Cách xử lý dữ liệu cũ trong nghiên cứu DBA theo lộ trình APEL.Q

Trong APEL.Q cho DBA, dữ liệu cũ là một trong những tài sản quan trọng nhất của ứng viên. Dữ liệu cũ có thể đến từ luận văn Thạc sĩ, bài báo khoa học, báo cáo tư vấn, khảo sát nội bộ, phỏng vấn trước đây, dự án doanh nghiệp, dữ liệu LMS, CRM, HRM, báo cáo vận hành hoặc các nghiên cứu ứng dụng mà ứng viên đã thực hiện trước khi bước vào lộ trình DBA.

Tuy nhiên, dữ liệu cũ không tự động trở thành dữ liệu phù hợp cho luận án DBA. Một bộ dữ liệu có thể từng có giá trị trong một bối cảnh nghiên cứu trước đây, nhưng khi chuyển sang DBA, ứng viên cần kiểm tra lại: dữ liệu này được thu thập để trả lời câu hỏi nào, có còn phù hợp với câu hỏi DBA không, có đủ chất lượng không, có thể sử dụng hợp lệ không, có cần phân tích lại không, và có cần bổ sung dữ liệu mới không.

Theo Heaton (2004), việc sử dụng lại dữ liệu trong nghiên cứu cần được thực hiện có phương pháp, đặc biệt khi dữ liệu được tạo ra cho một mục tiêu ban đầu khác với nghiên cứu hiện tại. Với APEL.Q, nguyên tắc này rất quan trọng: dữ liệu cũ là điểm xuất phát tốt, nhưng phải được kiểm tra, tái định vị và nâng cấp để phục vụ luận án Tiến sĩ ứng dụng.

Dữ liệu cũ là gì?

Dữ liệu cũ là dữ liệu đã được thu thập trước khi ứng viên chính thức triển khai luận án DBA trong lộ trình APEL.Q. Dữ liệu này có thể được thu thập cho mục đích học thuật, quản trị, tư vấn, vận hành hoặc đánh giá nội bộ.

Ví dụ, dữ liệu khảo sát từ luận văn Thạc sĩ là dữ liệu cũ. Bộ phỏng vấn dùng cho một bài báo đã công bố là dữ liệu cũ. Báo cáo phản hồi học viên từ hệ thống LMS năm trước là dữ liệu cũ. Dữ liệu khách hàng từ dự án cải tiến dịch vụ là dữ liệu cũ. Báo cáo nhân sự về mức độ gắn kết nhân viên cũng là dữ liệu cũ.

Điểm quan trọng là dữ liệu cũ không đồng nghĩa với dữ liệu kém giá trị. Nhiều dữ liệu cũ rất mạnh vì được thu thập trong bối cảnh thật, có quy mô tốt và phản ánh vấn đề quản trị thực tế. Vấn đề nằm ở chỗ ứng viên phải chứng minh dữ liệu đó vẫn phù hợp với nghiên cứu DBA hiện tại.

Không nên dùng dữ liệu cũ một cách nguyên trạng

Một sai lầm thường gặp là ứng viên đưa dữ liệu cũ vào luận án DBA như thể nó được thu thập riêng cho luận án hiện tại. Cách làm này có thể tạo rủi ro học thuật. Nếu dữ liệu cũ được thu thập cho câu hỏi nghiên cứu khác, bối cảnh khác hoặc mục tiêu khác, ứng viên cần giải thích rõ.

Ví dụ, dữ liệu khảo sát cũ từng dùng để đo mức độ hài lòng của học viên. Nếu luận án DBA hiện tại nghiên cứu mô hình hỗ trợ học viên nhằm giảm tỷ lệ bỏ học, dữ liệu hài lòng có thể hỗ trợ một phần, nhưng chưa chắc đủ để trả lời toàn bộ câu hỏi mới. Ứng viên cần làm rõ dữ liệu cũ hỗ trợ phần nào và phần nào cần bổ sung.

Dữ liệu cũ chỉ nên được sử dụng sau khi đã được đánh giá lại. Nếu dùng nguyên trạng mà không tái định vị, luận án có thể bị xem là lặp lại công trình cũ hoặc thiếu tính nguyên bản.

Bước 1: Xác định nguồn gốc dữ liệu cũ

Trước khi sử dụng dữ liệu cũ, ứng viên cần xác định nguồn gốc của nó. Đây là bước nền tảng.

Cần trả lời các câu hỏi: dữ liệu được thu thập khi nào, bởi ai, trong bối cảnh nào, từ nhóm đối tượng nào, bằng công cụ gì, theo phương pháp nào, và để phục vụ mục tiêu gì. Nếu dữ liệu đến từ luận văn hoặc bài báo, cần ghi rõ công trình gốc. Nếu dữ liệu đến từ tổ chức, cần ghi rõ phòng ban, hệ thống hoặc dự án tạo ra dữ liệu. Nếu dữ liệu đến từ khảo sát, cần có bảng hỏi, mẫu và thời gian khảo sát. Nếu dữ liệu đến từ phỏng vấn, cần có hướng dẫn phỏng vấn, danh sách người tham gia đã ẩn danh và ghi chú phân tích.

Nếu không xác định được nguồn gốc, dữ liệu chỉ nên dùng rất hạn chế, thường là làm bối cảnh hoặc gợi ý vấn đề, không nên dùng làm bằng chứng chính.

Bước 2: Kiểm tra mục đích ban đầu của dữ liệu

Dữ liệu cũ luôn có mục đích ban đầu. Ứng viên cần hiểu mục đích đó trước khi quyết định dùng lại.

Nếu dữ liệu ban đầu được thu thập cho luận văn Thạc sĩ, nó có thể phục vụ câu hỏi học thuật cũ. Nếu dữ liệu được thu thập cho khảo sát nội bộ, nó có thể phục vụ quyết định quản trị. Nếu dữ liệu đến từ hệ thống CRM, nó có thể phục vụ bán hàng hoặc chăm sóc khách hàng. Nếu dữ liệu đến từ LMS, nó có thể phục vụ quản lý học tập.

Mục đích ban đầu ảnh hưởng đến cấu trúc dữ liệu. Một khảo sát quản trị nội bộ có thể không có thang đo học thuật đầy đủ. Một dữ liệu hệ thống có thể ghi nhận hành vi nhưng không giải thích động cơ. Một báo cáo tư vấn có thể tập trung vào giải pháp, không trình bày phương pháp nghiên cứu.

Khi hiểu mục đích ban đầu, ứng viên sẽ biết dữ liệu có thể dùng ở mức nào trong DBA.

Bước 3: Đối chiếu dữ liệu cũ với câu hỏi DBA hiện tại

Đây là bước quan trọng nhất. Ứng viên cần kiểm tra dữ liệu cũ có trả lời được câu hỏi nghiên cứu DBA hiện tại không.

Có ba khả năng.

Khả năng thứ nhất, dữ liệu cũ phù hợp trực tiếp. Ví dụ, dữ liệu khảo sát cũ đo đúng các yếu tố mà luận án DBA đang phân tích. Khi đó, dữ liệu có thể được sử dụng như dữ liệu chính, nếu nguồn gốc, quyền sử dụng và chất lượng đều phù hợp.

Khả năng thứ hai, dữ liệu cũ phù hợp một phần. Ví dụ, dữ liệu cũ cho thấy hiện tượng, nhưng chưa giải thích nguyên nhân. Khi đó, dữ liệu cũ có thể dùng làm nền, còn luận án cần bổ sung dữ liệu mới.

Khả năng thứ ba, dữ liệu cũ không phù hợp với câu hỏi mới. Khi đó, dữ liệu chỉ nên dùng làm bối cảnh hoặc không dùng trong phân tích chính.

Ví dụ, một dữ liệu cũ về điểm hài lòng học viên có thể phù hợp một phần với nghiên cứu về trải nghiệm học viên. Nhưng nếu luận án DBA tập trung vào mô hình can thiệp sớm để giảm bỏ học, cần thêm dữ liệu về hành vi học tập, phản hồi hỗ trợ và nguyên nhân giảm tương tác.

Bước 4: Kiểm tra chất lượng dữ liệu

Ứng viên cần đánh giá chất lượng dữ liệu cũ trước khi sử dụng. Chất lượng dữ liệu không chỉ nằm ở số lượng, mà còn ở độ rõ, độ đầy đủ, tính liên quan và khả năng kiểm chứng.

Với khảo sát, cần kiểm tra bảng hỏi, mẫu, số phản hồi hợp lệ, cách thu thập, dữ liệu thiếu và độ phù hợp của thang đo. Với phỏng vấn, cần kiểm tra người tham gia, câu hỏi phỏng vấn, bản ghi hoặc ghi chú, cách mã hoá và độ sâu của dữ liệu. Với dữ liệu hệ thống, cần kiểm tra định nghĩa chỉ số, thời gian ghi nhận, tính đầy đủ và cách trích xuất. Với báo cáo nội bộ, cần kiểm tra tác giả, nguồn dữ liệu và phương pháp phân tích.

Theo Bryman (2016), chất lượng dữ liệu có ảnh hưởng trực tiếp đến độ tin cậy của kết luận nghiên cứu. Vì vậy, ứng viên không nên dùng dữ liệu cũ chỉ vì dữ liệu sẵn có. Cần dùng vì dữ liệu phù hợp và đủ chất lượng.

Bước 5: Kiểm tra quyền sử dụng dữ liệu cũ

Dữ liệu cũ có thể không thuộc toàn quyền sử dụng của ứng viên. Đây là vấn đề rất quan trọng trong DBA.

Nếu dữ liệu đến từ luận văn cá nhân của ứng viên, quyền sử dụng thường rõ hơn, nhưng vẫn cần trích dẫn và trình bày minh bạch. Nếu dữ liệu đến từ doanh nghiệp, khách hàng, học viên, nhân viên hoặc dự án tư vấn, cần kiểm tra quyền sử dụng. Nếu dữ liệu thuộc tổ chức, ứng viên có thể cần xin phép, ẩn danh hoặc chỉ dùng dữ liệu tổng hợp.

Đặc biệt, nếu dữ liệu cũ chứa thông tin cá nhân hoặc thông tin thương mại, không nên đưa vào luận án trước khi xử lý bảo mật. Một dữ liệu rất tốt nhưng không được phép sử dụng không nên làm nền tảng chính cho luận án.

Bước 6: Xác định dữ liệu cũ sẽ đóng vai trò gì

Dữ liệu cũ có thể có nhiều vai trò khác nhau trong luận án DBA.

Vai trò thứ nhất là dữ liệu chính. Đây là khi dữ liệu cũ trực tiếp trả lời câu hỏi nghiên cứu và đủ chất lượng để phân tích.

Vai trò thứ hai là dữ liệu nền. Đây là khi dữ liệu cũ giúp xác định vấn đề, mô tả bối cảnh hoặc chứng minh hiện tượng ban đầu.

Vai trò thứ ba là dữ liệu bổ trợ. Đây là khi dữ liệu cũ hỗ trợ một phần phát hiện, được dùng để đối chiếu với dữ liệu mới.

Vai trò thứ tư là tài liệu bối cảnh. Đây là khi dữ liệu cũ không đủ dùng trong phân tích chính, nhưng giúp hiểu tổ chức, dự án hoặc môi trường nghiên cứu.

Ứng viên cần ghi rõ vai trò này trong bảng dữ liệu. Không nên để người đọc tự đoán dữ liệu cũ đang được dùng ở mức nào.

Bước 7: Phân tích lại dữ liệu cũ nếu cần

Một giá trị lớn của APEL.Q là cho phép ứng viên phân tích lại dữ liệu cũ theo câu hỏi mới hoặc khung lý thuyết mới. Đây là cách tạo ra đóng góp mới từ nền tảng đã có.

Ví dụ, dữ liệu phỏng vấn cũ từng được dùng để mô tả khó khăn trong chuyển đổi số. Trong luận án DBA, ứng viên có thể mã hoá lại dữ liệu theo khung quản trị thay đổi, gồm truyền thông, hỗ trợ lãnh đạo, năng lực người dùng, sự phù hợp quy trình và văn hoá tổ chức. Cách phân tích mới có thể tạo ra phát hiện mới.

Tuy nhiên, khi phân tích lại, ứng viên cần trình bày rõ. Không nên dùng kết quả cũ rồi gọi là phân tích mới. Cần nêu: dữ liệu gốc là gì, khung phân tích mới là gì, quy trình phân tích lại ra sao và phát hiện mới khác gì so với công trình trước.

Theo Hinds, Vogel và Clarke-Steffen (1997), phân tích lại dữ liệu có thể tạo ra hiểu biết mới nếu người nghiên cứu minh bạch về bối cảnh dữ liệu gốc và mục tiêu phân tích mới.

Bước 8: Kết hợp dữ liệu cũ với dữ liệu mới

Trong nhiều trường hợp, dữ liệu cũ không đủ để hoàn thiện luận án DBA. Ứng viên cần bổ sung dữ liệu mới. Đây là cách làm rất phù hợp trong APEL.Q.

Dữ liệu cũ có thể giúp xác định vấn đề. Dữ liệu mới giúp giải thích vấn đề. Dữ liệu cũ có thể cho thấy xu hướng. Dữ liệu mới giúp hiểu nguyên nhân. Dữ liệu cũ có thể cung cấp dữ liệu định lượng. Dữ liệu mới có thể bổ sung chiều sâu định tính. Hoặc ngược lại, dữ liệu cũ là phỏng vấn, dữ liệu mới là khảo sát để kiểm tra rộng hơn.

Ví dụ, dữ liệu LMS cũ cho thấy học viên giảm tương tác sau tuần thứ tư. Dữ liệu phỏng vấn mới có thể giải thích vì sao: thiếu phản hồi, áp lực công việc, khó hiểu yêu cầu học thuật hoặc thiếu kết nối với giảng viên. Khi kết hợp, luận án có phát hiện mạnh hơn.

Theo Creswell và Plano Clark (2018), việc kết hợp nhiều loại dữ liệu có thể giúp nghiên cứu hiểu hiện tượng toàn diện hơn, nếu sự kết hợp được thiết kế có mục đích. Trong APEL.Q, dữ liệu cũ và mới nên được kết hợp theo logic câu hỏi nghiên cứu, không phải ghép lại một cách cơ học.

Bước 9: Trình bày dữ liệu cũ trong chương phương pháp

Trong chương phương pháp, ứng viên nên có một phần riêng giải thích dữ liệu cũ. Phần này cần nêu rõ nguồn dữ liệu, thời gian thu thập, mục đích ban đầu, cách dữ liệu được sử dụng trong luận án DBA, giới hạn của dữ liệu và dữ liệu mới được bổ sung nếu có.

Ví dụ:

“Nghiên cứu sử dụng dữ liệu khảo sát học viên được thu thập trong năm 2022 như một nguồn dữ liệu nền. Dữ liệu ban đầu được thu thập nhằm đánh giá mức độ hài lòng của học viên trong chương trình trực tuyến. Trong luận án DBA, dữ liệu này được phân tích lại để xác định các yếu tố liên quan đến mức độ tham gia học tập. Do dữ liệu khảo sát không giải thích đầy đủ nguyên nhân giảm tương tác, nghiên cứu bổ sung 12 cuộc phỏng vấn với học viên và đội ngũ hỗ trợ trong năm 2026.”

Cách viết này rất rõ và chuyên nghiệp. Nó cho thấy dữ liệu cũ được dùng có kiểm soát, không bị trình bày như dữ liệu mới.

Bước 10: Ghi rõ giới hạn của dữ liệu cũ

Dữ liệu cũ thường có giới hạn. Ứng viên cần nêu rõ các giới hạn này.

Giới hạn có thể là dữ liệu được thu thập cho mục tiêu khác, thiếu một số biến quan trọng, không còn dữ liệu thô đầy đủ, mẫu chưa đại diện cho nhóm nghiên cứu hiện tại, thời gian thu thập đã khá lâu, hoặc bối cảnh tổ chức đã thay đổi.

Nêu giới hạn không làm luận án yếu đi nếu ứng viên cũng giải thích cách xử lý. Ví dụ, nếu dữ liệu cũ thiếu chiều sâu định tính, ứng viên bổ sung phỏng vấn. Nếu dữ liệu cũ thiếu một số chỉ số, ứng viên không kết luận về những chỉ số đó. Nếu dữ liệu cũ chỉ phản ánh một giai đoạn, ứng viên giới hạn kết luận trong giai đoạn đó.

Một cách viết tốt là: “Dữ liệu cũ được sử dụng như nền tảng ban đầu, không phải là nguồn duy nhất để xây dựng kết luận. Các phát hiện chính được phát triển thông qua việc đối chiếu dữ liệu cũ với dữ liệu phỏng vấn bổ sung và tài liệu vận hành mới.”

Khi nào không nên dùng dữ liệu cũ?

Có một số trường hợp dữ liệu cũ không nên được sử dụng làm dữ liệu chính.

Trường hợp thứ nhất là không rõ nguồn gốc. Trường hợp thứ hai là không có quyền sử dụng. Trường hợp thứ ba là dữ liệu quá xa câu hỏi DBA hiện tại. Trường hợp thứ tư là dữ liệu thiếu nghiêm trọng và không thể kiểm chứng. Trường hợp thứ năm là dữ liệu chứa thông tin nhạy cảm không thể ẩn danh. Trường hợp thứ sáu là dữ liệu đã được dùng trong công trình trước đó mà luận án không có phân tích mới hoặc đóng góp mới.

Trong các trường hợp này, dữ liệu cũ có thể được chuyển sang vai trò bối cảnh, hoặc không đưa vào luận án. Một luận án có ít dữ liệu hơn nhưng dữ liệu rõ và hợp lệ sẽ tốt hơn luận án dùng nhiều dữ liệu cũ không kiểm soát.

Bảng kiểm xử lý dữ liệu cũ

Ứng viên có thể sử dụng bảng kiểm sau:

Dữ liệu được thu thập khi nào?
Dữ liệu do ai thu thập?
Mục đích ban đầu của dữ liệu là gì?
Dữ liệu có liên quan đến câu hỏi DBA hiện tại không?
Dữ liệu có bảng hỏi, hướng dẫn phỏng vấn hoặc mô tả nguồn không?
Dữ liệu có thể kiểm chứng không?
Dữ liệu có chứa thông tin nhạy cảm không?
Ứng viên có quyền sử dụng dữ liệu không?
Dữ liệu cần được ẩn danh ở mức nào?
Dữ liệu sẽ đóng vai trò chính, bổ trợ hay bối cảnh?
Có cần phân tích lại dữ liệu không?
Có cần bổ sung dữ liệu mới không?
Giới hạn của dữ liệu là gì?

Nếu ứng viên trả lời rõ các câu hỏi này, dữ liệu cũ sẽ được xử lý an toàn và học thuật hơn.

Những lỗi thường gặp khi dùng dữ liệu cũ

Lỗi thứ nhất là trình bày dữ liệu cũ như dữ liệu mới. Đây là rủi ro về tính minh bạch.

Lỗi thứ hai là dùng lại kết quả cũ mà không phân tích lại hoặc không tạo đóng góp mới.

Lỗi thứ ba là không kiểm tra quyền sử dụng dữ liệu nội bộ.

Lỗi thứ tư là không nêu mục đích ban đầu của dữ liệu.

Lỗi thứ năm là dùng dữ liệu cũ để trả lời câu hỏi mới mà dữ liệu không phù hợp.

Lỗi thứ sáu là bỏ qua giới hạn thời gian, bối cảnh và mẫu của dữ liệu.

Lỗi thứ bảy là không kết hợp dữ liệu mới khi dữ liệu cũ còn thiếu.

Kết luận

Dữ liệu cũ là tài sản rất quan trọng trong APEL.Q cho DBA. Nó giúp ứng viên không phải bắt đầu từ con số không và có thể tận dụng nền tảng nghiên cứu, dữ liệu thực tiễn hoặc dự án đã thực hiện trước đó. Tuy nhiên, dữ liệu cũ chỉ có giá trị khi được xử lý đúng cách.

Ứng viên cần xác định nguồn gốc, mục đích ban đầu, chất lượng, quyền sử dụng, mức độ phù hợp với câu hỏi DBA, vai trò trong luận án, nhu cầu phân tích lại, nhu cầu bổ sung dữ liệu mới và giới hạn của dữ liệu cũ. Nếu làm tốt, dữ liệu cũ có thể trở thành nền tảng mạnh cho luận án. Nếu dùng sai, dữ liệu cũ có thể tạo rủi ro về tính nguyên bản, đạo đức và chất lượng học thuật.

Trong APEL.Q, câu hỏi không phải là “có được dùng dữ liệu cũ không?”. Câu hỏi đúng hơn là: dữ liệu cũ được dùng như thế nào, được nâng cấp ra sao và đóng góp gì cho luận án DBA hiện tại. Khi trả lời rõ câu hỏi này, ứng viên sẽ sử dụng dữ liệu cũ một cách minh bạch, an toàn và có giá trị học thuật.

Tài liệu tham khảo

Bryman, A. (2016). Social research methods (5th ed.). Oxford University Press.

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

Heaton, J. (2004). Reworking qualitative data. SAGE Publications.

Hinds, P. S., Vogel, R. J., & Clarke-Steffen, L. (1997). The possibilities and pitfalls of doing a secondary analysis of a qualitative data set. Qualitative Health Research, 7(3), 408–424.

Irwin, S. (2013). Qualitative secondary data analysis: Ethics, epistemology and context. Progress in Development Studies, 13(4), 295–306.