Chọn giữa định tính, định lượng và phương pháp hỗn hợp nghĩa là khớp cách tiếp cận nghiên cứu với câu hỏi của bạn, chứ không phải với thứ nào làm cho dễ nhất. Với học viên cao học và nghiên cứu sinh đang làm luận văn, luận án tại trường trong nước, quyết định này định hình cách chọn mẫu, dữ liệu, phân tích, và cả việc hội đồng có thấy đề tài của bạn mạch lạc hay không.
Bài viết này trả lời những câu hỏi mà học viên cao học và nghiên cứu sinh hay hỏi chuyên gia MAAS nhất khi chọn phương pháp luận.
Tác giả: Ban Biên tập MAAS · Hiệu đính bởi mentor chuyên môn của MAAS
Cập nhật lần cuối: 2026-09-12
Chuyên mục: research-methods
Nghiên cứu định tính là gì?
Trả lời trực tiếp: Nghiên cứu định tính là một hướng tiếp cận đặt nhà nghiên cứu vào chính bối cảnh đang quan sát, dùng lời nói, hình ảnh hoặc hành vi làm bằng chứng thay vì con số. Nó khám phá ý nghĩa mà người tham gia gán cho trải nghiệm của họ, thường qua phỏng vấn sâu, quan sát thực địa hoặc phân tích tài liệu, trên một mẫu nhỏ chọn có chủ đích thay vì mẫu đại diện thống kê.
Bằng chứng: Creswell và Creswell (2023) đặt nghiên cứu định tính ở đầu dữ liệu chữ của dải liên tục ba cách tiếp cận, nơi việc chọn mẫu ưu tiên chiều sâu hiểu biết hơn là khả năng khái quát ra một tổng thể. Fetters, Curry và Creswell (2013) mô tả phương pháp định tính là cách tiếp cận dành cho những câu hỏi khám phá vì sao hoặc như thế nào một hiện tượng xảy ra. Định tính không phải một phiên bản kém chặt chẽ của định lượng, mà là một logic riêng về việc gì được tính là bằng chứng hợp lệ.
Ví dụ: Một học viên MAAS mới bắt đầu luận văn hỏi thẳng câu này trước khi chọn bất kỳ công cụ nào. Mentor giải thích rằng câu trả lời không nằm ở phần mềm mà nằm ở loại bằng chứng bạn ấy cần, rồi hai người cùng xem lại câu hỏi nghiên cứu trước khi bàn tới thiết kế cụ thể.
Định tính, định lượng và hỗn hợp khác nhau ở đâu?
Trả lời trực tiếp: Định lượng đo biến bằng con số và kiểm định quan hệ bằng thống kê. Định tính khám phá ý nghĩa, trải nghiệm và tiến trình qua chữ hoặc quan sát. Hỗn hợp kết hợp cả hai, tích hợp số liệu với dữ liệu tường thuật để trả lời câu hỏi mà một hướng riêng không trả lời nổi. Ba hướng khác nhau ở chỗ cái gì được tính là bằng chứng, không ở độ chặt.
Bằng chứng: Ba cách tiếp cận này nằm trên một dải liên tục, phân biệt nhau ở chỗ nhà nghiên cứu chủ yếu làm việc với dữ liệu số dạng câu hỏi đóng, dữ liệu chữ dạng câu hỏi mở, hay một sự kết hợp có chủ đích của cả hai, đúng cách Creswell và Creswell đóng khung trong Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (2023) do SAGE xuất bản. Phương pháp hỗn hợp không đơn giản là dùng hai kỹ thuật. Johnson và cộng sự (2007), trên tạp chí Journal of Mixed Methods Research, định nghĩa nó chính xác là "the type of research in which a researcher or team of researchers combines elements of qualitative and quantitative research approaches" (Johnson và cộng sự, 2007, p. 123), nghĩa là loại nghiên cứu trong đó một người hoặc một nhóm kết hợp các thành tố của cả hướng định tính lẫn hướng định lượng.
Ví dụ: Một học viên cao học người Việt nói rằng bạn ấy muốn "làm cả hai" vì không quyết được. Chuyên gia MAAS đóng khung lại lựa chọn quanh chính câu hỏi của bạn ấy, giữa việc đo xem đã thay đổi bao nhiêu và việc hiểu vì sao, và hướng đi trở nên hiển nhiên.
Khi nào nên chọn hướng định lượng?
Trả lời trực tiếp: Hãy chọn định lượng khi câu hỏi của bạn hỏi bao nhiêu, bao nhiêu lần, hay có tồn tại quan hệ hoặc khác biệt hay không, và khi bạn đo được biến của mình tin cậy. Nó hợp với kiểm định giả thuyết, khái quát từ mẫu ra tổng thể, so sánh nhóm. Nếu mục tiêu của bạn là xác nhận, định lượng hoặc dự báo, thì logic đo lường và thống kê là thứ khớp.
Bằng chứng: Thiết kế định lượng phù hợp khi vấn đề đòi hỏi nhận diện các yếu tố ảnh hưởng tới một kết cục, kiểm định một lý thuyết, hoặc xem xét quan hệ giữa các biến đã đo, và nó dựa vào chọn mẫu xác suất để kết quả khái quát được (Creswell và Creswell, 2023). Phần mềm thống kê như SPSS hay R chạy phần phân tích, nhưng công cụ không bao giờ quyết định thay bạn rằng thiết kế có khớp với câu hỏi hay không.
Ví dụ: Một nhà nghiên cứu người Việt hỏi liệu một can thiệp giảng dạy có cải thiện điểm thi hay không. Chuyên gia MAAS xác nhận đây là thiết kế định lượng, với kết cục đo được, hai nhóm so sánh được và một giả thuyết rõ ràng, rồi giúp bạn ấy lên kế hoạch cỡ mẫu trước tiên.
Khi dữ liệu định lượng có nhiều hơn hai nhóm cần so sánh, phép kiểm t hai mẫu không còn đủ. ANOVA là gì và khi nào cần dùng nó giải thích rõ hơn về lựa chọn này.
Khi nào nên chọn hướng định tính?
Trả lời trực tiếp: Hãy chọn định tính khi câu hỏi của bạn hỏi như thế nào hoặc vì sao, khi bạn khám phá một hiện tượng chưa được hiểu rõ, hoặc khi ý nghĩa, bối cảnh và trải nghiệm sống là điều cốt lõi. Nó hợp với mẫu nhỏ chọn có chủ đích và cho ra mô tả giàu chi tiết. Nếu mục tiêu của bạn là hiểu hoặc diễn giải, thì logic định tính là thứ khớp.
Bằng chứng: Nghiên cứu định tính là hướng nên chọn khi một khái niệm cần được khám phá vì người ta viết về nó còn ít, hoặc khi bối cảnh và tiếng nói của người tham gia cần được hiểu sâu, và nó dựa vào những mẫu nhỏ chọn có chủ đích thay vì mẫu đại diện về mặt thống kê (Creswell và Creswell, 2023). Phần mềm mã hoá như NVivo hay MAXQDA sắp xếp tư liệu, nhưng phần việc diễn giải đứng sau các mã vẫn thuộc về nhà nghiên cứu.
Ví dụ: Một sinh viên được MAAS kèm muốn hiểu vì sao sinh viên Việt năm nhất mất kết nối với lớp học trực tuyến. Mentor hướng bạn ấy sang phỏng vấn sâu thay vì khảo sát, vì bạn ấy cần những lý do mà mình không thể liệt kê trước.
Khi nào thiết kế hỗn hợp là hợp lý?
Trả lời trực tiếp: Một thiết kế hỗn hợp hợp lý khi một loại dữ liệu không trả lời trọn vẹn được câu hỏi của bạn, tức khi bạn vừa cần đo một thứ vừa cần giải thích nó. Đây là một lựa chọn có chủ đích, đi kèm một thiết kế có tên gọi và một kế hoạch về cách hai nhánh nối vào nhau, chứ không phải cái cớ để thu thập mọi thứ.
Bằng chứng: Phương pháp hỗn hợp được biện minh khi câu hỏi nghiên cứu thật sự đòi hỏi tích hợp, chẳng hạn khi bạn vừa định lượng một kết cục vừa giải thích cơ chế đứng sau nó, và mỗi thiết kế quy định rõ trình tự thời gian cùng mức ưu tiên của hai nhánh (Creswell và Creswell, 2023). Ký hiệu phương pháp hỗn hợp của Janice Morse, dùng chữ in hoa cho nhánh ưu tiên và dấu cộng cho nhánh chạy song song, cho bạn một cách gọn gàng để dán nhãn thiết kế của mình thay vì viết cả một đoạn mô tả. Một thiết kế không có lý do tích hợp rõ ràng chỉ thêm phức tạp mà không thêm hiểu biết.
| Thiết kế hỗn hợp | Nó vận hành thế nào | Dùng khi nào |
|---|---|---|
| Hội tụ | Thu dữ liệu định lượng và định tính song song, rồi đem so | Bạn muốn củng cố hoặc đối chiếu hai góc nhìn về cùng một vấn đề |
| Tuần tự giải thích | Định lượng trước, rồi định tính để giải thích các con số | Kết quả của bạn cần bước theo sau để diễn giải vì sao chúng xảy ra |
| Tuần tự khám phá | Định tính trước, rồi định lượng để kiểm định hoặc khái quát | Bạn phải khám phá một khái niệm trước khi đo nó cho hợp lệ |
Ví dụ: Một tác giả người Việt đã đo được kết cục của bệnh nhân nhưng không giải thích nổi một kết quả bất ngờ. Chuyên gia MAAS gợi ý thêm một nhánh tuần tự giải thích, tức phỏng vấn bệnh nhân sau khảo sát, để dữ liệu định tính lý giải được những con số bất thường ấy.
Ba hướng khác nhau thế nào ở chọn mẫu, dữ liệu và phân tích?
Trả lời trực tiếp: Nghiên cứu định lượng dùng chọn mẫu xác suất, dữ liệu số và phân tích thống kê để kiểm định giả thuyết. Nghiên cứu định tính dùng chọn mẫu có chủ đích, dữ liệu chữ, cùng phân tích chủ đề để xây hiểu biết. Hỗn hợp kết hợp cả hai và thêm một lớp tích hợp. Khác biệt đó giữ bạn khỏi mượn logic truyền thống này áp lên dữ liệu truyền thống kia.
Bằng chứng: Ba hướng khác nhau một cách có hệ thống ở logic chọn mẫu, loại dữ liệu, cách phân tích và cả bộ tiêu chuẩn dùng để đánh giá chất lượng, và ghép nhầm chúng là đọc sai truyền thống, một điểm mà Bryman (2016) cũng nêu trong Social research methods do Oxford University Press xuất bản. Chọn mẫu có chủ đích và chọn mẫu xác suất trả lời những câu hỏi khác nhau và không thay thế cho nhau được (Palinkas và cộng sự, 2015), lập luận được phát triển trên tạp chí Administration and Policy in Mental Health and Mental Health Services Research.
| Chiều so sánh | Định lượng | Định tính | Hỗn hợp |
|---|---|---|---|
| Câu hỏi | Bao nhiêu, có hay không, liên hệ ra sao | Như thế nào, vì sao, nó ra sao | Cả hai, cộng thêm cách chúng nối vào nhau |
| Chọn mẫu | Xác suất, mẫu lớn hơn | Có chủ đích, mẫu nhỏ hơn | Cả hai, theo từng nhánh |
| Dữ liệu | Con số, câu hỏi đóng | Chữ, hình ảnh, câu hỏi mở | Cả hai |
| Phân tích | Kiểm định thống kê, mô hình | Mã hoá theo chủ đề, diễn giải | Cả hai, cộng thêm tích hợp |
| Đánh giá bằng | Tính hiệu lực, độ tin cậy, tính khái quát | Độ đáng tin, khả năng chuyển giao | Độ chặt của cả hai cộng chất lượng tích hợp |
Ví dụ: Một nhà nghiên cứu người Việt đem tiêu chuẩn định lượng ra chấm nghiên cứu phỏng vấn định tính của mình, tự hỏi "mẫu đã đủ lớn để khái quát chưa" rồi hoảng lên. Chuyên gia MAAS giải thích rằng mười cuộc phỏng vấn giàu chi tiết được đánh giá bằng độ đáng tin và chiều sâu, không phải bằng kích cỡ.
Tích hợp dữ liệu định tính và định lượng trong một nghiên cứu hỗn hợp ra sao?
Trả lời trực tiếp: Tích hợp là đặc trưng định danh của phương pháp hỗn hợp, và nó phải được lên kế hoạch chứ không để dồn tới phần bàn luận. Hãy nối hai nhánh bằng cách dựng nhánh này trên nhánh kia, gộp hai bộ dữ liệu để đem so, hoặc lồng một nhánh vào thiết kế lớn hơn. Một bảng hiển thị chung, đặt kết quả định lượng và định tính cạnh nhau, làm tích hợp hiện rõ.
Bằng chứng: Tích hợp diễn ra ở cấp thiết kế, cấp phương pháp và cấp diễn giải cùng báo cáo, thông qua việc nối, dựng chồng, gộp hoặc lồng hai nhánh, như Fetters, Curry và Creswell (2013) trình bày trên tạp chí Health Services Research. Bảng hiển thị chung là công cụ được khuyến nghị rộng rãi để bày kết quả định lượng và định tính cạnh nhau sao cho giá trị gia tăng của việc tích hợp hiện rõ, như Guetterman và cộng sự (2015), thuộc nhóm nghiên cứu phương pháp hỗn hợp tại University of Michigan, trình bày trên tạp chí Annals of Family Medicine. Các checklist báo cáo như COREQ hoặc SRQR cho nhánh định tính, STROBE cho nhánh định lượng dạng quan sát, và GRAMMS dành riêng cho phương pháp hỗn hợp, đều do mạng lưới EQUATOR Network tập hợp và tồn tại vì cùng một lý do, đó là làm cho phần báo cáo ấy tường minh thay vì ngầm hiểu.
Ví dụ: Một khách hàng của MAAS đã báo cáo kết quả khảo sát và kết quả phỏng vấn ở hai chương riêng mà không có liên kết nào. Chuyên gia giúp bạn ấy dựng một bảng hiển thị chung, khớp từng phát hiện thống kê với chủ đề phỏng vấn giải thích cho nó, biến hai nghiên cứu song song thành một lập luận tích hợp.
Học viên cao học và nghiên cứu sinh hay mắc lỗi gì khi chọn phương pháp, và tránh thế nào?
Trả lời trực tiếp: Những lỗi lặp đi lặp lại là chọn phương pháp trước khi chốt câu hỏi nghiên cứu, mặc định chọn hỗn hợp cho trông có vẻ kỹ lưỡng, đem tiêu chuẩn của truyền thống này áp lên dữ liệu của truyền thống kia, và thu hai bộ dữ liệu mà không có kế hoạch tích hợp. Hãy tránh chúng bằng cách viết câu hỏi trước và để nó quyết định hướng đi.
Bằng chứng: Phương pháp luận phải sinh ra từ câu hỏi nghiên cứu chứ không ngược lại, và một nghiên cứu hỗn hợp không có lý do tích hợp thật sự chỉ thêm phức tạp mà không thêm hiểu biết, lời cảnh báo mà John Creswell cùng con trai ông là David Creswell lặp lại qua các lần tái bản, và Fetters và cộng sự (2013) cũng lưu ý rằng tích hợp đem lại nhiều lợi ích nhưng ít nghiên cứu hỗn hợp thật sự làm được. Những học giả như Tashakkori và Teddlie đã góp phần xác lập phương pháp hỗn hợp thành một truyền thống thứ ba riêng biệt chứ không phải một thoả hiệp giữa hai truyền thống kia. Khi hội đồng chấm luận văn, luận án ngày càng đòi phương pháp chặt chẽ, một thiết kế khớp với câu hỏi là cách rẻ tiền để vượt qua rào phương pháp thay vì đánh mất một nghiên cứu vững vì một sự lệch pha tránh được.
| Lỗi | Vì sao nó làm yếu nghiên cứu | Cách sửa |
|---|---|---|
| Chọn phương pháp trước câu hỏi | Thiết kế không khớp mục tiêu | Chốt câu hỏi nghiên cứu trước |
| Dùng hỗn hợp cho "trông kỹ lưỡng" | Hai nhánh mà không tích hợp | Chỉ trộn khi câu hỏi đòi hỏi |
| Sai bộ tiêu chuẩn đánh giá | Đánh giá sai một công trình hợp lệ | Khớp tiêu chuẩn với truyền thống |
| Không có kế hoạch tích hợp | Hai nhánh không bao giờ nối nhau | Lên kế hoạch bảng hiển thị chung từ đầu |
| Mượn nhầm logic chọn mẫu | Cách chọn mẫu không hợp thiết kế | Dùng xác suất hoặc có chủ đích theo từng nhánh |
Ví dụ: Một chuyên gia MAAS đi cùng một học viên qua từng giai đoạn, từ khớp câu hỏi nghiên cứu với thiết kế tuần tự giải thích, sang lên kế hoạch bảng hiển thị chung ở giai đoạn dàn ý và dữ liệu, rồi tới góp ý cho từng chương học viên tự viết, với chuyên gia góp ý còn học viên viết từ đầu tới cuối.
Câu hỏi thường gặp
Nghiên cứu định tính hay định lượng tốt hơn?
Không hướng nào tốt hơn khi xét trừu tượng, lựa chọn đúng phụ thuộc hoàn toàn vào câu hỏi nghiên cứu của bạn. Định lượng hợp với việc đo và kiểm định, định tính hợp với việc khám phá và thấu hiểu, còn một câu hỏi cần cả hai thì trỏ về một thiết kế hỗn hợp.
Phương pháp hỗn hợp có luôn mạnh hơn một hướng đơn lẻ không?
Không. Hỗn hợp chỉ mạnh hơn khi câu hỏi của bạn thật sự cần cả hai loại dữ liệu và bạn có kế hoạch tích hợp chúng. Thêm một nhánh thứ hai mà không có lý do tích hợp sẽ tăng khối lượng công việc và có thể làm yếu nghiên cứu thay vì làm mạnh nó.
Cỡ mẫu cho mỗi hướng nên là bao nhiêu?
Nghiên cứu định lượng tính cỡ mẫu để phát hiện được một hiệu ứng với lực thống kê đủ, thường đối chiếu với các quy ước hiệu ứng nhỏ, trung bình và lớn mà Jacob Cohen (1988) xác lập, nên chúng có xu hướng lớn hơn. Nghiên cứu định tính dùng chọn mẫu có chủ đích và dừng ở điểm bão hoà dữ liệu, tức lúc phỏng vấn thêm không còn mang lại hiểu biết mới, nên chúng thường nhỏ hơn nhiều và được đánh giá theo cách khác. Một thực nghiệm của Guest, Bunce và Johnson (2006), đăng trên tạp chí Field Methods, trên 60 cuộc phỏng vấn phụ nữ ở hai nước Tây Phi cho thấy độ bão hoà đã xuất hiện trong 12 cuộc phỏng vấn đầu tiên, và những yếu tố cơ bản của các chủ đề bao trùm đã có mặt ngay từ 6 cuộc, minh hoạ vì sao một nghiên cứu định tính chặt chẽ vẫn có thể dừng ở một cỡ mẫu nhỏ.
Tôi có thể đổi hướng tiếp cận sau khi đã bắt đầu thu dữ liệu không?
Tốt hơn nhiều là chốt hướng đi trước khi thu dữ liệu, vì phương pháp định hình cách chọn mẫu, bộ công cụ và hồ sơ đạo đức nghiên cứu của bạn. Đổi giữa chừng thường đồng nghĩa với làm lại những bước trước đó, nên hãy dành thời gian chọn cho đúng ngay ở khâu thiết kế.
Hội đồng chấm luận văn, luận án có ưu ái hướng nào hơn không?
Thường là không. Hội đồng phần lớn chấp nhận cả ba hướng, thứ họ đòi là một thiết kế khớp với đề tài và được trình bày chặt chẽ trong đề cương. Hãy đối chiếu với đề cương mẫu mà bộ môn cung cấp và hỏi giảng viên hướng dẫn xem đề tài của bạn hợp với hướng nào hơn.
MAAS có giúp tôi chọn đúng phương pháp luận nghiên cứu không?
Có. Dịch vụ Hỗ trợ luận văn, luận án của MAAS ghép bạn với một chuyên gia đúng chuyên ngành để cùng bạn khớp hướng tiếp cận với câu hỏi nghiên cứu, lên kế hoạch chọn mẫu và tích hợp, rồi góp ý cho đề cương và bản nháp, trong khi bạn vẫn là người viết luận văn, luận án của mình. Tìm hiểu thêm và đặt buổi tư vấn miễn phí 15 phút tại trang dịch vụ.
Sẵn sàng khớp đúng phương pháp với câu hỏi nghiên cứu của mình?
Dịch vụ Hỗ trợ luận văn, luận án của MAAS ghép bạn với một chuyên gia đúng chuyên ngành để cùng bạn khớp phương pháp với câu hỏi nghiên cứu qua từng giai đoạn, từ đề cương tới bản nháp và bản hoàn thiện, trong khi bạn vẫn là người tự viết. Bạn có thể bắt đầu bằng một buổi tư vấn miễn phí 15 phút để làm rõ mục tiêu và các bước tiếp theo.
Đặt buổi tư vấn Hỗ trợ luận văn, luận án với MAAS →
Bài liên quan
- Cách viết câu hỏi và mục tiêu nghiên cứu: câu hỏi mà phương pháp của bạn phải khớp
- Cách xác định khoảng trống nghiên cứu: điều mà nghiên cứu của bạn đặt ra để lấp
- Cách viết khung lý thuyết cho luận văn: lăng kính mà phương pháp bạn chọn phải phục vụ
- Dịch vụ hỗ trợ xử lý số liệu luận văn: phần phân tích cho một thiết kế định lượng đã thu xong dữ liệu
- Hỗ trợ luận văn, luận án của MAAS: đồng hành qua đề cương, bản nháp và bản hoàn thiện
Tài liệu tham khảo
- Bryman, A. (2016). Social research methods (5th ed.). Oxford University Press.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE Publications.
- Fetters, M. D., Curry, L. A., & Creswell, J. W. (2013). Achieving integration in mixed methods designs: Principles and practices. Health Services Research, 48(6 Pt 2), 2134–2156. https://doi.org/10.1111/1475-6773.12117
- Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59–82. https://doi.org/10.1177/1525822X05279903
- Guetterman, T. C., Fetters, M. D., & Creswell, J. W. (2015). Integrating quantitative and qualitative results in health science mixed methods research through joint displays. The Annals of Family Medicine, 13(6), 554–561. https://doi.org/10.1370/afm.1865
- Johnson, R. B., Onwuegbuzie, A. J., & Turner, L. A. (2007). Toward a definition of mixed methods research. Journal of Mixed Methods Research, 1(2), 112–133. https://doi.org/10.1177/1558689806298224
- Palinkas, L. A., Horwitz, S. M., Green, C. A., Wisdom, J. P., Duan, N., & Hoagwood, K. (2015). Purposeful sampling for qualitative data collection and analysis in mixed method implementation research. Administration and Policy in Mental Health and Mental Health Services Research, 42(5), 533–544. https://doi.org/10.1007/s10488-013-0528-y