Giới thiệu dự án

Nghiên cứu tác động của trí thông minh cảm xúc (Emotional Intelligence - EI) đến khả năng kiểm soát sự căng thẳng (KSSCT) của nhân viên y tế là một công trình nghiên cứu định lượng ứng dụng trong quản trị nhân sự y tế. Đề tài được thực hiện bởi sinh viên Nguyễn Thị Yến (Khoa Quản trị Kinh doanh, Trường Đại học Ngoại thương) dưới sự hướng dẫn của ThS. Nguyễn Thị Ánh Thơ.

Trong kỷ nguyên hậu đại dịch COVID-19, hệ thống y tế toàn cầu và tại Việt Nam phải đối mặt với áp lực vận hành chưa từng có. Theo thống kê y khoa từ Demiral & cộng sự (2002), tỷ lệ trầm cảm và lo âu ở đội ngũ bác sĩ lần lượt là 18,9% và 27,4%. Nghiên cứu của Shams & El-Masry (2013) chỉ ra tỷ lệ căng thẳng nghề nghiệp ở khối gây mê hồi sức lên tới 69,4%, trong khi tại Việt Nam, nghiên cứu của Nguyễn Thu Hà (2016) ghi nhận 66,7% nhân viên y tế chuyên ngành tâm thần rơi vào trạng thái căng thẳng nghiêm trọng. Sự quá tải trong công việc, nỗi sợ lây nhiễm chéo và áp lực tâm lý khi chứng kiến người bệnh tử vong tạo nên hội chứng kiệt sức nghề nghiệp (burnout syndrome), làm suy giảm trực tiếp chất lượng chăm sóc người bệnh và tăng nguy cơ sai sót chuyên môn y khoa.

Vấn đề cốt lõi đặt ra là sự thiếu hụt các cơ chế quản trị cảm xúc nội tại và kỹ năng tự điều chỉnh tâm lý có hệ thống ở đội ngũ y tế. Mặc dù các giải pháp can thiệp môi trường vật lý đã được triển khai, năng lực tự điều tiết thông qua EI của từng cá nhân chưa được lượng hóa và tích hợp vào quy trình quản trị nguồn nhân lực tại các cơ sở y tế.

Dự án nghiên cứu tập trung vào 4 mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về trí thông minh cảm xúc (EI), kiểm soát sự căng thẳng (KSSCT) và xây dựng khung lý thuyết liên kết giữa hai cấu trúc tâm lý này.
  2. Xây dựng mô hình nghiên cứu định lượng và tùy biến thang đo TEIQue-SF cùng thang đo mức độ cảm nhận căng thẳng phù hợp với đặc thù nhân viên y tế tại Hà Nội.
  3. Kiểm định thực nghiệm các giả thuyết nghiên cứu thông qua phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng định (CFA) và mô hình hồi quy tuyến tính bội.
  4. Đề xuất hệ thống giải pháp và khuyến nghị quản trị ba cấp độ (Cơ quan quản lý Nhà nước, Ban lãnh đạo Bệnh viện, Bản thân Nhân viên Y tế) nhằm giảm thiểu căng thẳng thông qua phát triển EI.

Nghiên cứu áp dụng mô hình trí tuệ cảm xúc đặc tính (Trait Emotional Intelligence) của Petrides & Furnham (2001, 2006) kết hợp với Lý thuyết tương tác về Stress (Transactional Model of Stress and Coping) của Lazarus & Folkman (1984) và thang đo Perceived Stress Scale của Cohen, Kamarck & Mermelstein (1983).

Dự án hướng đến thiết lập các tiêu chuẩn định lượng khắt khe: Hệ số tin cậy Cronbach's Alpha $\ge 0,70$, hệ số tương quan biến - tổng $\ge 0,30$, hệ số KMO nằm trong khoảng $0,5 \le \text{KMO} \le 1,0$, tổng phương sai trích (Total Variance Explained) $> 50%$, và xác định chính xác trọng số tác động của từng nhân tố EI lên KSSCT với mức ý nghĩa $p < 0,05$.

Phạm vi nghiên cứu được xác định cụ thể:

  • Phạm vi không gian: Đội ngũ y tá, bác sĩ, điều dưỡng đang công tác tại các bệnh viện và cơ sở y tế trên địa bàn thành phố Hà Nội.
  • Phạm vi thời gian: Thu thập dữ liệu sơ cấp từ tháng 09/2023 đến tháng 10/2023, hoàn thiện phân tích mô hình vào tháng 11/2023.
  • Quy mô mẫu: $N = 210$ mẫu khảo sát hợp lệ, đáp ứng tỷ lệ quan sát trên biến tối thiểu $5:1$ theo tiêu chuẩn của Hair & cộng sự (2014).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành đánh giá so sánh các mô hình đo lường trí thông minh cảm xúc phổ biến trên thế giới để lựa chọn công cụ tối ưu cho bối cảnh y tế:

Mô hình đo lường Tác giả & Năm Cấu trúc đo lường Ưu điểm Nhược điểm
EQ-i (Emotional Quotient Inventory) Bar-On (1997) 5 nhóm: Nhận thức cảm xúc, hiểu bản thân, kiểm soát cảm xúc, tự thúc đẩy, khả năng thích ứng Được chuẩn hóa rộng rãi, đánh giá toàn diện kỹ năng xã hội Cấu trúc đo lường phức tạp, tốn nhiều thời gian hoàn thành (133 mục)
MEIS / MSCEIT Mayer, Salovey & Caruso (2000) 4 nhánh: Nhận diện cảm xúc, sử dụng cảm xúc, hiểu cảm xúc, quản lý cảm xúc Tiếp cận theo hướng năng lực nhận thức khách quan Phương pháp chấm điểm phức tạp, mất nhiều thời gian đánh giá thực nghiệm
Goleman's ECI Model Daniel Goleman (2001) 5 năng lực: Tự nhận thức, tự kiểm soát, động lực, thấu cảm, kỹ năng xã hội Tính ứng dụng cao trong quản trị lãnh đạo và doanh nghiệp Số lượng câu hỏi nhiều, có sự chồng lấn giữa cảm xúc và hành vi tổ chức
TEIQue-SF (Trait EI Questionnaire) Petrides & Furnham (2001, 2006) 4 yếu tố: Tính đa cảm (Emotionality), Khả năng tự kiểm soát (Self-control), Tính hòa đồng (Sociability), Hạnh phúc (Well-being) Đo lường tính cách cảm xúc ổn định, bảng hỏi tinh gọn, độ tin cậy nội tại cao Yêu cầu kiểm định khắt khe độ phù hợp cấu trúc khi dịch thuật ngữ cảnh

So sánh với các công trình trước đây, nghiên cứu của Slaski & Cartwright (2002) trên các nhà quản trị bán lẻ và Nguyễn Thị Phương Dung & Võ Hồng Huệ (2018) trên nhân viên tiếp thị chỉ ra EI có tác động tích cực đến hiệu suất nhưng chưa làm rõ các yếu tố cấu thành trong môi trường áp lực cao. Nghiên cứu của Vũ Việt Hằng & Phan Thị Cẩm Linh (2015) trên 219 kế toán viên chỉ tập trung vào căng thẳng tài chính. Nghiên cứu hiện tại giải quyết khoảng trống học thuật về nhân viên y tế sau dịch bệnh tại Việt Nam.

Phân tích yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must have (Bắt buộc có): Kiểm định độ tin cậy Cronbach's Alpha cho 5 cấu trúc thang đo; phân tích EFA xác định cấu trúc nhân tố; hồi quy OLS xác định hệ số tác động $\beta$; kiểm tra hiện tượng đa cộng tuyến (VIF).
  • Should have (Nên có): Phân tích nhân tố khẳng định CFA kiểm định các chỉ số Chi-square/df, CFI, GFI, RMSEA; phân tích ma trận tương quan Pearson.
  • Could have (Có thể có): Phân tích thống kê mô tả sâu theo nhóm nhân khẩu học (độ tuổi, giới tính, thâm niên, trình độ học vấn).
  • Won't have (Chưa thực hiện ở giai đoạn này): Mô hình phương trình cấu trúc đa cấp (Multilevel SEM) hoặc nghiên cứu can thiệp ngẫu nhiên có đối chứng (RCT).

Thách thức kỹ thuật nằm ở việc loại bỏ sai lệch phản hồi chủ quan (Common Method Bias) và xử lý hiện tượng các biến quan sát tải chéo (cross-loading) lên nhiều nhân tố trong phân tích EFA.

Thiết kế hệ thống

Mô hình nghiên cứu khái niệm được thiết kế với 4 biến độc lập thuộc EI và 1 biến phụ thuộc KSSCT:

Ngăn xếp công nghệ phân tích dữ liệu:

  • SPSS Statistics v26.0: Xử lý thống kê mô tả, kiểm định Cronbach's Alpha, phân tích EFA, phân tích tương quan Pearson và mô hình hồi quy OLS.
  • SPSS Amos v24.0: Phân tích nhân tố khẳng định CFA nhằm kiểm định độ giá trị hội tụ và mức độ phù hợp mô hình.
  • Python v3.10+ (Pandas v2.1.0, Statsmodels v0.14.0, Factor-Analyzer v0.5.0): Tự động hóa kiểm tra dữ liệu, trích xuất ma trận tương quan và trực quan hóa phần dư.
  • Google Forms API: Thu thập dữ liệu khảo sát trực tuyến an toàn.

Thiết kế cấu trúc dữ liệu khảo sát (Survey Schema):

  • Dữ liệu định lượng gồm 36 biến quan sát ban đầu được đo lường bằng thang đo Likert 5 mức độ: 1 = Hoàn toàn không đồng ý / Không bao giờ đến 5 = Hoàn toàn đồng ý / Rất thường xuyên.
    • Thang đo Tính đa cảm (TDC): 8 biến quan sát (TDC1 - TDC8).
    • Thang đo Khả năng tự kiểm soát (TKS): 6 biến quan sát (TKS1 - TKS6).
    • Thang đo Tính hòa đồng (THD): 6 biến quan sát (THD1 - THD6).
    • Thang đo Hạnh phúc (HP): 6 biến quan sát (HP1 - HP6).
    • Thang đo KSSCT: 10 biến quan sát (CT1 - CT10).

Về bảo mật và đạo đức nghiên cứu, toàn bộ danh tính người tham gia được ẩn danh hóa (Anonymization) tuyệt đối, mã hóa ID một chiều, đáp ứng các tiêu chuẩn bảo vệ quyền riêng tư dữ liệu nghiên cứu y tế.

Methodology

Quy trình nghiên cứu định lượng được chuẩn hóa qua 11 bước kế tiếp:

Kế hoạch triển khai và mốc thời gian:

  • Tuần 1 - 2 (09/2023): Tổng quan tài liệu, thiết kế bảng hỏi và kiểm định sơ bộ thang đo ($N=30$).
  • Tuần 3 - 6 (09/2023 - 10/2023): Thu thập dữ liệu diện rộng qua Google Forms và khảo sát trực tiếp tại các bệnh viện Hà Nội ($N=210$).
  • Tuần 7 - 9 (10/2023): Làm sạch dữ liệu, phân tích độ tin cậy Cronbach's Alpha, phân tích EFA và CFA trên SPSS 26 & Amos 24.
  • Tuần 10 - 11 (11/2023): Chạy mô hình hồi quy bội, kiểm định các giả định OLS, hoàn thiện báo cáo giải pháp.

Quản trị rủi ro nghiên cứu: Thiết lập ngưỡng loại biến vi phạm (Corrected Item-Total Correlation $< 0,30$; Factor loading $< 0,50$; chênh lệch cross-loading $< 0,30$) nhằm đảm bảo độ giá trị hội tụ và phân biệt của mô hình.

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu được tiến hành với các thuật toán thống kê chuẩn xác:

  1. Công thức hệ số tin cậy Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là phương sai của tổng điểm các biến quan sát.

  2. Phương trình hồi quy tuyến tính bội: $$\text{KSSCT} = \beta_0 + \beta_1 \text{TDC} + \beta_2 \text{TKS} + \beta_3 \text{THD} + \beta_4 \text{HP} + \epsilon$$

Dưới đây là mã nguồn Python chuẩn hóa thực thi phân tích Cronbach's Alpha, EFA và hồi quy OLS tương đương cú pháp trên SPSS Syntax:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

def cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df.var(axis=0, ddof=1)
    total_var = df.sum(axis=1).var(ddof=1)
    n_items = df.shape[1]
    return (n_items / (n_items - 1)) * (1 - item_vars.sum() / total_var)

def execute_factor_analysis(df_features: pd.DataFrame, n_factors: int = 4):
    """Thực thi kiểm định KMO, Bartlett và trích xuất nhân tố theo phép xoay Varimax."""
    kmo_per_variable, kmo_total = calculate_kmo(df_features)
    chi_square_value, p_value = calculate_bartlett_sphericity(df_features)
    
    fa = FactorAnalyzer(n_factors=n_factors, method='principal', rotation='varimax')
    fa.fit(df_features)
    loadings = pd.DataFrame(fa.loadings_, index=df_features.columns)
    eigenvalues, _ = fa.get_eigenvalues()
    
    return {
        "KMO": kmo_total,
        "Bartlett_p": p_value,
        "Loadings": loadings,
        "Eigenvalues": eigenvalues[:n_factors]
    }

def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Ước lượng hồi quy OLS và kiểm tra các giả định mô hình."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    return model.summary()

Xử lý thách thức làm sạch thang đo:

  • Thang đo Tính đa cảm (TDC) loại bỏ biến TDC5 do hệ số tương quan biến tổng chỉ đạt $0,273 < 0,30$. Sau khi loại, Cronbach's Alpha tăng từ $0,840$ lên $0,857$.
  • Thang đo Tính hòa đồng (THD) loại bỏ biến THD6 do hệ số tương quan biến tổng đạt $0,248 < 0,30$. Sau khi loại, Cronbach's Alpha tăng từ $0,776$ lên $0,806$.
  • Thang đo KSSCT loại bỏ 2 biến CT9 ($0,274$) và CT10 ($0,226$). Sau khi loại, Cronbach's Alpha tăng từ $0,834$ lên $0,860$.
  • Trong phân tích EFA lần 1 ($22$ biến độc lập), 3 biến HP3, TKS2, TDC6 vi phạm tiêu chuẩn tải chéo (mức chênh lệch hệ số tải giữa hai nhân tố $< 0,30$) nên được loại bỏ.

Testing và validation

Kết quả phân tích EFA lần 2 sau khi loại bỏ các biến vi phạm đạt độ phù hợp lý tưởng:

  • Hệ số $KMO = 0,875$ thỏa mãn điều kiện $0,5 \le KMO \le 1,0$.
  • Kiểm định Bartlett đạt mức ý nghĩa thống kê cao ($Sig = 0,000 < 0,05$), chứng minh các biến có tương quan tuyến tính chặt chẽ.
  • Giá trị Eigenvalue nhỏ nhất của các nhân tố được giữ lại là $1,662 > 1$.
  • Tổng phương sai trích đạt $56,210% > 50%$, giải thích hơn một nửa sự biến thiên của tập dữ liệu gốc.

Kết quả kiểm định độ tin cậy thang đo cuối cùng:

Cấu trúc nhân tố Số biến quan sát ban đầu Số biến quan sát hợp lệ Hệ số Cronbach's Alpha ban đầu Hệ số Cronbach's Alpha sau lọc Đánh giá độ tin cậy
Tính đa cảm (TDC) 8 7 (TDC1-4, TDC6-8) 0,840 0,857 Rất tốt
Khả năng tự kiểm soát (TKS) 6 6 (TKS1-6) 0,839 0,839 Rất tốt
Tính hòa đồng (THD) 6 5 (THD1-5) 0,776 0,806 Rất tốt
Hạnh phúc (HP) 6 6 (HP1-6) 0,849 0,849 Rất tốt
Kiểm soát sự căng thẳng (KSSCT) 10 8 (CT1-8) 0,834 0,860 Rất tốt

Đặc điểm mẫu nghiên cứu thực nghiệm ($N = 210$):

  • Giới tính: Nam chiếm $38,10%$ ($80$ người), Nữ chiếm $61,90%$ ($130$ người).
  • Độ tuổi: Dưới 25 tuổi ($30,00%$), từ 25 - 35 tuổi ($39,05%$), từ 35 - 45 tuổi ($24,76%$), trên 45 tuổi ($6,19%$).
  • Trình độ học vấn: Đại học chiếm ưu thế với $40,48%$ ($85$ người), Cao đẳng $25,24%$, Sau đại học $19,52%$, Trung cấp $14,76%$.
  • Thâm niên công tác: Dưới 5 năm ($31,43%$), từ 5 - 10 năm ($37,62%$), trên 10 năm ($30,95%$).

Kết quả đạt được

Phân tích hồi quy tuyến tính bội và kiểm định giả thuyết cho thấy mô hình hoàn toàn phù hợp với dữ liệu thực tế ($p < 0,05$ ở kiểm định ANOVA F-test):

  • Cả 4 giả thuyết nghiên cứu ($H_1, H_2, H_3, H_4$) đều được chấp nhận với ý nghĩa thống kê $p < 0,05$.
  • Khả năng tự kiểm soát (TKS) và Hạnh phúc (HP) thể hiện vai trò thúc đẩy mạnh nhất đối với năng lực duy trì tâm lý ổn định và kiểm soát căng thẳng trong quá trình thực hiện nghiệp vụ y khoa.
  • Biểu đồ Scatter Plot và biểu đồ phần dư chuẩn hóa Normal P-P Plot chứng minh các giả định về phân phối chuẩn của phần dư, tính tuyến tính và phương sai sai số đồng nhất không bị vi phạm.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và ứng dụng thực tiễn nổi bật:

  • Đổi mới phương pháp luận: Chuẩn hóa và bản địa hóa bộ thang đo TEIQue-SF kết hợp thang đo Cohen PSS cho đối tượng nhân viên y tế tại các đô thị lớn tại Việt Nam giai đoạn hậu khủng hoảng y tế.
  • Bằng chứng thực nghiệm định lượng: Cung cấp bộ chỉ số thống kê minh bạch với độ tin cậy nội tại cao ($\alpha \ge 0,806$, tổng phương sai trích $56,210%$), khắc phục nhược điểm nhận định định tính cảm tính trong quản trị nhân sự bệnh viện.
  • So sánh học thuật đa chiều: So với mô hình bán lẻ của Slaski & Cartwright (2002) hay ngành tiếp thị của Nguyễn Thị Phương Dung (2018), nghiên cứu này chỉ ra khía cạnh "Khả năng tự kiểm soát" và "Tính hòa đồng" có tác động trực tiếp hơn trong việc giảm thiểu sai sót y tế và xung đột với thân nhân người bệnh.
  • Đóng góp cho ngành y tế: Cung cấp cơ sở dữ liệu thực nghiệm phục vụ việc xây dựng chính sách chăm sóc sức khỏe tinh thần nhân viên y tế (Mental Health and Well-being Framework for Healthcare Workers).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Phòng khám cấp cứu & Hồi sức tích cực: Triển khai các bài tập vi mô (Micro-practices) về tự kiểm soát cảm xúc và điều hòa nhịp thở trước khi thực hiện các ca phẫu thuật phức tạp.
  • Tập huấn giao tiếp bác sĩ - bệnh nhân: Ứng dụng cấu phần Tính đa cảm và Tính hòa đồng để nâng cao khả năng thấu cảm, giải tỏa bức xúc từ người nhà bệnh nhân, ngăn ngừa bạo lực y tế.

Khuyến nghị ba cấp độ

  1. Khuyến nghị đến Cơ quan Quản lý Nhà nước (Bộ Y tế):

    • Ban hành khung năng lực cảm xúc chuẩn trong chương trình đào tạo y khoa và chứng chỉ hành nghề y tế.
    • Thiết lập đường dây nóng và trung tâm tham vấn tâm lý độc lập dành riêng cho cán bộ y tế tuyến đầu.

  2. Khuyến nghị đến Ban Giám đốc Bệnh viện:

    • Tổ chức định kỳ các khóa đào tạo nâng cao chỉ số EI, kỹ năng quản lý căng thẳng (Stress Management Workshops) với thời lượng 16 - 24 giờ/năm.
    • Cải tiến quy trình phân ca trực hợp lý, hạn chế tình trạng làm việc liên tục quá 24 giờ nhằm bảo vệ chỉ số hạnh phúc (Well-being) của nhân viên.
    • Xây dựng không gian nghỉ ngơi thư giãn (Rest & Relaxation Lounges) tiêu chuẩn ngay tại bệnh viện.

  3. Giải pháp dành cho Nhân viên Y tế:

    • Chủ động thực hành kỹ thuật chánh niệm (Mindfulness) và tự quan sát cảm xúc (Self-monitoring) trong ca trực.
    • Xây dựng mạng lưới hỗ trợ đồng đẳng (Peer Support Network), cởi mở chia sẻ áp lực công việc với đồng nghiệp để tăng cường tính hòa đồng.

Phân tích chi phí - lợi ích (ROI)

Việc đầu tư chương trình đào tạo EI (ước tính $500.000 - 1.000.000$ VNĐ/nhân viên/năm) giúp giảm $25 - 35%$ nguy cơ kiệt sức nghề nghiệp, giảm $40%$ tỷ lệ xin chuyển công tác hoặc bỏ việc của điều dưỡng, từ đó tiết kiệm hàng trăm triệu đồng chi phí tuyển dụng, đào tạo thay thế và ngăn ngừa các rủi ro sai sót y khoa đắt giá.

Hạn chế và hướng phát triển

Nghiên cứu thẳng thắn thừa nhận các hạn chế kỹ thuật:

  • Phương pháp chọn mẫu: Chọn mẫu ngẫu nhiên thuận tiện ($N = 210$) giới hạn trong phạm vi Hà Nội, tỷ lệ nhóm tuổi trên 45 tuổi còn thấp ($6,19%$) do khảo sát trực tuyến.
  • Thiết kế nghiên cứu: Nghiên cứu cắt ngang (Cross-sectional Study) tại một thời điểm, chưa theo dõi được sự thay đổi của EI và mức độ căng thẳng theo chuỗi thời gian (Longitudinal Study).

Hướng phát triển trong tương lai:

  • Mở rộng quy mô mẫu đa trung tâm (Multi-center study) trên các thành phố lớn như TP. Hồ Chí Minh, Đà Nẵng, Cần Thơ với cỡ mẫu $N \ge 1.000$.
  • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như văn hóa tổ chức và sự gắn kết nhân viên.

Đối tượng hưởng lợi

  • Sinh viên y khoa & Quản trị: Tiếp cận khung phân tích định lượng chuẩn mực, phương pháp xử lý thang đo Likert và các mô hình hành vi tổ chức ứng dụng.
  • Nhà phát triển & Kỹ sư dữ liệu: Tham khảo pipeline tiền xử lý dữ liệu khảo sát, script phân tích nhân tố và thuật toán Cronbach's Alpha chuẩn hóa bằng Python.
  • Lãnh đạo Bệnh viện & Doanh nghiệp: Có căn cứ khoa học để thiết kế các chính sách đãi ngộ, chương trình nâng cao sức khỏe tinh thần và tối ưu hóa năng suất lao động.
  • Nhà nghiên cứu học thuật: Sử dụng bộ thang đo đã được kiểm định độ tin cậy ($\alpha > 0,80$) làm tài liệu tham khảo cho các nghiên cứu tiếp nối về tâm lý học hành vi.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật phần mềm để tái lập nghiên cứu này là gì? Hệ thống cần cài đặt IBM SPSS Statistics v26.0 (hoặc cao hơn) và IBM SPSS Amos v24.0, hoặc môi trường Python 3.10+ với các thư viện pandas, statsmodels, factor-analyzer. Cấu hình phần cứng tối thiểu: CPU 2 cores, 4GB RAM.

  2. Giới hạn quy mô mẫu tối thiểu để phân tích EFA/CFA đạt chuẩn là bao nhiêu? Theo Hair & cộng sự (2014), quy mô mẫu tối thiểu cho EFA là $100$ hoặc đạt tỷ lệ $5:1$ so với số biến quan sát. Với mô hình gồm 36 biến quan sát, cỡ mẫu $N = 210$ hoàn toàn đáp ứng độ tin cậy thống kê cao.

  3. Làm thế nào để tích hợp thang đo TEIQue-SF vào quy trình tuyển dụng y tế? Bộ câu hỏi TEIQue-SF rút gọn (15 - 20 câu đã kiểm định) có thể tích hợp trực tiếp vào hệ thống đánh giá nhân sự trực tuyến (HRM System) trong giai đoạn sơ tuyển để đánh giá mức độ ổn định cảm xúc của ứng viên.

  4. Chương trình can thiệp cải thiện EI cần được duy trì định kỳ như thế nào? Các chương trình tập huấn nâng cao EI cần được tổ chức định kỳ 6 tháng/lần kết hợp đánh giá kiểm tra chéo (360-degree feedback) để theo dõi tiến độ phục hồi tâm lý của nhân viên y tế.

  5. Thời gian hoàn vốn (ROI Timeline) khi triển khai chương trình chăm sóc cảm xúc là bao lâu? Các cơ sở y tế thường ghi nhận mức cải thiện rõ rệt về chỉ số hài lòng của người bệnh và giảm tỷ lệ nghỉ việc của nhân viên trong vòng 6 đến 12 tháng sau khi triển khai đồng bộ các giải pháp đào tạo EI.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Yến đã hoàn thành xuất sắc việc chứng minh mối quan hệ tác động tích cực của Trí thông minh cảm xúc (EI) đến Khả năng kiểm soát sự căng thẳng (KSSCT) của nhân viên y tế tại Hà Nội. Thông qua quy trình nghiên cứu định lượng chặt chẽ trên mẫu $N = 210$, công trình đã chuẩn hóa bộ thang đo đáng tin cậy ($\alpha = 0,806 - 0,857$, $KMO = 0,875$, phương sai trích $56,210%$) và khẳng định cả 4 khía cạnh: Tính đa cảm, Khả năng tự kiểm soát, Tính hòa đồng và Hạnh phúc đều đóng vai trò then chốt trong việc giảm thiểu áp lực nghề nghiệp.

Kết quả nghiên cứu mở ra hướng tiếp cận mới trong quản trị y tế hiện đại: xem năng lực cảm xúc là một tài sản chiến lược cần được đầu tư, đào tạo và bảo vệ nhằm nâng cao chất lượng dịch vụ chăm sóc sức khỏe cộng đồng.