Độ tin cậy của công cụ nghiên cứu

Thông trường trong mỗi nghiên cứu, người nghiên cứu cần phải thu thập dữ liệu (data) để trả lời câu hỏi nghiên cứu (research questions). Để thu thập được dữ liệu, ta cần có công cụ nghiên cứu (research instrument). Dĩ nhiên để có một công cụ nghiên cứu tốt, quá trình xây dựng của nó phải chặc chẽ. Tức là phải đảm bảo được validity của nó (xin tạm gọi là tính xác thực, cái này sẽ được đề cập đến ở một bài viết khác). Sau đó người nghiên cứu dùng công cụ này và thu dữ liệu. Sau khi thu được dữ liệu rồi, chúng ta cần phải kiểm tra lại xem lượng data thu được bằng công cụ nghiên cứu đó có đáng tin cậy hay không (reliability of the instrument)? Để kiểm tra về độ tin cậy của một công cụ nghiên cứu thông qua lượng data đã thu thập được, chúng ta có nhiều cách. Bài viết này đề cập đến cách tính độ tin cậy khi công cụ nghiên cứu được dùng là một nhóm câu hỏi dạng Likert scale để đo một biến (variable) nào đó. Ví dụ cụ thể, để biết về động cơ học tập của sinh viên tiếng Anh, chúng ta đã xây dựng một công cụ nghiên cứu gồm 7 câu hỏi . Dĩ nhiên 7 câu hỏi này có mức độ validity cao. Sau đó bạn yêu cầu học sinh trả lời để thu thập dữ liệu. Giả sử 7 câu hỏi đó như sau: 

Hãy đọc 7 câu sau và xem chúng đúng với bạn ở mức độ nào. Sau đó đánh dấu chéo vào ô tương ứng với mức độ mà bạn lựa chọn. 

Sau khi thu thập dữ liệu từ 562 sinh viên chẳng hạn, chúng ta nhập dữ liệu vào SPSS và dataset sẽ có dạng như sau: 

Trong bảng này, Q1-Q7 tương ứng với 7 câu trong bảng câu hỏi. Các số từ 1-5 là các câu trả lời của sinh viên tham gia. Trong hình minh họa câu trả lời của 8 sinh viên tham gia đầu tiên. Từ cơ sở này, bắt đầu ta xem độ tin cậy (reliability) của công cụ nghiên cứu này đến đâu. Để làm được điều này, chúng ta thực hiện reliability test và xem hệ số tin cậy Cronbach's Alpha ở mức nào. Trong SPSS 17, bắt đầu từ Analyze -- Scale -- Reliability Analysis. Sau đó di chuyển 7 câu hỏi ở ô bên trái vào ô bên phải, ô Model bên dưới chọn Alpha, và bấm nút Statistics và chọn thêm Scale if item deleted. Sau đó nhấn Continue để thực hiện test này. Giả sử với ví dụ trên, ta có kết quả sau:  

Nhìn vào bảng đầu tiên ta thấy được có tổng cộng 562 đối tượng tham gia và tất cả các câu hỏi đều được trả lời (Valid = 100%). Nhìn vào bảng thứ hai ta thấy hệ số Cronbach's Alpha là .529 và số lượng câu hỏi trong nhóm này là 7 (Number of items). Có thể nhận xét rằng hệ số Alpha này quá thấp và như vậy có nghĩa là độ tin cậy của công cụ nghiên cứu kia thấp. Để nâng hệ số này lên, chúng ta cần xem bảng thứ ba. Nhìn vào bảng thứ ba, chúng ta chú ý vào cột cuối (màu đỏ). Cột này có được là do lúc chạy test này, chúng ta đã chọn vào ô Scale if item deleted. Cột này nói lên kết quả của Alpha nếu một trong 7 câu hỏi kia được bỏ ra. Ví dụ trong bảng này, ta thấy nếu bỏ đi câu số 1 (Q1), thì hệ số Alpha của nhóm 6 câu hỏi còn lại sẽ là .451. Có nghĩa là Alpha sẽ giảm đi so với khi để cả 7 câu. Vì thế, ta tìm xem khả năng bỏ câu nào thì hệ số Alpha được tăng lên nhiều nhất. Và đó là câu thứ 4 (Q4), vì nếu bỏ câu này đi thì Alpha của nhóm 6 câu còn lại sẽ là .613 (cao hơn so với .529). Như vậy ta chạy lại reliability test này lần thứ 2 nhưng loại bỏ câu số 4, chỉ giữ lại 6 câu còn lại. Và tiếp tục xem thử nếu bỏ câu nào thì hệ số Alpha sẽ tăng lên. Tùy vào mỗi trường hợp mà chúng ta có thể tiến hành thao tác này nhiều lần để có thể tăng hệ số Alpha lên lức cao nhất có thể. Và cũng tùy mỗi trường hợp mà chúng ta xác định nên dừng lại ở mức nào là phù hợp.