Giới thiệu dự án

Nghiên cứu về hành vi tham gia thị trường lao động bán thời gian của sinh viên là một chủ đề trọng điểm trong kinh tế học giáo dục và quản trị nguồn nhân lực. Theo các báo cáo thống kê từ Tổng cục Thống kê và Tổ chức Lao động Quốc tế (ILO), hơn 68% sinh viên tại các đô thị lớn tại Việt Nam tham gia các công việc làm thêm trong quá trình theo học đại học. Sự chuyển dịch mô hình đào tạo theo tín chỉ tại các cơ sở giáo dục đại học tạo ra sự linh hoạt về thời gian biểu, thúc đẩy sinh viên tham gia thị trường lao động từ rất sớm.

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng tới quyết định làm thêm của sinh viên Trường Đại học Quốc gia Hà Nội" do tác giả Nguyễn Lê Hà Phương thực hiện dưới sự hướng dẫn của TS. Nguyễn Ngọc Quý tại Trường Đại học Kinh tế – Đại học Quốc gia Hà Nội (ĐHQGHN) giải quyết các vấn đề cốt lõi về việc mất cân bằng giữa mục tiêu kiếm thêm thu nhập, tích lũy kỹ năng thực tế và duy trì kết quả học tập (GPA).

                      +------------------------------------------+
                      |   KHUNG LÝ THUYẾT & THỰC TRẠNG LAO ĐỘNG  |
                      +--------------------+---------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------+
|                            CÁC NHÂN TỐ TÁC ĐỘNG (X)                               |
|  [Thu nhập kỳ vọng] [Kinh nghiệm & Kỹ năng] [Gia đình] [Quỹ thời gian] [Nơi cư trú]|
+------------------------------------------+----------------------------------------+
                                           |
                                           v (Phân tích EFA & Hồi quy Tuyến tính)
+-----------------------------------------------------------------------------------+
|                    QUYẾT ĐỊNH ĐI LÀM THÊM CỦA SINH VIÊN (Y)                       |
|   - Mục tiêu tài chính (Chi trả sinh hoạt, giảm phụ thuộc gia đình)               |
|   - Tích lũy vốn con người (Kỹ năng mềm, mạng lưới quan hệ xã hội)                 |
|   - Kiểm soát rủi ro học tập (Cân bằng thời gian, bảo toàn GPA)                   |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu và các điểm nghẽn thực tế

Phần lớn sinh viên ra quyết định đi làm thêm theo xu hướng tự phát, thiếu sự phân tích định lượng giữa chi phí cơ hội và lợi ích dài hạn:

  • Áp lực tài chính và chi phí sinh hoạt leo thang: Sinh viên ngoại tỉnh phải tự chi trả các khoản tiền thuê nhà, sinh hoạt phí vượt quá hạn mức chu cấp từ gia đình.
  • Hiện tượng làm việc trái ngành: Trên 60% sinh viên làm thêm các công việc lao động phổ thông giản đơn (F&B, bán lẻ, giao hàng) không đóng góp vào chuyên môn nghề nghiệp tương lai.
  • Ảnh hưởng tiêu cực đến học tập: Các nghiên cứu quốc tế (Furr & Elling, 2000; Muluk, 2017) chỉ ra làm thêm vượt quá 20 giờ/tuần làm tăng 33% nguy cơ giảm sút kết quả học tập hoặc bỏ học.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung khái niệm chuẩn hóa về quyết định làm việc bán thời gian dựa trên các lý thuyết hành vi và kinh tế học lao động.
  2. Đo lường định lượng: Phân tích mức độ tác động và thứ tự ưu tiên của 5 nhóm nhân tố: Gia đình, Thu nhập kỳ vọng, Kỹ năng & Kinh nghiệm, Quỹ thời gian, Nơi cư trú đến quyết định làm thêm của sinh viên ĐHQGHN.
  3. Xây dựng hàm ý quản trị: Đề xuất mô hình giải pháp 3 bên (Nhà trường – Doanh nghiệp – Sinh viên) nhằm tối ưu hóa việc phân bổ thời gian và định hướng nghề nghiệp.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (tổng quan tài liệu, hiệu chỉnh thang đo) và nghiên cứu định lượng chính thức thông qua mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression - OLS).
  • Dữ liệu thực nghiệm: Mẫu khảo sát hợp lệ gồm $N = 367$ sinh viên đại học chính quy thuộc các trường thành viên của ĐHQGHN (ĐH Kinh tế, ĐH Ngoại ngữ, ĐH Khoa học Xã hội và Nhân văn, ĐH Khoa học Tự nhiên, ĐH Công nghệ).
  • Phạm vi không gian & thời gian: Địa bàn Hà Nội; thời gian thu thập dữ liệu từ tháng 03/2023 đến tháng 04/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh trực tiếp các mô hình nghiên cứu tiền nhiệm để tìm ra khoảng trống học thuật:

Công trình nghiên cứu Phương pháp & Cỡ mẫu Các biến tác động chính Hạn chế tồn tại
Vương Quốc Duy et al. (2015) Mô hình Probit ($N = 400$) Thu nhập, Năm học, Kỹ năng sống, Thời gian rảnh Tập trung vào thị trường lao động miền Tây; dữ liệu chưa cập nhật bối cảnh chuyển đổi số
Võ Thị Thu Hà (2023) OLS Regression ($N = 193$) Chuẩn chủ quan ($\beta = 0.406$), Kinh nghiệm ($\beta = 0.320$), Thu nhập ($\beta = 0.161$) Cỡ mẫu nhỏ ($N < 200$), chưa phân tách chi tiết tác động của yếu tố gia đình và nơi cư trú
Vũ Xuân Tường (2022) EFA & Hồi quy OLS ($N = 250$) Quan hệ kiến thức, Kinh tế, Quỹ thời gian Chỉ khảo sát nội bộ sinh viên khối ngành Quản trị Kinh doanh tại một trường ngoài công lập
Mô hình nghiên cứu này (2023) Cronbach's Alpha, EFA, OLS ($N = 367$) Gia đình, Thu nhập kỳ vọng, Kỹ năng & Kinh nghiệm, Nơi cư trú, Quỹ thời gian Khảo sát liên ngành tại ĐHQGHN, kiểm định đa tầng độ tin cậy và hiện tượng đa cộng tuyến

Thiết kế khung mô hình và Công cụ phân tích

Mô hình nghiên cứu định lượng được xây dựng dựa trên phương trình toán kinh tế tổng quát:

$$Y = \beta_0 + \beta_1 \cdot GD + \beta_2 \cdot TN + \beta_3 \cdot KN + \beta_4 \cdot TG + \beta_5 \cdot CT + \epsilon$$

Trong đó:

  • $Y$: Quyết định đi làm thêm của sinh viên (Biến phụ thuộc).
  • $GD$: Nhóm yếu tố Gia đình (Sự ủng hộ, định hướng nghề nghiệp, mức chu cấp).
  • $TN$: Nhóm yếu tố Thu nhập kỳ vọng (Bù đắp sinh hoạt phí, tự chủ tài chính).
  • $KN$: Nhóm yếu tố Kinh nghiệm & Kỹ năng (Kỹ năng mềm, giao tiếp, trải nghiệm cọ xát).
  • $TG$: Nhóm yếu tố Quỹ thời gian (Số giờ rảnh rỗi trong tuần, lịch học linh hoạt).
  • $CT$: Nhóm yếu tố Nơi cư trú (Ngoại tỉnh, nội thành, chi phí lưu trú).
  • $\beta_0$: Hằng số tự do; $\beta_1 \dots \beta_5$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.
graph TD
    A[Yếu tố Gia đình - GD] -->|H1: +| F[Quyết định Đi làm thêm - Y]
    B[Thu nhập kỳ vọng - TN] -->|H2: +| F
    C[Kinh nghiệm & Kỹ năng - KN] -->|H3: +| F
    D[Quỹ thời gian rảnh - TG] -->|H4: +| F
    E[Nơi cư trú ngoại tỉnh - CT] -->|H5: +| F

    classDef independent fill:#e1f5fe,stroke:#0288d1,stroke-width:2px;
    classDef dependent fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;
    class A,B,C,D,E independent;
    class F dependent;

Tech Stack và Môi trường thực thi

  • IBM SPSS Statistics Version 26.0-FP001: Xử lý thống kê mô tả, kiểm định Cronbach's Alpha, phân tích nhân tố khám phá EFA, tương quan Pearson và mô hình hồi quy tuyến tính.
  • Python v3.10.12 (Statsmodels v0.14.0, Scikit-learn v1.3.0, Pandas v2.1.0): Kiểm chứng mô phỏng ma trận tương quan và trực quan hóa dữ liệu.
  • Microsoft Excel 2021: Tiền xử lý dữ liệu thô và làm sạch mã hóa $N = 367$ phiếu khảo sát Likert 5 điểm.

Implementation và kết quả

Quy trình xử lý dữ liệu và Thuật toán thực thi

Quy trình nghiên cứu được triển khai qua 4 giai đoạn chuẩn mực:

[Thu thập dữ liệu thô (Google Forms)]
[Làm sạch mẫu & Mã hóa biến (N = 367)]
[Kiểm định độ tin cậy (Cronbach's Alpha >= 0.70)]
[Phân tích nhân tố khám phá EFA (KMO >= 0.5, Factor Loading >= 0.50)]
[Phân tích Hồi quy Đa biến OLS & Kiểm tra Đa cộng tuyến (VIF < 2)]

Đoạn mã Python mô phỏng quy trình kiểm định hồi quy OLS và tính toán hệ số phóng đại phương sai (VIF):

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

def evaluate_regression_model(df_clean: pd.DataFrame):
    """
    Thực thi hồi quy OLS và kiểm định đa cộng tuyến (VIF)
    Biến độc lập: GD (Gia đình), TN (Thu nhập), KN (Kỹ năng), TG (Thời gian), CT (Cư trú)
    Biến phụ thuộc: Y (Quyết định làm thêm)
    """
    independent_vars = ['GD', 'TN', 'KN', 'TG', 'CT']
    X = df_clean[independent_vars]
    X_with_const = sm.add_constant(X)
    y = df_clean['Y']

    # Khởi tạo mô hình OLS
    ols_model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF cho từng biến
    vif_matrix = pd.DataFrame()
    vif_matrix["Factor"] = X.columns
    vif_matrix["VIF"] = [
        variance_inflation_factor(X.values, i) for i in range(X.shape[1])
    ]
    
    return ols_model.summary(), vif_matrix

Kết quả kiểm định thống kê và Thang đo

Dữ liệu khảo sát từ 367 sinh viên ĐHQGHN đạt các chuẩn kiểm định khắt khe của nghiên cứu định lượng kinh tế:

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

  • Nhóm biến Kinh nghiệm và Kỹ năng (KN): $\alpha = 0.842$ (Biến quan sát tương quan biến - tổng $r > 0.45$).
  • Nhóm biến Thu nhập kỳ vọng (TN): $\alpha = 0.815$.
  • Nhóm biến Gia đình (GD): $\alpha = 0.789$.
  • Nhóm biến Quỹ thời gian (TG): $\alpha = 0.763$.
  • Nhóm biến Nơi cư trú (CT): $\alpha = 0.748$.
  • Thang đo Quyết định làm thêm (Y): $\alpha = 0.826$. (Tất cả các thang đo đều thỏa mãn điều kiện $\alpha \ge 0.70$, không có biến rác bị loại).

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): $0.835 > 0.50$ $\rightarrow$ Quy mô mẫu đủ điều kiện phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị Chi-square $= 1428.56$, $p\text{-value} = 0.000 < 0.001$ $\rightarrow$ Các biến quan sát có tương quan tuyến tính chặt chẽ.
  • Tổng phương sai trích (Total Variance Explained): $63.48% > 50%$ tại điểm dừng Eigenvalue $= 1.214$ (5 nhân tố trích xuất giải thích được $63.48%$ biến thiên của dữ liệu).
  • Hệ số tải nhân tố (Factor Loading): Toàn bộ các biến quan sát đều có hệ số tải xoay Varimax $> 0.58$, phân tách rõ ràng vào đúng 5 nhóm nhân tố.

Kết quả hồi quy tuyến tính OLS và Kiểm định giả thuyết

Kết quả phân tích hồi quy OLS trên mẫu $N = 367$ xác lập phương trình chuẩn hóa:

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Giá trị $p$ (Sig.) Chỉ số VIF Kết luận giả thuyết
Hằng số ($\beta_0$) 0.412 0.185 — 2.227 0.026 — Có ý nghĩa
Kỹ năng & KN ($KN$) 0.354 0.042 0.368 8.428 0.000 1.245 Chấp nhận H3
Thu nhập ($TN$) 0.286 0.038 0.295 7.526 0.000 1.312 Chấp nhận H2
Gia đình ($GD$) 0.178 0.035 0.182 5.085 0.000 1.180 Chấp nhận H1
Thời gian ($TG$) 0.125 0.031 0.134 4.032 0.000 1.105 Chấp nhận H4
Nơi cư trú ($CT$) 0.098 0.029 0.102 3.379 0.001 1.085 Chấp nhận H5
  • Hệ số xác định mô hình: $R^2 = 0.591$; $R^2 \text{ điều chỉnh} = 0.585$. Mô hình giải thích được 58.5% sự biến thiên trong quyết định đi làm thêm của sinh viên ĐHQGHN.
  • Kiểm định ANOVA: $F(5, 361) = 104.28$, $p < 0.001$, khẳng định mô hình có ý nghĩa thống kê ở mức độ tin cậy 99.9%.
  • Hiện tượng đa cộng tuyến: Toàn bộ hệ số $\text{VIF} < 1.35$ (thấp hơn nhiều so với ngưỡng 2.0 hoặc 10.0), khẳng định không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  1. Thứ tự trọng số tác động được xác lập chính xác: Nghiên cứu chứng minh rằng yếu tố Kinh nghiệm và Kỹ năng ($\beta = 0.368$) có tác động mạnh nhất, vượt qua yếu tố Thu nhập kỳ vọng ($\beta = 0.295$). Điều này phản ánh sự chuyển dịch nhận thức của sinh viên ĐHQGHN: coi việc làm thêm là bàn đạp phát triển vốn con người (human capital) hơn là nguồn trợ cấp tài chính đơn thuần.
  2. Làm rõ vai trò của Nhân tố Gia đình ($\beta = 0.182$): Bổ sung luận cứ khoa học thực tế rằng sự định hướng nghề nghiệp và mức độ ủng hộ của gia đình tạo động lực lớn giúp sinh viên mạnh dạn bước ra thị trường làm việc.
  3. Mô hình định lượng hóa chuyên biệt cho hệ thống đại học đa ngành: Không chỉ giới hạn trong một chuyên ngành hẹp, dữ liệu $N=367$ phản ánh cấu trúc đa dạng từ sinh viên kinh tế, ngoại ngữ đến khoa học tự nhiên và công nghệ.

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------+
|                       MÔ HÌNH TRIỂN KHAI GIẢI PHÁP 3 BÊN                      |
+---------------------------------------+---------------------------------------+
                                        |
|  SINH VIÊN  |                 |   NHÀ TRƯỜNG  |                 | DOANH NGHIỆP|
       |                                |                                |

Chiến lược dành cho các bên liên quan

1. Dành cho Sinh viên

  • Áp dụng nguyên tắc quản lý thời gian 20-Hour Cap: Giữ tổng thời lượng làm thêm dưới 20 giờ/tuần (trung bình 3-4 giờ/ngày, 4-5 ngày/tuần) để đảm bảo không xâm lấn vào thời gian tự học và phục hồi thể lực.
  • Chiến lược chọn việc theo chu kỳ học tập:
    • Năm 1 - Năm 2: Ưu tiên các công việc rèn luyện kỹ năng mềm (giao tiếp, làm việc nhóm, tiếng Anh, dịch vụ khách hàng).
    • Năm 3 - Năm 4: Chuyển dịch dứt khoát sang các vị trí trợ lý nghiên cứu, thực tập sinh chuyên môn (Internship/Part-time Specialist) đúng ngành đào tạo.

2. Dành cho Cơ sở Giáo dục Đại học (ĐHQGHN)

  • Thiết lập Cổng thông tin việc làm nội bộ (VNU Career Portal): Kiểm duyệt và xác thực các doanh nghiệp đối tác tuyển dụng part-time, bảo vệ sinh viên khỏi các bẫy lừa đảo việc làm.
  • Tối ưu hóa thời khóa biểu: Thiết kế lịch học tín chỉ tập trung theo buổi (Sáng hoặc Chiều) để sinh viên chủ động bố trí lịch làm việc mà không phải nghỉ học đột xuất.

3. Dành cho Doanh nghiệp tuyển dụng

  • Xây dựng lộ trình thăng tiến rõ ràng từ nhân viên bán thời gian lên nhân viên chính thức sau khi tốt nghiệp.
  • Cung cấp chính sách thưởng hiệu suất linh hoạt và tạo điều kiện hỗ trợ sinh viên trong các đợt thi kết thúc học phần.

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu thuận tiện (Convenience Sampling): Dù cỡ mẫu đạt $N = 367$, việc thu thập dữ liệu qua biểu mẫu trực tuyến có thể tạo ra độ lệch tự chọn (Self-selection bias).
  • Dữ liệu cắt ngang (Cross-sectional Data): Nghiên cứu đo lường tại một thời điểm (tháng 3-4/2023). Các nghiên cứu tiếp theo nên áp dụng nghiên cứu theo chuỗi thời gian (Longitudinal Study) để theo dõi biến động GPA trước và sau khi đi làm thêm.
  • Mở rộng mô hình SEM (Structural Equation Modeling): Tích hợp thêm các biến trung gian như "Mức độ căng thẳng học tập (Academic Stress)" và biến điều tiết "Chuyên ngành đào tạo".

Đối tượng hưởng lợi

+-------------------+---------------------------------------------------------+
| ĐỐI TƯỢNG         | LỢI ÍCH ĐỊNH LƯỢNG & ĐỊNH TÍNH                          |
+-------------------+---------------------------------------------------------+
| Sinh viên         | - Bộ khung tự đánh giá năng lực và quỹ thời gian        |
|                   | - Tránh lãng phí 15-20 giờ/tuần vào việc làm vô bổ      |
+-------------------+---------------------------------------------------------+
| Nhà trường & Khoa | - Căn cứ dữ liệu để xây dựng chương trình Cố vấn học tập|
|                   | - Giảm thiểu tỷ lệ cảnh báo học vụ do làm thêm quá tải  |
+-------------------+---------------------------------------------------------+
| Doanh nghiệp      | - Tối ưu chi phí tuyển dụng part-time chất lượng cao    |
|                   | - Tăng tỷ lệ chuyển đổi từ Part-time lên Full-time > 40%|
+-------------------+---------------------------------------------------------+
| Nhà nghiên cứu    | - Khung thang đo chuẩn hóa Likert 5 điểm tin cậy cao    |
|                   | - Bộ số liệu thực nghiệm làm tài liệu tham khảo         |
+-------------------+---------------------------------------------------------+

Câu hỏi thường gặp

1. Cần điều kiện gì để triển khai bộ công cụ khảo sát này cho các trường đại học khác?

Hệ thống thang đo được thiết kế theo chuẩn Likert 5 điểm, dễ dàng tích hợp vào Google Forms hoặc Microsoft Forms. Dữ liệu thô xuất dạng .csv có thể được xử lý trực tiếp bằng script SPSS Syntax hoặc Python/R với thời gian chạy chưa tới 5 giây cho tập dữ liệu $N = 1,000$.

2. Ngưỡng số giờ làm thêm tối ưu để không làm sút giảm điểm số GPA là bao nhiêu?

Các kết quả phân tích thống kê và đối chiếu tài liệu quốc tế cho thấy ngưỡng an toàn là $\le 20\text{ giờ/tuần}$. Sinh viên làm việc từ 20-30 giờ/tuần có nguy cơ giảm 0.3-0.5 điểm GPA trên thang điểm 4, trong khi làm việc $>30\text{ giờ/tuần}$ làm tăng 29% tỷ lệ nợ môn.

3. Làm thế nào để phân biệt giữa động cơ tích lũy kỹ năng và động cơ kiếm tiền khi sinh viên chọn việc?

Qua hệ số tải nhân tố trong ma trận xoay EFA, nhóm biến Kỹ năng ($KN$) phân tách hoàn toàn với nhóm biến Thu nhập ($TN$). Sinh viên có điều kiện kinh tế gia đình ổn định thường có hệ số tải cao ở các biến quan sát về "mở rộng mối quan hệ" và "áp dụng kiến thức chuyên ngành".

4. Chi phí triển khai hệ thống khảo sát và tư vấn việc làm tại trường đại học là bao nhiêu?

Nếu tận dụng hạ tầng phần mềm nguồn mở (Python, R, PostgreSQL) kết hợp các biểu mẫu khảo sát trực tuyến sẵn có, chi phí triển khai kỹ thuật gần như bằng 0, chủ yếu phân bổ ngân sách cho công tác truyền thông và quà tặng khuyến khích sinh viên điền khảo sát.

5. Mô hình có thể áp dụng cho sinh viên các trường Cao đẳng nghề không?

Có thể áp dụng, tuy nhiên cần hiệu chỉnh lại trọng số của nhóm yếu tố $KN$ và $TN$. Sinh viên hệ cao đẳng nghề thường có nhu cầu thực hành tay nghề trực tiếp cao hơn, do đó hệ số tác động của kỹ năng nghề nghiệp chuyên biệt sẽ chiếm tỷ trọng lớn hơn.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Lê Hà Phương đã giải quyết xuất sắc bài toán định lượng các động lực thúc đẩy sinh viên tham gia thị trường lao động bán thời gian. Bằng việc phân tích tập dữ liệu thực nghiệm $N = 367$ với các kỹ thuật kinh tế lượng chuẩn mực (Cronbach's Alpha, EFA, OLS Regression), nghiên cứu khẳng định Kinh nghiệm & Kỹ năng ($\beta = 0.368$) và Thu nhập kỳ vọng ($\beta = 0.295$) là hai lực đẩy quan trọng nhất định hình quyết định của sinh viên ĐHQGHN.

Kết quả này cung cấp cơ sở khoa học vững chắc để các nhà hoạch định chính sách giáo dục tại ĐHQGHN và các trường đại học trên cả nước xây dựng các mô hình hướng nghiệp, tối ưu hóa thời khóa biểu và thiết lập mạng lưới việc làm liên kết doanh nghiệp hiệu quả, giúp sinh viên phát triển toàn diện cả về học thuật lẫn kỹ năng thực tiễn.