An toàn bảo mật là gì và cách xây dựng thang đo
An toàn bảo mật là gì và được đo bằng gì
Khi người trả lời nói một ứng dụng hoặc website có “an toàn bảo mật”, họ thường đang đánh giá mức độ hệ thống bảo vệ dữ liệu, giao dịch và thông tin cá nhân của họ khỏi truy cập trái phép, rò rỉ hoặc sử dụng sai mục đích. Trong luận văn định lượng, bạn nên xác định rõ đây là nhận thức về an toàn bảo mật của người dùng, thay vì khẳng định hệ thống thực tế có an toàn về mặt kỹ thuật.
Khái niệm này thường được mô hình hóa như một biến tiềm ẩn, được đo thông qua nhiều biến quan sát trên thang Likert. Chẳng hạn, người trả lời có thể đánh giá mức độ đồng ý với các phát biểu về việc dữ liệu được bảo vệ, giao dịch được thực hiện an toàn và hệ thống hạn chế truy cập trái phép. Thang Likert 5 hoặc 7 mức cần được mô tả rõ trong bảng hỏi, dựa trên cách bạn thiết kế nghiên cứu và đối tượng khảo sát. Khái niệm thang đo Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932).
Bạn cần phân biệt an toàn bảo mật với quyền riêng tư. Quyền riêng tư tập trung vào việc dữ liệu cá nhân được thu thập, sử dụng và chia sẻ thế nào. An toàn bảo mật tập trung nhiều hơn vào khả năng bảo vệ dữ liệu và giao dịch khỏi rủi ro truy cập hoặc tấn công. Hai khái niệm có thể liên quan trong cùng một mô hình, nhưng không nên gộp thành một biến chỉ vì chúng đều nói về dữ liệu.
Trong mô hình nghiên cứu, an toàn bảo mật có thể là biến độc lập ảnh hưởng đến niềm tin, ý định sử dụng hoặc ý định tiếp tục sử dụng. Cũng có đề tài đặt nó cạnh rủi ro cảm nhận, trong đó cảm nhận an toàn cao có thể đi cùng cảm nhận rủi ro thấp. Mối quan hệ cụ thể phải xuất phát từ câu hỏi nghiên cứu và tài liệu của đề tài, không nên mặc định rằng hai biến luôn có quan hệ nhân quả.
Nguồn thang đo gốc
Với một thang đo, bạn cần truy được bài nghiên cứu gốc, định nghĩa khái niệm, số lượng biến quan sát, bối cảnh áp dụng và cách tác giả kiểm định. Danh sách nguồn được phép trích dẫn trong bài này không có một công trình riêng được xác nhận là nguồn gốc của thang đo an toàn bảo mật. Vì vậy, bạn không nên ghi đại một tác giả hoặc một năm xuất bản vào chương 3 chỉ để làm bảng thang đo trông đầy đủ.
Bảng dưới đây là bản đồ kiểm tra nguồn, không phải tuyên bố rằng các công trình này đã tạo ra thang đo an toàn bảo mật. Bạn có thể dùng chúng để phân biệt các khái niệm gần nhau khi tìm bài gốc, sau đó bổ sung bài nguồn đã được giảng viên hoặc cơ sở dữ liệu học thuật xác minh.
| Nguồn trong danh mục được phép | Năm | Khái niệm chính | Có thể dùng cho an toàn bảo mật không |
|---|---|---|---|
| (Davis, 1989) | 1989 | Perceived usefulness, perceived ease of use và chấp nhận công nghệ | Không phải nguồn gốc của thang đo an toàn bảo mật |
| (Venkatesh và cộng sự, 2003) | 2003 | Chấp nhận và sử dụng công nghệ | Không nên ghi là thang đo an toàn bảo mật |
| (Venkatesh và cộng sự, 2012) | 2012 | Chấp nhận công nghệ trong bối cảnh người tiêu dùng | Không nên ghi là thang đo an toàn bảo mật |
| (Parasuraman và cộng sự, 1988) | 1988 | Chất lượng dịch vụ SERVQUAL | Chỉ liên quan nếu đề tài có lập luận riêng, không phải nguồn gốc trực tiếp |
Cách làm an toàn là tìm cụm từ tiếng Anh mô tả đúng khái niệm, kiểm tra bài gốc và đối chiếu định nghĩa trước khi dịch. Nếu bạn chưa xác minh được nguồn, hãy ghi trong bản nháp rằng các biến quan sát là “đề xuất ban đầu dựa trên định nghĩa khái niệm”, chưa gọi đó là thang đo đã được chuẩn hóa.
Bạn cũng có thể xem thang đo niềm tin để nhận ra cách một bài nghiên cứu trình bày biến tiềm ẩn, nhưng không lấy nguyên các biến của niềm tin để đo an toàn bảo mật. Hai khái niệm thường xuất hiện cùng nhau trong mô hình, song câu hỏi đo lường chúng phải khác nhau.
Bộ biến quan sát tham khảo
Bảng dưới đây là bộ biến quan sát tham khảo để bạn bắt đầu thiết kế bảng hỏi. Đây chưa phải bản dịch đã được xác nhận từ một thang đo gốc và chưa được kiểm định trên dữ liệu của bạn. Trước khi phát hành bảng hỏi, hãy thay đổi cách diễn đạt cho đúng sản phẩm, ngành và nhóm người trả lời.
| Mã | Phát biểu tiếng Việt tham khảo | Nội dung đang đo |
|---|---|---|
| ATBM1 | Tôi cảm thấy thông tin cá nhân của mình được bảo vệ khi sử dụng dịch vụ này. | Bảo vệ thông tin cá nhân |
| ATBM2 | Tôi cho rằng dữ liệu của tôi khó bị truy cập bởi người không có quyền. | Hạn chế truy cập trái phép |
| ATBM3 | Tôi cảm thấy các giao dịch thực hiện trên dịch vụ này được bảo vệ. | An toàn giao dịch |
| ATBM4 | Tôi tin rằng hệ thống có biện pháp bảo vệ dữ liệu người dùng. | Nhận thức về cơ chế bảo vệ |
| ATBM5 | Tôi cảm thấy an toàn khi cung cấp thông tin cần thiết cho dịch vụ này. | Cảm nhận an toàn khi cung cấp dữ liệu |
Các phát biểu trên đang dùng chủ thể “tôi” và tên khái niệm chung. Nếu đề tài nghiên cứu ví điện tử, bạn cần thay “dịch vụ này” bằng đúng tên nhóm dịch vụ hoặc mô tả thống nhất trong phần hướng dẫn bảng hỏi. Tránh đưa hai ý vào một biến quan sát, chẳng hạn “Dữ liệu của tôi được bảo mật và giao dịch luôn nhanh chóng”. Câu đó đo ít nhất hai nội dung khác nhau.
Bạn cũng cần giữ cùng một chiều diễn giải. Nếu điểm cao luôn có nghĩa là cảm nhận an toàn cao, người trả lời và người nhập dữ liệu sẽ ít nhầm hơn. Biến đảo chiều như “Tôi lo rằng thông tin của mình có thể bị lộ” có thể dùng trong một số thiết kế, nhưng phải mã hóa ngược trước khi chạy Cronbach's Alpha hoặc EFA. Đừng thêm biến đảo chiều chỉ để làm bảng hỏi có vẻ kỹ lưỡng.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bắt đầu bằng định nghĩa thao tác. Hãy viết một câu trả lời được cho ba câu hỏi: an toàn của cái gì, trong bối cảnh nào và được người dùng nhận biết qua dấu hiệu nào. Với một ứng dụng thanh toán, “giao dịch” có thể là chuyển tiền và thanh toán hóa đơn. Với nền tảng học trực tuyến, trọng tâm có thể là tài khoản, hồ sơ học tập và dữ liệu thanh toán.
Rà soát ngôn ngữ
Đọc từng phát biểu như một người trả lời thật. Các từ như “mã hóa đầu cuối”, “xác thực đa yếu tố” hoặc “kiểm soát truy cập” có thể quá kỹ thuật nếu mẫu khảo sát không hiểu chúng. Khi người trả lời phải đoán nghĩa, điểm số thu được phản ánh mức độ hiểu thuật ngữ thay vì cảm nhận an toàn.
Kiểm tra sự trùng lặp khái niệm
Đặt các biến an toàn bảo mật cạnh biến niềm tin, quyền riêng tư và sự hoài nghi. Nếu một phát biểu có thể chuyển sang đo “tôi tin doanh nghiệp này” mà không cần sửa gì, nó có thể đang đo niềm tin. Nếu phát biểu nói về doanh nghiệp thu thập dữ liệu để làm gì, nó nghiêng về quyền riêng tư.
Chạy thử bảng hỏi
Bạn có thể chạy thử với một nhóm nhỏ phù hợp với đối tượng nghiên cứu để phát hiện câu khó hiểu, câu trùng ý và lựa chọn trả lời bị thiếu. Đây là bước kiểm tra bảng hỏi, chưa phải căn cứ để kết luận thang đo đã đạt. Ghi lại phiên bản câu hỏi, lý do sửa và thời điểm sửa để khi giảng viên hỏi, bạn giải thích được quá trình.
Kiểm tra biến đảo chiều
Nếu có biến đảo chiều, tạo một cột dữ liệu riêng sau khi thu thập và ghi rõ quy tắc mã hóa. Với thang Likert 5 mức, mã 1 thường đổi thành 5, 2 đổi thành 4, còn 3 giữ nguyên. Kiểm tra lại nhãn biến trong SPSS trước khi chạy, vì mã hóa sai có thể làm tương quan giữa các biến bị đảo dấu.
Kiểm định độ tin cậy và giá trị của thang đo
Thứ tự thường dùng là kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu có bước khám phá, rồi đánh giá mô hình đo lường bằng SmartPLS nếu bạn dùng PLS-SEM. Với CB-SEM, quy trình và chỉ số phù hợp sẽ khác. Đừng đưa CFI, TLI hoặc RMSEA vào bài SmartPLS chỉ vì bạn thấy chúng trong một bài hướng dẫn AMOS.
Cronbach's Alpha phản ánh độ nhất quán nội tại của nhóm biến. Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, mức từ 0.6 có thể được cân nhắc theo (Hair và cộng sự, 2010), nhưng bạn vẫn phải trình bày bối cảnh và không dùng ngưỡng này như một cách cứu mọi thang đo yếu. Corrected Item-Total Correlation từ 0.3 trở lên được tham khảo theo (Nunnally và Bernstein, 1994).
Nếu chạy EFA trong SPSS, bạn xem KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê với p-value dưới 0.05 được tham khảo theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là một quy tắc trích nhân tố được nêu trong (Kaiser, 1960). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo (Hair và cộng sự, 2010).
Nếu dùng SmartPLS, bạn xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được tham khảo theo (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được đề xuất trong (Henseler và cộng sự, 2015).
Bảng ngưỡng kiểm định cần ghi nguồn
| Chỉ số | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7; thang đo khám phá có thể cân nhắc từ 0.6 | (Nunnally, 1978); (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 | (Kaiser, 1974) |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) |
| Factor loading | Từ 0.5 | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% | (Hair và cộng sự, 2010) |
| Outer loading | Từ 0.7 | (Chin, 1998) |
| Composite Reliability | Từ 0.7 | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85 hoặc 0.90 tùy mức gần nhau của khái niệm | (Henseler và cộng sự, 2015) |
Cách trình bày thang đo trong chương 3
Trong chương 3, hãy trình bày theo chuỗi: định nghĩa khái niệm, nguồn tham khảo, cách điều chỉnh, số lượng biến quan sát, thang điểm và kế hoạch kiểm định. Nếu bạn chưa có nguồn gốc đã xác minh, viết rõ đó là bộ biến quan sát đề xuất và giải thích cách bạn xây dựng, thay vì gắn tên tác giả không phù hợp.
Cách viết vào luận văn: “Trong nghiên cứu này, an toàn bảo mật được định nghĩa là [mức độ người trả lời cảm nhận dữ liệu và giao dịch được bảo vệ trong bối cảnh X]. Thang đo ban đầu gồm [số lượng] biến quan sát, ký hiệu từ [ATBM1] đến [ATBMx], sử dụng thang Likert [5/7] mức từ [1] đến [5/7]. Các biến được điều chỉnh về ngữ cảnh [đối tượng/ngành] trước khi kiểm định độ tin cậy và giá trị thang đo.”
Sau khi có kết quả, chương 4 cần tách phần mô tả khỏi phần kết luận. Bạn có thể ghi số biến ban đầu, biến bị loại, lý do loại, kết quả Cronbach's Alpha và kết quả EFA hoặc SmartPLS. Đừng viết “thang đo đạt chuẩn” nếu chỉ mới có Alpha; độ tin cậy không thay thế cho giá trị hội tụ và giá trị phân biệt.
Lỗi thường gặp
Lỗi đầu tiên là dùng “an toàn bảo mật” như một biến nhưng không định nghĩa phạm vi. Người trả lời có thể nghĩ đến mật khẩu, trong khi bạn lại phân tích an toàn thanh toán. Hãy nêu rõ đối tượng và tình huống trong phần giới thiệu bảng hỏi.
Lỗi thứ hai là lấy biến của niềm tin hoặc quyền riêng tư rồi đổi mã biến thành ATBM. Tên mã không làm thay đổi nội dung đo lường. Hãy đọc lại từng phát biểu và kiểm tra xem nó đang mô tả cơ chế bảo vệ, cảm xúc tin tưởng hay chính sách dữ liệu.
Lỗi thứ ba là xóa biến chỉ vì Alpha tăng. Bạn cần xem Item-Total Statistics, nội dung biến và lập luận lý thuyết trước khi quyết định. Một biến có thể làm Alpha thấp vì cách diễn đạt chưa phù hợp, vì mã hóa đảo chiều sai hoặc vì nó thực sự thuộc khái niệm khác.
Lỗi thứ tư là trộn kết quả SPSS với SmartPLS. Reliability Statistics và Item-Total Statistics là các bảng quen thuộc trong SPSS. Outer Loadings, Construct Reliability and Validity và Discriminant Validity thuộc quy trình PLS-SEM. Chọn phần mềm theo mô hình và phương pháp đã đăng ký trong đề cương.
Câu hỏi thường gặp
An toàn bảo mật có giống niềm tin không
Hai khái niệm liên quan nhưng không đồng nhất. An toàn bảo mật nói về cảm nhận hệ thống bảo vệ dữ liệu hoặc giao dịch, còn niềm tin nói về sự tin cậy của người dùng đối với tổ chức, nền tảng hoặc dịch vụ. Bạn có thể đưa cả hai vào mô hình nếu câu hỏi nghiên cứu phân biệt rõ nội dung và thang đo.
Có thể dùng ngay năm biến quan sát tham khảo không
Bạn có thể dùng chúng làm bản nháp để thiết kế bảng hỏi, nhưng chưa nên gọi là thang đo đã được xác nhận. Hãy điều chỉnh theo bối cảnh, kiểm tra nguồn gốc học thuật nếu cần trích dẫn, chạy thử bảng hỏi và kiểm định trên dữ liệu thực tế.
Alpha thấp thì có nên xóa ngay một biến không
Chưa nên xóa ngay. Kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu, Corrected Item-Total Correlation và ý nghĩa nội dung của biến. Nếu xóa, bạn cần ghi lại lý do và chạy lại theo quy trình nhất quán, không xóa nhiều biến chỉ để đạt một con số đẹp.
Nên chạy SPSS hay SmartPLS để kiểm định thang đo
SPSS phù hợp với Cronbach's Alpha và EFA trong nhiều thiết kế nghiên cứu. SmartPLS phù hợp khi bạn xây dựng mô hình PLS-SEM với biến tiềm ẩn và cần xem outer loading, CR, AVE, HTMT cùng các quan hệ cấu trúc. Nếu đề tài dùng AMOS hoặc CB-SEM, các chỉ số fit sẽ thuộc một quy trình khác.
Có cần thêm biến đo rủi ro bảo mật không
Chỉ thêm khi mô hình và giả thuyết của bạn cần biến đó. Rủi ro bảo mật hoặc rủi ro cảm nhận có thể là khái niệm liên quan nhưng không tự động là một thành phần của an toàn bảo mật. Thêm biến chỉ vì bảng hỏi đang ngắn sẽ làm mô hình khó giải thích hơn.
Bạn hãy mở lại file dữ liệu, đối chiếu từng biến ATBM với định nghĩa thao tác, sau đó kiểm tra mã hóa trước khi chạy lần đầu. Nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis hỗ trợ quy trình SPSS và SmartPLS mà không thay số liệu của bạn bằng số liệu mẫu.