Chủ đề nghiên cứu khoa học là gì? Cách chọn và kiểm tra tính khả thi
Chủ đề nghiên cứu khoa học là gì
Chủ đề nghiên cứu khoa học là phạm vi vấn đề mà bạn muốn tìm hiểu bằng một quy trình có câu hỏi, dữ liệu và phương pháp kiểm định rõ ràng. Chủ đề thường rộng hơn đề tài cụ thể. Ví dụ, “sự chấp nhận ngân hàng số của sinh viên” là một chủ đề, còn “Các yếu tố ảnh hưởng đến ý định sử dụng ngân hàng số của sinh viên tại Thành phố Hồ Chí Minh” là một đề tài đã được thu hẹp.
Khi chọn chủ đề, bạn cần trả lời được bốn câu hỏi: nghiên cứu vấn đề gì, nghiên cứu với ai, trong bối cảnh nào và sẽ đo lường bằng biến nào. Một chủ đề phù hợp với luận văn định lượng phải chuyển được thành bảng hỏi, dữ liệu dạng .sav hoặc .csv, sau đó phân tích bằng SPSS hoặc SmartPLS.
Bạn có thể xem thêm chủ đề Nghiên cứu khoa học để đối chiếu cách đặt phạm vi. Nếu mới bắt đầu, bài NCKH là gì giúp bạn phân biệt nghiên cứu khoa học với một bài tổng hợp thông tin thông thường.
Cấu trúc cơ bản của một chủ đề định lượng có thể viết như sau:
Các yếu tố X ảnh hưởng đến Y của đối tượng Z trong bối cảnh B.
Trong đó, X là các biến độc lập hoặc biến giải thích, Y là biến phụ thuộc, Z là đối tượng nghiên cứu và B là bối cảnh hoặc địa bàn. Công thức này chỉ là khung khởi đầu. Bạn vẫn phải kiểm tra lý thuyết, thang đo và khả năng thu thập dữ liệu trước khi chốt tên đề tài.
Ý nghĩa của chủ đề nghiên cứu khoa học trong nghiên cứu định lượng
Một chủ đề tốt giúp bạn quyết định mô hình nghiên cứu, giả thuyết, bảng hỏi và phương pháp phân tích. Nếu chủ đề chỉ mô tả một hiện tượng nhưng không có biến đo lường, bạn sẽ khó chuyển sang Cronbach's Alpha, EFA, hồi quy hoặc PLS-SEM.
Chẳng hạn, “trải nghiệm của khách hàng với ứng dụng mua sắm” vẫn còn rộng. Bạn cần xác định trải nghiệm được đo qua những khía cạnh nào, chẳng hạn tính dễ sử dụng, chất lượng thông tin, niềm tin hoặc sự hài lòng. Sau đó, bạn mới có thể đặt câu hỏi liệu các yếu tố đó có ảnh hưởng đến ý định mua lại hay không.
Chủ đề cũng đặt giới hạn cho dữ liệu. Nếu bạn chọn “người tiêu dùng Việt Nam”, phạm vi có thể vượt quá khả năng thu thập của một sinh viên. Nếu đổi thành “sinh viên năm cuối tại một trường đại học ở Hà Nội”, bảng hỏi, tiêu chí sàng lọc và kế hoạch thu thập sẽ cụ thể hơn.
Bạn nên phân biệt chủ đề với lĩnh vực nghiên cứu. Lĩnh vực có thể là marketing, tài chính, giáo dục hoặc công nghệ thông tin. Chủ đề là vấn đề cụ thể nằm trong lĩnh vực đó. Còn đối tượng nghiên cứu trả lời câu hỏi bạn đang quan sát ai hoặc hiện tượng nào.
Với nghiên cứu định lượng, chủ đề thường dẫn đến một trong ba dạng câu hỏi. Dạng thứ nhất mô tả mức độ hoặc thực trạng của một biến. Dạng thứ hai kiểm định mối quan hệ giữa các biến. Dạng thứ ba so sánh sự khác biệt giữa các nhóm. Bạn không nên trộn cả ba dạng khi chưa có lý do lý thuyết và dữ liệu phù hợp.
Chủ đề nghiên cứu khoa học bao nhiêu là đạt
Không có một con số duy nhất để kết luận chủ đề “đạt”. Bạn có thể dùng các tiêu chí có thể kiểm tra trước khi chốt: biến có đo được không, số người trả lời có khả thi không, số biến quan sát có phù hợp với nguồn lực không và phương pháp dự kiến có khớp với câu hỏi không.
Bảng dưới đây tập trung vào các ngưỡng thường được dùng khi kiểm tra tính khả thi của một đề tài định lượng. Đây là ngưỡng tham khảo có nguồn, không phải cam kết rằng mọi đề tài đều tự động đạt nếu chạm đúng con số.
| Tiêu chí kiểm tra | Mức tham khảo | Nguồn | Cách dùng khi chọn chủ đề |
|---|---|---|---|
| Số quan sát trên mỗi biến quan sát | 5 đến 10 | (Hair và cộng sự, 2010) | Ước lượng số phản hồi tối thiểu cho bảng hỏi |
| Cỡ mẫu hồi quy | 50 + 8m, với m là số biến độc lập | (Tabachnick và Fidell, 2013) | Kiểm tra đề tài có cần quá nhiều người trả lời không |
| Cronbach's Alpha | Từ 0.7 | (Nunnally, 1978) | Chỉ đánh giá sau khi có dữ liệu, không dùng để hứa trước |
| Corrected Item-Total Correlation | Từ 0.3 | (Nunnally và Bernstein, 1994) | Kiểm tra chất lượng biến quan sát sau khảo sát |
| KMO khi chạy EFA | Từ 0.5 | (Kaiser, 1974) | Đánh giá dữ liệu có phù hợp để phân tích nhân tố không |
| Tổng phương sai trích | Từ 50% | (Hair và cộng sự, 2010) | Đánh giá kết quả EFA sau khi chạy, không phải điều kiện đặt tên đề tài |
Ví dụ, nếu mô hình dự kiến có 5 biến độc lập, quy tắc 50 + 8m cho ra mức 90 quan sát. Nếu bảng hỏi có 25 biến quan sát, quy tắc 5 đến 10 quan sát cho mỗi biến cho khoảng 125 đến 250 phản hồi. Hai cách ước lượng này không thay thế cho việc xem xét thiết kế mẫu, tỷ lệ phản hồi và yêu cầu của giảng viên.
Điểm cần nhớ là Cronbach's Alpha, KMO và tổng phương sai trích là kết quả phân tích. Bạn không thể viết trước rằng thang đo của mình chắc chắn có Alpha bằng 0.8 hoặc EFA chắc chắn đạt. Khi chưa có dữ liệu, bạn chỉ có thể nói rằng thang đo được kế thừa, điều chỉnh và sẽ được kiểm định.
Cách đọc chủ đề nghiên cứu khoa học trên output
Chủ đề không xuất hiện như một dòng riêng trong output SPSS. Nó được phản ánh qua tên biến, mã biến, bảng Descriptive Statistics, Reliability Statistics, KMO and Bartlett's Test, Rotated Component Matrix và Coefficients. Vì vậy, khi bạn mở file SPSS và thấy các bảng này, hãy quay lại xem chúng có đúng với câu hỏi nghiên cứu ban đầu không.
Ví dụ minh họa, giả sử chủ đề là các yếu tố ảnh hưởng đến ý định sử dụng ứng dụng ngân hàng số. Mô hình có ba biến độc lập là tính hữu ích, tính dễ sử dụng và niềm tin, cùng biến phụ thuộc là ý định sử dụng. Các con số dưới đây chỉ là số liệu minh họa, không phải kết quả của một nghiên cứu thật.
Số liệu minh họa từ output SPSS
| Tên bảng trong SPSS | Chỉ số hoặc biến | Giá trị minh họa | Cách đọc |
|---|---|---|---|
| Reliability Statistics | Cronbach's Alpha, Tính hữu ích | 0.812 | Độ nhất quán nội bộ của nhóm biến |
| Item-Total Statistics | Corrected Item-Total Correlation, HI3 | 0.526 | Mức liên hệ của biến HI3 với thang đo còn lại |
| KMO and Bartlett's Test | KMO | 0.784 | Dữ liệu có mức phù hợp để xem xét EFA |
| KMO and Bartlett's Test | Approx. Chi-Square, Bartlett's Test | 426.318 | Đọc cùng Sig. của kiểm định Bartlett |
| Rotated Component Matrix | Loading, HI2 | 0.741 | HI2 tải lên một nhân tố trong EFA |
| Model Summary | R Square | 0.468 | Mô hình giải thích một phần biến thiên của Y |
| Coefficients | Sig., Tính hữu ích | 0.003 | Biến có ý nghĩa thống kê theo mức đặt trước |
| Coefficients | Beta, Tính hữu ích | 0.286 | Hướng và mức độ tác động tương đối trong mô hình |
Khi đọc bảng, bạn đi theo đúng thứ tự của mô hình. Trước hết, kiểm tra các biến có được nhập đúng mã hay không. Tiếp theo, xem độ tin cậy thang đo. Sau đó, nếu thiết kế nghiên cứu có EFA, đọc KMO and Bartlett's Test và Rotated Component Matrix. Cuối cùng, đọc Model Summary và Coefficients để trả lời giả thuyết.
Nếu tên chủ đề nói về “ý định sử dụng” nhưng trong file lại có biến phụ thuộc là “sự hài lòng”, bạn phải dừng lại kiểm tra bảng hỏi và mã hóa dữ liệu. Một output có nhiều con số đẹp vẫn không cứu được mô hình nếu biến trong dữ liệu không khớp với câu hỏi nghiên cứu.
Khi chủ đề nghiên cứu khoa học không đạt thì xử lý thế nào
Nếu chủ đề chưa phù hợp, hãy xử lý từ phần ít tốn kém nhất, tức là tên và phạm vi, trước khi sửa dữ liệu. Việc chạy lại SPSS không thể biến một câu hỏi mơ hồ thành câu hỏi nghiên cứu tốt.
Thu hẹp đối tượng và bối cảnh
Đổi “người tiêu dùng Việt Nam” thành một nhóm có tiêu chí rõ như người đã mua hàng trên một nền tảng trong sáu tháng gần đây. Cách này giúp câu hỏi sàng lọc, kênh phát bảng hỏi và tiêu chí loại phản hồi trở nên cụ thể hơn.
Giảm số biến và giữ lại quan hệ có lý do
Nếu mô hình có quá nhiều yếu tố nhưng bạn không giải thích được vì sao chúng ảnh hưởng đến biến phụ thuộc, hãy bỏ các biến nằm ngoài câu hỏi chính. Mỗi biến giữ lại cần có định nghĩa, thang đo tham khảo và giả thuyết phù hợp.
Kiểm tra lại thang đo trước khi thu thập chính thức
Bạn cần xem các biến quan sát có cùng khái niệm hay đang trộn nhiều ý khác nhau. Một biến quan sát dài, chứa hai ý hoặc dùng từ người trả lời khó hiểu có thể gây lỗi ngay từ thiết kế bảng hỏi. Nếu cần điều chỉnh ngôn ngữ, hãy ghi lại phiên bản trước và sau để giải trình.
Đổi phương pháp khi câu hỏi yêu cầu
Nếu câu hỏi chỉ yêu cầu mô tả tần suất, trung bình hoặc đặc điểm mẫu, hồi quy hay SmartPLS có thể là lựa chọn quá nặng. Nếu câu hỏi kiểm định nhiều quan hệ giữa biến tiềm ẩn, PLS-SEM có thể phù hợp hơn hồi quy đơn, nhưng bạn phải chuẩn bị mô hình đo lường và mô hình cấu trúc riêng.
Trường hợp dữ liệu đã thu nhưng thang đo không đạt, bạn chỉ nên loại biến khi có lý do thống kê và lý thuyết. Không nên xóa liên tục các biến cho đến khi có kết quả mong muốn. Hãy lưu từng file dữ liệu và bảng kết quả, vì giảng viên có thể hỏi bạn đã loại biến nào, ở vòng nào và tại sao.
Phân biệt chủ đề nghiên cứu khoa học với đề tài và câu hỏi nghiên cứu
Ba khái niệm này liên quan nhưng không thay thế cho nhau. Chủ đề là vùng vấn đề. Đề tài là tên nghiên cứu đã giới hạn đối tượng, bối cảnh và quan hệ cần kiểm định. Câu hỏi nghiên cứu là câu hỏi cụ thể mà dữ liệu phải trả lời.
Ví dụ:
| Thành phần | Ví dụ |
|---|---|
| Lĩnh vực | Công nghệ tài chính |
| Chủ đề | Chấp nhận ngân hàng số |
| Đề tài | Các yếu tố ảnh hưởng đến ý định sử dụng ngân hàng số của sinh viên tại Hà Nội |
| Câu hỏi nghiên cứu | Tính hữu ích có ảnh hưởng đến ý định sử dụng ngân hàng số không |
| Biến phụ thuộc | Ý định sử dụng |
| Biến độc lập | Tính hữu ích, tính dễ sử dụng, niềm tin |
| Dữ liệu | Phản hồi bảng hỏi từ sinh viên đáp ứng tiêu chí sàng lọc |
Một nhầm lẫn phổ biến là dùng “đối tượng nghiên cứu” để chỉ người trả lời. Trong thiết kế định lượng, đối tượng nghiên cứu có thể là ý định sử dụng, sự hài lòng hoặc hành vi. Người trả lời là đơn vị cung cấp dữ liệu để đo các khái niệm đó. Bạn có thể xem bài đối tượng nghiên cứu nếu phần này trong đề cương đang bị lẫn.
Một nhầm lẫn khác là coi mọi ý tưởng mới đều là chủ đề tốt. Ý tưởng có thể mới nhưng không có thang đo, không tiếp cận được mẫu hoặc không thể thu đủ phản hồi. Với luận văn có deadline, tính khả thi cần được xem cùng tính mới, ý nghĩa và sự phù hợp với ngành học.
Lỗi thường gặp
Lỗi đầu tiên là chọn chủ đề quá rộng. Các cụm như “ảnh hưởng của công nghệ đến xã hội” hoặc “nâng cao chất lượng dịch vụ” chưa cho biết bạn đo gì và đo ở đâu. Hãy thêm đối tượng, bối cảnh và biến kết quả.
Lỗi thứ hai là đặt tên đề tài theo công cụ. “Ứng dụng SPSS để phân tích...” không phải là chủ đề nghiên cứu. SPSS là phần mềm xử lý dữ liệu, còn chủ đề phải nói về hiện tượng và mối quan hệ cần kiểm định.
Lỗi thứ ba là sao chép mô hình nhưng không kiểm tra bối cảnh. Một thang đo dùng cho khách hàng doanh nghiệp có thể không phù hợp nguyên trạng với sinh viên. Bạn cần xem định nghĩa, số lượng biến quan sát, cách diễn đạt và điều kiện áp dụng.
Lỗi thứ tư là hứa trước kết quả. Các câu như “X chắc chắn ảnh hưởng tích cực đến Y” biến giả thuyết thành kết luận trước khi có dữ liệu. Hãy viết “nghiên cứu kiểm định ảnh hưởng của X đến Y” và để dấu, độ lớn, p-value được quyết định từ output.
Lỗi cuối là chốt tên đề tài trước khi mở file bảng hỏi. Bạn nên lập một bảng ánh xạ gồm câu hỏi nghiên cứu, biến, mã biến, thang đo, nguồn tham khảo và phương pháp phân tích. Bảng này giúp phát hiện khoảng trống trước khi bạn phát hàng trăm phản hồi.
Câu hỏi thường gặp
Chủ đề nghiên cứu khoa học có phải là đề tài nghiên cứu không?
Chủ đề là phạm vi vấn đề rộng, còn đề tài là phiên bản đã thu hẹp để triển khai thành một nghiên cứu cụ thể. Đề tài thường nêu rõ đối tượng, bối cảnh và biến hoặc mối quan hệ cần kiểm định.
Bạn có thể bắt đầu từ chủ đề, sau đó thu hẹp thành đề tài bằng cách thêm nhóm người trả lời, địa bàn, thời gian và biến phụ thuộc.
Nguồn ý tưởng cho đề tài nghiên cứu lấy ở đâu?
Bạn có thể tìm ý tưởng từ khoảng trống trong các bài nghiên cứu, vấn đề thực tế trong ngành, mô hình lý thuyết đang học hoặc một bối cảnh mới có thể thu thập dữ liệu. Khi đọc tài liệu, hãy ghi lại biến, thang đo, đối tượng và giới hạn nghiên cứu thay vì chỉ chép tên đề tài.
Ý tưởng chỉ nên được chốt sau khi bạn kiểm tra khả năng tiếp cận mẫu và dữ liệu. Một chủ đề nghe hấp dẫn nhưng không có người trả lời phù hợp sẽ gây khó ở giai đoạn phân tích.
Chủ đề nghiên cứu khoa học định lượng cần bao nhiêu biến?
Không có số biến cố định cho mọi đề tài. Số biến phải xuất phát từ câu hỏi nghiên cứu, mô hình và thang đo. Mỗi khái niệm thường được đo bằng nhiều biến quan sát, nhưng bạn cần tính tổng số biến để ước lượng cỡ mẫu theo (Hair và cộng sự, 2010).
Nếu mô hình có quá nhiều biến độc lập, hãy kiểm tra xem từng biến có vai trò lý thuyết rõ không. Giảm phạm vi hợp lý thường tốt hơn việc đưa mọi yếu tố có thể nghĩ ra vào cùng một mô hình.
Có thể đổi chủ đề sau khi đã thu thập dữ liệu không?
Bạn có thể điều chỉnh tên hoặc phạm vi nếu dữ liệu thực tế không khớp với đề cương, nhưng thay đổi lớn sau thu thập sẽ ảnh hưởng đến bảng hỏi, mẫu và giả thuyết. Hãy trao đổi với giảng viên trước khi đổi biến phụ thuộc, đối tượng hoặc bối cảnh.
Không nên đổi chủ đề chỉ vì một p-value không đạt kỳ vọng. Kết quả không có ý nghĩa thống kê vẫn có thể được báo cáo trung thực và thảo luận theo giới hạn của mẫu, thang đo và mô hình.
Chủ đề nghiên cứu khoa học có cần trích dẫn nguồn không?
Có. Bạn cần trích dẫn nguồn khi dùng lý thuyết, mô hình, định nghĩa, thang đo hoặc ngưỡng đánh giá. Tên chủ đề tự viết không cần nguồn riêng, nhưng lý do chọn biến và cách đo biến cần được giải thích bằng tài liệu phù hợp.
Trong đề cương, hãy lưu cả nguồn gốc của thang đo và bối cảnh mà thang đo được sử dụng. Điều này giúp bạn trả lời câu hỏi của hội đồng khi được hỏi vì sao chọn các biến đó.
Bạn hãy mở file đề cương và lập ngay bảng gồm chủ đề, câu hỏi nghiên cứu, biến phụ thuộc, biến độc lập, đối tượng, bối cảnh và nguồn thang đo; sau đó đối chiếu với dữ liệu hiện có hoặc chuẩn bị bảng hỏi trong M3 mô hình, giả thuyết, thang đo và bảng hỏi.