Cách trả lời câu hỏi hội đồng luận văn rõ ràng, có căn cứ
Trả lời câu hỏi hội đồng luận văn là gì
Trả lời câu hỏi hội đồng luận văn là phần bạn giải thích và bảo vệ những lựa chọn đã trình bày trong luận văn, từ lý do chọn đề tài, mô hình nghiên cứu, thang đo, cỡ mẫu, phương pháp phân tích đến cách diễn giải kết quả. Hội đồng thường muốn biết bạn có hiểu dữ liệu của mình, có phân biệt được kết quả thực tế với kỳ vọng ban đầu và có nhận ra giới hạn của nghiên cứu hay không.
Khi chuẩn bị, bạn nên mở đồng thời file luận văn, file .sav hoặc .csv, cùng file output SPSS hay SmartPLS. Mỗi câu trả lời nên quay về ba điểm: quyết định nghiên cứu, bằng chứng trong dữ liệu và giới hạn của quyết định đó. Nếu chưa nhớ con số, bạn có thể xin phép kiểm tra lại bảng kết quả thay vì đoán.
Với một khóa luận định lượng, các câu hỏi về cỡ mẫu, Cronbach's Alpha, EFA, hồi quy, PLS-SEM, p-value và giả thuyết xuất hiện khá thường xuyên. Bạn có thể xem thêm chuyên mục Khóa luận tốt nghiệp để lập danh sách câu hỏi sát với đề tài của mình.
Cấu trúc chuẩn của phần trả lời trước hội đồng
Một câu trả lời tốt thường có bốn lớp. Trước hết, bạn trả lời thẳng vào câu hỏi. Tiếp theo, bạn nêu căn cứ từ thiết kế nghiên cứu hoặc output. Sau đó, bạn giải thích ý nghĩa của kết quả trong bối cảnh đề tài. Cuối cùng, bạn thừa nhận giới hạn nếu dữ liệu chưa thể chứng minh rộng hơn.
Bạn không cần biến mọi câu hỏi thành một bài thuyết trình dài. Với câu hỏi thực tế, khoảng 30 đến 90 giây thường đủ. Câu hỏi về phương pháp hoặc kết quả có thể cần lâu hơn, nhưng nên giữ đúng trọng tâm.
| Nhóm câu hỏi | Nội dung cần trả lời | Độ dài gợi ý | Bằng chứng cần mở |
|---|---|---|---|
| Đề tài và mục tiêu | Vì sao chọn vấn đề, khoảng trống và đối tượng | 30 đến 60 giây | Mục tiêu, câu hỏi nghiên cứu |
| Mô hình và giả thuyết | Vì sao chọn biến, quan hệ và phương pháp | 60 đến 90 giây | Mô hình, giả thuyết, tài liệu |
| Thang đo và dữ liệu | Nguồn biến quan sát, cách khảo sát, làm sạch dữ liệu | 60 đến 90 giây | Bảng hỏi, bảng mã hóa, số quan sát |
| Phân tích | Vì sao chạy kiểm định hoặc mô hình đó | 60 đến 120 giây | Output SPSS hoặc SmartPLS |
| Kết quả | Ý nghĩa hệ số, p-value, R² và giả thuyết | 60 đến 120 giây | Bảng kết quả cuối cùng |
| Hạn chế | Điều dữ liệu chưa chứng minh được | 30 đến 60 giây | Phạm vi và thiết kế nghiên cứu |
Câu trả lời cần dùng đúng thuật ngữ. p-value hỗ trợ quyết định về ý nghĩa thống kê của quan hệ trong mẫu, còn R² cho biết mức độ biến thiên của biến phụ thuộc được giải thích trong mô hình. Hai chỉ số này trả lời hai câu hỏi khác nhau.
Các bước chuẩn bị trả lời câu hỏi hội đồng
Bước 1: Lập bản đồ các quyết định trong luận văn
Đọc lại luận văn và đánh dấu những chỗ bạn đã phải lựa chọn. Ví dụ, bạn chọn nhóm đối tượng khảo sát, dùng thang Likert 5 mức, loại một biến quan sát, chọn hồi quy tuyến tính thay vì SmartPLS, hoặc giữ lại một giả thuyết có kết quả không có ý nghĩa thống kê. Mỗi lựa chọn có thể trở thành một câu hỏi.
Tạo một bảng riêng với bốn cột: hội đồng có thể hỏi gì, câu trả lời ngắn, bằng chứng ở đâu và giới hạn nào cần nói. Cách này sát với đề tài hơn việc học thuộc một bài trả lời chung.
Bước 2: Chuẩn bị câu trả lời cho mô hình và phương pháp
Với câu hỏi “Vì sao chọn mô hình này?”, hãy nối vấn đề nghiên cứu với cấu trúc mô hình. Bạn cần nói biến độc lập, biến phụ thuộc, biến trung gian hoặc biến điều tiết nếu có, sau đó giải thích phương pháp phân tích phù hợp với loại quan hệ cần kiểm định.
Nếu dùng PLS-SEM, hãy chuẩn bị lý do liên quan đến mục tiêu dự báo, mô hình có biến tiềm ẩn và dữ liệu của đề tài. Đừng trả lời rằng PLS-SEM được chọn vì “dễ chạy” mà không nói thêm về thiết kế nghiên cứu. Bạn cần phân biệt mô hình đo lường với mô hình cấu trúc. Khi bị hỏi vì sao chọn PLS-SEM thì làm gì, hãy tập trung vào mục tiêu nghiên cứu và loại dữ liệu.
Nếu dùng SPSS, hãy nêu đúng phân tích bạn chạy và mục tiêu của nó. Cronbach's Alpha đánh giá độ nhất quán nội tại của thang đo. EFA xem xét cấu trúc nhân tố trong giai đoạn khám phá. Hồi quy kiểm định quan hệ giữa các biến trong mô hình đã xác định. Những bước này cần được giải thích theo đúng thứ tự.
Bước 3: Kiểm tra dữ liệu gốc và output cuối
Mở lại file dữ liệu và ghi rõ số dòng ban đầu, số phiếu bị loại, số quan sát cuối cùng, cách xử lý missing value và các biến bị loại. Nếu bạn chỉ giữ một file output cuối mà không lưu các vòng chạy trước, hãy ghi lại những gì còn xác minh được. Không nên dựng lại lịch sử phân tích bằng trí nhớ.
Kiểm tra các bảng mà hội đồng dễ hỏi: Reliability Statistics, Item-Total Statistics, KMO and Bartlett's Test, Total Variance Explained, Rotated Component Matrix, Coefficients hoặc các bảng Outer Loadings, Path Coefficients, Discriminant Validity trong SmartPLS. Đánh dấu vị trí của hệ số, t-statistics, p-value, R² và khoảng tin cậy nếu bảng có hiển thị.
Dưới đây là số liệu minh họa để bạn tập cách nói. Đây không phải kết quả của một nghiên cứu cụ thể.
số liệu minh họa
| Bảng output | Chỉ số hoặc quan hệ | Giá trị minh họa | Cách diễn giải khi trả lời |
|---|---|---|---|
| Reliability Statistics | Cronbach's Alpha | 0.812 | Thang đo có độ nhất quán nội tại tốt trong mẫu minh họa |
| KMO and Bartlett's Test | KMO | 0.768 | Dữ liệu phù hợp để xem xét EFA theo tiêu chí đã chọn |
| Total Variance Explained | Total variance explained | 61.4% | Các nhân tố giữ lại giải thích 61.4% phương sai |
| Coefficients | B của X1 | 0.284 | X1 có hệ số chưa chuẩn hóa dương trong mô hình minh họa |
| Coefficients | Sig. của X1 | 0.013 | Quan hệ đạt mức ý nghĩa theo ngưỡng đã đặt trước |
| Path Coefficients | X1 → Y | 0.284 | Tác động có hướng dương trong mô hình minh họa |
| R Square | R² của Y | 0.462 | Mô hình giải thích 46.2% biến thiên của Y trong mẫu minh họa |
Khi nói về bảng này, bạn không nên kết luận X1 “gây ra” Y nếu thiết kế chỉ là khảo sát cắt ngang. Cách an toàn hơn là nói X1 có quan hệ hoặc có tác động theo mô hình kiểm định, tùy cách phần phương pháp cho phép diễn giải.
Bước 4: Đối chiếu các ngưỡng trước khi trả lời
Hội đồng có thể hỏi “bao nhiêu là đạt” ngay sau khi hỏi ý nghĩa của một chỉ số. Bạn nên ghi rõ ngưỡng, nguồn và tình huống áp dụng trong một trang riêng. Các giá trị dưới đây là những ngưỡng thường dùng, nhưng bạn vẫn phải đối chiếu với phương pháp và cách trình bày trong luận văn.
| Chỉ số hoặc tiêu chí | Ngưỡng tham khảo | Nguồn canonical |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | Có ý nghĩa thống kê, p-value dưới 0.05 | (Kaiser, 1974) |
| Eigenvalue | Trên 1 | (Kaiser, 1960) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| VIF trong PLS-SEM | Dưới 5 | (Hair và cộng sự, 2019) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
| R² trong PLS-SEM | 0.75 đáng kể, 0.50 trung bình, 0.25 yếu | (Hair và cộng sự, 2011) |
| Q² | Trên 0 | (Stone, 1974) |
Đừng đọc bảng ngưỡng như một danh sách để chọn con số có lợi. Alpha từ 0.6 có thể được chấp nhận trong thang đo khám phá theo (Hair và cộng sự, 2010), nhưng bạn cần nói rõ bối cảnh. Tương tự, CFI, TLI và RMSEA thuộc nhóm chỉ số thường dùng cho CB-SEM, không nên đưa vào để đánh giá SmartPLS một cách máy móc.
Bước 5: Luyện công thức kết luận, căn cứ, ý nghĩa và giới hạn
Bạn có thể dùng công thức “kết luận, căn cứ, ý nghĩa, giới hạn”. Ví dụ: “Em giữ lại thang đo này vì Cronbach's Alpha đạt 0.812 và các corrected item-total correlation đạt yêu cầu. Điều đó cho thấy các biến quan sát có sự nhất quán trong mẫu khảo sát. Tuy nhiên, kết quả chỉ được diễn giải trong phạm vi đối tượng và thời gian thu thập dữ liệu của đề tài.”
Hãy luyện thành tiếng với một người nghe không biết đề tài. Nếu họ không hiểu bạn đang trả lời câu hỏi nào, câu trả lời còn vòng. Nếu bạn nói nhiều thuật ngữ nhưng không chỉ được bảng kết quả, hãy rút lại và mở đúng output.
Bước 6: Chuẩn bị cách xử lý khi chưa có câu trả lời
Bạn có thể nói: “Em xin phép kiểm tra lại bảng output để tránh đọc nhầm con số.” Sau khi kiểm tra, hãy trả lời phần bạn chắc chắn và nêu rõ phần cần bổ sung. Một câu trả lời trung thực có giới hạn thuyết phục hơn việc đoán một p-value.
Nếu câu hỏi nằm ngoài phạm vi dữ liệu, hãy nói: “Dữ liệu hiện tại cho phép em kết luận về mối quan hệ giữa các biến trong mẫu khảo sát, chưa đủ để kết luận cho toàn bộ dân số.” Đây là cách phân biệt phạm vi suy luận với mong muốn mở rộng kết quả.
Câu mẫu dùng được
Bạn có thể thay phần trong ngoặc vuông bằng thông tin thật trong luận văn. Câu mẫu chỉ là khung diễn đạt, không nên học thuộc nguyên văn nếu không đúng với thiết kế của bạn.
| Tình huống | Câu trả lời có thể điều chỉnh |
|---|---|
| Vì sao chọn đề tài | “Em chọn đề tài [tên đề tài] vì [vấn đề thực tiễn], trong khi nghiên cứu trước trong bối cảnh [bối cảnh] chưa tập trung vào [khoảng trống].” |
| Vì sao chọn đối tượng | “Đối tượng [nhóm khảo sát] phù hợp với mục tiêu vì họ có trải nghiệm trực tiếp với [sản phẩm, dịch vụ hoặc hành vi].” |
| Vì sao chọn cỡ mẫu | “Cỡ mẫu cuối cùng là [n] sau khi làm sạch [nếu có]. Em đối chiếu với yêu cầu [quy tắc hoặc phương pháp] và giữ lại phản hồi đáp ứng tiêu chí sàng lọc.” |
| Vì sao loại biến | “Biến [mã biến] được xem xét loại vì [corrected item-total correlation, factor loading hoặc lý do dữ liệu]. Em kiểm tra lại ý nghĩa nội dung trước khi chạy mô hình cuối.” |
| Vì sao kết quả trái giả thuyết | “Giả thuyết [H] không được ủng hộ trong mẫu này vì [p-value hoặc khoảng tin cậy]. Em trình bày đây là phát hiện của dữ liệu và nêu các giới hạn liên quan.” |
| Vì sao chọn phương pháp | “Phương pháp [SPSS, hồi quy hoặc SmartPLS] được chọn vì mục tiêu của đề tài là [giải thích, dự báo hoặc kiểm định quan hệ] với cấu trúc biến [mô tả ngắn].” |
| Về hạn chế | “Nghiên cứu còn giới hạn ở [địa bàn, thời gian, phương pháp lấy mẫu hoặc biến số]. Vì vậy, kết quả nên được hiểu trong phạm vi [phạm vi cụ thể].” |
Cách viết vào luận văn: “Kết quả phân tích cho thấy [biến độc lập] có [mối quan hệ cùng chiều hoặc ngược chiều] với [biến phụ thuộc], với hệ số [β hoặc path coefficient] là [giá trị] và p-value là [giá trị]. Do đó, giả thuyết [H] được [ủng hộ hoặc không được ủng hộ] trong mẫu nghiên cứu.” Bạn cần thay toàn bộ phần trong ngoặc vuông bằng số liệu thật, không dùng số minh họa ở trên.
Nếu kết quả trái với giả thuyết, bạn cần phân biệt “không được ủng hộ” với “mô hình sai”. Một giả thuyết có thể không được ủng hộ trong mẫu, bối cảnh hoặc cách đo cụ thể. Bạn có thể đọc thêm kết quả trái với giả thuyết thì làm gì để chuẩn bị phần giải thích mà không sửa số liệu sau khi thấy kết quả.
Với câu hỏi về cỡ mẫu, hãy nêu cách xác định số quan sát, tiêu chí loại phiếu và số mẫu cuối cùng. Nếu đề tài dùng hồi quy, quy tắc cỡ mẫu tối thiểu 50 + 8m, trong đó m là số biến độc lập, thường được trích từ (Tabachnick và Fidell, 2013). Nếu dùng số biến quan sát, quy tắc 5 đến 10 quan sát cho một biến quan sát được nêu trong (Hair và cộng sự, 2010). Khi bị hỏi riêng về cỡ mẫu, bạn có thể xem hội đồng hỏi về cỡ mẫu phải làm sao.
Ví dụ phần trả lời rút gọn
Giả sử đề tài nghiên cứu các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng một ứng dụng học tập. Mô hình gồm chất lượng thông tin, cảm nhận hữu ích và sự hài lòng tác động đến ý định tiếp tục sử dụng. Bạn dùng bảng hỏi Likert 5 mức, thu được 238 phản hồi hợp lệ và chạy Cronbach's Alpha, EFA rồi hồi quy tuyến tính trên SPSS.
Hội đồng hỏi: “Vì sao giả thuyết về chất lượng thông tin không được chấp nhận?”
Câu trả lời có thể là: “Trong mô hình của em, chất lượng thông tin có hệ số hồi quy chuẩn hóa là 0.071 và Sig. là 0.286, nên quan hệ này chưa đạt mức ý nghĩa thống kê theo ngưỡng em đặt trước. Vì vậy, H2 không được ủng hộ trong mẫu 238 người dùng khảo sát. Em không kết luận rằng chất lượng thông tin không có ý nghĩa trong mọi bối cảnh, vì kết quả còn phụ thuộc vào đối tượng, thời điểm khảo sát và cách đo biến này.”
Hội đồng hỏi tiếp: “Tại sao em không sửa mô hình để giả thuyết được chấp nhận?”
Câu trả lời có thể là: “Mô hình được xây dựng trước khi xem kết quả, dựa trên mục tiêu và cơ sở lý thuyết của đề tài. Nếu thay đổi mô hình chỉ vì p-value không đạt, em sẽ làm mất tính nhất quán giữa giả thuyết, phương pháp và kết quả. Em giữ kết quả ban đầu, báo cáo rõ H2 không được ủng hộ và đề xuất kiểm định thêm trong bối cảnh khác.”
Nếu hội đồng hỏi “Vì sao đổi mô hình sau khi chạy?”, bạn cần phân biệt điều chỉnh có căn cứ với sửa mô hình để cứu kết quả. Việc loại biến do tiêu chí đo lường có thể được giải thích nếu bạn đã kiểm tra nội dung và ghi lại quy trình. Việc thêm quan hệ mới chỉ vì thấy p-value nhỏ cần được trình bày thận trọng, kèm lý do lý thuyết và giới hạn. Trường hợp giảng viên yêu cầu đổi mô hình thì làm gì có thể giúp bạn chuẩn bị cách giải trình.
Đề tài bị trùng cũng là câu hỏi dễ xuất hiện nếu tên đề tài gần với nghiên cứu trước. Khi đó, bạn cần chỉ ra khác biệt về bối cảnh, đối tượng, biến, mô hình hoặc thời điểm nghiên cứu, thay vì chỉ đổi vài từ trong tên. Có thể xem thêm đề tài bị trùng thì làm gì.
Lỗi thường gặp khiến hội đồng hỏi lại
Lỗi đầu tiên là trả lời bằng định nghĩa nhưng không liên hệ với bài của bạn. Khi được hỏi Cronbach's Alpha là gì, bạn cần chỉ ra thang đo nào có Alpha bao nhiêu, biến nào bị xem xét và quyết định cuối là gì.
Lỗi thứ hai là số liệu không thống nhất giữa các chương. Số mẫu trong chương 3, bảng mô tả mẫu và phần kết quả phải khớp. Nếu số quan sát thay đổi sau khi làm sạch, hãy nói rõ số ban đầu, số bị loại và số cuối cùng.
Lỗi thứ ba là nhầm ý nghĩa của chỉ số. Alpha không chứng minh giá trị hội tụ. KMO không phải mức độ tác động. R² không phải tỷ lệ chính xác dự báo cho mọi cá nhân. Trong PLS-SEM, CFI, TLI và RMSEA không nên được đưa vào đánh giá một cách máy móc.
Lỗi thứ tư là sử dụng nguồn không khớp với ngưỡng. Alpha từ 0.7 trở lên có thể dẫn theo (Nunnally, 1978), corrected item-total correlation từ 0.3 trở lên theo (Nunnally và Bernstein, 1994), KMO từ 0.5 trở lên theo (Kaiser, 1974), còn factor loading từ 0.5 trở lên theo (Hair và cộng sự, 2010). Hãy kiểm tra cách ghi trong luận văn và dùng nhất quán.
Lỗi thứ năm là đổ lỗi cho dữ liệu hoặc người trả lời. Bạn có thể nêu dữ liệu có giới hạn, nhưng cần nói giới hạn nằm ở đâu và ảnh hưởng đến kết luận thế nào. Câu “do người trả lời làm không tốt” không thay thế được tiêu chí làm sạch dữ liệu.
Lỗi thứ sáu là tranh luận với hội đồng bằng cảm giác. Nếu không đồng ý, bạn có thể nói: “Em hiểu ý kiến của thầy cô. Trong phạm vi thiết kế hiện tại, em lựa chọn [quyết định] vì [căn cứ]. Em ghi nhận đề xuất này như một hướng điều chỉnh cho nghiên cứu tiếp theo.”
Câu hỏi thường gặp
Hội đồng thường hỏi gì khi bảo vệ luận văn?
Các nhóm phổ biến gồm lý do chọn đề tài, khoảng trống nghiên cứu, cơ sở chọn mô hình, nguồn thang đo, cách lấy mẫu, cỡ mẫu, tiêu chí làm sạch dữ liệu, lý do chọn SPSS hoặc SmartPLS, kết quả giả thuyết và hạn chế của nghiên cứu. Bạn nên ưu tiên các điểm có con số hoặc quyết định dễ bị kiểm tra.
Bị hỏi mà quên số liệu thì trả lời thế nào?
Bạn hãy xin phép kiểm tra lại output và nói rõ mình không muốn đọc nhầm con số. Nếu chưa thể kiểm tra, hãy trả lời phần chắc chắn về cách phân tích, sau đó xác nhận sẽ bổ sung đúng giá trị trong bản chỉnh sửa. Đừng tự ước lượng p-value, hệ số hoặc số mẫu.
Kết quả không đạt ngưỡng thì có bị đánh trượt không?
Một chỉ số không đạt không tự động quyết định chất lượng toàn bộ luận văn. Hội đồng thường xem bạn có dùng đúng phương pháp, ghi nhận đúng kết quả, giải thích hợp lý và không che giấu giới hạn hay không. Nếu một thang đo có Alpha thấp, bạn cần trình bày kiểm tra item-total, lý do giữ hoặc loại biến và ảnh hưởng đến phân tích sau đó.
Có nên học thuộc câu trả lời mẫu không?
Bạn nên học cấu trúc và số liệu của chính mình, không nên học thuộc câu chữ cứng. Câu hỏi có thể được hỏi theo cách khác, còn câu trả lời thuộc lòng dễ lệch nếu hội đồng hỏi tiếp về một biến hoặc bảng output cụ thể.
Nếu hội đồng hỏi ngoài phạm vi đề tài thì làm sao?
Bạn có thể xác định ranh giới: “Nội dung đó chưa được kiểm định trong thiết kế nghiên cứu của em.” Sau đó nói dữ liệu hiện tại trả lời được gì và đề xuất đây là hướng nghiên cứu tiếp theo. Không cần mở rộng kết luận sang một dân số hoặc một biến mà bạn chưa đo.
Trước buổi bảo vệ, hãy tạo một trang tóm tắt gồm mô hình, giả thuyết, cỡ mẫu, các bước phân tích, bảng kết quả cuối và ba hạn chế chính. Mở file dữ liệu để kiểm tra lại từng con số, sau đó luyện trả lời theo công thức kết luận, căn cứ, ý nghĩa và giới hạn. Nếu cần chạy lại phân tích trên chính file .sav hoặc .csv của bạn, hãy dùng module M4 phân tích dữ liệu của DoThesis để kiểm tra kết quả và chuẩn bị phần trả lời có căn cứ.