Giới thiệu dự án

Chuyển đổi số trong lĩnh vực tài nguyên và môi trường đang là trọng tâm chiến lược trong đề án xây dựng đô thị thông minh tại TP.HCM. Với diện tích tự nhiên $2.056,5 \text{ km}^2$ cùng quy mô dân số đạt 9,61 triệu người (năm 2021), nhu cầu tra cứu thông tin đất đai, quy hoạch sử dụng đất, hiện trạng địa chính và môi trường của người dân cũng như doanh nghiệp là rất lớn. Tuy nhiên, trước đây nguồn dữ liệu này bị phân tán cục bộ tại các phòng ban chuyên môn thuộc Sở Tài nguyên và Môi trường (TN&MT) cùng 22 phòng TN&MT cấp quận/huyện, gây lãng phí thời gian, gia tăng chi phí giao dịch hành chính và tạo rào cản minh bạch hóa thông tin.

Nhằm thực thi Nghị định số 73/2017/NĐ-CP và Quyết định số 37/2017/QĐ-UBND của UBND TP.HCM về quy chế thu thập, quản lý, khai thác và sử dụng thông tin dữ liệu TN&MT, ngày 17/08/2022, Sở TN&MT TP.HCM đã chính thức công bố Cổng thông tin dữ liệu Tài nguyên và Môi trường (GeoPortal STNMT) trên hai nền tảng Website và Mobile App (iOS/Android). Dù vậy, sau giai đoạn đầu vận hành, mức độ nhận diện và tỷ lệ tiếp cận thực tế của người dân đối với hệ thống còn rất khiêm tốn. Đề tài khóa luận tốt nghiệp của tác giả Tạ Công Sáng (hướng dẫn bởi TS. Hoàng Hà Anh, Đại học Nông Lâm TP.HCM) tập trung giải quyết bài toán: Xác định và lượng hóa các nhân tố quyết định đến ý định sử dụng Cổng thông tin dữ liệu TN&MT TP.HCM của người dân, từ đó xây dựng hàm ý chính sách và giải pháp công nghệ nâng cao hiệu quả phổ quát dịch vụ công trực tuyến.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Đánh giá thực trạng mức độ nhận biết và tần suất tương tác của người dân đối với Cổng thông tin dữ liệu TN&MT TP.HCM.
  2. Thiết lập mô hình kinh tế lượng hồi quy Binary Logit dựa trên nền tảng lý thuyết mở rộng từ Mô hình chấp nhận công nghệ (TAM) và Lý thuyết hành động hợp lý (TRA).
  3. Lượng hóa mức độ tác động và hệ số biên của các biến nhân khẩu học, kỳ vọng hữu ích, kỳ vọng dễ sử dụng và kỳ vọng hiệu quả đến xác suất đồng ý sử dụng cổng.
  4. Đề xuất nhóm giải pháp công nghệ kỹ thuật (WebGIS, chuẩn dữ liệu mở OGC) và giải pháp truyền thông để nâng cao tỷ lệ tiếp cận.

Phạm vi nghiên cứu được thực hiện thu thập dữ liệu sơ cấp tại địa bàn TP.HCM từ ngày 23/09/2022 đến ngày 11/01/2023 với đối tượng khảo sát là công dân sinh sống trên địa bàn thành phố có hoặc chưa có trải nghiệm sử dụng Cổng thông tin.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi nền tảng GeoPortal ra đời, các phương thức tra cứu dữ liệu địa chính và môi trường tại TP.HCM bộc lộ nhiều điểm nghẽn về tính khả dụng và hiệu năng đồng bộ:

Tiêu chí so sánh Tra cứu trực tiếp tại cơ quan hành chính Cổng dữ liệu phân tán cũ (Cấp quận/huyện) Cổng thông tin dữ liệu TN&MT tập trung (GeoPortal STNMT)
Thời gian đáp ứng 3 - 7 ngày làm việc Không ổn định (phụ thuộc hạ tầng từng quận) Thời gian thực (< 2 giây qua API/WebGIS)
Tính minh bạch Thấp, dễ phát sinh tiêu cực trung gian Cục bộ, thiếu đồng bộ giữa các ranh giới Cao, công khai chuẩn siêu dữ liệu ISO 19115/19139
Độ phủ dữ liệu Hạn chế theo phạm vi quản hạt Rời rạc, định dạng dữ liệu không đồng nhất Gần 450 tập dữ liệu tích hợp toàn thành phố
Khả năng tích hợp Thủ công bằng văn bản giấy Giới hạn, không hỗ trợ chuẩn chia sẻ mở Chuẩn dịch vụ web OGC (WFS, WMS, CSW, CKAN API)

Phân tích yêu cầu người dùng theo khung MoSCoW:

  • Must have (Bắt buộc): Tra cứu thông tin ranh thửa đất, mục đích sử dụng đất, quy hoạch phân khu theo tọa độ GPS/bản đồ số; giao diện tương thích thiết bị di động.
  • Should have (Nên có): Bộ lọc siêu dữ liệu (Metadata search) theo danh mục ISO; API dịch vụ web chuẩn OGC WFS/WMS cho bên thứ ba.
  • Could have (Có thể có): Lớp dữ liệu quét LIDAR 3D, tích hợp dữ liệu trắc quan môi trường theo thời gian thực.
  • Won't have (Chưa ưu tiên): Xử lý hồ sơ chuyển nhượng bất động sản trực tuyến phức tạp trên nền tảng tra cứu mở.

Thiết kế hệ thống

Kiến trúc Cổng thông tin dữ liệu TN&MT TP.HCM được thiết kế theo Kiến trúc hướng dịch vụ (Service-Oriented Architecture - SOA) kết hợp với mô hình chuẩn đồng vận hành OGC (Open Geospatial Consortium), trong đó GeoPortal đóng vai trò là một Service Broker / Registry:

+-------------------------------------------------------------------------------+
|                       LỚP GIAO DIỆN NGƯỜI DÙNG (CLIENTS)                      |
|   Web Browser (Leaflet.js)  |  Mobile App (iOS/Android)  |  Third-party Apps  |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
|                      TRỤC TÍCH HỢP & DỊCH VỤ (API GATEWAY / ESB)               |
+-------------------------------------------------------------------------------+
+---------------------+                +---------------------+  +---------------+
|   OGC WEB SERVICES  |                |    CATALOG ENGINE   |  | SPATIAL DBMS  |
| WFS (Web Feature)   |                |  CKAN Data Portal   |  | PostgreSQL/   |
| WMS (Web Map Serv.) |                | ISO 19115/19139 Meta|  | PostGIS       |
| EPSG:4326/VN-2000   |                |  REST DataStore API |  | Spatial Index |
+---------------------+                +---------------------+  +---------------+

Technology Stack:

  • Frontend: WebGIS Client tích hợp thư viện JavaScript mã nguồn mở Leaflet.js (dung lượng tối ưu ~39 KB) hiển thị bản đồ tương tác.
  • Quản trị dữ liệu mở: Nền tảng CKAN v2.9 (Comprehensive Knowledge Archive Network) cung cấp DataStore API và danh mục siêu dữ liệu.
  • Chuẩn dịch vụ địa không gian: OGC Web Feature Service (WFS v1.0.0/v2.0.0) và OGC Web Map Service (WMS).
  • Hệ tọa độ chuẩn: WGS84 (EPSG:4326) và VN-2000 nội bộ.
  • Xử lý dữ liệu định lượng: Phần mềm EViews 10 và Microsoft Excel cho mô hình hóa kinh tế lượng.

Mẫu truy vấn dịch vụ web không gian địa lý WFS lấy dữ liệu ranh thửa/ranh phường định dạng GeoJSON:

GET https://apigateway.vn/DVHCINM_diahinh2?service=WFS&version=1.0.0&request=GetFeature&typeName=tnmt:ranhphuong_pg&srsName=EPSG:4326&outputFormat=JSON&cql_filter=maquan=768 HTTP/1.1
Host: apigateway.vn
Authorization: Bearer <JWT_ACCESS_TOKEN>

Dữ liệu trả về (JSON FeatureCollection):

{
  "type": "FeatureCollection",
  "totalFeatures": 1,
  "features": [
    {
      "type": "Feature",
      "id": "ranhphuong_pg.76801",
      "geometry": {
        "type": "MultiPolygon",
        "coordinates": [[[[106.6921, 10.7782], [106.6953, 10.7795], [106.6941, 10.7751], [106.6921, 10.7782]]]]
      },
      "properties": {
        "ma_phuong": "76801",
        "ten_phuong": "Bến Nghé",
        "ma_quan": "768",
        "ten_quan": "Quận 1",
        "quy_hoach": "Dat_O_Do_Thi"
      }
    }
  ]
}

Methodology

Phương pháp nghiên cứu kết hợp giữa nghiên cứu định tính (tham vấn chuyên gia, thử nghiệm pilot $N=15$) và nghiên cứu định lượng ($N=120$).

Quy mô mẫu tối thiểu được xác định theo công thức của Tabachnick và Fidell (1996) cho phân tích hồi quy: $$n \ge 50 + 8m$$ Trong đó $m = 8$ là số biến độc lập đưa vào mô hình $\implies n_{min} = 50 + 8 \times 8 = 114$. Cỡ mẫu thực tế thu thập đạt $N = 120$ hợp lệ, đảm bảo độ tin cậy thống kê.

Thang đo Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý) được phân chia khoảng cách theo công thức: $$\text{Khoảng cách} = \frac{\text{Max} - \text{Min}}{n} = \frac{5 - 1}{5} = 0,8$$

  • 1,00 – 1,80: Rất không đồng ý
  • 1,81 – 2,60: Không đồng ý
  • 2,61 – 3,40: Trung bình / Không ý kiến
  • 3,41 – 4,20: Đồng ý
  • 4,21 – 5,00: Rất đồng ý

Implementation và kết quả

Development process & Thuật toán ước lượng

Mô hình kinh tế lượng sử dụng mô hình xác suất lựa chọn nhị phân Binary Logit với kỹ thuật hỏi nhị thức đơn (Single-bounded dichotomous choice) để ước lượng biến phụ thuộc $YD$ ($YD = 1$: Có ý định sử dụng; $YD = 0$: Không có ý định).

Dạng hàm xác suất Logit: $$P_i = P(Y_i = 1 | X_i) = \frac{1}{1 + e^{-(\alpha + \sum \beta_k X_{ki})}} = \frac{e^{\alpha + \sum \beta_k X_{ki}}}{1 + e^{\alpha + \sum \beta_k X_{ki}}}$$

Biến đổi Log-Odds (Logit): $$\ln \left( \frac{P_i}{1 - P_i} \right) = \alpha + \beta_1 T_i + \beta_2 TDHV_i + \beta_3 HB_i + \beta_4 NN_i + \beta_5 TG_i + \beta_6 HI_i + \beta_7 DSD_i + \beta_8 KV_i + \varepsilon_i$$

Trong đó:

  • $T$: Tuổi của người trả lời (Năm)
  • $TDHV$: Trình độ học vấn (Năm học)
  • $HB$: Mức độ hiểu biết về cổng thông tin ($1$: Đã biết; $0$: Chưa biết)
  • $NN$: Nghề nghiệp liên quan đất đai/BĐS ($1$: Có; $0$: Không)
  • $TG$: Thời gian sử dụng thiết bị thông minh (Giờ/ngày)
  • $HI$: Kỳ vọng về tính hữu ích (Thang đo 1 - 5)
  • $DSD$: Kỳ vọng về tính dễ sử dụng (Thang đo 1 - 5)
  • $KV$: Kỳ vọng về tính hiệu quả (Thang đo 1 - 5)

Mã nguồn Python minh họa quá trình ước lượng Binary Logit bằng phương pháp Hợp lý cực đại (Maximum Likelihood Estimation - MLE) tương đương xử lý trên EViews 10:

import numpy as np
import pandas as pd
import statsmodels.api as sm

# Khởi tạo mô hình Binary Logit
def estimate_logit_model(df):
    X = df[['T', 'TDHV', 'HB', 'NN', 'TG', 'HI', 'DSD', 'KV']]
    X = sm.add_constant(X)
    y = df['YD']
    
    logit_model = sm.Logit(y, X)
    result = logit_model.fit(method='newton', maxiter=100)
    
    # Tính toán Marginal Effects (Hệ số tác động biên tại giá trị trung bình)
    margeff = result.get_margeff(at='mean')
    return result, margeff

# Công thức tính hệ số biên: dP/dX_k = beta_k * P * (1 - P)

Testing và validation

1. Thống kê mô tả mẫu ($N = 120$)

  • Giới tính: 53 Nam (44,17%), 67 Nữ (55,83%).
  • Độ tuổi: Nhóm 18 - 29 tuổi chiếm đa số với 72 người (60,00%); 31 - 40 tuổi chiếm 19,17% (23 người); 41 - 50 tuổi chiếm 8,33% (10 người); 51 - 60 tuổi chiếm 11,67% (14 người); trên 60 tuổi chiếm 0,83% (1 người).
  • Trình độ học vấn: Đại học chiếm 68,33% (82 người); THPT chiếm 25,00% (30 người); THCS chiếm 6,67% (8 người).
  • Nghề nghiệp: Học sinh/Sinh viên 41,67% (50 người); Công viên chức 15,83% (19 người); Nghề nghiệp tự do/khác 17,50% (21 người); 90,00% (108 người) không làm công việc liên quan đến tài nguyên đất.
  • Hiện trạng nhận thức: Chỉ có 33/120 người (27,50%) biết đến sự tồn tại của Cổng thông tin dữ liệu TN&MT và chỉ 23/120 người (19,17%) đã từng thao tác sử dụng thực tế.

2. Kết quả hồi quy mô hình Binary Logit

Ước lượng tham số mô hình trên EViews 10 với mức ý nghĩa kiểm định $\alpha = 10%$ ($p\text{-value} < 0,10$):

Tên biến Ký hiệu Hệ số hồi quy ($\beta$) Sai số chuẩn (Std. Error) Thống kê z (z-Statistic) Mức ý nghĩa ($p$-value) Kỳ vọng dấu Kết luận giả thuyết
Hệ số chặn C -5,4120 1,8245 -2,966 0,0030 - Có ý nghĩa
Tuổi $T$ -0,0214 0,0289 -0,740 0,4593 (+) Không có ý nghĩa
Trình độ học vấn $TDHV$ 0,1125 0,1450 0,776 0,4378 (+) Không có ý nghĩa
Mức hiểu biết $HB$ 0,4312 0,5120 0,842 0,3998 (+) Không có ý nghĩa
Nghề nghiệp đất đai $NN$ 0,6540 0,7120 0,919 0,3581 (+) Không có ý nghĩa
Thời gian dùng TBĐT $TG$ 0,0845 0,0912 0,927 0,3539 (+) Không có ý nghĩa
Kỳ vọng hữu ích $HI$ 0,8924 0,3412 2,615 0,0089 (+) Chấp nhận ($p < 0,01$)
Kỳ vọng dễ sử dụng $DSD$ 0,7645 0,3120 2,450 0,0143 (+) Chấp nhận ($p < 0,05$)
Kỳ vọng hiệu quả $KV$ 1,1240 0,4150 2,708 0,0068 (+) Chấp nhận ($p < 0,01$)

3. Kiểm định độ phù hợp của mô hình

  • Hệ số McFadden $R^2$ ($R^2_{McF}$): Đạt 0,4285 (trong mô hình định tính nhị phân, $R^2_{McF}$ nằm trong khoảng 0,2 - 0,4 thể hiện độ phù hợp rất cao của mô hình). $$R^2_{McF} = 1 - \frac{LLF_{ur}}{LLF_r} = 1 - \frac{-42,15}{-73,75} = 0,4285$$
  • Kiểm định tỷ số hợp lý (LR Statistic): $LR = 63,20$ với $p\text{-value} = 0,0000 < 0,01$, chứng minh toàn bộ mô hình có ý nghĩa thống kê tổng thể vượt trội.
  • Độ chính xác dự báo (Hit Ratio): Tỷ lệ phân loại chính xác các trường hợp đạt 84,17%.

Kết quả đạt được

Nghiên cứu chỉ ra rằng các yếu tố kỹ thuật và nhận thức công nghệ đóng vai trò chi phối tuyệt đối đến quyết định sử dụng cổng:

  • Biến Kỳ vọng hiệu quả ($KV$) có tác động mạnh nhất ($\beta = 1,1240, p = 0,0068$). Khi người dân tin rằng cổng thông tin giúp họ tra cứu dữ liệu chính xác, giảm thiểu rủi ro pháp lý quy hoạch, xác suất ý định sử dụng tăng thêm 24,8% (tính theo hệ số biên).
  • Biến Kỳ vọng hữu ích ($HI$) có tác động tích cực đáng kể ($\beta = 0,8924, p = 0,0089$), tăng xác suất tiếp cận thêm 19,6%.
  • Biến Kỳ vọng dễ sử dụng ($DSD$) khẳng định vai trò của trải nghiệm người dùng UI/UX ($\beta = 0,7645, p = 0,0143$), đóng góp 16,8% vào xác suất gia tăng ý định.
  • Các biến nhân khẩu học ($T, TDHV, NN$) và biến thói quen thiết bị ($TG$) không có ý nghĩa thống kê ở mức 10%, chứng minh nhu cầu tra cứu dữ liệu đất đai/môi trường là nhu cầu đồng nhất của mọi nhóm đối tượng xã hội khi hệ thống đảm bảo được tính minh bạch và tiện ích.

Đổi mới và đóng góp

  1. Đổi mới về mặt học thuật và lý thuyết: Khóa luận đã tiên phong kiểm chứng mô hình TAM mở rộng trong bối cảnh đánh giá Cổng thông tin không gian địa lý tài nguyên môi trường (GeoSpatial Open Data Portal) cấp đô thị tại Việt Nam ngay trong giai đoạn vừa vận hành (tháng thứ 2 sau công bố).
  2. Chuyển dịch biến đo lường: Chuyển đổi linh hoạt từ thang đo "Cảm nhận" (Perceived) sang "Kỳ vọng" (Expectancy) để thích ứng chính xác với điều kiện thực tế khi phần lớn người dân chưa có cơ hội trải nghiệm sâu hệ thống.
  3. So sánh với các công trình nghiên cứu tiền nhiệm:
Nghiên cứu Bối cảnh & Đối tượng Phương pháp Kết quả trọng tâm so với đề tài
Lê Văn Huy & Trần Lê Uyên Nhi (2018) Dịch vụ Chính phủ điện tử (CPĐT) TP. Đà Nẵng ($N = 287$) EFA, Hồi quy tuyến tính Phát hiện tính hữu ích, niềm tin và sự sẵn sàng là trọng tâm; chưa đào sâu vào dữ liệu WebGIS không gian.
Sarasati & Madyatmadja (2020) Ứng dụng phản ánh môi trường LAKSA Tangerang ($N = 331$) SEM-PLS Tính dễ sử dụng (PEOU) thúc đẩy thái độ; tương đồng với biến $DSD$ trong mô hình GeoPortal STNMT.
Đề tài Tạ Công Sáng (2023) Cổng dữ liệu mở TN&MT TP.HCM ($N = 120$) Binary Logit (EViews 10) Lượng hóa xác suất chấp nhận; xác định Kỳ vọng hiệu quả ($KV$) là nhân tố thúc đẩy lớn nhất ($\beta = 1,1240$).
  1. Đóng góp thực tiễn cho chuyển đổi số công: Cung cấp cơ sở định lượng xác đáng để Sở TN&MT TP.HCM tái cấu trúc trải nghiệm người dùng, tối ưu hóa băng thông API và hoạch định chiến dịch truyền thông mục tiêu.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

  • Người dân tra cứu trước giao dịch nhà đất: Định vị thửa đất trên bản đồ WebGIS qua tọa độ VN-2000/WGS84, kiểm tra quy hoạch lộ giới, chức năng sử dụng đất (đất ở đô thị, đất cây xanh, đất hạ tầng), tránh bẫy quy hoạch "treo".
  • Doanh nghiệp & Startup công nghệ: Khai thác API WFS gần 450 tập dữ liệu mở (Open Data) của Sở để phát triển ứng dụng định giá bất động sản, logistics, phân tích thị trường tiêu dùng.
  • Nhà nghiên cứu & Chuyên gia môi trường: Truy xuất dữ liệu viễn thám, dữ liệu LIDAR quét 24 quận/huyện và báo cáo hiện trạng môi trường phục vụ mô hình hóa biến đổi khí hậu.

Lộ trình triển khai và tối ưu hóa

+-------------------------------------------------------------------------------+
| GIAI ĐOẠN 1 (0-3 Tháng): Nâng cấp UI/UX & WebGIS                              |
| - Tối ưu thư viện Leaflet.js, giảm thời gian render bản đồ xuống < 1.5s       |
| - Tích hợp bộ tìm kiếm thông minh theo số tờ/số thửa và địa chỉ hành chính    |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
| GIAI ĐOẠN 2 (3-6 Tháng): Chiến dịch truyền thông số tập trung                 |
| - Tích hợp liên kết tra cứu trên Cổng Dịch vụ công Quốc gia & App VNeID       |
| - Triển khai tài liệu hướng dẫn tương tác video ngắn tại UBND 22 quận/huyện   |
+-------------------------------------------------------------------------------+
+-------------------------------------------------------------------------------+
| GIAI ĐOẠN 3 (6-12 Tháng): Chuẩn hóa API & Mở rộng hệ sinh thái                |
| - Mở rộng băng thông API Gateway WFS/WMS cho doanh nghiệp (Rate limit tier)    |
| - Cập nhật dữ liệu địa chính thời gian thực đồng bộ từ Văn phòng Đăng ký Đất  |
+-------------------------------------------------------------------------------+

Phân tích hiệu quả chi phí - lợi ích (Cost-Benefit Analysis)

  • Tiết kiệm thời gian xã hội: Giảm trung bình 80% thời gian người dân phải trực tiếp đến cơ quan một cửa để hỏi thông tin quy hoạch (từ 3 ngày xuống còn 2 phút tra cứu trực tuyến).
  • Hiệu quả tài chính công: Giảm áp lực biên chế tiếp nhận hồ sơ, tiết kiệm ước tính hàng tỷ đồng chi phí in ấn trích lục bản đồ hàng năm trên toàn địa bàn thành phố.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và nghiên cứu

  • Quy mô mẫu: Kích thước mẫu khảo sát $N = 120$ được lấy theo phương pháp thuận tiện, tập trung nhiều ở nhóm tuổi 18 - 29 (60%) và nhóm học sinh/sinh viên (41,67%), chưa bao quát đồng đều đối tượng lớn tuổi ở ngoại thành.
  • Thời điểm khảo sát: Khảo sát diễn ra chỉ sau 2 tháng kể từ ngày cổng ra mắt, dẫn đến 72,5% người được hỏi chưa từng nghe về cổng, buộc mô hình phải dùng biến "Kỳ vọng" thay vì "Trải nghiệm thực tế".
  • Phương pháp mô hình: Mô hình hồi quy Binary Logit chỉ phản ánh tương quan một chiều, chưa phân tích được các biến trung gian như phương pháp Mô hình cấu trúc tuyến tính (SEM).

Hướng nghiên cứu tiếp theo

  • Mở rộng khảo sát cỡ mẫu $N \ge 500$ phân tầng theo 22 quận, huyện và TP. Thủ Đức.
  • Áp dụng mô hình UTAUT2 kết hợp SEM-PLS nhằm kiểm định tác động của các biến: Điều kiện thuận lợi ($FC$), Ảnh hưởng xã hội ($SI$), Giá trị cảm nhận ($PV$) và Rủi ro bảo mật thông tin ($PR$).
  • Nghiên cứu tích hợp trợ lý ảo AI (Chatbot GIS LLM) giúp người dân hỏi đáp quy hoạch bằng ngôn ngữ tự nhiên tiếng Việt.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận tài liệu tham khảo chuẩn mực về ứng dụng mô hình kinh tế lượng Binary Logit trên EViews kết hợp lý thuyết TAM trong đề tài khóa luận tốt nghiệp ngành Kinh tế tài nguyên môi trường.
  • Kỹ sư GIS & Lập trình viên: Nắm bắt mô hình kiến trúc SOA, cách thức tích hợp API chuẩn OGC (WFS, WMS), siêu dữ liệu ISO 19115/19139 và mã nguồn mở Leaflet/CKAN trong các bài toán Smart City.
  • Cơ quan quản lý Nhà nước (Sở TN&MT, UBND các cấp): Sở hữu bức tranh dữ liệu thực chứng về mức độ sẵn sàng của công dân, từ đó điều chỉnh chính sách truyền thông và cải thiện giao diện dịch vụ công.
  • Doanh nghiệp & Người dân TP.HCM: Tiếp cận nguồn dữ liệu đất đai minh bạch, giảm thiểu chi phí thẩm định pháp lý bất động sản và hạn chế tranh chấp đất đai.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần cứng và hệ điều hành để truy cập Cổng thông tin GeoPortal STNMT là gì?

Hệ thống vận hành hoàn toàn trên nền tảng Web tiêu chuẩn (tương thích Chrome, Safari, Firefox, Edge phiên bản mới) và hỗ trợ ứng dụng di động độc lập trên iOS ($\ge 12.0$) và Android ($\ge 8.0$). Thiết bị chỉ cần kết nối Internet băng thông tối thiểu 2 Mbps để hiển thị mượt mà các lớp bản đồ vector và raster.

2. Dữ liệu trên Cổng thông tin dữ liệu TN&MT TP.HCM có giá trị pháp lý khi thực hiện giao dịch bất động sản không?

Thông tin tra cứu trên cổng mang tính chất tham khảo nhanh và công khai quy hoạch. Đối với các giao dịch pháp lý chính thức (công chứng, xin cấp phép xây dựng, bồi thường giải tỏa), người dân vẫn cần sử dụng văn bản Trích lục bản đồ địa chính có chứng thực của Chi nhánh Văn phòng Đăng ký Đất đai theo quy định pháp luật hiện hành.

3. Làm thế nào để nhà phát triển bên thứ ba có thể kết nối API lấy dữ liệu từ hệ thống?

Các tổ chức và doanh nghiệp có thể đăng ký tài khoản lập trình viên trên cổng https://geoportal-stnmt.vn/ để được cấp API Key/JWT Token, truy cập các endpoint chuẩn OGC WFS/WMS hoặc CKAN DataStore API với định dạng đầu ra chuẩn GeoJSON, XML, Shapefile.

4. Tại sao biến Tuổi và Trình độ học vấn không có ý nghĩa thống kê trong mô hình hồi quy Binary Logit?

Kết quả ước lượng ($p\text{-value} > 0,10$) chỉ ra rằng nhu cầu nắm bắt thông tin minh bạch về đất đai và môi trường là nhu cầu cơ bản và thiết yếu của mọi công dân trong kỷ nguyên số. Khi một nền tảng chứng minh được tính hữu ích và dễ dùng, rào cản về độ tuổi hay trình độ học vấn sẽ bị triệt tiêu.

5. Chi phí đầu tư và thời gian hoàn vốn (ROI) của việc triển khai Cổng dữ liệu mở được tính toán như thế nào?

Dự án sử dụng nền tảng mã nguồn mở (CKAN, Leaflet, PostgreSQL/PostGIS) giúp tiết kiệm hơn 60% chi phí bản quyền phần mềm độc quyền. Thời gian hoàn vốn xã hội (Social ROI) ước tính đạt được trong vòng 12 - 18 tháng dựa trên giá trị thời gian tiết kiệm của hàng trăm nghìn lượt giao dịch hành chính công mỗi năm.

Kết luận

Khóa luận tốt nghiệp của tác giả Tạ Công Sáng đã giải quyết trọn vẹn bài toán đánh giá mức độ tiếp nhận công nghệ của người dân đối với Cổng thông tin dữ liệu Tài nguyên và Môi trường TP.HCM trong giai đoạn đầu vận hành. Thông qua mô hình kinh tế lượng Binary Logit với cỡ mẫu 120 quan sát, nghiên cứu đã chứng minh thực nghiệm rằng Kỳ vọng hiệu quả ($\beta = 1,1240$), Kỳ vọng tính hữu ích ($\beta = 0,8924$) và Kỳ vọng tính dễ sử dụng ($\beta = 0,7645$) là 3 nhân tố cốt lõi quyết định đến ý định sử dụng của người dân.

Kết quả này khẳng định: Để thúc đẩy thành công quá trình chuyển đổi số trong lĩnh vực tài nguyên môi trường, công tác nâng cao trải nghiệm giao diện người dùng (UI/UX), hoàn thiện hạ tầng dịch vụ web không gian địa lý (OGC WFS/WMS) và đẩy mạnh các chiến dịch truyền thông đa kênh phải được triển khai đồng bộ. Đây là tài liệu khoa học giá trị, cung cấp cả luận cứ lý thuyết kinh tế lượng lẫn giải pháp công nghệ phục vụ trực tiếp cho mục tiêu xây dựng chính quyền số và đô thị thông minh tại TP.HCM.

Hãy ứng dụng ngay các phát hiện từ nghiên cứu để tối ưu hóa nền tảng dữ liệu mở địa không gian của bạn hoặc tham khảo khung mô hình Binary Logit cho các đề tài nghiên cứu chuyển đổi số dịch vụ công tiếp theo!