Cách phân loại minh chứng mạnh, trung bình và yếu trong APEL.Q

Sau khi lập bảng minh chứng và đối chiếu từng minh chứng với tiêu chí đánh giá APEL.Q, ứng viên cần thực hiện một bước rất quan trọng: phân loại chất lượng minh chứng. Không phải tài liệu nào trong hồ sơ cũng có giá trị như nhau. Một luận văn Thạc sĩ có dữ liệu rõ, phương pháp đầy đủ và vai trò cá nhân trực tiếp sẽ có giá trị khác với một slide dự án. Một bài báo có phản biện, dữ liệu và kết quả nghiên cứu rõ sẽ khác với một bài viết truyền thông. Một báo cáo tư vấn có phân tích dữ liệu, phương pháp và xác nhận vai trò sẽ khác với một báo cáo mô tả chung.

Phân loại minh chứng thành mạnh, trung bình và yếu giúp ứng viên hiểu hồ sơ của mình đang đứng ở đâu. Đây không phải là việc “làm đẹp” hồ sơ. Đây là bước tự đánh giá học thuật để biết tài liệu nào có thể làm nền tảng chính cho luận án DBA, tài liệu nào cần bổ sung, tài liệu nào chỉ nên dùng làm bối cảnh và tài liệu nào có rủi ro nếu trình bày như minh chứng chính.

Theo Booth, Colomb, Williams, Bizup và FitzGerald (2016), một lập luận nghiên cứu thuyết phục cần dựa trên bằng chứng phù hợp, đáng tin và được giải thích rõ. Trong APEL.Q, phân loại minh chứng chính là cách kiểm tra mức độ phù hợp và đáng tin của từng bằng chứng trước khi đưa vào hồ sơ hoặc luận án.

Vì sao cần phân loại minh chứng?

Ứng viên thường có xu hướng xem mọi tài liệu mình đã làm đều quan trọng. Điều này dễ hiểu, vì mỗi tài liệu đều gắn với công sức, thời gian và kinh nghiệm nghề nghiệp. Tuy nhiên, trong đánh giá học thuật, giá trị của minh chứng không phụ thuộc vào cảm giác của ứng viên, mà phụ thuộc vào mức độ minh chứng đó đáp ứng tiêu chí.

Một tài liệu có thể rất quan trọng trong công việc, nhưng chưa đủ mạnh về học thuật. Ví dụ, một kế hoạch kinh doanh có thể có giá trị thực tế cao, nhưng nếu không có dữ liệu, phương pháp và phân tích rõ, nó không nên được xem là minh chứng nghiên cứu chính. Ngược lại, một bộ dữ liệu phỏng vấn đã được ẩn danh và mã hoá có thể ít “đẹp” về hình thức, nhưng lại là minh chứng rất mạnh cho năng lực phân tích nghiên cứu.

Phân loại minh chứng giúp ứng viên tránh ba lỗi. Thứ nhất, dùng minh chứng yếu làm trục chính. Thứ hai, bỏ qua minh chứng mạnh vì hình thức chưa hoàn thiện. Thứ ba, không biết minh chứng nào cần bổ sung để nâng cấp hồ sơ.

Minh chứng mạnh là gì?

Minh chứng mạnh là minh chứng có khả năng hỗ trợ trực tiếp cho một hoặc nhiều tiêu chí quan trọng của APEL.Q. Một minh chứng mạnh thường có bảy đặc điểm.

Thứ nhất, minh chứng có liên quan trực tiếp đến DBA. Nó gắn với vấn đề quản trị, tổ chức, lãnh đạo, chiến lược, vận hành, nhân sự, marketing, đổi mới, chuyển đổi số, chất lượng dịch vụ hoặc thực hành nghề nghiệp.

Thứ hai, minh chứng có dữ liệu rõ. Dữ liệu có thể là khảo sát, phỏng vấn, dữ liệu vận hành, tài liệu tổ chức, dữ liệu khách hàng, dữ liệu học viên hoặc dữ liệu thứ cấp có nguồn gốc rõ.

Thứ ba, minh chứng có phương pháp hoặc có thể tái cấu trúc phương pháp. Nếu là luận văn hoặc bài báo, phương pháp thường đã được trình bày. Nếu là dự án doanh nghiệp, cần có cách mô tả quy trình thu thập, xử lý và phân tích dữ liệu.

Thứ tư, vai trò cá nhân của ứng viên rõ. Hội đồng cần biết ứng viên đã làm gì trong công trình đó.

Thứ năm, minh chứng có thể kiểm chứng. Có file, nguồn, phụ lục, link công bố, thư xác nhận, dữ liệu ẩn danh hoặc tài liệu hỗ trợ.

Thứ sáu, minh chứng có khả năng nâng cấp thành luận án DBA. Nó không chỉ là tài liệu quá khứ, mà có thể phát triển thành câu hỏi nghiên cứu, phân tích và đóng góp mới.

Thứ bảy, minh chứng không có rủi ro lớn về bảo mật hoặc quyền sử dụng dữ liệu.

Một ví dụ về minh chứng mạnh là luận văn Thạc sĩ do ứng viên thực hiện, có đề tài liên quan đến quản trị giáo dục trực tuyến, có dữ liệu khảo sát học viên, có phương pháp rõ và có thể phát triển thành mô hình hỗ trợ học viên trong DBA.

Minh chứng trung bình là gì?

Minh chứng trung bình là minh chứng có giá trị, nhưng còn thiếu một số yếu tố cần bổ sung. Loại minh chứng này không nên bị loại bỏ ngay. Nhiều minh chứng trung bình có thể trở thành minh chứng mạnh nếu được xử lý đúng.

Ví dụ, một báo cáo tư vấn có dữ liệu doanh nghiệp tốt nhưng chưa mô tả phương pháp rõ. Đây là minh chứng trung bình. Nếu ứng viên có thể bổ sung mô tả nguồn dữ liệu, quy trình phân tích, vai trò cá nhân và quyền sử dụng dữ liệu, minh chứng này có thể trở nên mạnh hơn.

Một bài báo có liên quan đến DBA nhưng vai trò cá nhân chưa rõ cũng là minh chứng trung bình. Nếu ứng viên bổ sung tuyên bố đóng góp tác giả hoặc thư xác nhận, giá trị minh chứng sẽ tăng.

Một dự án doanh nghiệp có kết quả thực tiễn tốt nhưng thiếu dữ liệu kiểm chứng cũng là minh chứng trung bình hoặc yếu tuỳ mức độ. Nếu ứng viên có thể bổ sung dữ liệu trước và sau triển khai, phỏng vấn các bên liên quan hoặc báo cáo đánh giá tác động, dự án có thể trở thành nền tảng tốt hơn cho luận án DBA.

Theo Miles, Huberman và Saldaña (2020), chất lượng phân tích phụ thuộc nhiều vào khả năng tổ chức, kiểm tra và diễn giải dữ liệu. Minh chứng trung bình thường chưa yếu về ý tưởng, nhưng cần được tổ chức lại để có giá trị nghiên cứu rõ hơn.

Minh chứng yếu là gì?

Minh chứng yếu là minh chứng không đủ khả năng hỗ trợ trực tiếp cho tiêu chí học thuật quan trọng, hoặc chỉ có giá trị bối cảnh. Minh chứng yếu không nhất thiết vô dụng. Tuy nhiên, nếu dùng sai vai trò, nó có thể làm hồ sơ bị đánh giá thấp.

Ví dụ, hình ảnh sự kiện, brochure chương trình, slide quảng bá, email cảm ơn, thư khen chung, bài viết truyền thông, kế hoạch công việc hoặc mô tả dự án không có dữ liệu thường là minh chứng yếu nếu dùng để chứng minh năng lực nghiên cứu. Chúng có thể cho thấy bối cảnh, hoạt động hoặc vai trò nghề nghiệp, nhưng chưa chứng minh được phương pháp, dữ liệu, phân tích hoặc đóng góp học thuật.

Một báo cáo doanh nghiệp chỉ có nhận định mà không có dữ liệu cũng là minh chứng yếu nếu được dùng như bằng chứng nghiên cứu chính. Một bài viết không phản biện, không có phương pháp và không có dữ liệu cũng không nên được trình bày như bài báo khoa học.

Minh chứng yếu vẫn có thể dùng trong hồ sơ nếu được đặt đúng vai trò. Ví dụ, brochure chương trình có thể giúp mô tả bối cảnh nghiên cứu. Email phân công có thể hỗ trợ xác nhận vai trò. Hình ảnh sự kiện có thể minh hoạ quá trình triển khai. Nhưng chúng không nên thay thế dữ liệu nghiên cứu.

Tiêu chí 1: Mức độ liên quan với DBA

Tiêu chí đầu tiên để phân loại minh chứng là mức độ liên quan với DBA. Một minh chứng mạnh cần liên quan trực tiếp đến vấn đề quản trị hoặc thực hành nghề nghiệp ở cấp độ cao.

Ví dụ, một đề tài về quản trị trải nghiệm khách hàng, chuyển đổi số, lãnh đạo, quản trị nhân sự, quản trị chất lượng, đổi mới tổ chức hoặc chiến lược doanh nghiệp thường có liên quan cao. Một bài viết về chủ đề ngoài lĩnh vực quản trị có thể vẫn có giá trị học thuật, nhưng nếu không kết nối được với DBA, nó chỉ nên được xem là minh chứng bổ trợ.

Ứng viên nên hỏi: minh chứng này có giúp trả lời câu hỏi nghiên cứu DBA không? Có thể phát triển thành mô hình, quy trình, khung phân tích hoặc đóng góp thực tiễn không? Nếu câu trả lời là có, minh chứng có thể mạnh. Nếu chỉ liên quan gián tiếp, nên xếp trung bình hoặc bổ trợ.

Tiêu chí 2: Chất lượng dữ liệu

Dữ liệu là yếu tố rất quan trọng trong phân loại minh chứng. Minh chứng có dữ liệu rõ thường mạnh hơn minh chứng chỉ có nhận định.

Dữ liệu mạnh cần có nguồn gốc rõ, phạm vi rõ, đối tượng rõ, thời gian rõ và khả năng kiểm chứng phù hợp. Ví dụ, một bộ khảo sát 200 học viên có bảng hỏi, file dữ liệu ẩn danh và mô tả mẫu sẽ mạnh hơn một báo cáo nói chung rằng “nhiều học viên chưa hài lòng”. Một bộ phỏng vấn có danh sách mã hoá người tham gia, hướng dẫn phỏng vấn và phân tích chủ đề sẽ mạnh hơn vài ghi chú trao đổi rời rạc.

Dữ liệu yếu thường thiếu nguồn, thiếu phương pháp, thiếu khả năng kiểm chứng hoặc không liên quan trực tiếp đến câu hỏi nghiên cứu. Nếu dữ liệu yếu nhưng vẫn có giá trị bối cảnh, ứng viên nên ghi rõ vai trò hạn chế của dữ liệu.

Theo Flick (2018), dữ liệu nghiên cứu cần được xem trong quan hệ với cách nó được tạo ra, bối cảnh của nó và khả năng hỗ trợ diễn giải. Vì vậy, ứng viên không nên chỉ hỏi “tôi có dữ liệu không?”, mà cần hỏi “dữ liệu này có đủ chất lượng để hỗ trợ lập luận DBA không?”.

Tiêu chí 3: Độ rõ của phương pháp

Một minh chứng mạnh thường có phương pháp rõ hoặc có khả năng được mô tả lại theo phương pháp nghiên cứu. Phương pháp không nhất thiết phải quá phức tạp, nhưng phải đủ để người đánh giá hiểu dữ liệu được tạo ra và phân tích như thế nào.

Luận văn và bài báo thường có phần phương pháp rõ hơn. Báo cáo tư vấn và dự án doanh nghiệp thường cần tái cấu trúc phần này. Nếu ứng viên có thể giải thích cách chọn mẫu, công cụ thu thập dữ liệu, quy trình phân tích và giới hạn, minh chứng sẽ mạnh hơn.

Minh chứng không có phương pháp vẫn có thể hữu ích, nhưng không nên dùng làm bằng chứng nghiên cứu chính. Ví dụ, một báo cáo nội bộ có thể chứa nhiều thông tin, nhưng nếu không rõ dữ liệu đến từ đâu và được phân tích thế nào, giá trị học thuật sẽ bị hạn chế.

Tiêu chí 4: Vai trò cá nhân của ứng viên

Một minh chứng chỉ thật sự mạnh trong APEL.Q nếu vai trò cá nhân của ứng viên rõ. Nếu công trình là cá nhân, như luận văn Thạc sĩ, vai trò thường dễ xác định. Nếu công trình là bài báo nhiều tác giả, báo cáo tư vấn hoặc dự án doanh nghiệp, cần mô tả kỹ hơn.

Ứng viên cần chứng minh mình đã tham gia vào phần nào: xác định vấn đề, thiết kế nghiên cứu, thu thập dữ liệu, phân tích, viết báo cáo, xây dựng mô hình, triển khai giải pháp hoặc đánh giá kết quả.

Nếu vai trò cá nhân không rõ, minh chứng nên được xếp thấp hơn, dù tài liệu có chất lượng tốt. Một báo cáo xuất sắc do nhóm thực hiện nhưng không chứng minh được ứng viên đóng góp gì thì không thể là minh chứng mạnh cho năng lực cá nhân.

Tiêu chí 5: Khả năng kiểm chứng

Minh chứng mạnh cần có khả năng kiểm chứng ở mức phù hợp. Kiểm chứng không có nghĩa là phải công khai mọi dữ liệu nhạy cảm. Nó có nghĩa là ứng viên có thể cung cấp tài liệu hỗ trợ khi cần: file gốc, dữ liệu ẩn danh, phụ lục, thư xác nhận, link công bố, DOI, biên bản, hoặc báo cáo có tên người thực hiện.

Minh chứng thiếu kiểm chứng thường yếu hơn. Ví dụ, ứng viên nói đã thực hiện một khảo sát lớn nhưng không còn bảng hỏi, không còn dữ liệu và không có báo cáo kết quả. Khi đó, minh chứng này khó được đánh giá mạnh.

Với dữ liệu doanh nghiệp nhạy cảm, ứng viên có thể kiểm chứng bằng cách cung cấp dữ liệu tổng hợp, tài liệu đã ẩn danh hoặc thư xác nhận quyền sử dụng. Điều quan trọng là không để hồ sơ chỉ dựa trên lời khai của ứng viên.

Tiêu chí 6: Khả năng nâng cấp thành luận án DBA

Một minh chứng mạnh không chỉ tốt trong quá khứ, mà còn có khả năng phát triển thành luận án DBA. Đây là tiêu chí đặc thù của APEL.Q.

Ứng viên nên hỏi: minh chứng này có thể giúp xây dựng câu hỏi nghiên cứu DBA không? Có thể phát triển thành khung lý thuyết, phương pháp, dữ liệu, phát hiện hoặc đóng góp thực tiễn không? Có thể tích hợp vào cấu trúc luận án không?

Một bài báo rất tốt nhưng quá xa đề tài DBA có thể chỉ là minh chứng học thuật bổ trợ. Một dự án doanh nghiệp chưa viết theo chuẩn học thuật nhưng có dữ liệu, vấn đề quản trị và khả năng tạo mô hình ứng dụng có thể là minh chứng mạnh hơn cho DBA.

Tiêu chí 7: Rủi ro bảo mật và quyền sử dụng

Một minh chứng có dữ liệu mạnh nhưng không được phép sử dụng sẽ có rủi ro cao. Vì vậy, khi phân loại, ứng viên cần xem xét quyền sử dụng dữ liệu, bảo mật và đạo đức nghiên cứu.

Nếu dữ liệu có thể được ẩn danh, tổng hợp và sử dụng hợp lệ, minh chứng vẫn có thể mạnh. Nếu dữ liệu thuộc doanh nghiệp và không có quyền sử dụng, minh chứng không nên dùng làm nền tảng chính. Nếu dữ liệu liên quan đến cá nhân, khách hàng, nhân viên hoặc học viên, cần có phương án bảo mật và đồng thuận phù hợp.

Theo Resnik (2020), trách nhiệm nghiên cứu bao gồm tính trung thực, bảo vệ người tham gia và sử dụng dữ liệu một cách có đạo đức. Trong APEL.Q, minh chứng mạnh không chỉ là minh chứng có dữ liệu tốt, mà còn là minh chứng có thể sử dụng một cách hợp lệ và an toàn.

Bảng phân loại gợi ý

Ứng viên có thể dùng bảng phân loại như sau:

Mức mạnh: liên quan trực tiếp đến DBA, có dữ liệu rõ, phương pháp rõ, vai trò cá nhân rõ, có thể kiểm chứng, có khả năng nâng cấp, rủi ro bảo mật thấp hoặc đã được xử lý.

Mức trung bình: có giá trị nhưng thiếu một hoặc hai yếu tố quan trọng, chẳng hạn thiếu xác nhận vai trò, thiếu mô tả phương pháp, cần bổ sung dữ liệu hoặc cần xử lý bảo mật.

Mức yếu: liên quan thấp, thiếu dữ liệu, thiếu phương pháp, vai trò cá nhân không rõ, khó kiểm chứng, chỉ có giá trị bối cảnh hoặc minh hoạ.

Cách phân loại này không phải để thay thế đánh giá chính thức. Nó giúp ứng viên tự chuẩn bị và cải thiện hồ sơ trước khi nộp.

Cách nâng cấp minh chứng trung bình thành minh chứng mạnh

Một minh chứng trung bình có thể được nâng cấp nếu ứng viên biết thiếu gì và bổ sung đúng điểm đó.

Nếu thiếu vai trò cá nhân, có thể bổ sung thư xác nhận, email phân công hoặc mô tả đóng góp. Nếu thiếu phương pháp, có thể viết lại phần phương pháp dựa trên dữ liệu đã thu thập. Nếu thiếu dữ liệu bổ sung, có thể thực hiện phỏng vấn, khảo sát hoặc phân tích tài liệu thêm. Nếu thiếu kết nối với DBA, có thể tái cấu trúc vấn đề nghiên cứu và liên hệ với khung lý thuyết phù hợp.

Ví dụ, một báo cáo tư vấn có dữ liệu tốt nhưng thiếu phương pháp có thể được nâng cấp bằng cách viết lại thành nghiên cứu tình huống: nêu bối cảnh, nguồn dữ liệu, quy trình phân tích, vai trò cá nhân và giới hạn. Khi đó, báo cáo không còn chỉ là tài liệu thực tiễn, mà có thể trở thành nền tảng nghiên cứu.

Khi nào nên loại một minh chứng khỏi nhóm chính?

Ứng viên nên loại một minh chứng khỏi nhóm chính nếu nó không liên quan trực tiếp đến DBA, không có dữ liệu, không thể kiểm chứng, không chứng minh được vai trò cá nhân, hoặc có rủi ro bảo mật không thể xử lý.

Loại khỏi nhóm chính không có nghĩa là xoá khỏi hồ sơ hoàn toàn. Minh chứng đó có thể chuyển sang phần phụ lục, bối cảnh hoặc minh chứng nghề nghiệp. Ví dụ, một thư khen có thể không chứng minh năng lực nghiên cứu, nhưng có thể hỗ trợ bối cảnh về vai trò nghề nghiệp. Một brochure chương trình có thể không chứng minh dữ liệu, nhưng giúp mô tả môi trường nghiên cứu.

Cách dùng đúng vai trò giúp hồ sơ gọn và đáng tin hơn.

Những sai lầm thường gặp khi phân loại minh chứng

Sai lầm thứ nhất là xếp quá nhiều minh chứng vào nhóm mạnh. Nếu mọi tài liệu đều được gọi là mạnh, bảng phân loại mất giá trị.

Sai lầm thứ hai là đánh giá theo cảm xúc. Tài liệu ứng viên thích nhất chưa chắc là tài liệu mạnh nhất.

Sai lầm thứ ba là xem thành tích nghề nghiệp là tương đương minh chứng nghiên cứu. Thành tích nghề nghiệp có giá trị, nhưng cần dữ liệu và phân tích để trở thành nền tảng DBA.

Sai lầm thứ tư là bỏ qua minh chứng dữ liệu thô. Một file dữ liệu, bảng hỏi hoặc bản ghi phỏng vấn có thể rất mạnh nếu được tổ chức đúng.

Sai lầm thứ năm là không cập nhật phân loại. Một minh chứng trung bình có thể trở thành mạnh sau khi bổ sung xác nhận hoặc dữ liệu. Bảng phân loại cần được cập nhật theo tiến độ.

Kết luận

Phân loại minh chứng mạnh, trung bình và yếu là bước quan trọng trong APEL.Q cho DBA. Bước này giúp ứng viên hiểu tài liệu nào có thể làm nền tảng chính, tài liệu nào cần bổ sung, tài liệu nào chỉ nên dùng làm bối cảnh và tài liệu nào có rủi ro nếu sử dụng sai vai trò.

Minh chứng mạnh thường có liên quan trực tiếp đến DBA, dữ liệu rõ, phương pháp phù hợp, vai trò cá nhân rõ, khả năng kiểm chứng, khả năng nâng cấp và quyền sử dụng an toàn. Minh chứng trung bình có giá trị nhưng cần bổ sung. Minh chứng yếu vẫn có thể hữu ích, nhưng nên dùng đúng vai trò.

Trong APEL.Q, hồ sơ mạnh không phải là hồ sơ có nhiều tài liệu nhất. Hồ sơ mạnh là hồ sơ biết phân loại, đối chiếu và sử dụng minh chứng đúng cách. Khi ứng viên phân loại minh chứng tốt, quá trình xây dựng đề cương, bổ sung dữ liệu và viết luận án DBA sẽ có nền tảng rõ ràng hơn.

Tài liệu tham khảo

Booth, W. C., Colomb, G. G., Williams, J. M., Bizup, J., & FitzGerald, W. T. (2016). The craft of research (4th ed.). University of Chicago Press.

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

Miles, M. B., Huberman, A. M., & Saldaña, J. (2020). Qualitative data analysis: A methods sourcebook (4th ed.). SAGE Publications.

Resnik, D. B. (2020). The ethics of research with human subjects: Protecting people, advancing science, promoting trust. Springer.

Walliman, N. (2021). Research methods: The basics (3rd ed.). Routledge.