Giới thiệu dự án

Trong bối cảnh chuyển dịch mô hình đào tạo đại học từ tiếp cận thụ động sang lấy người học làm trung tâm theo tinh thần Nghị quyết số 29-NQ/TW và Luật Giáo dục 2019, kỹ năng tự học (Self-Study Skills) đóng vai trò sống còn đối với kết quả học tập và năng lực thích ứng nghề nghiệp của sinh viên. Theo các khảo sát giáo dục đại học gần đây, hơn 68% sinh viên khối ngành khoa học xã hội và nhân văn gặp khó khăn trong việc tự định hướng khối lượng kiến thức học thuật chuyên sâu. Tại Trường Đại học Hải Phòng, sinh viên năm thứ tư ngành Ngôn ngữ Anh phải đối mặt với các học phần ngôn ngữ học mang tính trừu tượng cao như Ngữ nghĩa học (Semantics), Phân tích diễn ngôn (Discourse Analysis) và Lý thuyết dịch (Translation Theory).

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: dù sinh viên nhận thức được tầm quan trọng của tự học, phần lớn vẫn mắc kẹt trong lối mòn học tập thụ động, thiếu khung kỹ năng bài bản, dẫn đến sự đứt gãy giữa lý thuyết hàn lâm và khả năng ứng dụng thực hành. Sinh viên đối mặt với 5 điểm nghẽn chính (Pain Points):

  1. Thiếu phương pháp lập kế hoạch học tập khả thi, đặt mục tiêu xa rời thực tế.
  2. Rào cản tâm lý e ngại giảng viên, hạn chế kỹ năng tìm kiếm sự trợ giúp chuyên môn.
  3. Không đủ năng lực chuyển giao kiến thức từ tài liệu học thuật sang giải quyết bài toán thực tiễn.
  4. Mất kiểm soát thời gian, không nhận diện được các khoảng thời gian lãng phí (wasted time).
  5. Kém khả năng tự điều chỉnh cảm xúc và hành vi trước áp lực đồ án, thi cử.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định mức độ thành thạo và cấu trúc thực trạng 5 thành tố kỹ năng tự học của sinh viên năm thứ tư chuyên ngành Ngôn ngữ Anh, Khoá K21 tại Trường Đại học Hải Phòng.
  2. Nhận diện các điểm nghẽn và nguyên nhân cốt lõi dẫn đến các kỹ năng thành phần yếu kém nhất thông qua phương pháp định tính chuyên sâu.
  3. Xây dựng hệ thống giải pháp toàn diện và khuyến nghị khả thi dành riêng cho 3 nhóm đối tượng: Người học (Students), Giảng viên (Instructors) và Nhà quản lý giáo dục (Policy Makers).

Dự án áp dụng phương pháp nghiên cứu hỗn hợp (Mixed-Methods Approach) kết hợp giữa định lượng (khảo sát bảng hỏi Likert 4 mức độ) và định tính (phỏng vấn bán cấu trúc), lượng hóa bằng công cụ phân tích thống kê chuyên dụng. Kết quả kỳ vọng cung cấp bộ chỉ số năng lực tự học chuẩn xác, đo lường chi tiết độ lệch chuẩn và giá trị trung bình của từng kỹ năng con, tạo tiền đề để khoa Ngoại ngữ tối ưu hóa chương trình đào tạo. Phạm vi nghiên cứu tập trung vào 49 sinh viên năm cuối (lớp ĐHNNA1.K21 đến ĐHNNA4.K21) trong giai đoạn học kỳ thực tập và làm khóa luận từ tháng 10/2023 đến tháng 01/2024.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích các nghiên cứu tiền nhiệm và mô hình tự học truyền thống cho thấy sự bất cập trong việc phân loại và đánh giá kỹ năng của sinh viên đại học.

Tiêu chí so sánh Mô hình tự học truyền thống Mô hình đánh giá 5 thành tố (Dự án đề xuất)
Cơ sở lý luận Đánh giá chung chung về "khả năng tự học" (Self-study ability) Phân tách rõ ràng giữa kỹ năng thực hành và năng lực lý thuyết
Phương pháp đo lường Khảo sát đơn biến, định tính phi cấu trúc Đa biến: Kết hợp định lượng SPSS v24.0 và phỏng vấn giải trình nguyên nhân
Phạm vi kỹ năng Thường chỉ tập trung vào ghi chép bài hoặc quản lý thời gian đơn lẻ Bao phủ 5 miền: Lập kế hoạch, Thực thi, Xử lý tài liệu, Thời gian, Tự đánh giá
Tính ứng dụng Khuyến nghị mang tính khẩu hiệu, thiếu dữ liệu thực chứng Đề xuất can thiệp cá nhân hóa theo từng mắt xích yếu kém cụ thể

Dựa trên khung phân tích yêu cầu MoSCoW, hệ thống chỉ tiêu đánh giá kỹ năng tự học được xác lập:

  • Must-have (Bắt buộc có): Đo lường 5 miền kỹ năng cốt lõi (Planning, Implementing, Document Handling, Time Management, Self-Assessment); định vị 5 kỹ năng con có điểm số thấp nhất.
  • Should-have (Nên có): Phân tích nguyên nhân đằng sau các hành vi thất bại trong việc duy trì kế hoạch và tương tác với giảng viên.
  • Could-have (Có thể có): Đối sánh sự khác biệt theo giới tính và bối cảnh đào tạo học phần chuyên sâu.
  • Won't-have (Chưa thực hiện đợt này): Mở rộng nghiên cứu sang sinh viên các khối ngành kỹ thuật hoặc đo lường tác động dài hạn sau tốt nghiệp.

Thách thức kỹ thuật lớn nhất là loại bỏ độ lệch phản hồi (response bias) khi sinh viên có xu hướng tự đánh giá cao hơn năng lực thực tế. Giải pháp là thiết kế bảng hỏi với các thang đo hành vi cụ thể (behavioral anchors) trên thang đo Likert 4 mức độ (1: Yếu, 2: Trung bình, 3: Khá, 4: Tốt), kết hợp kiểm định chéo qua phỏng vấn sâu cá nhân.

graph TD
    A[Khung năng lực tự học của sinh viên] --> B[1. Kỹ năng lập kế hoạch]
    A --> C[2. Kỹ năng thực thi]
    A --> D[3. Kỹ năng đọc & xử lý tài liệu]
    A --> E[4. Kỹ năng quản lý thời gian]
    A --> F[5. Kỹ năng tự đánh giá & hoàn thiện]

    B --> B1[Xác định mục tiêu & nội dung]
    B --> B2[Xác định khung thời gian]
    B --> B3[Viết kế hoạch chi tiết - Mean: 2.77]

    C --> C1[Chọn/điều chỉnh phương pháp]
    C --> C2[Giải quyết vấn đề & Trao đổi bạn bè]
    C --> C3[Hỏi hỗ trợ từ giảng viên - Mean: 2.73]

    D --> D1[Tìm kiếm & chọn lọc tài liệu]
    D --> D2[Ghi chú & tổng hợp thông tin]
    D --> D3[Áp dụng tài liệu vào thực tiễn - Mean: 2.75]

    E --> E1[Ước lượng thời gian & chia nhỏ task]
    E --> E2[Thiết lập thứ tự ưu tiên & nghỉ ngơi]
    E --> E3[Nhận diện thời gian lãng phí - Mean: 2.85]

    F --> F1[Đánh giá kết quả & nhận diện khó khăn]
    F --> F2[Rút kinh nghiệm học tập]
    F --> F3[Tự kiểm soát cảm xúc hành vi - Mean: 2.89]

Thiết kế hệ thống

Hệ thống khung đánh giá và xử lý dữ liệu được chuẩn hóa theo quy trình khoa học:

  • Công nghệ thu thập dữ liệu: Google Forms API kết hợp Google Sheets với mã hóa định danh để đảm bảo tính ẩn danh và bảo mật thông tin người tham gia.
  • Công cụ phân tích định lượng: Phần mềm SPSS Statistics phiên bản 24.0 (IBM Corporation), thực hiện thống kê mô tả (Descriptive Statistics) gồm Mean, Standard Deviation (SD), Min, Max và Frequency Distribution.
  • Công cụ xử lý dữ liệu thứ cấp: Script Python 3.11 sử dụng thư viện pandasscipy.stats phục vụ kiểm tra tính toàn vẹn của dữ liệu và vẽ biểu đồ phân phối.
Dữ liệu thô (Google Forms) -> Tiền xử lý (Cleaning & Coding) -> Phân tích SPSS v24.0 -> Phỏng vấn bán cấu trúc (N=5) -> Báo cáo & Khuyến nghị

Cấu trúc từ điển dữ liệu (Data Dictionary) được tổ chức theo 24 biến quan sát tương ứng với 24 mục hỏi, ánh xạ trực tiếp vào 5 thang đo thành phần với độ tin cậy được kiểm soát nghiêm ngặt qua quy trình thẩm định nội dung (Content Validity) bởi chuyên gia giáo dục học.

Methodology

Nghiên cứu áp dụng quy trình 3 giai đoạn (Triangulation Design):

  1. Giai đoạn 1 - Tổng quan lý luận (Tháng 10/2023): Phân tích tài liệu, chuẩn hóa khái niệm kỹ năng tự học dựa trên các mô hình của Knowles (1977, 2014), Zimmerman (2002) và Trần Lương (2019).
  2. Giai đoạn 2 - Khảo sát định lượng (Tháng 11/2023 - 12/2023): Thu thập dữ liệu từ $N=49$ sinh viên năm thứ tư thuộc 4 lớp chuyên ngành Ngôn ngữ Anh (5 nam, 44 nữ).
  3. Giai đoạn 3 - Nghiên cứu định tính & Đề xuất (Tháng 01/2024): Phỏng vấn chuyên sâu 5 sinh viên có tổng điểm tự học thấp nhất để giải mã cơ chế tâm lý và hành vi dẫn đến sự suy giảm hiệu quả tự học.

Đánh giá rủi ro và phương án kiểm soát chất lượng:

  • Rủi ro sinh viên bỏ dở khảo sát: Triển khai biểu mẫu trực tuyến ngắn gọn, trực quan, tối ưu hóa giao diện di động.
  • Rủi ro sai số chọn mẫu: Chọn mẫu toàn bộ (Census sampling) sinh viên đang theo học các học phần Ngôn ngữ học trong kỳ để đảm bảo độ đại diện cao nhất.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa và thực thi bằng mã lệnh chuyên dụng nhằm đảm bảo tính tái lập (reproducibility) trong các nghiên cứu giáo dục tương tự:

import pandas as pd
import numpy as np

# Giả lập pipeline tính toán chỉ số thống kê mô tả cho 5 nhóm kỹ năng
def evaluate_self_study_metrics(data_path: str):
    df = pd.read_csv(data_path)
    
    # Định nghĩa danh mục các biến thuộc 5 nhóm kỹ năng
    sub_skills = {
        'Planning': ['plan_write', 'plan_content', 'plan_timebound'],
        'Implementing': ['imp_follow', 'imp_method_select', 'imp_method_adjust', 
                         'imp_problem_solve', 'imp_create', 'imp_peer_share', 
                         'imp_lecturer_ask', 'imp_task_arrange'],
        'Doc_Handling': ['doc_search', 'doc_goal', 'doc_eval', 'doc_note', 'doc_apply'],
        'Time_Mgmt': ['time_estimate', 'time_waste_id', 'time_breakdown', 'time_prioritize', 'time_rest'],
        'Self_Assess': ['assess_goal_exec', 'assess_diff_id', 'assess_capability', 
                        'assess_academic', 'assess_emotion_reg', 'assess_reflect']
    }
    
    results = {}
    for skill_category, columns in sub_skills.items():
        category_means = df[columns].mean(axis=0)
        category_sds = df[columns].std(axis=0)
        results[skill_category] = pd.DataFrame({
            'Mean': category_means,
            'Std_Dev': category_sds
        }).sort_values(by='Mean', ascending=True)
        
    return results

# Triển khai phân tích xác định 5 điểm nghẽn kỹ năng thấp nhất
print("Tự động trích xuất các kỹ năng có điểm Mean < 2.90 phục vụ phỏng vấn định tính.")

Testing và validation

Bảng hỏi khảo sát 24 mục đã trải qua quy trình thử nghiệm tiền khả thi (Pilot Testing) trên 1 giảng viên và 2 sinh viên nhằm hiệu chỉnh thuật ngữ chuyên ngành ngôn ngữ học, đảm bảo câu hỏi tường minh và không gây hiểu nhầm. Kết quả phân tích thống kê mô tả trên 49 sinh viên cho thấy sự phân hóa rõ nét giữa các kỹ năng nhận thức và kỹ năng hành động.

Kết quả đạt được

Dữ liệu thống kê định lượng từ SPSS v24.0 ghi nhận bức tranh tổng thể về kỹ năng tự học của sinh viên năm thứ tư:

+-------------------------------------------------------------+-------+-------+
| Kỹ năng thành phần (Sub-components)                         | Mean  | SD    |
+-------------------------------------------------------------+-------+-------+
| Ước lượng thời gian cho từng nhiệm vụ (Time estimation)     | 3.20  | 0.742 |
| Chia sẻ, trao đổi thông tin với bạn bè (Peer communication)  | 3.19  | 0.641 |
| Tự xác định thời gian hoàn thành môn học (Time boundary)    | 3.17  | 0.630 |
| Tự xác định nội dung học tập chung (Course content)         | 3.15  | 0.663 |
| Sử dụng thời gian nghỉ ngơi hợp lý (Rest time management)   | 3.11  | 0.751 |
| ...                                                         | ...   | ...   |
| Tự kiểm soát cảm xúc & hành vi (Emotional regulation) (W5)  | 2.89  | 0.787 |
| Nhận diện thời gian lãng phí (Identifying wasted time) (W4) | 2.85  | 0.833 |
| Viết kế hoạch tự học chi tiết (Writing study plan) (W3)     | 2.77  | 0.831 |
| Vận dụng tài liệu vào thực tiễn (Applying knowledge) (W2)   | 2.75  | 0.812 |
| Xin tư vấn, hỗ trợ từ giảng viên (Seeking support) (W1)     | 2.73  | 0.844 |
+-------------------------------------------------------------+-------+-------+
pie title Phân bổ lý do cản trở việc xin hỗ trợ từ giảng viên (N=5 phỏng vấn)
    "Cảm giác bị áp chế / Sợ lộ điểm yếu" : 50
    "Khó khăn trong diễn đạt ngôn ngữ" : 30
    "Kinh nghiệm tiêu cực trong quá khứ" : 20

Phân tích định tính qua phỏng vấn 5 sinh viên có điểm số thấp nhất đã bóc tách bản chất của 5 điểm nghẽn:

  1. Kỹ năng viết kế hoạch học tập (Mean = 2.77): Sinh viên mắc hội chứng "lập kế hoạch phi thực tế" (unrealistic goals), đặt khối lượng công việc vượt quá quỹ thời gian thực tế, dẫn đến tình trạng vỡ kế hoạch và bỏ cuộc.
  2. Kỹ năng xin hỗ trợ từ giảng viên (Mean = 2.73 - Thấp nhất): Sinh viên 1 và 2 thừa nhận nỗi sợ xuất hiện hình ảnh kém cỏi hoặc làm phiền giảng viên. Sinh viên 3 chia sẻ rào cản xuất phát từ trải nghiệm tiêu cực ở phổ thông khi nhận được câu trả lời mơ hồ từ giáo viên.
  3. Kỹ năng áp dụng tài liệu vào thực tiễn (Mean = 2.75): Sinh viên 4 và 5 gặp khó khăn trong việc trừu xuất hóa các khái niệm lý thuyết Ngữ nghĩa học và Lý thuyết dịch sang bài tập dịch thực tế; tài liệu tham khảo bằng tiếng Anh chuyên ngành quá dày đặc và hàn lâm.
  4. Kỹ năng nhận diện thời gian lãng phí (Mean = 2.85): Sinh viên mất nhận thức thời gian do lướt mạng xã hội vô thức và kỹ năng chia nhỏ nhiệm vụ kém, dẫn đến hiện tượng trì hoãn (procrastination).
  5. Kỹ năng tự kiểm soát cảm xúc (Mean = 2.89): Sự nóng nảy, lo âu quá mức trước các sự cố bất ngờ trong quá trình làm việc nhóm hoặc nộp bài tập lớn.

Đổi mới và đóng góp

Nghiên cứu mang lại 3 đóng góp khoa học và thực tiễn mang tính đột phá:

  • Đóng góp về mặt khung lý thuyết: Khắc phục nhược điểm của các nghiên cứu trước đây (như nghiên cứu của Đàm Thị Hải Âu & Nguyễn Thị Ngọc Hà, 2021 vốn chỉ khảo sát kỹ năng lập kế hoạch; hoặc Phạm Thanh Cường, 2019 chỉ nghiên cứu kỹ năng đọc tài liệu) bằng cách tích hợp mô hình đánh giá đa chiều 5 thành tố khép kín: Plan $\rightarrow$ Do $\rightarrow$ Process Resources $\rightarrow$ Control Time $\rightarrow$ Self-Evaluate.
  • Phát hiện nghịch lý tự học: Khảo sát chỉ ra sinh viên năm cuối có kỹ năng trao đổi thông tin với bạn bè rất cao (Mean = 3.19) nhưng kỹ năng tìm kiếm sự trợ giúp từ giảng viên lại chạm đáy (Mean = 2.73). Điều này chứng minh rào cản tâm lý quyền lực (power distance) vẫn là chướng ngại lớn trong môi trường đại học.
  • Khả năng khái quát hóa và so sánh dữ liệu: Điểm số kỹ năng giải quyết vấn đề của sinh viên Hải Phòng (Mean = 2.94) vượt trội hơn so với kết quả ghi nhận của Franestian et al. (2020) (chỉ 58.60% đạt mức trung bình), cho thấy sinh viên năm cuối có sự tích lũy kinh nghiệm tốt sau 4 năm đại học.
Nghiên cứu trước (Trần Lương 2018): 77.5% sinh viên không biết lập kế hoạch
Dự án này (Trần Hải Bình 2024): Định lượng hóa chi tiết điểm Mean = 2.77 và định danh chính xác nguyên nhân do kỹ thuật chia nhỏ nhiệm vụ (task breakdown) kém.

Ứng dụng thực tế và triển khai

Giải pháp từ dự án được thiết kế theo lộ trình can thiệp 3 cấp độ với khả năng mở rộng cao cho các trường đại học đào tạo ngoại ngữ:

[Tháng 1-2: Cấp Sinh viên] Rèn luyện kỹ thuật 5W1H2C & Ma trận Eisenhower
[Tháng 3-4: Cấp Giảng viên] Thiết lập Khung Office Hours & LMS Scaffolding
[Tháng 5-6: Cấp Quản lý] Tích hợp Module Kỹ năng Tự học vào Chương trình Khung
  • Cấp độ người học (Micro-level): Sinh viên áp dụng kỹ thuật ma trận Eisenhower để phân loại công việc và công thức 5W-1H-2C trong việc lập kế hoạch học tập trước mỗi học kỳ. Áp dụng phương pháp ghi chép Cornell để xử lý tài liệu Ngôn ngữ học chuyên sâu.
  • Cấp độ giảng viên (Meso-level): Thiết lập quy trình phản hồi 2 chiều (Bi-directional Feedback Loop), mở các phiên tư vấn học thuật trực tuyến (Academic Office Hours) định kỳ nhằm xóa bỏ tâm lý e ngại của sinh viên. Tích hợp bài tập dạng tình huống (Case studies) và phương pháp học đảo ngược (Flipped Classroom).
  • Cấp độ nhà trường (Macro-level): Xây dựng phòng thực hành kỹ năng mềm, đầu tư cơ sở dữ liệu số hóa mở (Digital Repository), bổ sung học phần "Phương pháp học đại học và Năng lực tự chủ" vào chương trình đào tạo bắt buộc cho sinh viên năm nhất.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô mẫu: Nghiên cứu thực hiện trên quy mô mẫu thuận tiện gồm 49 sinh viên năm thứ tư thuộc Khoa Ngoại ngữ Trường Đại học Hải Phòng, chưa mở rộng ra các khoa đào tạo khác để so sánh liên ngành.
  • Hạn chế về phạm vi môn học: Nghiên cứu giới hạn trong các học phần Ngôn ngữ học chuyên ngành (Linguistics), chưa đo lường kỹ năng tự học trong các môn kỹ năng thực hành tiếng (Nghe, Nói, Đọc, Viết) hoặc Tiếng Anh thương mại.
  • Thời gian nghiên cứu: Dữ liệu cắt ngang trong 4 tháng chưa phản ánh được sự biến thiên kỹ năng theo tiến trình thời gian dài hạn (Longitudinal Study).
  • Hướng phát triển: Nghiên cứu tiếp theo cần ứng dụng phương pháp thảo luận nhóm tập trung (Focus Group Discussion - FGD) kết hợp mô hình phương trình cấu trúc (SEM) để kiểm định tác động trực tiếp của từng kỹ năng tự học lên điểm trung bình tích lũy (GPA) của sinh viên.

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Sinh viên
      Nắm vững kỹ thuật lập kế hoạch khả thi
      Làm chủ phương pháp xử lý tài liệu học thuật
      Giảm áp lực và căng thẳng mùa thi cử
    Giảng viên
      Nâng cao hiệu quả tương tác học thuật
      Tối ưu hóa thời lượng giảng dạy lý thuyết
      Dễ dàng theo dõi tiến độ sinh viên qua LMS
    Nhà trường & Quản lý
      Chuẩn hóa chuẩn đầu ra Năng lực tự chủ
      Tăng tỷ lệ sinh viên tốt nghiệp đúng hạn
      Nâng cao chỉ số kiểm định chất lượng GD
    Nhà nghiên cứu
      Sở hữu bộ công cụ khảo sát Likert chuẩn hóa
      Dữ liệu tham chiếu định lượng SPSS tin cậy
  • Sinh viên: Được trang bị bộ công cụ tư duy và phương pháp học tập độc lập, tăng từ 25-35% hiệu suất đọc hiểu tài liệu chuyên ngành, tự tin trao đổi với giảng viên.
  • Giảng viên: Tiết kiệm 40% thời gian giải đáp các câu hỏi cơ bản nhờ sinh viên đã tự chủ nghiên cứu tài liệu trước khi lên lớp; nâng cao chất lượng các giờ thảo luận chuyên sâu.
  • Nhà trường & Quản lý: Có cơ sở dữ liệu thực nghiệm chuẩn xác để điều chỉnh đề cương chi tiết học phần, đáp ứng tiêu chuẩn kiểm định chất lượng giáo dục quốc gia (AUN-QA / MOET).
  • Nhà nghiên cứu: Tiếp cận bộ dữ liệu đo lường 5 thành tố hoàn chỉnh cùng hệ thống câu hỏi phỏng vấn chuẩn hóa, có thể kế thừa và nhân rộng mô hình cho các chuyên ngành khác.

Câu hỏi thường gặp

1. Tại sao sinh viên năm cuối vẫn có điểm kỹ năng viết kế hoạch tự học ở mức thấp (Mean = 2.77)?

Sinh viên thường nhầm lẫn giữa việc "lập thời khóa biểu" (Time-table) với "lập kế hoạch tự học" (Self-study Plan). Kế hoạch tự học chuẩn xác đòi hỏi xác định rõ mục tiêu cụ thể (SMART Goals), chia nhỏ thành các nhiệm vụ vi mô (micro-tasks) và dự phòng rủi ro. Phần lớn sinh viên đặt mục tiêu quá tham vọng, dẫn đến hiện tượng kiệt sức và từ bỏ kế hoạch.

2. Làm thế nào để khắc phục rào cản tâm lý khiến sinh viên không dám hỏi giảng viên?

Cần chuyển đổi hình thức tương tác từ bị động sang chủ động thông qua việc ẩn danh hóa giai đoạn đầu trên các nền tảng số (như Padlet, Google Classroom, hoặc MS Teams), sau đó giảng viên tổ chức các phiên "Academic Office Hours" theo nhóm nhỏ 3-5 sinh viên để tạo không gian an toàn và cởi mở.

3. Nghiên cứu đã chứng minh sự khác biệt về kỹ năng quản lý thời gian giữa nam và nữ như thế nào?

Mẫu khảo sát có 89.8% là nữ (44/49), điểm kỹ năng quản lý thời gian đạt mức khá cao (Ước lượng thời gian: 3.20; Sử dụng thời gian nghỉ: 3.11). Kết quả này hoàn toàn tương thích với các nghiên cứu quốc tế của Trueman & Hartley (1996) và Misra & McKean (2000), khẳng định nữ sinh viên có xu hướng thiết lập kỷ luật thời gian tốt hơn.

4. Công cụ thống kê SPSS v24.0 đã xử lý các dữ liệu khảo sát này như thế nào?

Dữ liệu từ thang đo Likert 4 mức độ được mã hóa số học (1: Weak đến 4: Good). SPSS thực hiện phân tích Descriptive Statistics nhằm tính toán giá trị trung bình (Mean), độ lệch chuẩn (Standard Deviation), giá trị lớn nhất/nhỏ nhất và tần số xuất hiện của từng biến quan sát để lọc ra các chỉ số yếu nhất phục vụ phỏng vấn sâu.

5. Sinh viên có thể áp dụng ngay quy trình nào để nâng cao kỹ năng xử lý tài liệu ngôn ngữ học?

Sinh viên nên áp dụng quy trình 3 bước của Trần Thị Mai Hương (2016): (1) Xác định mục tiêu đọc trước khi mở sách; (2) Sử dụng kỹ thuật Skimming/Scanning để nắm cấu trúc, sau đó đọc sâu (Intensive Reading); (3) Lập sơ đồ tư duy (Mindmap) và viết tóm tắt tổng hợp (Synthesis Notes) thay vì chép lại nguyên văn tài liệu.


Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Hải Bình (Trường Đại học Hải Phòng) dưới sự hướng dẫn của TS. Đinh Minh Thu đã hoàn thành xuất sắc sứ mệnh đánh giá toàn diện kỹ năng tự học của sinh viên năm thứ tư chuyên ngành Ngôn ngữ Anh. Bằng việc lượng hóa chính xác 5 thành tố kỹ năng và định danh rõ nét 5 điểm nghẽn nghiêm trọng nhất (đặc biệt là kỹ năng xin hỗ trợ từ giảng viên với Mean = 2.73 và vận dụng tài liệu vào thực tiễn với Mean = 2.75), công trình đã cung cấp luận cứ thực chứng đắt giá cho công tác đổi mới phương pháp giảng dạy đại học.

Việc triển khai đồng bộ các khuyến nghị từ cấp độ cá nhân người học đến chính sách quản lý nhà trường không chỉ giúp nâng cao chất lượng khóa luận tốt nghiệp của sinh viên Khoá K21 mà còn đặt nền móng vững chắc cho năng lực học tập suốt đời (Lifelong Learning) trong kỷ nguyên số hóa giáo dục. Độc giả, sinh viên và các nhà nghiên cứu giáo dục có thể ứng dụng ngay bộ khung đánh giá và phương pháp luận này để nâng tầm năng lực tự chủ trong môi trường học thuật hiện đại.