From Topic to Researchable Question: Testing the Research Problem Canvas as a Scaffolding Intervention in Higher Education

NGUYỄN VĂN HÙNG

HIGHLIGHTS

• Phát triển Research Problem Canvas (RPC) từ công cụ trực quan thành một visual–cognitive and relational scaffolding intervention có thể kiểm định thực nghiệm.
• Phân biệt Research Topic → Research Problem → Research Gap → Researchable Question, qua đó chuyển trọng tâm từ question production sang question justification.
• Đề xuất cơ chế trung tâm RPC → Research Problem Quality (RPQ) → Research Question Quality (RQQ).
• Phát triển Research Alignment (RA) như một outcome về relational coherence, dựa trên nguyên tắc Component Quality ≠ Relational Coherence.
• Kết hợp performance-based assessment, blinded independent rating, intervention fidelity, active control, fading và delayed unscaffolded transfer.
• Định vị RPC như một human-reasoning scaffold trong kỷ nguyên GenAI, nơi khả năng tạo câu hỏi tăng nhanh nhưng năng lực biện minh, đánh giá và chịu trách nhiệm đối với câu hỏi nghiên cứu trở nên quan trọng hơn.

TÓM TẮT

Bối cảnh

Hình thành một câu hỏi nghiên cứu có thể kiểm định đòi hỏi nhiều hơn việc lựa chọn một chủ đề hấp dẫn hoặc tạo ra một câu hỏi được diễn đạt tốt về mặt ngôn ngữ. Người học phải có khả năng chuyển hóa một chủ đề rộng thành vấn đề nghiên cứu được hỗ trợ bởi bằng chứng, xác định một khoảng trống tri thức có thể biện minh, đồng thời hình thành câu hỏi nghiên cứu có sự liên kết logic với khoảng trống đó. Vì vậy, những khó khăn trong đào tạo phương pháp nghiên cứu có thể không chỉ bắt nguồn từ việc người học thiếu kiến thức về từng thành phần riêng lẻ của nghiên cứu, mà còn từ năng lực còn hạn chế trong việc thiết lập và phối hợp các mối quan hệ giữa bối cảnh, vấn đề, bằng chứng, khoảng trống, câu hỏi nghiên cứu và giá trị học thuật.

Mục tiêu

Bài viết phát triển Research Problem Canvas (RPC) như một can thiệp giàn giáo trực quan–nhận thức và quan hệ (visual–cognitive and relational scaffolding intervention), đồng thời đề xuất một khung thực nghiệm nhằm kiểm định tác động của RPC đối với Chất lượng vấn đề nghiên cứu (Research Problem Quality – RPQ), Chất lượng câu hỏi nghiên cứu (Research Question Quality – RQQ), Sự liên kết nghiên cứu (Research Alignment – RA) và Tự hiệu quả nghiên cứu (Research Self-Efficacy – RSE).

Khung lý thuyết

RPC cấu trúc quá trình lập luận ở giai đoạn đầu của nghiên cứu theo chuỗi:

Bối cảnh → Vấn đề → Bằng chứng → Khoảng trống → Câu hỏi → Giá trị

Bốn cơ chế được đề xuất gồm phân rã nhiệm vụ (decomposition), ngoại hiện hóa tư duy (externalization), thiết lập sự liên kết (alignment) và hiệu chỉnh lặp (iterative refinement). Theo đó, cơ chế lý thuyết trung tâm được xác lập:

RPC → Cải thiện biểu diễn vấn đề → RPQ → RQQ.

RPQ vì vậy được giả thuyết đóng vai trò biến trung gian trong mối quan hệ giữa can thiệp RPC và RQQ. Trong khi RA phản ánh tính nhất quán quan hệ (relational coherence) giữa các thành phần của nghiên cứu, RSE phản ánh năng lực thực hiện nhiệm vụ do người học tự cảm nhận và không được sử dụng như một biến thay thế cho năng lực nghiên cứu được chứng minh thông qua kết quả thực hiện nhiệm vụ.

Phương pháp

Nghiên cứu đề xuất thiết kế bán thực nghiệm tiền kiểm–hậu kiểm với nhóm đối chứng tích cực (quasi-experimental pretest–posttest active-control design), đồng thời khuyến nghị bổ sung phép đo chuyển giao trì hoãn không có giàn giáo (delayed unscaffolded transfer) khi điều kiện triển khai cho phép. RQQ được xác lập là kết quả đầu ra chính (primary outcome). RPQ, RQQ và RA được đánh giá thông qua các rubric có mô tả hành vi theo mức độ thực hiện (behaviorally anchored rubrics), áp dụng đối với các sản phẩm nghiên cứu và được chấm bởi những người đánh giá độc lập, không biết người học thuộc điều kiện can thiệp nào. RSE được đo bằng thang tự báo cáo đặc thù theo nhiệm vụ. Bằng chứng về giá trị đo lường phải được thiết lập trước khi diễn giải hiệu quả của can thiệp. Tùy thuộc vào cấu trúc phân cụm của dữ liệu, nghiên cứu đề xuất sử dụng các mô hình điều chỉnh theo giá trị ban đầu hoặc mô hình hiệu ứng hỗn hợp. Đường tác động gián tiếp RPC → RPQ → RQQ được kiểm định bằng khoảng tin cậy bootstrap.

Đóng góp

Nghiên cứu phát triển RPC từ một công cụ tổ chức trực quan thành một can thiệp sư phạm có cơ chế lý thuyết tường minh và có khả năng bị bác bỏ bằng bằng chứng thực nghiệm. Khung đề xuất phân biệt năng lực thành phần (component competence) với năng lực quan hệ (relational competence), đồng thời phân biệt kết quả thực hiện nhiệm vụ khi còn giàn giáo với năng lực đã được nội hóa thông qua logic giảm dần giàn giáo và kiểm tra khả năng chuyển giao. Trong môi trường học tập có GenAI hỗ trợ, nơi các câu hỏi nghiên cứu có thể được tạo ra nhanh chóng, khung RPC chuyển trọng tâm giáo dục từ tạo sinh câu hỏi sang hình thành vấn đề dựa trên bằng chứng, biện minh cho câu hỏi nghiên cứu, bảo đảm tính nhất quán quan hệ và duy trì phán đoán nghiên cứu của con người.

Từ khóa: Research Problem Canvas; hình thành vấn đề nghiên cứu; chất lượng câu hỏi nghiên cứu; sự liên kết nghiên cứu; tự hiệu quả nghiên cứu; giàn giáo; đào tạo phương pháp nghiên cứu; giáo dục đại học; trí tuệ nhân tạo tạo sinh.

ABSTRACT

Background

Formulating a researchable question requires more than selecting an interesting topic or producing a linguistically well-formed question. Students must transform a broad topic into an evidence-supported research problem, identify a defensible knowledge gap, and formulate a question that is logically aligned with that gap. Difficulties in research-methods education may therefore arise not only from insufficient knowledge of individual research components but also from limited capacity to coordinate relationships among context, problem, evidence, gap, question, and scholarly value.

Purpose

This article develops the Research Problem Canvas (RPC) as a visual–cognitive and relational scaffolding intervention and proposes an empirical framework for testing its effects on Research Problem Quality (RPQ), Research Question Quality (RQQ), Research Alignment (RA), and Research Self-Efficacy (RSE).

Theoretical framework

RPC structures early-stage research reasoning through:

Context → Problem → Evidence → Gap → Question → Value.

Four mechanisms are proposed: decomposition, externalization, alignment, and iterative refinement. The central theoretical pathway is:

RPC → Improved Problem Representation → RPQ → RQQ.

RPQ is therefore theorized as a mediator of the relationship between RPC intervention and RQQ. RA captures relational coherence among research components, while RSE captures perceived task-specific capability without being treated as a substitute for demonstrated research performance.

Method

A quasi-experimental pretest–posttest active-control design is proposed, with delayed unscaffolded transfer recommended where feasible. RQQ is designated as the primary outcome. RPQ, RQQ, and RA are assessed through behaviorally anchored rubrics applied to research artifacts by independent raters blinded to condition. RSE is assessed using a task-specific self-report measure. Measurement validation precedes intervention-effect interpretation. Baseline-adjusted models or mixed-effects models are proposed depending on clustering, while the indirect pathway RPC → RPQ → RQQ is evaluated using bootstrap confidence intervals.

Contribution

The study advances RPC from a visual organizer to a falsifiable pedagogical intervention with an explicit mechanism. It distinguishes component competence from relational competence and separates scaffolded performance from internalized competence through fading and transfer logic. In GenAI-mediated learning, where research questions can be generated rapidly, the framework shifts educational attention from question generation toward evidence-supported problem formulation, question justification, relational coherence, and human research judgment.

Keywords: Research Problem Canvas; research problem formulation; research question quality; research alignment; research self-efficacy; scaffolding; research-methods education; higher education; Generative AI.

1. GIỚI THIỆU

1.1. Từ chủ đề nghiên cứu đến vấn đề nghiên cứu

Một trong những nhiệm vụ đầu tiên của sinh viên trong các học phần phương pháp nghiên cứu thường là “chọn một đề tài”. Yêu cầu này có giá trị định hướng nhưng có thể tạo ra một giản lược phương pháp luận: người học dễ đồng nhất việc sở hữu một chủ đề với việc sở hữu một vấn đề nghiên cứu. Một sinh viên có thể nhanh chóng lựa chọn “Generative AI trong giáo dục đại học”, “du lịch bền vững”, “năng lực số của sinh viên” hoặc “mạng xã hội và sức khỏe tinh thần”. Tuy nhiên, các chủ đề này mới xác định một miền quan tâm. Chúng chưa trả lời được điều gì chính xác cần được giải thích, bằng chứng nào chứng minh vấn đề tồn tại, tri thức hiện tại chưa giải quyết điều gì và câu hỏi nào có thể được trả lời bằng dữ liệu.

Do đó, cần phân biệt ít nhất bốn tầng:

Research Topic → Research Problem → Research Gap → Researchable Question.

Research Topic xác định miền quan tâm. Research Problem xác định một hiện tượng, mâu thuẫn, trạng thái hoặc knowledge need cần được hiểu, giải thích hoặc giải quyết. Research Gap xác định phần tri thức hiện hữu chưa giải quyết thỏa đáng problem đó. Researchable Question chuyển problem và gap thành một yêu cầu nhận thức đủ cụ thể để có thể được trả lời bằng bằng chứng.

Sự phân biệt này có ý nghĩa lớn đối với đào tạo phương pháp nghiên cứu. Một câu hỏi nghiên cứu không trở thành câu hỏi tốt chỉ vì nó rõ ràng về ngữ pháp. Một câu hỏi có thể rất cụ thể nhưng không bắt nguồn từ một problem có ý nghĩa; có thể đo lường được nhưng không giải quyết gap; hoặc có vẻ mới chỉ vì chưa được nghiên cứu ở một địa phương cụ thể.

Vì vậy:

Having a Topic ≠ Having a Research Problem.

Và:

Writing a Question ≠ Justifying a Research Question.

1.2. Research problem formulation như một nhiệm vụ reasoning

Research problem formulation thường được trình bày như một phần của proposal hoặc Introduction. Tuy nhiên, nếu chỉ được dạy như một thể loại văn bản, người học có thể tập trung vào cách viết đoạn văn thay vì logic hình thành problem.

Về bản chất, problem formulation là một nhiệm vụ reasoning tích hợp. Người nghiên cứu phải xác định context; mô tả phenomenon; tìm evidence cho thấy phenomenon đáng được quan tâm; đánh giá literature hiện có; nhận diện phần tri thức chưa được giải quyết; chuyển phần thiếu hụt đó thành gap có thể bảo vệ; và cuối cùng hình thành một question phù hợp.

Có thể biểu diễn:

Topic → Context → Evidence-Supported Problem → Defensible Gap → Researchable Question → Scholarly Value.

Giá trị của chuỗi này không chỉ nằm ở từng thành phần mà đặc biệt nằm ở các dấu nối.

Một problem rõ nhưng không có evidence vẫn là một assertion. Một gap không phát sinh từ literature có thể chỉ là khoảng trống do tác giả giả định. Một question được viết tốt nhưng không trả lời problem có alignment thấp. Một contribution claim không xuất phát từ question có thể phóng đại giá trị nghiên cứu.

Vì vậy, research problem formulation nên được hiểu như năng lực kiến tạo một chuỗi lập luận nghiên cứu có thể kiểm tra, trong đó mỗi claim quan trọng phải có evidence và warrant tương ứng.

1.3. Component knowledge và relational knowledge

Giáo trình phương pháp nghiên cứu cần chia proposal thành problem statement, literature review, gap, objectives, research questions và significance. Cách tổ chức này hữu ích cho giảng dạy nhưng có thể tạo một unintended consequence: người học hiểu từng thành phần như những “ô” độc lập.

Sinh viên có thể biết research gap là gì nhưng vẫn tuyên bố “chưa có nghiên cứu tại tỉnh X” mà không giải thích tại sao sự thiếu vắng đó tạo ra một unresolved knowledge problem. Họ có thể biết câu hỏi cần cụ thể nhưng vẫn viết question trước khi problem được chứng minh. Họ cũng có thể sử dụng các cụm “có ý nghĩa lý luận và thực tiễn” mà không truy ngược contribution về gap cụ thể.

Như vậy, khó khăn không chỉ nằm ở declarative knowledge mà còn ở relational knowledge.

Knowing the Components ≠ Coordinating the Components.

Khoảng cách này tạo justification cho một intervention hướng trực tiếp vào việc phối hợp các thành phần nghiên cứu.

1.4. GenAI và sự thay đổi điểm khan hiếm của năng lực nghiên cứu

Generative AI làm cho question generation trở nên nhanh và dễ hơn. Một hệ thống có thể đề xuất hàng chục câu hỏi từ một chủ đề, viết lại chúng theo nhiều phong cách, mở rộng biến số hoặc đề xuất thiết kế nghiên cứu.

Nhưng linguistic fluency không chứng minh epistemic justification.

Một AI-generated question có thể rõ, chuyên nghiệp và có vẻ mới nhưng vẫn dựa trên fabricated gap, unsupported problem hoặc literature representation không chính xác.

Do đó:

AI-Generated Question ≠ Researchable Question.

Khi chi phí generation giảm, giá trị của evaluation và justification tăng.

Bối cảnh này làm cho một scaffold tập trung vào Problem–Evidence–Gap–Question alignment trở nên đặc biệt phù hợp.

2. LITERATURE POSITIONING VÀ KHOẢNG TRỐNG NGHIÊN CỨU

2.1. Hình thành research question như một năng lực có thể phát triển

Research-question formulation là một năng lực cốt lõi của hoạt động nghiên cứu. Tuy nhiên, năng lực này không nhất thiết xuất hiện tự động khi sinh viên đã học đủ lý thuyết phương pháp.

Các nghiên cứu về đào tạo research-question development cho thấy người học có thể được hỗ trợ bằng structured instruction, peer interaction, supervision, feedback và scaffolds. Girard, Cardona và Fiorelli (2025), chẳng hạn, đặt phát triển research question trong một quá trình đào tạo kéo dài và nhấn mạnh nhu cầu về các hình thức scaffolding phù hợp.

Ở một bối cảnh khác, Eldredge, Schiff và Langsjoen (2023) kiểm định một question-formulation rubric với sinh viên y khoa. Kết quả của công trình này đặc biệt có ý nghĩa đối với thiết kế RPC vì nó cho thấy bản thân rubric có cấu trúc có thể là một thành tố can thiệp đáng kể.

Hai dòng bằng chứng này thiết lập một tiền đề quan trọng:

Research Question Quality is Pedagogically Malleable.

Tuy nhiên, chúng không chứng minh RPC có hiệu quả. Chúng chỉ cung cấp intervention plausibility và đồng thời làm tăng yêu cầu về một active control đủ mạnh.

2.2. Khoảng trống 1: Question formulation thường được xử lý downstream

Nhiều công cụ tập trung trực tiếp vào cấu trúc của question: clarity, focus, population, variables, context hoặc wording.

Nhưng question quality có một upstream dependency.

Một question có thể rõ mà problem yếu. Nó có thể researchable nhưng không significant. Nó có thể đo được nhưng không phát sinh từ gap.

Do đó:

Research Question Quality Depends Partly on Research Problem Quality.

RPC chuyển trọng tâm upstream: trước khi tối ưu question, người học phải chứng minh problem.

2.3. Khoảng trống 2: Component quality chưa phản ánh relational coherence

Một proposal có thể có problem được viết tốt, evidence đáng tin cậy, gap hợp lý và question rõ. Tuy nhiên, các thành phần này vẫn có thể không liên kết.

Ví dụ, evidence có thể chứng minh một problem khác với problem được tuyên bố; gap có thể thuộc một literature stream khác; question có thể rộng hơn gap; scholarly value có thể vượt quá question.

Do đó:

Component Quality ≠ Relational Coherence.

Research Alignment được đưa vào để đo trực tiếp tầng quan hệ này.

2.4. Khoảng trống 3: Thiếu cơ chế giải thích

Nếu nhóm RPC có RQQ cao hơn control group, một kết luận đơn giản là “RPC works”.

Nhưng kết luận này chưa giải thích tại sao.

Một intervention có đóng góp lý thuyết mạnh hơn khi chỉ ra mechanism:

RPC → Better Problem Representation → Better Problem Formulation → Better Research Questions.

Vì vậy, RPQ được xác lập như mediator.

2.5. Khoảng trống 4: Scaffolded performance và internalized competence

Scaffolding có thể cải thiện performance trong khi hỗ trợ đang hiện diện. Nhưng điều đó chưa chứng minh learning đã được internalize.

Một sinh viên có thể tạo proposal coherent khi nhìn thấy sáu ô của RPC nhưng mất khả năng phối hợp khi canvas được rút đi.

Do đó:

Scaffolded Performance ≠ Internalized Competence.

Fading và delayed unscaffolded transfer trở thành phần quan trọng của theoretical logic.

2.6. Khoảng trống 5: GenAI làm tăng generation nhưng không bảo đảm justification

GenAI có thể hỗ trợ brainstorming và feedback, nhưng việc AI tạo question không bảo đảm literature gap chính xác hoặc problem có evidence.

RPC được định vị như reasoning architecture dùng để đánh giá possibilities, không phải chỉ tạo thêm possibilities.

3. SCAFFOLDING NHƯ NỀN TẢNG LÝ THUYẾT

3.1. Temporary structured support

Scaffolding là hỗ trợ có cấu trúc dành cho một nhiệm vụ mà người học chưa thể thực hiện độc lập ở mức mong muốn.

Một scaffold phát triển năng lực phải thực hiện ba chức năng: làm cấu trúc nhiệm vụ dễ nhận biết; hỗ trợ performance ban đầu; và tạo điều kiện để quyền kiểm soát được chuyển dần lại cho người học.

Điều này dẫn đến một tiêu chuẩn quan trọng:

A Scaffold Should Ultimately Become Less Necessary.

3.2. Decomposition

Research problem formulation là một nhiệm vụ ill-structured.

RPC phân rã thành sáu quyết định:

Context?

Problem?

Evidence?

Gap?

Question?

Value?

Decomposition không làm giảm tiêu chuẩn. Nó làm cấu trúc reasoning trở nên explicit.

3.3. Externalization

RPC đưa các thành phần reasoning lên cùng một visual space.

Problem, evidence, gap và question trở thành các objects có thể so sánh.

Externalization tạo chuỗi:

Representation → Inspection → Feedback → Revision.

Nó cũng hỗ trợ metacognitive monitoring: sinh viên không chỉ hỏi “tôi đã viết chưa?” mà hỏi “các phần có phù hợp nhau không?”

3.4. Alignment

Alignment là cơ chế đặc biệt quan trọng.

RPC làm visible các quan hệ:

Context–Problem

Problem–Evidence

Evidence–Gap

Gap–Question

Question–Value

RPC vì vậy là relational scaffold, không chỉ graphic organizer.

3.5. Iterative refinement

Research reasoning không phải quá trình tuyến tính tuyệt đối.

Literature mới có thể thay đổi gap. Gap thay đổi làm question thay đổi. Question mới có thể cho thấy problem ban đầu quá rộng.

Do đó RPC vận hành tốt hơn theo logic:

Context ↔ Problem ↔ Evidence ↔ Gap ↔ Question ↔ Value.

3.6. Fading

Nếu full RPC luôn được cung cấp, người học có thể trở nên phụ thuộc.

Intervention vì vậy nên chuyển:

Full Scaffold → Reduced Scaffold → Independent Reasoning.

Fading biến RPC từ “template phải điền” thành phương tiện internalization.

3.7. Over-scaffolding như competing mechanism

Scaffolding không mặc nhiên có lợi.

RPC có thể gây over-structuring, làm sinh viên tin rằng research reasoning luôn tuân theo một chuỗi cứng. Nó cũng có thể khuyến khích box completion thay vì deep reasoning.

Do đó, RPC phải được trình bày như heuristic reasoning architecture, không phải universal research algorithm.

4. RESEARCH PROBLEM CANVAS

RPC được cấu trúc:

Context → Problem → Evidence → Gap → Question → Value.

Điểm mới không phải từng thành phần riêng lẻ. Novelty nằm ở việc chúng được phối hợp thành một architecture có thể sử dụng như intervention, có mechanisms cụ thể và có outcomes có thể đo.

4.1. Context

Context xác định boundary:

Ở đâu? Với ai? Trong điều kiện nào?

Context đủ cụ thể giúp tránh problem quá rộng nhưng không nên biến địa điểm thành novelty giả.

4.2. Problem

Problem trả lời:

Điều gì thực sự cần được hiểu, giải thích hoặc giải quyết?

Có thể biểu diễn:

Research Problem = Defensible Condition + Evidence + Consequence/Knowledge Need.

Một chủ đề như “AI trong giáo dục” không phải problem. Một problem phải chứa một claim có thể được chứng minh.

4.3. Evidence

Evidence trả lời:

Bằng chứng nào cho phép khẳng định problem tồn tại?

Một citation không tự động là evidence.

Citation Presence ≠ Evidence Support.

Nguồn phải thực sự hỗ trợ claim và mức độ của claim phải tương xứng với evidence.

4.4. Gap

Gap trả lời:

Existing knowledge chưa giải quyết điều gì?

Gap có thể là theoretical, empirical, methodological, mechanism, contextual, population hoặc contradictory-evidence gap.

Nhưng:

No Study in Location X ≠ Automatically a Significant Research Gap.

Một contextual gap cần justification rằng context có khả năng làm thay đổi phenomenon hoặc có significance đặc biệt.

4.5. Question

Question phải là logical consequence của problem và gap.

Một RQ tốt cần clarity, specificity, researchability, alignment, feasibility và analytical potential.

Do đó:

Research Question Quality ≠ Quality of Wording.

4.6. Value

Value trả lời:

Nếu question được trả lời, điều gì sẽ được hiểu tốt hơn?

Contribution claim phải tương xứng với question, evidence và design.

5. CONSTRUCT ARCHITECTURE

5.1. Research Problem Quality

RPQ đo chất lượng problem formulation.

Sáu miền đề xuất:

Problem Specificity

Contextual Grounding

Evidence Support

Significance

Gap Articulation

Researchability

RPQ không đo toàn bộ proposal.

5.2. Research Question Quality

RQQ là primary outcome.

Sáu miền:

Clarity

Specificity

Researchability

Problem–Question Alignment

Feasibility

Analytical Potential

RQQ phải ưu tiên epistemic-methodological quality hơn linguistic polish.

5.3. Research Alignment

RA đo relational coherence.

Các quan hệ:

Context–Problem

Problem–Evidence

Evidence–Gap

Gap–Question

Question–Value

RA không phải trung bình RPQ và RQQ.

5.4. Research Self-Efficacy

RSE phản ánh perceived capability trong các nhiệm vụ research formulation.

RSE phải task-specific.

Nguyên tắc:

Perceived Capability ≠ Demonstrated Competence.

6. LITERATURE-POSITIONING MATRIX

Dòng nghiên cứu	Trọng tâm	Đóng góp	Giới hạn đối với vấn đề hiện tại	RPC bổ sung gì?
Research-question training	Phát triển RQ	Khẳng định RQ có thể được dạy	Thường tập trung question	Đưa problem/evidence/gap upstream
Question-formulation rubric	Cấu trúc và đánh giá question	Chứng minh structured rubric có thể ảnh hưởng performance	Không phải relational architecture đầy đủ	Kiểm định cả problem→question mechanism
General scaffolding	Hỗ trợ nhiệm vụ phức tạp	Decomposition, support, fading	Không đặc thù early research reasoning	Operationalize thành RPC
Digital epistemic scaffolding	Hỗ trợ đánh giá tri thức/bằng chứng	Nhấn mạnh evidence và epistemic evaluation	Không trực tiếp xây problem-question chain	Tích hợp evidence vào research formulation
GenAI coaching	AI-generated feedback/questions	Tăng khả năng tạo và chỉnh sửa	Generation không bảo đảm justification	Human reasoning architecture
RPC	Context–Problem–Evidence–Gap–Question–Value	Relational coordination	Cần kiểm định thực nghiệm	Cơ chế RPQ→RQQ + RA + transfer

Ma trận này cho thấy RPC không nên tuyên bố rằng từng component là hoàn toàn mới. Đóng góp nằm ở integration + mechanism + relational measurement + transfer test.

7. KIẾN TRÚC LẬP LUẬN PHỐI HỢP

Luận điểm 1: Question quality có upstream dependency

Luận cứ: Research question phải phản hồi một knowledge need.

Luận chứng: Một question rõ vẫn có thể không đáng nghiên cứu nếu problem không được chứng minh.

Kết luận: Better questions require defensible problems.

Luận điểm 2: Component knowledge chưa đủ

Luận cứ: Sinh viên có thể hiểu định nghĩa nhưng proposal vẫn incoherent.

Luận chứng: Failure thường nằm ở các mối nối.

Kết luận: Research education cần relational competence.

Luận điểm 3: RPC hỗ trợ relational reasoning

RPC sử dụng decomposition, externalization, alignment và iterative refinement.

Luận điểm 4: Problem formulation là mechanism

RPC không được kỳ vọng cải thiện RQQ chỉ vì có box “Question”.

Mechanism:

RPC → Better Problem Representation → RPQ → RQQ.

Luận điểm 5: Confidence không phải competence

RSE phải được đo riêng khỏi performance.

Luận điểm 6: Immediate performance không phải learning

Cần fading và transfer.

Luận điểm 7: GenAI làm question generation dễ hơn nhưng không làm justification tự động tốt hơn

Do đó:

Generation → Evaluation → Justification → Human Judgment.

8. MÔ HÌNH KHÁI NIỆM VÀ GIẢ THUYẾT

Mô hình trung tâm:

RPC Intervention

↓ H1

Research Problem Quality

↓ H5

Research Question Quality

Các đường bổ sung:

RPC → RQQ — H2

RPC → RA — H3

RPC → RSE — H4

Nếu có delayed transfer:

RPC → Unscaffolded Transfer Performance — H6

H1

Sau khi điều chỉnh RPQ ban đầu, sinh viên trong điều kiện RPC sẽ đạt RPQ sau can thiệp cao hơn sinh viên trong active-control condition.

H2

Sau khi điều chỉnh RQQ ban đầu, sinh viên trong điều kiện RPC sẽ đạt RQQ sau can thiệp cao hơn nhóm đối chứng.

H3

Sau khi điều chỉnh RA ban đầu, sinh viên trong điều kiện RPC sẽ đạt RA sau can thiệp cao hơn nhóm đối chứng.

H4

Sau khi điều chỉnh RSE ban đầu, sinh viên trong điều kiện RPC sẽ báo cáo RSE sau can thiệp cao hơn nhóm đối chứng.

H5

RPQ sau can thiệp sẽ trung gian hóa về mặt thống kê mối quan hệ giữa RPC intervention và RQQ sau can thiệp, sau khi điều chỉnh baseline thích hợp.

H6

Nếu delayed unscaffolded transfer được triển khai, nhóm RPC sẽ đạt RQQ và/hoặc RA cao hơn nhóm đối chứng trong một novel research-formulation task không cung cấp full RPC.

H5 là giả thuyết mechanism trung tâm; H6 là giả thuyết internalization.

 

9. PHƯƠNG PHÁP

9.1. Thiết kế nghiên cứu

Nghiên cứu sử dụng:

Quasi-Experimental Pretest–Posttest Active-Control Design.

Cấu trúc tối thiểu:

T0 → Intervention/Comparison → T1.

Cấu trúc ưu tiên:

T0 → Intervention/Comparison → T1 → T2 Delayed Unscaffolded Transfer.

Nếu allocation sử dụng intact classes, thuật ngữ quasi-experimental phải được duy trì nhất quán.

9.2. Participants

Population mục tiêu là sinh viên đại học đang học phương pháp nghiên cứu hoặc học phần tương đương.

Inclusion criteria cần được preregistered, chẳng hạn đang theo học học phần phù hợp, đồng ý tham gia và hoàn thành minimum required assessment.

Exclusion criteria phải được xác định trước khi xem outcome data.

9.3. Sample size

Khoảng 200–300 chỉ là planning range.

Final N phải dựa trên a priori power analysis hoặc simulation với:

primary outcome RQQ; smallest effect size of interest; alpha; desired power; baseline adjustment; clustering; attrition; và complexity của mediation model nếu mediation là mục tiêu confirmatory.

Không sử dụng lập luận “cần mẫu lớn vì có nhiều biến”.

9.4. Allocation

Nếu có thể randomize nhiều lớp vào conditions, đây là phương án mạnh hơn.

Nếu không, cần ghi rõ allocation mechanism.

Một intervention class và một control class duy nhất tạo nguy cơ treatment–class confounding.

9.5. Active control

Control group không phải “không được dạy”.

Hai conditions cần tương đương tối đa về:

Learning Objectives

Instructional Duration

Readings

Instructor Exposure

Task Difficulty

Feedback Quantity

Assessment Stakes

Khác biệt chính phải là structured RPC relational architecture.

9.6. RPC intervention

Intervention gồm bảy pha.

Phase 1 — Conceptual orientation

Phân biệt:

Topic → Problem → Gap → Question.

Phase 2 — Worked example

Instructor sử dụng think-aloud để mô hình hóa quá trình chuyển một topic thành evidence-supported problem.

Phase 3 — Full RPC

Sinh viên sử dụng đầy đủ sáu vùng.

Phase 4 — Relational feedback

Feedback tập trung vào các dấu nối, không chỉ từng box.

Phase 5 — Revision

Sinh viên sửa RPC và ghi rationale cho những thay đổi.

Phase 6 — Fading

Prompts được giảm.

Phase 7 — Independent application

Sinh viên thực hiện novel task không có full RPC.

9.7. Pretest

T0 yêu cầu sinh viên hình thành problem, evidence justification, gap, question và value từ một research scenario mà không sử dụng RPC.

Pretest phải đủ tương đồng về construct nhưng không trùng post-test.

9.8. Immediate post-test

T1 sử dụng parallel task.

Nếu mục tiêu là internalization, full RPC không nên được hiển thị trong primary post-test hoặc cần phân biệt scaffolded và unscaffolded outcome.

9.9. Delayed transfer

T2 nên sử dụng novel topic và không cung cấp RPC.

Đây là test mạnh hơn về retention và transfer.

10. INTERVENTION FIDELITY VÀ CONTAMINATION

10.1. Fidelity

Fidelity bao gồm:

Adherence

Dose

Quality of Delivery

Participant Responsiveness

Program Differentiation

Dữ liệu có thể thu từ lesson checklists, observation, instructor logs, time-on-task và artifact completion.

Nếu fidelity thấp, null effect không chứng minh RPC theory sai.

10.2. Contamination

Sinh viên giữa conditions có thể chia sẻ canvas.

Cần ghi nhận exposure ngoài condition.

10.3. Instructor effect

Nếu cùng instructor dạy cả hai conditions, có nguy cơ vô tình truyền RPC logic cho control.

Nếu khác instructor, instructor effect có thể confound treatment.

Protocol cần chuẩn hóa lesson plans và instructor training.

10.4. GenAI exposure

GenAI policy phải được xác định trước.

Nếu AI bị cấm trong assessment, cần mô tả rule.

Nếu được phép, access, prompt guidance và permitted functions phải tương đương.

Differential AI Use → Potential Confounding.

11. MEASUREMENT BLUEPRINT

11.1. Nguyên tắc chung

Measurement Validation Must Precede Intervention Interpretation.

Mỗi construct cần mapping:

Construct → Domain → Observable Indicator → Task Evidence → Scoring → Validity Evidence.

11.2. RPQ Blueprint

Domain	Chỉ báo hành vi	Bằng chứng
Problem Specificity	Problem được xác định cụ thể	Artifact
Contextual Grounding	Boundary rõ và có lý do	Artifact
Evidence Support	Evidence thực sự hỗ trợ problem	Source–claim mapping
Significance	Giải thích vì sao problem đáng nghiên cứu	Artifact
Gap Articulation	Gap phát sinh từ knowledge state	Artifact
Researchability	Problem có khả năng chuyển thành inquiry	Rater judgment

11.3. RQQ Blueprint

Domain	Chỉ báo
Clarity	Ý nghĩa không mơ hồ
Specificity	Focus đủ xác định
Researchability	Có thể trả lời bằng evidence
Alignment	Phản hồi problem/gap
Feasibility	Phù hợp nguồn lực và phạm vi
Analytical Potential	Cho phép phân tích có giá trị

11.4. RA Blueprint

RA đánh giá trực tiếp:

Context ↔ Problem

Problem ↔ Evidence

Evidence ↔ Gap

Gap ↔ Question

Question ↔ Value

Mỗi relation có behavioral anchors riêng.

11.5. RSE Blueprint

RSE items nên gắn với nhiệm vụ:

“I can distinguish a broad topic from a researchable problem.”

“I can identify evidence that directly supports a problem claim.”

“I can distinguish a meaningful research gap from simple geographical absence.”

“I can formulate a question aligned with an identified gap.”

Các item cuối cùng phải trải qua validation, không sử dụng các câu minh họa này như thang đo đã được xác nhận.

12. VALIDITY VÀ RELIABILITY

12.1. Content evidence

Expert panel đánh giá relevance, representativeness, clarity, contamination và coverage.

12.2. Response-process evidence

Think-aloud hoặc cognitive interview kiểm tra sinh viên và raters có diễn giải task/rubric đúng construct không.

12.3. Internal structure

Nếu score được mô hình hóa đa chiều, cấu trúc phải được kiểm tra bằng phương pháp phù hợp.

Không áp dụng CFA máy móc cho rubric score nếu data structure không hỗ trợ.

12.4. Discriminant concern

Điểm quan trọng nhất là RPQ, RQQ và RA không được trở thành ba tên khác nhau của “overall research quality”.

RA phải giữ relational definition.

12.5. Blinded scoring

Artifacts được de-identify.

Raters không biết identity, condition và khi khả thi không biết time point.

12.6. Inter-rater reliability

Sử dụng ít nhất hai independent raters cho tập đủ lớn hoặc toàn bộ artifacts.

Báo cáo ICC hoặc weighted kappa tùy score structure.

Rater calibration phải được hoàn tất trước main scoring.

13. DATA ANALYSIS STRATEGY

13.1. Primary estimand

Primary estimand được xác định trước, chẳng hạn:

Adjusted mean difference in post-intervention RQQ between RPC and active-control conditions.

RQQ phải được xác lập trước là primary outcome để tránh outcome switching.

13.2. Primary analysis

Mô hình cơ bản:

RQQpost = β₀ + β₁RPC + β₂RQQpre + ε.

Nếu clustering:

RQQᵢⱼ = β₀ + β₁RPCⱼ + β₂RQQpreᵢⱼ + uⱼ + εᵢⱼ.

Model cuối cùng phụ thuộc thiết kế và số clusters.

13.3. Secondary outcomes

RPQ, RA và RSE được phân tích tương ứng.

13.4. Effect reporting

Báo cáo:

Estimate

95% CI

Effect Size

Exact p-value, nếu phù hợp.

Statistical significance không thay thế substantive interpretation.

13.5. Missing data

Cần mô tả attrition và missingness.

Complete-case analysis không nên là default nếu missingness đáng kể.

Likelihood-based hoặc multiple-imputation approaches có thể phù hợp tùy assumptions.

13.6. Mediation

H5:

RPC → RPQpost → RQQpost.

Báo cáo:

path a; path b; direct effect; indirect effect; total effect; bootstrap CI.

Nhưng:

Randomized/Assigned Treatment ≠ Randomized Mediator.

Do đó, indirect effect được diễn giải là statistical mediation consistent with the proposed theoretical mechanism, không phải bằng chứng tuyệt đối về causal mediation.

13.7. Transfer

Nếu T2 có mặt, delayed unscaffolded RQQ và RA được phân tích như outcomes của internalization.

14. ROBUSTNESS VÀ FALSIFIABILITY

14.1. Robustness

Có thể kiểm tra:

ANCOVA vs mixed-effects model;

models có/không covariates;

alternative missing-data assumptions;

cluster adjustments;

RQQ có/không alignment domain;

intention-to-treat estimand và per-protocol sensitivity khi thích hợp.

14.2. Falsifiability

Một model khoa học phải nêu điều kiện làm nó suy yếu.

H1 bị suy yếu nếu RPC không cải thiện RPQ.

H2 bị suy yếu nếu RPC không cải thiện RQQ.

H3 bị suy yếu nếu RPC không cải thiện RA.

H4 bị suy yếu nếu RPC không cải thiện RSE.

H5 bị suy yếu nếu indirect pathway không được hỗ trợ.

H6 bị suy yếu nếu improvement không transfer sang novel unscaffolded task.

Nếu RPC cải thiện RQQ nhưng không cải thiện RPQ, proposed mechanism cần sửa đổi.

Nếu RPC cải thiện RPQ nhưng không cải thiện RQQ, problem formulation có thể là necessary-but-insufficient condition.

Nếu RSE tăng nhưng performance không tăng, có thể xuất hiện confidence–competence gap.

Nếu performance chỉ tăng khi canvas hiện diện:

Performance Support ≠ Competence Development.

15. PLANNED RESULTS AND REPORTING

Bản hiện tại là theoretical-development/research-protocol article.

Do đó không báo cáo empirical coefficients giả.

Results tương lai nên theo trình tự:

Participant Flow

↓

Baseline Characteristics

↓

Fidelity

↓

Contamination

↓

Measurement Evidence

↓

Primary RQQ Outcome

↓

RPQ

↓

RA

↓

RSE

↓

Mediation

↓

Transfer

↓

Robustness

Null findings phải được báo cáo.

Không được điều chỉnh theoretical narrative chỉ để làm cho nonsignificant result biến mất.

16. THẢO LUẬN

16.1. Từ visual organizer đến learning mechanism

Nếu RPC group đạt outcomes cao hơn, Discussion không nên bắt đầu bằng tuyên bố “canvas hữu ích”.

Câu hỏi lý thuyết phải là:

Structured scaffold có giúp người học chuyển từ broad topic sang evidence-supported problem, rồi từ problem đó sang defensible research question hay không?

RPC có thể được diễn giải như một architecture làm reasoning trở nên:

Visible → Inspectable → Revisable.

16.2. Nếu RPQ tăng

Kết quả phù hợp với decomposition và externalization.

RPC có thể giảm tendency “topic-as-problem” bằng cách buộc người học phân biệt domain of interest với defensible condition.

Tuy nhiên, không được quy effect cho canvas shape đơn thuần nếu intervention gồm worked examples, feedback và revision.

16.3. Nếu RQQ tăng

RQQ tăng chỉ có ý nghĩa khi improvement thể hiện ở methodological dimensions, không chỉ linguistic polish.

Đặc biệt trong GenAI era, một câu viết đẹp không phải bằng chứng của reasoning tốt.

16.4. Nếu H5 được hỗ trợ

Đây là contribution lý thuyết quan trọng nhất.

Thay vì:

RPC works.

Kết luận trở thành:

RPC may improve research-question quality partly because it improves the quality of problem formulation that precedes question formulation.

Cơ chế này tạo bridge giữa scaffolding theory và early-stage research reasoning.

16.5. Nếu RA tăng

Kết quả hỗ trợ distinction:

Component Competence ≠ Relational Competence.

Sinh viên không chỉ tạo components tốt hơn mà phối hợp chúng thành một research story coherent hơn.

16.6. Nếu RSE tăng

RSE tăng có thể phản ánh task ambiguity giảm và representation rõ hơn.

Nhưng RSE phải được diễn giải cùng performance.

Bốn trường hợp:

RSE ↑ / Performance ↑: competence và confidence cùng tăng.

RSE ↑ / Performance ↔: confidence–competence gap.

RSE ↔ / Performance ↑: competence tăng nhưng confidence chưa điều chỉnh.

RSE ↓ / Performance ↑: có thể phản ánh calibration thực tế hơn sau khi nhận thức nhiệm vụ phức tạp.

16.7. Nếu transfer được duy trì

Đây là evidence mạnh hơn rằng RPC hỗ trợ internalization.

Nếu immediate effect biến mất tại T2, claim phải thu hẹp.

17. COMPETING EXPLANATIONS

Positive RPC effect không tự động chứng minh relational architecture là nguyên nhân duy nhất.

Các explanations thay thế gồm:

Novelty Effect

Instructor Enthusiasm

Time-on-Task

Feedback Intensity

Rubric Alignment

Differential GenAI Use

Classroom Effect

Active control và fidelity monitoring giúp giảm nhưng không loại bỏ hoàn toàn các explanations này.

Đặc biệt, Eldredge et al. (2023) cho thấy một structured question-formulation rubric bản thân nó có thể tạo improvement. Vì vậy control group phải nhận instructional quality đủ tương đương để treatment contrast phản ánh RPC architecture thay vì sự hiện diện của bất kỳ cấu trúc hướng dẫn nào.

18. GENAI VÀ HUMAN RESEARCH JUDGMENT

18.1. Từ generation scarcity sang evaluation scarcity

Trước GenAI, việc tạo research-question candidates có thể tốn thời gian.

GenAI làm:

Cost of Question Generation ↓

Nhưng không tự động làm:

Quality of Question Justification ↑

Do đó, bottleneck dịch chuyển.

18.2. Human–AI workflow

Một workflow có thể là:

Human defines broad domain

↓

GenAI proposes candidate directions

↓

Human verifies literature and evidence

↓

RPC structures Context–Problem–Evidence–Gap

↓

Human/AI generates candidate questions

↓

RPC tests Gap–Question alignment

↓

Human evaluates feasibility and analytical potential

↓

Human owns final question and justification.

18.3. Human accountability

AI có thể hỗ trợ ideation nhưng không chịu trách nhiệm khoa học đối với research question.

Người nghiên cứu phải chịu trách nhiệm đối với:

Problem Ownership

Evidence Verification

Gap Justification

Question–Gap Alignment

Feasibility Judgment

Final Research Claim.

Do đó:

Task Delegation ≠ Epistemic Responsibility Delegation.

18.4. Factorial extension

Một nghiên cứu tiếp theo có thể sử dụng:

AI Access × RPC Scaffold

Bốn conditions:

No AI + No RPC

No AI + RPC

AI + No RPC

AI + RPC

Outcomes:

RPQ, RQQ, RA, RSE, calibration, time-on-task và transfer.

Thiết kế này có thể xác định liệu GenAI và RPC có additive, synergistic hay compensatory effects.

19. HÀM Ý CHO GIÁO DỤC ĐẠI HỌC

19.1. Thay đổi câu hỏi của giảng viên

Thay vì chỉ hỏi:

“Em muốn nghiên cứu chủ đề gì?”

có thể hỏi:

“Em có thể chứng minh vấn đề nào cần được nghiên cứu?”

Sau đó:

Evidence nào chứng minh problem?

Literature chưa giải quyết điều gì?

Question có thực sự phát sinh từ gap?

Contribution có tương xứng với question?

19.2. Feedback dựa trên relation

Feedback có thể chuyển từ:

“Problem chưa rõ.”

sang:

“Evidence hiện tại chưa hỗ trợ Problem.”

“Gap chưa phát sinh từ Literature.”

“Question rộng hơn Gap.”

“Value vượt quá phạm vi Question.”

Relational feedback actionable hơn generic feedback.

19.3. Assessment

Assessment không nên chỉ chấm final proposal.

Có thể kết hợp:

RPC Revision History

Problem–Evidence Mapping

Gap Justification

Question Rationale

Final Artifact

Short Oral Defense

Nếu GenAI được phép, AI interaction record có thể được sử dụng khi phù hợp với ethics/privacy policy.

19.4. Fading như mục tiêu giảng dạy

Giảng viên không nên biến RPC thành form bắt buộc vĩnh viễn.

Mục tiêu:

Use RPC → Understand RPC Logic → Internalize Logic → Perform Without RPC.

20. ĐÓNG GÓP LÝ THUYẾT

Nghiên cứu đề xuất bốn đóng góp.

Đóng góp 1 — Relational view of research competence

Research competence không chỉ là chất lượng của components mà còn là chất lượng quan hệ.

Research Quality = Component Quality + Relational Coherence, theo nghĩa khái niệm chứ không phải một phương trình định lượng.

Đóng góp 2 — Mechanism

RPC không chỉ là intervention.

Cơ chế:

RPC → Problem Representation → RPQ → RQQ.

Đóng góp 3 — Internalization criterion

Scaffolding effect không đồng nhất với learning.

Scaffolded Performance → Fading → Unscaffolded Transfer

tạo criterion mạnh hơn.

Đóng góp 4 — GenAI-era research reasoning

Khi AI làm generation dễ hơn, research-methods education phải tăng trọng số cho justification và judgment.

21. GIỚI HẠN

Thứ nhất, quasi-experimental design hạn chế causal identification so với individual randomization.

Thứ hai, intact classes tạo clustering.

Thứ ba, classroom và instructor effects có thể confound treatment.

Thứ tư, single-institution samples hạn chế generalizability.

Thứ năm, RPQ, RQQ và RA có conceptual proximity.

Thứ sáu, rubric scoring phụ thuộc rater judgment.

Thứ bảy, RSE là self-report.

Thứ tám, immediate outcomes không chứng minh durable learning.

Thứ chín, delayed transfer vẫn có thể chịu ảnh hưởng của intervening instruction.

Thứ mười, RPC có nguy cơ over-scaffolding.

Thứ mười một, disciplinary epistemologies khác nhau có thể thay đổi tiêu chuẩn problem/question quality.

Thứ mười hai, GenAI environment thay đổi nhanh.

Thứ mười ba, mediation từ quasi-experimental data không tự động tạo causal mediation claim.

22. HƯỚNG NGHIÊN CỨU TIẾP THEO

Research program tiếp theo nên bao gồm:

Multi-Institution Replication

Randomized Designs

Fading Experiments

Delayed Transfer

Process Tracing

Digital RPC Revision Logs

Cross-Disciplinary Validation

AI × RPC Factorial Experiments

Longitudinal Research Competence Development

Một trajectory đặc biệt có giá trị:

T0 Component Knowledge

↓

T1 Scaffolded RPC Reasoning

↓

T2 Independent Relational Reasoning

↓

T3 Proposal Quality

↓

T4 Authentic Research Performance.

Điều này giúp xác định liệu RPC effect chỉ tồn tại ở instructional task hay chuyển sang research practice thực.

23. KIẾN TRÚC LẬP LUẬN HOÀN CHỈNH

BROAD RESEARCH TOPIC

↓

TOPIC ≠ RESEARCH PROBLEM

↓

CONTEXT

↓

DEFENSIBLE PROBLEM

↓

PROBLEM REQUIRES EVIDENCE

↓

EVIDENCE-SUPPORTED PROBLEM

↓

GAP REQUIRES LITERATURE JUSTIFICATION

↓

DEFENSIBLE GAP

↓

RESEARCHABLE QUESTION

↓

SCHOLARLY VALUE

Vấn đề người học:

KNOWING COMPONENTS ≠ COORDINATING COMPONENTS

↓

RELATIONAL KNOWLEDGE GAP

↓

NEED FOR SCAFFOLDING

↓

RESEARCH PROBLEM CANVAS

↓

DECOMPOSITION

EXTERNALIZATION

ALIGNMENT

ITERATIVE REFINEMENT

↓

IMPROVED PROBLEM REPRESENTATION

↓

RESEARCH PROBLEM QUALITY

↓

RESEARCH QUESTION QUALITY

Các outcomes song song:

RPC → RESEARCH ALIGNMENT

RPC → RESEARCH SELF-EFFICACY

Kiểm tra internalization:

SCAFFOLDED PERFORMANCE ≠ INTERNALIZED COMPETENCE

↓

FADING

↓

DELAYED UNSCAFFOLDED TRANSFER

Trong môi trường GenAI:

AI-GENERATED QUESTION ≠ RESEARCHABLE QUESTION

↓

GENERATION

↓

EVALUATION

↓

JUSTIFICATION

↓

HUMAN RESEARCH JUDGMENT

↓

FINAL SCIENTIFIC ACCOUNTABILITY

24. KẾT LUẬN

Chuyển một chủ đề thành một câu hỏi nghiên cứu có thể kiểm định là một trong những hoạt động nhận thức nền tảng của nghiên cứu khoa học. Tuy nhiên, đào tạo phương pháp nghiên cứu có thể vô tình giản lược hoạt động này thành việc học các định nghĩa riêng biệt hoặc hoàn thành những phần riêng lẻ của proposal. Sinh viên vì vậy có thể biết research problem, research gap và research question là gì nhưng vẫn chưa biết cách làm cho chúng tạo thành một chuỗi reasoning thống nhất.

Bài viết này bắt đầu từ sự phân biệt:

Research Topic ≠ Research Problem ≠ Research Gap ≠ Researchable Question.

Sự phân biệt đó dẫn tới một luận điểm rộng hơn: chất lượng nghiên cứu không chỉ phụ thuộc vào từng component mà phụ thuộc vào các quan hệ biện minh giữa chúng.

Do đó:

Component Quality ≠ Relational Coherence.

Research Problem Canvas được phát triển để làm những quan hệ đó trở nên visible, inspectable và revisable.

RPC tổ chức early-stage research reasoning theo:

Context → Problem → Evidence → Gap → Question → Value.

Tuy nhiên, novelty của RPC không nằm đơn giản ở sáu boxes. Context, problem, evidence, gap và question đều là các thành phần đã quen thuộc trong research methodology. Đóng góp nằm ở việc chúng được tích hợp thành một relational scaffolding architecture, được gắn với mechanisms cụ thể và được chuyển thành một intervention có thể kiểm định.

Bốn mechanisms được đề xuất là:

Decomposition

Externalization

Alignment

Iterative Refinement.

Decomposition giúp người học phân rã nhiệm vụ ill-structured. Externalization làm reasoning trở nên có thể quan sát. Alignment chuyển sự chú ý sang các dấu nối. Iterative refinement cho phép reasoning được sửa khi evidence và literature thay đổi.

Từ đó, bài viết không dừng ở câu hỏi:

Does RPC work?

Câu hỏi lý thuyết quan trọng hơn là:

How might RPC work?

Cơ chế trung tâm được đề xuất:

Structured RPC Scaffolding → Improved Problem Representation → Improved Research Problem Quality → Improved Research Question Quality.

Vì vậy:

RPC → RPQ → RQQ

là pathway quan trọng nhất của mô hình.

Research Alignment bổ sung một contribution khác bằng cách operationalize relational coherence. Một proposal có thể chứa nhiều thành phần được viết tốt nhưng vẫn không kể một research story thống nhất. RA cho phép kiểm tra trực tiếp điều đó.

Research Self-Efficacy cung cấp góc nhìn về perceived capability nhưng được tách khỏi performance. Việc tách này ngăn confidence được sử dụng như bằng chứng thay thế cho competence.

Bài viết cũng đặt ra một tiêu chuẩn nghiêm ngặt hơn cho scaffolding research:

Scaffolded Performance ≠ Internalized Competence.

Nếu RPC chỉ cải thiện performance khi canvas hiện diện, RPC vẫn có thể là instructional support có ích, nhưng bằng chứng về competence development còn hạn chế. Fading và delayed unscaffolded transfer vì vậy là phần thiết yếu của research program.

Trong kỷ nguyên Generative AI, các luận điểm này trở nên cấp thiết hơn. GenAI làm cho việc tạo research questions nhanh và rẻ. Nhưng việc tạo một câu hỏi có vẻ khoa học không bảo đảm rằng problem tồn tại, evidence hỗ trợ problem, gap là có thật hoặc question phát sinh logic từ gap.

Do đó:

AI-Generated Question ≠ Researchable Question.

Điểm khan hiếm của năng lực nghiên cứu chuyển từ generation sang evaluation, justification and judgment.

Sinh viên phải có khả năng trả lời:

Vấn đề nào thực sự tồn tại?

Bằng chứng nào chứng minh nó?

Tri thức hiện tại chưa giải quyết điều gì?

Question nào thực sự phát sinh từ gap?

Question đó có khả thi không?

Nếu trả lời được, scholarly value là gì?

AI có thể hỗ trợ từng bước, nhưng trách nhiệm cuối cùng đối với những phán đoán này vẫn thuộc về người nghiên cứu.

Mục tiêu cuối cùng của RPC vì vậy không phải tạo ra người học biết điền một canvas. Mục tiêu là giúp người học phát triển một kiến trúc tư duy nghiên cứu có thể tiếp tục vận hành khi canvas đã được rút đi.

Nếu nghiên cứu thực nghiệm tương lai cho thấy RPC cải thiện RPQ và RQQ, RPQ giải thích một phần quan hệ RPC–RQQ, RA được cải thiện và các hiệu ứng được duy trì trong delayed unscaffolded transfer, RPC có thể được hiểu không chỉ như một visual organizer mà như một relational scaffolding model cho giai đoạn hình thành logic nghiên cứu.

Theo cách tiếp cận đó, chất lượng câu hỏi nghiên cứu không được xác định bởi mức độ hấp dẫn của câu chữ, mà bởi khả năng truy ngược câu hỏi về một problem có bằng chứng, một gap có thể bảo vệ và một scholarly value tương xứng.

CRediT AUTHORSHIP CONTRIBUTION STATEMENT

Nguyễn Văn Hùng: Conceptualization; Theoretical Development; Methodology; Framework Development; Writing – Original Draft; Writing – Review & Editing; Visualization; Project Administration. Tác giả chịu trách nhiệm hình thành ý tưởng nghiên cứu; xác lập vấn đề, khoảng trống và đóng góp học thuật; phát triển nền tảng lý thuyết, Research Problem Canvas và kiến trúc lập luận; xây dựng mô hình khái niệm, giả thuyết, thiết kế bán thực nghiệm, measurement architecture và analytical strategy; biên soạn, rà soát và hiệu chỉnh bản thảo; phát triển các biểu diễn trực quan; đồng thời quản lý và chịu trách nhiệm học thuật đối với toàn bộ quá trình phát triển nghiên cứu.

DATA AVAILABILITY STATEMENT

Phiên bản hiện tại là nghiên cứu phát triển lý thuyết và research protocol; do đó chưa có dữ liệu thực nghiệm được báo cáo. Thông tin về bộ dữ liệu, materials, repository, điều kiện truy cập và mã phân tích sẽ được bổ sung sau khi nghiên cứu thực nghiệm hoàn thành, phù hợp với yêu cầu đạo đức, quy định bảo vệ dữ liệu và chính sách của tạp chí được lựa chọn.

ETHICS STATEMENT

Nghiên cứu thực nghiệm đề xuất phải được trình hội đồng hoặc cơ quan đạo đức nghiên cứu có thẩm quyền để phê duyệt hoặc xác nhận miễn xét duyệt khi áp dụng trước khi tuyển người tham gia. Việc tham gia phải tự nguyện. Nếu người nghiên cứu đồng thời là giảng viên, protocol phải có biện pháp giảm coercion, tách research participation khỏi formal course grading ở mức tối đa có thể, bảo vệ quyền từ chối tham gia và bảo đảm rằng quyết định tham gia không gây bất lợi học tập.

DECLARATION OF GENERATIVE AI AND AI-ASSISTED TECHNOLOGIES

Tuyên bố cuối cùng phải mô tả chính xác phạm vi và mục đích sử dụng Generative AI hoặc các công nghệ AI-assisted trong quá trình chuẩn bị bản thảo, phù hợp với chính sách của tạp chí tại thời điểm submission. Việc sử dụng AI không chuyển giao trách nhiệm tác giả. Tác giả con người chịu trách nhiệm cuối cùng đối với conceptualization, theoretical interpretation, methodological decisions, kiểm chứng nguồn và trích dẫn, tính chính xác của các phát biểu học thuật và toàn bộ nội dung bản thảo gửi công bố.

CONFLICT OF INTEREST

Tác giả phải công bố đầy đủ mọi competing financial và non-financial interests có liên quan đến nghiên cứu. Nếu không tồn tại competing interests, tuyên bố cuối cùng cần sử dụng wording chính thức của tạp chí được lựa chọn.

TÀI LIỆU THAM KHẢO

American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. American Educational Research Association.

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.

Barzilai, S., Mor-Hagani, S., Zohar, A. R., Shlomi-Elooz, T., & Ben-Yishai, R. (2020). Promoting multiple document literacy with digital epistemic scaffolds. Computers & Education, 157, 103980. doi:10.1016/j.compedu.2020.103980.

Bearman, M., Tai, J., Dawson, P., Boud, D., & Ajjawi, R. (2024). Developing evaluative judgement for a time of generative artificial intelligence. Assessment & Evaluation in Higher Education, 49(6), 893–905. doi:10.1080/02602938.2024.2335321.

Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE.

Eldredge, J. D., Schiff, M. A., & Langsjoen, J. O. (2023). Effectiveness of a question formulation rubric with second-year medical students: A randomized controlled trial. Journal of the Medical Library Association, 111(1–2), 591–598. doi:10.5195/jmla.2023.1529.

Ertugruloglu, E., Mearns, T., & Admiraal, W. (2023). Scaffolding what, why and how? A critical thematic review study of descriptions, goals, and means of language scaffolding in bilingual education contexts. Educational Research Review, 40, 100550. doi:10.1016/j.edurev.2023.100550.

Girard, N., Cardona, A., & Fiorelli, C. (2025). Learning how to develop a research question throughout the PhD process: Training challenges, objectives, and scaffolds drawn from doctoral programs for students and their supervisors. Higher Education, 89, 1001–1020. doi:10.1007/s10734-024-01258-2.

Hayes, A. F. (2022). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (3rd ed.). Guilford Press.

Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. doi:10.1525/collabra.33267.