SO SÁNH PHƯƠNG PHÁP PHÂN TÍCH CB-SEM VÀ PLS-SEM TRONG KIỂM ĐỊNH MÔ HÌNH ĐÁNH GIÁ HIỆU QUẢ CỦA HÌNH THỨC BỒI DƯỠNG GIÁO VIÊN TRỰC TUYẾN
Tóm tắt
Mô hình cấu trúc tuyến tính (SEM) là phương pháp phân tích thống kê thế hệ thứ hai đang rất phổ biến trong các công trình nghiên cứu khoa học trên thế giới và dần nhận được sự quan tâm của các nhà khoa học giáo dục Việt Nam trong vài năm gần đây. Mục đích của nghiên cứu này là so sánh kết quả kiểm định mô hình đo lường giữa hai cách tiếp cận CB-SEM và PLS-SEM dựa trên bộ dữ liệu khảo sát về mô hình đánh giá hiệu quả của hình thức bồi dưỡng giáo viên trực tuyến. Kết quả nghiên cứu cho thấy, các nguồn lực của mô hình bồi dưỡng giáo viên trực tuyến có tác động trực tiếp đến sự hài lòng của giáo viên, qua đó gián tiếp ảnh hưởng đến việc giáo viên áp dụng kĩ năng được bồi dưỡng vào thực tiễn. Đa số kết quả kiểm định mô hình đo lường và mô hình cấu trúc cho thấy không có sự khác biệt đáng kể giữa cả hai phương pháp CB-SEM và PLS-SEM. Các thang đo đều đạt các tiêu chí về độ tin cậy, giá trị hội tụ, giá trị phân biệt. Tuy nhiên, một số tiêu chí về đánh giá giá trị lí thuyết, sự phù hợp của mô hình đo lường và sự thuận tiện trong thao tác thực hiện thì thế mạnh của PLS-SEM là điểm yếu của CB-SEM và ngược lại.
Từ khóa
Toàn văn:
PDFTrích dẫn
Astrachan, C. B., Patel, V. K., & Wanzenried, G. (2014). A comparative study of CB-SEM and PLS-SEM for theory development in family firm research. Journal of Family Business Strategy, 5(1), 116-128. doi:10.1016/j.jfbs.2013.12.002
Austrian Development Cooperation. (2009). Guidelines for Project and Programme Evaluations.
Baumgartner, H., & Homburg, C. (1996). Applications of structural equation modeling in marketing and consumer research: A review. International Journal of Research in Marketing, 13(2), 139-161. doi:10.1016/0167-8116(95)00038-0
Bien, N. V., Van, N. A., Son, D. V., & Khuyen, N. T. (2020). Reliability and validity an instrument to assess creative competency in engineering design on STEM education [Xay dung cong cu danh gia nang luc sang tao thiet ke ki thuat trong giao duc STEM]. HNUE Journal of Science, 65(1), 151-162. doi:10.18173/2354-1075.2020-0015
Broad, K., & Evans, M. (2006). A Review of Literature On Professional Development Content And Delivery Modes For Experienced Teachers. Toronto, ON: University of Toronto, Ontario Institute for Studies in Education.
Bryant, F. B., & Yarnold, P. R. (1995). Principal-components analysis and exploratory and confirmatory factor analysis. In L. G. Grimm, & P. R. Yarnold, Reading and understanding multivariate statistics (pp. 99-136). Washington DC: American Psychological Association.
Chin, W. W., & Todd, P. A. (1995). On the Use, Usefulness, and Ease of Use of Structural Equation Modeling in MIS Research: A Note of Caution. Management Information Systems Research Center, University of Minnesota, 237-246. doi:10.2307/249690
Churchill, G. A. (1979). A Paradigm for Developing Better Measures of Marketing Constructs. Journal of Marketing Research, 64-73. doi:10.2307/3150876
Day, C. (1999). Developing Teachers: The Challenges of Lifelong Learning. Routledge.
Fornell, C., & Larcker, D. F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39-50. doi:10.1177/002224378101800104
Garet, M. S., Porter, A. C., Desimone, L., Birman, B. F., & Yoon, K. S. (2001). What Makes Professional Development Effective? Results From a National Sample of Teachers. American Educational Research Joural, 38(4), 915-945. doi:10.3102/00028312038004915
Garson, G. D. (2016). Partial Least Squares: Regression & Structural Equation Models: 2016 Edition. Asheboro: Statistical Associates Publishing.
Gerbing, D. W., & Anderson, J. C. (1988). An Updated Paradigm for Scale Development Incorporating Unidimensionality and Its Assessment. Journal of Marketing Research, 25(2), 186-192. doi:10.2307/3172650
Goodhue, D. L., Lewis, W., & Thompson, R. (2012). Comparing PLS to regression and LISREL: a response to Marcoulides, Chin, and Saunders. MIS Quarterly, 36(2). doi:10.2307/41703476
Guarino, A. J. (2004). A Comparison of First and Second Generation Multivariate Analyses: Canonical Correlation Analysis and Structural Equation Modeling. Florida Journal of Educational Research, 40, 22-40.
Haenlein, M., & Kaplan, A. (2004). A Beginner’s Guide to Partial Least Squares Analysis. Understanding Statistics, 3(4), 283-297. doi:10.1207/s15328031us0304_4
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning, EMEA.
Hair, J. F., Hult, G. T., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3nd ed.). Thousand Oaks, CA: Sage.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use of partial least squares structural equation modeling in marketing research. Journal of the Academy of Marketing Science, 40, 414-433. doi:10.1007/s11747 -011-0261-6
Henseler, J., Hubona, G., & Ray, P. A. (2016). Using PLS path modeling in new technology research: updated guidelines. Industrial Management & Data Systems, 2-20. doi:10.1108/IMDS-09-2015-0382
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing, Science, 43, 115-135. doi:10.1007/s11747-014-0403-8
Jöreskog, K. G. (1993). Testing Structural Equation Models. In K. A. Bollen, & J. S. Long, Testing Structural Equation Models (pp. 294-316). Thousand Oaks, CA: Sage.
Kaufman, R., Keller, J., & Watkins, R. (1996). What works and what doesn’t: Evaluation beyond Kirkpatrick. Nonprofit Management Leadership, 35, 8-12. doi:10.1002/pfi.4170350204
Kennedy, A. (2005). Models of Continuing Professional Development: a framework for analysis. Journal of In-service Education, 235-250. doi:10.1080/13674580500200277
Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). The Guilford Press.
Lohmöller, J. B. (1989). Latent Variable Path Modeling with Partial Least Squares. Physica-Verlag, Heidelberg. doi:10.1007/978-3-642-52512-4
Ngoc-Tan, N., & Gregar, A. (2019). Knowledge Management and Its Impacts on Organisational Performance: An Empirical Research in Public Higher Education Institutions of Vietnam. Journal of Information & Knowledge Management, 18(2), 1950015. doi:10.1142/S0219649219500151
Nunnally, J. C., & Bernstein, I. H. (1994). The Assessment of Reliability. In Psychometric Theory (Vol. 3, pp. 248-292). New York: McGraw-Hill.
Ranatunga, R., Priyanath, H., & Megama, R. (2020). Methods and Rule-Of-Thumbs in The Determination of Minimum Sample Size When Appling Structural Equation Modelling: A Review. Journal of Social Science Research, 15, 102-109. doi:10.24297/jssr.v15i.8670
Sarstedt, M., Ringle, C. M., Henseler, J., & Hair, J. F. (2014). On the Emancipation of PLS-SEM: A Commentary on Rigdon 2012. Long Range Planning, 47(3), 154-160. doi:10.1016/j.lrp.2014.02.007
Steenkamp, J. E., & van Trijp, J. C. (1991). The use of LISREL in validating marketing constructs. Marketing and Consumer Behaviour, 8, 289-299. doi:10.1016/0167-8116(91)90027-5
Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach's alpha. International Journal of Medical Education, 2, 53-55. doi:10.5116/ijme.4dfb.8dfd
DOI: https://doi.org/10.54607/hcmue.js.19.2.3306(2022)