Giới thiệu dự án

Hoạt động đi làm thêm (part-time employment) của sinh viên tại các đô thị lớn đang trở thành một hiện tượng kinh tế - xã hội phổ biến. Báo cáo thực hiện Nghị quyết Đại hội Đại biểu Hội Sinh viên TP.HCM chỉ ra rằng độ tuổi lao động từ 18 – 23 chiếm tỷ trọng áp đảo trong lực lượng lao động thời vụ tại Việt Nam. Thống kê từ Trung ương Hội Sinh viên Việt Nam ghi nhận có tới 80% (8/10) sinh viên đại học tham gia vào thị trường việc làm bán thời gian trong quá trình đào tạo. Riêng tại khu vực TP.HCM, các cơ sở giáo dục đại học cung ứng nguồn lực sinh viên làm việc bán thời gian cho hơn 1.314 doanh nghiệp và hộ kinh doanh cá thể.

                  THỰC TRẠNG SINH VIÊN ĐI LÀM THÊM TẠI TP.HCM

Vấn đề cốt lõi (Problem Statement) nằm ở sự xung đột giữa áp lực tài chính sinh hoạt, nhu cầu tích lũy kinh nghiệm thực tế với việc đảm bảo kết quả học tập chuẩn đầu ra. Sinh viên ngành Quản trị Kinh doanh tại Trường Đại học Ngân hàng TP.HCM (HUB) đối mặt với thách thức phân bổ quỹ thời gian, dẫn đến nguy cơ suy giảm thành tích học tập nếu không có sự điều tiết hợp lý. Dự án khóa luận tốt nghiệp mã ngành 7 34 01 01 do sinh viên Phùng Đức Vinh thực hiện dưới sự hướng dẫn của TS. Nguyễn Văn Đạt nhằm giải quyết bài toán định lượng các nhân tố tác động đến quyết định này.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và lượng hóa các nhân tố cấu thành ảnh hưởng đến quyết định đi làm thêm của sinh viên HUB.
  2. Đo lường mức độ tác động tương đối của từng biến độc lập thông qua kiểm định mô hình hồi quy tuyến tính đa biến.
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp thực chứng cho nhà trường và doanh nghiệp nhằm tối ưu hóa hiệu quả sử dụng thời gian của sinh viên.

Giải pháp nghiên cứu sử dụng phương pháp định lượng thực chứng kết hợp khảo sát bảng hỏi cấu trúc Likert 5 mức độ trên $N = 237$ mẫu hợp lệ, xử lý trên phần mềm SPSS Statistics v26. Kết quả kỳ vọng cung cấp mô hình kinh tế lượng có hệ số giải thích phương sai (Total Variance Explained) vượt ngưỡng $50%$, độ tin cậy thang đo Cronbach's Alpha $> 0.6$, làm cơ sở hoạch định chính sách đào tạo tín chỉ và kế hoạch tuyển dụng nhân sự bán thời gian. Phạm vi nghiên cứu giới hạn trong khối sinh viên hệ chính quy Trường Đại học Ngân hàng TP.HCM giai đoạn 2020 – 2023.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng hợp và đối sánh các mô hình kinh tế lượng trước đây nhằm xác định khoảng trống nghiên cứu (Research Gap):

Tiêu chí Mai Thanh Văn & CS (2022) Vương Quốc Duy & CS (2015) Nguyễn Trọng Hiền Tôn (2022) Mô hình đề xuất (Phùng Đức Vinh, 2023)
Đối tượng 500 sinh viên ĐH Kinh tế Huế 400 sinh viên ĐH Cần Thơ 300 sinh viên ĐH Văn Lang 237 sinh viên ĐH Ngân hàng TP.HCM
Phương pháp Binary Logistic Regression Binary Logistic Regression Hồi quy tuyến tính đa biến OLS Regression + EFA + Cronbach's Alpha
Biến độc lập KQ, CT, TG, KN, Khóa học KQ, CT, TG, KN, Động cơ KQ, CT, TG, KN, QH KQ, CT, TG, KN, QH (Chuẩn hóa 18 chỉ báo)
Ưu điểm Mẫu lớn, phân loại nhị phân tốt Đánh giá tốt yếu tố tài chính Thang đo Likert dễ tiếp cận Thang đo tinh gọn, kiểm định EFA đạt 73.229%
Nhược điểm Chưa phân tích chi tiết EFA Giới hạn khu vực ĐBSCL Thiếu kiểm soát đa cộng tuyến Lấy mẫu thuận tiện phi xác suất

Ghi chú biến quan sát: Kết quả học tập (KQ), Chi tiêu (CT), Thời gian rảnh (TG), Kinh nghiệm – Kỹ năng sống (KN), Mối quan hệ (QH).

Yêu cầu nghiên cứu theo ma trận MoSCoW:

  • Must-have: Kiểm định Cronbach's Alpha $> 0.6$, hệ số tương quan biến-tổng (Corrected Item-Total Correlation) $> 0.3$, EFA trích yếu tố với Eigenvalue $> 1.0$, hệ số tải nhân tố (Factor Loading) $> 0.5$.
  • Should-have: Kiểm định KMO nằm trong khoảng $0.5 \le \text{KMO} \le 1.0$, kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$, phân tích tương quan Pearson $r$.
  • Could-have: Thống kê phân hóa theo vị trí việc làm (Nhân viên bán hàng, kinh doanh, văn phòng).
  • Won't-have: Mô hình phương trình cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) hoặc chuỗi thời gian (Time-series data).

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu định lượng được chuẩn hóa theo sơ đồ sau:

Công nghệ và công cụ sử dụng:

  • IBM SPSS Statistics 26.0: Xử lý thống kê mô tả, phân tích độ tin cậy thang đo, EFA và hồi quy đa biến.
  • Google Forms API / Sheets: Thu thập dữ liệu trực tuyến qua mạng xã hội (Facebook, Instagram Groups).
  • Python 3.10 Runtime Environment: Hỗ trợ kiểm toán dữ liệu độc lập (pandas 2.1.0, statsmodels 0.14.0, factor-analyzer 0.5.0).

Cấu trúc thang đo nghiên cứu (Measurement Model):

  1. Kết quả học tập (KQ): 3 biến quan sát (KQ1: Ứng dụng kiến thức; KQ2: Duy trì việc học; KQ3: Đi làm khi có nền tảng vững).
  2. Chi tiêu (CT): 3 biến quan sát (CT1: Thu nhập trang trải; CT2: Đáp ứng nhu cầu sống; CT3: Tích lũy tiết kiệm).
  3. Thời gian rảnh (TG): 3 biến quan sát (TG1: Chọn việc theo giờ rảnh; TG2: Làm việc trọn vẹn; TG3: Lịch làm khớp giờ trống).
  4. Mối quan hệ (QH): 3 biến quan sát (QH1: Giới thiệu từ bạn bè/người thân; QH2: Yếu tố gia đình thúc đẩy; QH3: Mở rộng mạng lưới quan hệ).
  5. Kinh nghiệm – Kỹ năng sống (KN): 3 biến quan sát (KN1: Học hỏi bài học thực tế; KN2: Kỹ năng ngoài sách vở; KN3: Nâng cao năng lực cá nhân).
  6. Quyết định đi làm thêm (QD - Biến phụ thuộc): 3 biến quan sát (QD1: Quyết định đúng đắn; QD2: Giới thiệu cho bạn bè; QD3: Hài lòng với lựa chọn).

Methodology

Phương pháp nghiên cứu tuân thủ quy tắc xác định quy mô mẫu theo công thức Green (1991) cho phân tích hồi quy: $$n \ge 50 + 8p$$ Trong đó $p = 5$ là số lượng biến độc lập trong mô hình. Cỡ mẫu tối thiểu lý thuyết: $$n \ge 50 + 8 \times 5 = 90 \text{ quan sát}$$ Để đảm bảo độ tin cậy cho phân tích EFA (tỷ lệ quan sát/biến tối thiểu là $5:1$, tương ứng $18 \times 5 = 90$), nghiên cứu thu thập $N = 237$ mẫu hợp lệ, vượt $163.3%$ so với ngưỡng tối thiểu. Phương pháp lấy mẫu phi xác suất (thuận tiện kết hợp phân tầng trực tuyến/ngoại tuyến) được triển khai để tối ưu hóa thời gian và chi phí tiếp cận.


Implementation và kết quả

Development process

Quy trình xử lý dữ liệu và kiểm định mô hình được tự động hóa bằng thuật toán phân tích định lượng tương đương mã nguồn Python dưới đây:

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 statsmodels.api as sm

def statistical_pipeline(data_path: str):
    # 1. Load và tiền xử lý dữ liệu khảo sát (N = 237)
    df = pd.read_csv(data_path)
    independent_vars = ['KQ', 'CT', 'TG', 'QH', 'KN']
    dependent_var = 'QD'
    
    # 2. Kiểm định KMO và Bartlett's Test
    items_efa = df.filter(regex='^(KQ|CT|TG|QH|KN|QD)[1-3]$')
    kmo_all, kmo_model = calculate_kmo(items_efa)
    chi_square_value, p_value = calculate_bartlett_sphericity(items_efa)
    print(f"[EFA Test] KMO Index: {kmo_model:.3f} | Bartlett Chi2: {chi_square_value:.3f}, p-val: {p_value:.4f}")
    
    # 3. Phân tích nhân tố khám phá EFA (Principal Component Analysis + Varimax)
    fa = FactorAnalyzer(n_factors=6, rotation='varimax', method='principal')
    fa.fit(items_efa)
    eigenvalues, _ = fa.get_eigenvalues()
    variance_explained = fa.get_factor_variance()[1]
    
    # 4. Hồi quy tuyến tính OLS đa biến
    X = sm.add_constant(df[independent_vars])
    y = df[dependent_var]
    ols_model = sm.OLS(y, X).fit()
    
    return ols_model.summary(), eigenvalues, variance_explained

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 18 biến quan sát thuộc 6 nhóm nhân tố đều đạt hệ số tương quan biến tổng hiệu chỉnh $> 0.3$ (dao động từ $0.602$ đến $0.789$). Hệ số Cronbach's Alpha của toàn bộ các thang đo thành phần đều thỏa mãn điều kiện $\alpha \ge 0.60$, trong đó biến tiềm ẩn Mối quan hệ (QH) và Kinh nghiệm (KN) đạt mức tin cậy cao ($> 0.80$). Không có biến nào bị loại bỏ trong bước này.

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): Đạt $0.759$ ($> 0.50$), chứng minh dữ liệu hoàn toàn phù hợp với phân tích nhân tố.
  • Kiểm định Bartlett's Test of Sphericity: Giá trị $\chi^2 = 1695.665$, bậc tự do $df = 153$, mức ý nghĩa thống kê $Sig. = 0.000$ ($p < 0.001$), khẳng định các biến quan sát có tương quan chặt chẽ trong tổng thể.
  • Tổng phương sai trích (Total Variance Explained): Đạt $73.229%$ ($> 50%$), nghĩa là 6 nhân tố trích xuất giải thích được $73.229%$ sự biến thiên của dữ liệu, mức thất thoát thông tin chỉ chiếm $26.771%$.
  • Hệ số Eigenvalue: Biểu đồ Scree Plot ghi nhận đúng 6 thành phần có Eigenvalue $> 1.0$, trong đó thành phần 1 đạt Eigenvalue ban đầu là $4.000$.
  • Ma trận xoay nhân tố (Rotated Component Matrix): Tất cả hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $> 0.50$. Biến QH2 ("Yếu tố gia đình thường có xu hướng thúc đẩy sinh viên đi làm thêm") ghi nhận hệ số tải cao nhất lên tới $0.885$.
                 EFA FACTOR LOADINGS & VARIANCE SUMMARY

3. Phân tích tương quan Pearson

Ma trận tương quan ghi nhận các hệ số tương quan tuyến tính giữa biến phụ thuộc Quyết định đi làm thêm (QD) và các biến độc lập đều có ý nghĩa thống kê ở mức $p < 0.01$ (ví dụ tương quan giữa KQ và QD đạt $r = 0.178, p = 0.006$; giữa CT và QD đạt $r = 0.170, p = 0.009$). Không phát sinh hiện tượng đa cộng tuyến nghiêm trọng giữa các biến độc lập ($r < 0.70$).

Kết quả đạt được

Phân tích thống kê mô tả trên $N = 237$ sinh viên Đại học Ngân hàng TP.HCM chỉ ra:

  • Tình trạng làm thêm: $81.5%$ ($193$ sinh viên) đang làm thêm; $16.0%$ ($38$ sinh viên) đã từng đi làm thêm; chỉ có $2.5%$ ($6$ sinh viên) chưa từng đi làm thêm. Tỷ lệ sinh viên có trải nghiệm làm thêm thực tế đạt $97.5%$.
  • Cơ cấu vị trí công việc:
    • Nhân viên bán hàng (Retail/Sales): $119$ sinh viên ($50.2%$).
    • Nhân viên văn phòng (Office Clerical): $51$ sinh viên ($21.5%$).
    • Nhân viên kinh doanh (Business Development): $35$ sinh viên ($14.8%$).
    • Các công việc dịch vụ/khác: $32$ sinh viên ($13.5%$).

Kết quả kiểm định giả thuyết nghiên cứu:

  • H1 (Kết quả học tập $\rightarrow$ Quyết định làm thêm): Chấp nhận ($p < 0.05$). Sinh viên có nền tảng học tập tốt có xu hướng chủ động đi làm để ứng dụng lý thuyết vào thực tế.
  • H2 (Chi tiêu $\rightarrow$ Quyết định làm thêm): Chấp nhận ($p < 0.05$). Nhu cầu tự chủ tài chính sinh hoạt hàng tháng là động lực trực tiếp.
  • H3 (Thời gian rảnh $\rightarrow$ Quyết định làm thêm): Chấp nhận ($p < 0.05$). Mức độ linh hoạt của thời khóa biểu chi phối số giờ làm việc.
  • H4 (Kinh nghiệm – Kỹ năng sống $\rightarrow$ Quyết định làm thêm): Chấp nhận ($p < 0.05$). Động cơ tích lũy kỹ năng mềm đóng vai trò định hướng mạnh mẽ.
  • H5 (Mối quan hệ $\rightarrow$ Quyết định làm thêm): Chấp nhận ($p < 0.05$). Sự thúc đẩy từ gia đình và cơ hội giới thiệu việc làm từ mạng lưới xã hội có tác động đáng kể (hệ số tải QH2 = $0.885$).

Đổi mới và đóng góp

  1. Chuẩn hóa khung thang đo kinh tế lượng cho khối ngành Ngân hàng - Tài chính: Thay vì sử dụng các biến rời rạc như các nghiên cứu trước đây, đề tài đã kế thừa và tinh gọn mô hình thành 5 nhóm nhân tố chính với 18 chỉ báo đo lường hoàn chỉnh, đạt tổng phương sai trích $73.229%$, vượt trội so với mức trung bình $55 - 60%$ của các công trình tương tự tại khu vực phía Nam.

  2. Lượng hóa vai trò của yếu tố xã hội và gia đình: Phát hiện biến QH2 ("Yếu tố gia đình thúc đẩy") đạt hệ số tải nhân tố $0.885$ chứng minh rằng tại TP.HCM, quyết định làm thêm của sinh viên không chỉ mang tính tự phát cá nhân mà chịu ảnh hưởng sâu sắc từ định hướng gia đình về tính tự lập và quản lý tài chính sớm.

  3. Cung cấp cơ sở dữ liệu thực nghiệm đặc thù HUB: Bức tranh $50.2%$ sinh viên làm nhân viên bán hàng phản ánh sự chuyển dịch nguồn nhân lực thời vụ sang phân khúc bán lẻ và chuỗi cung ứng dịch vụ tại các quận nội thành TP.HCM (Thủ Đức, Quận 1, Bình Thạnh).


Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

                       HỆ SINH THÁI ỨNG DỤNG THỰC TẾ
  1. Đối với Trường Đại học Ngân hàng TP.HCM:

    • Tối ưu hóa xếp thời khóa biểu: Thiết kế lịch học tập trung theo buổi (toàn sáng hoặc toàn chiều) thay vì rải rác, giúp sinh viên sắp xếp ca làm việc bán thời gian ổn định từ 3 – 5 giờ/ngày theo chuẩn ILO.
    • Xây dựng Cổng thông tin việc làm bán thời gian có kiểm duyệt: Kết nối trực tiếp phòng Chăm sóc Người học & Hỗ trợ Sinh viên với các đối tác doanh nghiệp uy tín, giảm thiểu rủi ro sinh viên bị lừa đảo tuyển dụng.
  2. Đối với các doanh nghiệp tuyển dụng:

    • Thiết kế gói việc làm bán thời gian linh hoạt (Flexible Shifts): Phân bổ ca làm việc 4 tiếng phù hợp với sinh viên ngành kinh doanh/bán hàng, xây dựng cơ chế hoa hồng rõ ràng bên cạnh lương cơ sở nhằm kích thích động lực làm việc.
  3. Lộ trình triển khai khuyến nghị:

    • Quý 1 - Quý 2: Nhà trường khảo sát định kỳ nhu cầu làm thêm trong đợt đăng ký học phần đầu khóa.
    • Quý 3: Ký kết thỏa thuận hợp tác (MOU) với các chuỗi bán lẻ, ngân hàng thương mại cung cấp việc làm thời vụ chuẩn chuẩn mực.
    • Quý 4: Đo lường tác động của việc làm thêm lên điểm trung bình tích lũy (GPA) để cảnh báo học vụ sớm cho sinh viên có nguy cơ nợ môn.

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu: Sử dụng mẫu thuận tiện phi xác suất ($N = 237$) tại một trường đại học duy nhất, chưa bao phủ toàn bộ các khối ngành kỹ thuật, y dược hay nghệ thuật.
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm năm 2023, chưa theo dõi được biến động hành vi đi làm thêm theo từng năm học (từ năm nhất đến năm tư).
  • Hướng phát triển: Mở rộng nghiên cứu đa cơ sở đào tạo (Hub-and-spoke model), ứng dụng mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) thông qua SmartPLS 4 để phân tích các biến trung gian (Mediating Variables) và biến điều tiết (Moderating Variables) như mức độ hài lòng cuộc sống hay áp lực gia đình.

Đối tượng hưởng lợi

  • Sinh viên: Nhận diện các yếu tố chi phối để tự xây dựng kế hoạch cân đối thời gian giữa giảng đường và nơi làm việc, duy trì điểm GPA an toàn.
  • Nhà trường & Ban Đào tạo: Cơ sở dữ liệu định lượng để tinh chỉnh chính sách đào tạo theo hệ thống tín chỉ và định hướng hoạt động Đoàn - Hội.
  • Doanh nghiệp & Nhà tuyển dụng: Nắm bắt tâm lý, động cơ của lao động sinh viên thế hệ Z để tối ưu hóa chính sách đãi ngộ và giảm tỷ lệ nghỉ việc (Turnover Rate).
  • Nhà nghiên cứu học thuật: Cung cấp bộ thang đo đã được kiểm định độ tin cậy ($73.229%$ phương sai trích, KMO = $0.759$) để tái sử dụng trong các nghiên cứu hành vi lao động trẻ.

Câu hỏi thường gặp

  1. Cỡ mẫu 237 có đảm bảo tính đại diện thống kê theo quy chuẩn Green (1991) không? Theo công thức $n \ge 50 + 8p$, với 5 biến độc lập thì cỡ mẫu tối thiểu là 90. Mẫu $N = 237$ lớn gấp 2.6 lần yêu cầu tối thiểu, đảm bảo độ mạnh của phép kiểm định OLS và phân tích EFA.

  2. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình? Nghiên cứu kiểm tra hệ số tương quan Pearson giữa các biến độc lập (tất cả đều $< 0.70$) và kiểm định hệ số phóng đại phương sai VIF trong bảng hồi quy (đảm bảo $\text{VIF} < 2.0$), khẳng định không vi phạm giả định đa cộng tuyến.

  3. Tiêu chí nào quyết định một biến quan sát có bị loại khỏi thang đo hay không? Biến quan sát sẽ bị loại nếu hệ số tương quan biến tổng hiệu chỉnh $< 0.30$, hoặc hệ số tải nhân tố trong EFA $< 0.50$, hoặc khi loại bỏ biến làm hệ số Cronbach's Alpha chung tăng đột biến. Trong bài nghiên cứu, toàn bộ 18 biến đều thỏa mãn tiêu chuẩn.

  4. Yếu tố nào có tác động mạnh nhất đến quyết định làm thêm của sinh viên? Phân tích EFA và tương quan cho thấy nhóm nhân tố Mối quan hệ (QH, đặc biệt chỉ báo QH2 đạt loading $0.885$) và Chi tiêu (CT) là hai động lực có trọng số tác động hàng đầu thúc đẩy sinh viên gia nhập thị trường lao động.

  5. Sinh viên làm việc trên 30 giờ/tuần có ảnh hưởng xấu đến kết quả học tập không? Theo chuẩn ILO và kết quả khảo sát thang đo KQ, việc làm thêm vượt quá 30 giờ/tuần tạo ra xung đột lịch học nghiêm trọng. Khuyến nghị tối ưu cho sinh viên là duy trì từ 15 – 20 giờ/tuần chia đều cho các ngày trống lịch học.


Kết luận

Khóa luận tốt nghiệp của tác giả Phùng Đức Vinh đã hệ thống hóa cơ sở lý luận và kiểm định thành công mô hình định lượng các nhân tố ảnh hưởng đến quyết định đi làm thêm của sinh viên Trường Đại học Ngân hàng TP.HCM. Với $81.5%$ sinh viên đang đi làm thêm thực tế và mô hình EFA giải thích $73.229%$ phương sai trích, công trình đã chứng minh tính cấp thiết của việc tích hợp định hướng nghề nghiệp sớm vào chương trình đại học. Việc cân bằng giữa nâng cao năng lực thực hành xã hội và duy trì kết quả học tập xuất sắc chính là chìa khóa xây dựng nguồn nhân lực chất lượng cao phục vụ mục tiêu phát triển kinh tế bền vững.