10 hiểu lầm phổ biến về nghiên cứu định tính PART I

Hướng dẫn dành cho nhà nghiên cứu (researcher), nhà biên tập (editor), và nhà phản biện (reviewer) để một nghiên cứu định tính tốt KHÔNG bị từ chối vì lý do không phù hợp.

Hãy hình dung bạn dành nhiều tháng thực hiện một nghiên cứu về trải nghiệm của các giáo viên trong việc triển khai một phương pháp giảng dạy mới. Bạn phỏng vấn sâu hơn 20 người, phân tích kỹ lưỡng từng câu chuyện, và rút ra những insight sâu sắc về rào cản trong hệ thống giáo dục. Rồi bạn nộp bài lên tạp chí và nhận được email từ chối với lý do cỡ mẫu (sample size) của bạn quá nhỏ hoặc kết quả nghiên cứu không có tính phổ quát (generalizability).

Theo Nevedal và cộng sự (2026), đây là một trong những lý do phổ biến các bài báo định tính bị từ chối từ các tạp chí. Nó cũng phản ánh một vấn đề mang tính hệ thống trong giới học thuật: qualitative research (nghiên cứu định tính) thường xuyên bị đánh giá bằng những tiêu chí không phù hợp, vay mượn từ quantitative research (nghiên cứu định lượng).

Bản tin này mô tả và phân tích 10 hiểu lầm phổ biến nhất về qualitative research và cách nhìn nhận đúng đắn hơn về chúng. Bài viết dựa trên bài báo của Nevedal và cộng sự (2026), kèm theo ví dụ phân tích và giải thích một số cụm từ chuyên sâu về phương pháp nghiên cứu từ mình.

Mình dùng xen kẽ cả tiếng Việt và tiếng Anh một số từ chuyên ngành xuyên suốt bài viết để bạn nắm được những từ chuyên ngành này tốt hơn khi đọc tài liệu bằng tiếng Anh sau này.

Hai khái niệm nền tảng cần biết:

• Qualitative research (Nghiên cứu định tính): Phương pháp nghiên cứu tập trung vào việc hiểu ý nghĩa, trải nghiệm, và bối cảnh của con người. Công cụ chủ yếu là phỏng vấn sâu, quan sát, phân tích tài liệu. Câu hỏi thường là “cái gì”, “tại sao” và “như thế nào” (What, Why, How).

• Quantitative research (Nghiên cứu định lượng): Phương pháp nghiên cứu sử dụng số liệu, thống kê, và phép đo để kiểm định giả thuyết. Công cụ chủ yếu là bảng hỏi, thử nghiệm, phân tích thống kê. Câu hỏi thường là “bao nhiêu” và “có mối liên hệ không” (To what extent, Is there a relationship between…).

Nevedal và cộng sự (2026) đưa ra 10 hiểu lầm phổ biến về nghiên cứu định tính và nhóm chúng vào hai nhóm: 05 hiểu lầm do áp dụng sai tiêu chí của nghiên cứu định lượng và 05 hiểu lầm do áp đặt tiêu chí định tính quá cứng nhắc

PHẦN 1: Áp dụng sai tiêu chí của Quantitative Research

Misperception #1: “Qualitative methods quá subjective (chủ quan)”

Nhiều reviewer cho rằng qualitative research không đáng tin cậy vì nó mang tính chủ quan, không có con số, không có phép đo khách quan, kết quả phụ thuộc quá nhiều vào người nghiên cứu.

Trước hết, không có phương pháp nghiên cứu nào hoàn toàn khách quan. Ngay cả trong quantitative research, khi nhiều nhà nghiên cứu cùng phân tích một bộ dữ liệu giống nhau, họ vẫn ra kết quả khác nhau. Subjectivity (tính chủ quan) là điều không thể tránh khỏi trong bất kỳ quá trình phân tích nào.

Qualitative research sử dụng reflexivity, một khái niệm quan trọng cần hiểu rõ: đây là quá trình nhà nghiên cứu tự giám sát và phản tư có hệ thống những thiên kiến (bias), giả định, và vị thế của chính mình trong quá trình nghiên cứu. Giống như một nhà báo viết về một sự kiện mà anh ta là nhân chứng thì anh ta cần ghi rõ anh ta đứng ở vị trí nào, biết gì, và có thể ảnh hưởng đến cách mô tả như thế nào. Đó chính là reflexivity.

Ví dụ thực tế từ một nghiên cứu về lý do tại sao sinh viên đại học ở khu vực nông thôn bỏ học giữa chừng không thể trả lời bằng một bảng khảo sát. Phỏng vấn sâu với sinh viên, gia đình, và giáo viên sẽ tiết lộ những yếu tố ẩn sâu hơn như áp lực kinh tế, cảm giác thiếu thuộc về, hay khoảng cách văn hóa giữa trường và cộng đồng. Đây chính là giá trị của qualitative research.

Để giải quyết hiểu làm này hoặc để phản biện lại nhận xét này: Trong bài báo của mình, tác giả nên mô tả rõ ràng quy trình phân tích có hệ thống, giải thích lý do chọn qualitative methods cho câu hỏi nghiên cứu cụ thể, và đề cập đến reflexivity, tức là nhà nghiên cứu đã nhận thức và xử lý như thế nào đối với những thiên kiến tiềm ẩn của bản thân.

Misperception #2: “Sample size quá nhỏ”

Đây là lý do phổ biến nhất để desk-reject (từ chối thẳng, không gửi phản biện) các bài báo nghiên cứu định tính. Reviewer thấy “chỉ 15 người” hay “chỉ 8 cuộc phỏng vấn” và kết luận ngay: Cỡ mẫu không đủ/quá nhỏ.

Trong quantitative research, sample size được tính toán qua power calculation: một phép tính thống kê để xác định cần bao nhiêu người tham gia thì kết quả mới có độ tin cậy để suy ra cho cả một nhóm dân số lớn hơn. Đây là logic của statistical inference: quá trình dùng dữ liệu từ một mẫu nhỏ để rút ra kết luận về toàn bộ population (tổng thể). Nhưng đây chính là một mục tiêu mà qualitative research không hề hướng đến.

Qualitative research dùng purposeful sampling (lấy mẫu có mục đích): nghĩa là chọn người tham gia dựa trên khả năng cung cấp thông tin phong phú, sâu sắc, chứ không phải tính đại diện thống kê.

Sample size phù hợp phụ thuộc vào: câu hỏi nghiên cứu, thiết kế nghiên cứu, bối cảnh xã hội, loại dữ liệu, và phương pháp phân tích.

Các kỹ thuật purposeful sampling phổ biến:

• Maximum variation sampling: chọn các trường hợp đa dạng tối đa để nắm bắt nhiều góc nhìn

• Homogeneous sampling: tập trung vào một nhóm đồng nhất để đi sâu vào trải nghiệm chung

• Critical case sampling: chọn trường hợp điển hình hoặc đặc biệt quan trọng

• Snowball sampling: mở rộng thông qua mạng lưới người tham gia

Ví dụ thực tế từ khoa học xã hội:

Một nghiên cứu về quá trình hình thành bối cảnh xã hội ảnh hưởng đến sự lựa chọn nghề nghiệp của thanh niên ở gia đình có income thấp có thể chỉ cần 10–12 cuộc phỏng vấn sâu với các key informants là các em thanh niên, cha mẹ, và giáo viên tư vấn. Kiến thức sâu sắc của họ không thể được thay thế bằng bất kỳ survey nào với 500 người.

Cách tác giả nên phản hồi nếu bài báo của mình bị nhận xét là cỡ mẫu nhỏ: Nêu rõ tên kỹ thuật sampling được sử dụng, giải thích tại sao kỹ thuật đó phù hợp với mục tiêu nghiên cứu, và trích dẫn tài liệu phương pháp luận để hỗ trợ lựa chọn đó.

Misperception #3: “Kết quả không có giá trị vì không generalizable”

Reviewer yêu cầu qualitative research phải “generalizable”, tức là kết quả phải đại diện cho và áp dụng được cho population rộng hơn. Đây là tiêu chuẩn của statistical generalizability (khả năng khái quát hóa thống kê): Khả năng áp dụng kết quả từ một mẫu nghiên cứu ra toàn bộ population. Chỉ có thể đạt được khi dùng random sampling (chọn mẫu ngẫu nhiên). Là tiêu chuẩn của quantitative research.

Transferability: Mức độ mà người đọc tự đánh giá liệu kết quả có liên quan đến bối cảnh của họ không. Tiêu chí phù hợp cho qualitative research: người đọc tự quyết định, không phải nhà nghiên cứu.

Tại sao đây là hiểu lầm?

Statistical generalizability không phải mục tiêu của qualitative research. Qualitative research sử dụng purposeful sampling, không phải random sampling.

Mục tiêu của qualitative research là cung cấp sự hiểu biết sâu sắc, có bối cảnh, về một nhóm cụ thể hoặc một hiện tượng cụ thể, điều mà không một bảng khảo sát nào có thể làm được.

Ví dụ thực tế:

Một nghiên cứu định tính về trải nghiệm của sinh viên dân tộc thiểu số khi hòa nhập vào trường đại học đô thị tại một trường cụ thể ở Hà Nội không cần phải “generalizable” ra các nhóm đối tượng sinh viên khác vì sinh viên dân tộc thiểu số có những đặc điểm văn hóa và xã hội hoàn toàn khác. Mục đích của nghiên cứu này là hiểu về trải nghiệm của họ. Nghiên cứu này không hướng đến áp dụng kết quả giải thích cơ chế hay trải nghiệm của tất cả các nhóm sinh viên nói chung.

Lưu ý quan trọng: Thiếu generalizability không phải là limitation của qualitative research, đó là đặc điểm thiết kế của nó. Tác giả không nên đưa điều này vào phần limitations.

Misperception #4: “Kết quả nghiên cứu định tính cần có con số để đáng tin cậy hơn”

Reviewer đề nghị tác giả thêm thống kê, đếm số lần xuất hiện của các theme, hay báo cáo tỷ lệ phần trăm với ngầm ý rằng con số sẽ làm cho kết quả “khoa học” hơn.

Việc thêm con số vào kết quả qualitative không tự động tăng thêm rigor (sự chính xác/Tính chuẩn chỉnh của một nghiên cứu, mình chưa tìm ra dịch từ này sao cho đúng nghĩa của nó). Trên thực tế, nó thường gây ra nhiều vấn đề hơn:

• Đếm số có thể làm méo mó ý nghĩa: một insight xuất hiện ít lần không có nghĩa là kém quan trọng hơn — đặc biệt trong dataset nhỏ. Đặc biệt, một insight ít nhưng đặc trưng lại là kết quả mới cần lưu ý trong nghiên cứu định tính.

• Counting có thể tạo khoảng cách với dữ liệu và làm mất đi perspective (quan điểm) của người tham gia.

Khi nào dùng con số là hợp lý?

Có những trường hợp đếm là có lý: ví dụ để minh họa rằng một sample nhỏ tạo ra lượng dữ liệu lớn (số giờ phỏng vấn, số trang ghi chép), hoặc trong các kỹ thuật phân tích phức tạp cần so sánh nhiều trường hợp có hệ thống. Nhưng đây là lựa chọn phương pháp, không phải yêu cầu mặc định.

Ví dụ một nghiên cứu về cách học sinh lớp 12 trải nghiệm áp lực thi cử có thể trích dẫn rất nhiều câu chuyện sâu sắc từ 15 cuộc phỏng vấn. Nếu ai đó yêu cầu “bao nhiêu % học sinh nói cảm thấy áp lực?”, câu hỏi đó sẽ làm mất đi chính sự phong phú của dữ liệu: tại sao họ cảm thấy áp lực, áp lực đó đến từ đâu, và nó ảnh hưởng đến học tập và sức khỏe tâm thần như thế nào.

Misperception #5: “Qualitative analysis phải có Interrater Reliability (IRR)”

Reviewer yêu cầu báo cáo interrater reliability như một bằng chứng về độ tin cậy (Credibility và trustworthiness) của quá trình coding.

Giải thích khái niệm Interrater Reliability (Một kĩ thuật để đảm bảo độ tin cậy trong nghiên cứu): Là chỉ số đo lường mức độ đồng thuận giữa hai hay nhiều người khi họ độc lập mã hóa (code) cùng một bộ dữ liệu. Trong quantitative research, đây là một cách đảm bảo rằng quá trình phân tích không phụ thuộc vào một cá nhân duy nhất.

Đây là một hiểu lầm trong nghiên cứu định tính vì IRR có những vấn đề căn bản khi áp dụng:

• IRR đo lường reliability (tính nhất quán), không phải validity (tính phù hợp), tức là nó kiểm tra xem hai người có mã hóa giống nhau không, chứ không phải liệu cách mã hóa đó có phản ánh đúng hiện tượng xã hội không.

• Nhiều phương pháp qualitative sử dụng single analyst (một người phân tích), IRR không áp dụng được.

• IRR chỉ phù hợp cho deductive coding (Mã hóa dữ liệu theo hướng diễn dịch) có cấu trúc, không phù hợp cho inductive, interpretive approaches (Mã hóa dữ liệu theo hướng quy nạp).

Thay vì IRR, qualitative research nên dùng các quy trình lặp đi lặp lại dựa trên consensus (đồng thuận): các nhà nghiên cứu thảo luận, đề xuất, phản biện, và thống nhất cách hiểu dữ liệu qua nhiều vòng. Điều này tích hợp nhiều góc nhìn (multi-perspectives) và thúc đẩy reflexivity, hai yếu tố cốt lõi của qualitative rigor.

Reference:

Nevedal, A.L., et al. (2026). Optimizing qualitative methods in implementation research. Implementation Science, 21, 4. https://doi.org/10.1186/s13012-025-01474-z