Chatbot AI và Tác Động Đến Hiệu Quả Học Tập Của Sinh Viên: Báo Cáo Nghiên Cứu Thực Nghiệm

Tóm tắt nghiên cứu

Nghiên cứu "Tác động của Chatbot AI đến việc học tập của sinh viên" (Đề tài nghiên cứu khoa học tham gia xét Giải thưởng "Nhà nghiên cứu trẻ UEH 2024", chuyên ngành Công nghệ thông tin - Trí tuệ nhân tạo) giải quyết hai câu hỏi nghiên cứu cốt lõi:

  1. Những yếu tố nào từ công cụ Chatbot AI tác động trực tiếp đến quá trình học tập của sinh viên?
  2. Nhận thức và hành vi học tập của sinh viên chuyển dịch như thế nào dưới tác động của công nghệ này?

Dựa trên việc kế thừa và mở rộng hai mô hình lý thuyết nền tảng là Mô hình Chấp nhận Công nghệ (TAM) và Lý thuyết Thống nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT), nghiên cứu triển khai phương pháp định lượng thực nghiệm với cỡ mẫu $N = 351$ sinh viên trên toàn quốc. Quy trình phân tích dữ liệu đa biến bao gồm đánh giá độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson và mô hình hồi quy tuyến tính hai giai đoạn.

Kết quả nghiên cứu chỉ ra rằng có đến 90,6% sinh viên đã nhận biết và 64,5% đã trực tiếp sử dụng Chatbot AI trong học tập (đặc biệt là ChatGPT chiếm 45,9% và Google Bard chiếm 17,0%). Bốn nhân tố độc lập chính gồm: Cá nhân hóa việc học, Môi trường học tập thân thiện/không áp lực, Hỗ trợ học tập 24/7 và Tiết kiệm thời gian tra cứu - soạn thảo đều có tác động tích cực và có ý nghĩa thống kê đến Nhận thức (NT), từ đó thúc đẩy mạnh mẽ Hành vi sử dụng (HV) có trách nhiệm của người học. Phát hiện này là cơ sở thực nghiệm quan trọng giúp các cơ sở giáo dục đại học và nhà phát triển công nghệ định hình chiến lược chuyển đổi số giáo dục hiệu quả.

Bối cảnh và tầm quan trọng

Thực trạng tri thức và làn sóng AI tạo sinh

Cuộc Cách mạng Công nghiệp lần thứ tư chứng kiến bước nhảy vọt của Trí tuệ nhân tạo (AI), đặc biệt là các mô hình ngôn ngữ lớn (LLMs) và Chatbot AI tạo sinh (Generative AI) từ cuối năm 2022 đến nay. Khác với các công cụ tìm kiếm truyền thống, Chatbot AI sở hữu khả năng xử lý ngôn ngữ tự nhiên vượt trội, phản hồi theo ngữ cảnh thời gian thực, tổng hợp tài liệu học thuật và gợi ý giải pháp đa bước.

Trong giáo dục đại học, công cụ này đã nhanh chóng chuyển đổi vai trò từ một ứng dụng hỗ trợ kỹ thuật đơn thuần thành một "trợ lý học tập ảo" (Virtual Learning Assistant) đồng hành cùng sinh viên mọi lúc, mọi nơi.

       MÔ HÌNH CHUYỂN DỊCH PHƯƠNG THỨC HỌC TẬP
       
  [Phương thức truyền thống]        [Kỷ nguyên Chatbot AI]
  Tra cứu thủ công qua Search  -->  Đối thoại ngữ cảnh trực tiếp
  Học theo tiến độ cố định     -->  Cá nhân hóa lộ trình 24/7
  Áp lực tâm lý khi hỏi bài    -->  Tương tác cởi mở, không phán xét

Khoảng trống nghiên cứu (Research Gap)

Mặc dù các tài liệu quốc tế và trong nước đã bước đầu thảo luận về lợi ích cũng như rủi ro liêm chính học thuật của ChatGPT, đa phần các công trình dừng lại ở góc độ tổng quan định tính hoặc khảo sát thái độ đơn lẻ. Vẫn còn thiếu các nghiên cứu định lượng thực nghiệm chuẩn hóa, kiểm định đồng thời mối quan hệ đa tầng giữa:

  • Các đặc tính chức năng của Chatbot AI (Cá nhân hóa, Tiết kiệm thời gian, Môi trường tâm lý, Tính sẵn sàng hỗ trợ);
  • Sự chuyển biến trong nhận thức giá trị của sinh viên;
  • Ý định và hành vi cam kết học tập tự chủ trong bối cảnh giáo dục đại học tại Việt Nam.

Tính cấp thiết và tác động dự kiến

Nghiên cứu được hoàn thành vào tháng 02/2024 – giai đoạn mang tính bản lề khi các trường đại học tại Việt Nam đang xây dựng quy chế và chuẩn mực ứng dụng AI trong giảng dạy và học tập. Kết quả của đề tài không chỉ cung cấp bức tranh thực tế về hành vi người học mà còn hỗ trợ trực tiếp các nhà hoạch định chính sách giáo dục duy trì chất lượng đào tạo và phát triển năng lực số cho nguồn nhân lực tương lai.

Methodology và approach

Thiết kế nghiên cứu (Research Design)

Nghiên cứu ứng dụng phương pháp nghiên cứu định lượng cắt ngang (Cross-sectional Quantitative Study), kết hợp giữa khung lý thuyết TAM (Davis, 1989) và UTAUT (Venkatesh et al., 2003) được điều chỉnh phù hợp với hành vi sử dụng công nghệ tự nguyện trong môi trường giáo dục số.

+-------------------------------------------------------------+
|                     MÔ HÌNH NGHIÊN CỨU                      |
+-------------------------------------------------------------+
|  [Cá nhân hóa việc học (CN)]  \                             |
|  [Môi trường học tập (MT)]    --+-> [Nhận thức (NT)]        |
|  [Hỗ trợ học tập (HT)]        /          |                  |
|  [Tiết kiệm thời gian (TG)]  /           v                  |
|                                     [Hành vi sử dụng (HV)]  |
+-------------------------------------------------------------+

Phương pháp chọn mẫu và thu thập dữ liệu

  • Cỡ mẫu lý thuyết tối thiểu: Xác định theo công thức ước lượng tỷ lệ với độ tin cậy 95% và sai số $E = 0,03$: $$n = Z_{\alpha/2}^2 \cdot \frac{p(1-p)}{E^2} \approx 203 \text{ quan sát}$$
  • Cỡ mẫu thực tế thu thập: $N = 351$ sinh viên (vượt xa ngưỡng tối thiểu, đảm bảo độ mạnh thống kê).
  • Công cụ điều tra: Bảng câu hỏi trực tuyến chuẩn hóa qua Google Forms, sử dụng thang đo khoảng Likert 5 điểm (từ 1: Rất không đồng ý đến 5: Rất đồng ý).
  • Đối tượng khảo sát: Sinh viên các trường đại học toàn quốc (trong đó sinh viên UEH chiếm 15,1%, các trường đại học khác chiếm 84,9%; phân bổ gồm 49,6% năm nhất, 20,5% năm hai, 20,2% năm ba, 9,1% năm tư).

Quy trình và kỹ thuật phân tích dữ liệu

Quy trình xử lý dữ liệu được thực hiện chặt chẽ qua phần mềm SPSS và MS Excel với các bước tuần tự:

  1. Thống kê mô tả & Ước lượng khoảng tin cậy 95% cho từng biến quan sát.
  2. Kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha: Đảm bảo hệ số $\alpha \ge 0,7$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0,3$.
  3. Phân tích nhân tố khám phá (EFA): Kiểm định tính thích hợp của dữ liệu qua chỉ số KMO và kiểm định Bartlett, trích xuất phương sai với phép xoay nhân tố.
  4. Phân tích tương quan Pearson: Đánh giá mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc trước khi chạy hồi quy.
  5. Hồi quy tuyến tính bội & Dò tìm vi phạm giả định: Kiểm định phân phối chuẩn phần dư qua biểu đồ Histogram, Normal P-P Plot, kiểm định tính đồng phương sai qua đồ thị phân tán Scatter Plot, và kiểm tra độ lệch (Skewness) & độ nhọn (Kurtosis).
Nhóm biến Số biến quan sát Hệ số Cronbach's Alpha Đánh giá độ tin cậy
Cá nhân hóa việc học (CN) 3 0,766 Đạt yêu cầu tốt
Môi trường học tập (MT) 4 0,771 Đạt yêu cầu tốt
Hỗ trợ học tập (HT) 3 0,726 Đạt yêu cầu tốt
Tiết kiệm thời gian (TG) 3 0,762 Đạt yêu cầu tốt
Nhận thức về Chatbot AI (NT) 3 0,863 Rất tốt ($\alpha > 0,8$)
Hành vi sử dụng (HV) 3 0,801 Rất tốt ($\alpha > 0,8$)

Phát hiện chính

1. Tỷ lệ thâm nhập và nhận diện Chatbot AI ở mức rất cao

Nghiên cứu ghi nhận 90,6% người học đã từng nghe biết về Chatbot AI, trong đó 64,5% đã trực tiếp ứng dụng vào thực tế. Về mức độ phổ biến của các nền tảng:

  • ChatGPT giữ vị thế áp đảo với 45,9% tỷ lệ nhận diện;
  • Google Bard (Gemini) xếp thứ hai với 17,0%;
  • Microsoft Copilot và Notion AI lần lượt đạt 10,5% và 9,4%. Mục đích sử dụng chủ đạo của sinh viên tập trung rõ rệt vào Tra cứu thông tin (39,6%) và Hỗ trợ học tập, công việc (36,4%), vượt trội so với giải trí (10,8%) hay trò chuyện (9,1%).
            MỨC ĐỘ PHỔ BIẾN CỦA CÁC CHATBOT AI
            
  ChatGPT         [===================================] 45.9%
  Google Bard     [=============] 17.0%
  Copilot (Bing)  [========] 10.5%
  Notion AI       [=======] 9.4%
  Jasper / Khác   [====] 4.3%

2. "Tiết kiệm thời gian" và "Tính sẵn sàng 24/7" là giá trị nhận thức nổi bật nhất

Các biến đo lường liên quan đến tốc độ xử lý thông tin nhận được sự đồng thuận cao nhất từ sinh viên:

  • Biến TG1 ("Chatbot AI giúp tôi tra cứu thông tin nhanh chóng"): Điểm trung bình mẫu đạt $M = 3,943$ (khoảng tin cậy 95%: $3,842 - 4,051$).
  • Biến HT2 ("Chatbot AI có thể giải đáp thắc mắc vào hầu hết các khoảng thời gian trong ngày"): Đạt $M = 3,868$ (khoảng tin cậy: $3,773 - 3,965$).
  • Biến TG3 ("Chatbot AI giúp tôi soạn thảo văn bản nhanh chóng"): Đạt $M = 3,756$.

3. Giải tỏa áp lực tâm lý giao tiếp trong môi trường học tập

Một phát hiện thực nghiệm mang tính nhân văn sâu sắc là biến MT1 ("Tôi không cảm thấy áp lực khi giao tiếp với Chatbot AI như khi trao đổi với giáo viên và bạn bè trang lứa") đạt điểm trung bình $M = 3,710$ với 191/351 người tham gia đồng ý/rất đồng ý. Chatbot AI đóng vai trò như một không gian an toàn (safe space), cho phép sinh viên thoải mái đặt câu hỏi từ cơ bản đến phức tạp mà không sợ bị phán xét hay tự ti.

4. Nâng cao tính chủ động và tự quyết trong học tập cá nhân hóa

Biến CN3 ("Tôi có quyền chủ đạo trong việc chọn nội dung muốn tìm hiểu với Chatbot AI") đạt mức đánh giá $M = 3,757$ (208 sinh viên đồng tình). Điều này chứng minh Chatbot AI trao quyền tự chủ (Learner Autonomy) cho sinh viên, giúp họ tự thiết lập nhịp độ và trọng tâm học tập phù hợp với năng lực cá nhân.

5. Sự chuyển hóa mạnh mẽ từ Nhận thức sang Hành vi có trách nhiệm

Phân tích tương quan và hồi quy xác nhận mối quan hệ nhân quả tích cực giữa Nhận thức (NT, $M = 3,730$) và Hành vi (HV, $M = 3,590$). Đáng chú ý, biến HV6 ("Tôi vẫn sẽ chịu trách nhiệm về việc học của bản thân dù công cụ Chatbot AI hỗ trợ trong hầu hết quá trình học tập") đạt $M = 3,653$. Sự chênh lệch giữa nam và nữ về mức độ cam kết trách nhiệm này gần như bằng 0 (chênh lệch điểm trung bình $= 0,000 \pm 0,25$), khẳng định sinh viên nhìn nhận AI như một công cụ đắc lực chứ không thay thế hoàn toàn tư duy và trách nhiệm học thuật cá nhân.

Đóng góp khoa học

Đóng góp về mặt lý thuyết (Theoretical Contributions)

  1. Làm giàu khung lý thuyết TAM & UTAUT: Nghiên cứu đã kiểm chứng và mở rộng thành công mô hình TAM/UTAUT trong bối cảnh công nghệ AI tạo sinh tại các trường đại học Việt Nam, chứng minh rằng Cá nhân hóa, Môi trường tâm lý không áp lực, Sự hỗ trợ 24/7 và Tiết kiệm thời gian là các tiền tố cấu thành then chốt của Nhận thức tính hữu ích (Perceived Usefulness).
  2. Khung phân tích hành vi học tập số: Thiết lập cấu trúc đường dẫn rõ ràng từ nhận thức công nghệ sang hành vi tự chịu trách nhiệm trong học tập, bổ sung dữ liệu thực nghiệm giá trị cho các nghiên cứu về EdTech và Tâm lý học giáo dục.

Cải tiến về phương pháp luận (Methodological Innovations)

  • Xây dựng hệ thống thang đo 20 biến quan sát có tính kế thừa từ các công bố quốc tế uy tín (Deng & Yu, 2023; Xia et al., 2023; Shidiq, 2023; Huang et al., 2021) và được chuẩn hóa ngôn ngữ phù hợp với sinh viên Việt Nam.
  • Quy trình kiểm định giả định hồi quy nghiêm ngặt (kiểm tra phân phối chuẩn phần dư, Skewness, Kurtosis và hiện tượng đa cộng tuyến), đảm bảo tính vững chắc của các ước lượng thống kê.
                  4 TRỤ CỘT ĐÓNG GÓP THỰC TIỄN
                  
  +-----------------------+     +-----------------------+
  | 1. Kỹ năng Prompting  |     | 2. Liêm chính số      |
  | Tối ưu câu lệnh để    |     | Xác lập ranh giới hỗ  |
  | khai thác tri thức sâu|     | trợ và đạo văn        |
  +-----------------------+     +-----------------------+
              |                             |
              v                             v
  +-----------------------+     +-----------------------+
  | 3. Sư phạm tương tác  |     | 4. AI Literacy        |
  | Giảng viên tích hợp AI|     | Phổ cập năng lực AI   |
  | vào đồ án, bài tập    |     | toàn diện cho SV      |
  +-----------------------+     +-----------------------+

Hàm ý chính sách và thực tiễn (Practical & Policy Implications)

  • Đối với nhà trường và ban quản lý giáo dục: Cần sớm ban hành bộ quy tắc ứng xử học thuật với AI, chuyển dịch từ tư duy "cấm đoán" sang "hướng dẫn sử dụng có trách nhiệm"; xây dựng các học phần về Năng lực số và Trí tuệ nhân tạo (AI Literacy).
  • Đối với giảng viên: Đổi mới phương pháp đánh giá kết quả học tập (chuyển từ kiểm tra ghi nhớ lý thuyết sang đánh giá năng lực phản biện, thuyết trình và giải quyết vấn đề phức tạp).
  • Đối với sinh viên: Rèn luyện kỹ năng đặt câu lệnh (Prompt Engineering) và tư duy phản biện (Critical Thinking) để kiểm chứng chéo thông tin từ AI, tránh hiện tượng phụ thuộc thụ động.

Đối tượng quan tâm

+-------------------------------------------------------------------------+
|                         ĐỐI TƯỢNG QUAN TÂM                              |
+--------------------------+----------------------------------------------+
| Phân khúc độc giả        | Giá trị ứng dụng cốt lõi                    |
+--------------------------+----------------------------------------------+
| Giảng viên & Nhà nghiên  | Cung cấp dữ liệu thực nghiệm để thiết kế     |
| cứu Giáo dục (EdTech)    | giáo trình và phương pháp kiểm tra mới       |
+--------------------------+----------------------------------------------+
| Ban Giám hiệu & Nhà      | Cơ sở hoạch định chính sách liêm chính học   |
| hoạch định chính sách    | thuật và đầu tư hạ tầng chuyển đổi số        |
+--------------------------+----------------------------------------------+
| Doanh nghiệp EdTech &    | Thấu hiểu insight người học để tối ưu UI/UX, |
| Nhà phát triển phần mềm  | tính năng phân tích lộ trình cá nhân hóa     |
+--------------------------+----------------------------------------------+
| Sinh viên & Người tự học | Nâng cao nhận thức, phương pháp khai thác    |
| đại học                  | Chatbot AI hiệu quả và có trách nhiệm        |
+--------------------------+----------------------------------------------+
  1. Giảng viên và Nhà nghiên cứu khoa học giáo dục: Tham khảo cấu trúc mô hình nghiên cứu, bộ thang đo và các kết quả định lượng để phát triển các đề tài liên quan đến phương pháp sư phạm tương tác với AI.
  2. Cán bộ quản lý đào tạo và Nhà hoạch định chính sách: Sử dụng các số liệu thực tế về tần suất, mục đích và hành vi của sinh viên để xây dựng cẩm nang hướng dẫn sử dụng AI trong môi trường học thuật.
  3. Các chuyên gia EdTech và Nhà phát triển phần mềm AI: Nắm bắt nhu cầu cấp thiết về tính năng: cá nhân hóa lộ trình, giao diện học tập trực quan và công cụ quản lý thời gian để hoàn thiện sản phẩm Chatbot AI chuyên biệt cho giáo dục.
  4. Sinh viên và học viên cao học: Hiểu rõ tiềm năng và giới hạn của Chatbot AI để tối ưu hóa thời gian tự học, nâng cao kỹ năng nghiên cứu khoa học mà vẫn đảm bảo tính trung thực học thuật.

FAQ (Câu hỏi thường gặp)

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

Trả lời: Phát hiện then chốt là Chatbot AI tác động mạnh mẽ nhất đến người học ở hai khía cạnh: Tối ưu hóa thời gian tra cứu/soạn thảo ($M = 3,943$) và Giải tỏa rào cản tâm lý khi giao tiếp học tập ($M = 3,710$). Đồng thời, sinh viên thể hiện nhận thức rất rõ ràng về việc giữ vững trách nhiệm cá nhân đối với kết quả học tập ($M = 3,653$), không phụ thuộc hoàn toàn vào máy móc.

2. Phương pháp nghiên cứu của đề tài có điểm gì đặc biệt?

Trả lời: Nghiên cứu kết hợp hai mô hình kinh điển TAM và UTAUT, xây dựng hệ thống thang đo đa diện gồm 4 yếu tố tác động (Cá nhân hóa, Môi trường, Hỗ trợ, Tiết kiệm thời gian). Toàn bộ quy trình từ kiểm định Cronbach's Alpha ($\alpha > 0,72$), phân tích EFA đến hồi quy 2 giai đoạn đều được kiểm tra vi phạm giả định nghiêm ngặt với độ tin cậy 95%.

3. Kết quả khảo sát có thể khái quát hóa (Generalize) cho toàn bộ sinh viên không?

Trả lời: Mẫu khảo sát đạt $N = 351$ sinh viên, phân bổ đa dạng từ sinh viên UEH (15,1%) đến sinh viên nhiều trường đại học trên cả nước (84,9%), trải dài từ năm nhất đến năm tư. Mặc dù tỷ lệ sinh viên nữ chiếm đa số (76,6%), các phân tích so sánh trung bình (t-test) cho thấy sự khác biệt về nhận thức và cam kết hành vi giữa các giới tính là không đáng kể, do đó kết quả có giá trị tham khảo và khái quát hóa cao cho cộng đồng sinh viên đại học.

4. Hướng phát triển tiếp theo (Next Steps) của nghiên cứu này là gì?

Trả lời: Các nghiên cứu tiếp theo có thể mở rộng khảo sát trên góc nhìn của giảng viên, đo lường tác động định lượng của Chatbot AI đến điểm số thực tế (GPA) thông qua mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc nghiên cứu dọc (Longitudinal Study) để theo dõi sự thay đổi hành vi theo thời gian.

5. Ứng dụng thực tiễn lớn nhất của nghiên cứu đối với nhà trường là gì?

Trả lời: Nghiên cứu cung cấp luận cứ khoa học để nhà trường không cấm đoán AI mà chủ động xây dựng khung hướng dẫn: tích hợp Chatbot AI vào bài tập thực hành, hướng dẫn sinh viên kỹ năng xác thực nguồn tin, và đào tạo phương pháp khai thác AI nhằm nâng cao tư duy phản biện.

Kết luận

Báo cáo nghiên cứu khoa học "Tác động của Chatbot AI đến việc học tập của sinh viên" đã phác thảo một bức tranh toàn diện, xác thực và chuẩn mực về sự chuyển dịch phương thức học tập của sinh viên Việt Nam trong kỷ nguyên trí tuệ nhân tạo. Bằng việc chứng minh vai trò tích cực của Chatbot AI trong việc cá nhân hóa tri thức, tiết kiệm thời gian và tạo lập môi trường học tập thân thiện, nghiên cứu khẳng định tiềm năng to lớn của AI trong việc nâng cao chất lượng giáo dục đại học.

Trong tương lai, việc kết hợp hài hòa giữa công nghệ AI tiên tiến và ý thức tự chủ, đạo đức học thuật của sinh viên sẽ là chìa khóa then chốt nâng tầm nguồn nhân lực số. Các trường đại học và cơ quan quản lý giáo dục cần nhanh chóng hành động: kiến tạo chính sách cởi mở, trang bị kỹ năng số toàn diện và đổi mới phương pháp sư phạm để biến Chatbot AI thành đòn bẩy đột phá cho nền giáo dục hiện đại.