Bất hòa nhận thức là gì? Mô hình và cách kiểm định
Mô hình bất hòa nhận thức là gì
Bạn có thể gặp thuật ngữ này khi nghiên cứu hành vi người tiêu dùng, quyết định mua hàng, sử dụng công nghệ, hành vi môi trường hoặc sự thay đổi thái độ sau một lựa chọn. Bất hòa nhận thức mô tả trạng thái khó chịu về tâm lý khi những gì một người tin, cảm nhận hoặc thực hiện không còn nhất quán với nhau.
Ví dụ, một người tin rằng mua sắm bền vững là cần thiết nhưng vẫn mua một sản phẩm có nhiều bao bì nhựa. Sự chênh lệch giữa niềm tin và hành vi có thể tạo ra bất hòa nhận thức. Người đó có thể thay đổi hành vi, điều chỉnh niềm tin, tìm thêm lý do để biện minh, hoặc xem nhẹ mâu thuẫn.
Trong nghiên cứu định lượng, bạn không đo trực tiếp một trạng thái tâm lý trừu tượng bằng một câu hỏi duy nhất. Bạn chuyển nó thành các biến quan sát, thường phản ánh cảm giác mâu thuẫn, khó chịu, hối tiếc, nghi ngờ hoặc nhu cầu hợp lý hóa lựa chọn. Tên tiếng Anh thường gặp là cognitive dissonance.
Nguồn gốc lý thuyết này thường được trình bày trong tâm lý học xã hội. Tuy nhiên, citation allowlist của DoThesis không có tài liệu gốc về bất hòa nhận thức, nên bạn không nên tự thêm tên tác giả và năm vào luận văn nếu chưa kiểm tra tài liệu gốc. Với bài của bạn, hãy ghi rõ định nghĩa đang sử dụng, bối cảnh nghiên cứu và nguồn thang đo thực tế mà bạn đã đọc.
Nếu bạn đang tìm thêm các khung lý thuyết để đặt cạnh mô hình này, có thể xem danh mục Mô hình nghiên cứu, mô hình TPB hoặc mô hình TRA. Những mô hình đó thường giúp giải thích ý định và hành vi, trong khi bất hòa nhận thức tập trung vào mâu thuẫn sau nhận thức hoặc sau lựa chọn.
Các thành phần trong mô hình
Một mô hình bất hòa nhận thức thường có ba lớp cần tách riêng. Lớp đầu là điều kiện tạo ra mâu thuẫn. Lớp thứ hai là trải nghiệm tâm lý của người trả lời. Lớp thứ ba là phản ứng sau mâu thuẫn, chẳng hạn thay đổi thái độ, tiếp tục sử dụng, hối tiếc hoặc ý định điều chỉnh hành vi.
Bạn nên đặt tên biến theo nội dung thật của đề tài. Nếu nghiên cứu ứng dụng ngân hàng số, biến gây mâu thuẫn có thể là kỳ vọng về bảo mật và trải nghiệm sử dụng thực tế. Nếu nghiên cứu mua hàng xanh, mâu thuẫn có thể nằm giữa thái độ ủng hộ môi trường và hành vi mua hàng thực tế.
| Thành phần | Câu hỏi nghiên cứu cần trả lời | Ví dụ biến trong mô hình |
|---|---|---|
| Niềm tin hoặc kỳ vọng ban đầu | Người trả lời đã tin hoặc mong đợi điều gì | Kỳ vọng về chất lượng, an toàn, tính bền vững |
| Lựa chọn hoặc hành vi thực tế | Họ đã làm gì hoặc quyết định gì | Mua sản phẩm, dùng ứng dụng, đăng ký dịch vụ |
| Cảm nhận bất hòa | Họ nhận thấy mâu thuẫn ở mức nào | Cảm giác mâu thuẫn, khó chịu, nghi ngờ |
| Cách giảm bất hòa | Họ phản ứng ra sao để thấy nhất quán hơn | Tìm thêm thông tin, biện minh, đổi lựa chọn |
| Kết quả sau cùng | Thái độ hoặc hành vi thay đổi thế nào | Hối tiếc, hài lòng, trung thành, ý định tiếp tục |
Đừng gộp tất cả thành một biến có tên “bất hòa nhận thức” rồi đưa thẳng vào bảng hỏi. Trước hết, bạn cần xác định biến nào là nguyên nhân, biến nào là trạng thái bất hòa, và biến nào là kết quả. Nếu bất hòa nhận thức là biến trung gian, mô hình phải có đường tác động từ biến độc lập đến bất hòa, rồi từ bất hòa đến biến phụ thuộc.
Mô hình gốc và các mở rộng phổ biến
Mô hình cơ bản có thể viết theo chuỗi: điều kiện hoặc trải nghiệm tạo ra mâu thuẫn, bất hòa nhận thức xuất hiện, sau đó người trả lời tìm cách khôi phục cảm giác nhất quán. Chuỗi này không bắt buộc phải có đúng ba biến. Nó là cách tư duy để bạn chọn biến và đặt giả thuyết.
Một mở rộng phổ biến là đưa mức độ quan trọng của quyết định vào mô hình. Một lựa chọn càng quan trọng với cá nhân, sự mâu thuẫn sau lựa chọn càng có thể đáng chú ý. Một mở rộng khác xét đến mức độ tự nguyện. Nếu một người bị ép buộc, họ có thể ít quy kết hành vi cho bản thân hơn so với khi tự nguyện lựa chọn.
Bạn cũng có thể đưa vào mô hình các yếu tố làm giảm hoặc tăng phản ứng, chẳng hạn mức độ liên quan cá nhân, trách nhiệm cảm nhận, khả năng thay đổi lựa chọn và lượng thông tin người trả lời tiếp nhận sau quyết định. Những yếu tố này phù hợp với vai trò moderator nếu chúng làm thay đổi độ mạnh của một quan hệ.
Khi kết hợp với các mô hình hành vi, bạn cần giữ ranh giới khái niệm. Bản sắc xã hội là gì có thể giải thích ảnh hưởng của nhóm lên nhận thức, còn các giai đoạn thay đổi hành vi là gì mô tả tiến trình thay đổi. Hai khái niệm này có thể liên quan, nhưng không tự động là thành phần của bất hòa nhận thức.
Một mô hình gợi ý có thể gồm kỳ vọng ban đầu, trải nghiệm thực tế, bất hòa nhận thức, mức độ tìm kiếm thông tin để biện minh và ý định tiếp tục. Bạn cần chọn mô hình theo câu hỏi nghiên cứu, không chọn thêm biến chỉ vì phần mềm cho phép vẽ nhiều mũi tên.
Thang đo thường dùng cho từng khái niệm
Với bất hòa nhận thức, bạn sẽ thấy các nhóm biến quan sát xoay quanh cảm giác không thoải mái, mâu thuẫn, nghi ngờ quyết định và nhu cầu hợp lý hóa. Không nên chép nguyên một bộ câu hỏi trên Internet rồi gọi đó là thang đo đã được xác nhận. Cách an toàn là tìm bài nghiên cứu gần với bối cảnh của bạn, đối chiếu định nghĩa, dịch thử, rồi kiểm định trên dữ liệu khảo sát.
Bảng dưới đây là khung thiết kế ban đầu, không phải thang đo đã được xác thực. Bạn cần thay câu chữ bằng nguồn gốc cụ thể trước khi đưa vào bảng hỏi chính thức.
| Khái niệm | Nội dung nên đo | Mã biến gợi ý | Câu diễn đạt tham khảo cần hiệu chỉnh |
|---|---|---|---|
| Cảm nhận mâu thuẫn | Nhận thấy niềm tin và hành vi không nhất quán | DIS1, DIS2 | Tôi nhận thấy có sự không nhất quán giữa điều tôi tin và lựa chọn của mình |
| Khó chịu tâm lý | Phản ứng cảm xúc sau khi nhận ra mâu thuẫn | DIS3, DIS4 | Tôi cảm thấy không thoải mái khi nghĩ về quyết định này |
| Nghi ngờ lựa chọn | Đánh giá lại quyết định đã thực hiện | DIS5, DIS6 | Tôi từng tự hỏi liệu mình có nên chọn phương án khác |
| Hợp lý hóa | Tìm lý do để bảo vệ quyết định | JUS1, JUS2 | Tôi thường tìm thêm lý do để thấy quyết định của mình là hợp lý |
| Kết quả hành vi | Ý định thay đổi hoặc tiếp tục hành vi | INT1, INT2 | Tôi dự định điều chỉnh lựa chọn của mình trong lần tới |
Các biến quan sát nên dùng cùng một thang Likert, chẳng hạn từ hoàn toàn không đồng ý đến hoàn toàn đồng ý, nếu mục tiêu là đo mức độ đồng thuận. Cách trình bày thang Likert được mô tả trong tài liệu gốc của Likert, (Likert, 1932). Bạn vẫn cần kiểm tra xem bài nghiên cứu nguồn sử dụng năm mức hay bảy mức, câu hỏi phủ định hay khẳng định, và bối cảnh có phù hợp với mẫu của bạn không.
Nếu có biến đảo chiều, đánh dấu ngay trong file dữ liệu trước khi chạy Cronbach's Alpha. Một biến đảo chiều chưa được recode có thể làm hệ số tương quan biến-tổng thấp và khiến bạn loại nhầm một biến quan sát tốt. Khi điều chỉnh câu chữ cho Việt Nam, hãy giữ nghĩa đo lường, tránh biến câu hỏi thành một nhận xét đạo đức về người trả lời.
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu người dùng mua sản phẩm thân thiện với môi trường. Mô hình minh họa có bốn giả thuyết: trải nghiệm sử dụng không như kỳ vọng làm tăng bất hòa; mức độ bất hòa làm tăng nhu cầu tìm thông tin để biện minh; nhu cầu biện minh ảnh hưởng đến ý định tiếp tục mua; và bất hòa ảnh hưởng trực tiếp đến ý định thay đổi lựa chọn.
Bạn có thể biểu diễn mô hình như sau: Kỳ vọng và trải nghiệm thực tế là nhóm biến đầu vào, Bất hòa nhận thức là biến trung gian, Tìm kiếm lý do biện minh là biến trung gian tiếp theo, còn Ý định tiếp tục mua là biến phụ thuộc. Nếu đề tài chỉ có một khảo sát tại một thời điểm, hãy dùng ngôn ngữ “có mối liên hệ” hoặc “có ảnh hưởng theo mô hình giả thuyết” thay vì khẳng định chắc chắn quan hệ nhân quả.
Các giả thuyết minh họa:
- H1: Chênh lệch giữa kỳ vọng và trải nghiệm thực tế có ảnh hưởng cùng chiều đến bất hòa nhận thức.
- H2: Bất hòa nhận thức có ảnh hưởng cùng chiều đến nhu cầu tìm kiếm thông tin để biện minh.
- H3: Nhu cầu tìm kiếm thông tin để biện minh có ảnh hưởng đến ý định tiếp tục mua.
- H4: Bất hòa nhận thức có ảnh hưởng đến ý định thay đổi lựa chọn.
Bạn có thể thay “cùng chiều” bằng hướng tác động phù hợp sau khi đọc tài liệu nguồn. Hướng của giả thuyết không được quyết định chỉ vì kết quả SPSS hoặc SmartPLS chạy ra dương hay âm. Kết quả dùng để kiểm định giả thuyết, còn lý do đặt giả thuyết phải đến từ lập luận lý thuyết và nghiên cứu trước.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau: “Dựa trên sự không nhất quán giữa [niềm tin hoặc kỳ vọng] và [hành vi hoặc trải nghiệm thực tế], nghiên cứu đề xuất bất hòa nhận thức là biến [độc lập/trung gian] trong mối quan hệ giữa [X] và [Y]. Cụ thể, H1 giả định [X] có ảnh hưởng [cùng chiều/ngược chiều] đến [bất hòa nhận thức], trong khi H2 giả định [bất hòa nhận thức] ảnh hưởng đến [Y]. Các biến quan sát được đo bằng thang Likert [5/7] mức và sẽ được đánh giá về độ tin cậy, giá trị hội tụ và giá trị phân biệt.”
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
SPSS phù hợp khi bạn muốn kiểm tra độ tin cậy, chạy EFA, hồi quy tuyến tính và kiểm tra các giả định cơ bản. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến trung gian hoặc moderator, và bạn muốn đánh giá đồng thời measurement model với structural model. Việc chọn phần mềm cần dựa trên thiết kế mô hình và yêu cầu của khoa, không dựa trên việc một phần mềm cho ra p-value đẹp hơn.
Trước khi chạy, kiểm tra mã biến, dữ liệu thiếu, biến đảo chiều và các câu trả lời có cùng một mẫu lặp lại. Nếu dùng SPSS, bạn có thể bắt đầu ở Analyze > Scale > Reliability Analysis, chọn Statistics, rồi bật Scale if item deleted. Sau đó chạy EFA tại Analyze > Dimension Reduction > Factor. Với hồi quy, vào Analyze > Regression > Linear và đưa biến phụ thuộc, biến độc lập vào đúng ô.
Nếu dùng SmartPLS 4, nhập file .csv, vẽ measurement model và structural model, nối các biến tiềm ẩn theo H1 đến H4, sau đó chạy Calculate > PLS-SEM Algorithm. Tiếp theo dùng Calculate > Bootstrapping để kiểm tra path coefficient, t-value và p-value. Khi báo cáo PLS-SEM, quy trình đánh giá measurement model trước structural model được trình bày trong (Hair và cộng sự, 2022).
Bảng dưới đây là output minh họa, không phải kết quả của một nghiên cứu thật. Các con số chỉ cho bạn biết nên nhìn vào cột nào và cách diễn giải ra sao.
Output SmartPLS, số liệu minh họa
| Path Coefficients | Original Sample (O) | Sample Mean (M) | Standard Deviation (STDEV) | T Statistics | P Values |
|---|---|---|---|---|---|
| Kỳ vọng và trải nghiệm → Bất hòa nhận thức | 0.418 | 0.421 | 0.082 | 5.098 | 0.000 |
| Bất hòa nhận thức → Nhu cầu biện minh | 0.356 | 0.351 | 0.091 | 3.912 | 0.000 |
| Nhu cầu biện minh → Ý định tiếp tục | 0.271 | 0.268 | 0.104 | 2.606 | 0.009 |
| Bất hòa nhận thức → Ý định thay đổi | 0.184 | 0.179 | 0.087 | 2.115 | 0.035 |
Trong ví dụ, các p-value đều dưới 0.05, nhưng bạn không được chép những con số này vào chương 4. Bạn mở chính output của mình, ghi lại hệ số đường dẫn, độ lệch chuẩn, t-value, p-value và khoảng tin cậy bootstrap. Nếu khoảng tin cậy của indirect effect không chứa zero, tác động gián tiếp được xem là có ý nghĩa theo (Preacher và Hayes, 2008).
Ngưỡng đánh giá tham khảo
| Chỉ số | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Composite Reliability | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
| VIF trong PLS-SEM | Dưới 5 | (Hair và cộng sự, 2019) |
| R² | 0.75 đáng kể, 0.50 trung bình, 0.25 yếu | (Hair và cộng sự, 2011) |
| Q² | Lớn hơn 0 | (Stone, 1974) |
Nếu chạy SPSS, không đưa CR, AVE hoặc HTMT vào phần EFA như thể chúng là cùng một kiểm định. Nếu chạy SmartPLS, không lấy CFI, TLI, RMSEA từ CB-SEM rồi áp vào PLS-SEM. Những chỉ số fit này thuộc CB-SEM và nguồn ngưỡng tương ứng là (Hu và Bentler, 1999).
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là dùng “bất hòa nhận thức” như một từ khóa trang trí nhưng không có biến quan sát đo nó. Người đọc luận văn sẽ hỏi bạn: trạng thái này khác gì với không hài lòng, hối tiếc hoặc thái độ tiêu cực. Bạn cần viết tiêu chí phân biệt và cho thấy từng khái niệm được đo bằng nhóm biến nào.
Lỗi thứ hai là đặt quan hệ nhân quả quá mạnh cho dữ liệu khảo sát cắt ngang. Một bảng hỏi thu tại một thời điểm có thể cho thấy mối liên hệ phù hợp với mô hình, nhưng chưa đủ để khẳng định người trả lời chắc chắn đã thay đổi niềm tin vì trải nghiệm đó.
Lỗi thứ ba là loại biến chỉ vì muốn Alpha tăng. Hãy xem nội dung biến, Corrected Item-Total Correlation, ý nghĩa khái niệm và kết quả EFA hoặc measurement model. Ghi lại từng vòng loại biến trong file làm việc, vì giảng viên có thể hỏi tại sao DIS2 bị loại nhưng DIS4 được giữ.
Lỗi thứ tư là trộn bất hòa nhận thức với sự hài lòng. Một người có thể hài lòng nhưng vẫn cảm thấy mâu thuẫn ở một khía cạnh khác. Bạn cần quay lại định nghĩa thao tác hóa, bối cảnh câu hỏi và nguồn thang đo trước khi kết luận hai biến là một.
Nếu muốn minh họa các trạng thái tâm lý khác trong trải nghiệm tập trung, dòng chảy Flow là gì là một khái niệm khác với bất hòa nhận thức. Đừng gộp các khái niệm chỉ vì chúng cùng xuất hiện trong một đề tài hành vi.
Câu hỏi thường gặp
Bất hòa nhận thức có phải là sự không hài lòng không?
Hai khái niệm có thể liên quan nhưng không đồng nghĩa. Không hài lòng thường đánh giá một kết quả hoặc trải nghiệm theo hướng tiêu cực, còn bất hòa nhận thức nhấn mạnh sự không nhất quán giữa niềm tin, thái độ, kỳ vọng và hành vi.
Trong bảng hỏi, bạn nên có nhóm biến riêng cho từng khái niệm nếu mô hình sử dụng cả hai. Sau đó kiểm tra giá trị phân biệt thay vì giả định chúng là một biến.
Bất hòa nhận thức nên là biến độc lập hay biến trung gian?
Vai trò phụ thuộc vào câu hỏi nghiên cứu. Nếu bạn cho rằng trải nghiệm không phù hợp làm phát sinh bất hòa, rồi bất hòa dẫn đến ý định thay đổi, bất hòa nhận thức có thể là biến trung gian.
Nếu bạn chỉ muốn kiểm tra bất hòa ảnh hưởng trực tiếp đến ý định tiếp tục hoặc ý định thay đổi, nó có thể là biến độc lập. Hãy vẽ mô hình trước, viết lý do cho từng mũi tên, rồi mới tạo giả thuyết.
Có thể dùng SPSS để kiểm định mô hình này không?
Có. SPSS có thể chạy Cronbach's Alpha, EFA, tương quan và hồi quy. Nếu mô hình có biến trung gian, bạn có thể dùng hồi quy theo từng phương trình hoặc công cụ PROCESS khi thiết kế và yêu cầu của đề tài cho phép.
SmartPLS thuận tiện hơn khi bạn dùng biến tiềm ẩn và muốn đánh giá outer loading, CR, AVE, HTMT cùng path coefficients trong một quy trình. Kết quả vẫn cần được diễn giải theo lý thuyết, không chỉ theo bảng p-value.
Thang đo bất hòa nhận thức có thể tự dịch từ tiếng Anh không?
Bạn có thể dịch để so sánh và thử nghiệm, nhưng không nên gọi bản dịch đầu tiên là thang đo đã được xác nhận. Hãy đối chiếu định nghĩa, bối cảnh, số lượng biến quan sát, chiều của câu hỏi và cách chấm điểm trong nguồn gốc.
Sau đó chạy khảo sát thử, kiểm tra người trả lời có hiểu cùng một nghĩa không, rồi mới quyết định phiên bản đưa vào khảo sát chính thức. Nếu thay đổi nhiều câu, hãy mô tả rõ quy trình điều chỉnh trong chương phương pháp.
Nếu kết quả không có ý nghĩa thống kê thì mô hình sai phải không?
Chưa thể kết luận như vậy. Kết quả không có ý nghĩa có thể đến từ cỡ mẫu, chất lượng thang đo, độ biến thiên thấp, bối cảnh nghiên cứu hoặc mối quan hệ thực tế yếu. Bạn cần xem cả độ tin cậy, validity, hệ số đường dẫn, khoảng tin cậy và lập luận lý thuyết.
Không nên xóa một giả thuyết chỉ để làm bảng kết quả đẹp hơn. Hãy báo cáo trung thực giả thuyết được ủng hộ hay không được ủng hộ, đồng thời nêu giới hạn phù hợp với dữ liệu của bạn.
Mở file đề tài của bạn, viết lại sơ đồ gồm biến đầu vào, bất hòa nhận thức và biến kết quả, sau đó lập danh sách biến quan sát cần kiểm tra trước khi chạy phân tích; nếu cần chạy trực tiếp trên file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.