Báo Cáo Nghiên Cứu: Tác Động Của Việc Ứng Dụng Mạng Xã Hội Đến Kết Quả Học Tập Của Sinh Viên Đại Học Tại TP.HCM

Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu cốt lõi: Việc ứng dụng mạng xã hội (Social Media Applications – SMU) tác động như thế nào đến sự gắn kết học tập, mức độ hài lòng và kết quả học tập (Academic Performance) của sinh viên đại học trên địa bàn Thành phố Hồ Chí Minh?
  • Tổng quan phương pháp (Methodology Snapshot): Nghiên cứu sử dụng phương pháp định lượng thông qua khảo sát bảng hỏi cấu trúc thang đo Likert 5 điểm. Dữ liệu gồm 310 mẫu hợp lệ thu thập từ sinh viên các trường đại học tại TP.HCM, được phân tích bằng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) trên phần mềm SmartPLS kết hợp kiểm định thống kê qua SPSS.
  • Phát hiện chính (Key Findings):
    • Tương tác với bạn học (INP), tương tác với giảng viên (INL) và học tập cộng tác chủ động (ACL) có tác động tích cực đáng kể đến mức độ gắn kết học tập (EN).
    • Cảm nhận về tính dễ sử dụng (PEOU) tác động mạnh mẽ đến cảm nhận tính hữu ích (PU) ($T = 21.221$).
    • Sự gắn kết (EN), mức độ sử dụng mạng xã hội (SMU) và sự hài lòng của sinh viên (SS) đóng vai trò trung gian thúc đẩy trực tiếp và gián tiếp đến kết quả học tập (SAP), giải thích được 54.5% phương sai của biến kết quả học tập ($R^2 = 0.545$) và 47.8% phương sai của sự hài lòng ($R^2 = 0.478$).
  • Hàm ý thực tiễn (Implications): Mạng xã hội không chỉ đơn thuần là công cụ giải trí mà đã trở thành môi trường học tập số thiết yếu. Các cơ sở giáo dục đại học cần chủ động xây dựng khung hướng dẫn và tích hợp nền tảng mạng xã hội vào các hoạt động thảo luận, làm việc nhóm nhằm tối ưu hóa trải nghiệm học thuật và bảo đảm tính bền vững trong giáo dục.

Bối cảnh và tầm quan trọng (Context & Significance)

1. Hiện trạng tri thức (Current State of Knowledge)

Trong kỷ nguyên chuyển đổi số và đặc biệt sau những gián đoạn do đại dịch COVID-19, phương thức tiếp nhận tri thức của sinh viên đại học đã có sự dịch chuyển mạnh mẽ từ lớp học truyền thống sang môi trường trực tuyến. Theo các báo cáo số liệu toàn cầu từ DataReportal, người dùng dành trung bình gần 7 giờ mỗi ngày trên không gian mạng, và tại Việt Nam, hơn 72 triệu người thường xuyên sử dụng mạng xã hội với mục đích đa dạng từ giao tiếp, giải trí đến học tập.

Nhiều lý thuyết kinh điển như Mô hình chấp nhận công nghệ (TAM) của Davis (1989) và Thuyết kiến tạo xã hội (Constructivism Theory) khẳng định rằng sự tương tác và công nghệ hỗ trợ đóng vai trò then chốt trong việc hình thành kiến thức. Tuy nhiên, việc áp dụng công nghệ này vào học tập bậc đại học vẫn đang tạo ra hai luồng ý kiến trái chiều: một bên xem mạng xã hội là đòn bẩy cộng tác, bên còn lại cảnh báo nguy cơ gây xao nhãng và giảm sút động lực tự thân.

2. Khoảng trống nghiên cứu (Research Gap)

Phần lớn các nghiên cứu chuyên sâu về tác động của mạng xã hội đến kết quả học thuật được thực hiện tại các quốc gia phương Tây hoặc khu vực Trung Đông (như nghiên cứu của Alamri và cộng sự, 2020; Alalwan và cộng sự, 2019). Tại Việt Nam – một quốc gia có tốc độ phổ cập Internet và mạng xã hội hàng đầu khu vực – các nghiên cứu tích hợp đa chiều giữa TAM, học tập cộng tác chủ động (ACL), sự gắn kết (EN) và sự hài lòng (SS) để đo lường kết quả học tập của sinh viên đại học tại các đô thị lớn như TP.HCM vẫn còn khá hạn chế.

3. Tính thời điểm và tiềm năng ứng dụng

Nghiên cứu được triển khai tại TP.HCM – trung tâm giáo dục đại học lớn nhất cả nước. Kết quả nghiên cứu cung cấp cơ sở khoa học xác thực giúp các trường đại học, nhà hoạch định chính sách giáo dục và các nhà phát triển công nghệ EdTech thiết kế lộ trình giảng dạy kết hợp (blended learning) phù hợp với hành vi công nghệ của sinh viên thế hệ Gen Z.

Phương pháp tiếp cận và mô hình nghiên cứu (Methodology & Research Design)

flowchart TD
    INP["Tương tác bạn học (INP)"] --> EN["Gắn kết học tập (EN)"]
    INL["Tương tác giảng viên (INL)"] --> EN
    ACL["Học tập cộng tác (ACL)"] --> EN
    
    PEOU["Cảm nhận dễ dùng (PEOU)"] --> PU["Cảm nhận hữu ích (PU)"]
    PEOU --> EN
    PU --> EN
    
    EN --> SMU["Sử dụng MXH (SMU)"]
    EN --> SS["Hài lòng sinh viên (SS)"]
    EN --> SAP["Kết quả học tập (SAP)"]
    
    SMU --> SS
    SMU --> SAP
    SS --> SAP

1. Thiết kế nghiên cứu (Research Design)

Đề tài áp dụng quy trình nghiên cứu định lượng chặt chẽ trải qua 2 giai đoạn:

  • Nghiên cứu sơ bộ (Pilot Test): Tiến hành khảo sát thử nghiệm trên mẫu nhỏ ($N = 20$) để đánh giá độ rõ ràng của câu chữ, ngữ cảnh hóa các thang đo quốc tế sang tiếng Việt và loại bỏ những điểm nhập nhằng trong bảng hỏi.
  • Nghiên cứu chính thức (Formal Research): Thu thập dữ liệu diện rộng qua biểu mẫu trực tuyến (Google Forms) trên các cộng đồng sinh viên, diễn đàn học thuật tại TP.HCM.

2. Thang đo và thu thập dữ liệu (Measurement Scales & Data Collection)

  • Kích thước mẫu: Bảng hỏi thu về 323 phản hồi, sau quá trình sàng lọc loại bỏ các phiếu không hợp lệ, 310 mẫu đạt chuẩn được đưa vào xử lý dữ liệu (đáp ứng vượt trội tiêu chuẩn kích thước mẫu tối thiểu theo công thức của Hair et al., 1998 và Tabachnick & Fidell, 1996).
  • Cơ cấu nhân khẩu học: 68.7% nữ, 31.3% nam; phân bổ chủ yếu ở độ tuổi 18–21 (sinh viên năm 1 và năm 2 chiếm trên 73%); hơn 89% đối tượng thường xuyên sử dụng các nền tảng mạng xã hội kết hợp cho mục đích học thuật.
  • Thang đo: Gồm 9 cấu trúc biến với 39 biến quan sát kế thừa từ các công trình chuẩn quốc tế (Davis, 1989; Dillenbourg, 1999; Patera, 2008; Rueda, 2017; Al-Rahmi, 2019), sử dụng thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý).

3. Kỹ thuật phân tích dữ liệu và kiểm định độ tin cậy

  • Đánh giá mô hình đo lường (Measurement Model): Kiểm tra hệ số tải ngoài (Outer Loadings $\ge 0.7$), độ tin cậy nhất quán nội tại qua Hệ số tin cậy tổng hợp (Composite Reliability – CR > 0.7), giá trị hội tụ (AVE $\ge 0.5$). Các biến quan sát không đạt ngưỡng tải quy định (như PEOU6, SMU1, SMU2, SMU4, SS2) đã được loại bỏ để tối ưu hóa mô hình.
  • Giá trị phân biệt (Discriminant Validity): Được xác nhận thông qua tiêu chuẩn Fornell-Larcker (căn bậc hai của AVE lớn hơn hệ số tương quan giữa các biến ẩn) và kiểm tra ma trận tải chéo (cross-loadings).
  • Kiểm tra đa cộng tuyến: Hệ số phóng đại phương sai (VIF) của tất cả các biến đều nằm trong khoảng $1.499 - 2.900$ (thấp hơn ngưỡng giới hạn 5.0), khẳng định không xảy ra hiện tượng đa cộng tuyến.
  • Đánh giá mô hình cấu trúc (Structural Model): Sử dụng kỹ thuật Bootstrapping 5000 mẫu lặp để kiểm tra mức ý nghĩa thống kê của các giả thuyết (xác định qua $T\text{-statistics} > 1.96$, $P\text{-value} < 0.05$ và hệ số kích thước tác động $f^2$).

Phát hiện nghiên cứu chính (Major Findings & Discussion)

Mối quan hệ giả thuyết Hệ số T-Statistics Mức ý nghĩa P-Value Đánh giá giả thuyết
INP $\rightarrow$ EN (Tương tác bạn bè $\rightarrow$ Gắn kết) 2.027 $p < 0.05$ Chấp nhận (H1)
INL $\rightarrow$ EN (Tương tác giảng viên $\rightarrow$ Gắn kết) 2.023 $p < 0.05$ Chấp nhận (H2)
ACL $\rightarrow$ EN (Cộng tác chủ động $\rightarrow$ Gắn kết) 3.044 $p < 0.01$ Chấp nhận (H3)
PEOU $\rightarrow$ PU (Dễ dùng $\rightarrow$ Hữu ích) 21.221 $p < 0.001$ Chấp nhận (H4)
EN $\rightarrow$ SAP (Gắn kết $\rightarrow$ Kết quả học tập) 4.195 $p < 0.001$ Chấp nhận (H11)
SMU $\rightarrow$ SAP (Sử dụng MXH $\rightarrow$ Kết quả học tập) 3.085 $p < 0.01$ Chấp nhận (H13)
SS $\rightarrow$ SAP (Hài lòng $\rightarrow$ Kết quả học tập) 4.428 $p < 0.001$ Chấp nhận (H14)

Phân tích chi tiết các kết quả trọng tâm:

  1. Học tập cộng tác và tương tác xã hội là động lực cốt lõi tạo nên sự gắn kết ($EN$): Cả ba yếu tố INP, INL và ACL đều có mối tương quan thuận chiều có ý nghĩa thống kê đối với sự gắn kết học tập. Trong đó, học tập cộng tác chủ động ($ACL \rightarrow EN, T = 3.044$) thể hiện tác động vượt trội nhất. Khi sinh viên chủ động cùng bạn bè thảo luận, đồng kiến tạo kiến thức thông qua các nhóm học tập trên mạng xã hội, mức độ tập trung, hứng thú và thời gian đầu tư cho việc học tăng lên rõ rệt.

  2. Cảm nhận dễ sử dụng ($PEOU$) chi phối áp đảo đến cảm nhận hữu ích ($PU$): Chỉ số $T\text{-statistic} = 21.221$ là giá trị cao nhất trong toàn bộ mô hình cấu trúc. Điều này chứng minh rằng giao diện trực quan, tính tiện lợi và sự quen thuộc của các nền tảng mạng xã hội giúp sinh viên xóa bỏ rào cản kỹ thuật, từ đó dễ dàng nhận ra giá trị hữu ích của công cụ trong việc cải thiện hiệu suất học tập.

  3. Mạng xã hội tác động trực tiếp và gián tiếp đến kết quả học tập ($SAP$):

    • Tác động trực tiếp từ việc sử dụng mạng xã hội ($SMU \rightarrow SAP, T = 3.085$) và mức độ gắn kết ($EN \rightarrow SAP, T = 4.195$) khẳng định việc dùng mạng xã hội đúng mục đích mang lại tác động tích cực thực sự đến điểm số và khả năng hiểu bài.
    • Tác động gián tiếp đa tầng: Các đường dẫn trung gian như $ACL \rightarrow EN \rightarrow SS \rightarrow SAP$ ($p = 0.000$) và $EN \rightarrow SMU \rightarrow SS \rightarrow SAP$ ($p = 0.023$) cho thấy mạng xã hội nâng cao sự thỏa mãn và mức độ gắn kết của người học trước khi chuyển hóa thành kết quả học tập vượt trội.

  4. Năng lực giải thích của mô hình ($R^2$): Mô hình đạt độ thích ứng cao khi giải thích được 54.5% sự biến thiên của biến Kết quả học tập ($R^2 = 0.545$) và 47.8% sự biến thiên của biến Sự hài lòng của sinh viên ($R^2 = 0.478$). Phần còn lại phản ánh các yếu tố ngoại sinh khác như nỗ lực cá nhân, môi trường gia đình hoặc phương pháp sư phạm truyền thống.

Đóng góp khoa học và hàm ý thực tiễn (Contributions & Implications)

1. Đóng góp về mặt lý thuyết (Theoretical Contributions)

  • Mở rộng và kiểm chứng thành công Mô hình Chấp nhận Công nghệ (TAM) kết hợp với Thuyết Kiến tạo Xã hội trong bối cảnh cụ thể của hệ thống giáo dục đại học tại Việt Nam.
  • Chứng minh vai trò trung gian kép của "Sự gắn kết" ($EN$) và "Sự hài lòng" ($SS$) trong việc kết nối các hành vi sử dụng mạng xã hội với kết quả học thuật thực tế, bổ sung dữ liệu thực nghiệm quan trọng cho y văn nghiên cứu giáo dục bền vững.

2. Đóng góp về mặt phương pháp luận (Methodological Innovations)

  • Chuẩn hóa bộ thang đo 9 thành phần thích ứng với sinh viên đại học tại Việt Nam.
  • Ứng dụng quy trình phân tích PLS-SEM tiên tiến, kết hợp kiểm định giả định phân phối qua Bootstrapping và phân tích ANOVA/T-test mở rộng nhằm đánh giá sâu sắc sự khác biệt nhân khẩu học.

3. Hàm ý quản trị và thực tiễn (Practical & Policy Implications)

  • Đối với Nhà trường và Giảng viên:
    • Cần chủ động chuyển đổi từ tư duy "cấm đoán mạng xã hội" sang "tận dụng có định hướng".
    • Thiết kế các bài tập nhóm, dự án thực tế đòi hỏi sinh viên phải phối hợp tương tác trực tuyến qua các kênh học thuật số, đồng thời duy trì kênh tương tác mở giữa giảng viên và sinh viên ngoài giờ lên lớp.
  • Đối với Doanh nghiệp Công nghệ Giáo dục (EdTech):
    • Tích hợp các tính năng tương tác xã hội (thảo luận nhóm, chia sẻ tài liệu theo luồng, phản hồi tức thì) vào hệ sinh thái E-Learning để tăng trải nghiệm người dùng ($PEOU$) và tối ưu hóa tính hữu ích ($PU$).
  • Đối với Sinh viên:
    • Hình thành kỹ năng quản lý thời gian và chọn lọc thông tin, sử dụng mạng xã hội như một cổng tri thức tương tác thay vì chỉ để lướt xem thụ động.

Đối tượng hưởng lợi từ nghiên cứu (Target Audience)

  • Nhà nghiên cứu học thuật (Academic Researchers): Có thêm khung tham chiếu mô hình SEM và thang đo đã được kiểm định độ tin cậy để mở rộng nghiên cứu sang các cấp học khác hoặc đối sánh đa văn hóa.
  • Ban giám hiệu & Nhà quản lý giáo dục (Policy Makers): Căn cứ dữ liệu thực chứng để xây dựng quy chế giảng dạy trực tuyến và chiến lược chuyển đổi số giáo dục bền vững.
  • Giảng viên đại học (Lecturers): Nắm bắt tâm lý và hành vi học tập trực tuyến của sinh viên, từ đó đổi mới phương pháp giảng dạy lấy người học làm trung tâm.
  • Sinh viên & Học viên cao học (Students): Thấu hiểu cách thức tối ưu hóa công cụ truyền thông xã hội để nâng cao năng suất tự học và cải thiện kết quả học tập cá nhân.

Câu hỏi thường gặp (Frequently Asked Questions - FAQ)

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

Phát hiện then chốt là mối quan hệ cực kỳ chặt chẽ giữa tính dễ sử dụng ($PEOU$) và tính hữu ích ($PU$) với giá trị $T = 21.221$. Điều này chứng minh rằng đối với sinh viên thế hệ số, một công cụ học tập càng tiện dụng và thân thiện thì sinh viên càng nhanh chóng nhận ra giá trị thực tiễn của nó và sẵn sàng ứng dụng vào việc học tập cộng tác.

2. Phương pháp phân tích dữ liệu có điểm gì nổi bật?

Nghiên cứu kết hợp giữa mô hình cấu trúc tuyến tính PLS-SEM trên phần mềm SmartPLS (phù hợp với các mô hình phức tạp nhiều biến trung gian) và kiểm định sâu trên SPSS (Independent Sample T-test, One-Way ANOVA) để phân tích toàn diện sự khác biệt theo độ tuổi, giới tính và năm học của người tham gia khảo sát.

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

Mặc dù mẫu khảo sát ($N = 310$) tập trung chủ yếu tại khu vực TP.HCM, kết quả phản ánh xu hướng hành vi chung của sinh viên đại học trong bối cảnh kỹ thuật số tại Việt Nam. Tuy nhiên, để khái quát hóa trên phạm vi toàn quốc, các nghiên cứu tiếp theo nên mở rộng quy mô mẫu sang các trường đại học ở miền Bắc và miền Trung cũng như các nhóm ngành chuyên biệt.

4. Những hạn chế và hướng phát triển tiếp theo của nghiên cứu là gì?

Nghiên cứu thu thập dữ liệu cắt ngang (cross-sectional data) tại một thời điểm. Hướng nghiên cứu tương lai có thể áp dụng nghiên cứu theo chuỗi thời gian (longitudinal study) hoặc kết hợp phương pháp định tính (phỏng vấn sâu) để làm rõ hơn các yếu tố tâm lý tiêu cực phát sinh khi sử dụng mạng xã hội quá mức.

5. Làm thế nào để ứng dụng kết quả nghiên cứu vào thực tế lớp học ngay hôm nay?

Giảng viên có thể bắt đầu bằng việc lập các diễn đàn trao đổi chuyên đề trên mạng xã hội, chia nhóm học tập cộng tác chủ động (ACL) và đưa ra các tiêu chí đánh giá khuyến khích tương tác đa chiều giữa sinh viên với nhau và với người hướng dẫn.

Kết luận (Conclusion)

Báo cáo nghiên cứu đã làm sáng tỏ cơ chế tác động tích cực của việc ứng dụng mạng xã hội đến kết quả học tập của sinh viên đại học tại TP.HCM. Thông qua việc kích hoạt tương tác học tập chủ động và gia tăng sự gắn kết, mạng xã hội chính là công cụ đắc lực giúp nâng cao chất lượng đào tạo và thúc đẩy phát triển giáo dục đại học bền vững.

Các trường đại học và cơ quan quản lý cần nhanh chóng nắm bắt xu thế, chủ động kiến tạo môi trường học tập số linh hoạt, an toàn và hiệu quả nhằm trang bị cho sinh viên năng lực thích ứng vững vàng trong kỷ nguyên số.