Thu thập dữ liệu là tìm và ghi lại thông tin phục vụ một câu hỏi cụ thể. Phân loại dữ liệu giúp biết thông tin nào là số liệu, thông tin nào là nhãn hoặc mức đánh giá. Trong Bài 17 Toán 7 Kết nối tri thức, em còn cần kiểm tra tính đại diện: dữ liệu của nhóm được hỏi có đủ cơ sở để nói về toàn bộ đối tượng đang quan tâm hay không?
Bài học mở đầu Chương V: Thu thập và biểu diễn dữ liệu. So với kiến thức dữ liệu ở lớp 6, trọng tâm ở đây là phân biệt dữ liệu không phải số có thể sắp thứ tự và không thể sắp thứ tự, thiết kế câu hỏi thu thập thông tin, đồng thời nhận ra kết luận vượt quá phạm vi khảo sát. Toàn bộ dữ liệu và tình huống minh họa dưới đây là giả định, không phải kết quả khảo sát thực tế của ClassOn.
Bắt đầu từ câu hỏi, không bắt đầu từ một bảng số
Giả sử một nhóm thiết kế muốn tìm hiểu ý kiến của những người trưởng thành đã dùng một mẫu hộp đựng đồ. Câu hỏi “Hộp có tốt không?” còn quá rộng. Có người nghĩ đến độ bền, người khác nghĩ đến màu sắc hoặc khả năng đóng nắp. Nếu muốn đánh giá độ dễ mở nắp, cần hỏi trực tiếp về đặc điểm ấy.
Trước khi thu thập, hãy xác định đối tượng, nội dung cần biết và khoảng thời gian nếu có. “Số lần mở hộp trong ngày hôm qua” rõ hơn “Có dùng hộp nhiều không?”. Câu đầu thu được số lần; câu sau có thể chỉ nhận các từ như nhiều, ít mà mỗi người hiểu khác nhau.
Với bài tập trên giấy, em có thể thực hành bằng bộ dữ liệu giả định, không cần thu thập tên hay thông tin riêng tư của người thật. Khi một hoạt động học tập yêu cầu hỏi người khác, chỉ thu nội dung cần thiết theo hướng dẫn của giáo viên; không tự thêm số điện thoại, địa chỉ hoặc thông tin sức khỏe vào bảng hỏi.
Dữ liệu là số và dữ liệu không phải số
Dữ liệu định lượng, còn gọi là số liệu, biểu thị một lượng có thể đếm hoặc đo. Ví dụ số ngăn của từng chiếc hộp là 2; 4; 3; 2; 5. Các số đó thực sự cho biết số lượng. Độ dài chiếc hộp tính bằng xăng-ti-mét hoặc thời gian mở nắp tính bằng giây cũng là số liệu.
Dữ liệu định tính biểu thị loại, đặc điểm hoặc mức đánh giá. Dãy màu nắp “xanh, đỏ, trắng, xanh” không phải số liệu. Những giá trị này giúp phân nhóm nhưng không thể lấy “xanh cộng đỏ rồi chia hai” để tìm màu trung bình theo nghĩa tính toán thông thường.
Không phải cứ viết bằng chữ số là số liệu. Các mã hộp 01, 02, 03 chỉ là nhãn nhận diện nếu chúng không biểu thị lượng. Mã 03 không có nghĩa chiếc hộp nhiều gấp ba mã 01. Ngược lại, một câu trả lời “ba ngăn” viết bằng chữ vẫn biểu thị số lượng ba và có thể chuyển thành số 3 khi nhập dữ liệu.
Muốn phân loại đúng, hãy hỏi giá trị ấy có ý nghĩa gì trong câu hỏi ban đầu. Con số 4 có thể là số ngăn, một mã mẫu hoặc mã quy ước cho một mức đánh giá. Hình thức giống nhau nhưng vai trò khác nhau; cần đọc nhãn cột và hướng dẫn ghi dữ liệu trước khi quyết định.
Dữ liệu định tính có thứ tự và không có thứ tự
Một số dữ liệu định tính có thứ tự tự nhiên theo tiêu chí đang xét. Với mức dễ mở nắp “rất khó, khó, dễ, rất dễ”, ta có thể xếp từ khó nhất đến dễ nhất. Đây là thứ tự mức độ, không phải đo được chính xác khoảng cách giữa hai mức liên tiếp.
Vì vậy, nếu mã hóa bốn mức bằng 1, 2, 3, 4, các chữ số chỉ giúp ghi và sắp xếp. Không được tự hiểu mức 4 dễ gấp đôi mức 2. Bài học này tập trung nhận dạng thứ tự, không biến các mức đánh giá thành phép đo có khoảng cách bằng nhau khi chưa có căn cứ.
Những dữ liệu như màu nắp hoặc loại chất liệu không có thứ tự mức độ tự nhiên trong câu hỏi đang xét. Ta có thể sắp tên màu theo bảng chữ cái để tra cứu, nhưng thứ tự chữ cái không biến chúng thành dữ liệu có thứ tự theo mức độ. Đó chỉ là cách trình bày danh sách.
Một tiêu chí khác có thể tạo ra một dữ liệu mới. Chẳng hạn, tên chất liệu là dữ liệu không có thứ tự; khối lượng của từng hộp làm từ các chất liệu đó là số liệu có thể so sánh lớn nhỏ. Không nên lấy thứ tự khối lượng để nói bản thân tên chất liệu luôn có một thứ tự cố định.
Phỏng vấn và bảng hỏi: chọn cách ghi rõ ràng
Phỏng vấn là hỏi trực tiếp và ghi lại câu trả lời. Cách này thuận tiện khi cần giải thích một câu hỏi chưa rõ, nhưng người hỏi phải giữ cách diễn đạt nhất quán. Không nên đổi câu hỏi cho từng người theo hướng gợi ra câu trả lời mình mong muốn.
Bảng hỏi là một bộ câu hỏi để người tham gia trả lời theo hướng dẫn. Có thể yêu cầu chọn một phương án, chọn nhiều phương án hoặc điền một số. Ba cách đó tạo những dữ liệu khác nhau. Nếu đề muốn mỗi người chọn đúng một màu yêu thích nhất, phải ghi rõ “chọn một phương án”.
Một câu hỏi trung tính trong tình huống giả định là: “Bạn đánh giá việc mở nắp mẫu hộp này ở mức nào: rất khó, khó, dễ, rất dễ?”. Trái lại, câu “Mẫu hộp này mở rất tiện, bạn có đồng ý không?” chứa sẵn nhận xét tích cực, dễ dẫn dắt câu trả lời.
Với câu hỏi đếm, cần ghi đơn vị và thời gian. “Bạn đã mở hộp bao nhiêu lần trong ngày hôm qua?” thu số lần trong một ngày xác định. Không trộn câu trả lời theo tuần của người này với theo ngày của người khác rồi cộng như cùng một đại lượng.
Tính đại diện và giới hạn của kết luận
Giả sử đối tượng cần tìm hiểu là toàn bộ người trưởng thành đã dùng mẫu hộp trong một chương trình thử giả định. Nếu chỉ hỏi những người vừa khen sản phẩm, nhóm được hỏi bỏ qua người ít hài lòng. Dù ghi chép hoàn toàn chính xác, dữ liệu ấy vẫn chưa đủ cơ sở để đại diện cho toàn bộ người dùng.
Tương tự, nếu muốn biết lựa chọn màu của toàn bộ người tham gia mà chỉ phát bảng hỏi ở bàn trưng bày màu xanh, cách chọn có thể ưu tiên người quan tâm đến màu xanh. Vấn đề không nằm ở phép cộng số phiếu mà ở việc ai được đưa vào nhóm trả lời.
Chọn ngẫu nhiên từ danh sách đầy đủ của đối tượng quan tâm thường hợp lí hơn việc chỉ chọn người thuận tiện hoặc một nhóm sở thích. Tuy nhiên, ngẫu nhiên không bảo đảm mọi mẫu cụ thể phản ánh hoàn hảo toàn bộ đối tượng. Cũng cần xem có người không trả lời hay câu hỏi bị hiểu sai không.
Số người được hỏi nhiều hơn không tự sửa được cách chọn lệch. Một nghìn ý kiến chỉ từ một nhóm đặc biệt vẫn có thể không phù hợp để kết luận về tất cả các nhóm. Trong phạm vi bài học, em cần nhận ra hạn chế rõ ràng và viết kết luận vừa sức dữ liệu, không phải tính các chỉ số thống kê nâng cao.
Ví dụ tổng hợp với 12 phiếu giả định
Một bài tập cung cấp 12 phiếu hợp lệ về màu nắp được thích nhất. Mỗi phiếu chọn đúng một màu: xanh có 5 phiếu, đỏ có 4 phiếu, trắng có 3 phiếu. Tổng 5 + 4 + 3 = 12 khớp số phiếu. Dữ liệu màu là định tính không có thứ tự; số phiếu của mỗi màu là số liệu.
Trong 12 phiếu này, xanh được chọn nhiều nhất vì 5 lớn hơn 4 và 3. Tuy vậy, 5 trên 12 chưa vượt một nửa, nên không thể gọi là đa số nếu hiểu đa số là hơn một nửa. Cụm “nhiều nhất” chỉ so với từng lựa chọn khác; “hơn một nửa” so với tổng số phiếu.
Kết luận an toàn là “Trong 12 phiếu giả định, xanh có số lượt chọn cao nhất”. Chưa có thông tin về cách chọn người trả lời thì không được đổi thành “Mọi người dùng đều thích xanh” hoặc “Đa số toàn bộ người dùng thích xanh”. Một bảng đúng số lượng vẫn cần bối cảnh để suy rộng.
Bài tập tự luyện có lời giải
Bài 1. Phân loại dữ liệu
a) Số ngăn của năm hộp: 2; 3; 4; 2; 5 thuộc loại dữ liệu nào?
b) Màu nắp của năm hộp: trắng; đỏ; xanh; trắng; xanh thuộc loại nào?
c) Đánh giá độ dễ mở nắp: rất khó; khó; dễ; rất dễ thuộc loại nào?
a) Đây là số liệu, vì các giá trị biểu thị số ngăn đếm được. Số 4 có nghĩa chiếc hộp có bốn ngăn, không phải chỉ mang nhãn số 4.
b) Đây là dữ liệu định tính không có thứ tự tự nhiên theo mức độ. Có thể phân nhóm theo màu, nhưng không có nghĩa trắng nhỏ hơn đỏ hay xanh lớn hơn trắng.
c) Đây là dữ liệu định tính có thể sắp thứ tự từ rất khó đến rất dễ. Khoảng cách giữa các mức chưa được xác định bằng một đơn vị đo, nên không tự coi chúng là các lượng cách đều nhau.
Bài 2. Đọc số trong đúng ngữ cảnh
a) Mã mẫu hộp là 12, 18, 25. Có nên tính mã trung bình để nhận xét số ngăn không?
b) Thời gian mở nắp của ba lần thử giả định là 4 giây, 6 giây, 5 giây. Đây có phải số liệu không?
c) Mức “rất dễ” được gán mã 4, mức “khó” mã 2. Có kết luận rất dễ gấp đôi khó không?
a) Không. Các mã chỉ nhận diện mẫu, không cho số ngăn. Tính toán trên mã không tạo ra thông tin về một đại lượng chưa được thu thập.
b) Có. Các số biểu thị thời gian đo bằng cùng đơn vị giây. Cần giữ thông tin đơn vị khi ghi lại để tránh nhầm với số lần thử hoặc mã mẫu.
c) Không. Mã 4 và 2 biểu thị các mức đánh giá, không phải số đo tỉ lệ về độ dễ. Chỉ dùng thứ tự của các mức theo quy ước đã nêu.
Bài 3. Kiểm tra tính đại diện
a) Muốn biết ý kiến của tất cả người trưởng thành trong chương trình thử giả định nhưng chỉ hỏi nhóm đăng kí nhận quà cho người yêu thích sản phẩm. Nêu hạn chế.
b) So với cách trên, chọn ngẫu nhiên từ danh sách đầy đủ người tham gia có điểm hợp lí hơn nào?
c) Nếu một số người được chọn không trả lời, có được khẳng định dữ liệu chắc chắn đại diện hoàn hảo không?
a) Nhóm được hỏi được chọn theo dấu hiệu có liên quan tới sự yêu thích sản phẩm, có thể khác toàn bộ đối tượng. Kết luận về mọi người tham gia từ riêng nhóm này chưa đủ cơ sở.
b) Cách chọn từ danh sách đầy đủ không chủ động loại những người ít thích sản phẩm ngay từ bước chọn. Đây là cải thiện về cách lấy ý kiến, không phải lời bảo đảm kết quả luôn chính xác tuyệt đối.
c) Không. Cần ghi nhận phần không trả lời và xem giới hạn của dữ liệu thu được. Không được tự điền câu trả lời thay họ hoặc coi không trả lời là đồng ý.
Bài 4. Viết nhận xét vừa đủ dữ liệu
Trong 20 phiếu giả định hợp lệ, mỗi phiếu chọn một màu; xanh có 8 phiếu, đỏ có 7 phiếu, trắng có 5 phiếu. Chưa biết cách chọn người trả lời.
a) Kiểm tra tổng và cho biết màu có nhiều phiếu nhất.
b) Xanh có được hơn một nửa số phiếu không?
c) Viết một nhận xét không vượt quá phạm vi dữ liệu.
a) Tổng 8 + 7 + 5 = 20, khớp số phiếu. Xanh có nhiều phiếu nhất vì 8 lớn hơn 7 và 5.
b) Không. Một nửa của 20 là 10, trong khi xanh chỉ có 8 phiếu. Số phiếu cao nhất trong ba lựa chọn chưa đồng nghĩa vượt một nửa.
c) Có thể viết: “Trong 20 phiếu giả định, xanh được chọn nhiều nhất, với 8 phiếu”. Chưa biết cách chọn người trả lời nên không khẳng định đây là sở thích của toàn bộ người dùng.
Kiểm tra trước khi lập bảng hoặc vẽ biểu đồ
Hãy ghi rõ câu hỏi, đối tượng, loại dữ liệu và cách thu thập. Với mỗi con số, xác định nó là lượng đo đếm, số lượt hay mã nhãn. Với mỗi kết luận, hỏi nó chỉ nói về nhóm đã trả lời hay đang nói rộng hơn. Các bước này giúp tránh một biểu đồ đẹp nhưng diễn giải sai dữ liệu.
Phạm vi bài được đối chiếu với Bài 17 trong SGK Toán 7 tập một trên Thư viện số NXBGDVN. Bài tập không yêu cầu khảo sát người thật, không trình bày số liệu địa phương hiện hành và không suy ra quan hệ nguyên nhân từ bảng ý kiến.
Bài trước và bài sau của Toán 7
Bài trước: Bài tập cuối chương IV.
Bài sau: Bài 18. Biểu đồ hình quạt tròn.