Bài giảng phân tích dữ liệu

C HƯƠNG I V

PHÂN TÍCH DỮ LIỆU
Trường đại học Thương Mại
Bộ môn phương pháp nghiên cứu khoa học


4.1. Phân tích dữ liệu định tính
4.1.1 Đặc điểm phân tích dữ liệu định tính
4.1.1.1.

Phân tích dữ liệu gắn liền với q trình thu thập dữ liệu

4.1.1.2.

Phân tích dữ liệu định tính liên kết nhưng khơng bị giới hạn bởi lý

thuyết
4.1.2. Các loại dữ liệu định tính
4.1.2.1.

Dạng văn bản

4.1.2.2.

Dạng phi văn bản

4.1.3. Quy trình phân tích dữ liệu định tính


4.1. Phân tích dữ liệu định tính

4.1.3. Quy trình phân tích dữ liệu định tính
4.1.3.1 Tổ chức và làm sạch dữ liệu

4.1.3.2 Mã hoá và hợp nhất dữ liệu
4.1.3.3 Nhận biết mối quan hệ và phát triển các mã dữ liệu
4.1.4 Các cơng cụ hỗ trợ phân tích dữ liệu dịnh tính


4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.1.

Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu

- Trong nghiên cứu định lượng quá trình thu thập dữ liệu diễn ra trước quá trình

xử lý và phân tích dữ liệu thì trong nghiên cứu định tính hai quá trình này xảy ra
đồng thời và tương tác với nhau.
- Khi nhà nghiên cứu thảo luận, phỏng vấn với đối tượng nghiên cứu, ngay trong
quá trình ấy, nhà nghiên cứu đã thực hiện phân tích sơ bộ và phát hiện ra các
khái niệm nghiên cứu

- Các khái niệm nghiên cứu này là chỉ dẫn để nhà nghiên cứu tiến hành lựa chọn
đối tượng nghiên cứu tiếp theo, hoặc hướng nghiên cứu tiếp theo, hoặc các chỉ


4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.1.

Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu

- Khái niệm nghiên cứu được phát hiện giúp xác định kích thước mẫu nghiên

cứu. Cho đến khi nhà nghiên cứu khơng thu được thơng tin gì mới từ đối tượng
nghiên cứu tiếp thì lúc đó, số lượng phần tử mẫu nghiên cứu được xác định và
quá trình thu thập dữ liệu dừng lại.
- Nhà nghiên cứu tiếp tục phân tích dữ liệu, trong q trình này, nếu phát hiện ra
các yếu tố mới, tri thức mới mà cần phải đưa nghiên cứu của mình rẽ sang một

nhánh mới, thì nhà nghiên cứu lại tiếp tục thu thập dữ liệu trên nhánh mới này
và quá trình lại được tiến hành lặp lại


4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.2.

Phân tích dữ liệu định tính liên kết nhưng khơng bị giới hạn bởi lý

thuyết

- Nhà nghiên cứu cần phải dựa vào khung lý thuyết để triển khai thu thập và phân
tích dữ liệu nghiên cứu
- Bên cạnh đó, , nghiên cứu định tính là một quy trình mở và sáng tạo và khơng
bị giới hạn bởi lý thuyết. Do đó nhà nghiên cứu cần phải biết cân bằng giữa hai
yếu tố này.

- Một số chú ý cần tuân thủ khi phân tích dữ liệu định tính:

4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.2.

Phân tích dữ liệu định tính liên kết nhưng khơng bị giới hạn bởi lý

thuyết

- Một số chú ý cần tuân thủ khi phân tích dữ liệu định tính:
- Phân tích định tính cần có sự nhạy cảm với lý thuyết. Nhà nghiên cứu cần phải
thiết lập được khung nghiên cứu, trong đó xác định và đánh giá được những lý
thuyết nào liên quan đến vấn đề mình nghiên cứu.
- Việc xác định khung nghiên cứu giúp nhà nghiên cứu phân loại được các nhóm

khái niệm để khi thu thập dữ liệu thực tế phát hiện ra “cái lạ” và những tri thức
mới so với khung nghiên cứu đã thiết lập


4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.2.

Phân tích dữ liệu định tính liên kết nhưng khơng bị giới hạn bởi lý

thuyết

- Ví dụ:
nghiên cứu “Sự phát triển của khu vực nông thôn đối mặt với vấn đề thu hồi đấtTiếp cận tri thức lãnh thổ” tác giả xác định các lý thuyết nền tảng cho nghiên cứu
gồm chương trình phát triển nơng thơn, lý thuyết phát triển bền vững, lý thuyết về

sinh kế nông thôn, lý thuyết tri thức lãnh thổ. Trong đó, khi thu thập dữ liệu thực

tế, tác giả thấy lý thuyết về sinh kế nông thơn thực tế có nhiều điểm khác biệt.
Người dân ở nông thôn không chỉ quan tâm đến kinh tế, thu nhập, đất đai, nguồn


4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.2.

Phân tích dữ liệu định tính liên kết nhưng khơng bị giới hạn bởi lý

thuyết

- Nhà nghiên cứu cần có kỹ năng nghiên cứu tốt, nắm vững loại nghiên cứu của
mình và các kỹ thuật triển khai phương pháp nghiên cứu. Ngoài ra, nhà nghiên cứu
nên có cảm quan “hồi nghi” lý thuyết. Nghĩa là thường xuyên đặt câu hỏi xem dữ
liệu thực địa có khớp với lý thuyết khơng?


4.1.2 Các loại dữ liệu định tính

4.1.2.1.

Dữ liệu định tính bằng văn bản

- Dữ liệu định tính sơ cấp bằng văn bản bao gồm: hồ sơ, báo cáo, email, báo chí

của tổ chức, các mẩu chuyện bằng văn bản, hồi kí, tự chuyện...hoặc trong phương
pháp sử dụng bảng hỏi để thu thập dữ liệu, các hồi đáp từ các câu hỏi mở cũng là

một dạng dữ liệu định tính bằng văn bản.


4.1.2 Các loại dữ liệu định tính

4.1.2.1.

Dữ liệu định tính phi văn bản

- Bên cạnh dữ liệu định tính bằng văn bản cịn có các dữ liệu định tính phi văn

bản. Dạng thức của các dữ liệu này tồn tại dưới dạng ghi hình, ghi âm. Ví dụ,
khi nhà nghiên cứu sử dụng phương pháp phỏng vấn, thảo luận nhóm, quan sát
(bao gồm có cấu trúc và bán cấu trúc, có tham gia...) thì dữ liệu thu được có thể
là các video, các đoạn ghi âm, và những dữ liệu đó được sử dụng làm ngun
liệu để phân tích.


4.1.3 Quy trình phân tích dữ liệu định tính

4.1.3.1.

Tổ chức và làm sạch dữ liệu

- Nhà nghiên cứu nên dành thời gian để tổ chức dữ liệu.

- Nhà nghiên cứu có thể liệt kê trong các thẻ ghi nhớ các dữ liệu đã thu thập
được, thể hiện những chỉnh sửa nhỏ cân thiết nhưng vẫn đảm bảo các ghi chép ở
hiện trường được tái hiện một cách trung thực.
- Yêu cầu của việc tổ chức dữ liệu là vẫn phải thể hiện được trung thực và khách

quan nhất bản chất của dữ liệu

- Dữ liệu định tính có đặc điểm riêng biệt, đó là ngồi nội dung truyền tải cịn bao
gồm cả hành vi, thái độ, cảm xúc của đối tượng được quan sát hay nghiên cứu.


4.1.3 Quy trình phân tích dữ liệu định tính

4.1.3.1.

Tổ chức và làm sạch dữ liệu

- Khi tổ chức dữ liệu phải chú ý không làm sai lệch đi bối cảnh thu thập dữ liệu

lúc đó, đặc biệt cần ghi chú lại chi tiết những hành vi, thái độ, cảm xúc của đối
tượng nghiên cứu để khi nhà nghiên cứu cần xem lại có thể hồi cố lại bối cảnh
bất kì lúc nào.
- Trong quá trình tổ chức dữ liệu, những lỗi biên soạn cũng cần được chỉnh sửa.
Quá trình này gọi là làm sạch dữ liệu

- Sau khi thực hiện điều này, nhà nghiên cứu cần gửi bản sao của bản ghi chép
đến những người tham dự để kiểm tra lần cuối để đảm bảo tính trung thực của


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hoá và hợp nhất dữ liệu
- Hoạt động đầu tiên là phân loại dữ liệu thành những “loại” có ý nghĩa. Có thể

xuất phát từ những dữ liệu hoặc từ mơ hình (khn khổ - framework) lý thuyết
để đưa ra các khái niệm từ đó kiểm định bằng thực tế.

- Những “loại” này chính là các mã hoặc các nhãn được dùng để ghép dữ liệu lại.

- Quá trình phân loại dữ liệu được gọi là q trình mã hóa dữ liệu.
- Việc xác định các mã dữ liệu được hướng dẫn bởi mục đích nghiên cứu thể hiện
qua những câu hỏi nghiên cứu và mục tiêu nghiên cứu


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hố và hợp nhất dữ liệu
Có 3 cách để đặt tên các nhãn này (Straussn & Corbin; 1998):

- Sử dụng thuật ngữ phát sinh từ chính dữ liệu
- Sử dụng các thuật ngữ thực tế được sử dụng bởi người tham gia
- Sử dụng các thuật ngữ trong lý thuyết hoặc mơ hình nghiên cứu.

Một mã hóa tốt cần đáp ứng các tiêu chí sau: (1) có mã hiệu; (2) thật sự cô đọng,
để chúng mang lại một cấu trúc phân tích tốt; (3) liên quan đến chủ đề nghiên cứu;
(4) miêu tả về các thuộc tính đặc trưng của chủ đề; (5) có sự liên kết với các dữ
liệu khác (Kawulich, 2004).


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hố và hợp nhất dữ liệu
Khơng có quy trình mã hoá nào là chuẩn mực, song sau đây là quy trình mã hóa

đơn giản nhất giúp các nhà nghiên cứu có thể phát triển lên thành quy trình riêng
cho mình.
Bước 1: Tổng hợp các file dữ liệu vào file word

Thông thường dữ liệu của nghiên cứu định tính có thể ở nhiều dạng thức: video,

ghi âm, email, báo chí, báo cáo, hồ sơ, phỏng vấn, biên bản thảo luận nhóm…. Dữ
liệu thơ này sau đó phải được biên soạn lại những ghi chép, ghi chú,.. dưới dạng
văn bản


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hoá và hợp nhất dữ liệu
Bước 2: Xác định các chủ đề chính được nói tới trong dữ liệu

- Đọc lại 1 lần toàn bộ dữ liệu
- Đọc lại lần nữa, đọc từng đoạn và gán cho đoạn dữ liệu đó các từ khóa
- Liệt kê danh mục từ khóa và chuẩn chỉ lại danh mục này sao cho các keyword

không gần hoặc giống nhau
- Tạo khái niệm, các mã sau khi đối chiếu danh mục các từ khóa với khung lý
thuyết để nhận biết đâu là khái niệm và ý tưởng mới


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hố và hợp nhất dữ liệu
- Sau khi mã hóa dữ liệu thành các mã với các cấp độ với các thuộc tính tương

ứng. Hoạt động tiếp theo là hợp nhất dữ liệu tức là gắn các đơn vị dữ liệu với các
nhãn/ mã đã tạo ra.
- Một đơn vị dữ liệu có thể là một số từ, một câu, một vài câu, một đoạn văn phù

hợp với từng mã dữ liệu.
- Có nhiều cơng cụ hỗ trợ nhà nghiên cứu mã hóa và hợp nhất dữ liệu như Nvivo,
Hyper reseache, Alitas….hoặc có thể sử dụng phương pháp thủ cơng

4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hố và hợp nhất dữ liệu

Ví dụ: đề tài quản trị nguồn nhân lực trong quá trình cắt giảm biên chế


4.1.3 Quy trình phân tích dữ liệu định tính
4.1.3.2. Mã hoá và hợp nhất dữ liệu
Những mã này được gắn vào các bản ghi các cuộc phỏng vấn làm đơn vị dữ liệu.
Giai đoạn đầu tiên là để phát hiện các nhân viên muốn gì cho bản thân
và cách họ muốn điều này
RED-MGT-ROLE
Một nhân viên có thể thích nói chuyện với người bên nhân sự hơn nói
chuyện với quản lý trực tiếp – bạn biết đó, vì các lý do hiển nhiên, ít ra
theo như họ thấy- và đây là điều chấp nhận đối với tổ chức
RED-MGT-VOL
Cuộc họp này cho họ cơ hội để lựa chọn cắt giảm tự nguyện.
Chúng tơi khơng phân loại nhân viên thành những người nịng cốt
RED-STR-ISS
hay khơng nịng cốt, mặc dù chúng tơi sẽ phải nói với một nhóm nhân
viên
RED-CONS
những lời như “có bốn người trong bộ phận này
và chúng tơi chỉ cần có hai người thôi”
Nguồn: Saunders, N.K & Philip Lewis (2015)
RED-CONS27MM.


4.1.3.3. Nhận biết mối quan hệ và phát triển các mã dữ liệu

- Tạo ra các loại dữ liệu và sắp xếp lại dữ liệu theo các mã hoặc thiết kế một ma
trận thích hợp và đưa dữ liệu vào các ô của ma trận là các hoạt động cụ thể của
phân tích dữ liệu (Dey, 1993; Huberman, 1994).
- Việc phân tích này sẽ tiếp diễn khi nhà nghiên cứu tìm kiếm những chủ đề, dạng
thức và các mối quan hệ then chốt trong bộ dữ liệu đã được sắp xếp lại. Hoạt
động này có thể dẫn đến việc điều chỉnh lại các mã dữ liệu và tiếp tục sắp xếp
lại dữ liệu cho đến khi nhà nghiên cứu tìm thấy ý nghĩa của các khái niệm trong
tập dữ liệu.
- Chẳng hạn một số loại dữ liệu có thể thu hút số lượng lớn các đơn vị dữ liệu và
sẽ q rộng để phân tích nếu khơng được chia nhỏ ra.
- Có những chủng loại dữ liệu có ý nghĩa tương đồng, nhà nghiên cứu có thể gộp
chúng lại với nhau
- Như vậy việc xác định mối quan hệ giữa các mã dữ liệu là vô cùng quan trọng.


4.1.3.3. Nhận biết mối quan hệ và phát triển các mã dữ liệu
- Nhà nghiên cứu có thể vẽ sơ đồ, mơ hình mơ phỏng sự tương tác, sự quan hệ
nhiều chiều hay một chiều giữa các mã dữ liệu.
-

Nhà nghiên cứu có thể phát hiện ra các mã dữ liệu mới so với khung nghiên
cứu giúp cho việc phát triển ý tưởng mới, khái niệm mới.

- Nhà nghiên cứu thường xuyên đặt ra câu hỏi mối quan hệ giữa các khái niệm là

gì?
- Đây là bước khó nhất trong nghiên cứu định tính và cần cả sự nhạy cảm, trí tuệ
và kinh nghiệm của nhà nghiên cứu.

4.1.3.4. Phát triển và kiểm định các lý thuyết
- Bản chất của bước này là tìm mối quan hệ giữa các nhân tố, giữa các khái niệm
mới với nhau hoặc với yếu tố cũ.
-

Mối quan hệ này có thể được thể hiện dưới dạng một mơ hình (ví dụ A có quan
hệ thuận chiều với B).

- Nhà nghiên cứu có thể quay lại file dữ liệu để tìm kiếm và so sánh xem liệu

trong dữ liệu có tồn tại mối quan hệ có A thì có B và ngược lại nếu tồn tại B thì
phải có A hay khơng.


4.1.3.4. Phát triển và kiểm định các lý thuyết
- Cách làm như sau:
- Tạo file excel để nhập dữ liệu. Cột đầu tiên ghi rõ ID của cuộc phỏng vấn. Ví dụ
PV1. Các cột tiếp theo ghi rõ đặc điểm của người được phỏng vấn để sau tiện so

sánh
- Các đoạn phỏng vấn có cùng nội dung đưa vào 1 ô excel
- Cột mã ghi các nhân tố hoặc khái niệm mới phát hiện ở bước 3. Có thể ghi
nhiều hơn 1 cột nếu có nhiều mã khác nhau
- Sort các dữ liệu theo mã, so sánh liệu sự xuất hiện của nhân tố A có kèm theo sự
xuất hiện của nhân tố B hay khơng.
Quy trình này được lặp đi lặp lại, hỗ trợ tốt cho việc xây dựng một mơ hình hoặc
giả thuyết về mối quan hệ giữa các khái niệm, nhân tố.


4.1.4 Các cơng cụ hỗ trợ phân tích dữ liệu định tính