Cách viết giả thuyết nghiên cứu đúng chuẩn cho luận văn là gì?

Giả thuyết nghiên cứu là một phát biểu dự đoán, khác câu hỏi nghiên cứu, và bài viết trình bày khi nào một đề tài cần nó, cách viết cho đúng chuẩn.

Cập nhật lần cuối: 2026-09-17
Chuyên mục: research-methods

Giả thuyết nghiên cứu là gì, và khác câu hỏi nghiên cứu ở chỗ nào?

Trả lời thẳng: Giả thuyết nghiên cứu là một phát biểu, không phải một câu hỏi. Câu hỏi nghiên cứu có thể đặt ra chỉ từ suy nghĩ chủ quan ban đầu, còn giả thuyết luôn dựa trên một nền tảng kiến thức đã có (Texas A&M University Writing Center, n.d.), và luôn được viết ra trước khi tiến hành nghiên cứu, không phải sau khi đã biết kết quả (McCombes, 2022).

Bằng chứng: Texas A&M University Writing Center (n.d.) phân biệt hai khái niệm bằng đúng ranh giới đó: câu hỏi nghiên cứu là điều bạn muốn tìm hiểu, còn giả thuyết là câu trả lời dự kiến cho câu hỏi đó, viết dưới dạng một phát biểu có thể kiểm định. Scribbr (McCombes, 2022) nhấn mạnh cùng nguyên tắc thời điểm: giả thuyết phải viết ra trước khi bắt đầu thu thập dữ liệu, vì một phát biểu dựng ra sau khi đã biết kết quả không còn là một dự đoán thật sự.

Ví dụ: Câu hỏi nghiên cứu "số buổi sinh viên năm nhất tham dự lớp có ảnh hưởng tới điểm thi cuối kỳ hay không" chỉ nêu ra điều cần tìm hiểu. Giả thuyết tương ứng phải đi xa hơn một bước, ví dụ "số buổi tham dự càng cao thì điểm thi cuối kỳ càng cao". Với những đề tài không kiểm định mối quan hệ giữa các biến, chẳng hạn một nghiên cứu case study chỉ nhằm mô tả một tình huống cụ thể, bạn thường không cần một giả thuyết theo nghĩa này (University of Melbourne, Academic Skills, n.d.).

Khi nào một đề tài cần giả thuyết, khi nào không?

Trả lời thẳng: Không phải nghiên cứu nào cũng cần giả thuyết, và việc có cần hay không phụ thuộc vào loại đề tài chứ không phải một quy tắc chung cho mọi ngành. Đề tài định lượng kiểm định mối quan hệ giữa các biến gần như luôn cần giả thuyết. Đề tài định tính hoặc mô tả thuần tuý nhiều khi chỉ cần mục tiêu và câu hỏi nghiên cứu, không cần một giả thuyết cụ thể.

Bằng chứng: University of Melbourne, Academic Skills (n.d.) nói thẳng rằng việc một đề tài có cần giả thuyết hay không tùy vào ngành và loại nghiên cứu, và không phải nghiên cứu nào cũng cần một giả thuyết. Nghiên cứu mô tả thuần tuý, tức nghiên cứu chỉ quan sát và ghi nhận đặc điểm của một hiện tượng mà không kiểm định một mối quan hệ nào, thường rơi vào nhóm không cần giả thuyết này, chỉ cần mục tiêu, câu hỏi nghiên cứu và các nhiệm vụ cụ thể để đạt mục tiêu đó. Đây đúng là ranh giới mà bài nhiệm vụ nghiên cứu khoa học đã nêu ở phần bàn về giả thuyết đi kèm nhiệm vụ nghiên cứu, dựa trên cùng nguồn Praharaj và Ameen (2025) và mẫu đề cương của Khoa Việt Nam học, Trường Đại học Khoa học Xã hội và Nhân văn Thành phố Hồ Chí Minh.

Ví dụ: Một đề tài "đánh giá tác động của thời gian dùng mạng xã hội tới kết quả học tập của sinh viên" là đề tài định lượng kiểm định mối quan hệ giữa hai biến, nên cần giả thuyết. Một đề tài "mô tả trải nghiệm của sinh viên năm nhất khi chuyển từ học phổ thông sang học đại học" chỉ quan sát và ghi nhận, không kiểm định một mối quan hệ cụ thể, nên nhiều khi không cần giả thuyết mà chỉ cần câu hỏi nghiên cứu rõ ràng, đúng nhận định của University of Melbourne, Academic Skills (n.d.) rằng không phải nghiên cứu nào cũng có giả thuyết.

Giả thuyết không (H0) và giả thuyết đối (H1/Ha) khác nhau ra sao?

Trả lời thẳng: Giả thuyết không, ký hiệu H0 hoặc Hn, là phát biểu được coi là đúng theo mặc định và dùng làm cơ sở để kiểm định, thường viết dưới dạng phủ định như "không có khác biệt giữa hai nhóm". Giả thuyết đối, ký hiệu H1 hoặc Ha, là phát biểu khẳng định hoặc có hướng, dùng kết quả từ việc bác bỏ giả thuyết không để xác lập điều ngược lại (OpenStax, 2023).

Bằng chứng: Texas A&M University Writing Center (n.d.) chỉ ra một quy tắc diễn đạt quan trọng: kết quả kiểm định không bao giờ được viết là "chấp nhận giả thuyết đối", cách viết đúng là H0 bị bác bỏ để ủng hộ giả thuyết đối. OpenStax (2023) làm rõ thêm bằng quy tắc ký hiệu toán học: H0 luôn chứa dấu bằng hoặc các dấu tương đương như nhỏ hơn hoặc bằng, còn Ha không bao giờ chứa dấu bằng và có thể ở dạng khác (≠), lớn hơn (>) hoặc nhỏ hơn (<) tuỳ kiểm định một đuôi hay hai đuôi. Một kiểm định giả thuyết chỉ có hai kết luận khả dĩ là bác bỏ H0 hoặc không bác bỏ H0, chứ không bao giờ nói "chấp nhận H0", vì không bác bỏ được không đồng nghĩa H0 đúng. Nền của quy tắc này là lập luận Karl Popper nêu trong The Logic of Scientific Discovery, bản tiếng Anh in năm 1959, theo tóm lược của Maxwell (2017): dù gom được bao nhiêu bằng chứng ủng hộ, một lý thuyết khoa học vẫn không thể được chứng minh là đúng mà chỉ có thể bị bác bỏ, và một lý thuyết đã qua được nhiều phép thử nhằm bác bỏ nó chỉ được xem là "được củng cố" (corroborated).

Ví dụ: Trong Ví dụ 9.2, OpenStax (2023) kiểm định điểm trung bình học lực (GPA) của sinh viên có khác 2.0 hay không: H0 viết là điểm trung bình bằng 2.0, còn Ha viết là điểm trung bình khác 2.0. Đây cũng là dạng cặp giả thuyết thường gặp khi phân tích dữ liệu khảo sát trong SPSS. Vì sao không bác bỏ được H0 chưa có nghĩa là H0 đúng thì Cohen (1992) giải thích bằng lực kiểm định: ngoài rủi ro bác bỏ nhầm H0 với mức α thường lấy là 0,05, còn rủi ro bỏ sót một hiệu ứng có thật với xác suất β, và quy ước ông đề xuất là lực kiểm định 0,80, tức β bằng 0,20, nên tỷ lệ giữa hai loại rủi ro β và α là 4:1 (Cohen, 1992). Theo bảng của Cohen (1992), muốn phát hiện một khác biệt trung bình cỡ vừa (d = 0,50) giữa hai nhóm độc lập ở α = 0,05 thì cần 64 người mỗi nhóm, nên một nghiên cứu chỉ có 20 người mỗi nhóm không bác bỏ được H0 rất có thể chỉ vì mẫu quá nhỏ. Đây là lý do nên ước tính cỡ mẫu ngay lúc viết giả thuyết, chứ không đợi tới khi đã có dữ liệu.

Một giả thuyết đạt chuẩn cần có những đặc điểm gì?

Trả lời thẳng: Ba đặc điểm cốt lõi là khả kiểm định và khả bác bỏ theo tiêu chuẩn falsifiability của Karl Popper, mang tính logic dựa trên lý thuyết hoặc quan sát trước đó, và phát biểu theo hướng khẳng định sự tồn tại của một mối quan hệ giữa các biến thay vì phủ định nó. Thiếu một trong ba đặc điểm là giả thuyết chưa đạt chuẩn (Cuttler, 2017).

Bằng chứng: Cuttler (2017) dựa trên tiêu chuẩn khả bác bỏ (falsifiability) của Karl Popper để nói rằng một giả thuyết chỉ có giá trị khoa học khi có thể hình dung được một kết quả quan sát sẽ chứng minh nó sai. Cuttler cũng phân biệt suy luận diễn dịch, tức đi từ một lý thuyết rộng để suy ra giả thuyết cụ thể, với suy luận quy nạp, dùng khi chưa có sẵn lý thuyết để dựa vào. Texas A&M University Writing Center (n.d.) thêm một tiêu chí thực hành: tránh các từ điều kiện như "should/might/could" trong giả thuyết, vì những từ này làm phát biểu mất tính dứt khoát cần có để kiểm định. University of Melbourne, Academic Skills (n.d.) tóm gọn thành ba gạch đầu dòng tương tự: ở dạng phát biểu, có thể bị bác bỏ, và rõ ràng, giới hạn phạm vi cụ thể.

Ví dụ: Một câu hỏi kiểu "sinh viên có nên tuân thủ quy tắc danh dự của trường hay không" không phù hợp làm giả thuyết vì đây là câu hỏi giá trị, không có cách nào quan sát dữ liệu để kiểm định nó (Texas A&M University Writing Center, n.d.). Ngược lại, "sinh viên đại học tham gia một buổi hội thảo giảm căng thẳng sẽ báo cáo mức độ hạnh phúc tăng lên sau sáu tuần" là một phát biểu rõ ràng về mối quan hệ giữa hai biến, giới hạn trong một khung thời gian cụ thể, và có thể kiểm định bằng khảo sát trước sau (University of Melbourne, Academic Skills, n.d.). Flyvbjerg (2006) nhắc lại ví dụ nổi tiếng mà Karl Popper dùng để giải thích tính khả bác bỏ: mệnh đề "mọi con thiên nga đều trắng" chỉ cần một lần quan sát thấy một con thiên nga đen là bị bác bỏ, và một giả thuyết đạt chuẩn cần có đúng kiểu rủi ro bị chứng minh sai như vậy.

Quy trình các bước để viết một giả thuyết là gì?

Trả lời thẳng: Quy trình gồm sáu bước, đi từ một câu hỏi còn mơ hồ tới một phát biểu kiểm định được. Bạn khởi đầu bằng câu hỏi nghiên cứu, đọc qua lý thuyết và nghiên cứu trước, viết một câu trả lời sơ bộ, siết lại cho cụ thể, chọn đúng dạng câu, rồi thêm giả thuyết không nếu đề tài của bạn cần kiểm định thống kê (McCombes, 2022).

Bằng chứng: Scribbr (McCombes, 2022) trình bày sáu bước theo đúng thứ tự đó. Bước tinh chỉnh yêu cầu nêu rõ biến số, nhóm nghiên cứu và kết quả dự đoán, chứ không dừng ở một ý tưởng chung chung. Bước diễn đạt cho phép chọn một trong ba dạng câu: dạng if/then ("nếu X thì Y"), dạng tương quan hoặc hiệu ứng giữa hai biến, hoặc dạng so sánh giữa hai nhóm. Quy trình này khớp với nguyên tắc hypothetico-deductive mà Cuttler (2017) mô tả, đi từ một tập hiện tượng quan sát được, qua lý thuyết, tới một giả thuyết là dự đoán cụ thể có thể kiểm định bằng nghiên cứu thực nghiệm.

Ví dụ: Với câu hỏi nghiên cứu về thời gian dùng mạng xã hội và kết quả học tập, bước 1 đặt câu hỏi cụ thể, bước 2 đọc qua vài nghiên cứu trước về chủ đề tương tự, bước 3 phát biểu ban đầu "dùng mạng xã hội nhiều ảnh hưởng xấu tới học tập", bước 4 tinh chỉnh thành "sinh viên dùng mạng xã hội trên ba giờ mỗi ngày có điểm trung bình học kỳ thấp hơn nhóm dùng dưới một giờ", bước 5 viết theo dạng so sánh hai nhóm, và bước 6 thêm giả thuyết không tương ứng là "không có khác biệt điểm trung bình học kỳ giữa hai nhóm" (McCombes, 2022).

Những lỗi thường gặp khi viết giả thuyết là gì?

Trả lời thẳng: Bốn lỗi hay gặp là gộp hai mối quan hệ vào một giả thuyết duy nhất, viết giả thuyết dưới dạng câu hỏi hoặc dùng từ điều kiện thay vì phát biểu dứt khoát, đặt nhiều mục tiêu chung một lúc thay vì tách bạch mục tiêu và giả thuyết, và xây dựng giả thuyết sau khi đã biết kết quả thay vì trước khi thu thập dữ liệu (Kerr, 1998; Praharaj & Ameen, 2025).

Bằng chứng: Texas A&M University Writing Center (n.d.) chỉ ra lỗi dùng từ điều kiện như "should/might/could" làm giả thuyết mất tính khẳng định cần có. Praharaj và Ameen (2025) khuyến cáo một đề tài chỉ nên có một mục tiêu chung (aim) bao quát, hiếm khi chấp nhận hai mục tiêu chung cùng lúc, vì mỗi mục tiêu chung không rõ ràng sẽ kéo theo giả thuyết mơ hồ theo. Nguyên tắc giả thuyết luôn được đặt ra trước khi thu thập dữ liệu chứ không phải sau khi đã biết kết quả (McCombes, 2022) cũng là căn cứ để tránh lỗi dựng giả thuyết ngược từ kết quả đã có sẵn, một thực hành khiến toàn bộ phép kiểm định mất ý nghĩa vì giả thuyết không còn là một dự đoán độc lập với dữ liệu. Kerr (1998) đặt tên cho lỗi này là HARKing, viết tắt của Hypothesizing After the Results are Known, tức trình bày một giả thuyết hình thành sau khi đã xem kết quả như thể nó được đặt ra từ trước, và dẫn số liệu khảo sát cho thấy một số dạng HARKing khá phổ biến dù phần đông người được hỏi coi đó là không phù hợp. Cách phòng tránh mà Nosek và cộng sự (2018) đề xuất là đăng ký trước (preregistration), nghĩa là ghi lại câu hỏi nghiên cứu và kế hoạch phân tích trước khi nhìn thấy kết quả, để người đọc phân biệt được đâu là dự đoán được kiểm định và đâu là nhận định rút ra sau, và các dịch vụ đăng ký trước nay đã có cho mọi ngành (Nosek et al., 2018).

Ví dụ: Một giả thuyết gộp hai ý như "thu nhập và trình độ học vấn cùng ảnh hưởng tới mức độ hài lòng công việc" thực chất đang kiểm định hai mối quan hệ khác nhau trong một câu, nên cần tách thành hai giả thuyết riêng để mỗi phép kiểm định thống kê trong SPSS chỉ trả lời đúng một câu hỏi. Một giả thuyết viết dạng câu hỏi như "liệu thời gian tham dự lớp có ảnh hưởng tới điểm thi hay không" cần viết lại thành phát biểu dứt khoát theo đúng cấu trúc Texas A&M University Writing Center (n.d.) trình bày ở phần trên.

Câu hỏi thường gặp

Giả thuyết nghiên cứu và câu hỏi nghiên cứu, viết cái nào trước?
Câu hỏi nghiên cứu viết trước, vì giả thuyết là câu trả lời dự đoán cho chính câu hỏi đó (Texas A&M University Writing Center, n.d.). Bạn cần một câu hỏi đủ cụ thể để trả lời được bằng một phát biểu, rồi mới dựng giả thuyết dựa trên kiến thức và nghiên cứu trước đã đọc, đúng thứ tự Scribbr (McCombes, 2022) mô tả.

Một đề tài cần bao nhiêu giả thuyết?
Không có con số cố định áp dụng cho mọi đề tài. Nguyên tắc thực hành hợp lý là mỗi giả thuyết chỉ kiểm định một mối quan hệ cụ thể giữa các biến, nên số lượng giả thuyết tùy vào số mối quan hệ mà mô hình nghiên cứu của bạn đặt ra, không gộp nhiều mối quan hệ vào một giả thuyết duy nhất. Một số khoa có mẫu đề cương riêng quy định số giả thuyết đi kèm mỗi câu hỏi nghiên cứu, nên bạn nên kiểm tra quy định của khoa hoặc trường mình trước khi quyết định số lượng. Khi một nghiên cứu kiểm định nhiều giả thuyết cùng lúc, Cohen (1992) khuyên hạ mức ý nghĩa xuống 0,01 cho mỗi giả thuyết để rủi ro bác bỏ nhầm ít nhất một giả thuyết trên cả nghiên cứu không tăng quá cao, nên càng nhiều giả thuyết thì mỗi giả thuyết càng cần mẫu lớn hơn.

Giả thuyết viết ở thì gì?
Không có quy tắc thì cố định, nhưng nên tránh các từ điều kiện như "có lẽ", "nên", hay bản dịch của should/might/could, vì chúng làm phát biểu mất tính dứt khoát mà một giả thuyết kiểm định được cần có (Texas A&M University Writing Center, n.d.).

Giả thuyết không kiểm định được thì sửa thế nào?
Kiểm tra xem giả thuyết có đang hỏi một câu hỏi giá trị hay đạo đức, thay vì một mối quan hệ có thể quan sát bằng dữ liệu, hay không. Nếu có, viết lại thành một phát biểu về mối quan hệ giữa các biến cụ thể mà bạn có thể đo và thu thập dữ liệu để kiểm định, theo đúng tiêu chuẩn falsifiability mà Cuttler (2017) mô tả và ví dụ thiên nga đen của Karl Popper mà Flyvbjerg (2006) nhắc lại.

Nghiên cứu định tính có cần giả thuyết không?
Không nhất thiết. Nhiều nghiên cứu định tính hoặc mô tả thuần tuý chỉ cần mục tiêu và câu hỏi nghiên cứu rõ ràng, không cần một giả thuyết cụ thể để kiểm định, vì bản thân đề tài không kiểm định một mối quan hệ nhân quả hay tương quan giữa các biến (University of Melbourne, Academic Skills, n.d.). Trong case study, vai trò gần với giả thuyết thường do mệnh đề nghiên cứu (proposition) đảm nhận, và Baxter và Jack (2008) ghi rõ chỉ nêu mệnh đề khi loại case study bạn làm phù hợp với nó.

Nhờ chuyên gia đọc lại giả thuyết trước khi nộp đề cương có ích gì?
Một chuyên gia đúng chuyên ngành, theo cùng tiêu chí Texas A&M University Writing Center (n.d.) và University of Melbourne, Academic Skills (n.d.) mô tả, đọc giả thuyết theo đúng cách hội đồng sẽ đọc, chỉ ra mối quan hệ nào bạn đang gộp làm một, biến nào chưa được định nghĩa rõ, và giả thuyết nào chưa thật sự kiểm định được. Bạn vẫn là người viết và quyết định giả thuyết cuối cùng. Khâu này nằm trong dịch vụ cố vấn học thuật, nơi một chuyên gia đồng hành với bạn qua từng giai đoạn tới khi hoàn thiện luận văn, còn phần luyện viva và bảo vệ được xác định phạm vi và báo giá riêng.

Nên làm gì tiếp theo

Viết thử giả thuyết của bạn theo một trong ba dạng câu ở phần quy trình, rồi tự hỏi một câu duy nhất: nếu dữ liệu ra ngược lại, giả thuyết này có bị bác bỏ được không. Nếu câu trả lời là không rõ, giả thuyết đó cần viết lại trước khi đưa vào đề cương, theo đúng ba tiêu chí University of Melbourne, Academic Skills (n.d.) nêu ra.

Đội ngũ luận văn của MAAS có thể đọc lại giả thuyết cùng phần phương pháp trước khi bạn nộp đề cương, và buổi đầu tiên kéo dài 15 phút, không tính phí. Đặt lịch qua trang liên hệ, hoặc xem trước dịch vụ cố vấn học thuật diễn ra thế nào.

Đọc tiếp

• Nhiệm vụ nghiên cứu khoa học gồm những gì?
• Đề cương luận văn thạc sĩ gồm những phần nào?
• SPSS là gì và dùng cho kiểm định nào?

References

• Baxter, P., & Jack, S. (2008). Qualitative case study methodology: Study design and implementation for novice researchers. The Qualitative Report, 13(4), 544-559. https://doi.org/10.46743/2160-3715/2008.1573
• Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
• Cuttler, C. (2017, August 21). 2.4 Developing a hypothesis, in Research methods in psychology. Washington State University. Retrieved September 17, 2026, from https://opentext.wsu.edu/carriecuttler/chapter/developing-a-hypothesis/
• Flyvbjerg, B. (2006). Five misunderstandings about case-study research. Qualitative Inquiry, 12(2), 219-245. https://doi.org/10.1177/1077800405284363
• Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196-217. https://doi.org/10.1207/s15327957pspr0203_4
• Maxwell, N. (2017). Karl Popper, science and enlightenment. UCL Press.
• McCombes, S. (2022, May 6). How to write a strong hypothesis. Scribbr. Retrieved September 17, 2026, from https://www.scribbr.co.uk/research-methods/hypothesis-writing/
• Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600-2606. https://doi.org/10.1073/pnas.1708274114
• OpenStax. (2023, December 13). 9.1 Null and alternative hypotheses, in Introductory statistics 2e. Retrieved September 17, 2026, from https://openstax.org/books/introductory-statistics-2e/pages/9-1-null-and-alternative-hypotheses
• Praharaj, S. K., & Ameen, S. (2025). Aim, research questions, objectives, and hypotheses, which one and how to write in a manuscript? Kerala Journal of Psychiatry, 38(1), 84-88. https://doi.org/10.30834/kjp.38.1.2025.549
• Texas A&M University Writing Center. (n.d.). Hypotheses. Retrieved September 17, 2026, from https://writingcenter.tamu.edu/guides/resources/hypotheses.html
• University of Melbourne, Academic Skills. (n.d.). Shaping the research question and hypothesis. Retrieved September 17, 2026, from https://students.unimelb.edu.au/academic-skills/graduate-research-services/writing-thesis-sections-part-2/shaping-the-research-question-and-hypothesis