Bối cảnh và vấn đề nghiên cứu

Sự phát triển của công nghệ thông tin và trí tuệ nhân tạo (AI), tiêu biểu là các công cụ giao tiếp tự động qua giao diện trò chuyện (chatbot AI), đang làm thay đổi phương thức tiếp cận và xử lý tri thức trong môi trường giáo dục đại học. Tại Việt Nam, Thành phố Hồ Chí Minh là trung tâm kinh tế và giáo dục quy mô lớn, tập trung đông đảo sinh viên từ nhiều cơ sở đào tạo đại học và cao đẳng. Nhu cầu áp dụng công nghệ mới để hỗ trợ học tập, tra cứu và nghiên cứu đang gia tăng rõ rệt. Tuy nhiên, các nghiên cứu thực nghiệm trong nước trước đây chủ yếu dừng lại ở việc tìm hiểu tiềm năng, cơ hội và thách thức chung của AI trong giáo dục, hoặc tập trung khảo sát trên nhóm người dùng chuyên ngành công nghệ. Khoảng trống nghiên cứu đặt ra là chưa có nhiều khảo sát đi sâu vào thái độ, rào cản và các nhân tố quyết định việc duy trì sử dụng chatbot AI của sinh viên không thuộc khối ngành kỹ thuật.

Khóa luận tốt nghiệp của tác giả Nguyễn Minh Vy (ngành Quản trị kinh doanh, Trường Đại học Ngân hàng TP. Hồ Chí Minh, năm 2023) được thực hiện nhằm giải quyết các vấn đề thực tiễn trên.

Mục tiêu nghiên cứu:

  1. Mục tiêu tổng quát: Thông qua việc phân tích các yếu tố tác động đến việc tiếp tục sử dụng chatbot AI để đề xuất các hàm ý quản trị nhằm tăng cường sự thu hút của chatbot đối với sinh viên.
  2. Mục tiêu cụ thể:
    • Mục tiêu 1: Xác định các yếu tố tác động đến quyết định tiếp tục sử dụng chatbot AI của sinh viên tại Thành phố Hồ Chí Minh.
    • Mục tiêu 2: Đánh giá mức độ tác động của từng yếu tố đến quyết định tiếp tục sử dụng.
    • Mục tiêu 3: Đề xuất các hàm ý quản trị dựa trên kết quả nghiên cứu thực nghiệm nhằm nâng cao khả năng thu hút và duy trì người học sử dụng chatbot AI.

Câu hỏi nghiên cứu:

  1. Các yếu tố nào tác động đến quyết định tiếp tục sử dụng công nghệ chatbot AI của sinh viên tại Thành phố Hồ Chí Minh?
  2. Mức độ tác động của từng nhân tố đến quyết định sử dụng công nghệ chatbot AI như thế nào?
  3. Làm thế nào có thể đề xuất các hàm ý quản trị từ kết quả nghiên cứu để tăng cường sự thu hút của chatbot AI đối với sinh viên?

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các yếu tố ảnh hưởng đến quyết định tiếp tục sử dụng chatbot AI của sinh viên đại học.
  • Khách thể khảo sát: Sinh viên đại học tại Thành phố Hồ Chí Minh, tập trung vào nhóm sinh viên ngoài khối ngành Công nghệ thông tin (CNTT) và kỹ thuật, bao gồm các ngành: Quản trị kinh doanh, Tài chính - Ngân hàng - Kế toán, Marketing, Báo chí, Ngôn ngữ, Nhà hàng - Khách sạn - Du lịch, và Luật. Việc loại trừ sinh viên CNTT nhằm tiếp cận góc nhìn của người dùng phổ thông, phản ánh khách quan mức độ chấp nhận công nghệ mới trong môi trường học thuật không chuyên sâu về kỹ thuật.
  • Phạm vi không gian: Địa bàn Thành phố Hồ Chí Minh.
  • Phạm vi thời gian: Dữ liệu nghiên cứu được thu thập từ tháng 11/2023 đến tháng 12/2023.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Khóa luận xây dựng nền tảng lý luận dựa trên khái niệm Chatbot AI vận hành trên cơ chế xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP) và mô hình ngôn ngữ lớn (Large Language Models - LLM như GPT của OpenAI). Các đặc tính cốt lõi của chatbot trong giáo dục bao gồm: tính tương tác hai chiều, khả năng cung ứng thông tin tức thì theo yêu cầu cá nhân hóa và năng lực phục vụ liên tục 24/7.

Về mô hình tiếp nhận công nghệ, tác giả kế thừa Mô hình chấp nhận và sử dụng công nghệ hợp nhất mở rộng (UTAUT2) do Venkatesh và các cộng sự phát triển (2012). Khung lý thuyết bao gồm 7 biến độc lập tác động đến 1 biến phụ thuộc:

  • Cảm nhận sự hiệu quả (Performance Expectancy - PE): Niềm tin rằng chatbot AI giúp nâng cao hiệu quả học tập và giải quyết công việc.
  • Cảm nhận sự dễ sử dụng (Effort Expectancy - EE): Mức độ dễ dàng, thuận tiện, không đòi hỏi nhiều nỗ lực thao tác khi tương tác với chatbot.
  • Tác động cộng đồng (Social Influence - SI): Ảnh hưởng từ giảng viên, gia đình, bạn bè và xã hội thúc đẩy sinh viên sử dụng công nghệ.
  • Điều kiện thuận tiện (Facilitating Conditions - FC): Sự hỗ trợ về hạ tầng công nghệ, tài liệu hướng dẫn và hỗ trợ kỹ thuật sẵn có.
  • Tập quán thường nhật (Habit - HBT): Thói quen tự động sử dụng các ứng dụng thông minh trong sinh hoạt và học tập hàng ngày.
  • Giá trị về mặt chi phí (Price Value - PV): Sự đánh giá tương quan giữa chi phí tài chính bỏ ra và lợi ích công nghệ mang lại.
  • Sự thú vị và thích thú cảm nhận được (Hedonic Motivation - HM): Cảm giác vui thích, hứng khởi và thỏa mãn nhu cầu trải nghiệm cá nhân khi dùng chatbot.
  • Biến phụ thuộc: Quyết định tiếp tục sử dụng chatbot AI (Behavioral Intention - BI).
  • Các biến kiểm soát: Khóa học (năm học), nhóm ngành đào tạo, mức độ tự tin với công nghệ và kinh nghiệm sử dụng chatbot AI trước đó.

Phương pháp nghiên cứu và quy trình xử lý dữ liệu

Nghiên cứu kết hợp hai phương pháp định tính và định lượng:

  • Nghiên cứu định tính: Phỏng vấn sâu 20 sinh viên nhằm làm rõ nhu cầu học thuật thực tế, mức giá sẵn lòng chi trả hàng tháng và những rào cản khiến sinh viên giảm hứng thú với chatbot AI.
  • Nghiên cứu định lượng: Khảo sát trực tuyến thông qua bảng câu hỏi đóng sử dụng thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý), thu thập từ mẫu gồm 200 sinh viên tại các trường đại học trên địa bàn TP. Hồ Chí Minh.
  • Nguồn dữ liệu: Dữ liệu sơ cấp thu thập trong khoảng thời gian từ tháng 11/2023 đến tháng 12/2023.
  • Phương pháp phân tích dữ liệu: Dữ liệu định lượng được làm sạch và xử lý trên phần mềm SPSS. Các kỹ thuật thống kê được triển khai tuần tự gồm: thống kê mô tả mẫu, kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá (EFA), phân tích hồi quy tuyến tính đa biến để kiểm định giả thuyết nghiên cứu, và phân tích phương sai (ANOVA) để kiểm tra sự khác biệt của các biến kiểm soát đối với ý định tiếp tục sử dụng.

Nội dung chính theo từng chương

Chương 1: Tổng quan về đề tài

Chương 1 thiết lập khung tổng thể của khóa luận, chỉ rõ tính cấp thiết của việc tìm hiểu hành vi người học khi tương tác với chatbot AI tại trung tâm giáo dục lớn như TP. Hồ Chí Minh. Tác giả xác định rõ 3 mục tiêu cụ thể, 3 câu hỏi nghiên cứu, phạm vi không gian (TP.HCM), phạm vi thời gian (tháng 11 - 12/2023), và cơ sở lựa chọn nhóm khách thể khảo sát ngoài khối ngành CNTT nhằm phản ánh hành vi người dùng phổ thông. Chương này cũng phân định rõ kết cấu đề tài gồm 5 chương.

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

Chương 2 hệ thống hóa cơ sở lý luận về chatbot, làm rõ quá trình tiến hóa từ các hệ thống FAQ đơn giản đến các mô hình hội thoại dựa trên NLP và LLM (như GPT-3 của OpenAI). Tác giả tổng quan các công trình nghiên cứu trong nước (Thu và cộng sự, 2023; Xuân Quý và cộng sự, 2023; Nguyen và Cao, 2023) và nghiên cứu quốc tế (Shoufan, 2023; Raza và cộng sự, 2021; Raffaghelli và cộng sự, 2022). Trên cơ sở hạn chế của mô hình TAM và tính ưu việt của mô hình UTAUT2 trong bối cảnh giáo dục, tác giả thiết lập 7 giả thuyết nghiên cứu (H1 đến H7), khẳng định các nhân tố PE, EE, SI, FC, HBT, PV, và HM đều có tác động cùng chiều đến quyết định tiếp tục sử dụng chatbot AI (BI).

Chương 3: Phương pháp nghiên cứu

Chương 3 trình bày chi tiết quy trình nghiên cứu hỗn hợp. Tác giả mô tả cấu trúc bảng khảo sát với các biến quan sát thuộc 8 nhóm thang đo, kết hợp các câu hỏi phân loại nhân khẩu học. Chương này giải thích các tiêu chuẩn kiểm định thống kê: ngưỡng Cronbach's Alpha > 0,6 và tương quan biến - tổng > 0,3; chỉ số KMO > 0,6; kiểm định Bartlett có mức ý nghĩa Sig. < 0,05; tổng phương sai trích > 50%; hệ số tải nhân tố > 0,5; hệ số xác định R² và R² hiệu chỉnh; kiểm định F và mức ý nghĩa Sig. trong ANOVA; hệ số phóng đại phương sai VIF < 5 (hoặc < 10) cùng chỉ số Tolerance > 0,1 để kiểm soát đa cộng tuyến; và chỉ số Durbin-Watson trong khoảng 1 - 3 để loại trừ tự tương quan.

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 4 cung cấp toàn bộ kết quả phân tích thống kê định lượng và định tính:

  • Thống kê mô tả (N = 200): Sinh viên phân bổ đồng đều qua 4 năm học (tỷ lệ khoảng 23,5% cho mỗi khóa). Về mức độ tự tin công nghệ: 77% tự tin, 19% cảm nhận bình thường, 4% không thoải mái lắm. Về kinh nghiệm sử dụng: 89,5% đã từng sử dụng chatbot AI, 10,5% chưa từng sử dụng. Về ngành học: Nhà hàng - Khách sạn - Du lịch chiếm 21,5%, Marketing chiếm 16%, Ngôn ngữ chiếm 16%, Báo chí chiếm 14,5%, Quản trị kinh doanh chiếm 13,5%, Tài chính - Ngân hàng - Kế toán chiếm 12,5%, Luật chiếm 6%.
  • Đánh giá thang đo: Qua kiểm định Cronbach's Alpha và phân tích EFA lần 1, hai biến quan sát PE2 (tương quan biến - tổng = 0,204) và PE7 (tương quan biến - tổng = 0,273) có hệ số tương quan biến - tổng nhỏ hơn 0,3 nên bị loại bỏ để đảm bảo tính hội tụ. Sau khi loại bỏ, thang đo PE cùng các thang đo còn lại đều đạt độ tin cậy cao (Cronbach's Alpha từ 0,752 đến 0,930).
  • Kết quả EFA: 7 nhân tố độc lập được trích xuất với KMO = 0,894, Bartlett's Sig. = 0,000, tổng phương sai trích đạt 74,738% và các Eigenvalues từ 1,022 đến 9,784. Thang đo biến phụ thuộc (BI) gồm 5 biến quan sát trích thành 1 nhân tố với phương sai trích 69,926% và Eigenvalue đạt 3,496.
  • Kết quả hồi quy: Mô hình đạt R = 0,905, R² = 0,819, R² hiệu chỉnh = 0,813, sai số chuẩn 0,28189, Durbin-Watson = 1,331. Kiểm định ANOVA cho giá trị F = 124,322 (Sig. = 0,000). Toàn bộ 7 giả thuyết H1 đến H7 đều được chấp nhận với Sig. < 0,05. Thứ tự mức độ tác động theo hệ số Beta chuẩn hóa là: PE (0,266) > HM (0,254) > HBT (0,203) > SI (0,189) > FC (0,126) > EE (0,108) > PV (0,105).
  • Tác động của các biến kiểm soát: Giá trị trung bình của ý định tiếp tục sử dụng (BI) tăng dần từ sinh viên năm nhất đến sinh viên năm tư. Về ngành học, sinh viên các ngành Báo chí, Ngôn ngữ, Quản trị kinh doanh và Marketing có điểm trung bình BI cao hơn mức trung bình chung (3,5630), trong khi ngành Tài chính và Luật có mức độ thấp nhất. Sinh viên tự tin với công nghệ có chỉ số BI cao hơn hẳn nhóm ít tự tin.
  • Kết quả định tính: Về mức giá sẵn lòng chi trả hàng tháng (n = 20), có 15% chọn mức 20.000 VNĐ; 50% chọn mức 50.000 VNĐ; 25% chọn mức 100.000 VNĐ; và 10% chọn mức 200.000 VNĐ. Về nguyên nhân khiến sinh viên giảm hứng thú: 37,2% phản ánh thông tin chưa chuẩn xác hoặc lỗi thời; 35,6% phàn nàn việc chatbot không hiểu ngữ cảnh hoặc câu hỏi phức tạp; 27,2% nhận thấy công cụ thiếu tính cá nhân hóa và kết nối cảm xúc.

Chương 5: Kết luận và hàm ý quản trị

Chương 5 tóm lược các phát hiện cốt lõi, đối chiếu kết quả với các nghiên cứu trước đây (như nghiên cứu của Shoufan năm 2023, nghiên cứu của Thái năm 2023 tại Trường Đại học Sư phạm Hà Nội). Tác giả đề xuất các giải pháp định hướng quản trị đối với các tổ chức giáo dục và doanh nghiệp EdTech nhằm nâng cao tính chính xác của dữ liệu, cải thiện năng lực xử lý ngữ cảnh tiếng Việt, thiết lập chính sách định giá hợp lý, đồng thời nêu rõ các hạn chế nghiên cứu và định hướng cho các công trình tương lai.

Kết quả và đóng góp

Kết quả phân tích định lượng

Mô hình hồi quy tuyến tính đa biến chứng minh cả 7 nhân tố trong mô hình UTAUT2 đều có ảnh hưởng có ý nghĩa thống kê dương tính tới quyết định tiếp tục sử dụng chatbot AI của sinh viên. Không có hiện tượng đa cộng tuyến xảy ra khi hệ số Tolerance dao động từ 0,488 đến 0,712 và hệ số VIF dao động từ 1,405 đến 2,047.

Biến độc lập Ký hiệu Hệ số B chưa chuẩn hóa Sai số chuẩn Hệ số Beta chuẩn hóa Giá trị t Mức ý nghĩa (Sig.) Dung nạp (Tolerance) VIF
(Hằng số) Constant -0,257 0,137 — -1,874 0,062 — —
Cảm nhận sự hiệu quả PE 0,238 0,039 0,266 6,064 0,000 0,488 2,047
Sự thú vị và thích thú cảm nhận được HM 0,191 0,032 0,254 6,004 0,000 0,525 1,906
Tập quán thường nhật HBT 0,164 0,030 0,203 5,431 0,000 0,671 1,490
Tác động cộng đồng SI 0,148 0,031 0,189 4,790 0,000 0,607 1,646
Điều kiện thuận tiện FC 0,119 0,035 0,126 3,458 0,001 0,712 1,405
Cảm nhận sự dễ sử dụng EE 0,086 0,030 0,108 2,884 0,004 0,665 1,503
Giá trị về mặt chi phí PV 0,086 0,031 0,105 2,795 0,006 0,670 1,493

Ghi chú: Biến phụ thuộc là Quyết định tiếp tục sử dụng (BI). R² = 0,819; R² hiệu chỉnh = 0,813; F = 124,322 (Sig. = 0,000).

Kết quả phân tích định tính về mức giá và rào cản sử dụng

Nội dung định tính Phân loại chỉ tiêu Tỷ lệ sinh viên lựa chọn (%)
Mức chi phí sẵn lòng chi trả hàng tháng Khoảng 20.000 VNĐ 15,0%
Khoảng 50.000 VNĐ 50,0%
Khoảng 100.000 VNĐ 25,0%
Khoảng 200.000 VNĐ 10,0%
Rào cản khiến sinh viên ít hứng thú Cung cấp thông tin chưa chuẩn xác hoặc lỗi thời 37,2%
Không hiểu đầy đủ ngữ cảnh hoặc không xử lý được câu hỏi phức tạp 35,6%
Thiếu khả năng cá nhân hóa và kết nối cảm xúc 27,2%

Giải pháp và hàm ý quản trị của tác giả

Dựa trên kết quả thực nghiệm, tác giả đưa ra các nhóm giải pháp:

  • Nâng cao hiệu quả thực tế và độ chuẩn xác (yếu tố PE, Beta = 0,266): Các nhà phát triển cần tập trung nâng cấp kho ngữ liệu, liên tục cập nhật dữ liệu học thuật mới và nâng cao năng lực giải thuật nhằm hạn chế tình trạng phản hồi sai lệch (rào cản chiếm 37,2%).
  • Tăng cường trải nghiệm tương tác thú vị (yếu tố HM, Beta = 0,254): Thiết kế giao diện thân thiện, tăng cường năng lực xử lý hội thoại tự nhiên, linh hoạt và cá nhân hóa phong cách phản hồi để tạo sự gắn kết cảm xúc với người học (giải quyết rào cản chiếm 27,2%).
  • Xây dựng thói quen và cộng đồng (yếu tố HBT và SI, Beta lần lượt là 0,203 và 0,189): Khuyến khích môi trường học tập cộng tác, nơi giảng viên và sinh viên chia sẻ phương thức ứng dụng chatbot AI trong nghiên cứu; tổ chức các chương trình trải nghiệm định kỳ giúp việc dùng công cụ trở thành thói quen.
  • Hoàn thiện điều kiện thuận tiện và giao diện sử dụng (FC và EE): Xây dựng cẩm nang hướng dẫn sử dụng, tích hợp bộ câu hỏi gợi ý theo từng chuyên ngành đào tạo nhằm giảm bớt nỗ lực thao tác cho sinh viên.
  • Chiến lược định giá linh hoạt (yếu tố PV): Mức giá 50.000 VNĐ/tháng được 50% người học ủng hộ, cho thấy các nhà cung ứng nên áp dụng mô hình giá phân tầng (freemium hoặc các gói cước sinh viên ưu đãi) thay vì áp đặt mức phí quá cao.

Đóng góp của đề tài

  • Về mặt lý thuyết: Khóa luận kiểm chứng thành công sự phù hợp của mô hình UTAUT2 trong bối cảnh đánh giá hành vi duy trì sử dụng công nghệ AI tạo sinh của sinh viên đại học tại một quốc gia đang phát triển như Việt Nam; giải thích được 81,9% sự biến thiên của biến phụ thuộc.
  • Về mặt thực tiễn: Khắc phục khoảng trống nghiên cứu bằng việc tiếp cận nhóm đối tượng sinh viên phi công nghệ; chỉ ra sự phân hóa theo ngành học (sinh viên Báo chí, Ngôn ngữ, Quản trị cởi mở hơn sinh viên Tài chính, Luật); cung cấp dữ liệu định lượng cụ thể về độ nhạy cảm chi phí và các nguyên nhân kỹ thuật khiến người học thất vọng để hỗ trợ các đơn vị EdTech thiết kế giải pháp phù hợp.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định các giới hạn sau dựa trên phạm vi thực tế của văn bản:

  • Phạm vi địa bàn nghiên cứu: Dữ liệu khảo sát mới chỉ được thu thập trên phạm vi địa bàn Thành phố Hồ Chí Minh, chưa mở rộng ra các tỉnh thành hoặc các vùng miền khác, dẫn đến khả năng đại diện cho sinh viên toàn quốc còn hạn chế.
  • Khung thời gian nghiên cứu: Quá trình khảo sát diễn ra trong thời gian tương đối ngắn (từ tháng 11/2023 đến tháng 12/2023). Do công nghệ AI và chatbot đang biến đổi nhanh chóng, thái độ và hành vi của người dùng có thể thay đổi nhanh theo thời gian.
  • Quy mô mẫu và đặc điểm khách thể: Mẫu định lượng dừng lại ở mức 200 sinh viên và tập trung chủ yếu vào các ngành ngoài kỹ thuật/CNTT. Mặc dù phù hợp cho việc phân tích sơ bộ nhưng việc mở rộng quy mô mẫu trong tương lai sẽ nâng cao độ chính xác thống kê.
  • Hướng nghiên cứu tiếp theo: Tác giả đề xuất các nghiên cứu sau này nên mở rộng khảo sát trên phạm vi liên tỉnh, tăng kích thước mẫu nghiên cứu, theo dõi dữ liệu theo chuỗi thời gian (longitudinal study) để đánh giá sự chuyển biến hành vi lâu dài, đồng thời có thể so sánh đối chứng trực tiếp giữa nhóm sinh viên ngành kỹ thuật/CNTT và nhóm sinh viên khoa học xã hội - kinh tế.

Giá trị tham khảo

Khóa luận là nguồn tài liệu học thuật hữu ích cho nhiều nhóm đối tượng:

  • Giảng viên và sinh viên chuyên ngành Quản trị kinh doanh, Marketing, Hệ thống thông tin quản lý: Khóa luận cung cấp tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng ứng dụng mô hình UTAUT2, quy trình kiểm định thang đo Cronbach's Alpha, phân tích EFA và xử lý hồi quy bội trên phần mềm SPSS.
  • Các nhà nghiên cứu về công nghệ giáo dục (EdTech): Phần tổng quan tài liệu và hệ thống câu hỏi khảo sát được chuẩn hóa là cơ sở tốt để kế thừa, điều chỉnh khi khảo sát về các công cụ AI tạo sinh trong trường học.
  • Doanh nghiệp và nhà phát triển ứng dụng chatbot AI tiếng Việt: Các phát hiện định tính về độ nhạy cảm giá (mức 50.000 VNĐ/tháng chiếm ưu thế) và 3 rào cản sử dụng lớn nhất (thông tin sai lệch 37,2%; không hiểu ngữ cảnh 35,6%; thiếu cá nhân hóa 27,2%) cung cấp thông tin thực chứng trực tiếp để định hình chiến lược sản phẩm, cải tiến tính năng và xây dựng chính sách giá cho phân khúc người học.

Câu hỏi thường gặp

Mô hình nghiên cứu giải thích được bao nhiêu phần trăm sự biến thiên của quyết định tiếp tục sử dụng chatbot AI?

Mô hình hồi quy tuyến tính đa biến trong nghiên cứu đạt hệ số xác định R² = 0,819 (R bình phương hiệu chỉnh đạt 0,813). Kết quả này cho thấy 81,9% sự biến thiên trong quyết định tiếp tục sử dụng chatbot AI của sinh viên tại TP.HCM được giải thích bởi 7 biến độc lập thuộc mô hình UTAUT2 (PE, EE, SI, FC, HBT, PV, HM), còn lại 18,1% do các yếu tố ngoài mô hình tác động.

Biến độc lập nào có ảnh hưởng mạnh nhất đến quyết định tiếp tục sử dụng chatbot AI của sinh viên?

Dựa vào hệ số hồi quy chuẩn hóa (Beta), nhân tố Cảm nhận sự hiệu quả (Performance Expectancy - PE) có tác động mạnh nhất với Beta = 0,266 (t = 6,064, p = 0,000). Đứng thứ hai là Sự thú vị và thích thú cảm nhận được (Hedonic Motivation - HM) với Beta = 0,254 (t = 6,004, p = 0,000).

Những biến quan sát nào đã bị loại bỏ trong quá trình kiểm định thang đo?

Trong bước phân tích độ tin cậy Cronbach's Alpha và phân tích nhân tố khám phá EFA lần 1, hai biến quan sát là PE2 (có hệ số tương quan biến - tổng là 0,204) và PE7 (có hệ số tương quan biến - tổng là 0,273) thuộc thang đo Cảm nhận sự hiệu quả đã bị loại khỏi mô hình do không đạt ngưỡng tối thiểu 0,3.

Mức chi phí hàng tháng nào được nhiều sinh viên sẵn lòng chi trả nhất để sử dụng chatbot AI?

Kết quả phỏng vấn định tính chuyên sâu với 20 sinh viên chỉ ra rằng mức giá 50.000 VNĐ/tháng là phương án phổ biến nhất, nhận được sự đồng thuận của 50% người tham gia khảo sát. Các mức giá còn lại gồm: 20.000 VNĐ (chiếm 15%), 100.000 VNĐ (chiếm 25%) và 200.000 VNĐ (chiếm 10%).

Những rào cản kỹ thuật chính nào khiến sinh viên giảm sút hứng thú khi tương tác với chatbot AI?

Nghiên cứu định tính ghi nhận 3 nguyên nhân cốt lõi: 37,2% sinh viên phản ánh chatbot cung cấp thông tin chưa chuẩn xác hoặc lỗi thời; 35,6% phàn nàn công cụ không hiểu đầy đủ ngữ cảnh hoặc không giải quyết được các câu hỏi phức tạp; và 27,2% sinh viên cảm thấy chatbot còn thiếu khả năng cá nhân hóa cũng như khả năng tạo ra kết nối cảm xúc.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Minh Vy đã phân tích toàn diện các yếu tố tác động đến quyết định tiếp tục sử dụng chatbot AI của 200 sinh viên ngoài khối ngành CNTT tại TP. Hồ Chí Minh dựa trên khung lý thuyết UTAUT2. Kết quả hồi quy xác nhận cả 7 yếu tố gồm hiệu quả cảm nhận, sự thích thú, thói quen, tác động xã hội, điều kiện thuận tiện, nỗ lực sử dụng và giá trị chi phí đều có tương quan dương có ý nghĩa thống kê, trong đó hiệu quả thực tế và động lực hưởng thụ là hai động lực chi phối mạnh mẽ nhất. Bên cạnh việc chỉ ra mức sẵn lòng chi trả tối ưu ở mức 50.000 VNĐ/tháng, công trình mang lại nguồn tư liệu tham khảo thực chứng có giá trị cho việc xây dựng chính sách học thuật và phát triển các sản phẩm trí tuệ nhân tạo phục vụ người học tại Việt Nam.