Áp dụng Phương pháp Hình ảnh và Phân tích Dữ liệu Hình ảnh: Sử dụng Phần mềm webQDA trong Nghiên cứu Định tính

Thế giới hiện đại đang chứng kiến một “sự dịch chuyển hình ảnh” (pictorial turn), chuyển dịch từ “sự dịch chuyển ngôn ngữ”, nơi các biểu tượng và hình ảnh đóng vai trò trung tâm trong giao tiếp và xây dựng xã hội. Chúng ta đang sống trong một nền kinh tế dựa trên trải nghiệm, cảm xúc và cảm giác, nơi hình ảnh trở thành yếu tố cốt lõi. Sự phát triển của internet và mạng xã hội đã thúc đẩy sự phổ biến của các loại dữ liệu hình ảnh mới, từ ảnh tĩnh, video cho đến emoji, được ví như “ngôn ngữ cơ thể của thời đại số”.

Trong bối cảnh này, các phương pháp luận nghiên cứu định tính cần phải thích ứng và khai thác hiệu quả các loại dữ liệu hình ảnh để nắm bắt thực tế xã hội một cách toàn diện hơn. Việc sử dụng dữ liệu hình ảnh có khả năng mang lại những hiểu biết sâu sắc và chân thực mà dữ liệu văn bản thuần túy có thể bỏ lỡ. Bài báo này nhằm mục đích khám phá các phương pháp hình ảnh trong nghiên cứu định tính và minh họa cách thức phân tích dữ liệu hình ảnh một cách có hệ thống, đặc biệt tập trung vào việc sử dụng phần mềm phân tích định tính webQDA. Mục tiêu là cung cấp một hướng dẫn thực tiễn để tích hợp hiệu quả các phương pháp hình ảnh, từ đó nâng cao chất lượng và độ tin cậy của nghiên cứu khoa học xã hội.

Phương pháp nghiên cứu hình ảnh (Visual Research Methods – VRM) được định nghĩa là các phương pháp sử dụng tài liệu hình ảnh thuộc một loại nào đó như một phần của quá trình tạo bằng chứng để trả lời các câu hỏi nghiên cứu khoa học xã hội. VRM mang lại một góc nhìn chân thực và phong phú hơn, giúp người tham gia thể hiện cảm xúc và trải nghiệm một cách tự nhiên và đa dạng.

Lịch sử của VRM bắt đầu từ những năm 1960 trong lĩnh vực nhân chủng học với công trình của Collier, người đã sử dụng ảnh trong nghiên cứu của mình. Sau đó, Harper đã đưa việc sử dụng ảnh vào xã hội học thị giác, đặc biệt với phương pháp gợi mở bằng ảnh (photo elicitation). Kể từ những năm 1990 và đầu thế kỷ 21, với các công trình của Gillian Rose và Banks, VRM đã được chấp nhận và nghiên cứu rộng rãi hơn trong các ngành khoa học xã hội.

• Bổ sung giá trị và góc nhìn mới: Dữ liệu hình ảnh có thể mang lại những giá trị và góc nhìn mới mẻ cho nghiên cứu định tính, đặc biệt là trong việc nghiên cứu các hiện tượng trong bối cảnh tự nhiên của chúng.

• Tiết lộ thông tin vô hình: Hình ảnh có thể giúp bộc lộ những khía cạnh vô hình của thông tin, như cảm xúc, trải nghiệm cá nhân, mà lời nói đôi khi không thể diễn tả hết.

• Khuyến khích sự tham gia sáng tạo: Việc sử dụng dữ liệu hình ảnh có thể khuyến khích người tham gia tương tác với nghiên cứu một cách sáng tạo hơn, tạo ra một cách tiếp cận khác biệt.

• Làm giàu dữ liệu: Việc kết hợp hình ảnh với dữ liệu văn bản (ví dụ: phỏng vấn) có thể làm phong phú thêm dữ liệu, củng cố hoặc mang lại những hiểu biết mới mẻ.

• Phản ánh thế giới thị giác: Chúng ta đang sống trong một thế giới của hình ảnh và văn hóa thị giác, nơi các phương tiện truyền thông xã hội tràn ngập thông tin hình ảnh. Do đó, việc nghiên cứu các hình ảnh này là cần thiết để hiểu sâu sắc hơn về xã hội.

Để đảm bảo tính minh bạch và độ tin cậy của nghiên cứu khi sử dụng dữ liệu hình ảnh, cần trả lời rõ ràng các câu hỏi sau:

• Tại sao (Why): Tại sao dữ liệu hình ảnh được sử dụng? Nó mang lại giá trị hay quan điểm mới nào cho nghiên cứu?

• Loại gì (What): Loại hình ảnh nào đang được sử dụng (ảnh tĩnh, video, tranh vẽ, emoji, phim hoạt hình)?

• Ở đâu (Where): Nguồn gốc của hình ảnh từ đâu (nghiên cứu viên, người tham gia, hoặc từ các nguồn có sẵn như internet/mạng xã hội)?

• Như thế nào (How): Hình ảnh sẽ được sử dụng và phân tích như thế nào?

Các yếu tố hình ảnh có thể đóng nhiều vai trò khác nhau trong nghiên cứu định tính:

• Hình ảnh như một tác nhân kích thích (stimulus): Dùng hình ảnh để khơi gợi suy nghĩ, cảm xúc của người tham gia (ví dụ: gợi mở bằng ảnh).

• Hình ảnh như một nguồn phương pháp: Tạo ra các phương pháp nghiên cứu riêng biệt như Nhiếp ảnh phản tư (Reflexive Photography), Photovoice, Gợi mở bằng ảnh (Photo Elicitation), hoặc Nhật ký ảnh (Photo Diary).

• Hình ảnh như dữ liệu chính: Sử dụng hình ảnh làm ngữ liệu chính cho phân tích (visual data as corpus), hoặc dùng để bổ sung cho dữ liệu văn bản. Khi sử dụng hình ảnh làm dữ liệu, cần xác định phương pháp và kỹ thuật phân tích phù hợp (ví dụ: phân tích nội dung, phân tích bán ký hiệu học).

• Định nghĩa: Phương pháp này liên quan đến việc chèn ảnh vào một cuộc phỏng vấn nghiên cứu. Ảnh có thể do người tham gia tự chụp hoặc do nhà nghiên cứu cung cấp, nhưng cần có sự biện minh rõ ràng cho việc lựa chọn ảnh.

• Ứng dụng và lợi ích:

    ◦ Giúp người tham gia thể hiện thông tin vô hình, đặc biệt là về cảm xúc và trải nghiệm.

    ◦ Khuyến khích sự tham gia sáng tạo hơn từ người tham gia.

    ◦ Khi kết hợp ảnh với phỏng vấn, phương pháp này có thể làm phong phú dữ liệu thu thập được.

• Ví dụ trong nghiên cứu du lịch: Gợi mở bằng ảnh được sử dụng để khám phá trải nghiệm du lịch của khách, trong đó du khách được yêu cầu chụp ảnh và sau đó phỏng vấn dựa trên những bức ảnh đó.

• Reflexive Photography: Là một bài tập có thể được áp dụng trong lớp học, yêu cầu sinh viên chụp ảnh về các khái niệm nhất định (ví dụ: trải nghiệm du lịch, sự hài lòng) và sau đó thảo luận dựa trên những bức ảnh của họ.

• Photovoice: Phương pháp này “trao tiếng nói cho các bức ảnh” và ban đầu được sử dụng rộng rãi trong lĩnh vực y tế và giáo dục.

• Định nghĩa: VCA là kỹ thuật phân tích nội dung truyền thống được áp dụng cho dữ liệu hình ảnh. Nó cho phép chúng ta thực hiện các suy luận có giá trị và đáng tin cậy từ dữ liệu hình ảnh.

• Các bước thực hiện VCA:

    1. Câu hỏi khởi đầu: Đặt câu hỏi nghiên cứu rõ ràng. Cần tự hỏi liệu phân tích dữ liệu hình ảnh có hữu ích, mang lại góc nhìn mới, hay bổ sung giá trị cho nghiên cứu hay không.

    2. Xem xét tài liệu: Tìm hiểu các bài báo đã sử dụng phân tích nội dung cho dữ liệu hình ảnh để biện minh cho phương pháp của bạn.

    3. Xác định nguồn hình ảnh: Quyết định nguồn gốc của hình ảnh (nghiên cứu viên, người tham gia, hoặc từ các nguồn có sẵn như internet/mạng xã hội như TripAdvisor). Cần giải thích rõ ràng lý do lựa chọn nguồn này.

    4. Lấy mẫu: Xác định tính đại diện của nguồn, loại lựa chọn mẫu (ngẫu nhiên, phân tầng, cụm, tiện lợi) và số lượng hình ảnh. Ví dụ, trong một nghiên cứu về du lịch hồ, tác giả đã lấy mẫu ảnh từ cổng thông tin “Lake Lubbers” dựa trên tiêu chí địa lý và tiện lợi.

    5. Quy trình mã hóa: Giải thích chi tiết cách bạn sẽ phân tích và mã hóa hình ảnh.

• Cách tiếp cận:

    ◦ Định lượng (Quantification): Tập trung vào việc định lượng các yếu tố xuất hiện trong hình ảnh (ví dụ: đếm số lần bầu trời xanh xuất hiện).

    ◦ Định tính (Qualitative description and interpretation): Mô tả và diễn giải hình ảnh một cách định tính. Phần mềm định tính như webQDA hỗ trợ việc này bằng cách cho phép mô tả, diễn giải và sau đó mã hóa những mô tả đó.

Vấn đề đạo đức là một khía cạnh quan trọng khi sử dụng dữ liệu hình ảnh, đặc biệt là khi có liên quan đến hình ảnh con người.

• Sự đồng ý và ẩn danh: Nếu có khuôn mặt trong ảnh, cần cân nhắc không hiển thị hoặc làm mờ để bảo vệ danh tính của cá nhân. Ở một số quốc gia như Brazil, các dự án nghiên cứu cần được phê duyệt bởi ủy ban đạo đức.

• Nguồn công khai so với riêng tư: Có nhiều ý kiến khác nhau về việc sử dụng hình ảnh công khai trên mạng xã hội (ví dụ: Facebook, TripAdvisor). Một số cho rằng có thể sử dụng vì chúng công khai, trong khi số khác yêu cầu sự thận trọng. Để giảm thiểu rủi ro đạo đức, tốt nhất là xin phép người tổ chức hoặc chủ sở hữu để sử dụng hình ảnh. Ví dụ, khi sử dụng phim hoạt hình trong nghiên cứu, cần xin phép ban tổ chức cuộc thi.

webQDA là một phần mềm phân tích định tính dựa trên đám mây, hỗ trợ hiệu quả việc tổ chức và phân tích dữ liệu hình ảnh, đặc biệt cho VCA.\

• Tạo và quản lý dự án: Người dùng có thể tạo các dự án mới trong phần mềm. Với tính năng cộng tác trên nền tảng đám mây, webQDA cho phép chia sẻ dự án với các đồng nghiệp, tạo điều kiện làm việc nhóm hiệu quả.

• Nhập dữ liệu hình ảnh:

    ◦ Ảnh tĩnh: Có thể nhập ảnh trực tiếp từ máy tính hoặc từ đám mây. Các định dạng phổ biến như JPEG, PNG được hỗ trợ, với kích thước tối đa 5MB mỗi ảnh.

    ◦ Video: Có thể liên kết trực tiếp từ các nền tảng như YouTube hoặc Vimeo, hoặc tải xuống và nhập vào phần mềm. Việc tải xuống video được khuyến nghị để tránh trường hợp video biến mất khỏi nền tảng gốc.

• Mô tả và diễn giải hình ảnh/video:

    ◦ Sau khi nhập, người dùng có thể xem từng hình ảnh hoặc video. Đối với video, có thể tạm dừng ở các đoạn cụ thể để mô tả.

    ◦ Phần mềm cho phép mô tả nội dung và diễn giải ý nghĩa của chúng thông qua các hộp văn bản hoặc ghi chú (memos) được liên kết trực tiếp với hình ảnh.

• Mã hóa (Coding):

    ◦ Phân loại thông tin: Sau khi mô tả và diễn giải, người dùng có thể mã hóa thông tin này vào các danh mục và danh mục con đã được tạo sẵn hoặc phát triển từ dữ liệu.

    ◦ Cách tiếp cận: Có thể sử dụng cách tiếp cận suy diễn (có sẵn cấu trúc mã hóa dựa trên lý thuyết) hoặc quy nạp (phát triển mã hóa từ chính dữ liệu).

    ◦ Tích hợp dữ liệu: webQDA cho phép mã hóa cả dữ liệu văn bản (ví dụ: các cuộc phỏng vấn, bình luận từ TripAdvisor) và các mô tả/diễn giải từ hình ảnh. Điều này rất hữu ích để so sánh, củng cố dữ liệu hoặc phát hiện những hiểu biết mới mà dữ liệu hình ảnh mang lại so với dữ liệu văn bản.

• Tạo kết quả (Outputs): Phần mềm có khả năng tạo ra nhiều loại báo cáo và biểu diễn trực quan:

    ◦ Báo cáo PDF: Tạo báo cáo chi tiết từ hệ thống mã hóa.

    ◦ Bản đồ mã (Code Map): Hiển thị mối quan hệ giữa các mã, giúp trực quan hóa cấu trúc mã hóa.

    ◦ Đám mây từ (Word Cloud): Tạo đám mây từ các từ khóa thường xuyên xuất hiện trong phần mô tả hình ảnh hoặc dữ liệu văn bản đã mã hóa.

• Mã hóa tự động (Auto-coding): webQDA có tính năng mã hóa tự động, tuy nhiên, nó chủ yếu áp dụng cho dữ liệu văn bản từ các tệp Excel, không trực tiếp cho hình ảnh hoặc video.

• Nghiên cứu du lịch hồ: Trong nghiên cứu về du lịch hồ, tác giả đã sử dụng webQDA để phân tích ảnh và mô tả các yếu tố xuất hiện như bầu trời xanh, thảm thực vật ven bờ, núi non, và màu nước. Hình ảnh đã bổ sung giá trị cho nghiên cứu bằng cách thể hiện mối quan hệ giữa nước và bầu trời mà du khách đã đề cập trong dữ liệu văn bản.

• Nghiên cứu điểm đến Iran: Một ví dụ khác là phân tích các điểm tham quan chính ở Iran bằng cách sử dụng ảnh và bình luận từ TripAdvisor. Các bức ảnh về bảo tàng đã cho thấy các nhạc công chơi nhạc cụ truyền thống, giúp hiểu rõ hơn về trải nghiệm của du khách. Hệ thống mã hóa được sử dụng bao gồm các danh mục như cảm xúc, nhận thức giác quan, hiểu biết trí tuệ, sự tham gia tích cực và ký ức, giúp phân tích sâu sắc các trải nghiệm này.

Nghiên cứu định tính đang trải qua một giai đoạn chuyển đổi quan trọng, nơi việc tích hợp các phương pháp hình ảnh không chỉ là một xu hướng mà còn là một yêu cầu để nắm bắt đầy đủ sự phức tạp của thực tế xã hội. Các phương pháp như gợi mở bằng ảnh và phân tích nội dung hình ảnh, khi được áp dụng một cách có hệ thống, có thể mang lại những hiểu biết sâu sắc và chân thực về cảm xúc, trải nghiệm và quan điểm của người tham gia.

Việc sử dụng phần mềm phân tích định tính như webQDA cung cấp một công cụ mạnh mẽ để tổ chức, mô tả, diễn giải và mã hóa dữ liệu hình ảnh một cách hiệu quả. Khả năng kết hợp phân tích dữ liệu hình ảnh và văn bản của webQDA giúp củng cố kết quả và phát hiện những khía cạnh mới của hiện tượng nghiên cứu.

Để đảm bảo tính minh bạch và độ tin cậy, các nhà nghiên cứu cần tuân thủ nguyên tắc 3W1H, giải thích rõ ràng “tại sao, loại gì, ở đâu và như thế nào” khi sử dụng dữ liệu hình ảnh. Đồng thời, các cân nhắc về đạo đức, đặc biệt là về quyền riêng tư và sự đồng ý, phải luôn được ưu tiên. Mặc dù VRM vẫn đang trong giai đoạn phát triển và tìm kiếm sự công nhận đầy đủ trong giới khoa học, tiềm năng của nó trong việc làm phong phú nghiên cứu định tính là không thể phủ nhận.