Báo Cáo Nghiên Cứu: Xu Hướng Chuyển Đổi Số, Ứng Dụng AI Và Hành Vi Tài Chính Tiêu Dùng Của Thế Hệ Trẻ (Kỷ Yếu SSCEBM)

Tóm tắt nghiên cứu

Trong kỷ nguyên kinh tế số bùng nổ, thế hệ trẻ (đặc biệt là sinh viên và Gen Z) đang trở thành lực lượng tiên phong tiếp nhận các giải pháp công nghệ mới. Báo cáo nghiên cứu tổng hợp từ Kỷ yếu Hội thảo Khoa học Sinh viên về Kinh tế học, Kinh doanh và Quản lý (SSCEBM) do Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) và NXB Lao Động phát hành, tập trung giải quyết câu hỏi nghiên cứu cốt lõi: Đâu là động lực, rào cản và cơ chế tác động chi phối hành vi của người trẻ đối với công cụ Trí tuệ nhân tạo (AI) trong học tập, dịch vụ Mua trước trả sau (BNPL) và giải pháp thanh toán thẻ ngân hàng số?

Nghiên cứu ứng dụng phương pháp tiếp cận đa chiều kết hợp nghiên cứu định tính và khảo sát thực nghiệm định lượng trên các tập mẫu điển hình ($N = 202$ đối với nghiên cứu ứng dụng AI và $N = 250$ đối với hành vi sử dụng thẻ ngân hàng). Dữ liệu được xử lý qua phần mềm thống kê SPSS với hệ thống kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), mô hình hồi quy tuyến tính bội và phân tích phương sai ANOVA.

Kết quả chỉ ra rằng có tới 85.1% sinh viên đã chủ động tích hợp AI vào học tập, tuy nhiên vẫn chịu rào cản lớn về chi phí bản quyền và nguy cơ suy giảm tư duy độc lập. Trong lĩnh vực tài chính, mô hình Ví trả sau (BNPL) tạo bước đột phá trong kích cầu tiêu dùng nhờ loại bỏ rào cản chứng minh thu nhập nhưng đối mặt với rủi ro lãi suất phạt cao. Đối với quyết định sử dụng thẻ ngân hàng số, nhân tố Ảnh hưởng xã hội ($\beta = 0.249$) và Thương hiệu ($\beta = 0.185$) đóng vai trò dẫn dắt mạnh mẽ nhất với mô hình giải thích được $50.4%$ biến thiên thực tế ($R^2_{\text{adj}} = 0.504$). Nghiên cứu mang lại những hàm ý quản trị sâu sắc cho các cơ sở đào tạo đại học và định hình chiến lược sản phẩm cho các định chế tài chính, ngân hàng thương mại.

Bối cảnh và tầm quan trọng

Thực trạng phát triển và tri thức hiện hữu

Cuộc Cách mạng Công nghiệp 4.0 đang thúc đẩy sự hội tụ mạnh mẽ giữa công nghệ trí tuệ nhân tạo tạo sinh (Generative AI), điện toán đám mây và công nghệ tài chính (Fintech). Tại Việt Nam, sau đại dịch COVID-19, thói quen tiêu dùng và phương thức học tập đã có sự dịch chuyển mang tính cấu trúc: hơn $76%$ người tiêu dùng chuyển sang thanh toán số, giao dịch qua kênh Internet và di động tăng trưởng từ $48.8%$ đến $87.5%$, trong khi nhu cầu cá nhân hóa trải nghiệm học thuật ngày càng tăng cao.

Khoảng trống nghiên cứu (Research Gap)

Mặc dù các tài liệu quốc tế đã khám phá sâu rộng về hệ thống dạy kèm thông minh (ITS - Intelligent Tutoring Systems) hay mô hình chấp nhận công nghệ ngân hàng điện tử, bối cảnh học thuật tại Việt Nam vẫn tồn tại những khoảng trống rõ rệt:

  • Đa số các nghiên cứu giáo dục chỉ tiếp cận AI dưới góc độ sư phạm của giảng viên mà chưa đào sâu vào hành vi tự học, tần suất khai thác và rào cản chi phí thực tế của sinh viên khối ngành Kinh tế - Quản trị.
  • Các nghiên cứu về thanh toán thẻ và Fintech thường nhìn nhận khách hàng ở quy mô tổng thể, thiếu vắng các mô hình định lượng vi mô phân tích nhóm sinh viên đại học – đối tượng có mức thu nhập trung bình nhưng lại sở hữu mức độ am hiểu công nghệ (digital literacy) vượt trội.
  • Sự bùng nổ của dịch vụ mua trước trả sau (Buy Now Pay Later - BNPL) như Ví trả sau MoMo hợp tác cùng TPBank đặt ra bài toán mới về ranh giới giữa tiện ích tín dụng ngắn hạn và rủi ro nợ xấu của Gen Z chưa được kiểm chứng đầy đủ.

Tính thời điểm và tác động tiềm năng

Nghiên cứu mang tính thời sự cấp thiết khi năm 2023 đánh dấu bước ngoặt phổ biến của các mô hình ngôn ngữ lớn (LLM) và quyết định số 810/QĐ-NHNN của Ngân hàng Nhà nước về Kế hoạch chuyển đổi số ngành Ngân hàng đến năm 2025-2030. Kết quả từ các công trình này tạo tiền đề thiết thực giúp định hình khung đạo đức sử dụng AI trong nhà trường và hoàn thiện hành lang pháp lý cho các sản phẩm tín dụng số tại thị trường mới nổi.

Methodology và approach

Thiết kế nghiên cứu (Research Design)

Nghiên cứu áp dụng quy trình hỗn hợp hai giai đoạn (Mixed Methods Design):

  1. Nghiên cứu định tính sơ bộ: Hệ thống hóa cơ sở lý thuyết nền tảng dựa trên Mô hình Chấp nhận Công nghệ (TAM - Technology Acceptance Model) của Davis (1989), Thuyết Hành vi Hoạch định (TPB) của Ajzen (1991), Thuyết Hành động Hợp lý (TRA) và thang đo chất lượng dịch vụ SERVQUAL (Parasuraman et al., 1988). Tiến hành phỏng vấn sâu chuyên gia và thảo luận nhóm để hiệu chỉnh thang đo cho phù hợp với môi trường đại học tại Việt Nam.
  2. Nghiên cứu định lượng chính thức: Sử dụng bảng hỏi khảo sát đóng trên thang đo Likert 5 điểm (từ 1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý) nhằm lượng hóa các biến số quan sát.

Phương pháp thu thập dữ liệu (Data Collection)

  • Khảo sát ứng dụng AI: Thu thập từ 202 sinh viên ngành Quản trị Kinh doanh tại nhiều trường đại học trên địa bàn TP.HCM (HUB chiếm $43.6%$, UEH chiếm $14.9%$, UFM, VLU, FTU, UEF và các trường khác) trong giai đoạn tháng 07/2023 - 08/2023.
  • Khảo sát quyết định dùng thẻ ngân hàng: Thu thập $250$ phiếu khảo sát hợp lệ từ sinh viên HUB. Cơ cấu mẫu phân bổ theo giới tính ($58.4%$ nữ, $41.6%$ nam) và theo năm học (sinh viên năm tư chiếm $39.2%$, năm ba chiếm $24.8%$). Quy mô mẫu đáp ứng chặt chẽ quy tắc thực nghiệm của Hair et al. (2006) với tỷ lệ quan sát trên biến đo lường vượt ngưỡng tối thiểu $5:1$ ($250$ mẫu / $27$ biến quan sát độc lập).

Kỹ thuật phân tích dữ liệu

Quy trình phân tích dữ liệu được thực thi tuần tự trên phần mềm IBM SPSS 22:

  1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Loại bỏ các biến rác có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $< 0.3$ và duy trì thang đo có hệ số $\alpha \ge 0.6$.
  2. Phân tích nhân tố khám phá (EFA): Áp dụng phương pháp trích Principal Component Analysis với phép quay Varimax. Tiêu chuẩn đánh giá: $0.5 < \text{KMO} < 1$, kiểm định Bartlett’s có mức ý nghĩa $p < 0.05$, tổng phương sai trích (Cumulative Variance) $> 50%$, và hệ số tải nhân tố (Factor Loading) $> 0.5$.
  3. Phân tích tương quan Pearson và Hồi quy tuyến tính bội: Đo lường mức độ tác động của các biến độc lập lên biến phụ thuộc.
  4. Kiểm định vi phạm giả định hồi quy: Đánh giá đa cộng tuyến qua hệ số phóng đại phương sai (VIF), kiểm tra phân phối chuẩn phần dư qua biểu đồ Histogram và đồ thị P-P Plot.

Phát hiện chính

Các phân tích thống kê và kiểm định thực nghiệm đã làm sáng tỏ 4 nhóm phát hiện cốt lõi mang tính khoa học cao:

1. Sự thâm nhập của AI và mô thức phân hóa hành vi học tập

  • Khảo sát cho thấy $85.1%$ sinh viên đã tích hợp các công cụ AI vào quy trình học tập, với $69.2%$ duy trì tần suất sử dụng thường xuyên.
  • Top công cụ phổ biến: Hệ sinh thái Google Workspace tích hợp AI dẫn đầu với $90.8%$, theo sát bởi ChatGPT và các mô hình chatbot thông minh ($84.4%$), ứng dụng hội họp trực tuyến ($85.5%$) và phần mềm hỗ trợ ngoại ngữ ($75.1%$).
  • Lợi ích được công nhận cao nhất: Tìm kiếm tài liệu và gợi ý thông tin học tập ($90.8%$), tiết kiệm thời gian ($72.1%$), hỗ trợ kiểm tra đạo văn/đánh giá văn bản ($71.5%$) và giải đáp học thuật ($70.9%$).
  • Rào cản lớn nhất: Chi phí trả phí tài khoản cao ($25%$), cảm giác bị phụ thuộc làm giảm tư duy sáng tạo độc lập ($22%$), và lo ngại về bảo mật dữ liệu riêng tư ($21.5%$).

2. Tiềm năng và nghịch lý rủi ro từ dịch vụ Mua trước trả sau (Ví trả sau MoMo)

  • Ví trả sau (hợp tác giữa MoMo và TPBank) giải quyết triệt để điểm nghẽn của thẻ tín dụng truyền thống: không yêu cầu chứng minh thu nhập phức tạp, phê duyệt tức thì dựa trên Điểm tin cậy (ngưỡng tối thiểu 700 điểm) với 5 hạn mức linh hoạt từ 1 đến 10 triệu đồng.
  • Cơ chế rủi ro tài chính: Mặc dù miễn lãi nếu thanh toán đúng hạn (ngày 5, 10 hoặc 15 của tháng kế tiếp), việc trả chậm phải chịu mức lãi suất $0.15%$/ngày ($4.5%$/tháng) kèm biểu phí phạt trễ hạn lũy tiến nghiêm ngặt ($5%$ đối với 1–4 ngày quá hạn, $10%$ từ 5–9 ngày, $15%$ từ 10–14 ngày và lên đến $20%$ khi vượt quá 14 ngày).

3. Các yếu tố chi phối quyết định lựa chọn thẻ ngân hàng của sinh viên

Phân tích hồi quy OLS trên mẫu $N = 250$ sinh viên HUB đã xác lập phương trình chuẩn hóa có ý nghĩa thống kê cao ($F = 37.28$, $p < 0.001$, $R^2_{\text{adj}} = 0.504$):

$$\text{QD} = \beta_1 \text{AHXH} + \beta_2 \text{TH} + \beta_3 \text{CN} + \beta_4 \text{ATBM} + \beta_5 \text{CP} + \beta_6 \text{CSM} + \beta_7 \text{TDNV}$$

  • Ảnh hưởng xã hội (AHXH): Là nhân tố tác động tích cực mạnh nhất ($\beta = 0.249, p < 0.001$). Quyết định mở và dùng thẻ chịu sự dẫn dắt lớn từ sự giới thiệu của bạn bè, gia đình và môi trường thanh toán bắt buộc (trả lương, học phí).
  • Thương hiệu ngân hàng (TH): Giữ vai trò then chốt thứ hai ($\beta = 0.185, p < 0.01$). Danh tiếng và độ ổn định của ngân hàng bảo chứng cho niềm tin của thế hệ trẻ.
  • Các yếu tố Chức năng (CN), Chi phí (CP), An toàn bảo mật (ATBM): Thể hiện mối tương quan nghịch với mức độ gắn bó độc quyền nếu ngân hàng không liên tục nâng cấp hệ thống hoặc áp dụng các mức phí không hợp lý so với kỳ vọng của sinh viên.

4. Kiểm định độ tin cậy và giá trị hội tụ

  • Hệ số KMO của mô hình biến độc lập đạt $0.663$ với kiểm định Bartlett có giá trị thống kê $1901.723$ ($p = 0.000 < 0.05$).
  • Tổng phương sai trích đạt $64.696% > 50%$, khẳng định $7$ nhóm nhân tố trích xuất giải thích tốt phần lớn sự biến thiên của tập dữ liệu gốc.
  • Không có hiện tượng đa cộng tuyến xảy ra khi tất cả các hệ số VIF đều nằm trong khoảng kiểm soát an toàn ($< 2.0$).

Đóng góp khoa học

Đóng góp về mặt lý luận (Theoretical Contributions)

  • Nghiên cứu đã kiểm chứng và tái khẳng định tính ứng dụng của các mô hình lý thuyết kinh điển (TAM, TPB, SERVQUAL) trong bối cảnh nền kinh tế số đang phát triển nhanh tại Đông Nam Á.
  • Bổ sung bằng chứng thực nghiệm về tác động áp đảo của ảnh hưởng xã hội và nhận thức thương hiệu trong việc hình thành quyết định tiêu dùng tài chính của phân khúc khách hàng trẻ tuổi.
  • Mở rộng khung lý thuyết về hành vi học tập có sự trợ giúp của AI (AI-assisted Learning), chỉ ra mối quan hệ biện chứng giữa sự tiện lợi của công nghệ và áp lực suy giảm năng lực tư duy phản biện độc lập.

Cải tiến phương pháp luận (Methodological Innovations)

  • Thiết lập cấu trúc bảng hỏi chuẩn hóa, được kiểm định qua phân tích nhân tố khám phá EFA và hệ số Cronbach's Alpha với độ tin cậy cao, cung cấp bộ công cụ đo lường tham chiếu đáng tin cậy cho các nghiên cứu tiếp theo về hành vi tiêu dùng số của giới trẻ.

Ý nghĩa thực tiễn và khuyến nghị chính sách (Practical & Policy Implications)

  • Đối với các ngân hàng và công ty Fintech: Cần thiết kế gói tài khoản chuyên biệt cho sinh viên: miễn phí duy trì số dư tối thiểu, miễn phí chuyển rút tiền, tối ưu hóa giao diện ứng dụng theo hướng trực quan và tích hợp bảo mật sinh trắc học/eKYC an toàn. Đối với dịch vụ BNPL, cần minh bạch hóa bảng tính lãi và phí quá hạn để bảo vệ quyền lợi người tiêu dùng trẻ.
  • Đối với các cơ sở giáo dục đại học: Cần chủ động xây dựng bộ quy tắc ứng xử học thuật với AI, tổ chức các buổi tọa đàm về đạo đức dữ liệu và an toàn thông tin, đồng thời xem xét hợp tác cùng các đối tác công nghệ để cung cấp tài khoản giáo dục có bản quyền hỗ trợ sinh viên.
  • Đối với cơ quan quản lý (Ngân hàng Nhà nước): Cần tiếp tục hoàn thiện hành lang pháp lý đối với ngân hàng số, chuẩn hóa quy trình nhận diện khách hàng điện tử (eKYC) và ban hành các quy chuẩn bảo vệ người tiêu dùng trong giao dịch tài chính trực tuyến.

Đối tượng quan tâm

Báo cáo nghiên cứu đem lại giá trị tham khảo chuyên môn sâu sắc cho 4 nhóm đối tượng chính:

  1. Nhà nghiên cứu học thuật và giảng viên: Cung cấp bộ dữ liệu thực nghiệm chuẩn mực, mô hình cấu trúc hồi quy chi tiết và các thang đo đã qua kiểm định về hành vi công nghệ và tài chính của giới trẻ.
  2. Lãnh đạo và chuyên gia phát triển sản phẩm (Product Managers) tại Ngân hàng/Fintech: Nắm bắt chính xác insight hành vi, mức độ nhạy cảm về chi phí, thói quen sử dụng ví điện tử và các rào cản tâm lý của Gen Z để cá nhân hóa tính năng sản phẩm.
  3. Các nhà quản trị giáo dục đại học: Xây dựng chiến lược chuyển đổi số đào tạo phù hợp, cân bằng giữa việc khuyến khích đổi mới sáng tạo bằng AI và kiểm soát tính trung thực trong học thuật.
  4. Cơ quan hoạch định chính sách kinh tế - tài chính: Cung cấp cơ sở thực tiễn để đánh giá tác động của các chính sách thúc đẩy thanh toán không dùng tiền mặt và hoàn thiện khung pháp lý thử nghiệm (Sandbox) cho các dịch vụ Fintech mới.

Câu hỏi thường gặp (FAQ)

1. Phát hiện mang tính đột phá nhất của chuỗi nghiên cứu này là gì?

Điểm đột phá nhất là việc chứng minh sự phân cực trong tiếp nhận công nghệ của Gen Z: tỷ lệ sử dụng công cụ số (AI, ví điện tử) cực kỳ cao ($>85%$), tuy nhiên quyết định gắn bó lâu dài lại không bị chi phối đơn thuần bởi tính năng kỹ thuật mà chịu ảnh hưởng áp đảo từ sức ép cộng đồng/ảnh hưởng xã hội ($\beta = 0.249$) và uy tín thương hiệu ($\beta = 0.185$).

2. Phương pháp nghiên cứu trong báo cáo có điểm gì đặc biệt?

Nghiên cứu áp dụng quy trình kiểm định thống kê đa tầng nghiêm ngặt: từ kiểm tra độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA với phép quay Varimax, đến kiểm định đa cộng tuyến (VIF) và tính phân phối chuẩn của phần dư trong hồi quy OLS, đảm bảo kết quả thu được đạt độ vững chắc cao về mặt lượng lượng học.

3. Kết quả khảo sát có khả năng tổng quát hóa (Generalizability) như thế nào?

Do mẫu khảo sát tập trung chủ yếu vào sinh viên khối ngành Kinh tế - Quản trị tại TP.HCM (đầu tàu kinh tế của cả nước), kết quả phản ánh chuẩn xác xu hướng hành vi của nhóm người tiêu dùng trẻ đô thị. Để khái quát hóa trên phạm vi toàn quốc, các nghiên cứu tiếp theo nên mở rộng địa bàn khảo sát sang các khu vực nông thôn và khối ngành kỹ thuật, xã hội.

4. Hướng mở rộng nghiên cứu tiếp theo (Next Steps) nên tập trung vào đâu?

Cần phát triển các mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đo lường các mối quan hệ phi tuyến tính phức tạp, đồng thời thực hiện các nghiên cứu theo chuỗi thời gian (Longitudinal Study) nhằm đánh giá tác động dài hạn của AI đối với kết quả học tập và năng suất lao động sau khi ra trường.

5. Khuyến nghị ứng dụng thực tiễn cấp bách nhất đối với các ngân hàng là gì?

Các ngân hàng cần tập trung tối ưu hóa chi phí sử dụng dịch vụ cho sinh viên (miễn phí thường niên, hủy bỏ phí ẩn), tích hợp tiện ích sinh viên đa năng trên một ứng dụng duy nhất, và gia tăng truyền thông qua các kênh người có tầm ảnh hưởng (KOLs/KOCs) để tận dụng tối đa nhân tố Ảnh hưởng xã hội.

Kết luận

Chuỗi nghiên cứu từ Kỷ yếu Hội thảo Khoa học Sinh viên HUB đã phác họa bức tranh toàn cảnh và sâu sắc về hành vi tiếp nhận công nghệ của thế hệ trẻ trong kỷ nguyên 4.0. Từ việc tận dụng AI để tối ưu hóa hiệu suất học tập, khai thác dịch vụ Ví trả sau để giải quyết nhu cầu tiêu dùng linh hoạt, cho đến việc chuyển dịch sang thanh toán thẻ ngân hàng thông minh, sinh viên Việt Nam đang thể hiện sự thích ứng vượt trội.

Để duy trì đà phát triển này một cách bền vững, sự phối hợp đồng bộ giữa Nhà trường - Doanh nghiệp - Nhà nước là yêu cầu mang tính sống còn. Các bên liên quan cần khẩn trương hiện thực hóa các khuyến nghị quản trị: hoàn thiện khung pháp lý số, nâng cao nhận thức bảo mật và kiến tạo môi trường học thuật số công bằng, minh bạch.

Thông tin trích dẫn tài liệu

  • Tài liệu: Hội Thảo Nghiên Cứu Khoa Học Sinh Viên Về Kinh Tế Học, Kinh Doanh Và Quản Lý Lần 9 (9th SSCEBM 2023 - Tập 1).
  • Cơ quan tổ chức: Ngân hàng Nhà nước Việt Nam – Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB).
  • Nhà xuất bản: NXB Lao Động.
  • Lĩnh vực trọng tâm: Kinh tế số, Trí tuệ nhân tạo trong giáo dục (AIEd), Ngân hàng số & Công nghệ tài chính (Fintech).