Giới thiệu dự án

Thị trường giáo dục công nghệ thông tin (EdTech) tại Việt Nam đang trải qua giai đoạn chuyển dịch sâu sắc dưới tác động của làn sóng chuyển đổi số toàn cầu. Theo báo cáo từ Microsoft, có tới 85% vị trí việc làm yêu cầu kỹ năng số hóa và 26% ngành nghề mới hình thành từ công nghệ. Tuy nhiên, dữ liệu từ Tổng cục Thống kê cho thấy đại dịch Covid-19 đã khiến gần 80.000 doanh nghiệp phải tái cấu trúc hoặc rời bỏ thị trường, kéo theo sự sụt giảm mạnh về nhu cầu chi tiêu giáo dục truyền thống. Tại MindX Technology School — tiền thân là Techkids với hệ sinh thái lớp học mô hình Silicon Valley thu nhỏ gồm 11 cơ sở tại Hà Nội và TP. Hồ Chí Minh — lượng học viên đăng ký năm 2021 đã ghi nhận mức giảm nghiêm trọng: khóa Lập trình Scratch giảm 49,5% (từ 845 xuống 427 học viên), Lập trình Game giảm 53,0% (từ 761 xuống 358 học viên), Lập trình App Mobile giảm 54,4% (từ 612 xuống 279 học viên), và khóa chuyên sâu Fullstack Web giảm 63,3% (từ 215 xuống 79 học viên).

Thực trạng sụt giảm này bắt nguồn từ các rào cản tài chính của phụ huynh và tâm lý e ngại mô hình đào tạo trực tuyến của học viên khi chuyển đổi từ hình thức học trực tiếp (offline). Vấn đề cốt lõi đặt ra là các trung tâm EdTech thiếu cơ sở dữ liệu định lượng chính xác về các yếu tố tâm lý - xã hội chi phối hành vi ra quyết định của học viên trong độ tuổi 15–22, dẫn đến chiến lược truyền thông và đóng gói chương trình học chưa tối ưu.

Mục tiêu cụ thể của đề tài nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý thuyết về hành vi người tiêu dùng thông qua Thuyết hành động hợp lý (Theory of Reasoned Action - TRA) của Fishbein & Ajzen (1975), Thuyết hành vi dự định (Theory of Planned Behavior - TPB) của Ajzen (1991) và mô hình tối đa hóa hữu dụng của N. Gregory Mankiw (2012).
  2. Xây dựng thang đo Likert 5 mức độ và kiểm định mô hình định lượng hồi quy tuyến tính bội để xác định mức độ tác động của 6 nhóm yếu tố (Nhóm tham khảo, Nhóm thái độ, Nhóm chất lượng và uy tín, Nhóm lợi ích học tập, Nhóm học phí, Nhóm truyền thông - marketing) đến quyết định đăng ký khóa học.
  3. Đề xuất hệ thống giải pháp quản trị kinh doanh, tái cấu trúc biểu phí và tối ưu hóa phễu chuyển đổi tuyển sinh dựa trên bằng chứng dữ liệu thực nghiệm.

Phương pháp tiếp cận giải pháp sử dụng mô hình nghiên cứu định lượng chuẩn tắc thông qua việc phân tích dữ liệu sơ cấp thu thập từ $N = 150$ học viên đang theo học tại Hà Nội, xử lý trên nền tảng phần mềm IBM SPSS Statistics v26.0 kết hợp ngôn ngữ lập trình Python 3.10. Phạm vi nghiên cứu tập trung vào thị trường Hà Nội trong giai đoạn 05/2022 – 08/2022, nhắm trực tiếp vào đối tượng khách hàng mục tiêu từ 15 đến 22 tuổi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường đào tạo lập trình ngắn và trung hạn tại Hà Nội chứng kiến sự cạnh tranh gay gắt giữa nhiều mô hình đào tạo với các định vị khác nhau.

Đơn vị đào tạo Thâm niên Mô hình đào tạo trọng tâm Đối tượng mục tiêu Ưu điểm cốt lõi Nhược điểm / Rào cản
MindX Technology School ~7 năm Lộ trình dài hạn K12 $\to$ Đi làm, hệ sinh thái Silicon Valley Học sinh 9–18 tuổi, sinh viên 18–22 tuổi Lộ trình liền mạch, bảo trợ việc làm, mạng lưới startup Học phí phân khúc trung-cao, cơ sở hạ tầng phân tán
CodeGym ~2 năm Coding Bootcamp thực chiến ngắn hạn (5–6 tháng) Sinh viên CNTT, người chuyển ngành Tốc độ đào tạo nhanh, cam kết việc làm 100% Cường độ học quá tải, thiếu lộ trình cho độ tuổi K-12
Techmaster ~10 năm Đào tạo chuyên sâu Web/Node.js, lập trình viên Microsoft Người đã có nền tảng CNTT, đi làm Giảng viên kinh nghiệm sâu, học liệu thực tiễn cao Chưa có hệ thống cho lứa tuổi phổ thông, ít cơ sở
BKCAD (BK-Holdings) ~17 năm Chứng chỉ quốc tế (Cisco, Microsoft), hạ tầng mạng Sinh viên đại học, kỹ sư mạng Thương hiệu Bách Khoa uy tín, thiết bị lab chuẩn Chương trình thiên về hạ tầng, chưa linh hoạt mảng App/Game
VTC Academy ~11 năm Đào tạo dài hạn Game Design, Animation, Digital Content Học sinh THPT tốt nghiệp, sinh viên Cơ sở vật chất đồ họa hiện đại, liên kết doanh nghiệp Học phí cao, thời gian đào tạo kéo dài (2 năm)

Dựa trên phân tích nhu cầu học viên theo mô hình MoSCoW:

  • Must-have (Bắt buộc có): Giảng viên có năng lực thực chiến; cam kết đầu ra/chứng chỉ chuẩn; phòng lab trang bị máy tính Dell Vostro 3670MT Core i5 và màn hình tương tác Commbox.
  • Should-have (Nên có): Lộ trình học linh hoạt tích hợp công cụ Scrum/Agile; chính sách đóng học phí chia nhỏ theo đợt.
  • Could-have (Có thể có): Nền tảng học trực tuyến bổ trợ LMS, video xem lại bài giảng, hoạt động kết nối startup.
  • Won't-have (Chưa ưu tiên): Khóa học lý thuyết hàn lâm thuần túy không có sản phẩm đồ án thực tế.

Thiết kế hệ thống

Kiến trúc mô hình nghiên cứu và đường ống xử lý dữ liệu được thiết kế theo chuẩn phân tích kinh tế lượng (Econometric Pipeline):

Hệ thống công nghệ và thư viện phân tích:

  • Ngôn ngữ & Nền tảng: Python v3.10.12, IBM SPSS Statistics v26.0.
  • Thư viện xử lý dữ liệu: pandas v1.5.3, numpy v1.24.3.
  • Thư viện kinh tế lượng: statsmodels v0.14.0, scikit-learn v1.2.2, factor_analyzer v0.4.1, pingouin v0.5.3.
  • Hệ thống phần cứng tiêu chuẩn lớp học: Màn hình cảm ứng Commbox, Camera vật thể Aver, máy trạm Dell Vostro 3670MT Core i5-8400, RAM 8GB, Điều hòa Daikin FTKS50GVMV.

Methodology

Quy trình nghiên cứu áp dụng phương pháp định lượng thực nghiệm gồm 4 mốc tiến độ chính:

  1. Milestone 1 (Tuần 1–3): Xây dựng khung lý thuyết, thiết lập 24 biến quan sát thuộc 7 nhóm biến (6 biến độc lập, 1 biến phụ thuộc) dựa trên nghiên cứu của Chapman (1981), Perna (2006), Đoàn Thị Huế (2016), Phan Thị Thanh Thủy (2017).
  2. Milestone 2 (Tuần 4–6): Thiết kế bảng khảo sát Google Forms và phỏng vấn thử nghiệm (Pilot Test, $N=30$) để hiệu chỉnh câu từ và độ rõ ràng của thang đo.
  3. Milestone 3 (Tuần 7–10): Thu thập dữ liệu chính thức từ 150 học viên tại 7 cơ sở Hà Nội; sàng lọc dữ liệu trùng lặp, missing values và outliers.
  4. Milestone 4 (Tuần 11–14): Thực hiện kiểm định Cronbach's Alpha, EFA, hồi quy tuyến tính, One-way ANOVA và hoàn thiện báo cáo phân tích.

Implementation và kết quả

Development process

Quá trình triển khai xử lý dữ liệu được tự động hóa thông qua pipeline phân tích thống kê định lượng. Mô hình toán học tổng quát của phương trình hồi quy tuyến tính bội được xác định:

$$QĐ = \beta_0 + \beta_1 \cdot TK + \beta_2 \cdot TĐ + \beta_3 \cdot CL + \beta_4 \cdot LI + \beta_5 \cdot HP + \beta_6 \cdot TT + \epsilon$$

Trong đó:

  • $QĐ$: Quyết định hành vi đăng ký khóa học (Biến phụ thuộc).
  • $TK$: Nhóm tham khảo (Reference Group).
  • $TĐ$: Nhóm thái độ (Attitude).
  • $CL$: Nhóm chất lượng và uy tín (Quality & Reputation).
  • $LI$: Nhóm lợi ích học tập (Learning Benefits).
  • $HP$: Nhóm học phí (Tuition Fees).
  • $TT$: Nhóm truyền thông - marketing (Communication & Marketing).
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_6$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.

Đoạn mã Python thực thi kiểm định độ tin cậy Cronbach's Alpha và mô hình hồi quy OLS:

import pandas as pd
import statsmodels.api as sm
import statsmodels.formula.api as smf
import pingouin as pg

# 1. Nạp và tiền xử lý dữ liệu khảo sát (N = 150)
df = pd.read_csv("mindx_survey_data_n150.csv")

# 2. Tính hệ số tin cậy Cronbach's Alpha cho từng thang đo
scales = {
    'TK': ['TK1', 'TK2', 'TK3'],
    'TD': ['TD1', 'TD2', 'TD3', 'TD4'],
    'CL': ['CL1', 'CL2', 'CL3'],
    'LI': ['LI1', 'LI2', 'LI3', 'LI4'],
    'HP': ['HP1', 'HP2', 'HP3'],
    'TT': ['TT1', 'TT2', 'TT3', 'TT4'],
    'QD': ['QD1', 'QD2', 'QD3']
}

alpha_results = {}
for scale_name, items in scales.items():
    alpha_val, _ = pg.cronbach_alpha(data=df[items])
    alpha_results[scale_name] = alpha_val
    print(f"Thang đo {scale_name} - Cronbach's Alpha: {alpha_val:.4f}")

# 3. Tính điểm trung bình đại diện cho các biến tiềm ẩn
for scale_name, items in scales.items():
    df[scale_name] = df[items].mean(axis=1)

# 4. Ước lượng mô hình Hồi quy tuyến tính bội (OLS)
ols_model = smf.ols('QD ~ TK + TD + CL + LI + HP + TT', data=df).fit()

# 5. Xuất kết quả kiểm định mô hình
print(ols_model.summary())

Testing và validation

Kết quả phân tích mẫu điều tra $N = 150$ ghi nhận các đặc trưng nhân khẩu học:

  • Giới tính: Nam chiếm 66,7% (100 học viên), Nữ chiếm 33,3% (50 học viên).
  • Độ tuổi: 18–22 tuổi chiếm 41,7% (62 học viên), 15–18 tuổi chiếm 36,7% (54 học viên), dưới 15 tuổi và trên 22 tuổi chiếm 21,2% (34 học viên).
  • Nghề nghiệp: Sinh viên chiếm 47,7% (72 học viên), Học sinh THPT chiếm 28,5% (43 học viên), Nhân viên văn phòng chiếm 14,6% (22 học viên), Khác chiếm 9,2% (13 học viên).
  • Thu nhập bình quân: Dưới 3 triệu/tháng (27,8%), 3–5 triệu/tháng (32,5%), 5–10 triệu/tháng (25,8%), Trên 10 triệu/tháng (13,9%).

Kết quả kiểm định độ tin cậy và giá trị hội tụ:

  • Hệ số Cronbach's Alpha: Toàn bộ 7 thang đo đều đạt độ tin cậy cao ($\alpha \ge 0.785 > 0.70$), các hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.35$.
  • Kiểm định KMO và Bartlett: Hệ số $KMO = 0.842 > 0.50$, kiểm định Bartlett's Test có giá trị Sig. $= 0.000 < 0.001$, chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố khám phá EFA.
  • Trích xuất nhân tố EFA: 6 nhân tố độc lập giải thích được $> 61.8%$ tổng phương sai trích tại Eigenvalues $> 1.0$; tất cả các trọng số nhân tố (Factor Loadings) đều đạt chuẩn $> 0.55$.
BẢNG TÓM TẮT HỆ SỐ HỒI QUY (OLS REGRESSION RESULTS)
==============================================================================
Biến độc lập         Hệ số Beta (Chưa chuẩn hóa)   Hệ số Beta (Chuẩn hóa)   Sig. (p-value)    VIF
------------------------------------------------------------------------------
Hằng số (Constant)             0.214                        -                  0.042           -
Nhóm Lợi ích (LI)              0.312                      0.328                0.000         1.241
Nhóm Chất lượng (CL)           0.245                      0.261                0.001         1.315
Nhóm Học phí (HP)              0.198                      0.204                0.003         1.189
Nhóm Thái độ (TĐ)              0.162                      0.171                0.012         1.205
Nhóm Tham khảo (TK)            0.121                      0.134                0.038         1.152
Nhóm Truyền thông (TT)         0.095                      0.102                0.046         1.118
==============================================================================
R-squared: 0.584 | Adjusted R-squared: 0.567 | F-statistic: 33.45 (p = 0.000) | Durbin-Watson: 1.942

Kết quả đạt được

Hệ số xác định hiệu chỉnh $R^2_{\text{Adjusted}} = 0.567$ cho thấy 6 nhóm yếu tố độc lập giải thích được 56,7% sự biến thiên trong quyết định đăng ký lộ trình học lập trình tại MindX. Cả 6 biến đều có ý nghĩa thống kê ($p < 0.05$) với hệ số phóng đại phương sai $VIF < 1.4$ (loại trừ hoàn toàn hiện tượng đa cộng tuyến).

Xếp hạng mức độ tác động theo hệ số hồi quy chuẩn hóa $\beta$:

  1. Lợi ích học tập ($\beta = 0.328$): Tác động mạnh nhất; học viên ưu tiên cao nhất yếu tố "Khóa học có nhiều trải nghiệm thực tế có thể áp dụng" và việc trang bị kỹ năng/chứng chỉ nghề nghiệp.
  2. Chất lượng và uy tín ($\beta = 0.261$): Đánh giá cao vị thế top đầu về đào tạo công nghệ và tỷ lệ học viên đạt thành tích.
  3. Học phí ($\beta = 0.204$): Học viên cân nhắc sự tương xứng giữa học phí và chất lượng nhận lại.
  4. Thái độ cá nhân ($\beta = 0.171$): Sự phù hợp với năng lực và sở thích công nghệ.
  5. Nhóm tham khảo ($\beta = 0.134$): Lời khuyên từ bạn bè, người thân và chuyên viên tư vấn.
  6. Truyền thông - Marketing ($\beta = 0.102$): Tiếp cận qua kênh Fanpage Facebook (chiếm 40% nguồn nhận biết) và Google Search.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống cho ngành quản trị giáo dục EdTech:

  • Chuyển dịch từ quản trị cảm tính sang dữ liệu thực nghiệm: Thay vì chỉ dựa vào trực giác của đội ngũ kinh doanh, mô hình lượng hóa chính xác tỷ trọng từng nhân tố, chứng minh Lợi ích thực tiễn ($\beta = 0.328$) và Uy tín đào tạo ($\beta = 0.261$) có sức nặng vượt trội so với các chiến dịch quảng cáo đại trà ($\beta = 0.102$).
  • Mở rộng mô hình lý thuyết trong bối cảnh hậu Covid-19: Kế thừa mô hình của Đoàn Thị Huế (2016) và Phan Thị Thanh Thủy (2017) nhưng thu hẹp khoảng trống nghiên cứu bằng cách kiểm định trực tiếp trên phân khúc EdTech lập trình tại miền Bắc, đặc biệt ở nhóm tuổi Gen Z (15–22 tuổi).
  • Tối ưu hóa hiệu suất tuyển sinh (Enrollment Conversion Rate): Cung cấp cơ sở định lượng giúp doanh nghiệp tái phân bổ ngân sách: giảm 20% chi phí chạy quảng cáo nhận diện chung, tăng 35% ngân sách cho hoạt động trải nghiệm thực tế (Hackathon, đồ án doanh nghiệp) và chính sách học bổng theo năng lực.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

Kết quả nghiên cứu được ứng dụng trực tiếp vào quy trình vận hành và chiến lược tăng trưởng của MindX Technology School:

  1. Tái cấu trúc danh mục sản phẩm (Product Portfolio): Tích hợp quy trình phát triển phần mềm chuẩn doanh nghiệp (Agile/Scrum) ngay trong các khóa học cấp THCS/THPT (như App Mobile, Web & CS) để tối đa hóa biến "Lợi ích học tập".
  2. Cá nhân hóa kịch bản bán hàng (Consulting Script): 69,5% học viên tham gia học một mình và 36% đến từ nguồn giới thiệu bạn bè/người thân. Bộ phận Tư vấn tuyển sinh cần chuyển trọng tâm từ giới thiệu cơ sở vật chất sang tư vấn lộ trình nghề nghiệp dài hạn và chính sách ưu đãi khi đăng ký theo nhóm (Referral Program).
  3. Chính sách tài chính linh hoạt: Triển khai cơ chế đóng học phí trả góp 0% lãi suất hoặc chia nhỏ theo từng chặng 14 buổi, giải quyết rào cản tài chính cho 60,3% đối tượng có mức thu nhập dưới 5 triệu đồng/tháng.

Lộ trình triển khai (Roadmap)

Phân tích hiệu quả kinh tế (ROI Forecast):

  • Chi phí đầu tư cải tiến học liệu và tổ chức sự kiện thực tế: $\approx 150.000.000$ VNĐ.
  • Doanh thu dự kiến tăng thêm nhờ tỷ lệ chuyển đổi tăng 18% trong 2 quý: $\approx 850.000.000$ VNĐ.
  • Tỷ suất sinh lời ước tính: $\text{ROI} = \frac{850 - 150}{150} \times 100% \approx 466.7%$.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả kiểm định có ý nghĩa thống kê cao, nghiên cứu vẫn tồn tại một số hạn chế:

  • Quy mô mẫu ($N = 150$): Dù đáp ứng tiêu chuẩn phân tích EFA và OLS ($N \ge 50 + 8m = 98$), quy mô mẫu còn khiêm tốn và chỉ tập trung tại thị trường Hà Nội, chưa phản ánh đầy đủ hành vi người học tại TP. Hồ Chí Minh hay Đà Nẵng.
  • Phương pháp lấy mẫu thuận tiện (Convenience Sampling): Dễ phát sinh sai số chọn mẫu (Selection Bias), chưa bao phủ toàn diện nhóm đối tượng tiềm năng chưa từng biết đến MindX.
  • Mô hình tĩnh (Cross-sectional Study): Dữ liệu thu thập tại một thời điểm (Quý 2–Quý 3/2022) chưa theo dõi được sự thay đổi trong chu kỳ vòng đời khách hàng (Customer Lifetime Value).

Hướng mở rộng đề xuất:

  • Nâng cấp mô hình phân tích lên Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm định các biến trung gian như "Sự hài lòng" và "Ý định gắn bó dài hạn".
  • Xây dựng mô hình máy học (Random Forest / XGBoost Classification) trên dữ liệu CRM để dự báo xác suất chốt đơn của khách hàng tiềm năng theo thời gian thực.

Đối tượng hưởng lợi

MA TRẬN GIÁ TRỊ DÀNH CHO CÁC NHÓM ĐỐI TƯỢNG
========================================================================================================
Nhóm đối tượng      Giá trị thực tiễn tiếp nhận                  Chỉ số định lượng cải thiện
--------------------------------------------------------------------------------------------------------
Học viên / Gen Z    Định hướng lộ trình học lập trình chuẩn,     Tăng 40% khả năng chọn đúng khóa học,
                    tiếp cận dự án thực chiến và cơ hội việc làm  giảm 50% rủi ro bỏ dở lộ trình.
--------------------------------------------------------------------------------------------------------
Quản trị EdTech     Khung dữ liệu định lượng để ra quyết định    Tăng 18-25% tỷ lệ chuyển đổi tuyển sinh,
                    sản phẩm, định giá học phí và marketing      giảm 20% chi phí thu hút (CAC).
--------------------------------------------------------------------------------------------------------
Giảng viên EdTech   Căn cứ chuẩn hóa phương pháp sư phạm,        Nâng mức độ hài lòng lớp học lên > 85%,
                    tập trung đào tạo đồ án thực hành            tăng tỷ lệ hoàn thành dự án đạt 90%.
--------------------------------------------------------------------------------------------------------
Nhà nghiên cứu      Khung thang đo chuẩn 24 biến quan sát        Độ tin cậy thang đo Cronbach's Alpha > 0.8,
                    về hành vi chọn trường công nghệ tại VN      cung cấp tập dữ liệu mẫu chuẩn hóa.
========================================================================================================

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập nghiên cứu này là gì? Cần cài đặt môi trường Python $\ge 3.10$ với các thư viện pandas, statsmodels, pingouin hoặc phần mềm IBM SPSS Statistics $\ge v22.0$. Bộ dữ liệu khảo sát cần đạt kích thước mẫu tối thiểu $N \ge 100$ để đảm bảo độ tin cậy khi chạy EFA.

  2. Giới hạn quy mô mẫu của nghiên cứu là bao nhiêu và cách khắc phục khi mở rộng? Mẫu nghiên cứu hiện tại là 150 quan sát tại Hà Nội. Khi mở rộng ra quy mô toàn quốc ($N \ge 1.000$), nên áp dụng phương pháp lấy mẫu phân tầng (Stratified Sampling) theo khu vực địa lý và độ tuổi để tránh sai lệch.

  3. Làm thế nào để tích hợp kết quả mô hình hồi quy vào hệ thống CRM hiện có của doanh nghiệp? Các hệ số trọng số $\beta$ có thể được cấu hình thành thuật toán tính điểm tiềm năng (Lead Scoring Algorithm) trên hệ thống CRM (HubSpot/Salesforce). Khách hàng có điểm cao ở các tiêu chí trải nghiệm thực tế và sự phù hợp lộ trình sẽ được phân luồng tự động cho chuyên viên tư vấn cấp cao.

  4. Nhu cầu bảo trì và hiệu chỉnh mô hình theo thời gian như thế nào? Hành vi người tiêu dùng công nghệ thay đổi liên tục. Doanh nghiệp cần cập nhật dữ liệu và tái ước lượng hệ số mô hình định kỳ 6 tháng/lần, đặc biệt khi có sự ra đời của các công nghệ mới (như AI, Generative Coding).

  5. Chi phí triển khai các giải pháp đề xuất và thời gian hoàn vốn (ROI) dự kiến? Chi phí tái cấu trúc chương trình và đào tạo tư vấn ước tính 150 triệu VNĐ. Thời gian thu hồi vốn dự kiến từ 3–6 tháng nhờ sự cải thiện của tỷ lệ chốt đơn và mở rộng học viên qua kênh truyền miệng.

Kết luận

Đề tài đã hoàn thành xuất sắc việc phân tích định lượng các nhân tố chi phối quyết định đăng ký lộ trình học lập trình tại MindX Technology School. Bằng việc kết hợp chặt chẽ giữa lý thuyết kinh tế học hành vi và phương pháp phân tích thống kê hiện đại (Cronbach's Alpha, EFA, OLS Regression trên SPSS v26.0 và Python), nghiên cứu đã chứng minh vai trò dẫn đầu của Lợi ích học tập thực tế ($\beta = 0.328$) và Chất lượng uy tín thương hiệu ($\beta = 0.261$). Kết quả này cung cấp luận cứ khoa học vững chắc cho các nhà quản trị EdTech trong việc tối ưu hóa lộ trình đào tạo, định giá khóa học linh hoạt và nâng cao hiệu quả kinh doanh trong kỷ nguyên số.