Bài giảng Phương pháp nghiên cứu khoa học - Chương 4: Phân tích dữ liệu trong nghiên cứu khoa học

CHƯƠNG 4

PHÂN TÍCH DỮ LIỆU TRONG
NGHIÊN CỨU KHOA HỌC


4.1. Phân tích và xử lý 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 quá 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 và xử lý 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 công 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 q trình thu thập dữ liệu

• Trong nghiên cứu định lượng q 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


4.1.1 Đặc điểm phân tích dữ liệu định tính
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.

4.1.1 Đặc điểm phân tích dữ liệu định tính
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.


4.1.1 Đặc điểm phân tích dữ liệu định tính
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


4.1.2 Các loại dữ liệu định tính
• 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.

• 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.


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 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.


4.1.3.1.

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 q trình tổ chức dữ liệu, những lỗi biên soạn cũng cần được

chỉnh sửa. Quá trình này gọi là làm sạch dữ liệu


4.1.3.1.

Tổ chức và 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 dữ liệu và vì đơi khi những người tham dự muốn sửa lại
thậm chí là ngữ pháp và cách dùng ngơn ngữ riêng của họ.


4.1.3.2. Mã hố 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.

• Q 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


4.1.3.2. 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).


4.1.3.2. Mã hoá và hợp nhất dữ liệu
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
Thơng 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


4.1.3.2. 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 tồn 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 khơng 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


4.1.3.2. 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
công


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 tôi không 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 tôi chỉ cần có hai người thơi”
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.


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


4.1.3.4. Phát triển và kiểm định các lý thuyết
• 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


4.2. Phân tích dữ liệu định lượng

4.2.1. Các loại dữ liệu định lượng
4.2.1.1.

Phân loại dữ liệu định lượng

4.2.1.2.

Đặc điểm chính của dữ liệu định lượng

4.2.2. Quy trình phân tích dữ liệu định lượng
4.2.2.1.

Chuẩn bị dữ liệu

4.2.2.2.

Phân tích dữ liệu

4.2.3. Các cơng cụ hỗ trợ phân tích dữ liệu định lượng
4.2.3.1.

Excel

4.2.3.2.

SPSS

4.2.3.3.

Một số công cụ khác