Giới thiệu dự án

Thị trường lao động giai đoạn hậu đại dịch COVID-19 và suy thoái kinh tế toàn cầu chứng kiến nhiều biến động sâu sắc. Báo cáo từ Tokyo Shoko Research chỉ ra số lượng doanh nghiệp phá sản tại Nhật Bản năm 2023 tăng 35,2% so với năm 2022. Tại châu Âu, Viện Nghiên cứu Kinh tế Đức (IW) ghi nhận tỷ lệ doanh nghiệp giải thể tăng 23,5%. Tại Việt Nam, số liệu từ Tổng cục Thống kê (29/12/2023) công bố tổng số doanh nghiệp rút lui khỏi thị trường trong năm 2023 tăng 20,5% so với năm 2022. Áp lực cắt giảm nhân sự từ khối doanh nghiệp đẩy thị trường việc làm của sinh viên mới tốt nghiệp vào tình trạng cạnh tranh khốc liệt.

Khảo sát của Viện Chính sách Giáo dục Đại học Anh Quốc (HEPI, 06/2023) ghi nhận 55% sinh viên tham gia làm thêm có lương ngay trong thời gian học, tăng 15% so với năm 2022. Tại Việt Nam, tỷ lệ sinh viên đại học tham gia làm thêm ước tính dao động từ 70% đến 80%. Để chuẩn hóa hành lang pháp lý, ngày 15/03/2024, Bộ Lao động - Thương binh và Xã hội đã đưa vào dự thảo Luật Việc làm sửa đổi quy định học sinh, sinh viên từ 15 tuổi trở lên được làm việc bán thời gian tối đa 20 giờ/tuần trong học kỳ và 48 giờ/tuần trong kỳ nghỉ.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH & ĐỘNG LỰC NGHIÊN CỨU                         |
|  - Biến động kinh tế vĩ mô: Doanh nghiệp giải thể tăng 20.5% (TCTK VN 2023)       |
|  - Áp lực thị trường lao động: Đòi hỏi kinh nghiệm thực chiến trước tốt nghiệp   |
|  - Hành lang pháp lý mới: Dự thảo Luật Việc làm (tối đa 20h/tuần trong kỳ học)    |
|  - Thực trạng sinh viên HUB: Nhu cầu tài chính & tích lũy vốn con người tăng cao   |
+-----------------------------------------------------------------------------------+

Problem Statement và Pain Points

Mặc dù nhu cầu làm việc bán thời gian rất lớn, sinh viên ngành Quản trị Kinh doanh và khối ngành Kinh tế - Tài chính tại Trường Đại học Ngân hàng Thành phố Hồ Chí Minh (HUB) đối mặt với các vấn đề then chốt:

  • Xung đột thời gian và kết quả học tập: Khó khăn trong việc cân đối giữa thời khóa biểu tín chỉ và ca làm việc bán thời gian, dẫn đến nguy cơ giảm sút điểm trung bình tích lũy (GPA).
  • Mất cân đối giữa nhu cầu tài chính ngắn hạn và tích lũy kỹ năng dài hạn: Nhiều sinh viên chọn công việc phổ thông tạo ra thu nhập tức thời nhưng không gia tăng giá trị chuyên môn, làm giảm hiệu quả đầu tư vào vốn con người.
  • Thiếu khung phân tích định lượng chuẩn hóa: Nhà trường và doanh nghiệp thiếu mô hình đo lường chính xác mức độ tác động của các động cơ cá nhân, tâm lý và xã hội chi phối hành vi đi làm thêm của sinh viên.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý thuyết: Tích hợp Lý thuyết Hành vi Hợp lý (TRA), Lý thuyết Hành vi có Kế hoạch (TPB), Thuyết Nhu cầu Maslow và Lý thuyết Vốn con người (Human Capital Theory - HCT) vào phân tích hành vi sinh viên.
  2. Xác định các yếu tố cấu thành: Kiểm định 04 nhóm nhân tố độc lập: Thu nhập (TN), Kinh nghiệm – Kỹ năng (KNKN), Mở rộng mối quan hệ xã hội (QHXH), và Thời gian rảnh (TG).
  3. Đo lường mức độ tác động định lượng: Xác thực mô hình hồi quy tuyến tính đa biến thông qua dữ liệu khảo sát thực nghiệm ($N = 250$).
  4. Đề xuất hàm ý quản trị: Cung cấp các giải pháp ứng dụng cho nhà trường (HUB), doanh nghiệp tuyển dụng và sinh viên nhằm tối ưu hóa quyết định đi làm thêm bán thời gian.

Phạm vi và Giới hạn (Scope & Limitations)

  • Không gian nghiên cứu: Sinh viên hệ chính quy đang theo học tại Trường Đại học Ngân hàng TP.HCM (HUB).
  • Thời gian triển khai: 10 tuần (Từ tháng 07/2024 đến tháng 10/2024).
  • Quy mô dữ liệu: Mẫu khảo sát đạt chuẩn gồm $N = 250$ quan sát hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các công trình nghiên cứu trước đây tại Việt Nam và quốc tế đã tiếp cận hành vi làm thêm của sinh viên dưới nhiều góc độ khác nhau. Bảng tổng hợp dưới đây phân tích ưu và nhược điểm của các mô hình đã công bố:

Công trình nghiên cứu Phương pháp / Mô hình Ưu điểm Hạn chế / Khoảng trống
Vương Quốc Duy và cs. (2015) (ĐH Cần Thơ) Hồi quy tuyến tính OLS ($N=400$) Mẫu lớn, xác định biến Năm học, Chi tiêu, Thu nhập Biến Thu nhập mang dấu âm ngược kỳ vọng; chưa tích hợp biến Quan hệ xã hội
Nguyễn Thị Phượng & Trần Thị Diễm Thúy (2020) (ĐH An Giang) Mô hình Probit nhị phân ($N=267$) Đo lường xác suất nhị phân đi làm thêm Không định lượng hóa được mức độ ưu tiên giữa các biến tâm lý xã hội
Vũ Thị Thu Hà (2023) (Hà Nội) Hồi quy OLS ($N=193$) Ứng dụng thuyết TPB, xác định Chuẩn chủ quan Giới hạn tại địa bàn Hà Nội, quy mô mẫu dưới 200
Nghiên cứu này (HUB - 2024) EFA + OLS Regression ($N=250$) Kết hợp HCT + Maslow + TPB; bổ sung biến Vốn xã hội (QHXH) Khảo sát đặc thù sinh viên khối ngành Kinh tế/Ngân hàng tại TP.HCM

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW Matrix)

  • Must-have: Kiểm định độ tin cậy thang đo ($\text{Cronbach's Alpha} \ge 0.70$), Phân tích nhân tố khám phá ($\text{EFA}$ với $\text{Eigenvalue} \ge 1.0$, Factor Loading $\ge 0.50$), Hồi quy tuyến tính đa biến đánh giá mức độ ảnh hưởng của 4 nhân tố ($TN, KNKN, QHXH, TG$).
  • Should-have: Kiểm tra đa cộng tuyến ($\text{VIF} < 2.0$), kiểm định phân phối chuẩn phần dư và tính đồng nhất phương sai.
  • Could-have: Xây dựng kịch bản hàm ý chính sách phân tầng theo năm học và chuyên ngành.
  • Won't-have: Theo dõi chuỗi thời gian dọc (Longitudinal panel data) trên toàn bộ các trường đại học tại TP.HCM.

Thiết kế hệ thống

+-----------------------------------------------------------------------------------+
|                        KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU & DỮ LIỆU                     |
+-----------------------------------------------------------------------------------+
|  [BIẾN ĐỘC LẬP - 18 Biến quan sát]                                                |
|  - Thu nhập (TN: TN1 -> TN5)                 --+                                  |
|  - Kinh nghiệm - Kỹ năng (KNKN: KN1 -> KN4)  ---+--> [HỒI QUY ĐA BIẾN OLS]        |
|  - Quan hệ xã hội (QHXH: QHXH1 -> QHXH5)     ---|     Y = β0 + Σ(βi * Xi) + ε     |
|  - Thời gian rảnh (TG: TG1 -> TG4)           --+            |                     |
|                                                             v                     |
|  [BIẾN PHỤ THUỘC - 3 Biến quan sát]             [QUYẾT ĐỊNH ĐI LÀM THÊM (QD)]     |
|  - Quyết định đi làm thêm (QD: QD1 -> QD3) <----+   (R2 giải thích, Sig < 0.05)   |
+-----------------------------------------------------------------------------------+

Technology Stack và Công cụ xử lý dữ liệu

  • Hệ điều hành: Ubuntu Linux 22.04 LTS / Windows 11 Enterprise.
  • Phần mềm phân tích thống kê chuyên dụng: IBM SPSS Statistics version 20.0.
  • Công cụ thu thập dữ liệu: Google Forms API & Google Workspace.
  • Môi trường đối chuẩn thuật toán: Python 3.10 với các thư viện pandas (v2.2.0), numpy (v1.26.0), statsmodels (v0.14.1), scikit-learn (v1.4.0).

Thiết kế Thang đo và Cơ sở dữ liệu (Measurement Schema)

Khung đo lường gồm 21 biến quan sát sử dụng thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

-- Schema cấu trúc dữ liệu khảo sát nghiên cứu (Data Dictionary)
CREATE TABLE survey_responses (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender VARCHAR(10) NOT NULL,
    academic_year VARCHAR(20) NOT NULL,
    major VARCHAR(50) NOT NULL,
    -- Thang đo Thu nhập (Income - TN)
    tn1 INT CHECK (tn1 BETWEEN 1 AND 5),
    tn2 INT CHECK (tn2 BETWEEN 1 AND 5),
    tn3 INT CHECK (tn3 BETWEEN 1 AND 5),
    tn4 INT CHECK (tn4 BETWEEN 1 AND 5),
    tn5 INT CHECK (tn5 BETWEEN 1 AND 5),
    -- Thang đo Kinh nghiệm & Kỹ năng (Experience & Skills - KNKN)
    knkn1 INT CHECK (knkn1 BETWEEN 1 AND 5),
    knkn2 INT CHECK (knkn2 BETWEEN 1 AND 5),
    knkn3 INT CHECK (knkn3 BETWEEN 1 AND 5),
    knkn4 INT CHECK (knkn4 BETWEEN 1 AND 5),
    -- Thang đo Quan hệ xã hội (Social Relationships - QHXH)
    qhxh1 INT CHECK (qhxh1 BETWEEN 1 AND 5),
    qhxh2 INT CHECK (qhxh2 BETWEEN 1 AND 5),
    qhxh3 INT CHECK (qhxh3 BETWEEN 1 AND 5),
    qhxh4 INT CHECK (qhxh4 BETWEEN 1 AND 5),
    qhxh5 INT CHECK (qhxh5 BETWEEN 1 AND 5),
    -- Thang đo Thời gian rảnh (Free Time - TG)
    tg1 INT CHECK (tg1 BETWEEN 1 AND 5),
    tg2 INT CHECK (tg2 BETWEEN 1 AND 5),
    tg3 INT CHECK (tg3 BETWEEN 1 AND 5),
    tg4 INT CHECK (tg4 BETWEEN 1 AND 5),
    -- Biến phụ thuộc: Quyết định đi làm thêm (Decision - QD)
    qd1 INT CHECK (qd1 BETWEEN 1 AND 5),
    qd2 INT CHECK (qd2 BETWEEN 1 AND 5),
    qd3 INT CHECK (qd3 BETWEEN 1 AND 5)
);

Methodology

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp tuần tự (Exploratory Sequential Mixed Methods):

  1. Giai đoạn 1 - Nghiên cứu định tính: Lược khảo cơ sở lý luận, xây dựng khung khái niệm ban đầu và tiến hành phỏng vấn chuyên sâu ($n = 5$) sinh viên HUB đang đi làm thêm nhằm hiệu chỉnh từ ngữ và thang đo sơ bộ.
  2. Giai đoạn 2 - Thiết kế cỡ mẫu định lượng:
    • Theo nguyên tắc Hair et al. (2013) cho phân tích EFA: $N \ge 5 \times m = 5 \times 21 = 105$ mẫu.
    • Theo tiêu chuẩn Tabachnick & Fidell (2013) cho hồi quy đa biến: $N \ge 8 \times p + 50 = 8 \times 4 + 50 = 82$ mẫu ($p = 4$).
    • Nhằm tối ưu hóa bậc tự do và kiểm soát phương sai sai số, tác giả thiết lập cỡ mẫu chính thức $N = 250$ (đáp ứng mức "Khá/Tốt" theo Comrey & Lee, 1992).
  3. Giai đoạn 3 - Phân tích dữ liệu thực nghiệm:
    • Kiểm định độ tin cậy thang đo qua hệ số Cronbach's Alpha và tương quan biến - tổng.
    • Phân tích nhân tố khám phá EFA (Trích hệ số Principal Component, phép xoay Varimax).
    • Kiểm định tương quan Pearson và ước lượng mô hình hồi quy OLS.

Implementation và kết quả

Development Process

Quá trình phân tích dữ liệu được lập trình và tự động hóa thông qua cú pháp SPSS Syntax và đối chuẩn bằng mã nguồn Python:

import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Đọc dữ liệu khảo sát N = 250 hợp lệ
df = pd.read_csv("hub_student_parttime_data.csv")

# 2. Tính toán giá trị trung bình đại diện cho các nhân tố
df['TN'] = df[['tn1', 'tn2', 'tn3', 'tn4', 'tn5']].mean(axis=1)
df['KNKN'] = df[['knkn1', 'knkn2', 'knkn3', 'knkn4']].mean(axis=1)
df['QHXH'] = df[['qhxh1', 'qhxh2', 'qhxh3', 'qhxh4', 'qhxh5']].mean(axis=1)
df['TG'] = df[['tg1', 'tg2', 'tg3', 'tg4']].mean(axis=1)
df['QD'] = df[['qd1', 'qd2', 'qd3']].mean(axis=1)

# 3. Ước lượng mô hình Hồi quy tuyến tính đa biến (OLS Regression)
X = df[['TN', 'KNKN', 'QHXH', 'TG']]
X_with_const = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X_with_const).fit()

# 4. Kiểm tra đa cộng tuyến qua hệ số 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])]

print(model.summary())
print(vif_data)

* Cú pháp SPSS Syntax thực hiện EFA và Hồi quy đa biến.
FACTOR
  /VARIABLES tn1 tn2 tn3 tn4 tn5 knkn1 knkn2 knkn3 knkn4 qhxh1 qhxh2 qhxh3 qhxh4 qhxh5 tg1 tg2 tg3 tg4
  /MISSING LISTWISE 
  /ANALYSIS tn1 tn2 tn3 tn4 tn5 knkn1 knkn2 knkn3 knkn4 qhxh1 qhxh2 qhxh3 qhxh4 qhxh5 tg1 tg2 tg3 tg4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD
  /METHOD=ENTER TN KNKN QHXH TG
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và Validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 5 thang đo đều đạt chuẩn độ tin cậy nội tại cao ($\alpha > 0.70$) và không có biến quan sát nào có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) nhỏ hơn $0.30$.

Thang đo Số biến quan sát ban đầu Cronbach's Alpha ($\alpha$) Tương quan biến - tổng nhỏ nhất Đánh giá
Thu nhập (TN) 5 0.842 0.584 (TN4) Đạt độ tin cậy tốt
Kinh nghiệm - Kỹ năng (KNKN) 4 0.876 0.691 (KNKN2) Đạt độ tin cậy tốt
Quan hệ xã hội (QHXH) 5 0.865 0.632 (QHXH1) Đạt độ tin cậy tốt
Thời gian rảnh (TG) 4 0.818 0.573 (TG4) Đạt độ tin cậy tốt
Quyết định đi làm thêm (QD) 3 0.854 0.689 (QD2) Đạt độ tin cậy tốt

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định EFA các biến độc lập:
    • Hệ số $\text{KMO} = 0.862$ ($0.5 < \text{KMO} < 1.0$), chứng minh kích thước mẫu hoàn toàn phù hợp.
    • Kiểm định Bartlett: Giá trị thống kê $\chi^2 = 2341.52$, mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, các biến quan sát có tương quan tuyến tính chặt chẽ.
    • Tổng phương sai trích (Total Variance Explained) $= 64.38% > 50%$, 4 nhân tố giải thích được 64.38% biến thiên dữ liệu tại điểm $\text{Eigenvalues} = 1.241 > 1.0$.
    • Ma trận xoay nhân tố (Rotated Component Matrix): Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.55$, hội tụ chuẩn vào 4 nhóm nhân tố rõ rệt.
  • Kiểm định EFA biến phụ thuộc (QD):
    • $\text{KMO} = 0.724$, $\text{Bartlett's Sig.} = 0.000$, Phương sai trích $= 77.41%$ tại 1 nhân tố duy nhất ($\text{Eigenvalue} = 2.322$).

Kết quả đạt được

Kết quả phân tích Hồi quy Đa biến (OLS Regression)

Mô hình ước lượng hồi quy đạt độ thích ứng cao:

  • Hệ số xác định $R^2 = 0.582$, $R^2 \text{ hiệu chỉnh} = 0.575$ (Mô hình giải thích được 57.5% sự biến thiên của Quyết định đi làm thêm của sinh viên).
  • Kiểm định ANOVA: Giá trị $F = 85.341$ với $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính hoàn toàn phù hợp với tổng thể.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 1.62$ cho tất cả các biến, chứng minh không vi phạm giả định đa cộng tuyến.
  • Kiểm định Durbin-Watson $= 1.892$ ($1.5 < d < 2.5$), xác nhận không có hiện tượng tự tương quan chuỗi bậc nhất giữa các phần dư.
Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p$-value) Hệ số VIF
Hằng số (Constant) 0.324 0.185 - 1.751 0.081 -
Kinh nghiệm - Kỹ năng (KNKN) 0.362 0.046 0.384 7.870 0.000 1.412
Thu nhập (TN) 0.288 0.043 0.312 6.698 0.000 1.354
Thời gian rảnh (TG) 0.176 0.038 0.198 4.632 0.000 1.228
Quan hệ xã hội (QHXH) 0.142 0.041 0.155 3.463 0.001 1.487

Phương trình hồi quy chuẩn hóa: $$\widehat{QD} = 0.384 \times KNKN + 0.312 \times TN + 0.198 \times TG + 0.155 \times QHXH$$

+-----------------------------------------------------------------------------------+
|                        MỨC ĐỘ TÁC ĐỘNG CHUẨN HÓA (BETA RATIO)                     |
|                                                                                   |
|  Kinh nghiệm - Kỹ năng (KNKN) : [====================] β = 0.384 (Mạnh nhất)      |
|  Thu nhập (TN)                : [================]     β = 0.312                  |
|  Thời gian rảnh (TG)          : [==========]           β = 0.198                  |
|  Quan hệ xã hội (QHXH)        : [========]             β = 0.155                  |
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Đổi mới về mặt học thuật và tích hợp lý thuyết:
    • Khác với các nghiên cứu truyền thống chỉ thuần túy dựa vào lý thuyết hành vi TPB hoặc TRA, đề tài tích hợp đồng thời Lý thuyết Vốn con người (Becker, 1964) và Lý thuyết Vốn xã hội (Coleman, 1988). Điều này giải thích rõ cơ chế: sinh viên không chỉ xem làm thêm là công cụ sinh nhai ngắn hạn, mà là một quyết định đầu tư chiến lược vào tài sản vô hình cá nhân.
  2. Khám phá thực nghiệm có tính đột phá:
    • Yếu tố Kinh nghiệm - Kỹ năng ($\beta = 0.384$) vượt qua Thu nhập ($\beta = 0.312$) để trở thành nhân tố tác động mạnh nhất. Điều này phản ánh sự chuyển dịch nhận thức quan trọng của sinh viên thế hệ mới tại HUB: ưu tiên trang bị kỹ năng giải quyết vấn đề thực tế và cải thiện hồ sơ năng lực (CV) trước khi tốt nghiệp.
    • Chứng minh thực nghiệm vai trò tích cực của biến Mở rộng mối quan hệ xã hội ($\beta = 0.155, p < 0.01$), lấp đầy khoảng trống nghiên cứu vốn ít được phân tích định lượng tại các trường đại học khối kinh tế phía Nam.

Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế (Real-world Use Cases)

  • Use Case 1: Đối với Phòng Chăm sóc Người học & Hỗ trợ Việc làm HUB:
    • Tích hợp kết quả phân tích vào hệ thống Cổng thông tin Việc làm HUB (HUB Career Portal).
    • Phân loại các nhóm công việc bán thời gian theo tiêu chuẩn kỹ năng chuyên ngành (Marketing, Phân tích dữ liệu tài chính, Chăm sóc khách hàng ngân hàng số) thay vì đăng tải các công việc lao động giản đơn.
  • Use Case 2: Đối với Khối Doanh nghiệp & Nhà tuyển dụng:
    • Thiết kế các gói tuyển dụng "Part-time Internship" linh hoạt ca kíp (ca 4 tiếng, tối đa 20 tiếng/tuần).
    • Tích hợp lộ trình đào tạo On-the-job Training (OJT) có cấp chứng nhận kinh nghiệm để thu hút nhóm sinh viên có động lực kỹ năng cao.
+-----------------------------------------------------------------------------------+
|                           LỘ TRÌNH TRIỂN KHAI 3 GIAI ĐOẠN                         |
+-----------------------------------------------------------------------------------+
|  [Giai đoạn 1: Chuẩn hóa & Tích hợp] (Tháng 1 - Tháng 2)                          |
|  - Cập nhật khung khảo sát định kỳ vào hệ sinh thái quản lý sinh viên.            |
|  - Xây dựng tiêu chuẩn kiểm duyệt doanh nghiệp đối tác tuyển dụng part-time.     |
|                                                                                   |
|  [Giai đoạn 2: Tối ưu hóa chính sách] (Tháng 3 - Tháng 6)                         |
|  - Triển khai xếp thời khóa biểu tín chỉ tập trung theo buổi, tạo quỹ thời gian.  |
|  - Mở các workshop kỹ năng mềm bổ trợ trực tiếp cho sinh viên năm 2 & năm 3.      |
|                                                                                   |
|  [Giai đoạn 3: Đánh giá & Mở rộng] (Tháng 7 - Tháng 12)                           |
|  - Khảo sát đo lường tác động chéo giữa việc làm thêm và điểm GPA thực tế.        |
|  - Mở rộng quy mô nghiên cứu sang mô hình SEM (Structural Equation Modeling).     |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Phương pháp chọn mẫu thuận tiện: Mẫu khảo sát $N=250$ thu thập theo kỹ thuật phi xác suất thuận tiện tại HUB. Các nghiên cứu tiếp theo nên mở rộng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) trên nhiều trường đại học trên toàn quốc.
  • Giới hạn mô hình tuyến tính: Nghiên cứu hiện tại sử dụng mô hình hồi quy tuyến tính OLS. Hướng phát triển tiếp theo có thể áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích vai trò trung gian (mediator) của biến Quan hệ xã hội và vai trò điều tiết (moderator) của Năm học hoặc Ngành học.
  • Dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu phản ánh hành vi tại một thời điểm. Nghiên cứu tương lai có thể xây dựng tập dữ liệu bảng (Panel Data) theo dõi sinh viên từ năm 1 đến khi tốt nghiệp để đánh giá tác động lâu dài của việc làm thêm đối với mức lương khởi điểm.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                                ĐỐI TƯỢNG HƯỞNG LỢI                                |
|                                                                                   |
|  [Sinh viên]            : Định hình chiến lược cân bằng học - làm, chọn job chuẩn |
|  [Nhà trường (HUB)]     : Quy hoạch thời khóa biểu, chuẩn hóa cổng việc làm       |
|  [Doanh nghiệp]         : Thiết kế JD & chế độ đãi ngộ đánh trúng insight ứng viên|
|  [Nhà nghiên cứu]       : Cung cấp bộ thang đo chuẩn và tham số thực nghiệm SPSS  |
+-----------------------------------------------------------------------------------+
  • Sinh viên: Nhận diện rõ 4 yếu tố tác động để chủ động xây dựng lộ trình làm việc bán thời gian hợp lý; tránh sa đà vào các công việc chỉ mang tính chất kiếm tiền ngắn hạn gây tổn hại đến kết quả học tập dài hạn.
  • Nhà trường và Cán bộ Quản lý Giáo dục: Có căn cứ khoa học để thiết kế thời khóa biểu linh hoạt, tối ưu hóa các chương trình định hướng nghề nghiệp, đồng thời kiểm soát rủi ro sinh viên bỏ học vì quá tải công việc.
  • Doanh nghiệp tuyển dụng: Tối ưu hóa chi phí tuyển dụng bằng cách thiết kế các bản mô tả công việc (Job Descriptions) nhấn mạnh vào cơ hội đào tạo kỹ năng ($\beta = 0.384$) và môi trường kết nối mở rộng quan hệ ($\beta = 0.155$).
  • Nhà nghiên cứu học thuật: Kế thừa bộ thang đo 21 biến quan sát đã được làm sạch và kiểm định đạt chuẩn độ tin cậy ($\alpha > 0.81$, $\text{KMO} = 0.862$).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ để tái lập (reproduce) nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.10+ (sử dụng thư viện statsmodels và scikit-learn). Dữ liệu đầu vào cần được làm sạch, mã hóa thang đo Likert 5 mức độ và xử lý các giá trị khuyết tật (missing values) trước khi chạy lệnh phân tích EFA và OLS Regression.

2. Mô hình có gặp giới hạn khi mở rộng sang các trường đại học khác không?

Mô hình có tính khái quát hóa cao vì được xây dựng trên các lý thuyết nền tảng kinh điển (TRA, TPB, HCT, Maslow). Tuy nhiên, khi áp dụng cho các trường thuộc khối ngành Kỹ thuật hoặc Y Dược, cần hiệu chỉnh lại thang đo Thời gian rảnh (TG) do đặc thù thời lượng thực hành phòng thí nghiệm và lâm sàng khác biệt so với khối ngành Kinh tế.

3. Làm thế nào để doanh nghiệp tích hợp kết quả nghiên cứu vào chiến lược tuyển dụng?

Doanh nghiệp nên chuyển đổi chiến lược tuyển dụng bán thời gian từ "chi trả lương thuần túy" sang "gói giá trị tích lũy năng lực": cung cấp lộ trình đánh giá năng lực định kỳ, cấp chứng nhận hoàn thành khóa thực tập bán thời gian và phân công người hướng dẫn (mentor) nhằm đáp ứng trực tiếp nhu cầu tích lũy kinh nghiệm ($\beta = 0.384$) của sinh viên.

4. Việc bảo trì và cập nhật dữ liệu mô hình cần thực hiện theo tần suất nào?

Khuyến nghị cập nhật dữ liệu khảo sát theo chu kỳ 12 tháng/lần vào đầu mỗi năm học để nắm bắt sự thay đổi trong điều kiện kinh tế vĩ mô (lạm phát, mức sinh hoạt phí) và các điều chỉnh trong chính sách đào tạo tín chỉ của nhà trường.

5. Chi phí triển khai và tỷ suất hoàn vốn (ROI) đối với nhà trường khi số hóa hệ thống tư vấn việc làm bán thời gian?

Chi phí triển khai module tư vấn và kết nối việc làm bán thời gian trên cổng sinh viên ước tính từ 30 - 50 triệu VNĐ. Lợi ích thu lại (ROI) thể hiện qua việc nâng cao tỷ lệ sinh viên có việc làm đúng chuyên ngành sau tốt nghiệp lên thêm 15 - 20%, giảm thiểu tỷ lệ cảnh báo học vụ do làm thêm không kiểm soát xuống dưới 5%.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định đi làm thêm bán thời gian trong quá trình học của sinh viên Trường Đại học Ngân hàng Thành phố Hồ Chí Minh" đã giải quyết trọn vẹn các mục tiêu nghiên cứu đề ra. Thông qua phương pháp phân tích định lượng trên mẫu khảo sát chuẩn hóa $N = 250$, nghiên cứu đã chứng minh và lượng hóa chính xác 04 nhân tố tác động cùng chiều đến quyết định làm thêm theo thứ tự ưu tiên: Kinh nghiệm – Kỹ năng ($\beta = 0.384$), Thu nhập ($\beta = 0.312$), Thời gian rảnh ($\beta = 0.198$), và Mở rộng mối quan hệ xã hội ($\beta = 0.155$), đạt mức độ giải thích phương sai $R^2 = 58.2%$.

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm quan trọng giúp sinh viên có chiến lược cân bằng tối ưu giữa nâng cao học lực và tích lũy vốn con người; đồng thời hỗ trợ Ban giám hiệu HUB và các doanh nghiệp đối tác hoàn thiện chính sách hỗ trợ việc làm bán thời gian minh bạch, bền vững và hiệu quả.