Cách tự kiểm tra khoảng trống về phương pháp nghiên cứu trong hồ sơ APEL.Q

Trong hồ sơ APEL.Q cho DBA, phương pháp nghiên cứu thường là phần khiến ứng viên gặp khó khăn nhất. Nhiều người đã có kinh nghiệm thực tế sâu, từng triển khai dự án lớn, từng viết báo cáo chuyên môn hoặc từng có dữ liệu từ doanh nghiệp. Tuy nhiên, khi được hỏi “nghiên cứu này dùng phương pháp gì?”, “dữ liệu được thu thập như thế nào?”, “mẫu được chọn ra sao?”, “kết quả được phân tích bằng cách nào?”, nhiều hồ sơ bắt đầu bộc lộ khoảng trống.

Khoảng trống phương pháp không có nghĩa là nghiên cứu cũ vô giá trị. Nó cho thấy công trình trước đó có thể chưa được thiết kế, mô tả hoặc chuẩn hoá theo yêu cầu học thuật của một luận án DBA. Trong APEL.Q, nhiệm vụ của ứng viên không phải là làm cho công trình cũ trông hoàn hảo, mà là nhận diện trung thực phần phương pháp nào đã có, phần nào còn thiếu và phần nào cần bổ sung trong lộ trình hoàn thiện nghiên cứu.

Theo Creswell và Plano Clark (2018), thiết kế nghiên cứu cần tạo ra sự kết nối rõ ràng giữa vấn đề nghiên cứu, câu hỏi nghiên cứu, phương pháp, dữ liệu và cách diễn giải kết quả. Vì vậy, ứng viên APEL.Q cần kiểm tra phương pháp không như một phần thủ tục, mà như cấu trúc nền giúp bảo vệ toàn bộ luận án.

Khoảng trống phương pháp là gì?

Khoảng trống phương pháp là sự thiếu hụt giữa cách nghiên cứu cũ đã được thực hiện và mức độ chặt chẽ cần có của một nghiên cứu DBA. Khoảng trống này có thể xuất hiện ở nhiều điểm: chưa có thiết kế nghiên cứu rõ, chưa giải thích lý do chọn phương pháp, chưa mô tả đối tượng nghiên cứu, chưa nêu cách chọn mẫu, chưa có công cụ thu thập dữ liệu, chưa trình bày quy trình phân tích, hoặc chưa đánh giá độ tin cậy và giới hạn nghiên cứu.

Ví dụ, một ứng viên có báo cáo về hiệu quả triển khai hệ thống quản lý khách hàng trong doanh nghiệp. Báo cáo có số liệu trước và sau triển khai, có phản hồi từ nhân viên, có khuyến nghị cải tiến. Tuy nhiên, nếu báo cáo không giải thích dữ liệu được chọn thế nào, chỉ số được đo ra sao, phản hồi được thu thập bằng cách nào, và các kết quả được phân tích theo logic nào, khoảng trống phương pháp vẫn còn lớn.

Trong DBA, phương pháp không nhất thiết phải quá phức tạp. Điều quan trọng là phương pháp phải phù hợp, có thể giải thích và có thể bảo vệ. Một nghiên cứu nhỏ với thiết kế rõ có thể mạnh hơn một báo cáo lớn nhưng thiếu logic phương pháp.

Câu hỏi 1: Nghiên cứu có thiết kế rõ chưa?

Bước đầu tiên là kiểm tra thiết kế nghiên cứu. Thiết kế nghiên cứu trả lời câu hỏi: nghiên cứu được tổ chức như thế nào để trả lời câu hỏi nghiên cứu?

Ứng viên cần xem công trình cũ có nêu rõ loại hình nghiên cứu không. Đó là nghiên cứu định tính, định lượng, hỗn hợp, nghiên cứu tình huống, nghiên cứu hành động, phân tích tài liệu, khảo sát, phỏng vấn hay phân tích dữ liệu thứ cấp? Việc gọi tên phương pháp chưa đủ. Ứng viên còn cần giải thích vì sao phương pháp đó phù hợp với câu hỏi nghiên cứu.

Ví dụ, nếu nghiên cứu muốn hiểu cách lãnh đạo cấp trung hỗ trợ chuyển đổi số trong doanh nghiệp, phỏng vấn sâu hoặc nghiên cứu tình huống có thể phù hợp vì vấn đề liên quan đến trải nghiệm, diễn giải và bối cảnh tổ chức. Nếu nghiên cứu muốn đo lường mối quan hệ giữa sự hài lòng trong công việc và ý định nghỉ việc, khảo sát định lượng có thể phù hợp hơn.

Theo Edmondson và McManus (2007), mức độ phát triển của lý thuyết và bản chất câu hỏi nghiên cứu ảnh hưởng đến việc lựa chọn phương pháp. Điều này rất hữu ích cho ứng viên APEL.Q: phương pháp không nên được chọn vì quen thuộc, dễ làm hoặc đã có sẵn dữ liệu, mà cần phù hợp với mục tiêu nghiên cứu.

Câu hỏi 2: Đơn vị phân tích là gì?

Một khoảng trống thường bị bỏ qua là đơn vị phân tích. Đơn vị phân tích là đối tượng chính mà nghiên cứu muốn hiểu hoặc giải thích. Đó có thể là cá nhân, nhóm, phòng ban, tổ chức, dự án, chương trình, khách hàng, nhà quản lý hoặc một quy trình vận hành.

Nếu đơn vị phân tích không rõ, nghiên cứu dễ bị lẫn giữa nhiều cấp độ. Ví dụ, ứng viên muốn nghiên cứu “hiệu quả chuyển đổi số của doanh nghiệp”, song dữ liệu lại chỉ đến từ cảm nhận của một nhóm nhân viên. Khi đó, đơn vị phân tích đang là cá nhân hay tổ chức? Nếu kết luận ở cấp độ tổ chức nhưng dữ liệu chỉ ở cấp độ cá nhân, lập luận có thể bị yếu.

Ứng viên cần tự hỏi: nghiên cứu của tôi đang phân tích ai hoặc cái gì? Dữ liệu có phù hợp với đơn vị phân tích đó không? Kết luận có vượt quá phạm vi dữ liệu không?

Đối với DBA, việc xác định đơn vị phân tích rất quan trọng vì nhiều nghiên cứu xuất phát từ doanh nghiệp hoặc tổ chức cụ thể. Ứng viên cần biết mình đang nghiên cứu một tổ chức, một nhóm trong tổ chức, một quy trình, một chương trình hay trải nghiệm của các cá nhân trong bối cảnh đó.

Câu hỏi 3: Mẫu nghiên cứu được chọn như thế nào?

Nếu nghiên cứu có khảo sát, phỏng vấn, thảo luận nhóm hoặc phân tích dữ liệu người tham gia, ứng viên cần kiểm tra cách chọn mẫu. Khoảng trống về mẫu xuất hiện khi ứng viên không giải thích ai được chọn, vì sao được chọn, số lượng bao nhiêu, đặc điểm ra sao và mẫu đó có phù hợp với câu hỏi nghiên cứu không.

Trong nghiên cứu định lượng, mẫu cần đủ phù hợp để thực hiện phân tích dự kiến. Ứng viên cần mô tả cỡ mẫu, đặc điểm người trả lời, phương pháp chọn mẫu và giới hạn của mẫu. Trong nghiên cứu định tính, mẫu không nhất thiết phải lớn, song cần có lý do chọn người tham gia. Người được phỏng vấn phải có trải nghiệm, vai trò hoặc hiểu biết liên quan đến vấn đề nghiên cứu.

Ví dụ, nếu nghiên cứu về quản trị thay đổi, việc chỉ phỏng vấn ban lãnh đạo có thể chưa đủ nếu thay đổi tác động mạnh đến nhân viên tuyến đầu. Ngược lại, nếu nghiên cứu về ra quyết định chiến lược, dữ liệu từ cấp lãnh đạo có thể rất quan trọng. Không có mẫu “đúng” cho mọi nghiên cứu. Mẫu đúng là mẫu phù hợp với câu hỏi nghiên cứu.

Theo Flick (2018), trong nghiên cứu định tính, việc chọn mẫu cần dựa trên khả năng cung cấp thông tin có ý nghĩa cho hiện tượng đang nghiên cứu. Điều này giúp ứng viên tránh chọn mẫu chỉ vì tiện lợi, quen biết hoặc dễ tiếp cận.

Câu hỏi 4: Công cụ thu thập dữ liệu có rõ không?

Một công trình có thể nói rằng đã khảo sát hoặc phỏng vấn, song nếu không có công cụ thu thập dữ liệu rõ, hội đồng khó đánh giá chất lượng phương pháp. Công cụ thu thập dữ liệu có thể là bảng hỏi, hướng dẫn phỏng vấn, biểu mẫu quan sát, khung phân tích tài liệu, bảng trích xuất dữ liệu hoặc bộ tiêu chí đánh giá.

Ứng viên cần kiểm tra công trình cũ có lưu lại hoặc mô tả công cụ này không. Nếu dùng bảng hỏi, các câu hỏi có đo đúng khái niệm nghiên cứu không? Nếu dùng thang đo, thang đo có nguồn gốc học thuật không hay tự xây dựng? Nếu dùng phỏng vấn, câu hỏi có liên quan trực tiếp đến vấn đề nghiên cứu không? Nếu phân tích tài liệu, tiêu chí chọn và phân tích tài liệu có rõ không?

Một khoảng trống phổ biến là ứng viên có dữ liệu phản hồi, nhưng không còn hoặc không mô tả được câu hỏi đã dùng để thu thập phản hồi. Khi đó, việc phân tích và bảo vệ kết quả sẽ khó hơn.

Trong lộ trình DBA, khoảng trống này có thể được xử lý bằng cách xây dựng lại công cụ thu thập dữ liệu, bổ sung đợt thu thập mới, hoặc trình bày rõ giới hạn của dữ liệu cũ.

Câu hỏi 5: Quy trình thu thập dữ liệu có thể kiểm tra không?

Một phương pháp tốt cần có quy trình thu thập dữ liệu rõ ràng. Ứng viên cần trình bày dữ liệu được thu thập khi nào, ở đâu, bởi ai, trong điều kiện nào, bằng công cụ gì, và có kiểm soát rủi ro đạo đức hoặc bảo mật không.

Ví dụ, nếu ứng viên phỏng vấn nhân viên trong chính tổ chức của mình, cần chú ý đến quyền tự nguyện, bảo mật danh tính và khả năng người tham gia cảm thấy bị áp lực. Nếu ứng viên dùng dữ liệu doanh nghiệp, cần chú ý quyền sử dụng dữ liệu, cách ẩn danh và phạm vi công bố. Nếu ứng viên khảo sát khách hàng, cần nêu cách mời tham gia và cách lưu trữ dữ liệu.

Theo Israel (2015), đạo đức nghiên cứu gắn chặt với cách người nghiên cứu tiếp cận người tham gia, sử dụng dữ liệu và xử lý quyền lợi của các bên liên quan. Với DBA, điều này đặc biệt quan trọng vì nghiên cứu thường diễn ra trong môi trường tổ chức thật, nơi ứng viên có thể đồng thời là nhà quản lý, người nghiên cứu và người có lợi ích liên quan.

Câu hỏi 6: Dữ liệu được phân tích bằng cách nào?

Khoảng trống phương pháp không chỉ nằm ở thu thập dữ liệu. Nó còn nằm ở phân tích dữ liệu. Nhiều hồ sơ APEL.Q có dữ liệu, song không giải thích dữ liệu được xử lý thế nào để tạo ra kết quả.

Nếu là dữ liệu định lượng, ứng viên cần nêu rõ sử dụng thống kê mô tả, so sánh nhóm, tương quan, hồi quy, phân tích nhân tố hay kỹ thuật khác. Không nhất thiết phải dùng kỹ thuật phức tạp, song cần phù hợp với câu hỏi nghiên cứu và loại dữ liệu. Nếu là dữ liệu định tính, ứng viên cần mô tả cách mã hoá, phân nhóm chủ đề, diễn giải, đối chiếu nguồn dữ liệu hoặc kiểm tra tính nhất quán.

Ví dụ, nếu nghiên cứu sử dụng phỏng vấn để hiểu rào cản chuyển đổi số, ứng viên không nên chỉ trích dẫn vài câu nói tiêu biểu. Cần cho thấy các chủ đề được hình thành thế nào, có bao nhiêu người đề cập, chủ đề nào nổi bật và chúng liên hệ với câu hỏi nghiên cứu ra sao.

Theo Charmaz (2014), phân tích định tính cần một quá trình xây dựng ý nghĩa từ dữ liệu, trong đó người nghiên cứu phải minh bạch về cách diễn giải. Điều này nhắc ứng viên DBA rằng phân tích không phải là kể lại dữ liệu, mà là tạo ra lập luận từ dữ liệu.

Câu hỏi 7: Nghiên cứu có xử lý độ tin cậy và tính hợp lệ không?

Một khoảng trống quan trọng khác là độ tin cậy và tính hợp lệ của nghiên cứu. Ở đây, ứng viên không cần dùng ngôn ngữ quá kỹ thuật ngay từ đầu, nhưng cần hiểu rằng hội đồng sẽ quan tâm đến việc kết quả có đáng tin không.

Trong nghiên cứu định lượng, ứng viên có thể cần xem xét chất lượng thang đo, độ tin cậy của dữ liệu, cách xử lý dữ liệu thiếu, hoặc tính phù hợp của kỹ thuật phân tích. Trong nghiên cứu định tính, ứng viên có thể cần xem xét tính nhất quán của mã hoá, đối chiếu nhiều nguồn dữ liệu, phản hồi từ người tham gia, hoặc mô tả bối cảnh đủ sâu để người đọc hiểu giới hạn của kết quả.

Với nghiên cứu ứng dụng trong doanh nghiệp, ứng viên cũng cần chú ý đến thiên lệch do vai trò của mình. Nếu ứng viên vừa là nhà quản lý vừa là người nghiên cứu, họ cần phản tư về vị trí của mình, khả năng ảnh hưởng đến người tham gia và cách giảm thiên lệch trong thu thập hoặc diễn giải dữ liệu.

Theo Lincoln và Guba (1985), nghiên cứu định tính cần quan tâm đến các tiêu chuẩn như độ tin cậy, khả năng xác nhận và tính chuyển giao trong bối cảnh phù hợp. Dù thuật ngữ có thể khác giữa các phương pháp, điểm chung là ứng viên cần chứng minh kết quả không chỉ là nhận định chủ quan.

Câu hỏi 8: Phương pháp có phù hợp với chuẩn đạo đức nghiên cứu không?

Trong APEL.Q, ứng viên thường sử dụng dữ liệu đã có từ công việc, doanh nghiệp hoặc tổ chức. Điều này tạo lợi thế thực tiễn, đồng thời tạo ra nhiều câu hỏi đạo đức. Ứng viên cần tự kiểm tra xem dữ liệu có được phép sử dụng không, người tham gia có cần được thông báo không, dữ liệu có cần ẩn danh không, và việc công bố kết quả có gây rủi ro cho tổ chức hoặc cá nhân nào không.

Đặc biệt với DBA, dữ liệu có thể liên quan đến nhân viên, khách hàng, tài chính, chiến lược, hiệu suất hoặc hồ sơ nội bộ. Những dữ liệu này cần được xử lý cẩn trọng. Một luận án có thể sử dụng dữ liệu doanh nghiệp mà không tiết lộ thông tin nhạy cảm nếu có phương án mã hoá, tổng hợp và trình bày phù hợp.

Khoảng trống đạo đức phương pháp không nên bị xem nhẹ. Một nghiên cứu có dữ liệu tốt nhưng thiếu kiểm soát đạo đức có thể gặp rủi ro lớn khi đưa vào luận án. Ứng viên nên chuẩn bị sớm phần mô tả quyền sử dụng dữ liệu, bảo mật, ẩn danh và đồng thuận tham gia nếu có.

Câu hỏi 9: Kết luận có vượt quá phương pháp không?

Một nghiên cứu có thể bị yếu nếu kết luận vượt quá phạm vi phương pháp và dữ liệu. Đây là lỗi thường gặp trong hồ sơ APEL.Q. Ứng viên nghiên cứu một nhóm nhỏ nhưng kết luận cho toàn ngành. Ứng viên phân tích một dự án nội bộ nhưng khẳng định mô hình áp dụng cho mọi doanh nghiệp. Ứng viên phỏng vấn vài người nhưng đưa ra kết luận như một quy luật phổ quát.

Để kiểm tra khoảng trống này, ứng viên cần hỏi: phương pháp của tôi cho phép kết luận ở mức nào? Dữ liệu của tôi đại diện cho ai? Bối cảnh nghiên cứu có giới hạn gì? Kết quả có thể áp dụng cho những trường hợp nào và không nên áp dụng cho trường hợp nào?

Một luận án DBA không cần kết luận cho mọi bối cảnh. Đóng góp trong một bối cảnh cụ thể vẫn có giá trị nếu được trình bày trung thực. Điều quan trọng là ứng viên phải kiểm soát phạm vi kết luận theo đúng dữ liệu và phương pháp.

Khi phương pháp cũ chưa đủ, ứng viên nên làm gì?

Nếu phát hiện khoảng trống phương pháp, ứng viên không nên vội kết luận rằng hồ sơ không còn giá trị. Nhiều khoảng trống có thể xử lý trong lộ trình DBA.

Nếu thiếu thiết kế nghiên cứu, ứng viên có thể tái thiết kế nghiên cứu dựa trên câu hỏi mới. Nếu thiếu dữ liệu, có thể bổ sung khảo sát, phỏng vấn hoặc dữ liệu thứ cấp. Nếu có dữ liệu nhưng chưa phân tích, có thể xây dựng kế hoạch phân tích lại. Nếu công cụ thu thập dữ liệu chưa tốt, có thể thiết kế công cụ mới. Nếu thiếu phần đạo đức nghiên cứu, có thể bổ sung quy trình bảo mật, ẩn danh và xin phép phù hợp.

Tuy nhiên, có những khoảng trống nghiêm trọng hơn. Nếu công trình cũ không có dữ liệu, không còn khả năng truy xuất, không thể bổ sung, không có phương pháp và không liên quan trực tiếp đến vấn đề DBA, công trình đó có thể chỉ nên dùng làm tài liệu nền. Ứng viên cần trung thực phân loại để tránh xây dựng lộ trình trên nền tảng quá yếu.

Bảng tự kiểm tra nhanh cho ứng viên

Trước khi nộp APEL.Q, ứng viên có thể tự kiểm tra phần phương pháp bằng các câu hỏi sau.

Nghiên cứu của tôi thuộc loại thiết kế nào? Vì sao thiết kế đó phù hợp với câu hỏi nghiên cứu? Đơn vị phân tích là gì? Mẫu nghiên cứu được chọn ra sao? Công cụ thu thập dữ liệu là gì? Quy trình thu thập dữ liệu có rõ không? Dữ liệu được phân tích bằng kỹ thuật nào? Tôi có thể chứng minh độ tin cậy hoặc tính hợp lệ của kết quả không? Có vấn đề đạo đức hoặc bảo mật nào cần xử lý không? Kết luận của tôi có vượt quá phạm vi dữ liệu không?

Nếu nhiều câu trả lời còn mơ hồ, khoảng trống phương pháp đang khá lớn. Nếu các câu trả lời rõ ràng, hồ sơ có nền tảng tốt hơn để hội đồng đánh giá khả năng phát triển thành luận án DBA.

Kết luận

Khoảng trống phương pháp là một trong những khoảng trống quan trọng nhất trong hồ sơ APEL.Q cho DBA. Nó quyết định nghiên cứu cũ có thể được bảo vệ học thuật hay chỉ mới là một báo cáo kinh nghiệm hoặc báo cáo thực tiễn.

Ứng viên cần kiểm tra phương pháp ở nhiều tầng: thiết kế nghiên cứu, đơn vị phân tích, mẫu, công cụ thu thập dữ liệu, quy trình thu thập, cách phân tích, độ tin cậy, đạo đức nghiên cứu và phạm vi kết luận. Một công trình chưa hoàn chỉnh vẫn có thể nâng cấp nếu khoảng trống được nhận diện rõ và có kế hoạch xử lý phù hợp.

APEL.Q không yêu cầu ứng viên phải có mọi thứ hoàn hảo ngay từ đầu. Tuy nhiên, ứng viên cần chứng minh rằng mình hiểu nghiên cứu đã được thực hiện như thế nào, còn thiếu gì và có thể nâng cấp ra sao. Đó là bước quan trọng để chuyển nền tảng nghiên cứu trước đó thành một luận án Tiến sĩ ứng dụng có chất lượng.

Tài liệu tham khảo

Charmaz, K. (2014). Constructing grounded theory (2nd ed.). SAGE Publications.

Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.

Edmondson, A. C., & McManus, S. E. (2007). Methodological fit in management field research. Academy of Management Review, 32(4), 1246–1264.

Flick, U. (2018). An introduction to qualitative research (6th ed.). SAGE Publications.

Israel, M. (2015). Research ethics and integrity for social scientists (2nd ed.). SAGE Publications.

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. SAGE Publications.