Bảng mã hoá dữ liệu, hay codebook, là tài liệu giải thích từng cột trong bảng dữ liệu của bạn: cột đó tên gì, đo cái gì, đơn vị nào, mỗi con số trong cột nghĩa là gì, và ô trống nghĩa là gì. Không có nó, một bảng tính với cột q07 chứa các số từ 1 đến 5 không ai đọc hiểu được, kể cả người đã nhập nó sau vài tuần.
Bảng mã hoá được lập trước khi nhập dữ liệu, dùng trong lúc nhập để mọi người nhập theo cùng một cách, và đi kèm dữ liệu tới tận lúc lưu trữ. Bài này hướng dẫn các cột cần có, cách đặt tên biến, cách mã hoá những loại câu hỏi hay gặp trong khảo sát của học sinh và sinh viên, cách xử lý dữ liệu thiếu, và cách nhờ AI soạn bản nháp bảng mã hoá từ bảng hỏi của bạn rồi tự kiểm lại.
Vì sao bảng dữ liệu cần một bảng mã hoá đi kèm
Khi nhập dữ liệu khảo sát vào bảng tính, bạn chuyển câu trả lời bằng chữ thành con số hoặc mã ngắn để máy tính đếm, tính trung bình, vẽ biểu đồ được. "Rất đồng ý" thành 5, "Nữ" thành 2, "Không trả lời" thành một mã nào đó. Mỗi quyết định chuyển đổi như vậy là một mảnh thông tin chỉ nằm trong đầu người nhập, trừ khi được ghi ra.
Bảng mã hoá ghi ra những quyết định đó ở một chỗ. Nó giúp ba nhóm người. Người nhập liệu biết phải nhập gì cho từng tình huống, nên hai người nhập hai chồng phiếu vẫn ra cùng một kiểu dữ liệu. Người phân tích biết từng cột nghĩa là gì mà không phải đi hỏi. Người đọc báo cáo hay người kiểm tra sau này lần ngược được từ con số trong biểu đồ về tới câu hỏi gốc trên phiếu.
Với thí nghiệm, bảng mã hoá cũng cần không kém. Cột "nhom" chứa A, B, C, D thì A là mức xử lý nào? Cột "chieu_cao" đo bằng xăng-ti-mét hay mi-li-mét, đo từ mặt đất hay từ gốc thân? Cột "ngay" là ngày theo lịch hay ngày thứ mấy kể từ khi gieo? Những câu hỏi này nghe hiển nhiên khi bạn đang làm, nhưng không hiển nhiên chút nào với người khác, và với chính bạn sau một kỳ nghỉ.
Các cột của một bảng mã hoá, kèm ví dụ giả định
Bảng mã hoá thường là một bảng tính riêng, mỗi dòng là một biến, tức là một cột trong bảng dữ liệu. Các cột dưới đây đủ cho hầu hết nghiên cứu nhỏ; ví dụ lấy từ một khảo sát giả định về giờ ngủ của học sinh.
| Cột trong bảng mã hoá | Ý nghĩa | Ví dụ cho biến gio_ngu | Ví dụ cho biến q07 |
|---|---|---|---|
| Tên biến | Tên cột trong bảng dữ liệu | gio_ngu | q07 |
| Mô tả hoặc câu hỏi gốc | Chép nguyên văn câu hỏi hay mô tả cách đo | Trung bình mỗi đêm trong tuần học, em ngủ bao nhiêu giờ? | Em thấy buồn ngủ trong giờ học buổi sáng |
| Kiểu dữ liệu | Số liên tục, số nguyên, phân loại, thứ bậc, văn bản | Số thập phân | Thứ bậc |
| Đơn vị hoặc thang | Đơn vị đo, khoảng hợp lệ | Giờ, từ 3 đến 12 | Thang 1 đến 5 |
| Giá trị và ý nghĩa | Mã và nhãn tương ứng | Không áp dụng | 1 Hoàn toàn không đúng … 5 Hoàn toàn đúng |
| Mã dữ liệu thiếu | Cách ghi khi không có câu trả lời | Để trống | Để trống; NA nếu câu bị bỏ qua theo hướng dẫn |
| Ghi chú | Biến đổi, cảnh báo, lịch sử sửa | Phiếu ghi "khoảng 7 tiếng rưỡi" nhập 7.5 | Câu đảo chiều khi tính điểm tổng: không |
Cột ghi chú là nơi đáng giá nhất về lâu dài. Mọi lần bạn gặp một câu trả lời lạ trên phiếu và quyết định nhập nó thế nào, ghi quy tắc vào đây ngay lúc đó, để lần sau gặp lại bạn và người nhập cùng nhóm xử lý giống nhau.
Đặt tên biến: ngắn, không dấu, có hệ thống
Bắt đầu bằng chữ cái, chỉ dùng chữ thường không dấu, số và gạch dưới. Nhiều phần mềm phân tích từ chối hoặc đổi tên những biến có khoảng trắng, dấu tiếng Việt hay bắt đầu bằng số. Tên như gio_ngu, tuoi, nhom_xu_ly dùng được ở mọi nơi.
Ngắn nhưng đọc được. Khoảng tám đến mười lăm ký tự là vừa. Tên quá dài làm bảng tính rộng và dễ gõ nhầm; tên quá ngắn như x1, x2 thì không ai nhớ là gì.
Theo số câu hỏi hay theo nội dung, chọn một cách. Đặt theo số câu như q01, q02 giúp đối chiếu nhanh với phiếu; đặt theo nội dung như gio_ngu, buon_ngu giúp đọc phân tích dễ hơn. Cách kết hợp phổ biến là q07_buon_ngu. Quan trọng là cả bảng dùng một quy ước.
Nhóm biến cùng loại bằng tiền tố chung. Các câu trong cùng một thang đo có thể dùng tiền tố như ng_ cho nhóm câu về giấc ngủ, ht_ cho nhóm câu về học tập. Khi sắp xếp hay chọn nhiều cột cùng lúc, tiền tố giúp bạn không bỏ sót.
Biến tạo ra sau khi tính toán phải được đánh dấu. Điểm tổng, điểm trung bình, biến chia nhóm tạo từ biến gốc nên có hậu tố như _tong hay _nhom, và trong bảng mã hoá ghi rõ công thức tính từ biến nào.
Mã hoá những loại câu hỏi hay gặp trong khảo sát
Câu một lựa chọn như giới tính, khối lớp, nơi ở được mã hoá bằng một cột, mỗi lựa chọn một số. Số ở đây chỉ là nhãn, không có nghĩa lớn nhỏ, nên đừng tính trung bình cho những cột này. Câu thang đo kiểu Likert, như mức độ đồng ý từ 1 đến 5, cũng một cột, nhưng số có thứ tự; hãy thống nhất chiều của thang, thường là số lớn ứng với mức đồng ý hay mức thường xuyên cao hơn, và ghi rõ trong bảng mã hoá.
Câu nhiều lựa chọn, kiểu "em thường dùng điện thoại vào những lúc nào, chọn tất cả các đáp án đúng", là chỗ người mới hay nhập sai. Nhập tất cả lựa chọn vào một ô như "1,3,4" khiến việc đếm trở nên rất khó. Cách đúng là mỗi lựa chọn một cột, giá trị 1 nếu được chọn và 0 nếu không, ví dụ q05_sang, q05_trua, q05_toi, q05_truoc_ngu. Ô "khác, ghi rõ" thì thêm một cột văn bản riêng.
Câu đảo chiều là câu được viết theo hướng ngược với các câu còn lại trong cùng thang, ví dụ cả thang hỏi về giấc ngủ tốt nhưng có một câu "em thường trằn trọc khó ngủ". Khi tính điểm tổng, câu này phải được đảo lại. Ghi trong bảng mã hoá rằng đây là câu đảo chiều, và tạo một biến mới cho giá trị đã đảo thay vì sửa đè lên biến gốc. Số đo liên tục như giờ ngủ, chiều cao, khối lượng nên nhập đúng giá trị đo được; đừng chia nhóm ngay lúc nhập như "dưới 6 giờ", "6 đến 8 giờ", vì chia nhóm thì làm lúc nào cũng được còn mất chi tiết thì không lấy lại được.
Mã hoá câu trả lời mở và dữ liệu định tính
Câu hỏi mở và lời phỏng vấn không chuyển thẳng thành số được. Bước đầu là đọc toàn bộ câu trả lời một lượt, ghi ra các ý lặp lại, rồi gom thành một danh sách chủ đề có tên ngắn, ví dụ với câu "điều gì khiến em ngủ muộn" có thể có các chủ đề bài tập, điện thoại, tiếng ồn, việc nhà, lo lắng. Mỗi chủ đề có một định nghĩa một hai câu và một vài ví dụ câu trả lời tiêu biểu. Danh sách này chính là bảng mã hoá cho dữ liệu định tính.
Sau đó mỗi câu trả lời được gán một hay nhiều chủ đề. Với nghiên cứu nhỏ, cách nâng độ tin cậy đơn giản là hai người cùng mã hoá độc lập một phần câu trả lời, rồi so với nhau. Những chỗ hai người gán khác nhau thường cho thấy định nghĩa chủ đề còn mơ hồ; sửa định nghĩa, ghi lại lần sửa, rồi mã hoá tiếp. Đừng quên giữ nguyên văn câu trả lời gốc ở một cột riêng, vì khi viết báo cáo bạn sẽ cần trích dẫn vài câu tiêu biểu.
AI có thể đề xuất một danh sách chủ đề ban đầu từ các câu trả lời, nhưng chỉ đưa vào AI những câu đã được xoá mọi thông tin nhận diện như tên người, tên lớp, tên trường, chi tiết gia đình cụ thể. Danh sách AI gợi ý là điểm khởi đầu: bạn đọc lại dữ liệu xem chủ đề có thật sự có trong đó không, có chủ đề quan trọng nào bị bỏ sót vì ít người nói nhưng nói rất rõ không. Việc gán chủ đề cho từng câu trả lời, nhất là với nghiên cứu học tập, nên do người làm để chính bạn hiểu dữ liệu của mình.
Dữ liệu thiếu và giá trị lạ: những quy ước cần chốt trước
Phiếu khảo sát thật không bao giờ đầy đủ và gọn gàng. Chốt sẵn cách xử lý những tình huống dưới đây trong bảng mã hoá, trước khi nhập phiếu đầu tiên.
- Ô trống không phải số 0. Không trả lời câu hỏi số giờ học thêm khác với trả lời 0 giờ. Nhập 0 cho câu bỏ trống sẽ kéo trung bình xuống sai.
- Phân biệt "không trả lời" với "không áp dụng". Câu "nếu có đi học thêm, em học mấy buổi" với người không đi học thêm là không áp dụng, không phải bỏ trống. Hai loại này nên có hai cách ghi khác nhau.
- Không dùng một số có thể là giá trị thật làm mã thiếu. Dùng 99 làm mã thiếu cho câu hỏi về số phút đi học là nguy hiểm, vì 99 phút hoàn toàn có thể là câu trả lời thật. Nếu phải dùng mã số, chọn số chắc chắn nằm ngoài khoảng hợp lệ và ghi rõ trong bảng mã hoá.
- Câu trả lời ngoài khoảng hợp lệ. Một phiếu ghi ngủ 20 giờ mỗi đêm: có thể viết nhầm từ 10, có thể đùa. Nhập đúng như phiếu, đánh dấu ở cột ghi chú, và quyết định xử lý sau khi xem cả phiếu, không tự sửa thành số "hợp lý".
- Chọn hai đáp án ở câu một lựa chọn. Quy ước sẵn, ví dụ coi là không hợp lệ và để trống, kèm ghi chú.
- Chữ viết không đọc được. Ghi là không đọc được thay vì đoán, và giữ ảnh chụp phiếu để người khác thử đọc.
Mọi quy ước ở đây đều hợp lý; điều không hợp lý là mỗi người nhập một kiểu. Chỉ cần quy ước được ghi ra và cả nhóm theo cùng một bản.
Nhờ AI soạn bản nháp bảng mã hoá rồi tự kiểm
AI làm khá tốt phần việc soạn khung bảng mã hoá từ một bảng hỏi có sẵn, vì đây là việc chuyển đổi định dạng có quy tắc. Phần kiểm và phần quyết định vẫn thuộc về bạn. Cách làm:
- Chuẩn bị bảng hỏi trống, chưa có câu trả lời nào, đã bỏ tên trường, tên lớp nếu có trong phần hướng dẫn.
- Gửi kèm câu lệnh. Câu lệnh mẫu: "Dưới đây là bảng hỏi khảo sát học sinh. Hãy lập bảng mã hoá dữ liệu gồm các cột: tên biến không dấu viết thường có số câu, câu hỏi gốc, kiểu dữ liệu, khoảng hợp lệ, giá trị và nhãn, mã dữ liệu thiếu, ghi chú. Câu nhiều lựa chọn tách mỗi lựa chọn một biến 0 và 1. Đánh dấu những câu có thể là câu đảo chiều để mình kiểm."
- Đối chiếu từng dòng với bảng hỏi gốc. Chỗ AI hay sai: chép lệch câu hỏi, đảo chiều thang đo, bỏ sót lựa chọn "khác", đoán sai câu nào là đảo chiều.
- Thêm các quy ước dữ liệu thiếu của nhóm, vì AI không biết nhóm bạn đã chốt gì.
- Nhập thử mười phiếu theo bảng mã hoá, ghi lại mọi chỗ lúng túng và bổ sung vào cột ghi chú.
- Nếu muốn nhờ AI giúp phát hiện giá trị lạ trong dữ liệu đã nhập, hỏi cách viết công thức hay quy tắc kiểm tra cho bảng tính, ví dụ tô màu ô ngoài khoảng 1 đến 5, thay vì dán cả bảng dữ liệu có người tham gia vào chatbot.
Lưu bảng mã hoá trong thư mục dữ liệu đã xử lý, đặt tên theo cùng quy ước với tệp dữ liệu và đánh số phiên bản. Mỗi lần thêm biến hay đổi quy tắc, tăng số phiên bản và ghi ngày đổi ở cột ghi chú.
Câu hỏi thường gặp
Bảng mã hoá dữ liệu khác bảng hỏi ở điểm nào?
Bảng hỏi là công cụ để thu dữ liệu, viết cho người trả lời đọc. Bảng mã hoá là tài liệu để hiểu dữ liệu đã thu, viết cho người nhập và người phân tích đọc. Nó chứa những thứ bảng hỏi không có như tên biến, mã số của từng lựa chọn, cách ghi dữ liệu thiếu, biến tính toán và các quyết định xử lý trong lúc nhập.
Khảo sát bằng biểu mẫu trực tuyến tự xuất ra bảng tính rồi, còn cần bảng mã hoá không?
Vẫn cần. Biểu mẫu trực tuyến thường xuất cột với tên là nguyên câu hỏi dài, giá trị là chữ, câu nhiều lựa chọn gộp trong một ô. Bạn sẽ phải đổi tên cột, chuyển chữ thành mã, tách cột, và mọi việc đó cần được ghi lại để làm lại được và để người khác hiểu.
Có nên mã hoá giới tính hay khối lớp bằng chữ thay vì bằng số không?
Nhiều phần mềm hiện đại xử lý mã chữ ngắn tốt, và mã chữ như nam, nu hay k10, k11 dễ đọc hơn số. Điều quan trọng là nhất quán: không lẫn chữ hoa chữ thường, không lẫn có dấu và không dấu, không lẫn chữ với số trong cùng một cột. Ghi rõ danh sách giá trị hợp lệ trong bảng mã hoá.
Thang Likert nên mã hoá từ 1 đến 5 hay từ 0 đến 4?
Cả hai đều dùng được, miễn là nhất quán trong cả nghiên cứu và ghi rõ trong bảng mã hoá. Nếu bạn dùng lại một thang đo đã có từ tài liệu khác, nên giữ đúng cách mã hoá của tài liệu gốc để kết quả so sánh được. Cách tính điểm tổng cũng nên làm theo hướng dẫn của thang đo gốc.
Ai trong nhóm nên giữ và sửa bảng mã hoá?
Nên có một người chịu trách nhiệm chính, thường là người giữ dữ liệu. Các thành viên khác gặp tình huống mới thì báo người này để thêm quy tắc, thay vì tự sửa bảng. Như vậy luôn chỉ có một phiên bản bảng mã hoá đang dùng và mọi thay đổi đều có ngày, có lý do.
Báo cáo dự án có cần đính kèm bảng mã hoá không?
Tuỳ yêu cầu của giáo viên hay cuộc thi, nhưng đính kèm như một phụ lục thường được đánh giá cao vì cho thấy dữ liệu được quản lý cẩn thận. Ít nhất, phần phương pháp nên mô tả ngắn cách mã hoá các biến chính và cách xử lý dữ liệu thiếu, và bảng mã hoá phải sẵn sàng khi có người hỏi.