Điểm chính

1. Xác định đơn vị phân tích và đơn vị ghi nhận riêng biệt.
2. Kiểm tra khóa định danh, thời gian và khả năng một người xuất hiện nhiều hàng.
3. Không coi nhiều lần quan sát của một cá nhân là nhiều cá nhân độc lập.
4. Nêu rõ mẫu số và cấp độ kết luận trong bảng, biểu đồ hoặc bài viết.

Một bảng kết quả có thể được sắp xếp theo vận động viên nhưng thực tế chứa nhiều lượt thi; bảng khác lại gộp thành một dòng cho mỗi đội. Nếu không đọc chú giải và cấu trúc dữ liệu, độc giả dễ đếm hàng rồi gọi đó là số người. Khi tìm hiểu diễn biến thể thao, bạn có thể theo dõi Trang KLIVE về các trận bóng rổ trực tiếp; còn trước khi tính toán bất kỳ chỉ số nào, hãy hỏi hàng dữ liệu đại diện cho ai hoặc việc gì.

1. Ba khái niệm cần tách bạch

Đơn vị phân tích là đối tượng mà câu hỏi hoặc kết luận hướng tới. Đó có thể là cá nhân, đội, trận, lần thi, mùa giải hoặc một pha cụ thể. Đơn vị ghi nhận là nơi dữ liệu được tạo ra: ví dụ một lần xuất phát tạo ra một kết quả, còn một cá nhân có thể có nhiều lần xuất phát. Đơn vị hiển thị là cách bảng trình bày; nó có thể tổng hợp nhiều bản ghi thành một hàng hoặc tách một đối tượng thành nhiều hàng.

Các khái niệm này đôi khi trùng nhau nhưng không mặc nhiên giống nhau. Nếu bảng liệt kê từng trận, mỗi hàng có thể là một trận, trong khi câu hỏi lại nói về đội. Nếu bảng thống kê từng sự kiện của một giải điền kinh, vận động viên tham gia nhiều nội dung có thể xuất hiện ở nhiều hàng. Cần biết cấu trúc trước khi đếm, tính trung bình hay rút ra kết luận về cá nhân.

Hãy đọc tiêu đề, chú thích, trường mã định danh và tài liệu đi kèm. Cột tên không phải lúc nào cũng là khóa duy nhất: cách viết tên có thể khác nhau, hai người có thể trùng tên, hoặc cùng một người có thể dùng biến thể tên qua các giải. Nếu có mã vận động viên, mã đội, mã cuộc thi và ngày, hãy kiểm tra cách chúng kết hợp để nhận diện bản ghi. Không nên tự khẳng định các hàng đã được khử trùng lặp nếu chưa có bước kiểm tra.

2. Vì sao một người có thể thành nhiều hàng

Một vận động viên có thể dự nhiều nội dung, thi đấu nhiều trận hoặc có kết quả qua nhiều vòng. Khi dữ liệu được ghi ở mức lần thi, điều đó là có chủ ý chứ không nhất thiết là lỗi lặp. Tuy nhiên, nếu bài viết đặt câu hỏi về số vận động viên, cần đếm cá nhân duy nhất theo định danh thích hợp thay vì tổng hàng. Cũng phải nói rõ kỳ thời gian và giải nào được tính; nếu không, một con số tưởng như chính xác vẫn mơ hồ về phạm vi.

Việc gộp dữ liệu cũng đặt ra lựa chọn. Có thể tổng hợp kết quả theo người, theo đội hoặc theo mùa, nhưng phải nêu cách tổng hợp: tổng, trung bình, kết quả tốt nhất, hay bản ghi gần nhất. Mỗi cách trả lời một câu hỏi khác nhau. Chọn thành tích tốt nhất có thể phù hợp khi mô tả đỉnh cao của một vận động viên trong phạm vi xác định; nó không mô tả tính ổn định qua mọi lần thi. Trung bình có thể che khuất số lần tham gia và biến thiên.

Khi cá nhân lặp lại trong dữ liệu, quan sát của cùng một người thường có liên hệ với nhau: điều kiện huấn luyện, năng lực nền, vai trò hoặc lịch thi đấu có thể tiếp diễn qua các lần. Do vậy, không nên diễn giải hàng triệu lần ghi nhận như thể đó là cùng số lượng người độc lập. Trong thống kê chuyên sâu, cấu trúc lặp cần được tính đến trong thiết kế phân tích; ở bài đọc phổ thông, tối thiểu hãy gọi đúng đơn vị và tránh suy rộng từ số bản ghi sang số con người.

3. Cá nhân và đội trả lời câu hỏi khác nhau

Một chỉ số ở cấp đội có thể là tổng hợp của nhiều người, thay người, chiến thuật và thời gian thi đấu. Nó không tự cho biết đóng góp của từng thành viên. Ngược lại, chỉ số cá nhân có thể phụ thuộc vào cách đội tổ chức và vai trò được giao. Nếu câu hỏi là đội kiểm soát trận đấu ra sao, cần dữ liệu ở cấp đội hoặc diễn biến theo thời gian; nếu hỏi một cá nhân thực hiện hành động nào, cần dữ liệu cấp cá nhân có định nghĩa rõ.

Không thể lấy kết quả cá nhân rồi mặc nhiên gán cho đội, hoặc lấy kết quả đội rồi khẳng định mọi người trong đội có cùng đặc điểm. Đây là lỗi đổi cấp độ: mẫu được tổng hợp ở một cấp nhưng lời kết luận nói về cấp khác. Một đội chiến thắng không chứng minh từng người đều có cùng đóng góp; một cá nhân nổi bật không chứng minh toàn đội có ưu thế ở mọi mặt.

Ở môn đồng đội, cần để ý người vào sân, thời lượng tham gia và đội hình thay đổi. Ở môn cá nhân, vẫn có thể có kết quả đội tuyển, tiếp sức hoặc xếp hạng quốc gia. Tên môn không xác định hộ đơn vị phân tích. Chính câu hỏi và cấu trúc bản ghi mới quyết định cấp độ phù hợp.

4. Cách kiểm tra bảng trước khi trích dẫn

Bước đầu, xác định mỗi dòng, mỗi mã và mỗi thời điểm biểu thị gì. Sau đó kiểm tra liệu có nhiều dòng cùng định danh nhưng khác vòng, nội dung hoặc ngày; xem cách xử lý vắng mặt, bỏ cuộc, kết quả bị sửa và đội hình; đọc xem bảng đã tổng hợp hay chưa. Nếu nguồn cung cấp từ điển dữ liệu, hãy xem định nghĩa trường thay vì dựa vào tên cột ngắn. Olympic Data Feed của IOC công bố tài liệu kỹ thuật và từ điển dữ liệu cho các cấu trúc thông tin thi đấu; đó là ví dụ cho thấy thông điệp và đối tượng dữ liệu cần được hiểu theo định nghĩa tài liệu, không suy ra chỉ từ cách bảng hiển thị. ^[1]

Tiếp theo, khớp cấp độ của câu hỏi với cấp độ của phép tính. Muốn đếm người thì xác định quy tắc cá nhân duy nhất; muốn so sánh đội thì thống nhất mùa, giải và đơn vị đội; muốn phân tích sự kiện thì giữ từng lần thi nhưng tránh gọi đó là số người. Ghi rõ mẫu số, dữ liệu bị loại và cách tổng hợp. Nếu dữ liệu không đủ để nhận diện đối tượng duy nhất, hãy báo cáo số bản ghi, không đổi tên nó thành số vận động viên.

Khi chia sẻ biểu đồ, đặt đơn vị vào nhãn trục hoặc chú thích. ‘Số lần thi’ khác ‘số vận động viên’; ‘kết quả mỗi trận’ khác ‘kết quả mỗi đội’. Một câu giải thích ngắn có thể ngăn nhầm lẫn lan từ bảng sang tiêu đề hoặc mạng xã hội. Nếu không thể xác minh đơn vị, hãy nói rõ bất định và không đưa ra kết luận đòi hỏi phân biệt cấp độ mà dữ liệu không hỗ trợ.

Câu hỏi thường gặp