổng hợp tập trung vào các quá trình quyết định ph m
tội và các yếu tố tình huống nh h
những yếu tố cá nhân của ng
b c) và bối c nh môi tr
ng đến quá trình lựa chọn hành vi ph m tội đó. Do đó,
i ph m tội (nh địa vị xư hội, sự sung túc và nhu cầu tiền
ng (nh mức độ các mục tiêu đ ợc b o vệ, năng lực của c nh sát
56
khu vực, kh năng bị phát hiện và bắt giữ khi tội ph m x y ra) đóng vai trò quan trọng
trong quá trình ra quyết định ph m tội. Trọng tâm của Lý thuyết răn đe tổng hợp không
ph i là làm thế nào để giáo dục c i t o tội ph m và ngăn chặn các hành vi tội ph m trong
t ơng lai, mà là làm thế nào để làm gi m động cơ ph m tội (gi m mức độ hấp dẫn của ho t
động ph m tội) và qua đó ngăn ngừa tội ph m.
Để đ t đ ợc điêu này, hàng lo i các biện pháp cụ thể đ ợc triển khai: thiết lập các
“mục tiêu cứng” nh các chốt cố định (deadbolts), xây dựng kỹ năng tự vệ, tăng tính răn đe
của pháp luật nh lo i bỏ biện pháp t m tha cho một số tội ph m, áp dụng “Luật bất quá
tam” (“Three Strikes Law”)(*) (buộc giam giữ đối với những đối t ợng có 3 tiền án, ngay
c hành vi vi ph m thuộc lo i ít nghiêm trọng và trong khung đ ợc miễn chấp hành hình
ph t tù), áp dụng án tử hình, tăng nhận thức về kh năng bị phát hiện, bắt giữ bằng cách bố
trí ph ơng tiện camera dọc các tuyến phố, sử dụng lực l ợng đặc nhiệm chống ma túy hay
tội ph m có tổ chức, tăng c
ng tuần tra c nh sát, thực hiện các ch ơng trình giáo dục nh
thông báo rộng rưi khẩu hiệu “Mọi hành vi ph m tội sẽ bị trừng ph t”. Lý thuyết này có ý
nghĩa không chỉ cho tội ph m truyền thống, mà còn cho tội ph m cổ cồn trắng hiện đ i,
nh mua bán thông tin nội bộ trong kinh doanh chứng khoán, vi ph m b n quyền phần
mềm, chia sẻ bất hợp pháp tác phẩm âm nh c.
“Three Strike Law” là một đ o luật rất nghiêm khắc của một số bang Hoa Kỳ, t m dịch là “Luật bất quá
tam” có nghĩa là “Luật ba lần ph m tội hình sự là bị xử tù chung thân” (N.D).
(*)
57
Ch
ng 5
THI T K NGHIểN C U
Thiết kế nghiên cứu là một kế ho ch toàn diện, chỉ rõ cách thức thu thập dữ liệu
trong một dự án nghiên cứu thực nghiệm. Thiết kế nghiên cứu là một “
các nghiên cứu thực nghiệm nhằm tr l i các câu hỏi nghiên cứu cụ thể hoặc
” cho
nghiệm
các gi thuyết cụ thể và ph i ghi rõ ít nhất ba quá trình: (1) quá trình thu thập dữ liệu, (2)
quá trình thuyết minh công cụ sử dụng và (3) quá trình lấy mẫu. Quá trình thuyết minh
công cụ sử dụng và quá trình lấy mẫu sẽ đ ợc mô t trong hai ch ơng tiếp theo, quá trình
thu thập dữ liệu (đôi khi còn đ ợc gọi là quá trình “thiết kế nghiên cứu”) đ ợc giới thiệu
trong ch ơng này và đ ợc mô t chi tiết hơn trong các Ch ơng 9 - 12.
Nhìn chung, các ph ơng pháp thu thập dữ liệu có thể đ ợc nhóm l i thành hai lo i:
thực chứng và diễn gi i. Ph
ng pháp th c ch ng (positivist method), chẳng h n nh các
thực nghiệm trong phòng thí nghiệm và nghiên cứu kh o sát, nhằm mục đích kiểm nghiệm
lý thuyết (hay gi thuyết), trong khi ph
ng pháp di n gi i (interpretive method), chẳng
h n nh nghiên cứu hành động và dân tộc học, nhằm mục đích hình thành lý thuyết.
Ph ơng pháp thực chứng sử dụng cách tiếp cận suy diễn để nghiên cứu, bắt đầu với một lý
thuyết và thử nghiệm các luận điểm lý thuyết bằng cách sử dụng các dữ liệu thực nghiệm.
Ng ợc l i, ph ơng pháp diễn gi i sử dụng cách tiếp cận quy n p bắt đầu với dữ liệu và cố
gắng để t o ra một lý thuyết về hiện t ợng quan tâm từ các dữ liệu đư thu thập.
Thông th
ng, những ph ơng pháp này không hoàn toàn t ơng đ ơng với nghiên
cứu định l ợng và định tính. Ph ơng pháp định l ợng và định tính đề cập đến các lo i dữ
liệu đ ợc thu thập (dữ liệu định l ợng liên quan đến chỉ số, số liệu; trong khi các dữ liệu
định tính bao gồm các cuộc phỏng vấn, quan sát,…) và đ ợc phân tích (ví dụ, các kỹ thuật
định l ợng nh hồi quy hoặc các kỹ thuật định tính nh mã hoá). Nghiên cứu thực chứng
sử dụng dữ liệu chủ yếu là định l ợng, nh ng cũng có thể sử dụng dữ liệu định tính.
Nghiên cứu diễn gi i chủ yếu dựa vào các dữ liệu định tính, nh ng đôi khi có thể đ ợc
h
ng lợi từ các dữ liệu định l ợng. Đôi khi, sử dụng kết hợp các dữ liệu định tính và định
l ợng có thể giúp t o ra cái nhìn sâu sắc đối với một hiện t ợng xư hội phức t p mà nếu
chỉ dùng một trong hai lo i dữ liệu trên thì không thể có đ ợc. Do đó, các thiết kế hỗn hợp
kết hợp các dữ liệu định tính và định l ợng th
58
ng là rất hấp dẫn.
Các thu c tính c b n c a m t thi t k nghiên c u
Chất l ợng của các thiết kế nghiên cứu có thể đ ợc xác định dựa vào bốn yếu tố
chính: giá trị nội t i, giá trị ngo i t i, giá trị cấu trúc và giá trị kết luận thống kê.
Giá tr n i t i (internal validity), cũng đ ợc gọi là giá trị nhân quả, xem xét liệu sự
thay đổi của một biến phụ thuộc đ ợc quan sát có thực sự đ ợc t o ra b i một sự thay đổi
của biến độc lập t ơng ứng hay đó là kết qu gây ra b i các biến làm nhiễu xuất hiện trong
bối c nh nghiên cứu. Giá trị nhân qu đòi hỏi tho mưn ba điều kiện: (1) sự đồng biến của
nguyên nhân và kết qu (ví dụ, nếu nguyên nhân x y ra, thì hậu qu cũng sẽ x y ra; nếu
nguyên nhân không x y ra, hậu qu không x y ra), (2) th i gian u tiên: nguyên nhân ph i
đi tr ớc kết qu về mặt th i gian, (3) không có l i gi i thích chính đáng khác (nghĩa là
không có t ơng quan gi ).
Một số thiết kế nghiên cứu, chẳng h n nh các thử nghiệm trong phòng thí nghiệm
có giá trị nhân qu cao nh kh năng xử lý, điều chỉnh các biến độc lập (nguyên nhân), sau
đó đo l
ng chính xác kết qu quan sát (biến phụ thuộc), cùng với việc kiểm soát những
tác động của các biến không liên quan (biến nhiễu). Các thiết kế khác, chẳng h n nh kh o
sát thực địa, th
ng không đ t đ ợc giá trị nội t i cao b i vì tr ớc hết chúng không có kh
năng điều chỉnh các biến độc lập (nguyên nhân)
, trong kh o sát thực địa, khi
nguyên nhân và kết qu đ ợc đánh giá t i cùng một điểm và nh vậy
khi kh o sát,
kết
(biến phụ thuộc)
hoặc đư bị tác động b i các yếu tố khác.
Việc có giá trị nội t i (giá trị nhân qu ) cao hơn so với các thiết kế khác không có
nghĩa là thực nghiệm trong phòng thí nghiệm tránh đ ợc các mối đe dọa đối với giá trị
nhân qu . Trên thực tế có hàng lo t các nguy cơ là gi m giá trị nhân qu trong nghiên cứu
thực nghiệm. Đó là những nh h
ng b i lịch sử, quá trình thử nghiệm, thiết bị đo đ c, hồi
quy,… Tất c sẽ đ ợc th o luận sau trong ch ơng về thiết kế thực nghiệm.
Giá tr ngo i t i (external validity)(*) hay giá trị m rộng, đề cập tới kh năng các
kết qu nghiên cứu có thể đ ợc suy rộng cho các quần thể khác (giá trị quần thể) hay cho
các tr
ng hợp khác: con ng
i khác, tổ chức khác, bối c nh khác và th i gian khác (giá
trị sinh thái). Ví dụ, liệu rằng các kết qu rút ra từ một mẫu nghiên cứu của các công ty tài
chính
Hoa Kỳ có thể đ ợc áp dụng cho các công ty tài chính khác trên thế giới (giá trị
Nguyễn Văn Tuấn dịch “internal validity” là “hợp lý nội t i”; “external validity” là “hợp lý ngo i t i”.
Xem:
“Tiêu
chuẩn
chất
l ợng
giáo
dục
đ i
học”,
ngày
02/02/2008.
Nguồn:
tiasang.com.vn/Default.aspx?tabid=62&News=1547&CategoryID=6
(*)
59
quần thể) hoặc cho các công ty khác t i Hoa Kỳ (giá trị sinh thái)? Nghiên cứu kh o sát với
dữ liệu đ ợc thu thập từ nhiều nguồn khác nhau nh các cá nhân, tổ chức hoặc các đơn vị
phân tích khác, th
ng có tính khái quát hóa cao hơn so với các thử nghiệm trong phòng
thí nghiệm với các tác động chủ quan của nhà nghiên cứu và sự kiểm soát chặt chẽ các
biến không liên quan
sẽ t o ra các kết qu ít khái quát hơn
nhà nghiên cứu không thể kiểm soát đ ợc các biến không liên quan
trong thực tế
. Sự biến động về
giá trị nội t i và giá trị ngo i t i của các thiết kế nghiên cứu đ ợc trình bày trong Hình 5.1.
Hình 5.1. Giá trị nội t i và giá trị ngo i t i
Một số nhà nghiên cứu khẳng định rằng có sự trao đổi giữa giá trị nội t i và giá trị
ngo i t i: nếu muốn giá trị ngo i t i cao thì ph i chấp nhận giá trị nội t i thấp và ng ợc l i.
Nh ng điều này không ph i luôn luôn đúng. Các thiết kế nghiên cứu nh thực nghiệm
ngoài thực tế, kh o sát thực tế dài hơi và các nghiên cứu đa tr
ng hợp mang đến giá trị
cao c về nội t i lẫn ngo i t i. Cá nhân tôi thích các thiết kế nghiên cứu có mức độ hợp lý
của giá trị nội t i và ngo i t i - đó là những nghiên cứu nằm trong hình nón nh
Hình
5.1. Nh ng điều này không có nghĩa là các thiết kế bên ngoài hình nón này là kém giá trị
và ít hữu ích. Các nhà nghiên cứu lựa chọn các thiết kế với mong muốn phù hợp nhất với
s thích, năng lực cá nhân; mức độ giá trị nội t i và ngo i t i mà họ mong muốn.
Giá tr ph m trù (construct validity) xem xét có đúng là thang đánh giá
ể đo l
ng, đánh giá các ph m trù lý thuyết cần nghiên cứu, chứ không ph i là các
ph m trù khác. Nhiều ph m trù đ ợc sử dụng trong nghiên cứu khoa học xư hội nh sự
60
đồng c m, b o thủ và học tập cộng đồng là rất khó để định nghĩa, càng khó để đo l
ng. Ví
dụ, giá trị ph m trù cần đ m b o chắc chắn một thang đánh giá thực sự để đo l
ng “sự
đồng c m”, chứ không ph i là “lòng từ bi”. Điều này có thể khó khăn khi nhiều ph m trù
có ý nghĩa t ơng tự. Giá trị ph m trù đ ợc đánh giá trong nghiên cứu thực chứng dựa trên
ph ơng pháp phân tích t ơng quan hoặc phân tích giai thừa và sẽ đ ợc mô t trong ch ơng
kế tiếp.
Giá tr k t lu n th ng kê (statistical conclusion validity) đánh giá mức độ xác thực
của các kết luận có đ ợc bằng việc sử dụng các kỹ thuật thống kê. Ví dụ, tiêu chuẩn này sẽ
kiểm tra liệu rằng ph ơng pháp thống kê đ ợc sử dụng để kiểm nghiệm các gi thuyết có
phù hợp, liệu rằng các biến đ ợc sử dụng có đáp ứng đ ợc các điều kiện để áp dụng
ph ơng pháp thống kê đó (chẳng h n nh kích cỡ tối thiểu của mẫu, yêu cầu về phân bổ
mẫu). B i các thiết kế nghiên cứu diễn gi i không sử dụng các kỹ thuật kiểm định thống
kê, nên giá trị kết luận thống kê không áp dụng cho phân tích này. Các giá trị khác nhau và
vị trí chúng d ới góc độ lý thuyết / thực nghiệm đ ợc minh họa trong Hình 5.2.
Hình 5.2. Kiểu giá trị khác nhau trong nghiên cứu khoa học
C i thi n giá tr n i t i vƠ giá tr ngo i t i
Những thiết kế nghiên cứu tốt nhất là những thiết kế có kh năng đ m b o giá trị cao
c về nội t i lẫn ngo i t i. Những thiết kế nh vậy sẽ h n chế đ ợc các quan hệ không xác
thực, nâng cao niềm tin trong việc kiểm nghiệm gi thuyết và đ m b o các kết qu có đ ợc
61
từ một mẫu nhỏ có thể đ i diện cho c một quần thể lớn. Cần ph i có đ ợc những đối
chứng cần thiết trong thiết kế nghiên cứu để nâng cao giá trị nội t i (nhân qu ). Có năm
cách để có đ ợc sự đối chứng là: (1) điều chỉnh, (2) lo i bỏ, (3) bao hàm, (4) đối chứng
thống kê và (5) ngẫu nhiên hóa.
Trong kỹ thuật điều ch nh (manipulation), nhà nghiên cứu sử dụng và điều chỉnh các
thử nghiệm đối với các biến độc lập
nghiệm”); sau đó so sánh nh h
các mức độ khác nhau (gọi là các mức độ “thử
ng của các thử nghiệm này với một nhóm đối chứng
(nhóm này không tiếp nhận các tác động thử nghiệm). Ví dụ về thử nghiệm có thể là một
lo i thuốc mới, một liều l ợng mới, một ph ơng pháp gi ng d y mới,... Kỹ thuật điều
chỉnh sẽ phát huy tác dụng trong các thiết kế thực nghiệm (experimental) và ngụy thực
nghiệm (quasi-experimental). Trong khi đó
các thiết kế phi thực nghiệm (non-
experimental) nh kh o sát chẳng h n, kỹ thuật này khó có thể áp dụng. Nếu đối t ợng
nghiên cứu không thể phân biệt đ ợc các mức độ khác nhau của quá trình điều tiết, thì
ph n ứng của họ cho các mức độ này có thể sẽ không khác nhau. Nh vậy kỹ thuật điều
chỉnh sẽ thất b i.
Kỹ thu t lo i trừ (elimination) nhằm lo i bỏ những biến không liên quan bằng cách
liên tục kiểm tra tính liên quan của các biến, chẳng h n nh bằng cách chỉ tập trung nghiên
cứu một giới tính hoặc một nhóm khách thể có cùng điều kiện kinh tế - xư hội. Trong kỹ
thu t bao hƠm (inclusion), các biến không liên quan đ ợc sử dụng, sau đó mức độ tác
động của chúng đối với các biến độc lập sẽ đ ợc tính toán cụ thể. Ph ơng pháp này giúp
tăng giá trị phổ quát, nh ng tất nhiên đòi hỏi số l ợng mẫu ph i lớn hơn nhiều đủ để kiểm
tra nhiều biến khác nhau. Trong ph ơng pháp đ i ch ng th ng kê (statistical control), các
biến không liên quan đ ợc sử dụng, đo l
ng nh những đồng biến trong quá trình thử
nghiệm.
Cuối cùng, trong kỹ thu t ng u nhiên hóa (randomization), tác động của các biến
không liên quan sẽ đ ợc lo i trừ thông qua quá trình lấy mẫu ngẫu nhiên. Có hai cách ngẫu
nhiên hoá (1) lựa chọn ngẫu nhiên tức là mẫu đ ợc lấy ngẫu nhiên từ quần thể, và (2) phân
bổ ngẫu nhiên là đối t ợng nghiên cứu đ ợc lựa chọn không ngẫu nhiên nh ng l i đ ợc
phân bổ ngẫu nhiên vào các nhóm thử nghiệm. Ngẫu nhiên hoá cũng sẽ c i thiện giá trị phổ
quát, cho phép kết luận từ mẫu có thể đ ợc khái quát hoá cho toàn bổ quẩn thể. Chú ý
rằng, nếu lựa chọn ngẫu nhiên không thực hiện đ ợc vì lý do h n chế về nguồn lực và việc
tiếp cận đối t ợng nghiên cứu thì phân bổ ngẫu nhiên là bắt buộc. Bên c nh đó, việc khái
62
quát hoá cũng sẽ bị h n chế khi quần thể gồm nhiều khía c nh đa d ng phức t p, trong khi
đó chúng ta chỉ có thể kiểm soát đ ợc một vài khía c nh này mà thôi.
Các thi t k nghiên c u phổ bi n
Nh đư đề cập phần tr ớc, tuỳ thuộc vào mục đích nghiên cứu, thiết kế nghiên cứu
có thể đ ợc phân lo i thành hai lo i - thực chứng và diễn gi i. Thiết kế thực chứng nhằm
mục đích thử nghiệm lý thuyết, trong khi các thiết kế diễn gi i nhằm xây dựng lý thuyết.
Thiết kế thực chứng tìm kiếm mô hình tổng quát dựa trên một cái nhìn khách quan về thực
tế, trong khi các thiết kế diễn gi i tìm kiếm gi i thích chủ quan về các hiện t ợng xã hội từ
quan điểm của các đối t ợng liên quan.
Một số ví dụ phổ biến của các thiết kế thực chứng bao gồm thử nghiệm trong môi
tr
ng nhân t o, thử nghiệm ngoài thực địa, kh o sát thực địa, phân tích dữ liệu thứ cấp và
nghiên cứu tr
ng hợp; trong khi ví dụ về thiết kế diễn gi i bao gồm nghiên cứu tr
hợp, hiện t ợng học và dân tộc học. L u ý rằng nghiên cứu tr
ng
ng hợp có thể đ ợc sử
dụng để xây dựng lý thuyết hoặc thử nghiệm lý thuyết. Không ph i tất c các ph ơng pháp
này phù hợp cho tất c các lo i nghiên cứu khoa học. Một số kỹ thuật nh hội th o nhóm
nhỏ là thích hợp nhất cho các nghiên cứu thăm dò, những kỹ thuật khác nh nghiên cứu
dân tộc học phát huy tác dụng tốt nhất cho nghiên cứu mô t , hay các thử nghiệm trong
môi tr
ng nhân t o là nơi lý t
ng cho nghiên cứu gi i thích. Sau đây là mô t ngắn gọn
về một số những thiết kế này. Các ch ơng 9 - 12 sẽ cung cấp chi tiết hơn.
Nghiên c u th c nghi m (experimental studies)(*) là những nghiên cứu nhằm mục
đích kiểm tra mối quan hệ nhân - qu (các gi thuyết) trong điều kiện, môi tr
ng nghiên
cứu đ ợc kiểm soát chặt chẽ bằng cách tách biệt các yếu tố nguyên nhân với kết qu về
mặt th i gian, áp đặt yếu tố nguyên nhân đối với một nhóm đối t ợng (nhóm thực nghiệm)
mà không áp đặt đối với một nhóm khác (nhóm đối chứng). Sau đó quan sát sự thay đổi
của các kết qu giữa các đối t ợng trong hai nhóm này. Ví dụ, nếu chúng ta thiết kế một
thực nghiệm trong phòng thí nghiệm để kiểm tra tính hiệu qu của một lo i thuốc mới
trong điều trị một căn bệnh nào đó, có thể lấy một mẫu ngẫu nhiên trong số những ng
nh h
i bị
ng với căn bệnh đó. Sau đó phân họ một cách ngẫu nhiên thành hai nhóm (nhóm
thực nghiệm và nhóm đối chứng), phát thuốc cho các đối t ợng trong nhóm điều trị (nhóm
thực nghiệm), nh ng chỉ đ a ra viên trấn an (viên thuốc không có giá trị chữa bệnh) cho
nhóm khác. Các thiết kế phức t p hơn có thể bao gồm nhiều nhóm thực nghiệm, chẳng h n
(*)
“Experimental studies” có khi đ ợc dùng với nghĩa là nghiên cứu thử nghiệm hay nghiên cứu thí nghiệm
63
nh các nhóm đ ợc phát thuốc với liều l ợng cao thấp khác nhau; hoặc sử dụng nhiều tác
động, chẳng h n nh kết hợp dùng thuốc với việc can thiệp vào chế độ ăn uống.
Trong thi t k th c nghi m đích th c (true experimental design), các đối t ợng này
ph i đ ợc phân ngẫu nhiên giữa các nhóm. Nếu việc phân bổ ngẫu nhiên không đ ợc thực
hiện thì thiết kế đó sẽ tr thành gi th c nghi m (quasi-experiment). Các thực nghiệm có
thể đ ợc thực hiện trong một môi tr
tr
ng nhân t o hoặc phòng thí nghiệm nh của một
ng đ i học (thực nghiệm nhân t o - laboratory experiments) hoặc ngoài thực địa nh
trong một tổ chức nơi các hiện t ợng quan tâm đang diễn ra trên thực tế (thực nghiệm thực
địa - field experiments). Thực nghiệm trong phòng thí nghiệm cho phép các nhà nghiên
cứu có thể để cô lập các biến quan tâm và kiểm soát các biến không liên quan, điều này
khó có thể có đ ợc trong các thực nghiệm thực địa. Do đó, kết luận rút ra từ các thực
nghiệm nhân t o th
nghiệm thực địa l i th
ng có giá trị nhân qu (giá trị nội t i) cao hơn, nh ng các thực
ng có giá trị ngo i t i cao hơn.
Dữ liệu thực nghiệm đ ợc phân tích bằng cách sử dụng các kỹ thuật thống kê định
l ợng. Điểm m nh nhất của thiết kế thực nghiệm là giá trị nhân qu cao do kh năng cô
lập, kiểm soát và tập trung kiểm tra một số l ợng nhỏ các biến, trong khi điểm yếu cơ b n
của nó là sự h n chế về kh năng khái quát hóa vì trên thực tế cuộc sống th
ng phức t p
hơn (ví dụ nh có sự xuất hiện của nhiều biến không liên quan) so với các thiết lập trong
phòng thí nghiệm. Hơn nữa, nếu nghiên cứu không nhận diện và kiểm soát các biến không
liên quan thì giá trị nhân qu có thể bị gi m hoặc mang đến những t ơng quan gi .
Kh o sát th c đ a (field survey) là những thiết kế phi thực nghiệm, không kiểm soát
hay tác động các biến độc lập mà đánh giá các biến này và kiểm tra kết qu bằng cách sử
dụng các ph ơng pháp thống kê. Kh o sát thực địa giúp nắm bắt đ ợc bức tranh tổng thể
của thực tế, các quan điểm, tình huống từ một mẫu ngẫu nhiên của các đối t ợng trong các
môi tr
ng nghiên cứu thông qua một b ng câu hỏi kh o sát hoặc ít th
ng xuyên hơn,
thông qua một cuộc phỏng vấn cấu trúc (structured interview). Trong các cuộc khảo sát
thực địa ngang (cross-sectional field survey), các biến độc lập và biến phụ thuộc đ ợc
đánh giá t i cùng một điểm (ví dụ, bằng cách sử dụng một b ng câu hỏi duy nhất), trong
khi đó đối với khảo sát thực địa dọc (còn gọi là kh o sát thực địa dài hơi - longitudinal
field survey), các biến phụ thuộc đ ợc đánh giá sau các biến độc lập. Thế m nh của kh o
sát thực địa là giá trị phổ quát của chúng (b i vì dữ liệu đ ợc thu thập trong thực tế), có
kh năng nắm bắt và kiểm soát một số l ợng lớn các biến và kh năng nghiên cứu một vấn
đề từ nhiều bối c nh hoặc sử dụng các nhiều lý thuyết khác nhau. Tuy nhiên, do
64
, giá trị nhân qu (mối quan hệ nhân - qu ) rất khó
đ ợc suy ra và các cuộc kh o sát có thể gặp ph i những thành kiến của đối t ợng kh o sát
(ví dụ nh đối t ợng có thể cung cấp những câu tr l i theo xu thế xư hội mà không ph i là
ph n ứng thật sự của họ). Điều này làm gi m giá trị nhân qu .
Phân tích d li u th c p (secondary data analysis) là việc phân tích các dữ liệu
đ ợc ng
i khác thu thập và xử lý tr ớc đây. Những dữ liệu này có thể bao gồm dữ liệu từ
các cơ quan chính phủ nh các số liệu thống kê việc làm từ các Cơ quan Dịch vụ Lao
động, thống kê phát triển quốc gia từ các Ch ơng trình Phát triển Liên Hợp Quốc, dữ liệu
do các nhà nghiên cứu khác thu thập (th
ng đ ợc sử dụng trong các nghiên cứu phân tích
tổng hợp) hoặc dữ liệu của bên thứ ba đ ợc công bố công khai, chẳng h n nh dữ liệu tài
chính từ thị tr
ng chứng khoán hoặc dữ liệu đấu giá từ eBay. Điều này là trái ng ợc với
hầu hết các thiết kế nghiên cứu
khi mà thu thập dữ liệu là một phần công việc của nhà
nghiên cứu.
Phân tích dữ liệu thứ cấp có thể là một ph ơng tiện nghiên cứu hiệu qu khi mà việc
thu thập dữ liệu gốc quá tốn kém hoặc không kh thi và dữ liệu thứ cấp có sẵn, đủ về số
l ợng và chất l ợng để tr l i các câu hỏi nghiên cứu. Những h n chế của thiết kế này là
dữ liệu có thể không đ ợc thu thập một cách có hệ thống, khoa học và do đó
không phù hợp với nghiên cứu khoa học. Rõ ràng nếu dữ liệu đ ợc thu thập cho mục đích
khác thì chúng khó có thể gi i quyết triệt để các câu hỏi nghiên cứu cho mục
đích
.
Nghiên c u tr
ng h p (Case study) là việc điều tra sâu, trong một kho ng th i
gian dài về một hoặc nhiều vấn đề khoa học đ ợc phát hiện trong thực tế cuộc sống. Dữ
liệu có thể đ ợc thu thập bằng cách sử dụng kết hợp các ph ơng pháp nh phỏng vấn,
quan sát cá nhân và phân tích tài liệu. Về b n chất, nghiên cứu tr
ng hợp có thể là thực
chứng (dùng để kiểm nghiệm gi thuyết) hoặc diễn gi i (dùng để xây dựng lý thuyết).
Điểm m nh của ph ơng pháp nghiên cứu này là kh năng khám phá một lo t các yếu tố xư
hội, văn hóa và chính trị có kh năng liên quan đến hiện t ợng cần nghiên cứu ch a đ ợc
khám phá tr ớc đó. Nghiên cứu tr
ng hợp chứa đựng nhiều các phân tích định tính, phụ
thuộc nhiều vào bối c nh chứa đựng tr
ng hợp nghiên cứu. Tuy nhiên, việc gi i thích các
kết qu phụ thuộc nhiều vào kh năng quan sát và tích hợp của nhà nghiên cứu. Việc thiếu
so sánh đối chứng có thể t o ra những khó khăn trong thiết lập mối quan hệ nhân qu .
Đồng th i, những phát hiện từ tr
cho các tr
AB., PVP., CNA.
ng hợp đơn lẻ có thể không dễ dàng để khái quát hóa
ng hợp khác. Khái quát hóa có thể đ ợc c i thiện bằng cách tái t o, so sánh và
65
kết hợp với các tr
ng hợp khác trong tr
ng hợp một thiết kế nhiều tr ờng hợp (multi
case design).
Th o lu n nhóm nh (còn gọi th o luận nhóm tâm điểm - Focus group research) là
việc tập hợp một nhóm nhỏ ng
i tham gia (th
ng là 6 đến 10 ng
i) t i một địa điểm và
tổ chức th o luận về một hiện t ợng quan tâm trong kho ng th i gian 1,5 đến 2 gi . Th o
luận này đ ợc chủ trì và điều hành b i một ng
i có chuyên môn. Ng
i điều hành thiết
lập ch ơng trình th o luận và đặt ra một tập hợp các câu hỏi ban đầu cho ng
i tham gia.
Quá trình th o luận, ng
ng và kinh
i này ph i đ m b o chắc chắn rằng những ý t
nghiệm của tất c những ng
i tham gia ph i đ ợc phát biểu. Sau đó ph i cố gắng gi i
quyết vấn đề nghiên cứu một cách toàn diện dựa trên việc tổng hợp các ý kiến và kinh
nghiệm của ng
i tham gia. Trong th o luận nhóm nhỏ, giá trị nhân qu không thể đ ợc
thiết lập do thiếu sự đối chứng và phát hiện không thể đ ợc khái quát hóa cho các đối
t ợng khác vì kích th ớc mẫu rất nhỏ. Do đó, th o luận nhóm nhỏ th
ng không đ ợc sử
dụng trong nghiên cứu gi i thích hoặc mô t mà thiết kế này phù hợp hơn cho các nghiên
cứu thăm dò.
Nghiên c u hƠnh đ ng (Action research) gi định rằng cách tốt nhất để nhận thức
các hiện t ợng xư hội phức t p là trực tiếp can thiệp, tác động vào những hiện t ợng đó và
sau đó quan sát kết qu của quá trình tác động. Trong ph ơng pháp này, các nhà nghiên
cứu th
ng là một nhà t vấn hoặc là một thành viên sẽ tham dự vào một bối c nh xư hội
nhất định, ví dụ nh họ tham gia vào một tổ chức, đ a ra những đề xuất để c i thiện ho t
động của tổ chức đó. Việc lựa chọn hành vi của nhà nghiên cứu ph i dựa trên những cơ s
lý thuyết; ph i gi i thích đ ợc lý do t i sao và làm thế nào hành vi đó có thể gây ra các
thay đổi theo mong muốn. Nhà nghiên cứu sau đó quan sát các kết qu tác động b i hành
vi của họ, sửa đổi hành vi can thiệp khi cần thiết, đồng th i phân tích để đ a ra những hiểu
biết lý thuyết về các vấn đề nghiên cứu và các biện pháp can thiệp đư thực hiện.
Lý thuyết ban đầu có giá trị nếu hành vi đ ợc lựa chọn gi i quyết thành công vấn đề
nghiên cứu. Gi i quyết đ ợc vấn đề nghiên cứu t ơng tự, đồng đ i là các đặc tính căn b n
để phân biệt nghiên cứu hành động với tất c các ph ơng pháp nghiên cứu khác. Do đó,
nghiên cứu hành động là một ph ơng pháp đ ợc đánh giá cao, làm cầu nối giữa nghiên
cứu và thực hành. Ph ơng pháp này cũng thích hợp cho việc nghiên cứu các vấn đề xã hội
đặc thù không tìm thấy bên ngoài bối c nh của chúng. Tuy vậy, ph ơng pháp này cũng có
thể mang đến những thiên vị chủ quan của nhà nghiên cứu và việc khái quát hóa những kết
qu th
ng bị giới h n trong bối c nh nghiên cứu đ ợc tiến hành.
66
Nghiên c u dơn t c h c (Ethnography) là một thiết kế nghiên cứu diễn gi i lấy c m
hứng từ nhân chủng học. Nghiên cứu dân tộc học nhấn m nh rằng các hiện t ợng nghiên
cứu ph i đ ợc nghiên cứu trong bối c nh nền văn hóa của chúng. Nhà nghiên cứu cần ph i
đắm mình trong một nền văn hóa nhất định trong th i gian dài (8 tháng đến 2 năm) và
trong th i gian đó họ tham gia, quan sát, c m nhận và ghi l i cuộc sống hàng ngày; sau
cùng hình thành lý thuyết về sự vận động của nền văn hóa đó. Dữ liệu đ ợc thu thập chủ
yếu thông qua các kỹ thuật quan sát, quá trình t ơng tác chính thức và không chính thức
với những con ng
i trong nền văn hóa đó và do vậy, những ghi chú cá nhân có ý nghĩa
quan trọng trong phân tích dữ liệu.
Các nhà nghiên cứu ph i t
ng thuật rất chi tiết kinh nghiệm của mình để ng
i đọc
có thể có những tr i nghiệm giống nh nhà nghiên cứu về nền văn hóa mà không nhất thiết
ph i có mặt
đó. Những lợi thế của cách tiếp cận này là sự nh y c m trong bối c nh, sự
hiểu biết phong phú, có sắc thái và h n chế thấp nhất những thiên vị hay định kiến của
khách thể nghiên cứu. Tuy nhiên, đây cũng là một cách tiếp cận cực kỳ tốn th i gian, công
sức và kinh phí, những phát hiện chỉ đặc tr ng cho một nền văn hóa nhất định và ít khái
quát hóa cho các nền văn hóa khác.
L a ch n các thi t k nghiên c u
Trong số rất nhiều trên thiết kế nghiên cứu nêu trên, nhà nghiên cứu nên chọn thiết
kế nào cho nghiên cứu của họ? Nhìn chung, các nhà nghiên cứu có xu h ớng chọn những
thiết kế mà họ thấy thuận lợi nhất và tự tin nhất để thực hiện. Nh ng về nguyên tắc, việc
lựa chọn nên căn cứ vào b n chất của hiện t ợng cần nghiên cứu chứ không ph i là sự tiện
lợi của nhà nghiên cứu. Trong giai đo n nghiên cứu ban đầu, khi các vấn đề nghiên cứu
không rõ ràng, nhà nghiên cứu muốn tìm hiểu kỹ tính chất và mức độ của một vấn đề
nghiên cứu nhất định, th o luận nhóm nhỏ (đối với đơn vị phân tích là cá nhân) hoặc
nghiên cứu tr
ng hợp (đối với đơn vị phân tích tổ chức) là một chiến l ợc lý t
ng cho
các nghiên cứu thăm dò.
Khi muốn đào sâu hơn nữa vào lĩnh vực nghiên cứu, nh ng thấy không có lý thuyết
thuyết phục để gi i thích các hiện t ợng quan tâm và muốn xây dựng một lý thuyết để
khỏa lấp các kho ng trống lý luận trong lĩnh vực đó, các thiết kế diễn gi i nh nghiên cứu
tr
ng hợp hoặc nghiên cứu dân tộc học có thể rất hữu ích. Nếu các lý thuyết hiên có đang
tồn t i những mâu thuẫn và nhà nghiên cứu muốn kiểm nghiệm các lý thuyết khác nhau
hoặc tích hợp chúng thành một lý thuyết lớn hơn, các thiết kế thực chứng nh thực nghiệm,
67
nghiên cứu kh o sát, phân tích dữ liệu thứ cấp l i phù hợp hơn.
Cho dù thiết kế nghiên cứu cụ thể nào đ ợc chọn, các nhà nghiên cứu cần ph i cố
gắng để thu thập c dữ liệu định tính và định l ợng bằng cách sử dụng kết hợp các kỹ thuật
nh b ng câu hỏi, phỏng vấn, quan sát và dữ liệu thứ cấp. Ví dụ, ngay c trong một b ng
câu hỏi cố định để thu thập dữ liệu định l ợng, nhà nghiên cứu có thể để l i một số chỗ cho
một vài câu hỏi m để thu thập dữ liệu định tính, điều này có thể thu nhận những kết qu
bất ng không thể có đ ợc nếu chỉ sử dụng các câu hỏi đư cấu trúc sẵn tr ớc đó. T ơng tự
nh vậy, trong khi nghiên cứu tr
ng hợp sử dụng chủ yếu là phỏng vấn trực tiếp để thu
thập dữ liệu định tính thì cũng không nên bỏ qua tiềm năng và giá trị của việc thu thập dữ
liệu định l ợng.
Ví dụ, trong nghiên cứu tr
ng hợp về quá trình ra quyết định của một tổ chức, khi
phỏng vấn (thu thập dữ liệu định tính) nhà nghiên cứu có thể ghi l i các con số nh mất
bao nhiêu tháng để đ a ra quyết định, bao nhiêu ng
i đư tham gia trong quá trình ra quyết
định và bao nhiêu quyết định đư bị thay thế. Việc làm này có thể cung cấp những hiểu biết
có giá trị mà không dễ có trong các câu tr l i t
ng thuật của ng
i đ ợc hỏi. Cho dù
thiết kế nghiên cứu cụ thể nào đ ợc sử dụng, nhà nghiên cứu cần ph i h ớng đến mục tiêu
thu thập dữ liệu nhiều và đa d ng nhất có thể, có nh vậy mới có thể t o ra những cái nhìn
sâu sắc nhất về hiện t ợng nghiên cứu.
68
Ch
PH
ng 6
NG TH C ĐỄNH GIỄ
Luận điểm lý thuyết chứa đựng mối quan hệ giữa các ph m trù trừu t ợng. Kiểm
nghiệm lý thuyết (
các luận điểm) đòi hỏi ph i đo l
ng, đánh giá các ph m trù đó
một cách đầy đủ, chính xác bằng các ph ơng pháp khoa học. Trong nghiên cứu khoa học
xã hội, một số ph m trù, chẳng h n nh độ tuổi hay trọng l ợng của một ng
của một tổ chức, có thể dễ dàng đo l
i, quy mô
ng, trong khi các ph m trù khác, chẳng h n nh
thành kiến, sáng t o hay sự xa lánh thì việc đo l
ng, đánh giá có thể khó khăn hơn nhiều.
Trong ch ơng này, chúng ta sẽ tìm hiểu các quy trình liên quan đến việc nhận thức (khái
niệm hóa) và thực hành (thao tác hóa) để t o ra các biện pháp đánh giá các ph m trù.
Khái ni m hóa
Khái niệm hóa (conceptualization) là quá trình nhận thức, trong đó các ph m trù (hay
khái niệm) và các thành tố cấu thành của chúng còn mơ hồ, ch a chính xác đ ợc định
nghĩa bằng những thuật ngữ cụ thể, rõ ràng và chính xác. Ví dụ, chúng ta th
ng sử dụng
từ “định kiến” (prejudice) và thuật ngữ này gợi lên những hình dung khác nhau trong nhận
thức của chúng ta, tuy nhiên, chúng ta có thể c m thấy hết sức khó khăn để xác định chính
xác thuật ngữ này có nghĩa là gì. Nếu ai đó nói những điều xấu về các chủng tộc khác, liệu
đó có ph i là định kiến về chủng tộc? Nếu phụ nữ đ ợc tr ít tiền hơn nam giới khi họ làm
cùng một công việc, đó có ph i là định kiến về giới? Nếu các con chiên tin rằng ng
i
không có niềm tin vào Chúa sẽ bị thiêu đốt trong địa ngục. Vậy đó có ph i là định kiến tôn
giáo? Có các lo i định kiến khác nhau và chúng là những gì? Có những mức độ khác nhau
của định kiến, chẳng h n nh sâu sắc hay chỉ một chút đỉnh? Tr l i tất c những câu hỏi
này là chìa khóa để đánh giá, đo l
ng một cách chính xác ph m trù “định kiến”. Quá trình
nhận thức về những gì sẽ đ ợc bao hàm và những gì đ ợc lo i trừ trong khái niệm “định
kiến” chính là quá trình khái niệm hóa.
Quá trình hình thành khái niệm là điều kiện tiên quyết trong khoa học xư hội b i vì
trong thực tiễn có rất nhiều ph m trù thiếu chính xác, không rõ ràng và mơ hồ. Ví dụ, liệu
“lòng từ bi” (compassion) có t ơng tự nh “sự đồng c m” (empathy) hay “sự th ơng c m”
(sentimentality)? Nếu b n có một luận điểm nói rằng “lòng từ bi liên quan tích cực đến sự
69
đồng cảm”, b n không thể kiểm định luận điểm này trừ khi b n phân biệt rõ ràng khái
niệm “lòng từ bi” và khái niệm “sự đồng c m”, sau đó đánh giá một cách chính xác bằng
thực nghiệm hai ph m trù rất giống nhau này. Nếu những ng
thành viên của xư hội, chẳng h n nh những ng
i vô thần, ng
i sùng đ o tin rằng một số
i đồng tính và các bác sĩ
n o phá thai, sẽ bị ho thiêu trong địa ngục vì tội lỗi của họ, những con
chiên này ngày đêm cố gắng thay đổi hành vi “tội lỗi” để tránh ph i bị đày i
địa ngục.
Vậy thì hành động của họ là đáng th ơng hay đáng trách? Định nghĩa về các ph m trù nh
vậy không
bất kỳ tiêu
khách quan nào mà dựa trên quan niệm chủ quan của
chúng ta về ph m trù đó.
Trong khi định nghĩa các ph m trù nh “định kiến” hay “lòng từ bi”, cần nhớ rằng
đôi khi, các ph m trù này là không có thật hoặc có kh năng tồn t i riêng rẽ, nh ng chúng
đ ợc sáng t o trong nhận thức của chúng ta. Ví dụ, có thể có một số bộ l c trên thế giới họ
không có định kiến với bất kỳ vấn đề gì; do đó họ không thể t
ng t ợng đ ợc khái niệm
này là gì. Nh ng trong nghiên cứu, cần ph i xem các khái niệm này là có thật. Quá trình
coi những ph m trù tinh thần có thật đ ợc gọi là vật thể hóa (reification). Đó là cơ s để
định nghĩa các ph m trù và xác định các biến đo l
ng để đánh giá chúng.
Một nhiệm vụ quan trọng khi khái niệm hóa các ph m trù đó là ph i xác định chúng
là đơn hay phức. Ph m trù đơn chỉ có một nghĩa và có thể đo l
kiểm định, ví dụ cân nặng của ng
ng, đánh giá chỉ bằng một
i, tốc độ gió. Trong khi đó, ph m trù phức chứa đựng
hai hay nhiều khía c nh. Ví dụ, khi khái niệm hóa ph m trù “năng lực học tập cá nhân”,
ph m trù này bao gồm kh năng toán học và kh năng ngôn ngữ; vậy nên mỗi khía c nh
cần ph i đ ợc đánh giá một cách riêng biệt, sau đó kết qu sẽ đ ợc tổng hợp để đ a ra kết
luận cuối cùng về năng lực học tập của một ng
i.
Thao tác hóa
Sau khi một ph m trù đ ợc định nghĩa, câu hỏi đặt ra là làm thể nào để đánh giá một
cách chính xác nó. Thao tác hóa (operationalization) nói đến quá trình phát triển các chỉ số
(indicator) để đánh giá, đo l
ng các ph m trù này. Ví dụ, một ph m trù
không
thể quan sát đ ợc nh ph m trù “thực tr ng kinh tế - xư hội” đ ợc định nghĩa là mức thu
nhập của hộ gia đình, thì quá trình thao tác hóa đ ợc thực hiện bằng cách sử dụng chỉ số
“thu nhập hộ gia đình” và hỏi ng
i tham gia: thu nhập hàng năm của gia đình b n là
những kho n gỉ? B i vì tính chủ quan và thiếu rõ ràng của các ph m trù trong khoa học xư
hội (trừ một số ph m trù nhân khẩu học nh tuổi, giới tính, bằng cấp, thu nhập), th
70
ng
đòi hỏi ph i dùng nhiều chỉ số khác nhau để đánh giá một ph m trù. Quá trình này cho
phép kiểm tra sự chặt chẽ của các chỉ số và coi đó nh là một tiêu chí để đánh giá tính xác
thực của chúng (độ tin t
ng).
Nếu nh các ph m thù đ ợc định nghĩa về mặt lý thuyết thì các chỉ số l i đ ợc áp
dụng trên thực tế. Sự kết hợp các chỉ số
cấp độ thực nghiệm đ ợc gọi là một biến số.
Nh đư đề cập trong ch ơng tr ớc, biến số có thể độc lập, phụ thuộc, điều hòa hay trung
gian phụ thuộc vào cách chúng ta sử dụng chúng trong một nghiên cứu cụ thể. Bên c nh
đó, mỗi chỉ số có thể có một hoặc nhiều lượng biến (attribute) và mỗi l ợng biến đ i diện
cho một trị số (value). Ví dụ, biến số “giới tính” có hai l ợng biến là nam hoặc nữ. T ơng
tự, mức độ hài lòng của khách hàng có thể đ ợc phân chia thành năm l ợng biến “rất
không hài lòng”, “không hài lòng”, “không rõ”, “hài lòng” và “rất hài lòng”. Trị số của các
l ợng biến có thể là định l ợng (bằng số) hay định tính (không bằng con số).
Dữ liệu định l ợng có thể đ ợc phân tích bằng các kỹ thuật phân tích định l ợng nh
hồi quy hay mô hình ph ơng trình cấu trúc, trong khi đó dữ liệu định tính đòi hỏi các kỹ
thuật định tính ví dụ nh mã hóa (coding). Cần chú ý, nhiều biến trong khoa học xư hội là
định tính, dù cho chúng đ ợc trình bày d ới hình thức định l ợng. Ví dụ, chúng ta có thể
t o ra một chỉ số hài lòng của khách hàng với năm mức độ nêu trên và đánh số lần l ợt từ
1 - 5 cho các mức độ đó. Vì vậy, có thể sự dụng các công cụ thống kê hiện đ i để phân tích
dữ liệu định l ợng. Tuy nhiên, các con số này chỉ là những mác giúp ng
i tr l i đánh giá
mức độ hài lòng của họ và biến số “sự hài lòng” vẫn là định tính cho dù chúng đ ợc trình
bày theo cách định l ợng.
Có hai lo i chỉ số là chỉ số ph n ánh và chỉ số thành phần. Chỉ số phản ánh
(reflective indicator) đ ợc dùng để diễn đ t b n chất của ph m trù. Ví dụ, nếu “mộ đ o”
đ ợc định nghĩa là một ph m trù để đánh giá mức độ sùng đ o của một ng
i thì việc tham
dự các nghi lễ tôn giáo có thể là một chỉ số ph n ánh của ph m trù mộ đ o. Chỉ số thành
phần (formative indicatior) dùng để hình thành hay góp phần hình thành nên ph m trù. Chỉ
số này có thể đ i diện cho các khía c nh khác nhau của ph m trù. Ví dụ, nếu “mộ đ o”
đ ợc định nghĩa là sự cấu thành b i các góc độ: niềm tin, sùng bái và lễ nghĩa tôn giáo thì
các chỉ số đ ợc chọn để đo l
ng các góc độ khác nhau này đ ợc coi là chỉ số thành phần.
Ph m trù đơn đ ợc đánh giá bằng các chỉ số ph n ánh, trong khi đó các ph m trù phức
đ ợc đo l
ng b i sự kết hợp các chỉ số thành phần và mỗi góc độ có thể đ ợc đo bằng
cách sử dụng một hay nhiều chỉ số ph n ánh.
71
M c đ đánh giá
Công việc đầu tiên cần thực hiện khi thao tác hóa một ph m trù đó là quyết định các
mức độ đánh giá cụ thể (level of measurement). Mức độ đánh giá (hay còn gọi là thang tỉ
lệ - rating scale) đề cập đến các giá trị của một chỉ số. Ví dụ, nam và nữ (hoặc M và F hoặc
1 và 2) là hai giá trị của chỉ số “giới tính”. Trong bài viết chuyên đề với tựa đề "Lý thuyết
về thang đánh giá" đ ợc xuất b n trong t p chí “Science” vào năm 1946, nhà tâm lý học
Stanley SmithStevens (1946) đư xác định bốn lo i thang đánh giá cơ b n dùng cho đánh
giá khoa học: thang định danh, thang thứ bậc, thang kho ng và thang tỷ lệ. Đặc điểm thống
kê của các thang này đ ợc thể hiện trong B ng 6.1.
B ng 6.1. Thuộc tính thống kê của các thang tỉ lệ
Thang đ nh danh (nominal scale), cũng đ ợc gọi là thang xác thực, đùng để đo
l
ng, đánh giá sự xác thực của các nguồn dữ liệu. Những thang này đ ợc sử dụng cho
những biến hay những chỉ số có thành phần (hay giá trị) không lo i bỏ lẫn nhau, ví dụ nh
giới tính (hai giá trị: nam hoặc nữ), ngành công nghiệp (s n xuất vật liệu, tài chính, nông
nghiệp,…) hay tôn giáo (Thiên Chúa, Đ o Hồi, Do Thái,…). Kể c khi chúng ta đặt số cho
mỗi giá trị (ví dụ 1 cho nam và 2 cho nữ) thì những con số này cũng không thật sự mang
đến ý nghĩa gì c (ví dụ 1 không có nghĩa là nhỏ hơn hay là một nửa của 2) và chúng cũng
dễ dàng đ ợc đặt tên, ví nh nam là M và nữ là F. Các thang định danh chỉ đơn thuần cung
cấp tên hay nhưn mác của các giá trị khác nhau. Đo l
ng xu h ớng trung tâm của một
thang định danh là mode (yếu vị), c trung vị hay trung bình đều không đ ợc định nghĩa.
Kỹ thuật chi-square (xác suất) và phân bổ tần đều có thể đ ợc sử dụng và chỉ cho phép
thực hiện sự biến đổi lần l ợt (bình đẳng), ví dụ 1 là nam, 2 là nữ.
72
Thang đo th b c (ordinal scale) đo l
ng những dữ liệu đư đ ợc xắp sếp theo thứ
tự, chẳng h n nh thứ bậc của sinh viên trong lớp học là thứ nhất, thứ hai, thứ ba và thứ t
tùy thuộc vào điểm trung bình học tập của họ. Tuy nhiên, giá trị thực tế hoặc giá trị t ơng
đối của các thành phần hay sự khác biệt trong giá trị của các thành phần không thể đ ợc
đánh giá. Ví dụ, thứ h ng của các học sinh trong lớp không nói lên điểm trung bình cụ thể
của họ. Một ví dụ điển hình trong khoa học tự nhiên là thang về độ cứng khoáng s n của
Moh, trong đó mức độ cứng của các khoáng chất khác nhau đ ợc xác định b i kh năng
làm x ớc các khoáng s n khác. Ví dụ, kim c ơng có thể làm x ớc tất c các khoáng s n
khác xuất hiện trên trái đất, do đó kim c ơng là khoáng chất “cứng nhất”. Tuy nhiên, lo i
thang này không chỉ ra độ cứng cụ thể của các khoáng chất là bao nhiêu và cũng không
cung cấp những đánh giá t ơng đối về độ cứng của chúng.
Thang thứ bậc cũng có thể sử dụng các nhãn mức độ nh “xấu”, “trung bình” và
“tốt”, hay “rất không hài lòng”, “không hài lòng”, “không biết”, “hài lòng” và “rất hài
lòng”. Trong tr
ng hợp thứ hai, chúng ta có thể nói rằng những ng
sẽ ít thỏa mưn hơn những ng
i tr l i là “hài lòng”
i chọn “rất hài lòng” nh ng chúng ta không định l ợng
chính xác đ ợc mức độ hài lòng của họ. Xu h ớng trung tâm của một thang thứ bậc có thể
là yếu vị hoặc trung vị, trong khi đó trung bình không thể phát huy tác dụng. Do đó, phân
tích thống kê có thể bao gồm phân tích phân vị và phi tham số, nh ng các kỹ thuật phức
t p hơn nh hồi quy, t ơng quan và phân tích ph ơng sai l i không phù hợp. Chuyển đổi
tăng dần đều (mà vẫn giữ đ ợc xếp h ng) đ ợc phép áp dụng.
Thang đo thứ bậc không chỉ đánh giá theo trật tự thứ h ng, mà còn chỉ ra các kho ng
bằng nhau giữa các chỉ số liền kề. Ví dụ, thang nhiệt độ (F hoặc C) có sự khác biệt trong
kho ng 30 - 40 độ F giống nh sự khác biệt trong kho ng 80 và 90 độ F. T ơng tự nh
vậy, thang thu nhập hàng năm của một ng
i có thể sử dụng các kho ng chỉ số: $ 0 đến
10.000, $ 10.000 đến 20.000, $ 20.000 đến 30.000,… Đây là thang kho ng b i vì điểm
giữa của mỗi kho ng (ví dụ, $ 5.000, $ 15.000, $ 25.000,…) cách đều nhau. Thang kho ng
cho phép chúng ta đánh giá mức độ chênh lệch giữa các chỉ số. Đây là điểm m nh mà
kho ng định danh và kho ng thứ bậc không có đ ợc.
Xu h ớng trung tâm chấp nhận đ ợc bao gồm trung bình, trung vị và yếu vị. Các
phân tích thống kê có thể sử dụng bao gồm tất c kỹ thuật trong thang định danh và thứ bậc
cùng với với các kỹ thuật t ơng quan, hồi quy, phân tích ph ơng sai,… Chuyển đổi thang
chấp nhận đ ợc là tuyến tính tích cực. Cần l u ý rằng các thang về sự hài lòng đ ợc th o
luận tr ớc đó là không hoàn toàn là một thang kho ng, b i vì chúng ta không thể khẳng
73
định liệu kho ng khác biệt giữa "rất hài lòng" và "hài lòng" có t ơng tự nh những kho ng
khác biệt giữa “không biết" và "hài lòng" hay giữa "không hài lòng" và "rất không hài
lòng" hay không. Tuy nhiên, các nhà nghiên cứu khoa học xư hội th
ng chấp nhận (dù là
không chính xác) những khác biệt này là t ơng tự. Vì vậy, họ có thể sử dụng các kỹ thuật
thống kê để phân tích dữ liệu.
Thang t l (ratio scale) là thang chứa đựng tất c đặc điểm của các thang định danh,
thứ bậc và tỉ lệ, ngoài ra còn có gốc “0 có ý nghĩa” (true zero) (nói đến việc thiếu vắng
hoặc không sẵn có của các ph m trù cơ b n). Hầu hết các hệ thống đo l
ng trong khoa
học tự nhiên và kỹ thuật, chẳng h n nh khối l ợng, mặt phẳng nghiêng, điện l ợng,… và
một số biến trong khoa học xư hội nh tuổi tác, nhiệm kỳ trong tổ chức và quy mô doanh
nghiệp (số l ợng nhân viên hay tổng doanh thu) đều có sử dụng thang tỷ lệ. Ví dụ, một
công ty có quy mô là “không” có nghĩa là nó không có nhân viên hoặc các kho n thu. Tất
c kỹ thuật của xu h ớng trung tâm, bao gồm c ph ơng tiện hình học và điều hòa, tất c
các ph ơng pháp thống kê và các chuyển đổi phức t p nh đồng vị d ơng đ ợc phép sử
dụng trong thang tỷ lệ.
Dựa trên bốn kiểu lo i thang đ ợc trình bày trên, chúng ta có thể hình thành những
thang đánh giá trong khoa học xư hội. Trong đó, phổ biến nhất là thang nhị phân, thang
Likert, thang đối nghĩa và thang Guttman.
Thang nh phơn (binary scale) là những thang định danh chứa đựng những mục
chứa hai trị số ví dụ nh có/không hay đúng/sai. Ph m trù “tích cực chính trị” là một thang
nhị phân tiêu biểu, nó chứa 6 điểm nhị phân (B ng 6.2). Mỗi điểm trong thang này là một
mục nhị phân và tổng số những câu tr l i “đư từng” có thể đ ợc sử dụng nh một thông
số tổng thể để đánh giá sự tích cực chính trị của ng
i đó. Thang nhị phân cũng có thể
đ ợc sử dụng cho các biến khác, chẳng h n giới tính (nam hay nữ), tình tr ng việc làm
(toàn th i gian hay bán th i gian),... Nếu mục “tình tr ng việc làm” đ ợc sửa đổi để t o ra
nhiều hơn hai giá trị (ví dụ, thất nghiệp, toàn th i gian, bán th i gian và đư nghỉ h u), nó
không còn là nhị phân nh ng vẫn là một mục định danh.
74
B ng 6.2. Thang nhị phân 6 điểm để đánh giá sự tích cực chính trị
Thang Likert (Likert scale) đ ợc thiết kế b i Rensis Likert, là một thang đánh giá
rất thông dụng trong khoa học xư hội cho dữ liệu định danh. Thang này chứa những mục là
những phát biểu đơn gi n, dễ hiểu giúp ng
i tr l i bày tỏ mức độ đồng ý hay không đồng
ý về một thang 5 đến 7 điểm bắt đầu từ rất đồng ý đến rất không đồng ý. Thang Likert là
thang tổng b i vì điểm của thang là một tổng các giá trị chỉ số của mỗi điểm khi đ ợc chọn
b i ng
i tr l i.
B ng 6.3. Thang Likert 6 điểm để đánh giá mức độ hài lòng trong công việc
Thang Likert mang đến đ ợc độ chi tiết cao hơn (câu tr l i linh động hơn) so với
thang nhị phân khi nó bao gồm c câu tr l i trung lập. Chúng ta cũng có thể đ ợc sử dụng
ba hoặc chín trị số (th
ng đ ợc gọi là các “mấu” - anchor), nh ng nên sử dụng số l ợng
trị số là lẻ để có thể t o ra trị số trung lập. Một số nghiên cứu sử dụng "lựa chọn cưỡng
bức" để buộc ng
i tr l i đồng ý hay không đồng ý với các phát biểu bằng cách lo i bỏ
mấu trung lập và sử dụng l ợng trị số chẵn. Tuy nhiên điều này không ph i là một chiến
l ợc tốt vì một số ng
i thực sự có quan điểm trung lập và kỹ thuật này không cho họ cơ
75
hội để phát biểu quan điểm thật sự. Một đặc tính quan trọng của thang Likert là mặc dù các
phát biểu là khác nhau
các trị số khác nhau nh ng các mấu “hoàn toàn đồng ý” và “hoàn
toàn không đồng ý” là luôn luôn giống nhau. Thang Likert là thang thứ bậc b i vì các mấu
không luôn luôn là các kho ng cách bằng nhau, tuy vậy, đôi khi chúng ta coi nó nh thang
kho ng.
Thang đ i nghĩa (Semantic Differential Scale) là thang chứa nhiều chỉ số đối xứng
về nghĩa, đ ợc sử dụng để tìm hiểu quan điểm của ng
bằng cách sử dụng các tính từ đ ợc đặt
i đ ợc hỏi về một phát biểu nào đó
những vị trí đối xứng nhau. Ví dụ, ph m trù “thái
độ về b o hiểm y tế” có thể đ ợc đánh giá bằng cách sử dụng bốn cặp chỉ số nh đ ợc
minh họa trong B ng 6.4. Giống nh trong thang Likert, số điểm tổng của thang đ ợc tổng
hợp từ điểm của các chỉ số thành phần. Tuy nhiên, cần chú ý rằng trong thang Likert, phát
biểu có thể thay đổi nh ng sử dụng các trị số giống nhau để đánh giá mỗi phát biểu. Trong
khi đó,
thang đối nghĩa, một phát biểu có thể đ ợc đánh giá b i các trị số khác nhau.
Thang đối nghĩa đ ợc đánh giá là một công cụ rất thích hợp và hiệu qu để đo l
giá thái đội hay c m xúc của con ng
ng, đánh
i về các đối t ợng, các sự kiện hoặc các hành vi.
B ng 6.4. Thang đối nghĩa để đo thái độ về b n hiểm y tế
Thang Guttman (Guttman scale) là thang đối xứng đ ợc thiết kế b i Louis
Guttman. Nó sử dụng hàng lo t những chỉ số đ ợc sắp xếp theo thứ tự tăng dần về mức
tăng dần về c
ng độ của ph m trù cần đánh giá. Ví dụ, ph m trù “thái độ đối với ng
i
nhập c ” có thể đ ợc đánh giá bằng cách sắp đặt năm chỉ số nh đ ợc minh họa trong
B ng 6.5. Mỗi chỉ số trong thang Guttman thể hiện một trọng số khác nhau (ch a đ ợc
trình bày
trên) thay đổi theo c
ng độ của chỉ số đó và sự kết hợp trọng số của mỗi câu
tr l i đ ợc sử dụng nh biện pháp tổng hợp của một quan sát.
76
B ng 6.5. Thang Guttman năm điểm để đánh giá thái độ với ng
i nhập c
L p thang đánh giá (Scaling)
Trong phần tr ớc, chúng ta đư tìm hiểu về các ph ơng pháp khác nhau để đo l
đánh giá chính xác những quan điểm, thái độ của ng
ng,
i tham gia nghiên cứu thông qua
việc sử dụng các phiếu kh o sát có chứa hàng lo i các chỉ số th
ng đ ợc trình bày d ới
d ng các phát biểu hoặc các câu hỏi kèm theo các câu tr l i tự chọn. Nh ng làm thế nào
để t o ra các chỉ số đó? Quá trình t o ra các chỉ số đ ợc gọi là lập thang đo l
ng hay lập
thang đánh giá (scaling). Cụ thể hơn, lập thang đánh giá là một b ớc trong quá trình thực
hiện việc đo l
ng, đánh giá các khái niệm, ph m trù, có nhiệm vụ xây dựng các chỉ số
thông qua quá trình chuyển đổi các nội dung định tính trong khái niệm trừu t ợng thành
các chỉ số đo l
ng định l ợng cụ thể. Stevens (1946) cho rằng: “Lập thang đánh giá là
quá trình chuyển đổi các khái niệm nghiên cứu thành các con số theo một quy tắc nhất
định”. Trên thực tế, quá trình chuyển đổi này luôn là một trong những nhiệm vụ khó khăn
nhất khi tiến hành các nghiên cứu thực nghiệm trong các ngành khoa học xư hội.
Thành qu của quá trình lập thang (hay còn gọi lên thang) là t o ra đ ợc các thang
đánh giá có chứa các chỉ số vừa có kh năng ph n ánh toàn diện, khách quan nội dung b n
chất của khái niệm, ph m trù trong nghiên cứu, vừa có thể thể kiểm nghiệm đ ợc trong
thực tế. Nh vậy, thang đánh giá (rating scales) là s n phẩm của lập thang đánh giá
(scaling). Thang đánh giá có nhiều lo i khác nhau, đ ợc sử dụng để nắm bắt ý kiến của
ng
i tr l i thông qua các chỉ số cụ thể. Ví dụ nh thang định danh sẽ xác định ý kiến
đồng ý hay không đồng ý; thang kho ng sẽ xác định đ ợc mức độ đồng ý bằng việc sử
dụng hàng lo t giá trị từ "rất không đồng ý" đến "rất đồng ý”. Việc hình thành các chỉ số
với các giá trị kèm theo này chính là quá trình lập thang đánh giá.
77
Nh đư đề cập
phần tr ớc, các khái niệm và ph m trù cần đo l
ng có thể là đơn
(ví dụ: cân nặng, tốc độ gió, quy mô một tổ chức) hoặc phức (ví dụ: năng lực học thuật, trí
thông minh), vì vậy, các thang đánh giá cũng có thể đơn hoặc phức. Thang đơn đo l
ng
các khái niệm bằng một thang duy nhất, với các chỉ số kèm theo có giá trị từ cao xuống
thấp. Chú ý là các thang đơn này có thể sử dụng nhiều chỉ số khác nhau, nh ng tất c
chúng đều h ớng tới việc đánh giá, đo l ợng cùng một khái niệm hoặc một ph m trù.
Trong khoa học xư hội, thang đơn phù hợp với các ph m trù đơn ph n ánh một khía c nh
với các mức độ từ thấp đến cao, ví dụ nh ph m trù sự tự trọng.
Trong khi đó, thang phức sử dụng nhiều chỉ số khác nhau để đánh giá một cách riêng
biệt từng khía c nh của ph m trù phức, sau đó kết hợp điểm số từ các khía c nh đó để đ a
ra đánh giá tổng quát về ph m trù. Ví dụ ph m trù năng lực học thuật có thể đ ợc đánh giá
bằng cách đo l
ng một cách riêng biệt hai khía c nh là năng lực nghiên cứu và năng lực
diễn đ t, sau đó kết hợp điểm số của hai khía c nh này sẽ đ ợc kết qu chung cho ph m trù
năng lực học thuật. B i vì phần lớn thang đánh giá đ ợc sử dụng trong khoa học xư hội là
các thang đơn, do vậy
phần tiếp theo, chúng ta sẽ tìm hiểu ba cách thức khác nhau để
hình thành nên các thang đơn.
Các ph ơng pháp lập thang đơn đ ợc hình thành trong nửa đầu thế kỷ XX và mang
tên những ng
i t o ra. Ba ph ơng pháp lập thang đơn phổ biến nhất là: (1) Ph ơng pháp
lập thang đồng đều của Thurstone, (2) Ph ơng pháp lập thang tổng hợp của Likert, (3)
Ph ơng pháp lập thang luỹ kế của Guttman. Ba cách tiếp cận này có sự t ơng đồng trên
nhiều ph ơng diện, nh ng cũng có sự khác nhau cơ b n
pháp xem xét và thống kê th
luận
tỷ lệ các chỉ số theo các ph ơng
ng dùng để lựa chọn. Mỗi ph ơng pháp này sẽ đ ợc th o
các phần tiếp theo.
Ph
ng pháp l p thang đồng đều c a Thurstone (Thurstone‟s equal-appearing
scaling method). Louis Thurstone, một trong những nhà lý luận đầu tiên và nổi tiếng nhất
về lập thang đánh giá. Năm 1925, ông công bố ph ơng pháp về lập thang đồng đều.
Ph ơng pháp này bắt đầu với việc đ a ra một định nghĩa rõ ràng về ph m trù nghiên cứu.
Dựa trên định nghĩa này, các chỉ số tiềm năng ph n ánh b n chất ph m trù quan tâm sẽ
đ ợc liệt kê. Những chỉ số này đ ợc gợi ý b i các chuyên gia có chuyên môn về ph m trù
cần đo l
ng. Một lo t chỉ số tiềm năng (lý t
ng là kho ng từ 80 - 100 chỉ số) đ ợc trình
bày theo một hình thức thống nhất, ví dụ nh sử dụng hình thức là các phát biểu để ng
tham gia nghiên cứu tích vào là đồng ý hay không đồng ý.
78
i
Sau đó một ban thẩm định đ ợc tuyển chọn để quyết định sẽ chọn các chỉ số cụ thể
nào trong số các chỉ số tiềm năng để sử dụng trong phiếu kh o sát. Ban thẩm định có thể
bao gồm những chuyên gia có chuyên môn trong việc xây dựng, sử dụng các công cụ đo
l
ng hoặc có thể là một mẫu ngẫu nhiên những ng
i sẽ tham gia tr l i phiếu kh o sát.
Mỗi thành viên ban thẩm định dựa trên quan điểm cá nhân của họ sẽ độc lập đánh giá mức
độ ủng hộ, đồng ý với nội dung ph m trù của mỗi chỉ số (d ới d ng một phát biểu) theo
thang điểm từ 1 tới 11 (1 có nghĩa là họ nghĩ rằng phát biểu này rất không sát hợp không
đồng ý với nội dung của ph m trù và 11 nghĩa là nó rất đồng ý).
B ớc tiếp theo là tính toán giá trị trung bình và kho ng giá trị tứ phân vị (còn gọi là
giá trị một phần t ) của mỗi chỉ số. Kho ng giá trị tứ phân vị là hiệu số giữa giá trị tứ phân
vị thứ ba (phần trăm thứ 75) và giá trị tứ phân vị thứ nhất (phần trăm thứ 25) trong tổng số
100% tổng giá trị của mỗi chỉ số. Hình 6.1 biểu thị giá trị trung bình và kho ng giá trị tứ
phân vị của một chỉ số. Cuối cùng, dựa trên các kho ng bằng nhau trong ph m vi các giá
trị trung bình, một vài chỉ số nhất định sẽ đ ợc lựa chọn. Điều này có thể đ ợc tiến hành
bằng cách chọn các chỉ số có cùng một giá trị trung bình, sau đó có thể chọn thêm các chỉ
số mà kho ng tứ phân vị của chúng có cách biệt nhỏ nhất so với giá trị trung bình của các
chỉ số đ ợc chọn tr ớc. Cũng nên l u ý, thay vì chỉ hoàn toàn dựa vào các tính toán số
học, cũng cần ph i xem xét đến ý nghĩa và sự rõ ràng của các chỉ số (các phát biểu). Giá trị
trung bình của mỗi chỉ số sẽ làm cơ s cho việc tổng hợp một thang chung để đánh giá
ph m trù nghiên cứu. Lúc này, chúng ta có một thang đánh giá trong giống nh một cái
th ớc kẻ có 11 điểm với các chỉ số có giá trị trung bình khác nhau đ ợc đặt
vị trí khác
nhau của th ớc. B i các chỉ số xuất hiện một cách đồng đều ch y dọc 11 điểm của thang,
nên kỹ thuật này đ ợc gọi là lập thang xuất hiện đồng đều (equal-appearing scaling
method).
Ngoài ra, Thurstone cũng đ a ra hai ph ơng pháp khác để xây dựng các thang đơn,
đó là ph ơng pháp kho ng liên tục (method of successive intervals) và ph ơng pháp so
sánh cặp (method of paired comparisons). C hai ph ơng pháp này có nhiều điểm t ơng tự
nh ph ơng pháp kho ng đồng đều, chỉ khác nhau
cách chúng ta yêu cầu các thành viên
ban thẩm định đ a ra đánh giá của họ về các chỉ số. Ví dụ, trong xây dựng thang so sánh
cặp, mỗi thẩm định viên đ ợc yêu cầu đ a ra đánh giá của họ cho từng cặp chỉ số (chứ
không ph i là đánh giá mỗi một chỉ số theo thang 1 đến 11). Trên thực tế, đối với những
nghiên cứu có nhiều chỉ số, ph ơng pháp này sẽ rất mất th i gian và có tiến độ chậm hơn
nhiều so với ph ơng pháp kho ng đồng đều.
79
Hình 6.1. Biểu đồ các giá trị của chỉ số thang Thurstone
Ph
ng pháp l p thang tổng h p c a Likert (Likert‟s summative scaling method).
Ph ơng pháp lập thang tổng hợp của Likert, một ph ơng pháp lập thang đơn do Murphy và
Likert (1938) phát triển, có thể là ph ơng pháp phổ biến nhất trong số ba ph ơng pháp lập
thang đ ợc giới thiệu trong ch ơng này. Cũng giống nh ph ơng pháp của Thurstone,
ph ơng pháp lập thang của Likert bắt đầu với một định nghĩa rõ ràng về ph m trù nghiên
cứu. Sau đó sử dụng một nhóm các chuyên gia để t o ra kho ng tử 80 đến 100 chỉ số tiềm
năng. Những chỉ số này sẽ đ ợc các thẩm định viên đánh giá và đ ợc phân vào một trong
số năm nhóm (hoặc 1 đến 7 nhóm) sau: (1) là hoàn toàn không đồng ý với nội dung ph m
trù, (2) phần nào không đồng ý, (3) ch a quyết định, (4) phần nào đồng ý, (5) hoàn toàn
đồng ý.
Sau khi phân lo i, việc lựa chọn các chỉ số cuối cùng cho thang đánh giá có thể thông
qua một trong số cách sau: (1) tính toán các t ơng quan l ỡng biến giữa mỗi chỉ số riêng lẻ
với chỉ số tổng (là tổng số các chỉ số đ a ra cho ng
i tr l i), sau đó lo i bỏ các chỉ số có
t ơng quan thấp (ví dụ nhỏ hơn 0.60), (2) tính giá trị đánh giá trung bình cho mỗi chỉ số,
sử dụng ph ơng pháp t-test để tính độ lệch giữa các giá trị trung bình đó và sau đó chọn
những chỉ số có giá trị t (t-value) cao (đó là những chỉ số có độ lệch cao nhất giữa các giá
trị tứ phân vị). Cuối cùng, nhà nghiên cứu xem xét, lựa chọn một số t ơng đối ít các chỉ số
(ví dụ từ 10 đến 15) vừa có t ơng quan cao giữa chỉ số cá thể và chỉ số tổng và vừa có độ
lệch cao (giá trị t cao). Ph ơng pháp Likert gi định các chỉ số có trọng số giống nhau, vì
vậy ph n ứng của ng
i tham gia nghiên cứu đối với mỗi chỉ số có thể đ ợc tổng hợp để
80
t o ra một điểm số chung cho ng
i tham gia đó. Vì lý do này, ph ơng pháp này đ ợc gọi
là lập thang tổng hợp. Cần chú ý, tr ớc khi tổng hợp, những chỉ số có nghĩa đối ng ợc với
nghĩa ban đầu của ph m trù nghiên cứu ph i đ ợc đ o ng ợc l i (ví dụ 2 đ o thành 5, 2
thành 4,…).
Ph
ng pháp l p thang lũy k c a Guttman (Likert‟s summative scaling method).
Ph ơng pháp lập thang lũy kế (hoặc lập thang lũy tiến hoặc tích lũy) đ ợc Guttman (1950)
thiết kế dựa trên ý t
ng về kho ng cách xư hội của Emory Bogardus. Ý t
ng này gi
định rằng sự nhiệt tình của mỗi cá nhân khi tham gia vào các mối quan hệ xư hội với ng
khác là khác nhau. Ph ơng pháp Guttman cũng dựa trên ý t
danh sách chứa đựng các chỉ số đ ợc phân bổ theo c
ng về c
i
ng độ, sử dụng một
ng độ từ “ít kịnh tính nhất” đến
“kịch tính nhất”. Điều đó có nghĩa là nếu ai đó đồng ý với một chỉ số trong danh sách, họ
sẽ đồng ý với tất c các chỉ số có c
ng độ thấp hơn (ít kịch tính hơn) đ ợc liệt kê tr ớc
đó. Tuy nhiên trên thực tế, chúng ta rất hiếm khi tìm đ ợc một bộ chỉ số thể hiện một cách
trọn vẹn mô hình lũy kế này. Để gi i quyết vấn đề này, một phân tích cấu trúc tiềm ẩn
(scalogram analysis) cũng sẽ đ ợc sử dụng để kiểm tra mức độ t ơng ứng của bộ chỉ số
với độ lũy kế của thang.
Cũng giống nh các ph ơng pháp lập thang tr ớc, ph ơng pháp Guttman cũng bắt
đầu với một định nghĩa rõ ràng về ph m trù nghiên cứu, sau đó sử dụng các chuyên gia để
hình thành một số l ợng t ơng đối lớn các chỉ số tiềm năng. Một nhóm thẩm định viên sẽ
đánh giá mỗi chỉ số tiềm năng này, sau đó phân lo i là “có” nếu họ thấy chỉ số thể hiện sự
đồng ý, tán thành với nội dung của ph m trù và phân lo i là “không” nếu họ cho rằng chỉ
số này không đồng ý. Tiếp theo, lập một b ng trong đó chỉ rõ kết qu phân lo i của các
thẩm định viên cho mỗi chỉ số. Các hàng ngang của b ng này đ ợc xắp xếp theo thứ tự
gi m dần về số l ợng các phân lo i “có” của các thẩm định viên. Điều đó có nghĩa là thẩm
định viên có nhiều phân lo i “có” sẽ
phân lo i “có” sẽ
phần trên của b ng và ng ợc l i những ng
i có ít
phần d ới. Để sắp xếp các cột dọc, các chỉ số đ ợc phân lo i “có”
nhiều hơn từ các thẩm định viên sẽ đ ợc thể xếp bên trái và gi m dần sang ph i theo số
l ợng “có” của từng chỉ số (xem ví dụ về b ng này trong B ng 6.6). Nh vậy lúc này khi
quan sát từ trái sang ph i (dọc theo các chỉ số), thang đáng giá gần nh đ ợc xem là lũy kế.
Tuy vậy, có thể có một vài ngo i lệ làm cho thang không hoàn toàn là lũy kế nh đ ợc
ph n ánh trong B ng 6.6. Để quyết định đâu là các chỉ số ph n ánh chính xác nhất đặc
điểm lũy kế này, một kỹ thuật phân tích dữ liệu đ ợc gọi là phân tích cấu trúc tiềm ẩn có
thể đ ợc sử dụng (trong tr
AB., PVP., CNA.
ng hợp chỉ có một số nhỏ các chỉ số, b ớc này cũng có thể
81
đ ợc tiến hành một cách trực quan). Kỹ thuật phân tích này cũng dự kiến điểm số cho mỗi
chỉ số, làm cơ s để tính toán điểm số chung cho tất c chỉ số của một thẩm định viên.
B ng 6.6. B ng đánh giá thang Guttman sau khi sắp xếp
Ch s so sánh
Ch s so sánh (index) là điểm số tổng hợp dựa trên việc kết hợp những đánh giá đối
với nhiều ph m trù (đ ợc gọi là các thành phần) bằng cách sử dụng một bộ quy tắc và công
thức. Cũng là một đánh giá tổng hợp nh ng chỉ số so sánh khác các thang
chỗ chỉ số
đánh giá các khía c nh khác nhau của cùng một ph m trù. Ví dụ điển hình của chỉ số so
sánh là chỉ số giá tiêu dùng (CPI), đ ợc tính toán hàng tháng b i Cục Thống kê Lao động
của Bộ Lao động Mỹ. Chỉ số CPI là th ớc đo để chỉ ra ng
i tiêu dùng đư chi tr bao nhiêu
cho việc mua sắm các lo i hàng hóa và dịch vụ.
Chỉ số này đ ợc chia thành tám nhóm lớn: Thực phẩm và đồ uống, nhà , quần áo,
giao thông đi l i, sức khỏe y tế, gi i trí, học tập - thông tin liên l c, các hàng hóa và dịch vụ
khác. Những nhóm này đ ợc chia nhỏ thành hơn 200 nhóm hàng nhỏ hơn. Mỗi tháng, các
nhân viên chính phủ trên c n ớc Mỹ đ ợc đề nghị cung cấp mức giá hiện t i của hơn
80.000 mặt hàng khác nhau. Sử dụng một ch ơng trình tính toán phức t p cùng một lo t
công thức, quy tắc để xem xét địa bàn và kh năng mua sắm của từng h ng mục hàng hóa,
giá c của các hàng hóa đó đ ợc kết hợp b i các nhà phân tích để hình thành một chỉ số
tổng thể.
82
Một ví vụ khác về chỉ số là hiện tr ng kinh tế xư hội (socio-economic status - SES),
cũng đ ợc gọi là chỉ số kinh tế xư hội (socio-economic index - SEI). Chỉ số này kết hợp ba
ph m trù: thu nhập, giáo dục và nghề nghiệp. Thu nhập đ ợc đo bằng đô la, giáo dục đo
bằng số năm đến tr
ng hoặc bằng cấp đư đ t đ ợc và nghề nghiệp đ ợc phân lo i thành
các nhóm ngành nghế hoặc bằng vị trí công việc. Những số liệu này đ ợc kết hợp để t o ra
một chỉ số SES tổng bằng cách tổng hợp điểm số “giáo dục nghề nghiệp” (occupational
education) – phần trăm số ng
tr
i trong một công việc đư có ít nhất một năm học tập t i môi
ng đ i học và “thu nhập nghề nghiệp” (occupational income) – phần trăm số ng
trong công việc đó đư h
i
ng l ơng ít nhất một năm.
Quá trình t o ra một chỉ số so sánh cũng t ơng tự nh đối với một thang. Đầu tiên
cần ph i định nghĩa khái niệm cho các chỉ số và các thành phần cấu thành của nó. Mặc dù
điều này d
ng nh đơn gi n, nh ng có thể có rất nhiều bất đồng giữa khi xem xét những
thành phần (cấu trúc) nào nên đ ợc bao gồm hoặc lo i trừ khỏi ra một chỉ số. Ví dụ nh
trong chỉ số SES, liệu rằng thu nhập có mối t ơng quan với giáo dục và nghề nghiệp hay
không, nếu có thì chúng ta chỉ cần thống kê một thành phần hay ph i thống kê c ba. Để
gi i quyết vấn đề này tốt nhất chúng ta cần ph i kh o cứu những tài liệu, lý thuyết có liên
quan và tham vấn những chuyên gia trong lĩnh vực lao động, việc làm.
Thứ hai, chúng ta cần thao tác hóa và sau đó đo l
ng mỗi thành phần. Ví dụ, b n sẽ
phân lo i nghề nghiệp nh thế nào, nhất là khi một số nghề có thể thay đổi theo th i gian
(ví dụ, tr ớc khi có Internet sẽ không có công việc phát triển Web). Thứ ba, t o ra một quy
tắc hay công thức để tính toán các chỉ số so sánh. T ơng tự nh các b ớc tr ớc đó, việc
hình thành các nguyên tắc và công thức cũng chứa đựng nhiều yếu tố chủ quan. Cuối cùng,
tiến hành củng cố các chỉ số bằng cách sử dụng các dữ liệu hiện có hoặc dữ liệu mới.
Mặc dù chỉ số so sánh và thang đo l
ng mang l i các giá trị định l ợng biểu thị cho
một ph m trù đang nghiên cứu, chúng có những điểm khác nhau cơ b n. Trước hết, chỉ số
th
ng bao gồm các thành phần rất khác nhau và đ ợc đo bằng nhiều cách khác nhau.
Trong khi đó thang th
l
ng chứa đựng các chỉ số t ơng tự và sử dụng cùng một thang đo
ng (ví dụ nh một thang Likert năm điểm). Thứ hai, chỉ số so sánh th
chỉ số đo l
ng khách quan nh giá c , thu nhập; trong khi thang th
ng kết hợp các
ng đ ợc thiết kế để
đánh giá các ph m trù chủ quan hoặc có tính chất phán xét nh thái độ, thành kiến hoặc
lòng tự trọng. Một số ng
i cho rằng sự tinh tế và phức t p khi thiết kế các thang đo sẽ làm
cho thang tr nên khác với chỉ số, trong khi đó, những ng
83
i khác cho rằng ph ơng thức
thiết kế chỉ số so sánh cũng tinh tế và phức t p không kém. Tuy nhiên, rõ ràng c chỉ số so
sánh và thang đều là những công cụ thiết yếu trong nghiên cứu khoa học xư hội.
Mô hình hóa
Thang và chỉ số so sánh giúp t o ra những đánh giá thứ tự về các ph m trù một
chiều. Tuy nhiên, đôi khi các nhà nghiên cứu muốn tổng hợp kết qu đo l
ng của hai hay
nhiều ph m trù nhằm t o ra một mô hình (typology) ph n ánh cơ chế ho t động của một hệ
đối t ợng. Không giống nh thang hay chỉ số so sánh, mô hình hóa là phức t p, chỉ bao
gồm các biến danh nghĩa. Ví dụ, một ng
i có thể t o ra một mô hình chính trị của các t
báo dựa trên định h ớng của chúng đối với chính sách đối nội và đối ngo i; đ ợc trình bày
trong mục xư luận của những t báo này, nh thể hiện trong Hình 6.2. Mô hình này có thể
đ ợc sử dụng để phân lo i báo chí thành một trong bốn “thể lo i lý t
định sự phân phối của báo chí tới các phân lo i lý t
ng” (A đến D), xác
ng này.
Hình 6.2. Một cách phân lo i khuynh h ớng của báo chí
Tóm t t
Nói tóm l i, việc xây dựng các thang, kho ng hay mô hình hóa trong nghiên cứu
khoa học xư hội là một tiến trình phức t p, bao gồm nhiều nhiệm vụ khác nhau. Một vài
nhiệm vụ đó là:
- B n nên sử dụng thang, chỉ số hay mô hình hóa?
- B n lên kế ho ch để phân tích dữ liệu nh thế nào?
- Ph ơng thức đánh giá b n mong muốn là gì (định danh, thứ tự, kho ng hay tỉ lệ)?
- B n nên sử dụng bao nhiêu chỉ số (ví dụ 1 đến 10, 1 đến 7, -3 tới +3)?
84
- B n nên sử dụng số l ợng chỉ số chẵn hay lẻ (b n có muốn có một trị số trung lập
không?)
- B n đặt tên cho các chỉ số nh thế nào (nhất là trong thang đối nghĩa)?
- Cuối cùng, lộ trình nào b n sẽ sử dụng để t o ra những thang và chỉ số so sánh đư
chọn?
Ch ơng này đư tìm hiểu tiến trình và s n phẩm của việc hình thành ph ơng thức
đánh giá các ph m trù. Độ tin cậy và giá trị khoa học của các ph ơng thức đánh giá này sẽ
đ ợc xem xét thấu đáo trong ch ơng tiếp theo.
85
Ch
Đ
ng 7
TIN C Y VẨ GIỄ TR C A THANG ĐỄNH GIỄ
Trong ch ơng tr ớc, chúng ta đư nhận diện những khó khăn gặp ph i khi thiết lập
các ph ơng pháp đánh giá ph m trù trong nghiên cứu khoa học xư hội. Ví dụ, làm thế nào
để có thể khẳng định chúng ta đang đánh giá ph m trù “lòng từ bi” mà không ph i là ph m
trù “sự đồng c m” khi mà c hai ph m trù này có những giao thoa về ngữ nghĩa. Nó còn
phức t p hơn với các ph m trù phức và chỉ tồn t i trong trí t
thực tế). Do đó, nếu chỉ đo l
sử dụng các thang đo l
ng t ợng (không tồn t i trên
ng, đánh giá các ph m trù trong khoa học xư hội bằng cách
ng quen thuộc là không đầy đủ. Chúng ta cũng ph i kiểm định
những thang này để đ m b o rằng: (1) chúng thực sự đánh giá các ph m trù mà chúng ta
mong muốn (thang có “giá trị khoa học”), (2) chúng đánh giá các ph m trù mong muốn
một cách liên tục và nhất quán (thang có “độ tin cậy”). Cùng với nhau, độ tin cậy và giá trị
khoa học đ ợc xem là “linh hồn” của các ph ơng thức đánh giá và là công cụ để xác định
sự đúng đắn và đầy đủ của các ph ơng pháp nghiên cứu khoa học.
Một ph ơng pháp có thể đáng tin nh ng l i không có giá trị nếu nh nó đo l
ng,
đánh giá một đối t ợng nào đó một cách liên tục và nhất quán nh ng l i đánh giá nhầm
những đối t ợng khác. T ơng tự nh vậy, một ph ơng pháp có thể có giá trị nh ng không
đáng tin nếu nó đánh giá chính xác những đối t ợng cần nghiên cứu nh ng l i không theo
một h ớng liên tục. Sử dụng một minh họa về bia đỡ đ n nh trong Hình 7.1 để có thể
thấy một ph ơng pháp đánh giá ph m trù phức vừa đáng tin cậy, vừa có giá trị nếu những
viên đ n đ ợc bắn vào gần sát nhau quanh tâm của bia. Ph ơng pháp có giá trị nh ng
không đáng tin cậy nếu đ n đ ợc bắn xung quang tâm bia nh ng cách xa nhau. Cuối cùng,
ph ơng pháp đáng tin cậy nh ng không có giá trị nếu đ n bắn gần sát nhau nh ng l i
không h ớng vào tâm bia. Chính vì vậy, c độ tin cậy lẫn giá trị khoa học đều cần thiết để
đ m b o ph ơng pháp đánh giá các ph m trù cần nghiên cứu là đúng đắn.
Hình 7.1 So sánh độ tin cậy và giá trị khoa học
86
Đ tin c y
Đ tin c y (reliability) của một ph ơng pháp là mức độ nhất quán hay đáng tin khi
đánh giá một ph m trù. Nói cách khác, nếu chúng ta sử dụng một thang nào đó để đo
l
ng, đánh giá cùng một ph m trù
nhiều th i điểm khác nhau, thì liệu chúng ta có thu
đ ợc kết qu t ơng tự trong mỗi lần đó và nh vậy chúng ta có thể gi định rằng kết qu
nghiên cứu không thay đổi? Ví dụ về một ph ơng pháp đánh giá không đáng tin đó là hỏi
ng
i khác cân nặng của b n. Kh năng những ng
i khác nhau đ a ra những phán đoán
khác nhau là khá phổ biến và những ớc l ợng đó là không nhất quán. Chính vì vậy, kỹ
thuật „phán đoán‟ là không đáng tin. Một ph ơng pháp đánh giá có độ tin cậy cao hơn là
khi dùng một cái máy cân để kiểm tra nhiều lần khác nhau và nh vậy trọng l ợng của b n
gần nh không đổi trong mỗi lần cân, trừ khi cân nặng của b n thật sự thay đổi giữa các
lần đo l
ng đó.
Cần chú ý rằng độ tin cậy đề cập đến sự liên tục, nhất quán chứ không ph i độ chính
xác. Trong ví dụ tr ớc về cân nặng, nếu nh cái máy cân đ ợc sử dụng không đo một cách
hoàn toàn chính xác (ví dụ nó gi m 10 pound so với khối l ợng thực tế để làm cho ng
cân c m thấy chút gì đó vui hơn). Do máy cân không đo l
i
ng trọng l ợng thật của b n,
nên nó là một ph ơng pháp không có giá trị khoa học.
Đâu là nguồn gốc của những quan sát thiếu tin cậy trong các ph ơng pháp đánh giá
của khoa học xư hội? Một trong số đó chính là sự chủ quan của ng
cứu). Nếu
i quan sát (nhà nghiên
, tinh thần của nhân viên trong một cơ quan hay tổ chức đ ợc đo bằng
cách quan sát họ c
i với nhau, hay họ nói chuyện đùa với nhau,… thì những ng
i quan
sát khác nhau có thể đ a ra những nhận định khác nhau về tinh thần của nhân viên khi họ
quan sát trong một ngày vô cùng bận rộn của cơ quan (nhân viên không có th i gian để nói
chuyện phiếm), trong khi số khác quan sát trong một ngày mà công việc nhẹ nhàng hơn,
nhân viên vui vẻ và thích chuyện trò hơn. Thậm chí hai ng
i quan sát cũng có thể đ a ra
những đánh giá khác nhau vê mức độ phấn chấn của nhân viên trong cùng một ngày nếu
họ quan niệm thế nào là một câu chuyện phiếm. “Quan sát” là một kỹ thuật đánh giá định
tính. Đôi khi độ tin cậy có thể đ ợc c i thiện, củng cố khi sử dụng các ph ơng pháp định
l ợng, ví dụ xem xét việc đếm số l ợng những l i phàn nàn và những lần xích mích trong
một tháng là một ph ơng pháp nghịch đ o để đánh giá tinh thần của nhân viên. Tất nhiên,
số lần phàn nàn có thể hoặc không ph i là một ph ơng pháp có giá trị cao nh ng nó ít
mang tính chủ quan và tr nên đáng tin hơn.
87
Nguyên nhân thứ hai của các quan sát thiếu tin cậy xuất phát từ những câu hỏi không
rõ ràng và thiếu chính xác. Ví dụ, nếu b n hỏi ng
ng
i khác thu nhập của họ là gì, những
i đ ợc hỏi có thể hiểu khác nhau thế nào là thu nhập hàng tháng, hàng năm hay tính
theo gi . Điều này dẫn đến những kết qu rất khác nhau và thiếu độ tin t
nhân thứ ba đó là nội dung câu hỏi quá xa l , không liên quan đến ng
nh hỏi những sinh viên tốt nghiệp
ng. Nguyên
i đ ợc hỏi, ví dụ
Mỹ về họ có hài lòng về mối quan hệ giữa Canada và
Slovania hay không hoặc gi đề nghị tr
ng phòng tổ chức đánh giá hiểu qu của chiến
l ợc công nghệ trong công ty - nội dung này nên hỏi tr
ng phòng công nghệ.
Vậy thì làm cách nào b n có thể t o ra những ph ơng pháp đáng tin? Nếu ph ơng
thức đánh giá của b n cần đến sự cung cấp thông tin của b i những ng
tr
i khác (đây là
ng hợp hết sức phổ biến trong nghiên cứu khoa học xư hội) thì b n có thể bắt đầu bằng
cách thay thế các kỹ thuật thu thập dữ liệu phụ thuộc nhiều hơn vào sự chủ quan của nhà
nghiên cứu (ví dụ ph ơng pháp quan sát) bằng những kỹ thuật khách quan hơn (ví nh
điều tra b ng hỏi) và bằng cách hỏi những câu hỏi rõ ràng (ví dụ b n đang muốn tìm hiểu
về thu nhập hàng tháng) tới những ng
i tr l i phù hợp (có hiểu biết liên quan). Những
chiến thuật này có thể c i thiện độ tin cậy của ph ơng pháp đánh giá b n sử dụng, tuy vậy
điều này không có nghĩa là ph ơng pháp b n chọn là hoàn toàn tin cậy. Những công cụ
đánh giá ph i đ ợc kiểm định về độ tin cậy của chúng. Nh đ ợc th o luận d ới đây, có
nhiều cách khách nhau để xác định độ tin cậy.
Đ tin c y n i b (Inter-rater reliability). Độ tin cậy nội bộ, còn đ ợc gọi là độ tin
cậy giữa những ng
ng
i quan sát, đ ợc sử dụng để xác định sự nhất quán của hai hay nhiều
i đánh giá (hay ng
i quan sát) khi đánh giá cùng một ph m trù. Thông th
nhiệm vụ này đ ợc thực hiện
ng,
gia đo n thử nghiệm của dự án nghiên cứu và có thể thực
hiện theo hai cách, phụ thuộc và ph ơng pháp đo l
ng. Đối với ph ơng pháp pháp sử
dụng thang phân lo i thì ph m trù đ ợc phân lo i thành các chỉ số khác nhau, sau đó
những ng
i đánh giá sẽ độc lập quan sát và liệt kê các kết qu quan sát vào các chỉ số
t ơng ứng. Trung bình cộng số liệu t ơng ứng của những ng
tin cậy nội bộ của thang đánh giá. Ví dụ có 2 ng
i quan sát sẽ ph n ánh độ
i quan sát, đánh giá 100 kết qu quan sát
đối với 3 chỉ số, nếu 75% kết qu quan sát của họ là giống nhau, thì độ tin cậy nội bộ là
0.75. Trong khi đó, đối với ph ơng pháp đo l
(ví dụ có 2 ng
ng sử dụng thang kho ng hoặc thang tỉ lệ
i quan sát sử dụng thang kho ng từ 1 đến 7, mỗi lần quan sát ho t động
của lớp học cách nhau 5 phút), thì độ tin cậy nội bộ có thể đ ợc xác định bằng mức t ơng
quan đơn giữa các đánh giá của những nhà quan sát.
88
Đ tin c y liên t c (Test-retest reliability). Độ tin cậy liên tục dùng để xác định mức
độ nhất quán của hai ph ơng pháp đo l
nh ng đo đo l
ng
ng cho cùng một ph m trù, với cùng một mẫu
hai th i điểm khách nhau. Nếu nh kết qu quan sát không có khác
biệt lớn thì hai ph ơng pháp này đ ợc xem là đáng tin. Độ t ơng quan trong các kết qu
quan sát giữa hai lần đo l
gian giữa hai lần đo l
ng sẽ là điểm số của độ tin cậy liên tục. Chú ý rằng kho ng th i
ng là cực kỳ quan trọng. Nhìn chung, kho ng th i gian càng dài thì
kh năng các kết qu quan sát thay đổi càng cao và nh vậy độ tin cậy liên tục sẽ càng
thấp.
Đ tin c y phân nửa (Split-half reliability). Độ tin cậy phân nửa đ ợc sử dụng để
xác định mức độ nhất quán giữa hai nửa của cùng một ph ơng pháp đo l
b n sử dụng một ph ơng pháp để đo l
ng một ph m trù có m
ng. Ví dụ, nếu
i chỉ số. M
i chỉ số này
sẽ đ ợc chia ngẫu nhiên thành hai nửa (nhóm) mỗi nhóm năm (số l ợng chỉ số mỗi nhóm
có thể khác nhau nếu tổng số chỉ số là lẻ). Mỗi nhóm lúc này đ ợc xem là một công cụ
dùng để đo l
ng một mẫu trong số khách thể (quần thể) nghiên cứu. Hệ số t ơng quan
giữa tổng điểm của hai nhóm đ ợc xem là điểm số của độ tin cậy phân nửa. Số l ợng chỉ
số càng nhiều thì kh năng kết qu giống nhau của hai nhóm càng cao (b i vì lỗi ngẫu
nhiên sẽ đ ợc h n chế khi có nhiều chỉ số đ ợc lựa chọn). Điều này có thể dẫn đến việc
đánh giá quá cao độ tin cậy của những ph ơng pháp đo l
ng có nhiều chỉ số.
Đ tin c y nh t quán n i t i (Internal consistency reliability). Độ tin cậy nhất quán
nội t i dùng để xác định tính nhất quán giữa hai chỉ số của cùng một ph m trù. Khi sử dụng
một ph ơng pháp để đo một ph m trù có nhiều chỉ số, mức độ những chỉ số này đ ợc đánh
giá theo xu h ớng t ơng tự nhau sẽ ph n ánh mức độ nhất quán nội t i của thang đo. Độ
tin cậy này có thể đ ợc xác định dựa trên độ t ơng quan giữa các chỉ số với chỉ số, giữa
chỉ số trung bình với tổng hoặc phổ biến hơn đ ợc xác định bằng công thức Cronbach‟s
alpha. Ví dụ, nếu nh b n có một thang 6 chỉ số, b n sẽ có 15 cặp chỉ số khác nhau và nh
vậy có 15 t ơng quan giữa 6 chỉ số này. T ơng quan trung bình giữa chỉ số với chỉ số là
trung bình cộng của 15 t ơng quan giữa chúng. Để tính t ơng quan trung bình giữa chỉ số
và tổng, đầu tiên b n ph i t o ra một chỉ số “tổng” bằng cách bổ sung giá trị của c 6 chỉ
số, tính t ơng quan giữa chỉ số tổng với mỗi một chỉ số thành phần và cuối cùng lấy trung
bình cộng của 6 t ơng quan vừa có đ ợc.
C hai ph ơng pháp nêu trên không tính đến số l ợng các chỉ số đ ợc sử dụng (6 chỉ
số trong ví dụ trên). Để khắc phục điều này, ph ơng pháp Cronbach‟s alpha, đ ợc thiết kể
89
b i Lee Cronbach năm 1951, đư xem xét đến c kích cỡ của thang đo (số l ợng chỉ số) khi
tính toán độ tin cậy của thang đó. Ph ơng pháp Cronbach‟s alpha sử dụng công thức:
trong đó K là số l ợng chỉ số trong thang đo,
chuẩn) của tổng điểm đư quan sát và
là ph ơng sai (căn bậc hai của độ lệch
là ph ơng sai đư quan sát đối với chỉ số i. Ph ơng
pháp Cronbach‟s alpha đ ợc chuẩn hóa bằng cách sử dụng một công thức đơn gi n hơn:
trong đó K là số l ợng chỉ số trong thang đo,
là t ơng quan trung bình giữa chỉ số với
chỉ số, đ ợc tính bằng trung bình cộng giữa các hệ số K(K-1)/2 trong mô hình tam giác
trên hoặc tam giác d ới (upper or lower triangular matrix).
Giá tr khoa h c (validity)
Khái niệm giá tr khoa h c (hay độ giá trị hoặc gọi tắt là giá trị) đề cập đến mức độ
chính xác và phù hợp mà một ph ơng pháp có đ ợc khi đánh giá ph m trù cần nghiên cứu.
Ví dụ, liệu một đánh giá về “lòng từ bi” có thật sự đánh giá về lòng từ bi mà không ph i là
đang đánh giá một ph m trù khác nh “sự đồng c m”? Giá trị khoa học có thể đ ợc đo
l
ng thông qua việc sử dụng các cách ph ơng pháp lý thuyết cũng nh thực nghiệm và sẽ
là lý t
ng nếu kết hợp c hai.
Phương pháp lý thuyết, trong xác định giá trị khoa học, nhấn m nh mức độ xác thực
của quá trình chuyển đổi (hoặc quá trình đ i diện) từ một ph m trù lý thuyết thành một
đánh giá thực nghiệm. Lo i giá trị này đ ợc gọi là giá trị chuyển đổi (hoặc giá trị đ i diện)
và nó chứa đựng hai tiểu giá trị là: giá trị hình thức (face validity) và giá trị nội dung
(content validity). Giá trị chuyển đổi (translational validity) đ ợc thẩm định b i một hội
đồng khoa học - những ng
i sẽ đánh giá mức độ phù hợp của từng chỉ số đối với định
nghĩa lý thuyết của ph m trù đó. Đồng th i, giá trị chuyển đổi còn có thể đ ợc đánh giá
thông qua một kỹ thuật định tính đ ợc gọi là Q-sort.
Dựa trên các quan sát thực nghiệm, các phương pháp thực nghiệm, trong xác định
giá trị khoa học, xác định mức độ liên quan của một công cụ đánh giá thông qua một bộ
90
tiêu chuẩn khách quan. Lo i giá trị này đ ợc gọi là giá trị tiêu chu n (criterion-related
validity), nó bao gồm bốn tiểu giá trị: giá trị t ơng đồng (convergent validity), giá trị phân
biệt hay giá trị dị biệt (discriminant validity), giá trị đồng quy (concurrent validity) và giá
trị dự báo (predictive validity).
Trong khi giá trị chuyển đổi kiểm tra liệu một đánh giá có ph n ánh trung thực, đầy
đủ ph m trù cơ b n hay không thì giá trị tiêu chuẩn kiểm tra liệu một đánh giá có đ ợc
thực hiện theo yêu cầu mà ph m trù lý thuyết đó đư đặt ra hay không. Ph ơng pháp thực
nghiệm dùng để đánh giá giá trị khoa học dựa trên những phân tích định l ợng đối với
những những dữ liệu đư thu thập với nhiều kỹ thuật thống kê khác nhau nh phân tích
t ơng quan, phân tích nhân tố,… Sự khác biệt giữa các ph ơng pháp lý thuyết và ph ơng
pháp thực nghiệm trong đánh giá giá trị khoa học đ ợc minh họa trong Hình 7.2. Tuy vậy,
để đ m b o xác định đúng giá trị khoa học của các đánh giá trong nghiên cứu khoa học xư
hội, c hai cách tiếp cận nay đều cần thiết và nên đ ợc kết hợp cùng với nhau.
Cũng cần ph i chú ý rằng các lo i giá trị khoa học khác nhau đ ợc th o luận
đây
muốn nói tới giá trị của các phương thức đánh giá các ph m trù, chúng khác với giá trị
kiểm định giả thuyết ví dụ nh giá trị nhân qu , giá trị phổ quát, giá trị ph m trù và giá trị
tin cậy. Các giá trị kiểm định gi thuyết sẽ đ ợc th o luận trong một ch ơng sau.
Hình 7.2. Hai cách tiếp cận đánh giá
Giá tr hình th c (face validity) tr l i câu hỏi liệu rằng một chỉ số có phù hợp về
mặt hình thức với ph m trù cần đo l
ng hay không. Ví dụ nh tần suất có mặt t i các buổi
91
giáo lễ của một ng
i có là một chỉ số phù hợp để đo l
ng sự sùng đ o của ng
i đó. Nếu
ta thấy về mặt hình thức, điều này là hợp lý thì chỉ số này đ ợc xem là có giá trị hình thức.
Trong khi đó nếu ta đề xuất tần suất đi tới th viện để đọc sách của nhân viên là một chỉ số
để đánh giá ph m trù hăng say làm việc của nhân viên văn phòng thì e rằng không hợp lý
cho lắm, vì vậy chỉ số này có giá trị hình thức không cao.
Có một điểm thú vị đó là trong thực tế có một số chỉ số đ ợc sử dụng khá phổ biến
trong các nghiên cứu về phát triển tổ chức mà khi nhìn bề ngoài có vẻ nh có giá trị hình
thức rất thấp. Ví dụ nh năng lực tiếp thu của một tổ chức (muốn nói đến kh năng tiếp
nhận, học hỏi những thông tin mới để c i thiện năng suất lao động của tổ chức), đư đ ợc sử
dựng nh là một chỉ số để đánh giá mức độ phát triển của tổ chức đó. Nếu nghiên cứu của
b n chứa những ph m trù rất trừu t ợng hoặc những ph m trù rất khó để có cắt nghĩa rõ
ràng (ví dụ lòng từ bi và sự đồng c m), b n có thể ph i nh đến các chuyên gia trong lĩnh
vực đang nghiên cứu để đánh giá giá trị hình thức của những chỉ số dự kiến sẽ sử dụng.
Giá tr n i dung (content validity) đòi hỏi các chỉ số ph i ph n ánh b n chất, nội
dung của ph m trù cần đo l
ng. Ví dụ, nếu b n muốn đo l
ng ph m trù “hài lòng với
dịch vụ nhà hàng” và b n định nghĩa rằng nội dung cơ b n của dịch vụ nhà hàng bao gồm
chất l ợng món ăn, thái độ phục vụ của nhân viên, th i gian ch đợi món ăn và không gian
nhà hàng (ví dụ liệu trong nhà hàng có quá ồn ào hay nhiều khói), thì để có đ ợc giá trị nội
dung cao, các chỉ số ph i làm sao đo l
ng một cách chính xác mức độ khách hàng thỏa
mưn với chất l ợng món ăn, thái độ phục vụ, th i gian ch đợi và không gian nhà hàng.
Giá trị nội dung đòi hỏi ph i lột t chi tiết, chuẩn xác tất c nội hàm của ph m trù nghiên
cứu. Điều này tất nhiên là không dễ đối với nh ng ph m trù phức t p nh sự tự tin, sự
thông minh. Và nh vậy, việc đánh giá thấu đáo giá trị nội dung của công cụ đo l
ng đôi
khi không đ t đ ợc. Cũng giống nh trong giá trị hình thức, tham vấn các chuyên gia trong
lĩnh vực đang nghiên cứu là một việc làm hữu ích.
Giá tr h i t (hay còn gọi giá trị t ơng đồng - convergent validity), nói tới độ tập
trung khi ph n ánh ph m trù cần quan tâm của một công cụ đo l
ng, trong khi đó giá tr
phân bi t hay dị biệt (discriminant validity) đề cập đến kh năng công cụ không đo l
những ph m trù không quan tâm. Thông th
ng
ng thì giá trị hội tụ và giá trị phân biệt đ ợc
đánh giá cùng với nhau cho một bộ ph m trù. Ví dụ khi b n muốn kiểm chứng luận điểm:
tri thức của một tổ chức (tổng hợp tri thức, kỹ năng của toàn bộ nhân viên trong một tổ
chức) có liên quan tới hiệu suất làm việc của tổ chức đó, b n cần ph i đ m b o là công cụ
92
đo l
ng tri thức của tổ chức đang thực sự đánh giá tri thức của tổ chức (giá trị hội tụ) mà
không ph i đánh giá hiệu suất làm việc của tổ chức đó (giá trị phân biệt).
Giá trị hội tụ có thể đ ợc xác định bằng mức độ t ơng tự (hoặc mức t ơng quan cao)
trong giá trị đo l
ng của hai chỉ số khác nhau trong cùng một ph m trù. Giá trị phân biệt
có đ ợc nh xác định sự khác biệt (hoặc mức t ơng quan thấp) trong giá trị đo l
ng của
các chỉ số trong các ph m trù khác nhau. Trong c hai ví dụ trên, nếu chúng ta có một công
cụ với ba chỉ số để đo l
ng “tri thức của tổ chức” (KL) và một công cụ khác cũng với ba
chỉ số để đo “hiệu suất làm việc” (PF) của tổ chức đó thì dựa trên dữ liệu có đ ợc từ mẫu
đư quan sát, chúng ta có thể tính toán t ơng quan hai biến giữa từng cặp chỉ số trong ph m
trù tri thức và ph m trù hiệu suất. Nếu mô hình t ơng quan này cho thấy những mối t ơng
quan cao giữa các chỉ số của cùng một ph m trù và những mối t ơng quan thấp giữa các
chỉ số của hai ph m trù, thì chúng ta đư cùng một lúc xác định đ ợc giá trị hội tụ và giá trị
phân biệt (xem B ng 7.3).
B ng 7.3. Phân tích t ơng quan hai biến để xác định giá trị hội tụ
và giá trị phân biệt
Một ph ơng pháp khác đ ợc sử dụng phổ biến hơn để xác định giá trị hội tụ và phân
biệt là ph ơng pháp phân tích nhân tố khám phá (exploratory factor analysis). Đây là kỹ
thuật rút gọn dữ liệu bằng cách nén một bộ chỉ số lớn thành một bộ nhỏ hơn các nhân tố
dựa trên cấu trúc t ơng quan hai biến (nh đư th o luận
trên). Những nhân tố này cần
ph i ph n ánh một cách trọn vẹn ph m trù lý thuyết cần đo l
ng. Nguyên tắc chung của
việc chiết xuất nhân tố này là mỗi nhân tố đ ợc chiết xuất ph i có hệ số t i nhỏ hơn 1.0.
93
Tùy thuộc vào kh năng t ơng quan của ph m trù, các nhân tố này có thể quay vòng bằng
cách sử dụng kỹ thuật xoay vuông góc hoặc xoay chéo để t o ra những hệ số t i nhân tố sử
dụng để nén các chỉ số đơn lẻ thành một công cụ tích hợp. Để đ t đ ợc giá trị hội tụ cao,
các chỉ số của cùng một ph m trù nên có hệ số t i 0.6 hoặc cao hơn so với một nhân tố đơn
bất kỳ (hệ số t i cùng nhân tố), trong khi đó để có đ ợc giá trị phân biệt tốt, các chỉ số này
nên có hệ số t i 0.3 hoặc nhỏ hơn so với tất c các nhân tố khác (hệ số t i liên nhân tố). Mô
hình này đ ợc minh họa trong b ng 7.4.
Một kỹ thuật phức t p hơn để xác định giá trị hội tụ và phân biệt là ph ơng pháp hỗn
hợp multi-trait multi-method (MTMM). Ph ơng phát này đỏi hỏi việc do l
ng mỗi một
ph m trù ph i đ ợc thực hiện bằng hai ph ơng pháp khác nhau (ví dụ kh o sát và quan sát
cá nhân hoặc kh o sát hai nhóm tham gia nghiên cứu khác nhau nh hỏi giáo viên và phụ
huynh để đánh giá chất l ợng học tập). Đây là ph ơng pháp hết sức công phu và không
thật sự phổ biến, vì vậy không đ ợc th o luận kỹ
đây.
Giá trị tiêu chuẩn cũng có thể đ ợc xác định dựa trên mức độ liên quan của một công
cụ với những ph m trụ khác xuất hiện
th i điểm hiện t i hoặc trong t ơng lai. Ph ơng
pháp này đ ợc gọi lần l ợt là giá trị đồng quy và giá trị dự báo. Giá trị dự báo (predictive
validity) là mức độ thành công một công cụ có thể dự báo về những kết qu trong t ơng lai
dựa trên lý thuyết hiện t i. Ví dụ, nếu công cụ kiểm tra học lực của học sinh trung học có
kh năng ph n ánh t ơng đối chính xác năng lực học tập của họ
bậc đ i học, thì công cụ
này có giá trị dự báo cao. Việc đánh giá giá trị này đòi hỏi ph i có một m ng t ơng tác
(monological network) để chỉ ra các ph m trù liên hệ với nhau nh thế nào về mặt lý
thuyết.
B ng 7.4. Phân tích nhân tố khám phá để xác định giá trị hội tụ và phân biệt
94
Giá tr đồng quy (concurrent validity) đánh giá mức độ một công cụ đo l
ng có
kh năng đánh giá một ph m trù khác đang diễn ra đồng th i. Ví dụ, nếu một công cụ dùng
để đánh giá học lực của học sinh trong môn toán gi i tích có một t ơng quan m nh với học
lực của họ trong môn đ i số tuyến tính thì công cụ này có giá trị đồng quy cao. Những
điểm số này có tính chất đồng quy b i vì chúng đều ph n ánh học lực của môn toán học
trong cùng th i điểm. Không giống nh giá trị hội tụ và phân biệt, giá trị đồng quy và dự
báo th
ng bị bỏ qua trong các nghiên cứu thực nghiệm trong khoa học xư hội.
LỦ thuy t về ph
ng th c đánh giá
Bây gi chúng ta đư biết có rất nhiều cách khác nhau để ớc l ợng độ tin cậy và giá
trị khoa học của các công cụ đo l
ng trong khoa học xư hội, chúng ta hưy cùng tổng hợp
những hiểu biết này theo lối toán học bằng cách sử dụng thuyết kiểm định cổ điển
(classical test theory), cũng đ ợc gọi là thuyết điểm số thực (true score theory). Đây là một
đo nghiệm tâm lý dùng để kiểm tra cách thức ho t động của các ph ơng thức đánh giá,
chúng đánh giá cái gì và chúng không đánh giá cái gì. Lý thuyết này tổng kết rằng tất c
nghiên cứu đều có một giá trị thật T, giá trị này nó thể đ ợc nghiên cứu một cách chính xác
nếu không xuất hiện các lỗi trong quá trình đánh giá. Tuy nhiên, sự hiện diện của những lỗi
đánh giá E gây nên một độ lệch trong giá trị nghiên cứu so với giá trị thật nh sau:
Xuyên suốt các giá trị nghiên cứu, sự sai lệch của các giá trị nghiên cứu và giá trị
thật cũng có thể đ ợc liên hệ b i một ph ơng trình t ơng tự:
Độ lệch (X) = Độ lệch (T) + Độ lệch (E)
Mục đích của đo nghiệm tâm lý là để ớc đoán và gi m thiểu độ lệch lỗi (E), vì thế
mà giá trị nghiên cứu X sẽ tiệm cận với giá trị thật T.
Có hai lo i lỗi đánh giá: lỗi ngẫu nhiên và lỗi hệ thống. ầỗi ngẫu nhiên (random
error) t o ra b i các yếu tố khách quan không thể phát hiện và kiểm soát đ ợc và chúng
nh h
ng một cách ngẫu nhiên tới một số quan sát nhất định mà thôi. Ví dụ, trong th i
gian tiến hành các cuộc điều tra b ng hỏi, một số ng
tâm tr ng tốt, điều này có nh h
ng
i tr l i có thể không có đ ợc một
ng phần nào đến câu tr l i của họ. Trong khi đó những
i có tâm tr ng tốt có thể có những câu tr l i tích cực hơn về một số nội dung nhất
95
định ví dụ nh lòng tự trọng, sự thỏa mưn và niềm đam mê so với những ng
i không có
đ ợc tâm lý tốt khi tr l i b ng hỏi. Tuy nhiên, chúng ta không thể dự đoán tr ớc đ ợc ai
là ng
i có tâm tr ng tốt và độ h ng phấn hay bức xúc trong tâm tr ng của họ, cũng nh
không thể kiểm soát đ ợc mức nh h
T ơng tự nh vậy,
ng của những tâm tr ng đó đối với nghiên cứu.
mức độ cơ quan, tổ chức. Nếu chúng ta đang đánh giá hiệu qu
công tác của một đơn vị, những thay đổi về chính sách hay môi tr
h
ng làm việc có thể nh
ng tới một số đơn vị nhất định trong mẫu mà chúng ta đang quan sát. Vì vậy, các lỗi
ngẫu nhiên đ ợc coi là những yếu tố làm nhiễu và nhìn chung đ ợc bỏ qua.
L i h th ng (systematic error) đ ợc t o ra b i các yếu tố nh h
ng có tính hệ
thống đến tất c các quan sát về một hiện t ợng trên ph m vi toàn bộ mẫu nghiên cứu. Ví
dụ, khi chúng ta đánh gia về hiệu qu kinh doanh của một công ty. Vào th i điểm mà cuộc
khủng ho ng tài chính gần đây, đư có những nh h
ng bất lợi
mức độ đáng kể hơn đối
với một số công ty nh các công ty trong lĩnh vực s n xuất hàng tiêu dùng và dịch vụ. Nếu
nh mẫu nghiên cứu chỉ chứa đựng các công ty s n xuất hàng hóa và dịch vụ, chúng ta sẽ
có thể thu đ ợc kết qu nghiên cứu ph n ánh sự suy gi m có hệ thống trong hiệu qu kinh
doanh của tất c các công ty trong mẫu do tác động tiêu cực và toàn diện của cuộc khủng
ho ng. Không giống nh các lỗi ngẫu nhiên nh h
nh h
ng tích cực hoặc tiêu cực hoặc không
ng đến một số đơn vị trong mẫu, các lỗi hệ thống th
ng nh h
ng toàn diện và
theo chỉ một chiều tích cực hoặc tiêu tực đối với toàn bộ đơn vị trong mẫu. Chính vì vậy,
lỗi hệ thống đôi khi đ ợc xét xét là nhân tố “thiên vị” trong ph ơng thức đánh giá và cần
ph i đ ợc nhìn nhận và khắc phục.
Do giá trị nghiên cứu có thể bao hàm c lỗi ngẫu nhiên lẫn lỗi hệ thống nên ph ơng
trình giá trị thật có thể đ ợc chuyển thành:
X = T + Er + Es
trong đó Er và Es lần l ợt là lỗi ngẫu nhiên và lỗi hệ thống.
nh h
ng về thống kê
của những lỗi này là: lỗi ngẫu nhiên làm gia tăng tính biến thiên (độ lệch chuẩn) đối với sự
phân bổ của một đánh giá, nh ng không nh h
ng tới xu h ớng trung tâm (giá trị trung
bình); trong khi đó lỗi hệ thống tác động tới xu h ớng trung tâm nh ng không nh h
tới tính biến thiên, nh đ ợc minh họa trong Hình 7.5.
96
ng
Hình 7.5. nh h
ng của lỗi ngẫu nhiên và lỗi hệ thống.
Nghiên cứu về lỗi ngẫu nhiên và lỗi hệ thống có ý nghĩa gì đối với quy trình đánh
giá? B i vì lỗi ngẫu nhiên làm tăng tính biến thiên của các quan sát nên chúng sẽ làm gi m
độ tin cậy của ph ơng thức đánh giá. Ng ợc l i, lỗi hệ thống làm thay đổi xu h ớng h ớng
tâm của đánh giá, chúng là gi m giá trị khoa học của ph ơng thức đánh giá. Những quan
ng i về giá trị khoa học th
ng sâu sắc và nghiêm trọng hơn rất nhiều so với những hoài
nghi về độ tin cậy, b i vì sự đánh giá không phù hợp có thể đ ợc dùng để xem xét một
ph m trù khác, không ph i ph m trù chúng ta cần nghiên cứu. Vì vậy, sai lệch về giá trị
khoa học gây ra những hoài nghi nghiêm trọng hơn về kết qu nghiên cứu.
Cần chú ý rằng độ tin cậy là một tỉ lệ hoặc phân số ph n ánh mối t ơng quan giữa
giá trị thật và giá trị nghiên cứu. Vì vậy, độ tin cậy có thể đ ợc phát biểu d ới d ng:
Độ lệch (T) / Độ lệch (X) = Độ lệch (T) / [Độ lệch (T) + Độ lệch (E)]
Nếu độ lệch (T) = độ lệch (X) thì giá trị thật sẽ có tính biến thiên t ơng tự nh giá trị
nghiên cứu và nh vậy độ tin t
Ph
ng là 1.0.
ng pháp ti p c n tổng h p đánh giá giá tr
Một đánh giá hoàn thiện và đúng đắn về giá trị khoa học ph i chứa đựng c h ớng
tiếp cận đánh giá lý thuyết lẫn thực nghiệm. Nh đ ợc minh họa trong Hình 7.6 d ới đây
là một trình tự nhiều giai đo n phức t p, nó cần ph i xem xét rất nhiều thang đo độ tin cậy
và giá trị khoa học.
AB., PVP., CNA.
97
Hình 7.6. Tiếp cận tổng hợp đánh giá giá trị
Cách tiếp cận tổng hợp này bắt đầu từ đánh giá lý thuyết. Giai đo n đầu tiên là việc
khái niệm hóa những ph m trù cần nghiên cứu, nó bao gồm việc định nghĩa từng ph m trù,
xác định nội hàm và ngo i diên của nó. Tiếp theo, chúng ta lựa chọn (hoặc t o ra) những
chỉ số (hay trị số) đánh giá cho mỗi ph m trù dựa trên kết qu khái niệm hóa các ph m trù
nh đ ợc mô t trong Ch ơng 5. Quá trình kh o cứu tài liệu là rất hữu ích trong việc lựa
chọn các chỉ số. Mỗi một chỉ số ph i đ ợc phát biểu một cách đơn gi n, dễ hiểu.
Tiếp sau đó một ban thẩm định (gồm những học gi có kinh nghiệm về chuyên
ngành đang nghiên cứu, về ph ơng pháp nghiên cứu hoặc một số đ i diện của những ng
i
sẽ tr l i trong nghiên cứu) sẽ kiểm định mỗi chỉ số và thực hiện phân tích Q-sort. Trong
phân tích này, mỗi ng
i trong ban thẩm định sẽ đ ợc trao một danh sách chứa tất c ph m
trù và định nghĩa của chúng cùng với các thẻ đánh giá (mỗi thẻ đánh giá một chỉ số). Sau
đó mỗi vị thẩm định viên sẽ độc lập đọc từng thẻ, kiểm tra và đánh giá văn phong, tính
rành m ch và ngữ nghĩa của mỗi phát biểu (chỉ số).
Độ tin cậy nội bộ (inter-rater reliability) sẽ xác định mức độ các thẩm định viên đồng
ý với các phân lo i của họ. Những phát biểu đ ợc cho là không rõ ràng b i nhiều thành
viên sẽ cần ph i xem xét l i, viết l i hoặc lo i bỏ. Những phát biểu tốt nhất về mỗi ph m
trù sẽ đ ợc lựa chọn cho các b ớc phân tích tiếp theo. Mỗi một phát biểu đ ợc lựa chọn sẽ
đ ợc thẩm định l i để xác định giá trị hình thức và giá trị nội dung. Nếu sau giai đo n này
98
có quá ít các phát biểu đ ợc lựa chọn thì ph i dựa trên quá trình khái niệm hóa các ph m
trù quan tâm để hình thành các phát biểu mới. Chính vì vậy, phân tích Q-sort có thể ph i
đ ợc thực hiện hai hoặc ba lần thì mới lựa chọn đ ợc đủ số l ợng các chỉ số ph n ánh toàn
diện nhất, khách quan nhất các ph m trù nghiên cứu.
Tiếp theo, quy trình củng cố, c i thiện giá trị khoa học chuyển tới góc độ đánh giá
qua thực nghiệm. Một công cụ nghiên cứu chứa đựng các chỉ số đư sàng lọc
giai đo n lý
thuyết sẽ đ ợc t o ra và áp dụng đối với một nhóm thí điểm đ i diện cho khách thể nghiên
cứu. Dữ liệu thu thập sẽ đ ợc lập b ng phục vụ cho phân tích t ơng quan hoặc phân tích
thừa số với sự hỗ trợ của một phần mềm, ví dụ nh phần mềm SAS hay SPSS để xác định
giá trị hội tụ và giá trị phân/dị biệt. Những chỉ số không thỏa mưn các nguyên tắc về hệ số
nhân tố t i lên (những hệ số t i lên của cùng nhân tố lớn hơn 0.60 và nhỏ hơn 0.30) sẽ bị
lo i bỏ
b ớc này.
Độ tin cậy của những thang đo còn l i đ ợc xác định bằng cách sử dụng một kỹ thuật
đánh giá độ nhất quán nội t i (internal consistency). Chẳng h n ph ơng pháp Cronbach
alpha. Tiếp theo, chúng ta đánh giá kh năng dự báo của mỗi ph m trù trong một m ng
t ơng tác đ ợc cụ thể hóa về lý thuyết bằng các kỹ thuật nh phân tích hồi quy hay mô
hình hóa ph ơng trình cấu trúc. Nếu nh các công cụ đánh giá ph m trù thỏa mưn hầu hết
hoặc tất c các yêu cầu đặt ra đối với giá trị khoa học và độ tin cậy đ ợc mô t trong
ch ơng này, chúng ta có thể khẳng định rằng sau quá trình thao tác hóa, các công cụ này là
cơ b n thích hợp và đúng đắn.
Gi i pháp tổng hợp nhằm c i thiện giá trị khoa học đ ợc để cập
đây đòi hỏi khá
nhiều th i gian và công sức của nhà nghiên cứu. Tuy nhiên, tiến trình nhiều giai đo n và
phức t p này là cần thiết để đ m b o rằng các thang đánh giá, đo l
ng đ ợc áp dụng trong
nghiên cứu của chúng ta tho mưn những nguyên tắc quan trọng trong nghiên cứu khoa
học. B i những suy luận dựa trên những thang đo sai lệch sẽ không có ý nghĩa, do đó
ph ơng thức đánh giá các ph m trù luôn là một trong những giai đo n quan trong trọng
nhất và phức t p nhất của nghiên cứu thực nghiệm.
99
Ch
ng 8
CH N M U
Ch n m u (sampling) là quá trình lựa chọn một tập hợp con (gọi là một “mẫu”) của
khách thể
nghiên cứu nhằm mục đích tiến hành nghiên cứu và đ a ra các suy
luận thống kê về khách thể nghiên cứu đó. Nhìn chung, nghiên cứu khoa học xư hội là
nhằm suy ra mô hình hành vi của các khách thể nghiên cứu. Do tính kh thi và h n chế về
th i gian, chi phí, chúng ta không thể nghiên cứu toàn bộ khách thể nghiên cứu, mà chúng
ta ph i chọn một mẫu đ i diện trong số đối t ợng đó để thu thập và phân tích dữ liệu. Điều
quan trọng nhất trong lựa chọn mẫu là mẫu đ ợc lựa chọn ph i thực sự đ i diện cho khách
thể nghiên cứu và nh vậy các suy luận bắt nguồn từ mẫu có thể đ ợc khái quát hóa cho
toàn bộ khách thể nghiên cứu. Chọn mẫu thiên vị là lý do đầu tiên gi i thích cho những suy
luận khác nhau và những khiếm khuyết đ ợc báo cáo trong các cuộc kh o sát và thăm dò ý
kiến tr ớc các cuộc bầu cử Tổng thống Mỹ đ ợc thực hiện b i các tổ chức khác nhau nh
CNN / Gallup Poll, ABC, CBS.
Ti n trình ch n m u
Hình 8.1. Tiến trình chọn mẫu
100
Chọn mẫu gồm một số công đo n (xem hình 8.1). Đầu tiên là ph i xác định rõ khách
thể nghiên cứu. Khách th nghiên c u (hay quần thể nghiên cứu - population) đ ợc định
nghĩa là tất c con ng
i hoặc sự vật (đơn vị phân tích) chứa đựng nội dung cần nghiên
cứu. Đơn vị phân tích có thể là một ng
i, một nhóm ng
i, một tổ chức, một quốc gia,
một vật thể hoặc bất kỳ một thực thể mà b n mong muốn đ a ra những suy luận khoa học
về chúng. Đôi khi khách thể nghiên cứu có thể nhìn thấy đ ợc rất rõ ràng. Ví dụ, một nhà
s n xuất muốn xem liệu một dòng s n phẩm làm ra có đáp ứng yêu cầu chất l ợng hay là
ph i làm l i hoặc lo i bỏ, thì khách thể nghiên cứu là toàn bộ dòng s n phẩm đư s n xuất.
Trong khi đó, chúng ta có thể thấy khó khăn hơn khi xác định khách thể nghiên cứu. Nếu
b n muốn xác định các yếu tố cơ b n tác động đến quá trình học tập của các học sinh trung
học, thì khách thể nghiên cứu của b n là học sinh trung học, giáo viên, hiệu tr
tr
ng hay bậc phụ huynh? Câu tr l i đúng trong tr
ng các
ng hợp này là học sinh trung học,
b i vì b n quan tâm đến việc học tập của họ, không ph i là việc học của các giáo viên, cha
mẹ hoặc tr
ng học.
B ớc thứ hai trong quá trình chọn mẫu là xác định một khung ch n m u (sampling
frame). Đây là h ớng giúp nhà nghiên cứu có thể tiếp cận đ ợc với khách thể nghiên cứu.
Nếu khách thể nghiên cứu của b n là những ng
i làm việc cùng ngành nghề thì b n
không thể tiếp cận tất c họ trên toàn thế giới. B i vậy, một khung lấy mẫu kh thi hơn là
danh sách những ng
i làm việc của một hoặc hai cơ quan địa ph ơng mà họ sẵn sàng
tham gia trong nghiên cứu của b n. Nếu khách thể nghiên cứu của b n là công ty, thì lựa
chọn trong danh sách 500 công ty hàng đầu Hoa Kỳ do T p chí Fortune bình chọn (Fortune
500) hay danh sách Standard & Poor (S&P) của các công ty đư đăng ký với thị tr
ng
chứng khoán New York sẽ là h ớng có thể chấp nhận đ ợc.
L u ý rằng nếu khung chọn mẫu không hoàn toàn đ i diện cho tất c khách thể
nghiên cứu thì những suy luận rút ra từ mẫu đ ợc lựa chọn cũng không thể khái quát cho
toàn bộ khách thể nghiên cứu. Ví dụ, nếu khách thể nghiên cứu của b n là tất c nhân viên
của một tổ chức (ví dụ, b n muốn nghiên cứu lòng tự trọng, sự tự tin cá nhân của nhân
viên) và khung lấy mẫu của b n là nhân viên t i các công ty ô tô
vùng Trung Tây n ớc
Mỹ. Kết qu nghiên cứu phát hiện từ các nhóm này (công ty ô tô) có thể không khái quát
cho lực l ợng lao động toàn Mỹ chứ ch a nói đến toàn cầu. Điều này là b i ngành công
nghiệp ô tô Mỹ đang bị áp lực c nh tranh khốc liệt trong 50 năm qua và đư có những giai
đo n c i tổ, thu hẹp quy mô l i rất nhiều - vấn đề này có thể tác động m nh đến tinh thần
và sự tự tin của nhân viên. Hơn nữa, phần lớn lực l ợng lao động Mỹ đang làm việc trong
101
các ngành công nghiệp dịch vụ hoặc các doanh nghiệp nhỏ, không ph i trong ngành công
nghiệp ô tô. Do đó, một mẫu của các nhân viên ngành công nghiệp ô tô Mỹ không thật sự
đ i diện của lực l ợng lao động của Mỹ.
T ơng tự nh vậy, danh sách Fortune 500 bao gồm số 500 doanh nghiệp lớn nhất
của Mỹ sẽ không đ i diện cho tất c các công ty Mỹ nói chung, b i phần đông các công ty
t i Mỹ l i là các doanh nghiệp vừa và nhỏ. Do đó, nếu chọn các công ty trong danh sách
Fortune 500 để làm đ i diện cho toàn bộ doanh nghiệp Mỹ thì đó có thể là một khung lấy
mẫu thiên vị. Ng ợc l i, danh sách S&P sẽ cho phép b n để chọn trong số các công ty lớn,
vừa và nhỏ, nh ng danh sách S&P l i không gồm các công ty t nhân); cho nên đó vẫn là
thiên vị.
Cũng l u ý rằng đôi khi khách thể nghiên cứu từ đó mẫu đ ợc rút ra có thể không
hoàn toàn
đối t ợng mà chúng ta thực sự muốn tìm kiếm thông tin. Ví dụ, nếu một
nghiên cứu muốn đánh giá mức độ thành công của cuộc vận động “bỏ thuốc lá” thì khách
thể nghiên cứu là toàn bộ những ng
i hút thuốc đư h
này. Nh vậy, rất khó để xác định rõ về toàn bộ
ng ứng
những ng
cuộc vận động
i đư hút thuốc
gia cuộc vận động. Do đó, nhà nghiên cứu có thể lấy mẫu từ những bệnh nhân đến cơ s y
tế địa ph ơng để điều trị cai nghiện thuốc lá. Một số ng
biết
tham gia cuộc vận động, trong tr
i trong mẫu này có thể đư không
ng hợp này, khung lấy mẫu không
t ơng ứng với khách thể nghiên cứu cần quan tâm.
B ớc cuối cùng trong lấy mẫu là việc chọn các đối t ợng cụ thể từ khung lấy mẫu
bằng cách sử dụng một hoặc một vài ph ơng pháp lấy mẫu nhất định. Ph ơng pháp lấy
mẫu có thể đ ợc nhóm l i thành hai lo i cơ b n: lấy mẫu xác suất (ngẫu nhiên) và lấy mẫu
phi xác suất. Lấy mẫu xác suất sẽ là lý t
ng nếu việc khái quát hóa kết qu là quan trọng
đối với nghiên cứu của b n, nh ng có thể có những tr
ng hợp đặc biệt ph ơng pháp lấy
mẫu phi xác suất cũng có thể chấp nhận đ ợc. Những ph ơng pháp này sẽ đ ợc th o luận
trong hai phần tiếp theo.
L y m u xác su t
L y m u xác su t (probability sampling) là một kỹ thuật trong đó tất c các đơn vị
trong khách thể nghiên cứu đều có cơ hội đ ợc lựa chọn trong mẫu và tỉ lệ đ ợc chọn có
thể đ ợc quyết định chính xác. Vì vậy, mẫu đ ợc chọn theo ph ơng pháp lấy mẫu xác suất
sẽ mang đến những ph n ánh không thiên vị về những thông số của khách thể nghiên cứu.
Lấy mẫu xác suất có hai thuộc tính chung: (1) tất c các đơn vị trong đối t ợng nghiên cứu
102
đều có một cơ hội đ ợc lựa chọn, và (2) lấy mẫu đ ợc thực hiện ngẫu nhiên. Các kỹ thuật
lấy mẫu xác suất khác nhau bao gồm:
L y m u ng u nhiên đ n gi n (simple random sampling). Trong kỹ thuật này, tất
c các tập con của khách thể nghiên cứu (chính xác hơn, các khung lấy mẫu) đều đ ợc cho
một xác suất lựa chọn bằng nhau. Xác suất lựa chọn của bất kỳ đơn vị n nào trong tổng số
N
N đơn vị trong một khung lấy mẫu là Cn. Do đó, số liệu thu đ ợc từ mẫu là các đánh giá
không thiên vị và không có bất kỳ đơn vị phân tích nào đ ợc nhấn m nh. Lấy mẫu ngẫu
nhiên đơn gi n bao gồm đến việc chọn ngẫu nhiên ng
i tham gia từ một khung lấy mẫu
lớn.
Thông th
ng, để chọn mẫu, một b ng các số ngẫu nhiên hoặc một công cụ lấy số
ngẫu nhiên trên máy vi tính sẽ đ ợc sử dụng. Ví dụ, nếu b n muốn chọn 200 doanh nghiệp
để kh o sát từ danh sách 1.000 công ty. Nếu danh sách 1.000 công ty này đ ợc nhập vào
một b ng tính nh Excel, b n có thể sử dụng chức năng RAND[] của Excel để t o ra các số
ngẫu nhiên trong số 1.000 số đ ợc nhập. Tiếp theo, b n sắp xếp danh sách theo thứ tự ngày
càng tăng của các số ngẫu nhiên đ ợc chọn và chọn 200 số đầu tiên trong danh sách đ ợc
sắp xếp. Đây là đơn gi n nhất của tất c các kỹ thuật lấy mẫu xác suất và sự đơn gi n cũng
là điểm m nh của kỹ thuật này. B i vì khung lấy mẫu không bị phân chia hoặc phân vùng,
mẫu có đ ợc là không thiên vị và những kết luận là khái quát nhất trong số tất c các kỹ
thuật lấy mẫu xác suất.
L y m u h th ng (systematic sampling). Trong kỹ thuật này, khung lấy mẫu đ ợc
xác định theo một số tiêu chí nào đó và các đối t ợng đ ợc lựa chọn một cách lần l ợt dựa
trên khung lấy mẫu đó. Lấy mẫu hệ thống bắt đầu bằng một lựa chọn ngẫu nhiên đến đối
t ợng thứ k nào đó với k = N/n, trong đó k là tỷ lệ lấy mẫu, N là quy mô của toàn bộ khách
thể nghiên cứu và n là quy mô mẫu mong muốn. Sau đó l i bắt đầu bằng một lựa chọn
ngẫu nhiên. Quá trình này đ ợc tiến hành cho đến hết tất c khách thể nghiên cứu đư dự
tính. Điều quan trọng là điểm bắt đầu chọn mẫu không nhất thiết ph i đối t ợng đầu tiên
trong danh sách, mà có thể đ ợc chọn ngẫu nhiên trong danh sách.
Trong ví dụ tr ớc đây của chúng ta về lựa chọn 200 doanh nghiệp từ một danh sách
của 1.000 doanh nghiệp. B n có thể sắp xếp 1.000 doanh nghiệp theo thứ tự tăng lên (hoặc
gi m xuống) về quy mô của chúng (ví dụ, căn cứ vào số l ợng nhân viên hay doanh thu
hàng năm). Ta có tỷ lệ lấy mẫu là k = 1.000/200 = 5. Theo đó, chọn ngẫu nhiên một trong
năm doanh nghiệp đầu tiên trong danh sách đ ợc sắp xếp và sau đó đếm đến 5 và chọn tất
103
c các công ty thứ năm trong danh sách. Quá trình này sẽ đ m b o không có sự hiện diện
quá nhiều, mất cân đối của các doanh nghiệp lớn hay nhỏ trong mẫu của b n, mà các
doanh nghiệp dù lớn hay nhỏ đều có đ i diện trong mẫu. Nói cách khác, về góc độ quy mô
của khách thể nghiên cứu, mẫu đư chọn đ i diện toàn bộ khách thể nghiên cứu.
L y m u phơn t ng (stratified sampling). Trong lấy mẫu phân tầng, khung lấy mẫu
đ ợc chia thành nhiều nhóm nhỏ đồng nhất và không chồng chéo (đ ợc gọi là “các tầng”)
và một mẫu ngẫu nhiên đơn gi n sẽ đ ợc rút ra trong mỗi nhóm. Trong ví dụ tr ớc khi lựa
chọn 200 doanh nghiệp từ một danh sách 1.000, b n có thể bắt đầu bằng cách phân lo i các
công ty dựa trên quy mô của chúng: lớn (hơn 500 nhân viên), trung bình (từ 50 đến 500
nhân viên) và nhỏ (d ới 50 nhân viên). Sau đó b n có thể lựa chọn ngẫu nhiên 67 doanh
nghiệp đến từ mỗi nhóm để làm cho mẫu của b n của 200 doanh nghiệp.
Tuy nhiên, vì trong số 1000 doanh nghiệp, số l ợng các doanh nghiệp nhỏ nhiều hơn
rất nhiều so với các doanh nghiệp lớn, vì vậy việc lựa chọn một con số bằng nhau (67) từ
nhóm các công ty nhỏ, vừa và lớn sẽ làm cho các mẫu thu đ ợc thiếu đ i diện cho toàn bộ
1.000 doanh nghiệp (tức là, thiên vị cho các công ty lớn khi tỉ lệ hiện diện của chúng trong
mẫu cao hơn nhiều tỉ lệ của các doanh nghiệp nhỏ). Đây đ ợc gọi là lấy mẫu phân t ng
phi tỷ lệ (non-proportional stratified sampling) vì tỷ lệ lấy mẫu trong mỗi nhóm không
ph n ánh tỷ lệ tổng thể khách thể nghiên cứu vì có tr
ng hợp nhóm có số l ợng ít hơn (ví
dụ các công ty có quy mô lớn) đ ợc hiện diện trong mẫu quá nhiều.
Một kỹ thuật khác sẽ đ ợc thay thế bằng cách chọn số l ợng các nhóm nhỏ t ơng
ứng với tỉ lệ của chúng trong tổng số l ợng khách thể nghiên cứu. Ví dụ, nếu có 100 doanh
nghiệp lớn, 300 doanh nghiệp cỡ vừa và 600 doanh nghiệp nhỏ, thì 200 doanh nghiệp trong
mẫu sẽ bao gồm 20 từ nhóm "lớn", 60 từ nhóm "trung bình" và 120 từ nhóm "nhỏ". Trong
tr
ng hợp này, sự phân phối tỷ lệ của các doanh nghiệp đ ợc giữ l i trong mẫu và vì thế
kỹ thuật này đ ợc gọi là lấy mẫu phân t ng tỷ lệ (proportional stratified sampling).
L y m u theo c m (cluster sampling). Nếu khách thể nghiên cứu phân tán trên một
vùng địa lý rộng lớn, tiến hành lấy mẫu ngẫu nhiên đơn gi n của toàn bộ khách thể nghiên
cứu có thể không kh thi. Trong tr
“cụm” có thể là một ý t
ng hợp này, phân chia khách thể nghiên cứu thành các
ng hợp lý (th
ng là dọc theo các ranh giới địa lý), ngẫu nhiên
lấy mẫu một vài cụm và đánh giá tất c các đơn vị trong cụm đó. Ví dụ, nếu b n muốn để
lấy mẫu chính quyền các thành phố của bang New York, thay vì ph i đi toàn bang để
phỏng vấn các quan chức chủ chốt của các thành phố trong bang (nh b n có thể ph i làm
104
khi lấy mẫu ngẫu nhiên đơn gi n), b n có thể nhóm các chính quyền theo đơn vị quận, lựa
chọn ngẫu nhiên một bộ ba quận và sau đó chỉ phỏng vấn các quan chức chủ chốt trong ba
quận đó. Tuy có sự khác biệt giữa các cụm lấy mẫu, độ sai lệch ớc tính của chọn mẫu
theo cụm là cao hơn so với lấy mẫu ngẫu nhiên; do đó, tính khái quát cho toàn thể khách
thể nghiên cứu kém hơn so với kết qu thu đ ợc từ kỹ thuật lấy mẫu ngẫu nhiên đơn gi n.
L y m u so sánh cặp (matched-pairs sampling). Đôi khi, các nhà nghiên cứu muốn
so sánh hai phân nhóm trong khách thể nghiên cứu dựa trên một tiêu chí cụ thể nào đó. Ví
dụ, t i sao một số công ty liên tục gặt hái nhiều lợi nhuận hơn so với các công ty khác? Để
tiến hành một nghiên cứu nh vậy, b n sẽ ph i phân lo i khung lấy mẫu thành các công ty
có lợi nhuận cao và các công ty có lợi nhuận thấp dựa trên tỷ suất lợi nhuận gộp, thu nhập
trên mỗi cổ phiếu hoặc một số tiêu chí đo l
ng khác về lợi nhuận. Sau đó bằng kỹ thuật
lấy mẫu ngẫu nhiên đơn gi n b n sẽ chọn một công ty trong mỗi nhóm, dựa trên sự t ơng
xứng về quy mô, lĩnh vực kinh doanh, và/hoặc các tiêu chí phù hợp khác. Bây gi , b n có
hai mẫu xuất hiện của các công ty lợi nhuận cao và lợi nhuận thấp mà b n có thể nghiên
cứu chi tiết hơn. Nh vậy, kỹ thuật lấy mẫu so sánh cặp th
ng là một cách lý t
ng để
nghiên cứu sự khác biệt l ỡng cực giữa các phân nhóm khác nhau trong một khách thể
nghiên cứu nhất định.
L y m u nhiều giai đo n (multi-stage sampling). Tất c các kỹ thuật chọn mẫu xác
suất đ ợc mô t bên trên là các kỹ thuật lấy mẫu một giai đo n. Tùy thuộc vào nhu cầu lấy
mẫu của b n, b n có thể kết hợp các kỹ thuật một giai đo n để tiến hành lấy mẫu nhiều giai
đo n. Ví dụ, b n có thể phân tầng một danh sách của các doanh nghiệp dựa trên quy mô
doanh nghiệp và sau đó tiến hành lấy mẫu hệ thống trong mỗi tầng. Đây là một sự kết hợp
hai kỹ thuật: lấy mẫu phân tầng và lấy mẫu hệ thống. T ơng tự nh vậy, b n có thể bắt đầu
với một nhóm quận trong tiểu bang New York: trong mỗi quận, chọn một mẫu ngẫu nhiên
đơn gi n các tr
ng học; trong mỗi tr
ng, chọn một mẫu ngẫu nhiên đơn gi n của các lớp
và trong mỗi lớp, chọn một mẫu ngẫu nhiên đơn gi n các sinh viên để nghiên cứu. Trong
tr
ng hợp này, b n có một quá trình lấy mẫu bao gồm bốn giai đo n của lấy mẫu theo
cụm và lấy mẫu ngẫu nhiên đơn gi n.
Ch n m u phi xác su t
Chọn mẫu phi xác suất (non-probability sampling) là một kỹ thuật lấy mẫu, trong đó
một số đơn vị của khách thể nghiên cứu không có cơ hội đ ợc chọn hoặc kh năng đ ợc
chọn không thể đ ợc xác định chính xác. Thông th
105
ng, các đơn vị đ ợc lựa chọn dựa trên
một số tiêu chí không ngẫu nhiên, chẳng h n nh h n ng ch hay sự thuận tiện. B i vì lựa
chọn là không ngẫu nhiên, chọn mẫu không xác suất khiến cho việc đánh giá các lỗi lấy
mẫu tr nên khó khăn và có thể ph i chấp nhận sự thiên vị trong lấy mẫu. Do đó, thông tin
từ một mẫu không thể đ ợc khái quát hóa cho toàn bộ khách thể nghiên cứu. Các lo i kỹ
thuật chọn mẫu phi xác suất bao gồm:
Ch n m u thu n ti n (convenience sampling). Cũng đ ợc gọi là lấy mẫu tình c
hoặc lấy mẫu cơ hội, đây là một kỹ thuật mà trong đó một mẫu đ ợc rút ra từ một phần của
khách thể nghiên cứu mà chúng gần gũi, có sẵn hoặc thuận tiện cho nhà nghiên cứu. Ví dụ,
nếu b n đứng bên ngoài một trung tâm mua sắm và trao các b ng câu hỏi cho khách hàng
hoặc phỏng vấn họ khi họ b ớc vào trong trung tâm mua sắm. Những mẫu mà b n nhận
đ ợc d ng này là một mẫu thuận tiện. Đây là một mẫu phi xác suất b i vì b n bỏ qua
những khách hàng t i các trung tâm mua sắm khác. Các ý kiến nhận đ ợc từ mẫu này có
thể ph n ánh những đặc điểm đặc tr ng của trung tâm mua sắm này, chẳng h n nh
ph ơng châm kinh doanh của trung tâm (ví dụ, chỉ h ớng đến những khách hàng trung
l u) hoặc vị trí của trung tâm (ví dụ, gần một tr
đó không thể đ i diện cho ý kiến của toàn thể ng
ng đ i học sẽ thu hút nhiều sinh viên), do
i mua sắm. Do đó, kh năng khái quát
hóa của những quan sát nh vậy sẽ h n chế. Ví dụ khác về lấy mẫu thuận tiện là lấy mẫu
những sinh viên trong một lớp học hoặc lấy mẫu các bệnh nhân đến một phòng khám y tế
nhất định. Đây là lo i lấy mẫu hữu ích trong giai đo n thí điểm các nghiên cứu với mục
tiêu thử nghiệm các công cụ nghiên cứu hoặc kiểm định các chỉ số đánh giá, chứ không
nên sử dụng để đ a ra các kết luận khái quát.
Ch n m u đ nh m c (quota sampling). Trong kỹ thuật này, khách thể nghiên cứu
đ ợc phân chia thành nhiều nhóm nhỏ (giống nh trong lấy mẫu phân tầng) và sau đó một
số l ợng không ngẫu nhiên sẽ đ ợc chọn từ mỗi nhóm nhỏ để đáp ứng một định mức đ ợc
xác định tr ớc. Trong chọn mẫu định mức tỷ lệ (proportional quota sampling), tỷ lệ số
ng
i đ ợc chọn trong mỗi nhóm ph i phù hợp với cấu trúc của khách thể nghiên cứu. Ví
dụ, nếu dân số Mỹ bao gồm 70% ng
ng
i da trắng, 15% ng
i Mỹ gốc Tây Ban Nha, 13%
i Mỹ gốc Phi; b n muốn hiểu quan điểm bầu cử của họ trong một mẫu của 98 ng
b n có thể đứng bên ngoài một trung tâm mua sắm và đề nghị mọi ng
điểm của họ. B n sẽ ph i dừng việc lấy phiếu của ng
ph n hồi (hoặc dừng lấy phiếu ng
i,
i bỏ phiếu quan
i gốc Tây Ban Nha khi b n đư có 15
i gốc Phi khi b n đư có 13 ph n hồi), để các thành
phần dân tộc trong mẫu phù hợp với tỉ lệ dân số Mỹ nói chung.
106
Chọn mẫu định mức phi tỷ lệ (non-proportional quota sampling) không bị h n chế
b i yêu cầu ph i đ t đ ợc một tỷ lệ đ i diện nào đó, nh ng có thể ph i đ t đ ợc một số
l ợng tối thiểu trong mỗi nhóm. Trong tr
ng hợp này, b n có thể quyết định có 50 ng
tr l i từ mỗi nhóm trong ba nhóm dân tộc (ng
ng
i da trắng, ng
i
i Mỹ gốc Tây Ban Nha và
i Mỹ gốc Phi) và b n dừng l i khi đ t đến định mức của b n cho mỗi phân nhóm.
Không một lo i lấy mẫu định mức nào là có thể đ i diện của toàn dân số Mỹ, b i vì tùy
thuộc vào nơi nghiên cứu đ ợc thực hiện (ví dụ t i một trung tâm mua sắm
New York
hay Kansas) kết qu có thể hoàn toàn khác nhau. Kỹ thuật lấy mẫu định mức có tính đ i
diện thấp, nh ng có thể hữu ích b i nó cho phép nắm bắt đ ợc ý kiến của các nhóm nhỏ.
Ch n m u chuyên gia (expert sampling). Đây là một kỹ thuật mà ng
i đ ợc lựa
chọn một cách không ngẫu nhiên dựa trên chuyên môn của họ về lĩnh vực đang nghiên
cứu. Ví dụ, để hiểu về tác động của một chính sách mới của chính phủ nh Đ o luật
Sarbanes-Oxley(*), b n có thể lấy mẫu một nhóm kế toán, những ng
vực này.
u điểm của ph ơng pháp này là
i quen thuộc với lĩnh
chỗ các chuyên gia có hiểu biết sâu rộng hơn
về vấn đề nghiên cứu, nên ý kiến từ mẫu của các chuyên gia đáng tin cậy hơn mẫu bao
gồm c những ng
i không có chuyên môn. Tuy vậy, những phát hiện từ mẫu sẽ không
khái quát hóa cho toàn bộ quần thể nói chung.
Ch n m u mở r ng d n (chọn mẫu qu bóng tuyết - snowball sampling). Trong
chọn mẫu qu cầu tuyết, b n bắt đầu bằng cách nhận diện một vài ng
i phù hợp với các
tiêu chí để tiếp cận cho nghiên cứu của b n và sau đó đề nghị họ giới thiệu những ng
i
khác mà họ biết sẽ đáp ứng các tiêu chí lựa chọn. Ví dụ nếu b n muốn kh o sát qu n trị
m ng máy tính, ban đầu b n chỉ biết một hoặc hai chuyên gia qu n trị m ng, sau khi thu
nhận thông tin từ họ, b n có thể đề nghị họ giới thiệu những ng
i khác cũng làm qu n trị
m ng. Mặc dù ph ơng pháp này hầu nh không dẫn đến mẫu có tính đ i diện, nh ng đôi
khi nó có thể là cách duy nhất để tiếp cận với những khách thể nghiên cứu khó tiếp cận
hoặc khi không có khung lấy mẫu nào sẵn có.
Th ng kê m u (Statistics of Sampling)
Trong phần tr ớc, chúng ta đư đ a ra các thuật ngữ nh tham số quần thể (thông số
về toàn bộ khách thể nghiên cứu), thống kê mẫu và sai số chọn mẫu. Trong phần này,
(*)
Đ o luật Sarbanes-Oxley còn đ ợc biết với tên Đ o luật Sarbox, là một trong những luật căn b n của nghề
kế toán, kiểm toán, đ ợc ban hành t i Hoa Kỳ năm 2002. Mục tiêu chính của Đ o luật này nhằm b o vệ lợi
ích của các nhà đầu t vào các công ty đ i chúng bằng cách buộc các công ty này ph i c i thiện sự đ m b o
và tin t ng vào các báo cáo, các thông tin tài chính công khai (theo Wikipedia - N.D).
107
chúng ta cố gắng làm rõ nghĩa và mối quan hệ của các thuật ngữ này.
Khi đo l
ng một quan sát nào đó từ một đơn vị mẫu, chẳng h n nh câu tr l i của
một cá nhân cho một câu hỏi trong b ng hỏi đ ợc thiết kế theo thang đo Likert, thì kết qu
quan sát đó đ ợc gọi là một ph n hồi hay một câu tr l i (xem Hình 8.2). Nói cách khác,
một câu tr l i (response) là một giá trị đo l
ng đ a ra b i một đơn vị trong mẫu đư chọn.
Các câu tr l i cho cùng một câu hỏi (hay một chỉ số, một quan sát) từ những ng
khác nhau có thể đ ợc đồ thị hóa thông qua đ
ng phân b
i tr l i
t n su t (frequency
distribution), nó ph n ánh tần suất xuất hiện của câu tr l i. Mỗi phiếu tr l i cung cấp cho
b n những câu tr l i khác nhau cho từng mục trong phiếu kh o sát. Các ý kiến, quan điểm
của các phiếu kh o sát khác nhau cho cùng vấn đề hoặc đánh giá có thể biểu diễn bằng đồ
thị tần suất phân bố các sự kiện x y ra. Đối với số l ợng lớn các câu tr l i trong một mẫu
kh o sát, đồ thị phân bố tần suất theo đ
ng cong giống hình qu chuông và đ ợc coi là
phân bố chuẩn (normal distribution). Đồ thị phân bố có thể dùng để đánh giá đặc tính
chung của một mẫu, nh giá trị trung bình của mẫu (trung bình cộng của tất c các kết qu
tr l i trong một mẫu) hoặc độ lệch chuẩn (mức độ biến thiên hoặc giao thoa của các câu
tr l i trong một mẫu). Toàn bộ thông số về mẫu nh vậy đ ợc gọi là thống kê mẫu –
sample statistics (một “thống kê” là một giá trị đ ợc đánh giá từ các dữ liệu thu đ ợc).
Các quần thể cũng có cùng giá trị trung bình và độ lệch chuẩn nếu mẫu đ ợc chọn là
toàn bộ quần thể (hay toàn bộ khách thể nghiên cứu). Tuy nhiên, vì chọn mẫu là toàn bộ
quần thể là không thực tế nên các đặc tính của c quần thể không bao gi có thể xác định
đ ợc thấu đáo. Những đặc tính này đ ợc gọi là các thông số quần thể - population
parameters (không thể gọi chúng là “thống kê” đ ợc vì chúng không thể xác định đ ợc
thông qua các kỹ thuật phân tích dữ liệu thống kê). Thông tin từ thống kê mẫu có thể khác
với các thông số quần thể khi mẫu không thật sự đ i diện cho quần thể. Sự khác biệt giữa
thống kê mẫu và các thông số quần thể đ ợc gọi là sai s ch n m u (sampling error). Về
mặt lý thuyết, nếu chúng ta tăng dần kích cỡ mẫu đến mức tiệm cận c quần thể thì sẽ gi m
đ ợc sai số chọn mẫu. Nh vậy, thống kê mẫu ngày càng tiệm cận với thông số quần thể
t ơng ứng.
Nếu một mẫu đ ợc chọn thực sự đ i diện cho quần thể thì thông tin trong các thống
kê mẫu sẽ đồng nhất với các thông số quần thể t ơng ứng. Làm cách nào để biết đ ợc
thống kê mẫu đồng nhất hoặc ít nhất là ph n ánh sát các thông số quần thể
mức độ có thể
chập nhận đ ợc? Tr ớc hết, chúng ta cần hiểu khái niệm phơn b ch n m u (sampling
distribution).
108
Hình 8.2. Thống kê mẫu
Hưy t
ng t ợng là b n lấy 3 mẫu ngẫu nhiên khác nhau của một quần thể nghiên
cứu nh trong Hình 8.3. Đối với mỗi mẫu, b n nhận đ ợc các giá trị thống kê mẫu nh giá
trị trung bình, độ lệch chuẩn. Nếu mỗi mẫu ngẫu nhiên thực sự đ i diện cho quần thể, thì
khi đó giá trị trung bình của 3 mẫu sẽ đồng nhất (và bằng với thông số quần thể) và độ biến
thiên trong giá trị trung bình của mẫu bằng 0.
Nh ng điều này là vô cùng hiếm, b i vì mỗi một mẫu ngẫu nhiên có thể rút ra từ
những phần khác nhau trong quần thể. Do đó, giá trị trung bình của các mẫu có sự khác
biệt nhất định. Tuy nhiên, có thể sử dụng giá trị trung bình của 3 mẫu và vẽ đồ thị tần suất
cho các giá trị trung bình. Nếu số l ợng mẫu tăng từ 3 lên 10 hoặc lên tới 100, biểu đồ tần
suất tr thành một phân bố chọn mẫu. Nh vậy, một phân bố chọn mẫu là một phân bố tần
suất của thống kê mẫu (nh giá trị trung bình mẫu) từ một tập hợp các mẫu, trong khi đó
phân bố tần suất là tham chiếu chung cho sự phân bố của một câu tr l i (các đánh giá) từ
một mẫu riêng biệt.
Cũng giống nh phân bố tần suất, phân bố chọn mẫu nhằm mục đích có đ ợc các
thống kê mẫu với phần lớn có trị số t ơng đ ơng giá trị trung bình (đây là giá trị đ ợc cho
là ph n ánh các thông số quần thể) và một phần nhỏ hơn có trị số khác xa giá trị trung
109
bình. Với l ợng mẫu vô cùng lớn, việc phân bố mẫu sẽ tiệm cận với phân bố th
ng. Độ
biến thiên hoặc giao thoa của một thống kê mẫu trong một phân bố chọn mẫu (ví dụ: độ
lệch chuẩn của thống kê chọn mẫu) đ ợc gọi là sai s chu n (standard error). Trái l i,
thuật ngữ độ lệch chuẩn chỉ dành riêng cho độ biến thiên của câu tr l i từ một mẫu riêng
biệt.
Hình 8.3. Sự phân bổ chọn mẫu
Giá trị trung bình của thống kê mẫu trong một phân bố chọn mẫu đ ợc coi nh là
một ớc l ợng cho các thông số ch a biết của quần thể. Căn cứ vào d i phân bố chọn mẫu
(ví dụ: căn cứ vào sai số chuẩn), chúng ta có thể xác định đ ợc các kho ng tin cậy cho các
dự đoán về thông số quần thể. Kho ng tin cậy (confidence intervals) là một ớc đoán xác
suất mà một thông số quần thể nằm trong một kho ng cụ thể của các giá trị thống kê mẫu.
Mọi phân bố th
ng sẽ có xu h ớng đ t tới chuẩn chung 68-95-99% (xem Hình 8.4 d ới
đây). Trong đó, hơn 68% tr
ng hợp phân bố nằm trong ph m vi độ lệch chuẩn của giá trị
trung bình (µ +/- 1σ); hơn 95% tr
ng hợp phân bố nằm trong ph m vi hai lần độ lệch
chuẩn giá của trị trung bình (µ +/- 2σ) và hơn 99% tr
ng hợp phân bố nằm trong ph m vi
ba lần độ lệch chuẩn giá trị trung bình (µ +/- 3σ). B i lẽ, phân bố chọn mẫu với số l ợng
mẫu không h n định sẽ tiệm cận mức phân bố th
ng, giống nh quy tắc 68-95-99. Có thể
tóm l ợc nh sau:
(Thống kê mẫu + một sai số chuẩn) t ơng ứng 68% kho ng tin cậy cho thông số
quần thể.
110
(Thống kê mẫu + hai sai số chuẩn) t ơng ứng 95% kho ng tin cậy cho thông số
quần thể.
(Thống kê mẫu + ba sai số chuẩn) t ơng ứng 99% kho ng tin cậy cho thông số
quần thể.
Một mẫu là “bất đối xứng” (hay thiên vị - biased, không đ i diện cho quần thể) nếu
phân bổ chọn mẫu của nó không đ t đ ợc hoặc không tuân theo quy tắc 68-95-99%. Cũng
cần l u ý rằng trong hầu hết các phân tích hồi quy, khi chúng ta xem xét ý nghĩa của hệ số
hồi quy với p<0.05, chúng ta ph i xem xét liệu thống kê chọn mẫu (hệ số hồi quy) có dự
đoán thông số quần thể t ơng ứng (mức nh h
ng thực) với kho ng tin cậy 95% hay
không. Rất thú vị, chuẩn “sáu xích-ma” (six sigma) có kh năng phát hiện các sai sót ngoài
kho ng in cậy 99% hoặc sáu độ lệch tiêu chuẩn (độ lệch tiêu chuẩn đ ợc ký hiệu bằng chữ
cái Hy L p xích-ma), biểu thị ý nghĩa kiểm định
mức p<0.01.
Hình 8.4. Quy tắc kho ng tin cậy tỷ lệ 68-95-99 phần trăm
111
Ch
ng 9
NGHIểN C U KH O SỄT
Nghiên cứu kh o sát là ph ơng pháp liên quan đến việc sử dụng các b ng câu hỏi
hoặc các cuộc phỏng vấn đ ợc chuẩn hoá từ tr ớc để thu thập một cách có hệ thống dữ
liệu về ng
i, s thích, suy nghĩ và hành vi của họ. Mặc dù các cuộc điều tra dân số đ ợc
tiến hành rất sớm từ th i Ai Cập cổ đ i, song kh o sát với t cách là một ph ơng pháp
nghiên cứu khoa học chính thức chỉ bắt đầu từ những năm 1930 - 1940 và ng
i đi tiên
phong là nhà xư hội học Paul Lazarsfeld khi ông xem xét các tác động của các đài phát
thanh đối với việc hình thành các quan điểm chính trị t i Hoa Kỳ. Từ đó, ph ơng pháp này
tr thành kỹ thuật rất phổ biến cho các nghiên cứu định l ợng trong khoa học xư hội.
Ph ơng pháp kh o sát có thể đ ợc sử dụng cho các nghiên cứu mô t , thăm dò hoặc
gi i thích. Nó thích hợp nhất cho các nghiên cứu đơn vị phân tích là những cá nhân con
ng
i. Mặc dù các đơn vị phân tích khác, chẳng h n nh các nhóm, tổ chức, hay những
cặp đôi (ví dụ hai tổ chức, ng
i mua và ng
i bán,…), cũng sử dụng ph ơng pháp kh o
sát để nghiên cứu, nh ng những nghiên cứu nh vậy th
mỗi đơn vị nh là một “ng
i phát ngôn” hoặc là “ng
ng sử dụng một ng
i cụ thể từ
i đ ợc ủy nhiệm” của tổ chức đó.
Các cuộc điều tra nh vậy có thể bị thiên vị đơn nếu ng
i phát ngôn đ ợc lựa chọn không
có đủ kiến thức hoặc có ý kiến thiên vị về hiện t ợng quan tâm. Ví dụ, ng
i giám đốc
điều hành có thể không biết đầy đủ về quan điểm của nhân viên công ty, do đó có thể là
ng
i cung cấp thông tin sai cho các nghiên cứu về động lực hoặc sự tự tin của nhân viên.
Nghiên cứu kh o sát có những điểm m nh vốn có so với các ph ơng pháp nghiên
cứu khác. Trước tiên, các cuộc điều tra là một ph ơng tiện tuyệt v i để đánh giá hàng lo t
những dữ liệu không quan sát đ ợc nh s thích của ng
i dân (ví dụ, định h ớng chính
trị), đặc điểm (ví dụ sự tự tin), thái độ (ví dụ đối với những ng
i nhập c ), niềm tin (ví dụ
về một dự luật mới), hành vi (ví dụ hút thuốc lá hoặc uống r ợu) hoặc thông tin thực tế về
họ (ví dụ thu nhập). Thứ hai, nghiên cứu kh o sát cũng rất lý t
ng để thu thập dữ liệu từ
xa về một khách thể nghiên cứu mà nó quá lớn để trực tiếp quan sát. Với một khu vực rộng
lớn, chẳng h n nh một quốc gia, dữ liệu có thể thu đ ợc bằng cách sử dụng th , th điện
tử hoặc điện tho i từ một mẫu nhỏ nh ng đ ợc chọn lựa cẩn thận để đ m b o rằng đối
t ợng nghiêm cứu đ ợc đ i diện đầy đủ trong mẫu đó.
112
Thứ ba, do tính chất kín đáo và kh năng đáp ứng yêu cầu thuận tiện cho ng
l i, các b ng hỏi kh o sát đ ợc a thích b i nhiều ng
i. Thứ tư, các cuộc phỏng vấn có
thể là cách duy nhất để tiếp cận một số nhóm khách thể nghiên cứu nh những ng
gia c hoặc những ng
i tr
i vô
i nhập c bất hợp pháp mà không có h ớng chọn mẫu sẵn có. Thứ
năm, một số nghiên cứu kh o sát cho phép phát hiện các vấn đề nhỏ kể c trong các cuộc
điều tra quy mô lớn với nhiều biến số và cũng có thể cho phép đ a ra phân tích so sánh của
các nhóm khách thể nghiên cứu (ví dụ, những so sánh ngay trong một nhóm và giữa các
nhóm với nhau). Thứ sáu, nghiên cứu kh o sát sẽ tiết kiệm hơn về th i gian, công sức và
chi phí hơn so với hầu hết các ph ơng pháp khác nh nghiên cứu thực nghiệm và nghiên
cứu tr
ng hợp. Tuy nhiên, nghiên cứu kh o sát cũng có một số nh ợc điểm đặc thù. Nó
có thể gây ra một số vấn đề quan trọng nh tỉ lệ ph n hồi thấp, thiên vị trong lấy mẫu của
nhà nghiên cứu, thiên vị trong tr l i của ng
i tham gia,... Tất c sẽ đ ợc th o luận trong
phần cuối của ch ơng này.
Tùy thuộc vào ph ơng thức thu thập dữ liệu, nghiên cứu kh o sát có thể đ ợc chia
thành hai lo i lớn: các cuộc điều tra b ng hỏi (có thể c qua th , thực hiện nhóm hoặc các
cuộc kh o sát trực tuyến), các cuộc điều tra phỏng vấn (có thể là cá nhân, điện tho i hoặc
th o luận nhóm nhỏ). B ng câu hỏi là công cụ đ ợc ng
i tr l i hoàn thành bằng ngôn
ngữ viết, trong khi đó các cuộc phỏng vấn đ ợc hoàn thành do ng
i tham gia phỏng vấn
dựa trên ph n ứng bằng l i nói. Nh bàn luận d ới đây, mỗi lo i có những điểm m nh và
điểm yếu riêng về các khía c nh nh chi phí, ph m vi khách thể nghiên cứu và tính linh
ho t nhà nghiên cứu.
Điều tra b ng h i
B ng h i (questionnaire) do Sir Francis Galton (1822-1911) phát kiến, là một công
cụ nghiên cứu đ ợc tiêu chuẩn hóa, bao gồm một tập hợp các câu hỏi nhằm mục đích nắm
bắt ph n hồi từ ng
i tr l i. Câu hỏi có thể đ ợc cấu trúc sẵn (structured) hoặc không
đ ợc cấu trúc sẵn (unstructured). Câu hỏi không đ ợc cấu trúc sẵn (gọi tắt là câu hỏi cấu
trúc) sẽ để cho ng
i tr l i để cung cấp thông tin bằng ngôn từ của họ, trong khi các câu
hỏi đư cấu trúc sẵn (gọi tắt là câu hỏi phi cấu trúc) yêu cầu ng
i tr l i lựa chọn một câu
tr l i từ một bộ có sẵn. Thông tin thu đ ợc từ các câu hỏi riêng lẻ (các chỉ số) trong b ng
hỏi có thể đ ợc tổng hợp thành một thanh phức hợp hoặc thành các chỉ số so sánh, là cơ s
cho các phân tích thống kê sau này. Câu hỏi nên đ ợc thiết kế sao cho ng
i tr l i có thể
đọc, hiểu và tr l i một cách có ý nghĩa. Chính vì thế ph ơng pháp kh o sát có thể không
AB., PVP., CNA.
113
phù hợp hoặc không thực tế cho một số nhóm nhân khẩu nhất định, chẳng h n nh trẻ em
hoặc những ng
i không biết đọc, viết.
Hầu hết các cuộc điều tra b ng hỏi có xu h ớng là kh o sát qua th
(self-
administered mail surveys), lúc này các b ng hỏi t ơng tự đ ợc gửi đến một số l ợng lớn
ng
i dân. Những ng
i quan tâm đến việc tr l i b ng hỏi có thể hoàn thành việc tr l i
khi thấy thuận tiện và gửi l i trong phong bì b u chính đư tr phí tr ớc. Kh o sát qua th
thuận lợi
chỗ chúng không phô tr ơng và không quá tốn kém để thực hiện, b i vì
hầu
hết các quốc gia, chi phí b u chính không quá tốn kém. Tuy nhiên, tỷ lệ tr l i từ các cuộc
điều tra qua th có thể khá thấp vì hầu hết mọi ng
i có thể bỏ qua các phiếu kh o sát. Họ
cũng có thể trì hoưn lâu (vài tháng) trong việc hoàn thành tr l i và gửi tr l i (hoặc chỉ
đơn gi n là họ có thể làm mất nó). Do đó, các nhà nghiên cứu ph i liên tục theo dõi ph n
ứng của họ và gửi l i nhắc nh lặp đi lặp l i (hai hoặc ba nhắc nh kho ng th i gian từ một
đến 1,5 tháng là lý t
ng). Điều tra b ng hỏi cũng không thật sự phù hợp cho các vấn đề
cần làm rõ chi tiết về ng
i tr l i hoặc những vấn đề đòi hỏi ph i có những văn b n tr l i
chi tiết. Những thiết kế theo chiều dọc có thể đ ợc sử dụng để kh o sát cùng số ng
đ ợc hỏi
i
những th i điểm khác nhau, nh ng tỷ lệ tr l i có xu h ớng gi m đáng kể
cuộc điều tra tiếp theo.
Lo i thứ hai của cuộc kh o sát là b ng h i th c hi n theo nhóm (group administered questionnaire). Những ng
i tr l i đ ợc chọn trong mẫu tập hợp t i một nơi
phù hợp về th i gian và không gian, từng ng
i đ ợc đề nghị hoàn thành các câu hỏi điều
tra t i đó. Họ tr l i một cách độc lập mà không cần t ơng tác với nhau. Hình thức này là
thuận tiện cho các nhà nghiên cứu và tỷ lệ tr l i cao sẽ đ ợc đ m b o. Nếu ng
i tr l i
không hiểu bất kỳ câu hỏi cụ thể nào, họ có thể yêu cầu nhà nghiên cứu làm rõ. Trong
nhiều tổ chức, việc tập hợp một nhóm các nhân viên trong một phòng hội nghị, phòng ăn
tr a là t ơng đối dễ dàng, đặc biệt nếu cuộc kh o sát đ ợc chấp thuận b i ng
i đứng đầu
tổ chức.
Một hình thức kh o sát khác đ ợc sử dụng gần đây là các cuộc kh o sát trực tuyến.
Các kh o sát này đ ợc thực hiện qua Internet bằng cách sử dụng các hình thức t ơng tác
khác nhau. Ng
i tr l i có thể nhận đ ợc một th điện tử yêu cầu tham gia trong cuộc
kh o sát với một liên kết (đ
ng link) đến một trang web trực tuyến, nơi cuộc điều tra có
thể đ ợc hoàn thành. Ngoài ra, cuộc kh o sát có thể đ ợc gửi vào trong e-mail, sau khi
hoàn thành có thể gửi l i thông qua tr l i e-mail. Những cuộc điều tra nh thế này rất
không tốn kém, kết qu đ ợc ghi l i ngay lập tức trong một cơ s dữ liệu trực tuyến và
114
cuộc điều tra có thể dễ dàng sửa đổi nếu cần thiết. Tuy nhiên, nếu trang web kh o sát
không có mật khẩu b o vệ, các câu tr l i có thể dễ dàng bị xâm nhập. Hơn nữa, thiên vị
trong chọn mẫu có thể là một vấn đề lớn vì các cuộc kh o sát không thể tiếp cận tới những
ng
i không sử dụng máy tính truy cập Internet, nh các nhóm ng
tuổi và dân tộc thiểu số. Các b ng hỏi trực tuyến th
i nghèo, ng
i cao
ng gửi tới nhóm nhân khẩu trẻ có
nhiều th i gian trực tuyến và có kỹ năng vi tính để hoàn thành cuộc điều tra nh vậy. Việc
ớc tính tỷ lệ tr l i có thể có vấn đề, nếu đ
ng link tới trang kh o sát đ ợc đăng trên một
diễn đàn hoặc b ng thông báo mà không email trực tiếp đến ng
i cung cấp thông tin. Vì
lý do này mà các nhà nghiên cứu có thể sử dụng một lúc hai ph ơng tiện truyền thông (ví
dụ, kh o sát qua th và kh o sát trực tuyến), cách này cho phép tr l i lựa chọn ph ơng
pháp tr l i mà họ a thích.
Xây dựng một b ng câu hỏi kh o sát là một nghệ thuật. Nhiều công việc cần đ ợc
xúc tiến nh nội dung của câu hỏi, từ ngữ, định d ng và trình tự; tất c đều có thể có mang
đến những tác động quan trọng đối với câu tr l i.
Hình th c tr l i (Response format). Câu hỏi kh o sát có thể đ ợc cấu trúc hoặc
không đ ợc cấu trúc. Các câu tr l i đối với những câu hỏi cấu trúc có thể thiết kế bằng
một trong các định d ng sau đây:
- Câu trả lời phân đôi (dichotomous response): ng
i tr l i đ ợc yêu cầu chọn một
trong hai sự lựa chọn, chẳng h n nh đúng - sai, có - không hoặc đồng ý - không đồng ý.
Một ví dụ của câu hỏi này là: B n có nghĩ rằng án tử hình là hợp lý trong một số tr
ng
hợp (khoanh tròn): có - không.
- Câu trả lời x ng danh (nominal response): ng
i tr l i chọn một trong số nhiều
lựa chọn (nhiều hơn hơn hai lựa chọn) và những sự lựa chọn này không đ ợc sắp xếp theo
thứ tự, chẳng h n: b n làm trong lĩnh vực gì: dịch vụ s n xuất / công nghiệp / bán lẻ / giáo
dục / y tế / du lịch & khách s n.
- Câu trả lời thứ tự (ordinal response): ng
i tr l i chọn một trong số nhiều lựa
chọn (nhiều hơn hơn hai lựa chọn) và những lựa chọn này đ ợc xắp sếp theo thứ tự, chẳng
h n nh : trình độ giáo dục cao nhất của b n là gì: trung học phổ thông/ cao đẳng / đ i học/
sau đ i học.
- Câu trả lời nhiều mức độ (interval - level response): ng
i tr l i lựa chọn các câu
tr l i trong thang Likert 5 điểm hoặc 7 điểm hoặc thang Guttman, thang đối nghĩa. Các
lo i thang này đư th o luận trong ch ơng tr ớc.
115
- Câu trả lời liên tiếp (continuous response), ng
i tr l i điền vào một giá trị liên
tục (trong thang tỷ lệ) với điểm số không có ý nghĩa (meaningful zero point), chẳng h n
nh tuổi tác hay nhiệm kỳ của họ trong một công ty. Những câu tr l i này th
ng là thể
lo i điền vào kho ng trống.
N i dung và cách di n đ t cơu h i. Các câu tr l i thu đ ợc trong nghiên cứu kh o
sát chịu nh h
ng rất nhiều b i các lo i câu hỏi. Các câu hỏi mơ hồ hoặc sắp xếp không
hợp lý có thể sẽ dẫn đến những câu tr l i vô nghĩa với rất ít giá trị. Dillman (1978)
khuyến cáo một số quy tắc để t o ra các câu hỏi kh o sát tốt. Nhà nghiên cứu nên xem xét
kỹ l ỡng mỗi một câu hỏi trong cuộc kh o sát theo các ph ơng diện sau đây:
- Câu hỏi rõ ràng và dễ hiểu. Các câu hỏi kh o sát nên đ ợc nêu lên với một ngôn
ngữ đơn gi n về mặt ngữ pháp tốt nhất nên sử dụng thể chủ động, tránh thể bị động, không
có các từ phức t p hay biệt ngữ gây bối rối cho ng
i tr l i. Tất c các câu hỏi trong b n
câu hỏi nên đ ợc diễn đ t một cách t ơng tự để làm cho ng
i tr l i dễ dàng để đọc và
hiểu chúng. Ngo i lệ duy nhất là khi đối t ợng kh o sát của b n là nhóm chuyên môn,
chẳng h n nh bác sĩ, luật s và các nhà nghiên cứu, những ng
học đó trong môi tr
i sử dụng thuật ngữ khoa
ng làm việc hàng ngày của họ.
- Câu hỏi về vấn đề tiêu cực. Những câu hỏi đụng ch m khía c nh tiêu cực, nh y
c m, chẳng h n nh “theo b n chính quyền địa ph ơng có nên tăng thuế không”, sẽ làm
khó ng
i tr l i và có thể dẫn đến những những ph n hồi không chính xác. Tất c câu hỏi
nh vậy nên tránh.
- Câu hỏi mơ hồ. Câu hỏi kh o sát không nên có những cụm từ hoặc phát biểu có thể
đ ợc gi i thích khác nhau từ ng
i tr l i khác nhau. Ví dụ, nếu b n hỏi ng
i tr l i “thu
nhập hàng năm là bao nhiêu”. Đó là câu hỏi mơ hồ, không rõ ràng vì ch a rõ b n chỉ đề
cập tiền l ơng (theo tháng hay theo tuần) hoặc cổ tức, hay tiền cho thuê, hay các thu nhập
khác; b n chỉ đề cập thu nhập cá nhân, hay c thu nhập gia đình (bao gồm c tiền l ơng vợ
chồng) hoặc cá nhân và thu nhập doanh nghiệp? Gi i thích khác nhau của những ng
i tr
l i khác nhau sẽ dẫn đến những câu tr l i không thể so sánh và sau này không thể tổng
hợp một cách chính xác.
- Câu hỏi thiên vị hoặc câu hỏi định hướng. Thiên vị đề cập đến bất kỳ phần nào của
một câu hỏi mà khuyến khích ng
i đọc tr l i một h ớng nào đó. Kenneth Rasinky
(1989) đư kiểm tra một số nghiên cứu về thái độ của ng
phủ. Ông nhận thấy rằng ng
i dân đối với chi tiêu của chính
i tr l i có xu h ớng đề nghị chính phủ hỗ trợ m nh mẽ hơn
116
trong vấn đề “trợ giúp ng
i nghèo” và mà ít quan tâm hơn tới vấn đề “phúc lợi xư hội”,
mặc dù c hai từ này có ý nghĩa t ơng tự. Cũng trong nghiên cứu này, số ng
“ngăn chặn tội ph m đang gia tăng” nhiều hơn những ng
i ủng hộ
i ủng hộ cho “c i cách thực thi
pháp luật”, “gi i quyết các vấn đề của các thành phố lớn” nhiều hơn là cho “hỗ trợ các
thành phố lớn” và “đối phó với nghiện ma túy” nhiều hơn cho “cai nghiện ma túy”. Ngôn
ngữ thiên vị có thể bóp méo kết qu tr l i. Th
ng rất khó để dự đoán các từ ngữ thiên vị,
nh ng với mức độ tốt nhất có thể, câu hỏi kh o sát nên đ ợc nghiên cứu kỹ l ỡng để tránh
những từ ngữ này.
- Câu hỏi đa nghĩa. Đó là những câu hỏi có thể có nhiều câu tr l i. Ví dụ, “b n có
hài lòng với phần cứng và phần mềm đ ợc cung cấp cho công việc của b n?” Trong ví dụ
này, làm thế nào để ng
i đ ợc hỏi có thể tr l i đơn nếu anh ấy / cô ấy hài lòng với phần
cứng nh ng không hài lòng với các phần mềm hoặc ng ợc l i? Tốt nhất là nên tách câu hỏi
nh vậy thành hai câu riêng biệt: (1) “B n có hài lòng với phần cứng đ ợc cung cấp cho
công việc của b n”, và (2) “b n có hài lòng với phần mềm đ ợc cung cấp cho công việc
của b n”.
- Câu hỏi quá chung chung. Đôi khi, những câu hỏi quá chung chung có thể không
truyền đ t chính xác tới nhận thức của ng
i tr l i. Nếu b n hỏi một ng
i nào đó mức độ
họ thích một cuốn sách và cung cấp một thang tr l i với các mức độ khác nhau, từ “hoàn
toàn không thích” đến “vô cùng thích”. Trong tr
ng hợp ng
i đó lựa chọn “vô cùng
thích” thì b n hiểu “vô cùng thích” cụ thể thế nào? Thay bằng những câu hỏi chung chung
này, hưy hỏi câu hỏi cụ thể hơn về hành vi, chẳng h n nh : b n sẽ giới thiệu cuốn sách này
cho những ng
i khác hoặc b n có ý định đọc những cuốn sách khác của cùng tác gi …?
T ơng tự nh vậy, thay vì hỏi công ty của b n lớn nh thế nào (câu hỏi này có thể đ ợc
gi i thích khác nhau b i những ng
i tr l i), b n có thể hỏi có bao nhiêu ng
i làm việc
cho công ty của b n và (hoặc) doanh thu hàng năm của công ty của b n là bao nhiêu.
Những thông tin định l ợng cụ thể nh vậy sẽ mang l i những thông số có ý nghĩa hơn để
đánh giá quy mô doanh nghiệp.
- Câu hỏi quá chi tiết. Tránh những câu hỏi chi tiết một cách không cần thiết mà
không có mục đích nghiên cứu cụ thể. Ví dụ, nghiên cứu của b n chỉ cần quan tâm đến số
l ợng trẻ em trong gia đình, nh ng b n hỏi đến c tuổi của mỗi đứa trẻ trong một hộ gia
đình? Tuy nhiên, nếu không chắc chắn, câu hỏi quá chi tiết vẫn còn tốt hơn câu hỏi quá
tổng quát.
117
- Câu hỏi giả định. Nếu b n hỏi, “lợi ích của việc cắt gi m thuế là gì”, tr ớc đó b n
có thể đư gi định rằng ng
i tr l i sẽ thấy cắt gi m thuế là có lợi. Nh ng nhiều ng
không nghĩ vậy, b i vì cắt gi m thuế th
i
ng dẫn đến kinh phí chi cho giáo dục ít đi, chất
l ợng các dịch vụ công nh c nh sát, xe cứu th ơng, cứu ho gi m xuống.
- Câu hỏi tưởng tượng. Một câu hỏi phổ biến trong các ch ơng trình trò chơi truyền
hình “nếu b n kiếm đ ợc một triệu đô la từ ch ơng trình này, b n sẽ có kế ho ch để chi
tiêu nó nh thế nào?”. Hầu hết ng
i đ ợc hỏi ch a bao gi có đ ợc số tiền nh vậy và
ch a bao gi nghĩ về nó (hầu hết đều không biết rằng t i Hoa Kỳ sau thuế, họ sẽ chỉ nhận
đ ợc kho ng $640.000 và trong nhiều tr
ng hợp, số tiền đó đ ợc tr trong kho ng th i
h n 20 năm, do đó, giá trị thực t i ròng của nó là thậm chí ít hơn). Do đó, câu tr l i của họ
có xu h ớng đ ợc khá ngẫu hứng, chẳng h n nh một tour du lịch trên khắp thế giới, mua
một nhà hàng hoặc quầy bar, chi tiêu cho giáo dục, tiết kiệm cho h u trí, giúp các bậc cha
mẹ hoặc con cái hoặc có một đám c ới xa hoa. Câu hỏi t
l it
ng t ợng sẽ nhận đ ợc câu tr
ng t ợng, không thể đ ợc sử dụng trong suy luận khoa học.
- Câu hỏi giả định người trả lời có đủ thông tin cần thiết để trả lời đúng. Thông
th
ng, chúng ta gi định rằng ng
i tham gia nghiên cứu đư có các thông tin cần thiết để
tr l i câu hỏi, nh ng trong thực tế l i không đúng nh vậy. Trong tr
tr l i thu đ ợc có thể không chính xác, vì ng
ng hợp này, các câu
i tr l i thiếu kiến thức về các câu hỏi nêu
ra. Ví dụ, không nên hỏi giám đốc điều hành về tất c chi tiết ho t động hàng ngày trong
công ty của họ vì họ có thể không để ý và nắm bắt tất c các chi tiết nhỏ; hoặc không nên
hỏi học sinh trung học “B n có nghĩ rằng chính phủ Mỹ đư có những hành động thích hợp
trong xử lý vụ khủng ho ng Vịnh Con lợn (The Bay of Pigs) không?”
Thứ tự các câu hỏi. Nhìn chung, các câu hỏi nên đ ợc sắp xếp theo dòng ch y hợp
lý từ đầu đến cuối. Để đ t đ ợc tỷ lệ tr l i cao nhất, các câu hỏi nên đ ợc bố trí từ ít nh y
c m nhất đến nh y c m nhất, từ thực tế và hành vi tới thái độ, từ tổng quát đến cụ thể hơn.
Một số quy tắc chung cho việc sắp xếp câu hỏi:
• Bắt đầu với câu hỏi dễ. Lựa chọn tốt là về nhân khẩu học (tuổi, giới tính, trình độ
học vấn) cho các cuộc điều tra cá nhân và thông tin tổ chức (số nhân viên, doanh thu hàng
năm, lĩnh vực) cho các cuộc điều tra tổ chức.
• Đừng bao gi bắt đầu với một câu hỏi m .
• Nếu theo một chuỗi các sự kiện lịch sử, theo một thứ tự th i gian từ xa nhất đến
gần đây nhất.
118
• Hưy hỏi về một chủ đề t i một th i điểm. Khi chuyển chủ đề, sử dụng câu chuyển
đổi, chẳng h n nh "Phần tiếp theo sẽ xem xét ý kiến của b n về..."
• Sử dụng các câu hỏi lọc hoặc dự phòng khi cần thiết. Chẳng h n nh : “Nếu b n tr
l i „có‟ trong câu hỏi 5, xin vui lòng chuyển tới Phần 2. Nếu b n tr l i „không‟ xin vui
lòng chuyển tới Phần 3”.
Các quy tắc vàng khác. Hưy đặt b n thân mình vào hoàn c nh của ng
chú ý và đánh giá cao th i gian của ng
i tr l i, quan tâm, tin t
i tr l i. Hãy
ng và chú ý b o mật
thông tin cá nhân của họ. Luôn luôn thực hiện các chiến l ợc sau đây cho tất c các nghiên
cứu kh o sát:
• Th i gian của mọi ng
i là rất giá trị. Hãy tôn trọng th i gian của họ. Giữ cuộc
kh o sát của b n càng ngắn càng tốt và chỉ đề cập những gì thật sự cần thiết. Dù có quan
trọng nh thế nào, ng
i tr l i không thích dành hơn 10-15 phút cho bất kỳ cuộc điều tra
nào. Kh o sát càng dài thì tỉ lệ tr l i càng thấp.
• Luôn luôn đ m b o sự b o mật cho những ng
i tr l i khi sử dụng thông tin của
họ trong nghiên cứu khoa học và trong báo cáo kết qu .
• Đối với các cuộc điều tra tổ chức, ph i đ m b o rằng b n sẽ gửi cho những ng
i
tr l i b n sao của kết qu cuối cùng và chắc chắn rằng b n giữ l i hứa.
• C m ơn sự tham gia ng
i tr l i trong nghiên cứu của b n.
Cuối cùng, luôn luôn kiểm tra tr ớc các câu hỏi của b n, ít nhất là bằng cách sử dụng
một mẫu thuận tiện, tr ớc khi phát chúng tới tay ng
i tr l i. Việc kiểm định tr ớc nh
vậy có thể phát hiện ra sự mơ hồ, thiếu rõ ràng hoặc những thiên vị trong từ ngữ cần ph i
đ ợc lo i bỏ.
Điều tra ph ng v n
Phỏng vấn là một hình thức thu thập dữ liệu có tính cá nhân hơn so với các b ng hỏi
và đ ợc thực hiện b i ng
i phỏng vấn có kỹ năng với hình thức thu thập thông tin t ơng
tự nh trong kh o sát b ng hỏi (ví dụ nh một bộ câu hỏi đ ợc tiêu chuẩn hóa). Tuy nhiên,
không giống nh một b ng hỏi, kịch b n phỏng vấn có thể chứa đựng những chỉ dẫn đặc
biệt cho ng
i phỏng vấn mà ng
cơ hội cho ng
i tr l i không đ ợc chứng kiến. Phỏng vấn cũng sẽ t o
i phỏng vấn ghi l i những nhận xét và ý kiến cá nhân. Ngoài ra, không
giống nh các cuộc điều tra qua th , điều tra phỏng vấn có cơ hội để làm rõ thêm những
vấn đề do ng
i tr l i nêu ra hoặc ng
i hỏi đ a thêm những câu hỏi thăm dò hoặc gợi ý.
119
Tuy nhiên, các cuộc phỏng vấn th
ng tốn th i gian và công sức. Ng
những kỹ năng đặc biệt để thành công. Ng
i phỏng vấn cần có
i phỏng vấn cũng đ ợc coi là một phần trong
công cụ đánh giá và ph i chủ động cố gắng không thiên vị với ng
i đ ợc phỏng vấn.
Hình thức điển hình nhất của phỏng vấn là phỏng vấn cá nhân hay ph ng v n tr c
di n (face-to-face interview), khi đó ng
i phỏng vấn làm việc trực tiếp với ng
i tham
gia để đặt câu hỏi và ghi l i câu tr l i của họ. Các cuộc phỏng vấn cá nhân có thể đ ợc
tiến hành t i nhà của ng
chuộng b i một số ng
i tham gia hoặc
văn phòng. Cách tiếp cận này có thể đ ợc a
i tr l i, trong khi những ng
mái trong việc cho phép một ng
năng có thể thuyết phục ng
i khác có thể c m thấy không tho i
i l vào nhà của họ. Tuy nhiên, ng
i phỏng vấn có kỹ
i tr l i hợp tác, c i thiện đáng kể tỉ lệ tr l i.
Một biến thể của phỏng vấn cá nhân là ph ng v n nhóm, còn đ ợc gọi là th o luận
nhóm nhỏ (focus group). Trong kỹ thuật này, một nhóm nhỏ ng
10 ng
i) đ ợc phỏng vấn cùng nhau
nhiệm chủ yếu là ng
một địa điểm chung. Ng
i tham dự (th
ng là 6-
i phỏng vấn có trách
i hỗ trợ, dẫn dắt cuộc th o luận và đ m b o rằng mỗi ng
i tham gia
đều có cơ hội tr l i. Th o luận nhóm nhỏ cho phép kiểm tra sâu sắc hơn những vấn đề
phức t p so với các hình thức khác của nghiên cứu kh o sát, b i vì khi ng
ng
i khác th o luận, họ có thể có những ph n ứng hay ý t
i ta nghe thấy
ng mà họ không suy nghĩ
tr ớc đó. Tuy nhiên, th o luận nhóm nhỏ có thể bị lấn át b i một số cá nhân với tính cách
áp đặt, trong khi một số cá nhân có thể ph i miễn c ỡng nói lên ý kiến của mình tr ớc mặt
các đồng nghiệp hoặc cấp trên của họ, đặc biệt là khi đối phó với một vấn đề nh y c m nh
làm việc thiếu trách nhiệm nhân viên hoặc những vấn đề chính trị của đơn vị. Do kích
th ớc mẫu nhỏ, th o luận nhóm nhỏ th
ng đ ợc sử dụng trong nghiên cứu thăm dò hơn là
nghiên cứu mô t hoặc gi i thích.
Lo i thứ ba của điều tra phỏng vấn là ph ng v n qua đi n tho i. Trong kỹ thuật
này, ng
i phỏng vấn liên hệ với ng
i tr l i tiềm năng qua điện tho i, th
ng dựa trên
một sự lựa chọn ngẫu nhiên từ một th mục điện tho i, để hỏi các câu hỏi kh o sát. Một
cách tiếp cận gần đây sử dụng công nghệ tiên tiến hơn là phỏng quan điện tho i vấn sự trợ
giúp của máy tính (CATI). Hình thức này đang đ ợc sử dụng ngày một phổ biến b i các
viện nghiên cứu, cơ quan chính phủ và các nhà kh o sát th ơng m i, nơi mà ng
vấn là ng
i phỏng
i điều hành điện tho i, đ ợc hỗ trợ xuyên suốt quá trình phỏng vấn b i một
ch ơng trình máy tính với các h ớng dẫn và câu hỏi hiển thị trên màn hình máy tính. Hệ
thống này cũng lựa chọn ngẫu nhiên ng
i tr l i bằng cách sử dụng một kỹ thuật quay số
ngẫu nhiên và ghi l i các câu tr l i b i sử dụng công nghệ thu âm. B i vì ng
120
i tr l i
luôn giữ liên l c bằng điện tho i, chúng ta có thể thu đ ợc tỉ lệ tr l i cao hơn. Kỹ thuật
này không ph i là lý t
ng cho các khu vực nông thôn, mật độ điện tho i thấp và cũng
không thể đ ợc sử dụng để giao tiếp thông tin không có âm thanh nh đồ họa hoặc triển
lưm s n phẩm.
Vai trò c a ng
Ng
i ph ng v n
i phỏng vấn có vai trò rất quan trọng và đa d ng trong quá trình phỏng vấn. Để
phỏng vấn, ng
i phỏng vấn ph i thực hiện các công việc sau đây:
Chuẩn bị cho cuộc phỏng vấn: B i ng
i phỏng vấn đi đầu trong các nỗ lực thu
thập dữ liệu và chất l ợng của dữ liệu thu thập phụ thuộc rất nhiều vào quá trình đào t o
ng
i phỏng vấn. Ng
i phỏng vấn ph i đ ợc trang bị kiến thức về quá trình phỏng vấn và
các ph ơng pháp kh o sát, thấm nhuần mục đích nghiên cứu, hiểu rõ cách thức l u trữ và
sử dụng thông tin ng
i tr l i cung cấp và hiểu đ ợc các thiên vị có thể phát sinh khi
phỏng vấn. Anh / cô ấy cũng nên luyện tập tr ớc khi chính thức phỏng vấn.
Xác định địa chỉ và tranh thủ sự hợp tác của người trả lời: Nhất là cuộc điều tra cá
nhân thực hiện trong nhà, ng
hợp lý mà ng
t
i phỏng vấn ph i xác định địa chỉ cụ thể, tìm hiểu th i gian
i tr l i có thể hợp tác. Nên xem họ nh ng
i bán hàng, họ bán các ý
ng khi tham gia nghiên cứu.
Động viên người trả lời: ng
Nếu ng
i tr l i rất để ý tới tâm tr ng của ng
i phỏng vấn là lơ là hoặc không tỏ ra nhiệt tình, ng
thú cung cấp thông tin hữu ích. Ng
i tr l i sẽ không có hứng
i phỏng vấn ph i chứng minh sự nhiệt tình, nhấn
m nh và truyền đ t tầm quan trọng của đề tài nghiên cứu tới ng
lý của ng
i phỏng vấn.
i tr l i và chú ý tới tâm
i tr l i trong suốt cuộc phỏng vấn.
Làm rõ tất cả những nhầm lẫn hoặc mối lo âu: ng
năng tinh tế phát hiện điều lo ng i hay khó chịu của ng
i phỏng vấn cần ph i có kh
i tr l i và cố gắng gi i quyết nó
để bầu không khí giao tiếp c i m . Ngoài ra, họ có thể hỏi thêm các câu thăm dò khi cần
thiết ngay c khi những câu hỏi nh vậy là không có trong kịch b n.
Đánh giá chất lượng của các câu trả lời: ng
i phỏng vấn là ng
i có đ ợc điều
kiện thuận lợi nhất để đánh giá chất l ợng của thông tin đư thu thập và có thể ph i chủ
động tìm kiếm các câu tr l i bổ sung bằng cách sử dụng quan sát cử chỉ cá nhân, ngôn
ngữ cơ thể khi phù hợp.
121
Ti n hành ph ng v n
Tr ớc khi phỏng vấn, ng
i phỏng vấn cần chuẩn bị các giấy t và dụng cụ cần thiết
cho buổi phỏng vấn, bao gồm th giới thiệu cơ quan nghiên cứu, nhà tài trợ, b n sao đầy
đủ của các công cụ kh o sát, nh nhận diện, số điện tho i của ng
minh sự xác thực của ng
i tr l i để gọi và xác
i phỏng vấn. Để bắt đầu cuộc phỏng vấn, anh / cô ấy nên nói
chuyện với một ngữ điệu khẩn tr ơng và tự tin. Chẳng h n nh : “Tôi muốn nh b n một
vài phút để phỏng vấn cho một nghiên cứu rất quan trọng”, thay vì “Tôi có thể phỏng vấn
anh đ ợc không”. Ng
i phỏng vấn nên tự giới thiệu b n thân, các thông tin cá nhân hiện
t i, gi i thích mục đích của nghiên cứu trong 1-2 câu; đ m b o tính b o mật và sự tự
nguyện tham gia của ng
i tr l i, tất c không đến một phút. Không “đao to búa lớn”,
không dùng biệt ngữ, không đi sâu chi tiết trừ khi có yêu cầu cụ thể. Nếu ng
muốn ghi âm cuộc phỏng vấn, cần có sự cho phép rõ ràng của ng
hiện. Ngay c khi cuộc phỏng vấn đ ợc ghi âm, ng
i phỏng vấn
i tr l i tr ớc khi thực
i phỏng vấn vẫn cần ph i ghi chép
các vấn đề quan trọng.
Trong suốt cuộc phỏng vấn, ng
i phỏng vấn cần thực hiện theo các câu hỏi trong
kịch b n và đặt câu hỏi chính xác nh trong văn b n; không thay đổi từ ngữ để làm cho câu
hỏi có vẻ thân thiện hơn. T ơng tự, cũng không nên thay đổi thứ tự các câu hỏi hoặc bỏ
qua bất kỳ câu hỏi nào. Tất c vấn đề cần hỏi đ ợc th o luận trong quá trình diễn tập tr ớc
khi đến buổi phỏng vấn thực tế. Ng
ng
i phỏng vấn không nên ngắt l i ng
i đ ợc hỏi đ a ra một câu tr l i sơ sài, ng
i tr l i. Nếu
i phỏng vấn ph i gợi ý để ng
i tr l i
đ a ra một ph n ứng chi tiết hơn. Một số kỹ thuật gợi ý hữu ích là:
Im lặng. T m dừng và ch đợi (mà không đi sâu hoặc sang câu hỏi tiếp theo) để gợi
ý cho ng
i tr l i rằng ng
i phỏng vấn đang ch đợi ph n ứng chi tiết hơn.
Công khai khuyến khích. Thỉnh tho ng có thể khuyến khích ng
tiết hơn. Tuy nhiên, ng
của ng
i tr l i đi vào chi
i phỏng vấn không đ ợc thể hiện là ủng hộ hoặc ph n đối ý kiến
i tr l i.
Đề nghị làm rõ. Chẳng h n nh “b n có thể làm rõ thêm vấn đề đó” hoặc “b n vừa
nói về một kinh nghiệm mà b n đư có
tr
ng trung học. B n có thể cho tôi biết thêm về
điều đó”.
Ph n nh. Ng
i phỏng vấn có thể thử ph ơng pháp của nhà tâm lý trị liệu bằng
việc nhắc l i những gì ng
i tr l i đư nói. Ví dụ: “Tôi vừa nghe rằng b n đư có những tr i
122
kinh nghiệm rất đau buồn”, t m dừng và sau đó và ch đợi cho ng
Sau khi phỏng vấn hoàn thành, ng
i tr l i làm rõ.
i phỏng vấn nên c m ơn ng
i tr l i vì đư dành
th i gian cho cuộc phỏng vấn; hẹn với họ th i điểm sẽ có kết qu nghiên cứu và không kết
thúc vội vàng. Ngay khi kết thúc, họ nên viết l i tất c thông tin quan trọng để sau này có
thể giúp gi i thích ý kiến của ng
i tr l i tốt hơn.
Nh ng thiên v trong nghiên c u kh o sát
Mặc có rất nhiều những điểm m nh và lợi thế, nghiên cứu kh o sát th
ng không
tránh khỏi những thiên vị có hệ thống có thể làm gi m giá trị một số kết luận thu đ ợc từ
các cuộc điều tra. Năm thiên vị đó là: tỉ lệ ph n hồi, quá trình chọn mẫu, tính khách quan
của câu tr l i, kh năng hồi t
ng của ng
i tr l i và ph ơng pháp phổ biến.
T l ph n hồi. Nhìn chung các nghiên cứu kh o sát luôn bị đánh giá về tỉ lệ ph n
hồi thấp. Kho ng15-20% là tỉ lệ điển hình trong một cuộc điều tra qua th , cho dù đư có
đến hai hoặc ba th nhắc nh . Nếu đa số khách thể nghiên cứu không tr l i thì câu hỏi đặt
ra sẽ là vì sao l i họ là th ơ với cuộc kh o sát và sau đó là những hoài nghi về tính hợp lệ
và giá trị của các kết qu của nghiên cứu. Ví dụ, các khách hàng không hài lòng có thể lên
tiếng nhiều hơn so với khách hàng đư hài lòng và nhiều kh năng họ sẽ tham gia nhiều hơn
vào các cuộc điều tra so với khách hàng đư hài lòng. Do đó, thành phần trong mẫu có thể
có một tỷ lệ cao hơn của khách hàng không hài lòng. Trong tr
ng hợp này, không chỉ kết
qu thiếu khái quát, mà còn có thể không đúng thực tế. Một số chiến l ợc có thể đ ợc sử
dụng để c i thiện tỉ lệ ph n hồi:
- Thông báo trước: Một lá th ngắn gửi tr ớc cho những ng
i tr l i để thu hút sự
tham gia của họ trong cuộc kh o sát sắp tới có thể giúp họ chuẩn bị tr ớc và c i thiện thái
độ của họ đối với cuộc điều tra. Bức th cần nêu rõ mục đích và tầm quan trọng của nghiên
cứu, cách thức thu thập dữ liệu (ví dụ, thông qua một cuộc gọi điện tho i, một mẫu kh o
sát trong th ,…) và đánh giá cao sự hợp tác của họ. Một biến thể của kỹ thuật này có thể
đề ghị họ gửi l i một tấm b u thiếp đư tr c ớc để thấy liệu họ có sẵn sàng tham gia vào
nghiên cứu hay không.
- Nội dung phù hợp: Nếu một cuộc điều tra xem xét các vấn đề liên quan hay quan
trọng với ng
i tr l i, thì kh năng tr l i của họ có có thể cao hơn so với những kh o sát
không quan trọng với họ.
- Câu hỏi thân thiện: Câu hỏi điều tra ngắn hơn th
123
ng có tỷ lệ tr l i cao hơn so với
b ng câu hỏi dài. Hơn nữa, các câu hỏi rõ ràng, không gây khó chịu và dễ dàng để tr l i
cũng có thể nhận đ ợc tỷ lệ tr l i cao hơn.
- Sự hỗ trợ: Đối với kh o sát các tổ chức, nếu ng
i đứng đầu đứng ra xác nhận tầm
quan trọng của nghiên cứu cho tổ chức, thì nhân viên sẽ nhiệt tình tr l i. Việc xác nhận
nh vậy có thể d ới hình thức một lá th giới thiệu để có thể c i thiện độ tin cậy của nhà
nghiên cứu trong mắt của ng
i tr l i.
- Nhắc nhở thường xuyên: Các nhắc nh liên tục có thể thuyết phục một số ng
i từ
không tr l i thành tr l i, ngay c khi câu tr l i của họ có thể đến trễ.
- Đào tạo người phỏng vấn: Tỉ lệ ph n hồi trong các cuộc phỏng vấn có thể đ ợc c i
thiện với những ng
i phỏng vấn có tay nghề cao, đ ợc đào t o về cách thức phỏng vấn,
sử dụng các kỹ thuật quay số trên máy vi tính để xác định những ng
lên lịch tiếp cận l i những ng
i tr l i tiềm năng,
i ch a gặp.
- Khích lệ bằng vật chất: Tỉ lệ đáp ứng, ít nhất là một số ng
i tham gia nhất định,
có thể gia tăng cùng với việc sử dụng các khích lệ nh tiền mặt hoặc thẻ quà tặng, vé xổ
số, rút thăm trúng th
ng, phiếu gi m giá, đóng góp từ thiện,…
- Khích lệ tinh thần: Nhất là với các doanh nghiệp, họ sẽ tích cực tham gia nếu tặng
họ những khích lệ phi vật chất hơn là các khuyến khích tiền tệ. Ví dụ tặng họ một báo cáo
so sánh ph n hồi của các cá nhân đối với doanh nghiệp sau khi tổng hợp tất c các câu tr
l i trong cuộc kh o sát.
- Bảo mật và sự riêng tư: Cuối cùng, đ m b o rằng những thông tin cá nhân mà
ng
i tr l i cung cấp sẽ không bị hé lộ tới bất kỳ bên thứ ba nào. Đây là cách có thể giúp
c i thiện tỷ lệ ph n hồi.
L y m u thiên v . Các cuộc điều tra qua điện tho i bằng cách gọi một mẫu ngẫu
nhiên các số trong danh b điện tho i đ ợc công bố công khai. Đ ơng nhiên việc này lo i
trừ một cách hệ thống những ng
và những ng
i có số điện tho i ch a niêm yết, số điện tho i di động
i không thể tr l i điện tho i (ví dụ, họ đang làm việc) khi cuộc điều tra
đang đ ợc tiến hành. Điều này cũng bao gồm một số l ợng không cân xứng của những
ng
i sử dụng điện tho i bàn và những ng
những ng
i thất nghiệp, ng
i tàn tật và ng
i
nhà trong nhiều ngày, chẳng h n nh
i già.
T ơng tự nh vậy, các cuộc kh o sát trực tuyến có xu h ớng nhận đ ợc một số
l ợng không cân xứng sinh viên và những ng
124
i trẻ tuổi, những ng
i th
ng xuyên trên
Internet; cũng lo i trừ một cách hệ thống những ng
i bị h n chế hoặc không có điều kiện,
kh năng truy cập máy tính hay Internet, chẳng h n nh ng
i nghèo và ng
T ơng tự nh vậy, câu hỏi kh o sát xu h ớng lo i trừ trẻ em và ng
i cao tuổi.
i mù chữ, không thể
đọc, hiểu hoặc không hiểu ý nghĩa câu hỏi.
Một lo i khác của thiên vị trong lấy mẫu liên quan đến lấy đối t ợng tr l i trong
mẫu sai, chẳng h n nh hỏi giáo viên (hoặc cha mẹ) về việc học tập học tập của học sinh
mà không hỏi trực tiếp học sinh hoặc hỏi giám đốc điều hành chi tiết về ho t động trong
công ty của họ. Những khiếm khuyết nh vậy làm cho mẫu không không đ i diện khách
thể nghiên cứu và làm h n chế giá trị các kết luận khái quát đ ợc rút ra từ các mẫu thiên vị.
Tính khách quan c a thông tin. Nhiều ng
kiến tiêu cực hoặc bình luận xấu về b n thân, về ng
i tr l i có xu h ớng tránh những ý
i chủ sử dụng lao động, thành viên
gia đình hoặc b n bè. Với câu hỏi tiêu cực, ví nh “b n có nghĩ rằng nhóm tham gia dự án
của b n có vấn đề hay không”, hay “b n có cho rằng có rất nhiều vấn đề chính trị t i nơi
làm việc của b n” hoặc “b n có bao gi b n t i bất hợp pháp các file nh c từ Internet”,…
các nhà nghiên cứu có thể không nhận đ ợc câu tr l i trung thực. Xu h ớng này tồn t i
trong số những ng
i tr l i th
ng “bóp méo sự thật” để miêu t b n thân mình theo cách
xư hội mong muốn đ ợc gọi là “thiên vị theo mong muốn của xư hội”, gây nh h
ng tiêu
cực đến giá trị khoa học của các thông tin thu đ ợc từ nghiên cứu kh o sát. Trên thực tế,
không có cách nào có thể khắc phục thiên vị theo mong muốn của xã hội trong các cuộc
kh o sát b ng hỏi, nh ng trong một buổi phỏng vấn, ng
i phỏng vấn sắc s o có thể để
phát hiện ra câu tr l i không phù hợp và đ a ra những câu hỏi thăm dò hoặc sử dụng quan
sát cá nhân để bổ sung câu tr l i cần thiết.
Kh năng hồi nh . Câu tr l i cho các câu hỏi kh o sát th
cơ, trí nhớ và kh năng ph n ứng của ng
x y ra trong quá khứ xa xôi, ng
ng phụ thuộc vào động
i đ ợc hỏi. Đặc biệt, khi hỏi về các sự kiện đư
i tr l i có thể không nhớ đầy đủ về động cơ hoặc hành
vi của mình hoặc có thể thông tin về sự kiện đó có thể đư mai một theo th i gian và không
còn có thể lấy l i đ ợc trọn vẹn. Ví dụ, nếu một ng
i đ ợc yêu cầu mô t các sự kiện th i
thơ ấu, ph n hồi của họ có thể không đ ợc chính xác do khó khăn trong việc hồi t
ng.
Một cách có thể khắc phục sự khó khăn này là xâu chuỗi các sự kiện cụ thể trong quá khứ,
dần dần giúp họ nhớ ra thông tin cần có.
Sai sót trong ph
ng pháp. Sai sót trong ph ơng pháp dùng để chỉ mức độ đồng
biến gi m o giữa các biến độc lập và phụ thuộc đ ợc đánh giá t i cùng một điểm (nh
125
trong một nghiên cứu cắt ngang) và sử dụng công cụ t ơng tự (ví nh một b ng câu hỏi).
Trong những tr
ng hợp nh vậy, hiện t ợng đang điều tra có thể không đ ợc bóc tách
đầy đủ ra khỏi các yếu tố không liên quan. Chúng ta có thể sử dụng các kiểm định thống kê
tiêu chuẩn có sẵn để kiểm tra các sai sót trong ph ơng pháp, chẳng h n nh kiểm định
nhân tố đơn của Harmon (Podsakoff và các tác gi 2003), kỹ thuật biến thiên thị tr
ng
của Lindell và Whitney (2001),… Sai sót này có thể tránh đ ợc nếu các biến độc lập và
phụ thuộc đ ợc đo t i các điểm khác nhau bằng cách sử dụng một thiết kế kh o sát theo
chiều dọc; đánh giá các biến bằng các ph ơng pháp khác nhau, chẳng h n nh sử dụng hệ
điều hành vi tính để ghi l i sự chuyển đổi của các biến phụ thuộc và các biến độc lập đ ợc
đánh giá qua b ng câu hỏi.
126
Ch
ng 10
NGHIểN C U TH C NGHI M
Nghiên cứu thực nghiệm (experimental research)(*) th
ng đ ợc gọi là “tiêu chuẩn
vàng” trong các thiết kế nghiên cứu và là một trong số những thiết kế nghiên cứu khắt khe
nhất. Trong thiết kế này, một hay nhiều biến độc lập đ ợc điều chỉnh b i nhà nghiên cứu
(b ớc thiết lập tác động), các khách thể nghiên cứu đ ợc bố trí một cách ngẫu nhiên d ới
những mức độ tác động khác nhau (bố trí ngẫu nhiên), sau đó kết qu của quá trình tác
động tới các biến phụ thuộc sẽ đ ợc quan sát, đánh giá. Lợi thế đặc biệt của nghiên cứu
thực nghiệm đó là giá trị nhân qu (internal validity), b i nó có kh năng xác định rõ ràng
mối liên hệ giữa nguyên nhân và kết qu thông qua quá trình điều chỉnh sự tác động, cùng
với kh năng kiểm soát những nh h
ng không mong muốn của các biến liên quan.
Nghiên cứu thực nghiệm phù hợp nhất đối với nghiên cứu gi i thích (không ph i
nghiên cứu mô t hay nghiên cứu thăm dò). B i vì mục đích của nghiên cứu gi i thích là
để tìm hiểu các mối quan hệ nhân qu . Nó cũng t ơng đối phù hợp cho những nghiên cứu
chứa một số l ợng khá nhỏ các biến độc lập đ ợc định nghĩa rõ ràng và nhà nghiên cứu có
thể điều chỉnh hoặc kiểm soát đ ợc các biến này. Nghiên cứu thực nghiệm có thể đ ợc
thực hiện trong phòng thí nghiệm hay
ngoài thực địa. Nghiên cứu thí nghiệm (laboratory
experiment) đ ợc thực hiện trong các phòng thí nghiệm (hay trong môi tr
th
ng nhân t o)
ng có giá trị nhân qu cao, nh ng đổi l i, giá trị ngo i t i (external validity) l i thấp do
các phòng thí nghiệm nhân t o nơi các nghiên cứu đ ợc tiến hành có thể không ph n ánh
chân thực thực tiễn khách quan.
Nghiên cứu thực nghiệm thực địa (field experiment) đ ợc thực hiện trong một không
gian thực tế (không chứa các điều kiện nhân t o), ví dụ nh trong một tổ chức. Thực
nghiệm thực địa có thể mang đến những giá trị nhân qu và giá trị ngo i t i cao. Tuy nhiên,
khó để có thể thực hiện đ ợc một thực nghiệm thực địa b i những khó khăn liên quan đến
việc điều chỉnh những yếu tố tác động cũng nh kiểm soát các nh h
ng không mong
Trong nghiên cứu xư hội, “experimental research” đ ợc các tác gi trong n ớc dịch là “nghiên cứu thực
nghiệm”. “Empirical research” cũng đ ợc dịch là “nghiên cứu thực nghiệm”, song “empirical” có nghĩa rộng
hơn vì nó còn bao hàm c kinh nghiệm - sự tr i nghiệm tự nhiên hoặc là tr i nghiệm cố ý trong một thí
nghiệm (experiment). Từ điển Wikipedia định nghĩa: “Empirical research is research using empirical
evidence. It is a way of gaining knowledge by means of direct and indirect observation or experience” (N.D).
(*)
127
muốn trong điều kiện một không gian thực tiễn.
Nghiên cứu thực nghiệm có thể đ ợc phân chia thành hai lo i chính: nghiên cứu thực
nghiệm đích thực (true experiment) và nghiên cứu gi (hoặc ngụy) thực nghiệm (quasiexperiment). C hai lo i thiết kế này đều đòi hỏi sự điều chỉnh các tác động, nh ng trong
khi thực nghiệm đích thực yêu cầu sự phân bổ ngẫu nhiên thì nghiên cứu gi thực nghiệm
thì không. Đôi khi chúng ta cũng đề cập đến nghiên cứu phi thực nghiệm (nonexperimental research). Tuy nó không thật sự là một thiết kế nghiên cứu nh ng nó là một
thuật ngữ bao gồm tất c các mô hình nghiên cứu không sử dụng việc điều chỉnh tác động
hay phân bổ ngẫu nhiên, ví dụ nh nghiên cứu kh o sát, nghiên cứu quan sát và các nghiên
cứu t ơng quan.
Các khái ni m c b n
Nhóm thực nghiệm và nhóm đối chứng. Trong nghiên cứu thực nghiệm, một vài
đối t ợng sẽ chịu một hoặc một số tác động đ ợc phân vào nhóm thực nghiệm (treatment
group), trong khi một số đối t ợng khác thì không, đ ợc gọi là nhóm đối chứng (control
group). Thực nghiệm sẽ đ ợc xem là thành công nếu những đối t ợng trong nhóm thực
nghiệm chứng kiến những kết qu tốt hơn so với những đối t ợng trong nhóm đối chứng.
Chúng ta có thể sử dụng các mức độ tác động khác nhau, trong tr
ng hợp này chúng ta có
thể cần ph i có nhiều hơn một nhóm thực nghiệm.
Ví dụ, để kiểm nghiệm hiệu qu của một lo i thuốc mới dùng để điều trị bệnh mất trí
nhớ, nếu một mẫu những bệnh nhân mất trí nhớ đ ợc chia thành ba nhóm, trong đó nhóm
thứ nhất sẽ nhận liều l ợng thuốc cao, nhóm thứ hai nhận liều l ợng thấp và nhóm thứ ba
sẽ nhận một l ợng thuốc vô h i, không t o ra bất kỳ tác dụng gì, vậy thì hai nhóm đầu là
nhóm thực nghiệm và nhóm thứ ba là nhóm đối chứng. Sau khi sử dụng thuốc đ ợc một
th i gian, nếu nh kh năng nhớ của những ng
i thuộc nhóm thực nghiệm đ ợc c i thiện
đáng kể thì chúng ta có thể nói rằng lo i thuốc mới là hiệu qu . Chúng ta cũng có thể so
sánh kh năng nhớ của những ng
i thuộc nhóm nhận đ ợc liều l ợng cao và thấp để đ a
ra nhận sử dụng định liều l ợng cao hay thấp thì sẽ hiệu qu hơn.
Điều chỉnh tác động (Treatment manipulation). Các tác động là đặc tr ng cơ b n để
phân biệt nghiên cứu thực nghiệm với các ph ơng pháp nghiên cứu khác. Điều chỉnh tác
động
giúp kiểm soát yếu tố “nguyên nhân” trong mối quan hệ nguyên nhân - kết qu .
Về cơ b n, giá trị khoa học của nghiên cứu thực nghiệm phụ thuộc vào kh năng và cách
thức điều chỉnh các tác động. Điều chỉnh tác động ph i đ ợc thử nghiệm tr ớc khi thực
128
hiện chính thức. Tất c các ph ơng thức đánh giá đ ợc thực hiện tr ớc thi sử dụng các tác
động đ ợc gọi là các đánh giá tiền thực nghiệm (pretest measure), trong khi đó các ph ơng
thức đánh giá đ ợc thực hiện sau khi sử dụng các tác động đ ợc gọi là các đánh giá hậu
thực nghiệm (posttest measures).
L a ch n vƠ phơn bổ ng u nhiên (Random selection and assignment). Lựa chọn
ngẫu nhiên là một quá trình hình thành một cách ngẫu nhiên một mẫu nghiên cứu từ các
khách thể nghiên cứu. Công việc này đ ợc thực hiện rất phổ biến trong các nghiên cứu
kh o sát nhằm mục đích đ m b o rằng mỗi một đơn vị trong số khách thể nghiên cứu có cơ
hội đ ợc lựa chọn vào mẫu. Tuy nhiên, phân bổ ngẫu nhiên trong nghiên cứu thực nghiệm
l i là việc phân phối ngẫu nhiên các đối t ợng vào nhóm thực nghiệm hay nhóm đối
chứng. Đây là một công việc bắt buộc tr ớc khi áp dụng các tác động trong nghiên cứu
thực nghiệm đích thực để đ m b o rằng các nhóm thực nghiệm là t ơng tự (t ơng đ ơng)
với nhau và với nhóm đối chứng.
Lựa chọn ngẫu nhiên có liên quan tới việc chọn mẫu, vì vậy, nó có mối liên hệ mật
thiết hơn tới giá trị ngo i t i (tính khái quát) của các kết qu nghiên cứu. Trong khi đó,
phân bổ ngẫu nhiên l i liên quan tới kỹ thuật thiết kế nghiên cứu, vì thế có nh h
ng
nhiều hơn tới giá trị nhân qu . Chúng ta có thể đ t đ ợc c lựa chọn ngẫu nhiên và phân bổ
ngẫu nhiên cùng một lúc trong một nghiên cứu thực nghiệm
hợp và chặt chẽ.
đ ợc thiết kế phù
, nghiên cứu gi thực nghiệm chỉ đ t đ ợc một trong hai yếu
tố này.
Các đe do đ n giá tr nhơn qu (Threats to internal validity). Mặc dù thiết kế thực
nghiệm đ ợc đánh giá là thiết kế khắt khe nhất trong số các ph ơng pháp nghiên cứu d ới
góc độ giá trị nhân qu (nh kh năng kiểm soát nguyên nhân và điều chỉnh các tác động),
tuy nhiên chúng không hoàn toàn “miễn dịch” với các mối đe dọa đối với giá trị nhân qu .
Chúng ta sẽ đề cập đến một số nguy cơ này trong ví dụ về một ch ơng trình c i thiện năng
lực học toán của các học sinh phổ thông.
- Yếu tố lịch sử là kh năng những kết qu đ ợc ghi nhận (từ các biến phụ thuộc) gây
ra b i các yếu tố hay sự kiện lịch sử không liên quan, không ph i b i các tác động đ ợc áp
dụng trong thực nghiệm. Ví dụ, sự c i thiện điểm số toán học của học sinh sau khi thực áp
dụng các tác động xuất phát từ sự chuẩn bị tích cực
của học sinh cho kỳ thi toán
ch ơng trình này.
cuối năm chứ không ph i
- Yếu tố phát triển tự nhiên (maturation) nói đến kh năng kết qu quan sát đ ợc gây
AB., PVP., CNA.
129
ra
sự phát triển tự nhiên của khách thể nghiên cứu. Ví dụ học sinh c i thiện điểm số
toán học thực tế là do sự c i thiện năng lực tri thức thực sự của học sinh, chứ không ph i là
do tác động của ch ơng trình nghiên cứu mang l i.
- Yếu tố kiểm định là mối đe dọa xuất hiện khi những ph n ứng trong quá trình thực
nghiệm chịu nh h
ng của các ph n ứng tiền kiểm định tr ớc đó. Ví dụ, nếu nh học sinh
nhớ đ ợc các đáp án trong các đánh giá tiền kiểm định, họ có thể nhắc l i chúng trong kỳ
kiểm tra sau. Không thực hiện b ớc tiền kiểm định có thể giúp tránh đ ợc mối đe dọa này.
- Yếu tố đo lường đề cập đến sự khác biệt về mức độ đo l
ng tr ớc và sau khi thực
nghiệm. Ví dụ các bài kiểm tra đánh giá môn toán tr ớc và sau khi ch ơng trình áp dụng
có độ khó khác nhau.
- Yếu tố mất mát liên qua đến kh năng vì một lý do nào đó các đối t ợng có thể r i
bỏ khỏi nghiên cứu làm mất cân đối trong tỉ lệ giữa các nhóm thực nghiệm và nhóm đối
chứng. Ví dụ một số học viên bị điểm kém t i kỳ kiểm tra thử có thể bỏ khỏi nghiên cứu.
Trong tr
ng hợp này, kết qu của kỳ thi cuối khóa sẽ bị thồi phồng b i sự lấn át của các
học sinh có điểm số cao.
-S
.
Thi t k th c nghi m hai nhóm (Two-Group Experimental Designs).
Thiết kế thực nghiệm đích thực đơn gi n nhất là thiết kế hai nhóm bao gồm một
nhóm thực nghiệm và một nhóm đối chứng. Ph ơng pháp này thật sự lý t
kiểm định nh h
ng cho việc
ng của một biến độc lập mà biến này có thể điều chỉnh đ ợc. Có hai lo i
thiết kế thực nghiệm hai nhóm chính đó là (1) thiết kế nhóm đối chứng tiền - hậu kiểm
định và (2) thiết kế nhóm đối chứng hậu kiểm định. Những thiết kế này đ ợc mô t bằng
cách sử dụng một ký hiệu thiết kế tiêu chuẩn hóa. Trong đó, R đ i diện cho phân bổ ngẫu
nhiên của các đối t ợng thành các nhóm, X đ i diện cho các tác động đ ợc áp dụng đối với
nhóm thực nghiệm và O đ i diện cho quan sát tr ớc hoặc sau kiểm định đối với biến phụ
thuộc (với những ký hiệu khác nhau để phân biệt các quan sát tr ớc và sau kiểm định đối
với các nhóm thực nghiệm và đối chứng).
130
Thi t k nhóm đ i ch ng tiền - h u ki m đ nh (Pretest-posttest control group
design).
đ ợc phân ngẫu nhiên vào nhóm
Trong thiết kế này,
đối chứng và nhóm thực nghiệm. Ngay
, giá trị
b ớc
ực
,
l i
(b ớc hậu kiểm
định). Các ký hiệu của thiết kế này đ ợc thể hiện trong Hình 10.1 .
Hình 10.1. Thiết kế nhóm đối chứng tiền - hậu kiểm định
nghiệm trong thiết kế tiền - hậu
Hiệu qu tác động E
kiểm định
đ ợc
bằng
kết qu kiểm định tr ớc và sau
nhóm thực
nghiệm và nhóm đối chứng:
E = (O2 – O1) – (O4 – O3)
Phân tích thống kê của thiết kế này bao gồm phân tích ph ơng sai đơn gi n (analysis
of variance - ANOVA) giữa nhóm thực nghiệm và nhóm đối chứng. Trong thiết kế tiền giá trị nhân qu . Chẳng h n nh
hậu kiểm định
. Điều
do
đến c hai nhóm thực nghiệm và đối chứng.
thông qua sự phân bố ngẫu nhiên. Tuy nhiên,
đe dọa
mối đe dọa tới giá trị nhân qu
tồn t i. Ví dụ,
có thể
nếu tỷ lệ
biệt
khác
trong tiền kiểm định
hậu kiểm định (đặc biệt là
chủ đề hoặc nội dung
).
tiền kiểm định
Thi t k nhóm đ i ch ng h u ki m đ nh (Posttest-only control group design).
Thiết kế này là phiên b n gi n l ợc của thiết kế tiền - hậu kiểm định, trong đó, đo
l
ng tiền kiểm định bị l ợc bỏ. Mô hình thiết kế này đ ợc trình bày
131
Hình 10.2.
Hình 10.2. Thiết kế nhóm đối chứng hậu kiểm định
Hệ qu tác động (E) đ ợc đánh giá đơn gi n
là sự khác biệt trong kết qu hậu
kiểm định giữa hai nhóm:
E = (O1 – O2)
phân tích thống kê phù hợp
thiết kế hậu kiểm định này cũng là
phân tích ph ơng sai hai nhóm (two-group analysis of variance - ANOVA). Sự đơn gi n
của thiết kế hậu kiểm định làm cho nó
rị nhân - qu cao hơn so
với thiết kế tiền - hậu kiểm định. Thiết kế này
và t ơng tác tiền - hậu kiểm định
, mối đe
dọa mất mát vẫn tiếp tục tồn t i.
Thi t k ph
thuộc bị nh h
ng sai (Covariance designs). Đôi khi, việc đo l
ng các biến phụ
ng b i các biến ngo i sinh đ ợc gọi là đồng biến (hay biến nhiễu -
Covariates).
- hậu kiểm định v
c
phụ thuộc.
,
Hình 10.3. Thiết kế ph ơng sai
phụ thuộc
E
E = (O1 – O2)
kỹ thuật thống kê phù hợp là
132
hiệp
ph ơng sai hai nhóm (two-group analysis of covariance).
,
- hậu kiểm định.
Thi t k giai thừa (Factorial designs)
Thiết kế hai nhóm không phù hợp đối với những nghiên cứu đỏi hỏi sự điều chỉnh
hai hay nhiều hơn hai biến độc lập
Trong tr
ực
.
ng hợp này, chúng ta cần có thiết kế bốn nhóm hoặc nhiều hơn. Thiết kế này
khá phổ biến trong nghiên cứu thực nghiệm, đ ợc gọi là thiết kế giai thừa (factorial
designs). Mỗi biến độc lập trong thiết kế này đ ợc gọi là một giai thừa (factor) và mỗi
phần nhỏ của giai thừa đ ợc gọi là một mức (level). Thiết kế giai thừa cho phép nhà
nghiên cứu kiểm tra không chỉ
t ơng ứng (gọi là
riêng lẻ của mỗi biến độc lập lên biến phụ thuộc
chung của
chính) mà còn
riêng lẻ (đ ợc gọi là
t ơng tác).
T
có mặt
l
i
2. T
i
133
ví dụ
.
Hình 10.4. Thiết kế giai thừa 2 x 2
T
nếu
(biến độc lập)
đối với
(interaction effect)
có tr
ng hợp
134
Thi t k th c nghi m h n h p (Hybrid experimental designs).
Thiết kế hỗn hợp đ ợc hình thành b i kết hợp các thiết kế chính
. Ba thiết kế
hỗn hợp chính là: thiết kế khối ngẫu nhiên, thiết kế nhóm tứ Solomon và thiết kế sao chép
hoán đổi.
Thi t k kh i ng u nhiên (Randomized block design).
-
t
Hình 10.5. Thiết kế khối ngẫu nhiên
Thi t k nhóm t
Solomon (Solomon four - group design).
-
không mong muốn
Hình 10.6. Thiết kế nhóm tứ Solomon
135
Thi t k sao chép hoán đổi (Switched replication design).
i
Hình 10.7. Thiết kế sao chép hoán đổi
Thi t k gi th c nghi m (Quasi-experimental designs).
Thiết kế gi thực nghiệm (hay ngụy thực nghiệm) có nhiều nét t ơng đồng với các
thiết kế thực nghiệm đích thực nh ng thiếu đi một yếu tố chính là phân bổ ngẫu nhiên.
những nhóm không t ơng xứng. Ví
Việc thiếu đi sự phân bổ ngẫu nhiên t o ra
dụ,
nhóm: thực nghiệm và đối chứng. Viejc phân nhóm này
một
nhóm sẽ có kh năng học tập tốt hơn nếu nh nhóm này có các lớp mà học kỳ tr ớc đ ợc
gi ng d y b i những giáo viên tốt hơn. Điều này sẽ mang đến kh năng thiên vị trong lựa
chọn. Chính vì vậy, gi thực nghiệm không đ ợc đánh giá cao về giá trị nhân qu so với
thực nghiệm đích thực.
khác
gi thực
gi thực
136
phi t ơng đ ơng (nonequivalent groups design - NEGD) nh
,
t ơng
-
Hình 10.8. Thiết kế nhóm không t ơng đ ơng
Hình 10.9. Thiết kế sao chép hoán đổi không t ơng đ ơng
khi
N
Thi t k hồi quy gián đo n (Regression - discontinuity (RD) design).
Hình 10.10. Thiết kế hồi quy gián đo n
137
(gián
đo n)
Thi t k tiền ki m đ i di n (Proxy pretest design).
l i
sau
i
lúc này
Hình 10.11. Thiết kế tiền kiểm đ i diện
-
(Separate pretest-posttest samples design)
,
g
.
138
.
(Nonequivalent dependent variable
(NEDV) design).
môn
.
hai
D
Hình 10.13. Thiết kế
139
Nh ng l u Ủ trong nghiên c u th c nghi m
Nghiên cứu thực nghiệm là một trong số những thiết kế nghiên cứu khó nhất và nên
đ ợc thực hiện với sự tập trung cao độ. Lo i nghiên cứu này đối mặt với vô số vấn đề về
ph ơng pháp luận. Đầu tiên, mặc dù nghiên cứu thực nghiệm đòi hỏi ph i sử dụng lý
thuyết để hình thành nên các gi thuyết phục vụ quá trình kiểm định, nh ng gần đây một
số l ợng đáng kể các nghiên cứu thực nghiệmlà phi lý thuyết. Không có lý thuyết, các gi
thuyết có xu h ớng ngẫu hứng, có thể thiếu lôgic và không có nghĩa.
Thứ hai, nhiều công cụ đánh giá đ ợc sử dụng trọng nghiên cứu thực nghiệm không
đ ợc kiểm định về độ tin cậy và độ giá trị và không thể so sánh đ ợc trong các nghiên cứu
khác nhau. Thứ ba, nhiều nghiên cứu sử dụng các thiết kế nghiên cứu không phù hợp, ví dụ
nh thiết kế các biến phụ thuộc không liên quan, không có kết qu t ơng tác, không có sự
kiểm soát các tác động và tác động không t ơng thích đối với các nhóm thực nghiệm. Kết
qu từ những nghiên cứu nh vậy th
ng có giá trị nhân qu không cao và mang đến nhiều
hoài nghi. Ví dụ, các sinh viên đ i học đ ợc đề nghị đóng vai các nhà qu n lý thị tr
ng và
đ ợc đề nghị thực hiện nhiệm vụ phân bổ ngân sách phức t p, trong khi đó họ không có
kinh nghiệm hay chuyên môn sâu về công việc này. Việc sử dụng một nhiệm vụ không phù
hợp này sẽ làm gi m giá trị nhân qu (ví dụ sự thể hiện của sinh viên là không đúng thực
tế), mang đến những phát hiện không gi i thích đ ợc và không có ý nghĩa, làm cho việc
phối kết hợp các phát hiện trong các nghiên cứu tr nên bất kh thi.
Thiết kế các tác động
đúng đắn là một nhiệm vụ vô cùng quan
là linh hồn và “lẽ sống”
trọng trong nghiên cứu thực nghiệm b i vì
của ph ơng pháp thực nghiệm, do đó không bao gi đ ợc phép lơ là hay vội vàng trong
nhiệm vụ này. Để có đ ợc một tác động phù hợp, nhà nghiên cứu ph i thực hiện các b ớc
củng cố và thí điểm, kiểm tra tính t ơng thích của các
đơn gi n hơn, quen thuộc hơn đối với ng
các c
, nếu có nghi ng , áp dụng
i tr l i.
Nói tóm l i, ch ơng này đư giới thiệu các khái niệm cơ b n trong ph ơng pháp
nghiên cứu thực nghiệm cũng nh hàng lo t các thiết kế nghiên cứu thực nghiệm đích thực
và gi thực nghiệm khác nhau. Mặc dù các thiết kế này mang đến những sự khác biệt lớn
trong giá trị nhân qu , nh ng không nên
hoặc đôi khi
các thiết kế có giá trị nhân qu thấp
trong một số tình huống cụ thể.
140
Ch
ng 11
NGHIểN C U TR
Nghiên c u tr
NG H P
ng h p (Case study) là ph ơng pháp nghiên cứu chuyên sâu về một
hiện t ợng trong một kho ng th i gian liên tục và trong bối c nh tự nhiên của hiện t ợng
đó. Nhiều ph ơng pháp thu thập dữ liệu, nh phỏng vấn, quan sát và nghiên cứu dữ liệu
thứ cấp, có thể đ ợc sử dụng đồng th i và những suy luận về hiện t ợng quan tâm th
phong phú, chi tiết và phù hợp với ngữ c nh. Nghiên cứu tr
ng
ng hợp có thể đ ợc sử dụng
theo h ớng tiếp cận thực chứng cho mục đích kiểm nghiệm lý thuyết hoặc tiếp cận diễn
gi i để xây dựng lý thuyết. Ph ơng pháp này phổ biến trong nghiên cứu kinh doanh hơn
trong các ngành khoa học xư hội khác.
Nghiên cứu tr
ng hợp có những điểm m nh đặc tr ng hấp dẫn hơn các ph ơng
pháp nghiên cứu khác nh thực nghiệm và nghiên cứu kh o sát. Thứ nhất, nghiên cứu
tr
ng hợp có thể đ ợc sử dụng cho c xây dựng lý thuyết và c kiểm nghiệm lý thuyết,
trong khi đó các ph ơng pháp thực chứng khác chỉ có thể đ ợc sử dụng để kiểm nghiệm lý
thuyết. Bên c nh đó, trong nghiên cứu tr
ng hợp diễn gi i, không cần ph i hình thành các
ph m trù từ tr ớc, mà chúng có thể xuất hiện từ các dữ liệu thu đ ợc trong quá trình
nghiên cứu. Thứ hai, các câu hỏi nghiên cứu có thể đ ợc sửa đổi trong quá trình nghiên
cứu khi nhận thấy các câu hỏi ban đầu ít liên quan hoặc không nổi bật. Điều này gần nh là
không thể thực hiện đ ợc trong các ph ơng pháp thực chứng sau khi dữ liệu đ ợc thu thập.
Thứ ba, nghiên cứu tr
ng hợp có thể giúp t o ra các gi i thích phong phú hơn, nhiều màu
sắc hơn và xác thực hơn về hiện t ợng quan tâm so với hầu hết các ph ơng pháp nghiên
cứu khác nh kh năng thu ho ch hàng lo t dữ liệu phong phú theo ngữ c nh. Thứ tư, hiện
t ợng quan tâm có thể đ ợc nghiên cứu từ quan điểm của nhiều ng
i tham gia và sử dụng
nhiều cấp độ phân tích (ví dụ c cấp độ cá nhân và tổ chức).
Bên c nh đó, nghiên cứu tr
ng hợp cũng có một số điểm yếu cố hữu. Do nó không
có sự đối chứng thực nghiệm, giá trị nhân qu của các suy luận th
ng thấp. Đây cũng là
một điểm yếu chung cho tất c các ph ơng pháp nghiên cứu, ngo i trừ ph ơng pháp thực
nghiệm. Tuy nhiên, nh các mô t sau này, vấn đề kiểm định này có thể đ ợc gi i quyết
trong nghiên cứu tr
ng hợp bằng cách sử dụng “đối chứng tự nhiên”. Thứ hai, chất l ợng
của các kết luận thu đ ợc từ nghiên cứu tr
ng hợp phụ thuộc rất nhiều vào kh năng tổng
141
hợp, phân tích của nhà nghiên cứu. Một nhà nghiên cứu có kinh nghiệm có thể nhận ra các
khái niệm và từ đó xây dựng mô hình lý thuyết trong cùng một dữ liệu. Nh ng một nhà
nghiên cứu mới có thể bỏ lỡ. Do đó, những phát hiện có đ ợc đôi khi bị chỉ trích là chủ
quan. Cuối cùng, b i những kết luận từ nghiên cứu tr
ng hợp là từ những bối c nh rất cụ
thể, có thể là khó khăn để khái quát tới các bối c nh khác.
Chúng ta cũng cần nhận ra sự khác nhau giữa nghiên cứu trường hợp với mô tả
trường hợp nh các tình huống đ ợc th o luận trong các lớp học kinh doanh t i tr
học Harvard. Mô t tr
ng hợp th
ng Đ i
ng mô t chi tiết một vấn đề của tổ chức với mục đích
khuyến thích th o luận trong lớp học và t duy phê phán giữa các học sinh hoặc phân tích
cách thức một tổ chức xử lý một vấn đề cụ thể. Trong khi đó, nghiên cứu tr
ng hợp là
một kỹ thuật nghiên cứu chính thức, sử dụng các ph ơng pháp khoa học để đ a ra những
gi i thích cho các hiện t ợng của tổ chức.
Nghiên cứu tr
ng hợp là một ph ơng pháp khó khi nó đòi hỏi nhà nghiên cứu ph i
có kỹ năng nghiên cứu phức t p, do đó nó có thể dễ đ ợc thực hiện không đúng. Benbasat
và các tác gi (1987)8 mô t năm vấn đề th
nhất, nhiều nghiên cứu tr
ng gặp trong các nghiên cứu tr
ng hợp. Thứ
ng hợp bắt đầu mà không có câu hỏi nghiên cứu cụ thể; do đó
kết thúc mà không đ a ra bất kỳ câu tr l i cụ thể hoặc suy luận sâu sắc nào. Thứ hai,
h ớng tiếp cận vào tr
ng hợp cần nghiên cứu th
ng đ ợc dựa trên kh năng truy cập và
sự tiện lợi, chứ không ph i trên mức độ phù hợp với các câu hỏi nghiên cứu; do đó có thể
không đủ kh năng để gi i quyết triệt để vấn đề mà câu hỏi nghiên cứu đặt ra. Thứ ba, các
nhà nghiên cứu th
ng không sử dụng nhiều kỹ thuật khác nhau một lúc để tăng giá trị
hoặc lồng ghép, đối chiếu dữ liệu đư thu thập, điều này có thể dẫn đến gi i thích không
toàn diện. Thứ tư, nhiều nghiên cứu cung cấp rất ít chi tiết về cách thức dữ liệu đ ợc thu
thập và phân tích (ví dụ, các câu hỏi phỏng vấn đư sử dụng, các tài liệu đư kiểm tra, vị trí
ng
i đ ợc phỏng vấn trong tổ chức, v.v…), nó có thể làm tăng nghi ng về độ tin cậy
trong kết luận của họ. Cuối cùng, mặc dù có điểm m nh là một ph ơng pháp nghiên cứu
theo chiều dọc, nh ng nhiều nghiên cứu tr
ng hợp l i không quan sát hiện t ợng theo
ph ơng thức chiều dọc, mà chỉ trình bày một cái nhìn cắt ngang về quy trình phát triển của
các hiện t ợng trong một kho ng th i gian h n chế.
8
Benbasat, I., Goldstein, D. K., and Mead, M. (1987). "The Case Research Strategy in Studies of Information
Systems," MIS Quarterly (11:3), 369-386.
142
Các quy t đ nh quan tr ng trong nghiên c u tr
ng h p
Nhà nghiên cứu cần ph i đ a ra một số quyết định quan trọng khi xem xét tiến hành
ph ơng pháp nghiên cứu tr
ng hợp. Trước hết, nghiên cứu tr
phù hợp để tr l i cho câu hỏi nghiên cứu? Nghiên cứu tr
ng hợp có là ph ơng pháp
ng hợp là ph ơng pháp đặc
biệt thích hợp cho các nghiên cứu thăm dò để phát hiện ra những ph m trù có liên quan
trong các lĩnh vực nghiên cứu mà việc xây dựng lý thuyết về lĩnh vực này đang
giai đo n
hình thành. Nó cũng phù hợp cho các nghiên cứu mà kinh nghiệm của những ng
i tham
gia và bối c nh chứa đựng hành vi có vai trò then chốt và cũng thích hợp cho các nghiên
cứu nhằm tìm hiểu các quá trình thực tiễn phức t p (t i sao và làm thế nào một hiện t ợng
x y ra) chứ không ph i để tìm hiểu mối quan hệ nhân qu . Ph ơng pháp này rất phù hợp
để nghiên cứu các quá trình phức t p của tổ chức có liên quan đến nhiều ng
i tham gia
với hàng chuỗi các sự kiện t ơng tác lẫn nhau, chẳng h n nh dự án c i tổ của tổ chức và
việc áp dụng công nghệ
quy mô lớn.
Thứ hai, các đơn vị phân tích cụ thể trong nghiên cứu tr
nghiên cứu tr
ng hợp là gì? B i vì
ng hợp có thể kiểm tra đồng th i nhiều đơn vị phân tích, nhà nghiên cứu
ph i quyết định sẽ nghiên cứu hiện t ợng
cấp độ cá nhân, nhóm, tổ chức, hay kết hợp. Ví
dụ, một nghiên cứu về việc ra quyết định nhóm hoặc nghiên cứu về làm việc theo nhóm có
thể kết hợp các ph m trù cấp độ cá nhân nh sự tham gia của cá nhân trong các ho t động
nhóm với các ph m trù cấp độ nhóm, chẳng h n nh sự gắn kết thành viên nhóm và lãnh
đ o nhóm, để thu đ ợc những hiểu biết phong phú hơn.
Thứ ba, nhà nghiên cứu có nên sử dụng thiết kế nghiên cứu một tr
nhiều tr
ng hợp? Thiết kế nghiên cứu một tr
ng hợp hay
ng hợp thích hợp hơn lúc bắt đầu xây dựng
lý thuyết, hay tình huống đang nghiên cứu là duy nhất hoặc đặc biệt hoặc tr
ng hợp mới
đ ợc nhận biết (ví dụ, các nghiên cứu khoa học tr ớc đây không thể tiếp cận đ ợc với tình
huống này) hoặc tr
ng hợp này có thể mang đến cơ hội rất tốt để kiểm nghiệm một lý
thuyết đ ợc xây dựng vững chắc tr ớc đó. Thiết kế nghiên cứu tr
ng hợp thích hợp hơn
để thực nghiệm lý thuyết, thiết lập các lập suy luận khái quát, phát triển các gi i thích
phong phú hơn, nhiều sắc thái hơn về một hiện t ợng. Nhà nghiên cứu Yin (1984)9 khuyến
nghị sử dụng nghiên cứu nhiều tr
xem xét mỗi tr
ng hợp theo ph ơng thức sao chép m rộng, nghĩa là
ng hợp t ơng tự nh một nghiên cứu thực nghiệm, tuân theo các quy tắc
khoa học chặt chẽ t ơng tự nh đ ợc sử dụng trong nghiên cứu thực chứng.
9
Yin, R. K. (2002), Case Study Research: Design and Methods. Thousand Oaks, CA: Sage Publications.
143
Thứ tư, nên lựa chọn địa điểm, đối t ợng cụ thể nào trong nghiên cứu tr
Do b n chất phụ thuộc ngữ c nh của các kết luận thu đ ợc từ nghiên cứu tr
ng hợp?
ng hợp, lựa
chọn địa điểm nghiên cứu phù hợp là một vấn đề đặc biệt quan trọng b i vì lựa chọn sai có
thể dẫn đến những kết luận không khách quan. Nếu mục đích của nghiên cứu là để kiểm tra
lý thuyết hay kiểm tra tính khái quát hóa của các suy luận thì các địa điểm khác nhau nên
đ ợc lựa chọn để tăng tính khác biệt trong các quan sát. Ví dụ, nếu mục tiêu của nghiên
cứu là để tìm hiểu quá trình áp dụng công nghệ trong các công ty, một sự kết hợp giữa các
công ty cỡ lớn, vừa và nhỏ nên đ ợc lựa chọn để kiểm tra xem quá trình áp dụng công
nghệ trong các doanh nghiệp với quy mô khác nhau. Lựa chọn địa điểm, đối t ợng cụ thể
để nghiên cứu không nên dựa trên cơ hội hoặc sự thuận tiện của nhà nghiên cứu, mà nên
dựa trên sự phù hợp với các câu hỏi nghiên cứu thông qua quá trình đ ợc chọn mẫu.
Thứ năm, các kỹ thuật thu thập dữ liệu nào sẽ đ ợc sử dụng trong nghiên cứu tr
ng
hợp? Dù rằng cho đến nay phỏng vấn (có thể là m / phi cấu trúc hay đóng / cấu trúc) là kỹ
thuật thu thập dữ liệu phổ biến nhất trong các nghiên cứu tr
ng hợp, tuy vậy dữ liệu thu
đ ợc từ phỏng vấn có thể đ ợc bổ sung hoặc chứng thực b i các kỹ thuật khác nh quan
sát trực tiếp (ví dụ nh tham gia các cuộc họp qu n lý, giao ban và lên ch ơng trình hành
động), kh o cứu tài liệu (ví dụ, báo cáo nội bộ, báo cáo thuyết trình, biên b n ghi nhớ,
cũng nh các tài kho n bên ngoài nh báo chí), hồ sơ l u trữ (ví dụ, sơ đồ tổ chức, hồ sơ
tài chính, v.v..), các hiện vật (các công cụ thiết bị kỹ thuật, s n phẩm đầu ra). Hơn nữa, các
nhà nghiên cứu nên lồng ghép hoặc củng cố giá trị các dữ liệu thu thập đ ợc bằng cách so
sánh các ph n hồi giữa ng
i tr l i.
Ti n hành nghiên c u tr
Phần lớn các nghiên cứu tr
tr
ng h p
ng hợp về b n chất là nghiên cứu diễn gi i. Nghiên cứu
ng hợp diễn gi i là một kỹ thuật quy n p bằng cách phân tích và tổng hợp một cách hệ
thống các thông tin thu thập đ ợc từ một hoặc nhiều nguồn, giúp phát hiện các khái niệm
và mô hình với mục đích xây dựng lý thuyết mới hoặc m
rộng lý thuyết hiện có.
Eisenhardt (1989) đề xuất một “lộ trình” cho việc xây dựng lý thuyết từ các nghiên cứu
10
tr
ng hợp nh vậy và một trong những phiên b n đó sẽ đ ợc mô t d ới đây với đôi chút
sửa đổi. Đối với nghiên cứu tr
ng hợp thực chứng, một số giai đo n sau đây có thể cần
đ ợc sắp xếp l i hoặc sửa đổi l i đôi chút, tuy nhiên quá trình chọn mẫu, thu thập dữ liệu
và các kỹ thuật phân tích dữ liệu nói chung vẫn nên giữ nguyên.
Eisenhardt, K. M. (1989). “Building Theories from Case Research,” Academy of Management Review
(14:4), 532-550.
10
144
Xác định câu hỏi nghiên cứu. Giống nh bất kỳ d ng nghiên cứu khoa học khác,
nghiên cứu tr
ng hợp cũng ph i bắt đầu với việc xác định câu hỏi nghiên cứu. Chúng cần
ph i thú vị về lý thuyết và c thực tế và sau đó nên hình dung một số phỏng đoán trực quan
về các câu tr l i tiềm năng cho những câu hỏi đó hoặc hình dung các ph m trù ban đầu
định h ớng cho thiết kế nghiên cứu. Trong nghiên cứu tr
ng hợp thực chứng, ph m trù
ban đầu đ ợc hình thành dựa trên lý thuyết, trong khi đó nghiên cứu tr
ng hợp
gi i
có đặc tr ng là không dựa trên một lý thuyết cụ thể và không có các gi thuyết. Sau này,
nếu cần thiết những câu hỏi nghiên cứu và ph m trù này có thể đ ợc thay đổi trong nghiên
cứu tr
ng hợp diễn gi i, nh ng không x y ra trong nghiên cứu tr
ng hợp thực chứng.
Chọn đơn vị nghiên cứu cụ thể (địa điểm và đối tượng nghiên cứu cụ thể). Các nhà
nghiên cứu nên sử dụng quá trình "chọn mẫu lý thuyết" (không ph i là chọn mẫu ngẫu
nhiên) để chọn địa điểm và đối t ợng nghiên cứu cụ thể. Trong quá trình này, việc lựa
chọn dựa trên những tính toán về mặt lý thuyết chứ không dựa trên các xem xét về thống
kê. Những tính toán lý thuyết giúp xác định mục tiêu của nghiên cứu là để kiểm chứng,
nhân rộng các nghiên cứu tr
ng hợp tr ớc đó, để m rộng lý thuyết ban đầu hay để hoàn
thiện các mô hình lý thuyết, những mục tiêu này giúp chọn lựa địa bàn, ng
i tham gia
nghiên cứu phù hợp. Cần đ m b o rằng việc lựa chọn những đơn vị này ph i phù hợp với
b n chất của câu hỏi nghiên cứu, gi m thiểu những yếu tố không liên quan và tối đa hóa sự
đa d ng của các biến phụ thuộc. Ví dụ, nếu mục tiêu của nghiên cứu là để kiểm tra t i sao
một số công ty sáng t o hơn so với những công ty khác, các nhà nghiên cứu nên chọn các
công ty có quy mô t ơng tự trong cùng một lĩnh vực để gi m thiểu những sai lệch về
ngành nghề kinh doanh và quy mô doanh nghiệp, nh ng đồng th i nên lựa chọn một số
công ty có
nhiều sáng t o và một công ty có
ít để tối đa hóa những sai lệch về sự
sáng t o của doanh nghiệp.
Thay vì gọi điện tho i hoặc gửi văn b n tới khách thể nghiên cứu dự kiến, sẽ là tốt
hơn nếu nhà nghiên cứu liên l c với ng
i có thẩm quyền trong tổ chức. Trong khi tiếp xúc
ban đầu, các nhà nghiên cứu nên mô t với khách thể nghiên cứu tính chất và mục đích của
đề tài, cơ quan, tổ chức qu n lý đề tài, những lợi ích tiềm năng cho khách thể nghiên cứu,
cách thức sử dụng các dữ liệu thu thập, những ng
i tham gia thu thập dữ liệu (các nhà
nghiên cứu khác, các trợ lý nghiên cứu, vv), những ng
i mà nhà nghiên cứu mong muốn
phỏng vấn, th i l ợng phỏng vấn. Nhà nghiên cứu còn ph i đ m b o tính bí mật, riêng t
về thông tin cá nhân của ng
i đ ợc phỏng vấn.
Chuẩn bị công cụ và trình tự. B i vì ph ơng pháp chính để thu thập dữ liệu trong
AB., PVP., CNA.
145
nghiên cứu tr
ng hợp là các cuộc phỏng vấn. Một trình tự hay kịch b n phỏng vấn nên
đ ợc hình thành để định h ớng quá trình phỏng vấn. Về cơ b n, đó là danh sách các câu
hỏi. Câu hỏi có thể m (phi cấu trúc) hoặc đóng (cấu trúc) hoặc kết hợp c hai. Trình tự
phỏng vấn ph i đ ợc tuân thủ nghiêm ngặt, ng
i phỏng vấn không đ ợc thay đổi thứ tự
các câu hỏi hoặc bỏ qua bất kỳ câu hỏi trong quá trình phỏng vấn, tuy nhiên ng
i phỏng
vấn có thể đ a thêm một số câu hỏi để khai thác sâu hơn những thông tin của ng
i tr l i
mà ng
i hỏi thấy không rõ ràng hoặc thú vị.
Ng
i phỏng vấn ph i thể hiện quan điểm trung lập, không định h ớng ng
đi theo bất kỳ tr
của ng
i tr l i
ng phái cụ thể nào, ví dụ đồng ý hoặc không đồng ý với một câu tr l i
i đ ợc phỏng vấn. Kỹ thuật phỏng vấn sẽ đ ợc th o luận chi tiết hơn trong
ch ơng về kh o sát. Ngoài ra, nên tìm kiếm thêm nguồn dữ liệu, chẳng h n nh tài liệu nội
bộ, biên b n ghi nhớ, các báo cáo hàng năm, báo cáo tài chính, bài báo và quan sát trực tiếp
để bổ sung, xác nhận dữ liệu phỏng vấn.
Chọn người trả lời. Chọn ng
i tr l i phỏng vấn
các vị trí công việc khác nhau,
các cơ quan, tổ chức khác nhau để có thể có đ ợc những quan điểm khác nhau về hiện
t ợng quan tâm. Một mẫu ngẫu nhiên của ng
i đ ợc phỏng vấn là thích hợp nhất, tuy
nhiên một mẫu quả cầu tuyết (kỹ thuật mở rộng dần) cũng chấp nhận đ ợc, miễn là có sự
đa d ng các quan điểm đ ợc thể hiện trong mẫu. Ng
i đ ợc phỏng vấn ph i đ ợc lựa
chọn dựa trên sự liên quan cá nhân của họ với hiện t ợng đang kh o sát, sự sẵn sàng và
kh năng của họ có thể tr l i chính xác và đầy đủ các câu hỏi của nhà nghiên cứu, mà
không dựa trên sự thuận tiện của nhà nghiên cứu.
Bắt đầu thu thập dữ liệu. Thông th
ng, sẽ là một ý t
ng tốt khi dùng các thiết bị
điện tử ghi âm l i cuộc phỏng vấn để sử dụng trong t ơng lai. Tuy nhiên, ghi âm nh vậy
chỉ ph i đ ợc thực hiện với sự đồng ý của ng
vấn đ ợc ghi l i, ng
i đ ợc phỏng vấn. Ngay c khi cuộc phỏng
i phỏng vấn nên bút kí để nắm bắt những thông tin, ph n ứng và
hành vi quan trọng (ví dụ, ngôn ngữ cơ thể của ng
của nhà nghiên cứu về ng
i tr l i) cũng nh ấn t ợng cá nhân
i tr l i và những bình luận thú vị của họ. Sau mỗi cuộc phỏng
vấn, toàn bộ nội dung cuộc phỏng vấn bằng miệng nên đ ợc chuyển thể nguyên văn thành
d ng lài liệu văn b n để phân tích.
Tiến hành phân tích dữ liệu cho từng trường hợp. Công việc phân tích dữ liệu có thể
thực hiện sau hoặc đồng th i với quá trình thu thập dữ liệu. Thu thập và phân tích dữ liệu
cùng một lúc có lợi thế là giúp điều chỉnh quá trình thu thập dữ liệu dựa trên kết qu thu
146
đ ợc qua việc phân tích dữ liệu hoặc có thể khai thác sâu thêm các thông tin quan trọng.
Phân tích dữ liệu đ ợc thực hiện trong hai giai đo n. Trong giai đo n đầu (phân tích từng
tr
ng hợp), các nhà nghiên cứu nên xem xét một cách riêng biệt các khái niệm mới xuất
hiện
mỗi tr
ng hợp nghiên cứu và mối quan hệ giữa các khái niệm này, sau đó t o ra
một lý thuyết ban đầu về vấn đề nghiên cứu. Các nhà nghiên cứu có thể thu thập dữ liệu
theo mong muốn chủ quan kết hợp với việc sử dụng kiến thức và kinh nghiệm cá nhân để
tr l i các câu hỏi nghiên cứu cho tr
ng hợp đang nghiên cứu. Ngoài ra, kỹ thuật mã hoá
(coding), ví dụ nh ph ơng pháp lý thuyết nền (grounded theory) của Glasser và Strauss
(1967), dùng các kỹ thuật nh mã hoá m , mã hoá trục và mã hoá chọn lọc có thể đ ợc sử
dụng để đ t đ ợc một chuỗi luận cứ và kết luận. Những kỹ thuật này đ ợc th o luận chi
tiết trong ch ơng sau. Các kỹ thuật nội sinh (homegrown), chẳng h n nh ph ơng pháp
hiện diện dữ liệu đồ họa (ví dụ sơ đồ m ng) hoặc phân tích trình tự (đối với dữ liệu theo
chiều dọc) cũng có thể đ ợc sử dụng. L u ý rằng không có ph ơng pháp phân tích cố định
đ ợc áp dụng cho các lo i dữ liệu khác nhau trong nghiên cứu tr
ng hợp; các kỹ thuật
phân tích dữ liệu có thể đ ợc sửa đổi để phù hợp với b n chất của dự án nghiên cứu.
Tiến hành phân tích dữ liệu nhiều trường hợp. Nghiên cứu nhiều tr
ng hợp đòi hỏi
ph i tiến hành b ớc phân tích dữ liệu tiếp theo, đ ợc gọi là phân tích liên tr
ng hợp.
Trong phân tích này, các nhà nghiên cứu cần tìm các khái niệm và các mô hình t ơng tự
giữa các tr
ng hợp khác nhau, bỏ qua sự khác biệt theo ngữ c nh có thể dẫn đến những
kết luận khác biệt. Những mô hình này có thể đ ợc sử dụng để chứng thực lý thuyết ban
đầu (sau khi phân tích các tr
ng hợp riêng lẻ) hoặc tinh chỉnh nó (bằng cách thêm hoặc
bỏ một số khái niệm và mối quan hệ giữa các khái niệm) để phát triển một lý thuyết khái
quát và toàn diện hơn. Phân tích này có thể có nhiều hình thức. Ví dụ, các nhà nghiên cứu
có thể chọn các phân lo i khác nhau (ví dụ, theo quy mô tổ chức, theo lĩnh vực ho t động,
v.v…) và tìm kiếm những t ơng đồng bên trong nhóm và những khác biệt giữa các nhóm.
Ngoài ra, nhà nghiên cứu có thể so sánh đối chiếu từng cặp đôi, rút ra sự giống và khác
trong các tr
ng hợp đư nghiên cứu.
Xây dựng và kiểm định các giả thuyết. Dựa trên các khái niệm và các chủ đề xuất
hiện sau quá trình phân tích liên tr
ng hợp, các gi thuyết dự kiến sẽ đ ợc thiết lập.
Những gi thuyết này cần đ ợc so sánh lặp đi lặp l i với những dữ liệu đư thu đ ợc để xem
chúng có phù hợp với các dữ liệu này hay không; nếu không phù hợp, các ph m trù hoặc
các mối quan hệ giữa các ph m trù t o thành gi thuyết cần đ ợc điều chỉnh l i.
147
Ngoài ra, nhà nghiên cứu cũng nên so sánh các ph m trù và gi thuyết mới với những
khái niệm và gi thuyết xuất hiện trong các nghiên cứu tr ớc, qua đó giúp nghiên cứu của
mình đ t đ ợc giá trị nhân qu và giá trị phổ quát cao. Không đ ợc lo i bỏ những phát
hiện có mâu thuẫn, cần t duy sáng t o để gi i thích các mâu thuẫn đó để hiểu sâu sắc, cặn
kẽ lý thuyết mới. Khi việc phân tích lý thuyết và dữ liệu lặp đi lặp l i mà không mang l i
những bổ sung, thay đổi so với lý thuyết hiện có, là đư đ t đ ợc tr ng thái “bão hòa lý
thuyết” và quá trình xây dựng lý thuyết hoàn thiện.
Viết báo cáo. Trong văn b n báo cáo, nhà nghiên cứu nên mô t rõ ràng chi tiết quá
trình lấy mẫu, thu thập dữ liệu, phân tích dữ liệu và phát triển các gi thuyết để ng
i đọc
có thể đánh giá một cách độc lập tính hợp lý, điểm m nh, điểm yếu và tính thống nhất của
những kết luận đ ợc báo cáo. Để đ m b o các kết qu không bị thiên vị do các định kiến
của nhà nghiên cứu, các ph ơng pháp nghiên cứu cần đ t đ ợc mức độ cao về sự rõ ràng.
Mô hình m u cho nghiên c u tr
ng h p di n gi i
Cách tốt nhất để tìm hiểu về nghiên cứu tr
ng hợp diễn gi i là đ a ra một ví dụ
minh họa. Nghiên cứu của Eisenhardt (1989)11 về cách thức ng
định trong môi tr
i lưnh đ o đ a ra quyết
ng tốc độ cao (high-velocity environments - HVE). Tr ớc khi đọc
thông tin tóm tắt về nghiên cứu trong ch ơng này, độc gi nên đọc b n báo cáo gốc đ ợc
xuất b n t i T p chí Qu n lý Học thuật (Academy of Management Journal). Trong nghiên
cứu này, Eisenhardt kh o sát các nhóm điều hành trong một số tổ chức HVE có quá trình
ban hành các quyết định nhanh chóng, trong khi những ng
i trong các tổ chức khác
không thể áp dụng đ ợc. Eisenhardt tìm hiểu liệu quyết định nhanh hơn có giúp c i thiện
hay gây nh h
ng xấu đến ho t động của tổ chức trong môi tr
định nghĩa nh là một môi tr
ng nh vậy. HVE đ ợc
ng trong đó nhu cầu, sự c nh tranh và công nghệ thay đổi
rất nhanh chóng nh ng không liên tục, trong khi thông tin trao đổi th
ng là không chính
xác, không có sẵn hoặc đư lỗi th i. Các gi định ban đầu là (1) việc đ a ra quyết định
nhanh chóng với thông tin không đầy đủ trong HVE là khó khăn; (2) các quyết định đ ợc
đ a ra nhanh chóng có thể không có hiệu qu và có thể gi m năng lực ho t động của tổ chức.
Rà soát các tài liệu đư có về việc ra quyết định của lưnh đ o, Eisenhardt tìm thấy các
mô hình khác nhau, tuy vậy không có mô hình cụ thể cho môi tr
ng tốc độ cao. Các tài
liệu cho rằng, nhằm h ớng tới tính thiết thực, các tổ chức đ a ra quyết định nhanh hơn thì
Eisenhardt, K. M. (1989). “Making Fast Strategic Decisions in High-Velocity Environments,” Academy of
Management Journal (32:3), 543-576.
11
148
sẽ ít sử dụng nguồn đầu vào hơn, ít xem xét các lựa chọn thay thế hơn, chỉ đ a ra các phân
tích sơ bộ, h n chế sự tham gia của ng
i có liên quan vào quá trìnhra quyết định, tập
trung hóa thẩm quyền ra quyết định và h n chế xung đột nội bộ. Tuy nhiên, Eisenhardt cho
rằng những quan điểm này có thể không đúng khi đ a ra quyết định trong môi tr
ng tốc
độ cao khi mà các quyết định ph i đ ợc đ a ra một cách nhanh chóng và với những thông
tin không đầy đủ, trong khi đó ph i duy trì chất l ợng, hiệu qu cao của các quyết định.
Để kiểm tra hiện t ợng này, Eisenhardt tiến hành một nghiên cứu quy n p của tám
công ty trong ngành công nghiệp máy tính cá nhân. Các ngành công nghiệp máy tính cá
nhân đư tr i qua những thay đổi kịch tính trong công nghệ với sự ra đ i của hệ điều hành
UNIX, RISC và bộ nhớ truy cập ngẫu nhiên 64KB trong những năm 1980, sự c nh tranh
gia tăng với sự xuất hiện của IBM trong các doanh nghiệp máy tính cá nhân và nhu cầu của
khách hàng ngày càng tăng với mức tăng tr
của môi tr
ng hai con số và do đó thỏa mưn tính chất
ng tốc độ cao.
Đây là một thiết kế nhiều tr
ng hợp với logic nhân rộng, theo đó mỗi tr
xác nhận hoặc bác bỏ suy luận từ các tr
ng hợp sẽ
ng hợp khác. Các khách thể nghiên cứu đ ợc lựa
chọn dựa trên kh năng tiếp cận của nhà nghiên cứu, tuy nhiên, tất c các công ty đều ho t
động trong ngành công nghiệp máy tính cá nhân vận tốc cao trong khu vực Thung lũng
Silicon, California. Sự lựa chọn các công ty trong cùng một ngành công nghiệp, cùng khu
vực địa lý đư lo i trừ tất c các “nhân tố làm nhiễu” hay những sai số trong các biến phụ
thuộc ( đây là tốc ra quyết định và hiệu suất ho t động).
Nghiên cứu này đư sử dụng một thiết kế đa chiều với nhiều mức độ phân tích: các
quyết định (so sánh nhiều quyết định chiến l ợc khác nhau trong mỗi công ty), các nhóm
lưnh đ o (so sánh các nhóm khác nhau chịu trách nhiệm về việc ra các quyết định chiến
l ợc) và công ty (hiệu suất tổng thể của công ty). Dữ liệu đ ợc thu thập từ năm nguồn:
- Phỏng vấn ban đầu với các giám đốc điều hành (CEO): Các CEO đ ợc hỏi về
chiến l ợc c nh tranh, năng lực đặc thù, đối thủ c nh tranh lớn, hiệu suất và quyết định
chiến l ợc quan trọng gần đây của công ty họ điều hành. Dựa trên các cuộc phỏng vấn này,
một số quyết định chiến l ợc trong mỗi công ty đ ợc lựa chọn phục vụ việc điều tra tiếp
theo. Bốn tiêu chí đ ợc sử dụng để lựa chọn các quyết định: (1) các quyết định liên quan
đến vị trí chiến l ợc của công ty, (2) các quyết định đư liên quan đến những đầu t tài
chính lớn, (3) các quyết định liên quan đến nhiều ho t động khác nhau của công ty, và (4)
quyết định đ i diện cho quá trình ra ho ch định chiến l ợc của công ty đó.
149
- Phỏng vấn với các trưởng phòng: Mỗi tr
ng phòng tr l i 16 câu hỏi m về chiến
l ợc c nh tranh, chiến l ợc ho t động, thành viên trong các nhóm qu n lý chủ chốt, sự
th
ng xuyên và hình thức gặp gỡ của các nhóm này, quá trình điển hình để đ a ra các
quyết định quan trọng và th i gian để đ a ra các quyết định đó. Cuộc phỏng vấn kéo dài từ
1,5 đến 2 gi và đôi khi kéo dài đến 4 gi . Để có thể tập trung tìm hiểu các sự kiện thực tế
chứ không ph i là nhận thức hoặc gi i thích của ng
i đ ợc hỏi, cách đặt câu hỏi nh
trong “phòng xử án” đ ợc sử dụng, chẳng h n nh điều này x y ra khi nào? B n đư làm
gì,.. Các cuộc phỏng vấn đ ợc thực hiện b i hai ng
việc kiểm tra trên thực tế b i ng
i c hai ng
i và các dữ liệu đ ợc củng cố bằng
i phỏng vấn. Tất c các dữ liệu phỏng vấn
đều đ ợc ghi âm, tuy nhiên, việc bút ký cũng đ ợc thực hiện trong mỗi cuộc phỏng vấn và
đư kết thúc với việc ghi l i ấn t ợng tổng thể của ng
i phỏng vấn. Sử dụng “nguyên tắc
24 gi ”, các ghi chú chi tiết đ ợc ghi l i đầy đủ trong vòng 24 gi sau cuộc phỏng vấn. Vì
vậy, những thông tin hay, ấn t ợng của ng
i phỏng vấn dễ dàng đ ợc nhớ và ghi l i.
- Bảng câu hỏi (phiếu kh o sát): Các thành viên trong nhóm điều hành t i mỗi công
ty hoàn thành một b ng câu hỏi kh o sát để thu thập các dữ liệu định l ợng về mức độ
xung đột và phân phối quyền lực trong công ty của họ.
- Dữ liệu thứ cấp: Các báo cáo ngành công nghiệp máy tính và các tài liệu nội bộ
nh nhân sự của các nhóm điều hành (chịu trách nhiệm về các quyết định chiến l ợc), ho t
động tài chính của các công ty,… đư đ ợc kiểm tra.
- Quan sát cá nhân: Cuối cùng, các nhà nghiên cứu tham dự một phiên họp chiến
l ợc 1 ngày và một cuộc họp điều hành hàng tuần t i hai công ty trong mẫu.
Quá trình phân tích dữ liệu đư kết hợp các kỹ thuật định l ợng và định tính. Dữ liệu
định l ợng về xung đột và quyền lực đ ợc phân tích để tìm ra các mô hình chung xuyên
suốt các công ty và các quyết định. Các dữ liệu phỏng vấn định tính đ ợc kết hợp để tìm
hiểu quá trình ra quyết định, bằng cách sử dụng các đặc điểm cá biệt (ví dụ, sự thiếu kiên
nhẫn) đ ợc đề cập b i nhiều hơn một nhà điều hành. Đối với phân tích trong mỗi tr
hợp, quá trình ra quyết định chiến l ợc đ ợc mô t bằng cách kết hợp thông tin của ng
điều hành theo trình tự th i gian. Đối với phân tích tổng hợp nhiều tr
ng
i
ng hợp, từng cặp
đôi công ty đ ợc so sánh để tìm ra điểm giống và khác nhau, đ ợc phân lo i theo các biến
số cần quan tâm nh tốc độ ra quyết định và hiệu qu ho t động của công ty. Dựa trên
phân tích này, các ph m trù và luận điểm dự kiến đ ợc hình thành theo cách quy n p. Mỗi
tr
ng hợp ra quyết định đ ợc xem xét l i để xác nhận các mối quan hệ dự kiến. Bằng
150
cách so sánh những kết qu của quá trình kh o cứu tài liệu với các luận điểm đ ợc suy
luận, nhà nghiên cứu đư có đ ợc những hiểu biết mới về các tr
ng hợp. Cuối cùng, lý
thuyết về quá trình ra quyết định chiến l ợc của các công ty trong môi tr
ng tốc độ cao
đ ợc hình thành một cách quy n p thông qua tổng hợp các luận điểm đư củng cố.
Các suy luận xuất phát từ nghiên cứu nhiều tr
ng hợp nh thế này đư mâu thuẫn với
một số mô hình ra quyết định đ ợc đề xuất trong các nghiên cứu tr ớc đó. Thứ nhất, không
nh dự kiến của các tài liệu tr ớc đó, những ng
i ra quyết định nhanh trong môi tr
tốc độ cao đư sử dụng nhiều nguồn thông tin hơn. Tuy nhiên, những ng
ng
i ra quyết định sử
dụng nhiều thông tin hữu ích (một khám phá mới ch a đ ợc đề cập trong các nghiên cứu
tr ớc), nó giúp họ xác định và xử lý với các vấn đề và các thay đổi một cách nhanh chóng
hơn. Thứ hai, những ng
i đ a ra quyết định nhanh đư xem xét nhiều hơn những lựa chọn
thay thế. Tuy nhiên, họ xem xét cùng một lúc nhiều lựa chọn thay thế, trong khi đó những
ng
i ra quyết định chậm hơn l i xem xét số l ợng ít hơn các lựa chọn thay thế và theo
một cách tuần tự. Thứ ba, những ng
i ra quyết định nhanh không tập trung hóa quá trình
ra quyết định hoặc h n chế việc tham gia của những ng
i có liên quan, nh các tài liệu
tr ớc đó đư đề cập. Thay vào đó, các công ty này chia quá trình ra quyết định thành hai giai
đo n, trong đó
giai đo n đầu tiên, nhiều nhân viên t vấn giàu kinh nghiệm đ ợc đề nghị
đ a ra ý kiến đóng góp; tiếp theo giai đo n thứ hai là quá trình so sánh và lựa chọn một
cách nhanh chóng các quyết định. Thứ tư, những ng
i ra quyết định nhanh không có ít
xung đột hơn nh dự báo từ các nghiên cứu tr ớc, nh ng họ l i sử dụng các kỹ thuật gi i
quyết xung đột tốt hơn để gi m mâu thuẫn và c i thiện tốc độ ra quyết định. Cuối cùng,
những ng
i đ a ra quyết định nhanh tận dụng tối đa mặt m nh trong công ty của họ để
đẩy nhanh tiến trình ra các quyết định quan trọng.
Ví d về nghiên c u tr
Nghiên cứu tr
ng h p th c ch ng
ng hợp cũng có thể đ ợc sử dụng cho các nghiên cứu thực chứng để
kiểm định lý thuyết hay gi thuyết. Những nghiên cứu nh vậy là không nhiều. Markus
(1983)12 cung cấp một minh họa trong nghiên cứu của cô về việc áp dụng công nghệ t i
Công ty Tam giác vàng (Golden Triangle Company - GTC). Mục tiêu của nghiên cứu này
là tìm hiểu lý do t i sao một hệ thống thông tin tài chính mới (FIS) áp dụng để nâng cao
hiệu qu công tác kế toán t i GTC đ ợc các kế toán viên t i hội s công ty GTC ủng hộ,
nh ng l i bị các kế toán viên cấp phòng t i các chi nhánh của GTC ph n đối. Với sự độc
Markus, M. L. (1983). “Power, Politics, and MIS Implementation,” Communications of the ACM (26:6),
430-444.
12
151
đáo của vấn đề nghiên cứu, đây là nghiên cứu một tr
ng hợp.
Để khám phá những lý do đằng sau sự ph n đối sử dụng FIS, Markus đ a ra ba lý
thuyết gi i thích khác nhau: (1) lý thuyết hệ thống quyết định: sự ph n đối là b i các yếu tố
liên quan đến hệ thống không phù hợp, chẳng h n nh thiếu sót kỹ thuật, thiết kế kém tiện
i sử dụng, (2) lý thuyết người sử dụng quyết định: sự
dụng hoặc thiếu thân thiện với ng
ph n đối là b i các yếu tố b n thân ng
i sử dụng, chẳng h n nh nhận thức hoặc các đặc
điểm tính cách của các kế toán viên không phù hợp với việc sử dụng hệ thống; và (3) lý
thuyết tương tác: sự ph n đối là b i các yếu tố b n thân ng
i sử dụng và của hệ thống. Cụ
thể, lý thuyết t ơng tác gợi ý rằng FIS n y sinh b i có sự phân bổ l i quyền lợi trong nội
bộ tổ chức, những kế toán bị mất vị trí và thẩm quyền trong tổ chức khi áp dụng FIS ph n
đối hệ thống, trong khi những ng
i có thêm quyền lợi l i ủng hộ.
Để kiểm tra ba lý thuyết này, Markus đư dự đoán các gi i pháp cho mỗi gi thuyết và
phân tích mức độ thành công của các gi i pháp đó t i GTC. Ví dụ, lý thuyết hệ thống quyết
định gợi ý rằng sự ph n đối của ng
i sử dụng gây ra b i vì hệ thống không phù hợp, vì
vậy sửa chữa các vấn đề kỹ thuật của hệ thống sẽ lo i bỏ sự ph n đối này. Máy tính đang
ch y hệ thống FIS sau đó đ ợc nâng cấp với một hệ điều hành m nh hơn, xử lý trực tuyến
(so với ban đầu là việc xử lý hàng lo t, đư trì hoãn yêu cầu xử lý ngay lập tức các thông tin
kế toán) và một phần mềm đơn gi n hơn đ ợc áp dụng để t o tài kho n mới cho các nhà
qu n lý. Một năm sau khi những thay đổi này đ ợc thực hiện, ng
i dùng vẫn ph n đối hệ
thống và cho rằng nó nên đ ợc thay thế. Do đó, lý thuyết hệ thống quyết định đư bị lo i bỏ.
Lý thuyết người dùng quyết định dự đoán rằng thay thế những cá nhân ph n đối hoặc
phân công họ làm việc cùng với những ng
i dùng ít tranh cãi sẽ làm gi m sự ph n đối của
họ đối với FIS. Sau đó, GTC bắt đầu luân phiên công việc và thực hiện chính sách di động,
điều chuyển kế toán viên trong những đơn vị có ph n đối. Tuy nhiên, sức ph n đối không
những tiếp tục mà một số tr
ng hợp tăng lên! Một ví dụ cụ thể, một kế toán là một trong
những nhà thiết kế và những ng
i ủng hộ hệ thống FIS khi ông làm việc t i cấp kế toán
tổng hợp, đư bắt đầu ph n đối hệ thống sau khi ông đ ợc chuyển xuống cấp phòng. Thất
b i trong việc chứng minh các gi thuyết của lý thuyết ng
i dùng quyết định dẫn đến việc
bác bỏ lý thuyết này.
Cuối cùng, lý thuyết t ơng tác dự báo rằng dù có tác động vào hệ thống hay vào
ng
i dùng (ví dụ, giáo dục ng
i sử dụng hoặc sử dụng chính sách luân chuyển nhân
viên) đều không làm gi m sự ph n đối trừ khi vấn đề thiếu công bằng về quyền lợi và việc
152
phân phối l i đ ợc thực hiện. Tr ớc khi thực hiện FIS, kế toán viên cấp phòng của GTC
c m thấy rằng họ s hữu tất c các dữ liệu liên quan đến ho t động kế toán của phòng họ
làm việc. Họ đư l u dữ liệu này trong những cuốn sổ cái thủ công dày, kiểm soát đ ợc sự
truy cập của những ng
i khác và có thể điều chỉnh các sự cố kế toán bất th
công bố các báo cáo. Kế toán tổng hợp dựa nhiều vào kế toán
ng tr ớc khi
các phòng để truy cập vào
các dữ liệu để làm các báo cáo tổng hợp của công ty. B i vì hệ thống FIS tự động thu thập
tất c các dữ liệu t i nguồn và củng cố chúng thành một cơ s dữ liệu duy nhất của công ty,
nó lo i bỏ sự cần thiết của các kế toán cấp phòng, làm mất đi sự kiểm soát và quyền của họ
đối với các số liệu kế toán của phòng; làm cho công việc của họ phần nào không quan
trọng. Kế toán tổng hợp bây gi có thể truy cập và truy vấn trực tiếp cơ s dữ liệu của các
phòng mà không cần ph i thông qua kế toán
đó; việc phân tích và đánh giá hiệu suất
công việc của từng phòng và trực tiếp báo cáo các dấu hiệu khác th
ng tới Ban giám đốc,
điều này một lần nữa dẫn đến sự xói mòn quyền lực của các phòng. Mặc dù Markus không
thực nghiệm kiểm tra lý thuyết này, nh ng qua quan sát của mình về phân bổ l i quyền lực
của tổ chức, cùng với sự lo i trừ của hai lý thuyết tr ớc đư dẫn đến sự gi i thích của lý
thuyết t ơng tác là đúng.
So sánh v i nghiên c u truyền th ng
Nghiên cứu tr
ng hợp thực chứng nhằm mục đích kiểm nghiệm gi thuyết th
ng
bị chỉ trích b i các nhà nghiên cứu khoa học tự nhiên vì thiếu những quan sát và suy luận
đối chứng; các kết qu thiếu tính thống nhất và tính phổ quát - những nguyên tắc truyền
thống trong nghiên cứu thực chứng. Tuy nhiên, những l i chỉ trích có thể đ ợc khắc phục
thông qua các thiết kế nghiên cứu tr
ng hợp phù hợp.
, vấn đề quan sát đối
chứng đề cập đến những khó khăn để đ t đ ợc sự đối chứng thống kê hay đối chứng thực
nghiệm trong nghiên cứu tr
ng hợp. Trên thực tế, các nhà nghiên cứu tr
ng hợp vẫn có
thể c i thiện vấn đề này bằng cách sử dụng “đối chứng tự nhiên”. Kỹ thuật đối chứng tự
nhiên này trong nghiên cứu của Markus (1983) chính là ng
i kế toán tổng hợp. Ban đầu,
anh này là một trong những ủng hộ hệ thống FIS, nh ng sau đó bắt đầu ph n đối khi anh ta
chuyển đến cấp phòng. Trong tr
ng hợp này, sự thay đổi hành vi của anh này có thể là do
bị chuyển vị trí.
Tuy nhiên, những đối chứng tự nhiên nh vậy khó có thể đ ợc dự đoán tr ớc và các
nhà nghiên cứu tr
ng hợp có thể không để ý, trừ khi các nhà nghiên cứu chủ động tìm
kiếm các đối chứng nh vậy. Một cách ngẫu nhiên, đối chứng tự nhiên cũng đ ợc sử dụng
trong các ngành khoa học tự nhiên nh thiên văn học, địa chất học và sinh học, chẳng h n
153
nh việc ch sao chổi chuẩn bị băng qua gần trái đất để đ a ra các suy luận về sao chổi và
thành phần của nó.
, vấn đề suy luận đối chứng liên quan đến việc thiếu những bằng chứng định
l ợng thuyết phục để hỗ trợ các kết luận khi dữ liệu trong nghiên cứu tr
ng hợp chủ yếu
là định tính. Mặc dù thiếu các dữ liệu định l ợng để kiểm tra gi thuyết, suy luận đối
chứng vẫn có thể có đ ợc trong nghiên cứu tr
ng hợp bằng cách t o ra các dự đoán hành
vi dựa trên những xem xét lý thuyết và xem xét thử nghiệm về những dự đoán đó trong
một kho ng th i gian nhất định. Markus sử dụng chiến l ợc này trong nghiên cứu của
mình bằng cách t o ra ba gi thuyết thay thế về sự ph n đối của ng
i sử dụng và lo i bỏ
hai trong số những dự đoán khi chúng không phù hợp với các hành vi đ ợc quan sát trên
thực tế. Trong tr
ng hợp này, các gi thuyết đ ợc kiểm nghiệm bằng cách sử dụng các
luận điểm logic mà không sử dụng các kiểm tra toán học, điều này cũng có giá trị t ơng
đ ơng với các suy luận thống kê, b i toán học là một tập hợp con của logic học.
Thứ ba, tính lặp l i (replicability) đề cập đến những khó khăn trong việc nghiên cứu
cùng một vấn đề nh ng
khách thể nghiên cứu khác có những đặc điểm đặc thù. Tuy
nhiên, lấy việc sử dụng ba lý thuyết của Markus nh là một minh họa, một nhà nghiên cứu
khác có thể kiểm nghiệm cùng một lý thuyết đối với một khách thể nghiên cứu (tr
ng hợp
nghiên cứu) khác, dựa trên đặc điểm đặc thù của khách thể nghiên cứu mới và ba gi i thích
khác nhau có thể xuất hiện, sau đó các gi i thích này sẽ đ ợc kiểm tra. Nói cách khác, có
thể tiến hành lặp l i các kết luận của nghiên cứu tr
hoặc bối c nh của tr
tr
ng hợp, cho dù khách thể nghiên cứu
ng hợp mới có thể không đồng nhất với khách thể và bối c nh của
ng hợp đ ợc nghiên cứu tr ớc đó.
Thứ tư, nghiên cứu tr
ng hợp có xu h ớng khám phá một hiện t ợng riêng biệt và
không thể nhân rộng, khó để khái quát hóa cho các hiện t ợng khác. Tuy vậy, tính phổ
quát vẫn có thể đ ợc thiết lập thông qua các nghiên cứu bổ sung. Các nghiên cứu tr
ng
hợp bổ sung này nếu đ ợc thực hiện một cách liên tục, dù trong các ngữ c nh khác nhau
với các gi thuyết khác nhau, nh ng mang đến những kết qu nghiên cứu có liên quan, có
hệ thống thì chúng có thể đ ợc tổng hợp để hình thành nên tính phổ quát.
Cuối cùng, triết gia ng
i Anh Karl Popper đư mô t bốn yêu cầu của lý thuyết khoa
học: (1) lý thuyết có thể chứng nghiệm là sai lầm, (2) lý thuyết nhất quán về lập luận (3) lý
thuyết ph i có đủ kh năng tiên đoán, (4) lý thuyết ph i đ a ra những l i gi i thích thuyết
phục hơn so với các lý thuyết phủ định. Trong nghiên cứu tr
154
ng hợp, kh năng đáp ứng
ba yêu cầu đầu tiên có thể đ ợc c i thiện bằng cách tăng bậc tự do của các kết qu nghiên
cứu, chẳng h n nh bằng cách tăng số l ợng địa bàn nghiên cứu, tr
ng hợp nghiên cứu,
tăng số l ợng các gi thuyết thay thế và đa d ng hóa các kỹ thuật, mức độ phân tích dữ
liệu. Điều này đ ợc thực hiện trong nghiên cứu của Markus bằng cách kiểm tra hành vi của
nhiều nhóm (các kế toán phòng và các kế toán tổng hợp) và cung cấp nhiều (ba) gi thuyết
thay thế. Điều kiện thứ t của Popper đư đ t đ ợc trong nghiên cứu này khi một gi thuyết
đ ợc chứng minh là phù hợp hơn với những bằng chứng đư quan sát và thuyết phục hơn so
với hai gi thuyết thay thế.
155
Ch
ng 12
NGHIểN C U DI N GI I
Ch ơng tr ớc giới thiệu về một lo i nghiên cứu tr
ng hợp diễn gi i. Ch ơng này sẽ
khám phá các lo i nghiên cứu diễn gi i khác. Nh đư biết, trong nghiên cứu thực chứng
hay diễn dịch, các ph ơng pháp nh thử nghiệm trong phòng thí nghiệm và nghiên cứu
kh o sát
u tiên sử dụng để kiểm nghiệm lý thuyết (hay các gi thuyết), trong khi đó
trong nghiên cứu diễn gi i hoặc quy n p, các ph ơng pháp nh nghiên cứu hành động và
dân tộc học phù hợp cho xây dựng lý thuyết. Không giống nh ph ơng pháp thực chứng,
nơi mà nhà nghiên cứu bắt đầu với một lý thuyết và kiểm tra các định đề hay luận điểm lý
thuyết bằng cách sử dụng các dữ liệu thực nghiệm,
ph ơng pháp diễn gi i, nhà nghiên
cứu bắt đầu với dữ liệu và cố gắng để hình thành một lý thuyết về hiện t ợng quan tâm từ
các dữ liệu quan sát.
Thuật ngữ "nghiên cứu diễn giải" th
ng đ ợc gắn và đồng nghĩa với "nghiên cứu
định tính", mặc dù hai khái niệm khác nhau cơ b n. Nghiên cứu diễn gi i là một mô hình
nghiên cứu (xem Ch ơng 3) dựa trên gi định rằng thực tế xư hội không tồn t i độc lập hay
khách quan, mà đ ợc định hình b i kinh nghiệm của con ng
i và bối c nh xư hội (b n thể
luận), do đó sẽ là tốt nhất nếu đ ợc nghiên cứu trong bối c nh kinh tế - lịch sử bằng cách
kết hợp những gi i thích chủ quan của những ng
i tham gia khác nhau (nhận thức luận).
B i các nhà nghiên cứu diễn gi i nhận định thực tiễn xư hội gắn bó chặt chẽ, không thể
tách khỏi môi tr
ng và bối c nh xư hội; họ “gi i thích” (interpret) thực tiễn thông qua quá
trình “t o ý nghĩa” (sense-making) chứ không ph i là một quá trình kiểm tra gi thuyết.
Điều này là trái ng ợc với mô thức thực chứng (positivist paradigm) hoặc mô thức chức
năng luận (functionalist paradigm), cho rằng thực tế là t ơng đối độc lập với bối c nh, có
thể đ ợc tách biệt khỏi bối c nh của nó, có thể đ ợc nghiên cứu bằng các công thức toán
học, sử dụng các kỹ thuật khách quan đ ợc tiêu chuẩn hóa. Việc một nhà nghiên cứu tiến
hành nghiên cứu thực chứng hay nghiên cứu diễn gi i phụ thuộc vào việc cân nhắc kỹ
l ỡng b n chất của hiện t ợng nghiên cứu và mô thức nào là tốt nhất để nghiên cứu nó.
Trong khi đó, nghiên cứu định l ợng hay nghiên cứu định tính đề cập đến tính chất
của dữ liệu cần thu thập và cách thức thu thập, phân tích chúng. Nghiên cứu định tính dựa
chủ yếu vào các dữ liệu “không ph i con số”, chẳng h n thông tin từ các cuộc phỏng vấn
156
và quan sát, trái ng ợc với nghiên cứu định l ợng sử dụng dữ liệu số nh điểm số và các
số liệu khác. Do đó, nghiên cứu định tính không buộc ph i tuân theo các thủ tục thống kê
nh phân tích hồi quy, nh ng l i đ ợc mã hoá bằng các kỹ thuật định tính nh kỹ thuật
phân tích nội dung. Đôi khi, dữ liệu định l ợng sau khi mã hoá đ ợc sắp xếp một cách
định tính ví nh độ th
ng xuyên của các mã hoá, tuy nhiên dữ liệu này không đ ợc phân
tích theo cách thống kê số học. Nhiều nhà nghiên cứu diễn gi i thuần túy không ủng hộ
ph ơng pháp mã hoá, coi đó là vô ích b i vì không bao gi có thể đ t đ ợc sự đồng thuận
hoặc tính khách quan về một hiện t ợng xư hội khi hiện t ợng này về b n chất tồn t i một
cách chủ quan.
Mặc dù nghiên cứu diễn gi i th
ng dựa nhiều vào dữ liệu định tính, dữ liệu định
l ợng có thể đ ợc bổ sung để giúp hiểu chính xác hơn và rõ hơn về hiện t ợng quan tâm
so với việc chỉ sử dụng các dữ liệu định tính. Ví dụ, Eisenhardt (1989), trong nghiên cứu
diễn gi i về ra quyết định trong các công ty vận tốc cao (đ ợc th o luận trong ch ơng
tr ớc về nghiên cứu tr
ng hợp), đư thu thập các dữ liệu số về kho ng th i gian để mỗi
doanh nghiệp để đ a ra các quyết định chiến l ợc (dao động từ 1,5 tháng đến 18 tháng), có
bao nhiêu lựa chọn thay thế đ ợc xem xét cho mỗi quyết định và có bao nhiêu ng
i đ ợc
hỏi về xung đột trong tổ chức. Số dữ liệu đó đư giúp Eisenhardt phân định rõ ràng sự khác
biệt giữa các công ty ra quyết định tốc độ cao và các công ty ra quyết định tốc độ thấp, mà
không dựa hoàn toàn vào nhận thức chủ quan của ng
i tr l i, sau đó nó cho phép
Eisenhardt kiểm tra, so sánh số lựa chọn thay thế đ ợc xem xét và mức độ xung đột trong
các công ty có tốc độ cao và tốc độ thấp. Nghiên cứu diễn gi i nên cố gắng thu thập c dữ
liệu định tính và định l ợng liên quan đến hiện t ợng mà họ quan tâm và nghiên cứu thực
chứng cũng nên nh vậy. Việc sử dụng kết hợp dữ liệu định tính và định l ợng nh vậy,
th
ng đ ợc gọi là "thiết kế kết hợp", nó sẽ mang đến những hiểu biết độc đáo và đ ợc
đánh giá cao trong cộng đồng khoa học.
Phơn bi t v i nghiên c u th c ch ng
Ngoài sự khác biệt cơ b n về mô thức trong các gi định b n thể luận và nhận thức
luận đ ợc th o luận
trên, nghiên cứu diễn gi i và thực chứng còn khác nhau
một số góc
độ khác. Trước hết, nghiên cứu diễn gi i sử dụng chiến l ợc lấy mẫu lý thuyết. Đó là việc
những nơi, những ng
i tr l i hoặc các tr
ng hợp nghiên cứu đ ợc lựa chọn dựa trên
những xem xét về mặt lý thuyết, chẳng h n nh liệu chúng có phù hợp với hiện t ợng
đ ợc nghiên cứu (ví dụ, vấn đề phát triển bền vững chỉ có thể đ ợc nghiên cứu trong các tổ
chức đư và đang thực hiện chiến l ợc phát triển bền vững); liệu rằng chúng có các đặc
157
điểm thích hợp nhất cho nghiên cứu (ví dụ, một nghiên cứu về các yếu tố làm nên sự sáng
t o trong các doanh nghiệp nên bao gồm một số công ty có kh năng sáng t o cao và một
số là thấp, để rút ra độ t ơng ph n giữa các công ty),… Ng ợc l i, nghiên cứu thực chứng
sử dụng lấy mẫu ngẫu nhiên (hoặc một biến thể của kỹ thuật này), các tr
ng hợp đ ợc lựa
chọn ngẫu nhiên từ tổng thể khách thể nghiên cứu nhằm mục đích khái quát hóa. Nh vậy,
các mẫu tiện lợi và mẫu nhỏ là chấp nhận đ ợc trong nghiên cứu diễn gi i miễn là chúng
phù hợp với tính chất và mục đích của các nghiên cứu này, nh ng các mẫu đó l i không
đ ợc chấp nhận trong nghiên cứu thực chứng.
Thứ hai, vai trò của nhà nghiên cứu nhận đ ợc sự quan tâm đặc biệt trong các nghiên
cứu diễn gi i. Trong một số ph ơng pháp nh nghiên cứu dân tộc học, nghiên cứu hành
động và quan sát tham dự, nhà nghiên cứu đ ợc coi là một phần của hiện t ợng xã hội, có
vai trò cụ thể và sự tham gia của nhà nghiên cứu vào quá trình nghiên cứu ph i đ ợc thực
hiện rõ ràng trong quá trình phân tích dữ liệu. Trong các ph ơng pháp khác, chẳng h n nh
nghiên cứu tr
ng hợp, nhà nghiên cứu ph i có lập tr
ng “trung lập” hoặc quan điểm
không thiên vị trong suốt quá trình thu thập và phân tích dữ liệu nhằm đ m b o chắc chắn
rằng những thành kiến hay gi định cá nhân của ng
i nghiên cứu không làm sai lệch b n
chất của những suy luận chủ quan xuất phát từ nghiên cứu gi i thích. Trong nghiên cứu
thực chứng, nhà nghiên cứu đ ợc coi là bên ngoài và độc lập với bối c nh nghiên cứu, vậy
nên thiên vị cá nhân khó nh h
ng hơn tới ho t động thu thập và phân tích dữ liệu.
Thứ ba, phân tích diễn gi i h ớng đến tổng thể và theo ngữ c nh, chứ không ph i là
theo từng phần nhỏ và biệt lập. Các gi i thích diễn gi i có xu h ớng tập trung vào ngôn
ngữ, dấu hiệu và ý nghĩa từ quan điểm của những ng
i tham gia có liên quan đến hiện
t ợng xư hội, trái ng ợc với kỹ thuật thống kê đ ợc sử dụng rất nhiều trong nghiên cứu
thực chứng. Giá trị của ph ơng pháp nghiên cứu diễn gi i đ ợc đánh giá dựa trên cách
thức tiếp cận có hệ thống và minh b ch để thu thập và phân tích dữ liệu, chứ không ph i là
các tiêu chuẩn thống kê về các giá trị ph m trù.
Cuối cùng, ho t động thu thập, phân tích dữ liệu có thể tiến hành đồng th i và lặp đi
lặp l i trong nghiên cứu gi i thích. Ví dụ, nhà nghiên cứu có thể tiến hành một cuộc phỏng
vấn và phân tích tr ớc khi tiến hành cuộc phỏng vấn tiếp theo. Việc tiến hành phân tích
đồng th i giúp nhà nghiên cứu nhận diện các lỗi tiềm năng trong quá trình phỏng vấn và
điều chỉnh trình tự phỏng vấn sao cho thu thập đ ợc những thông tin chính xác hơn về
những hiện t ợng quan tâm. Nhà nghiên cứu thậm chí có thể thay đổi câu hỏi nghiên cứu
ban đầu, nếu họ nhận thấy câu hỏi nghiên cứu ban đầu không có kh năng để t o ra những
158
tri thức mới và hữu ích. Đây là một lợi ích rất đáng khai thác nh ng th
ng không đ ợc
các nhà nghiên cứu diễn gi i tận dụng. Lợi thế này không có trong nghiên cứu thực chứng
khi mà dự án nghiên cứu không thể đ ợc sửa đổi hoặc thay đổi khi đư bắt đầu thu thập dữ
liệu trừ khi bắt đầu làm l i toàn bộ dự án.
L i ích vƠ thách th c c a nghiên c u di n gi i
Nghiên cứu diễn gi i có một số lợi thế đặc thù. Trước tiên, chúng rất phù hợp để khám
phá những lý do ẩn đằng sau một quá trình xư hội phức t p, tìm hiểu các quan hệ hữu cơ đa
chiều, chẳng h n nh lợi ích nhóm trong tổ chức hoặc vấn đề chính trị trong cơ quan. Để tìm
hiểu những vấn đề nh vậy, bằng chứng định l ợng có thể bị sai lệch, không chính xác hoặc
khó khăn để có đ ợc. Thứ hai, chúng th
ng hữu ích cho việc xây dựng lý thuyết trong
những lĩnh vực mới mà tr ớc đó ch a có lý thuyết hoặc lý thuyết không đầy đủ. Thứ ba,
chúng cũng thích hợp cho việc nghiên cứu những sự kiện hay quy trình riêng biệt, mang
phong cách riêng. Thứ tư, nghiên cứu diễn gi i cũng có thể giúp phát hiện ra các câu hỏi
nghiên cứu thích hợp và thú vị cũng nh các vấn đề khoa học cho các nghiên cứu tiếp theo.
Đồng th i, nghiên cứu diễn gi i cũng đối mặt với một số thách thức. Trước hết,
nghiên cứu này th
ng đòi hỏi đầu t th i gian, nguồn lực và công sức nhiều hơn, chuyên
sâu hơn so với nghiên cứu thực chứng trong việc thu thập và phân tích dữ liệu. Quá ít dữ
liệu có thể dẫn đến những gi định sai lầm ấu trĩ, trong khi quá nhiều dữ liệu có thể sẽ
không đ ợc xử lý hiệu qu .
Thứ hai, nghiên cứu diễn gi i đòi hỏi nhà nghiên cứu ph i đ ợc đào t o kỹ l ỡng để
có kh năng phát hiện và gi i thích các hiện t ợng xư hội phức t p từ quan điểm của những
ng
i tham gia, phối kết hợp các quan điểm đa d ng và đa chiều của họ, mà không đ ợc
lồng ghép hay bị nh h
ng b i những thành kiến hay gi định cá nhân của mình khi đ a
ra các suy luận khoa học.
Thứ ba, những ng
i tham gia hoặc các nguồn dữ liệu có thể không đồng đều về độ
tin cậy, mức độ am hiểu hay sự thiên vị về hiện t ợng quan tâm hoặc họ có thể biết nh ng
l i không tiết lộ những vấn đề nh y c m. Tất c đều có thể dẫn đến hiểu lầm hoặc ấn t ợng
sai của nhà nghiên cứu. Thiếu sự tin t
ng của ng
i tham gia đối với nhà nghiên cứu
cũng có thể là một rào c n tới sự nhiệt tình và trung thực của ng
i tham gia, trong khi
việc xây dựng niềm tin nh vậy cần ph i có th i gian. Nhiệm vụ của nhà nghiên cứu gi i
thích là ph i “nhìn xuyên màn khói” (những vấn đề ẩn hoặc thành kiến) để hiểu đ ợc b n
chất thực sự của vấn đề.
159
Thứ tư, bị ràng buộc chặt chẽ b i bối c nh đặc thù, các kết luận rút ra từ nghiên cứu
diễn gi i, không dễ để nhân rộng hoặc khái quát hóa. Cuối cùng, nghiên cứu diễn gi i đôi
khi không thể tr l i các câu hỏi nghiên cứu hoặc có thể không tiên đoán đ ợc các hành vi
trong t ơng lai.
Đặc đi m c a nghiên c u di n gi i
Tất c các nghiên cứu diễn gi i ph i tuân theo một tập hợp các nguyên tắc chung,
nh đ ợc mô t d ới đây.
Tuân thủ quy luật tự nhiên. Các hiện t ợng xư hội ph i đ ợc nghiên cứu trong bối
c nh tự nhiên của chúng. B i vì nghiên cứu diễn gi i gi định rằng hiện t ợng xư hội nằm
bên trong và không thể tách biệt khỏi bối c nh xư hội của chúng nên gi i thích các hiện
t ợng nh vậy ph i đặt trong bối c nh lịch sử - xã hội đó. Điều này yêu cầu khi tìm kiếm
l i gi i thích cho một hiện t ợng quan tâm, các biến ph i đ ợc quan sát và xem xét theo
ngữ c nh, mặc dù điều này có thể h n chế tính phổ quát của các suy luận.
Nhà nghiên cứu là một công cụ. Các nhà nghiên cứu nên thấu hiểu bối c nh xã hội
mà họ đang nghiên cứu và họ đ ợc coi là một phần của công cụ thu thập dữ liệu; trong đó
họ ph i sử dụng các kỹ năng quan sát của mình, t o dựng sự tin t
ng đối với những ng
i
tham gia và sử dụng kh năng trích xuất các thông tin chính xác từ những gì đư quan sát.
Hơn nữa, những hiểu biết cá nhân, kiến thức và kinh nghiệm về bối c nh xã hội là rất quan
trọng để đ a ra những gi i thích chính xác về các hiện t ợng quan tâm. Đồng th i, nhà
nghiên cứu ph i có nhận thức đầy đủ về những thành kiến và gi định cá nhân của mình,
không để cho những định kiến nh vậy nh h
ng đến việc trình bày một bức tranh công
bằng và chính xác của hiện t ợng này.
Phân tích diễn giải. Quan sát ph i đ ợc diễn gi i bằng quan điểm của những ng
tham gia mà không tách r i trong bối c nh xã hội. Diễn gi i ph i x y ra
hai cấp độ. Mức
đầu tiên là ph i xem xét hiện t ợng này từ quan điểm chủ quan của những ng
Cấp độ thứ hai là hiểu đ ợc ý nghĩa những kinh nghiệm mà ng
i
i tham gia.
i tham gia đư tr i qua để
cung cấp một “mô t sâu” (thick description) hoặc một câu chuyện tự sự phong phú về hiện
t ợng quan tâm, đ a ra lý do t i sao ng
i tham gia l i hành động theo cách mà họ đư làm.
Sử dụng ngôn ngữ biểu cảm. Khám phá và phân tích ngôn ngữ bằng l i nói và c
những ngôn ngữ biểu c m không l i của ng
i tham gia là thành phần không thể tách r i
của phân tích diễn gi i. Ng
i nghiên cứu ph i đ m b o rằng câu chuyện đ ợc ph n ánh
qua ánh mắt của một con ng
i, không ph i là một cái máy; ph i thể hiện những c m xúc
160
và kinh nghiệm của ng
i đó, để ng
i đọc có thể hiểu và hình dung về ng
i đó. Việc sử
dụng tranh nh, lối nói ẩn dụ, ngôn ngữ châm biếm và các minh họa khác là rất phổ biến
trong phân tích diễn gi i.
Theo dõi qua thời gian. Nghiên cứu diễn gi i th
ng không quan tâm đến việc tìm
kiếm các câu tr l i cụ thể, mà đi tìm hiểu hoặc “tìm hiểu ý nghĩa” một quá trình xã hội
năng động tiếp diễn trong kho ng th i gian nhất định. Do đó, nghiên cứu này đòi hỏi sự
tham gia của nhà nghiên cứu với khách thể nghiên cứu trong một kho ng th i gian t ơng
đối dài để nắm bắt toàn bộ sự phát triển của hiện t ợng quan tâm.
Chu trình diễn ngôn. Gi i thích diễn gi i là một quá trình lặp l i của các ho t động
nghiên cứu và các hiện t ợng xư hội để hài hòa những mâu thuẫn giữa chúng từ đó xây
dựng những lý thuyết phù hợp với quan điểm chủ quan và tr i nghiệm cá nhân của những
ng
i tham gia. Sự lặp đi lặp l i giữa hiểu biết về một hiện t ợng và các quan sát ph i tiếp
tục cho đến khi đ t đ ợc sự “bão hòa lý thuyết”, khi đó dù có tiến hành thêm bất kỳ sự lặp
l i nào nữa cũng không mang l i cái những tri thức mới và sâu sắc về hiện t ợng quan tâm.
Thu th p d li u di n gi i
Dữ liệu đ ợc thu thập trong nghiên cứu diễn gi i bằng nhiều kỹ thuật khác nhau. Các
kỹ thuật đ ợc sử dụng th
ng xuyên nhất là ph ng v n (trực diện, qua điện tho i hoặc hội
th o nhóm nhỏ). Các hình thức và chiến l ợc phỏng vấn đ ợc th o luận chi tiết trong
ch ơng tr ớc về nghiên cứu kh o sát. Kỹ thuật thứ hai là quan sát. Kỹ thuật quan sát bao
gồm quan sát trực tiếp (direct observation), khi các nhà nghiên cứu là một ng
i quan sát
bên ngoài, trung tính và thụ động và không tham gia vào hiện t ợng đang quan sát (nh
trong nghiên cứu tr
nghiên cứu là ng
i nhiệt tình tham gia ho t động vào trong các sự kiện đang đ ợc nghiên
cứu và những nh h
phân tích (nh
ng hợp) và quan sát tham dự (participant observation), khi các nhà
ng t o ra b i sự hiện diện của nhà nghiên cứu sẽ đ ợc nhận diện và
trong nghiên cứu hành động). Kỹ thuật thứ ba là điều tra văn bản
(documentation). Đây là việc phân tích, tổng hợp các tài liệu nội bộ và tài liệu khác có liên
quan, chẳng h n nh các b n ghi nhớ, th điện tử, báo cáo hàng năm, báo cáo tài chính,
các bài báo, các trang web nhằm mục đích phát hiện những thông tin sâu sắc hơn về vào
hiện t ợng quan tâm hoặc để củng cố thông tin từ các nguồn khác.
Các thi t k nghiên c u di n gi i
ẩghiên cứu tr ờng hợp. Nh đư th o luận trong ch ơng tr ớc, nghiên cứu tr
ng
hợp là một nghiên cứu chuyên sâu theo chiều dọc về một hiện t ợng với một hoặc nhiều
AB., PVP., CNA.
161
địa điểm nghiên cứu với mục đích đ a ra những suy luận chi tiết, theo ngữ c nh và tìm
hiểu quá trình diễn biến phía sau hiện t ợng đó. Thiết kế nghiên cứu tr
ng hợp độc đáo
chỗ nó có thể đ ợc sử dụng theo h ớng diễn gi i để xây dựng lý thuyết hoặc h ớng thực
chứng để kiểm tra lý thuyết.
ch ơng tr ớc, nghiên cứu tr
ng hợp đ ợc th o luận kỹ c
về các kỹ thuật sử dụng cũng nh các ví dụ minh họa. Hơn nữa, nhà nghiên cứu tr
hợp là một ng
i quan sát trung lập (quan sát trực tiếp) chứ không ph i là ng
ng
i tham gia
tích cực (quan sát tham dự) vào sự kiện cần nghiên cứu. Cũng giống nh các ph ơng pháp
diễn gi i khác, quá trình hình thành nên những suy luận có ý nghĩa từ nghiên cứu tr
ng
hợp phụ thuộc rất nhiều vào các kỹ năng quan sát và kh năng tích hợp của nhà nghiên
cứu.
ẩghiên cứu hành động. Nghiên cứu hành động là một thiết kế nghiên cứu định tính,
nh ng thực chứng nhằm mục đích kiểm nghiệm lý thuyết chứ không ph i là xây dựng lý
thuyết (đ ợc th o luận trong ch ơng này b i vì thiếu một không gian thích hợp). Đây là
một thiết kế t ơng tác, cho rằng rằng các hiện t ợng xư hội phức t p đ ợc nhận thức bằng
cách áp dụng các thay đổi, sự can thiệp hoặc những “tác động” vào khách thể nghiên cứu
và quan sát các kết qu của những hành động trên đối với khách thể nghiên cứu.
Trong ph ơng pháp này, các nhà nghiên cứu th
ng là một nhà t vấn hoặc một
thành viên của tổ chức dấn thân vào bối c nh nghiên cứu (chẳng h n nh là một tổ chức).
Nhà nghiên cứu kh i x ớng một kế ho ch hành động để gi i quyết một vấn đề và xem xét
hành động đó nh h
ng nh thế nào đến khách thể nghiên cứu, từ đó phân tích và t o ra
những hiểu biết về mối quan hệ giữa hành động và đối t ợng. Ví dụ, hành động có thể bao
gồm các ch ơng trình tái cơ cấu tổ chức chẳng h n nh giới thiệu cơ cấu tổ chức, nhân sự,
thủ tục hay cơ s vật chất mới nhằm mục đính c i thiện hiệu qu làm việc của tổ chức.
Việc lựa chọn hành động của nhà nghiên cứu ph i dựa trên một lý thuyết có liên
quan, nên gi i thích lý do t i sao và làm thế nào những hành động nh vậy có thể mang l i
những thay đổi nh mong muốn. Giá trị thực tiễn của lý thuyết này đ ợc đánh giá b i mức
độ thành công mà hành động đ ợc lựa chọn đư khắc phục các vấn đề cần xử lý. Hiểu đ ợc
vấn đề một cách sâu sắc đồng th i với việc gi i quyết đ ợc vấn đề đó là tính năng trung
tâm, phân biệt nghiên cứu hành động với các ph ơng pháp nghiên cứu khác (ph ơng pháp
này hiểu đ ợc vấn để nh ng l i không quan tâm tới việc gi i quyết vấn đề) và phân biệt
với với ho t động t vấn (gi i quyết vấn đề nh ng không quan tâm nhiều lý thuyết xung
quanh vấn đề đó). Do đó, nghiên cứu hành động là một ph ơng pháp tuyệt v i làm cầu nối
nghiên cứu và thực tiễn.
162
Có vài biến thể của ph ơng pháp nghiên cứu hành động. Phổ biến nhất là nghiên cứu
hành động tham dự, đ ợc thiết kế b i Susman và Evered (1978)13. Ph ơng pháp này bao
gồm một chu kỳ nghiên cứu hành động với năm giai đo n: (1) chẩn đoán, (2) lập kế ho ch
hành động, (3) thực hiện kế ho ch, (4) đánh giá, và (5) học hỏi (xem hình 10.1). Chẩn
đoán (diagnosing) là việc nhận diện và tìm hiểu vấn đề trong bối c nh. Lập kế hoạch hành
động (action planning) liên quan đến việc ho ch định và đánh giá các gi i pháp khác nhau
cho vấn đề này và quyết định một chuỗi hành động sẽ thực hiện (dựa trên lý thuyết). Thực
hiện kế hoạch (action taking) là việc thực hiện chuỗi hành động đư nêu trong kế ho ch.
Giai đo n đánh giá (evaluation) xem xét mức độ thành công của sáng kiến trong việc gi i
quyết vấn đề ban đầu, tức là liệu rằng gi i pháp lý thuyết có thực sự hiệu qu trên thực tế.
Trong giai đo n học hỏi (learning), những quan sát và thông tin ph n hồi trong quá trình
đánh giá đ ợc kết hợp để t o ra những hiểu biết về vấn đề, đề xuất những điều chỉnh hoặc
c i tiến hành động trong t ơng lai.
Dựa trên kết qu đánh giá và học hỏi, hành động có thể đ ợc sửa đổi hoặc điều chỉnh
để gi i quyết tốt hơn các vấn đề và chu kỳ nghiên cứu hành động đ ợc lặp đi lặp l i với
chuỗi hành động đư sửa đổi. Ng
i ta khuyến nghị rằng toàn bộ chu trình nghiên cứu hành
động nên đ ợc thực hiện ít nhất hai lần, có nh vậy những bài học từ chu kỳ đầu tiên có
thể đ ợc áp dụng trong chu kỳ thứ hai. Hình thức thu thập dữ liệu chính trong nghiên cứu
hành động là quan sát tham dự, tuy vậy các kỹ thuật khác nh phỏng vấn và điều tra văn
b n có thể đ ợc sử dụng để củng cố thêm kết qu nghiên cứu.
Hình 12.1. Chu trình nghiên cứu hành động
Susman, G.I. and Evered, R.D. (1978). “An Assessment of the Scientific Merits of Action Research”,
Administrative Science Quarterly, (23), 582-603.
13
163
Dơn t c h c (ethnography). Ph ơng pháp nghiên cứu dân tộc học có nguồn gốc chủ
yếu từ lĩnh vực nhân chủng học. Ph ơng pháp này nhấn m nh bối c nh văn hóa khi nghiên
cứu một hiện t ợng diễn ra trong bối c nh đó. Nhà nghiên cứu ph i đắm mình trong nền
văn hóa xã hội trong một th i gian dài (th
ng là từ 8 tháng đến 2 năm), tham gia, quan
sát, ghi l i cuộc sống hàng ngày của khách thể nghiên cứu bối c nh tự nhiên của nền văn
hóa đó. Cách thức thu thập dữ liệu cơ b n trong nghiên cứu dân tộc học là quan sát tham
dự và việc phân tích dữ liệu dựa trên h ớng tiếp cận “tìm hiểu ý nghĩa”.
Ngoài ra, các nhà nghiên cứu ph i sử dụng kỹ năng bút ký chuyên sâu và t
ng thuật
l i những tr i nghiệm của mình bằng những mô t chi tiết để giúp độc gi có thể c m nhận
đ ợc nền văn hóa t ơng tự nh các nhà nghiên cứu. Trong ph ơng pháp này, nhà nghiên
cứu có hai vai trò: dựa trên kiến thức chuyên môn và sự tham gia của mình vào nền văn
hóa để hình thành lý thuyết và thuyết phục cộng đồng khoa học về b n chất đa d ng của
hiện t ợng nghiên cứu.
Ví dụ kinh điển hình của nghiên cứu dân tộc học là dự án nghiên cứu hành vi của
động vật linh tr
trong môi tr
ng đ ợc Jane Goodall thực hiện khi cô đư sống với những con tinh tinh
ng sống tự nhiên của chúng t i công viên quốc gia Gombe
Tanzania, quan
sát hành vi của chúng, giao tiếp và chia sẻ cuộc sống với chúng. Trong quá trình đó, cô đư
biết đ ợc và ghi chép l i cách thức tinh tinh tìm kiếm thức ăn, trú ẩn, cách thức chúng giao
tiếp, thông tin liên l c, hành vi giao phối,…
Một ví dụ gần đây hơn là nghiên cứu dân tộc học của Myra Bluebond-Langer
(1996)14 về việc ra quyết định trong những gia đình có trẻ em bị bệnh hiểm nghèo; nh
h
ng của những vấn đề về thể chất, tinh thần, môi tr
ng, đ o đức, pháp lý và văn hóa
đến việc ra quyết định trong các gia đình đó. Trong kho ng th i gian hơn hai năm, Myra
Bluebond - Langer đư tiếp xúc với kho ng 80 trẻ em mắc bệnh nan y và gia đình của các
em. Để thu thập dữ liệu, nhà nghiên cứu tiến hành quan sát tham dựcuộc trò chuyện của
những đứa trẻ, cha mẹ và ng
i thân của chúng, các nhà cung cấp dịch vụ chăm sóc sức
khỏe để tìm hiểu về những tr i nghiệm sống của họ.
Hi n t
ng h c (phenomenology). Hiện t ợng học là một ph ơng pháp nghiên cứu
nhấn m nh kinh nghiệm và nhận thức của con ng
quanh chúng ta. Nó dựa trên ý t
i, là một cách để hiểu biết thực tế xung
ng của nhà triết học Đức Edmund Husserl đầu thế kỷ
14
Bluebond-Langer, M. (1996). In the Shadow of Illness: Parents and Siblings of the Chronically Ill Child.
Princeton, NJ: Princeton University Press.
164
XX khi ông tin rằng kinh nghiệm của con ng
i là nguồn gốc của tất c các kiến thức.
Hiện t ợng học quan tâm tới sự ph n ánh và phân tích có hệ thống các hiện t ợng trong
mối liên hệ với những kinh nghiệm có ý thức của con ng
i, chẳng h n nh phán đoán,
nhận thức và hành động. Nghiên cứu hiện t ợng học nhằm mục đích (1) đánh giá và mô t
thực t i xư hội từ các quan điểm chủ quan khác nhau của những ng
i có liên quan, (2) tìm
hiểu ý nghĩa t ợng tr ng ("cấu trúc sâu") ẩn phía sau những kinh nghiệm chủ quan đó.
Hiện t ợng học đòi hỏi các nhà nghiên cứu ph i lo i bỏ bất kỳ gi định ban đầu và những
thành kiến cá nhân, c m thông với hoàn c nh của ng
i tham gia và nắm bắt đ ợc những
khía c nh đang thực sự tồn t i chi phối cuộc sống của họ. Nh vậy nhà nghiên cứu hoàn
toàn có thể hiểu đ ợc cơ chế thúc đẩy, kìm hưm suy nghĩ, c m giác và hành vi có ý thức
của khách thể nghiên cứu.
Hình 12.2. Ph ơng pháp nghiên cứu hiện t ợng học hiện sinh
Một số nhà nghiên cứu cho rằng hiện t ợng học là một triết lý chứ không ph i là một
ph ơng pháp nghiên cứu. Đáp l i bình luận này, Giorgi và Giorgi (2003)15 đư phát triển
một phương pháp nghiên cứu hiện tượng học hiện sinh giúp định h ớng cho các nghiên
cứu trong lĩnh vực hiện t ợng học. Nh đ ợc minh họa trong hình 12.2, ph ơng pháp này
có thể đ ợc chia thành hai nhóm giai đo n: thu thập dữ liệu và phân tích dữ liệu. Trong
giai đo n thu thập dữ liệu, những ng
i có liên quan tới hiện t ợng nghiên cứu đ ợc
phỏng vấn để nắm bắt kinh nghiệm và quan điểm chủ quan của họ về hiện t ợng. Ví dụ có
thể hỏi “B n có thể mô t một ngày thông th
15
ng của b n đ ợc không?” hoặc “B n có thể
Giorgi, A and Giorgi, B (2003) Phenomenology. In J A Smith (ed.) Qualitative Psychology: A Practical
Guide to Research Methods. London: Sage Publications.
165
mô t sự kiện đó chi tiết hơn?”. Nội dung cuộc phỏng vấn đ ợc ghi chép l i cho các phân
tích sau này.
Trong quá trình phân tích dữ liệu, các nhà nghiên cứu đọc văn b n chứa nội dung các
cuộc phỏng vấn (biên b n phỏng vấn - transcript) để (1) có đ ợc thông tin sơ bộ về hiện
t ợng nghiên cứu, và (2) thiết lập “các đầu mối quan trọng” có thể mô t một cách xác
thực những kinh nghiệm chủ quan của ng
i tham gia. Ví dụ về đầu mối quan trọng là các
khái niệm nh “c m nhận về không gian” và “c m nhận về th i gian”, sau đó những khái
niệm này đ ợc dùng để thẩm tra những tr i nghiệm tâm lý của ng
ng
i tham gia. Ví dụ, liệu
i tham gia c m thấy an toàn, tho i mái, vui vẻ, hay bức xúc khi tr i nghiệm một sự
kiện nào đó (“c m nhận về không gian”)? Khi tham gia vào sự kiện liệu họ có c m thấy
rằng họ bị áp lực, chậm ch p hoặc gián đo n ("c m nhận về th i gian")? Phân tích hiện
t ợng học cần xem xét bối c nh th i gian của ng
i tham gia (ví dụ c m giác của họ trong
quá khứ, hiện t i và t ơng lai), nhà nghiên cứu ph i đặt mình trong tình huống của ng
tham gia (tức là, t m th i sống cuộc sống của ng
ng
i tham gia đ ợc mô t d ới hình thức t
i
i tham gia). Kinh nghiệm sống của
ng thuật hoặc d ới d ng các chủ điểm quan
trọng xuất hiện sau quá trình phân tích. Sau đó các chủ điểm đ ợc khai thác sâu để xác
định các tầng nghĩa khác nhau từ thông tin của ng
i tham gia, đồng th i vẫn ph i giữ l i
đ ợc sự tinh tế và tính đa sắc thái của thông tin đó.
Tính xác th c vƠ giá tr khoa h c trong nghiên c u di n gi i
Nghiên cứu thực chứng sử dụng h ớng tiếp cận "gi n l ợc" (reductionist) thông qua
quá trình đơn gi n hoá các thực t i xư hội phức t p thành các lý thuyết ngắn gọn, trong khi
đó nghiên cứu diễn gi i l i nỗ lực gi i thích các thực t i xư hội thông qua quan điểm chủ
quan của những ng
i tham gia sau khi họ đư có những tr i nghiệm sâu sắc trong bối c nh
thực tế. Do vậy, việc gi i thích này sẽ bị ràng buộc chặt chẽ b i bối c nh nghiên cứu và vì
vậy chúng rất khó để có thể khái quát hóa trong những bối c nh khác. Đồng th i, do phân
tích diễn gi i mang ý chí chủ quan và phụ thuộc vào hiểu biết và kinh nghiệm của ng
nghiên cứu nên các nhà thực chứng (hay chức năng luận) th
i
ng chỉ trích phân tích diễn
gi i là thiếu khách quan, thiếu chặt chẽ.
B i vì nghiên cứu diễn gi i dựa trên các gi định b n thể luận và nhận thức luận về
hiện t ợng xư hội khác xa về b n chất so với nghiên cứu thực chứng, các đánh giá về tính
khách quan, chặt chẽ, giá trị khoa học
nghiên cứu thực chứng, chẳng h n nh độ tin cậy,
giá trị nhân qu và tính phổ quát, không áp dụng một cách t ơng tự nh với nghiên cứu
166
diễn gi i. Tuy nhiên, Lincoln và Guba (1985)16 đư đ a ra một bộ tiêu chuẩn thay thế có thể
đ ợc sử dụng để đánh giá giá trị khoa học của nghiên cứu diễn gi i.
Tính ổn định (dependability). Nghiên cứu diễn gi i có thể đ ợc xem nh là có tính
ổn định nếu hai nhà nghiên cứu đánh giá cùng một hiện t ợng, sử dụng cùng một hệ thống
luận chứng, một cách độc lập, họ đ a ra những kết luận t ơng tự; hoặc một nhà nghiên cứu
quan sát cùng một hiện t ợng hoặc một hiện t ợng t ơng tự
những th i điểm khác nhau,
nh ng mang đến những kết luận t ơng tự. Tiêu chí này t ơng tự nh độ tin cậy (reliability)
trong nghiên cứu thực chứng nếu nh hai nhà nghiên cứu độc lập đ a ra khái niệm t ơng
tự về độ tin cậy nội bộ (inter-rater reliability) hoặc nếu cùng một nhà nghiên cứu thực hiện
hai quan sát t ơng tự về một hiện t ợng và đ t đ ợc độ tin cậy liên tục (test-retest
reliability). Để đ m b o tính ổn định, các nhà nghiên cứu diễn gi i ph i cung cấp chi tiết,
đầy đủ về hiện t ợng quan tâm và bối c nh xã hội mà nó gắn bó, điều này cho phép độc
gi xác thực một cách độc lập những suy luận diễn gi i của nhà nghiên cứu.
Tín nhiệm (credibility). Nghiên cứu diễn gi i có thể đ ợc tín nhiệm nếu ng
i đọc
c m thấy tin vào các kết luận của nghiên cứu. Khái niệm về tín nhiệm này giống nh khái
niệm giá trị nhân quả (internal validity) trong nghiên cứu chức năng luận. Độ tín nhiệm
của nghiên cứu diễn gi i có thể đ ợc c i thiện bằng cách cung cấp bằng chứng về tham gia
sâu rộng của nhà nghiên cứu trong lĩnh vực đang nghiên cứu, bằng cách thể hiện kỹ năng
phối kết hợp các dữ liệu đa d ng từ nhiều nguồn với nhiều kỹ thuật thu thập và phân tích,
bằng cách thực thi việc qu n lý và phân tích dữ liệu tỉ mỉ, nh sao chép nguyên văn nội
dung cuộc phỏng vấn sang biên b n phỏng vấn, l u giữ cẩn thận, chính xác các địa chỉ liên
l c và các cuộc phỏng vấn, ghi chú rõ ràng các lựa chọn về lý thuyết và ph ơng pháp luận.
Tất c những công việc này cho phép một cuộc kiểm định độc lập về quá trình thu thập và
phân tích dữ liệu nếu cần thiết.
Xác thực (confirmability). Tính xác thực đề cập đến mức độ mà các kết qu báo cáo
trong nghiên cứu diễn gi i có thể đ ợc xác thực một cách độc lập b i những ng
(thông th
ng là những ng
i khác
i tham gia). Tiêu chí này t ơng tự nh khái niệm về tính
khách quan (objectivity) trong nghiên cứu chức năng luận. B i vì nghiên cứu diễn gi i bác
bỏ ý niệm về một thực thể khách quan, nên tính xác thực của nó đ ợc thể hiện
“liên chủ quan” (inter-subjectivity), ví dụ nếu những ng
16
i tham gia nghiên cứu đồng tình
Lincoln, Y. S., and Guba, E. G. (1985). Naturalistic Inquiry. Beverly Hills, CA: Sage Publications.
167
góc độ
với những kết luận của nhà nghiên cứu (dựa trên việc xem xét các báo cáo của đề tài
nghiên cứu), thì phát hiện trong nghiên cứu có thể đ ợc xem là xác thực.
Khái quát (transferability). Kh năng khái quát trong nghiên cứu diễn gi i đề cập đến
mức độ mà các kết qu có thể đ ợc khái quát hóa cho các đối t ợng khác. Tiêu chí này
t ơng tự nh giá trị mở rộng (external validity) trong các nghiên cứu chức năng luận. Nhà
nghiên cứu ph i cung cấp những mô t phong phú, chi tiết về bối c nh nghiên cứu ("mô t
sâu"), gi i thích thấu đáo, toàn diện về các ph m trù, gi thiết và lộ trình nghiên cứu để độc
gi có thể đánh giá một cách độc lập về kh năng và mức độ áp dụng các kết qu nghiên
cứu cho các đối t ợng khác hay một bối c nh khác.
168
Ch
ng 13
PHÂN TệCH Đ NH TệNH
Phân tích định tính là việc phân tích những dữ liệu định tính nh dữ liệu bằng văn
b n đ ợc sao chép l i từ những cuộc phỏng vấn (biên b n phỏng vấn). Không giống nh
phân tích định l ợng, đó là việc thống kê số liệu và phần lớn là độc lập với nhà nghiên cứu,
phân tích định tính phụ thuộc nhiều vào kỹ năng phân tích tổng hợp, kiến thức chuyên môn
và hiểu biết xư hội về khách thể nghiên cứu của cá nhân nhà nghiên cứu. Phân tích định
tính nhấn m nh nhiệm vụ “ý nghĩa hóa” hoặc “tri thức hóa” một hiện t ợng, chứ không
ph i là dự đoán hay gi i thích nó. T duy sáng t o, quyết tâm khám phá và tinh thần c i
m là chìa khóa mang đến những phân tích định tính có hàm l ợng khoa học cao. Ch ơng
này sẽ giới thiệu tổng quan về một số ph ơng pháp phân tích định tính. B n đọc quan tâm
đến nội dung này có thể tìm đọc những cuốn sách chuyên kh o ví dụ nh s n phẩm của
Miles và Huberman (1984).17
LỦ thuy t nền
Làm thế nào b n có thể phân tích một tập hợp dữ liệu định tính khổng lồ thu đ ợc
thông qua các quan sát tham dự, các cuộc phỏng vấn chuyên sâu, hội th o nhóm nhỏ,
những câu chuyện từ b n ghi âm, video hoặc các tài liệu thứ cấp? Một trong những kỹ
thuật để phân tích các dữ liệu văn b n này là lỦ thuy t nền(*) (grounded theory) - một kỹ
thuật quy n p giúp gi i nghĩa những dữ liệu đư l u giữ về một hiện t ợng xư hội để xây
dựng lý thuyết về hiện t ợng đó. Kỹ thuật này đ ợc Glaser và Strauss (1967)18 phát triển
khi giới thiệu phương pháp phân tích so sánh liên tiếp (method of constant comparative
analysis) trong nghiên cứu về thiết lập lý thuyết. Ph ơng pháp này tiếp tục đ ợc hoàn thiện
b i Strauss và Corbin (1990)19 khi họ đề xuất các kỹ thuật cụ thể về mã hóa (coding - một
quá trình phân lo i các nhóm dữ liệu văn b n thành các nhóm ngữ nghĩa (các khái niệm),
các ph m trù và các mối quan hệ. Trong quá trình nghiên cứu, lý thuyết sẽ đ ợc xây dựng
17
Miles M. B., Huberman A. M. (1984). Qualitative Data Analysis: A Sourcebook of New Methods.
Newbury Park, CA: Sage Publications.
(*)
Grounded theory có khi đ ợc dịch sang tiêng Việt là: lý thuyết tiềm ẩn; lý thuyết xây dựng trên nền tảng
dữ liệu (N.D).
18
Glaser, B. and Strauss, A. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research,
Chicago: Aldine.
19
Strauss, A. and Corbin, J. (1990). Basics of Qualitative Research: Grounded Theory Procedures and
Techniques, Beverly Hills, CA: Sage Publications.
169
dựa trên cơ s dữ liệu quan sát thực nghiệm, đó là lý do đặt tên cho kỹ thuật này là lý
thuyết nền (hay lý thuyết xây dựng trên nền t ng dữ liệu). Để đ m b o lý thuyết chỉ hình
thành dựa trên những thông tin đư quan sát, lý thuyết nền đòi hỏi các nhà nghiên cứu lo i
ph i bỏ tất c các phỏng đoán ban đầu hoặc những thiên vị cá nhân tr ớc khi bắt đầu phân
tích dữ liệu, hưy để cho dữ liệu quyết định việc hình thành lý thuyết.
Strauss và Corbin (1998) mô t ba kỹ thuật mã hoá để phân tích dữ liệu văn b n: mã
hoá m , mã hoá trục và mã hoá chọn lọc. Mã hoá mở (open coding) là một quá trình giúp
nhận diện các khái niệm hoặc các ý t
ng quan trọng ẩn bên trong dữ liệu văn b n mà
chúng có kh năng liên quan đến hiện t ợng đang nghiên cứu. Nhà nghiên cứu đọc các dữ
liệu sống theo từng dòng để phát hiện các sự kiện, tình tiết, ý t
ng, hành động, nhận thức
riêng lẻ r i r c và các mối t ơng tác có liên quan; chúng sẽ định hình thành các khái niệm
(vì thế đ ợc gọi là các mã hoá sống). Từng khái niệm đ ợc liên kết tới các phần cụ thể của
văn b n, gọi các đơn vị mã hoá (coding unit) phục vụ cho việc củng cố sau này.
Một số khái niệm có thể đ ợc hình thành một cách đơn gi n và rõ ràng, trong khi
những khái niệm khác có thể phức t p, mơ hồ và đ ợc nhìn nhận khác nhau b i những
ng
i tham gia khác nhau. Các đơn vị mã hoá có thay đổi với các khái niệm đ ợc trích
chép. Các khái niệm đơn gi n nh "quy mô tổ chức" có thể chỉ bao gồm một vài từ trong
văn b n, trong khi những khái phức t p nh "sứ mệnh của tổ chức" có thể kéo dài nhiều
trang. Khái niệm có thể đ ợc đặt tên bằng cách sử dụng quy ớc đặt tên của riêng nhà
nghiên cứu hoặc các dán nhưn đ ợc tiêu chuẩn hóa từ các nghiên cứu tr ớc. Khi một tập
hợp các khái niệm cơ b n đ ợc xác định, các khái niệm này sau đó có thể đ ợc sử dụng để
mã hoã phần còn l i của dữ liệu, trong khi đó vẫn không bỏ qua việc tìm kiếm những khái
niệm mới và tinh chỉnh các khái niệm đư hình thành. Trong khi định ngữ, việc xác định các
đặc điểm dễ nhận biết, đặc thù của từng khái niệm là điều hết sức quan trọng, chẳng h n
nh kích th ớc, màu sắc hoặc mức độ (ví dụ nh , cao hay thấp) của khái niệm đó, có nh
vậy sau này các khái niệm t ơng tự có thể đ ợc nhóm l i với nhau. Kỹ thuật mã hoá này
đ ợc gọi là "m " b i vì các nhà nghiên cứu m ra và tích cực tìm kiếm các khái niệm mới
có liên quan đến hiện t ợng quan tâm.
Tiếp theo, các khái niệm t ơng tự đ ợc nhóm l i thành mức cao hơn gọi là các phân
nhóm (category). Trong khi khái niệm sẽ đ ợc tìm thấy trong bối c nh cụ thể, phân nhóm
có xu h ớng m rộng và khái quát hơn và cuối cùng phát triển thành các phạm trù
(construct) trong kỹ thuật thiết lập lý thuyết. Để hình thành các phân nhóm, việc gi m số
l ợng các khái niệm là cần thiết. Muốn vậy các nhà nghiên cứu ph i xác định những vấn
170
đề cốt yếu về hiện t ợng đang nghiên cứu bằng cách phác họa một "bức tranh tổng thể"
nêu bật những vấn đề đó.
Phân nhóm có thể đ ợc hình thành qua nhiều giai đo n, ví dụ, đầu tiên kết hợp các
khái niệm thành các cụm và sau đó kết hợp các cụm thành các phân nhóm. Các ph m trù
đ ợc đề cập trong các nghiên cứu tr ớc đó có thể đ ợc sử dụng để đặt tên cho các phân
nhóm này, đặc biệt nếu mục tiêu của nghiên cứu là để m rộng lý thuyết hiện có. Tuy
nhiên, ph i rất thận trọng trong khi sử dụng các ph m trù tr ớc đó, b i vì chúng có thể đi
kèm với những quan niệm truyền thống và thành kiến phổ biến.
Đối với mỗi phân nhóm, cần phân biệt các đặc tr ng (characteristics or properties)
của phân nhóm với các khía c nh (dimensions) của phân nhóm đó. Khía c nh đề cập đến
giá trị của một đặc tr ng tồn t i trong th i gian dài và liên tục. Ví dụ, phân nhóm "ph ơng
tiện thông tin liên l c" có thể có một đặc tr ng là "tốc độ" và đặc tr ng “tốc độ” này có thể
có một số khía c nh nh nhanh, trung bình hay chậm. Việc phân lo i nh vậy giúp phân
biệt giữa các lo i hình khác nhau của các ph ơng tiện thông tin liên l c và cho phép nhà
nghiên cứu xác định các mô hình (patterns) trong dữ liệu, chẳng h n nh ph ơng tiện
truyền thông nào đ ợc sử dụng cho lo i nhiệm vụ nào.
Giai đo n thứ hai của thiết lập lý thuyết là mƣ hoá theo tr c (axial coding), trong đó
các phân nhóm và cụm đ ợc kết hợp t o thành các mối quan hệ nhân qu hoặc các gi
thuyết có thể gi i thích các hiện t ợng quan tâm. Mặc dù khác với mư hoá m , nh ng mã
hoá theo trục có thể thực hiện đồng th i với mư hoá m . Mối quan hệ giữa các phân nhóm
có thể nhìn thấy rõ từ trong dữ liệu hoặc cũng có thể ẩn và tinh tế. Trong tr
ng các mối
quan hệ là không rõ ràng, các nhà nghiên cứu có thể sử dụng l ợc đồ mư hoá (coding
scheme, th
ng đ ợc gọi là "mô thức mã hoá (coding paradigm)", nh ng khác với các mô
thức đ ợc th o luận trong Ch ơng 3) để xác định đâu là điều kiện (conditions - tình huống
chứa đựng hiện t ợng nghiên cứu), đâu là hành động/ tương tác (actions/ interactions - sự
ph n ứng, t ơng tác của các cá nhân đối với các sự kiện trong điều kiện đư xác định) và
đâu là kết quả (consequences - các kết qu của hành động). Khi các điều kiện, t ơng tác và
kết qu đ ợc xác định, các luận điểm lý thuyết bắt đầu xuất hiện và nhà nghiên cứu có thể
bắt đầu gi i thích lý do t i sao một hiện t ợng x y ra, trong những điều kiện nào, gây ra
những gì hậu qu gì.
Giai đo n thứ ba và cuối cùng của thiết lập lý thuyết là mã hoá chọn lọc (selective
coding) nhằm xác định một phân nhóm trung tâm (hay một biến cốt lõi) và sau đó liên kết
171
chúng một cách có hệ thống và logic với các phân nhóm khác. Phân nhóm trung tâm
(central category) có thể đ ợc phát triển từ việc kết hợp các phân nhóm hiện có. Dữ liệu
mới đ ợc cần đ ợc thu thập có chọn lọc để củng cố phân nhóm trung tâm và các mối quan
hệ của nó với các phân nhóm khác (đây có thể là một lý thuyết dự kiến).
Mã hoá chọn lọc giúp thu nhỏ ph m vi phân tích và đẩy nhanh quá trình phân tích.
Đồng th i, nhà nghiên cứu ph i chú ý tới sự xuất hiện của các ph m trù mới từ các dữ liệu
mới liên quan đến hiện t ợng quan tâm (liên quan đến mã hoá m ), điều này có thể giúp
phát triển hơn nữa lý thuyết dự kiến ban đầu. Do đó, mã hoá m , mư hoá theo trục và mã
hoá chọn lọc có thể đ ợc tiến hành đồng th i. Việc mã hoá các dữ liệu mới và phát triển lý
thuyết vẫn ph i tiếp tục cho đến khi đ t đến độ bão hòa lý thuyết (theoretical satuation),
nghĩa là, khi các dữ liệu bổ sung không mang l i bất kỳ sự thay đổi đáng kể nào trong các
phân nhóm trung tâm và mối quan hệ của chúng.
Quá trình "so sánh liên tục" đề cập đến việc sắp xếp l i, tập hợp và sàng lọc liên tiếp
các phân nhóm, mối quan hệ và các gi thuyết. Quá trình này dựa vào mức độ hiểu biết
ngày một sâu sắc và mối quan hệ t ơng hỗ của bốn hành vi: (1) so sánh các tình tiết / văn
b n liên quan tới mỗi ph m trù (để củng cố ph m trù đó), (2) hợp nhất các ph m trù và các
thuộc tính của chúng, (3) khoanh vùng, chọn lọc lý thuyết (tập trung vào các khái niệm cốt
lõi và bỏ qua khái niệm ít liên quan hơn), và (4) hình thành lý thuyết (bằng cách sử dụng
các kỹ thuật nh bình luận, t
ng thuật và đồ thị hóa đ ợc th o luận trong ch ơng kế tiếp).
Việc có một phân nhóm trung tâm không có nghĩa là tất c các phân nhóm khác có
thể đ ợc liên kết dễ dàng xung quanh phân nhóm này. Để xác định đâu là điều kiện, t ơng
tác hay kết qu của phân nhóm trung tâm, Strauss và Corbin (1990) khuyến nghị sử dụng
một số kỹ thuật tích hợp nh t
ng thuật, bình luận và đồ thị hóa. Trong kỹ thuật tường
thuật (storylining), các phân nhóm và các mối quan hệ đ ợc sử dụng để gi i thích và điều
chỉnh một t
ng thuật về hiện t ợng quan sát. Bình luận là các bài viết lý thuyết có chứa
các khái niệm cơ b n cũng nh các mối quan hệ đ ợc xác định trong quá trình phân tích lý
thuyết nền, nó là công cụ quan trọng để phát hiện và điều chỉnh các ý t
ng trong quá trình
phân tích. Kỹ thuật bình luận (memoing) trong thiết lập lý thuyết đ ợc sử dụng để khám
phá mô hình các mối quan hệ giữa các phân nhóm nh sử dụng từng cặp b ng, cặp sơ đồ,
cặp con số, hay các hiển thị minh họa khác. Kỹ thuật sơ đồ hóa khái niệm (concept
mapping) là việc diễn đ t bằng sơ đồ các khái niệm và các mối quan hệ giữa chúng (ví dụ,
sử dụng các hộp và các mũi tên). Các khái niệm cơ b n th
172
ng đ ợc bố trí trên một hoặc
nhiều t giấy, b ng đen hoặc sử dụng ch ơng trình phần mềm đồ họa, liên kết với nhau
bằng các mũi tên, đ ợc điều chỉnh sao cho phù hợp nhất với dữ liệu đư thu thập.
Phơn tích n i dung
Phân tích nội dung (content analysis) là phân tích có hệ thống các nội dung trong văn
b n (ví dụ, ng
i đó nói gì, cho ai, t i sao, đến mức độ nào và nh h
h ớng định l ợng hoặc định tính. Phân tích nội dung th
ng của nó) theo
ng đ ợc thực hiện nh sau. Đầu
tiên, cần tìm kiếm các b n văn để phân tích (ví dụ nh những câu chuyện trên báo, báo
cáo, bài viết trên blog, nhận định trực tuyến, v.v…), nhà nghiên cứu bắt đầu bằng việc
chọn một mẫu gồm tập hợp các văn b n có chọn lọc. Đây này không ph i là quá trình chọn
ngẫu nhiên mà nhà nghiên cứu ph i lựa chọn một cách có chọn lọc các văn b n có nội
dung phù hợp.
Thứ hai, nhà nghiên cứu xác định và áp dụng các quy tắc để phân chia văn b n thành
các m ng hoặc các "khối", chúng có thể đ ợc coi nh các đơn vị phân tích riêng biệt. Quá
trình này đ ợc gọi là giai đo n hình thành (unitizing) đơn vị phân tích. Ví dụ, từ các văn
b n có thể t o thành các nhóm nh nhóm gi định, nhóm hậu qu , nhóm tác động và nhóm
rào c n. Thứ ba, nhà nghiên cứu xây dựng và áp dụng một hoặc nhiều khái niệm từ mỗi
đo n văn b n đư phân nhóm theo một quá trình gọi là mã hoá. Để mã hoá, nhà nghiên cứu
sử dụng một l ợc đồ mư hoá đ ợc thiết kế dựa trên các chủ điểm đang tìm kiếm. Cuối
cùng, các dữ liệu đư mã hoá đ ợc phân tích, th
nhằm xác định chủ điểm nào th
ng theo c h ớng định tính và định l ợng,
ng xuất hiện nhất, trong điều kiện nào và chúng liên kết
với nhau nh thế nào.
Một hình thức đơn gi n của phân tích nội dung là phân tích cảm tính (sentiment
analysis) - kỹ năng này đ ợc sử dụng để nắm bắt quan điểm hoặc thái độ của ng
đối với một đối t ợng, một ng
i dân
i hoặc hiện t ợng. Đọc tin nhắn trực tuyến về một ứng cử
viên chính trị đ ợc đăng trên một diễn đàn và phân lo i mỗi tin nhắn là tích cực, tiêu cực
hoặc trung lập là một ví dụ về phân tích này. Trong tr
ng hợp này, mỗi tin nhắn đ i diện
cho một đơn vị phân tích. Phân tích nh vậy sẽ giúp nhận định liệu các cử tri tỏ thái độ tích
cực, tiêu cực hay trung lập đối với ứng cử viên đó. Những phân tích nh thế này có thể
đ ợc thực hiện một cách thủ công bằng tay. Tuy nhiên, đối với những nguồn dữ liệu rất
lớn (hàng triệu hồ sơ văn b n) và nguồn biến động theo th i gian, các ch ơng trình phần
mềm xử lý ngôn ngữ và phân tích văn b n có thể đ ợc sử dụng để tự động hóa quá trình
mã hoá và l u giữ hồ sơ.
173
Yếu điểm bị chỉ trích th
ng xuyên trong phân tích nội dung đó là nó thiếu một quy
trình có hệ thống giúp phân tích này có thể đ ợc áp dụng rộng rãi. Schilling (2006)20 khắc
phục chỉ trích này bằng cách tổ chức các b ớc phân tích nội dung thành một mô hình xoắn
ốc. Mô hình này bao gồm năm giai đo n: (1) chuyển đổi các băng ghi âm thành dữ liệu văn
b n thô, (2) chuyển đổi dữ liệu thô thành b n th o cô đọng, (3) chuyển đổi b n th o cô đọng
thành các phân nhóm sơ bộ, (4) sử dụng các phân nhóm sơ bộ để t o ra các giao thức mã
hoá, và (5) phân tích các giao thức mã hoá để đ a ra các gi i thích về hiện t ợng quan tâm.
Phân tích nội dung có một vài h n chế. Đầu tiên, quá trình mã hoá bị giới h n chỉ
trong những thông tin có sẵn
d ng văn b n. Ví dụ, nếu một nhà nghiên cứu quan tâm đến
việc nghiên cứu quan điểm của ng
i dân về án tử hình, nh ng không có hồ sơ l u trữ các
tài liệu văn b n có sẵn, vậy thì phân tích không thể đ ợc thực hiện. Thứ hai chọn mẫu ph i
đ ợc thực hiện một cách cẩn thận để tránh thiên vị. Ví dụ, nếu khách thể nghiên cứu của
b n là tài liệu nghiên cứu đư công bố về một chủ đề nhất định, thì b n đư bỏ qua toàn bộ hệ
thống những nghiên cứu không công bố hoặc đề tài gần đây ch a đ ợc công bố.
Phân tích thông di n
Phân tích thông diễn (hermeneutic analysis) là một lo i đặc biệt của phân tích nội
dung, trong đó nhà nghiên cứu cố gắng "diễn đ t" ý nghĩa chủ quan của một văn b n trong
bối c nh xư hội lịch sử của nó. Không giống nh các kỹ thuật thiết lập lý thuyết hoặc hay
phân tích nội dung chúng bỏ qua bối c nh và ý nghĩa của các tài liệu văn b n trong quá
trình định ngữ, phân tích thông diễn là một kỹ thuật đậm chất diễn gi i khi phân tích dữ
liệu định tính. Ph ơng pháp này gi định rằng các văn b n thuật l i tr i nghiệm của tác gi
trong một bối c nh lịch sử - xư hội nhất định nên đ ợc diễn gi i trong bối c nh đó. Vì vậy,
nhà nghiên cứu cần liên tục đ a ra và liên kết những gi i thích riêng lẻ từ tài liệu văn b n
(một phần) và sự hiểu biết toàn diện về bối c nh (toàn bộ) để phát triển những hiểu biết
đầy đủ hơn về hiện t ợng trong bối c nh của nó. Quá trình này đ ợc triết gia ng
i Đức
Martin Heidegger gọi là chu kỳ thông diễn. Thuật ngữ thông diễn ( số ít) đề cập đến một
ph ơng pháp hay một h ớng gi i thích cụ thể nào đó.
Nói một cách tổng quát hơn, thông diễn học là nghiên cứu về suy diễn, lý thuyết và
thực hành suy diễn. Xuất phát từ những nghiên cứu tôn giáo và ngôn ngữ học, thông diễn
học truyền thống, chẳng h n thông diễn học kinh thánh, đề cập đến việc gi i thích các văn
Schilling, J. (2006). “On the Pragmatics of Qualitative Assessment: Designing the Process for Content
Analysis,” European Journal of Psychological Assessment (22:1), 28-37.
20
174
b n, đặc biệt là trong các lĩnh vực tôn giáo, văn học và pháp luật (nh Kinh Thánh). Trong
thế kỷ XX, Heidegger cho rằng, ph ơng pháp trực tiếp hơn, không qua trung gian và xác
thực hơn để chiếm lĩnh tri thức về thực t i xư hội là hãy tr i nghiệm nó, chứ không ph i chỉ
đơn gi n là quan sát nó. Vì vậy, ông đề xuất thông diễn học triết lý chuyển trọng tâm từ sự
gi i thích sang tri thức hiện sinh. Heidegger cho rằng văn b n là ph ơng tiện mà nh đó
ng
i đọc không chỉ đọc về tr i nghiệm của tác gi , mà còn hồi t
ng l i những tr i
nghiệm đó. Thông diễn học đ ơng đ i, đ ợc phát triển b i các học trò của Heidegger nh
Hans-Georg Gadamer, nghiên cứu sâu hơn những h n chế của văn b n viết trong diễn đ t
tr i nghiệm xư hội, đư đi đến đề xuất một nền t ng cho tiến trình diễn gi i, bao gồm tất c
các hình thức giao tiếp nh văn b n, l i nói và không bằng l i nói. Họ cũng đư tìm ra
những vấn đề làm h n chế kh năng giao tiếp của văn b n viết, chẳng h n nh những gi
định, các cấu trúc ngôn ngữ (ví dụ nh ngữ pháp, cú pháp,…) và ngữ nghĩa học (nghiên
cứu các dấu hiệu trong văn b n nh biểu t ợng hóa, phép lo i suy, lối ẩn dụ và ngôn ngữ
châm biếm). Dù không hoàn toàn chính xác, nh ng thuật ngữ thông diễn học đôi khi đ ợc
sử dụng thay thế cho giải thích học (exegesis), trong đó đề cập đến những luận gi i hoặc
những gi i thích phê phán về các văn b n viết đặc biệt là các văn b n tôn giáo.
K t lu n
Cuối cùng, các ch ơng trình phần mềm tiêu chuẩn, nh ATLAS.ti.5, NVivo và QDA
Miner, có thể đ ợc sử dụng để tự động hóa quá trình mã hoá trong các ph ơng pháp phân
tích định tính. Các ch ơng trình này có thể tổ chức, tìm kiếm, sắp xếp và xử lý một cách
nhanh chóng và hiệu qu những khối l ợng lớn dữ liệu văn b n với các quy tắc lập trình do
ng
i dùng thiết lập. Để định h ớng cho những phân tích tự động nh vậy cần t o ra một
l ợc đồ mã hoá, quy định cụ thể cho các từ khóa hoặc ngữ nghĩa để tìm kiếm trong văn
b n, dựa trên việc kiểm tra thủ công ban đầu một mẫu dữ liệu văn b n. L ợc đồ này có thể
đ ợc tổ bố trí theo cấp độ khái quát tăng dần của các khái niệm. Các l ợc đồ mư hoá nên
đ ợc củng cố bằng cách sử dụng một mẫu văn b n khác để kiểm định tính chính xác và
đầy đủ. Nếu các l ợc đồ mư hoá là thiên vị hoặc không chính xác thì kết qu phân tích của
toàn bộ khách thể nghiên cứu có thể thiếu sót và không thể diễn gi i đ ợc. Tuy nhiên, các
ch ơng trình phần mềm không thể phát hiện đ ợc tính biểu c m của một số từ hoặc cụm từ
và cũng không thể phát hiện ra ý nghĩa của bối c nh mà văn b n đ ợc sử dụng (chẳng h n
nh những cụm từ trong ngôn ngữ châm biếm hoặc lối ẩn dụ). Do vậy, các phần mềm có
thể dẫn đến những suy diễn hoặc gi i thích không trọn nghĩa, thậm chí sai lệch, nhất là
trong phân tích định tính quy mô lớn.
175
Ch
ng 14
PHÂN TệCH Đ NH L
NG: TH NG Kể MỌ T
Dữ liệu số đ ợc thu thập trong một dự án nghiên cứu có thể đ ợc phân tích định
l ợng bằng cách sử dụng các công cụ thống kê theo hai cách khác nhau. Phơn tích mô t
(descriptive analysis) là quá trình sử dụng các kỹ năng thống kê để mô t , tổng hợp và trình
bày các ph m trù và sự liên kết giữa chúng. Phân tích suy lu n (inferential analysis) liên
quan đến việc thử nghiệm các gi thuyết thống kê (kiểm nghiệm lý thuyết). Trong ch ơng
này, chúng ta sẽ tìm hiểu các kỹ thuật thống kê đ ợc sử dụng trong phân tích mô t và
ch ơng tiếp theo sẽ đề cập đến phân tích suy luận. Nhiều phân tích dữ liệu định l ợng hiện
nay đ ợc thực hiện bằng cách sử dụng các ch ơng trình phần mềm nh SPSS (Statistical
Product and Service Solutions)(*) hoặc SAS (Statistical Analysis System)(**). Độc gi nên
làm quen với một trong những phần mềm đó để có thể hiểu đ ợc các khái niệm trong
ch ơng này.
Chu n b d li u
Trong các dự án nghiên cứu, dữ liệu có thể đ ợc thu thập từ nhiều nguồn khác nhau:
các cuộc kh o sát qua th , phỏng vấn, dữ liệu tiền và hậu thử nghiệm, dữ liệu quan sát,…
Các dữ liệu này ph i đ ợc chuyển đổi thành định d ng số để máy tính có thể đọc đ ợc,
chẳng h n nh trong một b ng tính hoặc một tập tin văn b n, để từ đó chúng có thể đ ợc
phân tích bằng ch ơng trình máy tính nh SPSS hoặc SAS. Chuẩn bị dữ liệu th
ng theo
các b ớc sau.
Mƣ hóa d li u (data coding). Mư hóa là quá trình chuyển đổi dữ liệu sang định
d ng số. B ng mư hóa đ ợc t o ra để h ớng dẫn quá trình mư hóa. Bảng mã hóa
(codebook) là một tài liệu tổng hợp mô t chi tiết từng biến số trong một nghiên cứu, các
chỉ số hoặc các th ớc đo cho biến số, định d ng của từng mục (d ng số, văn b n, v.v..),
thang tr l i cho mỗi chỉ số (tức là, nó đ ợc đo bằng thang định danh, thang thứ tự, thang
kho ng hay thang tỷ lệ; thang đó là năm điểm, b y điểm hay là thang khác) và cách thức
mư hóa mỗi giá trị chỉ số theo một định d ng số. Ví dụ, nếu chúng ta đo l
ng một chỉ số
Phần mềm SPSS là viết tắt của tên ban đầu Statistical Package for the Social Sciences. Tên gọi phiên b n
2015 là IBM SPSS Statistics (xem thêm t i địa chỉ: http://www-01.ibm.com/software/analytics/spss/).
(**)
Phần mềm SAS là một hệ thống tích hợp các s n phẩm phần mềm của SAS Institute Inc. phát triển (xem
thêm t i địa chỉ: http://www.sas.com/en_us/home.html).
(*)
176
theo thang Likert điểm 7 với các mấu xếp từ “hoàn toàn không đồng ý” đến “hoàn toàn
đồng ý”, chúng ta có thể mư hóa chỉ số đó là: 1 = hoàn toàn không đồng ý, 4 = trung lập và
7 = hoàn toàn đồng ý và các mấu giá trị trung gian
nh các ngành công nghiệp có thể đ ợc mư hóa
giữa. Dữ liệu định danh chẳng h n
d ng số bằng cách sử dụng một ch ơng
trình mư hóa, chẳng h n nh : 1 = s n xuất, 2 = bán lẻ, 3 = tài chính, 4 = chăm sóc sức
khỏe,… (tất nhiên, dữ liệu định danh không thể phân tích thống kê đ ợc). Thang tỷ lệ nh
tuổi tác, thu nhập hoặc điểm thi có thể đ ợc mư hóa giống nh thông tin của ng
i tr l i
đư cung cấp.
Đôi khi, dữ liệu cần đ ợc tập hợp thành các d ng khác với d ng ban đầu khi thu thập
dữ liệu. Ví dụ, để đo l
ng một ph m trù nh "lợi ích của máy tính", ng
i tr l i đ ợc
cung cấp một danh sách bao gồm các lợi ích mà họ có thể lựa chọn (tức là, họ có thể lựa
chọn không giới h n trong số những lợi ích đó theo nh họ muốn), sau đó tổng số các mục
đ ợc chọn có thể đ ợc sử dụng nh một th ớc đo tổng hợp của các lợi ích. L u ý rằng
nhiều hình thức khác của dữ liệu, chẳng h n nh biên b n phỏng vấn, không thể chuyển
đổi thành định d ng số để phân tích thống kê. Công việc mư hóa là đặc biệt quan trọng đối
với các nghiên cứu rộng, phức t p bao gồm nhiều biến và nhiêu chỉ số đo l
trình mư hóa có thể đ ợc thực hiện b i nhiều ng
ng,
đó quá
i khác nhau. Lúc này nhóm làm việc cần
ph i mư hóa, hiểu và gi i thích dữ liệu một cách thống nhất.
Nh p d li u (data entry). Dữ liệu mư hoá có thể đ ợc nhập vào một b ng tính, cơ
s dữ liệu, tập tin văn b n hoặc trực tiếp vào ch ơng trình thống kê nh phần mềm SPSS.
Hầu hết các ch ơng trình thống kê cung cấp một ch ơng trình so n th o để nhập dữ liệu.
Tuy nhiên, các ch ơng trình này l u trữ dữ liệu
định d ng gốc của nó (ví dụ, SPSS l u
trữ dữ liệu bằng các tập tin d ng .sav), điều này gây khó khăn cho việc chia sẻ dữ liệu với
các ch ơng trình thống kê khác. Do đó, tốt hơn là nên nhập dữ liệu vào một b ng tính hoặc
cơ s dữ liệu, nơi chúng có thể đ ợc sắp xếp l i khi cần thiết hoặc khi muốn chia sẻ giữa
các ch ơng trình phần mềm và nh vậy các tập con của dữ liệu có thể đ ợc trích xuất để
phân tích.
Bộ dữ liệu nhỏ với ít hơn 65.000 quan sát và 256 chỉ số có thể đ ợc l u trữ trong
một b ng tính nh Microsoft Excel, trong khi tập dữ liệu lớn hơn với hàng triệu quan sát sẽ
đòi hỏi một cơ s dữ liệu. Mỗi quan sát có thể đ ợc nhập vào một hàng trong b ng tính và
từng chỉ số đo l
ng có thể đ ợc biểu diễn nh là một cột. Ph i th
ng xuyên kiểm tra độ
chính xác của dữ liệu nhập vào bằng cách kiểm tra ngẫu nhiên các cặp chỉ số và quan sát
trong và sau khi nhập. Thêm vào đó, trong khi nhập dữ liệu, ng
AB., PVP., CNA.
177
i nhập nên c nh giác khi
xuât hiện một bằng chứng rõ ràng về dữ liệu xấu, chẳng h n nh ng
i tr l i lựa chọn
"hoàn toàn đồng ý" trong tất c các mục không phân biệt nội dung, kể c những mục mã
hóa ng ợc. Nếu vậy, các dữ liệu đó có thể vẫn đ ợc nhập nh ng ph i lo i trừ chúng khỏi
phân tích tiếp theo.
D li u khuy t (missing value). Dữ liệu bị thiếu là một phần không thể tránh khỏi
của bất kỳ gói dữ liệu thực nghiệm nào. Ng
i đ ợc hỏi không thể tr l i các câu hỏi quá
khó hoặc chúng đ ợc diễn đ t mơ hồ hay quá nh y c m. Vấn đề đó ph i đ ợc phát hiện
tr ớc qua quá trình thử nghiệm và điều chỉnh tr ớc khi chính thức bắt đầu thu thập dữ liệu.
Trong quá trình nhập dữ liệu, một số ch ơng trình thống kê sẽ tự động mặc định các mục
trống nghĩa là giá trị thiếu, trong khi đó, những phần mềm khác đòi hỏi một giá trị cụ thể
chẳng h n là -1 hoặc 999 ph i đ ợc nhập vào để biểu thị cho một giá trị bị thiếu.
Trong quá trình phân tích dữ liệu, chế độ mặc định xử lý các giá trị bị thiếu trong hầu
hết các ch ơng trình phần mềm chỉ đơn gi n là đ a toàn bộ các quan sát có chứa từ giá trị
thiếu vào trong một danh sách xóa thông minh (listwise deletion). Cách xóa này có thể thu
nhỏ đáng kể kích th ớc mẫu và làm cho nó cực kỳ khó khăn để phát hiện các hiệu ứng
nhỏ. Do đó, một số ch ơng trình phần mềm đ a ra những lựa chọn thay thế cho các giá trị
bị thiếu bằng các giá trị ớc tính thông qua một quá trình đ ợc gọi là quy đổi (imputation).
Ví dụ, nếu giá trị bị thiếu là một mục (một chỉ số) trong một quy mô đa mục, giá trị quy
đổi cho giá trị bị thiếu này có thể là mức trung bình trong số các câu tr l i hiện có của
ng
i đ ợc hỏi. Nếu giá trị thiếu thuộc về một quy mô đơn mục, nhiều nhà nghiên cứu sử
dụng trung bình của các câu tr l i khác đến mục đó nh là giá trị quy đổi. Kho n tính nh
vậy có thể bị sai lệch nếu giá trị còn thiếu có tính chất hệ thống hơn là ngẫu nhiên. Hai
ph ơng pháp có thể đ a ra những ớc tính quy đổi t ơng đối không thiên vị là kỹ thuật tối
u (maximum likelihood procedures) và ph ơng pháp đa quy đổi (multiple imputation
methods). C hai kỹ thuật này đều đ ợc hỗ trợ trong các ch ơng trình phần mềm phổ biến
nh SPSS và SAS.
Chuy n đổi d li u (data transformation). Đôi khi, biến đổi giá trị dữ liệu (làm s ch
dữ liệu) tr ớc khi gi i thích ý nghĩa của chúng là một công việc cần thiết. Ví dụ, các chỉ số
đ ợc mư hóa ng ợc (chúng mang nội dung trái ng ợc với ph m trù t ơng ứng) nên đ ợc
đ o ng ợc tr ớc khi chúng đ ợc so sánh kết hợp với các chỉ số không bị mư hóa ng ợc.
Các lo i chuyển đổi dữ liệu khác có thể bao gồm việc t o ra các thang đánh giá bằng cách
thêm các chỉ số cá nhân, t o ra một chỉ số tổng từ một tập hợp các dữ liệu đư thu thập và
178
gói gọn nhiều giá trị thành các phân nhóm nhỏ hơn (ví dụ, nhóm các mức thu nhập thành
một kho ng thu nhập).
Phơn tích đ n bi n
Phân tích đơn biến (Univariate analysis) hoặc phân tích duy nhất một biến, gồm tập
hợp các kỹ thuật thống kê có thể mô t các thuộc tính chung của một biến. Số liệu thống kê
đơn biến bao gồm: (1) phân phối tần số (frequency distribution), (2) xu h ớng trung tâm
(central tendency), và (3) phân tán (dispersion). Phân phối t n số của một biến là tổng hợp
mức độ th
ng xuyên (hoặc tỷ lệ phần trăm) của các giá trị cá biệt hoặc vùng giá trị của
biến đó. Ví dụ, chúng ta có thể đo l
ng có bao nhiêu lần ng
i đ ợc phỏng vấn trong
mẫu tham dự các nghi lễ tôn giáo (nh là một th ớc đo mức độ tín ng ỡng của họ) thông
qua thang phân lo i: không bao gi , mỗi năm một lần, vài lần mỗi năm, kho ng mỗi tháng
một lần, vài lần một tháng, vài lần mỗi tuần và một mục tùy chọn “không tr l i”. Nếu
chúng ta đếm số l ợng (hoặc tỷ lệ phần trăm) quan sát (câu tr l i) trong mỗi lo i (ngo i
trừ “không tr l i” - đ ợc coi là một giá trị thiếu chứ không ph i là một mục cụ thể) và
minh họa chúng trong một b ng (Hình 14.1), thì những gì chúng ta có chính là một phân
phối tần số. Phân phối này cũng có thể đ ợc mô t d ới hình thức là một biểu đồ cột, nh
trên b ng bên ph i của hình 14.1 với trục ngang đ i diện cho từng lo i của biến và trục
đứng đ i diện cho tần số hoặc tỷ lệ phần trăm quan sát trong mỗi lo i.
Hình 14.1. Phân phối tần số của biến “tín ng ỡng tôn giáo”
Đối với mẫu rất lớn có các quan sát độc lập và ngẫu nhiên, sự phân phối tần số có xu
h ớng đi theo đồ thị giống nh một đ
ng cong hình cái chuông (một thanh biểu đồ uyển
chuyển về sự phân phối tần số) t ơng tự nh thể hiện trong Hình 14.2 -
đó hầu hết các
quan sát đ ợc nhóm về phía trung tâm của vùng giá trị và các quan sát càng ít đi
179
các đầu
cực của vùng giá trị đó. Một đ
ng cong nh vậy đ ợc gọi là một phân phối chuẩn
(normal distribution).
Xu h
ng trung tâm (Central tendency) là một ớc tính về trung tâm khi phân phối
các giá trị. Có ba ớc tính chủ yếu của xu h ớng trung tâm: trung bình số học (arithmetic
mean), trung vị (median) và yếu vị (mode). Trung bình số học (th
ng gọi đơn gi n là
“trung bình”) là trung bình cộng của tất c các giá trị trong một phân phối. Hãy xem xét
một bộ tám giá trị: 15, 22, 21, 18, 36, 15, 25, 15. Trung bình cộng của các giá trị là (15 +
20 + 21 + 20 + 36 + 15 + 25 + 15) / 8 = 20,875. Các lo i khác của giá trị trung bình bao
gồm trung bình nhân (geometric mean - số thứ tự n của s n phẩm thứ n trong một phân
phối) và số trung bình điều hòa (harmonic mean - nghịch đ o của trung bình số học có
nghĩa là đối ứng của mỗi giá trị trong một phân phối), nh ng các giá trị trung bình này
không thực sự phổ biến cho các thống kê phân tích đối với dữ liệu nghiên cứu xã hội.
ớc tính thứ hai của xu h ớng trung tâm - trung vị - là giá trị
giữa vùng giá trị của
phân phối. Nó đ ợc tính bằng cách phân lo i tất c các giá trị trong một phân phối theo thứ
tự tăng dần và chọn giá trị
giữa. Trong tr
ng hợp có hai giá trị
giữa (nếu có một số
chẵn của các giá trị trong phân phối), mức trung bình của hai giá trị giữa chính là trung vị.
Trong ví dụ trên, các giá trị đ ợc sắp xếp là: 15, 15, 15, 18, 22, 21, 25, 36. Hai giá trị giữa
18 và 22, do đó trung vị là (18 + 22) / 2 = 20.
Cuối cùng, yếu vị là giá trị th
Trong ví dụ tr ớc, giá trị th
ng xuyên xuất hiện nhất trong phân phối các giá trị.
ng xuyên x y ra nhất là 15, nó là yếu vị của bộ điểm số trên.
L u ý rằng bất kỳ giá trị nào đ ợc ớc tính từ một mẫu, nh là giá trị trung bình, trung vị,
yếu vị hoặc bất kỳ ớc tính sau này đều đ ợc gọi là một số liệu thống kê (statistic - gọi tắt
là một thống kê).
S phơn tán (dispersion) đề cập đến mức độ các giá trị định vị quanh xu h ớng
trung tâm, ví dụ, các giá trị đứng rất sát nhau hay xa nhau xung quanh giá trị trung bình.
Hai cách thức đo phổ biến của sự phân tán là ph m vi (kho ng biến thiên) và độ lệch
chuẩn. Phạm vi (range) là sự khác biệt (hiệu số) giữa các giá trị cao nhất và thấp nhất trong
một phân phối. Ph m vi trong ví dụ tr ớc là 36-15 = 21. Ph m vi th
ng đặc biệt nh y
c m với sự hiện diện của giá trị bên ngoài. Ví dụ, nếu giá trị cao nhất trong phân phối trên
85 và các giá trị khác vẫn giữ nguyên, ph m vi là 85-15 = 70. Độ lệch chu n (standard
deviation) là th ớc đo thứ hai của sự phân tán giúp khắc phục các giá trị bên ngoài bằng
cách sử dụng một công thức tính toán mức độ gần hoặc xa của mỗi giá trị từ giá trị trung
180
bình của phân phối:
Trong đó σ là độ lệch chuẩn, xi là quan sát (hoặc giá trị) thứ i, μ là trung bình số học,
n là số l ợng quan sát và Σ tổng số tất c các quan sát. Bình ph ơng của độ lệch chuẩn
đ ợc gọi là ph
phân phối bình th
ng sai (variance) của một phân phối. Một phân phối tần số nếu đ ợc
ng, sẽ chứng kiến 68% của các quan sát nằm trong độ lệch chuẩn trung
bình (μ +/- 1σ), 95% của các quan sát nằm trong vòng hai lần độ lệch chuẩn (μ +/- 2σ) và
99,7 % của các quan sát nằm trong vòng ba lần độ lệch chuẩn (μ +/- 3σ), nh t i Hình 14.2.
Phơn tích l
ng bi n
Phân tích l ỡng biến (bivariate analysis) là việc xem xét xem hai biến có liên quan
đến nhau nh thế nào. Thống kê l ỡng biến phổ biến nhất là phân tích t ơng quan l ỡng
biến bivariate correlation (th
ng gọi đơn gi n là "t ơng quan"), đó là một số
giữa -1
và +1 biểu thị sức m nh của mối quan hệ giữa hai biến. Chẳng h n chúng ta muốn nghiên
cứu xem sự liên quan giữa tuổi tác và sự tự tin của một mẫu có 20 ng
i, có nghĩa là,
chúng ta muốn biết khi tuổi càng cao, thì sự tự tin sẽ tăng, gi m hay là không thay đổi. Nếu
sự tự tin tăng lên, thì chúng ta có một mối t ơng quan tích cực (t ơng quan d ơng) giữa
hai biến, nếu sự tự tin gi m đi, chúng ta có một mối t ơng quan tiêu cực (t ơng quan âm)
và nếu nó vẫn giữ nguyên, chúng ta không có mối t ơng quan nào. Để tính toán giá trị của
mối t ơng quan này, hãy xem xét các số liệu gi thuyết đ ợc thể hiện trong B ng 14.1.
Hình 14.2. Phân phối chuẩn
181
B ng 14.1. Dữ liệu gi thuyết giữa độ tuổi và sự tự tin
Hai biến trong dữ liệu này là tuổi (x) và sự tự tin (y). Tuổi là một biến trong thang tỷ
lệ, trong khi đó sự tự tinlà điểm số trung bình đ ợc đo b i thang đa mục Likert 7 điểm,
ch y từ điểm “hoàn toàn không đồng ý” đến điểm “hoàn toàn đồng ý). Biểu đồ của mỗi
biến đ ợc hiển thị
phía bên trái của hình 14.3. Công thức tính toán mối t ơng quan 2
biến là:
Trong đó rxy là mối t ơng quan, x và y là giá trị trung bình của biến tuổi và biến sự
tự tin, sx và sy là độ lệch chuẩn của x và y. Giá trị t ơng quan giữa hai biến tuổi và sự tự tin
đ ợc tính bằng công thức đ ợc minh họa trong B ng 14.1 và bằng 0,79. Giá trị này cho
thấy độ tuổi có một mối t ơng quan tích cực, m nh với sự tự tin, nghĩa là sự tự tin có xu
h ớng tăng khi tuổi tác ngày càng tăng và gi m đi khi tuổi càng ít. Điều này cũng có thể
đ ợc nhìn thấy khi trực quan so sánh độ tuổi và sự tự tin trong biểu đồ Hình 14,3,
đó ta
có thể thấy rằng những cao điểm của hai biểu đồ xuất hiện khá đều đặn cùng nhau. L u ý
rằng các trục thẳng đứng trong Hình 14.3 đ i diện cho các giá trị quan sát thực tế và không
ph i là tần số quan sát (nh trong Hình 14.1). Do đó, đây không ph i là phân phối tần số
mà là biểu đồ tần số.
182
Biểu đồ phân tán l ỡng biến trong b ng bên ph i của Hình 14.4 về b n chất là một
biểu đồ của sự tự tin trên trục thẳng đứng so với độ tuổi trên trục ngang. Biều đồ này gần
giống nh một đ
ng lên dốc (độ dốc tích cực), đó cũng là dấu hiệu của một mối t ơng
quan tích cực. Nếu hai biến có t ơng quan âm (tiêu cực), biểu đồ phân tán sẽ dốc xuống
(độ dốc tiêu cực), ngụ ý rằng sự gia tăng tuổi tác sẽ làm suy gi m sự tự tin và ng ợc l i.
Nếu hai biến không t ơng quan, biểu đồ phân tán sẽ xấp xỉ một đ
ng ngang (không có độ
dốc), nghĩa là sự gia tăng tuổi tác sẽ không có một sự liên quan có hệ thống nào với sự tự
tin.
Hình 14.3. Biểu đồ tần số và biểu đồ t ơng quan giữa tuổi và sự tự tin
Sau khi tính toán t ơng quan 2 biến, các nhà nghiên cứu th
ng quan tâm đến việc
liệu mối t ơng quan đó có ý nghĩa quan trọng không (ý nghĩa thực tế) hoặc nó đơn thuần
gây ra b i một sự tình c ngẫu nghiên. Tr l i một câu hỏi nh vậy sẽ yêu cầu kiểm tra gi
thuyết sau đây:
H0: r = 0
H1: r ≠ 0
H0 đ ợc gọi là giả thuyết vô hiệu (null hypothesis), H1 đ ợc gọi là giả thuyết thay thế
hay đối thuyết (alternative hypothesis), đôi khi đ ợc kí hiệu là Ha). Mặc dù chúng có vẻ
giống nh hai gi thuyết, nh ng H0 và H1 thực sự đ i diện cho một gi thuyết duy nhất và
đối lập trực tiếp với nhau hoàn toàn. Chúng ta quan tâm đến thử nghiệm H1 hơn là H0.
Cũng l u ý rằng H1 là một gi thuyết không định h ớng vì nó không chỉ định cho dù r là
lớn hơn hoặc nhỏ hơn không. Gi thuyết định h ớng sẽ đ ợc quy định cụ thể nh H0: r ≤
0; H1: r> 0 (nếu chúng ta đang thử nghiệm cho một mối t ơng quan tích cực). Việc thử
183
nghiệm ý nghĩa của các gi thuyết định h ớng đ ợc thực hiện bằng cách sử dụng kiểm
định t một đầu (one-tailed t-test), trong khi đó thử nghiệm ý nghĩa của các gi thuyết không
định h ớng đ ợc thực hiện bằng cách sử dụng kiểm định t hai đầu (two-tailed t-test).
Trong kiểm định thống kê, đối thuyết không kiểm tra trực tiếp đ ợc. Thay vào đó, nó
đ ợc thử nghiệm gián tiếp bằng cách lo i bỏ các gi thuyết vô hiệu với một mức độ xác
suất nhất định. Thử nghiệm thống kê luôn luôn có tính xác suất, b i vì chúng ta không bao
gi có thể khẳng định chắc chắn 100% khi mà suy luận của chúng ta dựa trên số liệu mẫu
nh ng l i áp dụng cho toàn bộ quần thể nghiên cứu, trong khi đó mẫu bao gi cũng nhỏ
hơn quần thể. Xác suất của một suy luận thống kê đ ợc gọi là giá trị p (p-value). Giá trị p
đ ợc so sánh với mức ý nghĩa (significance level) (α). Mức ý nghĩa là mức rủi ro tối đa khi
các suy luận có thể không chính xác nh ng chúng ta có thể chấp nhận đ ợc. Đối với hầu
hết các phân tích thống kê, α đ ợc thiết lập đến 0,05. Nếu giá trị p nhỏ hơn α = 0,05 thì ta
có đủ bằng chứng thống kê để bác bỏ gi thuyết vô hiệu và do đó, gián tiếp chấp nhận gi
thuyết thay thế. Nếu p> 0,05, chúng ta không có đủ bằng chứng thống kê để bác bỏ gi
thuyết vô hiệu hoặc chấp nhận gi thuyết thay thế.
Cách đơn gi n nhất để kiểm tra gi thuyết trên là tìm kiếm các giá trị tới h n của r
đ ợc liệt kê trong các b ng thống kê có sẵn trong tất c sách khoa học thống kê hay có thể
tra cứu trên m ng Internet (hầu hết các ch ơng trình phần mềm cũng cung cấp các thử
nghiệm về mức ý nghĩa). Giá trị tới h n r phụ thuộc vào mức ý nghĩa mong muốn (α =
0,05), bậc tự do (df) và phụ thuộc vào liệu kiểm định dự kiến là kiểm định một đầu hay hai
đầu. Bậc tự do (degree of freedom) là số l ợng các giá trị có thể thay đổi tự do trong bất
kỳ tính toán thống kê nào. Trong tr
ng hợp có sự t ơng quan, df chỉ đơn gi n bằng n - 2
hoặc đối với các dữ liệu trong B ng 14.1, df là 20 - 2 = 18.
Có hai b ng thống kê khác nhau cho thử nghiệm một phía và hai phía. Trong b ng
hai phía, hệ số t ơng quan r cho α = 0,05 và df = 18 là 0,44. Để cho t ơng quan của chúng
ta (bằng 0,79) tr nên có ý nghĩa, nó ph i lớn hơn giá trị tới h n 0,44 hoặc ít hơn -0,44. B i
vì 0,79 lớn hơn 0,44, chúng ta kết luận rằng có một mối t ơng quan đáng kể (có ý nghĩa)
giữa tuổi và sự tự tin trong tập dữ liệu của chúng ta, hay nói cách khác, sự chênh lệch là ít
hơn 5% nên sự t ơng quan này là một kh năng có thể x y ra. Vì vậy, chúng ta có thể từ
chối gi thuyết vô hiệu với r ≤ 0 và phát biểu một cách gián tiếp rằng gi thuyết thay thế r>
0 gần nh là đúng.
184
Hầu hết các nghiên cứu có nhiều hơn hai biến. Nếu có n biến thì chúng ta sẽ có tổng
cộng n*(n-1)/2 mối t ơng quan có thể có giữa n biến. Mối t ơng quan nh vậy đ ợc dễ
dàng tính toán bằng cách sử dụng một ch ơng trình phần mềm nh SPSS, chứ không ph i
tính toán thủ công bằng cách sử dụng công thức cho sự t ơng quan (nh đư làm trong
B ng 14.1), chúng đ ợc thể hiện bằng cách sử dụng một mô hình t ơng quan, nh trong
B ng 14.2. Mô hình t ơng quan liệt kê các tên biến
các hàng và cột đầu tiên, sau đó mô
t mối t ơng quan l ỡng biến giữa các cặp của các biến t i các ô thích hợp trong mô hình.
Các giá trị nằm trên đ
ng chéo chính (từ góc trên cùng bên trái sang góc d ới cùng bên
ph i) của mô hình này luôn luôn là 1, b i vì bất kỳ biến nào cũng luôn luôn có t ơng quan
tuyệt đối với chính nó. Hơn nữa, đối với mối t ơng quan không định h ớng, mối t ơng
quan giữa các biến số V1 và V2 là giống nh giữa V2 và V1. Do đó, mô hình tam giác
thấp hơn (giá trị d ới đ
(giá trị trên đ
ng chéo chính) là một sự ph n chiếu của mô hình tam giác trên
ng chéo chính), vì vậy để đơn gi n, chúng ta th
ng chỉ liệt kê mô hình
tam giác d ới. Nếu các mối t ơng quan chứa các biến đ ợc đo bằng thang kho ng thì lo i
hình cụ thể của mối t ơng quan này đ ợc gọi là mối tương quan hồi quy Pearson (Pearson
product moment correlations).
Một cách hữu ích khác để trình bày dữ liệu l ỡng biến là kỹ thu t phơn tích b ng
chéo (cross-tabulation) (th
ng đ ợc viết tắt là cross-tab và đôi khi đ ợc gọi chính thức là
một bảng ngẫu nhiên - contingency table). B ng chéo là một b ng mô t tần số (hoặc tỷ lệ
phần trăm) của tất c bộ kết hợp của hai hay nhiều biến định danh hoặc phân lo i. Ví dụ,
hưy gi sử rằng chúng ta có những quan sát sau đây cho giới tính và điểm số của một mẫu
20 sinh viên, nh thể hiện trong B ng 14.2. Giới tính là một biến định danh (nam/nữ hoặc
M/F) và điểm số là một biến phân lo i với ba cấp độ (A, B và C). Một b ng dữ liệu chéo
đơn gi n hiển thị sự phân phối chung của giới tính và điểm số (tức là, bao nhiêu học sinh
của mỗi lo i giới tính nằm trong mỗi lo i điểm số, nó nh một tần số thực hoặc nh là một
tỷ lệ phần trăm) trong một ma trận 2x3. Ma trận này sẽ giúp chúng ta xem xét A, B và C là
điểm phân phối cân bằng của sinh viên nam và nữ. Các dữ liệu chéo trong B ng 14.3 cho
thấy sự phân phối điểm A có xu h ớng nghiêng về các nữ sinh: trong một mẫu có 10 nam
và 10 nữ, 5 sinh viên nữ so với duy nhất một sinh viên nam nhận điểm A. Ng ợc l i, sự
phân phối điểm C l i nghiêng về phía các nam sinh viên: 3 nam sinh đư nhận đ ợc điểm C,
so với chỉ 1 nữ sinh viên có điểm C. Ngoài ra, sự phân phối của điểm B là t ơng đối đồng
đều, với 6 sinh viên nam và 5 sinh viên nữ. Dòng cuối cùng và cột cuối cùng của b ng này
đ ợc gọi là tổng biên độ b i vì nó cho biết tổng số trên mỗi thể lo i và hiển thị dọc theo rìa
185
của b ng.
B ng 14.2. Ma trận gi thuyết t ơng quan cho tám biến
B ng 14.3. Ví dụ về phân tích b ng chéo
Mặc dù chúng ta có thể thấy một mô hình khác biệt về phân phối điểm số giữa sinh
viên nam và nữ trong B ng 14.3, nh ng nó là một mô hình thực tế hay "có ý nghĩa về
thống kê" hay không? Nói cách khác, các giá trị tần số trên có ph n ánh đúng những gì
chúng ta dự kiến trên thực tế? Để tr l i câu hỏi này, chúng ta nên tính toán giá trị dự kiến
của các quan sát trong mỗi ô của ma trận chéo 2x3. Nó đ ợc thực hiện bằng cách nhân
tổng số cột biên và số hàng tổng biên của mỗi ô và chia cho tổng số quan sát. Ví dụ,
cặp
ô nam/điểm, tính toán mong đợi = 5*10/20 = 2,5. Nói cách khác, chúng ta đư dự kiến 2,5
nam sinh viên nhận đ ợc điểm A, nh ng trong thực tế, chỉ có một nam sinh nhận đ ợc
điểm A. Để xác định sự khác biệt giữa giá trị dự kiến và giá trị thực tế là đáng kể hay
không đáng kể, chúng ta có thể sử dụng kiểm định Chi bình phương (chi-square test). Các
số liệu thống kê chi-square đ ợc tính là sự khác biệt trung bình giữa các giá trị đư quan sát
186
và giá trị dự kiến dọc theo tất c các ô. Chúng ta có thể so sánh giá trị này với giá trị tới
h n trong một mức xác suất mong muốn (p <0,05) và bậc tự do, nó chỉ đơn gi n là (m1)*(n-1), trong đó m và n là số l ợng hàng và cột t ơng ứng. Trong ví dụ này, df = (2 1)*(3-1) = 2. Từ b ng tiêu chuẩn chi-square trong bất kỳ cuốn sách thống kê nào, giá trị tới
h n chi-square cho p = 0,05 và df = 2 là 5,99. Các tính toán giá trị chi-square dựa trên các
dữ liệu quan sát là 1.00, thấp hơn giá trị tới h n. Do đó, chúng ta ph i kết luận rằng d ới
góc độ thống kê, mô hình về điểm số đư quan sát không khác so với mô hình trên thực tế.
187
Ch
ng 15
PHÂN TệCH Đ NH L
NG: TH NG Kể SUY DI N
Thống kê suy diễn (thống kê suy luận - inferential statistics) là các ph ơng thức
thống kê đ ợc sử dụng để đ a ra các kết luận về mối liên hệ giữa các biến. Khác với các
thống kê mô t , thống kê suy diễn đ ợc thiết kế một cách rõ ràng để kiểm định gi thuyết.
Có rất nhiều ph ơng pháp thống kê đ ợc áp dụng trong hình thức này, hầu hết trong số đó
đ ợc hỗ trợ b i các phần mềm thống kê hiện đ i nh SPSS và SAS. Ch ơng này sẽ cung
cấp một bức tranh tổng quát nhất về những khái niệm và các kỹ thuật quan trọng. Để tìm
hiểu sâu thêm về các nội dung liên quan, độc gi nên tham kh o thêm các tài liệu thống kê
hoặc tham gia một khóa học về số liệu thống kê.
Khái ni m c b n
Nhà triết học ng
i Anh Karl Popper nói rằng chúng ta không bao gi có kh năng
chứng minh các lý thuyết, mà chỉ có thể bác bỏ chúng. Ví dụ, làm thế nào chúng ta có thể
chứng minh rằng mặt tr i sẽ mọc vào ngày mai? Popper nói rằng chỉ vì tr ớc tới gi , mặt
tr i luôn mọc hàng ngày nên chúng ta có thể suy ra nó sẽ mọc vào ngày mai. Nh ng điều
đó không có nghĩa chắc chắn ngày mai mặt tr i sẽ mọc, b i vì lý luận quy n p nh vậy chỉ
là phỏng đoán và một hiện t ợng trong t ơng lai có thể có hoặc có thể không x y ra. Thay
vào đó, ông cho rằng chúng ta có thể gi định một lý thuyết rằng mặt tr i sẽ mọc mỗi ngày
mà không nhất thiết ph i chứng minh lý thuyết đó. Và nếu mặt tr i không mọc vào một
ngày bất kỳ nào đó, lý thuyết này không đúng và bị bác bỏ.
T ơng tự nh vậy, chúng ta chỉ có thể bác bỏ gi thuyết dựa trên những bằng chứng
đối lập, nh ng chúng ta không bao gi có thể thực sự chấp nhận chúng b i vì sự hiện diện
của bằng chứng hiện t i không có nghĩa là trong t ơng lai chúng ta không tìm thấy những
bằng chứng đối lập. B i vì chúng ta không thể thực sự chấp nhận một gi thuyết thay thế
(đối thuyết) nên chúng ta ph i hình thành một giả thuyết vô hiệu (null hypothesis) ng ợc
l i với đối thuyết thay thế. Sau đó chúng ta sử dụng bằng chứng thực nghiệm để bác bỏ gi
thuyết không; bằng cách này gián tiếp chứng minh và b o vệ cho các đối thuyết thay thế
một mức độ xác suất nào đó.
Vấn đề thứ hai liên quan tới việc kiểm tra mối quan hệ của các gi thuyết trong
188
nghiên cứu khoa học xư hội là biến phụ thuộc có thể bị nh h
nhiều các biến không liên quan và việc kiểm soát tất c các nh h
ng b i một số l ợng rất
ng không mong muốn
là điều khó có thể đ t đ ợc. Do đó, ngay c khi hai biến có vẻ có liên quan trong một mẫu
quan sát, nó có thể không thực sự liên quan tới toàn bộ khách thể nghiên cứu và do đó số
liệu suy luận thống kê là không bao gi chắc chắn hoặc cố định, mà luôn luôn có một mức
độ xác suất nào đó.
Làm thế nào để biết liệu một mối quan hệ giữa hai biến số trong một mẫu quan sát là
có ý nghĩa, có giá trị chứ không ph i hoàn toàn ngẫu nhiên? Ronald A. Fisher - một trong
những nhà thống kê nổi tiếng nhất trong lịch sử, đư thiết lập ra những định h ớng cơ b n
để thử nghiệm mức độ có ý nghĩa này. Ông cho rằng một kết qu thống kê có thể đ ợc coi
là đáng kể (có ý nghĩa, có giá trị, chấp nhận đ ợc) nếu nó chỉ ra đ ợc rằng xác suất bị bác
bỏ của nó (do sự ngẫu nhiên mang đến) là nhỏ hơn hoặc bằng 5%. Trong suy luận thống
kê, xác suất này đ ợc gọi là giá trị xác suất p (p-value), 5% đ ợc gọi là mức ý nghĩa (α),
mức độ mong muốn trong quan hệ giữa p-value và α đ ợc ký hiệu là: p ≤ 0,05. Mức ý
nghĩa là mức độ rủi ro tối đa mà chúng ta sẵn sàng chấp nhận, đ ợc coi là mức giá trị của
những suy luận rút ra mẫu áp dụng cho toàn bộ khách thể nghiên cứu. Nếu giá trị p nhỏ
hơn 0,05 hoặc 5% thì nó có nghĩa rằng chúng ta có 5% cơ hội là không chính xác trong
việc bác bỏ gi thuyết vô hiệu và đ ợc liệt vào Lỗi lo i I (Type I error). Nếu p> 0,05,
chúng ta không có đủ bằng chứng để bác bỏ gi thuyết vô hiệu hay chấp nhận gi thuyết
thay thế.
Chúng ta cũng ph i hiểu rõ ba khái niệm liên quan đến thống kê: phân phối mẫu, sai
số chuẩn và khoảng tin cậy. Phơn ph i m u (sampling distribution) là sự phân phối lý
thuyết của một số l ợng vô h n các mẫu lấy từ khách thể nghiên cứu. Tuy nhiên, b i vì bất
kỳ mẫu nào cũng không bao gi có thể giống hệt với khách thể nghiên cứu nên trong mỗi
một mẫu luôn luôn có một mức độ khác biệt so với khách thể nghiên cứu, nó đ ợc gọi là
sai s chu n (standard error). Nếu sai số tiêu chuẩn này nhỏ thì những ớc tính thống kê
bắt nguồn từ mẫu (ví dụ giá trị trung bình của mẫu) sẽ là ớc tính t ơng đối chính xác cho
toàn bộ khách thể nghiên cứu. Mức độ chính xác của những ớc tính trong mẫu đ ợc định
nghĩa là một kho ng tin c y (confidence interval - CI). Kho ng CI 95% đ ợc xác định là
một kho ng giá trị cộng hoặc trừ hai lần độ lệch chuẩn của các ớc tính trung bình khi
chúng đ ợc rút ra từ các mẫu khác nhau trong một phân phối mẫu. Do đó, khi chúng ta nói
rằng số liệu thông kê trong mẫu nghiên cứu của chúng ta có kh ng CI là 95% có nghĩa là
chúng ta có thể tự tin nói rằng với 95% xác suất chính xác, các thông số của khách thể
189
nghiên cứu nằm trong kho ng hai lần độ lệch chuẩn của các thông tin trong mẫu. Cùng với
nhau, giá trị xác suất p và kho ng tin cậy CI cung cấp cho chúng ta một ý t
ng tốt về xác
suất chính xác trong kết qu nghiên cứu của chúng ta thông qua mức độ t ơng ứng của
chúng với các thông số của khách thể nghiên cứu.
Mô hình tuy n tính tổng quát
Hầu hết các ph ơng pháp suy luận thống kê trong nghiên cứu khoa học xã hội có
nguồn gốc chung từ mô hình tuyến tính tổng quát (General Linear Model - GLM). Mô hình
là một ph ơng trình toán học ớc tính có thể đ ợc sử dụng để đ i diện cho một tập hợp các
dữ liệu và tuyến tính liên quan đến một đ
ng thẳng. Do đó, GLM là một hệ thống các
ph ơng trình biểu thị bằng những mô hình tuyến tính có thể đ ợc sử dụng để đ i diện cho
các mối quan hệ xuất hiện từ dữ liệu đư thu thập.
Hình 15.1. Mô hình tuyến tính hai biến
Lo i đơn gi n nhất của GLM là một mô hình tuyến tính hai biến nhằm xem xét mối
quan hệ giữa một biến độc lập (nguyên nhân hay đầu vào hay yếu tố đầu vào) và một biến
phụ thuộc (kết qu hoặc đầu ra). Gi định rằng chúng ta có hai biến t ơng ứng là tuổi tác
và sự tự tin. Đồ thị phân tán l ỡng biến biểu thị mối quan hệ giữa hai biến này đ ợc thể
hiện trong Hình 15.1, trong đó tuổi (yếu tố dự đoán) nằm ngang trục x và sự tự tin (kết
qu ) nằm dọc trục y. Đồ thị scatterplot cho thấy các quan sát độc lập đ i diện cho sự kết
hợp của tuổi tác và sự tự tin d
ng nh nằm r i rác xung quanh một đ
Chúng ta có thể ớc tính các thông số của đ
ng thẳng lên dốc.
ng này, chẳng h n nh độ dốc và điểm chặn
của GLM. Nh chúng ta đư học môn đ i số th i trung học, nhớ l i rằng đ
190
ng thẳng có thể
đ ợc đ i diện bằng cách sử dụng các ph ơng trình toán học y = mx + c,
(slope) của đ
đó m là độ dốc
ng thẳng (số l ợng thay đổi của y khi x thay đổi 1 đơn vị) và c là hệ số
hạng chặn (intercept) (là giá trị của y khi x bằng 0). Trong GLM, ph ơng trình này đ ợc
đ i diện chính thức là:
y = β 0 + β1 x + ε
trong đó β0 là độ dốc, β1 là số h ng chặn và ε là sai số. ε đ i diện cho độ lệch của các quan
sát thực tế so với các giá trị ớc tính của nó, vì hầu hết các quan sát chỉ nằm gần với đ
thẳng chứ không nằm chính xác trên đ
ng thẳng đó (xem đ
ng
ng GLM). L u ý rằng một
mô hình tuyến tính có thể có nhiều hơn hai yếu tố dự báo. Để hình dung một mô hình
tuyến tính với hai dự đoán, hưy t
ng t ợng một hình khối có ba chiều, với kết qu (y)
theo trục thẳng đứng và hai yếu tố dự báo (x1 và x2) dọc theo hai trục ngang của khối ba
chiều. Một đ
ng thẳng mô t mối quan hệ giữa hai hay nhiều biến đ ợc gọi là một đ
ng
hồi quy, β0 và β1 (và các giá trị beta khác) đ ợc gọi là hệ số hồi quy và quá trình ớc l ợng
hệ số hồi quy đ ợc gọi là phân tích hồi quy. GLM dung cho phân tích hồi quy với n biến
dự đoán là:
y = β0 + β1 x1 + β2 x2 + β3 x3 + ... + βn xn + ε
Trong ph ơng trình trên, các biến dự báo xi có thể đ i diện cho các biến độc lập hoặc
đồng biến (biến đối chứng). Đồng biến không ph i là các biến trọng tâm trong phân tích
nh ng chúng có thể có một số tác động vào biến phụ thuộc y và vì vậy ph i đ ợc kiểm
soát, do đó những nh h
ng đối với các biến độc lập sẽ đ ợc phát hiện chính xác hơn.
Đồng biến giúp phát hiện các lỗi hệ thống trong một ph ơng trình hồi quy, trong khi đó sai
số (ε) cho phép phát hiện các lỗi ngẫu nhiên.
Mặc dù hầu hết các biến trong mô hình GLM th
ng là các biến kho ng hoặc biến tỷ
lệ nh ng cũng có những ngo i lệ. Một số các biến dự đoán thậm chí có thể tr thành các
biến định danh (ví dụ, giới tính: nam hay nữ), đ ợc mư hóa nh là biến giả (dummy
variable). Đây là những biến số có thể gi định có một trong hai giá trị: 0 hoặc 1 (trong ví
dụ giới tính, "nam" có thể đ ợc chỉ định là 0 và "nữ" là 1 hoặc ng ợc l i). Một tập hợp n
biến định danh đ ợc miêu t bằng cách sử dụng n-1 biến gi . Ví dụ, lĩnh vực kinh tế bao
gồm nông nghiệp, công nghiệp và dịch vụ có thể đ ợc miêu t bằng cách kết hợp hai biến
gi (x1, x2) trong đó (0, 0) cho nông nghiệp, (0, 1) cho công nghiệp, và (1, 1) cho dịch vụ.
Các biến định danh đ ợc mư hóa là 0 hay là 1 không có ý nghĩa số học là 1 lớn hơn 0 mà
việc đánh số chỉ là để phục vụ các phân tích của máy tính.
191
GLM là một công cụ thống kê rất m nh b i vì nó không ph i là một ph ơng pháp
thống kê đơn gi n mà là một tập hợp các ph ơng pháp có thể đ ợc sử dụng để tiến hành
các phân tích phức t p với nhiều biến dự đoán, biến kết qu và với nhiều cách thức phân
tích khác nhau. Nếu chúng ta có một biến dự đoán gi và chúng ta đang so sánh nh h
ng
của hai mức (0 và 1) trong biến gi này tới biến kết qu , tức là chúng ta đang thực hiện một
phân tích phương sai (analysis of variance - ANOVA). Nếu chúng ta thực hiện một phân
tích ANOVA đồng th i với việc kiểm soát các tác động của một hoặc nhiều đồng biến thì
chúng ta có một phân tích hiệp biến (analysis of covariance - ANCOVA). Chúng ta cũng
có thể có nhiều biến kết qu (ví dụ, y1, y1, ... yn), khi đó chúng đ ợc mô t bằng cách sử
dụng “hệ ph ơng trình” (system of equations), trong đó mỗi ph ơng trình biểu thị cho một
biến kết qu (mỗi ph ơng trình sẽ có một bộ hệ số hồi quy riêng).
Nếu nhiều biến kết qu đ ợc mô hình hóa bằng cách dự đoán từ cùng một tập hợp
biến dự báo thì việc phân tích kết qu đó đ ợc gọi là hồi quy đa biến (multiple regression).
Nếu chúng ta thực hiện phân tích ANOVA hoặc ANCOVA với nhiều biến kết qu thì việc
phân tích kết qu đ ợc lần l ợt gọi là ANOVA đa biến (MANOVA) hoặc ANCOVA đa biến
(MANCOVA). Nếu ta mô hình hóa kết qu trong một ph ơng trình hồi quy mà nó đ ợc
xem là một yếu tố dự báo trong một ph ơng trình khác trong hệ thống các ph ơng trình
hồi quy có liên quan thì chúng ta có một kiểu phân tích rất phức t p gọi là mô hình phương
trình cấu trúc (structural equation modeling). Vấn đề thu hút sự quan tâm nhất trong GLM
là quá trình thiết lập mô hình (model specification), nghĩa là, làm thế nào để xác định một
ph ơng trình (hoặc một hệ ph ơng trình) hồi quy đư đ a ra mô t hoàn h o nhất về hiện
t ợng quan tâm. Việc thiết lập mô hình ph i trên những tính toán lý thuyết liên qua tới hiện
t ợng nghiên cứu, đồng th i ph i tránhviệc cố tình thiết lập mô hình sao cho phù hợp với
dữ liệu quan sát. Dữ liệu có vai trò củng cố chứ không ph i để thiết lập mô hình.
So sánh hai nhóm
Một trong những phân tích suy luận đơn gi n nhất là so sánh các kết qu hậu thử
nghiệm của các đối t ợng thuộc nhóm thử nghiệm và nhóm đối chứng trong một thiết kế
nhóm đối chứng ngẫu nhiên, chẳng h n nh liệu sinh viên ghi danh vào một ch ơng trình
gi ng d y toán học c i cách có kết qu học tập tốt hơn so với những học viên tham gia
ch ơng trình gi ng d y toán học truyền thống. Trong tr
ng hợp này, biến dự báo là một
biến gi (1 = nhóm thử nghiệm, 0 = nhóm đối chứng) và biến đầu ra - kết qu học tập - là
biến trong thang tỷ lệ (là điểm số của một bài kiểm tra toán sau khi áp dụng ch ơng trình
c i cách). Kỹ thuật phân tích cho thiết kế đơn gi n này là ANOVA một chiều (một chiều
192
b i vì nó chỉ liên quan đến một biến dự đoán) và việc kiểm định thống kê đ ợc sử dụng
đ ợc gọi là Student’s t-test (kiểm định t của sinh viên - gọi tắt là t-test).
T-test đ ợc giới thiệu lần đầu vào năm 1908 b i nhà hóa học William Sealy Gosset,
ng
i chuyên giám sát chất l ợng của bia đen cho nhà máy bia Guiness t i Dublin, Ireland
- bia đen là lo i bia phổ biến với các nhân viên khuân vác trong thế kỷ XIX
London. Do
ông chủ của Gosset không muốn tiết lộ các kỹ thuật thống kê dùng để kiểm soát chất l ợng
bia, Gosset đư giấu ông chủ xuất b n kỹ thuật này trong T p chí Biometrika với bút danh
“Student” (ông là học trò của Sir Ronald Fisher). Ph ơng pháp này chứa đựng những tính
toán về giá trị t, một ký hiệu đ ợc Fisher sử dụng th
ng xuyên để biểu thị sự khác biệt
giữa hai nhóm. Do đó, cái tên Kiểm định t với bút danh “Student” đ ợc biết đến một cách
thân mật với nhà thống kê này.
T-test xem xét liệu rằng giá trị trung bình của hai nhóm có khác nhau về mặt thống
kê hay không (thử nghiệm không định h ớng - thử nghiệm hai phía) hay là một nhóm có
trung bình thống kê lớn hơn (hoặc nhỏ hơn) nhóm khác (thử nghiệm có định h ớng - thử
nghiệm một phía). Trong ví dụ
trên, nếu chúng ta muốn xem xét liệu học sinh trong
ch ơng trình gi ng d y toán c i cách học tốt hơn so với những học sinh trong ch ơng trình
gi ng d y truyền thống, vậy thì chúng ta có một thử nghiệm một phía. Gi thuyết này có
thể đ ợc thiết lập nh sau:
H0: μ1 ≤ μ2 (null hypothesis - gi thuyết vô hiệu hay gi thuyết không)
H1: μ1 > μ2 (alternative hypothesis - gi thuyết thay thế hay đối thuyết)
trong đó μ1 đ i diện cho giá trị trung bình của quần thể nghiên cứu là nhóm học sinh
tham gia vào ch ơng trình c i cách (nhóm thử nghiệm) và μ2 là giá trị trung bình của nhóm
học sinh trong ch ơng trình truyền thống (nhóm đối chứng). L u ý rằng các giả thuyết vô
hiệu luôn luôn có ký hiệu "bằng" và mục tiêu của tất c các thử nghiệm thống kê là để bác
bỏ gi thuyết không.
Làm thế nào chúng ta có thể xác định sự khác biệt trong giá trị trung bình của khách
thể nghiên cứu với giá trị trung bình của mẫu? Từ các gi thuyết về giá trị phân bổ tần số
của nhóm thực nghiệm và nhóm đối chứng trong Hình 15.2, nhóm đối chứng là một phân
phối hình chuông (phân phối chuẩn) với giá trị trung bình là 45 (trên thang điểm từ 0-100),
trong khi đó nhóm thử nghiệm có điểm trung bình là 65. Các giá trị trung bình này có vẻ
khác nhau, nh ng chúng đều chỉ là giá trị trung bình của mẫu
và chúng có thể khác với
giá trị trung bình của khách thể nghiên cứu t ơng ứng (μ) do những sai số trong lúc chọn
AB., PVP., CNA.
193
mẫu. Trung bình mẫu là ớc tính xác suất cho giá trị trung bình của khách thể nghiên cứu
trong giới h n một kho ng tin cậy nhất định (CI). 95% CI là giá trị trung bình của mẫu
cộng trừ hai lần sai số chuẩn, trong đó sai số chuẩn là độ lệch chuẩn của phân phối trong
trung bình của mẫu, đ ợc lấy từ số l ợng vô h n các mẫu của khách thể nghiên cứu. Do
đó, giá trị trung bình của khách thể nghiên cứu không chỉ phụ thuộc vào giá trị trung bình
mẫu mà còn phụ thuộc vào sai số chuẩn hoặc mức độ lây lan trong việc phân phối tần số
của trung bình mẫu. Nếu mức độ lây lan lớn (ví dụ, hai đ
ng cong hình chuông có rất
nhiều điểm trùng nhau), thì kho ng tin cậy CI = 95% của hai giá trị trung bình cũng có thể
chồng lên nhau. Nh vậy, chúng ta không dám tự tin khẳng định rằng giá trị trung bình của
khách thể nghiên cứu t ơng ứng là khác nhau đáng kể (p <0.05). Ng ợc l i, nếu các đ
ng
cong có mức độ lây lan hẹp (ví dụ, chúng ít chồng lấn lên nhau) thì kho ng tin cậy CI của
mỗi giá trị trung bình có thể không chồng lên nhau và do đó, chúng ta bác bỏ gi thuyết vô
hiệu và khẳng định rằng giá trị trung bình của khách thể nghiên cứu của hai nhóm là khác
nhau đáng kể t i p <0,05.
Hình 15.2. Kiểm định t (t-test)
Để thực hiện t-test, đầu tiên chúng ta ph i tính toán một thống kê t về sự khác biệt,
đó chính là trung bình mẫu giữa hai nhóm. Thống kê này là tỷ lệ khác biệt của các trung
bình mẫu có liên quan đến sự khác biệt về điểm số của chúng (sai số chuẩn):
trong đó, tử số là sự khác biệt trong các trung bình mẫu giữa nhóm thử nghiệm
194
(nhóm 1) và nhóm đối chứng (nhóm 2) và mẫu số là sai số chuẩn giữa hai nhóm; do đó, có
thể đ ợc ớc tính nh sau:
s2 là ph ơng sai và n là kích th ớc mẫu của mỗi nhóm. Thống kê t sẽ d ơng nếu giá
trị trung bình của nhóm thử nghiệm lớn hơn so với giá trị trung bình của nhóm đối chứng.
Để kiểm tra nếu thống kê t này là đủ lớn hay ch a, chúng ta ph i tìm giá trị xác suất p liên
quan tới giá trị thống kê t đ ợc tính toán trong các b ng thống kê. Những b ng thống kê
này có sẵn
trong các sách về thống kê, trên m ng Internet hoặc trong ch ơng trình phần
mềm thống kê nh SAS và SPSS. Bậc tự do của các số liệu thống kê t đ ợc tính nh sau:
giá trị này th
ng xấp xỉ bằng (n1+n2-2). Nếu giá trị xác suất p này nhỏ hơn mức ý
nghĩa mong muốn (α = 0,05) hoặc mức độ rủi ro cao nhất (mức xác suất) là chấp nhận
đ ợc để có thể đ a ra kết luận rằng thử nghiệm là có hiệu qu (nằm trong Lỗi lo i I ), thì
chúng ta có thể bác bỏ gi thuyết không.
Sau khi chứng minh đ ợc rằng nhóm thử nghiệm có giá trị trung bình cao hơn đáng
kể so với nhóm đối chứng, câu hỏi tiếp theo th
ng là mức độ ảnh hưởng (effect size - ES)
hay còn gọi là độ chênh lệch giữa nhóm thử nghiệm và nhóm đối chứng là bao nhiêu?
Chúng ta có thể ớc tính mức độ nh h
trong đó mức độ nh h
ng ES bằng cách tiến hành phân tích hồi quy
ng là các biến kết qu (y) và biến gi thử nghiệm đ ợc mã hóa là
biến dự đoán (x) trong một mô hình tuyến tính tổng quát (GLM) l ỡng biến. Hệ số hồi quy
của biến đối chứng (β1), nó cũng là độ dốc của đ
tính về mức độ nh h
ng hồi quy (β1 = Δy / Δx), là một ớc
ng EZ. Trong ví dụ trên, vì x là một biến gi với hai giá trị (0 và 1),
Δx = 1-0 = 1, do đó mức độ nh h
ng hoặc β1 chỉ đơn gi n là sự khác biệt giữa các giá trị
trung bình của nhóm thử nghiệm và đối chứng (Δy = y1-y2).
Các thi t k giai thừa
M rộng từ ví dụ tr ớc, chúng ta hãy gi sử rằng tác động của ch ơng trình d y toán
c i cách (thử nghiệm) đối với ch ơng trình gi ng d y truyền thống (đối chứng) phụ thuộc
vào th i l ợng gi ng d y (3 hoặc 6 gi /tuần). Bây gi , chúng ta có thiết kế giai thừa 2x2,
195
với hai yếu tố là ph ơng pháp gi ng d y (c i cách hay truyền thống) và th i l ợng gi ng
d y (3 hay 6 gi /tuần). Thiết kế này không chỉ giúp chúng ta ớc tính nh h
ng riêng lẻ
của từng yếu tố, đ ợc gọi là ảnh hưởng chính (main effect), mà còn xác định đ ợc nh
h
ng chung của c hai yếu tố này, đ ợc gọi là ảnh hưởng tương tác (interaction effect).
Mô hình tuyến tính tổng quát cho thiết kế thừa số hai chiều này đ ợc xác định nh sau:
y = β0 + β1x1 + β2x2 + β3x1x2 + ε
Trong đó, y đ i diện cho điểm học tập của sinh viên sau thử nghiệm, x1 là ph ơng
pháp thử nghiệm (ch ơng trình gi ng d y c i cách hay truyền thống), x2 th i l ợng gi ng
d y (3 hay 6 gi /tuần). L u ý rằng c x1 và x2 đều là biến gi và mặc dù x2 trông giống nh
một biến trong thang tỷ lệ (3 hoặc 6) nh ng nó thực sự đ i diện cho hai phân nhóm trong
thiết kế thừa số. Hệ số hồi quy β1 và β2 cung cấp các ớc l ợng về mức độ nh h
nh h
ng chính và β3 là nh h
ng của
ng t ơng tác. Ngoài ra, cùng một mô hình thừa số có thể
đ ợc phân tích bằng cách sử dụng một phân tích ANOVA hai chiều. Phân tích hồi quy liên
quan đến nhiều biến dự báo đôi khi đ ợc gọi là hồi quy bội số, nó khác với hồi quy đa biến
sử dụng nhiều biến kết qu .
Một l u ý khi gi i thích các tác động t ơng tác. Nếu tác động t ơng tác β3 là đáng kể
(có ý nghĩa) thì nh h
ng của thử nghiệm (ph ơng pháp gi ng d y) đối với kết qu học
tập của sinh viên phụ thuộc vào th i l ợng gi ng d y. Trong tr
không thể đ a ra những gi i thích thuyết phục về nh h
ng hợp này, chúng ta
ng độc lập của từng công cụ thử
nghiệm β1 hay β2 b i vì chúng không bao gi có thể tách r i, chúng luôn t ơng tác với
nhau để tác động (nếu có) lên biến phụ thuộc. Vì vậy, nh h
ng chính chỉ có thể đ ợc gi i
thích khi hiệu ứng t ơng tác là không đáng kể.
Đồng biến có thể xuất hiện trong thiết kế thừa số nh là các biến mới, với hệ số hồi
quy mới (ví dụ, β4). Đồng biến có thể đ ợc đo bằng cách sử dụng các thang kho ng hoặc tỷ
lệ, ngay c khi các yếu tố dự báo đ ợc thiết kế nh là các biến gi . Gi i thích các đồng
biến cũng theo quy tắc t ơng tự nh của bất kỳ biến dự báo khác.
Các phơn tích đ nh l
ng khác
Có rất nhiều kỹ thuật suy luận thống kê hữu ích khác dựa trên các biến thể của mô
hình tuyến tính tổng quát GLM, do mục tiêu của cuốn sách này là h ớng tới sự khái quát
và cô đọng nên các kỹ thuật này sẽ đ ợc đề cập ngắn gọn
đây. B n đọc quan tâm nên
tham kh o thêm các sách chuyên kh o hoặc tham dự các khóa học thống kê để biết thêm
thông tin chi tiết về các kỹ thuật này:
196
- Phân tích nhân tố (factor analysis) là kỹ thuật thu nhỏ dữ liệu, nó tổng hợp một số
l ợng lớn các chỉ số đư quan sát thành một tập hợp nhỏ các biến không quan sát đ ợc (tiềm
tàng) dựa trên mô hình t ơng quan l ỡng biến cơ b n. Các biến tiềm tàng này đ ợc gọi là
các nhân tố. Kỹ thuật này đ ợc sử dụng rộng rưi để đánh giá giá trị hội tụ và giá trị phân
biệt trong các ph ơng thức đánh giá (thang đo l
ng) đa chỉ số của nghiên cứu khoa học
xư hội.
- Phân tích biệt số (discriminant analysis) là một kỹ thuật phân lo i nhằm mục đích
đặt một quan sát vào một trong các phân nhóm định danh dựa trên sự kết hợp tuyến tính
của các biến dự đoán. Kỹ thuật này t ơng tự nh kỹ thuật hồi quy đa biến, chỉ khác
chỗ
biến phụ thuộc của phân tích biệt số là định danh. Nó đ ợc sử dụng phổ biến trong các ứng
dụng tiếp thị, chẳng h n nh để phân lo i khách hàng hoặc các s n phẩm thành các lo i
khác nhau dựa trên các thuộc tính nổi bật đ ợc xác định trong cuộc điều tra quy mô lớn.
- Hồi quy logistic (hoặc mô hình logit) là một mô hình hồi quy tuyến tính GLM trong
đó biến kết qu là nhị phân (0 hoặc 1), tuân theo một phân phối t ợng tr ng nhằm mục tiêu
dự đoán xác suất thành công của kết qu bằng cách h ớng dữ liệu vào một đ
ng cong
logistic. Một ví dụ là dự đoán xác suất của các cơn đau tim trong một kho ng th i gian cụ
thể, dựa trên các yếu tố dự báo nh tuổi tác, chỉ số trọng l ợng cơ thể, chế độ tập luyện,…
Hồi quy logistic đ ợc ứng dụng rất phổ biến trong y khoa.
h
ớc l ợng về mức độ nh
ng dựa trên "tỷ số vênh", biểu thị tỷ lệ chênh lệch của một sự kiện x y ra trong một
nhóm so với nhóm khác.
- Hồi quy probit (hoặc mô hình probit) là một GLM trong đó biến kết qu có thể thay
đổi giữa 0 và 1 (hoặc có thể gi định các giá trị r i r c 0 và 1), tuân theo một phân phối
chuẩn, với mục tiêu dự đoán xác suất của mỗi kết qu đầu ra. Đây là một kỹ thuật phổ biến
để phân tích dự báo trong ngành thống kê b o hiểm, dịch vụ tài chính,… với các ứng dụng
nh xác định điểm tín dụng dựa trên xếp h ng tín dụng của từng ng
các thông tin khác từ hồ sơ vay vốn của ng
i, tiền l ơng, nợ và
i đó. Hồi quy probit và hồi quy logit th
ng
có hệ số hồi quy t ơng tự trong các ứng dụng so sánh (kết qu nhị phân) tuy nhiên mô hình
logit dễ dàng hơn để tính toán và gi i thích.
- Phân tích đường dẫn (path analysis) là một kỹ thuật GLM đa biến để phân tích mối
quan hệ định h ớng trong một tập hợp các biến. Nó cho phép kiểm tra các mô hình t ơng
tác phức t p mà
đó biến phụ thuộc trong một ph ơng trình này l i là biến độc lập trong
ph ơng trình khác và nó đ ợc sử dụng rộng rưi trong nghiên cứu khoa học xư hội hiện đ i.
197
- Phân tích chuỗi thời gian (time series analysis) là một kỹ thuật để phân tích dữ liệu
th i gian theo chuỗi th i gian hoặc các biến liên tục thay đổi theo th i gian. Ví dụ của ứng
dụng này bao gồm các dự báo biến động thị tr
ng chứng khoán và tỷ lệ tội ph m trong
các đô thị. Kỹ thuật này phổ biến trong kinh tế, tài chính kế toán và xử lý tín hiệu. Kỹ thuật
đặc biệt đ ợc sử dụng để hiệu chỉnh những t ơng quan tự động hoặc t ơng quan trong
ph m vi giá trị của cùng một biến theo th i gian.
198
Ch
ng 16
Đ O Đ C TRONG NGHIểN C U KHOA H C
Từ điển Webster định nghĩa đ o đức là sự phù hợp với các chuẩn mực hành vi của
một hoặc của một nhóm nghề nghiệp nhất định. Những chuẩn mực nh vậy th
ng đ ợc
quy định một bộ quy tắc ứng xử nghề nghiệp và nhiều khi đ ợc thực thi b i một ủy ban t i
các tr
ng đ i học - đ ợc gọi là Hội đồng Thẩm tra đ o đức (Institutional Review Board).
Kể c trong tr
ng hợp các nguyên tắc đ o đức không đ ợc quy định rõ ràng trong các văn
b n, các nhà khoa học vẫn ph i có ý thức thực hiện những thỏa thuận chung của cộng đồng
khoa học về những hành vi nào là chấp nhận đ ợc, hành vi vào không chấp nhận đ ợc
trong tiến hành nghiên cứu khoa học chuyên nghiệp. Ví dụ, các nhà khoa học không nên
thực hiện những hành vi thu thập, phân tích và xử lý dữ liệu trái với các nguyên tắc của
khoa học hoặc ph ơng pháp khoa học.
T i sao đ o đức trong nghiên cứu khoa học l i đ ợc coi trọng nh vậy? B i lẽ khoa
học th
ng bị cá nhân hay tổ chức lợi dụng một cách phi đ o đức để phục vụ lợi ích riêng
và tiến hành những ho t động trái với các chuẩn mực ứng xử khoa học. Một ví dụ kinh
điển là việc thử nghiệm d ợc phẩm Vioxx của hưng d ợc khổng lồ Merck khi công ty này
đư che giấu cộng đồng khoa học các tác dụng phụ gây chết ng
qu là 3.468 ng
i của lo i thuốc này. Kết
i dùng Vioxx đư chết, nguyên nhân chủ yếu là do tim ngừng đập. Năm
2010, công ty đư ph i đồng ý chi tr bồi th
ng 4,85 tỷ USD và thành lập hai ủy ban độc
lập và một ban giám sát y tế để giám sát sự an toàn của quá trình nghiên cứu thuốc. Hành
vi của công ty Merck là phi đ o đức và vi ph m các nguyên tắc khoa học về thu thập, phân
tích và gi i thích dữ liệu.
Đ o đức học là sự phân biệt giữa đúng và sai về mặt đ o đức. Những gì là phi đ o
đức ch a hẳn là bất hợp pháp. Nếu hành vi một của nhà khoa học rơi vào vùng “xám” giữa
đ o đức và luật pháp (nghĩa là hợp pháp nh ng phi đ o đức), thì nhà khoa học đó có thể
không bị truy cứu theo quy định pháp luật, nh ng có thể bị tẩy chay trong cộng đồng khoa
học, đối mặt với suy gi m nghiêm trọng về uy tín nghề nghiệp và thậm chí có thể bị sa th i
vì vi ph m nguyên tắc nghề nghiệp. Những chuẩn mực đ o đức này có thể không giống
nhau
các xư hội khác nhau.
biến cho nghiên cứu khoa học
đây, chúng tôi đề cập đến tiêu chuẩn đ o đức áp dụng phổ
các n ớc ph ơng Tây.
199
Các nguyên t c đ o đ c trong nghiên c u khoa h c
D ới đây là một số những nguyên tắc về hành vi đ o đức đ ợc chấp nhận rộng rưi
trong cộng đồng khoa học.
Tham gia tự nguyện và vô hại (voluntary participation and harmlessness). Những
ng
i tham gia trong một dự án nghiên cứu ph i nhận thức đ ợc rằng sự tham gia của họ
trong nghiên cứu này là tự nguyện; họ hoàn toàn tự do rút khỏi nghiên cứu bất cứ lúc nào
mà không ph i gánh chịu bất kỳ hậu qu gì; họ không thể bị tổn h i dù có tham gia hay
không tham gia dự án. Vi ph m trắng trợn nhất về nguyên tắc tham gia tự nguyện có lẽ là
các thí nghiệm y học c ỡng bức do các nhà nghiên cứu Đức Quốc xư thực hiện đối với các
tù nhân chiến tranh trong Thế chiến II. Hành vi này đư bị Tòa án Nuremberg sau chiến
tranh kết tội (những thí nghiệm này cũng là nguồn gốc của thuật ngữ “tội ác chống l i loài
ng
i”).
Các hành vi vi ph m khác ít đ ợc biết hơn nh thí nghiệm bệnh giang mai t i thành
phố Tuskegee do Cơ quan y tế công cộng của Mỹ tiến hành trong các năm 1932 -1972. Có
gần 400 ng
i đàn ông ng
i Mỹ gốc Phi nghèo khổ nhiễm bệnh giang mai bị từ chối điều
trị, ngay c khi thuốc kháng sinh penicillin đư đ ợc thử nghiệm thành công điều trị hiệu
qu bệnh giang mai. Những ng
i bần cùng này bị buộc điều trị bằng các ph ơng pháp sai
lầm khác nh chích mủ cột sống. Cho dù số ng
i này không ph i đối mặt với cái chết,
nh ng không nên buộc họ ph i chịu đựng sự đau đớn khi họ tham gia vào thí nghiệm. Năm
1971, nhà tâm lý học Philip Zambardo tiến hành Thí nghiệm nhà tù Stanford. Khi đó các
học sinh t i thành phố Stanford đ ợc tuyển làm đối t ợng nghiên cứu và đ ợc phân công
ngẫu nhiên trong vai trò tù nhân hoặc cai ngục. Nghiên cứu này sau đó đư gây nên những
hậu qu tổn th ơng tâm lý nghiêm trọng cho các học sinh đóng vai tù nhân do hậu qu của
việc bị giam giữ gi t o. Còn những học sinh trong vai cai ngục đư thể hiện tính hung ác và
nh h
ng đến sự nhận thức của họ về sau. Thí nghiệm đư bị buộc chấm dứt.
Ngày nay, nếu một gi ng viên yêu cầu sinh viên trong lớp hoàn thành một b ng câu
hỏi điều tra và thông báo rằng sự tham gia của họ là tự nguyện thì ph i đ m b o chắc chắn
sinh viên không ph i lo sợ nếu không tham gia có thể bị điểm thấp. Ví dụ, sẽ là phi đ o
đức nếu th
ng điểm cho những sinh viên tham gia và không th
không tham gia, b i vì nó làm cho ng
hợp nh vậy, ng
ng cho những ng
i không tham gia bị bất lợi. Để tránh những tr
i
ng
i giáo viên có thể ph i giao một nhiệm vụ khác cho những sinh viên
không tham gia để họ có thể có đ ợc điểm th
200
ng mà không cần tham gia vào nghiên cứu
hoặc gi ng viên ph i th
ng điểm cho tất c mọi ng
i, không phân biệt họ tham gia hoặc
không tham gia nghiên cứu.
Hơn nữa, tr ớc khi xác nhận các câu tr l i tham gia, họ ph i đ ợc nhận và ký vào
b n tự nguyện với đ y đủ thông tin (informed consent). B n này ghi rõ ràng quyền không
tham gia và quyền rút khỏi nghiên cứu của họ. Trong nghiên cứu về y học, b n này cũng
ph i chỉ rõ rủi ro bất kỳ có thể x y ra trong qua trình tham gia của họ. Đối với ng
18 tuổi, mẫu đơn này ph i có chữ ký của cha mẹ hoặc ng
i d ới
i giám hộ hợp pháp. Các nhà
nghiên cứu ph i giữ l i các b n chấp thuận tự nguyện trong kho ng th i gian nhất định
(th
ng là ba năm) sau khi hoàn thành quá trình thu thập dữ liệu phù hợp với các quy định
về nghiên cứu khoa học trong lĩnh vực hoặc nơi làm việc của họ.
n danh và b o m t (anonymity and confidentiality). Để b o vệ quyền lợi hiện t i
và t ơng lai của ng
i tham gia, danh tính của họ ph i đ ợc b o vệ trong nghiên cứu khoa
học. Điều này đ ợc thực hiện bằng cách sử dụng các nguyên tắc kép về ẩn danh (giấu tên)
và b o mật.
n danh đặt ra yêu cầu rằng các nhà nghiên cứu hoặc độc gi của báo cáo
nghiên cứu hoặc bài báo khoa học cuối cùng không thể xác định bất kỳ câu tr l i nào là
của một ng
i tr l i cụ thể. Một ví dụ giấu tên trong nghiên cứu khoa học là một cuộc
điều tra bằng th , trong đó không có những địa chỉ giúp xác định ai tr l i và ai không tr
l i. Đặc biệt, trong nghiên cứu về các hành vi lệch chuẩn, chẳng h n nh sử dụng ma túy
hoặc t i nh c bất hợp pháp của sinh viên, các câu tr l i trung thực có thể không thể đ t
đ ợc nếu nhà nghiên cứu không b o đ m tên của những ng
nữa, giấu tên để đ m b o rằng ng
i tham gia đ ợc giữ kín. Hơn
i tham gia đ ợc b o vệ và tránh bị phiền hà của các cơ
quan chức năng hoặc chính quyền có thể để ý tới việc nhận diện và tìm kiếm những ng
i
này trong t ơng lai.
Trong một số thiết kế nghiên cứu, chẳng h n nh các cuộc phỏng vấn trực diện, việc
giấu tên là không thể đ ợc. Trong các thiết kế khác, chẳng h n nh kh o sát theo chiều
dọc, giấu tên cũng khó đ ợc đ m b o, b i nếu giấu tên các nhà nghiên cứu không thể thực
hiện các so sánh về ph n ứng của cùng một ng
tuyến dọc. Trong những tr
ng hợp nh vậy, ng
i
các điểm khác nhau để phân tích theo
i tham gia cần đ ợc bảo mật, trong đó
chỉ riêng nhà nghiên cứu có thể nhận ra ph n ứng của một ng
b o sẽ không tiết lộ danh tính ng
i nào đó, nh ng ph i đ m
i đó trong bất kỳ báo cáo, bài báo khoa học hay diễn
đàn công cộng nào. B o mật là một hình thức b o vệ thấp hơn so với hình thức giấu tên,
b i vì trong luật pháp Hoa Kỳ, dữ liệu thu thập trong nghiên cứu xư hội không đ ợc h
ng
các “đặc quyền thông tin” nh với cơ chế trao đổi thông tin của linh mục hoặc luật s . Ví
201
dụ, hai năm sau khi tàu ch dầu khổng lồ Exxon Valdez tràn 10 triệu thùng dầu thô gần
c ng Valdez
bang Alaska, các cộng đồng bị thiệt h i kinh tế và môi tr
quyền cho một tổ chức nghiên cứu
ng
đây đư uỷ
San Diego kh o sát các hộ gia đình bị nh h
ng để
tìm hiểu chi tiết những khó khăn và căng thẳng tâm lý gia tăng trong các gia đình này. Do
các quan niệm văn hóa, nhiều ng
i Mỹ b n địa c m thấy rất không tho i mái nếu thông
tin về thực t i cuộc sống gia đình họ bị công khai, họ đ ợc đ m b o bí mật về danh tính
khi tham gia nghiên cứu. Khi bằng chứng từ nghiên cứu đ ợc trình lên tòa án, bị đơn là
công ty Exxon đư kiến nghị tòa án cần ph i tr ng ra các b ng câu hỏi kh o sát gốc (với
thông tin nhận d ng) để kiểm tra chéo câu tr l i của những ng
i tham gia với danh tính
đ ợc b o mật và toà đư chấp nhận yêu cầu này. May mắn thay, vụ án Exxon Valdez đ ợc
gi i quyết tr ớc khi các n n nhân (ng
i tham gia nghiên cứu) bị buộc ph i ra làm chứng
t i tòa án công khai. Cho dù vậy thì kh năng vi ph m tính b o mật t ơng tự nh trên vẫn
tiềm tàng.
Trong một tr
ng hợp hi hữu khác, Rick Scare - một sinh viên tốt nghiệp tr
ng Đ i
học Washington, đư tiến hành các nghiên cứu quan sát tham dự cùng với các nhà ho t động
b o vệ động vật. Năm 1990, Scare xuất b n cuốn sách Ecowarriors: Understanding the
Radical Environmental Movement (Chiến sĩ b o vệ sinh thái: Tìm hiểu về phong trào môi
tr
ng cấp tiến). Năm 1993, Scare đ ợc gọi ra tr ớc bồi thẩm đoàn để hỏi về các nhà ho t
động môi tr
ng mà anh đư cộng tác nghiên cứu. Để làm tròn bổn phận đ o đức với t
cách là một thành viên của Hiệp hội xư hội học Hoa Kỳ, Scare đư chối tr l i câu hỏi bồi
thẩm đoàn. Vì vậy, anh bị ph t tù 159 ngày t i Tr i giam h t Spokane. Để tự b o vệ mình,
tránh những tai n n t ơng tự nh Rik Scare, các nhà nghiên cứu nên xóa bỏ tất c các
thông tin cá nhân trong các tài liệu và các tệp dữ liệu ngay khi chúng không còn cần thiết.
Năm 2002, Bộ Y tế và Dịch vụ Nhân sinh Hoa Kỳ đư ban hành “Giấy chứng nhận bảo
mật” để b o vệ các thành viên tham gia các dự án nghiên cứu, giúp họ tránh những phiền
hà từ lực l ợng c nh sát và các cơ quan có thẩm quyền khác. Không ph i tất c các dự án
nghiên cứu hội đủ điều kiện để đ t đ ợc sự b o vệ này, nh ng trong nhiều tr
điều này có thể cung cấp những hỗ trợ quan trọng để b o vệ bí mật cho ng
Cung cấp thông tin về đề tài nghiên cứu (disclosure). Thông th
ng hợp,
i tham gia.
ng, tr ớc khi thu
thập dữ liệu, các nhà nghiên cứu có nghĩa vụ cung cấp một số thông tin về đề tài nghiên
cứu cho những ng
i tham gia tiềm năng để họ quyết định có tham gia vào nghiên cứu này
hay không. Ví dụ, ng
i tham gia tiềm năng cần biết những ai đang tiến hành nghiên cứu,
nhằm mục đích gì, những kết qu dự kiến ra sao và những lợi ích mà kết qu nghiên cứu
202
mang l i. Tuy nhiên, trong một số tr
ng hợp, việc tiết lộ thông tin nh vậy có thể có kh
năng mang l i những câu tr l i thiếu khách quan. Ví dụ, nếu mục đích của nghiên cứu là
để xem xét khi nào một cá nhân sẽ từ bỏ quan điểm cá nhân của mình để tuân theo “quan
điểm tập thể". Theo kế ho ch, họ sẽ tham gia vào một thí nghiệm, họ lắng nghe ý kiến của
ng
i khác về một chủ đề nhất định tr ớc khi bày tỏ của quan điểm riêng mình. Nh vậy,
việc tiết lộ mục đích của cuộc nghiên cứu tr ớc khi tiến hành dẫn đến kh năng làm cho
ng
i tham gia điều chỉnh hành vi của họ trong quá trình thực nghiệm. Trong những
tr
ng hợp nh vậy, mục đích của nghiên cứu chỉ nên tiết lộ trong một buổi gặp gỡ ngay
sau quá trình thu thập dữ liệu, với một danh sách các kh năng rủi ro hoặc tổn h i mà
ng
i tham gia có thể gặp ph i trong quá trình thực nghiệm.
Phân tích và báo cáo (Analysis and reporting). Các nhà nghiên cứu cũng có nghĩa
vụ đ o đức đối với cộng đồng khoa học về dữ liệu đ ợc phân tích và báo cáo trong nghiên
cứu của họ. Những phát hiện không mong đợi hoặc tiêu cực nên đ ợc tiết lộ đầy đủ, ngay
c khi chúng gây ra sự hoài nghi vào giá trị của thiết kế nghiên cứu hay các kết luận của đề
tài nghiên cứu. T ơng tự nh vậy, yêu cầu này cũng áp dụng với những kết qu đáng chú ý
đ ợc phát hiện sau khi nghiên cứu đư hoàn thành, cho dù những phát hiện này là do ngẫu
nhiên hay do thiếu dữ liệu. Việc khẳng định những kết qu ngẫu nhiên đó là s n phẩm có
chủ ý, trong kế ho ch của nhà nghiên cứu là hành vi phi đ o đức. Nói cách khác, trong
nghiên cứu thực chứng, không nên hình thành các gi thuyết sau khi đư có kết qu phân
tích dữ liệu, b i vì vai trò của dữ liệu trong nghiên cứu nh vậy là để kiểm tra gi thuyết,
chứ không ph i để xây dựng chúng.
Nó cũng là phi đ o đức khi “cắt xén” dữ liệu thành các phân đo n khác nhau để
chứng minh hay bác bỏ các gi thuyết, hay để t o ra nhiều s n phẩm khoa học mà các s n
phẩm đó đòi hỏi nguồn các dữ liệu khác nhau. Tự động nhào nặn những kết qu còn nghi
vấn tr thành những kết qu nghiên cứu hợp lệ bằng cách phân tích những dữ liệu cắt xén,
cục bộ, không đầy đủ hoặc không thích hợp cũng là một hình thức không trung thực trong
khoa học. Tiến bộ khoa học có đ ợc thông qua sự c i m và trung thực, vậy nên cách tốt
nhất để các nhà nghiên cứu đóng góp cho khoa học và cộng đồng khoa học là tiết lộ đầy đủ
những vấn đề còn tồn t i trong nghiên cứu của họ. Qua đó, có thể giúp các nhà nghiên cứu
khác tránh những vấn đề t ơng tự.
H i đồng Th m tra đ o d c (Institutional Review Board)
Đ o đức nghiên cứu liên quan đến đối t ợng là con ng
203
i đ ợc qu n trị b i đ o luật
liên bang của Hoa Kỳ. Bất kỳ cơ quan nghiên cứu nào, chẳng h n nh tr
ng đ i học hoặc
bệnh viện, muốn đề xuất xin ngân sách liên bang để hỗ trợ các dự án nghiên cứu ph i
chứng minh đ ợc rằng nghiên cứu phù hợp với pháp luật liên bang về quyền ng
i tham
gia. Quá trình này đ ợc giám sát b i một hội đồng gồm các chuyên gia đ ợc gọi là Hội
đồng Thẩm tra đ o đức (Institutional Review Board - IRB). IRB xem xét tất c các đề xuất
nghiên cứu có đối t ợng tham gia là con ng
i để đ m b o rằng các nguyên tắc về tham
gia tự nguyện, vô h i, giấu tên, b o mật,… đ ợc thực thi, gi m thiểu những rủi ro có thể
đối với ng
i tham gia. Mặc dù pháp luật liên bang chỉ áp dụng riêng cho các đề án liên
bang tài trợ, tuy nhiên các tiêu chuẩn và thủ tục này đ ợc áp dụng cho c các đề tài không
đ ợc tài trợ và c đề tài của sinh viên.
Quá trình phê duyệt của IRB đòi hỏi nhà nghiên cứu hoàn thành một hồ sơ theo mẫu
cung cấp đầy đủ thông tin về dự án nghiên cứu, các thành viên nghiên cứu (các nhà điều tra
chính), chi tiết về quyền của ng
i tham gia sẽ đ ợc b o vệ. Những tài liệu bổ sung nh
b n chấp thuận tự nguyện, b ng hỏi hoặc cách thức phỏng vấn cũng có thể ph i cung cấp.
Các nhà nghiên cứu trong đề tài cũng ph i chứng minh đ ợc rằng họ đư hiểu và nắm bắt
sâu sắc các nguyên tắc đ o đức trong nghiên cứu bằng cách cung cấp giấy chứng nhận đư
tham dự vào một khóa học về đ o đức nghiên cứu. Thu thập dữ liệu chỉ có thể bắt đầu sau
khi dự án đ ợc IRB chấp thuận.
B Quy t c đ o đ c nghề nghi p
Hầu hết các cơ quan, tổ chức nghiên cứu chuyên nghiệp đều xây dựng và công bố
các quy định chính thức về ho t động khoa học trong đó nêu rõ những gì là đ ợc chấp
nhận và không đ ợc chấp nhận trong nghiên cứu của các thành viên. Ví dụ, quy định của
Hiệp hội Hệ thống thông tin (AIS), một hiệp hội nghề nghiệp toàn cầu của các nhà nghiên
cứu chuyên ngành hệ thống thông tin, đ ợc tóm tắt trong B ng 16.1 (có thể tham kh o đầy
đủ quy định t i địa chỉ trực tuyến http://home.aisnet.org/displaycommon.cfm?
an=1&subarticlenbr=15). Các quy định t ơng tự về đ o đức nghiên cứu cũng có thể áp
dụng cho các chuyên ngành khác.
Bộ Quy tắc của AIS nhóm các hành vi vi ph m đ o đức thành hai lo i. Lo i I bao
gồm các vi ph m nghiêm trọng nh đ o văn và gi m o dữ liệu, làm sai lệch quy trình
nghiên cứu và phân tích dữ liệu. Những vi ph m này có thể dẫn đến sự trục xuất ra khỏi
hiệp hội, sa th i, truy cứu pháp lý và gây tổn h i nghiêm trọng danh dự nghề nghiệp. Lo i
II bao gồm sự vi ph m ít nghiêm trọng hơn nh không tôn trọng các quyền của đối t ợng
204
nghiên cứu, trình bày sai lệch đóng góp của dự án nghiên cứu, sử dụng các dữ liệu của
những ng
i khác đư công bố mà không có sự chú dẫn. Những hành vi này có thể làm tổn
h i cho uy tín nghề nghiệp, các công bố bị lo i bỏ khỏi các t p chí khoa học, v.v... Quy
định này cũng cung cấp chỉ dẫn về những hành vi nghiên cứu chuẩn mực, cách xử lý khi
và n n nhân) và trình tự, thủ tục
phát hiện có sự vi ph m đ o đức (cho c
gi i quyết các tr
ng hợp vi ph m đ o đức của AIS. Mặc dù những quy định về đ o đức
nghiên cứu nh vậy không lo i trừ hoàn toàn các hành vi phi đ o đức nh ng chắc chắn,
chúng giúp t o ra ranh giới của hành vi đ o đức trong cộng đồng khoa học, giúp gi m các
tr
ng hợp vi ph m.
LO I M T:
Quy định trong lo i này ph i luôn luôn đ ợc tuân thủ và nếu không sẽ
cấu thành một hành vi vi ph m đ o đức nghiêm trọng. Những vi ph m nghiêm trọng
này có thể dẫn đến việc trục xuất b n ra khỏi các hiệp hội học thuật, sa th i, truy cứu
pháp lý đối với b n và có thể làm ph ơng h i nghiêm trọng đến uy tín khoa học của
b n.
1. Không đ ợc đ o văn.
2. Không làm gi hoặc làm sai lệch dữ liệu, quy trình nghiên cứu và phân tích dữ
liệu.
LO I HAI:
Quy định trong lo i này là những hành vi đ o đức đ ợc khuyến cáo. Vi
ph m trắng trợn những quy định này hoặc các quy ớc nghề nghiệp khác dù ít
nghiêm trọng hơn, nh ng vẫn có thể dẫn đến huỷ ho i danh tiếng của b n, bị xử lý
b i các ban biên tập, rắc rối nghề nghiệp, truy cứu pháp lý và làm gi m uy tín của
b n với đồng nghiệp.
3. Tôn trọng các quyền của đối t ợng nghiên cứu, đặc biệt là quyền về thông tin
riêng t và quyền đ ợc thông báo về b n chất của nghiên cứu và các lo i ho t động
họ đ ợc đề nghị tham gia.
4. Không trình bày sai lệch về đóng góp của nghiên cứu với các biên tập viên và
những ng
i tổ chức ch ơng trình hội th o khi b n gửi kết qu nghiên cứu cho họ.
5. Không l m dụng quyền h n và trách nhiệm khi b n đ ợc giao làm ng
i biên tập,
bình duyệt hoặc giám sát và đ m b o rằng các quan hệ cá nhân không tác động đến
nhận xét đánh giá của b n.
205
6. Khai báo tất c xung đột lợi ích có thể nh h
ng tới sự khách quan và vô t của
b n khi đ ợc giao thẩm định những đề xuất công bố, các hồ sơ đăng ký thự hiện đề
tài và những phần mềm hoặc khi đ ợc giao thực hiện các đề tài từ nguồn kinh phí
bên ngoài.
7. Không sử dụng dữ liệu đư công bố của ng
i khác mà không có sự trích dẫn hoặc
sử dụng dữ liệu ch a công bố mà không có sự cho phép và sự thừa nhận của tác gi .
8. Ghi nhận những đóng góp có ý nghĩa của tất c ng
i tham gia nghiên cứu tuỳ
theo đóng góp trí tuệ của họ, cho dù là các đồng nghiệp hay sinh viên.
9. Không sử dụng các bài viết, thông tin, ý t
công bố của ng
ng, khái niệm hoặc dữ liệu ch a đ ợc
i khác mà không có sự cho phép của tác gi khi b n cho rằng đó có
thể là kết qu của một quá trình học thuật ví dụ nh ng quá trình bình duyệt các công
bố khoa học.
10. Chỉ sử dụng các tài liệu l u trữ phù hợp với các quy định của các cơ s l u trữ.
L I KHUYểN:
Một số gợi ý về cách thức tự b o vệ khỏi các tranh chấp quyền tác gi ,
sơ xuất, sai lầm và thậm chí bị truy cứu pháp lý.
1. Giữ các tài liệu và dữ liệu cần thiết nhằm xác nhận quyền tác gi của mỗi công
trình học thuật khi b n tham gia nghiên cứu.
2. Không công bố những ý t
ng khoa học cũ của chính b n nh thể chúng là một
đóng góp trí tuệ mới.
3. Gi i quyết các vấn đề về quyền s hữu dữ liệu tr ớc khi xử lý, phân tích chúng.
4. Trao đổi ý kiến các đồng nghiệp cùng chuyên ngành nếu nghi ng .
B ng 16.1. Quy tắc đ o đức của Hiệp hội Hệ thống thông tin
M t tranh lu n về đ o đ c
Robert Allen Humphreys “Laud” là nhà xư hội học và là tác gi ng
i Mỹ, đ ợc biết
đến nhiều nhất b i luận án tiến sĩ của ông: Thương mại phòng trà (Tearoom Trade), xuất
b n năm 1970. Cuốn sách này là một đề tài dân tộc học, nghiên cứu các cuộc gặp gỡ chớp
nhoáng giữa những nam đồng tính ẩn danh trong nhà vệ sinh công cộng trong công viên một hiện t ợng đ ợc gọi là “phòng trà” trong tiếng lóng của dân “gay”
206
Hoa Kỳ.
Humphreys bị hấp dẫn b i một thực tế là phần lớn những ng
động “phòng trà” vẻ bề ngoài rất nam tính và là những ng
đình bình th
i tham gia vào các ho t
i đàn sống một cuộc sống gia
ng trong cộng đồng của họ. Tuy nhiên, điều quan trọng là họ che giấu danh
tính trong các chuyến thăm tới “phòng trà”.
Thông th
ng, những cuộc gặp trong “phòng trà” có ba ng
tiến hành quan hệ tình dục và một ng
i - hai ng
i canh chừng, đ ợc gọi là “Nữ hoàng c nh giới”
(Watchqueen). Nhiệm vụ của “Nữ hoàng c nh giới” là để c nh báo cho hai ng
xuất hiện của c nh sát hoặc những ng
i đàn ông
i khác, đồng th i ng
i kia về sự
i này cũng n y sinh những
khoái c m khi xem hành vi quan hệ tình dục. Để tiếp cận các đối t ợng này, Humphreys
xuất hiện t i các nhà vệ sinh công cộng và gi m o nh một watchqueen. Với t cách là
ng
i quan sát tham dự, Humphreys có thể tiến hành quan sát cho ph m vi nghiên cứu
luận án của mình. Ông coi
th
nh khi nghiên cứu
ng
là bình
hiện t ợng
.
Humphreys cần thêm thông tin về những ng
i tham gia. Nh ng vì những ng
i
tham gia không muốn tr l i phỏng vấn về lĩnh vực này hoặc không muốn tiết lộ danh tính
cá nhân, Humphreys đư ghi l i biển số xe ô tô của ng
i tham gia mỗi khi có thể và lần ra
tên cùng địa chỉ của họ từ cơ s dữ liệu chung. Sau đó, ông đến thăm những ng
i đàn ông
này t i nhà của họ. Ông ngụy trang để tránh bị nhận diện và thông báo rằng ông đang tiến
hành một cuộc kh o sát và sau đó ông thu thập dữ liệu cá nhân, những dữ liệu này sẽ
không thể có đ ợc nếu ông không ngụy trang nh vậy.
Nghiên cứu của Humphreys đư t o ra tranh cưi khá gay gắt trong cộng đồng khoa
học. Nhiều nhà phê bình nói rằng ông không nên xâm ph m quyền riêng t của ng
khi nghiên cứu khoa học; những ng
những ng
i khác
i khác thì quan ng i rằng Humphrey đư gian dối với
i tham gia nghiên cứu khi làm cho họ tin rằng ông chỉ là một “Nữ hoàng c nh
giới”, trong khi rõ ràng ông có những động cơ bí mật khác. Kể c những ng
hành vi quan sát trong phòng trà có thể chấp nhận đ ợc b i vì những ng
i cho rằng
i tham gia đư sử
dụng các công trình công cộng thì họ cũng cho rằng các cuộc phỏng vấn những ng
i tiếp
sau đó của Humphrey l i là phi đ o đức vì ông đư ngụy trang lý do gặp gỡ, vì cách ông tìm
đ ợc địa chỉ nhà của họ và đư không tìm kiếm sự chấp thuận tự nguyện.
Trong khi đó, một vài nhà nghiên cứu đư b o vệ ph ơng pháp tiếp cận của
Humphrey, họ nói rằng đây là một hiện t ợng xư hội học quan trọng, xứng đáng đ ợc
207
nghiên cứu kỹ l ỡng; rằng không có cách nào khác để có thể thu thập đ ợc những dữ liệu
có giá trị nh vậy; và hơn nữa, việc ngụy trang của Humphreys là vô h i, ông không tiết lộ
danh tính của các đối t ợng nghiên cứu của mình cho bất cứ ai. Tranh cãi này không bao
gi đ ợc phán xử thuyết phục và nó vẫn tiếp tục còn tranh luận sôi nổi trong các lớp học
và các diễn đàn về đ o đức nghiên cứu./.
208
PH L C
M u ch
ng trình môn h c đƠo t o ti n sĩ
QMB 7565: Giới thiệu về ph ơng pháp nghiên cứu
Đ i học South Florida
Tr
ng Kinh doanh
Học kỳ mùa thu 2011
M c tiêu:
Môn học này sẽ trang bị cho nghiên cứu sinh những kiến thức cơ b n về quá trình
tiến hành nghiên cứu học thuật. Chúng ta sẽ tìm hiểu về cách t duy và hành động của một
nhà nghiên cứu khi tiến hành các b ớc khái niệm hóa, thiết kế, thực hiện và đánh giá các
dự án nghiên cứu “khoa học”. Một phần của môn học sẽ yêu cầu b n thiết kế và viết một
đề c ơng nghiên cứu độc lập (với sự trợ giúp của giáo s ). Ngoài ra, các kỳ thi cuối môn
học sẽ giúp b n có đ ợc những chuẩn bị về ph ơng pháp luận tốt nhất cho b ớc b o vệ
luận án tiến sĩ của b n.
C u trúc:
Môn học đ ợc thiết kế theo hình thức seminar. Th o luận và phân tích các bài đọc đư
giao là tâm điểm của tất c các buổi seminar trong khóa đào t o nghiên cứu sinh. Muốn
vậy, b n ph i đọc tất cả các bài đọc mà gi ng viên giao cho tr ớc khi tới lớp học, phân tích
các nội dung trong bài đọc, tranh luận các nội dung này với b n cùng lớp, sử dụng t duy
tổng hợp kết nối chúng với nhau để qua đó phát triển t duy của một nhà nghiên cứu. Chú
ý rằng nếu b n không chuẩn bị đầy đủ cho các buổi học, chắn chắn b n sẽ hoàn toàn mất
ph ơng h ớng và sẽ không học hỏi đ ợc bất kỳ điều gì từ môn học.
Đ ợc thiết kế dành riêng cho nghiên cứu sinh, môn học này bao gồm: (1) một khối
l ợng công việc nặng hơn rất nhiều so với bất kỳ một khóa học th c sĩ nào b n đư tr i qua,
(2) một số l ợng rất nhiều các bài đọc khô khan, và (3) một mức độ cao về t duy phê
phán và th
ng gây ra c m giác chán n n. Đây không ph i là một môn học dễ và b n cũng
không dễ để đ t đ ợc điểm cao trong môn này. Nếu b n thấy yêu cầu của môn học là quá
cao, b n nên rút tên khỏi môn học này và có nghĩa là rút tên khỏi khóa học tiến sĩ.
AB., PVP., CNA.
209
Sách vƠ tƠi li u h c t p:
Bhattacherjee, A. Social Science Research: Principles, Methods, and Practice, Ver
2.0, 2011, Free download from Blackboard (my.usf.edu). [Phiên b n 2.0, 2011, T i miễn
phí từ Tài kho n điện tử (my.usf.edu)].
Kuhn, T. J. The Structure of Scientific Revolutions, University of Chicago Press,
Chicago, 1996. B n ph i đọc toàn bộ cuốn sách này tr ớc Tuần 4. B n bìa mềm có giá trên
Amazon chỉ là 7.5 đô la, nhìn có vẻ rẻ một cách khó hiểu, nh ng cuốn sách thật sự là một
bài đọc rất hóc búa, vì vậy b n nên đọc ngay từ lúc này.
Tài liệu khác: T i về từ Tài kho n điện tử Blackboard (my.usf.edu). Tài liệu cụ thể
đ ợc đề cập trong Ch ơng trình học phía d ới.
Đánh giá k t qu môn h c:
Các thành phần đánh giá kết qu môn học:
Thi cuối kỳ
35 điểm
Đề c ơng nghiên cứu
35 điểm
Thẩm định bài báo khoa học
10 điểm
Điểm chuyên cần
20 điểm
Mức điểm tổng: A+: 97-100; A: 92-97; A-: 90-92; B+: 88-90; B: 82-88; B-: 80-82;
C+: 78-80; C: 70-78.
Thi cu i kỳ:
Đây là một buổi thi tổng hợp, diễn ra trong 3 gi đồng hồ, trong đó b n sẽ viết một
bài luận để tr l i 3 - 4 câu hỏi tổng hợp, t ơng tự nh khi b n tham gia vào buổi thi tốt
nghiệp khóa nghiên cứu sinh. B n có thể t i các câu hỏi mẫu cho buổi thi t i Tài kho n
điện tử Blackboard. B n có thể tùy chọn viết tay hoặc đánh máy câu tr l i của b n. Câu
tr l i của b n cần thể hiện là một (a) b n tổng hợp các tài liệu học tập đ ợc th o luận
trong suốt môn học và (b) bài phân tích biện chứng các tài liệu này, nó không đơn thuần là
b n copy của những tài liệu đó hay những nhận xét của giáo s .
B n sẽ đ ợc đánh giá bới chất l ợng của các câu tr l i chứ không ph i là b n đư
viết bao nhiêu trang cho các câu tr l i đó. B n sẽ bị mất điểm nếu nh câu tr l i của b n
thiếu trọng tâm (lan man, dài dòng), thiếu chi tiết cần thiết (quá chung chung hoặc không
rõ nghĩa) hoặc chỉ thể hiện đ ợc những hiểu biết sơ sài về những nội dung đư th o luận
210
trên lớp học. Đây là buổi thi m , b n có thể sử dụng tài liệu theo ý thích, nh ng nên nhớ
rằng dù có mang rất nhiều tài liệu vào phòng thi nh ng chúng sẽ không có ý nghĩa gì nếu
b n không có một quá trình chuẩn bị tích cực tr ớc buổi thi. Do số l ợng khổng lồ các chủ
điểm và tài liệu đ ợc th o luận trong suốt môn học, cố gắng nhồi nhét kiến thức chỉ trong
một tuần tr ớc khi thi chắc chắn là quá ít và quá muộn.
Vi t đề c
ng nghiên c u:
B n sẽ ph i áp dụng kiến thức đư học về tiến trình nghiên cứu khoa học để viết một
b n đề c ơng nghiên cứu và cuối học kỳ. Đề c ơng này dài 10 – 12 trang, giưn dòng đơn,
không tính danh sách tài liệu tham kh o và phụ lục. B n có thể lựa chọn bất kỳ vấn đề
nghiên cứu nào nh ng ph ơng pháp luận thực chứng truyền thống đ ợc u tiên hơn. Vấn
đề nghiên cứu ph i mới (b n ch a nghiên cứu trong các môn học khác hoặc ch a nghiên
cứu với các giáo s khác), ph i tìm hiểu một vấn đề nghiên cứu có thật (không ph i nội
dung lý thuyết hay gi t
ng) và ph i đ t đến chất l ợng ít nhất t ơng đ ơng với các tham
luận trong các hội th o khoa học. Đề c ơng của b n ph i gồm năm phần: (1) vấn đề nghiên
cứu và tầm quan trọng của nó, (2) kh o cứu tài liệu, (3) lý thuyết và gi thuyết, (4) ph ơng
pháp nghiên cứu, và (5) kế ho ch nghiên cứu. Thu thập hoặc phân tích dữ liệu là không bắt
buộc. Nh ng nếu b n chọn ph ơng pháp luận diễn gi i thì một phần về thu thập và phân
tích dữ liệu là cần thiết (và cấu trúc nêu trên sẽ thay đổi – trao đổi với tôi về những thay
đổi này).
Đề c ơng nghiên cứu sẽ đ ợc thực hiện trong quá trình học suốt học kỳ khi chúng ta
đề cập các chủ đề t ơng ứng trong lớp học. Điều này giúp tôi nhận xét và chỉnh sửa các lỗi
của đề c ơng tr ớc khi môn học kết thúc. Chú ý rằng, các b n th o đề c ơng không đ ợc
tính điểm, chỉ b n cuối cùng mới đ ợc tính. B n cũng sẽ ph i b o vệ đề c ơng trong
kho ng 15 – 20 phút vào tuần học cuối, sau đó sẽ có 5 phút th o luận với hình thức giống
nh các buổi hội th o khoa học.
Th m đ nh bài báo khoa h c:
Một yêu cầu quan trọng đối với những ng
đánh giá các s n phẩm khoa học của ng
i theo sự nghiệp học thuật là kh năng
i khác. Trong nửa cuối của kỳ học, b n sẽ ph i
viết b n thẩm định một bài báo đ ợc gửi tới một t p chí khoa học kinh doanh hàng đầu để
công bố. Để hỗ trợ b n thực hiện nhiệm vụ này, khi lên lớp, tôi sẽ giới thiệu với các b n
cách thức, quy trình viết b n thẩm định bài báo khoa học và sẽ giao cho mỗi ng
i luyện
tập, viết thử một b n thẩm định cho một bài báo gửi công bố thật sự. Sau khi các b n viết
211
xong, tôi sẽ đ a cho các b n những b n thẩm định chính thức của thẩm định viên giấu tên
về những bài báo đó, nh vậy b n có thể so sánh b n thẩm định của b n và của thẩm định
viên chuyên nghiệp, từ đó thấy đ ợc mình thiếu điểm nào. B n thẩm định đ ợc chấm điểm
là b n b n viết
nhà và ph i nộp một tuần tr ớc buổi kiểm tra cuối kỳ. B n có thể ph i
đọc thêm một số tài liệu để nắm bắt đ ợc kiến thức cơ b n liên quan đến chủ đề thẩm định,
nh ng chú ý là b n không đ ợc phép làm cùng hay th o luận về bài biết với bất kỳ ai c
trong và ngoài lớp học.
Vi c tham d l p h c (điểm chuyên cần):
Mỗi một buổi th o luận sẽ phân công một “ng
i điều hành”, ng
i này có trách
nhiệm (1) chuẩn bị một b n tóm tắt (theo mẫu) dài một trang cho các bài đọc sẽ th o luận
và (2) điều hành buổi th o luận. B n sẽ nhận số điểm chuyên cần cao nhất nếu b n gửi các
b n tóm tắt của tất c các bài đọc đ ợc giao đúng kế ho ch và tham gia nhiệt tình vào các
buổi th o luận. Làm ơn đọc một số b n tóm tắt mẫu để biết về cấu trúc của một b n tóm
tắt. Nếu b n viết những b n tóm tắt này cẩn thận, chúng sẽ rất hữu ích cho kỳ thi cuối kỳ.
Photocopy b n tóm tắt của b n và và gửi cho mỗi b n trong lớp một b n. Tôi sẽ nhận xét
các b n tóm tắt này ngay trên lớp học, vì vậy b n có thể c i thiện chúng cho những buổi
th o luận tiếp theo. Nếu b n không thể tham gia một buổi nào đó hoặc muốn đọc một bài
đọc khác, b n có thể đổi bài đọc của mình cho một b n trong lớp. Tuy nhiên vì không hiểu
ý nhau hoặc vì một lý do nào khác mà khi đến lớp, một bài đọc không có b n tóm tắt thì
sinh viên đ ợc tôi giao bài đọc đó sẽ bị trừ điểm chuyên cần. Mặc dù đư có các b n tóm
tắt, mỗi sinh viên cần ph i dự tất cả các buổi th o luận, đọc tất cả tài liệu đ ợc giao và
đóng góp vào tất cả các phần th o luận.
Quy đ nh c a l p h c:
Việc tham dự: Tôi không chính thức tham gia tất c các buổi th o luận nh ng tôi sẽ
có thông tin về ai đến lớp và ai không. Nếu b n nghĩ rằng b n không đến lớp nhiều hơn
một tuần trong học kỳ này, b n nên rút tên khỏi lớp học này.
Trung thực trong học tập: Đ o văn d ới bất kỳ hình thức nào đều không đ ợc chấp
nhận và sẽ bị điểm FF [Force Fail] ngay tức khắc. Hãy đọc kỹ quy định về tính trung thực
trong học thuật của University of South Florida để biết thêm thông tin về nội dung này.
Sinh viên khuyết tật: Những sinh viên yêu cầu hỗ trợ về khuyết tật nên thông báo cho
tôi trong vòng hai tuần đầu của lớp học cùng với một lá th từ Văn phòng Hỗ trợ sinh viên
khuyết tật.
212
Điện thoại di động: Tắt nguồn điện tho i di động trong gi học, tuy nhiên b n có thể
sử dụng trong gi gi i lao.
Ch
ng trình môn h c
Tu n 1: Gi i thi u về nghiên c u
Nội dung môn học và giới thiệu.
Chương 1.
Tiến trình nghiên cứu và công bố khoa học.
Tu n 2: T duy c a nhƠ nghiên c u
Chương 2.
Một câu chuyện về hai bài báo khoa học:
Fichman, R.G. and Kemerer, C.F., "The Illusory Diffusion of Innovation: An
Examination of Assimilation Gaps," Information Systems Research (10:3), September
1999, pp. 255-275.
Williams, L.; Kessler, R.R.; Cunningham, W.; and Jeffries, R., "Strengthening the
Case for Pair Programming," IEEE Software, July/August 2000, pp. 19-25.
Tư duy phản biện:
Dialog on Leadership, "Awareness is the First Critical Thing," A Conversation
with Wanda Orlikowski, 1999.
Đạo đức nghiên cứu:
AIS Code of Conduct: http://home.aisnet.org/displaycommon.cfm?an=1&subarticlenbr=13
IRB Process: http://www.research.usf.edu/cs/irb_forms.htm
Tu n 3: Kh o c u tƠi li u vƠ phơn tích vĩ mô
Khảo cứu tài liệu:
Fichman, R.G., "Information Technology Diffusion: A Review of Empirical
Research," Proceedings of the Thirteenth International Conference on Information
Systems, Dallas,1992, 195-206.
Alavi, M. and Leidner, D.E., "Knowledge Management and Knowledge
Management Systems," MIS Quarterly (25:2), March 2001, pp. 107-136.
213
Phân tích vĩ mô:
King, W.R, and He, J., "Understanding the Role and Methods of Meta-Analysis in
IS Research," Communications of the AIS (16), 2005, pp. 665.686.
Henard, D.H. and Szymanski, D.M., "Why Some New Products are More
Successful Than Others," Journal of Marketing Research (38), August 2001, pp. 362-375.
Nhiệm vụ: hoàn thành Đề c ơng nghiên cứu phần: Vấn đề nghiên cứu và tầm quan
trọng của nó.
Tu n 4: Khoa h c lu n
Chương 3.
Các mô thức trong nghiên cứu khoa học
Kuhn, T., The Structure of Scientific Revolutions, University of Chicago Press,
1996 (Đọc toàn bộ sách).
[Chỉ tham kh o chú thích của Tiến sĩ Pajares khi b n hoàn toàn không hiểu].
Các mô thức của khoa học xã hội:
Krugman, P., "How Did Economists Get It So Wrong," New York Times, Sept 6,
2009.
Gioia, D.A. and Pitre, E., "Multiparadigm Perspectives on Theory Building,"
Academy of Management Review (15:4), 1990, pp. 584-602.
Tu n 5: LỦ thuy t trong nghiên c u về tổ ch c
Chương 4.
Vai trò của lý thuyết:
Steinfield, C.W. and Fulk, J., "The Theory Imperative," in Organizations and
Communications Technology, Janet Fulk and Charles W. Steinfield (eds.), Sage
Publications, Newbury Park, CA, 1990.
Lý thuyết Đại diện (Agency theory):
Eisenhardt, K.M., "Agency Theory: An Assessment and Review," Academy of
Management Review (14:1), 1989, pp. 57-74.
Lý thuyết Chi phí giao dịch (Transaction cost theory):
Williamson, O.E., "The Economics of Organization: The Transaction Cost
214
Approach," American Journal of Sociology (87:3), 1981, pp. 548-577.
Tu n 6: LỦ thuy t về tổ ch c (ti p)
Lý thuyết Dựa vào nguồn lực (Resource-based theory):
Barney, J.B., "Firm Resources and Sustained Competitive Advantage," Journal of
Management (17:1), 1991, pp. 99-120.
Priem, R.L. and Butler, J.E., "Is the Resource-Based 'View' a Useful Perspective
for Strategic Management Research?", Academy of Management Review (26:1), 2001, pp.
22-40.
Lý thuyết Năng lực vận động (Dynamic capability theory):
Teece, D.J.; Pisano, G.; and Shuen, A., "Dynamic Capabilities and Strategic
Management," Strategic Management Journal (18:7), 1997, 509-533.
Nhiệm vụ: hoàn thành Đề c ơng nghiên cứu phần: Kh o cứu tài liệu (cùng với các
phần tr ớc, chỉnh sửa chúng khi cần thiết).
Tu n 7: Đo l
ng vƠ giá tr khoa h c
Chương 6 và 7.
Giá trị của thang đánh giá và giá trị đơn:
Straub, D.W., "Validating Instruments in MIS Research," MIS Quarterly (13:2),
June 1989, pp. 146-169.
MacKenzie, S. B., Podsakoff, P. M., and Podsakoff, N. P., "Construct
Measurement and Validation Procedures in MIS and Behavioral Research: Integrating
New and Existing Techniques," MIS Quarterly (35:2), 2011, pp. 293-334.
Nhiệm vụ: hoàn thành Đề c ơng nghiên cứu phần: Lý thuyết và gi thuyết (cùng với
các phần tr ớc, chỉnh sửa chúng khi cần thiết).
Tu n 8: Nghiên c u kh o sát
Chương 5, 8 và 9.
Ví dụ về nghiên cứu khảo sát thực địa:
Tsai, W., "Knowledge Transfer in Intraorganizational Networks: Effects of
Network Position and Absorptive Capacity on Business Unit Innovation and Performance,"
Academy of Management Review, 2001.
Thiên vị trong nghiên cứu khảo sát:
215
Malhotra, N. K, Kim, S. S., and Patil, A., "Common Method Variance in IS
Research: A Comparison of Alternative Approaches and a Reanalysis of Past Research,"
Management Science (52:12), 2006, pp. 1865-1883.
Tu n 9: Nghiên c u th c nghi m vƠ ng y th c nghi m
Chương 10.
Ví dụ về nghiên cứu thực nghiệm thực địa:
Hunton, J.E. and McEwen, R.A., "An Assessment of the Relation Between
Analysts' Earnings Forecast Accuracy, Motivational Incentives, and Cognitive Information
Search Strategy," The Accounting Review (72:4), October 1997, pp. 497-515.
Những vấn đề của nghiên cứu thực nghiệm:
Jarvenpaa, S. L.; Dickson, G. W.; and DeSanctis, G., "Methodological Issues in
Experimental IS Research: Experiences and Recommendations," MIS Quarterly, June
1985, pp. 141-156.
Tu n 10: Th m đ nh k t qu nghiên c u
Viết bản thẩm định bài báo khoa học:
Lee, A.S., "Reviewing a Manuscript for Publication," Journal of Operations
Management (13:1), July 1995, pp.87-92.
Agarwal, R; Echambadi, R; Franco, A.M.; and Sarkar, M.B., "Reap Rewards:
Maximizing Benefits from Reviewer Comments," Academy of Management Journal
(49:2), 2006, pp.191-196.
Tại sao bài báo khoa học bị từ chối:
Daft, R.L., "Why I Recommended that Your Manuscript be Rejected and What
You Can Do About It," in L.L. Cummings & P.J. Frost (eds.), Publishing in the
Organizational Sciences, 2nd ed., 1995, pp. 164-182.
Viết bản thẩm định chuẩn tắc:
Dựa trên chỉ dẫn từ các tài liệu
trên, viết một b n thẩm định, đánh giá một bài
báo khoa học theo các quy định chuẩn. Sử dụng mẫu đánh giá [review template] cho cấu
trúc b n thẩm định của b n: Anonymous, Paper submitted to MIS Quarterly, 2004..
Các b n đánh giá thật của ba thẩm định viên AE và SE sẽ đ ợc gửi bằng email cho
b n sau khi b n đư hoàn thành b n thẩm định.
216
Thẩm định bài báo khoa học:
“Bài báo khoa học bí ẩn” [mystery paper] dành cho b n để thẩm định và sẽ bàn
luận
tuần 13. B n thẩm định này đ ợc chấm điểm, vì vậy, b n cần lên kế ho ch và dành
đầy đủ th i gian, tâm trí để hoàn thành nghiệm vụ này.
Tu n 11: Nghiên c u tr
ng h p
Chương 11.
Tiến hành nghiên cứu trường hợp:
Benbasat, I.; Goldstein, D.K.; and Mead, M., "The Case Research Strategy in
Studies of Information Systems," MIS Quarterly, September 1987, pp. 369-386.
Ví dụ về nghiên cứu trường hợp:
Beaudry, A. and Pinsonneault, A., "Understanding User Responses to Information
Technology: A Coping Model of User Adaptation," MIS Quarterly (29:3), September
2005, pp. 493-524.
Eisenhardt,
K.M.,
"Making
Fast
Strategic
Decisions
In
High-Velocity
Environments," Academy of Management Journal (32:3), 1989, pp. 543-577.
So sánh phân tích thực chứng và diễn giải:
Trauth, E.M. and Jessup, L.M., "Understanding Computer-Mediated Discussions:
Positivist and Interpretive Analyses of Group Support System Use," MIS Quarterly (24:1),
March 2000, pp. 43-79.
Nhiệm vụ: hoàn thành Đề c ơng nghiên cứu phần: Ph ơng pháp nghiên cứu (cùng
với toàn bộ các phần tr ớc).
Tu n 12: Nghiên c u di n gi i
Chương 12 và 13
B n mẫu: Phân tích nội dung bằng cách sử dụng ph ơng pháp Lý thuyết nền
(Grounded Theory).
Nghiên cứu định tính:
Shah, S.K. and Corley, K.G., "Building Better Theory by Bridging the
Quantitative-Qualitative Divide," Journal of Management Studies (48:3), December 2006,
pp. 1821-1835.
Nghiên cứu hành động:
217
Kohli, R. and Kettinger, W., "Informating the Clan: Controlling Physician Costs
and Outcomes," MIS Quarterly (28:3), September 2004, pp. 1-32.
Nghiên cứu dân tộc học:
Barley, S.R., "Technicians in the Workplace: Ethnographic Evidence for Bringing
Work into Organization Studies," Administrative Science Quarterly (41), 1996, pp. 404-411.
Tu n 13: Các ph
ng pháp h n h p
Chương 16.
Bản mẫu:
Phân tích thống kê sử dụng phần mềm SPSS.
Phân tích dữ liệu thứ cấp:
Chaney, P.K. and Philipich, K.L., "Shredded Reputation: The Cost of Audit
Failure," Journal of Accounting Research (40:4), September 2002, pp. 1221-1245.
Mô hình hóa phân tích:
Bayus, B.L., Jain, S., and Rao, A.G, "Truth or Consequences: An Analysis of
Vaporware and New Product Announcements," Journal of Marketing Research (38),
February 2001, pp. 3-13.
Nhiệm vụ: hoàn thành b n thẩm định một bài báo khoa học
Tu n 14: Thi cu i h c kỳ
Buổi thi m tổng hợp cuối học kỳ, diễn ra trong lớp học với th i gian ba gi đồng hồ.
Tham kh o các câu hỏi thi mẫu [Sample Exam Questions].
Tu n 15: Sinh viên thuy t trình
Thuyết trình 20 phút cộng thêm 5 phút hỏi (Q) và tr l i (A)
Nhiệm vụ: hoàn thành Đề c ơng nghiên cứu b n cuối.
218
NGHIểN C U KHOA H C Xẩ H I:
NGUYểN T C, PH
NG PHỄP VẨ TH C HẨNH
GS. Anol Bhattacherjee
Đ i học South Florida, Tampa, Florida, USA
abhatt@usf.edu
TS. Phan Vi t Phong
Học viện An ninh nhân dân, Hà Nội, Việt Nam
phongquanlykhoahocc500@gmail.com
TS. Cao Ng c Anh
Học viện An ninh nhân dân, Hà Nội, Việt Nam
caoanhc500@gmail.com
Thông tin về sách
Cuốn sách này nhằm trang bị cho nghiên cứu sinh và học viên
cao học kiến thức về tiến trình thực hiện nghiên cứu khoa học trong
khoa học xã hội, kinh doanh, giáo dục học, y tế công và các ngành
khác có liên quan. Cuốn sách là một nguồn tài liệu trọn vẹn, xúc tích
và toàn diện, giới thiệu những khái niệm cơ bản trong nghiên cứu về
hành vi, nó có thể là một nguồn tham khảo độc lập hoặc là nguồn bổ
sung cho các tài liệu phục vụ các buổi thảo luận hay các môn học về
phương pháp nghiên cứu cho các chương trình sau đại học. Hiện tại,
cuốn sách này đang được sử dụng như là một giáo trình về phương
pháp nghiên cứu ở các trường đại học trên cả sáu lục địa và sẽ sớm
được dịch ra chín ngôn ngữ khác nhau.
Thông tin về tác giả
Anol Bhattacherjee là giáo sư ngành Hệ thống thông tin quản lý
và là thành viên nhóm nghiên cứu Citigroup/Hidden River tài trường
Đai học South Florida, Mỹ. Ông là một trong số mười nhà nghiên cứu
nổi bật nhất trong ngành hệ thống thông tin trên thế giới. Trong hơn
một thập kỷ qua (2001 - 2010), ông được xếp hạng thứ tám về số
lượng các nghiên cứu được công bố trên hai tạp chí uy tín nhất của
ngành hệ thống thông tin là MIS Quarterly và Information Systems
Research. Trong 15 năm sự nghiệp nghiên cứu đã qua, tiến sĩ
Bhattacherjee đã công bố trên 50 bài báo khoa học và hai cuốn sách
với trên 4.000 trích dẫn trên Google Scholar. Ông là thành viên Ban
biên tập MIS Quarterly trong bốn năm qua và thường xuyên được mời
thuyết trình về kết quả nghiên cứu của ông hoặc được mời xây dựng
các chương trình nghiên cứu mới tại nhiều trường tại học trên toàn
cầu. Chi tiết về tiến sĩ Bhattacherjee được đăng tài trên trang web của
ông http://ab2020.weebly.com.