Tác Động Của ChatGPT Đến Hiệu Quả Học Tập Của Sinh Viên: Phân Tích Thực Nghiệm Đa Chiều Tại TP. Hồ Chí Minh

Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu chính: Mô hình ngôn ngữ lớn trí tuệ nhân tạo (ChatGPT) tác động như thế nào đến hiệu quả học tập của sinh viên đại học tại TP. Hồ Chí Minh xét trên cả hai phương diện: tích cực (nâng cao năng suất, kích thích tự học, tiết kiệm thời gian) và tiêu cực (suy thoái tư duy phản biện, nguy cơ liêm chính học thuật)?
  • Phương pháp nghiên cứu: Nghiên cứu áp dụng phương pháp kết hợp (mixed-methods). Giai đoạn định tính phỏng vấn nhóm ($n=20$) để hiệu chỉnh thang đo; giai đoạn định lượng khảo sát cắt ngang trực tuyến thu về 239 mẫu, trong đó 223 mẫu hợp lệ từ sinh viên các trường đại học tại TP.HCM. Dữ liệu được phân tích trên phần mềm SPSS 23.0 thông qua kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính bội (MLR).
  • Phát hiện then chốt: ChatGPT được 77% sinh viên đánh giá là hữu dụng đến rất hữu dụng, chủ yếu phục vụ học tập và nghiên cứu (95%). Hai nhân tố Tiết kiệm thời gian ($\alpha = 0.713$) và Nâng cao hiệu suất học tập ($\alpha = 0.753$) mang lại tác động thúc đẩy mạnh mẽ nhất. Ngược lại, Suy thoái tư duy phản biện ($\alpha = 0.696$) là rào cản tiêu cực hiện hữu do thói quen ỷ lại vào giải pháp tạo sẵn.
  • Hàm ý thực tiễn: Nghiên cứu đề xuất khung tích hợp AI có kiểm soát trong giáo dục đại học, nhấn mạnh việc chuyển đổi từ cấm đoán sang đào tạo năng lực tương tác AI (AI Literacy) và đổi mới phương pháp đánh giá kết quả học tập.

Bối cảnh và tầm quan trọng (Context & Significance)

Hiện trạng và sự bùng nổ của Generative AI trong giáo dục

Kể từ khi OpenAI chính thức phát hành ChatGPT vào tháng 11/2022, thế giới đã chứng kiến bước nhảy vọt của các mô hình ngôn ngữ lớn (LLMs). Với việc cán mốc 100 triệu người dùng chỉ sau 2 tháng ra mắt, ChatGPT đã nhanh chóng thâm nhập vào mọi lĩnh vực, trong đó giáo dục đại học là môi trường chịu tác động trực tiếp và sâu rộng nhất. Tại Việt Nam, nhu cầu tìm kiếm về ChatGPT trong quý 1/2023 tăng trưởng gấp 41 lần so với giai đoạn trước, phản ánh sự nhạy bén đặc biệt của thế hệ trẻ (Gen Z) đối với các công cụ đột phá.

       BÙNG NỔ GENERATIVE AI TRONG GIÁO DỤC

Khoảng trống nghiên cứu (Research Gap)

Dù các công trình quốc tế (Lo, 2023; Lund & Wang, 2023; Rajabi et al., 2023) đã sớm bàn luận về ChatGPT, bối cảnh học thuật Việt Nam tại thời điểm năm 2023 vẫn tồn tại khoảng trống đáng kể:

  1. Thiếu các dữ liệu thực nghiệm đo lường định lượng về mối liên hệ nhân - quả giữa hành vi sử dụng AI và kết quả học tập.
  2. Chưa phân tích sâu bối cảnh sinh viên tại các đô thị lớn (như TP. Hồ Chí Minh) – nơi có mật độ trường đại học cao và mức độ tiếp cận công nghệ hàng đầu cả nước.

Tính cấp thiết và tầm ảnh hưởng

Nghiên cứu này, xuất phát từ đề tài đạt giải UEH500 của Khoa Toán - Thống kê (Trường Đại học Kinh tế TP.HCM), mang tính thời sự cao. Kết quả cung cấp bằng chứng thực nghiệm quan trọng giúp các cơ sở giáo dục chuyển từ tâm lý hoang mang, phòng thủ sang thế chủ động ban hành chính sách quản trị học thuật phù hợp trong kỷ nguyên số.

Phương pháp nghiên cứu và tiếp cận (Methodology & Approach)

Nghiên cứu được thiết kế theo quy trình khoa học chặt chẽ gồm hai giai đoạn tiếp nối:

[Xác định vấn đề & Tổng quan lý thuyết]

1. Thiết kế thang đo và nghiên cứu định tính

  • Thang đo ban đầu: Kế thừa từ các nghiên cứu quốc tế uy tín (Huang et al., 2023; Kasneci et al., 2023; Lo, 2023; Winkler & Soellner, 2023), sử dụng thang đo Likert 5 mức độ (từ 1: Rất không đồng ý đến 5: Rất đồng ý).
  • Nghiên cứu định tính sơ bộ: Thảo luận nhóm tập trung và khảo sát thử nghiệm trên $n=20$ sinh viên UEH nhằm hiệu chỉnh câu chữ, loại bỏ tính đa nghĩa và kiểm tra tính phù hợp văn hóa ngôn ngữ học thuật tại Việt Nam đối với 22 biến quan sát thuộc 6 nhóm nhân tố:
    1. Suy thoái khả năng tư duy phản biện (PB - 4 biến)
    2. Vi phạm liêm chính học thuật (LC - 3 biến)
    3. Tiết kiệm thời gian (TG - 4 biến)
    4. Kích thích khả năng tự học (TH - 4 biến)
    5. Nâng cao hiệu suất học tập (HS - 4 biến)
    6. Hiệu quả học tập (HQ - 3 biến phụ thuộc)

2. Thu thập dữ liệu và cỡ mẫu định lượng

  • Đối tượng khảo sát: Sinh viên đang theo học tại các trường đại học trên địa bàn TP.HCM đã từng trải nghiệm ChatGPT.
  • Công thức xác định cỡ mẫu: Áp dụng công thức Cochran với độ tin cậy 95% ($Z=1.96$), sai số cho phép $E=0.08$, ước lượng cỡ mẫu tối thiểu cần đạt $n \approx 150$. Đồng thời, theo quy tắc phân tích nhân tố EFA của Hair et al. (2006) (tối thiểu $5 \times$ số biến quan sát $= 5 \times 22 = 110$), nhóm tác giả đã thu thập 239 mẫu.
  • Làm sạch dữ liệu: Loại bỏ 16 phiếu không đạt tiêu chí (chưa từng dùng hoặc ngoài phạm vi), giữ lại 223 mẫu hợp lệ (tỷ lệ 93.3%) để phân tích.

3. Kỹ thuật phân tích dữ liệu

  • Kiểm định độ tin cậy (Cronbach's Alpha): Đánh giá tính nhất quán nội tại; ngưỡng chấp nhận $\alpha \ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.
  • Phân tích nhân tố khám phá (EFA): Sử dụng phương pháp trích Principal Components với phép xoay vuông góc Varimax, tiêu chuẩn Eigenvalue $> 1$, hệ số tải nhân tố (Factor Loading) $\ge 0.50$, hệ số KMO $\ge 0.50$ và kiểm định Bartlett có ý nghĩa thống kê ($p < 0.05$).
  • Hồi quy tuyến tính bội (MLR): Đánh giá mức độ tác động của từng nhân tố đến biến phụ thuộc, kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (VIF $< 2$).

Phát hiện chính từ dữ liệu thực nghiệm (Key Findings)

Chỉ số / Nhân tố Kết quả thống kê Ý nghĩa học thuật & Thực tiễn
Độ hữu dụng tổng thể 77% đánh giá Hữu dụng $\rightarrow$ Rất hữu dụng Khẳng định mức độ đón nhận rất cao từ người học
Mục đích sử dụng chính 95% (212/223) dùng cho Học tập & Nghiên cứu AI đã trở thành trợ lý học tập thường trực
Tiết kiệm thời gian (TG) Cronbach's $\alpha = 0.713$ Ưu điểm vượt trội: tổng hợp tài liệu, dịch thuật nhanh
Nâng cao hiệu suất (HS) Cronbach's $\alpha = 0.753$ Giúp sinh viên giảm khối lượng thao tác thủ công
Tư duy phản biện (PB) Cronbach's $\alpha = 0.696$ Tác động nghịch chiều: nguy cơ phụ thuộc nhận thức
Liêm chính học thuật (LC) Cronbach's $\alpha = 0.481$ (Bị loại bỏ) Nhận thức sinh viên về đạo văn AI còn rất phân tán 
TẦN SUẤT SỬ DỤNG CHATGPT CỦA SINH VIÊN TP.HCM

1. Phổ biến nhưng sử dụng có chọn lọc

Mặc dù 77% sinh viên thừa nhận tính hữu ích vượt bậc của ChatGPT, phần lớn người học duy trì tần suất sử dụng ở mức độ vừa phải (60% dùng 1–2 lần/tuần; 26% dùng 3–5 lần/tuần; chỉ 14% dùng hàng ngày). Điều này phản ánh sinh viên tiếp cận ChatGPT như một công cụ hỗ trợ theo thời điểm (khi làm tiểu luận, ôn thi, tìm tài liệu) chứ chưa bị lệ thuộc hoàn toàn vào sinh hoạt hàng ngày.

2. Tối ưu hóa thời gian và năng suất vượt trội

85.2% người tham gia khảo sát đánh giá cao nhất khả năng "tiết kiệm thời gian tìm kiếm". Thay vì duyệt qua hàng chục trang web trên Google, ChatGPT tóm tắt nội dung bài báo, gợi ý cấu trúc đề cương và hỗ trợ viết mã nguồn nhanh chóng, giúp người học chuyển thời gian từ khâu "thu thập thô" sang khâu "tổng hợp và tinh chỉnh".

3. Nguy cơ bào mòn tư duy phản biện (Critical Thinking Decay)

Phân tích dữ liệu xác nhận mối lo ngại lớn: việc nhận sẵn câu trả lời hoàn chỉnh từ AI làm giảm động lực đào sâu bản chất vấn đề. Các biến quan sát thuộc thang đo $PB$ cho thấy người học có xu hướng thỏa hiệp với đáp án do AI cung cấp mà không qua bước kiểm chứng độc lập, dẫn đến nguy cơ suy thoái kỹ năng viết luận và phân tích logic.

4. Bất ngờ phương pháp luận: Sự phân mảnh về liêm chính học thuật

Một phát hiện mang tính phương pháp luận đặc biệt: thang đo Vi phạm liêm chính học thuật (LC) đạt Cronbach's Alpha chỉ $0.481 < 0.60$ và bị loại khỏi mô hình. Điều này phản ánh thực tế rằng nhận thức của sinh viên về ranh giới giữa "hỗ trợ học tập hợp lệ" và "gian lận/đạo văn AI" tại thời điểm 2023 vẫn rất mơ hồ, chưa hình thành một chuẩn mực chung thống nhất.

Đóng góp khoa học và Hàm ý chính sách (Contributions & Implications)

                     HỆ THỐNG HÀM Ý QUẢN TRỊ

Đóng góp về mặt lý thuyết (Theoretical Contributions)

  • Cung cấp khung nghiên cứu thực nghiệm kiểm chứng đồng thời hai mặt thuận - nghịch của công nghệ Generative AI đối với giáo dục đại học tại một thị trường mới nổi (Việt Nam).
  • Bổ sung cơ sở dữ liệu về hành vi chấp nhận và sử dụng AI của thế hệ Gen Z trong môi trường học thuật.

Đổi mới phương pháp luận (Methodological Innovations)

  • Quy trình xử lý và sàng lọc thang đo nghiêm ngặt: minh chứng việc loại bỏ thang đo không đạt độ tin cậy ($LC$) và biến quan sát không đạt hệ số tải ($TH2$ trong phân tích EFA) giúp tăng cường tính chính xác của mô hình hồi quy.

Hàm ý thực tiễn và chính sách giáo dục

  1. Đối với cơ sở giáo dục đại học:
    • Cần nhanh chóng xây dựng Bộ quy tắc ứng xử học thuật với AI (AI Academic Integrity Policy), quy định rõ các trường hợp được phép dùng AI và cách thức khai báo/trích dẫn.
    • Chuyển đổi phương thức kiểm tra đánh giá: giảm tỷ trọng các bài tập tiểu luận truyền thống dạng viết về nhà (vốn dễ bị AI can thiệp); tăng cường đánh giá quá trình, thuyết trình, vấn đáp và thảo luận tình huống tại lớp.
  2. Đối với giảng viên:
    • Tận dụng ChatGPT để thiết kế giáo án, tạo ngân hàng câu hỏi mở đòi hỏi tư duy phân tích đa chiều thay vì ghi nhớ máy móc.
  3. Đối với người học:
    • Nâng cao năng lực số, chủ động rèn luyện kỹ năng xác thực thông tin (fact-checking) để phòng tránh "ảo giác AI" (hallucination).

Đối tượng quan tâm và Giá trị ứng dụng

  • Nhà nghiên cứu giáo dục & Giảng viên: Tài liệu tham khảo hữu ích để xây dựng đề cương bài giảng, phương pháp kiểm tra đánh giá thích ứng với kỷ nguyên AI.
  • Cán bộ quản lý giáo dục & Ban giám hiệu: Bằng chứng thực tế phục vụ công tác hoạch định chiến lược chuyển đổi số và hoàn thiện quy chế đào tạo.
  • Sinh viên & Học viên cao học: Cẩm nang giúp định hình thái độ học tập đúng mực, tận dụng AI để bứt phá hiệu suất mà không đánh mất bản sắc tư duy cá nhân.
  • Doanh nghiệp EdTech: Cơ sở nghiên cứu hành vi người dùng để phát triển các tính năng hỗ trợ học tập thông minh, tích hợp sẵn công cụ kiểm tra độ tin cậy và nguồn trích dẫn.

Câu hỏi thường gặp (FAQ)

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

Nghiên cứu chỉ ra tính hai mặt rõ nét: ChatGPT nâng cao rõ rệt hiệu suất và tiết kiệm thời gian học tập, nhưng đồng thời tiềm ẩn nguy cơ làm suy giảm tư duy phản biện nếu người học lạm dụng và tiếp nhận thụ động kết quả từ AI.

2. Quy trình phương pháp luận có gì đặc biệt?

Nghiên cứu kết hợp định tính ($n=20$) để hiệu chỉnh thang đo và định lượng ($n=223$) với quy trình sàng lọc dữ liệu nghiêm ngặt. Việc loại bỏ thang đo liêm chính học thuật không đạt độ tin cậy ($\alpha = 0.481$) và biến $TH2$ trong EFA đảm bảo mô hình cuối cùng đạt độ chuẩn xác khoa học cao.

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

Kết quả có độ đại diện cao cho sinh viên khối ngành kinh tế - xã hội tại các trường đại học ở đô thị phát triển như TP.HCM. Tuy nhiên, khi áp dụng cho các khối ngành đặc thù (Y dược, Kỹ thuật chuyên sâu) hoặc các địa phương khác, cần xem xét thêm các biến điều tiết vùng miền và chuyên ngành.

4. Hướng phát triển tiếp theo của nghiên cứu là gì?

Mở rộng quy mô mẫu đa tầng trên toàn quốc, nghiên cứu sâu hơn về tác động của các phiên bản AI nâng cao (GPT-4, Claude, Gemini) và đo lường định lượng kết quả học tập thông qua điểm GPA thực tế thay vì điểm tự đánh giá.

5. Sinh viên nên sử dụng ChatGPT như thế nào để đạt hiệu quả tối ưu?

Hãy xem ChatGPT như một "trợ lý học tập phản biện": dùng để tìm kiếm ý tưởng, tóm tắt tài liệu, giải thích khái niệm khó, nhưng luôn kiểm chứng nguồn gốc và tự mình thực hiện khâu tổng hợp, lập luận cuối cùng.

Kết luận (Conclusion)

Công trình nghiên cứu từ Khoa Toán - Thống kê (UEH) đã phác họa bức tranh toàn cảnh về tác động của ChatGPT đến sinh viên TP.HCM. Trí tuệ nhân tạo không còn là xu hướng tương lai mà đã là thực tế hiện hữu trong giảng đường đại học. Thay vì né tránh hay ngăn cấm, giải pháp bền vững duy nhất là trang bị cho sinh viên năng lực làm chủ công nghệ, xây dựng chuẩn mực đạo đức học thuật minh bạch và đổi mới căn bản phương pháp giáo dục để đào tạo ra những cá nhân có tư duy phản biện vượt trội trong kỷ nguyên AI.