Ai hỗ trợ tôi thu thập dữ liệu cho dissertation?
Trả lời thẳng: Người hỗ trợ bạn thu thập dữ liệu cho dissertation nên là một người nghiên cứu từng làm khảo sát thực địa trong đúng ngành của bạn, không phải một dịch vụ nhập liệu chung chung. Muốn chọn mẫu đúng và đặt câu hỏi đo đúng điều nghiên cứu cần, người làm phải được đào tạo về phương pháp, nên hãy bắt đầu từ những người ngay trong trường bạn.
- Tự thu thập cùng giảng viên hướng dẫn: Khi hồ sơ đạo đức đã được duyệt, bạn có thể tự chạy khảo sát dưới sự hướng dẫn của supervisor, và nhiều chương trình mong đợi bạn làm như vậy.
- Hỏi phòng nghiên cứu hoặc thư viện của trường: Họ đôi khi chỉ được cho bạn một bộ dữ liệu sẵn có đã phủ đúng nhóm đối tượng bạn cần.
- Đặt dịch vụ Thu thập dữ liệu của MAAS EdTech: Một người nghiên cứu đúng ngành dựng bảng hỏi hoặc đề cương phỏng vấn, lập kế hoạch chọn mẫu, tuyển người trả lời thật hoặc tìm bộ dữ liệu thứ cấp phù hợp, rồi làm sạch dữ liệu trước khi trao lại cho bạn.
Dù chọn cách nào, việc thu thập không được bắt đầu trước khi hội đồng đạo đức của trường duyệt hồ sơ, và không người nghiên cứu nào, kể cả MAAS, nên chạy khảo sát khi chưa có bản duyệt đó.
Vì sao khâu thu thập dữ liệu hay làm dissertation chậm lại?
Lúc tới khâu thu thập, các chương trước thường đã xong. Vậy mà đây lại là chặng hay làm lịch trình dissertation trễ nhiều tháng nhất, vì bốn lý do sau.
- Hồ sơ đạo đức duyệt lâu hơn dự tính: Một bảng hỏi bị trả về để sửa có thể cộng thêm vài tuần mà lịch trình ban đầu chưa tính tới.
- Tuyển người trả lời chậm hơn trong sách vở: Wu và cộng sự (2022) tính ra tỷ lệ phản hồi trung bình của khảo sát trực tuyến trong nghiên cứu giáo dục là 44,1%, tức trung bình hơn một nửa số người được mời không trả lời.
- Kế hoạch chọn mẫu viết sau khi đã có dữ liệu thì khó bảo vệ: Người chấm và người bình duyệt hay hỏi vì sao mẫu được chọn như vậy, và một câu trả lời nghĩ ra sau khi dữ liệu đã về nghe như lời chống chế.
- Câu trả lời thô phải được làm sạch trước khi dùng được: Câu trả lời bỏ dở, bản gửi trùng và cách mã hoá không nhất quán phải được xử lý trước khi chạy bất kỳ phép kiểm định nào, và khối lượng việc này thường bị đánh giá thấp.
Thu thập dữ liệu của MAAS là dịch vụ gì?
Dịch vụ phủ chặng nằm giữa một hồ sơ đạo đức đã được duyệt và một bộ dữ liệu sẵn sàng để phân tích. Một người nghiên cứu đúng ngành dựng bảng hỏi hoặc đề cương phỏng vấn, lập kế hoạch chọn mẫu, tuyển người trả lời thật hoặc tìm một bộ dữ liệu thứ cấp khớp với câu hỏi nghiên cứu của bạn, rồi làm sạch câu trả lời.
Dịch vụ không cam kết một mức điểm cụ thể, vì thu thập dữ liệu tốt là chuyện làm đúng phương pháp chứ không phải một kết quả gắn được con số. Dịch vụ được báo giá theo phạm vi thay vì theo gói cố định. Mỗi câu trả lời trong bộ dữ liệu đến từ một người tham gia thật, và MAAS EdTech không bịa dữ liệu hay tự điền câu trả lời để đủ cỡ mẫu.
Ai nên dùng dịch vụ thu thập dữ liệu nghiên cứu?
Người hợp với dịch vụ này là sinh viên và người nghiên cứu đã chốt câu hỏi nghiên cứu cùng hồ sơ đạo đức, và giờ cần dựng công cụ đo rồi thu dữ liệu về. Crotty (1998) xếp những quyết định này vào tầng phương pháp (methods) trong khung bốn tầng của một thiết kế nghiên cứu, nên chúng cần được lập luận rõ trong chương phương pháp.
- Sinh viên thesis hoặc dissertation đã có hồ sơ đạo đức được duyệt và cần dựng bảng hỏi hoặc đề cương phỏng vấn
- Người nghiên cứu cần một kế hoạch chọn mẫu đứng vững khi supervisor hoặc người bình duyệt hỏi vì sao mẫu được chọn như vậy
- Sinh viên cần một bộ dữ liệu thứ cấp vì thu thập trực tiếp không kịp trong lịch trình của mình
- Người đã có dữ liệu khảo sát hoặc phỏng vấn thô và cần làm sạch trước khi phân tích
MAAS chưa thể bắt đầu thu thập nếu hồ sơ đạo đức của bạn chưa được duyệt, vì việc thu thập không bắt đầu trước thời điểm đó, với MAAS hay với bất kỳ ai. Nếu bạn chưa soạn hồ sơ đạo đức, chuyên gia có thể hướng dẫn bạn chuẩn bị, với phí cộng thêm 5% giá gốc và được báo riêng.
Sau khi thu thập, bạn có trong tay những gì?
Bạn nhận một công cụ đo, một kế hoạch chọn mẫu, một bộ dữ liệu dựng từ câu trả lời thật, và tài liệu ghi lại dữ liệu đã được thu thập ra sao.
Thiết kế công cụ đo
- Một bảng hỏi hoặc đề cương phỏng vấn dựng từ chính câu hỏi nghiên cứu của bạn, không phải một mẫu dùng chung
- Câu chữ của từng câu hỏi được kiểm với nhóm đối tượng mục tiêu, để câu hỏi đo đúng thứ bạn muốn đo và để biết trước một câu trả lời tốt trông thế nào trước khi bắt đầu tuyển người
- Nếu bảng hỏi chưa nằm trong hồ sơ đã được duyệt, hoặc thay đổi sau vòng chạy thử, bạn nộp bản sửa đổi (amendment) cho hội đồng đạo đức và chờ duyệt trước khi tuyển người
- Một vòng chạy thử nhỏ (pilot) khi cần, để bắt những câu hỏi dễ hiểu nhầm trước khi tuyển người trên diện rộng. van Teijlingen và Hundley (2001) liệt kê 16 lý do nên chạy thử, từ kiểm xem công cụ đo có đủ tốt không tới kiểm khung chọn mẫu và cách tuyển người có vận hành được không
Chọn mẫu và tuyển người tham gia
- Một kế hoạch chọn mẫu viết xong trước khi tuyển người, lý do được ghi lại cho chương phương pháp, đúng tầng mà Crotty (1998) và Staller (2013) xếp các quyết định chọn mẫu vào
- Việc tuyển người đi theo đúng protocol mà hội đồng đạo đức đã duyệt, qua kênh hợp với nhóm đối tượng của bạn, như một nhóm người tham gia của trường, một mạng lưới nghề nghiệp, hoặc một tổ chức mà supervisor đã đồng ý cho liên hệ. Nếu protocol chỉ ghi tên bạn là người nghiên cứu, chuyên gia chuẩn bị thư mời, công cụ đo và kế hoạch chọn mẫu, còn bạn là người gửi đi và tự thu câu trả lời
- Một bộ dữ liệu thứ cấp được tìm và đối chiếu với câu hỏi nghiên cứu, khi thu thập trực tiếp không phải hướng phù hợp
Làm sạch dữ liệu
- Câu trả lời bỏ dở và bản gửi trùng được đánh dấu và xử lý theo một quy tắc đã ghi lại, không loại bỏ tuỳ tiện
- Cách mã hoá được kiểm cho nhất quán. Van den Broeck và cộng sự (2005) khuyến nghị báo cáo nghiên cứu nêu rõ cách làm sạch dữ liệu, loại lỗi và tỷ lệ lỗi tìm thấy, cùng số lỗi đã bị xoá hoặc sửa, nên mỗi quy tắc đều được ghi lại để bạn đưa vào chương phương pháp
- Một file trả về đúng định dạng mà khâu phân tích của bạn cần
Cần bao nhiêu người tham gia là đủ?
Câu hỏi này có câu trả lời từ nghiên cứu đã công bố, và câu trả lời khác nhau giữa phỏng vấn và khảo sát.
Với phỏng vấn, Guest và cộng sự (2006) mã hoá 60 cuộc phỏng vấn sâu và thấy 92% số mã họ dựng qua 30 bản ghi đầu tiên đã xuất hiện ngay trong 12 cuộc phỏng vấn đầu, còn những yếu tố cơ bản của các chủ đề lớn đã có mặt từ khoảng 6 cuộc. Hennink và Kaiser (2022) rà 23 nghiên cứu kiểm chứng độ bão hoà (saturation) và thấy mức bão hoà thường đạt trong khoảng 9 tới 17 cuộc phỏng vấn, hoặc 4 tới 8 cuộc thảo luận nhóm, chủ yếu ở những nghiên cứu có nhóm đối tượng đồng nhất và mục tiêu hẹp, còn những nghiên cứu nhiều nước thì cần mẫu lớn hơn.
Với khảo sát ước lượng một tỷ lệ trong một tổng thể xác định, Krejcie và Morgan (1970) công bố một bảng tra dựa trên độ tin cậy 95% và sai số 5%. Trong ví dụ của hai tác giả, tổng thể 9.000 giáo viên trung học cần 368 câu trả lời, và cỡ mẫu dừng ở 384 khi tổng thể lên tới 1.000.000. Với khảo sát kiểm định một hiệu ứng, cỡ mẫu đến từ phép tính power (lực kiểm định). Cohen (1992) đặt ra các mức hiệu ứng nhỏ, vừa và lớn (d = 0,2, 0,5 và 0,8) để người nghiên cứu dùng khi chưa có ước lượng tốt hơn, còn Faul và cộng sự (2007) mô tả G*Power 3, chương trình miễn phí nhiều sinh viên dùng để tính cỡ mẫu.
Tỷ lệ phản hồi sau đó quyết định cần mời bao nhiêu người. Wu và cộng sự (2022) sàng lọc 8.672 nghiên cứu, phân tích 1.071 tỷ lệ phản hồi của khảo sát trực tuyến, và thấy một tổng thể được xác định rõ làm tỷ lệ phản hồi tăng, còn gửi cho nhiều người hơn thì không, và phần thưởng khuyến khích không cho tác động đáng kể. Hickey và cộng sự (2018) bổ sung rằng nghiên cứu thật luôn mất người tham gia vì rút lui, mất liên lạc hay thiếu dữ liệu, nên số người tuyển phải cao hơn con số phép tính đưa ra.
Dữ liệu cá nhân của người tham gia được bảo vệ thế nào?
Luật bảo vệ dữ liệu cá nhân đi song song với khâu duyệt đạo đức. Với nghiên cứu ở Anh, Điều 89 của UK GDPR chỉ cho áp dụng các quy định dành riêng cho nghiên cứu khi có biện pháp bảo vệ phù hợp. Information Commissioner's Office (n.d.) khuyên dùng dữ liệu ẩn danh khi nghiên cứu cho phép, còn nếu không thì mã hoá danh tính (pseudonymisation) càng sớm càng tốt, vì dữ liệu đã mã hoá danh tính vẫn là dữ liệu cá nhân.
Dữ liệu của bạn sẽ ra sao sau khi thu thập?
Dữ liệu vẫn là của bạn, và MAAS không làm gì thêm với nó trừ khi bạn yêu cầu. Khi bộ dữ liệu chuyển sang khâu phân tích SPSS, R hoặc Python, bạn giữ file gốc, syntax và mọi output, vì khi bảo vệ bạn cần giải thích được từng kết quả đã ra đời như thế nào.
Ai là người thu thập dữ liệu cùng bạn?
Người làm việc cùng bạn là một người nghiên cứu trong đúng chuyên ngành của bạn, vì một khung chọn mẫu hợp với khảo sát marketing sẽ không hợp với một nghiên cứu phỏng vấn lâm sàng, và người dựng nó phải hiểu chuẩn mực của đúng lĩnh vực đó. Hồ sơ chuyên gia được giữ ẩn danh theo quy định của MAAS EdTech, nên bạn thấy trình độ, lĩnh vực và quốc gia của họ, không thấy tên.
Hồ sơ ẩn danh của đội ngũ nằm ở trang chuyên gia, còn những đơn đã làm được kể ở ca thực tế.
References
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155–159. https://doi.org/10.1037/0033-2909.112.1.155
Crotty, M. (1998). The foundations of social research: Meaning and perspective in the research process. SAGE.
Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146
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
Hennink, M., & Kaiser, B. N. (2022). Sample sizes for saturation in qualitative research: A systematic review of empirical tests. Social Science & Medicine, 292, 114523. https://doi.org/10.1016/j.socscimed.2021.114523
Hickey, G. L., Grant, S. W., Dunning, J., & Siepe, M. (2018). Statistical primer: Sample size and power calculations, why, when and how? European Journal of Cardio-Thoracic Surgery, 54(1), 4–9. https://doi.org/10.1093/ejcts/ezy169
Information Commissioner's Office. (n.d.). What are the appropriate safeguards? https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/the-research-provisions/what-are-the-appropriate-safeguards/
Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607–610. https://doi.org/10.1177/001316447003000308
Staller, K. M. (2013). Epistemological boot camp: The politics of science and what every qualitative researcher needs to know to survive. Qualitative Social Work, 12(4), 395–413. https://doi.org/10.1177/1473325012450483
Van den Broeck, J., Cunningham, S. A., Eeckels, R., & Herbst, K. (2005). Data cleaning: Detecting, diagnosing, and editing data abnormalities. PLoS Medicine, 2(10), e267. https://doi.org/10.1371/journal.pmed.0020267
van Teijlingen, E. R., & Hundley, V. (2001). The importance of pilot studies. Social Research Update, 35. University of Surrey. https://sru.soc.surrey.ac.uk/SRU35.html
Wu, M.-J., Zhao, K., & Fils-Aime, F. (2022). Response rates of online surveys in published research: A meta-analysis. Computers in Human Behavior Reports, 7, 100206. https://doi.org/10.1016/j.chbr.2022.100206
