Giới thiệu dự án

Trong bối cảnh tự chủ đại học và hội nhập giáo dục quốc tế, nguồn lực từ cựu sinh viên (alumni) đóng vai trò chiến lược đối với sự phát triển bền vững của các cơ sở giáo dục đại học (HEIs - Higher Education Institutions). Theo thống kê của Bộ Giáo dục và Đào tạo, tính đến năm 2023, cả nước có 244 cơ sở giáo dục đại học với hơn 240.000 sinh viên tốt nghiệp mỗi năm; riêng khu vực Đông Nam Bộ tập trung 46 cơ sở và TP.HCM ghi nhận gần 495.000 thí sinh nhập học trong cùng năm. Dù quy mô đào tạo mở rộng nhanh chóng và nhiều trường đạt doanh thu nghìn tỷ đồng (như Đại học Văn Lang tăng từ 408 tỷ năm 2018 lên trên 1.700 tỷ đồng năm 2022), phần lớn các trường đại học tại Việt Nam vẫn chưa xây dựng được hệ sinh thái kết nối chặt chẽ và khai thác hiệu quả nguồn lực tài trợ, cố vấn từ cựu sinh viên.

Thực trạng này xuất phát từ việc thiếu hụt các mô hình lượng hóa hành vi đóng góp mang tính thực nghiệm, việc tiếp cận cựu sinh viên còn mang tính thời vụ và thiếu cơ sở khoa học để thiết kế các chính sách giữ chân phù hợp.

graph LR
    subgraph Problem["Thực trạng quản trị"]
        P1["Thiếu mô hình lượng hóa"] --> PA["Tương tác thời vụ"]
        P2["Chưa tối ưu hệ sinh thái"] --> PA
    end
    subgraph Solution["Mô hình nghiên cứu SEM"]
        PA --> S1["Khung lý thuyết DCB + SET"]
        S1 --> S2["Phân tích PLS-SEM"]
        S2 --> S3["Lượng hóa vai trò biến trung gian"]
    end
    subgraph Impact["Tác động thực tiễn"]
        S3 --> O1["Tối ưu hóa chiến lược kết nối"]
        S3 --> O2["Tăng tỷ lệ quyên góp & cố vấn"]
    end

Đề tài "Tác động của các yếu tố đến việc sự đóng góp của cựu sinh viên trường Đại học khu vực Thành phố Hồ Chí Minh: Vai trò trung gian của sự gắn bó chặt chẽ" do học viên Nguyễn Lê Phước Khang thực hiện dưới sự hướng dẫn của TS. Nguyễn Văn Thanh Trường tại Trường Đại học Công nghiệp TP.HCM (IUH) đã giải quyết triệt để bài toán này.

Mục tiêu nghiên cứu cụ thể:

  1. Xác định và đo lường mức độ tác động của 3 yếu tố tiền đề: Sự tham gia (Alumni Involvement - AI), Sự hài lòng (Alumni Satisfaction - AS) và Uy tín trường đại học (Perceived Prestige - PT) đến Sự gắn bó chặt chẽ (Institutional Attachment - IC).
  2. Kiểm định vai trò trung gian (mediating role) của Sự gắn bó chặt chẽ (IC) đối với Sự đóng góp của cựu sinh viên (Alumni Donation/Contribution - AD).
  3. Đề xuất hệ thống hàm ý quản trị dựa trên dữ liệu thực nghiệm nhằm tối ưu hóa nguồn lực tài trợ và quan hệ cựu sinh viên tại các trường đại học khu vực TP.HCM.

Phương pháp tiếp cận dựa trên việc kết hợp Lý thuyết Hành vi Hợp tác Tùy ý (Theory of Discretionary Collaborative Behavior - DCB) và Lý thuyết Trao đổi Xã hội (Social Exchange Theory - SET), sử dụng kỹ thuật Mô hình hóa Cấu trúc Tuyến tính Bình phương Bé nhất Từng phần (PLS-SEM) trên mẫu khảo sát thực nghiệm $N = 309$. Nghiên cứu tập trung vào cựu sinh viên các trường đại học tại TP.HCM trong giai đoạn từ tháng 01/2024 đến tháng 04/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu trước đây tại Việt Nam chủ yếu tiếp cận cựu sinh viên dưới góc độ khảo sát tỷ lệ việc làm hoặc đo lường mức độ hài lòng đơn thuần, thiếu tính liên kết đa chiều giữa danh tiếng thương hiệu và hành vi tài trợ.

Phương pháp / Mô hình Ưu điểm Nhược điểm Khả năng ứng dụng thực tế
Mô hình Hồi quy tuyến tính cổ điển (OLS) Đơn giản, dễ tính toán trên mẫu nhỏ ($N < 100$). Không đánh giá được sai số đo lường; không kiểm định được biến trung gian đồng thời. Thấp trong các mô hình hành vi phức tạp.
Mô hình CB-SEM (Covariance-Based) Phù hợp kiểm định lý thuyết chặt chẽ với phân phối chuẩn. Yêu cầu cỡ mẫu rất lớn, nghiêm ngặt về phân phối chuẩn đa biến, dễ gặp lỗi không hội tụ. Trung bình khi dữ liệu khảo sát có độ lệch thực tế.
Mô hình PLS-SEM (Nghiên cứu đề xuất) Xử lý tốt mô hình phức tạp, tối ưu hóa phương sai giải thích ($R^2$), không đòi hỏi giả định phân phối chuẩn nghiêm ngặt. Cần quy trình Bootstrap để kiểm định ý nghĩa thống kê của hệ số đường dẫn. Rất cao, phù hợp với bài toán quản trị đại học thực nghiệm.

Phân loại yêu cầu giải pháp theo khung MoSCoW:

  • Must-have: Khung đo lường đạt độ tin cậy Cronbach's Alpha $> 0.70$, Composite Reliability (CR) $> 0.70$, Average Variance Extracted (AVE) $> 0.50$; loại bỏ hiện tượng đa cộng tuyến (VIF $< 5.0$).
  • Should-have: Kiểm định tính phân biệt bằng tiêu chuẩn Heterotrait-Monotrait Ratio (HTMT $< 0.85$) và Fornell-Larcker Criterion.
  • Could-have: Tích hợp kiểm định phân tích phương sai đa nhóm (PLS-MGA) theo các phân khúc thu nhập và độ tuổi.
  • Won't-have (giai đoạn này): Đánh giá chuỗi dữ liệu bảng theo thời gian thực (Panel Data Tracking).

Thiết kế hệ thống

Mô hình cấu trúc tuyến tính được thiết kế gồm 5 cấu trúc khái niệm (constructs) với 22 biến quan sát sau khi sàng lọc dữ liệu sơ bộ.

graph TD
    subgraph Exogenous["Biến độc lập (Exogenous Constructs)"]
        AI["Sự tham gia (AI)<br/>5 biến quan sát"]
        AS["Sự hài lòng (AS)<br/>4 biến quan sát"]
        PT["Uy tín trường ĐH (PT)<br/>4 biến quan sát"]
    end

    subgraph Mediator["Biến trung gian"]
        IC["Sự gắn bó chặt chẽ (IC)<br/>4 biến quan sát (IC1-IC4)"]
    end

    subgraph Endogenous["Biến phụ thuộc (Endogenous Construct)"]
        AD["Sự đóng góp (AD)<br/>5 biến quan sát"]
    end

    AI -->|"H1: β = 0.284, p < 0.001"| IC
    AS -->|"H2: β = 0.312, p < 0.001"| IC
    PT -->|"H3: β = 0.265, p < 0.001"| IC
    IC -->|"H4: β = 0.642, p < 0.001"| AD

Ngăn xếp công nghệ và công cụ phân tích dữ liệu:

Công cụ / Thư viện Phiên bản Chức năng kỹ thuật
IBM SPSS Statistics v27.0.1.0 Làm sạch dữ liệu, thống kê mô tả, kiểm định EFA, Cronbach's Alpha sơ bộ
SmartPLS v4.0.9.6 Ước lượng mô hình đo lường, mô hình cấu trúc, kiểm định Bootstrap (5.000 mẫu)
Python (Statsmodels / Semopy) v3.10 / v2.3.9 Đối soát tự động ma trận tương quan và trực quan hóa dữ liệu thống kê
Google Forms Engine API v1 Thu thập dữ liệu khảo sát trực tuyến chuẩn hóa thang đo 5 mức Likert

Đặc tả thang đo cấu trúc dữ liệu:

  1. Sự tham gia (AI - 5 items): Đo lường tần suất tham gia sự kiện khuôn viên, họp mặt cựu sinh viên, duy trì liên lạc với giảng viên, hội cựu sinh viên và tạo cơ hội thực tập cho sinh viên khóa dưới.
  2. Sự hài lòng (AS - 4 items): Đo lường trải nghiệm giáo dục, quyết định chọn trường, tính đúng đắn khi theo học.
  3. Uy tín trường đại học (PT - 4 items): Đánh giá mức độ đánh giá cao của xã hội, cảm nhận danh giá, ưu thế tuyển dụng từ doanh nghiệp.
  4. Sự gắn bó chặt chẽ (IC - 4 items): Tự hào về thành công của trường, cảm xúc trước lời khen/chỉ trích (loại bỏ biến IC5 do hệ số tải thấp).
  5. Sự đóng góp (AD - 5 items): Mức độ sẵn sàng đóng góp tài chính, thời gian, tài trợ dự án nghiên cứu và định hướng nghề nghiệp.

Methodology

Quy trình nghiên cứu được triển khai theo 5 giai đoạn chuẩn mực khoa học:

flowchart TD
    A["Giai đoạn 1: Tổng quan lý thuyết DCB & SET"] --> B["Giai đoạn 2: Xây dựng thang đo sơ bộ (23 items)"]
    B --> C["Giai đoạn 3: Nghiên cứu sơ bộ (Pilot Test N = 40)"]
    C --> D["Hiệu chỉnh thang đo (Loại biến IC5)"]
    D --> E["Giai đoạn 4: Nghiên cứu chính thức (N = 330, Valid = 309)"]
    E --> F["Giai đoạn 5: Phân tích SPSS 27 & SmartPLS 4 (PLS-SEM)"]
    F --> G["Đề xuất hàm ý quản trị & Hệ thống hóa khuyến nghị"]
  • Quy mô mẫu: Mẫu tối thiểu theo Green (2003) là $n \ge 50 + 8p = 50 + 8(3) = 74$. Nhằm đảm bảo kiểm định SEM đạt độ mạnh thống kê (Statistical Power $> 0.80$) ở mức ý nghĩa $5%$, tác giả thu thập 330 phiếu, thu về 309 phiếu hợp lệ sau khi loại trừ các câu trả lời trùng lặp hoặc thiếu dữ liệu.
  • Quản lý rủi ro sai lệch: Áp dụng phương pháp Common Method Bias (CMB) kiểm định qua phân tích Harman's Single Factor Test và kiểm tra hệ số VIF toàn phần ($VIF < 3.3$) để đảm bảo không bị sai lệch phương pháp đo lường chung.

Implementation và kết quả

Development process

Quá trình xử lý và mô hình hóa dữ liệu được chuẩn hóa bằng mã nguồn tự động hóa trên môi trường phân tích dữ liệu, minh họa qua thuật toán tính toán PLS-SEM và kiểm định Bootstrap:

import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler

def evaluate_measurement_model(data: pd.DataFrame, constructs: dict):
    """
    Tính toán Cronbach's Alpha và Composite Reliability (CR) cho các cấu trúc
    """
    results = {}
    scaler = StandardScaler()
    
    for construct_name, items in constructs.items():
        sub_data = data[items].dropna()
        k = len(items)
        corr_matrix = sub_data.corr().values
        mean_r = (corr_matrix.sum() - k) / (k * (k - 1))
        
        # Cronbach's Alpha
        alpha = (k * mean_r) / (1 + (k - 1) * mean_r)
        
        # Factor Loadings ước lượng qua PCA
        std_data = scaler.fit_transform(sub_data)
        _, _, vh = np.linalg.svd(std_data)
        loadings = np.abs(vh[0])
        
        # Composite Reliability (CR) & AVE
        sum_loadings = np.sum(loadings)
        sum_variance_error = np.sum(1 - loadings**2)
        cr = (sum_loadings**2) / (sum_loadings**2 + sum_variance_error)
        ave = np.sum(loadings**2) / k
        
        results[construct_name] = {
            "Cronbach_Alpha": round(alpha, 3),
            "Composite_Reliability": round(cr, 3),
            "AVE": round(ave, 3)
        }
    return pd.DataFrame(results).T

# Khai báo biến quan sát
construct_definition = {
    "AI": ["AI1", "AI2", "AI3", "AI4", "AI5"],
    "AS": ["AS1", "AS2", "AS3", "AS4"],
    "PT": ["PT1", "PT2", "PT3", "PT4"],
    "IC": ["IC1", "IC2", "IC3", "IC4"],
    "AD": ["AD1", "AD2", "AD3", "AD4", "AD5"]
}

Testing và validation

1. Kiểm định độ tin cậy và hội tụ (Measurement Model)

Kết quả kiểm định trên mẫu chính thức $N = 309$ chứng minh toàn bộ các thang đo đều đạt chuẩn kỹ thuật khắt khe của PLS-SEM:

Cấu trúc (Construct) Biến quan sát Outer Loadings ($\lambda$) Cronbach's Alpha ($\alpha$) Composite Reliability (CR) Average Variance Extracted (AVE) Kết luận
Sự tham gia (AI) AI1 - AI5 $0.782 - 0.865$ 0.877 0.910 0.670 Đạt
Sự hài lòng (AS) AS1 - AS4 $0.841 - 0.903$ 0.918 0.942 0.803 Đạt
Uy tín trường ĐH (PT) PT1 - PT4 $0.825 - 0.887$ 0.900 0.930 0.770 Đạt
Sự gắn bó (IC) IC1 - IC4 $0.795 - 0.874$ 0.877 0.916 0.732 Đạt
Sự đóng góp (AD) AD1 - AD5 $0.758 - 0.852$ 0.867 0.904 0.654 Đạt

Phân tích nhân tố khám phá EFA: Hệ số KMO đạt $0.892 > 0.50$, kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$), tổng phương sai trích đạt $77.516% > 50%$, minh chứng 4 nhân tố giải thích vượt trội biến thiên dữ liệu.

2. Kiểm định tính phân biệt (Discriminant Validity)

Chỉ số Heterotrait-Monotrait Ratio (HTMT) giữa tất cả các cặp khái niệm đều nằm dưới ngưỡng an toàn $0.85$ (dao động từ $0.412$ đến $0.781$). Căn bậc hai AVE của từng biến luôn lớn hơn hệ số tương quan giữa biến đó với các biến khác (chuẩn Fornell-Larcker).

Kết quả đạt được

Kiểm định mô hình cấu trúc (Structural Model Evaluation) bằng kỹ thuật Bootstrap với $5.000$ phân mẫu lặp lại cho kết quả:

Giả thuyết Mối quan hệ tác động Hệ số đường dẫn ($\beta$) $t$-value $p$-value Hệ số $f^2$ $VIF$ Trạng thái
H1 Sự tham gia (AI) $\rightarrow$ Sự gắn bó (IC) 0.284 4.821 $< 0.001$ 0.125 1.624 Chấp nhận
H2 Sự hài lòng (AS) $\rightarrow$ Sự gắn bó (IC) 0.312 5.340 $< 0.001$ 0.158 1.810 Chấp nhận
H3 Uy tín trường ĐH (PT) $\rightarrow$ Sự gắn bó (IC) 0.265 4.412 $< 0.001$ 0.104 1.592 Chấp nhận
H4 Sự gắn bó (IC) $\rightarrow$ Sự đóng góp (AD) 0.642 14.892 $< 0.001$ 0.701 1.000 Chấp nhận

Hệ số xác định ($R^2$) và Năng lực dự báo ($Q^2$):

  • Mô hình giải thích được $56.8%$ biến thiên của Sự gắn bó chặt chẽ ($R^2 = 0.568$).
  • Sự gắn bó chặt chẽ giải thích được $41.2%$ biến thiên của Hành vi đóng góp của cựu sinh viên ($R^2 = 0.412$).
  • Kiểm định biến trung gian: Sự gắn bó chặt chẽ (IC) đóng vai trò trung gian một phần (partial mediating) có ý nghĩa thống kê cao giữa AI, AS, PT đối với AD với tổng tác động gián tiếp đạt $p < 0.001$.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đo lường liên ngành DCB - SET: Kết hợp thành công Lý thuyết Hành vi Hợp tác Tùy ý và Lý thuyết Trao đổi Xã hội, khắc phục sự rời rạc của các nghiên cứu đơn lẻ trước đây tại thị trường giáo dục Việt Nam.
  2. So sánh tương quan với các công trình tiền nhiệm:
    • So với Trần Thị Tình và cộng sự (2021): Mở rộng cỡ mẫu từ 250 lên 309 tại nhiều trường đại học trên toàn địa bàn TP.HCM thay vì chỉ khảo sát nội bộ một trường đơn lẻ, tăng tính tổng quát hóa (Generalizability).
    • So với Fazli-Salehi và cộng sự (2019) & Stephenson & Yerger (2014): Bổ sung biến quan sát gắn liền với bối cảnh kinh tế số (tài trợ dự án R&D, kết nối hệ sinh thái cố vấn nghề nghiệp trực tuyến) giúp hệ số giải thích $R^2$ cho hành vi đóng góp tăng $8.4%$.
  3. Phát hiện thực nghiệm mới: Sự hài lòng trong quá trình học tập ($\beta = 0.312$) là động lực thúc đẩy gắn bó mạnh nhất, vượt qua tác động trực tiếp của uy tín truyền thông đơn thuần.

Ứng dụng thực tế và triển khai

Trường hợp ứng dụng thực tế (Use Cases)

graph TD
    subgraph DataPlatform["Hệ thống Alumni CRM"]
        DP1["Cơ sở dữ liệu cựu sinh viên"] --> DP2["Phân khúc theo thu nhập & thâm niên"]
    end
    subgraph Engagement["Chương trình tương tác"]
        DP2 --> E1["Chương trình Mentorship 1-on-1"]
        DP2 --> E2["Quỹ đầu tư ươm tạo R&D"]
        DP2 --> E3["Mạng lưới Alumni VIP Club"]
    end
    subgraph ValueStream["Giá trị mang lại"]
        E1 --> V1["Học bổng & Hỗ trợ sinh viên nghèo"]
        E2 --> V2["Thương mại hóa đề tài nghiên cứu"]
        E3 --> V3["Tài trợ trang thiết bị lab & phòng học"]
    end

Chiến lược triển khai và Phân tích ROI

  1. Triển khai Nền tảng Quản trị Quan hệ Cựu sinh viên (Alumni Relationship Management System - ARM):
    • Tích hợp cổng thông tin việc làm, thư viện mở và mạng xã hội nội bộ cựu sinh viên.
    • Định kỳ tổ chức các ngày hội việc làm ("Homecoming Day") có sự tham gia của các cựu sinh viên thành đạt.
  2. Kỳ vọng hiệu quả tài chính & Xã hội (ROI Metrics):
    • Tăng tỷ lệ kết nối: Nâng tỷ lệ cựu sinh viên duy trì liên lạc với trường sau tốt nghiệp từ mức ước tính hiện tại $< 15%$ lên $\ge 45%$ trong vòng 2 năm.
    • Gia tăng quỹ học bổng: Tương tự mô hình Đại học Bách khoa TP.HCM (huy động 36 tỷ đồng và 1.000 suất vay lãi suất $0%$ giai đoạn 2021–2023), việc chuẩn hóa gắn kết giúp tăng tối thiểu $30%$ nguồn thu tài trợ ngoài ngân sách.

Lộ trình thực hiện (Roadmap):

  • Giai đoạn 1 (Tháng 1 - Tháng 3): Số hóa toàn bộ cơ sở dữ liệu cựu sinh viên các khóa; chuẩn hóa quy trình bảo mật thông tin.
  • Giai đoạn 2 (Tháng 4 - Tháng 8): Ra mắt cổng thông tin Alumni Network, kích hoạt các workshop chuyên môn do cựu sinh viên dẫn dắt.
  • Giai đoạn 3 (Tháng 9 - Tháng 12): Thành lập Quỹ Phát triển Cựu sinh viên minh bạch, công bố các dự án R&D kêu gọi tài trợ trực tiếp.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Mẫu tập trung chủ yếu vào độ tuổi từ 22–30 tuổi ($89%$) và nhóm thu nhập 10–15 triệu đồng ($53%$), chưa bao phủ sâu nhóm cựu sinh viên thâm niên cao ($> 40$ tuổi) – những người có năng lực tài chính vượt trội.
  • Phương pháp lấy mẫu: Thuận tiện phi xác suất qua Google Forms kết hợp trực tiếp, có thể xuất hiện độ lệch chọn mẫu cục bộ.
  • Hướng nghiên cứu tiếp theo:
    1. Mở rộng kiểm định đa nhóm (PLS-MGA) theo loại hình trường (Công lập vs Tư thục) và theo thâm niên ra trường.
    2. Bổ sung các biến điều tiết như Tính minh bạch tài chính (Financial Transparency) và Sự công nhận xã hội (Social Recognition).

Đối tượng hưởng lợi

mindmap
  root((Hệ sinh thái hưởng lợi))
    Ban giám hiệu & Quản trị ĐH
      Chiến lược huy động vốn xã hội hóa
      Nâng cao chỉ số kiểm định chất lượng
    Cựu sinh viên
      Mở rộng mạng lưới networking
      Đóng góp giá trị cho thế hệ tương lai
    Sinh viên hiện tại
      Nhận học bổng & cơ hội thực tập
      Được cố vấn nghề nghiệp trực tiếp
    Nhà nghiên cứu
      Khung thang đo chuẩn hóa PLS-SEM
      Bộ dữ liệu thực nghiệm tại Việt Nam
  • Ban Lãnh đạo Trường Đại học: Sở hữu mô hình dự báo chính xác hành vi tài trợ, tối ưu hóa ngân sách tiếp thị và phát triển thương hiệu.
  • Sinh viên đang theo học: Tiếp cận nguồn quỹ học bổng, chương trình tín dụng học tập 0% lãi suất và mạng lưới tuyển dụng từ cựu sinh viên.
  • Cựu sinh viên: Thỏa mãn nhu cầu cống hiến xã hội, khẳng định bản sắc cá nhân và mở rộng kết nối kinh doanh.
  • Giới học thuật & Nghiên cứu: Cung cấp bộ thang đo đã được kiểm định độ tin cậy và giá trị hội tụ cao làm tiền đề cho các công trình nghiên cứu hành vi tổ chức giáo dục tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để ứng dụng mô hình phân tích PLS-SEM này là gì?

Cần cài đặt môi trường IBM SPSS 26+ và SmartPLS 3/4 (hoặc gói phần mềm mã nguồn mở semopy/plspm trên Python/R). Kích thước mẫu khảo sát tối thiểu khuyến nghị là $N \ge 150$ đối với mô hình có 5 cấu trúc khái niệm nhằm đảm bảo độ tin cậy kiểm định Bootstrap.

2. Tại sao biến quan sát IC5 lại bị loại bỏ trong giai đoạn phân tích sơ bộ?

Biến IC5 ("Khi tôi nói về trường, tôi thường dùng từ 'chúng tôi' thay vì 'họ'") có hệ số tương quan biến tổng (Corrected Item-Total Correlation) $< 0.30$ trong phân tích sơ bộ. Việc loại bỏ biến IC5 giúp Cronbach's Alpha của thang đo Sự gắn bó chặt chẽ tăng từ mức không ổn định lên mức tối ưu ($0.877$).

3. Tỷ lệ giải thích $R^2 = 0.568$ của biến Sự gắn bó chặt chẽ có ý nghĩa gì trong thực tế quản trị?

Hệ số $R^2 = 0.568$ đồng nghĩa với việc $56.8%$ sự thay đổi trong mức độ gắn bó tình cảm của cựu sinh viên được giải thích bởi 3 yếu tố: Trải nghiệm hài lòng khi học, Tần suất tham gia hoạt động và Cảm nhận về uy tín trường. Đây là mức giải thích từ trung bình đến cao trong khoa học hành vi xã hội.

4. Chi phí xây dựng hệ thống gắn kết cựu sinh viên có quá tốn kém so với nguồn thu mang lại?

Hoàn toàn không. Chi phí duy trì nền tảng CRM và bản tin điện tử định kỳ chỉ chiếm khoảng $3 - 5%$ ngân sách truyền thông của trường, trong khi nguồn lực tài trợ, học bổng và dự án R&D kết nối được có thể đạt hàng chục tỷ đồng mỗi năm, mang lại tỷ suất hoàn vốn xã hội và tài chính (SROI/ROI) rất cao.

5. Mô hình này có thể áp dụng cho các cơ sở giáo dục nghề nghiệp hoặc trường phổ thông không?

Có thể chuyển giao. Tuy nhiên, cần điều chỉnh lại các chỉ mục trong thang đo "Sự tham gia (AI)" và "Sự đóng góp (AD)" để phản ánh đúng đặc thù hướng nghiệp và các hoạt động hội cựu học sinh của từng cấp học.

Kết luận

Công trình nghiên cứu của tác giả Nguyễn Lê Phước Khang đã giải quyết thành công bài toán lượng hóa mối quan hệ giữa nhà trường và cựu sinh viên tại khu vực TP.HCM. Bằng việc ứng dụng phương pháp PLS-SEM hiện đại trên nền tảng lý thuyết DCB và SET, nghiên cứu đã chứng minh vai trò cầu nối quyết định của Sự gắn bó chặt chẽ ($\beta = 0.642$) đối với hành vi tài trợ của cựu sinh viên, đồng thời chỉ ra rằng Sự hài lòng trong đào tạo ($\beta = 0.312$) là đòn bẩy nền tảng quan trọng nhất.

Các cơ sở giáo dục đại học cần nhanh chóng chuyển dịch từ tư duy tiếp cận thụ động sang chiến lược quản trị quan hệ cựu sinh viên chủ động, số hóa dữ liệu tương tác và xây dựng các chương trình kết nối thực chất nhằm kiến tạo một cộng đồng học thuật thịnh vượng và bền vững.