ANALISIS DATA KUALITATIF DAN KUANTITATIF - METODOLOGI PENELITIAN

Tóm tắt Transcript Video về Phân Tích Dữ Liệu Định Tính và Định Lượng

Key Concepts:

• Phân tích dữ liệu định tính (Qualitative Data Analysis)
• Phân tích dữ liệu định lượng (Quantitative Data Analysis)
• Phương pháp phân tích dữ liệu tương tác Miles và Huberman (Miles and Huberman Interactive Model)
• Tam giác hóa (Triangulation)
• Độ tin cậy (Reliability)
• Độ giá trị (Validity)
• Thống kê mô tả (Descriptive Statistics)
• Thống kê suy luận (Inferential Statistics)
• Phân tích so sánh (Comparative Analysis)
• Phân tích kết hợp (Associative Analysis)
• Phân tích cấu trúc (Structural Analysis)

1. Định Nghĩa và Phân Loại Phân Tích Dữ Liệu

• Phân tích dữ liệu: Là quá trình tìm kiếm thông tin hữu ích để làm cơ sở cho việc ra quyết định, áp dụng cho cả nghiên cứu định tính và định lượng.
• Dữ liệu định tính: Thông tin mô tả, không đo lường được bằng số, ví dụ: tường thuật, văn bản.
• Dữ liệu định lượng: Thông tin đo lường, tính toán, so sánh được trên thang số, ví dụ: số liệu thống kê.
• Phân loại:
  • Phân tích dữ liệu định tính: Dành cho dữ liệu định tính.
  • Phân tích dữ liệu định lượng: Dành cho dữ liệu định lượng.

2. Phân Tích Dữ Liệu Định Tính

• Định nghĩa:
  • Suratju và Sholeh (2017): Quá trình tìm kiếm và sắp xếp thông tin một cách hệ thống từ phỏng vấn, ghi chép thực địa, tài liệu, tổ chức dữ liệu thành các danh mục, tổng hợp, sắp xếp thành mô hình, chọn lọc thông tin quan trọng và đưa ra kết luận.
  • Sugiono (2016): Quá trình tìm kiếm và sắp xếp dữ liệu một cách hệ thống từ phỏng vấn, ghi chép thực địa và các tài liệu khác để dễ hiểu và thông báo kết quả cho người khác.
• Thời điểm thực hiện: Trong và sau khi thu thập dữ liệu (không giống như nghiên cứu định lượng, chỉ phân tích sau khi thu thập xong).
• Tính chất: Mang tính quy nạp (inductive), từ dữ liệu thu thập được, diễn giải, nhóm lại và phát triển thành giả thuyết.
• Vai trò của nhà nghiên cứu: Nhà nghiên cứu là công cụ chính, trực tiếp phân tích thông tin thu thập được.

3. Các Mô Hình Phân Tích Dữ Liệu Định Tính

• Mô hình phân tích tương tác Miles và Huberman:
  • Đặc điểm: Thực hiện liên tục, tương tác cho đến khi dữ liệu bão hòa (không còn thông tin mới).
  • Các bước:
    1. Trình bày dữ liệu (Data Display): Dưới dạng văn bản, hình ảnh, biểu đồ, bảng (chỉ dùng để minh họa mối quan hệ, không phải bảng số liệu như trong phân tích định lượng).
    2. Rút gọn dữ liệu (Data Reduction): Phân loại, nhóm, loại bỏ thông tin không quan trọng để dễ dàng đưa ra kết luận.
    3. Xác minh dữ liệu (Data Verification): Giải thích, hiểu ý nghĩa của dữ liệu đã trình bày.
    4. Rút ra kết luận (Conclusion Drawing): Kết luận ban đầu có thể tạm thời, sau đó được điều chỉnh khi có thêm thông tin.
• Phương pháp so sánh liên tục (Constant Comparison Method): So sánh dữ liệu với dữ liệu khác, so sánh danh mục với danh mục khác. Các bước: rút gọn dữ liệu, phân loại dữ liệu, tổng hợp, xây dựng giả thuyết làm việc.
• Mô hình phân tích miền (Domain Analysis): Đọc và hiểu dữ liệu chi tiết để xác định các miền (domain) từ các từ, cụm từ hoặc câu. Các bước: xác định mối quan hệ ngữ nghĩa, chuẩn bị bảng phân tích miền, chọn mẫu ghi chép thực địa, tìm thuật ngữ tham chiếu, lặp lại quá trình tìm kiếm miền, lập danh sách các miền không tìm thấy.
• Phân tích phân loại (Taxonomic Analysis): Hiểu các miền cụ thể theo mục tiêu nghiên cứu, chia miền thành các miền con và chi tiết hơn. Các bước: chọn miền để phân tích, tìm điểm tương đồng dựa trên mối quan hệ ngữ nghĩa, tìm miền lớn hơn, bao quát hơn, tạo phân loại tạm thời, phỏng vấn tập trung để kiểm tra phân tích, xây dựng phân loại hoàn chỉnh.
• Phân tích thành phần (Componential Analysis): Tạo các danh mục liên quan, xác định các đặc điểm liên quan và hiểu sự tương đồng, mối quan hệ bên trong và sự khác biệt giữa các miền.
• Khám phá các chủ đề văn hóa (Discovery of Cultural Themes): Tập trung vào các chủ đề văn hóa, giá trị, biểu tượng trong mỗi miền và mối quan hệ giữa chúng.
• Nghiên cứu lý thuyết nền tảng (Grounded Theory Research): Mô tả chính xác các hiện tượng xã hội và xây dựng mối quan hệ giữa các hiện tượng.

4. Kỹ Thuật Kiểm Tra Tính Hợp Lệ của Dữ Liệu Định Tính

• Vấn đề khách quan: Đảm bảo tính khách quan của dữ liệu và kết quả nghiên cứu.
• Phương pháp:
  • Độ tin cậy (Credibility): Đảm bảo dữ liệu đáng tin cậy. Các cách: kéo dài thời gian quan sát, tăng cường sự siêng năng, tam giác hóa (triangulation) (sử dụng các kỹ thuật hoặc nguồn khác nhau), thảo luận với đồng nghiệp, phân tích các trường hợp tiêu cực, kiểm tra lại với thành viên (member check).
  • Khả năng chuyển giao (Transferability): Báo cáo kết quả nghiên cứu chi tiết để người đọc có thể hiểu bối cảnh và áp dụng kết quả vào các bối cảnh khác.
  • Tính phụ thuộc (Dependability): Tương đương với độ tin cậy (reliability) trong nghiên cứu định lượng. Đảm bảo người khác có thể lặp lại và phản ánh quá trình nghiên cứu.
  • Tính xác nhận (Confirmability): Đảm bảo kết quả nghiên cứu có thể được xác nhận bởi người khác.

5. Phân Tích Dữ Liệu Định Lượng

• Định nghĩa: Quá trình xử lý dữ liệu thu thập được từ khảo sát, dưới dạng số liệu, bằng thống kê.
• Thời điểm thực hiện: Sau khi thu thập xong dữ liệu.
• Phân loại:
  • Thống kê mô tả (Descriptive Statistics): Mô tả, tóm tắt dữ liệu bằng bảng, biểu đồ, các chỉ số thống kê (trung bình, trung vị, mode, độ lệch chuẩn,...).
  • Thống kê suy luận (Inferential Statistics): Sử dụng mẫu để suy luận về tổng thể. Chia thành:
    • Tham số (Parametric): Yêu cầu kiểm định các giả định (dữ liệu phân phối chuẩn, phương sai bằng nhau,...).
    • Phi tham số (Non-parametric): Không yêu cầu kiểm định các giả định.

6. Các Phương Pháp Thống Kê Suy Luận

• Phân tích so sánh (Comparative Analysis):
  • Kiểm định T (T-test): So sánh trung bình của hai nhóm.
    • T-test độc lập (Independent samples T-test): So sánh hai nhóm độc lập.
    • T-test ghép cặp (Paired samples T-test): So sánh hai nhóm có liên quan (ví dụ: trước và sau can thiệp).
  • Phân tích phương sai (ANOVA): So sánh trung bình của nhiều hơn hai nhóm.
    • ANOVA một yếu tố (One-way ANOVA).
    • ANOVA hai yếu tố (Two-way ANOVA).
• Phân tích kết hợp (Associative Analysis):
  • Phân tích tương quan (Correlation Analysis): Đo lường mức độ liên hệ giữa hai biến.
  • Phân tích hồi quy (Regression Analysis): Dự đoán giá trị của một biến dựa trên giá trị của biến khác.
• Phân tích cấu trúc (Structural Analysis):
  • Phân tích đường dẫn (Path Analysis): Kiểm tra mối quan hệ nhân quả giữa các biến.
  • Mô hình phương trình cấu trúc (Structural Equation Modeling - SEM): Kết hợp phân tích yếu tố và phân tích hồi quy để kiểm tra các mối quan hệ phức tạp giữa các biến.

7. Kết Luận

Video trình bày chi tiết về phân tích dữ liệu định tính và định lượng, bao gồm định nghĩa, phân loại, các mô hình phân tích, kỹ thuật kiểm tra tính hợp lệ và các phương pháp thống kê. Nhấn mạnh sự khác biệt giữa hai phương pháp và tầm quan trọng của việc lựa chọn phương pháp phù hợp với loại dữ liệu và mục tiêu nghiên cứu.