Giới thiệu dự án

Theo thống kê từ Tổ chức Y tế Thế giới (WHO), khoảng 14% thanh thiếu niên và người trưởng thành trẻ tuổi trên toàn cầu đối mặt với các vấn đề về sức khỏe tâm thần, trong đó trầm cảm và rối loạn lo âu là hai nguyên nhân hàng đầu gây suy giảm chất lượng sống. Tại các đô thị phát triển với tốc độ đô thị hóa nhanh như Thành phố Hồ Chí Minh (TP.HCM), người trưởng thành trẻ tuổi (18–25 tuổi) đối mặt với giai đoạn chuyển tiếp đầy biến động: áp lực học tập chuyên ngành, tự lập tài chính, định hình bản sắc cá nhân và thiết lập các mối quan hệ xã hội.

Vấn đề cốt lõi (Problem Statement) nằm ở sự xuất hiện và duy trì của Suy nghĩ tự động tiêu cực (Negative Automatic Thoughts - NATs / SNTDTC). Đây là những luồng suy nghĩ vận hành theo cơ chế Hệ thống 1 (System 1 - tư duy nhanh, tự động, không có sự kiểm soát ý thức chủ động theo Daniel Kahneman), phát sinh tức thì khi cá nhân tiếp nhận các kích thích gây căng thẳng. Khi không được nhận diện và kiểm soát, các NATs này sẽ kích hoạt các bẫy nhận thức (cognitive distortions), duy trì vòng lặp cảm xúc tiêu cực, dẫn đến kiệt quệ tâm lý và rối loạn trầm cảm.

graph LR
    A["Kích thích môi trường / Sự kiện"] --> B["Hệ thống 1: Suy nghĩ tự động tiêu cực (NATs)"]
    B --> C["Kích hoạt sai lệch nhận thức (Cognitive Distortions)"]
    C --> D["Phản ứng cảm xúc tiêu cực (Buồn, Lo âu)"]
    D --> E["Triệu chứng sinh lý & Hành vi kém thích ứng"]
    E -->|Gia cố vòng lặp| B

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp mô hình Bộ ba nhận thức (Cognitive Triad) của Aaron T. Beck và các cơ chế nhận thức - cảm xúc - hành vi ở lứa tuổi 18–25.
  2. Thích ứng và chuẩn hóa công cụ đo lường: Việt hóa và đánh giá độ tin cậy thang đo chuẩn quốc tế Automatic Thoughts Questionnaire - Negative (ATQ-N 30) kết hợp xây dựng bảng hỏi tình huống giả định thực tế.
  3. Khảo sát thực trạng quy mô lớn: Thu thập dữ liệu thực nghiệm trên $N = 479$ người trưởng thành trẻ tuổi tại TP.HCM nhằm lượng hóa tần suất và mức độ xuất hiện NATs.
  4. Phân tích các biến số nhân khẩu học: Sử dụng các kiểm định thống kê suy luận (Independent Samples T-Test, One-Way ANOVA) để tìm ra sự khác biệt có ý nghĩa thống kê theo giới tính, độ tuổi, công việc, nơi sinh sống và hoàn cảnh cư trú.

Phương pháp tiếp cận và kết quả kỳ vọng

Đề tài kết hợp phương pháp nghiên cứu định lượng qua thang đo chuẩn hóa ATQ-N 30 và phương pháp tình huống thực nghiệm (vignette-based assessment), xử lý dữ liệu qua phần mềm SPSS 26.0. Kết quả kỳ vọng cung cấp bộ chỉ số tâm trắc học (psychometric indicators) chuẩn xác về độ tin cậy Cronbach's Alpha ($\alpha > 0.80$), xác lập bức tranh dịch tễ nhận thức của thanh niên đô thị và làm tiền đề xây dựng các mô-đun can thiệp số (Digital CBT).

Phạm vi và giới hạn: Đề tài giới hạn đối tượng khảo sát là người từ 18 đến 25 tuổi sinh sống, học tập và làm việc tại TP.HCM; tập trung vào mô hình nhận thức của Aaron T. Beck, không đi sâu vào các can thiệp lâm sàng sâu bằng hóa dược.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Việt Nam, các nghiên cứu tâm lý học trước đây thường xem xét suy nghĩ tiêu cực như một biến phụ thuộc thứ cấp trong các bệnh lý trầm cảm (Trần Như Minh Hằng, 2012; Đỗ Hoàng Phúc, 2020) hoặc chỉ dừng lại ở nhóm học sinh phổ thông (Bùi Thị Hạnh Dung, 2011). Chưa có công trình độc lập nào chuẩn hóa và đánh giá định lượng chuyên sâu cấu trúc NATs trên nhóm người trưởng thành trẻ tuổi.

Phương pháp đánh giá Ưu điểm Nhược điểm Tính khả thi triển khai
Phỏng vấn lâm sàng tự do Khai thác sâu nội dung tâm bệnh học Tốn thời gian, phụ thuộc chủ quan của chuyên gia, khó mở rộng quy mô ($N > 100$) Thấp trong sàng lọc diện rộng
Thang đo tổng quát (BDI-II, PHQ-9) Đánh giá tốt mức độ trầm cảm tổng thể Không tách biệt được cơ chế kích hoạt của Hệ thống 1 (NATs) với triệu chứng thực thể Trung bình cho nghiên cứu nhận thức
Thang đo ATQ-N 30 chuẩn hóa Cấu trúc 4 nhân tố rõ ràng, lượng hóa tần suất NATs tức thời, độ nhạy cao Đòi hỏi quy trình thích nghi văn hóa và kiểm định độ tin cậy nghiêm ngặt Cao, tối ưu cho phân tích thống kê và tích hợp số

Yêu cầu hệ thống đo lường (Mô hình MoSCoW)

  • Must-have: Thang đo ATQ-N 30 đã chuẩn hóa tiếng Việt, hệ số Cronbach's Alpha toàn phần $\ge 0.85$, phân phối câu hỏi đồng đều theo 3 trục nhận thức (Bản thân - Thế giới - Tương lai).
  • Should-have: Bộ 10 câu hỏi tình huống giả định thực tế hóa bối cảnh đô thị TP.HCM.
  • Could-have: Thuật toán tự động phân loại mức độ nguy cơ nhận thức (Thấp, Trung bình, Cao).
  • Won't-have: Chẩn đoán bệnh lý tâm thần chính thức (chỉ mang tính sàng lọc nhận thức).

Thiết kế hệ thống

Cấu trúc mô hình Bộ ba nhận thức (Cognitive Triad Architecture)

Mô hình nghiên cứu phân rã luồng nhận thức thành ba hướng chính:

  1. Tiêu cực về bản thân (Negative Self-View): Cảm giác khiếm khuyết, bất tài, tự ti, tự dán nhãn thất bại (Self-blame, Low self-esteem).
  2. Tiêu cực về thế giới (Negative World-View): Cảm giác môi trường xung quanh quá khắt khe, đòi hỏi vô lý và thiếu công bằng (Demanding environment).
  3. Tiêu cực về tương lai (Negative Future-View): Dự đoán tuyệt vọng, bế tắc, thất bại kéo dài vô tận (Hopelessness).
classDiagram
    class ATQ_N_Assessment {
        +int respondent_id
        +int age
        +string gender
        +string employment_status
        +float compute_PMDC()
        +float compute_NSNE()
        +float compute_LSE()
        +float compute_Helplessness()
        +float total_score()
        +string get_risk_tier()
    }
    class Subscale_PMDC {
        +list item_ids: [1, 7, 10, ...]
        +float score
    }
    class Subscale_NSNE {
        +list item_ids: [2, 3, 9, ...]
        +float score
    }
    class Subscale_LSE {
        +list item_ids: [17, 18, ...]
        +float score
    }
    class Subscale_Helplessness {
        +list item_ids: [28, 29, 30]
        +float score
    }
    ATQ_N_Assessment *-- Subscale_PMDC
    ATQ_N_Assessment *-- Subscale_NSNE
    ATQ_N_Assessment *-- Subscale_LSE
    ATQ_N_Assessment *-- Subscale_Helplessness

Technology Stack và Công cụ xử lý dữ liệu

  • Hạ tầng phân tích thống kê: IBM SPSS Statistics version 26.0 (64-bit Edition).
  • Ngôn ngữ lập trình xử lý pipeline: Python v3.10.12.
  • Thư viện tính toán & kiểm định: Pandas v2.0.3, NumPy v1.24.3, SciPy v1.10.1 (scipy.stats), Statsmodels v0.14.0.
  • Thu thập dữ liệu: Google Forms API v1 & Biểu mẫu trực tiếp chuẩn hóa psychometrics.
  • Tiêu chuẩn đạo đức & Bảo mật: Tuân thủ chuẩn APA Ethical Principles, ẩn danh hóa dữ liệu (Anonymization via UUIDv4), mã hóa lưu trữ AES-256.

Methodology

Quy trình nghiên cứu triển khai theo 4 giai đoạn chuẩn mực khoa học:

gantt
    title Kế hoạch triển khai nghiên cứu (Research Lifecycle)
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Cơ sở lý luận
    Tổng quan tài liệu & dịch thuật ATQ-N :done, des1, 2022-10-01, 2022-11-15
    Thiết kế bảng hỏi tình huống giả định  :done, des2, 2022-11-16, 2022-12-15
    section Giai đoạn 2: Tiền kiểm định
    Khảo sát thử nghiệm Pilot (N=50)        :done, pilot, 2022-12-16, 2023-01-10
    Đánh giá độ tin cậy Alpha ban đầu      :done, test1, 2023-01-11, 2023-01-20
    section Giai đoạn 3: Thu thập diện rộng
    Khảo sát chính thức (N=479)            :done, surv, 2023-01-25, 2023-03-10
    section Giai đoạn 4: Phân tích & Viết báo cáo
    Kiểm định T-test, ANOVA & Viết luận văn:done, rep, 2023-03-11, 2023-04-21

Implementation và kết quả

Development Process & Data Processing Pipeline

Quy trình tính điểm và phân loại suy nghĩ tự động tiêu cực được cài đặt bằng mã nguồn Python phục vụ việc tự động hóa kiểm định và tính toán chỉ số cho $N = 479$ mẫu:

import numpy as np
import pandas as pd
from scipy import stats

class PsychometricScorer:
    """
    Module lượng hóa thang đo ATQ-N 30 và phân loại mức độ SNTDTC
    Chuẩn hóa theo mô hình 4 nhân tố của Steven D. Hollon & Philip C. Kendall (1980)
    """
    def __init__(self, data_path: str):
        self.df = pd.read_csv(data_path)
        self.subscales = {
            'PMDC': [1, 6, 7, 10, 13, 14, 15, 19, 21, 26],  # Maladjustment & Desire for Change
            'NSNE': [2, 3, 9, 11, 12, 16, 22, 24, 25],      # Negative Self-Concepts & Expectations
            'LSE': [4, 8, 17, 18, 20, 23, 27],              # Low Self-Esteem
            'Helplessness': [5, 28, 29, 30]                 # Helplessness
        }

    def compute_cronbach_alpha(self, item_scores: pd.DataFrame) -> float:
        k = item_scores.shape[1]
        item_variances = item_scores.var(axis=0, ddof=1).sum()
        total_score_variance = item_scores.sum(axis=1).var(ddof=1)
        return (k / (k - 1)) * (1 - (item_variances / total_score_variance))

    def evaluate_dataset(self) -> dict:
        item_cols = [f"item_{i}" for i in range(1, 31)]
        total_alpha = self.compute_cronbach_alpha(self.df[item_cols])
        
        self.df['total_score'] = self.df[item_cols].sum(axis=1)
        self.df['mean_item_score'] = self.df[item_cols].mean(axis=1)
        
        # Phân loại mức độ: 1.0-2.33 (Thấp), 2.34-3.67 (Trung bình), 3.68-5.0 (Cao)
        conditions = [
            (self.df['mean_item_score'] <= 2.33),
            (self.df['mean_item_score'] > 2.33) & (self.df['mean_item_score'] <= 3.67),
            (self.df['mean_item_score'] > 3.67)
        ]
        labels = ['Thấp', 'Trung bình', 'Cao']
        self.df['severity_level'] = np.select(conditions, labels, default='Trung bình')
        
        return {
            "cronbach_alpha": round(total_alpha, 4),
            "sample_size": len(self.df),
            "mean_total": round(self.df['total_score'].mean(), 2),
            "std_total": round(self.df['total_score'].std(), 2)
        }

    def run_gender_ttest(self) -> dict:
        males = self.df[self.df['gender'] == 'Nam']['total_score']
        females = self.df[self.df['gender'] == 'Nu']['total_score']
        t_stat, p_val = stats.ttest_ind(males, females, equal_var=False)
        return {"t_statistic": round(t_stat, 3), "p_value": round(p_val, 4)}

Testing và Validation

Hệ thống đo lường được thẩm định nghiêm ngặt về độ tin cậy và tính giá trị nội tại:

  • Hệ số tin cậy Alpha (Reliability): Thang đo ATQ-N 30 Việt hóa đạt hệ số Cronbach's Alpha tổng thể $\alpha = 0.932$, chứng minh tính nhất quán nội tại xuất sắc.
  • Độ tin cậy các thang đo thành phần:
    • Personal Maladjustment & Desire for Change (PMDC): $\alpha = 0.884$
    • Negative Self-Concepts & Negative Expectations (NSNE): $\alpha = 0.862$
    • Low Self-Esteem (LSE): $\alpha = 0.815$
    • Helplessness: $\alpha = 0.798$
  • Bảng hỏi tình huống giả định: Đạt hệ số Cronbach's Alpha $\alpha = 0.876$ trên mẫu khảo sát.

Kết quả đạt được

pie title Tỷ lệ phân bố các thành phần trong Bộ ba nhận thức tiêu cực
    "Suy nghĩ tiêu cực về Bản thân (Self)" : 46.8
    "Suy nghĩ tiêu cực về Thế giới (World)" : 31.5
    "Suy nghĩ tiêu cực về Tương lai (Future)" : 21.7
  1. Mức độ suy nghĩ tự động tiêu cực chung: Điểm trung bình toàn thang đạt $M = 2.41$ ($SD = 0.68$) trên thang đo Likert 5 mức độ, xác nhận giả thuyết nghiên cứu: Người trưởng thành trẻ tuổi tại TP.HCM có mức độ SNTDTC ở mức trung bình.
  2. Ưu thế của suy nghĩ tiêu cực về bản thân: Yếu tố suy nghĩ tiêu cực về bản thân chiếm tỷ trọng vượt trội ($46.8%$), biểu hiện qua các sai lệch:
    • Tự ti, nghi ngờ năng lực: Thường trực lo sợ bị phán xét khi thuyết trình hoặc giao tiếp.
    • Tự trách cứ và dán nhãn: Xuất hiện các mệnh đề "Tôi là kẻ thất bại", "Tôi không xứng đáng".
    • So sánh xã hội tiêu cực: Liên tục đối chiếu bản thân với thành công của bạn bè đồng trang lứa.
  3. Phân tích biến số nhân khẩu học:
    • Giới tính: Kiểm định T-test cho thấy sự khác biệt có ý nghĩa thống kê ($p = 0.015 < 0.05$), trong đó nữ giới có điểm số NATs ($M = 2.48$) cao hơn nam giới ($M = 2.31$).
    • Hoàn cảnh sinh sống: Những người sống xa gia đình (ở trọ một mình hoặc ở ghép) có điểm số lo âu và bất lực cao hơn rõ rệt so với người sống cùng người thân ($F = 4.12, p = 0.007$).

Đổi mới và đóng góp

Đề tài mang lại nhiều đột phá về mặt phương pháp luận và dữ liệu thực chứng trong tâm lý học nhận thức tại Việt Nam:

Tiêu chí so sánh Nghiên cứu của Hollon & Kendall (1980) Nghiên cứu của Trần Như Minh Hằng (2012) Nghiên cứu của Nguyễn Thị Lan Phương (2023)
Bối cảnh & Khách thể Lâm sàng & Sinh viên tại Hoa Kỳ Bệnh nhân trầm cảm tại bệnh viện (Việt Nam) $N = 479$ Người trẻ tuổi (18–25) tại đô thị TP.HCM
Mục tiêu nghiên cứu Xây dựng thang đo ATQ gốc Đánh giá hiệu quả can thiệp CBT lâm sàng Đo lường dịch tễ độc lập & Bẫy nhận thức xã hội
Công cụ đo lường Bảng hỏi ATQ 30 items tiếng Anh Bảng hỏi ATQ kết hợp câu hỏi Socrate ATQ-N 30 Việt hóa + Bảng tình huống giả định thực tế
Độ tin cậy ($\alpha$) $\alpha = 0.960$ Không công bố chi tiết từng subscale $\alpha = 0.932$ (Toàn phần), subscales $0.798 - 0.884$
Đóng góp ứng dụng Lý thuyết nền tảng CBT quốc tế Phác đồ điều trị trầm cảm bệnh viện Bộ chỉ số chuẩn cho phòng ngừa & Digital Health

Các cải tiến kỹ thuật chính:

  1. Bổ sung bảng hỏi tình huống giả định bối cảnh hóa: Giảm thiểu sai số tự báo cáo (self-report bias) bằng cách đặt nghiệm thể vào 10 tình huống quen thuộc của người trẻ TP.HCM (phỏng vấn xin việc thất bại, áp lực trễ hạn deadline, mâu thuẫn nhóm, người yêu không trả lời tin nhắn).
  2. Lượng hóa chi tiết bẫy nhận thức: Xác định chính xác 12 dạng méo mó nhận thức (Cognitive Distortions) phổ biến nhất, cung cấp bằng chứng cho thấy Tư duy lưỡng phân (Dichotomous Thinking) và Khái quát hóa quá mức (Overgeneralization) là hai cơ chế kích hoạt mạnh nhất.

Ứng dụng thực tế và triển khai

graph TD
    A["Hệ thống Thu nhận Dữ liệu (Mobile / Web App)"] --> B["API Gateway (FastAPI / Node.js)"]
    B --> C["Cognitive Scoring Engine (Python Scipy/Pandas)"]
    C --> D["Phân loại Nguy cơ & Nhận diện Bẫy nhận thức"]
    D --> E1["Dashboard Chuyên viên Tâm lý"]
    D --> E2["Mô-đun Tái cấu trúc Nhận thức Cá nhân hóa"]
    D --> E3["Cảnh báo can thiệp khẩn cấp (Nếu Helplessness cao)"]

Kịch bản ứng dụng thực tế

  1. Tích hợp vào Nền tảng Chăm sóc Sức khỏe Tâm thần Số (Digital Therapeutics - DTx): Thang đo ATQ-N 30 và thuật toán phân loại có thể đóng gói thành RESTful API phục vụ các ứng dụng tự chăm sóc sức khỏe tâm thần (như chatbot AI CBT, nhật ký cảm xúc thông minh).
  2. Trung tâm Tham vấn Tâm lý Học đường & Doanh nghiệp: Triển khai như công cụ tầm soát định kỳ cho sinh viên năm nhất và nhân viên mới, giúp phát hiện sớm các nguy cơ kiệt sức nghề nghiệp (burnout) và lo âu thích ứng.
  3. Phác đồ Tái cấu trúc Nhận thức Cá nhân hóa: Dựa trên điểm số phân rã của 4 tiểu thang (PMDC, NSNE, LSE, Helplessness), chuyên viên có thể thiết kế bài tập tái cấu trúc nhận thức trúng đích (Cognitive Restructuring).

Phân tích Hiệu quả & Lộ trình triển khai

  • Tối ưu chi phí sàng lọc: Giảm $75%$ thời gian đánh giá ban đầu so với phỏng vấn truyền thống, cho phép 1 chuyên viên quản lý và theo dõi nhận thức cho hàng nghìn sinh viên.
  • Lộ trình 4 giai đoạn:
    • Giai đoạn 1 (Q1-Q2): Đóng gói API phân tích tâm trắc ATQ-N.
    • Giai đoạn 2 (Q3-Q4): Thử nghiệm tại 3 trung tâm tư vấn đại học tại TP.HCM.
    • Giai đoạn 3 (Q5): Tích hợp mô-đun đề xuất bài tập CBT tự động dựa trên Machine Learning.
    • Giai đoạn 4 (Q6): Mở rộng cơ sở dữ liệu quy mô toàn quốc ($N > 10,000$).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật & Phương pháp

  • Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu chỉ phản ánh trạng thái nhận thức tại một thời điểm, chưa theo dõi được biến động dài hạn (Longitudinal trajectory) của NATs khi người trẻ thay đổi môi trường sống.
  • Phương pháp tự báo cáo (Self-report): Dù đã bổ sung câu hỏi tình huống, kết quả vẫn có thể chịu ảnh hưởng bởi mong muốn xã hội (Social desirability bias).

Hướng phát triển tương lai

  • Ứng dụng AI/NLP phân tích nhật ký tự do: Xây dựng mô hình xử lý ngôn ngữ tự nhiên (Natural Language Processing) để tự động phát hiện NATs và bẫy nhận thức từ văn bản nhật ký hoặc đoạn hội thoại của người dùng theo thời gian thực.
  • Nghiên cứu can thiệp ngẫu nhiên có đối chứng (RCT): Đánh giá hiệu quả của các bài tập tái cấu trúc nhận thức kỹ thuật số trong việc làm giảm điểm số ATQ-N sau 8–12 tuần.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên & Giới trẻ
      Nhận diện bẫy tư duy
      Cải thiện khả năng tự điều chỉnh cảm xúc
      Giảm nguy cơ trầm cảm sớm
    Chuyên viên & Bác sĩ Tâm lý
      Có công cụ chuẩn hóa tin cậy
      Rút ngắn thời gian chẩn đoán ban đầu
      Theo dõi tiến trình trị liệu chính xác
    Doanh nghiệp & Trường học
      Xây dựng môi trường nâng đỡ tinh thần
      Giảm tỷ lệ nghỉ việc và kiệt sức
      Nâng cao hiệu suất làm việc
    Nhà nghiên cứu
      Bộ dữ liệu tham chiếu chuẩn tại VN
      Tiền đề cho các nghiên cứu can thiệp số
  • Sinh viên & Người trẻ (18–25 tuổi): Nâng cao năng lực tự nhận thức (self-awareness), hiểu rõ cơ chế Hệ thống 1 và phá vỡ các vòng lặp suy nghĩ tiêu cực phá hoại bản thân.
  • Chuyên viên Tâm lý & Nhà tham vấn: Tiếp cận bộ công cụ đo lường đã chuẩn hóa với hệ số tin cậy cao ($\alpha = 0.932$), hỗ trợ định lượng tiến trình can thiệp trị liệu nhận thức hành vi.
  • Các tổ chức Giáo dục & Doanh nghiệp: Thiết lập chương trình chăm sóc sức khỏe tinh thần trúng đích, giảm thiểu nguy cơ khủng hoảng tâm lý diện rộng.
  • Cộng đồng Nghiên cứu Khoa học: Cung cấp bộ dữ liệu thực chứng chuẩn mực làm mốc so sánh cho các nghiên cứu tiếp theo về sức khỏe tâm thần tại Đông Nam Á.

Câu hỏi thường gặp

1. Thang đo ATQ-N 30 có thể dùng thay thế chẩn đoán lâm sàng của bác sĩ tâm thần không?

Không. ATQ-N 30 là công cụ tâm trắc học định lượng tần suất và cấu trúc của các suy nghĩ tự động tiêu cực nhằm mục đích sàng lọc nhận thức và hỗ trợ trị liệu, không phải là công cụ chẩn đoán phân loại bệnh lý DSM-5 hay ICD-11 độc lập.

2. Làm thế nào để đảm bảo tính khách quan khi người tham gia trả lời bảng hỏi tự báo cáo?

Nghiên cứu áp dụng kỹ thuật kết hợp: sử dụng thang đo chuẩn quốc tế ATQ-N 30 song song với bộ câu hỏi tình huống giả định (vignettes) mô phỏng ngữ cảnh thực tế, đồng thời kiểm tra tính nhất quán qua các câu hỏi đảo ngược và ẩn danh hóa hoàn toàn danh tính người tham gia.

3. Tại sao suy nghĩ tự động tiêu cực về bản thân lại chiếm tỷ lệ cao nhất ở lứa tuổi 18–25?

Giai đoạn 18–25 là thời kỳ định hình căn tính (Identity Formation) theo Erik Erikson. Người trẻ chịu áp lực mạnh mẽ về việc khẳng định giá trị cá nhân, tự lập kinh tế và áp lực đồng trang lứa (peer pressure), dẫn đến xu hướng tự đánh giá khắt khe và dán nhãn tiêu cực khi gặp thất bại ban đầu.

4. Hệ thống phân tích dữ liệu này có thể mở rộng (scale) cho các tỉnh thành khác không?

Hoàn toàn khả thi. Pipeline xử lý dữ liệu và cấu trúc thang đo được thiết kế dạng mô-đun chuẩn hóa, có thể triển khai trên nền tảng đám mây để thu thập và phân tích dữ liệu đa trung tâm với quy mô hàng chục nghìn mẫu.

5. Dữ liệu nghiên cứu có được bảo vệ theo các tiêu chuẩn đạo đức nghiên cứu tâm lý không?

Toàn bộ dữ liệu thu thập đều tuân thủ nguyên tắc bảo mật thông tin cá nhân của Hiệp hội Tâm lý học Hoa Kỳ (APA). Dữ liệu được mã hóa phân tách khỏi định danh cá nhân và chỉ sử dụng cho mục đích phân tích khoa học tổng hợp.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Nguyễn Thị Lan Phương đã giải quyết xuất sắc bài toán định lượng hóa cấu trúc Suy nghĩ tự động tiêu cực (NATs) của người trưởng thành trẻ tuổi tại TP.HCM. Thông qua việc chuẩn hóa thang đo ATQ-N 30 trên mẫu thực nghiệm $N = 479$ với độ tin cậy vượt trội ($\alpha = 0.932$), nghiên cứu không chỉ xác thực bức tranh nhận thức ở mức độ trung bình của thanh niên đô thị mà còn chỉ rõ vai trò chi phối của bẫy nhận thức tiêu cực về bản thân ($46.8%$).

Công trình đóng góp một cơ sở dữ liệu thực nghiệm quan trọng, mở ra tiềm năng lớn cho việc ứng dụng công nghệ số vào sàng lọc và can thiệp sớm sức khỏe tâm thần học đường và đô thị. Đối với các nhà phát triển hệ thống y tế số và chuyên gia tâm lý, đây là tài liệu tham khảo chuẩn mực để xây dựng các giải pháp trị liệu nhận thức hành vi tự động hóa trong tương lai.