Sự gắn kết học tập là gì? Cách xây dựng thang đo

Sự gắn kết học tập là gì và được đo bằng gì

Bạn có thể hiểu sự gắn kết học tập là mức độ người học tham gia, tập trung và duy trì nỗ lực trong quá trình học. Khái niệm này thể hiện qua những gì sinh viên làm trong hoạt động học tập, cách họ suy nghĩ về nội dung học và cảm nhận của họ đối với lớp học hoặc học phần. Khi đưa vào luận văn định lượng, bạn cần chuyển khái niệm trừu tượng này thành các biến quan sát trong bảng hỏi.

Sự gắn kết học tập thường được mô tả qua ba mặt: gắn kết hành vi, gắn kết cảm xúc và gắn kết nhận thức. Gắn kết hành vi liên quan đến việc đi học, tham gia thảo luận, hoàn thành nhiệm vụ và duy trì nỗ lực. Gắn kết cảm xúc liên quan đến hứng thú, cảm giác thuộc về lớp học hoặc sự hài lòng khi học. Gắn kết nhận thức liên quan đến việc suy nghĩ sâu, tự điều chỉnh và tìm cách hiểu bản chất vấn đề.

Bạn nên tách khái niệm này khỏi động lực học tập. Động lực trả lời câu hỏi vì sao sinh viên muốn học, còn sự gắn kết tập trung vào cách sinh viên thực sự tham gia vào quá trình học. Kết quả học tập lại là biến đầu ra, chẳng hạn điểm số hoặc mức độ đạt chuẩn. Ba khái niệm có thể xuất hiện trong cùng một mô hình nghiên cứu, nhưng không nên dùng lẫn các biến quan sát của chúng.

Trong bảng hỏi, mỗi biến quan sát thường được đo bằng thang Likert nhiều mức. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ được trình bày bởi Likert (1932). Với đề tài sinh viên, thang 5 hoặc 7 mức đều có thể dùng, miễn là bạn giữ cách diễn giải nhất quán từ đầu đến cuối bảng hỏi.

Nguồn thang đo gốc

Điểm cần xử lý cẩn thận là nguồn thang đo gốc. Danh sách nguồn được phép trích dẫn trong bài này không có một công trình gốc riêng về thang đo sự gắn kết học tập. Vì vậy, bạn không nên ghi đại một tác giả, một năm công bố hoặc số lượng biến quan sát chỉ để bảng hỏi có vẻ đầy đủ. Hãy tìm đúng bài nghiên cứu gốc phù hợp với bối cảnh của bạn, kiểm tra phần scale development hoặc measurement items, rồi lưu lại thông tin trước khi dịch.

Bảng dưới đây chỉ cho thấy tài liệu nào trong phạm vi nguồn hiện có có thể hỗ trợ phần phương pháp. Bảng không tuyên bố rằng Likert (1932) là thang đo gốc của sự gắn kết học tập.

Khi đã tìm được nguồn gốc, bạn cần ghi rõ tác giả, năm, số biến quan sát ban đầu, bối cảnh mẫu và cách tác giả kiểm định thang đo. Nếu chỉ lấy một câu từ một bảng hỏi khác mà không kiểm tra định nghĩa khái niệm, bạn có thể tạo ra thang đo trộn giữa hành vi, cảm xúc và nhận thức.

Bạn cũng nên ghi rõ khái niệm trong mô hình nghiên cứu. Có thể xem thêm các đề tài luận văn sư phạm để đối chiếu cách đặt biến, nhưng không sao chép máy móc tên biến hoặc bảng hỏi của đề tài khác.

Bộ biến quan sát tham khảo

Các câu dưới đây là bộ khởi đầu để bạn hình dung cách viết biến quan sát. Đây chưa phải bản dịch đã được xác nhận của một thang đo gốc và chưa được kiểm định trên dữ liệu của bạn. Bạn phải đối chiếu từng câu với định nghĩa khái niệm, bối cảnh lớp học và nguồn thang đo đã chọn.

Mỗi biến quan sát nên chứa một ý chính. Câu “Tôi đi học đầy đủ và luôn hoàn thành bài tập đúng hạn” có hai ý, vì vậy người trả lời có thể đồng ý với một vế nhưng không đồng ý với vế còn lại. Bạn nên tách thành hai biến nếu cả hai nội dung đều cần đo.

Đừng dùng các từ quá tuyệt đối như “luôn luôn”, “hoàn toàn” hoặc “tốt nhất” nếu hành vi đó khó xảy ra trong thực tế. Câu hỏi nên gắn với một khoảng thời gian cụ thể, chẳng hạn “trong học kỳ này”, nếu người trả lời có thể hiểu khác nhau về thời điểm đánh giá.

Bạn cũng cần quyết định sự gắn kết học tập là một khái niệm tổng thể hay một cấu trúc gồm ba thành phần. Nếu mô hình có ba biến tiềm ẩn riêng, mỗi thành phần cần có định nghĩa và bộ biến quan sát riêng. Nếu chỉ dùng một biến tổng hợp, bạn phải giải thích vì sao các mặt hành vi, cảm xúc và nhận thức được gộp lại.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bước đầu tiên là lập bảng đối chiếu giữa bản gốc và bản tiếng Việt. Bạn ghi câu gốc, bản dịch dự kiến, khái niệm mà câu đó đo và vấn đề cần làm rõ. Cách này giúp bạn phát hiện những từ tiếng Anh có thể bị dịch thành “tham gia”, trong khi bản gốc thực tế nói về nỗ lực, sự tập trung hoặc cảm giác thuộc về.

Bước thứ hai là điều chỉnh ngữ cảnh. Câu hỏi dành cho sinh viên đại học cần nói rõ “học phần”, “lớp học”, “giảng viên” hoặc “hoạt động học tập” nếu đó là bối cảnh nghiên cứu. Nếu khảo sát học sinh phổ thông, cách gọi và nội dung câu hỏi phải thay đổi. Bạn cũng cần thống nhất chủ thể, chẳng hạn dùng “tôi” cho toàn bộ bảng hỏi.

Bước thứ ba là kiểm tra biến đảo chiều. Biến đảo chiều có thể giúp hạn chế việc người trả lời chọn cùng một mức cho tất cả câu, nhưng câu phủ định dễ gây nhầm. Nếu dùng câu “Tôi thường mất tập trung trong giờ học”, bạn phải đảo mã trước khi chạy Cronbach's Alpha và EFA. Việc đảo mã cần được ghi lại trong file dữ liệu, không sửa âm thầm sau khi đã có kết quả.

Bước thứ tư là chạy thử trên một nhóm nhỏ có đặc điểm gần với mẫu chính. Mục tiêu của pilot là phát hiện từ khó hiểu, câu hỏi hai nghĩa, bảng hỏi quá dài và phương án trả lời không phù hợp. Pilot không biến một bộ câu hỏi chưa có nguồn thành thang đo đã được xác nhận.

Nếu đề tài nghiên cứu tác động của phương pháp giảng dạy đến sự gắn kết học tập, hãy kiểm tra xem câu hỏi có đang đo chất lượng giảng dạy thay vì phản ứng của người học hay không. Câu “Giảng viên tạo ra giờ học hấp dẫn” có thể đo cảm nhận về phương pháp giảng dạy, không trực tiếp đo sự gắn kết của sinh viên.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu khảo sát, quy trình thường đi từ kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu yêu cầu, rồi mới đưa các biến phù hợp vào hồi quy hoặc mô hình SEM. Thứ tự này giúp bạn không sử dụng một biến quan sát đã bị loại trong bước trước.

Cronbach's Alpha đánh giá mức độ nhất quán nội tại của các biến trong cùng một thang đo. Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, mức từ 0.6 có thể được cân nhắc theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là ngưỡng thường được sử dụng theo (Nunnally và Bernstein, 1994).

Trong SPSS, bạn vào Analyze > Scale > Reliability Analysis, đưa các biến của một khái niệm vào ô Items, chọn Model là Alpha. Trong nút Statistics, đánh dấu Item, Scale và Scale if item deleted. Đọc bảng Reliability Statistics cùng với Item-Total Statistics, không xóa biến chỉ vì dòng “Alpha if Item Deleted” tăng nhẹ. Bạn cần xem cả ý nghĩa lý thuyết và nội dung câu hỏi.

Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Trong Descriptives, chọn KMO and Bartlett's test. Trong Extraction, kiểm tra cách trích nhân tố và Eigenvalues. Trong Rotation, chọn phép xoay phù hợp với giả định các nhân tố có tương quan hoặc không tương quan. Các bảng cần đọc gồm KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

Khi một biến tải cao ở hai nhân tố, bạn cần xem chênh lệch tải, nội dung biến và cấu trúc lý thuyết trước khi loại. EFA hiếm khi ra đẹp ngay lần đầu. Loại biến, chạy lại và ghi lại từng vòng là quy trình có thể xảy ra, nhưng bạn phải giải trình rõ biến nào bị loại và vì sao.

Nếu dùng SmartPLS, bạn không lấy các chỉ số CFI, TLI hoặc RMSEA của CB-SEM để đánh giá mô hình PLS-SEM. Với mô hình đo lường, có thể xem outer loading, CR, AVE và HTMT. Outer loading từ 0.7 trở lên, CR từ 0.7 và AVE từ 0.5 trở lên là các mốc thường được tham khảo theo (Chin, 1998), (Fornell và Larcker, 1981) và (Hair và cộng sự, 2022). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được trình bày theo (Henseler và cộng sự, 2015).

Cách đọc kết quả minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả từ một nghiên cứu thật. Tên cột được mô phỏng theo bảng Item-Total Statistics trong SPSS.

Trong ví dụ này, GKH5 có Corrected Item-Total Correlation thấp hơn 0.3, đồng thời việc xóa biến làm Alpha tăng. Bạn vẫn cần đọc câu hỏi và kiểm tra mã đảo chiều trước khi loại. Nếu GKH5 bị nhập ngược mã, sửa mã có thể hợp lý hơn loại biến. Không được kết luận rằng thang đo của bạn đạt 0.821 chỉ vì bảng minh họa có con số đó.

Cách viết vào luận văn

Bạn có thể điều chỉnh đoạn sau sau khi thay bằng số liệu thật: “Kết quả kiểm định độ tin cậy cho thấy thang đo sự gắn kết học tập gồm [số biến] biến quan sát có Cronbach's Alpha bằng [giá trị]. Các biến quan sát có Corrected Item-Total Correlation từ [giá trị thấp nhất] đến [giá trị cao nhất]. Sau khi xem xét đồng thời tiêu chí thống kê và cơ sở lý thuyết, biến [mã biến, nếu có] được loại do [lý do].”

Cách trình bày thang đo trong chương 3

Ở phần phương pháp, bạn giới thiệu định nghĩa sự gắn kết học tập, nguồn thang đo, cách dịch và điều chỉnh, số lượng biến quan sát ban đầu, thang Likert sử dụng và mã biến. Nếu thang đo gồm ba thành phần, hãy trình bày riêng từng thành phần thay vì đưa tám hoặc mười biến vào một danh sách không có cấu trúc.

Bạn nên có một bảng gồm mã biến, nội dung biến quan sát, nguồn và cách đo. Phần này chỉ mô tả công cụ trước khi thu thập dữ liệu. Các kết quả Cronbach's Alpha, EFA, outer loading hoặc AVE phải được trình bày ở chương kết quả, sau khi bạn chạy trên file .sav hoặc .csv thật.

Nếu sử dụng một thang đo đã dịch, hãy nói rõ đó là bản điều chỉnh cho bối cảnh nghiên cứu. Tránh viết “thang đo được chuẩn hóa” khi bạn chưa có bằng chứng về quá trình chuẩn hóa trên đúng nhóm đối tượng. Bạn cũng có thể đối chiếu cách trình bày với bài thang đo kết quả học tập, nhưng hãy giữ ranh giới giữa biến kết quả và biến gắn kết.

Lỗi thường gặp

Lỗi đầu tiên là lấy tên “sự gắn kết học tập” nhưng dùng toàn bộ câu hỏi về điểm số. Điểm số đo kết quả học tập, không thay thế cho hành vi tham gia, cảm xúc hoặc nỗ lực nhận thức.

Lỗi thứ hai là trộn ba thành phần mà không nói rõ mô hình. Khi một số câu đo cảm xúc, một số câu đo hành vi và một số câu đo tự học, bạn cần quyết định cấu trúc trước khi chạy kiểm định.

Lỗi thứ ba là xóa biến theo Alpha một cách máy móc. Alpha cao không chứng minh thang đo có giá trị nội dung, còn một biến có chỉ số thấp có thể do nhập sai mã, diễn đạt khó hiểu hoặc không thuộc cùng khái niệm.

Lỗi thứ tư là dùng nguồn thứ cấp nhưng ghi như nguồn gốc. Bạn cần truy ngược bài công bố ban đầu, kiểm tra bối cảnh và ghi đúng số biến. Nếu chưa xác định được nguồn, hãy trình bày đây là bộ biến dự kiến và tiếp tục tìm tài liệu thay vì gắn một trích dẫn không kiểm chứng.

Câu hỏi thường gặp

Sự gắn kết học tập có giống động lực học tập không?

Hai khái niệm có thể liên quan nhưng không đồng nhất. Động lực nói về lý do và mức mong muốn học, còn sự gắn kết mô tả mức độ người học tham gia, tập trung, cảm nhận và đầu tư vào hoạt động học tập. Bạn nên dùng định nghĩa riêng và bộ biến quan sát riêng cho mỗi khái niệm.

Nên dùng thang Likert 5 mức hay 7 mức?

Cả hai đều có thể sử dụng. Thang 5 mức dễ trả lời và phù hợp với nhiều bảng hỏi sinh viên, còn thang 7 mức cho phép phân biệt tinh tế hơn giữa các mức độ đồng ý. Bạn chọn một loại, ghi rõ các mốc từ hoàn toàn không đồng ý đến hoàn toàn đồng ý và dùng nhất quán trong toàn bộ bảng hỏi.

Có thể tự dịch thang đo sự gắn kết học tập không?

Bạn có thể dịch để điều chỉnh ngôn ngữ, nhưng bản dịch cần bám định nghĩa và nội dung của nguồn gốc. Hãy ghi lại bản gốc, bản dịch, lý do thay đổi ngữ cảnh và kết quả pilot. Một bộ câu tự viết chỉ trở thành thang đo sử dụng được sau khi bạn có cơ sở lý thuyết và kiểm định phù hợp.

Cronbach's Alpha thấp thì có nên xóa ngay biến quan sát không?

Chưa nên xóa ngay. Trước hết kiểm tra dữ liệu thiếu, biến đảo chiều, lỗi nhập mã và cách diễn đạt câu hỏi. Sau đó xem Corrected Item-Total Correlation, Alpha if Item Deleted và ý nghĩa lý thuyết. Nếu loại biến, bạn cần ghi lại quyết định và chạy lại kiểm định trên bộ biến còn lại.

Có thể dùng sự gắn kết học tập làm biến phụ thuộc không?

Có thể, nếu mô hình của bạn đặt các yếu tố như phương pháp giảng dạy, môi trường học tập hoặc động lực học tập làm biến giải thích. Bạn cần xác định rõ gắn kết là biến tổng thể hay gồm các thành phần, sau đó chọn cách kiểm định phù hợp với mô hình và loại dữ liệu.

Bạn hãy mở lại file bảng hỏi và tạo một bảng đối chiếu gồm định nghĩa, nguồn gốc, mã biến, câu tiếng Việt và trạng thái đã kiểm tra; nếu cần chạy kiểm định trên chính file .sav hoặc .csv, M4 phân tích dữ liệu của DoThesis có thể xử lý bước này mà không bịa số.