Giới thiệu dự án

Theo báo cáo năm 2023 của Bộ Lao động - Thương binh và Xã hội, nhu cầu tuyển dụng nhân lực trong lĩnh vực Tiếp thị (Marketing) và Tiếp thị số (Digital Marketing) tại Việt Nam tăng trưởng hơn 15% so với năm 2022. Sự bùng nổ của thương mại điện tử và chuyển đổi số đặt ra yêu cầu cấp thiết về nguồn nhân lực chất lượng cao. Tuy nhiên, thực trạng đào tạo tại các trường đại học khối kinh tế - tài chính, điển hình như Trường Đại học Ngân hàng Thành phố Hồ Chí Minh (HUB), cho thấy tỷ lệ sinh viên định hướng và lựa chọn chuyên ngành Marketing chưa đồng đều, xuất hiện khoảng cách lớn giữa nhận thức của người học và yêu cầu tuyển dụng thực tế.

Nhiều sinh viên đưa ra quyết định chọn ngành dựa theo xu hướng đám đông hoặc áp lực gia đình mà thiếu thông tin toàn diện về lộ trình nghề nghiệp và năng lực bản thân. Nhằm giải quyết triệt để vấn đề này, đề tài nghiên cứu "Các yếu tố ảnh hưởng đến quyết định chọn chuyên ngành Marketing của sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh" do tác giả Bùi Minh Nhật thực hiện (thuộc ngành Quản trị kinh doanh - Mã ngành: 7340101, dưới sự hướng dẫn khoa học của TS. Châu Đình Linh) đã xây dựng mô hình thực nghiệm định lượng nhằm tối ưu hóa công tác định hướng học thuật và tuyển sinh.

Mục tiêu nghiên cứu cụ thể

  1. Xác định các nhân tố cốt lõi: Định danh hệ thống các yếu tố chủ quan và khách quan tác động đến quyết định chọn chuyên ngành Marketing của sinh viên HUB.
  2. Lượng hóa mức độ tác động: Đánh giá trọng số hồi quy chuẩn hóa của từng nhóm nhân tố thông qua mô hình phân tích định lượng.
  3. Kiểm định sai biệt nhân khẩu học: Phân tích sự khác biệt về quyết định chọn ngành giữa các nhóm giới tính và năm học.
  4. Đề xuất hàm ý quản trị: Cung cấp khuyến nghị chiến lược cho ban lãnh đạo nhà trường nhằm nâng cao chất lượng tuyển sinh và phát triển chương trình đào tạo Marketing định hướng Digital.

Phạm vi và giới hạn

  • Không gian: Khảo sát sinh viên hệ Đại học chính quy chuẩn, Đại học chính quy quốc tế cấp song bằng và quốc tế do đối tác cấp bằng tại Trường Đại học Ngân hàng TP.HCM.
  • Thời gian: Dữ liệu sơ cấp được thu thập trong giai đoạn từ tháng 04/2024 đến hết tháng 05/2024.
  • Giới hạn nghiên cứu: Mẫu nghiên cứu tập trung tại một cơ sở đào tạo chuyên biệt ngành kinh tế - tài chính, sử dụng phương pháp chọn mẫu thuận tiện phi xác suất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi chọn ngành nghề đòi hỏi sự đối chiếu giữa các lý thuyết hành vi kinh điển và dữ liệu khảo sát thực địa.

Tiêu chí so sánh Mô hình Kniveton (2004) Mô hình Wei-Chun Lee (2009) Mô hình nghiên cứu đề xuất (2024)
Cơ sở lý thuyết Social Cognitive Theory Conflict Theory of Decision Making Tích hợp TPB (Ajzen) & SCCT (Hackett & Betz)
Biến độc lập Gia đình, Nhà trường Xung đột lựa chọn, Kỳ vọng nghề nghiệp 05 nhóm biến: Bản thân, Người thân, Nhà trường, Cơ hội, Chuyên ngành
Đặc thù ngành Đa ngành tổng quát Kinh doanh chung Chuyên sâu Marketing / Digital Marketing tại ĐH khối tài chính
Ưu điểm Đơn giản, dễ tiếp cận Làm rõ áp lực cạnh tranh Đo lường đa chiều, gắn liền thực tế chuyển đổi số
Nhược điểm Thiếu biến cơ hội thị trường Cỡ mẫu hạn chế Giới hạn trong phạm vi sinh viên HUB

Áp dụng phương pháp phân loại yêu cầu MoSCoW trong thiết kế bảng hỏi và biến quan sát:

  • Must have (Bắt buộc): Nhóm biến Bản thân sinh viên (BT1-BT4), Cơ hội việc làm (CH1-CH3), Quyết định chọn (QD1-QD3).
  • Should have (Nên có): Nhóm biến Đặc điểm chuyên ngành Marketing (CN1-CN4), Đặc điểm trường HUB (TDH1-TDH4).
  • Could have (Có thể có): Nhóm biến Ý kiến người thân và bạn bè (NT1-NT3).
  • Won't have (Không đưa vào đợt này): Biến số về điều kiện kinh tế hộ gia đình chi tiết nhằm tránh gây nhiễu tâm lý người trả lời.

Thiết kế hệ thống đo lường và cấu trúc dữ liệu

Mô hình nghiên cứu kế thừa Lý thuyết Hành vi dự định (Theory of Planned Behavior - TPB) của Ajzen & Fishbein (1975) và Lý thuyết Phát triển Xã hội Nghề nghiệp (Social Cognitive Career Theory - SCCT) của Hackett & Betz (1994). Hệ thống thang đo 5 mức Likert (1: Rất không đồng ý đến 5: Rất đồng ý) gồm 21 biến quan sát:

Bảng cấu trúc dữ liệu và từ điển biến số (Data Schema)

-- Thiết kế lược đồ bảng dữ liệu khảo sát sinh viên HUB
CREATE TABLE SurveyResponses (
    RespondentID INT PRIMARY KEY AUTO_INCREMENT,
    Gender ENUM('Male', 'Female') NOT NULL,
    AcademicYear ENUM('Year1', 'Year2', 'Year3', 'Year4') NOT NULL,
    NT1 DECIMAL(2,1), NT2 DECIMAL(2,1), NT3 DECIMAL(2,1),
    TDH1 DECIMAL(2,1), TDH2 DECIMAL(2,1), TDH3 DECIMAL(2,1), TDH4 DECIMAL(2,1),
    BT1 DECIMAL(2,1), BT2 DECIMAL(2,1), BT3 DECIMAL(2,1), BT4 DECIMAL(2,1),
    CH1 DECIMAL(2,1), CH2 DECIMAL(2,1), CH3 DECIMAL(2,1),
    CN1 DECIMAL(2,1), CN2 DECIMAL(2,1), CN3 DECIMAL(2,1), CN4 DECIMAL(2,1),
    QD1 DECIMAL(2,1), QD2 DECIMAL(2,1), QD3 DECIMAL(2,1),
    SubmissionTimestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu kết hợp hai giai đoạn tuần tự:

  1. Nghiên cứu định tính: Thực hiện thảo luận nhóm tập trung ($N=10$) và phỏng vấn sâu chuyên gia nhằm hiệu chỉnh nội dung các biến quan sát từ thang đo quốc tế cho phù hợp với môi trường giáo dục HUB.
  2. Nghiên cứu định lượng: Khảo sát trực tuyến qua Google Forms. Quy mô mẫu áp dụng công thức của Hair et al. (1998): Cỡ mẫu tối thiểu $N \ge 5 \times k$ (với $k=21$ biến quan sát, $N_{min} = 105$). Để tăng độ tin cậy thống kê, tác giả thu thập 230 phiếu, làm sạch và giữ lại 215 mẫu hợp lệ ($N = 215 \ge 10 \times 21$).

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích

Quy trình phân tích dữ liệu được thực hiện trên phần mềm IBM SPSS Statistics v20.0 kết hợp các thư viện thống kê toán học (pandas, scikit-learn, factor_analyzerstatsmodels v0.14.0 trên nền tảng Python 3.10) để tái kiểm định kết quả.

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Thuật toán tính hệ số Cronbach's Alpha
def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variances = df_items.var(axis=0, ddof=1)
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variances.sum() / total_variance))
    return float(alpha)

# 2. Xây dựng mô hình Hồi quy tuyến tính bội OLS
def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    # Kiểm tra hiện tượng đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Kết quả kiểm định độ tin cậy và phân tích nhân tố EFA

  • Kiểm định Cronbach's Alpha: Toàn bộ 5 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt hệ số tin cậy $\alpha > 0.70$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của từng biến đều $> 0.30$, không có biến rác bị loại bỏ.
  • Phân tích nhân tố khám phá (EFA):
    • Hệ số $KMO = 0.842$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có mức ý nghĩa thống kê $p < 0.001$ ($Sig. = 0.000$).
    • Giá trị riêng (Eigenvalue) của nhân tố cuối cùng dừng lại ở mức $1.245 > 1.0$.
    • Tổng phương sai trích (Total Variance Explained) đạt $62.85% > 50%$, chứng minh 5 nhân tố trích xuất giải thích được gần $63%$ độ biến thiên của bộ dữ liệu gốc.
    • Tất cả các trọng số tải nhân tố (Factor Loading) đều đạt chuẩn $\ge 0.55$, hệ số khác biệt tải giữa các nhân tố đều $> 0.30$.

Kết quả hồi quy tuyến tính bội

Phương trình hồi quy đa biến chuẩn hóa xác định mức độ tác động của 5 nhóm nhân tố đến quyết định chọn chuyên ngành Marketing ($QD$):

$$QD = \beta_0 + \beta_1 \cdot BT + \beta_2 \cdot CH + \beta_3 \cdot CN + \beta_4 \cdot TDH + \beta_5 \cdot NT + \varepsilon$$

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số Beta ($\beta$) chuẩn hóa Giá trị $t$ Mức ý nghĩa ($p$-value) Chỉ số VIF
Hằng số (Constant) 0.214 0.185 - 1.157 0.249 -
Bản thân sinh viên (BT) 0.342 0.045 0.358 7.600 0.000 1.245
Cơ hội việc làm (CH) 0.285 0.048 0.294 5.937 0.000 1.312
Đặc điểm chuyên ngành (CN) 0.198 0.042 0.205 4.714 0.000 1.280
Đặc điểm trường HUB (TDH) 0.142 0.039 0.148 3.641 0.000 1.195
Ý kiến người thân (NT) 0.096 0.035 0.098 2.743 0.007 1.120
  • Độ phù hợp mô hình: Hệ số $R^2 = 0.584$, $R^2$ hiệu chỉnh $= 0.574$. Điều này khẳng định 5 biến độc lập giải thích được $57.4%$ sự thay đổi trong quyết định chọn chuyên ngành Marketing của sinh viên HUB.
  • Kiểm định F: $F = 58.621$ với $p$-value $= 0.000 < 0.05$, bác bỏ giả thuyết $H_0$, mô hình hồi quy đạt độ tin cậy tuyệt đối.
  • Kiểm định đa cộng tuyến: Toàn bộ hệ số phóng đại phương sai $VIF \in [1.120, 1.312] < 5.0$, chứng minh không tồn tại hiện tượng đa cộng tuyến.
  • Kiểm định sai biệt (T-Test & ANOVA):
    • Không tìm thấy sự khác biệt có ý nghĩa thống kê giữa Nam ($33.5%$) và Nữ ($66.5%$) trong quyết định chọn ngành ($p = 0.412 > 0.05$).
    • Kiểm định ANOVA năm học cho thấy sinh viên Năm 2 ($72.1%$) có mức độ quan tâm và quyết tâm chọn ngành rõ ràng và dứt khoát hơn nhóm sinh viên Năm 1 ($p = 0.028 < 0.05$).

Đổi mới và đóng góp

  1. Khung thực nghiệm chuyên biệt cho khối ngành Marketing tại HUB: Lần đầu tiên một nghiên cứu định lượng quy mô tại Trường Đại học Ngân hàng TP.HCM tích hợp thành công hai trường phái lý thuyết TPB và SCCT để đo lường hành vi phân luồng chuyên ngành Marketing từ ngành chính Quản trị kinh doanh.
  2. Khẳng định vai trò của năng lực tự thân: So với các nghiên cứu trước đây vốn nhấn mạnh yếu tố gia đình (như Nguyễn Thị Kim Nhung & Lương Thị Thành Vinh, 2018), nghiên cứu này chứng minh yếu tố "Bản thân cá nhân" ($\beta = 0.358$) và "Cơ hội việc làm" ($\beta = 0.294$) chiếm ưu thế áp đảo với hơn $65%$ tổng trọng số tác động.
  3. Cơ sở dữ liệu khoa học cho đề án mở ngành mới: Kết quả nghiên cứu cung cấp luận cứ thực nghiệm định lượng hỗ trợ nhà trường chuyển đổi mô hình từ chuyên ngành thuộc Quản trị kinh doanh sang tuyển sinh độc lập ngành Marketing (định hướng Digital) từ năm 2024.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng trong quản trị đại học

  • Cố vấn học tập và phân luồng từ năm nhất: Dựa trên mức độ ảnh hưởng của yếu tố "Bản thân sinh viên", nhà trường triển khai các bài đánh giá hướng nghiệp chuyên biệt (Marketing Career Competency Test) ngay từ Học kỳ 1 năm thứ nhất.
  • Tối ưu hóa truyền thông tuyển sinh: Tập trung thông điệp vào cơ hội việc làm thực tế, mức lương khởi điểm ngành Digital Marketing và môi trường đào tạo đạt chuẩn kiểm định quốc tế AUN-QA của HUB.

Phân tích chi phí - Lợi ích (Cost-Benefit Analysis)

  • Chi phí đầu tư: Kinh phí tổ chức ngày hội định hướng chuyên ngành, mời chuyên gia doanh nghiệp workshop và nâng cấp phòng thực hành máy tính Digital Marketing (~150.000.000 VNĐ/năm).
  • Hiệu quả thu hồi (ROI): Tăng tỷ lệ sinh viên đăng ký chuyên ngành đúng nguyện vọng lên $30%$, giảm tỷ lệ chuyển ngành hoặc thôi học sau năm thứ hai xuống dưới $3%$, đồng thời nâng cao tỷ lệ sinh viên có việc làm đúng chuyên ngành trong vòng 6 tháng sau tốt nghiệp đạt trên $92%$.

Hạn chế và hướng phát triển

  1. Phương pháp lấy mẫu: Mẫu nghiên cứu ($N=215$) được thu thập theo phương pháp thuận tiện trực tuyến, tỷ lệ sinh viên Năm 2 chiếm $72.1%$, tạo ra sự chênh lệch nhất định với các năm học khác.
  2. Phạm vi địa lý: Dữ liệu mới chỉ đại diện cho sinh viên HUB tại TP. Hồ Chí Minh, chưa so sánh chéo với các trường đại học khác cùng khối ngành.
  3. Hướng phát triển tương lai:
    • Áp dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM qua phần mềm AMOS để đánh giá các biến trung gian (như niềm tin, sự hài lòng kỳ vọng).
    • Mở rộng nghiên cứu dọc (Longitudinal Study) theo dõi từ khi sinh viên chọn chuyên ngành đến thời điểm 1 năm sau tốt nghiệp nhằm kiểm chứng mối quan hệ giữa quyết định chọn ngành và thành công nghề nghiệp thực tế.

Đối tượng hưởng lợi

  • Sinh viên đại học: Nhận diện rõ ràng các tiêu chí cốt lõi để tự đánh giá năng lực, tránh chọn ngành theo cảm tính hoặc áp lực người thân, tự tin lập lộ trình học tập cá nhân hóa.
  • Giảng viên và Cố vấn học thuật: Sở hữu bộ dữ liệu thực chứng để thiết kế nội dung tư vấn, xây dựng các học phần ứng dụng cao (Content Marketing, Search Engine Marketing, Social Media Analytics).
  • Ban Giám hiệu và Phòng Tuyển sinh HUB: Có cơ sở dữ liệu định lượng phục vụ công tác xây dựng đề án tuyển sinh, phân bổ chỉ tiêu và nâng cấp cơ sở vật chất phòng Lab thực hành.
  • Nhà nghiên cứu giáo dục: Cung cấp bộ thang đo đã được chuẩn hóa và kiểm định Cronbach's Alpha, EFA hoàn chỉnh tại Việt Nam làm tài liệu tham khảo cho các công trình liên quan.

Câu hỏi thường gặp

1. Yếu tố nào đóng vai trò quyết định mạnh mẽ nhất đến lựa chọn của sinh viên?

Kết quả hồi quy chuẩn hóa khẳng định yếu tố Bản thân cá nhân sinh viên ($\beta = 0.358, p < 0.001$) có tác động mạnh nhất, tiếp theo là Cơ hội việc làm trong tương lai ($\beta = 0.294, p < 0.001$). Điều này chỉ ra sinh viên hiện đại rất chủ động và thực tế khi lựa chọn hướng đi sự nghiệp.

2. Có sự khác biệt nào giữa sinh viên Nam và Nữ khi quyết định chọn ngành Marketing không?

Kiểm định $T$-Test độc lập cho thấy giá trị $p = 0.412 > 0.05$. Do đó, không có sự khác biệt có ý nghĩa thống kê giữa hai giới tính về quyết định lựa chọn chuyên ngành Marketing tại HUB, mặc dù tỷ lệ nữ giới tham gia ngành học này chiếm tỷ lệ đa số trong mẫu khảo sát ($66.5%$).

3. Quy mô mẫu N = 215 có đáp ứng tiêu chuẩn nghiên cứu khoa học không?

Mô hình có 21 biến quan sát. Theo tiêu chuẩn của Hair et al. (1998) yêu cầu tối thiểu $5 \times 21 = 105$ mẫu và tiêu chuẩn Bollen (1989) yêu cầu $10 \times 21 = 210$ mẫu. Cỡ mẫu $N = 215$ hợp lệ ($93.5%$ tỷ lệ phản hồi sạch) hoàn toàn đáp ứng độ tin cậy và giá trị thống kê cho phân tích EFA và hồi quy OLS.

4. Đề tài này đóng góp gì cho sự phát triển của chuyên ngành Marketing tại HUB?

Nghiên cứu cung cấp luận cứ thực nghiệm quan trọng giúp nhà trường nâng cấp chuyên ngành Marketing (thuộc ngành Quản trị kinh doanh) thành ngành đào tạo độc lập từ đợt tuyển sinh năm 2024, đồng thời định hướng tích hợp sâu các học phần Digital Marketing theo nhu cầu doanh nghiệp.

5. Tại sao yếu tố "Ý kiến người thân" lại có mức độ tác động thấp nhất trong mô hình?

Hệ số hồi quy của biến "Ý kiến người thân" đạt $\beta = 0.098$ ($p = 0.007$). Mặc dù vẫn có ý nghĩa thống kê, mức độ tác động thấp phản ánh xu hướng độc lập, tự chủ ngày càng cao của thế hệ sinh viên hiện nay khi tìm kiếm và lựa chọn nghề nghiệp dựa trên năng lực và thị trường thay vì chịu sự sắp đặt gia đình.


Kết luận

Công trình nghiên cứu của tác giả Bùi Minh Nhật đã mô hình hóa thành công các động lực định hình quyết định chọn chuyên ngành Marketing của sinh viên Trường Đại học Ngân hàng Thành phố Hồ Chí Minh. Thông qua việc áp dụng nghiêm ngặt các kỹ thuật phân tích định lượng (Cronbach's Alpha, EFA, OLS Regression, ANOVA), đề tài khẳng định vai trò trọng tâm của năng lực cá nhân và tiềm năng việc làm trong bối cảnh nền kinh tế số. Kết quả nghiên cứu không chỉ đóng góp giá trị học thuật vào hệ thống lý thuyết hành vi chọn ngành tại Việt Nam mà còn là bản khuyến nghị quản trị thực tiễn giúp HUB nâng cao chất lượng đào tạo, tạo nền tảng vững chắc cho sự phát triển của ngành Marketing trong tương lai.