Phân Tích Các Yếu Tố Ảnh Hưởng Đến Kết Quả Học Tập Của Sinh Viên: Bằng Chứng Thực Nghiệm Từ ĐH Sư Phạm Kỹ Thuật TP.HCM

Tóm tắt nghiên cứu

Nghiên cứu khoa học mã số SV2021-54 do nhóm tác giả sinh viên thực hiện dưới sự hướng dẫn của TS. Trần Đăng Thịnh tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) tập trung giải quyết câu hỏi trọng tâm: Những nhân tố nào tác động trực tiếp và định lượng mức độ ảnh hưởng của chúng đến kết quả học tập (điểm trung bình tích lũy học kỳ) của sinh viên trong môi trường đào tạo theo học chế tín chỉ và chuẩn đầu ra CDIO?

Về phương pháp, đề tài kết hợp nghiên cứu định tính và định lượng thực nghiệm thông qua khảo sát mẫu $N = 116$ sinh viên chính quy, xử lý dữ liệu và ước lượng mô hình hồi quy tuyến tính đa biến bằng phương pháp Bình phương nhỏ nhất cổ điển (OLS) trên phần mềm EViews 8.0, kết hợp các kiểm định khuyết tật mô hình nghiêm ngặt (VIF, White, Breusch-Godfrey, Glejser, Harvey).

Kết quả nghiên cứu chỉ ra rằng mô hình hồi quy giải thích được 47,59% biến thiên điểm trung bình của sinh viên ($R^2 = 0.4759$, $R^2_{\text{adj}} = 0.4521$, $p < 0.05$). Trong đó, mức độ khai thác tài liệu Internet ($\beta = +0.4156$) và thời gian tự học tại nhà ($\beta = +0.2615$) là hai nhân tố thúc đẩy kết quả học tập mạnh mẽ nhất. Ngược lại, thời gian giải trí ($\beta = -0.0871$), số buổi nghỉ học ($\beta = -0.0397$) và thời gian làm thêm ($\beta = -0.0185$) tác động tiêu cực có ý nghĩa thống kê. Đáng chú ý, yếu tố giới tính và niên khóa không tạo ra sự khác biệt đáng kể về kết quả học tập.

Nghiên cứu mang lại hàm ý quản trị quan trọng: Nhà trường và sinh viên cần tái phân bổ quỹ thời gian, tăng cường năng lực tự học và chuẩn hóa nguồn tài nguyên số để tối ưu hóa chất lượng đào tạo đại học.

Bối cảnh và tầm quan trọng

Trong kỷ nguyên chuyển đổi số và công nghiệp hóa – hiện đại hóa, chất lượng nguồn nhân lực tri thức trẻ là nhân tố then chốt quyết định năng lực cạnh tranh quốc gia. Giáo dục đại học tại Việt Nam đã chuyển đổi toàn diện sang học chế tín chỉ, áp dụng khung phương pháp giảng dạy CDIO (Conceive – Design – Implement – Operate), đặt trọng tâm vào tinh thần chủ động, tự nghiên cứu và tư duy sáng tạo của người học.

Tuy nhiên, thực tiễn chuyển tiếp từ bậc phổ thông sang đại học đặt ra nhiều thách thức lớn cho sinh viên. Sự tự do trong quản lý thời gian, áp lực tự học (yêu cầu giờ tự học gấp đôi giờ lên lớp), sự bùng nổ của các hình thức giải trí trực tuyến cùng xu hướng đi làm thêm kiếm thêm thu nhập đã phân tán đáng kể năng lượng học tập. Không ít sinh viên chăm chỉ nhưng vẫn không đạt điểm số như kỳ vọng do thiếu phương pháp tối ưu.

Tổng quan y văn quốc tế và trong nước ghi nhận nhiều công trình phân tích kết quả học tập (Checchi & ctg., 2002; Huỳnh Quang Minh, 2002; Nguyễn Thị Mai Trang & ctg., 2008). Dù vậy, vẫn tồn tại khoảng trống nghiên cứu (research gap) về việc lượng hóa đồng thời tác động của hành vi tự học cá nhân, áp lực làm thêm, thói quen khai thác tài nguyên số trong bối cảnh các trường đại học kỹ thuật công nghệ đa ngành đang áp dụng mạnh mẽ chuyển đổi số.

Nghiên cứu này có tính thời sự và ứng dụng cao khi phản ánh chân thực hành vi học tập của sinh viên tại HCMUTE – một trong những cơ sở giáo dục đại học định hướng ứng dụng hàng đầu. Việc xác định rõ trọng số của từng yếu tố là căn cứ khoa học giúp nhà trường hoạch định chính sách hỗ trợ học vụ, đồng thời cung cấp lộ trình điều chỉnh phương pháp học tập thực chất cho người học.

Methodology và approach

Nghiên cứu áp dụng quy trình tiếp cận hệ thống, kết hợp chặt chẽ giữa phân tích lý thuyết, nghiên cứu định tính và mô hình hóa kinh tế lượng thực nghiệm:

[Xác lập giả thuyết & Khung lý thuyết]
[Khảo sát & Thu thập dữ liệu (Google Form / Phỏng vấn)]
[Thống kê mô tả & Xử lý số liệu thô]
[Ước lượng Mô hình Hồi quy OLS (EViews 8.0)]
[Kiểm định khuyết tật mô hình (VIF, Heteroscedasticity, F-test)]
[Phân tích kết quả & Đề xuất giải pháp quản trị]

1. Thiết kế nghiên cứu và Thu thập dữ liệu

  • Mẫu khảo sát: Nghiên cứu thu thập dữ liệu sơ cấp từ $N = 116$ sinh viên đại học chính quy tại Trường Đại học Sư phạm Kỹ thuật TP.HCM qua bảng hỏi chuẩn hóa (Google Forms) kết hợp phỏng vấn sâu giảng viên và sinh viên các khoa.
  • Cơ cấu mẫu: Tỷ lệ giới tính cân bằng 50% Nam (58 SV) và 50% Nữ (58 SV); tỷ lệ phân bổ năm học gồm 47% sinh viên năm hai và 53% sinh viên các năm khác (năm nhất, năm ba, năm tư).

2. Mô hình nghiên cứu và Kỹ thuật phân tích

Nghiên cứu sử dụng mô hình hồi quy tuyến tính cổ điển (Ordinary Least Squares – OLS) để ước lượng phương trình hàm điểm trung bình tích lũy ($Y_{\text{DTB}}$):

$$Y_{\text{DTB}} = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \beta_7 X_7 + \beta_8 X_8 + \beta_9 X_9 + \beta_{10} X_{10} + \beta_{11} X_{11} + \varepsilon$$

Trong đó các biến quan sát bao gồm: Tín chỉ đăng ký ($X_2$), Giờ tự học/ngày ($X_3$), Giờ làm thêm/tuần ($X_4$), Số buổi nghỉ học/kỳ ($X_5$), Giờ giải trí/ngày ($X_6$), Hoạt động ngoại khóa ($X_7$), Học nhóm ($X_8$), Tham khảo Internet ($X_9$), Thư viện ($X_{10}$), Hài lòng chất lượng giảng dạy ($X_{11}$), cùng các biến giả Giới tính ($D_1$) và Năm học ($D_2$).

3. Kiểm định độ tin cậy và Khuyết tật mô hình

Mô hình tối ưu (Mô hình 4) được chọn lọc dựa trên tiêu chí cực đại hóa hệ số xác định hiệu chỉnh ($R^2_{\text{adj}} = 0.4521$) và cực tiểu hóa tiêu chuẩn thông tin Schwarz ($\text{SC} = 3.2114$). Các kiểm định chẩn đoán kinh tế lượng cho thấy:

  • Hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 10$ trên tất cả các biến, chứng minh không có hiện tượng đa cộng tuyến nghiêm trọng.
  • Phương sai sai số thay đổi: Các kiểm định Breusch-Pagan-Godfrey, Harvey, Glejser và White đều có giá trị $p\text{-value} > 0.05$, chấp nhận giả thuyết $H_0$ (phương sai sai số đồng nhất).
  • Độ phù hợp tổng thể: Kiểm định $F$ cho giá trị $\text{Prob}(F\text{-statistic}) < 0.05$, bác bỏ giả thuyết $H_0$, khẳng định toàn bộ mô hình hồi quy có ý nghĩa thống kê ở mức 5%.

Phát hiện chính

Dựa trên kết quả ước lượng từ mô hình OLS tối ưu, phương trình hồi quy thực nghiệm được xác lập như sau:

$$\hat{Y}_{\text{DTB}} = 5.5916 + 0.2615 X_3 - 0.0185 X_4 - 0.0397 X_5 - 0.0871 X_6 + 0.4156 X_9$$

Biến số Diễn giải biến Hệ số hồi quy ($\beta$) Mức ý nghĩa ($p\text{-value}$) Chiều hướng tác động
Hệ số chặn ($C$) Điểm nền tảng khi các biến bằng 0 $5.5916$ $< 0.05$ Chuẩn cơ sở
$X_3$ (TUHOC) Số giờ tự học mỗi ngày $+0.2615$ $< 0.05$ Tác động dương (+)
$X_4$ (LAMTHEM) Số giờ làm thêm mỗi tuần $-0.0185$ $< 0.05$ Tác động âm (-)
$X_5$ (NGHIHOC) Số buổi nghỉ học trong kỳ $-0.0397$ $< 0.05$ Tác động âm (-)
$X_6$ (GIAITRI) Số giờ giải trí mỗi ngày $-0.0871$ $< 0.05$ Tác động âm (-)
$X_9$ (INTERNET) Mức độ tham khảo tài liệu Internet $+0.4156$ $< 0.05$ Tác động dương (+)

1. Khai thác tài liệu qua Internet là đòn bẩy học tập lớn nhất

Biến tham khảo Internet ($X_9$) sở hữu hệ số tác động dương cao nhất ($\beta = +0.4156, p < 0.05$). Khi sinh viên nâng cấp mức độ chủ động tìm kiếm, tra cứu tài liệu học thuật và cập nhật kiến thức chuyên ngành qua mạng từ mức độ này lên mức độ cao hơn (trên thang đo Likert), điểm trung bình học kỳ tăng tương ứng 0.4156 điểm. Thống kê mô tả ghi nhận đại đa số sinh viên HCMUTE đã hình thành thói quen thường xuyên/luôn luôn sử dụng Internet cho mục đích học tập.

2. Tự học tại nhà giữ vai trò hạt nhân trong mô hình tín chỉ

Số giờ tự học tại nhà ($X_3$) tác động tích cực rất rõ nét ($\beta = +0.2615, p < 0.05$). Trung bình sinh viên dành 2.52 giờ/ngày để tự nghiên cứu. Nếu sinh viên kiên trì nâng thời lượng tự học thêm 1 giờ mỗi ngày trong điều kiện các yếu tố khác không đổi, điểm trung bình tích lũy sẽ tăng thêm 0.2615 điểm. Điều này hoàn toàn tương thích với yêu cầu của triết lý đào tạo CDIO.

3. Tác động triệt tiêu của thói quen giải trí quá mức và nghỉ học

  • Thời gian giải trí ($X_6$): Với mức tiêu tốn trung bình 3.99 giờ/ngày, mỗi giờ giải trí tăng thêm làm suy giảm điểm trung bình 0.0871 điểm ($p < 0.05$). Đây là yếu tố làm sụt giảm điểm mạnh nhất trong nhóm tác động tiêu cực.
  • Nghỉ học ($X_5$): Mỗi buổi vắng mặt trên lớp khiến sinh viên mất đi lượng kiến thức trực tiếp từ giảng viên, làm giảm 0.0397 điểm trung bình ($p < 0.05$).
  • Làm thêm ($X_4$): Mặc dù trang bị kỹ năng mềm, nhưng mỗi giờ làm thêm tăng thêm trong tuần làm suy giảm điểm số 0.0185 điểm ($p < 0.05$) do xung đột quỹ thời gian hồi phục thể lực và tự học.

4. Phát hiện bất ngờ: Không có sự khác biệt theo giới tính và năm học

Kiểm định giả thuyết về các biến giả cho thấy:

  • Biến giả giới tính $D_1$ ($\text{Nam} = 1, \text{Nữ} = 0$) có $p\text{-value} > 0.05$, khẳng định không có sự khác biệt có ý nghĩa thống kê về điểm trung bình học tập giữa sinh viên nam và nữ.
  • Biến giả năm học $D_2$ ($\text{Năm 2} = 1$, năm khác $= 0$) có $p\text{-value} > 0.05$, chứng minh năng lực thích nghi và kết quả học tập phụ thuộc vào phương pháp và thói quen cá nhân hơn là niên khóa đào tạo.

Đóng góp khoa học

1. Đóng góp về mặt lý thuyết và phương pháp luận

  • Kiểm chứng thực nghiệm mô hình kinh tế lượng trong giáo dục: Công trình bổ sung bằng chứng thực nghiệm vững chắc về các yếu tố quyết định hiệu quả học tập đại học tại Việt Nam, đặc biệt là việc chứng minh tính tương thích của mô hình OLS đa biến với các kiểm định khuyết tật chuẩn hóa.
  • Bổ sung hệ thống thang đo hành vi: Đề tài chuẩn hóa bộ biến số phản ánh lối sống của sinh viên thời kỳ số (học nhóm, thư viện số, internet, việc làm thêm, giải trí), tạo tiền đề tham chiếu tin cậy cho các nghiên cứu giáo dục tiếp theo.

2. Đóng góp về mặt ứng dụng và chính sách

  • Đối với cơ sở giáo dục đại học: Kết quả nghiên cứu (với 73% sinh viên hài lòng về chất lượng giảng dạy) gợi mở cho nhà trường các quyết sách về đầu tư học liệu trực tuyến, nâng cấp hệ sinh thái số và xây dựng hệ thống cố vấn học tập nhằm hỗ trợ sinh viên cân bằng giữa học tập và làm thêm.
  • Đối với sinh viên: Cung cấp bức tranh trực quan giúp người học nhận thức rõ "chi phí cơ hội" của việc làm thêm quá giờ, lạm dụng thời gian giải trí, từ đó thiết lập kế hoạch tự học kỷ luật để đạt học bổng và nâng cao triển vọng nghề nghiệp.

Đối tượng quan tâm

Báo cáo nghiên cứu khoa học này mang lại giá trị thiết thực đa chiều cho nhiều nhóm đối tượng:

  • Ban Giám hiệu và Nhà quản lý Giáo dục Đại học: Sử dụng dữ liệu định lượng để cải tiến chương trình đào tạo, tinh chỉnh kế hoạch giảng dạy tín chỉ, tăng cường hạ tầng thư viện số và giải pháp cố vấn học vụ.
  • Giảng viên và Cố vấn học tập: Nắm bắt được các rào cản hành vi của sinh viên để điều chỉnh phương pháp sư phạm, tích hợp công nghệ thông tin vào bài giảng và hướng dẫn sinh viên khai thác tài liệu học thuật số hiệu quả.
  • Sinh viên đại học và Tân sinh viên: Hiểu rõ các biến số quyết định thành tích học tập, nhận diện tác động của việc nghỉ học và làm thêm, qua đó rèn luyện phương pháp tự học và phân bổ thời gian khoa học.
  • Các nhà nghiên cứu giáo dục: Tham khảo khung phân tích, mô hình kinh tế lượng OLS, bộ biến số và các kết quả kiểm định để phát triển các đề tài mở rộng trên quy mô liên trường hoặc nghiên cứu chuỗi thời gian (longitudinal study).

FAQ (Câu hỏi thường gặp)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Phát hiện nổi bật nhất là mức độ chủ động tham khảo tài liệu trên Internet ($\beta = +0.4156$) và số giờ tự học tại nhà ($\beta = +0.2615$) là hai nhân tố tác động tích cực mạnh nhất đến điểm số của sinh viên, vượt trội hơn các yếu tố truyền thống khác.

2. Phương pháp nghiên cứu của đề tài có điểm gì nổi bật?

Nghiên cứu áp dụng quy trình kinh tế lượng chặt chẽ: xử lý dữ liệu qua EViews 8.0, lựa chọn mô hình dựa trên chỉ số $R^2_{\text{adj}}$ và Schwarz Criterion, đồng thời thực hiện đầy đủ 4 kiểm định phương sai sai số thay đổi (White, Glejser, Harvey, Godfrey) và kiểm định đa cộng tuyến (VIF) nhằm đảm bảo ước lượng OLS là tuyến tính, không chệch và hiệu quả nhất (BLUE).

3. Kết quả nghiên cứu có thể tổng quát hóa (generalize) không?

Kết quả phản ánh rất sát thực trạng sinh viên tại các trường đại học kỹ thuật công nghệ đào tạo theo học chế tín chỉ và CDIO. Tuy nhiên, để tổng quát hóa cho toàn bộ hệ thống giáo dục đại học, cần mở rộng cỡ mẫu và khảo sát thêm các khối ngành xã hội, nhân văn, nghệ thuật.

4. Các hướng nghiên cứu tiếp theo (next steps) là gì?

Nghiên cứu tiếp theo có thể mở rộng quy mô mẫu ($N > 500$), bổ sung các biến tâm lý học như động lực nội tại, mức độ stress, điều kiện kinh tế gia đình, hoặc ứng dụng mô hình cấu trúc tuyến tính (SEM) để đánh giá các mối quan hệ gián tiếp và trung gian.

5. Sinh viên có nên đi làm thêm trong quá trình học không?

Nghiên cứu cho thấy làm thêm có tác động tiêu cực nhẹ đến điểm trung bình ($\beta = -0.0185$ cho mỗi giờ làm thêm/tuần). Sinh viên hoàn toàn có thể làm thêm để trau dồi kỹ năng thực tế nhưng cần kiểm soát thời lượng ở mức hợp lý (dưới 10-15 giờ/tuần) để không xâm lấn vào thời gian tự học và nghỉ ngơi.

Kết luận

Báo cáo nghiên cứu khoa học đề tài SV2021-54 đã giải mã thành công cơ chế tác động của các nhân tố cá nhân, phương pháp học tập và môi trường số đến kết quả học tập của sinh viên Trường Đại học Sư phạm Kỹ thuật TP.HCM. Thông qua mô hình hồi quy OLS chuẩn mực, nghiên cứu khẳng định vai trò sống còn của năng lực tự học và kỹ năng khai thác tài nguyên Internet, đồng thời cảnh báo rủi ro sụt giảm thành tích do lạm dụng thời gian giải trí, nghỉ học và làm thêm quá mức.

Đây là công trình nghiên cứu công phu, có giá trị ứng dụng cao cho công tác quản trị đại học hiện đại. Để nâng cao toàn diện chất lượng đào tạo, nhà trường cần tiếp tục đẩy mạnh chuyển đổi số học liệu, trong khi mỗi sinh viên cần chủ động xây dựng cho mình phương pháp tự học độc lập và quản trị thời gian kỷ luật.