Giới thiệu dự án

Tiêu thụ thực phẩm bền vững (Sustainable Food Consumption) là một trong những trọng tâm cốt lõi của Chương trình Nghị sự 2030 vì sự Phát triển Bền vững do Liên Hợp Quốc thông qua, cụ thể hóa qua Mục tiêu Phát triển Bền vững số 12 (SDG 12: Đảm bảo các mô hình sản xuất và tiêu dùng bền vững). Theo thống kê của Tổ chức Nông Lương Liên Hợp Quốc (FAO, 2018), các hệ thống thực phẩm toàn cầu (Global Food Systems - FS) đóng góp xấp xỉ 26-34% tổng lượng phát thải khí nhà kính (GHG), đồng thời là nguyên nhân chính dẫn đến suy giảm đa dạng sinh học và ô nhiễm nguồn nước. Báo cáo thị trường của Nielsen (2018) chỉ ra rằng 73% người tiêu dùng toàn cầu sẵn sàng thay đổi hành vi để giảm thiểu tác động môi trường, và 41% người tiêu dùng thuộc thế hệ Millennials/Gen Z sẵn sàng chi trả mức giá cao hơn (price premium) cho các sản phẩm có chứng nhận bền vững.

Tại Việt Nam, đặc biệt là khu vực đô thị như Thành phố Hồ Chí Minh (TP.HCM), quá trình chuyển dịch sang lối sống xanh đang gia tăng. Tuy nhiên, tồn tại một khoảng cách lớn (attitude-behavior gap) giữa nhận thức lý thuyết và hành vi thực tế của thế hệ trẻ. Sinh viên là nhóm đối tượng tiêu dùng tiềm năng, có khả năng định hình xu hướng tiêu dùng xã hội nhưng lại chịu ràng buộc bởi thu nhập và mức độ tiếp cận thông tin.

Vấn đề nghiên cứu tập trung vào việc giải quyết tình trạng thiếu hụt mô hình định lượng đánh giá đa chiều về mối liên hệ cấu trúc giữa nhận thức (Perception), thái độ (Attitude), trải nghiệm (Customer Experience) và sự hài lòng (Customer Satisfaction) đối với thực phẩm bền vững trong phân khúc người trẻ tại TP.HCM.

Mục tiêu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý thuyết về hệ thống thực phẩm bền vững (Sustainable Food Systems - SFS) và hành vi người tiêu dùng xanh.
  2. Thiết kế và chuẩn hóa bộ thang đo đa hướng (Multi-item scale) thích ứng cho phân khúc sinh viên đại học tại TP.HCM.
  3. Kiểm định định lượng mô hình cấu trúc tuyến tính để xác định mức độ tác động của nhận thức và thái độ lên trải nghiệm thực tế và sự hài lòng cuối cùng.
  4. Đề xuất khung giải pháp chiến lược (Actionable Framework) hỗ trợ doanh nghiệp F&B (Food & Beverage) và nhà quản lý giáo dục tối ưu hóa trải nghiệm khách hàng.

Phạm vi nghiên cứu được giới hạn trong cộng đồng sinh viên các trường đại học tại TP.HCM, thực hiện khảo sát cắt ngang (cross-sectional) trong giai đoạn từ tháng 12/2023 đến tháng 07/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu hành vi tiêu dùng truyền thống thường áp dụng Thuyết hành động hợp lý (TRA) hoặc Thuyết hành vi hoạch định (Theory of Planned Behavior - TPB) thuần túy của Ajzen (1991), tập trung vào chuẩn chủ quan và ý định mua mà bỏ qua cấu trúc "Trải nghiệm tiêu dùng" (Customer Experience) - yếu tố quyết định sự hài lòng và lòng trung thành thương hiệu trong ngành dịch vụ ẩm thực.

Tiêu chí phân tích Mô hình TPB truyền thống (Ajzen, 1991) Mô hình Giá trị Cảm nhận (Sweeney & Soutar, 2001) Mô hình Nghiên cứu Đề xuất (Tích hợp)
Cấu trúc biến số Thái độ, Chuẩn chủ quan, Kiểm soát hành vi Giá trị chất lượng, Cảm xúc, Xã hội, Giá cả Nhận thức, Thái độ, Trải nghiệm, Sự hài lòng
Vai trò của Trải nghiệm Chưa xem xét Đo lường gián tiếp qua giá trị Biến trung gian then chốt (Mediator)
Độ phù hợp ngành F&B Trung bình (Tập trung ý định) Khá (Tập trung đánh giá sau mua) Rất cao (Bao quát toàn chu kỳ tiêu dùng)
Khả năng ứng dụng thực nghiệm Dự báo xu hướng chung Tối ưu hóa định vị sản phẩm Thiết kế giải pháp vận hành & tiếp thị F&B

Yêu cầu nghiên cứu được phân loại theo phương pháp MoSCoW:

  • Must have: Bộ công cụ khảo sát chuẩn hóa Likert 5 điểm, kiểm định độ tin cậy Cronbach's Alpha $\ge 0.70$, phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và mô hình hóa cấu trúc bình phương bé nhất từng phần (PLS-SEM).
  • Should have: Phân tích phương sai đơn phương (Common Method Variance - CMV) và kiểm định mức độ phân biệt Fornell-Larcker.
  • Could have: Đánh giá phân khúc nhân khẩu học mở rộng (thu nhập, hình thức lưu trú, xu hướng ăn kiêng).
  • Won't have: Mô hình chuỗi thời gian dài hạn (Longitudinal design) qua nhiều năm.

Thiết kế hệ thống

Mô hình nghiên cứu vận hành dựa trên công cụ thống kê chuyên sâu với quy chuẩn kiến trúc đo lường 4 nhân tố chính gồm 25 biến quan sát cốt lõi và 5 biến đo lường lòng trung thành, được kế thừa từ các thang đo quốc tế có điều chỉnh:

================================================================================
KHO NGUYÊN LIỆU THANG ĐO (MEASUREMENT MODEL SPECIFICATION)
================================================================================
[1] Thái độ (Attitude - TĐ)      : 7 biến quan sát (TĐ1 -> TĐ7) [Angie et al., 2010]
[2] Nhận thức (Perception - NT)  : 6 biến quan sát (NT1 -> NT6) [Torjusen et al., 2001]
[3] Trải nghiệm (Experience - TN): 6 biến quan sát (TN1 -> TN6) [Iris et al., 2020; Emilia et al., 2022]
[4] Sự hài lòng (Satisfaction-SHL): 6 biến quan sát (SHL1 -> SHL6)[Corinna & Jutta, 2022]
================================================================================

Tech Stack & Analytical Engine:

  • Nền tảng thu thập dữ liệu: Google Forms Cloud Infrastructure kết hợp mã QR phân phối đa kênh.
  • Phần mềm xử lý dữ liệu: IBM SPSS Statistics v22.0 / SmartPLS v3.3+ cho mô hình hóa cấu trúc.
  • Ngôn ngữ kịch bản tiền xử lý: Python 3.10 (thư viện pandas, numpy, statsmodels) phục vụ làm sạch dữ liệu tự động.

Toàn bộ thông tin khảo sát được mã hóa ẩn danh (Anonymization), tuân thủ tiêu chuẩn đạo đức nghiên cứu xã hội, không lưu vết thông tin định danh cá nhân (PII).

Methodology

Nghiên cứu ứng dụng quy trình nghiên cứu hỗn hợp (Mixed Methodology) với trọng tâm là phân tích định lượng suy diễn:

  1. Thiết kế mẫu: Áp dụng công thức cỡ mẫu tối thiểu theo Hair et al. và Erin Ruel (2018), kích thước mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát ($N_{min} = 5 \times q = 5 \times 30 = 150$). Cỡ mẫu thực tế thu thập đạt $N = 395$, sau sàng lọc đạt $N = 333$ mẫu hợp lệ (đạt 222% yêu cầu tối thiểu).
  2. Tiến độ triển khai: 10 giai đoạn từ lập đề cương (15/12/2023) đến bảo vệ hội đồng (27/07/2024).
  3. Chiến lược kiểm soát rủi ro: Xử lý sai lệch đơn nguồn (CMV) bằng kỹ thuật đảo câu hỏi kiểm tra tính nhất quán (Reverse-coded logic check) và kiểm định đơn nhân tố Harman.

Implementation và kết quả

Development process

Quy trình xử lý dữ liệu được chuẩn hóa thành đường ống dữ liệu (Data Pipeline) 5 bước từ thu thập thô đến ước lượng mô hình cấu trúc. Dưới đây là thuật toán tiền xử lý và kiểm định độ tin cậy được thiết kế để chuẩn hóa dữ liệu đầu vào:

import numpy as np
import pandas as pd

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_count = 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)
    
    alpha = (item_count / (item_count - 1)) * (1 - (item_variances / total_score_variance))
    return float(alpha)

def data_cleansing_pipeline(raw_survey_path: str) -> pd.DataFrame:
    """Đường ống làm sạch dữ liệu khảo sát, lọc phản hồi rác/không hợp lệ."""
    df = pd.read_csv(raw_survey_path)
    
    # Loại bỏ missing values và phản hồi hoàn thành dưới 60 giây
    cleaned_df = df.dropna().copy()
    if 'Duration_Seconds' in cleaned_df.columns:
        cleaned_df = cleaned_df[cleaned_df['Duration_Seconds'] >= 60]
        
    # Kiểm tra tính đơn điệu (Straight-lining responses)
    likert_cols = [c for c in cleaned_df.columns if c.startswith(('TD', 'NT', 'TN', 'SHL'))]
    std_devs = cleaned_df[likert_cols].std(axis=1)
    cleaned_df = cleaned_df[std_devs > 0.2] # Loại bỏ các mẫu chọn 1 điểm số duy nhất
    
    return cleaned_df

Testing và validation

Dữ liệu $N = 333$ mẫu được đưa vào kiểm định hệ số tin cậy nội tại Cronbach's Alpha và Phân tích nhân tố khám phá EFA trên SPSS 22.0:

  1. Kiểm định EFA:

    • Hệ số Kaiser-Meyer-Olkin (KMO) = $0.884 > 0.50$, chứng minh dung lượng mẫu hoàn toàn thích hợp.
    • Kiểm định độ cầu Bartlett’s: $\chi^2 = 3842.15$, Giá trị $p\text{-value} = 0.000 < 0.001$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đồng nhất.
    • Tổng phương sai trích (Cumulative Variance Extracted) $> 61.2%$, Eigenvalue của các nhân tố đều $> 1.0$.

  2. Chỉ số Hội tụ và Độ tin cậy thang đo (Measurement Model Validity):

Thang đo / Khái niệm Số biến quan sát Cronbach’s Alpha ($\alpha$) Độ tin cậy tổng hợp (CR) Phương sai trích trung bình (AVE)
Thái độ (TĐ) 7 0.842 0.881 0.518
Nhận thức (NT) 6 0.865 0.898 0.596
Trải nghiệm (TN) 6 0.831 0.875 0.540
Sự hài lòng (SHL) 6 0.889 0.915 0.643

Ghi chú: Tất cả thang đo đều thỏa mãn điều kiện $\alpha > 0.70$, $\text{CR} > 0.70$ và $\text{AVE} > 0.50$, khẳng định tính hội tụ (Convergent Validity) vững chắc.

Kết quả đạt được

Phân tích hồi quy đa biến và PLS-SEM cho ra các kết quả kiểm định 5 giả thuyết nghiên cứu chính:

Giả thuyết Mối quan hệ tác động Hệ số đường dẫn ($\beta$) Giá trị T-Statistics P-Value Trạng thái kết luận
$H_1$ Thái độ $\rightarrow$ Trải nghiệm 0.342 5.891 0.000 Chấp nhận (Supported)
$H_2$ Thái độ $\rightarrow$ Sự hài lòng 0.215 3.742 0.000 Chấp nhận (Supported)
$H_3$ Nhận thức $\rightarrow$ Trải nghiệm 0.418 7.125 0.000 Chấp nhận (Supported)
$H_4$ Nhận thức $\rightarrow$ Sự hài lòng 0.198 3.411 0.001 Chấp nhận (Supported)
$H_5$ Trải nghiệm $\rightarrow$ Sự hài lòng 0.486 8.954 0.000 Chấp nhận (Supported)

Hệ số xác định mô hình (Coefficient of Determination):

  • Biến Trải nghiệm ($R^2 = 0.458$): 45.8% biến thiên của trải nghiệm tiêu dùng thực phẩm bền vững được giải thích bởi Nhận thức và Thái độ.
  • Biến Sự hài lòng ($R^2 = 0.572$): 57.2% sự biến thiên mức độ hài lòng của sinh viên được giải thích đồng thời bởi Nhận thức, Thái độ và Trải nghiệm thực tế.

Đổi mới và đóng góp

  1. Khám phá vai trò trung gian của "Trải nghiệm": Khác với các mô hình trước đây (như Trần Thị Xuân Hương et al., 2020 chỉ phân tích mối quan hệ trực tiếp Thái độ - Hành vi), nghiên cứu này chứng minh thực nghiệm rằng Trải nghiệm chính là biến trung gian có tác động mạnh nhất ($\beta = 0.486, p < 0.001$) đến Sự hài lòng. Nhận thức cao hay thái độ tốt chỉ đóng vai trò kích hoạt ban đầu; nếu trải nghiệm thực tế (chất lượng cảm quan, thông tin bao bì minh bạch, tính tiện dụng) không đáp ứng kỳ vọng, sự hài lòng sẽ suy giảm nghiêm trọng.
  2. Lượng hóa sự khác biệt nhận thức theo phân khúc sinh viên: Nghiên cứu phân tích sâu hồ sơ nhân khẩu học, chỉ ra rằng 59.5% sinh viên quan tâm sâu sắc đến dư lượng hóa chất/thuốc bảo vệ thực vật (biến NT4) và chứng nhận an toàn, nhưng có tới 64.2% bị rào cản bởi khả năng tài chính định kỳ (biến TN5).
  3. Cung cấp cơ sở dữ liệu thực chứng cho ngành F&B TP.HCM: Cung cấp bộ tham số chuẩn hóa về kỳ vọng của sinh viên đối với thực phẩm xanh, mở đường cho các mô hình kinh doanh ẩm thực học đường bền vững.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  • Tái cấu trúc chuỗi cung ứng Canteen Đại học: Ứng dụng mô hình để thiết lập tiêu chuẩn suất ăn sinh viên bền vững (Eco-canteen) tại các trường đại học tại TP.HCM, kết nối trực tiếp với các hợp tác xã nông nghiệp hữu cơ đạt chuẩn VietGAP/GlobalGAP.
  • Chiến lược định giá và đóng gói sản phẩm F&B: Giúp các doanh nghiệp như Vinamilk, TH True Milk, hay chuỗi cửa hàng tiện lợi (Circle K, FamilyMart) thiết kế gói sản phẩm "Green Choice for Students" với mức giá trợ cấp hoặc chia nhỏ khẩu phần nhằm giải quyết rào cản tài chính của biến TN5.

Lộ trình triển khai khuyến nghị cho doanh nghiệp F&B

Giai đoạn 1: Minh bạch hóa thông tin (Tháng 1 - 3)

Giai đoạn 2: Tối ưu hóa điểm chạm trải nghiệm (Tháng 4 - 6)

Giai đoạn 3: Chiến lược giá kích cầu & Đo lường định kỳ (Tháng 7 - 12)

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu thuận tiện (Convenience Sampling): Mặc dù kích thước mẫu ($N=333$) đáp ứng các tiêu chuẩn thống kê, phương pháp chọn mẫu phi xác suất có thể hạn chế tính đại diện tuyệt đối cho toàn bộ sinh viên tại tất cả các trường trên địa bàn TP.HCM.
  • Đặc thù địa lý: Kết quả phản ánh hành vi tại đô thị loại đặc biệt (TP.HCM), chưa phản ánh tương quan tại các tỉnh thành có mức độ đô thị hóa và cơ sở hạ tầng thực phẩm khác nhau.
  • Hướng nghiên cứu tương lai:
    1. Mở rộng mô hình nghiên cứu kết hợp phương pháp Structural Equation Modeling đa nhóm (Multi-group Analysis - MGA) để so sánh hành vi giữa nhóm sinh viên ngành F&B/Du lịch với các khối ngành kỹ thuật/kinh tế.
    2. Ứng dụng kỹ thuật học máy (Machine Learning) như Random Forest hoặc Gradient Boosting để phân loại và dự đoán mức độ sẵn sàng chi trả (Willingness to Pay) của người tiêu dùng trẻ dựa trên dữ liệu hành vi thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Giới trẻ: Nâng cao nhận thức hệ thống về tiêu dùng bền vững, nhận diện rõ mối liên hệ giữa sức khỏe cá nhân, an toàn sinh học và trách nhiệm môi trường.
  • Doanh nghiệp & Quản lý Nhà hàng F&B: Tiếp cận dữ liệu thực nghiệm để hoạch định chiến lược sản phẩm, định giá linh hoạt và tối ưu hóa trải nghiệm khách hàng tại các điểm bán lẻ gần trường học.
  • Giảng viên & Nhà nghiên cứu: Bộ thang đo đã được chuẩn hóa và quy trình phân tích PLS-SEM đóng vai trò tài liệu tham khảo giá trị cho các nghiên cứu tiếp theo về kinh tế xanh và hành vi người tiêu dùng.
  • Cơ quan Quản lý & Nhà trường: Căn cứ dữ liệu để xây dựng chính sách hỗ trợ bữa ăn học đường an toàn, bền vững và triển khai các chương trình giáo dục môi trường thực chất.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai quy trình phân tích dữ liệu của đồ án là gì?

Hệ thống cần máy tính cá nhân cấu hình cơ bản (CPU 2 cores, RAM 4GB, HĐH Windows/macOS/Linux) cài đặt phần mềm IBM SPSS Statistics v20.0 trở lên hoặc môi trường Python 3.8+ với các thư viện mã nguồn mở: pandas, numpy, scipy, statsmodels.

2. Thang đo của nghiên cứu được kiểm chứng độ tin cậy và giá trị như thế nào?

Thang đo được thẩm định qua 2 bước: (1) Đánh giá độ tin cậy nhất quán nội tại qua hệ số Cronbach's Alpha ($\alpha \ge 0.70$) và Độ tin cậy tổng hợp ($\text{CR} \ge 0.70$); (2) Đánh giá giá trị hội tụ thông qua Phương sai trích trung bình ($\text{AVE} \ge 0.50$) và kiểm định EFA với hệ số tải nhân tố (Factor loading) $> 0.50$.

3. Làm thế nào để áp dụng kết quả nghiên cứu vào một nhà hàng hoặc canteen thực tế?

Chủ cơ sở cần tập trung cải thiện biến có trọng số tác động cao nhất là Trải nghiệm ($\beta = 0.486$). Các hành động cụ thể gồm: dán tem nhãn minh bạch quy trình trồng/chế biến, đảm bảo vệ sinh cảm quan suất ăn, duy trì mức giá ổn định thông qua việc thu mua trực tiếp từ nguồn sản xuất địa phương (Short Food Supply Chains).

4. Tại sao biến "Thái độ" không tác động trực tiếp mạnh nhất đến "Sự hài lòng"?

Thái độ chỉ phản ánh tâm lý tán thành hoặc kỳ vọng chủ quan ban đầu. Sự hài lòng là trạng thái đánh giá sau tiêu dùng (Post-consumption evaluation); do đó, trải nghiệm tiếp xúc thực tế đóng vai trò bắc cầu trực tiếp và chuyển hóa thái độ thành mức độ hài lòng cụ thể.

5. Khảo sát có kiểm soát được tình trạng thiên lệch câu trả lời (Response Bias) không?

Dự án đã áp dụng kỹ thuật sàng lọc 2 tầng: loại bỏ các bản ghi hoàn thành dưới ngưỡng thời gian tối thiểu (Speeders) và lọc các bản ghi có phương sai điểm số bằng 0 (Straight-lining responses), giúp loại bỏ 62 mẫu rác và giữ lại 333 mẫu đạt chuẩn chất lượng dữ liệu.

Kết luận

Đồ án tốt nghiệp "Ưa chuộng thực phẩm bền vững: Mối quan hệ giữa nhận thức, thái độ, trải nghiệm và sự hài lòng của sinh viên tại Thành phố Hồ Chí Minh" đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc thiết lập và kiểm định thành công mô hình cấu trúc thực nghiệm với $N = 333$ mẫu hợp lệ.

Kết quả phân tích định lượng khẳng định cả 5 giả thuyết nghiên cứu đều được chấp nhận ở mức ý nghĩa thống kê cao ($p < 0.001$). Trong đó, Trải nghiệm đóng vai trò là nhân tố chi phối mạnh mẽ nhất đến Sự hài lòng ($\beta = 0.486$), đồng thời chịu sự tác động đồng thời từ Nhận thức ($\beta = 0.418$) và Thái độ ($\beta = 0.342$).

Công trình mang lại giá trị học thuật quan trọng khi bổ sung biến số Trải nghiệm vào mô hình hành vi thực phẩm xanh tại Việt Nam, đồng thời cung cấp luận cứ thực tiễn giúp các nhà quản trị F&B và các trường đại học kiến tạo hệ sinh thái ẩm thực bền vững, thân thiện với sức khỏe và môi trường sống cho thế hệ tương lai.