Một nhóm nghiên cứu phỏng vấn 30 giáo viên mầm non về áp lực công việc. Một thành viên thử dán các bản gỡ băng vào trợ lý AI tạo sinh và yêu cầu “tìm các chủ đề chính”. Năm phút sau có tám chủ đề với tên gọi gọn gàng: “quá tải hành chính”, “kỳ vọng của phụ huynh”, “thiếu hỗ trợ từ quản lý”… Cả nhóm thấy khớp với cảm nhận. Nhưng khi người trưởng nhóm đọc lại dữ liệu, chị thấy điều quan trọng nhất trong các cuộc phỏng vấn, cảm giác bị nghi ngờ về tính chuyên nghiệp mà nhiều giáo viên nói vòng vo, không nằm trong tám chủ đề đó. Nó không được nói thẳng, nên máy không “thấy”.
Phân tích định tính không phải là tóm tắt. Nó là quá trình người nghiên cứu diễn giải dữ liệu từ một góc nhìn lý thuyết, có trách nhiệm với người tham gia. Trợ lý AI có thể giúp ở vài khâu, nhưng không thể gánh vai trò người diễn giải.
Khâu nào có thể nhờ, khâu nào phải tự làm
| Khâu | Vai trò hợp lý của AI | Phần bạn phải giữ |
|---|---|---|
| Gỡ băng | Chuyển giọng nói thành văn bản bản nháp | Nghe lại, sửa lỗi, đặc biệt tên riêng, phương ngữ, chỗ ngập ngừng có nghĩa |
| Làm quen dữ liệu | Hầu như không | Đọc toàn bộ, ghi chú phản tư |
| Mã hoá ban đầu | Gợi ý mã cho một đoạn để bạn so sánh | Tự mã hoá, quyết định giữ hay bỏ gợi ý |
| Sắp xếp mã | Gom nhóm mã theo từ khoá, phát hiện mã trùng tên | Quyết định quan hệ giữa các mã theo ý nghĩa |
| Xây chủ đề | Làm người phản biện: “chủ đề này có đoạn nào trái ngược?” | Diễn giải, đặt tên, gắn với lý thuyết |
| Tìm trích dẫn minh hoạ | Tìm các đoạn chứa ý cụ thể | Đọc lại ngữ cảnh đầy đủ trước khi dùng |
| Viết kết quả | Không nên | Toàn bộ |
Vì sao AI dễ bỏ sót điều quan trọng
- Thiên về cái được nói nhiều và nói rõ. Phân tích định tính tốt thường tìm ra điều được nói ít, nói tránh, hoặc chỉ một người nói nhưng soi sáng cả tập dữ liệu.
- Không có góc nhìn lý thuyết của bạn. Cùng một đoạn phỏng vấn, người dùng lý thuyết bản sắc nghề nghiệp và người dùng lý thuyết quyền lực sẽ mã hoá khác nhau, và cả hai đều hợp lệ.
- Không nghe được giọng nói. Tiếng cười chua chát, im lặng lâu, đổi giọng đều mất khi chỉ còn văn bản.
- Có thể bịa trích dẫn. Khi được yêu cầu “đưa ví dụ minh hoạ”, trợ lý đôi khi viết lại hoặc tổng hợp câu nói thành câu chưa ai nói. Mọi trích dẫn phải được đối chiếu với bản gỡ băng.
Đạo đức và bảo mật: câu hỏi phải trả lời trước
Dữ liệu phỏng vấn thường chứa chuyện riêng, tên người, tên nơi làm việc. Trước khi đưa vào bất kỳ công cụ AI nào:
- Đọc lại phiếu đồng ý tham gia và hồ sơ phê duyệt đạo đức: có cho phép xử lý dữ liệu bằng dịch vụ bên ngoài không? Nếu không nêu, hãy hỏi hội đồng đạo đức.
- Ẩn danh bản gỡ băng trước: thay tên người, tên trường, địa danh bằng mã.
- Ưu tiên công cụ được trường cấp phép, có cam kết không dùng dữ liệu để huấn luyện, hoặc mô hình chạy trên máy cục bộ.
- Với nhóm dễ tổn thương hay chủ đề nhạy cảm, cân nhắc không dùng AI cho dữ liệu thô.
Gỡ băng tự động: tiết kiệm nhiều nhất nếu làm đúng
Với nhiều nhóm, lợi ích lớn nhất của AI nằm ở gỡ băng: một giờ ghi âm có thể mất năm sáu giờ gõ tay. Bản nháp tự động cần được nghe lại toàn bộ, và chính lần nghe lại đó là cơ hội làm quen dữ liệu tốt. Chú ý các lỗi hay gặp với tiếng Việt: nhầm dấu thanh, nhầm từ địa phương, gộp lời hai người nói chồng lên nhau. Ghi chú các chỗ im lặng, cười, ngập ngừng vào bản gỡ băng bằng ký hiệu thống nhất trong nhóm.
Một quy trình “AI làm người đối chiếu”
Cách dùng an toàn và hữu ích nhất là coi AI như một người mã hoá thứ hai mà bạn không tin mặc định:
- Tự mã hoá 4–5 bản gỡ băng đầu tiên, xây sổ mã (codebook) với định nghĩa và ví dụ cho mỗi mã.
- Đưa sổ mã cùng một bản gỡ băng đã ẩn danh mà bạn đã mã hoá cho trợ lý, yêu cầu gán mã theo đúng định nghĩa và trích đúng đoạn làm căn cứ.
- So hai bản: chỗ trùng, chỗ khác. Với mỗi chỗ khác, tự hỏi: định nghĩa mã của tôi có mơ hồ không? Tôi có bỏ sót không? Hay AI hiểu sai ngữ cảnh?
- Sửa sổ mã khi cần, ghi quyết định vào sổ phân tích.
- Lặp lại với vài bản khác. Không bao giờ để AI mã hoá phần còn lại rồi dùng thẳng kết quả.
Bước 3 là nơi giá trị thật xuất hiện: sự bất đồng buộc bạn làm rõ định nghĩa, giống như khi làm việc với một đồng nghiệp mã hoá cùng.
Có nên tính độ đồng thuận giữa người và AI?
Một số nhóm tính hệ số đồng thuận (như Cohen’s kappa) giữa mã của người và của AI. Con số này có ích để phát hiện mã có định nghĩa mơ hồ, nhưng đừng trình bày nó như bằng chứng chất lượng phân tích. Trong nhiều truyền thống định tính, đặc biệt phân tích chủ đề phản tư, độ đồng thuận giữa các người mã hoá không phải là tiêu chí chất lượng chính; điều quan trọng là tính nhất quán, minh bạch và chiều sâu diễn giải.
Báo cáo trong phần phương pháp
Người phản biện định tính ngày càng hỏi trực tiếp về AI. Một đoạn báo cáo tốt nêu:
- Công cụ, phiên bản, thời điểm sử dụng.
- Khâu nào dùng AI và dùng để làm gì (ví dụ: “đối chiếu mã hoá ban đầu trên 5/30 bản gỡ băng”).
- Dữ liệu đã được ẩn danh thế nào và cơ sở đạo đức cho việc xử lý bằng dịch vụ bên ngoài.
- Khẳng định rằng mọi quyết định mã hoá và diễn giải cuối cùng do nhóm nghiên cứu đưa ra, mọi trích dẫn đã được đối chiếu với bản gốc.
Nếu bạn đang ở giai đoạn đầu phân tích, hãy làm thử quy trình đối chiếu với một bản gỡ băng mà bạn đã tự mã hoá. Ba mươi phút so sánh sẽ cho bạn biết sổ mã của mình rõ đến đâu, và AI thực sự hữu ích với dữ liệu của bạn ở mức nào.
Câu hỏi thường gặp
Có được dùng AI để phân tích dữ liệu phỏng vấn không?
Có thể dùng hỗ trợ một số khâu như gỡ băng nháp, gợi ý mã để đối chiếu hoặc tìm đoạn minh hoạ, nếu đạo đức cho phép và dữ liệu đã ẩn danh. Diễn giải và quyết định mã hoá cuối cùng phải do người nghiên cứu làm.
AI có thay được việc mã hoá thủ công trong phân tích chủ đề?
Không. AI thiên về điều được nói nhiều và rõ, không có góc nhìn lý thuyết của bạn và có thể bỏ sót điều được nói tránh. Nó hữu ích nhất như một người mã hoá thứ hai để đối chiếu.
Đưa bản gỡ băng phỏng vấn vào trợ lý AI có vi phạm đạo đức không?
Có thể, nếu phiếu đồng ý và hồ sơ đạo đức không cho phép xử lý bằng dịch vụ bên ngoài. Hãy kiểm tra, ẩn danh trước và ưu tiên công cụ được trường cấp phép.
AI có bịa trích dẫn từ dữ liệu phỏng vấn không?
Có thể. Khi được yêu cầu đưa ví dụ, trợ lý đôi khi diễn đạt lại hoặc tổng hợp thành câu không ai nói. Mọi trích dẫn phải được đối chiếu với bản gỡ băng gốc.
Báo cáo việc dùng AI trong nghiên cứu định tính thế nào?
Nêu công cụ, phiên bản, khâu sử dụng, cách ẩn danh dữ liệu, cơ sở đạo đức, và khẳng định mọi quyết định diễn giải và trích dẫn đã được nhóm kiểm tra.
