ELM là gì? Mô hình khả năng thuyết phục trong nghiên cứu
Mô hình ELM là gì
ELM là viết tắt của Elaboration Likelihood Model, thường được gọi là mô hình khả năng suy xét hoặc mô hình khả năng xử lý thông tin. Mô hình này giải thích cách một người tiếp nhận thông điệp thuyết phục, đánh giá thông tin rồi hình thành hoặc thay đổi thái độ.
Điểm cốt lõi của ELM là cùng một quảng cáo, bài đánh giá sản phẩm hoặc thông điệp thương hiệu có thể tác động đến hai người theo hai cách khác nhau. Một người đọc kỹ thông số, so sánh bằng chứng và cân nhắc lập luận. Người khác chú ý đến người nổi tiếng, hình ảnh, số lượt thích hoặc mức độ hấp dẫn của thông điệp. Hai cách xử lý đó lần lượt được gọi là tuyến trung tâm và tuyến ngoại vi.
ELM phù hợp với đề tài định lượng về hành vi người tiêu dùng, marketing, thương mại điện tử, truyền thông và chấp nhận công nghệ. Khi dùng mô hình này, bạn cần biến ý tưởng về quá trình thuyết phục thành các biến tiềm ẩn có thể đo bằng bảng hỏi Likert, sau đó kiểm định mối quan hệ giữa chúng bằng SPSS hoặc SmartPLS.
Nếu đang xây dựng khung lý thuyết, bạn có thể xem thêm các bài trong chủ đề Mô hình nghiên cứu. Các mô hình như AIDA, mô hình AIDA, 4C marketing và 4P Marketing Mix cũng có thể được đặt cạnh ELM để phân biệt mục tiêu nghiên cứu.
Các thành phần trong mô hình
ELM thường được triển khai với hai tuyến xử lý thông tin. Bạn không nên xem đây là hai nhóm người cố định. Cùng một người có thể xử lý một thông điệp theo tuyến trung tâm khi sản phẩm quan trọng, nhưng dùng tuyến ngoại vi khi họ chỉ lướt mạng xã hội.
| Thành phần | Ý nghĩa trong ELM | Ví dụ biến có thể đo |
|---|---|---|
| Tuyến trung tâm | Người nhận tập trung vào chất lượng, logic và bằng chứng của lập luận | Chất lượng lập luận, mức độ hữu ích của thông tin |
| Tuyến ngoại vi | Người nhận dựa vào dấu hiệu bên ngoài thay cho việc phân tích sâu | Uy tín nguồn tin, sức hấp dẫn, số lượt đánh giá |
| Động cơ xử lý | Mức độ người nhận muốn suy nghĩ kỹ về thông điệp | Mức độ quan tâm, liên quan cá nhân |
| Khả năng xử lý | Mức độ người nhận có đủ kiến thức, thời gian và điều kiện để đánh giá | Kiến thức sản phẩm, khả năng hiểu thông tin |
| Thái độ | Đánh giá tổng quát của người nhận sau khi tiếp xúc thông điệp | Thái độ với thương hiệu, thái độ với quảng cáo |
| Ý định hành vi | Khuynh hướng thực hiện hành động sau khi hình thành thái độ | Ý định mua, ý định sử dụng, ý định chia sẻ |
Trong bảng hỏi, chất lượng lập luận thường được đo bằng các biến quan sát mô tả mức độ rõ ràng, có căn cứ và thuyết phục của nội dung. Uy tín nguồn tin có thể tập trung vào chuyên môn, độ đáng tin và tính xác thực của người hoặc tổ chức truyền tải thông điệp.
Động cơ và khả năng xử lý là hai điều kiện giúp bạn giải thích vì sao người trả lời đi theo tuyến này thay vì tuyến kia. Một sinh viên đang cần mua laptop để làm đồ án có thể đọc kỹ cấu hình. Một người chỉ xem video giải trí có thể bị thu hút trước hết bởi hình ảnh, người giới thiệu hoặc mức độ phổ biến của sản phẩm.
Mô hình gốc và các mở rộng phổ biến
Khi đọc tài liệu về ELM, bạn sẽ gặp cách trình bày khác nhau về hai tuyến. Một số nghiên cứu xem chất lượng lập luận là tác động chính của tuyến trung tâm và uy tín nguồn tin là dấu hiệu của tuyến ngoại vi. Một số nghiên cứu đưa động cơ xử lý và khả năng xử lý vào vai trò biến điều tiết, vì hai biến này có thể làm thay đổi cường độ tác động của thông điệp.
Mô hình gốc nên được giữ ở mức vừa đủ cho câu hỏi nghiên cứu. Bạn có thể bắt đầu bằng chuỗi quan hệ: đặc điểm thông điệp, thái độ, rồi đến ý định hành vi. Sau đó, nếu có cơ sở lý luận và dữ liệu phù hợp, bạn mới thêm biến điều tiết như mức độ liên quan cá nhân hoặc kiến thức sản phẩm.
Ví dụ, đề tài về đánh giá sản phẩm trên sàn thương mại điện tử có thể xem chất lượng thông tin là biến độc lập, thái độ với sản phẩm là biến trung gian và ý định mua là biến phụ thuộc. Uy tín người đánh giá có thể được đặt như một biến độc lập khác hoặc biến điều tiết. Vai trò nào được chọn phải khớp với giả thuyết, thang đo và cách kiểm định.
Bạn cũng cần phân biệt ELM với các mô hình mô tả hành trình hoặc kết quả marketing. AIDA thường đi từ chú ý đến hành động, còn ELM tập trung vào cách người nhận xử lý thông điệp trước khi thái độ thay đổi. Marketing Mix 7P, được trình bày trong bài 7P Marketing Mix là gì, mô tả các nhóm công cụ marketing. ELM có thể được dùng để giải thích cơ chế tâm lý phía sau tác động của một công cụ đó.
Đừng đưa tất cả biến có thể nghĩ ra vào một mô hình. Mỗi biến thêm vào làm bảng hỏi dài hơn, tăng yêu cầu về cỡ mẫu và khiến phần giải thích kết quả khó hơn. Với một luận văn sinh viên, mô hình có ba đến năm cấu trúc chính thường dễ kiểm soát hơn mô hình có quá nhiều đường dẫn.
Thang đo thường dùng cho từng khái niệm
ELM không phải là một bảng hỏi duy nhất có thể sao chép cho mọi bối cảnh. Bạn cần tìm thang đo phù hợp với đối tượng, sản phẩm và loại thông điệp đang nghiên cứu. Các nhóm dưới đây là bản đồ khái niệm để bạn bắt đầu thiết kế thang đo, không phải bản dịch đã được xác nhận.
| Khái niệm | Nội dung cần đo | Gợi ý biến quan sát tham khảo | Cách điều chỉnh |
|---|---|---|---|
| Chất lượng lập luận | Người trả lời đánh giá logic, độ rõ và mức thuyết phục của thông điệp | Thông tin có lý lẽ, có bằng chứng, dễ đánh giá | Đổi “thông điệp” thành quảng cáo, bài đánh giá hoặc nội dung video |
| Uy tín nguồn tin | Mức độ nguồn tin được xem là đáng tin và có chuyên môn | Nguồn tin đáng tin, hiểu sản phẩm, cung cấp thông tin trung thực | Nêu rõ nguồn là chuyên gia, người dùng hay người ảnh hưởng |
| Mức độ liên quan cá nhân | Thông điệp có liên quan đến nhu cầu hoặc vấn đề của người xem | Nội dung liên quan đến nhu cầu, đáng để tôi quan tâm | Gắn với sản phẩm hoặc quyết định cụ thể |
| Kiến thức sản phẩm | Mức độ người trả lời hiểu biết về sản phẩm hoặc lĩnh vực | Tôi hiểu các đặc điểm chính, có thể đánh giá sản phẩm | Có thể đo nhận thức chủ quan, cần ghi rõ trong phương pháp |
| Thái độ | Đánh giá tích cực hoặc tiêu cực sau khi tiếp xúc thông điệp | Thông điệp hoặc thương hiệu hấp dẫn, có thiện cảm | Không trộn thái độ với ý định mua |
| Ý định hành vi | Khuynh hướng thực hiện hành động trong tương lai | Có ý định mua, tìm hiểu thêm hoặc sử dụng | Chọn một hành động chính, tránh gộp nhiều hành vi |
Bạn nên dùng thang Likert nhất quán trong toàn bộ bảng hỏi, chẳng hạn từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Cách đo thái độ bằng thang Likert có nền tảng từ công trình kinh điển của Likert, nhưng câu chữ cụ thể phải phù hợp với bối cảnh tiếng Việt và nhóm người trả lời.
Trước khi phát bảng hỏi chính thức, hãy kiểm tra từng biến quan sát. Một biến phải nói về một ý, tránh câu kiểu “thông tin rõ ràng và đáng tin cậy” nếu người trả lời có thể đồng ý với phần này nhưng không đồng ý với phần kia. Các biến đảo chiều cũng cần được ghi chú để mã hóa đúng trước khi chạy Cronbach's Alpha.
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu đề tài: “Ảnh hưởng của nội dung đánh giá trực tuyến đến ý định mua mỹ phẩm của sinh viên”. Bạn có thể xây dựng mô hình minh họa gồm bốn biến: chất lượng lập luận, uy tín nguồn tin, thái độ với sản phẩm và ý định mua.
Mô hình này có thể được diễn giải như sau. Khi sinh viên thấy lập luận rõ ràng và nguồn tin đáng tin, họ hình thành thái độ tích cực hơn với sản phẩm. Thái độ tích cực sau đó liên quan đến ý định mua. Đây là mô hình minh họa để bạn hiểu cách chuyển ELM thành mô hình nghiên cứu, không phải kết quả của một nghiên cứu đã thực hiện.
Các giả thuyết có thể viết thành câu như sau:
- H1: Chất lượng lập luận của đánh giá trực tuyến tác động tích cực đến thái độ với sản phẩm.
- H2: Uy tín của nguồn đánh giá tác động tích cực đến thái độ với sản phẩm.
- H3: Thái độ với sản phẩm tác động tích cực đến ý định mua.
- H4: Chất lượng lập luận tác động tích cực đến ý định mua thông qua thái độ với sản phẩm.
H4 là giả thuyết trung gian. Nếu chỉ muốn làm mô hình đơn giản hơn, bạn có thể bỏ H4 và kiểm định ba quan hệ trực tiếp. Nếu thêm mức độ liên quan cá nhân, bạn phải nêu rõ biến này điều tiết quan hệ nào, chẳng hạn điều tiết tác động của chất lượng lập luận lên thái độ.
Khi xây mô hình, hãy lập một sơ đồ có mũi tên rõ ràng rồi tạo bảng mã biến. Ví dụ, CL1 đến CL4 cho chất lượng lập luận, UT1 đến UT4 cho uy tín nguồn tin, TD1 đến TD4 cho thái độ và YD1 đến YD3 cho ý định mua. Cách đặt mã nhất quán giúp bạn tránh nhầm khi nhập .sav hoặc .csv.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau: “Dựa trên ELM, nghiên cứu đề xuất rằng [chất lượng lập luận] và [uy tín nguồn tin] ảnh hưởng đến [thái độ của đối tượng nghiên cứu], từ đó tác động đến [ý định hành vi]. Mô hình gồm [số lượng] biến tiềm ẩn và [số lượng] giả thuyết, được kiểm định bằng dữ liệu thu thập từ [đối tượng khảo sát].”
Bảng dưới đây là số liệu minh họa, có hình dạng gần với phần kết quả bạn có thể báo cáo khi kiểm định mô hình. Các con số không phải phát hiện từ nghiên cứu nào và bạn không được chép chúng vào chương 4.
| Quan hệ giả thuyết | Path coefficient | T Statistics | P Values | Kết luận minh họa |
|---|---|---|---|---|
| Chất lượng lập luận → Thái độ | 0.318 | 3.742 | 0.000 | Ủng hộ H1 trong ví dụ |
| Uy tín nguồn tin → Thái độ | 0.241 | 2.891 | 0.004 | Ủng hộ H2 trong ví dụ |
| Thái độ → Ý định mua | 0.527 | 6.418 | 0.000 | Ủng hộ H3 trong ví dụ |
| Chất lượng lập luận → Thái độ → Ý định mua | 0.168 | 2.476 | 0.014 | Ủng hộ H4 trong ví dụ |
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
SPSS phù hợp khi bạn cần làm sạch dữ liệu, thống kê mô tả, kiểm tra Cronbach's Alpha, EFA và hồi quy. Nếu mô hình ELM có biến trung gian, bạn có thể kiểm định hồi quy theo từng bước hoặc dùng PROCESS khi thiết kế nghiên cứu phù hợp. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát và cần đánh giá đồng thời measurement model với structural model.
Với SmartPLS, quy trình thường bắt đầu bằng đánh giá mô hình đo lường rồi mới đánh giá mô hình cấu trúc. Cách tiếp cận hai bước này giúp bạn biết thang đo có đạt trước khi diễn giải các đường dẫn trong mô hình. Bạn không nên dùng CFI, TLI hoặc RMSEA để đánh giá mô hình PLS-SEM, vì các chỉ số đó thuộc nhóm CB-SEM.
Ở SPSS, bạn có thể chạy Analyze > Scale > Reliability Analysis để kiểm tra độ tin cậy, sau đó chạy EFA tại Analyze > Dimension Reduction > Factor. Với hồi quy, dùng Analyze > Regression > Linear. Hãy lưu lại số biến bị loại ở từng vòng, lý do loại và phiên bản dữ liệu tương ứng.
Ở SmartPLS 4, nhập file .csv, kéo các biến quan sát vào đúng cấu trúc, nối các construct theo giả thuyết rồi chạy Calculate > PLS-SEM Algorithm. Sau đó chạy Calculate > Bootstrapping. Phần kết quả cần xem gồm Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients, R Square và kết quả bootstrapping.
Một số tiêu chí thường dùng cần được ghi cùng nguồn trong luận văn. Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn nghiên cứu khám phá có thể cân nhắc mức 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được nêu trong (Nunnally và Bernstein, 1994). Với PLS-SEM, 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 dưới 0.85 hoặc 0.90 theo (Henseler và cộng sự, 2015), VIF dưới 5 theo (Hair và cộng sự, 2019).
| Nội dung kiểm tra | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | ≥ 0.70 | (Nunnally, 1978) |
| Alpha trong thang đo khám phá | ≥ 0.60 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | ≥ 0.30 | (Nunnally và Bernstein, 1994) |
| Outer loading | ≥ 0.70 | (Chin, 1998) |
| Composite Reliability | ≥ 0.70 | (Fornell và Larcker, 1981) |
| AVE | ≥ 0.50 | (Fornell và Larcker, 1981) |
| HTMT | < 0.85 hoặc 0.90 | (Henseler và cộng sự, 2015) |
| VIF | < 5 | (Hair và cộng sự, 2019) |
| R² | 0.25 yếu, 0.50 vừa, 0.75 đáng kể | (Hair và cộng sự, 2011) |
Các ngưỡng trên là điểm tham khảo để đọc kết quả, không phải lý do tự động xóa biến. Nếu một outer loading thấp, bạn cần xem nội dung biến, giá trị hội tụ, giá trị phân biệt và sự nhất quán với lý thuyết. Xóa biến chỉ để làm bảng kết quả đẹp có thể khiến mô hình mất ý nghĩa.
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là gọi mọi tác động của quảng cáo là ELM nhưng không đo quá trình xử lý thông tin. Nếu mô hình chỉ có quảng cáo, thái độ và ý định mua, bạn cần giải thích biến nào đại diện cho tuyến trung tâm, biến nào đại diện cho tuyến ngoại vi.
Lỗi thứ hai là trộn biến trung gian với biến điều tiết. Thái độ giải thích cơ chế “thông qua đâu” nên thường được đặt ở vai trò trung gian. Mức độ liên quan cá nhân giải thích “khi nào hoặc với ai tác động mạnh hơn” nên có thể được đặt ở vai trò điều tiết.
Lỗi thứ ba là dùng tên biến quá rộng. “Nội dung marketing” có thể bao gồm chất lượng lập luận, cảm xúc, hình ảnh và ưu đãi. Hãy tách thành khái niệm cụ thể, định nghĩa trước rồi mới chọn biến quan sát.
Lỗi thứ tư là lấy thang đo tiếng Anh rồi dịch từng chữ. Bạn cần đọc lại trong ngữ cảnh sản phẩm, thử nghiệm bảng hỏi với một nhóm nhỏ và kiểm tra các câu có bị hiểu hai nghĩa hay không. Khi loại biến, hãy ghi lại căn cứ thống kê và căn cứ nội dung.
Cuối cùng, đừng kết luận rằng một tuyến xử lý “luôn luôn” được dùng bởi một nhóm người. ELM cho phép cùng một người thay đổi cách xử lý tùy mức độ quan tâm, kiến thức, thời gian và loại thông điệp. Kết luận trong luận văn nên bám vào biến, mẫu và mô hình mà bạn thực sự kiểm định.
Câu hỏi thường gặp
ELM là viết tắt của từ gì
ELM là viết tắt của Elaboration Likelihood Model, thường được hiểu là mô hình khả năng suy xét hoặc mô hình khả năng xử lý thông tin. Mô hình giải thích cách người nhận xử lý thông điệp thuyết phục và hình thành thái độ.
ELM có mấy tuyến xử lý thông tin
ELM có hai tuyến chính: tuyến trung tâm và tuyến ngoại vi. Tuyến trung tâm dựa nhiều vào chất lượng lập luận, còn tuyến ngoại vi dựa vào các dấu hiệu như uy tín nguồn tin, hình ảnh hoặc mức độ hấp dẫn.
Có thể dùng ELM với SPSS không
Có. SPSS có thể dùng để kiểm tra độ tin cậy, EFA, tương quan, hồi quy và một số mô hình trung gian hoặc điều tiết. Nếu mô hình có nhiều biến tiềm ẩn và bạn muốn đánh giá đồng thời measurement model với structural model, SmartPLS có thể phù hợp hơn.
ELM có phải là mô hình AIDA không
Hai mô hình có mục tiêu khác nhau. AIDA mô tả các giai đoạn từ chú ý đến hành động, trong khi ELM giải thích cách người nhận xử lý thông tin thuyết phục. Bạn có thể dùng một mô hình làm nền tảng chính và chỉ kết hợp mô hình còn lại khi câu hỏi nghiên cứu thật sự cần.
Có được lấy nguyên thang đo ELM trên mạng không
Bạn không nên lấy nguyên một bảng hỏi không rõ nguồn rồi đưa vào luận văn. Hãy xác định khái niệm cần đo, tìm nguồn thang đo phù hợp, dịch và điều chỉnh câu chữ theo bối cảnh, sau đó kiểm tra độ tin cậy và giá trị của thang đo bằng dữ liệu của bạn.
Khi đã chốt các biến của ELM, bước tiếp theo là mở file dữ liệu, đối chiếu mã biến với bảng hỏi và lập bảng mô hình trước khi chạy phân tích. Nếu cần chạy các kiểm định trên chính file .sav hoặc .csv của bạn, M4 phân tích dữ liệu của DoThesis hỗ trợ quy trình này và giữ kết quả theo đúng số liệu đầu vào.