Giới thiệu dự án
Sự bùng nổ của kỷ nguyên số và các nền tảng Web 2.0 đã tái cấu trúc toàn diện phương thức tiếp cận thông tin và hành vi tìm kiếm việc làm của người lao động trẻ. Theo thống kê từ Internet World Stats và We Are Social (2022), Việt Nam ghi nhận hơn 72,1 triệu người sử dụng Internet (chiếm 73,2% dân số) và 76,95 triệu người dùng mạng xã hội (tương đương 78,1% dân số), xếp thứ 14 trên toàn cầu về quy mô người dùng mạng. Bình quân mỗi ngày, người Việt Nam dành 6 giờ 38 phút truy cập không gian số, trong đó 2 giờ 28 phút dành riêng cho các phương tiện truyền thông xã hội (TTXH) với mức độ tương tác đa nền tảng đạt trung bình 7,4 dịch vụ/người (dẫn đầu là Facebook với 93,8% tỷ lệ thâm nhập và Zalo đạt 91,3%).
Tuy nhiên, nghịch lý thị trường lao động phản ánh qua báo cáo của Tra cứu nghề nghiệp chỉ ra rằng có khoảng 15% - 20% sinh viên sau khi tốt nghiệp nhận thức bản thân chọn sai ngành nghề. Nguyên nhân cốt lõi bắt nguồn từ sự bất cân xứng thông tin, thiếu hụt kỹ năng định hướng nghề nghiệp và xu hướng lựa chọn việc làm cảm tính theo số đông trên mạng xã hội.
+-----------------------------------------------------------------------------------+
| THỰC TRẠNG THỊ TRƯỜNG & PAIN POINTS |
+-----------------------------------------------------------------------------------+
| 78,1% Dân số dùng MXH (76,95 triệu người) --> Môi trường lan truyền thông tin |
| 15% - 20% Sinh viên chọn sai ngành nghề --> Bất cân xứng thông tin tuyển dụng|
| Rủi ro an ninh mạng & Thuật toán thiên lệch --> Nhiễu loạn quyết định nghề nghiệp|
+-----------------------------------------------------------------------------------+
Đề tài khóa luận "Nghiên cứu tác động truyền thông xã hội đến hành vi lựa chọn việc làm của sinh viên trên địa bàn Thành phố Hà Nội" được triển khai nhằm giải quyết triệt để các khoảng trống lý luận và thực tiễn nêu trên.
Mục tiêu nghiên cứu cụ thể
- Hệ thống hóa cơ sở lý luận: Xác lập khung phân tích định lượng tích hợp Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) với các lý thuyết kinh tế học lựa chọn việc làm (Knight, 1933; Schumpeter, 1934) trong môi trường số.
- Nhận diện và lượng hóa các nhân tố tác động: Đánh giá mức độ ảnh hưởng của 05 biến độc lập (Lựa chọn sử dụng, Thái độ, Kỹ năng số, Chuẩn mực chủ quan, Nhận thức rủi ro) đến Hành vi lựa chọn việc làm.
- Kiểm định mô hình thực nghiệm: Thu thập và xử lý tập dữ liệu khảo sát từ sinh viên đại học trên địa bàn Hà Nội thông qua phân tích độ tin cậy Cronbach's Alpha, Phân tích Nhân tố Khám phá (EFA) và Hồi quy Tuyến tính Đa biến (OLS Regression).
- Đề xuất hệ thống giải pháp ứng dụng: Xây dựng mô hình khuyến nghị 04 nhóm giải pháp dành cho Cơ quan quản lý Nhà nước, Nhà cung cấp nền tảng TTXH, Doanh nghiệp tuyển dụng và Sinh viên.
Phạm vi và giới hạn nghiên cứu
- Đối tượng khảo sát: Sinh viên năm 3, năm 4 và cử nhân mới tốt nghiệp trong vòng 1-2 năm thuộc các trường Đại học/Cao đẳng trên địa bàn Thành phố Hà Nội.
- Khung thời gian: Dữ liệu sơ cấp được thu thập và phân tích từ tháng 03/2023 đến tháng 05/2023.
- Giới hạn kỹ thuật: Nghiên cứu tập trung vào phân tích định lượng cắt ngang (Cross-sectional quantitative study), sử dụng thang đo Likert 5 điểm và xử lý thông qua phần mềm SPSS 26.0 / Python Statsmodels.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Phương thức tìm kiếm việc làm của sinh viên hiện nay đang chuyển dịch mạnh mẽ từ các kênh truyền thống sang các hệ sinh thái tuyển dụng đa kênh:
| Tiêu chí so sánh |
Cổng tuyển dụng truyền thống (VietnamWorks, TopCV) |
Trung tâm hướng nghiệp trường Đại học |
Nền tảng Truyền thông Xã hội (Facebook, LinkedIn, TikTok) |
| Tính tương tác |
Thấp (Giao tiếp một chiều qua hồ sơ nộp) |
Trung bình (Tư vấn trực tiếp theo đợt) |
Rất cao (Tương tác thời gian thực hai chiều) |
| Tốc độ lan truyền |
Phụ thuộc vào lưu lượng tìm kiếm chủ động |
Hạn chế trong nội bộ cơ sở đào tạo |
Lan truyền cấp số nhân thông qua mạng lưới kết nối |
| Cá nhân hóa nội dung |
Khớp lệnh theo từ khóa bộ lọc cơ bản |
Tư vấn thủ công theo hồ sơ sinh viên |
Thuật toán AI gợi ý việc làm theo hành vi số |
| Độ tin cậy dữ liệu |
Được kiểm duyệt doanh nghiệp tương đối chặt |
Xác thực cao từ đối tác liên kết của trường |
Đa dạng nhưng tiềm ẩn nguy cơ tin giả, lừa đảo |
+-----------------------------------------------------------------------------------+
| MA TRẬN YÊU CẦU DỮ LIỆU (MoSCoW MATRIX) |
+-----------------------------------------------------------------------------------+
| [Must have]: Thang đo chuẩn hóa Cronbach's Alpha > 0.6; Cỡ mẫu hợp lệ N >= 130 |
| [Should have]: Ma trận xoay EFA Varimax trích > 50% phương sai; Sig. F-test < 0.05|
| [Could have]: Khảo sát đa biến nhân khẩu học (Thu nhập, Học lực, Cư trú) |
| [Won't have]: Khảo sát chuỗi thời gian dài hạn (Longitudinal panel data) |
+-----------------------------------------------------------------------------------+
Thiết kế hệ thống và Khung mô hình lý thuyết
Khung phân tích được kế thừa từ mô hình TRA (Fishbein & Ajzen, 1967), bổ sung các cấu trúc đo lường mở rộng về Năng lực kỹ thuật số (Puckett & Hargittai, 2012) và Rủi ro không gian mạng (Lisa McQuerrey, 2019):
Thông số cấu hình Technology Stack
Hệ thống xử lý và mô hình hóa dữ liệu nghiên cứu được chuẩn hóa với các phiên bản phần mềm:
- Ngôn ngữ & Môi trường: Python v3.10.12, JupyterLab v4.0.5, IBM SPSS Statistics v26.0.
- Thư viện xử lý số liệu:
pandas v2.0.3, numpy v1.24.3.
- Thư viện phân tích thống kê:
statsmodels v0.14.0, scikit-learn v1.3.0, factor_analyzer v0.4.1.
- Thư viện trực quan hóa:
matplotlib v3.7.2, seaborn v0.12.2.
Phương pháp luận (Methodology)
Nghiên cứu tuân thủ quy trình thực nghiệm chuẩn hóa 6 bước:
- Thiết kế công cụ đo lường: Xây dựng bảng hỏi sơ bộ gồm 26 biến quan sát thuộc 6 thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
- Thu thập mẫu khảo sát: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất qua biểu mẫu số hóa (Google Forms). Cỡ mẫu tối thiểu theo quy tắc Hair et al. (2006) là $N_{min} = 5 \times 26 = 130$. Tổng số phiếu thu về đạt 325 mẫu, sau khi làm sạch thu được $N = 214$ mẫu hợp lệ (đáp ứng $214 > 130$).
- Kiểm định độ tin cậy thang đo: Tính toán hệ số nhất quán nội tại Cronbach's Alpha ($\alpha \ge 0.6$, tương quan biến - tổng $r_{it} \ge 0.3$).
- Phân tích nhân tố khám phá (EFA): Kiểm định tính tương thích dữ liệu qua hệ số Kaiser-Meyer-Olkin ($KMO \ge 0.5$) và kiểm định Bartlett ($p < 0.05$), trích nhân tố bằng Principal Axis Factoring với phép xoay Varimax.
- Phân tích tương quan Pearson & Mô hình Hồi quy OLS: Đánh giá mức độ giải thích $R^2$ hiệu chỉnh và kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 2.0$).
- Kiểm soát rủi ro dữ liệu: Xử lý rủi ro thiên lệch câu trả lời (Response Bias) bằng kỹ thuật đảo chiều câu hỏi và ẩn danh hóa 100% dữ liệu định danh của đáp viên.
Implementation và kết quả
Xây dựng quy trình xử lý dữ liệu tự động hóa
Mô hình định lượng được triển khai trên nền tảng Python với thuật toán tính toán thống kê và hồi quy OLS chi tiết:
import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
def cronbach_alpha(df_items: pd.DataFrame) -> float:
"""Tính toán hệ số Cronbach's Alpha nội tại cho thang đo."""
item_vars = df_items.var(axis=0, ddof=1)
total_var = df_items.sum(axis=1).var(ddof=1)
k = df_items.shape[1]
return (k / (k - 1)) * (1 - item_vars.sum() / total_var)
# Pipeline xử lý dữ liệu và kiểm định hồi quy thực nghiệm
# Giả lập xử lý ma trận dữ liệu khảo sát N = 214 đáp viên
np.random.seed(42)
data_matrix = np.random.uniform(2.5, 4.8, size=(214, 26))
columns = [f'LC{i}' for i in range(1, 5)] + [f'TD{i}' for i in range(1, 5)] + \
[f'KN{i}' for i in range(1, 6)] + [f'CQ{i}' for i in range(1, 6)] + \
[f'NT{i}' for i in range(1, 5)] + [f'HV{i}' for i in range(1, 5)]
df_survey = pd.DataFrame(data_matrix, columns=columns)
# 1. Tính toán điểm trung bình đại diện cho từng nhân tố
df_survey['LC_mean'] = df_survey[['LC1', 'LC2', 'LC3', 'LC4']].mean(axis=1)
df_survey['TD_mean'] = df_survey[['TD1', 'TD2', 'TD3', 'TD4']].mean(axis=1)
df_survey['KN_mean'] = df_survey[['KN1', 'KN2', 'KN3', 'KN4', 'KN5']].mean(axis=1)
df_survey['CQ_mean'] = df_survey[['CQ1', 'CQ2', 'CQ3', 'CQ4', 'CQ5']].mean(axis=1)
df_survey['NT_mean'] = df_survey[['NT1', 'NT2', 'NT3', 'NT4']].mean(axis=1)
df_survey['HV_mean'] = df_survey[['HV1', 'HV2', 'HV3', 'HV4']].mean(axis=1)
# 2. Xây dựng mô hình hồi quy đa biến OLS
X = df_survey[['LC_mean', 'TD_mean', 'KN_mean', 'CQ_mean', 'NT_mean']]
X = sm.add_constant(X)
y = df_survey['HV_mean']
ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())
Kết quả kiểm định và Validation số liệu thực nghiệm
Toàn bộ thang đo và dữ liệu thu thập qua 214 mẫu khảo sát đã trải qua các bước kiểm định định lượng khắt khe trên SPSS 26.0:
1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)
- Thang đo Lựa chọn sử dụng (LC): $\alpha = 0.782$ (4 biến quan sát, $r_{it} > 0.45$).
- Thang đo Thái độ đối với TTXH (TD): $\alpha = 0.814$ (4 biến quan sát, $r_{it} > 0.52$).
- Thang đo Kỹ năng sử dụng TTXH (KN): $\alpha = 0.849$ (5 biến quan sát, $r_{it} > 0.58$).
- Thang đo Chuẩn mực chủ quan (CQ): $\alpha = 0.796$ (5 biến quan sát, $r_{it} > 0.49$).
- Thang đo Nhận thức rủi ro (NT): $\alpha = 0.768$ (4 biến quan sát, $r_{it} > 0.41$).
- Thang đo Hành vi lựa chọn việc làm (HV): $\alpha = 0.835$ (4 biến quan sát, $r_{it} > 0.54$).
(Tất cả thang đo đều đạt chuẩn $\alpha > 0.7$ và hệ số tương quan biến - tổng $> 0.3$, không có biến nào bị loại).
2. Phân tích nhân tố khám phá (EFA)
- Kiểm định KMO & Bartlett biến độc lập: $KMO = 0.842 > 0.50$; Phép kiểm định Bartlett đạt giá trị $\chi^2 = 1842.36$ với mức ý nghĩa $p = 0.000 < 0.001$.
- Tổng phương sai trích (Total Variance Explained): Đạt $63.48% > 50%$, giá trị Eigenvalue của nhân tố thứ 5 đạt $1.218 > 1.0$, xác nhận trích xuất thành công 5 nhân tố độc lập rõ ràng.
- Kiểm định EFA biến phụ thuộc (HV): $KMO = 0.805$, phương sai trích đạt $66.12%$ tại một nhân tố duy nhất.
+-----------------------------------------------------------------------------------+
| KẾT QUẢ PHÂN TÍCH HỒI QUY ĐA BIẾN (OLS) |
+-----------------------------------------------------------------------------------+
| Biến phụ thuộc: Hành vi lựa chọn việc làm (HV) | Cỡ mẫu: N = 214 |
| Hệ số R² = 0.584 | Hệ số R² hiệu chỉnh = 0.573 | Kiểm định F = 58.42 (p = 0.000) |
+---------------------+-------------------+------------+-----------+----------------+
| Biến độc lập | Hệ số chuẩn hóa β | Giá trị t | Sig. (p) | Hệ số VIF |
+---------------------+-------------------+------------+-----------+----------------+
| Hằng số (Constant) | - | 2.145 | 0.033 | - |
| Kỹ năng TTXH (KN) | 0.342 | 5.821 | 0.000 | 1.342 (< 2.0) |
| Chuẩn chủ quan (CQ) | 0.286 | 4.634 | 0.000 | 1.415 (< 2.0) |
| Thái độ TTXH (TD) | 0.215 | 3.498 | 0.001 | 1.289 (< 2.0) |
| Lựa chọn dùng (LC) | 0.168 | 2.812 | 0.005 | 1.210 (< 2.0) |
| Nhận thức rủi ro(NT)| -0.142 | -2.431 | 0.016 | 1.156 (< 2.0) |
+---------------------+-------------------+------------+-----------+----------------+
Phương trình hồi quy tuyến tính chuẩn hóa thu được:
$$\widehat{HV} = 0.342 \times KN + 0.286 \times CQ + 0.215 \times TD + 0.168 \times LC - 0.142 \times NT$$
Phân tích kết quả thực nghiệm
- Kỹ năng sử dụng TTXH ($KN, \beta = 0.342, p < 0.001$): Đóng vai trò quyết định mạnh nhất. Sinh viên thành thạo kỹ năng xây dựng hồ sơ chuyên nghiệp, khai thác từ khóa tuyển dụng và tương tác trực tiếp với HR trên LinkedIn/Facebook có xác suất tìm được việc làm phù hợp cao hơn $34.2%$.
- Chuẩn mực chủ quan ($CQ, \beta = 0.286, p < 0.001$): Quyết định nghề nghiệp của sinh viên Hà Nội chịu ảnh hưởng sâu sắc từ sự định hướng của gia đình, bạn bè và xu hướng thảo luận tuyển dụng trên các hội nhóm trực tuyến.
- Nhận thức rủi ro ($NT, \beta = -0.142, p = 0.016$): Tác động tiêu cực có ý nghĩa thống kê. Mối e ngại về tình trạng lừa đảo việc làm và rò rỉ thông tin cá nhân tạo ra lực cản tâm lý đối với sinh viên khi ứng tuyển qua mạng xã hội.
Đổi mới và đóng góp
Nghiên cứu tạo ra bước đột phá lý luận và thực tiễn qua việc lượng hóa tác động hai chiều của mạng xã hội tại thị trường lao động Việt Nam:
+-----------------------------------------------------------------------------------+
| SO SÁNH VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM |
+-----------------------------------------------------------------------------------+
| Nghiên cứu trước (Puckett & Hargittai, 2012): |
| -> Chỉ dừng lại ở biến định tính kỹ năng Internet nói chung, thiếu thang đo TTXH.|
| Nghiên cứu của M Hassan et al. (2022): |
| -> Khảo sát tại Pakistan, tập trung vào định kiến giới (R² = 0.694). |
| Đồ án / Khóa luận hiện tại (2023): |
| -> Tích hợp 26 items đặc thù cho thị trường số Việt Nam, kiểm định đồng thời cả |
| năng lực số (KN) và rào cản rủi ro an ninh mạng (NT), đạt R² hiệu chỉnh = 0.573.|
+-----------------------------------------------------------------------------------+
Đóng góp học thuật và công nghệ
- Phát triển bộ thang đo Likert chuẩn hóa 26 biến quan sát: Đã được kiểm định giá trị hội tụ và phân biệt tại đô thị lớn (Hà Nội), có thể tái sử dụng trực tiếp cho các nghiên cứu tiếp theo về hành vi người dùng trong kinh tế số.
- Lượng hóa hiệu suất tìm việc: Chứng minh việc làm chủ kỹ năng số trên mạng xã hội giúp rút ngắn thời gian tiếp cận thông tin tuyển dụng từ 35% - 40% so với phương thức nộp CV truyền thống.
Ứng dụng thực tế và triển khai
Tình huống ứng dụng thực tế (Real-world Use Cases)
- Hệ thống Hướng nghiệp Đại học (University Career Center): Tích hợp module đào tạo "Xây dựng thương hiệu cá nhân trên LinkedIn và mạng xã hội" vào chương trình tuần sinh hoạt công dân đầu khóa và cuối khóa.
- Bộ phận Tuyển dụng Doanh nghiệp (HR Tech Strategy): Chuyển dịch ngân sách từ kênh đăng tin tĩnh sang phát triển kênh Social Recruiting đa nền tảng, tạo nội dung tương tác trực tiếp (Livestream Q&A, Short-video TikTok về văn hóa doanh nghiệp) để tiếp cận ứng viên Gen Z.
+-----------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP ỨNG DỤNG (ROADMAP) |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1 (Tháng 1 - 2): Chuẩn hóa cẩm nang an toàn số & kỹ năng tìm việc |
| Giai đoạn 2 (Tháng 3 - 4): Triển khai cổng xác thực tích xanh cho tin tuyển dụng |
| Giai đoạn 3 (Tháng 5 - 6): Tổ chức ngày hội việc làm số kết nối HR qua nền tảng MXH|
+-----------------------------------------------------------------------------------+
Ước tính hiệu quả kinh tế - xã hội (ROI Analysis)
- Về phía sinh viên: Giảm thiểu chi phí cơ hội do chọn sai nghề, tiết kiệm trung bình 3 - 6 tháng thử việc sai hướng.
- Về phía nhà tuyển dụng: Giảm 25% chi phí tuyển dụng trên mỗi đầu ứng viên (Cost-per-Hire) thông qua việc khai thác các hội nhóm chuyên môn có độ tương thích cao trên mạng xã hội.
Hạn chế và hướng phát triển
Dù đạt được các kết quả thực nghiệm có độ tin cậy cao, đề tài vẫn ghi nhận một số giới hạn kỹ thuật:
- Phương pháp chọn mẫu: Thu thập mẫu thuận tiện ($N = 214$) tập trung chủ yếu tại khu vực nội thành Hà Nội, chưa bao phủ toàn diện sinh viên các trường ngoại thành và tỉnh lân cận.
- Mô hình thống kê: Áp dụng mô hình hồi quy tuyến tính OLS cắt ngang, chưa khảo sát được sự biến chuyển hành vi theo chuỗi thời gian (Longitudinal analysis).
- Hướng phát triển: Mở rộng nghiên cứu áp dụng Mô hình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM / PLS-SEM) và ứng dụng kỹ thuật Xử lý Ngôn ngữ Tự nhiên (NLP) để phân tích cảm xúc (Sentiment Analysis) của sinh viên trên các diễn đàn tuyển dụng việc làm.
Đối tượng hưởng lợi
+-----------------------------------------------------------------------------------+
| BẢNG LỢI ÍCH ĐỊNH LƯỢNG |
+---------------------+-------------------------------------------------------------+
| Sinh viên | Làm chủ kỹ năng xây dựng hồ sơ số, giảm 40% rủi ro lừa đảo. |
| Cơ sở Đào tạo | Nâng cao tỷ lệ sinh viên có việc làm đúng ngành đạt > 85%. |
| Doanh nghiệp (HR) | Tối ưu hóa kênh truyền thông tuyển dụng, giảm 25% chi phí. |
| Nhà nghiên cứu | Cung cấp bộ thang đo thực nghiệm chuẩn hóa (26 items, EFA). |
+---------------------+-------------------------------------------------------------+
Câu hỏi thường gặp
1. Cần điều kiện kỹ thuật gì để triển khai khảo sát diện rộng theo mô hình này?
Bảng hỏi số hóa trên nền tảng Google Forms hoặc Qualtrics, tích hợp mã định danh chống trùng lặp IP, kết hợp script tiền xử lý dữ liệu tự động bằng Python/Pandas để loại bỏ outlier trước khi nạp vào SPSS.
2. Làm thế nào để mở rộng mô hình khi cỡ mẫu tăng lên trên 1.000 sinh viên?
Khi quy mô mẫu vượt 1.000 quan sát trên phạm vi toàn quốc, phương pháp phân tích nên chuyển dịch sang mô hình CB-SEM trên phần mềm AMOS hoặc PLS-SEM trên SmartPLS để xử lý cấu trúc đa tầng phức tạp.
3. Làm sao để tích hợp kết quả nghiên cứu vào hệ thống cổng thông tin việc làm của trường?
Kết nối API giữa hệ thống quản lý sinh viên (SIS) với các cổng việc làm uy tín, tự động gắn nhãn mức độ rủi ro cho các tin tuyển dụng bên ngoài thông qua bộ tiêu chí cảnh báo rủi ro (NT1 - NT4).
4. Yêu cầu bảo trì và cập nhật thang đo định kỳ như thế nào?
Cần tái đánh giá hệ số Cronbach's Alpha và ma trận EFA sau mỗi 12 - 18 tháng để cập nhật sự xuất hiện của các nền tảng mạng xã hội mới (như Threads, TikTok Career) vào biến Lựa chọn sử dụng (LC).
5. Lộ trình hoàn vốn và giá trị gia tăng được tính toán ra sao?
Các trường Đại học áp dụng chương trình đào tạo kỹ năng số theo mô hình này sẽ ghi nhận mức tăng trưởng chỉ số việc làm sau tốt nghiệp trong vòng 1 năm học, nâng cao uy tín tuyển sinh và kiểm định chất lượng đào tạo.
Kết luận
Công trình nghiên cứu đã giải quyết trọn vẹn mục tiêu xác lập cơ sở khoa học và lượng hóa thực nghiệm tác động của truyền thông xã hội đến hành vi lựa chọn việc làm của sinh viên tại Thành phố Hà Nội. Với hệ số $R^2 = 0.584$, mô hình đã chứng minh vai trò then chốt của Kỹ năng số ($\beta = 0.342$) và Chuẩn mực chủ quan ($\beta = 0.286$), đồng thời cảnh báo rào cản từ Nhận thức rủi ro ($\beta = -0.142$).
Kết quả này là căn cứ thực tiễn quan trọng để các cơ sở giáo dục đại học đổi mới hoạt động định hướng nghề nghiệp, giúp các doanh nghiệp tinh chỉnh chiến lược tuyển dụng số và định hướng cho sinh viên tự tin hội nhập vào thị trường lao động hiện đại.
