I.

AXIAL CODING (MÃ HÓA TRỤC)

1. Mã hóa trục trong nghiên cứu định tính
Mã hóa theo trục đề cập đến quá trình tìm kiếm mối quan hệ giữa các loại dữ liệu xuất hiện từ
mã hóa mở. Khi mối quan hệ giữa các danh mục được nhận biết, chúng sẽ được sắp xếp lại
thành dạng phân cấp, với sự xuất hiện của các danh mục con. Bản chất của phương pháp này
là khám phá và giải thích một hiện tượng (chủ đề nghiên cứu của bạn) bằng cách xác định các
yếu tố bối cảnh (chẳng hạn như kinh tế, công nghệ, chính trị, pháp lý, xã hội và văn hóa), các
nguyên nhân, những điều kiện cấu trúc, hành động và tương tác, hậu quả…
Mục đích chính của nó là tinh chỉnh và tích hợp các mã được tạo trong quá trình mã hóa mở
để phát triển một mô hình lý thuyết toàn diện. Thông qua mã hóa trục, các nhà nghiên cứu
nhằm mục đích khám phá các mô hình, mối quan hệ và giải thích cơ bản trong dữ liệu.

4. Ví dụ về mã hóa trục

Mô hình mã hóa Axial Coding: Với mã hóa theo trục, bạn đang tìm kiếm “Danh mục” bắt
nguồn từ mối quan hệ giữa các mã được phát triển trong mã hóa mở. Để giải quyết vấn đề
này, Corbin và Strauss (1999) đã phát triển Mô hình mã hóa với các danh mục con là:
phenomenon (hiện tượng), causal causation, strategies (chiến lược), consequences (hậu quả),
context (bối cảnh), and intervening condition (điều kiện can thiệp), giúp đảm bảo rằng bạn,
nhà nghiên cứu, đã khám phá đầy đủ các danh mục mà bạn đang phát triển.

Ví dụ: Chúng ta sẽ đề cập đến một nghiên cứu mẫu trong đó các cuộc phỏng vấn được thực
hiện với những người dân New York đang trải qua thời gian bị phong tỏa do Covid-19. Từ
bước này, chúng ta đã phát triển một số mã, bao gồm:

 Experiencing a panic attack

 Feeling disconnected
 Introverted v Extroverted
 Meeting for park hangouts
 “Missing my family”
 Therapy before Covid-19
 “Trouble sleeping”
 Screentime burnout
 Laughing
 In-frequent but intense
 Meeting online
 Rented an apartment
 Low grade but daily

Subcategory 1: Phenomenon
Đọc qua các mã ta dễ dàng rút ra được các hiện tượng từ Covid19. Chúng ta nhận thấy rằng
tất cả chúng đều hướng đến những người tham gia nghiên cứu đang mô tả một số dạng lo lắng.
Chúng em tạo một danh mục con mới có tên là “Hiện tượng: Sự lo lắng” và lồng các danh mục
còn lại vào đó. Với thiết lập mã cuối cùng như sau:

Phenomenon: Anxiety
o “Having trouble sleeping”
o Experiencing a panic attack

Subcategory 2: Causal Conditions

Sau khi xác định được hiện tượng “Lo lắng”, giờ đây chúng tôi có thể tập trung vào dữ liệu
có thể mô tả “Tại sao mọi người lại cảm thấy lo lắng”? Đọc qua dữ liệu, chúng tôi thấy rằng
những người tham gia nghiên cứu thường liên kết trực tiếp sự cô đơn của họ với cảm giác lo
lắng của chính họ. Chúng tôi đã xác định một danh mục con mới “Nguyên nhân: Sự cô đơn
do bị nhốt” và nhóm các mã sau:

Cause: Lockdown Loneliness

o “Missing family”
o Feeling disconnected

Subcategory 3: Strategies

Dựa vào các dữ liệu, một số chiến lược tiềm năng mà những người tham gia nghiên cứu của
chúng tôi đã sử dụng để giải quyết “Lo lắng do cô đơn gây ra” của họ. Ở đây, chúng em
đang thấy hai chiến lược tiềm năng, vì những người tham gia nghiên cứu của chúng em
phân chia cách kết nối với những người khác cả qua mạng và trực tiếp được tổng hợp trong
danh mục phụ của mình: “Chiến lược: Kết nối trong Covid-19”

 Strategies: Covid-19 Connecting

o Attempting safe in-person meetups
 Meeting at parks
o Setting up virtual hangouts
 Meeting over zoom

Subcategory 4: Consequences

Đọc qua các mã mở từ danh mục ban đầu và cả chiến lược, ta có thể nhận thấy hậu quả của
“Covid-19 Connecting” và “Setting virtual hangouts”. Chúng em tạo ra một danh mục phụ có
tên: “Hậu quả: Lợi ích và hạn chế về mặt cảm xúc của Covid-19”

 Consequences: Emotional Benefits and Drawbacks of Covid-19 Interactions

 o Benefits
 Laughing leading to elation
o Drawbacks
 Screen time burnout

Subcategory 5: Context

Trong trường hợp này, chúng em tạo hai danh mục con cho bối cảnh và nhóm các mã theo
chúng: “Nhà ở hiện tại” và “Tần suất và cường độ của lo âu”

 Context: Current Housing Setup

o Rent an apartment
 Context: Anxiety Frequency and Intensity
o Low grade but daily
o In-Frequent but Intense

Subcategory 6: Intervening Conditions

Các điều kiện can thiệp thường xuất hiện dưới dạng trích dẫn mô tả cuộc sống của những người
tham gia nghiên cứu trước hiện tượng được đề cập. Chúng ta có thể sắp xếp lại chúng theo các
danh mục con mới sau:

 Intervening Conditions: Mental Health Pre-Covid-19

o Past panic attacks
o Therapy pre Covid-19
 Intervening Conditions: Personality
o Introverted v Extroverted

Xác định danh mục của bạn

Sau khi thực hiện tất cả phân tích này và tạo tất cả các danh mục phụ này, giờ đây chúng tôi có
thể đặt tên cho danh mục mới xuất hiện từ dữ liệu của mình: “Socializing to Cope with Anxiety
During Covid-19 Lockdown” (Giao lưu để giải quyết với sự lo lắng trong thời gian Covid-19)

Chúng ta có thể tóm tắt thêm những phát hiện của mình như một phần của mô tả danh mục:

Trong nghiên cứu có căn cứ của mình, chúng tôi phát hiện ra rằng Sự cô đơn khi bị nhốt do
Covid-19 gây ra (casual condition - tình trạng nguyên nhân) đã khiến những người tham gia
nghiên cứu của chúng tôi trải qua Lo lắng (Phenomenon - hiện tượng). Có sự khác nhau về cường
độ và tần suất mà những người tham gia nghiên cứu trải qua sự lo lắng đó (Context - bối cảnh )
với những người tham gia trải qua những cơn lo lắng dữ dội hơn là những người đã trải qua các
cơn hoảng loạn trước Covid-19 (Intervening condition - các tình huống can thiệp ). Để giải quyết
sự lo lắng của mình, họ đã lên lịch cho cả các cuộc gặp mặt xã hội trực tiếp và gián tiếp (Strategy
- chiến lược). Việc mọi người chọn giao lưu trực tiếp hay gián tiếp chủ yếu là do hoàn cảnh sống
hiện tại của họ là gì (Context - bối cảnh ) và liệu họ đã xác định mình là người hướng nội hay
hướng ngoại ( hoàn cảnh can thiệp ). Mặc dù những buổi đi chơi này có một số tác động tích cực
về mặt tinh thần như nhưng chúng cũng có những tác dụng phụ tiêu cực như lo lắng rằng việc đi
chơi trực tiếp có thể dẫn đến nhiễm Covid-19 (Consequences - hậu quả)
 Một số ví dụ khác về ứng dụng của Axial Coding

Hình 1: Morrow & Smith (1995) Constructions of Survival and Coping by women who have
survived childhood sexual abuse

Hình 2: Open and axial coding leading to the development of the category of 'motivation to
volunteer.'
II. SELECTIVE CODING (MÃ HÓA CHỌN LỌC)
1. Mã hóa chọn lọc trong phân tích định tính
Strauss và Corbin (1998) gợi ý rằng sau một thời gian dài thu thập dữ liệu, có thể mất vài
tháng, bạn sẽ phát triển được một số danh mục chính và các danh mục phụ liên quan. Giai
đoạn tiếp theo được gọi là mã hóa chọn lọc. Điều này nhằm xác định một trong những phạm
trù chính, được gọi là phạm trù trung tâm hoặc cốt lõi, nhằm liên kết các phạm trù khác với
mục đích tích hợp nghiên cứu và phát triển một lý thuyết có căn cứ (Corbin và Strauss 2015;
Strauss và Corbin 1998). Trong giai đoạn trước, người ta nhấn mạnh vào việc nhận biết mối
quan hệ giữa các danh mục và các danh mục con của chúng. Trong giai đoạn này, người ta
nhấn mạnh vào việc nhận biết và phát triển mối quan hệ giữa các phạm trù chính xuất hiện từ
cách tiếp cận có căn cứ này nhằm phát triển một lý thuyết giải thích và cuối cùng là xây dựng
ý nghĩa.
2. Quá trình mã hóa chọn lọc
Mã hóa chọn lọc chỉ đơn giản là hành động chọn một biến hoặc khái niệm cốt lõi trong số các
danh mục hiện có mà bạn đã tạo từ quy trình mã hóa trục để bắt đầu hình thành chủ đề bao
quát nảy sinh từ dữ liệu của bạn và giải quyết câu hỏi nghiên cứu của bạn . Ví dụ: nếu bạn có
một nghiên cứu xem xét việc sử dụng điện thoại thông minh thì quá trình mã hóa mở có thể
đã tạo ra các mã ban đầu như "trò chơi trực tuyến", "mạng xã hội", "ứng dụng quản lý thời
gian" và "ứng dụng cộng tác nhóm". Quá trình mã hóa theo trục lấy mã từ mã hóa mở và sắp
xếp chúng theo các danh mục có liên quan rộng hơn, chẳng hạn như "giải trí và thư giãn" và
"ứng dụng năng suất". Bằng cách vẽ ra mối quan hệ giữa các mã riêng lẻ thông qua các danh
mục, bạn sẽ tạo ra các đơn vị ý nghĩa lớn hơn hữu ích cho việc phân tích. Bạn có thể thấy
rằng các cuộc thảo luận về điện thoại thông minh xoay quanh vấn đề giải trí và thư giãn.
Thông qua mã hóa có chọn lọc, bạn có thể chọn danh mục này để thể hiện chủ đề chính của
dự án.

4. Ví dụ về mã hóa chọn lọc

Chúng ta sẽ đề cập đến một nghiên cứu mẫu trong đó các cuộc phỏng vấn được thực hiện về
những ý nghĩ của giới trẻ . Từ bước này, chúng ta đã phát triển một số mã, bao gồm:

 “Conflict”
 “Equality”
 “Compromise”
 “Listening”
 “Sharing ideas”
 “Role Clarification”
 “Diversity”

Đọc qua các mã và dựa vào Axial Coding, ta có thể rút ra được 3 nhóm đặc điểm như sau:
 Subcategory 1: Collaboration (Sự hợp tác)

o “Conflict” (xung đột)

o “Equality” (bình đẳng)
o “Compromise” (thỏa hiệp)

Subcategory 2: Communication (Giao tiếp)

o “Listening” (lắng nghe)

o “Sharing ideas” (chia sẻ về ý tưởng)

Subcategory 3: Understanding Team (Giao tiếp)

o “Role Clarification”
o “Diversity

Sau khi thực hiện tất cả phân tích này và tạo tất cả các danh mục phụ này, giờ đây chúng tôi có
thể đặt tên cho danh mục mới xuất hiện từ dữ liệu của mình: “Teamwork”
Dựa vào các nhóm đặc điểm của “Teamwork” qua các hạng mục, ta có thể rút ra được kết luận về
định nghĩa của “Teamwork” rằng: Làm việc cùng nhau chính là giá trị cốt lõi của một nhóm. Từ
đó ta phát triển lý thuyết để xây dựng ý nghĩa như sau: Làm việc nhóm là một phần quan trọng
thiết yếu để tổ chức hoạt động có hiệu quả.

Ứng dụng của Grounded Theory

1. Sức khỏe
Áp dụng phương pháp tiếp cận lý thuyết cơ sở để xem xét thực tiễn việc quản lý lực lượng
lao động chăm sóc sức khỏe ở nông thôn và kỳ vọng của nhân viên. Theo những người tham
gia nghiên cứu, một số yếu tố ảnh hưởng đến quyết định của các chuyên gia chăm sóc sức khỏe
khi định cư tại các cộng đồng nông thôn với lý do phổ biến nhất là sự gắn bó của họ với cộng
đồng dưới dạng trải nghiệm cá nhân và quá khứ của họ (67%). Các yếu tố bổ sung ảnh hưởng đến
quyết định định cư của họ trong các lĩnh vực này bao gồm những thay đổi về hoàn cảnh cá nhân
của họ (ví dụ: ly hôn gần đây, chuyển đến gần gia đình hơn hoặc chất lượng cuộc sống tốt hơn)
và tình hình nghề nghiệp (ví dụ: cơ hội thăng tiến nghề nghiệp, cơ hội phát triển nghề nghiệp, cơ
hội giáo dục) (28 %), Cơ sở chăm sóc sức khỏe có danh tiếng tốt trong cộng đồng (44%) và cơ sở
chăm sóc sức khỏe đưa ra mức lương và phúc lợi cạnh tranh (52%). Ngoài ra còn các lý do ít tác
động hơn nhưng vx quan trọng như tài chính (22%) và việc tổ chức thúc đẩy các cơ hội học tập
và thăng tiến nghề nghiệp (22%)
Một lý thuyết có căn cứ được phát triển bởi McMillan và những cộng sự. (2012). Các nhà nghiên
cứu đã kiểm tra các vấn đề sau xuất viện của người lớn tuổi sau khi bị gãy xương hông. Việc lấy
mẫu của họ ban đầu có mục đích và sau đó tập trung vào các khái niệm cụ thể từ việc lấy mẫu lý
thuyết (tức là những bệnh nhân đã xuất viện trong vòng 4 tuần và sau đó những bệnh nhân đã
xuất viện sau 4 tuần).
2. Kinh tế
Lý thuyết cơ sở thường được phòng nhân sự sử dụng. Ví dụ: họ có thể nghiên cứu lý do tại sao
nhân viên lại thất vọng với công việc của họ. Nhân viên có thể giải thích điều họ cảm thấy còn
thiếu. Sau đó, HR thu thập dữ liệu này, kiểm tra kết quả để khám phá nguyên nhân cốt lõi của
vấn đề của họ và đưa ra giải pháp
Lý thuyết cơ sở có thể giúp ích cho các quyết định thiết kế, chẳng hạn như cách tạo ra một biểu
tượng hấp dẫn hơn. Để làm được điều này, Bộ phận Tiếp thị có thể phỏng vấn người tiêu dùng về
suy nghĩ của họ về logo và những gì họ thích hoặc không thích về nó. Sau đó, họ sẽ thu thập dữ
liệu được mã hóa liên quan đến các cuộc phỏng vấn và sử dụng dữ liệu này cho lần lặp thứ hai
3. Tâm lý học
Nghiên cứu các vấn đề sức khỏe tâm thần: Lý thuyết cơ sở có thể được sử dụng để điều tra các
hiện tượng sức khỏe tâm thần, bao gồm sự phát triển, duy trì và điều trị các rối loạn tâm thần.
Các nhà nghiên cứu có thể thu thập dữ liệu từ các cuộc phỏng vấn, quan sát hoặc tài liệu để hiểu
rõ hơn về các yếu tố góp phần gây ra các vấn đề về sức khỏe tâm thần hoặc các biện pháp can
thiệp trị liệu hiệu quả.
Đánh giá các can thiệp và chương trình: Lý thuyết có căn cứ có thể được sử dụng để khám phá
tính hiệu quả của các can thiệp tâm lý hoặc đánh giá tác động của các chương trình hoặc chính
sách cụ thể. Bằng cách thu thập và phân tích dữ liệu từ những người tham gia, các nhà nghiên
cứu có thể xác định các cơ chế tạo nên kết quả tích cực hoặc các rào cản đối với sự thay đổi.
4. Giáo dục
Lý thuyết cơ sở về học tập tích hợp công việc: Các nhà nghiên cứu sử dụng lý thuyết cơ sở có thể
kết hợp các quy trình nghiên cứu chính thức với việc tìm hiểu, học tập theo kinh nghiệm và tự
chủ để đạt được sự hiểu biết sâu hơn. Lý thuyết cơ sở mang lại cho các nhà nghiên cứu cơ hội
khám phá việc học tập tích hợp trong công việc từ quan điểm của nhiều bên liên quan trong bối
cảnh nơi làm việc trong thế giới thực trong khi vẫn cởi mở với những ý tưởng, cách giải thích và
lý thuyết mới nổi.
https://delvetool.com/blog/axialcoding
https://files.eric.ed.gov/fulltext/EJ1196737.pdf
https://harappa-education.translate.goog/harappa-diaries/grounded-theory-research/?
_x_tr_sl=en&_x_tr_tl=vi&_x_tr_hl=vi&_x_tr_pto=wapp#heading_4
https://www.researchgate.net/figure/Example-of-open-and-axial-coding-leading-to-the-
development-of-the-category-of_fig1_38032179
https://www.researchgate.net/publication/
232457341_Constructions_of_Survival_and_Coping_by_Women_Who_Have_Survived_Childh
ood_Sexual_Abuse
https://www.aabri.com/manuscripts/121202.pdf