Phân tích chủ đề: hướng dẫn từng bước cho sinh viên với sáu giai đoạn và ví dụ

Bạn đã có file ghi âm phỏng vấn, vài chục trang transcript, hoặc một bảng câu trả lời mở trong Google Forms, nhưng càng đọc càng thấy dữ liệu “nói gì cũng có vẻ đúng”. Có bạn tô màu gần hết đoạn trả lời, có bạn đặt mã theo cảm tính, có bạn gom mọi thứ thành các chủ đề rất rộng như “khó khăn”, “động lực”, “giải pháp” rồi không biết viết chương kết quả thế nào cho thuyết phục. Trong văn hóa làm bài nghiên cứu ở các trường đại học Việt Nam, đặc biệt với bài cuối kỳ, đề án, khóa luận hoặc luận văn bậc thạc sĩ, giảng viên thường không chỉ hỏi “em tìm thấy gì?” mà còn hỏi “em đi từ dữ liệu đến kết luận bằng cách nào?”. Đó là lúc phân tích chủ đề trở thành một quy trình, không phải một thao tác tô màu tùy hứng.

Phân tích chủ đề là cách nhận diện các mẫu ý nghĩa lặp lại trong dữ liệu định tính, sau đó biến chúng thành các chủ đề có tên, ranh giới và bằng chứng trích dẫn rõ ràng. Cách làm phổ biến cho sinh viên là dùng sáu giai đoạn Braun và Clarke: đọc kỹ dữ liệu, mã hóa, tìm chủ đề, rà soát, định nghĩa và viết phân tích. Kết quả tốt không nằm ở việc có thật nhiều mã, mà ở chỗ mỗi chủ đề trả lời trực tiếp câu hỏi nghiên cứu và được nâng đỡ bằng dữ liệu cụ thể.

In this guide

• Phân tích chủ đề là gì và khi nào nên dùng?
• Phân tích chủ đề Braun và Clarke gồm những giai đoạn nào?
• Làm sao chuẩn bị dữ liệu trước khi mã hóa?
• Cách làm thematic analysis từ mã đến chủ đề như thế nào?
• Ví dụ phân tích chủ đề trong các ngành khác nhau ra sao?
• Sinh viên thường mắc lỗi gì khi làm phân tích chủ đề?
• Viết phần kết quả phân tích chủ đề như thế nào cho rõ?
• Làm sao kiểm tra chất lượng phân tích chủ đề trước khi nộp?

Phân tích chủ đề là gì và khi nào nên dùng?

Phân tích chủ đề là phương pháp phân tích dữ liệu định tính bằng cách tìm các mẫu ý nghĩa có liên quan đến câu hỏi nghiên cứu. Phương pháp này phù hợp khi bạn muốn hiểu trải nghiệm, quan điểm, cách diễn giải hoặc lý do đằng sau hành vi của người tham gia, thay vì đo tần suất bằng con số.

Định nghĩa ngắn gọn cho bài nghiên cứu sinh viên

Chủ đề là một mẫu ý nghĩa có ranh giới rõ trong dữ liệu, không chỉ là một từ khóa lặp lại. Ví dụ, “áp lực thời gian” có thể là một mã; còn “sinh viên tự điều chỉnh chiến lược học vì áp lực thời gian” có thể là một chủ đề nếu nhiều đoạn dữ liệu cùng cho thấy logic đó.

Mã là nhãn ngắn gắn với một đoạn dữ liệu có ý nghĩa. Mã có thể mô tả trực tiếp nội dung, như “thiếu phản hồi từ giảng viên”, hoặc diễn giải sâu hơn, như “tự nghi ngờ năng lực học thuật”. Sinh viên hay nhầm mã với chủ đề vì cả hai đều là nhãn, nhưng mã thường nhỏ hơn, gần dữ liệu hơn và có thể chỉ xuất hiện trong một vài đoạn.

Phân tích chủ đề không chỉ đếm số người nói cùng một ý. Nếu 8 trên 10 người nhắc đến “khó sắp xếp thời gian”, bạn vẫn cần giải thích vì sao điều đó quan trọng với câu hỏi nghiên cứu, nó liên kết với chủ đề nào, và nó được thể hiện qua các trích dẫn nào.

Khi nào nên chọn phương pháp này?

Phương pháp này hợp với phỏng vấn bán cấu trúc, nhóm tập trung, câu trả lời mở trong khảo sát, nhật ký học tập, phản hồi bệnh nhân, tài liệu chính sách hoặc bài đăng công khai nếu đạo đức nghiên cứu cho phép. Nếu bạn đang thiết kế phỏng vấn, việc chuẩn bị câu hỏi trước sẽ giúp dữ liệu dễ phân tích hơn; bạn có thể tham khảo Sơ đồ trình tự câu hỏi cho hướng dẫn phỏng vấn định tính để tránh đặt câu hỏi quá rộng hoặc dẫn dắt.

Trong tâm lý học xã hội, bạn có thể dùng phân tích chủ đề để nghiên cứu cách sinh viên năm nhất mô tả cảm giác thuộc về ở ký túc xá. Trong điều dưỡng, phương pháp này có thể dùng để phân tích trải nghiệm của bệnh nhân cao tuổi khi tự quản lý thuốc sau xuất viện. Trong quản trị kinh doanh, bạn có thể phân tích cách nhân viên mới nhìn nhận chương trình onboarding tại doanh nghiệp vừa và nhỏ.

Khi nào không nên dùng?

Nếu câu hỏi nghiên cứu yêu cầu kiểm định mối quan hệ giữa biến độc lập và biến phụ thuộc, phân tích chủ đề có thể không phải lựa chọn chính. Khi bạn hỏi “mức độ hài lòng có dự đoán ý định nghỉ việc không?”, hướng định lượng như hồi quy sẽ phù hợp hơn. Nếu bạn đang phân vân giữa định lượng, định tính và lý thuyết, Sơ đồ chọn giữa nghiên cứu định lượng, định tính và lý thuyết sẽ giúp bạn kiểm tra lại logic phương pháp.

Phân tích chủ đề cũng không phù hợp nếu bạn chỉ có dữ liệu quá mỏng, chẳng hạn ba câu trả lời một dòng cho một câu hỏi phức tạp. Khi dữ liệu quá ít, bạn có thể mô tả phản hồi nhưng khó xây dựng chủ đề có chiều sâu. Ngược lại, dữ liệu quá nhiều mà không có câu hỏi nghiên cứu rõ cũng khiến bạn lạc trong mã hóa.

Phân tích chủ đề Braun và Clarke gồm những giai đoạn nào?

Phân tích chủ đề Braun và Clarke thường được trình bày qua sáu giai đoạn: làm quen dữ liệu, tạo mã ban đầu, tìm chủ đề, rà soát chủ đề, định nghĩa và đặt tên chủ đề, rồi viết báo cáo. Sáu giai đoạn này không phải một dây chuyền cứng; bạn có thể quay lại sửa mã hoặc đổi tên chủ đề khi hiểu dữ liệu tốt hơn.

Sáu giai đoạn theo logic thực tế

Các bước phân tích chủ đề theo Braun và Clarke giúp sinh viên chứng minh rằng kết quả không xuất hiện từ cảm giác cá nhân. Mỗi giai đoạn tạo ra một dấu vết làm việc: ghi chú đọc dữ liệu, bảng mã, nhóm mã, bản đồ chủ đề, định nghĩa chủ đề và đoạn viết phân tích.

1. Làm quen với dữ liệu: đọc transcript nhiều lần, ghi chú ý tưởng ban đầu, đánh dấu đoạn có liên quan đến câu hỏi nghiên cứu.
2. Tạo mã ban đầu: gán nhãn cho đoạn dữ liệu có ý nghĩa; một đoạn có thể có nhiều mã nếu chứa nhiều ý.
3. Tìm chủ đề: nhóm các mã có quan hệ với nhau thành chủ đề tạm thời.
4. Rà soát chủ đề: kiểm tra chủ đề có khớp với dữ liệu và câu hỏi nghiên cứu không.
5. Định nghĩa và đặt tên: viết mô tả ngắn cho từng chủ đề, xác định ranh giới và thông điệp chính.
6. Viết báo cáo: trình bày chủ đề bằng lập luận, trích dẫn và liên hệ với tài liệu học thuật.

Sáu bước không tách rời hoàn toàn

Trong bài làm của sinh viên, lỗi thường gặp là trình bày sáu giai đoạn như thể mỗi bước làm xong là khóa lại. Thực tế, khi bạn viết chủ đề thứ hai, bạn có thể nhận ra chủ đề thứ nhất quá rộng và cần tách ra. Khi chọn trích dẫn, bạn có thể phát hiện một mã ban đầu đã được hiểu sai.

Vì vậy, hãy lưu phiên bản làm việc. Một bảng mã có cột “ngày sửa”, “lý do sửa” hoặc “ghi chú” sẽ giúp bạn viết phần phương pháp đáng tin hơn. Bạn không cần kể toàn bộ lịch sử phân tích, nhưng nên cho thấy bạn đã đọc, so sánh và điều chỉnh có lý do.

Diễn giải hay mô tả?

Braun và Clarke cho phép nhiều mức độ phân tích. Phân tích ngữ nghĩa tập trung vào điều người tham gia nói trực tiếp. Phân tích tiềm ẩn đi sâu vào giả định, niềm tin hoặc cấu trúc ý nghĩa nằm sau lời nói.

Ví dụ, câu “em không dám hỏi lại vì sợ làm phiền giảng viên” có thể được mã hóa ngữ nghĩa là “ngại hỏi giảng viên”. Ở mức tiềm ẩn, bạn có thể mã hóa là “quan hệ quyền lực làm giảm hành vi tìm hỗ trợ”. Bài bậc cử nhân thường có thể dùng phân tích ngữ nghĩa có diễn giải vừa phải; bài bậc thạc sĩ thường được kỳ vọng giải thích sâu hơn và liên hệ rõ hơn với lý thuyết.

Làm sao chuẩn bị dữ liệu trước khi mã hóa?

Bạn nên chuẩn bị dữ liệu bằng cách làm sạch transcript, ẩn danh người tham gia, thống nhất định dạng, ghi chú bối cảnh và xác định đơn vị phân tích. Chuẩn bị tốt giúp quá trình mã hóa ít rối hơn và giảm nguy cơ trích dẫn sai hoặc lộ thông tin cá nhân.

Làm sạch nhưng không làm mất ý nghĩa

Với phỏng vấn, transcript không nhất thiết phải ghi lại mọi tiếng “ừm”, “à” nếu những chi tiết đó không liên quan đến câu hỏi nghiên cứu. Tuy nhiên, bạn không nên sửa câu trả lời thành văn viết quá trơn tru, vì điều đó có thể làm mất sắc thái. Nếu người tham gia nói ngập ngừng khi nhắc đến trải nghiệm bị đánh giá thấp, sự ngập ngừng đó có thể là tín hiệu đáng chú ý.

Hãy dùng mã người tham gia như P1, P2 hoặc SV01, SV02. Nếu transcript có tên trường, tên bệnh viện, tên công ty hoặc tên người thật, hãy thay bằng mô tả chung như “[một trường đại học công lập]” hoặc “[quản lý trực tiếp]”. Điều này đặc biệt cần trong các đề tài sức khỏe, giáo dục và nơi làm việc.

Xác định câu hỏi nghiên cứu trước khi đọc sâu

Phân tích chủ đề không có nghĩa là đọc dữ liệu rồi lấy bất cứ điều gì thú vị. Bạn cần câu hỏi nghiên cứu dẫn đường. Nếu câu hỏi quá rộng, bạn sẽ tạo ra quá nhiều mã; nếu câu hỏi quá hẹp, bạn có thể bỏ qua dữ liệu có ý nghĩa.

Ví dụ câu hỏi yếu: “Sinh viên nghĩ gì về học trực tuyến?” Câu này dễ tạo ra chủ đề tản mạn: thiết bị, mạng, giảng viên, động lực, bài tập, điểm số. Phiên bản tốt hơn: “Sinh viên năm nhất ngành kinh tế mô tả những khó khăn trong việc duy trì tương tác học tập trên lớp trực tuyến như thế nào?” Nếu bạn cần thu hẹp câu hỏi trước khi phân tích, xem thêm Phễu hình thành câu hỏi nghiên cứu định tính mở.

Bảng chuẩn bị dữ liệu tối thiểu

Một bảng quản lý dữ liệu đơn giản có thể cứu bạn khỏi nhiều lỗi khi viết chương phương pháp. Bạn không cần phần mềm phức tạp nếu mẫu dữ liệu nhỏ; Excel, Google Sheets hoặc Word có bảng đều có thể dùng.

Thành phần cần chuẩn bị	Ví dụ chưa ổn	Phiên bản tốt hơn
Tên người tham gia	“Nguyễn Minh Anh, lớp QTKD2”	“P03, sinh viên quản trị năm 3”
Đoạn dữ liệu	“Em thấy học online chán lắm…” không có số dòng	Transcript P03, dòng 42–47
Ghi chú bối cảnh	Không ghi người trả lời đang nói về môn nào	“Đang nói về môn có thảo luận nhóm bắt buộc”
Mục tiêu phân tích	“Tìm ý hay”	“Tìm cách sinh viên mô tả tương tác học tập trực tuyến”

Đọc lần đầu để ghi chú, chưa vội mã hóa

Ở lượt đọc đầu, hãy ghi memo thay vì mã hóa ngay. Memo phân tích là ghi chú ngắn về điều bạn nhận thấy trong dữ liệu, ví dụ “nhiều người nói về sợ bị đánh giá khi bật mic” hoặc “khó khăn kỹ thuật thường đi kèm cảm giác bị bỏ lại”. Memo không phải kết quả cuối cùng; nó là dấu vết của quá trình suy nghĩ.

Sau lượt đọc đầu, bạn nên có một danh sách nhận xét sơ bộ, không phải danh sách chủ đề. Nếu bạn đã có “chủ đề” sau 15 phút đọc lướt, rất có thể bạn đang áp đặt khuôn có sẵn lên dữ liệu. Đọc chậm giúp bạn nhận ra những ý trái chiều, chẳng hạn có sinh viên thích học trực tuyến vì dễ tập trung hơn, trong khi người khác thấy bị cô lập.

Cách làm thematic analysis từ mã đến chủ đề như thế nào?

Cách làm thematic analysis hiệu quả là bắt đầu bằng mã gần dữ liệu, sau đó nhóm các mã có quan hệ ý nghĩa thành chủ đề tạm thời và kiểm tra lại bằng trích dẫn. Đừng đặt chủ đề trước rồi cố nhét dữ liệu vào; hãy để mã cho thấy các mẫu ý nghĩa, nhưng vẫn dùng câu hỏi nghiên cứu để giữ phạm vi.

Tạo mã ban đầu đủ cụ thể

Mã tốt thường ngắn, rõ và bám vào hành động, cảm xúc, lý do hoặc bối cảnh. Thay vì mã “khó khăn”, hãy viết “mất tập trung vì không gian gia đình”, “ngại bật camera”, “không nhận được phản hồi kịp thời”. Mã càng cụ thể, bạn càng dễ nhóm chúng thành chủ đề có ý nghĩa.

Một đoạn dữ liệu có thể nhận nhiều mã. Ví dụ, người tham gia nói: “Em tắt camera vì phòng trọ đông người, nhưng tắt rồi lại thấy mình như không có mặt trong lớp.” Đoạn này có thể có mã “không gian học thiếu riêng tư”, “tắt camera để tránh lộ bối cảnh cá nhân” và “cảm giác vắng mặt xã hội”.

So sánh phiên bản yếu và phiên bản tốt hơn

Phiên bản sinh viên viết	Vấn đề	Phiên bản mạnh hơn
Chủ đề 1: Khó khăn	Quá rộng, không nói rõ khó khăn nào và vì sao liên quan đến câu hỏi nghiên cứu	Chủ đề 1: Không gian học thiếu riêng tư làm giảm khả năng tham gia trực tuyến
Mã: Cảm xúc	Mơ hồ; mọi dữ liệu đều có thể là cảm xúc	Mã: Lo bị bạn cùng lớp đánh giá khi phát biểu
Chủ đề 2: Giảng viên	Chỉ là đối tượng, chưa phải mẫu ý nghĩa	Chủ đề 2: Phản hồi chậm từ giảng viên khiến sinh viên trì hoãn hoàn thành bài
Trích dẫn: “Em thấy khó.”	Quá ngắn, không đủ bằng chứng	“Em muốn hỏi lại nhưng sợ cả lớp nghe thấy, nên em để đó tới lúc làm bài mới phát hiện mình hiểu sai.”

Phiên bản mạnh hơn không nhất thiết dùng từ phức tạp. Nó mạnh vì chỉ ra cơ chế: điều gì xảy ra, trong bối cảnh nào, và có liên quan gì đến câu hỏi nghiên cứu.

Quy trình nhóm mã thành chủ đề

Sau khi có danh sách mã ban đầu, hãy nhóm bằng cách đặt câu hỏi về quan hệ giữa chúng. Mã nào cùng nói về một điều kiện? Mã nào cùng nói về một hậu quả? Mã nào mâu thuẫn nhưng cùng thuộc một vấn đề?

1. In hoặc xuất danh sách mã ra bảng.
2. Gộp các mã trùng nghĩa, nhưng giữ lại sắc thái khác biệt nếu cần.
3. Đánh dấu mã có quan hệ nhân quả, bối cảnh hoặc cảm xúc tương tự.
4. Đặt tên nhóm tạm thời bằng một câu ngắn, không chỉ một danh từ.
5. Chọn 2–3 trích dẫn đại diện cho mỗi nhóm.
6. Kiểm tra xem nhóm đó có trả lời câu hỏi nghiên cứu không.
7. Viết định nghĩa một đến hai câu cho chủ đề tạm thời.

Nếu một nhóm chỉ có một trích dẫn rất thú vị, nó chưa chắc là chủ đề. Nó có thể là trường hợp ngoại lệ, ví dụ phản hồi khác biệt, hoặc điểm cần thảo luận riêng. Phân tích tốt không xóa ngoại lệ; nó cho biết ngoại lệ nằm ở đâu trong lập luận.

Chủ đề, chủ đề phụ và mã khác nhau ra sao?

Chủ đề chính trả lời một phần quan trọng của câu hỏi nghiên cứu. Chủ đề phụ giải thích một khía cạnh nhỏ hơn bên trong chủ đề chính. Mã là nhãn cho đoạn dữ liệu cụ thể.

Ví dụ trong đề tài điều dưỡng về bệnh nhân cao tuổi tự dùng thuốc sau xuất viện, chủ đề chính có thể là “tự tin dùng thuốc phụ thuộc vào hỗ trợ sau xuất viện”. Chủ đề phụ có thể là “gia đình kiểm tra lịch uống thuốc”, “hướng dẫn bệnh viện quá nhanh”, và “sợ hỏi lại nhân viên y tế”. Các mã cụ thể có thể là “quên liều buổi tối”, “không đọc được chữ nhỏ trên toa”, “con cái nhắc uống thuốc qua điện thoại”.

Ví dụ phân tích chủ đề trong các ngành khác nhau ra sao?

Ví dụ phân tích chủ đề tốt phải cho thấy dữ liệu thô được chuyển thành mã, rồi thành chủ đề có khả năng trả lời câu hỏi nghiên cứu. Các ví dụ dưới đây minh họa cách cùng một quy trình có thể dùng trong tâm lý học, điều dưỡng, giáo dục và quản trị, nhưng tên mã và cách diễn giải phải phù hợp từng ngành.

Ví dụ trong tâm lý học xã hội

Giả sử câu hỏi nghiên cứu là: “Sinh viên năm nhất mô tả cảm giác thuộc về trong môi trường đại học mới như thế nào?” Dữ liệu đến từ 12 phỏng vấn bán cấu trúc với sinh viên năm nhất ở ký túc xá và ngoại trú.

Một đoạn trả lời: “Em thấy ai cũng đã có nhóm bạn từ trước. Trong lớp em vẫn nói chuyện được, nhưng ra về thì không ai rủ đi cùng nên em nghĩ chắc mình chưa thật sự thuộc về nơi này.”

Mã ban đầu có thể gồm: “so sánh bản thân với nhóm bạn có sẵn”, “tương tác trong lớp không kéo dài ngoài lớp”, “diễn giải sự không được rủ rê như thiếu thuộc về”. Chủ đề tạm thời có thể là “cảm giác thuộc về được hình thành qua tín hiệu xã hội nhỏ sau giờ học”. Chủ đề này tốt hơn “bạn bè” vì nó giải thích cơ chế: những hành động nhỏ được sinh viên đọc như bằng chứng về vị trí của mình.

Ví dụ trong khoa học sức khỏe và điều dưỡng

Giả sử câu hỏi nghiên cứu là: “Bệnh nhân cao tuổi mô tả những rào cản khi tuân thủ dùng thuốc sau khi xuất viện về nhà như thế nào?” Dữ liệu gồm phỏng vấn với bệnh nhân và người chăm sóc gia đình.

Đoạn trả lời: “Ở viện thì điều dưỡng đưa thuốc đúng giờ. Về nhà tôi có hộp thuốc nhưng không nhớ viên nào uống trước ăn, viên nào sau ăn. Con tôi đi làm cả ngày nên tối mới kiểm tra được.”

Mã có thể là “mất cấu trúc hỗ trợ sau xuất viện”, “khó nhớ chỉ dẫn dùng thuốc”, “phụ thuộc vào người chăm sóc ngoài giờ làm việc”. Chủ đề tạm thời: “tuân thủ thuốc giảm khi trách nhiệm chuyển đột ngột từ bệnh viện sang gia đình”. Chủ đề này liên quan đến thực hành điều dưỡng vì nó không chỉ nói bệnh nhân “hay quên”, mà chỉ ra điểm gãy trong chuyển tiếp chăm sóc.

Ví dụ trong giáo dục

Giả sử câu hỏi nghiên cứu là: “Giáo viên mới vào nghề mô tả việc nhận phản hồi chuyên môn trong năm đầu giảng dạy như thế nào?” Dữ liệu gồm nhật ký phản tư và phỏng vấn cuối kỳ.

Đoạn trả lời: “Tổ trưởng góp ý là tiết dạy chưa cuốn, nhưng em không biết cụ thể phải sửa phần nào. Em xem lại giáo án thì vẫn thấy đủ hoạt động, nên lần sau em chỉ thêm trò chơi.”

Mã có thể là “phản hồi chung chung”, “khó chuyển nhận xét thành hành động”, “thêm hoạt động bề mặt thay vì sửa thiết kế bài học”. Chủ đề: “phản hồi thiếu tiêu chí khiến giáo viên mới sửa hình thức thay vì sửa vấn đề sư phạm”. Chủ đề này giúp phần thảo luận kết nối với mentoring, phát triển nghề nghiệp và đánh giá năng lực giảng dạy.

Ví dụ trong quản trị kinh doanh

Giả sử câu hỏi nghiên cứu là: “Nhân viên mới trong doanh nghiệp vừa và nhỏ cảm nhận chương trình onboarding như thế nào trong tháng đầu tiên?” Dữ liệu gồm 10 phỏng vấn với nhân viên dưới 6 tháng làm việc.

Đoạn trả lời: “Ngày đầu mọi người rất thân thiện, nhưng em không biết ai quyết định việc gì. Có câu hỏi em hỏi chị cùng nhóm, chị lại bảo hỏi anh quản lý, mà anh ấy bận họp.”

Mã có thể là “thân thiện xã hội nhưng mơ hồ quy trình”, “không rõ người chịu trách nhiệm”, “chậm nhận hỗ trợ vì cấu trúc quyền hạn không rõ”. Chủ đề: “sự chào đón thân thiện không bù được thiếu bản đồ vai trò”. Trong bài quản trị, chủ đề này có thể dẫn đến thảo luận về socialization tactics, clarity of role và knowledge transfer.

Dùng ví dụ mà không biến bài thành kể chuyện

Khi viết kết quả, bạn không nên kể từng người tham gia như một chuỗi câu chuyện riêng lẻ. Phân tích chủ đề cần tổng hợp mẫu ý nghĩa xuyên qua nhiều người tham gia, rồi dùng trích dẫn để minh họa. Nếu bạn đang xây phần tổng quan tài liệu theo các nhóm ý để đối chiếu với kết quả định tính, Sơ đồ cụm nguồn cho tổng quan tài liệu theo chủ đề có thể giúp bạn tổ chức tài liệu theo logic tương tự.

Một đoạn kết quả tốt thường có cấu trúc: nêu chủ đề, giải thích ý nghĩa, đưa trích dẫn, phân tích trích dẫn, rồi nối với câu hỏi nghiên cứu. Trích dẫn không tự nói thay bạn. Người đọc cần thấy bạn phân tích vì sao trích dẫn đó là bằng chứng cho chủ đề.

Sinh viên thường mắc lỗi gì khi làm phân tích chủ đề?

Sinh viên thường mắc lỗi khi biến mã thành chủ đề quá sớm, đặt tên chủ đề quá rộng, chọn trích dẫn không đủ bằng chứng, hoặc viết kết quả như phần tóm tắt phỏng vấn. Những lỗi này làm bài thiếu dấu vết phân tích, dù dữ liệu thu thập có thể rất tốt.

1. Đặt chủ đề bằng danh từ quá chung

Ví dụ sinh viên viết: “Chủ đề 1: Động lực; Chủ đề 2: Khó khăn; Chủ đề 3: Giải pháp.” Cách đặt tên này không cho biết người tham gia đang nói gì về động lực, khó khăn hay giải pháp.

Cách sửa: biến tên chủ đề thành một mệnh đề có ý nghĩa. Thay vì “Động lực”, viết “động lực học tăng khi sinh viên thấy nhiệm vụ gắn với mục tiêu nghề nghiệp”. Tên mới có hướng phân tích và giúp bạn chọn trích dẫn chính xác hơn.

2. Mã hóa bằng câu hỏi phỏng vấn thay vì ý nghĩa dữ liệu

Ví dụ sinh viên đặt mã “câu 1”, “câu 2”, “ý kiến về giảng viên”, “ý kiến về bạn bè”. Đây là phân loại theo công cụ thu thập dữ liệu, không phải phân tích.

Cách sửa: đọc câu trả lời và đặt mã theo nội dung có ý nghĩa. Nếu câu hỏi là “Bạn thấy hoạt động nhóm thế nào?”, mã có thể là “phân công không đều”, “tránh xung đột để giữ quan hệ”, hoặc “học từ bạn cùng nhóm”. Các mã này cho thấy điều đang xảy ra trong trải nghiệm của người tham gia.

3. Chỉ chọn trích dẫn hay mà không có mẫu lặp lại

Ví dụ sinh viên dùng một câu rất ấn tượng: “Em thấy mình như người vô hình trong lớp học online”, rồi xây cả chủ đề “sự vô hình của sinh viên”. Nếu chỉ một người nói như vậy và các dữ liệu khác không hỗ trợ, chủ đề có thể bị phóng đại.

Cách sửa: kiểm tra xem ý nghĩa đó có xuất hiện dưới nhiều cách diễn đạt khác nhau không. Có người nói “không ai gọi tên em”, người khác nói “tắt camera rồi em không còn áp lực tham gia”, người khác nói “em có mặt nhưng không ai biết”. Khi đó, chủ đề về hiện diện xã hội yếu có cơ sở hơn.

4. Ép dữ liệu vào lý thuyết có sẵn

Ví dụ sinh viên học về Self-Determination Theory rồi cố chia mọi mã thành “autonomy”, “competence”, “relatedness”, kể cả khi người tham gia nói nhiều về hạ tầng kỹ thuật và quy định lớp học. Kết quả trông có vẻ học thuật nhưng dữ liệu bị làm phẳng.

Cách sửa: nếu dùng lý thuyết, hãy nói rõ bạn phân tích theo hướng diễn dịch hay kết hợp quy nạp. Bạn vẫn cần ghi nhận dữ liệu không khớp lý thuyết. Một chủ đề ngoài khung lý thuyết có thể là phát hiện đáng giá, không phải lỗi.

5. Viết phần kết quả như danh sách tần suất

Ví dụ sinh viên viết: “Có 7 người nói khó khăn về mạng, 5 người nói thiếu tương tác, 3 người nói áp lực gia đình.” Cách viết này giống thống kê mô tả của câu trả lời mở, chưa phải phân tích chủ đề.

Cách sửa: dùng số lượng một cách thận trọng nếu cần, nhưng trọng tâm phải là ý nghĩa. Thay vì “7 người nói khó khăn về mạng”, hãy viết “sự bất ổn kỹ thuật thường được mô tả như nguyên nhân làm sinh viên mất quyền kiểm soát nhịp học, đặc biệt khi lỗi mạng xảy ra đúng lúc thảo luận hoặc điểm danh”.

Viết phần kết quả phân tích chủ đề như thế nào cho rõ?

Phần kết quả phân tích chủ đề nên được viết quanh từng chủ đề, không quanh từng câu hỏi phỏng vấn hoặc từng người tham gia. Mỗi chủ đề cần có tên rõ, đoạn giải thích, trích dẫn minh họa và phân tích của bạn về việc trích dẫn đó trả lời câu hỏi nghiên cứu ra sao.

Cấu trúc đoạn kết quả theo một chủ đề

Một đoạn viết kết quả có thể bắt đầu bằng câu chủ đề, sau đó giải thích mẫu ý nghĩa, đưa trích dẫn, rồi phân tích trích dẫn. Đừng để trích dẫn đứng một mình. Người đọc cần thấy vai trò của trích dẫn trong lập luận.

Ví dụ:

Yếu: “Chủ đề này là về khó khăn khi học online. P4 nói: ‘Em hay mất mạng nên không học được.’ P7 cũng nói: ‘Em thấy chán.’ Điều này cho thấy học online khó khăn.”

Mạnh hơn: “Chủ đề này cho thấy khó khăn kỹ thuật không chỉ là vấn đề thiết bị, mà còn làm sinh viên cảm thấy mất quyền kiểm soát trong lớp học. P4 mô tả việc mất mạng ‘đúng lúc cô gọi trả lời’ khiến em ‘không biết có bị tính là vắng mặt không’. Trích dẫn này cho thấy lỗi kỹ thuật được sinh viên diễn giải như rủi ro học vụ, chứ không chỉ là bất tiện.”

Phiên bản mạnh hơn giải thích ý nghĩa của dữ liệu. Nó cũng tránh dùng trích dẫn như vật trang trí.

Chọn trích dẫn đủ dài nhưng không quá dài

Trích dẫn tốt thường chứa một ý hoàn chỉnh, có bối cảnh vừa đủ và liên quan trực tiếp đến chủ đề. Nếu trích dẫn quá ngắn, người đọc không thấy bằng chứng. Nếu quá dài, đoạn kết quả mất nhịp và bạn phải phân tích nhiều hơn.

Bạn có thể dùng dấu ba chấm để lược bớt phần không cần, nhưng đừng cắt làm đổi nghĩa. Nếu dịch trích dẫn từ tiếng Việt sang tiếng Anh cho bài viết bằng tiếng Anh, cần ghi rõ cách dịch; còn với bài viết tiếng Việt, hãy giữ giọng nói tự nhiên của người tham gia nhưng ẩn danh thông tin nhạy cảm.

Liên hệ tài liệu ở đâu?

Trong nhiều bài nghiên cứu, phần kết quả tập trung trình bày dữ liệu, còn phần thảo luận mới liên hệ sâu với tài liệu. Tuy nhiên, tùy yêu cầu của giảng viên, bạn có thể lồng kết nối ngắn với khái niệm lý thuyết ngay sau khi phân tích trích dẫn. Điều quan trọng là không để tài liệu lấn át dữ liệu.

Nếu bạn chưa biết cách dựng chương kết quả trong bài định tính, hãy lập dàn ý trước: mỗi chủ đề là một mục lớn, mỗi chủ đề phụ là một mục nhỏ, mỗi mục có trích dẫn đại diện. Với bài nghiên cứu dài hơn, Sơ đồ phân cấp cho cấu trúc bài viết học thuật giúp bạn giữ chương kết quả, thảo luận và phương pháp không chồng lấn nhau.

Bảng so sánh trước và sau khi sửa đoạn kết quả

Bản viết ban đầu	Vì sao yếu	Bản viết sau khi sửa
“Nhiều sinh viên thiếu tương tác.”	Không nói tương tác thiếu ở đâu, do ai, gây hậu quả gì	“Sinh viên mô tả việc tắt camera và không được gọi tên như tín hiệu khiến họ cảm thấy ít hiện diện trong lớp.”
“Bệnh nhân không tuân thủ thuốc vì hay quên.”	Đổ lỗi cá nhân, bỏ qua bối cảnh chăm sóc	“Việc chuyển từ lịch thuốc do điều dưỡng quản lý sang tự quản lý tại nhà làm bệnh nhân phụ thuộc nhiều hơn vào nhắc nhở gia đình.”
“Nhân viên mới cần được hỗ trợ.”	Quá chung, giống khuyến nghị hơn kết quả	“Nhân viên mới nhận được sự thân thiện xã hội nhưng thiếu thông tin về người ra quyết định, khiến họ trì hoãn hỏi vấn đề công việc.”
“Giáo viên mới thấy phản hồi hữu ích.”	Không giải thích hữu ích theo nghĩa nào	“Phản hồi hữu ích khi nêu hành vi cụ thể trong lớp, vì giáo viên mới có thể chuyển nhận xét thành điều chỉnh giáo án.”

Làm sao kiểm tra chất lượng phân tích chủ đề trước khi nộp?

Bạn có thể kiểm tra chất lượng phân tích chủ đề bằng cách đối chiếu từng chủ đề với câu hỏi nghiên cứu, dữ liệu gốc, mã ban đầu và trích dẫn minh họa. Nếu một chủ đề không có ranh giới rõ, không có bằng chứng đủ mạnh hoặc chỉ lặp lại câu hỏi phỏng vấn, bạn nên sửa trước khi viết bản cuối.

Kiểm tra tính nhất quán giữa câu hỏi, mã và chủ đề

Hãy mở câu hỏi nghiên cứu ở đầu tài liệu phân tích. Với mỗi chủ đề, tự hỏi: chủ đề này trả lời phần nào của câu hỏi? Nếu không trả lời, nó có thể là thông tin nền, phát hiện phụ hoặc dữ liệu ngoài phạm vi.

Tiếp theo, kiểm tra chuỗi bằng chứng: đoạn dữ liệu → mã → nhóm mã → chủ đề → câu viết kết quả. Chuỗi này càng rõ, bạn càng dễ bảo vệ phân tích khi giảng viên hỏi “vì sao em đặt chủ đề này?”. Nếu bạn không thể chỉ ra mã nào tạo nên chủ đề, có thể chủ đề đang dựa trên ấn tượng hơn là phân tích.

Kiểm tra chủ đề có trùng nhau không

Hai chủ đề trùng nhau thường xuất hiện khi bạn đặt tên quá rộng. Ví dụ “thiếu hỗ trợ” và “khó nhận phản hồi” có thể trùng nếu cả hai đều nói về cùng một hiện tượng. Nhưng chúng cũng có thể tách riêng nếu “thiếu hỗ trợ” nói về bạn bè và gia đình, còn “khó nhận phản hồi” nói về giảng viên hoặc quản lý.

Một mẹo đơn giản là viết định nghĩa một câu cho từng chủ đề. Nếu bạn không thể giải thích sự khác nhau giữa hai định nghĩa, hãy gộp hoặc đặt lại ranh giới. Nếu một chủ đề có quá nhiều ý, hãy tách thành chủ đề phụ.

Kiểm tra độ tin cậy trong bài sinh viên

Trong bài sinh viên, bạn không nhất thiết phải có hai người mã hóa độc lập, trừ khi giảng viên yêu cầu. Tuy nhiên, bạn nên thể hiện tính minh bạch: mô tả cách đọc dữ liệu, cách tạo mã, cách chọn trích dẫn và cách sửa chủ đề. Bạn cũng có thể nhờ bạn học đọc một đoạn transcript và so sánh cách hiểu, nhưng đừng biến sự đồng thuận thành bằng chứng duy nhất.

Tính phản tư là việc nhận biết vị trí, giả định và kinh nghiệm của chính người nghiên cứu có thể ảnh hưởng đến cách đọc dữ liệu. Ví dụ, nếu bạn từng học trực tuyến rất khó khăn, bạn có thể dễ chú ý đến dữ liệu tiêu cực hơn. Ghi một đoạn phản tư ngắn giúp bài phân tích thận trọng hơn.

Before you move on: checklist phân tích chủ đề

• Câu hỏi nghiên cứu đủ rõ để dẫn đường cho việc mã hóa.
• Dữ liệu đã được ẩn danh và thống nhất định dạng.
• Bạn đã đọc toàn bộ dữ liệu ít nhất một lần trước khi mã hóa chi tiết.
• Mã ban đầu bám vào đoạn dữ liệu cụ thể, không chỉ lặp lại câu hỏi phỏng vấn.
• Mỗi chủ đề chính được tạo từ nhiều mã có quan hệ ý nghĩa.
• Tên chủ đề là một mệnh đề hoặc cụm có thông điệp, không phải danh từ quá rộng.
• Mỗi chủ đề có trích dẫn minh họa đủ rõ và được phân tích sau trích dẫn.
• Bạn đã kiểm tra dữ liệu trái chiều hoặc ngoại lệ, không chỉ chọn đoạn ủng hộ.
• Phần phương pháp mô tả đủ rõ các bước phân tích chủ đề đã dùng.
• Phần kết quả trả lời câu hỏi nghiên cứu, không chỉ tóm tắt người tham gia đã nói gì.
• Bạn phân biệt được kết quả, thảo luận và khuyến nghị.
• Bản cuối không lộ thông tin nhận diện người tham gia hoặc tổ chức.