PHƯƠNG PHÁP VÀ CÔNG CỤ NGHIÊN CỨU ỨNG DỤNG TÂM LÝ HỌC

1. Lý thuyết đo lường – Khung phương pháp (CTT, IRT, Rasch)

• Classical Test Theory (CTT): Mô tả mối quan hệ giữa tổng điểm, “điểm thật” và sai số; dễ áp dụng cho thang đo đơn giản và phân tích ban đầu.

• Item Response Theory (IRT): Phân tích ở cấp độ từng câu hỏi (item) với các mô hình 1-, 2-, 3-tham số, cho phép đo lường chính xác ở nhiều mức năng lực và kiểm soát đặc tính câu hỏi (độ khó, khả năng phân biệt, đoán mò). Là nền tảng cho bài thi máy tính thích nghi (CAT).

• Mô hình Rasch: Một nhánh của IRT, nổi bật trong chuẩn hóa, so sánh xuyên nhóm và xây dựng thang chuẩn.

Ứng dụng thực tiễn: Xây dựng và chuẩn hóa thang đo trí tuệ cảm xúc (EQ), tự điều chỉnh cảm xúc; phát triển ngân hàng câu hỏi và bài thi CAT.
Công cụ: Winsteps, ConQuest, RUMM2030, Facets.

2. Thu thập dữ liệu khảo sát – Thiết kế câu hỏi & nền tảng khảo sát

• Quy trình thiết kế: Xác định ma trận chỉ báo → phát triển câu hỏi → chọn thang đo (Likert, semantic) → thử nghiệm thí điểm (pilot test) → kiểm định nội dung.

• Nền tảng khảo sát: Qualtrics, REDCap, SurveyMonkey, Google Forms.

  • Qualtrics: mạnh về logic nhánh, randomization, phù hợp nghiên cứu đa quốc gia.

  • REDCap: chuyên về bảo mật và quản lý dữ liệu lâm sàng.

Ứng dụng thực tiễn: Thu thập dữ liệu quy mô lớn, nghiên cứu học đường, khảo sát lâm sàng.

3. Thí nghiệm hành vi & bài tập thao tác (Behavioral Tasks)

• Phần mềm thiết kế thí nghiệm: PsychoPy (mã nguồn mở), E-Prime (thương mại), OpenSesame, Gorilla.sc.

• Quản lý mẫu nghiên cứu: MTurk, Prolific, tuyển chọn địa phương kèm kiểm định chất lượng và tuân thủ đạo đức.

Ứng dụng thực tiễn: Đo thời gian phản ứng, chú ý, trí nhớ, nhận thức; nghiên cứu hành vi trong môi trường phòng lab và trực tuyến.

4. Quan sát hành vi & mã hóa (Behavioral Observation)

• Kỹ thuật mã hóa: Xây dựng khung mã hóa, checklist, rubric; huấn luyện người mã hóa và kiểm định độ tin cậy liên-coder (Cohen’s Kappa).

• Phần mềm: Noldus Observer XT, ELAN, BORIS.

Ứng dụng thực tiễn: Nghiên cứu tương tác giáo viên – học sinh, phân tích vi hành vi (micro-behaviors) trong lớp học, đánh giá can thiệp hành vi.

5. Dữ liệu sinh lý & thần kinh (Psychophysiology & Neuroimaging)

• EEG: Ghi sóng não, phân tích ERP/oscillation.

• fMRI: Đo hoạt hóa não, phân tích với SPM, FSL, AFNI.

• Eye-tracking: Đo chú ý thị giác (Tobii Pro Lab).

• Các chỉ số khác: GSR/EDA, ECG (HRV), fNIRS, motion capture.

Ứng dụng thực tiễn: Nghiên cứu cảm xúc, chú ý, tải nhận thức; phục hồi chức năng não – tâm trí.

6. Phân tích dữ liệu định lượng

• Phân tích cơ bản: t-test, ANOVA, Chi-square.

• Phân tích độ tin cậy: Cronbach’s α, McDonald’s ω.

• Phân tích nhân tố: EFA/CFA, SEM, Mô hình đa tầng (HLM), phân tích dọc (longitudinal).

• Ngôn ngữ lập trình: R (lavaan, psych), Python (statsmodels, scikit-learn), JASP (thân thiện người dùng).

Ứng dụng thực tiễn: Kiểm định giả thuyết, xác lập cấu trúc thang đo, phân tích dữ liệu đa cấp.

7. Phân tích IRT / Rasch chuẩn hóa trắc nghiệm

• Phân tích tham số item: Độ khó, độ phân biệt, DIF.

• Công cụ: IRTPRO, ConQuest, Winsteps, mirt (R).

Ứng dụng thực tiễn: Xây dựng ngân hàng đề chuẩn hóa, thiết kế bài thi thích nghi.

8. Phân tích dữ liệu phi cấu trúc & hỗn hợp (Qualitative & Mixed Methods)

• Định tính: Grounded Theory, Thematic Analysis, Narrative Analysis.

• Phần mềm: NVivo, ATLAS.ti, MAXQDA.

• Mixed Methods: Kết hợp định lượng – định tính để tăng độ tin cậy kết quả.

Ứng dụng thực tiễn: Nghiên cứu trải nghiệm học sinh, phân tích phỏng vấn sâu, đánh giá chương trình giáo dục.

9. Công cụ xử lý trắc nghiệm chuẩn hóa

• IATA / IRT tools: Hỗ trợ phân tích item, lọc câu hỏi kém chất lượng, tối ưu ngân hàng đề.

10. Machine Learning, NLP & Big Data

• Machine Learning: Phân loại, dự đoán hành vi, phân cụm nhóm.

• NLP: Phân tích cảm xúc, chủ đề từ văn bản phản hồi mở.

• Network Analysis: Phân tích cấu trúc quan hệ xã hội.

Ứng dụng thực tiễn: Dự đoán nguy cơ rối loạn tâm lý, phân tích dữ liệu hành vi quy mô lớn.

11. Quản trị dữ liệu, đạo đức & khoa học mở (Open Science)

• Quản lý dữ liệu: REDCap, metadata, codebook.

• Open Science: Preregistration (OSF), chia sẻ dữ liệu ẩn danh, version control (GitHub).

• Đạo đức: IRB approval, bảo mật, consent với nhóm nhạy cảm.

12. Gợi ý thực hành

• Bắt đầu từ khung lý thuyết → chỉ báo → item → pilot → phân tích độ tin cậy → chuẩn hóa (CTT → IRT/Rasch).

• Kết hợp nhiều phương pháp (survey + observation + physiological) để tăng độ tin cậy.

• Tuân thủ quy trình đạo đức và bảo mật dữ liệu.