Bài 8. Phân tích dữ liệu định tính
Sau khi đọc xong bài này, bạn sẽ có thể:
|
Có sáu bước thường được sử dụng trong phân tích dữ liệu định tính, bắt đầu từ việc chuẩn bị và tổ chức dữ liệu để phân tích; khám phá dữ liệu ban đầu thông qua quá trình mã hóa dữ liệu; sử dụng các mã để phát triển một bức tranh tổng quát hơn về dữ liệu – mô tả và chủ đề; đại diện cho các phát hiện thông qua các câu chuyện và hình ảnh; giải thích ý nghĩa của các kết quả bằng cách phản ánh cá nhân về tác động của các phát hiện và trên các tài liệu có thể thông tin cho các phát hiện đó; cuối cùng là xác nhận tính chính xác của các phát hiện.
1. Chuẩn bị và tổ chức dữ liệu để phân tích
Việc chuẩn bị ban đầu cho dữ liệu để phân tích đòi hỏi phải tổ chức một lượng lớn thông tin, chuyển nó từ lời nói hoặc chữ viết sang một dạng văn bản được đánh máy và đưa ra quyết định phân tích dữ liệu bằng tay hay bằng máy tính.
1.1. Sắp xếp dữ liệu
Ở giai đoạn đầu trong phân tích định tính, bạn tổ chức dữ liệu thành các thư mục tệp hoặc tệp máy tính. Việc tổ chức dữ liệu là rất quan trọng trong nghiên cứu định tính vì lượng lớn thông tin thu thập được trong quá trình nghiên cứu. Ví dụ, dữ liệu phong phú mà một cuộc phỏng vấn thu được thường gây bối dối cho các nhà nghiên cứu mới. Một cuộc phỏng vấn kéo dài 30 phút thường sẽ dẫn đến khoảng 20 trang phiên âm. Với lượng dữ liệu khổng lồ này, việc phiên âm và tổ chức thông tin đòi hỏi một hệ thống tổ chức, có thể có một số hình thức, chẳng hạn như:
- Xây dựng ma trận hoặc bảng các nguồn có thể được sử dụng để giúp sắp xếp tài liệu.
- Sắp xếp các tài liệu theo loại: tất cả các cuộc phỏng vấn, tất cả các quan sát, tất cả các tài liệu và tất cả các bức ảnh hoặc các tài liệu trực quan khác; bạn có thể cân nhắc tổ chức các tài liệu theo người tham gia, địa điểm, địa điểm hoặc một số kết hợp của các phương pháp này.
- Giữ bản sao của tất cả các dạng dữ liệu.
1.2. Phiên âm dữ liệu
Phiên âm là quá trình chuyển đổi các bản ghi âm băng ghi âm hoặc chú thích trường thành dữ liệu văn bản. Một cuộc phỏng vấn ghi băng đòi hỏi phải chuyển sang tài liệu máy tính để phân tích. Ngoài ra, bạn có thể nghe băng ghi âm hoặc đọc chú thích để bắt đầu quá trình phân tích. Khi thời gian ngắn hoặc quỹ khan hiếm, bạn có thể chỉ có một vài cuộc phỏng vấn hoặc một vài ghi chú quan sát được phiên âm lại. Tuy nhiên, thủ tục hoàn chỉnh nhất là phải phiên âm tất cả các cuộc phỏng vấn và tất cả các ghi chú quan sát. Theo nguyên tắc chung, mất khoảng 4 giờ để phiên âm 1 giờ băng ghi âm. Do đó, quá trình phiên âm tốn nhiều công sức và bạn sẽ cần dành đủ thời gian cho nó.
1.3. Quyết định phân tích bằng tay hoặc máy tính
Theo truyền thống, phân tích dữ liệu văn bản liên quan đến việc sử dụng mã màu để đánh dấu các phần của văn bản (được in ra) hoặc cắt và dán các câu văn bản lên thẻ. Phân tích tay có thể được ưu tiên hơn khi bạn:
- Đang phân tích một cơ sở dữ liệu nhỏ (ví dụ: ít hơn 500 trang phiên âm hoặc ghi chú hiện trường) và có thể dễ dàng theo dõi các tệp và định vị các đoạn văn bản.
- Không thoải mái khi sử dụng máy tính hoặc chưa học được chương trình phần mềm máy tính có chất lượng.
- Muốn gần dữ liệu và cảm nhận dữ liệu đó mà không có sự xen vào của máy móc.
- Có thời gian, vì đây là một hoạt động đòi hỏi nhiều công sức để sắp xếp, tổ chức và định vị các từ trong cơ sở dữ liệu văn bản theo cách thủ công.
Đối với những người khác quan tâm nhiều hơn đến công nghệ và có thời gian để học một chương trình máy tính, phân tích máy tính là lý tưởng. Phân tích máy tính đối với dữ liệu định tính có nghĩa là các nhà nghiên cứu sử dụng một chương trình máy tính định tính để tạo điều kiện thuận lợi cho quá trình lưu trữ, phân tích, sắp xếp và biểu diễn hoặc trực quan hóa dữ liệu. Sử dụng chương trình máy tính khi bạn:
- Đang phân tích một cơ sở dữ liệu lớn (ví dụ: hơn 500 trang bảng phiên âm hoặc ghi chú trường) và cần tổ chức và theo dõi thông tin sâu rộng.
- Được đào tạo đầy đủ về cách sử dụng chương trình máy tính.
- Có kinh phí để mua bản quyền sử dụng phần mềm.
- Cần kiểm duyệt chặt chẽ từng từ, từng câu để nắm bắt ý nghĩa của đoạn văn.
Chương trình máy tính phân tích dữ liệu định tính là chương trình lưu trữ dữ liệu, tổ chức dữ liệu của bạn, cho phép bạn gán nhãn hoặc mã cho dữ liệu của mình và tạo điều kiện thuận lợi cho việc tìm kiếm thông qua dữ liệu của bạn và định vị văn bản hoặc từ cụ thể.
Để chọn một chương trình phần mềm, bạn cần phải kiểm tra các tính năng cụ thể có sẵn trong chương trình. Một bản tóm tắt ngắn gọn về các chương trình phổ biến như sau:
– Atlas.ti (www.atlasti.com). Chương trình này cho phép bạn tổ chức các tệp dữ liệu văn bản, đồ họa, âm thanh và hình ảnh, cùng với mã hóa, bản ghi nhớ và kết quả của bạn thành một dự án. Hơn nữa, bạn có thể viết mã, chú thích và so sánh các phân đoạn thông tin. Bạn có thể nhanh chóng tìm kiếm, truy xuất và duyệt qua tất cả các phân đoạn dữ liệu và ghi chú liên quan đến một ý tưởng và quan trọng là xây dựng các mạng duy nhất cho phép bạn kết nối các đoạn văn, bản ghi nhớ và mã được chọn trực quan trong một bản đồ khái niệm.
– HyperRESEARCH (www.researchware.com). Đây là một gói phần mềm định tính dễ sử dụng cho phép bạn viết mã và truy xuất, xây dựng lý thuyết và tiến hành phân tích dữ liệu của mình. HyperRESEARCH cho phép bạn làm việc với các nguồn văn bản, đồ họa, âm thanh và video, khiến nó trở thành một công cụ phân tích nghiên cứu có giá trị.
– MAXQDA (www.maxqda.com). Chương trình này là một công cụ mạnh mẽ để phân tích văn bản mà bạn có thể sử dụng để phân tích “mã và truy xuất” theo hướng lý thuyết có cơ sở cũng như để phân tích văn bản phức tạp hơn. Nó cho phép bạn kết hợp cả thủ tục định tính và định lượng. Một tính năng độc đáo là bạn có thể ‘cân’ (weight) các mã để đưa ra thước đo về tầm quan trọng của một đoạn mã. Bạn có thể dễ dàng sao chép, hợp nhất, tách hoặc xóa mã. Ma trận dữ liệu có thể được nhập và xuất giữa SPSS, SAS và các gói thống kê khác. MAXQDA cũng có các phương pháp hỗn hợp – định lượng và định tính – ứng dụng.
– NVivo (www.qsrinternational.com). Chương trình này kết hợp quản lý hiệu quả dữ liệu phi số học, không có cấu trúc với các quy trình mạnh mẽ cho lập chỉ mục, tìm kiếm và lý thuyết hóa. Được thiết kế cho các nhà nghiên cứu làm cảm giác về dữ liệu phức tạp, NVivo cung cấp một bộ công cụ hoàn chỉnh để mã hóa nhanh chóng, khám phá kỹ lưỡng. Đặc biệt, NVivo có khả năng tạo ma trận dữ liệu văn bản để so sánh.
2. Khám phá và mã hóa dữ liệu
Sau khi bạn đã sắp xếp dữ liệu của mình và quyết định phân tích bằng tay hay máy tính, bạn sẽ bắt đầu phân tích dữ liệu. Trong đó, khám phá dữ liệu và phát triển mã như những bước đầu tiên trong phân tích.
2.1. Khám phá cảm giác chung về dữ liệu
Phân tích khám phá sơ bộ trong nghiên cứu định tính bao gồm việc khám phá dữ liệu để có được cảm nhận chung về dữ liệu, ghi nhớ các ý tưởng, suy nghĩ về tổ chức của dữ liệu và xem xét liệu bạn có cần thêm dữ liệu hay không. Hãy viết ghi nhớ ở lề của ghi chú hiện trường hoặc bảng phiên âm, hoặc dưới ảnh, sẽ giúp ích trong quá trình khám phá dữ liệu ban đầu này. Những ghi nhớ này là những cụm từ ngắn, ý tưởng, khái niệm hoặc linh cảm xảy ra với bạn.
2.2. Mã hóa dữ liệu (Code the data)
Mã hóa là quá trình phân đoạn và gắn nhãn văn bản để tạo thành mô tả và chủ đề rộng trong dữ liệu. Mục tiêu của quá trình mã hóa là hiểu rõ dữ liệu văn bản, chia nó thành các phân đoạn văn bản hoặc hình ảnh, gắn nhãn các phân đoạn bằng mã, kiểm tra mã để tìm sự chồng chéo và dư thừa, đồng thời thu gọn các mã này thành các chủ đề rộng. Ngoài ra, trong quá trình này, bạn sẽ chọn dữ liệu cụ thể để sử dụng và bỏ qua các dữ liệu khác không cung cấp bằng chứng cụ thể cho các chủ đề của bạn.
Mặc dù không có hướng dẫn thiết lập nào cho việc mã hóa dữ liệu, nhưng vẫn tồn tại một số quy trình chung (xem Hình 1 dưới đây).
Hình 1: Quá trình mã hóa trong phân tích định tính
Gợi ý một số bước liên quan đến mã hóa dữ liệu (Creswell, 2002):
- Cảm giác về tổng thể. Đọc kỹ tất cả các phiên âm. Ghi lại bên lề một số ý tưởng khi chúng nghĩ ra.
- Bắt đầu quá trình mã hóa tài liệu. Quá trình này bao gồm việc xác định các phân đoạn văn bản, đặt một dấu ngoặc vuông xung quanh chúng và gán một từ hoặc cụm từ mã mô tả chính xác ý nghĩa của phân đoạn văn bản. Các câu hoặc đoạn văn có liên quan đến một mã duy nhất được gọi là một đoạn văn bản. Mã là nhãn được sử dụng để mô tả một đoạn văn bản hoặc một hình ảnh. Các mã có thể đề cập đến nhiều chủ đề khác nhau như: bối cảnh (ví dụ, lớp học), quan điểm của người tham gia, các quá trình (ví dụ, gián đoạn lớp học), các hoạt động (ví dụ, thảo luận, ngồi im lặng), mối quan hệ và cấu trúc xã hội (ví dụ, cách làm việc nhóm).
- Sau khi mã hóa toàn bộ văn bản, hãy lập danh sách tất cả các từ mã. Nhóm các mã tương tự và tìm kiếm các mã dư thừa. Mục tiêu của bạn là giảm danh sách mã xuống một số nhỏ hơn, dễ quản lý hơn, chẳng hạn như 25 đến 30.
- Giảm danh sách mã để có năm đến bảy chủ đề. Chủ đề (còn gọi là danh mục) là những mã tương tự được tổng hợp lại với nhau để tạo thành một ý tưởng chính trong cơ sở dữ liệu. Xác định bảy chủ đề bằng cách kiểm tra các mã mà những người tham gia thảo luận thường xuyên nhất, là duy nhất hoặc đáng ngạc nhiên, có nhiều bằng chứng nhất để hỗ trợ chúng hoặc là những mã bạn có thể tìm thấy khi nghiên cứu hiện tượng. Lý do cho số lượng chủ đề ít là tốt nhất nên viết một báo cáo định tính cung cấp thông tin chi tiết về một vài chủ đề hơn là thông tin chung về nhiều chủ đề. Mô tả là sự thể hiện chi tiết về con người, địa điểm hoặc sự kiện trong bối cảnh trong nghiên cứu định tính. Bạn có thể sử dụng các mã như “sắp xếp chỗ ngồi”, “phương pháp giảng dạy” hoặc “bố trí vật lý của phòng học” để mô tả một lớp học nơi giảng dạy diễn ra.
5. Sử dụng các mã để xây dựng mô tả hoặc chủ đề
Trong một nghiên cứu nghiên cứu định tính, bạn cần phân tích dữ liệu để hình thành câu trả lời cho các câu hỏi nghiên cứu của bạn. Quá trình này bao gồm việc kiểm tra dữ liệu một cách chi tiết để mô tả những gì bạn đã học được và phát triển các chủ đề hoặc các danh mục ý tưởng lớn từ dữ liệu. Mô tả và phát triển chủ đề từ dữ liệu bao gồm trả lời các câu hỏi nghiên cứu chính và hình thành hiểu biết sâu sắc về hiện tượng trung tâm thông qua mô tả và phát triển chủ đề. Không phải tất cả các dự án định tính đều bao gồm cả mô tả và chủ đề, nhưng tất cả các nghiên cứu đều bao gồm ít nhất ‘chủ đề’.
3.1. Mô tả (Description)
Mô tả là hiển thị chi tiết về con người, địa điểm hoặc sự kiện trong bối cảnh trong nghiên cứu định tính, dễ dàng nhất là bắt đầu phân tích sau khi đọc và mã hóa dữ liệu ban đầu. Trong một số hình thức thiết kế nghiên cứu định tính, chẳng hạn như dân tộc ký hoặc trong các nghiên cứu điển hình, nhà nghiên cứu cung cấp một mô tả đáng kể về bối cảnh. Khi cung cấp thông tin chi tiết, mô tả có thể đưa người đọc đến địa điểm nghiên cứu hoặc giúp người đọc hình dung về một người.
3.2. Chủ đề (Themes)
Ngoài mô tả, việc sử dụng các chủ đề là một cách khác để phân tích dữ liệu định tính. Vì các chủ đề là các mã tương tự được tổng hợp lại với nhau để tạo thành một ý tưởng chính trong cơ sở dữ liệu, chúng tạo thành yếu tố cốt lõi trong phân tích dữ liệu định tính. Giống như mã, các chủ đề có nhãn thường bao gồm không quá hai đến bốn từ ‘trong tiếng Anh’ (ví dụ, quy hoạch khuôn viên trường).
Thông qua các phân tích dữ liệu ban đầu, bạn có thể tìm thấy 30 đến 50 mã dữ liệu. Trong các phân tích tiếp theo, bạn giảm các mã này xuống còn bảy chủ đề chính thông qua quá trình tìm kiếm trùng lặp và loại bỏ các phần thừa. Có một số loại chủ đề và các tác giả thường xác định chúng như sau (Creswell, 2002):
- Chủ đề thông thường (Ordinary themes): chủ đề mà nhà nghiên cứu có thể mong đợi tìm thấy.
- Chủ đề không mong đợi (Unexpected themes): các chủ đề gây ngạc nhiên và không được mong đợi xuất hiện trong một nghiên cứu.
- Chủ đề khó phân loại (Hard-to-classify themes): chủ đề chứa các ý tưởng không dễ dàng chuyển thành một chủ đề hoặc trùng lặp với một số chủ đề.
- Chủ đề chính và chủ đề phụ (Major and minor themes): chủ đề đại diện cho các ý tưởng chính và các ý tưởng phụ – ý tưởng thứ cấp trong dữ liệu. Ví dụ, chủ đề chính là ‘nỗ lực bỏ thuốc lá’, chủ đề phụ có thể là ‘áp lực của bạn bè đề tiếp tục hút thuốc’.
3.3. Phân lớp chủ đề và liên kết chủ đề
Bạn sẽ thấy nhiều nghiên cứu định tính chỉ dừng lại ở việc báo cáo mô tả và chủ đề. Tuy nhiên, bạn có thể bổ sung thêm tính chặt chẽ và hiểu biết sâu sắc về nghiên cứu của mình bằng cách phân lớp các chủ đề hoặc kết nối chúng với nhau.
3.3.1. Phân lớp chủ đề (Layering Themes)
Phân lớn chủ đề được xây dựng dựa trên ý tưởng của các chủ đề chính và phụ nhưng sắp xếp các chủ đề thành các lớp từ các chủ đề cơ bản đến các chủ đề tinh vi hơn. Nó có nghĩa là biểu diễn dữ liệu bằng cách sử dụng các cấp độ chủ đề được kết nối với nhau. Bạn thêm bớt các chủ đề phụ trong các chủ đề chính và bao gồm các chủ đề chính trong các chủ đề rộng hơn. Toàn bộ phân tích ngày càng trở nên phức tạp hơn khi nhà nghiên cứu làm việc hướng tới các cấp độ sâu rộng của sự trừu tượng. Số lượng lớp có thể thay đổi từ hai đến bốn hoặc năm và việc nhận ra các lớp này sẽ giúp bạn hiểu việc sử dụng các chủ đề trong phân tích định tính theo lớp. Hình 2 dưới đây là một ví dụ về phân lớp chủ đề:
Hình 2: Ví dụ về phân lớp chủ đề
Như vậy, thu thập dữ liệu từ một số nguồn (Lớp 1) và phân tích nó để phát triển mô tả các sự kiện (Lớp 2). Từ mô tả này, sau đó họ hình thành các chủ đề (Lớp 3) và kết hợp các chủ đề này thành các quan điểm sâu rộng hơn (Lớp 4).
3.3.2. Liên kết chủ đề (Interrelating Themes)
Các chủ đề kết nối với nhau có nghĩa là nhà nghiên cứu kết nối các chủ đề để hiển thị trình tự thời gian hoặc chuỗi sự kiện, chẳng hạn như khi các nhà nghiên cứu định tính tạo ra một mô hình lý thuyết và khái niệm (như trong lý thuyết có cơ sở).
4. Đại diện và báo cáo các phát hiện
Sau khi bạn viết mã dữ liệu, phân tích nó cho mô tả và chủ đề, chủ đề lớp và kết nối chủ đề, đồng thời báo cáo kết quả cho các câu hỏi nghiên cứu của bạn. Điều này yêu cầu hiển thị các phát hiện trong các bảng và hình và xây dựng một câu chuyện để giải thích những gì bạn đã tìm thấy để trả lời các câu hỏi nghiên cứu của bạn.
4.1. Đại diện các phát hiện (Representing Findings)
Các nhà nghiên cứu định tính thường hiển thị các phát hiện của họ một cách trực quan bằng cách sử dụng các hình vẽ, hình ảnh làm tăng thêm phần thảo luận. Các cách khác nhau để hiển thị dữ liệu được liệt kê ở đây:
- Tạo bảng so sánh. Tạo hình ảnh trực quan của thông tin dưới dạng bảng so sánh hoặc ma trận, bảng so sánh các nhóm về một trong các chủ đề (ví dụ: nam và nữ về mặt “cảm giác an toàn trong nghề nghiệp kỹ thuật”).
- Xây dựng sơ đồ cây phân cấp. Sơ đồ này thể hiện một cách trực quan các chủ đề và sự liên kết giữa chúng để các chủ đề được trình bày theo thứ tự từ chủ đề rộng đến chủ đề hẹp.
- Trình bày hình vẽ: Các hình có hộp cho thấy mối liên hệ giữa các chủ đề.
- Vẽ bản đồ. Mô tả bố cục vật lý của thiết lập.
- Xây dựng bảng nhân khẩu. Mô tả thông tin cá nhân hoặc nhân khẩu học của từng người hoặc địa điểm trong nghiên cứu.
4.2. Báo cáo các phát hiện (Reporting Findings)
Hình thức chính để trình bày và báo cáo các phát hiện trong nghiên cứu định tính là một cuộc thảo luận tường thuật (narrative discussion). Một cuộc thảo luận tường thuật là một đoạn văn được viết trong một nghiên cứu định tính, trong đó tác giả tóm tắt chi tiết những phát hiện từ phân tích dữ liệu của họ. Không có hình thức cố định nào cho tường thuật này, có thể rất khác nhau giữa các nghiên cứu này với nghiên cứu khác. Một số gợi ý dưới đây có thể hữu ích để báo cáo các phát hiện:
- Bao gồm đối thoại cung cấp hỗ trợ cho các chủ đề.
- Báo cáo trích dẫn (trong ngoặc kép) từ dữ liệu phỏng vấn hoặc từ quan sát của các cá nhân. Những câu trích dẫn này có thể ghi lại cảm xúc và cách mọi người nói về trải nghiệm của họ.
- Báo cáo nhiều quan điểm và bằng chứng trái ngược.
- Viết trong sự chi tiết sống động. Tìm các mô tả tốt về một cá nhân, sự kiện hoặc hoạt động.
- Chỉ rõ những căng thẳng và mâu thuẫn trong trải nghiệm cá nhân.
5. Diễn giải phát hiện
Diễn giải trong nghiên cứu định tính có nghĩa là nhà nghiên cứu lùi lại và hình thành một số ý nghĩa lớn hơn về hiện tượng dựa trên quan điểm cá nhân, so sánh với các nghiên cứu trong quá khứ hoặc cả hai. Nghiên cứu định tính là nghiên cứu diễn giải, và bạn sẽ cần làm ‘cảm giác’ về những phát hiện. Bạn sẽ tìm thấy các diễn giải này trong phần cuối cùng của một nghiên cứu dưới các tiêu đề như “Thảo luận” (Discussion), “Kết luận” (Conclusions), hoặc “Hàm ý” (Implications). Phần này nên bao gồm:
– Đánh giá về các phát hiện chính và cách các câu hỏi nghiên cứu được trả lời. Phần “Thảo luận” bắt đầu với bản tóm tắt chung về các vấn đề chính. Đôi khi bạn sẽ nêu lại từng câu hỏi nghiên cứu riêng lẻ và đưa ra kết quả cho từng câu hỏi. Mục đích chung của đoạn văn này là cung cấp cho người đọc cái nhìn tổng quan về những phát hiện để bổ sung cho các kết quả chi tiết hơn trong các đoạn mô tả và chủ đề.
– Phản ánh cá nhân của nhà nghiên cứu về ý nghĩa của dữ liệu. Bởi vì các nhà nghiên cứu định tính tin rằng quan điểm cá nhân của bạn không bao giờ có thể tách rời khỏi các diễn giải, nên những phản ánh cá nhân về ý nghĩa của dữ liệu được đưa vào nghiên cứu. Bạn dựa trên những diễn giải cá nhân này dựa trên linh cảm, hiểu biết sâu sắc và trực giác. Bởi vì bạn có thể đã đến thực địa và đi thăm cá nhân rất lâu với các cá nhân, bạn có thể phản ánh và nhận xét về ý nghĩa lớn hơn của dữ liệu.
– Quan điểm cá nhân so sánh hoặc đối chiếu với tài liệu hiện có. Phần diễn giải cũng có thể chứa các tham chiếu đến tài liệu và các nghiên cứu trước đây. Tương tự như nghiên cứu định lượng, nhà nghiên cứu định tính giải thích dữ liệu theo quan điểm của nghiên cứu trước đây, cho thấy các phát hiện có thể hỗ trợ hoặc mâu thuẫn với các nghiên cứu trước đó hoặc cả hai như thế nào. Cách diễn giải này có thể so sánh các phát hiện định tính với các quan điểm được báo cáo về một khái niệm khoa học xã hội được tìm thấy trong tài liệu, hoặc nó có thể kết hợp quan điểm cá nhân với một thuật ngữ hoặc ý tưởng khoa học xã hội hoặc giáo dục.
– Hạn chế của nghiên cứu. Cũng tương tự như nghiên cứu định lượng, nhà nghiên cứu định tính đề xuất những hạn chế hoặc điểm yếu có thể có của nghiên cứu và đưa ra các khuyến nghị cho nghiên cứu trong tương lai.
– Đề xuất cho nghiên cứu trong tương lai. Các hàm ý cho nghiên cứu trong tương lai có thể bao gồm việc sử dụng các phát hiện cho thực tiễn (ví dụ: lớp học, trường học) hoặc nhu cầu nghiên cứu thêm (ví dụ: bằng cách thu thập dữ liệu mở rộng hơn hoặc bằng cách đặt câu hỏi bổ sung của những người tham gia). Bạn cũng có thể nêu các tác động đối với việc ra quyết định, chẳng hạn như lập kế hoạch cho các phương pháp thực hành mới hoặc cho các khán giả mà bạn đã xác định trong phần giới thiệu về nghiên cứu của mình.
6. Đánh giá tính chính xác của các phát hiện
Trong suốt quá trình thu thập và phân tích dữ liệu, bạn cần đảm bảo rằng các phát hiện và diễn giải của bạn là chính xác. Xác thực các phát hiện có nghĩa là nhà nghiên cứu xác định độ chính xác hoặc độ tin cậy của các phát hiện. Có ba hình thức chính thường được các nhà nghiên cứu định tính sử dụng: tam giác (triangulation), kiểm tra thành viên (member checking) và kiểm toán (auditing).
– Phương pháp tam giác (Triangulation), bằng cách kết hợp các lý thuyết, phương pháp hoặc người quan sát trong một nghiên cứu, có thể giúp đảm bảo rằng những sai lệch cơ bản phát sinh từ việc sử dụng một phương pháp hoặc một người quan sát duy nhất được khắc phục. Các nhà nghiên cứu định tính phân chia tam giác giữa các nguồn dữ liệu khác nhau để nâng cao độ chính xác của một nghiên cứu. Đó là quá trình chứng thực bằng chứng từ các cá nhân khác nhau (ví dụ: một hiệu trưởng và một học sinh), các loại dữ liệu (ví dụ: các chú thích quan sát và phỏng vấn), hoặc các phương pháp thu thập dữ liệu (ví dụ: tài liệu và phỏng vấn) trong các mô tả và chủ đề trong định tính nghiên cứu. Người hỏi kiểm tra từng nguồn thông tin và tìm bằng chứng để hỗ trợ một chủ đề. Điều này đảm bảo rằng nghiên cứu sẽ chính xác vì thông tin dựa trên nhiều nguồn thông tin, cá nhân hoặc quá trình.
– Kiểm tra thành viên: Các nhà nghiên cứu cũng kiểm tra những phát hiện của họ với những người tham gia nghiên cứu để xác định xem những phát hiện của họ có chính xác hay không. Kiểm tra thành viên là một quá trình trong đó nhà nghiên cứu yêu cầu một hoặc nhiều người tham gia nghiên cứu kiểm tra tính chính xác của phát hiện. Việc kiểm tra này bao gồm việc đưa các phát hiện lại cho những người tham gia và hỏi họ (bằng văn bản hoặc phỏng vấn) về tính chính xác của báo cáo. Bạn hỏi những người tham gia về nhiều khía cạnh của nghiên cứu, chẳng hạn như mô tả có đầy đủ và thực tế hay không, các chủ đề có chính xác để đưa vào hay không và các diễn giải có công bằng và đại diện hay không.
– Các nhà nghiên cứu cũng có thể yêu cầu một người bên ngoài dự án tiến hành xem xét kỹ lưỡng nghiên cứu và báo cáo lại bằng văn bản những điểm mạnh và điểm yếu của dự án. Đây là quá trình thực hiện đánh giá bên ngoài, trong đó nhà nghiên cứu thuê hoặc mua các dịch vụ của một cá nhân bên ngoài nghiên cứu để xem xét các khía cạnh khác nhau của nghiên cứu. Đánh giá viên xem xét dự án và viết hoặc truyền đạt đánh giá về nghiên cứu. Việc kiểm toán này có thể xảy ra cả trong và khi kết thúc một nghiên cứu, trong đó các kiểm toán viên thường hỏi các vấn đề: Những phát hiện có căn cứ vào dữ liệu không? Các suy luận có logic không? Các chủ đề có phù hợp không? Các quyết định điều tra và thay đổi phương pháp luận có thể hợp lý không?
Tài liệu tham khảo
- Creswell, J. W. (2002). Educational research: Planning, conducting, and evaluating quantitative. Upper Saddle River, NJ: Prentice Hall.
- Lovely Professional University. Methodology of Educational Research and Statistics. Produced & Printed by Laxmi Publications (P) LTD, 2014. No 113, Golden House, Daryaganj, New Delhi-110002 for Lovely Professional University Phagwara
- Johnson, R. B., & Christensen, L. (2019). Educational research: Quantitative, qualitative, and mixed approaches. Sage publications.
