Cách viết chương kết quả: từ dữ liệu đến phát hiện trong luận án DBA

Sau chương phương pháp, chương kết quả là nơi ứng viên trình bày điều dữ liệu cho thấy. Đây là một chương rất quan trọng trong luận án DBA theo lộ trình APEL.Q, vì chương này chứng minh rằng luận án không chỉ dựa trên kinh nghiệm quản lý, nhận định cá nhân hoặc quan sát thực tiễn, mà có bằng chứng nghiên cứu cụ thể.

Tuy nhiên, nhiều ứng viên gặp khó khăn ở chương này. Một số người đưa quá nhiều bảng số liệu nhưng không giải thích ý nghĩa. Một số người đưa quá nhiều trích dẫn phỏng vấn nhưng không hình thành phát hiện rõ. Một số người mô tả dữ liệu cũ và dữ liệu mới tách rời, khiến chương kết quả trở nên rời rạc. Một số người viết chương kết quả như báo cáo doanh nghiệp, chưa cho thấy mối liên hệ với câu hỏi nghiên cứu và khung lý thuyết.

Theo Miles, Huberman và Saldaña (2020), phân tích dữ liệu không chỉ là sắp xếp thông tin, mà là quá trình rút ra mẫu hình, ý nghĩa và kết luận có cơ sở từ dữ liệu. Với APEL.Q cho DBA, chương kết quả cần làm được điều này: chuyển dữ liệu thành phát hiện, và chuyển phát hiện thành nền tảng cho phần thảo luận và đóng góp thực tiễn.

Chương kết quả không phải là nơi đưa toàn bộ dữ liệu

Một lỗi phổ biến là ứng viên nghĩ chương kết quả càng nhiều dữ liệu càng tốt. Thực tế, chương kết quả không phải kho chứa toàn bộ bảng khảo sát, bản ghi phỏng vấn, báo cáo nội bộ hoặc phụ lục doanh nghiệp. Chương này cần chọn lọc dữ liệu quan trọng để trả lời câu hỏi nghiên cứu.

Dữ liệu thô có thể để trong phụ lục nếu phù hợp và đã được ẩn danh. Trong chương kết quả, ứng viên cần trình bày dữ liệu đã được xử lý, phân tích và tổ chức thành các phát hiện chính. Người đọc không nên phải tự nhìn vào hàng chục bảng hoặc hàng trăm trích dẫn để tự suy luận kết quả. Ứng viên phải dẫn dắt người đọc hiểu dữ liệu đang nói gì.

Ví dụ, thay vì đưa toàn bộ bảng phản hồi học viên, ứng viên có thể trình bày ba phát hiện chính: học viên giảm tương tác sau giai đoạn đầu; phản hồi học thuật chậm làm tăng cảm giác bị bỏ rơi; và hỗ trợ cá nhân hoá có liên quan đến khả năng duy trì học tập. Sau đó, mỗi phát hiện được hỗ trợ bằng số liệu, trích dẫn hoặc dữ liệu LMS tương ứng.

Phân biệt dữ liệu, kết quả và phát hiện

Ứng viên cần phân biệt ba khái niệm: dữ liệu, kết quả và phát hiện.

Dữ liệu là thông tin thu thập được: câu trả lời khảo sát, trích dẫn phỏng vấn, chỉ số LMS, dữ liệu CRM, báo cáo nội bộ hoặc tài liệu doanh nghiệp. Kết quả là dữ liệu đã được xử lý: tỷ lệ, bảng tổng hợp, nhóm chủ đề, xu hướng, mối quan hệ hoặc mô tả mẫu hình. Phát hiện là ý nghĩa nghiên cứu được rút ra từ kết quả, liên quan đến câu hỏi nghiên cứu.

Ví dụ, dữ liệu là các lần đăng nhập LMS của học viên. Kết quả là tỷ lệ đăng nhập giảm mạnh sau tuần thứ tư. Phát hiện là: “Giai đoạn sau tuần thứ tư là điểm rủi ro quan trọng, khi học viên bắt đầu chuyển từ tham gia ban đầu sang yêu cầu tự học sâu hơn, trong khi hệ thống hỗ trợ chưa có cơ chế can thiệp sớm.”

Phát hiện có giá trị hơn dữ liệu thô vì nó giải thích ý nghĩa của dữ liệu. Chương kết quả cần trình bày phát hiện, không chỉ trình bày dữ liệu.

Tổ chức chương kết quả theo câu hỏi nghiên cứu

Một cách viết hiệu quả là tổ chức chương kết quả theo câu hỏi nghiên cứu hoặc câu hỏi phụ. Cách này giúp người đọc thấy mỗi phần kết quả đang trả lời điều gì.

Ví dụ, nếu luận án có ba câu hỏi phụ, chương kết quả có thể chia thành ba phần tương ứng. Câu hỏi phụ thứ nhất hỏi về hiện trạng hoặc vấn đề. Phần kết quả thứ nhất trình bày dữ liệu liên quan đến hiện trạng. Câu hỏi phụ thứ hai hỏi về yếu tố ảnh hưởng. Phần kết quả thứ hai trình bày các yếu tố được phát hiện. Câu hỏi phụ thứ ba hỏi về mô hình hoặc hướng cải thiện. Phần kết quả thứ ba trình bày dữ liệu dẫn đến mô hình đề xuất.

Cách tổ chức này đặc biệt hữu ích trong APEL.Q, vì ứng viên thường có nhiều nguồn dữ liệu cũ và mới. Khi kết quả được sắp xếp theo câu hỏi nghiên cứu, dữ liệu không bị rời rạc.

Tổ chức chương kết quả theo chủ đề phát hiện

Nếu nghiên cứu chủ yếu là định tính hoặc nghiên cứu tình huống, ứng viên có thể tổ chức chương kết quả theo chủ đề phát hiện. Mỗi chủ đề phải liên quan trực tiếp đến câu hỏi nghiên cứu.

Ví dụ, trong nghiên cứu về quản trị thay đổi khi triển khai CRM, các chủ đề phát hiện có thể gồm: sự không phù hợp giữa hệ thống và quy trình bán hàng; thiếu hỗ trợ từ quản lý tuyến đầu; đào tạo kỹ thuật không đủ để thay đổi hành vi sử dụng; và dữ liệu hệ thống chưa được tích hợp vào cơ chế đánh giá hiệu suất.

Mỗi chủ đề cần có cấu trúc rõ: nêu phát hiện, trình bày bằng chứng, giải thích ý nghĩa sơ bộ. Không nên chỉ liệt kê trích dẫn phỏng vấn. Mỗi trích dẫn phải phục vụ một phát hiện cụ thể.

Kết hợp dữ liệu cũ và dữ liệu mới trong chương kết quả

Trong APEL.Q, chương kết quả thường cần kết hợp dữ liệu cũ và dữ liệu mới. Đây là điểm cần viết rất cẩn thận. Ứng viên cần cho thấy dữ liệu cũ hỗ trợ phát hiện nào, dữ liệu mới bổ sung điều gì và hai nhóm dữ liệu này liên hệ với nhau ra sao.

Ví dụ, dữ liệu khảo sát cũ cho thấy 62% học viên đánh giá thấp tốc độ phản hồi hỗ trợ. Dữ liệu phỏng vấn mới giải thích rằng học viên không chỉ cần phản hồi nhanh, mà cần phản hồi có tính định hướng học thuật. Dữ liệu LMS cho thấy nhóm học viên có số lần gửi yêu cầu hỗ trợ nhưng không nhận phản hồi trong 72 giờ có xu hướng giảm tương tác trong tuần tiếp theo. Khi kết hợp, các nguồn dữ liệu này tạo thành phát hiện mạnh hơn về vai trò của phản hồi hỗ trợ.

Ứng viên không nên trình bày dữ liệu cũ ở một phần riêng và dữ liệu mới ở một phần khác nếu điều đó làm mất mạch phát hiện. Cách tốt hơn là tổ chức theo phát hiện, rồi trong mỗi phát hiện sử dụng các nguồn dữ liệu phù hợp.

Dùng bảng để làm rõ phát hiện

Bảng là công cụ rất hữu ích trong chương kết quả. Tuy nhiên, bảng cần được dùng để làm rõ phân tích, không phải để đổ dữ liệu vào luận án.

Một bảng tốt có thể trình bày mối liên hệ giữa câu hỏi nghiên cứu, nguồn dữ liệu và phát hiện. Một bảng khác có thể trình bày các chủ đề phát hiện, bằng chứng hỗ trợ và hàm ý ban đầu. Với dữ liệu định lượng, bảng có thể tóm tắt thống kê mô tả, kết quả so sánh hoặc xu hướng chính. Với dữ liệu định tính, bảng có thể tóm tắt chủ đề, mã dữ liệu và trích dẫn minh hoạ.

Ví dụ, bảng phát hiện có thể gồm các cột: phát hiện chính, nguồn dữ liệu hỗ trợ, bằng chứng minh hoạ, liên hệ với câu hỏi nghiên cứu. Cách này giúp hội đồng thấy phát hiện không phải là nhận định cảm tính, mà được hỗ trợ bởi dữ liệu.

Cách trình bày dữ liệu định lượng

Nếu chương kết quả có dữ liệu khảo sát hoặc số liệu hệ thống, ứng viên cần trình bày rõ ràng và không phóng đại. Dữ liệu định lượng có thể gồm tỷ lệ, trung bình, độ lệch chuẩn, tương quan, hồi quy, xu hướng theo thời gian hoặc so sánh nhóm.

Ứng viên cần giải thích ý nghĩa của số liệu. Không nên chỉ đưa bảng rồi để người đọc tự hiểu. Ví dụ, sau bảng tỷ lệ bỏ học theo tuần, cần viết rõ xu hướng chính là gì, tuần nào là điểm rủi ro, nhóm nào có nguy cơ cao hơn và dữ liệu này liên quan đến câu hỏi nghiên cứu ra sao.

Nếu mẫu nhỏ hoặc không đại diện, cần thận trọng trong cách diễn đạt. Thay vì viết “kết quả chứng minh rằng…”, có thể viết “dữ liệu cho thấy xu hướng…” hoặc “trong mẫu nghiên cứu này…”. Cách viết này chuyên nghiệp hơn và phù hợp với giới hạn dữ liệu.

Cách trình bày dữ liệu định tính

Nếu chương kết quả dùng phỏng vấn, ghi chú quan sát hoặc tài liệu nội bộ, ứng viên cần trình bày theo chủ đề. Mỗi chủ đề nên có bằng chứng minh hoạ, thường là trích dẫn ngắn đã ẩn danh hoặc tóm tắt nội dung từ nhiều nguồn.

Không nên đưa trích dẫn quá dài. Không nên dùng trích dẫn chỉ để làm đẹp nội dung. Mỗi trích dẫn cần có chức năng: minh hoạ một mẫu hình, làm rõ một mâu thuẫn, cho thấy góc nhìn người tham gia hoặc hỗ trợ diễn giải của ứng viên.

Ví dụ:

“Dữ liệu phỏng vấn cho thấy vấn đề không chỉ nằm ở khả năng sử dụng hệ thống, mà còn ở sự không phù hợp giữa hệ thống mới và quy trình làm việc hiện tại. Một quản lý bán hàng cho biết: ‘Hệ thống có nhiều tính năng, nhưng đội ngũ không biết nên dùng phần nào trong từng bước bán hàng’ (P04). Nhận định này phù hợp với dữ liệu sử dụng CRM, trong đó các tính năng nhập liệu cơ bản được dùng thường xuyên hơn nhiều so với các tính năng phân tích nâng cao.”

Đoạn này tốt vì trích dẫn không đứng một mình. Nó được đặt trong lập luận và được đối chiếu với dữ liệu khác.

Không nên trộn thảo luận vào chương kết quả quá sớm

Chương kết quả nên tập trung vào việc trình bày phát hiện từ dữ liệu. Phần giải thích sâu hơn với lý thuyết, so sánh với nghiên cứu trước và phát triển đóng góp thường nên để trong chương thảo luận.

Tuy nhiên, điều này không có nghĩa chương kết quả chỉ là mô tả khô. Ứng viên vẫn cần diễn giải sơ bộ để người đọc hiểu phát hiện. Sự khác biệt là chương kết quả trả lời “dữ liệu cho thấy gì”, còn chương thảo luận trả lời “điều đó có ý nghĩa gì đối với lý thuyết, thực tiễn và đóng góp DBA”.

Nếu chương kết quả đã bàn quá sâu về lý thuyết, chương thảo luận có thể bị lặp. Nếu chương kết quả không diễn giải gì, người đọc khó hiểu ý nghĩa dữ liệu. Cần cân bằng.

Đưa dữ liệu trái chiều vào chương kết quả

Một chương kết quả tốt không chỉ chọn dữ liệu ủng hộ lập luận của ứng viên. Nếu có dữ liệu trái chiều, ứng viên nên trình bày và xử lý. Dữ liệu trái chiều có thể làm nghiên cứu mạnh hơn, vì nó cho thấy ứng viên không chọn lọc bằng chứng một chiều.

Ví dụ, phần lớn học viên có thể cho rằng phản hồi chậm là vấn đề, nhưng một số học viên lại nói họ không cần nhiều hỗ trợ vì có khả năng tự học tốt. Điều này có thể dẫn đến phát hiện sâu hơn: nhu cầu hỗ trợ không đồng nhất, và mô hình hỗ trợ nên phân tầng theo mức độ tự chủ của học viên.

Hoặc phần lớn nhân viên có thể không dùng CRM vì thấy không phù hợp với quy trình, nhưng một nhóm nhân viên lại sử dụng hiệu quả vì quản lý trực tiếp tích hợp CRM vào họp nhóm hằng tuần. Đây là dữ liệu rất quan trọng để phát triển đóng góp thực tiễn.

Theo Patton (2015), dữ liệu ngoại lệ hoặc trường hợp trái chiều có thể giúp nghiên cứu định tính trở nên sâu sắc hơn vì nó buộc người nghiên cứu kiểm tra lại mẫu hình và diễn giải. Trong DBA, dữ liệu trái chiều thường giúp mô hình ứng dụng trở nên tinh tế hơn.

Liên kết phát hiện với câu hỏi nghiên cứu

Cuối mỗi phần kết quả, ứng viên nên nhắc lại phát hiện đó trả lời câu hỏi nghiên cứu như thế nào. Đây là kỹ thuật viết rất hữu ích.

Ví dụ:

“Như vậy, phát hiện này trả lời câu hỏi phụ thứ nhất bằng cách cho thấy rủi ro bỏ học không xuất hiện đột ngột, mà hình thành qua chuỗi dấu hiệu giảm tương tác, chậm phản hồi và thiếu định hướng học thuật trong giai đoạn đầu của chương trình.”

Hoặc:

“Phát hiện này hỗ trợ câu hỏi nghiên cứu chính bằng cách chỉ ra rằng mô hình quản trị thay đổi trong triển khai CRM cần kết hợp ba yếu tố: thiết kế lại quy trình, hỗ trợ quản lý tuyến đầu và đào tạo gắn với tình huống công việc.”

Cách viết này giúp chương kết quả không bị rời khỏi mục tiêu nghiên cứu.

Cách kết thúc chương kết quả

Cuối chương kết quả nên có phần tóm tắt các phát hiện chính. Phần này không cần dài, nhưng cần làm rõ những phát hiện nào sẽ được đưa sang chương thảo luận.

Ứng viên có thể tóm tắt theo dạng đoạn văn hoặc bảng. Ví dụ: “Chương này đã trình bày bốn phát hiện chính: thứ nhất…, thứ hai…, thứ ba…, thứ tư…. Các phát hiện này cho thấy vấn đề nghiên cứu không chỉ nằm ở…, mà còn liên quan đến…. Chương tiếp theo sẽ thảo luận ý nghĩa của các phát hiện này đối với khung lý thuyết và đóng góp thực tiễn của luận án.”

Phần kết thúc giúp tạo cầu nối sang chương thảo luận. Đây là điểm nhiều bản thảo còn thiếu.

Những lỗi thường gặp khi viết chương kết quả

Lỗi thứ nhất là đưa quá nhiều dữ liệu thô vào chương chính. Dữ liệu thô nên được chọn lọc hoặc đưa vào phụ lục.

Lỗi thứ hai là chỉ trình bày bảng số liệu mà không diễn giải.

Lỗi thứ ba là chỉ đưa trích dẫn phỏng vấn mà không hình thành chủ đề phát hiện.

Lỗi thứ tư là tách dữ liệu cũ và dữ liệu mới quá rời rạc, không tích hợp theo phát hiện.

Lỗi thứ năm là đưa kết luận quá rộng, vượt quá dữ liệu.

Lỗi thứ sáu là bỏ qua dữ liệu trái chiều.

Lỗi thứ bảy là không liên kết phát hiện với câu hỏi nghiên cứu.

Lỗi thứ tám là trộn quá nhiều phần thảo luận lý thuyết vào chương kết quả, khiến chương sau bị lặp.

Kết luận

Chương kết quả trong luận án DBA theo lộ trình APEL.Q là nơi ứng viên chuyển dữ liệu thành phát hiện nghiên cứu. Đây không phải là nơi nộp toàn bộ dữ liệu, cũng không phải là bản báo cáo mô tả đơn thuần. Chương này cần tổ chức dữ liệu theo câu hỏi nghiên cứu hoặc chủ đề phát hiện, trình bày bằng chứng rõ ràng và giải thích ý nghĩa ban đầu của dữ liệu.

Ứng viên cần phân biệt dữ liệu, kết quả và phát hiện; biết tích hợp dữ liệu cũ với dữ liệu mới; sử dụng bảng, số liệu và trích dẫn một cách có mục đích; đưa dữ liệu trái chiều khi cần; và liên kết từng phát hiện với câu hỏi nghiên cứu. Một chương kết quả tốt sẽ tạo nền tảng vững chắc cho chương thảo luận và phần đóng góp thực tiễn.

Trong APEL.Q, chất lượng chương kết quả quyết định liệu nền tảng cũ có thật sự được nâng cấp thành luận án DBA hay không. Khi dữ liệu được phân tích và trình bày đúng cách, luận án sẽ không chỉ kể lại điều ứng viên đã làm, mà chứng minh điều nghiên cứu đã phát hiện.

Tài liệu tham khảo

Braun, V., & Clarke, V. (2022). Thematic analysis: A practical guide. SAGE Publications.

Creswell, J. W., & Guetterman, T. C. (2021). Educational research: Planning, conducting, and evaluating quantitative and qualitative research (7th ed.). Pearson.

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

Patton, M. Q. (2015). Qualitative research & evaluation methods (4th ed.). SAGE Publications.

Silverman, D. (2020). Interpreting qualitative data (6th ed.). SAGE Publications.