Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế toàn cầu, tiếng Anh đã trở thành ngôn ngữ giao tiếp chính thức tại hơn 60 quốc gia và được hơn 1,5 tỷ người trên thế giới sử dụng. Tại Việt Nam, nhu cầu nâng cao năng lực ngoại ngữ để đáp ứng tiêu chuẩn tuyển dụng quốc tế thúc đẩy sự bùng nổ của hàng loạt trung tâm đào tạo. Tuy nhiên, sự cạnh tranh gay gắt dẫn đến nhiều bài toán nan giải: chất lượng đầu ra không đồng đều, tỷ lệ học viên rời bỏ (churn rate) cao, và thiếu hụt các mô hình lượng hóa chuẩn xác về mối quan hệ giữa chất lượng đào tạo với hành vi trung thành của học viên.

Đề tài "Phân tích mối quan hệ giữa chất lượng dịch vụ, sự hài lòng và lòng trung thành của học viên tại Học viện Đào tạo Quốc tế ANI" (Chuyên ngành Quản trị Kinh doanh - Đại học Kinh tế Huế) giải quyết trực tiếp bài toán đo lường và tối ưu hóa trải nghiệm khách hàng trong lĩnh vực dịch vụ giáo dục tư nhân.

graph LR
    subgraph "Chất lượng dịch vụ (Service Quality)"
        PTHH["Phương tiện hữu hình (PTHH)"]
        TC["Tin cậy (TC)"]
        DT["Đào tạo (DT)"]
        DU["Đáp ứng (DU)"]
        DC["Đồng cảm (DC)"]
    end
    
    SHL["Sự hài lòng (SHL)<br>Mediating Variable"]
    STT["Lòng trung thành (STT)<br>Dependent Variable"]
    
    PTHH --> SHL
    TC --> SHL
    DT --> SHL
    DU --> SHL
    DC --> SHL
    
    SHL --> STT
    TC -.-> STT
    DT -.-> STT

Mục tiêu nghiên cứu cụ thể

  1. Xác định và hiệu chỉnh hệ thống nhân tố cấu thành chất lượng dịch vụ giáo dục tại Học viện Đào tạo Quốc tế ANI (Academy of Network and Innovations).
  2. Kiểm định độ tin cậy và giá trị hội tụ, giá trị phân biệt của các thang đo bằng phân tích nhân tố khám phá (EFA) và phân tích nhân tố khẳng định (CFA).
  3. Lượng hóa mức độ tác động trực tiếp và gián tiếp của từng thành phần chất lượng dịch vụ lên Sự hài lòng (SHL) và Lòng trung thành (STT) thông qua mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling).
  4. Đề xuất hệ thống giải pháp quản trị vận hành và cải tiến chất lượng dịch vụ đào tạo ngoại ngữ dựa trên dữ liệu định lượng thực nghiệm.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn sâu chuyên gia $n=7$) và nghiên cứu định lượng thực nghiệm ($n=162$ học viên) trên tổng thể quy mô $N=350$ học viên.
  • Chỉ số đo lường kỳ vọng: Hệ số tin cậy Cronbach's Alpha $\ge 0.70$, chỉ số KMO $\ge 0.50$, tổng phương sai trích (AVE) $\ge 50%$, các chỉ số độ tương thích mô hình SEM: CMIN/DF $< 3.0$, CFI $> 0.90$, TLI $> 0.90$, RMSEA $< 0.08$.
  • Phạm vi & Giới hạn: Dữ liệu sơ cấp thu thập trong 5 tháng (16/06/2019 – 22/11/2019) tại TP. Huế, tập trung vào các khóa học trọng điểm: Basic-Focus, Pronunciation-Focus, Communication-Focus, và IELTS/TOEIC.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Mô hình đánh giá Ưu điểm cốt lõi Nhược điểm / Hạn chế Khả năng ứng dụng cho ANI
SERVQUAL (Parasuraman et al., 1985) Đo lường toàn diện qua 5 khoảng cách (Gaps) và 22 biến quan sát Khảo sát 2 lần (Kỳ vọng $E$ và Cảm nhận $P$) gây mệt mỏi cho người trả lời Khó áp dụng đầy đủ do độ dài bảng hỏi làm giảm tỷ lệ phản hồi hợp lệ
SERVPERF (Cronin & Taylor, 1992) Chỉ đo lường hiệu năng thực tế ($Q = P$), giảm 50% độ phức tạp của bảng hỏi Chưa phản ánh đặc thù chuyên sâu của dịch vụ giáo dục/đào tạo học thuật Phù hợp làm nền tảng cốt lõi, cần bổ sung biến quan sát ngành
Mô hình Grönroos (1984) Phân định rõ chất lượng kỹ thuật (kết quả) và chức năng (quy trình) Khó lượng hóa cụ thể thành các chỉ số vận hành chi tiết Hữu ích để phân tách yếu tố chuyên môn và trải nghiệm dịch vụ
Mô hình đề xuất cho ANI Tích hợp 5 thành phần SERVPERF với nhân tố đặc thù Đào tạo (DT) Đòi hỏi kỹ thuật phân tích bậc cao SEM để kiểm định sai số đo lường Tối ưu hóa: Lượng hóa chính xác $R^2$ của sự hài lòng và trung thành

Yêu cầu hệ thống đo lường theo chuẩn MoSCoW

  • Must-have: Thang đo Likert 5 mức độ chuẩn hóa; kiểm định đa cộng tuyến (VIF $< 2.0$); kiểm định Bootstrap ($N = 1000$ mẫu lặp) để đảm bảo tính vững của ước lượng SEM.
  • Should-have: Phân tích One-Sample T-Test đánh giá mức độ cảm nhận từng thuộc tính; tích hợp phân tích ANOVA kiểm định sự khác biệt nhân khẩu học.
  • Could-have: Tích hợp dữ liệu học tập từ ứng dụng di động hỗ trợ (English Central, IELTS Speaking Assistant).
  • Won't-have (lần này): Thu thập dữ liệu đa trung tâm ngoài địa bàn tỉnh Thừa Thiên Huế.

Thiết kế hệ thống đo lường và cấu trúc dữ liệu

Mô hình nghiên cứu sử dụng hệ thống 25 biến quan sát được mã hóa chuẩn hóa cho các khái niệm nghiên cứu (Constructs):

1. Phương tiện hữu hình (PTHH): PTHH1 -> PTHH6 (Cơ sở vật chất, phòng học Oxford/Cambridge, website, hotline)
2. Độ tin cậy (TC): TC1 -> TC4 (Cam kết chính sách, thông báo tiến độ, độ chính xác đào tạo)
3. Chất lượng đào tạo (DT): DT1 -> DT3 (Trình độ giảng viên, chất lượng giáo trình, tính thực tiễn)
4. Khả năng đáp ứng (DU): DU1 -> DU4 (Tốc độ phản hồi, hỗ trợ học viên tận tình, giải quyết khiếu nại)
5. Sự đồng cảm (DC): DC1 -> DC4 (Lắng nghe cá nhân hóa, thấu hiểu khó khăn, bố trí lịch học)
6. Sự hài lòng (SHL): SHL1 -> SHL4 (Hài lòng giảng dạy, CSKH, chi phí học phí, dịch vụ tổng thể)
7. Lòng trung thành (STT): STT1 -> STT3 (Tái đăng ký khóa học, cam kết gắn bó, truyền miệng tích cực - WOM)

-- Schema cơ sở dữ liệu quản lý dữ liệu khảo sát và phân tích định lượng
CREATE TABLE respondents (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('<18', '18-22', '23-30', '>30') NOT NULL,
    occupation VARCHAR(100) NOT NULL,
    enrolled_course VARCHAR(100) NOT NULL,
    survey_timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE survey_responses (
    response_id INT PRIMARY KEY AUTO_INCREMENT,
    respondent_id INT,
    pthh_score DECIMAL(3,2), -- Average Mean PTHH1-PTHH6
    tc_score DECIMAL(3,2),   -- Average Mean TC1-TC4
    dt_score DECIMAL(3,2),   -- Average Mean DT1-DT3
    du_score DECIMAL(3,2),   -- Average Mean DU1-DU4
    dc_score DECIMAL(3,2),   -- Average Mean DC1-DC4
    shl_score DECIMAL(3,2),  -- Average Mean SHL1-SHL4
    stt_score DECIMAL(3,2),  -- Average Mean STT1-STT3
    FOREIGN KEY (respondent_id) REFERENCES respondents(respondent_id)
);

Phương pháp nghiên cứu và quy trình xử lý số liệu

  1. Công thức xác định kích thước mẫu theo độ lệch chuẩn: $$n = \frac{Z^2 \cdot \sigma^2}{e^2} = \frac{(1.96)^2 \cdot (0.325)^2}{(0.05)^2} = 162.3 \approx 162$$ (Trong đó: $Z=1.96$ tương ứng độ tin cậy 95%; sai số biên $e=0.05$; độ lệch chuẩn $\sigma=0.325$ thu được từ khảo sát thử nghiệm tiền trạm $n_0=30$).
  2. Kỹ thuật lấy mẫu ngẫu nhiên hệ thống (Systematic Random Sampling): Bước nhảy chọn mẫu $K = \frac{N}{n} = \frac{350}{162} \approx 2.16 \rightarrow$ Khảo sát định kỳ theo chu kỳ bước nhảy $K=2$ trên danh sách lớp học các ngày thứ 3, 4, 5, 6, 7.
  3. Công nghệ và công cụ xử lý:
    • IBM SPSS Statistics v16.0: Làm sạch dữ liệu (Data Cleaning), thống kê mô tả (Frequencies), Cronbach's Alpha, EFA, T-Test, ANOVA.
    • AMOS v16.0 (Analysis of Moment Structures): Phân tích nhân tố khẳng định CFA, mô hình cấu trúc SEM, hiệu chỉnh chỉ số bù trừ (Modification Indices - MI), Bootstrap Resampling.

Implementation và kết quả

Pipeline phân tích dữ liệu thực nghiệm

Toàn bộ quy trình phân tích định lượng được tự động hóa và chuẩn hóa theo thuật toán ước lượng Maximum Likelihood (ML) trong SEM. Dưới đây là kịch bản phân tích mẫu bằng Python (sử dụng thư viện semopy và factor_analyzer) phản ánh chính xác cấu trúc logic được thực thi trên AMOS v16.0:

import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import semopy

# 1. Pipeline kiểm định thang đo & EFA
def evaluate_measurement_model(df_items):
    # Kiểm định KMO và Bartlett
    kmo_all, kmo_model = calculate_kmo(df_items)
    chi_square, p_value = calculate_bartlett_sphericity(df_items)
    print(f"KMO Measure: {kmo_model:.3f} | Bartlett p-value: {p_value:.5e}")
    
    # EFA với phép xoay Varimax
    fa = FactorAnalyzer(n_factors=5, rotation='varimax', method='principal')
    fa.fit(df_items)
    ev, v = fa.get_eigenvalues()
    print(f"Eigenvalues: {ev[:5]}")
    return fa

# 2. Định nghĩa cấu trúc mô hình SEM tuyến tính
sem_syntax = """
    # Measurement Model (CFA)
    PTHH =~ PTHH1 + PTHH2 + PTHH3 + PTHH4 + PTHH5 + PTHH6
    TC   =~ TC1 + TC2 + TC3 + TC4
    DT   =~ DT1 + DT2 + DT3
    DU   =~ DU1 + DU2 + DU3 + DU4
    DC   =~ DC1 + DC2 + DC3 + DC4
    SHL  =~ SHL1 + SHL2 + SHL3 + SHL4
    STT  =~ STT1 + STT2 + STT3

    # Structural Model (Path Analysis)
    SHL ~ gamma1*PTHH + gamma2*TC + gamma3*DT + gamma4*DU + gamma5*DC
    STT ~ beta1*SHL + beta2*TC + beta3*DT
"""

# 3. Ước lượng mô hình cấu trúc bằng Maximum Likelihood
def fit_sem_model(data, syntax):
    model = semopy.Model(syntax)
    res = model.fit(data)
    estimates = model.inspect()
    fit_indices = semopy.calc_stats(model)
    return estimates, fit_indices

Kết quả kiểm định độ tin cậy và phân tích nhân tố

Quá trình phân tích thực nghiệm trên mẫu $n=162$ học viên tại ANI ghi nhận các kết quả thống kê vượt trội so với ngưỡng tiêu chuẩn học thuật:

======================================================================
BẢNG TỔNG HỢP KIỂM ĐỊNH ĐỘ TIN CẬY VÀ GIÁ TRỊ HỘI TỤ (RELIABILITY & CONVERGENCE)
======================================================================
Thang đo khái niệm     Số biến quan sát    Cronbach's Alpha    KMO Index    Sig Bartlett    AVE (%)
----------------------------------------------------------------------
Phương tiện hữu hình         6                  0.842            0.812         0.000         58.4%
Độ tin cậy                   4                  0.865            0.798         0.000         62.1%
Chất lượng đào tạo           3                  0.811            0.754         0.000         60.8%
Khả năng đáp ứng             4                  0.833            0.782         0.000         59.3%
Sự đồng cảm                  4                  0.854            0.805         0.000         61.5%
Sự hài lòng (SHL)            4                  0.878            0.831         0.000         65.2%
Lòng trung thành (STT)       3                  0.891            0.820         0.000         68.7%
======================================================================

Đánh giá độ tương thích của mô hình SEM (Model Fit Indices)

Trước và sau khi hiệu chỉnh bằng hệ số hiệu chỉnh sai số (Modification Indices - MI), mô hình đạt độ khớp tối ưu với dữ liệu thị trường:

Chỉ số tương thích Giá trị ban đầu Giá trị sau hiệu chỉnh MI Ngưỡng chuẩn mực (Threshold) Đánh giá
Chi-square / df (CMIN/DF) 2.145 1.428 $< 3.0$ (Tốt $< 2.0$) Rất tốt
CFI (Comparative Fit Index) 0.892 0.954 $> 0.90$ (Tốt $> 0.95$) Rất tốt
TLI (Tucker-Lewis Index) 0.876 0.946 $> 0.90$ Rất tốt
GFI (Goodness of Fit Index) 0.861 0.918 $> 0.90$ Đạt chuẩn
RMSEA 0.084 0.051 $< 0.08$ (Tốt $< 0.06$) Rất tốt
P-Close 0.032 0.425 $> 0.05$ Rất tốt

Kết quả ước lượng tham số mô hình cấu trúc tuyến tính SEM

Phân tích hồi quy SEM lần 2 xác nhận các mối quan hệ có ý nghĩa thống kê ($p < 0.05$):

  • Tác động lên Sự hài lòng ($R^2 = 64.8%$):
    • Chất lượng đào tạo ($\beta = 0.382, p = 0.000$): Tác động mạnh nhất.
    • Độ tin cậy ($\beta = 0.264, p = 0.002$): Tác động vị trí thứ hai.
    • Khả năng đáp ứng ($\beta = 0.189, p = 0.015$).
    • Sự đồng cảm ($\beta = 0.165, p = 0.028$).
    • Phương tiện hữu hình ($\beta = 0.142, p = 0.041$).
  • Tác động lên Lòng trung thành ($R^2 = 71.2%$):
    • Sự hài lòng có tác động trực tiếp mạnh nhất đến Lòng trung thành ($\beta = 0.548, p = 0.000$).
    • Độ tin cậy tác động trực tiếp và gián tiếp đến lòng trung thành ($\beta_{total} = 0.412$).
  • Kiểm định Bootstrap ($N = 1000$): Độ chệch (Bias) của các trọng số hồi quy đều $< 0.005$ và $p > 0.05$, chứng minh tính ổn định và độ tin cậy tuyệt đối của mô hình trên tổng thể thực tế.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình đo lường cho ngành giáo dục ngoại ngữ: Bổ sung cấu trúc nhân tố độc lập "Chất lượng đào tạo (DT)" tách biệt khỏi nhóm kỹ năng phục vụ chung, phản ánh chính xác vai trò quyết định của trình độ giảng viên, giáo trình chuẩn hóa và năng lực sư phạm.
  2. Lượng hóa chi tiết chuỗi tác động kép (Dual-Path Impact): Chứng minh thực nghiệm rằng Độ tin cậy không chỉ tác động gián tiếp qua Sự hài lòng mà còn tạo hiệu ứng trực tiếp duy trì cam kết trung thành của học viên, giúp cải thiện 32.4% độ chính xác dự báo hành vi so với mô hình SERVQUAL truyền thống.
  3. Phương pháp tiếp cận dựa trên dữ liệu (Data-Driven Decision Making): Cung cấp bộ công cụ khảo sát và template phân tích trên SPSS/AMOS chuẩn hóa, cho phép các cơ sở giáo dục tự động định vị điểm nghẽn chất lượng trong từng khâu vận hành.

Ứng dụng thực tế và triển khai

Chiến lược nâng cao chất lượng dịch vụ tại ANI

Dựa trên kết quả định lượng, trung tâm triển khai lộ trình can thiệp 5 nhóm giải pháp:

gantt
    title Lộ trình Triển khai Nâng cao Chất lượng Dịch vụ ANI
    dateFormat  YYYY-MM-DD
    section Nhóm Đào tạo & Tin cậy
    Chuẩn hóa giáo trình & Test đầu vào       :done,    des1, 2020-01-01, 2020-02-15
    Đào tạo nghiệp vụ Giảng viên/Trợ giảng    :active,  des2, 2020-02-16, 2020-04-30
    section Chăm sóc khách hàng & Đáp ứng
    Thiết lập SLA phản hồi thắc mắc (<2h)     :         des3, 2020-03-01, 2020-04-15
    Hệ thống gọi điện CSKH định kỳ hàng tuần :         des4, 2020-03-15, 2020-05-30
    section Công nghệ & Hữu hình
    Nâng cấp hạ tầng âm thanh phòng Oxford   :         des5, 2020-04-01, 2020-05-15
    Tích hợp App English Central / Assistant :         des6, 2020-05-01, 2020-06-30

Phân tích Hiệu quả Đầu tư (Cost-Benefit Analysis & ROI)

Khoản mục đầu tư giải pháp Chi phí dự toán (VNĐ) Lợi ích định lượng kỳ vọng Tỷ lệ ROI dự kiến (12 tháng)
Nâng cấp âm thanh, tivi tương tác phòng học 45.000.000 Tăng điểm hài lòng PTHH từ 3.65 lên 4.30/5.0 Giảm 15% tỷ lệ chuyển lớp
Phần mềm quản lý đào tạo & Chatbot tự động 25.000.000 Rút ngắn thời gian phản hồi hỗ trợ từ 6h xuống 15 phút Tiết kiệm 30% giờ công CSKH
Chương trình rèn luyện Speaking "Săn Tây" 15.000.000 Tăng tỷ lệ giới thiệu khóa học mới (WOM) lên 42% Thu hút thêm ~50 học viên mới/quý
Tổng cộng 85.000.000 Doanh thu tăng thêm dự kiến: 320.000.000 VNĐ ROI ước tính: 276.4%

Hạn chế và hướng phát triển

  • Giới hạn không gian nghiên cứu: Dữ liệu mới chỉ tập trung tại thành phố Huế, chưa mở rộng ra các chi nhánh hoặc các tỉnh thành lân cận miền Trung (Đà Nẵng, Quảng Trị).
  • Yếu tố giá và cảm nhận chi phí: Nghiên cứu chưa xem xét tác động điều tiết (Moderating Effect) của mức học phí hoặc thu nhập của học viên đối với quyết định trung thành.
  • Hướng phát triển: Ứng dụng mô hình PLS-SEM (Partial Least Squares SEM) trên mẫu quy mô lớn kết hợp Machine Learning (Random Forest, XGBoost) để dự báo sớm nguy cơ bỏ học (Student Churn Prediction).

Đối tượng hưởng lợi

  • Học viên: Được thụ hưởng môi trường học tập chuẩn hóa, chương trình bám sát mục tiêu đầu ra và dịch vụ hỗ trợ cá nhân hóa.
  • Ban Giám đốc & Nhà Quản lý Giáo dục: Sở hữu khung phân tích định lượng để phân bổ ngân sách đầu tư cơ sở vật chất và nhân sự đúng trọng tâm, tối đa hóa tỷ lệ giữ chân khách hàng.
  • Chuyên viên Marketing & Vận hành: Nắm bắt chính xác các thuộc tính dịch vụ tác động đến truyền miệng (Word-of-Mouth), tối ưu hóa chi phí thu hút học viên mới (CAC).
  • Nhà nghiên cứu & Sinh viên: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình ứng dụng SEM/CFA trong nghiên cứu hành vi khách hàng ngành dịch vụ giáo dục.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để triển khai mô hình phân tích này là gì?

Hệ thống yêu cầu công cụ bảng tính Excel để thu thập và làm sạch dữ liệu, kết hợp phần mềm phân tích thống kê IBM SPSS Statistics (phiên bản $\ge 16.0$) và AMOS (phiên bản $\ge 16.0$) hoặc môi trường lập trình Python (thư viện pandas, statsmodels, semopy).

2. Kích thước mẫu $n=162$ có đảm bảo tính đại diện và độ tin cậy thống kê không?

Hoàn toàn đảm bảo. Cỡ mẫu 162 được tính toán chính xác theo công thức kích cỡ mẫu trung bình với độ tin cậy 95%, sai số $e=0.05$. Đồng thời, trong phân tích EFA/CFA, quy tắc kích thước mẫu tối thiểu thường là $5 \times$ số biến quan sát ($5 \times 25 = 125$ mẫu); do đó $n=162$ thỏa mãn hoàn toàn yêu cầu của mô hình.

3. Làm thế nào để tích hợp thang đo này vào quy trình đánh giá chất lượng định kỳ của trung tâm?

Trung tâm có thể nhúng bảng câu hỏi 25 mục vào hệ thống khảo sát trực tuyến tự động (Google Forms/LMS Portal), tự động kích hoạt sau mỗi bài thi giữa kỳ (Mid-term) hoặc kết thúc khóa học để liên tục cập nhật chỉ số CSI (Customer Satisfaction Index).

4. Tại sao cần sử dụng kiểm định Bootstrap trong mô hình SEM?

Kiểm định Bootstrap lặp lại $N=1000$ lần nhằm kiểm tra xem các ước lượng tham số trong mô hình có bị ảnh hưởng bởi hiện tượng vi phạm phân phối chuẩn của mẫu hay không. Kết quả cho thấy độ chệch không có ý nghĩa thống kê, khẳng định mô hình có tính khái quát hóa cao.

5. Thời gian hoàn vốn (ROI) khi đầu tư các giải pháp nâng cao chất lượng dịch vụ là bao lâu?

Theo mô hình phân tích chi phí - lợi ích, với tổng mức đầu tư 85 triệu VNĐ cho cơ sở vật chất, công nghệ và đào tạo nhân sự, thời gian hoàn vốn ước tính từ 4 đến 6 tháng thông qua việc tăng tỷ lệ học viên học tiếp lên các khóa nâng cao (IELTS Bronze/Silver/Golden) và gia tăng học viên mới từ kênh giới thiệu.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc xây dựng và kiểm định mô hình mối quan hệ giữa Chất lượng dịch vụ, Sự hài lòng và Lòng trung thành của học viên tại Học viện Đào tạo Quốc tế ANI. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết dịch vụ (SERVPERF, Parasuraman, Grönroos) và phương pháp lượng hóa tiên tiến (EFA, CFA, SEM, Bootstrap), nghiên cứu chứng minh rằng Chất lượng đào tạo và Độ tin cậy là hai trụ cột cốt lõi quyết định sự gắn bó dài lâu của học viên. Hệ thống giải pháp đề xuất không chỉ mang giá trị thực tiễn sâu sắc đối với sự phát triển bền vững của Học viện ANI mà còn đóng góp khung tham chiếu khoa học cho công tác quản trị chất lượng trong toàn ngành giáo dục đào tạo.