Đánh giá thành tích là gì và đo bằng thang đo nào

Đánh giá thành tích là gì và được đo bằng gì

Đánh giá thành tích là quá trình xem xét mức độ một nhân viên hoàn thành nhiệm vụ, đạt mục tiêu và đáp ứng các yêu cầu của công việc trong một khoảng thời gian xác định. Trong luận văn định lượng, bạn không nên để khái niệm này dừng ở một định nghĩa chung. Bạn cần chuyển nó thành một biến tiềm ẩn, sau đó đo bằng nhiều biến quan sát trong bảng hỏi.

Ví dụ, nếu đề tài nghiên cứu ảnh hưởng của môi trường làm việc đến đánh giá thành tích, “đánh giá thành tích” có thể là biến phụ thuộc. Người trả lời sẽ phản hồi mức độ đồng ý với các phát biểu về kết quả công việc, chất lượng hoàn thành nhiệm vụ, tiến độ và mức độ đáp ứng kỳ vọng của tổ chức.

Bạn có thể dùng thang đo Likert 5 mức, từ 1 là “Hoàn toàn không đồng ý” đến 5 là “Hoàn toàn đồng ý”. Likert mô tả kỹ thuật đo lường thái độ bằng các mức phản hồi có thứ bậc trong công trình gốc (Likert, 1932). Số mức đo cần được thống nhất trong toàn bộ bảng hỏi, thay vì trộn thang 5 mức với thang 7 mức.

Cần phân biệt đánh giá thành tích với sự hài lòng công việc, cam kết tổ chức và ý định nghỉ việc. Các khái niệm này có thể liên quan trong mô hình, nhưng chúng đo những nội dung khác nhau. Chẳng hạn, cam kết tổ chức phản ánh mối gắn bó của nhân viên với tổ chức, còn đánh giá thành tích tập trung vào kết quả hoặc mức độ hoàn thành công việc.

Khi xây dựng mô hình, bạn nên viết rõ đánh giá thành tích là biến độc lập, phụ thuộc, trung gian hay điều tiết. Vai trò của biến quyết định giả thuyết, cách chọn thang đo và cách đọc kết quả hồi quy hoặc PLS-SEM.

Nguồn thang đo gốc

Với từ khóa “đánh giá thành tích”, nguồn citation allowlist hiện có không cung cấp một thang đo chuyên biệt kèm đầy đủ tác giả, năm, số biến quan sát và bối cảnh gốc. Vì vậy, bạn không nên ghi đại một bài nghiên cứu vào chương 3 chỉ vì thấy một bộ câu hỏi trên Internet. Bảng dưới đây ghi rõ phần nào có thể kế thừa và phần nào cần bạn tiếp tục xác minh từ tài liệu gốc của đề tài.

Bảng này không có nghĩa (Likert, 1932) là nguồn gốc của thang đo đánh giá thành tích cụ thể. Đây là nguồn cho dạng thang đo Likert. Khi tìm được nghiên cứu gốc phù hợp với ngành, vị trí công việc và cách đánh giá của đề tài, bạn thay phần nguồn phương pháp bằng nguồn thang đo đó.

Nếu đang xây dựng đề tài về nhân sự, bạn có thể xem thêm mô hình nghiên cứu để kiểm tra quan hệ giữa khái niệm, biến quan sát và giả thuyết. Các bài về cân bằng công việc cuộc sống hoặc căng thẳng công việc cũng giúp bạn nhận ra cách phân biệt một biến kết quả công việc với các biến tâm lý và bối cảnh.

Bộ biến quan sát tham khảo

Dưới đây là bộ biến quan sát minh họa để bạn hình dung cách viết bảng hỏi. Đây chưa phải thang đo đã được xác nhận cho mọi ngành hoặc mọi mẫu khảo sát. Bạn phải điều chỉnh câu chữ theo bối cảnh, tìm nguồn gốc phù hợp, chạy thử và kiểm định trên dữ liệu của mình.

Bạn không nên đưa cả sáu biến vào bảng hỏi chỉ vì chúng được liệt kê ở đây. Hãy đối chiếu từng phát biểu với định nghĩa khái niệm. Nếu đề tài đo thành tích tự đánh giá, đại từ “tôi” có thể phù hợp. Nếu bảng hỏi dành cho cấp quản lý đánh giá nhân viên, chủ thể cần đổi thành “nhân viên này” hoặc tên đối tượng được đánh giá.

Biến DGT6 là biến đảo chiều. Nếu giữ biến này, khi nhập dữ liệu bạn phải quy đổi điểm theo công thức: điểm mới = 6 - điểm cũ đối với thang 1 đến 5. Một lỗi thường gặp là quên đảo mã, khiến biến có nội dung tiêu cực tương quan âm với các biến còn lại. Khi đó Cronbach's Alpha giảm và bạn có thể loại nhầm một biến tốt.

Đừng gọi tất cả biến quan sát là “câu hỏi” trong chương phương pháp. “Bảng hỏi” là công cụ thu thập dữ liệu, còn DGT1, DGT2 và DGT3 là các biến quan sát hoặc item đo lường một biến tiềm ẩn.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bạn bắt đầu bằng việc viết một định nghĩa thao tác cho đánh giá thành tích. Ví dụ: “Đánh giá thành tích là mức độ nhân viên tự nhận định rằng họ hoàn thành nhiệm vụ, đạt mục tiêu, bảo đảm chất lượng và tiến độ công việc trong kỳ đánh giá”. Định nghĩa này giúp bạn loại những biến nói về thái độ, lương thưởng hoặc sự hài lòng nhưng không đo thành tích.

Tiếp theo, kiểm tra ngữ cảnh của mẫu. Nhân viên bán hàng có thể được đánh giá bằng doanh số, tỷ lệ hoàn thành chỉ tiêu và chăm sóc khách hàng. Nhân viên hành chính có thể phù hợp hơn với tiến độ, độ chính xác và mức độ hoàn thành hồ sơ. Một phát biểu quá chung như “Tôi làm việc tốt” khó cho người trả lời cùng một cách hiểu.

Bạn cũng cần thống nhất chủ thể đánh giá. Tự đánh giá có nguy cơ chịu ảnh hưởng của xu hướng đánh giá cao bản thân. Đánh giá bởi quản lý lại phụ thuộc vào việc người trả lời có hiểu rõ công việc của nhân viên hay không. Nếu đề tài chỉ dùng bảng hỏi tự điền, hãy ghi rõ đây là perceived performance hoặc đánh giá thành tích theo nhận thức, thay vì trình bày như một chỉ số khách quan.

Sau khi soạn bản tiếng Việt, hãy kiểm tra các từ có thể gây hiểu nhầm. “Đúng hạn” cần gắn với công việc được giao. “Đạt chất lượng” cần có tiêu chuẩn mà người trả lời có thể hình dung. Tránh câu hai ý như “Tôi hoàn thành công việc đúng hạn và với chất lượng cao”, vì một người có thể đồng ý với tiến độ nhưng không đồng ý với chất lượng.

Bạn nên chạy thử với một nhóm nhỏ để phát hiện câu khó hiểu, mã biến trùng, lựa chọn trả lời thiếu và thời gian hoàn thành quá dài. Đây là bước kiểm tra bảng hỏi, chưa phải bằng chứng rằng thang đo đã có độ tin cậy tốt. Khi đưa vào mẫu chính thức, giữ nguyên mã biến và thứ tự logic để việc nhập file .sav hoặc .csv không bị nhầm.

Nếu đánh giá thành tích xuất hiện cùng các khái niệm về nhu cầu hoặc động lực, bạn có thể đối chiếu tháp nhu cầu Maslow và mô hình Maslow. Những nội dung đó có thể hỗ trợ phần cơ sở lý thuyết, nhưng không tự động trở thành nguồn cho thang đo đánh giá thành tích.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu đã làm sạch, bạn kiểm định theo thứ tự từ độ tin cậy đến giá trị. Trong SPSS, mở Analyze > Scale > Reliability Analysis, đưa các biến DGT1 đến DGT6 vào ô Items, chọn Model: Alpha, sau đó mở Statistics và đánh dấu Item, Scale, Scale if item deleted.

Cronbach's 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, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là mốc thường dùng theo (Nunnally và Bernstein, 1994). Bạn đọc cả Alpha if Item Deleted, nhưng không xóa biến chỉ để làm Alpha tăng.

Nếu sử dụng EFA, vào Analyze > Dimension Reduction > Factor. Trong Extraction, có thể chọn Principal Axis Factoring khi mục tiêu là tìm cấu trúc nhân tố tiềm ẩn. Trong Rotation, chọn Promax nếu các nhân tố có thể tương quan. Đọc các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Factor Matrix hoặc Pattern Matrix tùy lựa chọn xoay.

KMO từ 0.5 trở lên và Bartlett's Test có Sig. nhỏ hơn 0.05 là các mốc thường được dẫn theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là quy tắc trích nhân tố được nêu trong (Kaiser, 1960). Tổng phương sai trích từ 50% trở lên và factor loading từ 0.5 trở lên thường được tham khảo theo (Hair và cộng sự, 2010). Các mốc này cần được đọc cùng lý thuyết, kích thước mẫu và cấu trúc thang đo.

Nếu mô hình dùng SmartPLS, bạn kiểm tra Outer Loadings, Cronbach's Alpha, Composite Reliability, AVE và HTMT. Outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998), CR từ 0.7 và AVE từ 0.5 trở lên theo (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, theo (Henseler và cộng sự, 2015).

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Nó mô phỏng hình dạng một phần output SPSS để bạn biết cần đọc cột nào.

Trong ví dụ minh họa, Alpha là 0.842 và các hệ số tương quan biến tổng đều trên 0.3. Bạn vẫn phải xem định nghĩa và nội dung từng biến trước khi kết luận. Nếu DGT6 bị đảo mã nhưng bạn nhập trực tiếp điểm gốc, hệ số của biến có thể âm. Cách xử lý đúng là kiểm tra mã hóa, chạy lại và ghi lại quyết định, thay vì xóa ngay DGT6.

Cách trình bày thang đo trong chương 3

Phần chương 3 nên nêu định nghĩa thao tác, vai trò của biến, nguồn tham khảo, cách điều chỉnh ngôn ngữ, thang Likert và mã biến. Nếu thang đo được tự xây dựng từ nhiều nguồn, bạn cần nói rõ biến nào kế thừa, biến nào điều chỉnh và biến nào bổ sung theo bối cảnh nghiên cứu.

Cách viết vào luận văn: “Khái niệm đánh giá thành tích được đo lường bằng [số lượng] biến quan sát, ký hiệu từ DGT1 đến DGT[số cuối], sử dụng thang Likert [5/7] mức từ [mức thấp nhất] đến [mức cao nhất]. Các biến quan sát được điều chỉnh từ [tác giả, năm] để phù hợp với bối cảnh [ngành/đối tượng] và được kiểm định thông qua [Cronbach's Alpha/EFA hoặc mô hình đo lường PLS-SEM].”

Sau khi chạy dữ liệu, bạn bổ sung kết quả thật vào chương 4. Không đưa số liệu minh họa ở trên vào luận văn. Nếu một biến bị loại, ghi rõ lý do và vòng phân tích, chẳng hạn corrected item-total correlation thấp, factor loading không đạt hoặc biến làm cấu trúc nhân tố khó diễn giải.

Lỗi thường gặp

Lỗi đầu tiên là dùng “đánh giá thành tích” như một từ khóa nhưng không xác định ai đánh giá, đánh giá trong khoảng thời gian nào và dựa trên tiêu chí nào. Bạn cần trả lời ba câu hỏi đó trước khi viết biến quan sát.

Lỗi thứ hai là lấy nguyên một bảng hỏi không rõ nguồn rồi ghi “tham khảo các nghiên cứu trước”. Hội đồng có thể hỏi nguồn gốc từng item. Nếu chưa có nguồn chuyên biệt, hãy nói trung thực rằng đây là bộ biến quan sát tham khảo và trình bày quy trình xây dựng, điều chỉnh, thử nghiệm.

Lỗi thứ ba là xóa biến liên tục để Alpha đạt một con số đẹp. Việc loại biến phải dựa trên nội dung, thống kê và mô hình lý thuyết. Alpha cao cũng không chứng minh thang đo có giá trị phân biệt tốt.

Lỗi thứ tư là trộn đánh giá thành tích với hài lòng công việc hoặc cam kết tổ chức. Khi hai biến có nội dung quá giống nhau, EFA và HTMT có thể cho thấy chúng không tách biệt. Hãy kiểm tra lại định nghĩa trước khi sửa dữ liệu.

Cuối cùng, đừng dùng CFI, TLI, RMSEA và SRMR để đánh giá mô hình SmartPLS. Các chỉ số này thuộc cách đánh giá CB-SEM, với nguồn (Hu và Bentler, 1999). Nếu bạn chạy PLS-SEM, hãy giữ đúng nhóm chỉ số của outer model và structural model.

Đọc thêm: tháp nhu cầu maslow, mô hình maslow, cam kết tổ chức là gì, cân bằng công việc cuộc sống là gì, căng thẳng công việc là gì, chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

Đánh giá thành tích có phải là hiệu suất công việc không?

Hai khái niệm có thể gần nhau nhưng không luôn đồng nhất. Hiệu suất công việc thường nhấn mạnh mức độ thực hiện công việc, còn đánh giá thành tích có thể bao gồm kết quả, mức độ đạt mục tiêu và nhận định của cá nhân hoặc quản lý về kết quả đó. Bạn cần dùng một định nghĩa nhất quán trong toàn bộ đề tài.

Nên dùng bao nhiêu biến quan sát cho đánh giá thành tích?

Không có một con số áp dụng cho mọi đề tài. Số biến phụ thuộc vào định nghĩa, nguồn thang đo, bối cảnh và cấu trúc khái niệm. Bạn nên bắt đầu từ nguồn gốc đã xác minh, sau đó kiểm tra nội dung từng biến thay vì cố đủ một số lượng cố định.

Cronbach's Alpha thấp thì có nên xóa biến ngay không?

Chưa nên. Kiểm tra trước việc nhập dữ liệu, biến đảo chiều, missing values và nội dung biến. Sau đó xem Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted. Nếu loại biến, bạn cần giải thích bằng cả lý thuyết và kết quả thống kê.

Có thể dùng đánh giá thành tích làm biến phụ thuộc trong hồi quy không?

Có thể, nếu mô hình lý thuyết của bạn giải thích vì sao các biến độc lập ảnh hưởng đến đánh giá thành tích. Sau khi tạo biến đại diện phù hợp, bạn cần kiểm tra giả định hồi quy, đa cộng tuyến và cách tính điểm. Với hồi quy, cỡ mẫu tối thiểu có thể tham khảo quy tắc 50 + 8m theo (Tabachnick và Fidell, 2013).

Tự đánh giá thành tích có đáng tin cậy không?

Tự đánh giá có thể sử dụng nếu phù hợp với thiết kế nghiên cứu, nhưng nó phản ánh nhận thức của người trả lời và có thể chịu ảnh hưởng của xu hướng trả lời. Bạn cần ghi rõ cách đo trong phương pháp, không diễn giải kết quả như một chỉ số khách quan nếu dữ liệu chỉ đến từ bảng hỏi tự điền.

Hãy mở lại file bảng hỏi và file dữ liệu của bạn, chốt định nghĩa thao tác, rà từng mã DGT1 đến DGT[số cuối], rồi chạy kiểm định theo đúng thứ tự trước khi viết kết quả. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu.