Xem mẫu
- 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 không 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 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
- 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 không thu được thông 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 không 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 không 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 còn 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 ngoài nội dung truyền tải còn 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 quá 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 đôi khi những người tham dự muốn sửa lại thậm chí là ngữ pháp và cách dùng ngôn ngữ riêng của họ.
- 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 mô hình (khuôn 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 quá 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 hoá 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 mô 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 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 thô 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 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
- 4.1.3.2. Mã hoá 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 công 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. RED-CONS27MM. 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 nòng cốt RED-STR-ISS hay không nòng cốt, mặc dù chúng tôi 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 thôi” Nguồn: Saunders, N.K & Philip Lewis (2015)
- 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 quá rộng để phân tích nếu không 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, mô hình mô 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.
Chính trị học
Báo chí - Truyền thông
Xã hội học
Giáo dục học
Tâm lý học
Lịch sử - Văn hoá
Triết học
Ngôn ngữ học
Thư viện thông tin
Văn học nước ngoài
Ngư nghiệp
Hành chính - Pháp luật
Địa lý - Địa danh
Văn học Việt nam
Lịch sử Đảng
CNXH - KH
Tư Tưởng HCM
Ngụ ngôn - Cổ tích
Ca dao - Tục ngữ
Hoá học
Sinh học
Y khoa - Dược
Kinh tế học