Sở Y tế tỉnh Kon Tum
Nghiên cứu định tính: Những điểm mấu chốt
| Nghiên cứu định tính: Tóm tắt những điểm mấu chốt | |
| Hoạt động Điểm mấu chốt | |
| 1. Lựa chọn đối tượng | * Câu hỏi nghiên cứu thật rõ ràng và lựa chọn đối tượng tham gia có thể trả lời câu hỏi tốt nhất và cho thông tin nhiều nhất về câu hỏi. * Tìm kiếm đối tượng có chủ đích trừ khi đã đạt được mức bão hòa hoặc hiểu biết tường tận về hiện tượng. |
| 2. Phân tích dữ liệu | Bao gồm 3 giai đoạn: & Dỡ bỏ cấu trúc (Deconstruction) & Diễn giải (Interpretation) & Tái lập cấu trúc (Reconstruction) |
| 3. Chất lượng và độ chặt chẽ | Bao gồm việc bảo đảm: & Chính xác (‘‘Authenticity’’) tức chất lượng của dữ liệu và việc thu thập dữ liệu & Chặt chẽ (‘‘Trustworthiness‘‘) tức chất lượng của việc phân tích dữ liệu |
LỰA CHỌN ĐỐI TƯỢNG
Nghiên cứu định lượng đòi hỏi sự chuẩn hóa của phương pháp và sự lựa chọn ngẫu nhiên các đối tượng tham gia nhằm loại bỏ tác động có thể có của những thông số bên ngoài và đảm bảo tính khái quát của kết quả. Ngược lại, lựa chọn đối tượng nghiên cứu ở nghiên cứu định tính thường có mục đích; là những đối tượng có thể có thông tin tốt nhất cho các câu hỏi nghiên cứu và tăng thêm sự hiểu tường tận về hiện tượng đang nghiên cứu. Do vậy, một trong những công việc quan trọng nhất khi thiết kế từng giai đoạn nghiên cứu là việc tìm ra những đối tượng thích hợp. Quyết định lựa chọn dựa trên câu hỏi nghiên cứu, giả thuyết nghiên cứu và bằng chứng mà nghiên cứu thông tin. Các đối tượng được chọn cần có khả năng đưa ra các thông tin quan trọng về các mặt và giả thuyết của hiện tượng được nghiên cứu. Lấy ví dụ, trong một nghiên cứu can thiệp chuyên môn nhằm gia tăng tính chuyên nghiệp, những đối tượng đại diện có thể được chọn theo vai trò (nội trú hay không nội trú), giả định (những người chấp thuận/không chấp thuận can thiệp), mức kinh nghiệm (nội trú lâu năm hay ít năm) và/hoặc là đặc trưng khác (giới, tôn giáo, những thông tin cơ bản khác). Cần quan tâm tiếp theo là cỡ mẫu. Nghiên cứu định lượng cần tính toán thống kê cỡ mẫu là điều tiên quyết nhằm đảm bảo đủ lực để xác định kết cục có thực sự là do can thiệp hay không. Tuy nhiên, trong nghiên cứu định tính thường lại không đoán định trước cỡ mẫu. Số lượng đối tượng tham gia tùy thuộc con số cần có để cung cấp đầy đủ thông tin về tất cả các yếu tố của hiện tượng nghiên cứu. Như vậy, cỡ mẫu là đã đủ một khi các phỏng vấn sâu hay thảo luận nhóm làm tiếp theo không cho phép nhận định thêm các giả thuyết mới, một điểm kết thường được gọi là bảo hòa dữ liệu. Để xác định khi nào bão hòa dữ liệu, tốt nhất là việc phân tích được làm song hành với việc thu thập dữ liệu theo một chu kỳ khép kín, nhắc đi nhắc lại. Điều này cho phép người nghiên cứu ghi nhận được sự xuất hiện của chủ đề (nội dung) mới và cũng xác định được được những giả thuyết có thể bị bỏ sót. Trong ví dụ can thiệp chuyên môn nói trên, khi dữ liệu được phân tích, các nhà nghiên cứu có thể ghi nhận là chỉ có những kinh nghiệm và tầm nhìn tích cực là được báo cáo. Lúc đó, người ta có thể quyết định xác định và tìm kiếm những đối tượng là nội trú có nhận định kinh nghiệm không mấy tích cực - dương tính.
PHÂN TÍCH DỮ LIỆU
Mục tiêu của nghiên cứu định lượng là diễn giải dữ liệu và các nội dung là kết quả của phân tích, nhằm làm cho hiện tượng được nghiên cứu dễ hiểu hơn. Nó thường bị nhầm lẫn với phân tích nội dung (content analysis), thường làm để ghi nhận và mô tả kết quả. Trong ví dụ can thiệp chuyên môn, phân tích nội dung của các bảng trả lời có thể ghi nhận lại là các bác sĩ – điều dưỡng nội trú xác định những điểm tích cực của đổi mới có thể tích hợp vào những ca bệnh thực tế, cơ hội để nghe về quan điểm của người khác và thời gian chiêm nghiệm về tính chuyên nghiệp của bản thân. Phân tích diễn giải (interpretive analysis) thì lại muốn tìm hiểu sâu các bảng trả lời bằng những câu hỏi như, “Có thể có những tình huống nào thường dễ bộc lộ các phản ứng tích cực này?”. Những phân tích diễn giải về sau có thể cho thấy sự vào cuộc của những người không làm nội trú (faculty) có tác động lên các phản ứng dương tính, với nhiều điểm dương tính được các nội trú mô tả lại khi có người không làm nội trú phản ánh về tính chuyên nghiệp của bản thân hoặc hỏi thăm dò những bằng chứng về ca bệnh. Diễn giải này có thể mang lại một sự hiểu biết sâu hơn về các kết quả và có thể là những ý tưởng hay giả thuyết mới về mối liên quan và/hoặc là vì sao và như thế nào mà sáng kiến có hoặc không có hiệu quả.
Phân tích diễn giải thường được tiến hành qua 3 giai đoạn: dỡ bỏ cấu trúc, diễn giải và tái lập cấu trúc. Những giai đoạn này thường xảy ra sau sự chuẩn bị dữ liệu cho phân tích, ví dụ như là sau ghi chép lại các cuộc phỏng vấn hoặc thảo luận nhóm và kiểm tra lại bản ghi chép với băng ghi âm.
1. Dỡ bỏ cấu trúc có nghĩa là dữ liệu được phân rã thành phần chứa các bộ phận cấu thành nhằm xem nó bao gồm những gì. Nó cũng tương tự như phân tích nội dung như đã nói ở trên. Làm điều này cần phải đọc đi, đọc lại bản ghi cuộc phỏng vấn hay thảo luận nhóm rồi sau đó phân dữ liệu theo nhóm hay mã mô tả nội dung của nó.
2. Diễn giải tiếp theo sau dỡ bỏ cấu trúc và nhằm để dữ liệu đã dán mã có nghĩa và dễ hiểu. Điều này liên quan đến việc so sánh các mã và danh mục dữ liệu dữ liệu trong và giữa các bảng điểm cũng như giữa các biến được coi là quan trọng đối với nghiên cứu (ví dụ, số năm nội trú, khoa phòng, tham gia của người không làm nội trú). Kỹ thuật để diễn giải số liệu và các kết quả bao gồm thảo luận và so sánh mã giữa các thành viên nhóm nghiên cứu với chủ đích là xem xét sự trùng khớp và khác biệt giữa các chủ đề, so sánh kết quả với các kết quả của nghiên cứu khác, khám phá những giả thuyết có thể giải thích mối liên quan giữa các chủ đề và phát hiện những kết quả trái ngược với chủ đề đang quan tâm nghiên cứu một cách chi tiết hơn.
3. Tái lập cấu trúc có nghĩa là làm lại hay phân bổ lại những mã và nội dung đang trội lên theo một cách mà có thể chứng minh được các mối liên quan và hiểu biết sâu từ giai đoạn diễn giải và có thể giải thích chúng một cách mở rộng hơn trong sự hiểu biết hiện nay và các quan điểm lý thuyết. Thường là có một hay hai giả thuyết trọng tâm sẽ trội lên và những giả thuyết khác như là chủ đề thứ yếu sẽ góp phần củng cố giả thuyết trung tâm. Tái lập cấu trúc đòi hỏi cần phối cảnh văn bản (contextualizing) các kết quả tìm thấy, ví dụ như, đóng khung và sắp xếp vị trí của chúng trong giả thuyết hiện có, bằng chứng và thực hành hiện hành.
BẢO ĐẢM CHẤT LƯỢNG, TÍNH CHẶT CHẼ CỦA NGHIÊN CỨU
Trong nghiên cứu định tính, hai chiến lược chủ yếu nhằm nâng cao tính chặt chẽ và chất lượng của nghiên cứu là: đảm bảo chất lượng tức “tính chính xác” (‘‘authenticity’’) của số liệu và chất lượng của việc phân tích tức “tính chặt chẽ” (‘‘trustworthiness’’). Đó là những phương cách tương tự ở nghiên cứu định lượng đảm bảo hiệu lực (validity) và tin cậy (reliability).
1. Tính chính xác của dữ liệu tức là chất lượng của số liệu và phương pháp thu thập dữ liệu; bao gồm các yếu tố:
- Chọn mẫu và lựa đối tượng nghiên cứu sao cho câu hỏi nghiên cứu có thể được tiếp cận một cách thích hợp (xem phần Lựa chọn đối tượng, ở trên).
- Phép tam giác phân dữ liệu (Data triangulation) là việc sử dụng nhiều nguồn dữ liệu khác nhau để cho ra một quan điểm dễ hiểu hơn về hiện tượng được nghiên cứu, ví dụ như phỏng vấn cả người làm việc nội trú và không nội trú và ở nhiều cơ sở và/hoặc là khoa phòng khác nhau.
- Sử dụng phương pháp thích hợp để trả lời câu hỏi nghiên cứu, quan tâm đến bản chất của chủ đề cần nghiên cứu, ví dụ như, phỏng vấn từng người thường được sử dụng hơn thảo luận nhóm vì thích hợp với các chủ đề mang tính chất nhạy cảm.
- Sử dụng kiểu phỏng vấn hay các hướng dẫn khác ít gây hiểu sai hoặc mang tính chất dẫn dắt, ví dụ như không hỏi những câu mà biết đối tượng trả lời theo kiểu định sẵn.
- Nghiên cứu viên và nhóm nghiên cứu có thể có những định kiến về hiện tượng đang được nghiên cứu, do vậy cần làm rõ vấn đề này và để tránh sai số, nếu cần thiết, nên có những bước đi thích hợp để giảm thiểu tác động đó, ví dụ như, chọn một “bên thứ ba” độc lập để làm người phỏng vấn.
2. Tính chặt chẽ của phân tích số liệu chính là chất lượng của phân tích dữ liệu. Những yếu tố liên quan đến lượng giá chất lượng của phân tích dữ liệu bao gồm:
- Qui trình phân tích: phải được mô tả rõ nét, ví dụ như, vai trò của từng thành viên nhóm nghiên cứu, những gì đã làm, thời gian nào và trình tự ra sao? Việc phân nhóm hay dán mã dữ liệu đã triển khai rõ ràng dễ hiểu chưa? Qui trình đã thể hiện cách làm tốt nhất chưa, ví dụ, so sánh kết quả thu được trong và xuyên suốt bản ghi chép và sử dụng các bản ghi nhớ để ghi lại những điều đã quyết định?
- Phương pháp giải quyết sự khác biệt trong các kết quả tìm thấy và giữa các thành viên trong nhóm, việc này cũng cần được mô tả rõ ràng.
- Qui trình giám sát khả năng quan điểm và định kiến của nghiên cứu viên có thể tác động lên quá trình phân tích dữ liệu.
- Sử dụng một chương trình phần mềm định tính: nếu có, thì dùng cách nào?
Nghiên cứu định lượng đòi hỏi sự chuẩn hóa của phương pháp và sự lựa chọn ngẫu nhiên các đối tượng tham gia nhằm loại bỏ tác động có thể có của những thông số bên ngoài và đảm bảo tính khái quát của kết quả. Ngược lại, lựa chọn đối tượng nghiên cứu ở nghiên cứu định tính thường có mục đích; là những đối tượng có thể có thông tin tốt nhất cho các câu hỏi nghiên cứu và tăng thêm sự hiểu tường tận về hiện tượng đang nghiên cứu. Do vậy, một trong những công việc quan trọng nhất khi thiết kế từng giai đoạn nghiên cứu là việc tìm ra những đối tượng thích hợp. Quyết định lựa chọn dựa trên câu hỏi nghiên cứu, giả thuyết nghiên cứu và bằng chứng mà nghiên cứu thông tin. Các đối tượng được chọn cần có khả năng đưa ra các thông tin quan trọng về các mặt và giả thuyết của hiện tượng được nghiên cứu. Lấy ví dụ, trong một nghiên cứu can thiệp chuyên môn nhằm gia tăng tính chuyên nghiệp, những đối tượng đại diện có thể được chọn theo vai trò (nội trú hay không nội trú), giả định (những người chấp thuận/không chấp thuận can thiệp), mức kinh nghiệm (nội trú lâu năm hay ít năm) và/hoặc là đặc trưng khác (giới, tôn giáo, những thông tin cơ bản khác). Cần quan tâm tiếp theo là cỡ mẫu. Nghiên cứu định lượng cần tính toán thống kê cỡ mẫu là điều tiên quyết nhằm đảm bảo đủ lực để xác định kết cục có thực sự là do can thiệp hay không. Tuy nhiên, trong nghiên cứu định tính thường lại không đoán định trước cỡ mẫu. Số lượng đối tượng tham gia tùy thuộc con số cần có để cung cấp đầy đủ thông tin về tất cả các yếu tố của hiện tượng nghiên cứu. Như vậy, cỡ mẫu là đã đủ một khi các phỏng vấn sâu hay thảo luận nhóm làm tiếp theo không cho phép nhận định thêm các giả thuyết mới, một điểm kết thường được gọi là bảo hòa dữ liệu. Để xác định khi nào bão hòa dữ liệu, tốt nhất là việc phân tích được làm song hành với việc thu thập dữ liệu theo một chu kỳ khép kín, nhắc đi nhắc lại. Điều này cho phép người nghiên cứu ghi nhận được sự xuất hiện của chủ đề (nội dung) mới và cũng xác định được được những giả thuyết có thể bị bỏ sót. Trong ví dụ can thiệp chuyên môn nói trên, khi dữ liệu được phân tích, các nhà nghiên cứu có thể ghi nhận là chỉ có những kinh nghiệm và tầm nhìn tích cực là được báo cáo. Lúc đó, người ta có thể quyết định xác định và tìm kiếm những đối tượng là nội trú có nhận định kinh nghiệm không mấy tích cực - dương tính.
PHÂN TÍCH DỮ LIỆU
Mục tiêu của nghiên cứu định lượng là diễn giải dữ liệu và các nội dung là kết quả của phân tích, nhằm làm cho hiện tượng được nghiên cứu dễ hiểu hơn. Nó thường bị nhầm lẫn với phân tích nội dung (content analysis), thường làm để ghi nhận và mô tả kết quả. Trong ví dụ can thiệp chuyên môn, phân tích nội dung của các bảng trả lời có thể ghi nhận lại là các bác sĩ – điều dưỡng nội trú xác định những điểm tích cực của đổi mới có thể tích hợp vào những ca bệnh thực tế, cơ hội để nghe về quan điểm của người khác và thời gian chiêm nghiệm về tính chuyên nghiệp của bản thân. Phân tích diễn giải (interpretive analysis) thì lại muốn tìm hiểu sâu các bảng trả lời bằng những câu hỏi như, “Có thể có những tình huống nào thường dễ bộc lộ các phản ứng tích cực này?”. Những phân tích diễn giải về sau có thể cho thấy sự vào cuộc của những người không làm nội trú (faculty) có tác động lên các phản ứng dương tính, với nhiều điểm dương tính được các nội trú mô tả lại khi có người không làm nội trú phản ánh về tính chuyên nghiệp của bản thân hoặc hỏi thăm dò những bằng chứng về ca bệnh. Diễn giải này có thể mang lại một sự hiểu biết sâu hơn về các kết quả và có thể là những ý tưởng hay giả thuyết mới về mối liên quan và/hoặc là vì sao và như thế nào mà sáng kiến có hoặc không có hiệu quả.
Phân tích diễn giải thường được tiến hành qua 3 giai đoạn: dỡ bỏ cấu trúc, diễn giải và tái lập cấu trúc. Những giai đoạn này thường xảy ra sau sự chuẩn bị dữ liệu cho phân tích, ví dụ như là sau ghi chép lại các cuộc phỏng vấn hoặc thảo luận nhóm và kiểm tra lại bản ghi chép với băng ghi âm.
1. Dỡ bỏ cấu trúc có nghĩa là dữ liệu được phân rã thành phần chứa các bộ phận cấu thành nhằm xem nó bao gồm những gì. Nó cũng tương tự như phân tích nội dung như đã nói ở trên. Làm điều này cần phải đọc đi, đọc lại bản ghi cuộc phỏng vấn hay thảo luận nhóm rồi sau đó phân dữ liệu theo nhóm hay mã mô tả nội dung của nó.
2. Diễn giải tiếp theo sau dỡ bỏ cấu trúc và nhằm để dữ liệu đã dán mã có nghĩa và dễ hiểu. Điều này liên quan đến việc so sánh các mã và danh mục dữ liệu dữ liệu trong và giữa các bảng điểm cũng như giữa các biến được coi là quan trọng đối với nghiên cứu (ví dụ, số năm nội trú, khoa phòng, tham gia của người không làm nội trú). Kỹ thuật để diễn giải số liệu và các kết quả bao gồm thảo luận và so sánh mã giữa các thành viên nhóm nghiên cứu với chủ đích là xem xét sự trùng khớp và khác biệt giữa các chủ đề, so sánh kết quả với các kết quả của nghiên cứu khác, khám phá những giả thuyết có thể giải thích mối liên quan giữa các chủ đề và phát hiện những kết quả trái ngược với chủ đề đang quan tâm nghiên cứu một cách chi tiết hơn.
3. Tái lập cấu trúc có nghĩa là làm lại hay phân bổ lại những mã và nội dung đang trội lên theo một cách mà có thể chứng minh được các mối liên quan và hiểu biết sâu từ giai đoạn diễn giải và có thể giải thích chúng một cách mở rộng hơn trong sự hiểu biết hiện nay và các quan điểm lý thuyết. Thường là có một hay hai giả thuyết trọng tâm sẽ trội lên và những giả thuyết khác như là chủ đề thứ yếu sẽ góp phần củng cố giả thuyết trung tâm. Tái lập cấu trúc đòi hỏi cần phối cảnh văn bản (contextualizing) các kết quả tìm thấy, ví dụ như, đóng khung và sắp xếp vị trí của chúng trong giả thuyết hiện có, bằng chứng và thực hành hiện hành.
BẢO ĐẢM CHẤT LƯỢNG, TÍNH CHẶT CHẼ CỦA NGHIÊN CỨU
Trong nghiên cứu định tính, hai chiến lược chủ yếu nhằm nâng cao tính chặt chẽ và chất lượng của nghiên cứu là: đảm bảo chất lượng tức “tính chính xác” (‘‘authenticity’’) của số liệu và chất lượng của việc phân tích tức “tính chặt chẽ” (‘‘trustworthiness’’). Đó là những phương cách tương tự ở nghiên cứu định lượng đảm bảo hiệu lực (validity) và tin cậy (reliability).
1. Tính chính xác của dữ liệu tức là chất lượng của số liệu và phương pháp thu thập dữ liệu; bao gồm các yếu tố:
- Chọn mẫu và lựa đối tượng nghiên cứu sao cho câu hỏi nghiên cứu có thể được tiếp cận một cách thích hợp (xem phần Lựa chọn đối tượng, ở trên).
- Phép tam giác phân dữ liệu (Data triangulation) là việc sử dụng nhiều nguồn dữ liệu khác nhau để cho ra một quan điểm dễ hiểu hơn về hiện tượng được nghiên cứu, ví dụ như phỏng vấn cả người làm việc nội trú và không nội trú và ở nhiều cơ sở và/hoặc là khoa phòng khác nhau.
- Sử dụng phương pháp thích hợp để trả lời câu hỏi nghiên cứu, quan tâm đến bản chất của chủ đề cần nghiên cứu, ví dụ như, phỏng vấn từng người thường được sử dụng hơn thảo luận nhóm vì thích hợp với các chủ đề mang tính chất nhạy cảm.
- Sử dụng kiểu phỏng vấn hay các hướng dẫn khác ít gây hiểu sai hoặc mang tính chất dẫn dắt, ví dụ như không hỏi những câu mà biết đối tượng trả lời theo kiểu định sẵn.
- Nghiên cứu viên và nhóm nghiên cứu có thể có những định kiến về hiện tượng đang được nghiên cứu, do vậy cần làm rõ vấn đề này và để tránh sai số, nếu cần thiết, nên có những bước đi thích hợp để giảm thiểu tác động đó, ví dụ như, chọn một “bên thứ ba” độc lập để làm người phỏng vấn.
2. Tính chặt chẽ của phân tích số liệu chính là chất lượng của phân tích dữ liệu. Những yếu tố liên quan đến lượng giá chất lượng của phân tích dữ liệu bao gồm:
- Qui trình phân tích: phải được mô tả rõ nét, ví dụ như, vai trò của từng thành viên nhóm nghiên cứu, những gì đã làm, thời gian nào và trình tự ra sao? Việc phân nhóm hay dán mã dữ liệu đã triển khai rõ ràng dễ hiểu chưa? Qui trình đã thể hiện cách làm tốt nhất chưa, ví dụ, so sánh kết quả thu được trong và xuyên suốt bản ghi chép và sử dụng các bản ghi nhớ để ghi lại những điều đã quyết định?
- Phương pháp giải quyết sự khác biệt trong các kết quả tìm thấy và giữa các thành viên trong nhóm, việc này cũng cần được mô tả rõ ràng.
- Qui trình giám sát khả năng quan điểm và định kiến của nghiên cứu viên có thể tác động lên quá trình phân tích dữ liệu.
- Sử dụng một chương trình phần mềm định tính: nếu có, thì dùng cách nào?
Phạm Bá Đà – Hội Y Dược học tỉnh Kon Tum
Nguồn:
1. Viện Y tế công cộng TP Hồ Chí Minh: https://iphhcm.org/bai-giang/
Mục 4- Nghiên cứu khoa học (ngày 02 tháng 8 năm 2013) GSTS Lê Hoàng Ninh: Qualitative Data Analysis (https://drive.google.com/drive/folders/1Ni8zM8vLlOH_-X8t_y_506FLTs9kJdsZ)
2. Joan Sargeant, PhD: “Qualitative ResearchPartII: Participants, Analysis, and Quality Assurance”; https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3312514/pdf/i1949-8357-4-1-1.pdf
1. Viện Y tế công cộng TP Hồ Chí Minh: https://iphhcm.org/bai-giang/
Mục 4- Nghiên cứu khoa học (ngày 02 tháng 8 năm 2013) GSTS Lê Hoàng Ninh: Qualitative Data Analysis (https://drive.google.com/drive/folders/1Ni8zM8vLlOH_-X8t_y_506FLTs9kJdsZ)
2. Joan Sargeant, PhD: “Qualitative ResearchPartII: Participants, Analysis, and Quality Assurance”; https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3312514/pdf/i1949-8357-4-1-1.pdf
Ý kiến bạn đọc
Bạn cần đăng nhập với tư cách là Thành viên chính thức để có thể bình luận
Những tin cũ hơn
THÔNG BÁO
THÔNG TIN CHUNG
 |
 |
 |
 |
Ảnh hoạt động ngành Y tế
Thăm dò ý kiến
Mời nhập mã xác nhận
Thống kê
- Đang truy cập20
- Máy chủ tìm kiếm1
- Khách viếng thăm19
- Hôm nay4,120
- Tháng hiện tại151,158
- Tổng lượt truy cập5,007,926
 |
VĂN BẢN MỚI BAN HÀNH
Video tuyên truyền
