Dòng chảy Flow là gì? Cách đưa vào mô hình nghiên cứu

Mô hình dòng chảy Flow là gì

Bạn đang đọc một bài viết, chơi một trò chơi hoặc làm một nhiệm vụ đến mức quên mất thời gian. Bạn tập trung hoàn toàn vào việc đang làm, ít để ý đến thông báo xung quanh và cảm thấy bản thân kiểm soát được hoạt động đó. Trạng thái tâm lý này thường được gọi là dòng chảy, tiếng Anh là Flow.

Trong nghiên cứu định lượng, Flow thường được xem là một trạng thái trải nghiệm tích cực phát sinh khi yêu cầu của nhiệm vụ tương đối phù hợp với năng lực của cá nhân. Người tham gia có thể cảm nhận sự tập trung cao, sự kiểm soát, sự hứng thú và việc hành động gần như diễn ra tự nhiên. Flow thường xuất hiện trong nghiên cứu về trải nghiệm người dùng, học trực tuyến, trò chơi, ứng dụng số, mua sắm trực tuyến và hành vi sử dụng công nghệ.

Cần phân biệt Flow với một động cơ ban đầu. Động cơ trả lời câu hỏi “vì sao tôi bắt đầu hành động”, còn Flow mô tả “tôi trải nghiệm thế nào trong lúc hành động”. Vì vậy, Flow có thể là biến độc lập, biến trung gian hoặc biến phụ thuộc tùy mô hình lý thuyết và câu hỏi nghiên cứu của bạn.

Từ khóa phụ động lực bảo vệ PMT là gì thuộc một hướng giải thích khác. Protection Motivation Theory tập trung vào cách cá nhân đánh giá mối đe dọa và khả năng đối phó. Flow tập trung vào trải nghiệm tập trung, nhập tâm và kiểm soát. Hai khái niệm có thể cùng xuất hiện trong một mô hình, nhưng không nên dùng thay thế cho nhau.

Nếu bạn đang xây dựng mô hình, có thể xem thêm các chủ đề trong chuyên mục Mô hình nghiên cứu để đối chiếu Flow với các mô hình hành vi khác.

Các thành phần trong mô hình Flow

Flow có thể được đo theo một cấu trúc tổng quát gồm trải nghiệm tập trung, sự kiểm soát, cảm nhận cân bằng giữa thách thức và kỹ năng, sự hợp nhất giữa hành động và nhận thức, mục tiêu rõ ràng, phản hồi tức thì, giảm tự ý thức, biến đổi cảm nhận thời gian và trải nghiệm có tính tự thân.

Bạn không nhất thiết phải đưa toàn bộ thành phần vào một mô hình. Nếu bảng hỏi quá dài, hãy chọn cấu trúc phù hợp với bối cảnh, đối tượng và mô hình phân tích. Việc đưa chín thành phần vào bảng hỏi rồi loại nhiều biến ở EFA thường tạo ra mô hình khó giải thích.

Các câu trên chỉ là cách diễn đạt tham khảo, chưa phải một bản dịch thang đo đã được xác nhận. Bạn cần điều chỉnh theo bối cảnh cụ thể, sau đó kiểm tra bằng dữ liệu thử và dữ liệu chính thức. Trong bảng hỏi, nên dùng thuật ngữ “biến quan sát” thay cho việc gọi mọi mục hỏi là một khái niệm độc lập.

Mô hình gốc và các mở rộng phổ biến

Khi tìm tài liệu về Flow, bạn sẽ gặp hai cách xây dựng phổ biến. Cách thứ nhất xem Flow là một trạng thái trải nghiệm có nhiều chiều, chẳng hạn tập trung, kiểm soát và biến đổi thời gian. Cách thứ hai gộp các biểu hiện này thành một biến tiềm ẩn tổng quát, sau đó dùng Flow để giải thích ý định tiếp tục sử dụng, sự hài lòng hoặc hành vi thực tế.

Vì nguồn gốc lý thuyết Flow không nằm trong danh mục tài liệu được phép trích dẫn của bài này, bạn không nên tự điền tên tác giả và năm xuất bản từ trí nhớ vào chương 2. Hãy kiểm tra bản tài liệu gốc mà giảng viên yêu cầu trước khi ghi tác giả, năm và tên thang đo. Trong bài viết luận văn, phần định nghĩa cần thống nhất với nguồn thang đo mà bạn thật sự sử dụng.

Một mở rộng thường gặp là đặt Flow làm biến trung gian. Ví dụ, chất lượng hệ thống có thể làm tăng Flow, rồi Flow làm tăng ý định tiếp tục sử dụng. Mô hình này có chuỗi logic rõ hơn việc chỉ đặt Flow cạnh tất cả biến độc lập mà không giải thích vai trò.

Một mở rộng khác là đặt Flow làm biến phụ thuộc. Khi đó, các yếu tố như tính tương tác, thiết kế giao diện, sự tiện dụng hoặc chất lượng phản hồi được giả định tạo ra trải nghiệm Flow. Nếu nghiên cứu về hành vi bảo mật, bạn có thể đưa động lực bảo vệ PMT vào mô hình, nhưng cần nói rõ PMT giải thích đánh giá đe dọa và đối phó, còn Flow giải thích trải nghiệm trong quá trình sử dụng.

Đừng trộn Flow với các mô hình chấp nhận công nghệ mà không có lập luận. Chẳng hạn, mô hình TPB tập trung vào thái độ, chuẩn chủ quan, kiểm soát hành vi cảm nhận và ý định. Mô hình TRA tập trung vào thái độ, chuẩn chủ quan và ý định. Hai mô hình này có thể cung cấp biến giải thích cho ý định, còn Flow có thể đóng vai trò trải nghiệm trung gian nếu bối cảnh nghiên cứu phù hợp.

Thang đo thường dùng cho từng khái niệm

Thang đo Flow thường dùng các phát biểu đánh giá mức độ đồng ý trên thang Likert. Thang Likert là cách đo thái độ được giới thiệu trong (Likert, 1932). Bạn có thể dùng năm hoặc bảy mức, nhưng cần ghi rõ số mức, nhãn của từng mức và cách mã hóa trong chương phương pháp.

Bảng trên là khung thiết kế, không phải danh sách câu hỏi được phép sao chép nguyên văn. Bạn cần truy tìm nguồn gốc của thang đo, kiểm tra bối cảnh ban đầu, số lượng biến quan sát và quyền sử dụng nếu có yêu cầu. Khi dịch sang tiếng Việt, nên dịch xuôi nghĩa rồi đọc thử với vài người thuộc đúng nhóm khảo sát. Tránh câu dài, hai ý trong một câu và các từ mang tính đánh giá.

Sau khi thu dữ liệu, bạn có thể kiểm tra độ tin cậy bằng Cronbach's Alpha. Alpha từ 0.7 trở lên thường được xem là chấp nhận được (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, alpha từ 0.6 có thể được cân nhắc (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là một mốc thường dùng (Nunnally và Bernstein, 1994).

Nếu dùng SmartPLS, bạn đánh giá outer loading, Composite Reliability và AVE. Outer loading từ 0.7 trở lên là mốc tham khảo (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên là các mốc được trình bày trong (Fornell và Larcker, 1981). Giá trị phân biệt có thể kiểm tra bằng HTMT, với mốc dưới 0.85 hoặc 0.90 tùy mức độ gần nhau về mặt khái niệm (Henseler và cộng sự, 2015).

Áp dụng vào đề tài của bạn

Giả sử đề tài của bạn là: “Ảnh hưởng của chất lượng trải nghiệm ứng dụng học trực tuyến đến ý định tiếp tục sử dụng của sinh viên”. Một mô hình gọn có thể gồm chất lượng hệ thống, tính tương tác, Flow, sự hài lòng và ý định tiếp tục sử dụng.

Bạn cần quyết định Flow nằm ở đâu trước khi viết giả thuyết. Ví dụ, chất lượng hệ thống và tính tương tác tác động đến Flow; Flow tác động đến sự hài lòng; sự hài lòng tác động đến ý định tiếp tục sử dụng. Nếu thêm quá nhiều biến, số đường dẫn tăng và việc giải thích kết quả trở nên khó hơn.

Một bộ giả thuyết minh họa có thể viết như sau:

• H1: Chất lượng hệ thống tác động tích cực đến Flow của sinh viên khi sử dụng ứng dụng học trực tuyến.
• H2: Tính tương tác tác động tích cực đến Flow của sinh viên khi sử dụng ứng dụng học trực tuyến.
• H3: Flow tác động tích cực đến sự hài lòng của sinh viên.
• H4: Sự hài lòng tác động tích cực đến ý định tiếp tục sử dụng ứng dụng học trực tuyến.

Đây là cấu trúc minh họa, không phải kết quả của một nghiên cứu có thật. Bạn phải thay tên biến, đối tượng và bối cảnh theo đề tài của mình. Nếu nghiên cứu của bạn dùng bản sắc xã hội hoặc bất hòa nhận thức, hãy giải thích vì sao các biến đó liên quan đến Flow thay vì chỉ thêm vào để mô hình có nhiều biến.

Cách viết vào luận văn: “Nghiên cứu đề xuất Flow giữ vai trò biến trung gian trong mối quan hệ giữa [biến độc lập] và [biến phụ thuộc], vì [lập luận lý thuyết]. Từ đó, giả thuyết H[ số ] được phát biểu: [biến độc lập] tác động [cùng chiều/ngược chiều] đến Flow trong bối cảnh [đối tượng và địa điểm nghiên cứu].”

Khi viết chương 3, hãy lập bảng mã hóa gồm tên biến, mã biến quan sát, nội dung phát biểu, nguồn tham khảo và thang đo. Khi viết chương 4, chỉ báo cáo những kết quả thực sự xuất hiện trong file dữ liệu của bạn. Số liệu minh họa dưới đây chỉ cho bạn hình dung hình dạng bảng khi đọc kết quả SmartPLS, không phải phát hiện của bất kỳ nghiên cứu nào.

Bạn không được chép các con số này vào luận văn. Khi chạy mô hình thật, hãy lưu báo cáo từng phiên bản, ghi rõ biến nào bị loại và lý do loại. Nếu mô hình có biến trung gian, cần kiểm tra indirect effect bằng bootstrapping. Khoảng tin cậy bootstrap không chứa số 0 là cơ sở để xem tác động gián tiếp có ý nghĩa theo (Preacher và Hayes, 2008).

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn dùng biến tổng hợp để chạy Cronbach's Alpha, EFA, tương quan, hồi quy hoặc PROCESS. Bạn có thể bắt đầu tại Analyze > Scale > Reliability Analysis, đưa các biến quan sát của Flow vào ô Items, mở Statistics và chọn Scale if item deleted. Với EFA, dùng Analyze > Dimension Reduction > Factor, kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

KMO từ 0.5 trở lên và Bartlett có ý nghĩa ở mức dưới 0.05 là mốc thường được sử dụng (Kaiser, 1974). Eigenvalue trên 1 là 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 thường được tham khảo (Hair và cộng sự, 2010). Bạn cần xem cả nội dung biến, không loại biến chỉ vì một con số hơi thấp.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, biến trung gian hoặc đường dẫn cấu trúc cần bootstrapping. Kiểm tra measurement model trước rồi mới đọc structural model, theo logic hai giai đoạn được trình bày trong (Anderson và Gerbing, 1988). Trong SmartPLS 4, bạn tạo project, nhập file .csv, kéo các biến quan sát vào construct, nối các mũi tên và chạy PLS-SEM Algorithm.

Sau đó, chạy Bootstrapping, chọn số subsamples theo thiết kế nghiên cứu. Mốc 5.000 bootstrap subsamples được khuyến nghị trong (Hair và cộng sự, 2022). Đọc các bảng Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients, R Square và Specific Indirect Effects. VIF dưới 5 là mốc báo cáo thường gặp trong (Hair và cộng sự, 2019). R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu theo (Hair và cộng sự, 2011).

Không dùng CFI, TLI hoặc RMSEA để đánh giá một mô hình PLS-SEM. Các chỉ số đó thuộc CB-SEM, với các mốc được trình bày trong (Hu và Bentler, 1999). Nếu bạn dùng AMOS, đó là một lựa chọn khác cho CB-SEM, nhưng cần xác định trước yêu cầu về phân phối, cỡ mẫu và mô hình đo lường. JASP hoặc R có thể giúp phân tích linh hoạt hơn, nhưng sẽ đòi hỏi bạn tự quản lý mã lệnh và cách tái lập kết quả. Dịch vụ chạy SPSS có thể tiết kiệm thời gian thao tác, nhưng bạn vẫn phải hiểu biến, giả thuyết và bảng kết quả để giải trình khi bảo vệ.

Lỗi thường gặp khi dùng mô hình Flow

Lỗi đầu tiên là dùng Flow như từ khóa trang trí. Nếu bạn không mô tả trải nghiệm mà người trả lời có trong lúc sử dụng sản phẩm hoặc thực hiện nhiệm vụ, biến Flow sẽ bị trùng với sự hài lòng, tính hữu ích hoặc ý định sử dụng.

Lỗi thứ hai là dịch thang đo mà không kiểm tra ngữ cảnh. Một phát biểu phù hợp với trò chơi có thể không phù hợp với học trực tuyến. Hãy giữ nguyên ý đo lường, thay ví dụ và đối tượng theo bối cảnh, rồi thử đọc bảng hỏi trước khi phát hành.

Lỗi thứ ba là gộp các chiều thành một biến tổng hợp mà không có lập luận. Nếu tập trung, kiểm soát và biến đổi thời gian là các construct riêng, bạn cần mô tả cách đo và cách kiểm định riêng. Nếu Flow là construct tổng quát, cần nêu rõ quy tắc gộp và nguồn thang đo.

Lỗi thứ tư là loại biến liên tục cho đến khi chỉ số đẹp. Ở lần chạy đầu, EFA thường chưa cho ma trận gọn. Bạn có thể loại biến khi có căn cứ về tải nhân tố, cross-loading, nội dung và độ tin cậy, nhưng phải ghi lại từng vòng xử lý và giải thích trong luận văn.

Lỗi cuối là kết luận quan hệ nhân quả chỉ từ p-value. Một p-value nhỏ không thay thế cho lập luận lý thuyết, chất lượng đo lường và thiết kế nghiên cứu. Hãy báo cáo hệ số đường dẫn, khoảng tin cậy, R² và vai trò của Flow trong toàn bộ mô hình.

Câu hỏi thường gặp

Dòng chảy Flow có phải là sự hài lòng không

Flow và sự hài lòng có thể tương quan nhưng mô tả hai trạng thái khác nhau. Flow nói về trải nghiệm nhập tâm trong lúc thực hiện hoạt động, còn sự hài lòng là đánh giá sau hoặc trong quá trình trải nghiệm. Nếu dùng cả hai, bạn cần định nghĩa và thang đo tách biệt.

Động lực bảo vệ PMT có thể đưa cùng Flow vào mô hình không

Có thể, nếu câu hỏi nghiên cứu giải thích được mối liên hệ giữa đánh giá đe dọa, khả năng đối phó và trải nghiệm Flow. PMT thường liên quan đến hành vi bảo vệ, còn Flow liên quan đến trải nghiệm khi thực hiện hành vi hoặc sử dụng hệ thống. Bạn cần xây đường dẫn cụ thể thay vì đặt hai lý thuyết cạnh nhau.

Nên dùng SPSS hay SmartPLS để kiểm định Flow

Nếu bạn chỉ dùng biến tổng hợp để chạy hồi quy hoặc EFA, SPSS có thể đáp ứng. Nếu Flow là biến tiềm ẩn có nhiều biến quan sát và mô hình có trung gian, SmartPLS thường thuận tiện hơn. Quyết định dựa trên mô hình, dữ liệu và yêu cầu của giảng viên, không dựa vào việc phần mềm nào cho kết quả đẹp hơn.

Có bắt buộc dùng đủ chín thành phần của Flow không

Không. Số thành phần phụ thuộc vào nguồn thang đo, bối cảnh và cách bạn định nghĩa Flow. Dùng ít thành phần nhưng có lập luận và kiểm định rõ ràng thường dễ bảo vệ hơn dùng toàn bộ thành phần rồi không giải thích được sự khác biệt giữa chúng.

Có thể lấy các câu hỏi minh họa trong bài để phát bảng hỏi không

Không nên lấy nguyên văn. Các câu trong bài chỉ minh họa cách diễn đạt và mã hóa biến. Bạn cần truy về thang đo gốc, kiểm tra bản dịch, điều chỉnh bối cảnh và thử nghiệm trước khi thu dữ liệu chính thức.

Bạn hãy mở lại mô hình nghiên cứu của mình, xác định Flow là biến độc lập, trung gian hay phụ thuộc, sau đó lập danh sách nguồn thang đo và mã biến trước khi chạy phân tích. Nếu cần xử lý file .sav hoặc .csv và đọc kết quả SPSS, SmartPLS bằng chính số liệu của mình, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.