Thang đo kết quả học tập: nguồn, biến quan sát và cách kiểm định
Kết quả học tập là gì và được đo bằng gì
Khi dùng cụm từ thang đo kết quả học tập, bạn đang nói đến cách biến một khái niệm nghiên cứu thành một hoặc nhiều biến quan sát có thể thu thập bằng bảng hỏi hoặc lấy từ hồ sơ học tập. Khái niệm này có thể phản ánh mức độ người học đạt mục tiêu môn học, khả năng vận dụng kiến thức, điểm số, mức tiến bộ hoặc cảm nhận của chính sinh viên về kết quả đạt được.
Bạn nên phân biệt hai cách đo. Cách thứ nhất dùng dữ liệu khách quan như điểm trung bình, điểm cuối kỳ, tỷ lệ hoàn thành học phần hoặc kết quả một bài kiểm tra. Cách thứ hai dùng thang đo cảm nhận, trong đó sinh viên tự đánh giá mức độ đạt kết quả của mình qua nhiều biến quan sát trên thang Likert. Nếu mô hình của bạn có các biến như thang đo động lực học tập, thang đo sự gắn kết học tập hoặc thang đo phương pháp giảng dạy, cách đo cảm nhận thường thuận tiện hơn khi tất cả biến được thu trong cùng một bảng hỏi.
Một thang đo phản xạ thường giả định rằng biến tiềm ẩn kết quả học tập biểu hiện qua các biến quan sát. Chẳng hạn, sinh viên cảm nhận mình hiểu bài, hoàn thành yêu cầu và đạt mục tiêu học tập. Bạn cần xác định rõ khái niệm trước khi viết bảng hỏi. Có thể xem thêm kết quả học tập là gì để thống nhất phạm vi khái niệm với phần cơ sở lý thuyết.
Với thang Likert, bạn có thể dùng 5 hoặc 7 mức, từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Thang Likert gắn với kỹ thuật đo lường thái độ được trình bày trong (Likert, 1932). Số mức không tự làm thang đo tốt hơn. Điều quan trọng là người trả lời hiểu cùng một ý nghĩa ở mỗi mức và các biến quan sát cùng hướng đến một khái niệm.
Nguồn thang đo gốc
Nguồn gốc của thang đo quyết định phần lớn sức thuyết phục của chương 3. Bạn cần tìm nghiên cứu đã định nghĩa khái niệm, mô tả các biến quan sát và cho biết bối cảnh áp dụng. Chỉ ghi tên một tác giả trong bảng hỏi nhưng không biết biến quan sát được dùng thế nào sẽ khiến giảng viên hỏi lại khi bảo vệ.
Bảng dưới đây là bản đồ nguồn để bạn bắt đầu. Các nguồn được nêu nhằm định hướng khái niệm và cách xây dựng thang đo. Bạn vẫn phải đọc bản gốc, kiểm tra bối cảnh, xin quyền sử dụng nếu cần và tự dịch, điều chỉnh cho đề tài của mình.
| Nguồn | Năm | Số biến quan sát tham khảo | Bối cảnh hoặc phạm vi liên quan |
|---|---|---|---|
| (Likert, 1932) | 1932 | Không cố định | Kỹ thuật đo lường thái độ bằng thang mức độ đồng ý |
| (Davis, 1989) | 1989 | Tùy nghiên cứu | Đo nhận thức về tính hữu ích và tính dễ sử dụng trong chấp nhận công nghệ |
| (Ajzen, 1991) | 1991 | Tùy nghiên cứu | Ý định và hành vi theo Theory of Planned Behavior |
| (Venkatesh và cộng sự, 2003) | 2003 | Tùy nghiên cứu | Chấp nhận và sử dụng công nghệ theo UTAUT |
| (Venkatesh và cộng sự, 2012) | 2012 | Tùy nghiên cứu | Chấp nhận công nghệ trong bối cảnh người tiêu dùng theo UTAUT2 |
| (Parasuraman và cộng sự, 1988) | 1988 | 22 trong thang đo gốc | Nhận thức chất lượng dịch vụ qua các nhóm thành phần |
Không phải tất cả nguồn trong bảng đều là thang đo kết quả học tập. Chúng giúp bạn nhận ra một nguyên tắc: nguồn thang đo phải phù hợp với khái niệm, không chỉ phù hợp với chủ đề giáo dục. Ví dụ, bạn có thể tham khảo nghiên cứu về động lực học tập là gì khi xây dựng biến độc lập, nhưng không nên lấy biến quan sát của động lực để đo kết quả học tập.
Nếu đề tài của bạn nghiên cứu chất lượng giảng dạy, hãy tách khái niệm đó khỏi kết quả học tập. Bạn có thể xem phương pháp giảng dạy là gì để tránh trộn các phát biểu về hoạt động của giảng viên vào thang đo kết quả của sinh viên. Tương tự, sự gắn kết học tập là gì là khái niệm gần nhưng thường mô tả mức độ tham gia, tập trung và kết nối của người học, không phải kết quả cuối cùng.
Khi chọn nguồn, hãy lập một bảng theo dõi gồm tên khái niệm, định nghĩa, tác giả, năm, số biến quan sát, thang đo gốc, bối cảnh mẫu và lý do điều chỉnh. Nếu không tìm được nguồn phù hợp trong phạm vi tài liệu bạn có, hãy mô tả cấu trúc khái niệm thay vì tự ghi một tác giả hoặc năm không kiểm chứng.
Bộ biến quan sát tham khảo
Dưới đây là bộ phát biểu minh họa để bạn hình dung cấu trúc bảng hỏi. Đây là số liệu và câu chữ tham khảo, chưa phải bản dịch đã được xác nhận, cũng chưa phải thang đo hợp lệ cho nghiên cứu của bạn. Bạn cần đối chiếu định nghĩa, dịch xuôi, kiểm tra ngữ nghĩa và điều chỉnh theo học phần, bậc học hoặc trường nghiên cứu.
| Mã | Biến quan sát tham khảo | Hướng đo |
|---|---|---|
| KQHT1 | Tôi đạt được các mục tiêu học tập đã đặt ra trong học kỳ này. | Cùng chiều |
| KQHT2 | Tôi hiểu các kiến thức chính được trình bày trong học phần. | Cùng chiều |
| KQHT3 | Tôi có thể vận dụng kiến thức của học phần để giải quyết bài tập hoặc tình huống thực tế. | Cùng chiều |
| KQHT4 | Kết quả học tập của tôi đáp ứng yêu cầu của học phần. | Cùng chiều |
| KQHT5 | Tôi cảm nhận kết quả học tập của mình được cải thiện so với giai đoạn trước. | Cùng chiều |
Các phát biểu trên đang đo cảm nhận chung. Nếu mục tiêu của bạn là đo điểm số thực tế, hãy dùng biến dữ liệu phù hợp như điểm trung bình hoặc điểm cuối kỳ, đồng thời nêu cách thu thập và bảo mật dữ liệu. Bạn không nên đưa câu hỏi tự đánh giá vào mô hình rồi gọi đó là điểm số khách quan.
Mỗi biến nên tập trung vào một ý. Câu “Tôi hiểu bài và đạt điểm cao trong học phần” có hai nội dung, người trả lời có thể hiểu bài nhưng chưa đạt điểm cao. Câu “Tôi thường xuyên học tập, tham gia thảo luận và hoàn thành bài đúng hạn” cũng trộn kết quả với hành vi học tập. Các hành vi này có thể thuộc thang đo sự gắn kết học tập hoặc động lực học tập, tùy mô hình lý thuyết.
Bạn có thể dùng mã KQHT1 đến KQHT5 trong file SPSS, nhưng mã phải nhất quán từ bảng hỏi, file dữ liệu, output đến chương 4. Không đặt tên tiếng Việt có dấu trong tên biến SPSS nếu điều đó làm phần mềm đọc sai hoặc khiến bạn khó theo dõi khi chạy phân tích. Phần Label có thể ghi đầy đủ nội dung tiếng Việt.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bản dịch tốt không chỉ là thay từng từ tiếng Anh bằng một từ tiếng Việt. Bạn cần kiểm tra sinh viên Việt Nam có hiểu phát biểu theo đúng khái niệm hay không. “Đạt mục tiêu học tập” có thể được hiểu là đạt điểm cao, hoàn thành môn, hiểu kiến thức hoặc đáp ứng kỳ vọng cá nhân. Vì vậy, phần hướng dẫn bảng hỏi nên nêu rõ bối cảnh, chẳng hạn “trong học phần bạn đang học” hoặc “trong học kỳ hiện tại”.
Trước hết, xác định đơn vị phân tích. Nếu mỗi dòng dữ liệu là một sinh viên, các biến phải mô tả cảm nhận hoặc kết quả của sinh viên đó. Nếu nghiên cứu ở cấp lớp, bạn cần giải thích cách tổng hợp dữ liệu. Không nên để một số biến nói về cá nhân, số khác nói về cả lớp mà không có lý do phương pháp.
Tiếp theo, rà từng biến để phát hiện từ tuyệt đối như “luôn luôn”, “hoàn toàn”, “tất cả”. Những từ này dễ tạo câu trả lời cực đoan. Câu hỏi phủ định hoặc reverse item có thể giúp kiểm tra sự chú ý, nhưng cũng dễ khiến sinh viên hiểu nhầm. Nếu dùng câu đảo chiều, bạn phải mã hóa lại trước khi chạy Cronbach's Alpha hoặc EFA. Ví dụ, thang 1 đến 5 có thể đổi điểm theo công thức điểm mới bằng 6 trừ điểm cũ.
Bạn nên thử bảng hỏi trên một nhóm nhỏ có đặc điểm gần với mẫu chính. Mục tiêu là kiểm tra thời gian trả lời, từ khó hiểu, câu trùng ý, lựa chọn bị bỏ sót và lỗi hiển thị trên điện thoại. Ghi lại quyết định sửa từng biến. Khi giảng viên hỏi vì sao KQHT3 được điều chỉnh, bạn có thể chỉ ra định nghĩa khái niệm và kết quả kiểm tra bảng hỏi thay vì trả lời chung chung.
Một thang đo kết quả học tập cũng cần tránh thiên lệch do người trả lời muốn thể hiện mình học tốt. Bạn có thể giải thích rằng dữ liệu chỉ dùng cho mục đích nghiên cứu, không ảnh hưởng điểm số, và không yêu cầu ghi thông tin định danh nếu không cần. Cách trình bày này giúp giảm áp lực khi trả lời, nhưng không biến dữ liệu cảm nhận thành dữ liệu khách quan.
Kiểm định độ tin cậy và giá trị của thang đo
Với dữ liệu cảm nhận, quy trình thường bắt đầu bằng kiểm tra dữ liệu, sau đó chạy Cronbach's Alpha, EFA nếu thiết kế nghiên cứu có bước khám phá, rồi kiểm định mô hình đo lường bằng CFA hoặc SmartPLS tùy phương pháp. Bạn không nên xóa biến chỉ vì muốn output đẹp. Mỗi lần loại biến cần có lý do lý thuyết và thống kê, đồng thời ghi lại phiên bản phân tích.
Cronbach's Alpha phản ánh mức độ nhất quán nội bộ giữa các biến quan sát. 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 thường được dùng làm mốc tham khảo theo (Nunnally và Bernstein, 1994).
Bảng dưới đây là các ngưỡng thường gặp và nguồn đi kèm. Hãy xem đây là tiêu chí tham khảo, không phải quy tắc tự động xóa biến.
| Chỉ số | Mức tham khảo | Cách hiểu và nguồn |
|---|---|---|
| Cronbach's Alpha | ≥ 0.70 | Độ tin cậy thường được chấp nhận, (Nunnally, 1978) |
| Cronbach's Alpha cho thang đo khám phá | ≥ 0.60 | Có thể cân nhắc với thang đo mới, (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | ≥ 0.30 | Biến có tương quan phù hợp với tổng thang đo, (Nunnally và Bernstein, 1994) |
| KMO | ≥ 0.50 | Dữ liệu có mức phù hợp tối thiểu cho EFA, (Kaiser, 1974) |
| Bartlett's Test | Sig. < 0.05 | Ma trận tương quan khác ma trận đơn vị, (Kaiser, 1974) |
| Eigenvalue | > 1 | Quy tắc tham khảo khi quyết định số nhân tố, (Kaiser, 1960) |
| Total Variance Explained | ≥ 50% | Mức phương sai trích thường được tham khảo, (Hair và cộng sự, 2010) |
| Factor loading | ≥ 0.50 | Mức tải nhân tố thường được xem xét, (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | ≥ 0.70 | Mức tải ngoài thường được tham khảo, (Chin, 1998) |
| CR và AVE | CR ≥ 0.70, AVE ≥ 0.50 | Độ tin cậy tổng hợp và giá trị hội tụ, (Fornell và Larcker, 1981) |
| HTMT | < 0.85 hoặc < 0.90 | Giá trị phân biệt, tùy mức gần nhau của khái niệm, (Henseler và cộng sự, 2015) |
Chạy Cronbach's Alpha trong SPSS
Mở Analyze > Scale > Reliability Analysis. Đưa KQHT1 đến KQHT5 vào ô Items, chọn Model là Alpha. Trong Statistics, chọn Item, Scale và Scale if item deleted, sau đó chạy output. Hãy đọc bảng Reliability Statistics cùng bảng Item-Total Statistics, không kết luận chỉ từ Alpha tổng.
Chạy EFA trong SPSS
Vào Analyze > Dimension Reduction > Factor. Đưa các biến cần khám phá vào ô Variables. Trong Descriptives, chọn KMO and Bartlett's test; trong Extraction, có thể chọn Principal Axis Factoring nếu mục tiêu là khám phá cấu trúc tiềm ẩn; trong Rotation, chọn phép xoay phù hợp với giả định các nhân tố có tương quan. Đọc các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Factor Matrix hoặc Pattern Matrix tùy lựa chọn.
Kiểm định bằng SmartPLS 4
Nếu mô hình của bạn dùng PLS-SEM, nhập file .csv, kiểm tra tên cột và nối các indicator KQHT với construct kết quả học tập. Chạy Calculate > PLS-SEM Algorithm để xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Sau đó chạy Calculate > Bootstrapping, thường đặt 5.000 bootstrap subsamples theo (Hair và cộng sự, 2022), rồi đọc Path Coefficients và khoảng tin cậy.
Các chỉ số CFI, TLI, RMSEA thuộc nhóm đánh giá fit của CB-SEM, không đưa vào bài SmartPLS nếu bạn đang báo cáo PLS-SEM. Với PLS-SEM, bạn có thể trình bày CR, AVE, HTMT, VIF, R², f² và Q² theo mô hình nghiên cứu. VIF dưới 5 là mốc tham khảo trong (Hair và cộng sự, 2019). R² có thể được diễn giải ở các mức 0.75, 0.50 và 0.25 theo (Hair và cộng sự, 2011), nhưng ý nghĩa còn phụ thuộc lĩnh vực và mô hình.
số liệu minh họa
Bảng dưới đây mô phỏng hình dạng kết quả SmartPLS, không phải phát hiện từ một nghiên cứu thật. Bạn chỉ thay bằng số liệu trong output của mình.
| Construct | Cronbach's Alpha | rho_A | Composite Reliability | AVE |
|---|---|---|---|---|
| Kết quả học tập | 0.861 | 0.866 | 0.904 | 0.703 |
| Động lực học tập | 0.824 | 0.831 | 0.882 | 0.652 |
| Sự gắn kết học tập | 0.879 | 0.884 | 0.916 | 0.733 |
Trong ví dụ minh họa, các giá trị CR và AVE của construct Kết quả học tập vượt các mốc tham khảo. Bạn vẫn phải xem outer loading từng biến, HTMT giữa các construct và nội dung lý thuyết. Nếu KQHT5 có loading thấp, việc loại biến cần cân nhắc ý nghĩa “cải thiện so với giai đoạn trước”, không chỉ nhìn vào việc Alpha tăng bao nhiêu.
Cách trình bày thang đo trong chương 3
Ở chương 3, bạn trình bày định nghĩa khái niệm, nguồn thang đo, cách dịch và điều chỉnh, số biến ban đầu, thang Likert, đối tượng khảo sát và quy trình kiểm định dự kiến. Nếu có biến quan sát tự xây dựng, hãy nói rõ cơ sở hình thành và cách kiểm tra nội dung. Không gọi một bộ phát biểu là “thang đo chuẩn hóa” khi bạn chưa kiểm định trên bối cảnh nghiên cứu của mình.
Bạn có thể viết theo mẫu sau:
Cách viết vào luận văn: “Khái niệm [tên khái niệm] được đo lường bằng [số lượng] biến quan sát, kế thừa và điều chỉnh từ [tác giả, năm] cho phù hợp với bối cảnh [đối tượng/phạm vi nghiên cứu]. Người trả lời đánh giá các phát biểu trên thang Likert [5/7] mức, từ [mức thấp nhất] đến [mức cao nhất]. Các biến quan sát gồm [mã biến].”
Sau khi có output, phần chương 4 cần nêu số biến trước và sau kiểm định, Alpha, Corrected Item-Total Correlation, KMO, Bartlett, số nhân tố, loading và phương sai trích nếu bạn chạy EFA. Với SmartPLS, trình bày outer loading, Alpha, rho_A, CR, AVE và HTMT. Mỗi con số phải lấy từ file output thật của bạn.
Nếu mô hình có kết quả học tập là biến phụ thuộc, phần giả thuyết nên phân biệt rõ tác động của động lực, gắn kết và phương pháp giảng dạy. Bạn có thể tham khảo các đề tài luận văn sư phạm để kiểm tra cách đặt bối cảnh, nhưng cần tự xác định biến và mẫu phù hợp với đề tài.
Lỗi thường gặp
Lỗi đầu tiên là lấy thang đo của “academic performance” rồi dịch thành nhiều câu về sự hài lòng. Sự hài lòng là đánh giá thái độ, còn kết quả học tập có thể là mức đạt mục tiêu hoặc thành tích. Hai khái niệm có thể liên quan trong mô hình nhưng không nên dùng lẫn biến quan sát.
Lỗi thứ hai là dùng một biến duy nhất nhưng vẫn gọi là thang đo đa biến. Nếu bạn chỉ dùng điểm trung bình, hãy gọi đó là biến đo lường bằng một chỉ báo hoặc biến quan sát đơn, rồi giải thích nguồn dữ liệu. Cronbach's Alpha không phù hợp với một biến duy nhất.
Lỗi thứ ba là đưa tất cả biến vào Cronbach's Alpha chung. KQHT1 đến KQHT5 nên được kiểm định trong cùng construct kết quả học tập, còn động lực và gắn kết cần kiểm định theo construct riêng. Gộp các khái niệm chỉ vì chúng đều dùng Likert có thể làm sai diễn giải.
Lỗi thứ tư là xóa liên tục các biến để đạt Alpha cao. Alpha quá cao cũng có thể gợi ý các biến trùng lặp về nội dung. Hãy đọc Item-Total Statistics, xem tương quan giữa các biến, đối chiếu lý thuyết và ghi lại quyết định ở từng vòng chạy.
Lỗi cuối là trích dẫn một nguồn không có trong tài liệu thật hoặc ghi sai năm. Khi chưa kiểm tra được nguồn, hãy bỏ con số và trình bày cách bạn lựa chọn thang đo. Một đoạn mô tả trung thực có giá trị hơn một trích dẫn không thể truy ra.
Đọc thêm: đề tài luận văn sư phạm, động lực học tập là gì, kết quả học tập là gì, phương pháp giảng dạy là gì, sự gắn kết học tập là gì, chủ đề mo hinh nghien cuu.
Câu hỏi thường gặp
Thang đo kết quả học tập nên có bao nhiêu biến quan sát
Không có một con số chung cho mọi đề tài. Số biến phụ thuộc định nghĩa khái niệm, nguồn thang đo và việc bạn đo cảm nhận hay dữ liệu điểm số. Bộ minh họa năm biến ở trên chỉ là điểm bắt đầu để thiết kế bảng hỏi.
Có thể dùng điểm trung bình thay cho thang đo kết quả học tập không
Có thể, nếu câu hỏi nghiên cứu cần đo thành tích khách quan và bạn tiếp cận được dữ liệu điểm đáng tin cậy. Khi dùng điểm trung bình, bạn cần nêu đơn vị điểm, thời điểm lấy dữ liệu, cách xử lý thiếu dữ liệu và lý do không dùng nhiều biến quan sát. Bạn không chạy Cronbach's Alpha cho một cột điểm duy nhất.
Thang đo kết quả học tập có cần chạy EFA không
EFA phù hợp khi bạn đang khám phá hoặc kiểm tra cấu trúc thang đo trong bối cảnh mới. Nếu bạn kế thừa thang đo đã có cấu trúc rõ và dùng CB-SEM, quy trình có thể chuyển sang CFA theo thiết kế phương pháp. Nếu dùng SmartPLS, bạn đánh giá measurement model bằng outer loading, CR, AVE và giá trị phân biệt theo quy trình PLS-SEM.
Alpha dưới 0.7 thì có phải xóa thang đo ngay không
Chưa. Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được cân nhắc theo (Hair và cộng sự, 2010). Bạn cần xem số biến, Corrected Item-Total Correlation, nội dung từng biến và mẫu nghiên cứu trước khi quyết định. Đừng xóa biến chỉ vì một ngưỡng mà không có giải thích.
Biến đảo chiều bị lỗi thì làm sao
Kiểm tra lại nội dung câu hỏi và thang mã hóa. Nếu câu được viết theo hướng ngược, bạn phải reverse code trước khi chạy các kiểm định độ tin cậy và giá trị. Nếu người trả lời liên tục hiểu sai, có thể vấn đề nằm ở cách diễn đạt, khi đó cần ghi nhận và cân nhắc loại biến bằng lập luận phương pháp.
Có thể lấy nguyên văn thang đo tiếng Anh để dịch vào bảng hỏi không
Bạn nên đọc nguồn gốc, dịch theo bối cảnh và kiểm tra lại ý nghĩa, thay vì dịch máy hoặc sao chép câu chữ không rõ quyền sử dụng. Bản dịch tham khảo cần được điều chỉnh cho đối tượng Việt Nam, sau đó kiểm định bằng dữ liệu của nghiên cứu. Cuối cùng, hãy mở file dữ liệu, đối chiếu mã KQHT1 đến KQHT5 với bảng hỏi và lập bảng nguồn trước khi chạy vòng kiểm định tiếp theo. Nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis tập trung vào SPSS và SmartPLS, không bịa số liệu.