Cách mã hóa dữ liệu định tính: hướng dẫn dễ hiểu cho người mới bắt đầu

Bạn đã có 6–10 file transcript phỏng vấn, mở từng file ra thì thấy người tham gia nói rất nhiều, nhưng đến lúc viết kết quả lại không biết đoạn nào đáng dùng, đoạn nào chỉ là chuyện nền. Đây là lúc nhiều sinh viên bắt đầu tìm cách mã hóa dữ liệu định tính, rồi bị rối vì các từ như “mã hóa mở”, “chủ đề”, “sổ mã”, “trích dẫn minh họa” nghe giống nhau nhưng không làm cùng một việc. Vấn đề không nằm ở chỗ bạn đọc chưa đủ kỹ; thường là bạn chưa có một quy trình biến câu nói rời rạc thành bằng chứng phân tích. Nếu mã quá vụn, bài sẽ thành danh sách mẩu ý. Nếu mã quá rộng, phần kết quả sẽ giống tóm tắt phỏng vấn.

Cách mã hóa dữ liệu định tính bắt đầu bằng việc đọc transcript, đánh dấu các đoạn có ý nghĩa, đặt mã ngắn cho từng ý, nhóm các mã gần nhau thành chủ đề và dùng trích dẫn để chứng minh diễn giải. Người mới nên mã hóa từng vòng: mã hóa mở trước để không bỏ sót dữ liệu, sau đó rà lại sổ mã và viết kết quả theo chủ đề thay vì kể lại từng người trả lời.

In this guide

• Cách mã hóa dữ liệu định tính là gì và bắt đầu từ đâu?
• Mã hóa dữ liệu phỏng vấn khác gì với đọc lại transcript thông thường?
• Làm thế nào để chuẩn bị transcript trước khi mã hóa định tính?
• Các bước mã hóa dữ liệu phỏng vấn cho người mới bắt đầu là gì?
• Ví dụ mã hóa mở trông như thế nào trong bài khóa luận hoặc luận văn?
• Mã và chủ đề trong nghiên cứu định tính khác nhau như thế nào?
• Sinh viên thường mắc lỗi gì khi mã hóa dữ liệu định tính?
• Làm sao viết phần kết quả sau khi đã có mã và chủ đề?
• Trước khi chuyển sang viết kết quả, cần kiểm tra gì?

Cách mã hóa dữ liệu định tính là gì và bắt đầu từ đâu?

Cách mã hóa dữ liệu định tính là quy trình gắn nhãn cho các đoạn dữ liệu có ý nghĩa để tìm mẫu lặp, khác biệt và chủ đề phân tích. Bạn không chỉ “tô màu câu hay”, mà đang chuyển dữ liệu thô thành hệ thống mã có thể giải thích được. Điểm bắt đầu tốt nhất là câu hỏi nghiên cứu, transcript sạch và một bảng mã ban đầu đủ linh hoạt để sửa.

Định nghĩa ngắn gọn cho người mới

Mã là nhãn ngắn mô tả ý nghĩa của một đoạn dữ liệu, ví dụ “lo ngại chi phí”, “thiếu phản hồi từ giảng viên”, hoặc “tự học qua video”. Mã hóa định tính là việc gắn các nhãn này cho nhiều đoạn dữ liệu rồi so sánh chúng với nhau. Chủ đề là ý lớn hơn, được xây từ nhiều mã liên quan và trả lời trực tiếp cho câu hỏi nghiên cứu.

Ví dụ, trong một nghiên cứu tâm lý học về căng thẳng của sinh viên năm nhất, câu “Em sợ hỏi bài vì nghĩ các bạn khác hiểu hết rồi” có thể được mã là “sợ bị đánh giá” hoặc “im lặng trong lớp”. Nếu nhiều người cũng nói về việc ngại hỏi, tránh tương tác và tự so sánh với bạn bè, các mã đó có thể góp vào chủ đề “áp lực thể hiện năng lực trong môi trường mới”.

Bắt đầu từ câu hỏi nghiên cứu, không phải từ màu bút

Nếu câu hỏi nghiên cứu của bạn quá rộng, mã hóa sẽ bị loãng. Câu hỏi “Sinh viên nghĩ gì về học trực tuyến?” có thể tạo ra hàng trăm mã không liên kết. Câu hỏi “Sinh viên năm nhất ngành quản trị kinh doanh trải nghiệm sự tương tác nhóm trong lớp học trực tuyến như thế nào?” giúp bạn biết nên chú ý đến tương tác, nhóm, trải nghiệm và bối cảnh năm nhất.

Nếu bạn đang ở giai đoạn trước mã hóa, hãy xem cách tạo câu hỏi mở qua Phễu hình thành câu hỏi nghiên cứu định tính mở. Câu hỏi càng rõ về nhóm người, hiện tượng và bối cảnh, mã càng dễ gom thành chủ đề.

Mã hóa dữ liệu phỏng vấn khác gì với đọc lại transcript thông thường?

Mã hóa dữ liệu phỏng vấn khác với đọc transcript vì bạn đọc có mục tiêu phân tích, không chỉ hiểu nội dung bề mặt. Khi mã hóa, bạn đánh dấu đoạn dữ liệu, đặt nhãn nhất quán, so sánh giữa người tham gia và ghi lại lý do diễn giải. Đọc lại giúp bạn quen dữ liệu; mã hóa giúp bạn tạo bằng chứng cho phần kết quả.

Đọc để hiểu và đọc để phân tích

Lần đọc đầu thường chỉ để nắm câu chuyện: người tham gia nói về điều gì, cảm xúc ra sao, có đoạn nào bất ngờ không. Lần mã hóa cần chậm hơn. Bạn hỏi: đoạn này nói về hiện tượng nào, có liên quan đến câu hỏi nghiên cứu không, có giống hay khác các đoạn trước không?

Trong nghiên cứu điều dưỡng về việc tuân thủ uống thuốc của bệnh nhân cao tuổi sau khi xuất viện về chăm sóc tại nhà, câu “Con tôi đi làm cả ngày nên tôi uống lúc nhớ lúc quên” không chỉ là thông tin gia đình. Nó có thể được mã là “phụ thuộc hỗ trợ gia đình”, “quên thuốc khi thiếu nhắc nhở”, hoặc “gián đoạn chăm sóc sau xuất viện”, tùy câu hỏi nghiên cứu.

Mã hóa không phải là chép lại ý chính

Một lỗi phổ biến là biến mã thành bản tóm tắt quá dài. Nếu đoạn phỏng vấn dài 5 câu và mã của bạn cũng dài gần bằng đoạn đó, mã không còn giúp phân tích. Mã nên ngắn, đủ cụ thể và có thể dùng lại cho đoạn khác.

Phiên bản yếu	Phiên bản mạnh hơn
“Người tham gia nói rằng họ thấy khó học online vì mạng yếu và giáo viên ít phản hồi”	“khó khăn kỹ thuật” + “thiếu phản hồi”
“Bạn này không thích làm việc nhóm”	“tránh làm việc nhóm do phân công mơ hồ”
“Bệnh nhân không uống thuốc đều”	“quên thuốc khi không có người nhắc”
“Nhân viên thấy công ty thay đổi nhiều”	“mệt mỏi vì thay đổi liên tục”

Bảng trên cho thấy mã tốt không phải lúc nào cũng ngắn một từ. Điểm chính là mã phải nêu được ý nghĩa phân tích, không chỉ lặp lại câu chữ.

Làm thế nào để chuẩn bị transcript trước khi mã hóa định tính?

Trước khi mã hóa định tính, bạn cần làm sạch transcript, ẩn thông tin nhận dạng, chia đoạn hợp lý và tạo hệ thống lưu file nhất quán. Chuẩn bị tốt giúp bạn không mất dấu nguồn trích dẫn khi viết kết quả. Nếu transcript lộn xộn, mã hóa dễ sai vì bạn không biết câu nói thuộc ai, nằm trong ngữ cảnh nào.

Làm sạch nhưng không làm mất giọng nói

Transcript không cần đẹp như văn viết, nhưng phải đủ rõ để phân tích. Bạn có thể sửa lỗi chính tả rõ ràng, thống nhất ký hiệu ngắt lời và bỏ các âm đệm không có ý nghĩa nếu phương pháp của bạn không phân tích hội thoại chi tiết. Tuy vậy, đừng “viết lại cho hay” đến mức làm mất cách người tham gia diễn đạt.

Hãy giữ những tín hiệu có giá trị như ngập ngừng, cười, hoặc im lặng nếu chúng liên quan đến cảm xúc, do dự, hoặc trải nghiệm nhạy cảm. Ví dụ, trong nghiên cứu về sinh viên đi làm thêm, câu “Em… thật ra em cũng ngại nói với ba mẹ” khác với câu “Em ngại nói với ba mẹ” vì sự ngập ngừng có thể liên quan đến áp lực gia đình.

Đặt tên file và mã người tham gia

Dùng mã người tham gia thay cho tên thật, ví dụ SV01, SV02, GV01, BN03. Tên file nên có cấu trúc nhất quán như “SV01_transcript”, “SV01_memo”, “bang_ma_v1”. Khi viết kết quả, bạn có thể trích dẫn “SV03” mà không lộ danh tính.

Nếu bạn còn đang xây hướng dẫn phỏng vấn hoặc kiểm tra tính phù hợp của câu hỏi, tham khảo Sơ đồ trình tự câu hỏi cho hướng dẫn phỏng vấn định tính và Quy trình phỏng vấn nghiên cứu từ thiết kế đến đạo đức. Dữ liệu phỏng vấn càng có cấu trúc hợp lý, giai đoạn mã hóa càng ít bị rối.

Các bước mã hóa dữ liệu phỏng vấn cho người mới bắt đầu là gì?

Các bước mã hóa dữ liệu phỏng vấn gồm đọc làm quen, mã hóa mở, gom mã tương tự, rà lại mã trên toàn bộ transcript, phát triển chủ đề và chọn trích dẫn minh họa. Người mới nên làm bằng bảng tính hoặc phần mềm ghi chú trước khi dùng công cụ phức tạp. Mỗi bước cần để lại dấu vết để bạn có thể giải thích trong chương phương pháp.

Quy trình 6 bước dễ làm

1. Đọc toàn bộ transcript một lượt. Ghi vài nhận xét ban đầu về cảm xúc, ý lặp lại và đoạn gây chú ý.
2. Đánh dấu các đoạn có ý nghĩa. Một đoạn có thể là một câu, vài câu, hoặc một lượt trả lời.
3. Đặt mã ban đầu. Dùng cụm từ ngắn, gần dữ liệu, ví dụ “ngại hỏi giảng viên” hoặc “làm thêm ảnh hưởng lịch học”.
4. So sánh các mã giống nhau. Gộp “sợ hỏi sai” và “ngại phát biểu” nếu chúng cùng nói về nỗi sợ bị đánh giá.
5. Tạo sổ mã. Ghi tên mã, định nghĩa, khi nào dùng, khi nào không dùng và ví dụ trích dẫn.
6. Nhóm mã thành chủ đề. Kiểm tra xem chủ đề có trả lời câu hỏi nghiên cứu và có đủ dữ liệu chứng minh không.

Ghi memo để không quên lý do diễn giải

Memo phân tích là ghi chú ngắn về suy nghĩ của bạn trong lúc mã hóa. Memo khác với mã vì nó không chỉ đặt nhãn; nó giải thích tại sao một đoạn đáng chú ý hoặc vì sao hai mã có thể liên quan. Ví dụ: “Nhiều sinh viên nói ‘ngại làm phiền giảng viên’, có thể liên quan đến khoảng cách quyền lực trong lớp học Việt Nam.”

Memo giúp bạn viết phần phương pháp và kết quả có căn cứ hơn. Khi người hướng dẫn hỏi vì sao bạn gom các mã này thành một chủ đề, memo là bằng chứng cho quá trình ra quyết định.

Ví dụ mã hóa mở trông như thế nào trong bài khóa luận hoặc luận văn?

Ví dụ mã hóa mở thường trình bày một đoạn transcript ngắn, mã ban đầu gắn với từng ý và ghi chú về khả năng gom mã sau này. Mục tiêu của mã hóa mở là giữ dữ liệu “mở” đủ lâu để không ép người tham gia vào khung có sẵn quá sớm. Ở bậc cử nhân và thạc sĩ, bạn không cần tạo hàng trăm mã nếu dữ liệu nhỏ, nhưng mã phải đủ cụ thể để phân tích.

Ví dụ từ giáo dục

Giả sử đề tài giáo dục hỏi: “Sinh viên năm nhất trải nghiệm phản hồi của giảng viên trong lớp học trực tuyến như thế nào?” Một đoạn transcript có thể như sau:

Đoạn phỏng vấn: “Em nộp bài trên hệ thống nhưng không biết sai ở đâu. Thầy chỉ ghi điểm, không có nhận xét. Lần sau em vẫn làm theo cách cũ vì em không biết sửa gì.”

Đoạn dữ liệu	Mã hóa mở	Ghi chú phân tích
“không biết sai ở đâu”	thiếu phản hồi cụ thể	Liên quan đến khả năng tự điều chỉnh học tập
“chỉ ghi điểm, không có nhận xét”	điểm số thay cho góp ý	Có thể so sánh với phản hồi bằng lời
“vẫn làm theo cách cũ”	không thay đổi chiến lược học	Hậu quả của phản hồi mơ hồ

Đây là ví dụ mã hóa mở vì mã còn gần với câu nói của người tham gia. Sau vài transcript, các mã này có thể gom vào chủ đề “phản hồi thiếu hướng dẫn làm giảm khả năng cải thiện bài làm”.

Ví dụ từ quản trị kinh doanh

Trong một bài nghiên cứu quản trị về nhân viên mới tại doanh nghiệp bán lẻ, câu “Em được giao ca ngay tuần đầu, nhưng không ai nói rõ tiêu chí đánh giá” có thể được mã là “thiếu tiêu chí đánh giá”, “học việc qua thử sai”, hoặc “áp lực thích nghi nhanh”. Nếu nhiều nhân viên nhắc đến giao việc sớm, hướng dẫn miệng và sợ bị đánh giá, chủ đề có thể là “quy trình hội nhập không chính thức tạo áp lực tự xoay xở”.

So sánh một phiên bản sinh viên thường viết với cách sửa tốt hơn:

Yếu: “Nhân viên mới gặp nhiều khó khăn trong công ty.”

Mạnh hơn: “Nhân viên mới mô tả khó khăn chủ yếu đến từ việc thiếu tiêu chí đánh giá và phải học quy trình qua thử sai trong tuần đầu.”

Phiên bản mạnh hơn không chỉ nói “khó khăn”. Nó nêu loại khó khăn, bối cảnh và cơ chế xuất hiện trong dữ liệu.

Mã và chủ đề trong nghiên cứu định tính khác nhau như thế nào?

Mã và chủ đề trong nghiên cứu định tính khác nhau ở cấp độ phân tích. Mã là nhãn cho một đoạn dữ liệu cụ thể; chủ đề là ý nghĩa lớn hơn được xây từ nhiều mã và nhiều đoạn dữ liệu. Nếu mã trả lời “đoạn này nói về điều gì?”, chủ đề trả lời “mẫu ý này cho thấy điều gì về câu hỏi nghiên cứu?”

Bảng phân biệt mã, nhóm mã và chủ đề

Người mới thường đặt chủ đề quá sớm, khi mới có vài mã. Hãy xem chủ đề như kết quả của quá trình so sánh, không phải tên mục bạn nghĩ ra trước. Một chủ đề tốt cần có dữ liệu từ nhiều người tham gia, có ranh giới với chủ đề khác và có vai trò trong lập luận của bài.

Cấp độ	Câu hỏi kiểm tra	Ví dụ cụ thể
Mã	Đoạn này nói về ý gì?	“ngại hỏi giảng viên”, “thiếu phản hồi”, “học qua video”
Nhóm mã	Các mã nào nói về cùng một vấn đề?	“tìm hỗ trợ ngoài lớp”: hỏi bạn, xem YouTube, đọc nhóm Facebook
Chủ đề	Mẫu này cho thấy điều gì về hiện tượng?	“Sinh viên bù đắp khoảng trống phản hồi chính thức bằng mạng hỗ trợ phi chính thức”
Trích dẫn	Câu nào chứng minh chủ đề rõ nhất?	“Em không hỏi thầy nữa, em lên nhóm lớp xem bạn khác làm sao”

Chủ đề phải có vai trò trong câu trả lời

Không phải nhóm mã nào cũng xứng đáng thành chủ đề. Nếu chỉ có một người nhắc đến “mạng yếu” trong nghiên cứu về phản hồi giảng viên, nó có thể là bối cảnh phụ. Nhưng nếu hầu hết người tham gia nói mạng yếu khiến họ bỏ lỡ nhận xét trực tiếp, nó có thể nằm trong chủ đề về “gián đoạn giao tiếp trong lớp trực tuyến”.

Nếu bạn dùng phân tích chủ đề, bài Sơ đồ sáu giai đoạn phân tích chủ đề sẽ giúp đặt mã hóa vào toàn bộ quy trình: làm quen dữ liệu, tạo mã, tìm chủ đề, rà soát chủ đề, đặt tên chủ đề và viết báo cáo.

Sinh viên thường mắc lỗi gì khi mã hóa dữ liệu định tính?

Sinh viên thường mắc lỗi khi mã hóa dữ liệu định tính vì họ nhảy quá nhanh từ transcript sang kết luận, hoặc đặt mã không nhất quán giữa các file. Lỗi nghiêm trọng nhất không phải là “mã chưa hay”, mà là không chứng minh được vì sao một chủ đề xuất hiện từ dữ liệu. Dưới đây là các lỗi cụ thể và cách sửa.

Các lỗi làm bài phân tích yếu đi

1. Đặt mã quá chung chung
   Ví dụ sinh viên viết: “khó khăn học tập” cho mọi đoạn nói về điểm số, thời gian, mạng yếu và phản hồi.
   Cách sửa: tách theo ý nghĩa cụ thể hơn như “thiếu thời gian vì làm thêm”, “không hiểu tiêu chí chấm”, “mạng yếu khi thảo luận nhóm”.

2. Dùng chủ đề thay cho mã ngay từ đầu
   Ví dụ sinh viên mã hóa một câu ngắn là “ảnh hưởng của học trực tuyến đến động lực học tập của sinh viên”.
   Cách sửa: dùng mã gần dữ liệu trước, như “mất tập trung khi tắt camera” hoặc “khó duy trì lịch học”, rồi sau đó mới gom thành chủ đề.

3. Không ghi định nghĩa mã
   Ví dụ sinh viên dùng mã “thiếu hỗ trợ” cho cả giảng viên không trả lời email, gia đình không thông cảm và bạn cùng nhóm không hợp tác.
   Cách sửa: tạo sổ mã ghi rõ “thiếu hỗ trợ học thuật” khác với “thiếu hỗ trợ gia đình” hoặc “thiếu hỗ trợ nhóm”.

4. Chỉ chọn trích dẫn nghe hay
   Ví dụ sinh viên chọn câu cảm động nhất dù câu đó không đại diện cho chủ đề chính.
   Cách sửa: chọn trích dẫn vừa rõ, vừa liên quan trực tiếp đến mã và chủ đề; nếu là trường hợp ngoại lệ, hãy nói rõ nó là ngoại lệ.

5. Bỏ qua dữ liệu trái chiều
   Ví dụ phần lớn sinh viên than phiền phản hồi chậm, nhưng hai người nói phản hồi chậm giúp họ tự tìm tài liệu trước; bài viết lại bỏ qua hai ý này.
   Cách sửa: dùng dữ liệu trái chiều để làm chủ đề chính tinh tế hơn, chẳng hạn “phản hồi chậm vừa gây bất an vừa thúc đẩy tự học ở một số sinh viên”.

Lỗi về phạm vi trong bài bậc cử nhân và thạc sĩ

Nhiều bài ở bậc cử nhân hoặc thạc sĩ có số lượng phỏng vấn vừa phải, ví dụ 6–15 người. Với phạm vi này, bạn không cần cố tạo hệ thống mã phức tạp như một dự án lớn. Điều cần hơn là sự nhất quán: cùng một hiện tượng phải được mã tương tự ở các transcript khác nhau.

Nếu chương phương pháp chưa giải thích rõ cách bạn phân tích dữ liệu, hãy xem Quy trình xây dựng chương phương pháp nghiên cứu. Phần phương pháp cần nói bạn mã hóa thủ công hay dùng phần mềm, mã hóa theo hướng quy nạp hay có khung lý thuyết trước, và bạn kiểm tra chủ đề như thế nào.

Làm sao viết phần kết quả sau khi đã có mã và chủ đề?

Sau khi có mã và chủ đề, phần kết quả nên được viết theo chủ đề, không theo từng câu hỏi phỏng vấn hoặc từng người tham gia. Mỗi chủ đề cần có diễn giải, trích dẫn minh họa và liên hệ rõ với câu hỏi nghiên cứu. Bạn nên cho người đọc thấy dữ liệu dẫn đến kết luận như thế nào, thay vì chỉ tuyên bố rằng “nhiều người đồng ý”.

Công thức đoạn kết quả dễ áp dụng

Một đoạn kết quả định tính thường có 4 phần:

1. Câu chủ đề: nêu mẫu ý chính trong dữ liệu.
2. Diễn giải: giải thích mẫu này có nghĩa gì trong bối cảnh nghiên cứu.
3. Trích dẫn: đưa một hoặc hai câu nói tiêu biểu của người tham gia.
4. Bình luận ngắn: nối trích dẫn trở lại chủ đề, không để trích dẫn tự “nói thay” bạn.

Ví dụ trong nghiên cứu sức khỏe về bệnh nhân cao tuổi sau xuất viện:

Nhiều người tham gia mô tả việc uống thuốc tại nhà phụ thuộc vào người thân hơn là vào hướng dẫn xuất viện. Một bệnh nhân nói: “Nếu con gái tôi để thuốc sẵn trên bàn thì tôi uống, còn hôm nào nó đi sớm thì tôi hay quên” (BN04). Trích dẫn này cho thấy tuân thủ thuốc không chỉ là vấn đề nhận thức cá nhân, mà còn gắn với nhịp sinh hoạt và mạng hỗ trợ gia đình.

Không biến kết quả thành bản kể lại phỏng vấn

Cách viết yếu thường theo dạng: “SV01 nói…, SV02 nói…, SV03 nói…”. Cách này làm người đọc thấy bạn đang liệt kê người tham gia, không phân tích mẫu chung. Hãy dùng người tham gia để minh họa cho chủ đề, không dùng chủ đề để giới thiệu từng người.

Phiên bản yếu:

SV01 nói là bạn ấy khó học online. SV02 cũng nói giảng viên phản hồi chậm. SV03 nói bạn ấy phải hỏi bạn bè.

Phiên bản mạnh hơn:

Dữ liệu cho thấy sinh viên thường chuyển sang mạng hỗ trợ ngang hàng khi phản hồi chính thức từ giảng viên không đủ cụ thể. Các cách bù đắp gồm hỏi bạn cùng lớp, xem bài mẫu trong nhóm chung và tìm video hướng dẫn ngoài nền tảng học tập.

Phiên bản mạnh hơn có lập luận. Nó vẫn cần trích dẫn, nhưng trích dẫn sẽ phục vụ cho ý phân tích đã rõ.

Trước khi chuyển sang viết kết quả, cần kiểm tra gì?

Trước khi viết kết quả, bạn cần kiểm tra sổ mã, ranh giới chủ đề, trích dẫn minh họa và mức độ liên kết với câu hỏi nghiên cứu. Nếu bỏ qua bước này, phần kết quả dễ bị trùng ý hoặc thiếu bằng chứng. Checklist dưới đây giúp bạn phát hiện lỗi trước khi gửi bản nháp cho giảng viên hướng dẫn.

Before you move on: checklist mã hóa dữ liệu định tính

• Tôi đã đọc toàn bộ transcript ít nhất một lần trước khi đặt mã chính thức.
• Mỗi mã có tên ngắn, đủ cụ thể và không chỉ lặp lại nguyên câu phỏng vấn.
• Tôi có sổ mã ghi định nghĩa, điều kiện sử dụng và ví dụ cho các mã chính.
• Các mã gần giống nhau đã được gộp hoặc phân biệt bằng tiêu chí rõ ràng.
• Tôi biết mã nào chỉ là bối cảnh phụ và mã nào góp vào chủ đề chính.
• Mỗi chủ đề có dữ liệu từ nhiều đoạn hoặc nhiều người tham gia, không chỉ một câu đơn lẻ.
• Tôi đã kiểm tra dữ liệu trái chiều hoặc ngoại lệ thay vì bỏ qua chúng.
• Trích dẫn được chọn vì chứng minh chủ đề, không chỉ vì nghe ấn tượng.
• Tôi có thể giải thích cách đi từ mã hóa mở đến chủ đề cuối cùng.
• Các chủ đề trả lời trực tiếp cho câu hỏi nghiên cứu của bài.
• Phần phương pháp có mô tả cách mã hóa dữ liệu phỏng vấn đủ rõ để người đọc theo dõi.

Dấu hiệu bạn đã sẵn sàng viết

Bạn đã sẵn sàng viết khi nhìn vào mỗi chủ đề và có thể trả lời ba câu: chủ đề này nói gì, dữ liệu nào chứng minh, và nó trả lời phần nào của câu hỏi nghiên cứu. Nếu một chủ đề chỉ có tên hay nhưng không có trích dẫn phù hợp, hãy quay lại transcript. Nếu hai chủ đề dùng cùng một trích dẫn để nói gần như cùng một điều, hãy xem lại ranh giới giữa chúng.

Ở giai đoạn cuối, đừng cố làm mã hóa trông phức tạp hơn thực tế. Một bài nghiên cứu định tính tốt ở bậc cử nhân hoặc thạc sĩ thường thuyết phục nhờ quy trình rõ, mã nhất quán, chủ đề có bằng chứng và cách viết không phóng đại dữ liệu.