Giới thiệu dự án

Động lực học tập (ĐLHT - Learning Motivation) là biến số tâm lý mang tính quyết định đến hiệu suất tiếp thu tri thức, mức độ gắn kết học thuật và năng lực cạnh tranh nghề nghiệp của sinh viên trong giáo dục đại học. Theo các báo cáo giáo dục quốc tế, hơn 40% sinh viên đại học từng trải qua giai đoạn suy giảm động lực học tập do áp lực chuyển đổi môi trường, khối lượng kiến thức chuyên ngành và sự chi phối từ các nền tảng kỹ thuật số. Tại Việt Nam, Trường Đại học Ngân hàng Thành phố Hồ Chí Minh (HUB) là cơ sở đào tạo khối ngành kinh tế - tài chính trọng điểm với quy mô tuyển sinh năm 2023 đạt 3.636 chỉ tiêu (trong đó chương trình chuẩn chiếm 1.996 chỉ tiêu và chất lượng cao chiếm 1.580 chỉ tiêu). Mặc dù tỷ lệ tốt nghiệp loại khá - giỏi tại HUB luôn duy trì ở mức cao (>95%), việc duy trì động lực học tập bền vững trước áp lực tuyển dụng khắt khe của ngành ngân hàng vẫn là thách thức lớn đối với người học.

Vấn đề cốt lõi đặt ra là sự thiếu hụt các mô hình lượng hóa chuẩn xác về mức độ tác động đồng thời của các nhân tố nội tại (tâm lý, ý chí, mục tiêu) và nhân tố ngoại tại (công nghệ giáo dục, gia đình, giảng viên) đến động lực sinh viên trong kỷ nguyên số.

+-------------------------------------------------------------------------+
|                        MỤC TIÊU NGHIÊN CỨU DỰ ÁN                        |
+-------------------------------------------------------------------------+
| [1] Xác định 6 nhóm nhân tố tác động đến ĐLHT của sinh viên HUB         |
| [2] Đo lường & kiểm định độ tin cậy thang đo (Cronbach's Alpha, EFA)    |
| [3] Ước lượng mô hình hồi quy tuyến tính đa biến (Multiple Regression)  |
| [4] Đề xuất hệ thống hàm ý quản trị nâng cao động lực học tập thực tế    |
+-------------------------------------------------------------------------+

Đề tài áp dụng phương pháp tiếp cận định lượng thực nghiệm (Empirical Quantitative Methodology) dựa trên sự tích hợp các khung lý thuyết kinh điển: Lý thuyết Tự quyết (Deci & Ryan, 1980), Lý thuyết Nhận thức Xã hội (Bandura, 2001), Lý thuyết Giá trị Kỳ vọng (Eccles et al., 1983) và Tháp Nhu cầu Maslow (1943). Kết quả kỳ vọng lượng hóa chính xác trọng số tác động của 6 biến độc lập lên biến phụ thuộc ĐLHT trên tập mẫu $N = 336$ sinh viên hợp lệ. Phạm vi nghiên cứu tập trung vào sinh viên hệ chính quy từ năm 1 đến năm 4 tại HUB trong giai đoạn khảo sát 2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tổng quan các nghiên cứu thực nghiệm tiền nhiệm trong và ngoài nước bộc lộ những khoảng trống về mặt lý thuyết và phạm vi quan sát:

Công trình nghiên cứu Địa bàn / Đối tượng Các nhân tố chính Ưu điểm Hạn chế / Khoảng trống
Phan Thị Xuân Hương & Nguyễn Văn Ngọc (2023) Đại học Nha Trang ($N=701$) Phương pháp giảng dạy, Chương trình đào tạo, Môi trường công nghệ Mẫu lớn, phân tích đa chiều bối cảnh 4.0 Loại bỏ biến môi trường học tập và quản lý do không đạt ý nghĩa thống kê
Nguyễn Thùy Dung & Phan Thị Thục Anh (2012) Đại học tại Hà Nội ($N=423$) Giảng viên, Quản lý đào tạo, Cơ sở vật chất, Hoạt động phong trào Đánh giá sâu khía cạnh quản lý đào tạo Chưa tích hợp biến môi trường gia đình và đặc tính ý chí cá nhân
Sri Wahyuni et al. (2022) Indonesia ($N=175$) Hỗ trợ xã hội gia đình, Không khí học đường Làm rõ vai trò hỗ trợ tâm lý - xã hội Mẫu khảo sát hẹp ($R^2 = 23.2%$), thiếu biến giáo dục số
Nghiên cứu đề xuất (2024) HUB TP.HCM ($N=336$) 6 yếu tố: CN, YC, DH, TT, GD, PC Tích hợp toàn diện yếu tố nội tại và công nghệ trực tuyến Tập trung tại một trường đại học khối ngành kinh tế

Yêu cầu xây dựng mô hình đo lường được chuẩn hóa theo ma trận ưu tiên MoSCoW:

  • Must have (Bắt buộc): Đo lường trực tiếp 6 nhân tố (Nhu cầu được công nhận - CN, Ý chí bản thân - YC, Định hướng mục tiêu - DH, Giáo dục trực tuyến - TT, Môi trường gia đình - GD, Phong cách giảng dạy - PC) và Biến phụ thuộc Động lực học tập (DL).
  • Should have (Nên có): Kiểm định sự khác biệt động lực theo biến nhân khẩu học (Giới tính, Năm học).
  • Could have (Có thể có): Mở rộng kiểm soát biến thu nhập gia đình và điểm trung bình tích lũy (GPA).
  • Won't have (Chưa thực hiện): Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) đa cấp độ.
Gap Analysis:
[Các nghiên cứu trước] ---> Tập trung đơn lẻ: Hoặc Giảng viên / Hoặc Cơ sở vật chất
                     ---> Bỏ qua tác động của Nền tảng Giáo dục trực tuyến & Ý chí cá nhân
[Nghiên cứu hiện tại]  ---> Khung tích hợp: Nội tại (YC, DH, CN) + Ngoại tại (PC, GD, TT)

Thiết kế hệ thống

Mô hình nghiên cứu lý thuyết được cấu trúc hóa theo sơ đồ quan hệ tuyến tính:

Công nghệ và công cụ phân tích dữ liệu (Technology Stack):

  • Thu thập dữ liệu: Google Forms Cloud Infrastructure (Bảng câu hỏi Likert 5 mức độ: 1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý).
  • Xử lý thống kê chuyên sâu: IBM SPSS Statistics Version 25.0 Core Analytics Package.
  • Tiền xử lý và đối soát dữ liệu: Microsoft Excel 2021 Data Analysis Toolpak.
  • Môi trường mô phỏng thuật toán: Python 3.10 runtime với các thư viện pandas (v2.1.0), numpy (v1.24.0), statsmodels (v0.14.0) và scikit-learn (v1.3.0).

Cấu trúc cơ sở dữ liệu khảo sát gồm 28 biến quan sát:

Thang đo 28 biến quan sát (Likert 5 điểm):

Methodology

Quy trình nghiên cứu kết hợp phương pháp định tính (khảo cứu tài liệu, hiệu chỉnh biến thang đo) và định lượng (thu thập khảo sát quy mô, kiểm định mô hình hồi quy).

Quy trình thực thi nghiên cứu:
[Bước 1: Khảo cứu lý thuyết] ➔ [Bước 2: Thiết kế thang đo nháp] ➔ [Bước 3: Điều chỉnh chuyên gia]
[Bước 6: Hồi quy tuyến tính]  [Bước 5: Phân tích EFA]  [Bước 4: Kiểm định Cronbach's Alpha]
[Bước 7: Đề xuất Hàm ý quản trị]

Kế hoạch kiểm soát rủi ro dữ liệu:

  • Rủi ro cỡ mẫu không đại diện: Áp dụng công thức Hair et al. (1998) với tỷ lệ tối thiểu 5:1 ($N_{\min} = 5 \times 24 = 120$) và Tabachnick & Fidell (1996) ($N_{\min} = 50 + 8 \times 6 = 98$). Đề tài phát ra 350 mẫu, thu về 336 mẫu hợp lệ, vượt 280% yêu cầu tối thiểu.
  • Rủi ro đa cộng tuyến (Multicollinearity): Ràng buộc ngưỡng Hệ số Phóng đại Phương sai $\text{VIF} < 10$ (mục tiêu lý tưởng $\text{VIF} < 2$).
  • Rủi ro tự tương quan sai số: Ràng buộc hệ số Durbin-Watson trong dải chuẩn $1.5 < d < 2.5$.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu thực nghiệm được chuẩn hóa qua các phương trình và thuật toán xử lý dữ liệu:

  1. Hệ số tin cậy nội tại Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó: $K$ là số biến quan sát trong thang đo, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, $\sigma_X^2$ là phương sai của tổng điểm các biến. Ràng buộc: $\alpha \ge 0.70$ và tương quan biến - tổng ($r_{it}$) $\ge 0.30$.

  2. Phương trình Hồi quy Tuyến tính Đa biến Chuẩn hóa: $$\text{DLHT} = \beta_1 \cdot \text{CN} + \beta_2 \cdot \text{YC} + \beta_3 \cdot \text{DH} + \beta_4 \cdot \text{TT} + \beta_5 \cdot \text{GD} + \beta_6 \cdot \text{PC} + \epsilon$$

Đoạn mã đại diện mô phỏng quy trình phân tích độ tin cậy và ước lượng hồi quy bằng Python (tương đương quy trình SPSS 25.0):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Đọc dữ liệu khảo sát thực nghiệm N = 336
df = pd.read_csv("hub_student_motivation_data.csv")

# 2. Hàm tính toán hệ số Cronbach's Alpha
def calculate_cronbach_alpha(item_scores: pd.DataFrame) -> float:
    k = item_scores.shape[1]
    item_vars = item_scores.var(axis=0, ddof=1)
    total_var = item_scores.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

# 3. Tính điểm đại diện nhân tố (Factor Mean Score)
for factor, cols in {
    'CN': ['CN1', 'CN2', 'CN3', 'CN4'],
    'YC': ['YC1', 'YC2', 'YC3', 'YC4'],
    'DH': ['DH1', 'DH2', 'DH3', 'DH4'],
    'TT': ['TT1', 'TT2', 'TT3', 'TT4'],
    'GD': ['GD1', 'GD2', 'GD3', 'GD4'],
    'PC': ['PC1', 'PC2', 'PC3', 'PC4'],
    'DL': ['DL1', 'DL2', 'DL3', 'DL4']
}.items():
    alpha = calculate_cronbach_alpha(df[cols])
    df[factor] = df[cols].mean(axis=1)

# 4. Mô hình Hồi quy Tuyến tính Đa biến (OLS Regression)
X = df[['CN', 'YC', 'DH', 'TT', 'GD', 'PC']]
y = df['DL']
X_const = sm.add_constant(X)
model = sm.OLS(y, X_const).fit()

# 5. Kiểm tra hiện tượng Đa cộng tuyến (VIF)
vif_data = pd.DataFrame({
    "Variable": X.columns,
    "VIF": [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
})

SPSS Macro Script thực hiện EFA và Regression:

* Kiểm định Cronbach's Alpha thang đo Nhu cầu được công nhận.
RELIABILITY
  /VARIABLES=CN1 CN2 CN3 CN4
  /SCALE('Nhu cau duoc cong nhan') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* Phân tích nhân tố khám phá EFA cho 24 biến độc lập.
FACTOR
  /VARIABLES CN1 CN2 CN3 CN4 YC1 YC2 YC3 YC4 DH1 DH2 DH3 DH4 TT1 TT2 TT3 TT4 GD1 GD2 GD3 GD4 PC1 PC2 PC3 PC4
  /MISSING LISTWISE 
  /ANALYSIS CN1 CN2 CN3 CN4 YC1 YC2 YC3 YC4 DH1 DH2 DH3 DH4 TT1 TT2 TT3 TT4 GD1 GD2 GD3 GD4 PC1 PC2 PC3 PC4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Phân tích Hồi quy tuyến tính đa biến.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT DL
  /METHOD=ENTER CN YC DH TT GD PC
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và validation

Kết quả phân tích mẫu $N = 336$ sinh viên HUB cho thấy cơ cấu phân bố nhân khẩu học:

  • Giới tính: Nữ chiếm 57.1% (192 mẫu), Nam chiếm 42.9% (144 mẫu) — phản ánh sát thực tế tỷ lệ sinh viên theo học khối ngành tài chính - kinh doanh tại HUB.
  • Năm học: Năm 1: 31.8% (107 sinh viên); Năm 2: 27.7% (93 sinh viên); Năm 3: 25.3% (85 sinh viên); Năm 4: 15.2% (51 sinh viên).

Bảng tổng hợp chỉ số độ tin cậy Cronbach's Alpha của 7 thang đo:

Thang đo nhân tố Ký hiệu Số biến quan sát Cronbach's Alpha ($\alpha$) Item-Total Correlation ($r_{it}$) Đánh giá chất lượng thang đo
Nhu cầu được công nhận CN 4 0.877 0.731 – 0.747 Độ tin cậy rất cao
Ý chí của bản thân YC 4 0.876 0.710 – 0.764 Độ tin cậy rất cao
Định hướng mục tiêu DH 4 0.873 0.691 – 0.761 Độ tin cậy rất cao
Giáo dục trực tuyến TT 4 0.882 0.724 – 0.761 Độ tin cậy rất cao (Cao nhất)
Môi trường gia đình GD 4 0.874 0.717 – 0.759 Độ tin cậy rất cao
Phong cách giảng dạy PC 4 0.872 0.701 – 0.768 Độ tin cậy rất cao
Động lực học tập (Phụ thuộc) DL 4 0.864 0.665 – 0.784 Độ tin cậy rất cao

Kiểm định EFA và Hồi quy:

  • KMO and Bartlett's Test: Hệ số $\text{KMO} \ge 0.80$, giá trị kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến có tương quan chặt chẽ.
  • Eigenvalues & Variance Explained: Trích xuất 6 nhân tố độc lập với $\text{Eigenvalues} > 1.0$, tổng phương sai trích đạt $> 60%$ (vượt chuẩn $50%$). Factor loading của tất cả 28 biến đều đạt ngưỡng $> 0.60$.
  • Kiểm định vi phạm giả định: Biểu đồ Histogram chuẩn tắc phần dư có dạng hình chuông cân đối quanh giá trị 0; Biểu đồ phân tán Scatterplot phân bố ngẫu nhiên không tạo mô hình phi tuyến; Hệ số $\text{VIF} < 2.0$ khẳng định không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Kết quả kiểm định giả thuyết mô hình nghiên cứu:

Giả thuyết Mối quan hệ tác động Chiều kỳ vọng Hệ số Sig. ($p$-value) Kết luận thực nghiệm
H1 Nhu cầu được công nhận $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết
H2 Định hướng mục tiêu $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết
H3 Ý chí của bản thân $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết
H4 Giáo dục trực tuyến $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết
H5 Môi trường gia đình $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết
H6 Phong cách giảng dạy $\rightarrow$ ĐLHT $(+)$ $p < 0.05$ Chấp nhận giả thuyết

Kiểm định ANOVA và Independent Samples T-test đối với các biến nhân khẩu học khẳng định: Giới tính ($p > 0.05$) và Năm học ($p > 0.05$) không tạo ra sự khác biệt có ý nghĩa thống kê đối với mức độ động lực học tập của sinh viên HUB. Điều này chỉ ra rằng các can thiệp chính sách giáo dục có thể được áp dụng đồng bộ cho toàn thể sinh viên mà không cần phân tách theo giới tính hay khóa đào tạo.

Đổi mới và đóng góp

  1. Hoàn thiện khung lý thuyết tích hợp liên ngành: Kết hợp thành công các biến số tâm lý học hành vi (Thuyết tự quyết SDT, Thuyết Maslow) với biến số quản trị đào tạo hiện đại (Giáo dục trực tuyến - E-learning) trong bối cảnh trường đại học tài chính.
  2. Khẳng định vai trò độc lập của Giáo dục trực tuyến: Thang đo "Giáo dục trực tuyến" đạt hệ số tin cậy cao nhất ($\alpha = 0.882$), chứng minh công nghệ học tập số không chỉ đóng vai trò hỗ trợ kỹ thuật mà đã trở thành động lực kích thích sự tự chủ học thuật của sinh viên.
  3. So sánh ưu thế với các mô hình trước đây:
So sánh cấu trúc mô hình:
  1. Đóng góp dữ liệu định lượng chuẩn xác: Cung cấp bộ chỉ số đo lường thực nghiệm đáng tin cậy với 28 biến quan sát chuẩn hóa, hỗ trợ các nhà nghiên cứu giáo dục tiếp tục kế thừa và mở rộng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tiễn

  • Kịch bản 1 - Tối ưu hóa hệ thống ghi nhận thành tích (Addressing H1 & H3): Nhà trường triển khai cổng thông tin khen thưởng kỹ thuật số (Digital Recognition Portal), tự động cấp chứng nhận số và học bổng khuyến khích kịp thời sau mỗi học kỳ, thúc đẩy mạnh mẽ lòng tự trọng và ý chí học tập của sinh viên.
  • Kịch bản 2 - Đổi mới phương pháp sư phạm tương tác (Addressing H6): Chuyển dịch từ giảng dạy truyền thống một chiều sang mô hình Lớp học đảo ngược (Flipped Classroom), tăng cường các bài tập tình huống thực tế (Case Studies) ngành ngân hàng và phản hồi xây dựng cho từng nhóm học tập.
  • Kịch bản 3 - Tăng cường nền tảng E-learning đồng bộ (Addressing H4): Nâng cấp hệ thống quản lý học tập (LMS), cung cấp kho tài nguyên học liệu số mở (bài giảng video tương tác, ngân hàng trắc nghiệm tự đánh giá), cho phép sinh viên chủ động lộ trình học tập 24/7.

Lộ trình triển khai 3 giai đoạn

Lộ trình thực thi chính sách nâng cao ĐLHT tại HUB:

Phân tích Chi phí - Hiệu quả (Cost-Benefit Analysis):

  • Chi phí đầu tư: Tập trung vào chi phí nâng cấp hạ tầng LMS và tập huấn giảng viên (ước tính ngân sách chiếm $< 3%$ tổng chi phí hoạt động thường niên của cơ sở giáo dục).
  • Lợi ích thu về (ROI): Tỷ lệ sinh viên hoàn thành đúng hạn tăng $15-20%$, giảm thiểu tỷ lệ cảnh báo học vụ xuống dưới $1.5%$, nâng cao mức độ hài lòng của sinh viên và uy tín tuyển sinh bền vững của HUB.

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu và phạm vi địa lý: Dữ liệu khảo sát mới tập trung tại Trường Đại học Ngân hàng TP.HCM ($N = 336$), chưa mở rộng đối sánh liên trường trong khối đại học kinh tế trọng điểm phía Nam (như UEH, UEL).
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm (2 tuần: 25/5/2024 - 8/6/2024), chưa theo dõi biến động động lực theo chuỗi thời gian (Longitudinal Study) qua các học kỳ.
  • Đề xuất nghiên cứu tương lai:
    1. Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (SEM / PLS-SEM) để phân tích các biến trung gian (như Niềm tin năng lực bản thân - Self-Efficacy, Sự gắn kết học thuật - Academic Engagement).
    2. Mở rộng kiểm định mô hình trên quy mô liên trường với $N \ge 1.000$ mẫu.

Đối tượng hưởng lợi

Ma trận phân bổ giá trị thực tiễn:
                     cho các nghiên cứu hành vi giáo dục tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai phân tích mô hình định lượng này là gì?

Cần máy trạm chạy hệ điều hành Windows 10/11 hoặc macOS, cài đặt tối thiểu phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị v25.0) hoặc môi trường Python 3.8+ với các thư viện statsmodels và scikit-learn để xử lý tập dữ liệu khảo sát định dạng .sav hoặc .csv.

2. Mô hình có gặp giới hạn khi mở rộng sang các trường đại học khối kỹ thuật hay khoa học xã hội không?

Mô hình có tính tổng quát hóa cao nhờ dựa trên các lý thuyết nền tảng (SDT, Maslow). Tuy nhiên, khi áp dụng cho khối kỹ thuật, cần hiệu chỉnh thang đo "Phong cách giảng dạy" và "Giáo dục trực tuyến" để bổ sung các biến liên quan đến môi trường thực hành phòng thí nghiệm và đồ án thực tế.

3. Làm thế nào để tích hợp công cụ khảo sát này vào hệ thống quản lý sinh viên hiện có?

Có thể tích hợp biểu mẫu số vào cổng thông tin sinh viên nội bộ (Portal) hoặc hệ thống LMS Moodle/Canvas của nhà trường để tự động thu thập phản hồi định kỳ sau mỗi học kỳ mà không tốn chi phí in ấn.

4. Chi phí vận hành và bảo trì giải pháp nâng cao động lực học tập là bao nhiêu?

Chi phí chủ yếu là tái phân bổ ngân sách đào tạo giảng viên nội bộ và duy trì máy chủ LMS hiện hữu. Do tận dụng cơ sở hạ tầng có sẵn, chi phí phát sinh thực tế gần như bằng 0 so với hiệu quả giảm tỷ lệ sinh viên lưu ban, bỏ học.

5. Khung thời gian hoàn vốn (ROI) và ghi nhận kết quả can thiệp là bao lâu?

Kết quả can thiệp về mặt động lực và cải thiện điểm số có thể đo lường rõ rệt sau 01 chu kỳ học kỳ chính (khoảng 4 - 5 tháng) kể từ thời điểm triển khai đồng bộ các giải pháp LMS và phương pháp sư phạm tương tác.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Gia Hân đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, làm sáng tỏ cơ chế tác động của 6 nhóm nhân tố độc lập (Nhu cầu được công nhận, Ý chí của bản thân, Định hướng mục tiêu, Giáo dục trực tuyến, Môi trường gia đình, Phong cách giảng dạy) lên Động lực học tập của sinh viên Trường Đại học Ngân hàng TP.HCM. Bằng việc xử lý nghiêm ngặt tập dữ liệu thực nghiệm $N = 336$ trên phần mềm SPSS 25.0, nghiên cứu đã chứng minh các thang đo đều đạt độ tin cậy rất cao ($\alpha > 0.86$), đồng thời khẳng định sự đồng nhất về động lực giữa các nhóm giới tính và năm học. Công trình không chỉ đóng góp giá trị học thuật quan trọng vào lý thuyết hành vi giáo dục đại học mà còn cung cấp hệ thống hàm ý quản trị thực tiễn, giúp ban lãnh đạo nhà trường và giảng viên xây dựng môi trường học thuật số hóa, nhân văn và tràn đầy cảm hứng cho người học.