- Luận cứ là bằng chứng được đưa ra để chứng minh luận điểm Luận cứ giúp nhà khoa học trả lời cho câu hỏi chứng minh bằng cái gì?
NGHIÊN CỨU ĐỊNH TÍNH
3.5.1. Mã hóa dữ liệu
Đây là bước đầu tiên của q trình phân tích dữ liệu. Mục đích của bước này là nhằm nhận dạng các dữ liệu, mô tả dữ liệu và tập hợp các dữ liệu nhằm xác định mối quan hệ giữa các dữ liệu sau này. Mô tả dữ liệu được thực hiện thơng qua các bảng hoặc các hình vẽ. Tập hợp các dữ liệu hoặc các biến được thực hiện thơng qua việc nhóm các dữ liệu thành các nhóm nhỏ hoặc thể hiện chúng dưới hình thức rõ ràng hơn. Các thông tin, dữ liệu, biến số có thể được thể hiện dưới dạng ngắn gọn, súc tích.
Những dữ liệu đã được thu thập cần phải được mã hóa để có thể sắp xếp được thành các chủng loại thơng tin. Cơng việc phân tích dữ liệu được thực hiện tốt hay khơng phụ thuộc vào việc mã hóa và tạo nhóm dữ liệu. Q trình mã hóa dữ liệu trong nghiên cứu định tính được hiểu là q trình mà nhà nghiên cứu tự mình “chìm trong” dữ liệu để nhận biết về nó, sau đó tìm kiếm ra các chủ đề và mã hiệu chúng.
Trong trường hợp cần thiết, nhà nghiên cứu cần phải chuyển ngữ, định dạng lại các ghi chép đã thu thập được (từ các cuộc phỏng vấn, từ các ghi chép tại thực địa,...) và phân loại, sắp xếp dữ liệu thành các nhóm phụ thuộc vào nguồn thông tin. Trong giai đoạn này, nhà nghiên cứu chú ý ghi lại những ý tưởng có thể xuất hiện trong đầu và viết các ý nghĩ của mình bên lề các dữ liệu. Điều này có ý nghĩa quan trọng trong việc lựa chọn, sắp xếp dữ liệu cũng như định hướng nghiên cứu ở giai đoạn sau.
Sau đó, nhà nghiên cứu cần đọc lại tồn bộ dữ liệu để có được cảm nhận chung về thông tin và suy nghĩ khái quát các thông tin này. Nhà nghiên cứu nên ghi chép lại cảm nhận của mình về thơng tin ở bên lề dữ liệu hoặc ghi chép lại các suy nghĩ khái quát của mình vào sổ. Bước này giúp cho việc mã hóa dữ liệu tiếp theo.
Việc mã hóa các dữ liệu có thể được thực hiện bằng ngôn từ, hoặc thể hiện bằng hình ảnh, phân chia các câu, các đoạn dữ liệu, hoặc các hình ảnh dữ liệu thành các chủng loại và ghi nhãn cho các chủng loại này bằng các thuật ngữ mà nhà nghiên cứu có thể dễ dàng nhận diện được nội dung cụ thể của nhóm dữ liệu đó hoặc là sử dụng các ngơn ngữ thực
tế của người tham gia (gọi là thuật ngữ hoạt- vivo term). Nhà nghiên cứu có thể lập danh mục các nội dung nghiên cứu và gắn với từng chủ đề cụ thể. Sau đó, xếp các chủ đề vào thành các cột để tạo thành danh mục các chủ đề chính, các chủ đề mang tính bổ trợ, các chủ đề chứa đựng ý tưởng phát triển mới,... Đối với mỗi chủ đề, nhà nghiên cứu có thể viết tắt thành các mã hiệu và chú ý viết các mã hiệu đó bên cạnh bài viết.
Q trình mã hóa dữ liệu giúp nhà nghiên cứu có được cái nhìn tổng qt về dữ liệu, giúp nhà nghiên cứu khám phá được các khái niệm nghiên cứu, làm cơ sở để xây dựng khái niệm và lý thuyết. Trong q trình này, nhà nghiên cứu có thể hướng tới những nhóm đối tượng mà ở đó họ tin rằng có thể tối đa hóa khả năng thu thập được dữ liệu và dẫn tới việc tìm ra nhiều dữ liệu cho câu hỏi nghiên cứu của họ.
Theo Boyatzis (Kawulich, 2004), một mã hóa tốt cần phải đáp ứng 5 tiêu chí sau: (1), có mã hiệu (tên mã); (2) có định nghĩa về chủ đề liên quan (đặc trưng của chủ đề); (3) có mơ tả về cách nhận biết khi chủ đề xuất hiện (những khía cạnh giúp nhà nghiên cứu biết để mã hóa dữ liệu đó vào chủ đề); (4) có miêu tả về các thuộc tính hoặc một sự loại trừ nào đó để nhận dạng chủ đề; (5) có danh sách các ví dụ nhằm tránh nhầm lẫn.
Cơng việc mã hóa dữ liệu có thể được thực hiện một cách thủ cơng bởi chính nhà nghiên cứu hoặc thơng qua sự hỗ trợ của các chương trình máy tính như NVivo, Hyper recherche, ATLAS,... Q trình mã hóa có thể được nâng cao thơng qua việc sử dụng các chương trình phần mềm định tính, bởi các chương trình này giúp ích cho nhà nghiên cứu vừa có thể có được cơ sở dữ liệu định tính lớn, vừa hồn tồn có thể tìm nhanh được các đoạn trích dẫn cần thiết, hoặc có thể nêu được nhiều quan điểm về một chủng loại, hay một chủ đề.