Khi nào một bài test online đáng tin, khi nào nên bỏ qua?

Thời điểm nào thì ta nên dừng lại và hỏi một câu rất mất hứng nhưng vô cùng cần thiết:

Bài test này là công cụ tâm lý, hay chỉ là một cái máy phát văn mẫu có màu chữa lành?

Bài test không có tác giả, không nguồn, không mẫu chuẩn hóa, không độ tin cậy, không bằng chứng hiệu lực, nhưng lại rất tự tin phán đời bạn. Tự tin đến mức nếu nó là người thật, ta nên hỏi xem nó học trường nào, thầy nào dạy, và có biết xấu hổ khi kết luận về người khác bằng 5 câu trắc nghiệm hay không.

1. Bài test online không xấu. Vấn đề là nó có được xây như một bài test thật không?

Không nên cực đoan rằng cứ “online” là rác. Nhiều công cụ tâm lý nghiêm túc hiện nay có thể được triển khai online: thang sàng lọc trầm cảm, lo âu, stress, chất lượng giấc ngủ, kiệt sức, tính cách, năng lực nghề nghiệp, khảo sát học đường, khảo sát tổ chức.

Vấn đề không nằm ở chỗ nó nằm trên mạng.

Vấn đề nằm ở chỗ: nó có nền đo lường hay không.

Theo Standards for Educational and Psychological Testing, hiệu lực của một bài test không phải là cái huy chương dán lên tên test. Hiệu lực liên quan đến mức độ bằng chứng và lý thuyết ủng hộ cách diễn giải điểm số cho một mục đích sử dụng cụ thể (American Educational Research Association, American Psychological Association, & National Council on Measurement in Education, 2014). Nói gần gũi hơn: không có chuyện “test này valid” một cách chung chung. Phải hỏi: valid để làm gì, với ai, trong bối cảnh nào, và dùng kết quả để quyết định chuyện gì?

Một bài test có thể phù hợp để tự phản tỉnh nhẹ nhàng, nhưng không phù hợp để chẩn đoán. Có thể dùng trong nghiên cứu nhóm, nhưng không đủ để kết luận cá nhân. Có thể dùng cho sinh viên Mỹ, nhưng chưa chắc dùng được cho học sinh Việt Nam. Có thể đo “triệu chứng lo âu” ở mức sàng lọc, nhưng không thể tự phong thành “máy chẩn đoán rối loạn lo âu”.

Đây là điểm nhiều người nhầm: một bài test không đáng tin chỉ vì nó có điểm số, biểu đồ, màu xanh y tế và vài câu nghe giống chuyên gia. Excel không biến mê tín thành khoa học.

2. Một bài test online đáng tin thường có những dấu hiệu nào?

Dấu hiệu đầu tiên là có tác giả, có nguồn, có mục đích đo rõ ràng.

Một bài test nghiêm túc phải cho người dùng biết nó đo cái gì. Đo trầm cảm? Lo âu? Stress? Kiệt sức? Năm đặc điểm tính cách lớn? Phong cách gắn bó? Hứng thú nghề nghiệp? Khả năng chú ý? Hay chỉ đang đo khả năng bạn bị dụ bởi những câu văn mơ hồ nhưng nghe rất “đúng năng lượng”?

Cronbach và Meehl (1955) từng đặt nền cho khái niệm hiệu lực cấu trúc trong đo lường tâm lý: nếu ta nói một test đo một cấu trúc tâm lý, ta phải có mạng lưới lý thuyết và bằng chứng để bảo vệ cách hiểu đó. Không thể tự nghĩ ra vài nhóm kiểu “người hệ nước mắt”, “người hệ chữa lành”, “người hệ linh hồn cổ đại” rồi gọi đó là tâm lý học.

Dấu hiệu thứ hai là có bằng chứng độ tin cậy.

Độ tin cậy nói về sự ổn định và nhất quán của phép đo. APA Dictionary of Psychology định nghĩa reliability là mức độ một công cụ đo lường ít bị sai số ngẫu nhiên và cho kết quả nhất quán qua nhiều lần áp dụng. Cronbach (1951) giới thiệu hệ số alpha như một cách ước lượng tính nhất quán nội bộ của thang đo. Nhưng cần nói rõ: alpha cao không có nghĩa là bài test “đúng tuyệt đối”. Nó chỉ cho biết các câu hỏi có xu hướng đi cùng nhau ở mức nào. Một nhóm câu hỏi có thể rất nhất quán trong việc đo… một thứ sai.

Nói đời thường: một cái cân hỏng có thể rất “ổn định”. Ngày nào nó cũng cộng thêm 5kg. Rất đáng tin theo kiểu lặp lại. Nhưng không đúng.

Dấu hiệu thứ ba là có bằng chứng hiệu lực.

Hiệu lực không chỉ là “bài test nghe hợp lý”. Messick (1995) nhấn mạnh rằng hiệu lực liên quan đến việc diễn giải ý nghĩa điểm số và cả hệ quả của việc sử dụng điểm số. Kane (2013) tiếp tục phát triển hướng tiếp cận lập luận: muốn bảo vệ một cách dùng điểm số, ta phải chỉ ra chuỗi suy luận từ câu trả lời → điểm số → diễn giải → quyết định là hợp lý.

Vậy khi một bài test bảo:

“Bạn thuộc nhóm người ám ảnh kiểm soát trong tình yêu.”

Ta cần hỏi:

Dựa vào mô hình nào?

Có nghiên cứu nào chứng minh các câu hỏi này thật sự đo kiểm soát trong quan hệ?

Có so sánh với công cụ khác không?

Có phân biệt được kiểm soát, lo âu gắn bó, sang chấn, ghen tuông, cầu toàn, hay chỉ gom tất cả vào một nồi lẩu cảm xúc rồi đặt tên cho sang?

Dấu hiệu thứ tư là có mẫu chuẩn hóa hoặc nhóm tham chiếu phù hợp.

Một điểm số không tự có nghĩa. Nó cần được đặt cạnh một nhóm tham chiếu. Nếu bạn làm một bài test lo âu và được 18 điểm, 18 là cao hay thấp? Cao so với ai? Người trưởng thành? Học sinh? Sinh viên? Người đang điều trị? Người Việt Nam? Người Mỹ? Nam hay nữ? Độ tuổi nào? Bối cảnh nào?

APA Dictionary định nghĩa standardized test là công cụ có độ tin cậy, hiệu lực được thiết lập qua điều tra thực nghiệm, có chuẩn mực rõ ràng, và được thực hiện, chấm điểm, diễn giải theo cách nhất quán. Nếu bài test không cho biết nó chuẩn hóa trên ai, thì điểm số của bạn giống như số đo chiều cao nhưng không có đơn vị. 170 nghe có vẻ cao, cho đến khi ta phát hiện đó là milimet của một con mèo hoặc centimet của một người.

Dấu hiệu thứ năm là có quy trình dịch và thích nghi văn hóa nếu dùng bản Việt hóa.

Dịch test tâm lý không phải là bê Google Translate về rồi thêm vài câu “bạn có thường xuyên cảm thấy lạc lõng giữa thế gian này không?”. International Test Commission nhấn mạnh việc dịch và thích nghi test cần xem xét tương đương ngôn ngữ, văn hóa, cấu trúc đo lường, quy trình thực hiện, chấm điểm và diễn giải (International Test Commission, 2017).

Một câu hỏi trong tiếng Anh có thể rất bình thường, nhưng khi dịch sang tiếng Việt lại thành quá nặng, quá nhẹ, quá văn chương, hoặc lệch nghĩa. Ví dụ, “I feel blue” không thể dịch máy móc thành “tôi cảm thấy màu xanh”. Nghe thì vui, nhưng nếu dùng để đo trầm cảm thì không còn vui nữa.

Dấu hiệu thứ sáu là kết quả có nói rõ giới hạn.

Một bài test nghiêm túc thường cẩn trọng. Nó sẽ nói:

“Kết quả này chỉ có giá trị tham khảo.”

“Kết quả không thay thế chẩn đoán chuyên môn.”

“Nếu bạn có nguy cơ tự hại hoặc suy giảm chức năng nghiêm trọng, cần liên hệ chuyên gia.”

“Nên diễn giải cùng bối cảnh cá nhân.”

Còn bài test kém tin cậy thường rất mạnh miệng:

“Bạn chắc chắn là người ái kỷ ngầm.”

“Bạn có rối loạn nhân cách tránh né.”

“Bạn bị tổn thương tuổi thơ chưa chữa lành.”

“Bạn là người mang năng lượng hiếm gặp, chỉ 1% dân số có.”

Đọc đến đây thì nên gập máy lại một chút. Không phải vì nó nguy hiểm ngay lập tức, mà vì nó đang làm một việc rất vô trách nhiệm: biến vài câu trả lời thành nhãn dán bản sắc.

3. Khi nào nên bỏ qua một bài test online?

Nên bỏ qua khi không có tác giả.

Một công cụ đo lường mà không có người chịu trách nhiệm thì giống như một toa thuốc không có bác sĩ ký tên. Uống vào thấy đỡ hay không chưa biết, nhưng đạo đức đã có mùi lạ.

Nên bỏ qua khi không có tài liệu gốc hoặc nguồn học thuật.

Nếu bài test không dẫn bài báo, sách, hướng dẫn chấm điểm, mẫu nghiên cứu, hoặc tổ chức phát triển, thì nó đang yêu cầu bạn tin bằng niềm tin. Trong khoa học, niềm tin là thứ đáng kiểm tra, không phải thứ dùng để thay thế bằng chứng.

Nên bỏ qua khi kết luận quá sâu từ quá ít câu hỏi.

Một bài test 6 câu không thể kết luận toàn bộ kiểu gắn bó, tổn thương tuổi thơ, nhân cách, năng lực yêu, nghiệp gia đình và khả năng thành công của bạn trong 10 năm tới. Nếu một công cụ hỏi quá ít nhưng phán quá nhiều, nó không phải test. Nó là người hàng xóm nhiều chuyện được đóng gói thành giao diện web.

Nên bỏ qua khi ngôn ngữ quá tuyệt đối.

Các cụm như “chắc chắn”, “bạn là kiểu người”, “đời bạn sẽ”, “bản chất của bạn là”, “không ai hiểu bạn bằng bài test này” thường là dấu hiệu của diễn giải kém khoa học. Tâm lý học nghiêm túc nói bằng xác suất, mức độ, khuynh hướng, bối cảnh. Tâm lý học mạng nói bằng định mệnh.

Nên bỏ qua khi bài test bán nỗi sợ rồi bán luôn giải pháp.

Ví dụ:

“Bạn có dấu hiệu tổn thương nghiêm trọng. Mua khóa học 999k để chữa lành ngay.”

Cơ chế này rất quen: tạo bất an → trao nhãn → bán lối thoát. Nếu bài test khiến bạn hoảng sợ trước, rồi ngay sau đó mời bạn mua thứ gì đó, hãy tỉnh. Không phải mọi thứ có chữ “healing” đều chữa lành. Có thứ chỉ chữa lành ví tiền của người bán.

Nên bỏ qua khi nó lẫn lộn giữa giải trí, sàng lọc và chẩn đoán.

Test vui thì cứ gọi là test vui. Không sao. Ai cũng có lúc muốn biết mình là loại bánh mì nào trong vũ trụ cảm xúc. Vấn đề là đừng lấy test vui để kết luận về sức khỏe tinh thần. Đừng lấy trắc nghiệm mạng để tự chẩn đoán. Và càng không nên dùng nó để dán nhãn người khác.

4. Bộ câu hỏi sâu trước khi tin một bài test online

Thay vì hỏi “bài test này có đúng không?”, hãy hỏi sắc hơn:

Ai là tác giả của bài test này?

Tác giả có chuyên môn gì về tâm lý, đo lường, lâm sàng, giáo dục hay nghiên cứu không?

Bài test dựa trên lý thuyết nào?

Nó đo một khái niệm đã có trong nghiên cứu hay tự chế một cái tên nghe rất thơ?

Có bài báo gốc, sách hướng dẫn, manual, hoặc tài liệu kỹ thuật không?

Có báo cáo độ tin cậy không? Nếu có, là loại nào: test-retest, internal consistency, inter-rater?

Có bằng chứng hiệu lực không? Hiệu lực nội dung, cấu trúc, quan hệ với biến khác, dự báo, hay chỉ là “đọc thấy hợp”?

Mẫu chuẩn hóa là ai? Bao nhiêu người? Quốc gia nào? Độ tuổi nào? Có giống mình không?

Nếu là bản tiếng Việt, nó được dịch và thích nghi văn hóa ra sao?

Điểm cắt được lấy từ đâu?

Kết quả dùng để làm gì: tự hiểu bản thân, sàng lọc nguy cơ, nghiên cứu, tuyển dụng, tư vấn, hay chẩn đoán?

Người diễn giải kết quả có đủ năng lực không?

Bài test có nói rõ giới hạn không?

Nó có bảo mật dữ liệu cá nhân không?

Nó có đang khiến mình hiểu bản thân tốt hơn, hay chỉ khiến mình bám vào một cái nhãn nghe có vẻ sâu sắc?

Câu cuối cùng mới là câu đau nhất:

Nếu kết quả này sai, nó sẽ gây hại gì cho mình hoặc cho người khác?

Vì một bài test giải trí sai có thể chỉ làm ta cười. Nhưng một bài test tâm lý sai có thể làm ta tự xem mình là bệnh lý, bỏ qua nguyên nhân thật, né tránh hỗ trợ đúng, hoặc dán nhãn oan cho người khác.

5. Kết luận: Bài test tốt không phán đời bạn. Nó giúp bạn đặt câu hỏi tốt hơn

Một bài test online đáng tin không cần nói như nhà tiên tri. Nó không cần giọng bí ẩn, không cần hình nền vũ trụ, không cần hứa “giải mã con người thật của bạn”. Nó chỉ cần minh bạch: đo gì, đo bằng cách nào, dựa trên bằng chứng nào, phù hợp với ai, giới hạn ở đâu.

Ngược lại, bài test nên bỏ qua thường có một dáng vẻ rất quen: không tác giả, không nguồn, không bằng chứng, nhưng kết luận thì dứt khoát như vừa họp hội đồng chuyên môn trong đầu bạn.

Tâm lý học không cấm ta tò mò về bản thân. Ngược lại, nó khuyến khích điều đó. Nhưng tò mò không có nghĩa là trao quyền định nghĩa mình cho một bài quiz vô danh.

Bài test tốt là cái gương được mài cẩn thận.

Bài test dở là cái gương méo nhưng lại rất thích giảng đạo.

Và trước một cái gương méo, việc thông minh nhất không phải là buồn vì khuôn mặt mình kỳ lạ.

Việc thông minh nhất là hỏi:

“Ai làm ra cái gương này?”

Tài liệu tham khảo

1. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.
2. American Psychological Association. (n.d.). Psychological assessment. APA Dictionary of Psychology.
3. American Psychological Association. (n.d.). Reliability. APA Dictionary of Psychology.
4. American Psychological Association. (n.d.). Standardized test. APA Dictionary of Psychology.
5. American Psychological Association. (n.d.). Validity. APA Dictionary of Psychology.
6. Bartram, D. (2009). The International Test Commission guidelines on computer-based and internet-delivered testing. Industrial and Organizational Psychology, 2(1), 11–13.
7. Buros Center for Testing. (n.d.). Mental Measurements Yearbook.
8. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297–334.
9. Cronbach, L. J., & Meehl, P. E. (1955). Construct validity in psychological tests. Psychological Bulletin, 52(4), 281–302.
10. International Test Commission. (2017). The ITC guidelines for translating and adapting tests (Second edition). International Journal of Testing, 18(2), 101–134.
11. Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73.
12. Messick, S. (1995). Validity of psychological assessment: Validation of inferences from persons’ responses and performances as scientific inquiry into score meaning. American Psychologist, 50(9), 741–749.