V.I.S.I.O.N Framework giúp bạn không “toang” khi thu thập dữ liệu định tính

Sẽ giúp bạn kiểm soát mọi thứ trong quá trình thu thập dữ liệu một cách hệ thống và đầy đủ.

Hãy tưởng tượng bạn dành hơn một giờ đồng hồ trò chuyện với đáp viên về những trải nghiệm điển hình của họ trong môi trường đại học, một cuộc phỏng vấn đầy giá trị với nhiều thông tin sâu sắc. Nhưng đến khi mở file ghi âm để phân tích, bạn nhận ra… chỉ có giọng của bạn, không có bất kỳ câu trả lời nào từ đáp viên.

Đây không phải là tình huống giả định. Đó chính là một trong những “kỉ niệm” lớn nhất của mình khi thu thập dữ liệu định tính (qualitative research) cho một dự án cá nhân. Vì yêu cầu của Ethics Approval, mình không được lưu dữ liệu trên bất kỳ nền tảng online nào mà phải sử dụng một thiết bị ghi âm cầm tay (handheld device). Nhưng hôm đó mình đeo tai nghe và quên mất rằng thiết bị cầm tay đó chỉ ghi âm giọng của mình. Kết quả là toàn bộ dữ liệu của buổi phỏng vấn kéo dài 1.5 tiếng, với những chia sẻ vô cùng quan trọng của đáp viên đã hoàn toàn bị mất.

Trong nghiên cứu định tính, quá trình thu thập dữ liệu (data collection) không chỉ đơn thuần là “collect”, mà là một quá trình chiến lược vì nó là input quyết định chất lượng và độ tin cậy của nghiên cứu (research quality and credibility). Tuy nhiên, quá trình này thường bị phớt lờ và không thảo luận đầy đủ. Nếu dữ liệu thu thập ngay từ đầu đã sai lệch, thiếu sót hoặc không có hệ thống, thì dù có áp dụng phương pháp phân tích tốt đến đâu, nghiên cứu vẫn không thể đạt được kết quả có giá trị.

Hôm nay, mình muốn chia sẻ một framework quan trọng để đảm bảo quá trình thu thập dữ liệu định tính một cách chính xác, có hệ thống và giàu giá trị phân tích.

Đây là những nguyên tắc giúp bạn có một tầm nhìn toàn diện hơn về dữ liệu của mình, đảm bảo rằng mỗi thông tin thu thập được đều có ý nghĩa và đóng góp vào sự phát triển của bài nghiên cứu.

Framework: V.I.S.I.O.N

V.I.S.I.O.N một chiến lược tổng thể giúp bạn kiểm soát toàn bộ quá trình thu thập dữ liệu, đảm bảo độ chính xác, hệ thống và tính phân tích cao.

V – Validation: Xác thực toàn bộ quá trình ngay từ đầu để đảm bảo không có sai sót.

Nếu dữ liệu thu thập không chính xác hoặc thiếu sót, quá trình phân tích sau này sẽ trở nên vô nghĩa. Xác thực dữ liệu ngay từ đầu giúp đảm bảo rằng thông tin bạn thu thập phản ánh thực tế và có giá trị nghiên cứu.

Đảm bảo máy ghi âm hoạt động, micro hoạt động tốt và có bản backup dữ liệu. Đảm bảo đáp viên hiểu rõ mục đích nghiên cứu để họ cung cấp thông tin chính xác.

I – Interpretation: Quan sát và hiểu sắc thái phi ngôn ngữ để diễn giải dữ liệu một cách chính xác.

Dữ liệu định tính không chỉ là lời nói, mà còn bao gồm tông giọng, sự ngập ngừng, cảm xúc… Nếu không chú ý đến những sắc thái này, bạn có thể bỏ lỡ nhiều ý nghĩa quan trọng.

Chú ý đến cách người tham gia trả lời, ghi lại các dấu hiệu phi ngôn ngữ như thay đổi tông giọng, sự im lặng kéo dài hoặc cảm xúc bất thường.

Trong một dự án mình làm RA, giáo của mình đã viết hẳn một bài báo phân tích các khoảng lặng của giáo viên âm nhạc trong quá trình phỏng vấn khi họ nói về các khó khăn trong công việc, ví dụ, bộ môn không được sự chú trọng từ khoa và nhà trường, không có chế độ đầy đủ như các giáo viên các môn khác, không được khoa và nhà trường hỗ trợ về cơ sở vật chất cần thiết cho môn học, hoặc…lương luôn thấp hơn các môn khác. Những khoảng lặng của giáo viên nói lên rất nhiều về tính nhân văn và rào cản hệ thống trong hệ thống giáo dục.

S – Structuring: Hệ thống hóa và sắp xếp dữ liệu một cách có tổ chức để dễ dàng kiểm chứng và phân tích.

Một hệ thống lưu trữ khoa học giúp bạn dễ dàng tìm kiếm, đối chiếu và phân tích dữ liệu. Nếu dữ liệu không được tổ chức tốt, bạn sẽ gặp khó khăn trong việc phát hiện các mẫu chủ đề quan trọng.

Sử dụng mã định danh (ID) để sắp xếp dữ liệu, phân loại dữ liệu theo chủ đề hoặc nhóm đối tượng, sử dụng file Excel để hệ thống hóa mọi thông tin cần thiết (ID của người tham gia, ngày tháng phỏng vấn, các lưu ý khác). Những thông tin này rất quan trọng cho giai đoạn phân tích sau này khi bạn có sự rõ ràng và kiểm soát dữ liệu của mình tốt.

I – Insight: Ghi chú các themes/patterns nảy ra trong đầu bạn hoặc những điểm quan trọng trong quá trình thu thập.

Khi thu thập dữ liệu, có những chi tiết quan trọng có thể không xuất hiện ngay lập tức nhưng lại có ý nghĩa lớn trong phân tích sau này. Ghi chú nhanh các điểm mấu chốt sẽ giúp bạn không bỏ lỡ thông tin quan trọng. Tin mình đi, mỗi khi bạn đọc lại dữ liệu bạn sẽ có những nhận định khác nhau, các ý tưởng xuất hiện trong quá trình phỏng vấn sẽ rất có giá trị khi phân tích dữ liệu từ nhiều góc nhìn khác nhau.

Note xuống các ý tưởng quan trọng, ghi lại phản ứng của người tham gia và lưu ý những điểm cần khai thác sâu hơn.

O – Observation: Quan sát và chiêm nghiệm ngay sau mỗi buổi thu thập để xác định những gì đã làm tốt và điều cần cải thiện.

Ngay sau mỗi buổi thu thập dữ liệu, hãy dành thời gian để suy ngẫm về những gì bạn đã làm. Điều này giúp bạn cải thiện phương pháp và đảm bảo dữ liệu thu thập được ngày càng chất lượng hơn. Để làm được điều này, nhớ đừng sắp xếp nhiều buổi phỏng vấn trong một ngày hoặc quá gần ngày nhau. Hãy cho mình thời gian để cảm nhận và tiêu hóa dữ liệu trước khi nạp thêm thông tin mới.

Viết một bản tóm tắt ngắn ngay sau mỗi buổi phỏng vấn hoặc quan sát, ghi lại những điểm mạnh, điểm yếu và những điều cần thay đổi hoặ cải thiện trong lần thu thập tiếp theo.

N – Negotiation: Điều chỉnh phương pháp nếu cần thiết để đảm bảo tối ưu hóa thông tin.

Không phải lúc nào quá trình thu thập dữ liệu cũng diễn ra như kế hoạch. Có những lúc bạn cần phải thích nghi, thay đổi cách tiếp cận, điều chỉnh câu hỏi để thu thập thông tin đầy đủ hơn.

Nếu thấy một chủ đề quan trọng xuất hiện bất ngờ, hãy linh hoạt thay đổi hoặc thêm câu hỏi để khai thác sâu hơn. Nếu người tham gia cảm thấy không thoải mái, hãy điều chỉnh cách tiếp cận để đảm bảo họ sẵn sàng chia sẻ.

Tại sao nên tuân thủ Framework V.I.S.I.O.N này?

Một điều mình học được sau lần mất trắng 1.5 tiếng dữ liệu là: lỗi không nằm ở công nghệ, mà ở chính sự chủ quan của mình.

Nghe hơi quá nhưng mình đã từng nghĩ: “Có lẽ mình nên cảm ơn cái lỗi đó.”
Vì nó buộc mình phải phát triển một quy trình riêng. Cái mà hôm nay trở thành framework V.I.S.I.O.N.

Nếu không có thất bại đó, có lẽ mình vẫn đang thu thập dữ liệu theo kiểu “một lần rồi thôi”, mà không nghĩ đến chuyện kiểm chứng, backup hay ghi chép ngay sau mỗi buổi phỏng vấn.

V.I.S.I.O.N không chỉ giúp bạn thu thập dữ liệu chính xác, mà còn giúp bạn có một tầm nhìn toàn diện hơn về nghiên cứu của mình.

Bằng cách áp dụng V.I.S.I.O.N, bạn không chỉ đảm bảo chất lượng dữ liệu thu thập được mà còn xây dựng một hệ thống nghiên cứu có tổ chức, có chiều sâu và dễ dàng phân tích.

Hãy nhớ rằng nghiên cứu định tính không chỉ là việc thu thập thông tin, mà còn là quá trình khám phá và hiểu sâu về con người, hành vi, và ý nghĩa xã hội đằng sau dữ liệu.

Đặc biệt, V.I.S.I.O.N giúp quá trình thu thập dữ liệu diễn ra suôn sẻ và mượt mà hơn.

Dữ liệu không chỉ là một tập hợp thông tin, mà là một phần của câu chuyện lớn hơn. Hãy thu thập nó với tư duy phản xạ, hệ thống và tầm nhìn chiến lược.

Tóm lại, framework V.I.S.I.O.N này sẽ giúp bạn tránh những sai lầm không đáng có và tối ưu hóa quá trình thu thập dữ liệu định tính. Tuy nhiên, mỗi bước trong quá trình thu thập dữ liệu cần tuân thủ các quy định về đạo đức nghiên cứu, đó chính là Ethics approval mà bạn đã được duyệt trước khi thu thập dữ liệu.