Kết quả học tập là gì? Cách xây dựng thang đo trong luận văn

Kết quả học tập là gì và được đo bằng gì

Kết quả học tập là mức độ người học đạt được các mục tiêu kiến thức, kỹ năng hoặc năng lực sau một môn học, học kỳ, chương trình hay hoạt động đào tạo. Trong luận văn định lượng, đây thường là biến phụ thuộc, dùng để xem các yếu tố như động lực học tập, phương pháp giảng dạy, sự gắn kết học tập hoặc môi trường học tập có liên quan đến mức độ học tập của sinh viên hay không.

Bạn cần chốt trước mình đang đo kết quả thực tế hay cảm nhận của người học. Điểm trung bình học kỳ, điểm một môn, số tín chỉ đạt và tỷ lệ hoàn thành học phần là dữ liệu khách quan. Ngược lại, các phát biểu như “Tôi đạt được mục tiêu học tập của mình” hoặc “Tôi hiểu rõ nội dung môn học” đo nhận thức của sinh viên về kết quả học tập. Hai cách này có thể cùng liên quan đến khái niệm, nhưng không được nhập chung tùy ý vào một thang đo.

Nếu đề tài của bạn dùng bảng hỏi Likert, hãy xác định rõ kết quả học tập là một biến tiềm ẩn được đo qua nhiều biến quan sát. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932). Một thang 5 hoặc 7 mức có thể được dùng, miễn là bạn giữ cách mã hóa nhất quán, chẳng hạn 1 là “Hoàn toàn không đồng ý” và 5 là “Hoàn toàn đồng ý”.

Trong mô hình, kết quả học tập có thể là biến phụ thuộc Y. Ví dụ, bạn nghiên cứu ảnh hưởng của động lực học tập và phương pháp giảng dạy đến kết quả học tập. Khi đó, mô hình có thể gồm các đường tác động từ hai biến độc lập đến kết quả học tập. Bạn có thể xem thêm mô hình nghiên cứu trước khi viết giả thuyết và thiết kế bảng hỏi.

Nguồn thang đo gốc

Không nên ghi rằng một bộ biến quan sát là “thang đo quốc tế” nếu bạn chưa xác định được tác giả, năm công bố và bối cảnh sử dụng. Với kết quả học tập, nhiều đề tài sử dụng điểm số có sẵn, một số đề tài dùng cảm nhận tự báo cáo, còn một số đề tài kết hợp cả hai. Vì vậy, bước tìm nguồn cần đi từ định nghĩa khái niệm và cách đo trong các nghiên cứu trước, thay vì bắt đầu bằng việc dịch một danh sách câu hỏi trên mạng.

Trong phạm vi nguồn có thể trích dẫn, Likert (1932) là căn cứ cho dạng thang đo Likert, không phải nguồn xác nhận rằng một câu cụ thể đã đo kết quả học tập. Bảng dưới đây giúp bạn phân biệt vai trò của nguồn và tránh gán sai nguồn cho thang đo.

Nếu bạn đo bằng điểm số trong hồ sơ học tập, biến này có thể chỉ cần một hoặc vài cột dữ liệu, chẳng hạn GPA học kỳ. Khi đó, việc chạy Cronbach's Alpha cho một cột điểm là không phù hợp. Nếu bạn đo cảm nhận bằng nhiều phát biểu, cần chứng minh các biến quan sát cùng phản ánh một khái niệm và được kiểm định sau khi thu thập dữ liệu.

Bạn có thể đối chiếu thêm cấu trúc của thang đo kết quả học tập, nhưng hãy xem đó là tài liệu định hướng. Bộ câu hỏi cuối cùng phải phù hợp với ngành, cấp học, môn học và mô hình cụ thể của bạn.

Bộ biến quan sát tham khảo

Bảng dưới đây là bản nháp để bạn bắt đầu thiết kế bảng hỏi, chưa phải bản dịch đã được xác nhận và chưa phải thang đo đã đạt độ tin cậy. Các mã KQHT1 đến KQHT5 chỉ là mã minh họa. Bạn cần thay đổi câu chữ sau khi xác định rõ đối tượng khảo sát và cách hiểu kết quả học tập trong đề tài.

Các biến trên có nội dung gần nhau nhưng không đồng nghĩa hoàn toàn. KQHT1 nói về việc đạt mục tiêu, KQHT2 nói về mức độ nắm kiến thức, KQHT3 nói về khả năng vận dụng, còn KQHT5 nói về sự hài lòng. Nếu mô hình của bạn định nghĩa kết quả học tập chỉ là thành tích điểm số, KQHT5 có thể đo sự hài lòng với kết quả thay vì kết quả học tập itself. Bạn cần sửa câu chữ hoặc loại biến này trước khi phát bảng hỏi.

Đừng đưa cả điểm GPA và các phát biểu cảm nhận vào cùng một thang đo rồi gọi chung là KQHT. Bạn có thể dùng GPA như một biến quan sát khách quan riêng, hoặc xây dựng hai biến: kết quả học tập khách quan và cảm nhận về kết quả học tập. Cách nào được chọn phải phù hợp với câu hỏi nghiên cứu và được giải thích trong chương 3.

Nếu đề tài của bạn liên quan đến động lực học tập, hãy tránh viết biến quan sát KQHT theo hướng mô tả nỗ lực. “Tôi dành nhiều thời gian cho việc học” phản ánh hành vi hoặc động lực, còn “Tôi đạt được mục tiêu học tập” mới gần với kết quả. Tương tự, sự gắn kết học tập thường mô tả mức độ tham gia, tập trung hoặc kết nối với hoạt động học, không nên trộn trực tiếp vào thang đo kết quả.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bạn nên điều chỉnh thang đo theo một quy trình có ghi chép. Đầu tiên, viết định nghĩa vận hành của kết quả học tập bằng một hoặc hai câu. Ví dụ: “Trong nghiên cứu này, kết quả học tập là mức độ sinh viên tự đánh giá việc đạt mục tiêu, nắm kiến thức và vận dụng kiến thức trong các học phần thuộc học kỳ khảo sát.” Nếu dùng GPA, định nghĩa phải nêu rõ nguồn điểm, thời gian và cách quy đổi.

Kiểm tra đối tượng và phạm vi

Một phát biểu phù hợp với sinh viên đại học có thể không phù hợp với học sinh phổ thông. “Chương trình học” cũng có thể được hiểu là toàn bộ khóa học hoặc chỉ học kỳ hiện tại. Hãy thay các từ rộng như “thời gian gần đây” bằng khoảng thời gian cụ thể. Mỗi biến quan sát nên hướng đến một ý chính, không gộp “kiến thức và kỹ năng và thái độ” vào một câu.

Điều chỉnh câu chữ tiếng Việt

Bản dịch phải dùng ngôn ngữ mà người trả lời thực sự hiểu. Tránh thuật ngữ học thuật nếu bảng hỏi dành cho sinh viên năm nhất hoặc người học ngoài chuyên ngành. Sau mỗi lần sửa, bạn nên đối chiếu với định nghĩa khái niệm để xem câu mới còn đo kết quả học tập hay đã chuyển sang đo sự hài lòng, động lực hoặc chất lượng giảng dạy.

Xử lý biến đảo chiều

Biến đảo chiều có thể giảm xu hướng chọn cùng một mức trả lời, nhưng cũng dễ làm người trả lời nhầm. Ví dụ, câu “Tôi thường không đạt yêu cầu của các học phần” cần được mã hóa lại trước khi chạy phân tích. Trong SPSS, nếu thang 1 đến 5, giá trị mới có thể là 6 trừ giá trị cũ. Hãy tạo biến mới, giữ lại biến gốc và ghi rõ thao tác trong file syntax hoặc sổ theo dõi dữ liệu.

Chạy thử bảng hỏi

Trước khi thu thập chính thức, hãy đưa bảng hỏi cho một nhóm nhỏ tương tự đối tượng nghiên cứu để kiểm tra thời gian trả lời, từ ngữ khó hiểu, câu bị trùng ý và tình trạng người trả lời chọn một mức cho toàn bộ bảng. Đây là bước kiểm tra công cụ, chưa phải căn cứ để khẳng định thang đo đạt. Sau khi sửa, bạn cần thống nhất mã biến, nhãn giá trị và cách xử lý câu bỏ trống.

Bạn có thể dùng Google Forms hoặc công cụ thu thập bảng hỏi và dữ liệu phù hợp với kế hoạch của mình. Khi nhập vào SPSS, hãy kiểm tra lại các cột mã hóa, đặc biệt là biến đảo chiều và các câu hỏi sàng lọc.

Kiểm định độ tin cậy và giá trị của thang đo

Với thang đo nhiều biến quan sát, quy trình thường đi từ kiểm tra dữ liệu, Cronbach's Alpha, EFA nếu nghiên cứu dùng SPSS, sau đó đến hồi quy hoặc mô hình cấu trúc tùy thiết kế. Nếu dùng SmartPLS, bạn đánh giá measurement model trước structural model, không lấy tiêu chí fit của CB-SEM đưa vào báo cáo PLS-SEM.

Kiểm tra mã hóa và dữ liệu thiếu

Mở bảng Frequencies hoặc Descriptives để xem các biến KQHT có đủ khoảng giá trị dự kiến hay không. Nếu một biến Likert chỉ có một giá trị vì bạn nhập sai kiểu dữ liệu, Cronbach's Alpha và EFA sau đó sẽ không giúp sửa được lỗi nhập. Kiểm tra cả số lượng câu trả lời thiếu, bản ghi trùng và các trường hợp chọn cùng một đáp án cho mọi câu.

Chạy Cronbach's Alpha

Trong SPSS, chọn Analyze > Scale > Reliability Analysis. Đưa các biến KQHT vào ô Items, chọn Model là Alpha, sau đó mở Statistics và đánh dấu Scale if item deleted cùng Item. Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận 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 được dùng làm mốc tham khảo theo (Nunnally và Bernstein, 1994).

Không xóa KQHT3 chỉ vì cột “Cronbach's Alpha if Item Deleted” tăng nhẹ. Bạn cần xem biến đó có đúng nội dung khái niệm, có lỗi mã hóa hay không, và việc xóa có làm mất một khía cạnh quan trọng của kết quả học tập không.

Chạy EFA khi thiết kế nghiên cứu yêu cầu

Trong SPSS, chọn Analyze > Dimension Reduction > Factor. Đưa các biến cần phân tích vào ô Variables, chọn Extraction và Rotation phù hợp với kế hoạch nghiên cứu. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê với p-value dưới 0.05 là các mốc thường được tham khảo theo (Kaiser, 1974). Eigenvalue trên 1 là một quy tắc trích nhân tố được nêu bởi (Kaiser, 1960), còn factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên thường được tham khảo theo (Hair và cộng sự, 2010).

Chạy EFA lần đầu mà ra ngay kết quả gọn là chuyện hiếm. Nếu một biến tải mạnh lên hai nhân tố, hãy xem lại nội dung và lý thuyết trước khi loại. Ghi lại từng vòng chạy, lý do loại biến và kết quả sau cùng để khi giảng viên hỏi, bạn có thể giải thích thay vì chỉ đưa ra bảng cuối.

Đọc output minh họa

Bảng sau mô phỏng hình dạng các bảng SPSS. Đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật và không được chép vào luận văn như số liệu của bạn.

Trong báo cáo thật, bạn phải dùng đúng bảng output từ file của mình, nêu số biến trước và sau khi loại, đồng thời trình bày tiêu chí đã chọn. Nếu dùng SmartPLS, các bảng cần đọc sẽ là Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients và kết quả Bootstrapping. Outer loading từ 0.7 trở lên, CR từ 0.7 và AVE từ 0.5 trở lên là các mốc thường được tham khảo theo (Chin, 1998), (Fornell và Larcker, 1981) và (Hair và cộng sự, 2022). HTMT dưới 0.85 hoặc 0.90 tùy mức độ gần nhau về khái niệm được tham khảo theo (Henseler và cộng sự, 2015).

Cách viết vào luận văn: “Thang đo kết quả học tập gồm [số biến] biến quan sát, được mã hóa từ KQHT1 đến KQHT[số]. Kết quả Cronbach's Alpha đạt [giá trị], Corrected Item-Total Correlation dao động từ [giá trị thấp nhất] đến [giá trị cao nhất]. Sau khi [giữ nguyên/loại biến mã], thang đo được sử dụng cho bước [EFA/mô hình đo lường] tiếp theo.”

Cách trình bày thang đo trong chương 3

Ở phần phương pháp nghiên cứu, hãy trình bày theo thứ tự: định nghĩa khái niệm, nguồn hoặc cơ sở xây dựng, số lượng biến quan sát, thang điểm, cách mã hóa và kế hoạch kiểm định. Nếu bộ biến là bản tham khảo do bạn điều chỉnh, hãy nói rõ điều đó. Tránh viết “thang đo đã được kiểm định” khi bạn mới chỉ dịch câu hỏi hoặc chưa có dữ liệu chính thức.

Một đoạn mô tả có thể gồm ba ý. Thứ nhất, kết quả học tập được vận hành hóa bằng các biến KQHT1 đến KQHT5. Thứ hai, người trả lời đánh giá trên thang Likert 5 mức, từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Thứ ba, dữ liệu sẽ được kiểm tra độ tin cậy và giá trị trước khi kiểm định các giả thuyết.

Trong bảng tổng hợp thang đo, nên có các cột: khái niệm, mã biến, nội dung biến quan sát, nguồn hoặc cơ sở điều chỉnh và thang đo. Nếu câu hỏi lấy từ nhiều nguồn, ghi nguồn ngay tại nhóm biến tương ứng. Nếu bạn tự xây dựng câu hỏi từ định nghĩa vận hành, hãy ghi “đề xuất của nghiên cứu, điều chỉnh sau khảo sát thử” thay vì gắn tên tác giả không liên quan.

Nếu kết quả học tập là biến phụ thuộc, phần mô hình nghiên cứu cần chỉ rõ các biến độc lập tác động đến nó. Chẳng hạn, giả thuyết H1 có thể được viết là “Động lực học tập có tác động cùng chiều đến kết quả học tập”, còn H2 có thể liên quan đến phương pháp giảng dạy. Nội dung giả thuyết phải khớp với cách bạn đo từng khái niệm. Phương pháp giảng dạy và kết quả học tập không nên dùng các biến quan sát trùng nội dung, vì điều đó có thể làm quan hệ giữa hai biến bị phóng đại.

Lỗi thường gặp

Lỗi đầu tiên là dùng điểm trung bình để gọi là “thang đo” rồi chạy Cronbach's Alpha. Một biến điểm đơn lẻ không có nhiều item để đánh giá độ nhất quán nội tại. Bạn cần xác định đây là biến quan sát khách quan hay xây dựng thêm thang đo cảm nhận.

Lỗi thứ hai là lấy câu hỏi từ một bài trên Internet nhưng không kiểm tra nguồn gốc. Câu chữ có thể phù hợp với bối cảnh nước ngoài, hệ thống chấm điểm khác hoặc cấp học khác. Hãy ghi rõ nguồn thật, bối cảnh ban đầu và những điều chỉnh bạn đã thực hiện.

Lỗi thứ ba là trộn kết quả học tập với sự hài lòng, động lực hoặc gắn kết học tập. Những khái niệm này có thể liên quan trong mô hình, nhưng mỗi khái niệm cần có định nghĩa và nhóm biến quan sát riêng. Nếu hai nhóm câu hỏi quá giống nhau, hãy xem lại giá trị phân biệt.

Lỗi thứ tư là xóa biến chỉ để làm Alpha tăng. Hội đồng có thể hỏi vì sao biến bị loại và biến đó có ý nghĩa lý thuyết gì. Câu trả lời phải dựa trên nội dung, kiểm tra dữ liệu và tiêu chí đã công bố, không chỉ dựa vào một con số đẹp hơn.

Lỗi cuối là trình bày số liệu minh họa như kết quả thật. Các bảng trong bài này chỉ giúp bạn nhận diện tên cột và cách đọc. Khi viết luận văn, hãy thay toàn bộ giá trị bằng output từ file .sav hoặc .csv của bạn.

Đọc thêm: đề tài luận văn sư phạm, động lực học tập là gì, phương pháp giảng dạy là gì, sự gắn kết học tập là gì, thang đo kết quả học tập, chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

Kết quả học tập nên đo bằng điểm số hay bảng hỏi?

Điểm số phù hợp khi bạn tiếp cận được dữ liệu đáng tin cậy và muốn đo thành tích thực tế. Bảng hỏi phù hợp khi nghiên cứu tập trung vào cảm nhận hoặc đánh giá của người học. Bạn cũng có thể dùng cả hai, nhưng phải tách rõ biến khách quan và biến cảm nhận trong mô hình.

Kết quả học tập có phải là biến phụ thuộc không?

Thường là có khi đề tài hỏi các yếu tố nào ảnh hưởng đến kết quả học tập. Tuy nhiên, vai trò biến phụ thuộc hay độc lập phụ thuộc vào câu hỏi nghiên cứu và mô hình của bạn. Hãy xác định hướng quan hệ trước khi viết giả thuyết.

Có thể dùng một câu hỏi duy nhất để đo kết quả học tập không?

Có thể nếu bạn dùng một chỉ số khách quan như GPA hoặc điểm môn học, nhưng khi đó bạn đang sử dụng một biến đo đơn. Nếu muốn đo một khái niệm tiềm ẩn bằng bảng hỏi, nên xây dựng nhiều biến quan sát và kiểm định độ tin cậy, giá trị phù hợp.

Cronbach's Alpha của thang đo kết quả học tập dưới 0.7 thì làm sao?

Trước hết, kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu và các biến có nội dung lệch khỏi khái niệm. Alpha từ 0.6 có thể được xem xét trong thang đo mới hoặc nghiên cứu khám phá theo (Hair và cộng sự, 2010), nhưng bạn cần giải thích bối cảnh và không nên xóa biến máy móc.

Có cần chạy EFA nếu đã dùng SmartPLS không?

Không nhất thiết phải chạy EFA bằng SPSS nếu thiết kế của bạn dùng PLS-SEM và đã xác định rõ measurement model. SmartPLS đánh giá outer loading, CR, AVE và discriminant validity theo quy trình phù hợp. Bạn nên thống nhất một logic phân tích, tránh chạy nhiều thủ tục chỉ để tìm kết quả đẹp.

Có thể lấy thang đo kết quả học tập từ đề tài khác rồi dùng nguyên văn không?

Bạn có thể tham khảo, nhưng cần kiểm tra bối cảnh, đối tượng, ngôn ngữ và định nghĩa khái niệm. Bản dịch hoặc điều chỉnh chưa được xác nhận phải được trình bày là bản tham khảo và cần kiểm định trên dữ liệu của đề tài hiện tại.

Mở file dữ liệu của bạn ngay bây giờ, lập một bảng gồm định nghĩa kết quả học tập, nguồn đo, mã KQHT và cách mã hóa, rồi đối chiếu từng biến với mô hình trước khi chạy Cronbach's Alpha; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích của DoThesis.