Một luận văn định lượng minh bạch cần giữ được ba thứ: tệp dữ liệu thô đúng như khi thu về, một bản ghi mọi thao tác biến dữ liệu thô thành dữ liệu phân tích, và sổ mã giải thích từng biến. Có đủ ba thứ đó, bạn hoặc bất kỳ ai cũng có thể chạy lại và ra đúng từng con số trong chương kết quả. Thiếu một thứ, kết quả chỉ còn dựa vào trí nhớ của bạn.
Minh bạch dữ liệu không chỉ là chuyện đạo đức trừu tượng. Nó giúp bạn sửa lỗi nhanh khi phát hiện sai sót, trả lời tự tin khi hội đồng hỏi "con số này lấy từ đâu", và bảo vệ chính bạn khi có thắc mắc về tính trung thực của số liệu sau này. Bài này hướng dẫn cách tổ chức thư mục, viết nhật ký xử lý, lập sổ mã, và cân bằng giữa minh bạch với bảo vệ thông tin của người tham gia.
Vì sao dữ liệu thô phải được giữ nguyên
Dữ liệu thô là dữ liệu ở trạng thái gần nhất với lúc thu: tệp xuất từ biểu mẫu khảo sát trực tuyến, bảng nhập từ phiếu giấy, tệp ghi từ thiết bị đo. Mọi bước sau đó, từ đổi tên biến, mã hoá lại, loại phiếu, tính điểm tổng, đều là biến đổi. Nếu bạn làm các biến đổi trực tiếp trên tệp thô và lưu đè, sẽ không còn cách nào biết dữ liệu ban đầu trông thế nào.
Hậu quả thực tế rất đời thường. Ba tuần sau khi làm sạch, người hướng dẫn hỏi vì sao cỡ mẫu từ 312 còn 287, và bạn không nhớ chính xác đã loại những phiếu nào theo tiêu chí gì. Hoặc bạn phát hiện đã quên đảo điểm một câu hỏi, nhưng tệp đã bị lưu đè nhiều lần nên không biết các biến tổng được tính từ phiên bản nào. Trong cả hai trường hợp, giải pháp duy nhất là quay lại từ đầu, nếu còn giữ được dữ liệu gốc.
Về mặt liêm chính, dữ liệu thô là bằng chứng rằng số liệu có thật. Khi có nghi vấn, việc đầu tiên một hội đồng hay một tạp chí yêu cầu là xem dữ liệu gốc và quy trình xử lý. Người không giữ được những thứ này sẽ rất khó tự bảo vệ, kể cả khi họ hoàn toàn trung thực.
Cấu trúc thư mục gợi ý cho một luận văn
Không có cấu trúc chuẩn bắt buộc, nhưng cách tổ chức dưới đây đơn giản và đủ dùng cho phần lớn luận văn. Nguyên tắc là tách dữ liệu theo trạng thái và không bao giờ sửa trực tiếp tầng trước.
| Thư mục | Chứa gì | Quy tắc |
|---|---|---|
| 1-tho | Tệp dữ liệu thô đúng như khi thu, ảnh chụp hoặc bản quét phiếu giấy nếu có | Chỉ đọc; không bao giờ mở ra sửa |
| 2-xu-ly | Câu lệnh hoặc tệp cú pháp làm sạch, nhật ký xử lý | Mọi biến đổi được ghi lại tại đây |
| 3-phan-tich | Tệp dữ liệu đã làm sạch, sinh ra từ thư mục 1 bằng các bước ở thư mục 2 | Có thể xoá và tạo lại bất cứ lúc nào |
| 4-ket-qua | Bảng, biểu đồ xuất từ phần mềm, tệp kết quả | Ghi ngày và phiên bản dữ liệu dùng để chạy |
| 5-tai-lieu | Sổ mã biến, bảng hỏi, kế hoạch phân tích, phiếu đồng ý tham gia mẫu | Cập nhật khi có thay đổi, ghi ngày |
Phép thử cho một cấu trúc tốt: nếu xoá toàn bộ thư mục 3 và 4, bạn có thể tạo lại chúng chính xác từ thư mục 1 và 2 không? Nếu được, dữ liệu của bạn tái lập được.
Tên tệp nên có ngày theo dạng năm-tháng-ngày ở đầu để sắp xếp đúng thứ tự, tránh những tên như "data-final-final-2". Sao lưu ít nhất hai nơi tách biệt, ví dụ ổ cứng ngoài và một dịch vụ lưu trữ được cơ sở đào tạo cho phép, có mã hoá nếu dữ liệu chứa thông tin cá nhân.
Viết nhật ký xử lý số liệu
Cách tốt nhất: câu lệnh thay cho thao tác chuột. Nếu dùng SPSS, dùng chức năng dán cú pháp thay vì chỉ bấm OK, rồi lưu tệp cú pháp. Nếu dùng R, mọi bước nằm trong tệp lệnh. JASP và Jamovi lưu thao tác trong tệp dự án. Câu lệnh là nhật ký tự động và chính xác nhất, vì chạy lại là ra kết quả.
Nếu phải thao tác tay, ghi lại từng bước. Với Excel hoặc khi sửa tay, mở một tệp nhật ký song song và ghi: ngày, thao tác, lý do, số dòng bị ảnh hưởng. Ví dụ giả định: "Ngày 12/3: loại 9 phiếu chọn cùng một mức cho cả 25 câu, theo tiêu chí mục 6 kế hoạch phân tích; còn 303 phiếu."
Ghi cả những gì đã thử nhưng không dùng. Nếu bạn đã chạy thử một cách phân tích rồi bỏ, ghi lại cùng lý do. Đây là phần nhiều người bỏ qua nhưng lại quan trọng nhất với minh bạch, vì nó cho biết số lối rẽ thực tế đã đi qua.
Ghi phiên bản phần mềm. Các phần mềm có thể đổi thuật toán hoặc giá trị mặc định qua các phiên bản. Ghi tên và phiên bản giúp giải thích khi kết quả chạy lại hơi lệch.
Ghi lại sửa lỗi. Khi phát hiện và sửa một lỗi, ghi lỗi gì, phát hiện lúc nào, sửa thế nào, kết quả thay đổi ra sao. Bản ghi này là bằng chứng rằng việc sửa được thúc đẩy bởi lỗi, không phải bởi kết quả mong muốn.
Lập sổ mã biến
Sổ mã là bảng giải thích từng biến trong tệp dữ liệu. Không có sổ mã, chính bạn sau vài tháng cũng có thể quên biến q17r là gì. Một sổ mã đủ dùng có các cột sau cho mỗi biến.
- Tên biến: tên ngắn trong tệp dữ liệu, không dấu, không khoảng trắng.
- Nhãn: nội dung câu hỏi hoặc mô tả đầy đủ.
- Loại: định lượng, thứ bậc, định danh; đơn vị đo nếu có.
- Giá trị và ý nghĩa: ví dụ 1 là nam, 2 là nữ; 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý.
- Mã dữ liệu thiếu: ô trống, hoặc mã đặc biệt nếu có, và phân biệt "không trả lời" với "không áp dụng" nếu cần.
- Ghi chú biến đổi: câu đảo chiều, biến tính từ các biến khác, công thức tính điểm tổng.
Biến tính toán như điểm trung bình một thang đo cần ghi rõ công thức và cách xử lý khi có câu bỏ trống, ví dụ chỉ tính khi trả lời ít nhất 80% số câu. Quy tắc này nên trùng với kế hoạch phân tích.
Những lỗi tổ chức dữ liệu hay gặp
Phần lớn sự cố về dữ liệu trong luận văn không đến từ thống kê phức tạp mà từ những thói quen nhỏ khi quản lý tệp. Soát danh sách dưới đây trước khi bắt đầu phân tích chính.
- Sắp xếp một cột mà quên các cột khác: thao tác sắp xếp trong bảng tính chỉ trên vùng chọn làm lệch dữ liệu giữa các người tham gia mà không có cảnh báo nào. Luôn có một cột mã số để đối chiếu.
- Gõ đè giá trị đã tính bằng con số: điểm tổng được dán dạng giá trị thay vì công thức, nên khi sửa một câu trả lời, điểm tổng không cập nhật.
- Trộn nhiều đợt thu trong một trang: không có cột ghi đợt hoặc địa điểm thu, nên về sau không thể tách hay kiểm tra theo đợt.
- Ô trống mang nhiều nghĩa: cùng là ô trống nhưng có ô là bỏ qua, có ô là không áp dụng, có ô là chưa nhập. Phần mềm sẽ coi tất cả như nhau.
- Nhiều phiên bản trôi nổi: tệp đính kèm email, tệp trên máy cá nhân, tệp trên ổ chung, mỗi tệp sửa một ít. Chỉ nên có một bản dữ liệu đang làm việc tại một chỗ.
- Không sao lưu: máy hỏng, mất máy hoặc lỡ tay xoá vào tuần cuối trước hạn nộp là chuyện không hiếm.
Mỗi lỗi trên đều có thể làm sai kết quả kiểm định mà không để lại dấu hiệu rõ ràng trong bảng kết quả. Cách phát hiện tốt nhất là thói quen đối chiếu cỡ mẫu và vài thống kê mô tả sau mỗi bước xử lý, ghi luôn vào nhật ký.
Minh bạch nhưng vẫn bảo vệ người tham gia
Minh bạch không có nghĩa là công khai mọi thứ. Dữ liệu nghiên cứu về con người thường chứa thông tin có thể nhận diện cá nhân: họ tên, số điện thoại, nơi làm việc, hoặc tổ hợp tuổi, giới, chức vụ, đơn vị đủ để đoán ra một người cụ thể. Bạn có trách nhiệm bảo vệ những thông tin này theo cam kết với người tham gia và theo quy định về bảo vệ dữ liệu cá nhân hiện hành, nên kiểm văn bản pháp luật mới nhất và quy định của cơ sở đào tạo.
Cách làm phổ biến là tách thông tin nhận diện ra một tệp riêng, liên kết với dữ liệu bằng mã số, và lưu tệp đó ở nơi được bảo vệ chặt hơn, chỉ bạn và người hướng dẫn tiếp cận được. Tệp dữ liệu dùng để phân tích và chia sẻ khi cần chỉ chứa mã số. Với những biến dễ nhận diện, cân nhắc gộp nhóm như đổi tuổi chính xác thành nhóm tuổi trước khi chia sẻ.
Thời gian lưu giữ và cách huỷ dữ liệu nên được nêu từ đầu trong phiếu đồng ý tham gia. Nhiều cơ sở đào tạo và tạp chí yêu cầu giữ dữ liệu một số năm sau khi bảo vệ hoặc công bố; bạn cần hỏi quy định cụ thể của trường mình thay vì tự đặt ra.
Khi hội đồng hoặc người hướng dẫn yêu cầu xem dữ liệu
Nếu đã tổ chức như trên, yêu cầu xem dữ liệu không còn là chuyện đáng lo. Bạn có thể đưa tệp dữ liệu đã làm sạch kèm sổ mã và tệp câu lệnh, và nếu cần, trình bày cách đi từ dữ liệu thô đến từng bảng kết quả. Một học viên chạy lại được một bảng kết quả ngay tại chỗ tạo ấn tượng rất khác so với một học viên phải hứa sẽ tìm lại sau.
Một số trường bắt đầu yêu cầu nộp kèm dữ liệu và tệp xử lý khi nộp luận văn, hoặc khuyến khích lưu ký trong kho dữ liệu của trường. Nếu dữ liệu nhạy cảm, có thể chỉ nộp bản đã ẩn danh hoặc cam kết cung cấp khi có yêu cầu hợp lệ. Dù quy định thế nào, có sẵn một gói dữ liệu gọn gàng luôn giúp bạn chủ động.
Cuối cùng, nhớ rằng minh bạch có lợi nhất cho chính người làm. Nhiều lỗi nhỏ được phát hiện chính trong lúc chuẩn bị dữ liệu cho người khác xem, trước khi chúng thành vấn đề lớn ở buổi bảo vệ.
Câu hỏi thường gặp
Phiếu khảo sát giấy có cần giữ lại sau khi nhập liệu không?
Nên giữ, ít nhất cho đến khi luận văn được bảo vệ và hết thời hạn lưu trữ theo quy định của cơ sở đào tạo. Phiếu giấy là dữ liệu gốc thật sự, dùng để đối chiếu khi nghi ngờ lỗi nhập. Nếu không tiện giữ bản giấy lâu dài, chụp hoặc quét lại và lưu cùng thư mục dữ liệu thô.
Dùng Excel có làm được nhật ký xử lý minh bạch không?
Được, nhưng cần kỷ luật hơn. Giữ trang dữ liệu thô không đụng tới, làm mọi biến đổi ở trang khác bằng công thức tham chiếu thay vì gõ đè giá trị, và ghi nhật ký thao tác ở một trang riêng. Nếu xử lý phức tạp, chuyển sang phần mềm có câu lệnh sẽ an toàn hơn.
Dữ liệu khảo sát trực tuyến có được coi là dữ liệu thô không?
Tệp xuất trực tiếp từ công cụ khảo sát, chưa sửa gì, là dữ liệu thô. Nên tải về ngay sau khi đóng khảo sát, ghi ngày tải, và lưu vào thư mục chỉ đọc. Đừng chỉ dựa vào bản trên công cụ khảo sát vì tài khoản có thể bị đóng hoặc dữ liệu có thể bị xoá theo thời hạn.
Có nên công khai dữ liệu luận văn trên mạng không?
Tuỳ vào cam kết với người tham gia, tính nhạy cảm của dữ liệu và quy định của trường. Nếu phiếu đồng ý tham gia không nhắc đến việc chia sẻ công khai, không nên công khai. Với nghiên cứu sau này, bạn có thể thiết kế phiếu đồng ý có phần cho phép chia sẻ dữ liệu đã ẩn danh.
Mất dữ liệu thô thì phải làm gì?
Báo ngay cho người hướng dẫn và ghi lại sự việc. Nếu còn tệp đã làm sạch và câu lệnh, có thể vẫn trình bày được kết quả nhưng phải nêu rõ hạn chế. Không tìm cách tái tạo dữ liệu thô từ trí nhớ hay từ kết quả, vì làm vậy là tạo dữ liệu không có thật.