Bối cảnh và vấn đề nghiên cứu

Trí tuệ nhân tạo (Artificial Intelligence - AI) đã có quá trình hình thành và phát triển từ những năm 1950, khởi nguồn từ các nghiên cứu nền tảng về tự động hóa của John McCarthy cùng các cộng sự. Nếu như trước đây AI chủ yếu phục vụ các bài toán nghiên cứu vĩ mô và kỹ thuật công nghệ cao, thì hiện nay sự phát triển mạnh mẽ của học máy, học sâu và xử lý ngôn ngữ tự nhiên đã đưa các công cụ AI tiếp cận sâu rộng đời sống thường nhật. Trong lĩnh vực giáo dục đại học, sự xuất hiện của các hệ thống học tập thông minh, lớp học ảo, cùng hàng loạt ứng dụng chatbot và công cụ trợ lý học thuật (như ChatGPT, Microsoft Copilot, Gemini, Duolingo, Grammarly, AskCodi, Scholarcy...) đã làm thay đổi căn bản phương thức tiếp cận tri thức của người học.

Tại Việt Nam, Thành phố Hồ Chí Minh là trung tâm kinh tế, văn hóa và giáo dục lớn nhất cả nước, nơi quy tụ hệ thống các trường đại học, cao đẳng với cơ sở vật chất hiện đại cùng lực lượng sinh viên năng động, nhạy bén với công nghệ mới. Sinh viên tại đây đối mặt với môi trường học thuật có tính cạnh tranh cao, thúc đẩy nhu cầu ứng dụng các công cụ AI để tối ưu hóa thời gian tìm kiếm tài liệu, xử lý dữ liệu và cải thiện năng suất học tập, nghiên cứu khoa học. Tuy nhiên, việc áp dụng công nghệ này cũng kéo theo những thách thức về nguy cơ phụ thuộc quá mức vào công nghệ, vấn đề liêm chính học thuật và rào cản chi phí đối với các gói công cụ nâng cao.

Mặc dù việc sử dụng công cụ AI trong giáo dục đang gia tăng nhanh chóng, các nghiên cứu thực nghiệm tại Việt Nam phân tích sâu về các nhân tố tâm lý hành vi hình thành nên quyết định của sinh viên vẫn còn tương đối hạn chế, đặc biệt là các biến số về nhận thức kiểm soát hành vi và thái độ đối với hành vi. Xuất phát từ bối cảnh đó, khóa luận tốt nghiệp ngành Quản trị kinh doanh với đề tài "Các nhân tố ảnh hưởng đến quyết định sử dụng các công cụ trí tuệ nhân tạo (AI) trong học tập & nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh" do sinh viên Nguyễn Ngọc Thúy thực hiện (dưới sự hướng dẫn khoa học của TS. Trần Ngọc Thiện Thy tại Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã được tiến hành nhằm giải quyết khoảng trống nghiên cứu này.

Mục tiêu và câu hỏi nghiên cứu của khóa luận được xác định cụ thể như sau:

  • Mục tiêu tổng quát: Xác định các nhân tố ảnh hưởng đến quyết định sử dụng các công cụ AI trong học tập và nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh; nhận diện, phân loại các nhân tố thuộc về nhận thức kiểm soát hành vi và thái độ đối với hành vi; từ đó đề xuất các hàm ý quản trị nhằm thúc đẩy việc ứng dụng hiệu quả công cụ AI.
  • Mục tiêu cụ thể:
    1. Xác định các nhân tố ảnh hưởng đến quyết định sử dụng các công cụ AI trong học tập và nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh.
    2. Xác định mức độ tác động của các nhân tố ảnh hưởng đến quyết định sử dụng các công cụ AI trong học tập và nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh.
    3. Đề xuất các hàm ý quản trị dựa trên kết quả nghiên cứu nhằm nâng cao nhận thức của sinh viên và xây dựng các chương trình đào tạo phù hợp.
  • Câu hỏi nghiên cứu:
    1. Câu hỏi số 1: Các nhân tố nào ảnh hưởng đến quyết định sử dụng các công cụ AI trong học tập & nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh?
    2. Câu hỏi số 2: Mức độ tác động của các nhân tố đến quyết định sử dụng các công cụ AI trong học tập & nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh như thế nào?
    3. Câu hỏi số 3: Những hàm ý quản trị nào nhằm nâng cao nhận thức của sinh viên về các công cụ AI và xây dựng các chương trình đào tạo phù hợp trong thời gian tới?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến quyết định sử dụng các công cụ AI trong học tập & nghiên cứu của sinh viên tại Thành phố Hồ Chí Minh.
  • Phạm vi nội dung: Quá trình hình thành nhận thức, thái độ và quyết định lựa chọn sử dụng công cụ AI trong môi trường giáo dục đại học.
  • Phạm vi không gian: Các cơ sở giáo dục đại học trên địa bàn các quận nội thành Thành phố Hồ Chí Minh.
  • Phạm vi thời gian: Thu thập và phân tích dữ liệu sơ cấp trong khoảng thời gian từ tháng 04 năm 2024 đến tháng 06 năm 2024.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình nghiên cứu

Khóa luận xây dựng nền tảng lý luận dựa trên sự tích hợp giữa các mô hình hành vi và chấp nhận công nghệ kinh điển:

  1. Lý thuyết hành vi hoạch định (Theory of Planned Behavior - TPB): Được đề xuất bởi Icek Ajzen (1991), TPB giải thích hành vi thực tế của con người thông qua ý định hành vi, chịu sự chi phối trực tiếp của ba cấu trúc: Thái độ đối với hành vi (ATB), Chuẩn mực chủ quan (Subjective Norms) và Nhận thức kiểm soát hành vi (PBC). Trong nghiên cứu này, tác giả tập trung đi sâu vào hai thành tố cốt lõi là Thái độ đối với hành vi và Nhận thức kiểm soát hành vi như những biến trung gian dẫn truyền tác động đến quyết định sử dụng.
  2. Mô hình chấp nhận và sử dụng công nghệ (UTAUT & UTAUT2): Được phát triển bởi Venkatesh và cộng sự (2000, 2012), mô hình hợp nhất các lý thuyết tiếp nhận công nghệ trước đó (TRA, TAM, TPB, IDT...). Tác giả đã kế thừa bốn nhân tố tiền đề quan trọng từ UTAUT/UTAUT2 để tích hợp vào mô hình giải thích gồm:
    • Hiệu quả mong đợi (Performance Expectancy - PE): Mức độ sinh viên tin rằng AI giúp nâng cao chất lượng và năng suất học tập, nghiên cứu.
    • Nỗ lực mong đợi (Effort Expectancy - EE): Mức độ dễ sử dụng, thao tác thuận tiện và ít tiêu tốn thời gian khi làm quen với các công cụ AI.
    • Điều kiện thuận lợi (Facilitating Conditions - FC): Mức độ sẵn có về hạ tầng công nghệ (thiết bị, mạng internet) và sự hỗ trợ kiến thức, kỹ thuật từ nhà trường.
    • Nhận thức về giá (Price Value - PV): Sự đánh giá của sinh viên về tính kinh tế, tương quan giữa chi phí bỏ ra (với các công cụ/gói trả phí) và giá trị nhận lại.

Bên cạnh đó, nghiên cứu đưa vào các biến kiểm soát nhân khẩu học gồm Giới tính, Năm học và Kinh nghiệm sử dụng để kiểm định sự khác biệt trong quyết định sử dụng.

Mã giả thuyết Nội dung giả thuyết nghiên cứu Chiều tác động giả định
H1 Nhận thức kiểm soát hành vi (PBC) $\rightarrow$ Quyết định sử dụng (QĐSD) Cùng chiều (+)
H2 Thái độ đối với hành vi (ATB) $\rightarrow$ Quyết định sử dụng (QĐSD) Cùng chiều (+)
H3a Hiệu quả mong đợi (PE) $\rightarrow$ Thái độ đối với hành vi (ATB) Cùng chiều (+), trực tiếp
H3b Hiệu quả mong đợi (PE) $\rightarrow$ Quyết định sử dụng (QĐSD) qua biến trung gian ATB Cùng chiều (+), gián tiếp
H4a Nỗ lực mong đợi (EE) $\rightarrow$ Nhận thức kiểm soát hành vi (PBC) Cùng chiều (+), trực tiếp
H4b Nỗ lực mong đợi (EE) $\rightarrow$ Quyết định sử dụng (QĐSD) qua biến trung gian PBC Cùng chiều (+), gián tiếp
H5a Điều kiện thuận lợi (FC) $\rightarrow$ Nhận thức kiểm soát hành vi (PBC) Cùng chiều (+), trực tiếp
H5b Điều kiện thuận lợi (FC) $\rightarrow$ Quyết định sử dụng (QĐSD) qua biến trung gian PBC Cùng chiều (+), gián tiếp
H6a Nhận thức về giá (PV) $\rightarrow$ Thái độ đối với hành vi (ATB) Cùng chiều (+), trực tiếp
H6b Nhận thức về giá (PV) $\rightarrow$ Nhận thức kiểm soát hành vi (PBC) Cùng chiều (+), trực tiếp
H6c Nhận thức về giá (PV) $\rightarrow$ Quyết định sử dụng (QĐSD) qua biến trung gian ATB Cùng chiều (+), gián tiếp
H6d Nhận thức về giá (PV) $\rightarrow$ Quyết định sử dụng (QĐSD) qua biến trung gian PBC Cùng chiều (+), gián tiếp

Phương pháp nghiên cứu và quy trình xử lý dữ liệu

Nghiên cứu áp dụng phương pháp nghiên cứu hỗn hợp kết hợp định tính và định lượng:

  • Nghiên cứu định tính: Thực hiện tổng quan tài liệu học thuật trong và ngoài nước (phân tích 20 công trình tiêu biểu giai đoạn 2021–2024), kết hợp tham vấn giảng viên hướng dẫn khoa học để xây dựng, hiệu chỉnh thang đo nháp cho phù hợp với bối cảnh giáo dục đại học tại Việt Nam.
  • Nghiên cứu định lượng: Thu thập dữ liệu thông qua bảng câu hỏi khảo sát cấu trúc chuẩn hóa, sử dụng thang đo khoảng cách Likert 5 mức độ (từ 1 = Rất không đồng ý đến 5 = Rất đồng ý), bao gồm 32 biến quan sát đo lường 7 khái niệm nghiên cứu.
  • Mẫu nghiên cứu: Phương pháp lấy mẫu thuận tiện/ngẫu nhiên với đối tượng là sinh viên đang theo học tại các trường đại học thuộc khu vực nội thành TP. Hồ Chí Minh. Số lượng mẫu khảo sát hợp lệ thu về sau sàng lọc là 178 mẫu (vượt quy mô dự kiến ban đầu là 150 mẫu).
  • Kỹ thuật phân tích dữ liệu: Dữ liệu được nhập và xử lý bằng phần mềm SPSS 20.0 kết hợp AMOS thông qua các bước:
    1. Thống kê mô tả đặc điểm nhân khẩu học của mẫu.
    2. Đánh giá độ tin cậy nhất quán nội tại của thang đo bằng hệ số Cronbach's Alpha.
    3. Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) để kiểm định giá trị hội tụ và giá trị phân biệt.
    4. Phân tích mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling - SEM) để kiểm định các giả thuyết trực tiếp và gián tiếp.
    5. Kiểm định độ vững chắc của mô hình thông qua kỹ thuật Bootstrap với số lượng lặp lại 500 lần.

Nội dung chính theo từng chương

Chương 1: Tổng quan về đề tài nghiên cứu

Chương mở đầu xác lập tính cấp thiết của việc nghiên cứu hành vi tiếp nhận AI trong bối cảnh chuyển đổi số giáo dục. Tác giả phân tích rõ sự chuyển dịch của các công cụ AI từ phạm vi kỹ thuật chuyên sâu sang ứng dụng đại chúng dưới dạng chatbot thông minh. Chương 1 làm rõ mục tiêu tổng quát, 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, phạm vi nghiên cứu (sinh viên nội thành TP.HCM, thời gian từ tháng 04 đến tháng 06/2024), đồng thời chỉ ra các đóng góp về mặt học thuật trong việc bổ sung dữ liệu thực nghiệm và đóng góp thực tiễn cho công tác quản trị đại học.

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

Chương 2 làm rõ hệ thống khái niệm nền tảng: định nghĩa AI, phân loại AI theo cấp độ (ANI - AI hẹp, AGI - AI tổng quát, ASI - siêu AI); khái niệm công cụ AI giáo dục; hành vi ra quyết định sử dụng; đặc thù học tập và nghiên cứu của sinh viên. Tác giả trình bày chi tiết các mô hình lý thuyết tiếp cận gồm TPB, UTAUT, UTAUT2 và phương pháp SEM.

Chương này cũng tổng hợp bức tranh toàn cảnh gồm 20 công trình nghiên cứu liên quan tại nhiều quốc gia (như Ba Lan, Hàn Quốc, Malaysia, Pakistan, Trung Quốc, Ai Cập, Việt Nam...) và chỉ ra khoảng trống nghiên cứu về hai biến số trung gian là nhận thức kiểm soát hành vi và thái độ. Từ đó, tác giả xây dựng mô hình nghiên cứu đề xuất và phát biểu hệ thống 12 giả thuyết chi tiết (tác động trực tiếp và gián tiếp).

Chương 3: Thiết kế nghiên cứu

Chương 3 trình bày chi tiết quy trình nghiên cứu 5 bước: từ xác định mục tiêu, thiết lập mô hình, điều chỉnh thang đo sơ bộ, tiến hành khảo sát chính thức, đến xử lý dữ liệu và thảo luận kết quả. Tác giả xây dựng bộ thang đo chuẩn hóa gồm 32 biến quan sát kế thừa từ các học giả quốc tế (như Venkatesh, Davis, El-Masri, Tarhini...), mô tả thiết kế bảng hỏi Likert 5 điểm, phương pháp thu thập 178 mẫu khảo sát sơ cấp và các tiêu chuẩn kiểm định định lượng (Cronbach's Alpha, KMO, Bartlett's Test, CFA, SEM và Bootstrap).

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 4 công bố toàn bộ dữ liệu phân tích định lượng thực tế từ 178 mẫu sinh viên tại TP.HCM:

  • Thống kê mô tả: Phản ánh cơ cấu mẫu theo giới tính, năm học và mức độ kinh nghiệm sử dụng công cụ AI.
  • Độ tin cậy thang đo: Tất cả các thang đo chính (PE, EE, FC, PV, PBC, ATB, QĐSD) đều đạt độ tin cậy Cronbach's Alpha và độ tin cậy tổng hợp theo chuẩn mực thống kê.
  • Phân tích CFA & SEM: Kết quả kiểm định cho thấy mô hình cấu trúc đạt độ tương thích tốt với dữ liệu thực tế. Các nhân tố Hiệu quả mong đợi (PE), Nỗ lực mong đợi (EE) và Nhận thức về giá (PV) có tác động tích cực và có ý nghĩa thống kê đến Nhận thức kiểm soát hành vi (PBC) và Thái độ đối với hành vi (ATB), từ đó thúc đẩy Quyết định sử dụng (QĐSD) công cụ AI của sinh viên.
  • Kiểm định Bootstrap 500 lần: Xác nhận tính ổn định và độ tin cậy của các ước lượng trong mô hình cấu trúc. Tác giả tiến hành đối chiếu, thảo luận kết quả nghiên cứu với các công trình công bố trước đây nhằm làm rõ điểm tương đồng và khác biệt.

Chương 5: Kết luận và hàm ý quản trị

Chương cuối cùng tóm lược toàn bộ phát hiện nghiên cứu, đối chiếu với các mục tiêu ban đầu. Trên cơ sở thực nghiệm, tác giả đề xuất hệ thống hàm ý quản trị thiết thực dành cho các cơ sở giáo dục đại học, nhà trường và các nhà phát triển công nghệ AI. Đồng thời, chương 5 nêu bật các đóng góp học thuật, chỉ ra các giới hạn nghiên cứu về quy mô mẫu và phạm vi địa bàn, từ đó vạch ra các hướng mở cho các công trình nghiên cứu tiếp theo.

Kết quả và đóng góp

Kết quả nghiên cứu chính

Dựa trên kết quả xử lý dữ liệu khảo sát từ 178 sinh viên tại Thành phố Hồ Chí Minh qua phần mềm SPSS và mô hình SEM, nghiên cứu đã chứng minh các phát hiện quan trọng:

  1. Nhân tố tác động đến Nhận thức kiểm soát hành vi (PBC) và Thái độ (ATB):
    • Hiệu quả mong đợi (PE) có tác động tích cực, mạnh mẽ đến Thái độ đối với hành vi của sinh viên. Khi sinh viên nhận thấy AI giúp nâng cao năng suất và chất lượng học tập, họ có xu hướng hình thành thái độ tích cực đối với công nghệ này.
    • Nỗ lực mong đợi (EE) tác động cùng chiều đến Nhận thức kiểm soát hành vi. Việc các công cụ AI có giao diện trực quan, dễ thao tác giúp giảm rào cản tâm lý, nâng cao sự tự tin của sinh viên trong việc kiểm soát quá trình sử dụng.
    • Nhận thức về giá (PV) tác động tích cực đến cả Thái độ và Nhận thức kiểm soát hành vi. Khi chi phí bỏ ra được đánh giá là tương xứng hoặc tiết kiệm hơn so với lợi ích thu được, sinh viên sẵn sàng đưa ra quyết định chấp nhận sử dụng.
  2. Cơ chế tác động đến Quyết định sử dụng (QĐSD):
    • Cả hai nhân tố Nhận thức kiểm soát hành vi (PBC) và Thái độ đối với hành vi (ATB) đều có ảnh hưởng cùng chiều, trực tiếp đến quyết định lựa chọn và áp dụng các công cụ AI vào hoạt động học tập, nghiên cứu.
    • Các biến số PE, EE, PV gián tiếp tác động tích cực đến quyết định sử dụng thông qua vai trò trung gian của ATB và PBC. Mô hình kiểm định lặp Bootstrap 500 lần xác nhận các mối quan hệ cấu trúc đạt độ tin cậy thống kê cao.

Giải pháp và hàm ý quản trị đề xuất

Từ kết quả phân tích định lượng, tác giả đưa ra các nhóm khuyến nghị quản trị cụ thể:

  • Đối với các cơ sở giáo dục đại học và nhà quản lý:
    • Xây dựng khung quy định và chính sách rõ ràng: Ban hành các hướng dẫn chi tiết về liêm chính học thuật, phân định rõ ranh giới giữa việc ứng dụng AI để hỗ trợ nghiên cứu và hành vi gian lận học thuật.
    • Đổi mới chương trình và tổ chức tập huấn: Lồng ghép kỹ năng ứng dụng AI và phương pháp ra lệnh (prompting) vào các học phần phương pháp nghiên cứu khoa học; tổ chức các hội thảo chuyên đề nhằm nâng cao nhận thức kiểm soát hành vi cho người học.
    • Cải thiện điều kiện thuận lợi: Nâng cấp hạ tầng công nghệ thông tin trong khuôn viên trường, xem xét việc cấp tài khoản hoặc liên kết mua bản quyền các công cụ AI học thuật phục vụ việc học của sinh viên.
  • Đối với sinh viên:
    • Chủ động nâng cao kỹ năng số, tiếp cận các công cụ AI với tư duy phản biện, kiểm chứng nguồn dữ liệu và tránh tình trạng phụ thuộc thụ động vào nội dung do AI khởi tạo.
    • Đánh giá kỹ lưỡng giá trị của các gói phần mềm AI miễn phí so với trả phí để có quyết định đầu tư công cụ học tập phù hợp với khả năng tài chính cá nhân.
  • Đối với các nhà phát triển công nghệ AI:
    • Tối ưu hóa giao diện người dùng theo hướng đơn giản, dễ thao tác nhằm giảm thiểu nỗ lực tiếp cận của sinh viên mới bắt đầu.
    • Thiết kế các chính sách giá ưu đãi, gói tài khoản học đường (educational pricing) hoặc phiên bản trải nghiệm mở rộng dành riêng cho học sinh, sinh viên.

Đóng góp của đề tài

  • Về mặt học thuật: Khóa luận hệ thống hóa cơ sở lý luận về hành vi tiếp nhận công nghệ của người học; chứng minh tính linh hoạt và khả năng giải thích cao của Lý thuyết hành vi hoạch định (TPB) khi kết hợp cùng các biến số từ mô hình UTAUT/UTAUT2 trong bối cảnh công nghệ AI tạo sinh tại Việt Nam.
  • Về mặt thực tiễn: Cung cấp bức tranh thực nghiệm khách quan về tâm lý, nhận thức và hành vi của sinh viên các trường đại học tại TP.HCM đối với làn sóng AI; mang lại cơ sở dữ liệu hữu ích giúp các nhà hoạch định chính sách giáo dục xây dựng chiến lược chuyển đổi số hiệu quả.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận đã thẳng thắn chỉ ra các hạn chế xuất phát từ nguồn lực và điều kiện nghiên cứu thực tế:

  • Hạn chế về quy mô và phạm vi mẫu: Nghiên cứu chỉ tiến hành khảo sát với cỡ mẫu $n = 178$ sinh viên, tập trung chủ yếu tại các cơ sở giáo dục đại học thuộc khu vực nội thành Thành phố Hồ Chí Minh, chưa mở rộng ra các trường ở vùng ngoại thành hoặc các tỉnh, thành phố khác, do đó tính đại diện tổng thể cho sinh viên toàn quốc còn hạn chế.
  • Hạn chế về thiết kế thời gian: Nghiên cứu áp dụng phương pháp cắt ngang (cross-sectional) trong khoảng thời gian ngắn từ tháng 04 đến tháng 06 năm 2024, phản ánh nhận thức của sinh viên tại một thời điểm nhất định mà chưa theo dõi được sự thay đổi hành vi dài hạn khi công nghệ AI tiếp tục nâng cấp.
  • Hạn chế về mô hình lý thuyết: Đề tài tập trung vào các nhân tố chính của TPB và UTAUT, chưa đưa vào phân tích chuyên sâu các yếu tố tiềm năng khác như lo âu đạo đức (AI ethical anxiety), rủi ro nhận thức, tính đổi mới cá nhân hoặc ảnh hưởng chi tiết của từng khối ngành đào tạo (khoa học tự nhiên, kỹ thuật, xã hội, y dược).

Hướng nghiên cứu tiếp theo:

  • Mở rộng quy mô mẫu khảo sát lớn hơn và đa dạng hóa địa bàn nghiên cứu trên phạm vi toàn quốc để nâng cao tính đại diện.
  • Thực hiện các nghiên cứu theo chiều dọc (longitudinal studies) để đánh giá sự biến đổi trong nhận thức và mức độ sử dụng AI của người học qua các giai đoạn đào tạo.
  • Tích hợp thêm các biến điều tiết (moderators) và biến trung gian mới như nhận thức rủi ro, liêm chính học thuật và so sánh đối chiếu hành vi sử dụng giữa các nhóm chuyên ngành khác nhau.

Giá trị tham khảo

Khóa luận tốt nghiệp này mang lại giá trị tham khảo thiết thực cho nhiều nhóm đối tượng:

  • Sinh viên, học viên chuyên ngành Quản trị kinh doanh, Marketing, Hệ thống thông tin quản lý và Quản lý giáo dục: Đề tài là tài liệu tham khảo chuẩn mực về cấu trúc một nghiên cứu định lượng hoàn chỉnh, từ tổng quan lý thuyết, thiết kế khung giả thuyết đến xử lý số liệu bằng SPSS/SEM.
  • Người làm đề tài nghiên cứu về hành vi chấp nhận công nghệ mới: Phần tổng quan tài liệu ở Chương 2 (với bảng tổng hợp 20 công trình quốc tế và trong nước) cùng hệ thống bảng hỏi khảo sát 32 biến quan sát tại Chương 3 là nguồn tham khảo hữu ích để kế thừa và phát triển thang đo.
  • Ban giám hiệu, phòng đào tạo và giảng viên các trường đại học: Các phân tích thực nghiệm và hàm ý quản trị ở Chương 4 và Chương 5 cung cấp luận cứ thực tiễn để nhà trường xây dựng quy định liêm chính học thuật và tổ chức các chương trình hướng dẫn sinh viên ứng dụng AI đúng đắn.

Câu hỏi thường gặp

1. Mô hình lý thuyết nền tảng mà đề tài sử dụng để xây dựng các giả thuyết là gì?
Đề tài sử dụng Lý thuyết hành vi hoạch định (TPB) của Ajzen (1991) làm khung lý thuyết cốt lõi, đồng thời tích hợp các biến tiền đề từ Mô hình chấp nhận và sử dụng công nghệ (UTAUT/UTAUT2) của Venkatesh và cộng sự (2000, 2012) bao gồm: Hiệu quả mong đợi (PE), Nỗ lực mong đợi (EE), Điều kiện thuận lợi (FC) và Nhận thức về giá (PV) tác động đến Nhận thức kiểm soát hành vi (PBC) và Thái độ đối với hành vi (ATB).

2. Quy mô mẫu khảo sát và thời gian thu thập dữ liệu của khóa luận được thực hiện như thế nào?
Nghiên cứu được tác giả thực hiện thu thập dữ liệu sơ cấp thông qua bảng câu hỏi khảo sát từ tháng 04 năm 2024 đến tháng 06 năm 2024. Tổng số lượng mẫu hợp lệ thu về và đưa vào phân tích thống kê chính thức là 178 sinh viên đang theo học tại các cơ sở giáo dục đại học trên địa bàn nội thành Thành phố Hồ Chí Minh.

3. Khóa luận sử dụng các phương pháp và công cụ thống kê nào để kiểm định mô hình?
Nghiên cứu sử dụng phần mềm SPSS 20.0 kết hợp AMOS để thực hiện các phân tích: thống kê mô tả mẫu, kiểm định độ tin cậy thang đo bằng Cronbach's Alpha, phân tích nhân tố khẳng định (CFA), phân tích mô hình phương trình cấu trúc tuyến tính (SEM) và kiểm định độ tin cậy của mô hình thông qua kỹ thuật Bootstrap với 500 lần lặp.

4. Kết quả nghiên cứu chỉ ra những nhân tố nào có tác động quyết định đến việc sử dụng công cụ AI của sinh viên?
Kết quả phân tích SEM khẳng định: Hiệu quả mong đợi (PE), Nỗ lực mong đợi (EE) và Nhận thức về giá (PV) có tác động tích cực đến Nhận thức kiểm soát hành vi (PBC) và Thái độ đối với hành vi (ATB). Hai nhân tố trung gian PBC và ATB sau đó tác động trực tiếp và cùng chiều đến Quyết định sử dụng (QĐSD) các công cụ AI trong học tập và nghiên cứu của sinh viên.

5. Tác giả đã đề xuất những nhóm hàm ý quản trị chính nào từ kết quả nghiên cứu?
Tác giả đề xuất ba nhóm hàm ý: (1) Nhà trường và cơ quan giáo dục cần ban hành quy chế sử dụng AI minh bạch, tổ chức đào tạo kỹ năng số và nâng cấp hạ tầng hỗ trợ; (2) Sinh viên cần nâng cao nhận thức phản biện, tránh phụ thuộc thụ động vào AI; (3) Doanh nghiệp phát triển AI cần tối ưu hóa giao diện thân thiện và cung cấp các chính sách giá ưu đãi cho môi trường học đường.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Ngọc Thúy đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc xác định và lượng hóa các nhân tố ảnh hưởng đến quyết định sử dụng công cụ trí tuệ nhân tạo của sinh viên tại Thành phố Hồ Chí Minh. Bằng việc kết hợp hài hòa giữa Lý thuyết hành vi hoạch định (TPB) và mô hình UTAUT trên tập dữ liệu thực nghiệm 178 sinh viên, công trình đã làm sáng tỏ cơ chế tác động của hiệu quả mong đợi, nỗ lực mong đợi và nhận thức về giá qua hai biến trung gian thái độ và nhận thức kiểm soát hành vi. Các phát hiện và hàm ý quản trị được đề xuất trong khóa luận mang giá trị thực tiễn cao, đóng góp cơ sở khoa học quan trọng cho công tác quản lý giáo dục đại học trong thời kỳ chuyển đổi số.