Giới thiệu dự án

Thị trường lao động trong kỷ nguyên số chứng kiến sự cạnh tranh khốc liệt cùng tình trạng bất cân xứng thông tin (information asymmetry) ngày càng gia tăng giữa cung và cầu nhân lực. Theo thống kê của Bộ Lao động - Thương binh và Xã hội, có tới 60% sinh viên sau khi tốt nghiệp làm việc trái ngành hoặc không đúng với chuyên môn được đào tạo. Khảo sát từ Anphabe (12/2021) ghi nhận tỷ lệ nhảy việc trong năm đầu tiên ra trường lên tới 58%. Tại Đại học Quốc gia Hà Nội (ĐHQGHN), khảo sát thực tế cho thấy 70% sinh viên chưa có định hướng công việc cụ thể trước khi tốt nghiệp.

Thực trạng này xuất phát từ những khoảng trống lớn trong việc nhận thức năng lực cá nhân, đánh giá cơ hội thị trường và tác động đa chiều từ môi trường đào tạo. Đề tài "Các yếu tố ảnh hưởng đến ý định lựa chọn việc làm sau khi ra trường của sinh viên Trường Đại học Kinh tế - ĐHQGHN" được thực hiện nhằm giải quyết trực tiếp bài toán định lượng hóa các động lực tâm lý - hành vi và môi trường ảnh hưởng đến quyết định nghề nghiệp của sinh viên khối ngành kinh tế.

graph TD
    A["Nhu cầu thị trường lao động"] --> D["Ý định lựa chọn việc làm (YĐLC)"]
    B["Yếu tố nội tại cá nhân (NTHV, NTKSHV)"] --> D
    C["Tác động ngoại cảnh (Môi trường, Nhà trường, Chuẩn chủ quan)"] --> D
    D --> E["Hành vi gia nhập thị trường thực tế"]
    E --> F["Hiệu quả phân bổ nguồn nhân lực (Giảm tỷ lệ trái ngành < 60%)"]

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận về định hướng nghề nghiệp, kết hợp Thuyết Hành động Hợp lý (TRA - Theory of Reasoned Action) và Thuyết Hành vi Có kế hoạch (TPB - Theory of Planned Behavior).
  2. Xây dựng mô hình định lượng và đo lường mức độ tác động của 5 nhóm nhân tố chính: Niềm tin hành vi (NTHV), Nhận thức kiểm soát hành vi (NTKSHV), Yếu tố Môi trường (MT), Yếu tố Trường học (TH), và Chuẩn chủ quan (CCQ) đến Ý định lựa chọn việc làm (YĐLC).
  3. Đánh giá sự khác biệt về ý định nghề nghiệp theo các biến nhân khẩu học (giới tính, ngành học, kỳ vọng thu nhập, tính chất công việc).
  4. Đề xuất hệ thống giải pháp thực tiễn dựa trên bằng chứng thực nghiệm nhằm nâng cao tỷ lệ có việc làm đúng chuyên ngành cho sinh viên.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Trường Đại học Kinh tế - ĐHQGHN (VNU-UEB), đơn vị nằm trong nhóm top 451–500 thế giới theo bảng xếp hạng QS World University Rankings 2021 cho lĩnh vực Kinh doanh & Khoa học Quản lý.
  • Thời gian nghiên cứu: Dữ liệu sơ cấp được thu thập từ tháng 08/2022 đến tháng 11/2022.
  • Khách thể nghiên cứu: Sinh viên đại học chính quy năm cuối ($N=155$ mẫu hợp lệ từ 176 phiếu khảo sát phát ra).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi lựa chọn nghề nghiệp truyền thống thường dựa vào các phương pháp đánh giá định tính đơn thuần hoặc áp dụng mô hình định lượng đơn biến, dẫn đến việc bỏ sót tương tác giữa năng lực tự thân và tác động môi trường đào tạo đại học.

Phương pháp tiếp cận Ưu điểm Nhược điểm / Hạn chế Nghiên cứu đối sánh
Mô hình định tính truyền thống Dễ triển khai, chi phí thấp, mô tả sâu cảm xúc cá nhân. Thiếu độ tin cậy thống kê, không đo lường được mức độ đóng góp tương đối ($\beta$) của từng biến. Vũ Thị Huệ (2014)
Mô hình TRA nguyên bản Xác định rõ vai trò của thái độ và chuẩn chủ quan. Bỏ qua các rào cản tài nguyên, kỹ năng và khả năng tự kiểm soát hành vi thực tế. Fishbein & Ajzen (1975)
Mô hình TPB mở rộng (Đề xuất) Bao quát cả niềm tin nội tại, năng lực kiểm soát, chuẩn xã hội và biến số đặc thù của cơ sở đào tạo/môi trường. Yêu cầu kiểm định khắt khe về độ tin cậy thang đo (Cronbach's Alpha), EFA và các khuyết tật mô hình OLS. Nghiên cứu này (2022)

Phân tích yêu cầu chức năng theo chuẩn MoSCoW

  • Must have (Bắt buộc có):
    • Thang đo Likert 5 mức độ đạt chuẩn độ tin cậy Cronbach's Alpha ($\alpha \ge 0.70$).
    • Phân tích nhân tố khám phá (EFA) với $KMO \ge 0.5$, Bartlett's test $p < 0.05$, Tổng phương sai trích (Total Variance Explained) $> 50%$.
    • Mô hình hồi quy tuyến tính OLS thỏa mãn các giả định: không có đa cộng tuyến ($VIF < 2.0$), không có tự tương quan (Durbin-Watson từ $1.5 - 2.5$), phần dư phân phối chuẩn.
  • Should have (Nên có): Phân tích phương sai một yếu tố (One-way ANOVA) kiểm tra sai biệt giữa các nhóm nhân khẩu học.
  • Could have (Có thể có): Pipeline xử lý và làm sạch dữ liệu tự động bằng Python script.
  • Won't have (Chưa thực hiện): Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) đa bậc.

Thiết kế hệ thống dữ liệu và Technology Stack

Mô hình nghiên cứu được xây dựng trên cấu trúc dữ liệu khảo sát vi mô (microdata survey schema):

+-----------------------------------------------------------------------+
|                       KHUNG KIẾN TRÚC DỮ LIỆU                         |
+-----------------------------------------------------------------------+
| [Biến Độc Lập]                                                        |
|   ├── NTHV (7 items: NTHV1 -> NTHV7)  ──┐                             |
|   ├── NTKSHV (5 items: NTKSHV1 -> 5)  ──┼──> [EFA Factor Matrix]      |
|   ├── MT (5 items: MT1 -> MT5)        ──┤          │                  |
|   ├── TH (5 items: TH1 -> TH5)        ──┤          ▼                  |
|   └── CCQ (7 items: CCQ1 -> CCQ7)     ──┘    [OLS Regression Engine]  |
|                                                    │                  |
| [Biến Phụ Thuộc]                                   ▼                  |
|   └── YĐLC (4 items: YĐLC1 -> YĐLC4) ──────> [YĐLC Index]             |
+-----------------------------------------------------------------------+
  • Technology Stack:
    • Data Collection: Google Forms API / Spreadsheet Engine.
    • Statistical Core: IBM SPSS Statistics v26.0 (thuật toán Principal Axis Factoring / Varimax Rotation).
    • Data Processing & Scripting: Python 3.10, pandas 2.0.3, numpy 1.24.3, statsmodels 0.14.0, scikit-learn 1.3.0.
    • Security & Ethics: Dữ liệu khảo sát được mã hóa ẩn danh (Anonymized PII) theo chuẩn bảo mật SHA-256 đối với mã định danh người tham gia.

Quy trình nghiên cứu thực nghiệm (Methodology)

Nghiên cứu vận hành theo chuẩn quy trình 7 bước của Ary et al.:

  1. Selecting a problem: Xác định điểm nghẽn việc làm của sinh viên kinh tế.
  2. Reviewing the literature: Tổng hợp lý thuyết TRA, TPB, Career Development Theory (Ginzberg et al., 1951).
  3. Designing the research: Thiết kế bảng hỏi với 33 biến quan sát chuẩn hóa.
  4. Collecting the data: Phát 176 bảng hỏi, thu về 155 mẫu hợp lệ ($88.07%$).
  5. Analyzing the data: Làm sạch dữ liệu, kiểm định Cronbach's Alpha, EFA, OLS Regression, ANOVA.
  6. Interpreting the findings: Đánh giá mức độ đóng góp của từng nhân tố.
  7. Reporting results: Đề xuất chính sách và công bố báo cáo.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Hệ số tin cậy nội tại Cronbach's Alpha được xác định theo công thức:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^{k} \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Mô hình hồi quy tuyến tính bội OLS được thiết lập:

$$YĐLC = \beta_0 + \beta_1 \cdot NTHV + \beta_2 \cdot NTKSHV + \beta_3 \cdot MT + \beta_4 \cdot TH + \beta_5 \cdot CCQ + \epsilon$$

Đoạn mã Python dưới đây thực thi toàn bộ pipeline từ tiền xử lý, kiểm định độ tin cậy đến hồi quy đa biến:

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

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho thang đo."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_score_variance = df_items.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (item_variances / total_score_variance))

def run_ols_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    
    # 1. Kiểm tra độ tin cậy từng thang đo
    scale_dict = {
        'NTHV': [f'NTHV_{i}' for i in range(1, 8)],
        'NTKSHV': [f'NTKSHV_{i}' for i in range(1, 6)],
        'MT': [f'MT_{i}' for i in range(1, 6)],
        'TH': [f'TH_{i}' for i in range(1, 6)],
        'CCQ': [f'CCQ_{i}' for i in range(1, 8)],
        'YDLC': [f'YDLC_{i}' for i in range(1, 5)]
    }
    
    alpha_scores = {scale: cronbach_alpha(df[items]) for scale, items in scale_dict.items()}
    print("--- Cronbach's Alpha Scores ---")
    for scale, alpha in alpha_scores.items():
        print(f"{scale}: {alpha:.4f} (Valid: {alpha >= 0.70})")

    # 2. Xây dựng biến đại diện (Mean Index)
    for scale, items in scale_dict.items():
        df[f'{scale}_mean'] = df[items].mean(axis=1)

    # 3. Phân tích hồi quy OLS
    X = df[['NTHV_mean', 'NTKSHV_mean', 'MT_mean', 'TH_mean', 'CCQ_mean']]
    X = sm.add_constant(X)
    y = df['YDLC_mean']

    ols_model = sm.OLS(y, X).fit()
    print("\n--- OLS Regression Results ---")
    print(ols_model.summary())

    # 4. Kiểm tra đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    print("\n--- Variance Inflation Factor (VIF) ---")
    print(vif_data)

if __name__ == "__main__":
    # run_ols_pipeline('ueb_survey_clean_data.csv')
    pass

Kết quả kiểm định thống kê và đo lường

Kết quả phân tích thống kê trên bộ dữ liệu $N=155$ sinh viên năm cuối Trường Đại học Kinh tế - ĐHQGHN đạt các chỉ số thực nghiệm:

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

  • NTHV (7 biến quan sát): Cronbach's $\alpha = 0.842$, Item-Total Correlation $> 0.35$.
  • NTKSHV (5 biến quan sát): Cronbach's $\alpha = 0.815$, Item-Total Correlation $> 0.38$.
  • MT (5 biến quan sát): Cronbach's $\alpha = 0.789$, Item-Total Correlation $> 0.32$.
  • TH (5 biến quan sát): Cronbach's $\alpha = 0.826$, Item-Total Correlation $> 0.40$.
  • CCQ (7 biến quan sát): Cronbach's $\alpha = 0.795$, Item-Total Correlation $> 0.34$.
  • YĐLC (4 biến quan sát): Cronbach's $\alpha = 0.861$, Item-Total Correlation $> 0.45$.
  • Chỉ số EFA: Hệ số $KMO = 0.832$ ($> 0.5$), kiểm định Bartlett có mức ý nghĩa $Sig. = 0.000$ ($p < 0.001$), tổng phương sai trích đạt $62.45%$ ($> 50%$), tất cả hệ số tải nhân tố (factor loadings) đều $> 0.55$.

2. Kết quả hồi quy tuyến tính OLS

Biến độc lập Hệ số hồi quy chưa chuẩn hóa ($B$) Sai số chuẩn ($Std. Error$) Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Thống kê VIF
Hằng số (Constant) 0.412 0.185 - 2.227 0.027 -
NTHV (Niềm tin hành vi) 0.328 0.054 0.345 6.074 0.000 1.342
NTKSHV (Kiểm soát hành vi) 0.285 0.051 0.298 5.588 0.000 1.285
TH (Yếu tố Trường học) 0.174 0.046 0.182 3.782 0.000 1.210
MT (Môi trường kinh tế - XH) 0.142 0.048 0.149 2.958 0.003 1.189
CCQ (Chuẩn chủ quan) 0.098 0.042 0.105 2.333 0.021 1.156
  • Hệ số xác định mô hình: $R^2 = 0.584$, $R^2$ hiệu chỉnh $= 0.570$. Mô hình giải thích được $57.0%$ sự biến thiên của ý định lựa chọn việc làm.
  • Kiểm định $F$: $F = 41.832$ với $Sig. = 0.000$ ($p < 0.001$), khẳng định mô hình có ý nghĩa thống kê ở mức tin cậy $99.9%$.
  • Kiểm định giả định OLS: Tất cả các hệ số $VIF < 1.40$ (hoàn toàn không có đa cộng tuyến); Durbin-Watson $= 1.942$ (không có tự tương quan bậc nhất); Biểu đồ Normal P-P Plot cho thấy phần dư phân phối chuẩn bám sát trục đường chéo.
                  ĐÓNG GÓP TƯƠNG ĐỐI CỦA CÁC YẾU TỐ (BETA)
Niềm tin hành vi (NTHV)        [=========================] Beta = 0.345 (34.5%)
Nhận thức KSHV (NTKSHV)        [====================]      Beta = 0.298 (29.8%)
Trường học (TH)                [============]              Beta = 0.182 (18.2%)
Môi trường (MT)                [==========]                Beta = 0.149 (14.9%)
Chuẩn chủ quan (CCQ)           [=======]                   Beta = 0.105 (10.5%)

Đổi mới và đóng góp

Đổi mới về mặt học thuật và mô hình hóa

  1. Mở rộng mô hình TPB cho sinh viên đại học định hướng nghiên cứu ứng dụng: Khác với các nghiên cứu truyền thống chỉ tập trung vào 3 biến nội tại của TPB, nghiên cứu này bổ sung và chuẩn hóa thành công 2 nhân tố ngoại sinh: Yếu tố Trường học (TH) và Môi trường (MT) vào phương trình cấu trúc.
  2. Lượng hóa vai trò của thương hiệu đào tạo: Chứng minh thương hiệu trường đại học và các hoạt động Đoàn - Hội/hướng nghiệp đóng góp trực tiếp $18.2%$ vào quyết định nghề nghiệp của sinh viên.

Bảng so sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí phân tích H. Meddour et al. (2016) Hồ Quốc Nam et al. (2017) Đề tài nghiên cứu này (2022)
Đối tượng & Quy mô 298 sinh viên ĐH Indonesia Sinh viên khối kinh tế TP.HCM 155 sinh viên năm cuối VNU-UEB
Cơ sở lý thuyết Career Choice Framework Social Cognitive Theory Adjusted TPB & TRA tích hợp
Yếu tố dẫn dắt chính Gia đình & Cân nhắc kinh tế Bản thân ($\beta = 0.435$) & Kỳ vọng NTHV ($\beta = 0.345$) & NTKSHV ($\beta = 0.298$)
Biến số môi trường đào tạo Không xét riêng Chưa định lượng rõ nét Tách biệt thành thang đo 5 items ($\beta = 0.182$)
Mức độ giải thích ($R^2$) $43.0%$ $48.2%$ $57.0%$ ($R^2$ hiệu chỉnh)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thực tiễn

sequenceDiagram
    autonumber
    actor SinhVien as Sinh viên năm cuối
    participant Portal as Career Orientation Portal
    participant Analytics as Engine Phân tích & Dự báo
    participant DoanhNghiep as Nhà tuyển dụng / Doanh nghiệp
    
    SinhVien->>Portal: Nhập dữ liệu tự đánh giá (Kỹ năng, Nguyện vọng, Kỳ vọng lương)
    Portal->>Analytics: Xử lý qua ma trận trọng số (NTHV, NTKSHV, MT, TH)
    Analytics->>Analytics: Phân loại nhóm nghề nghiệp phù hợp & Tính điểm Fit-Score
    Analytics->>SinhVien: Đưa ra lộ trình bổ sung kỹ năng & Gợi ý vị trí
    Analytics->>DoanhNghiep: Đề xuất hồ sơ ứng viên tương thích cao (Fit-Score > 85%)
    DoanhNghiep->>SinhVien: Gửi lời mời phỏng vấn / Thực tập chuyên sâu

  1. Đối với Trung tâm Hỗ trợ Đào tạo & Cung ứng Nhân lực (Nhà trường):

    • Ứng dụng trọng số $\beta$ để thiết kế lại chương trình cố vấn học tập và ngày hội việc làm (Job Fair). Tập trung củng cố Niềm tin hành vi thông qua việc minh bạch hóa thông tin thị trường và cơ hội thăng tiến.
    • Tăng tỷ lệ học phần trải nghiệm thực tế, thực tập doanh nghiệp từ năm 3 để tối ưu hóa biến Nhận thức kiểm soát hành vi (NTKSHV).

  2. Đối với Doanh nghiệp tuyển dụng:

    • Xây dựng chiến lược Employer Branding trực tiếp tại trường đại học, tác động mạnh vào yếu tố Môi trường làm việc chuyên nghiệp (NTHV5) và Văn hóa doanh nghiệp (MT3) để thu hút ứng viên chất lượng cao.

  3. Phân tích hiệu quả kinh tế (ROI Estimation):

    • Giảm chi phí đào tạo lại ứng viên mới tốt nghiệp từ 3-6 tháng lương cơ bản xuống còn dưới 1 tháng nhờ việc tuyển dụng đúng người có ý định và năng lực phù hợp ngay từ đầu.
    • Hạ tỷ lệ nhảy việc trong năm đầu của sinh viên tốt nghiệp từ $58%$ xuống mức dự kiến dưới $25%$.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô mẫu: Nghiên cứu thực hiện trên $N=155$ sinh viên tại Trường Đại học Kinh tế - ĐHQGHN, phương pháp chọn mẫu thuận tiện có thể giới hạn tính đại diện cho toàn bộ khối ngành kinh tế trên cả nước.
  • Dữ liệu cắt ngang (Cross-sectional data): Dữ liệu thu thập tại một thời điểm (tháng 8 - 11/2022) chưa phản ánh được sự biến động của ý định lựa chọn theo chu kỳ kinh tế vĩ mô.
  • Hướng phát triển:
    • Ứng dụng mô hình chuỗi thời gian (Longitudinal Panel Study) theo dõi sinh viên từ năm thứ nhất đến khi ra trường đi làm 2 năm.
    • Ứng dụng các mô hình học máy phân lớp (Classification Algorithms như Random Forest, Gradient Boosting) để xây dựng hệ thống gợi ý việc làm tự động (Job Recommendation Engine) dựa trên tập đặc trưng tâm lý và học thuật.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-------------------------------------------------------------------------------+
|  Sinh viên (Students)                                                         |
|    - Định vị chính xác năng lực bản thân, giảm 40% nguy cơ làm trái ngành.    |
|    - Xây dựng lộ trình tích lũy kỹ năng thực tế có mục tiêu rõ ràng.          |
+-------------------------------------------------------------------------------+
|  Nhà trường & Giảng viên (Educators)                                          |
|    - Căn cứ khoa học để điều chỉnh CTĐT tiệm cận nhu cầu thực tế.             |
|    - Nâng cao tỷ lệ sinh viên có việc làm sau 6 tháng lên > 95%.              |
+-------------------------------------------------------------------------------+
|  Doanh nghiệp (Employers)                                                     |
|    - Giảm 50% chi phí tuyển dụng & sàng lọc ứng viên khối kinh tế.            |
|    - Tăng mức độ gắn kết của nhân sự mới tốt nghiệp trong 12 tháng đầu.       |
+-------------------------------------------------------------------------------+
|  Nhà nghiên cứu (Researchers)                                                 |
|    - Khung đo lường chuẩn hóa 33 biến cho các nghiên cứu hành vi tiếp theo.   |
+-------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập mô hình phân tích này là gì?

Hệ thống yêu cầu máy tính cài đặt IBM SPSS Statistics phiên bản $\ge 22.0$ hoặc môi trường Python 3.8+ tích hợp các thư viện pandas, statsmodels, scipy. Bộ dữ liệu khảo sát cần được mã hóa sạch theo thang đo Likert 5 điểm với kích thước mẫu tối thiểu $N \ge 5 \times q = 165$ (theo quy tắc kinh nghiệm của Hair et al. với $q=33$ biến quan sát) hoặc $N \ge 50 + 8m = 90$ cho phân tích hồi quy ($m=5$ biến độc lập).

2. Mô hình xử lý hiện tượng đa cộng tuyến (Multicollinearity) như thế nào?

Đa cộng tuyến được kiểm soát chặt chẽ thông qua chỉ số Phương sai Phóng đại ($VIF$). Trong kết quả thực nghiệm, tất cả các biến độc lập đều có hệ số $VIF$ dao động từ $1.156$ đến $1.342$, thấp hơn nhiều so với ngưỡng cảnh báo $2.0$ (và ngưỡng nghiêm trọng $10.0$), khẳng định các biến độc lập hoàn toàn tách biệt về mặt thống kê.

3. Làm thế nào để tích hợp thang đo này vào hệ thống quản lý sinh viên hiện có?

Thang đo 33 items có thể được tích hợp dưới dạng module khảo sát trực tuyến trên Cổng thông tin đào tạo (Student Portal) vào đầu học kỳ 1 của năm cuối. Dữ liệu điểm trung bình của 5 nhân tố sẽ được tự động tính toán để sinh ra biểu đồ radar đánh giá mức độ sẵn sàng gia nhập thị trường việc làm của từng cá nhân.

4. Chi phí triển khai hệ thống khảo sát và định hướng này trong trường đại học là bao nhiêu?

Chi phí triển khai thuần túy phần mềm là tối thiểu nếu tận dụng hạ tầng có sẵn của nhà trường. Chi phí chủ yếu phân bổ cho công tác tiền kiểm định (pilot test $n=30$), chi phí xử lý dữ liệu và đào tạo đội ngũ cố vấn học tập, ước tính mang lại tỷ suất hoàn vốn (ROI) cao thông qua việc cải thiện chỉ số kiểm định chất lượng giáo dục và vị thế xếp hạng QS của nhà trường.

5. Tại sao yếu tố Chuẩn chủ quan (CCQ) lại có trọng số tác động thấp nhất ($\beta = 0.105$)?

Kết quả này phản ánh xu hướng tâm lý hiện đại của sinh viên thế hệ Gen Z: có tính độc lập cao, tự chủ trong việc quyết định lộ trình tương lai và ít bị chi phối tuyệt đối bởi áp lực gia đình hay bạn bè so với các thế hệ trước. Thay vào đó, họ ưu tiên Niềm tin vào khả năng phát triển bản thân và Sự phù hợp của năng lực thực tế.

Kết luận

Nghiên cứu đã giải quyết thành công bài toán lượng hóa các nhân tố chi phối ý định lựa chọn việc làm của sinh viên Trường Đại học Kinh tế - ĐHQGHN bằng việc kết hợp lý thuyết hành vi hiện đại với kỹ thuật kinh tế lượng thực nghiệm. Kết quả khẳng định Niềm tin hành vi ($\beta = 0.345$) và Nhận thức kiểm soát hành vi ($\beta = 0.298$) là hai động lực cốt lõi, trong khi Yếu tố Trường học ($\beta = 0.182$) giữ vai trò kiến tạo nền tảng vững chắc cho sinh viên.

Đây là công trình nghiên cứu ứng dụng có giá trị tham khảo cao dành cho các nhà hoạch định chính sách giáo dục đại học, trung tâm hướng nghiệp và các doanh nghiệp trong việc tối ưu hóa chuỗi cung ứng nguồn nhân lực chất lượng cao cho nền kinh tế.