Nghiên Cứu Các Nhân Tố Ảnh Hưởng Đến Ý Định Sử Dụng AI Trong Học Tập | Môn Nghiên cứu khoa học - Đại học Kinh Tế Quốc Dân

lOMoAR cPSD| 59691467
CHƯƠNG 1: GIỚI THIỆU CHUNG 1.1.
Tính cấp thiết của đề tài
Trí tuệ nhân tạo (AI) là khái niệm đã xuất hiện từ hàng thập kỷ trước. Dần dần những chương
trình trí tuệ nhân tạo được ra đời với các tính năng ngày càng phong phú, hỗ trợ con người ngày một
nhiều hơn. Gần đây, với cuộc cách mạng công nghiệp 4.0, khả năng ứng dụng trí tuệ nhân tạo trở nên
vô cùng quan trọng. Trong ngành giáo dục, đặc biệt là trong quá trình học tập của sinh viên, công nghệ
trí tuệ nhân tạo ngày càng thể hiện sự hữu ích. Tuy nhiên, sử dụng công nghệ không đúng cách hay quá
lạm dụng có thể dẫn đến thất bại khó tránh khỏi trên con đường học vấn đầy chông gai. Thông qua cơ
sở thực tiễn nêu trên, nghiên cứu quyết định lựa chọn đề tài “Các nhân tố ảnh hưởng tới ý định sử dụng
công nghệ trí tuệ nhân tạo vào học tập: nghiên cứu trên sinh viên khối ngành kinh tế trên địa bàn Hà Nội”. 1.2.
Mục tiêu nghiên cứu
• Xác định nhân tố tác động tới ý định sử dụng công nghệ trí tuệ nhân tạo của sinh viên, thông qua
nghiên cứu các mô hình của những nghiên cứu có liên quan trước.
• Phân tích, đánh giá các tác động của những nhân tố đó tới ý định sử dụng công nghệ trí tuệ nhân tạo của sinh viên.
• Qua đó, đưa ra đề xuất cho sinh viên và nhà trường để hỗ trợ sinh viên ứng dụng công nghệ trí tuệ nhân tạo vào học tập. 1.3.
Đối tượng và phạm vi nghiên cứu 1.3.1.
Đối tượng nghiên cứu
Nghiên cứu các nhân tố và sự tác động của các nhân tố tới ý định sử dụng công nghệ ứng dụng
trí tuệ nhân tạo trong học tập của sinh viên đang theo học tại một số trường đại học thuộc khối ngành kinh tế. 1.3.2.
Phạm vi nghiên cứu
Không gian: Tập trung nghiên cứu trên sinh viên ở khối ngành kinh tế tại Hà Nội.
Thời gian thu thập dữ liệu: Dữ liệu sơ cấp thu thập từ tháng 1 đến tháng 3 năm 2020.
CHƯƠNG 2: TỔNG QUAN NGHIÊN CỨU VÀ CƠ SỞ LÝ THUYẾT VỀ Ý
ĐỊNH SỬ DỤNG CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO TRONG HỌC TẬP CỦA SINH VIÊN 2.1.
Tổng quan nghiên cứu các nhân tố ảnh hưởng tới ý định sử dụng công nghệ trí tuệ nhân tạo 2.1.1.
Tổng quan nghiên cứu về học tập của sinh viên 2.1.1.1.
Quá trình học tập của sinh viên
Theo Gross (2010), học tập là quá trình tiếp thu những hiểu biết, kiến thức, hành vi, kĩ năng và giá trị mới. 2.1.1.2.
Môi trường học tập của sinh viên
Tác giả Phạm Hồng Quang (2006) đã đưa ra khái niệm về môi trường học tập: “Môi trường học
tập là tập hợp những yếu tố không gian, vật lực, nhân lực, và tài lực” giúp cho học sinh đạt được kết quả tốt dễ dàng hơn.
2.1.2. Tổng quan nghiên cứu về ý định sử dụng công nghệ trí tuệ nhân tạo trong học tập của sinh viên 2.1.2.1.
Ứng dụng công nghệ trí tuệ nhân tạo trong học tập của sinh viên
Trong quá trình học tập, sinh viên có thể ứng dụng công nghệ trí tuệ nhân tạo vào tất cả các
bước học tập: Ghi nhận kiến thức, Tìm kiếm tài liệu, Làm bài và thực tập, Quản lý học tập. 2.1.2.2.
Tổng quan nghiên cứu về ý định sử dụng công nghệ trí tuệ nhân tạo
Buyle và cộng sự (2018) đã nghiên cứu về ý định sử dụng hệ thống quản trị trực tuyến của nhân
viên làm việc trong các ngành dịch vụ tại Belgium, cho thấy nhận thức sự dễ dàng sử dụng có tác động
tích cực tới ý định sử dụng công nghệ quản lý trực tuyến của họ. Trước đó, một số tác giả khác cùng
nghiên cứu về đề tài này (Kuo, Liu & Ma, 2013; Shin & Lee, 2014; Nugroho & Fajar, 2017; Damerji, 2019). lOMoAR cPSD| 59691467
2.1.3. Tổng quan nghiên cứu các nhân tố tác động tới ý định sử dụng công nghệ trí tuệ nhân tạo 2.1.3.1.
Nhận thức sự hữu dụng
“Nhận thức sự hữu dụng” là nhận thức của đối tượng rằng họ sẽ làm việc hiệu quả hơn nếu sử
dụng công nghệ (Davis, 1986; Davis, 1989). Davis nhận định một cách khái quát rằng nếu như chỉ số
này cao hơn, khả năng đối tượng chấp nhận công nghệ sẽ cao hơn (1989). Nhận định về tác động này
cũng được kiểm định lại bởi nhiều tác giả và nhóm tác giả khác (Park, 2009; Lee, Hsieh & Hsu, 2011;
Lule, Omwansa & Waema, 2012; Ayşe Aypay, Çelik, Ahmet Aypay & Sever, 2012; Damerji, 2019).
Tuy nhiên, nghiên cứu của Shroff và cộng sự (2011) lại phủ định tác động này. 2.1.3.2.
Nhận thức sự dễ dàng sử dụng
“Nhận thức sự dễ dàng sử dụng” là nhận thức của đối tượng rằng họ có thể dễ dàng sử dụng
công nghệ mà không cần đầu tư thời gian nghiên cứu quá sâu (Davis, 1986; Davis 1989). Davis (1989)
nhận định khả năng đối tượng chấp nhận công nghệ sẽ cao hơn nếu chỉ số này của họ cao hơn. Nhiều
nghiên cứu cũng cho thấy sự tác động mạnh mẽ tới ý định sử dụng công nghệ (Lule, Omwansa &
Waema, 2012; Ayşe Aypay, Çelik, Ahmet Aypay & Sever, 2012; Park, 2009; Damerji, 2019). Tuy nhiên,
nghiên cứu của Park (2009) lại cho thấy không có tác động này. 2.1.3.3.
Sự lạc quan về công nghệ
“Sự lạc quan về công nghệ” là nhận thức tích cực về công nghệ, cho rằng công nghệ có thể giúp
chúng ta làm việc tự chủ, hiệu quả hơn, linh hoạt hơn (Parasuraman & Colby, 2001). Nhân tố này cùng
với hai nhân tố tiếp theo có tác động tới “Nhận thức sự dễ sử dụng” và “Nhận thức sự hữu dụng” ở trên
và qua đó, gây ảnh hưởng tới ý định sử dụng công nghệ trí tuệ nhân tạo vào học tập của sinh viên
(Erdoğmuşa & Esenb, 2011; Larasati, Widyawan & Santosa 2017; Damerji, 2019). Larasati và cộng sự
(2017) đã nghiên cứu nhưng kết quả cho thấy nhân tố “Sự lạc quan về công nghệ” chỉ tác động tới nhận thức dễ sử dụng. 2.1.3.4.
Tính tiên phong, dẫn đầu
Theo Parasuraman và Colby (2001), nhân tố này thể hiện ở việc không cần sự hỗ trợ hay giúp
đỡ để có thể nắm bắt được công dụng và cách sử dụng của công nghệ mới, trở thành một trong những
người đầu tiên có thể làm quen hoặc sử dụng thành thạo công nghệ mới này. Buyle và cộng sự (2018),
Larasati và cộng sự (2017), Erdoğmuş và Esen (2011) nhận định tính tiên phong, dẫn đầu có tác động
tương đối mạnh lên cả hai nhân tố về nhận thức kể trên. Tuy nhiên, Walczuch và cộng sự (2007) nhận
định nhân tố “Tính tiên phong dẫn đầu” chỉ có tác động tới nhận thức sự dễ dàng sử dụng. 2.1.3.5.
Sự không thoải mái
Theo Parasuraman và Colby (2001), “Sự không thoải mái” khiến người sử dụng cảm thấy công
nghệ mới dường như không dành cho người bình thường với trình độ công nghệ ở mức bình thường,
cảm thấy rằng công nghệ quá phức tạp đối với họ. Nhiều nhà nghiên cứu cũng thực hiện các nghiên cứu
trên đối tượng là nhân viên các công ty ở những khu vực khác nhau, phần lớn là ở Indonesia (Buyle và
cộng sự, 2018; Larasati, Widyawan, Santosa, 2017; Purba, 2015; Godoe & Johansen, 2012). 2.1.4.
Khoảng trống nghiên cứu
• Có ít nghiên cứu ở Việt Nam được thực hiện trên đối tượng quan trọng, ảnh hưởng trực tiếp tới nguồn
nhân lực vàng trong tương lai, đó chính là sinh viên Việt Nam.
• Trong các nghiên cứu trên thế giới về ý định sử dụng công nghệ trí tuệ nhân tạo, chưa có nghiên cứu
nào được thực hiện ở Việt Nam.
• Trong những nghiên cứu trước đây về công nghệ trí tuệ nhân tạo, các tác giả hầu hết chú trọng vào
nghiên cứu tính ứng dụng của nó, chưa có nghiên cứu nào về ý định sử dụng công nghệ trí tuệ nhân
tạo nói chung vào học tập và các nhân tố tác động tới ý định sử dụng công nghệ trí tuệ nhân tạo tại Việt Nam. 2.2. Cơ sở lý luận: 2.2.1.
Công nghệ trí tuệ nhân tạo
Theo Russell và Norvig (2009), trí tuệ nhân tạo mô tả các cỗ máy hay máy tính có thể thực hiện
các nhiệm vụ thường đòi hỏi trí thông minh của con người như học hỏi và giải quyết vấn đề 2.2.2. Sinh viên
Khái niệm sinh viên
Ở Việt Nam, theo từ điển giáo dục học: “Sinh viên là người học của cơ sở giáo dục cao đẳng,
đại học” (Bùi Hiền, 2001). Kết hợp với nghiên cứu của Vũ Thùy Dương (2018) và Luật Giáo dục đại lOMoAR cPSD| 59691467
học (Quốc hội, 2012), sinh viên là: những người học đang học tập, nghiên cứu khoa học tại cơ sở giáo
dục đại học, cao đẳng trong các chương trình đào tạo đại học hoặc cao đẳng.
Đặc điểm của sinh viên Việt Nam 2.2.3.
Ý định sử dụng công nghệ trí tuệ nhân tạo của sinh viên
Theo Davis (1989), ý định thực hiện hành vi sẽ quyết định hành vi của một đối tượng. Khái
niệm về ý định được Ajzen và Fishbein đưa ra từ trước đó: ý định sử dụng công nghệ là ý định của cá
nhân đối với công nghệ, sẽ phản ánh mức độ mạnh mẽ của xu hướng mà các nhân đó sẽ thực hiện hành
động sử dụng đó. Venkatesh và Davis (2000) đã loại bỏ nhân tố về thái độ đối với ý định sử dụng trong
mô hình TAM bàn đầu do tác động quá yếu của nhân tố thái độ với vai trò biến điều hòa. Lee và Jun
(2007) cho rằng trong mô hình sự chấp nhận công nghệ, cần phải nghiên cứu thêm các nhân tố khác bên
ngoài mà có tác động tới hai nhân tố về nhận thức kể trên, qua đó gây ảnh hưởng tới ý định sử dụng một
công nghệ. Do đó, các tác giả đã kết hợp thêm các nhân tố từ mô hình sự sẵn sàng về công nghệ (TR)
vào mô hình TAM, tuy khác nhau về các nhân tố, song cùng hướng tới xác định tác động tới ý định sử dụng công nghệ.
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 3.1.
Phát triển giả thuyết nghiên cứu
Nhiều tác giả, nhóm tác giả đã thực hiện nghiên cứu điển hình như Walczuch, Lemmink và
Streukens (2007) khẳng định tác động của sự lạc quan, tính tiên phong và sự không thoải mái về công
nghệ lên nhận thức sự dễ dàng sử dụng và nhận thức sự hữu dụng. (Shin & Lee, 2014; Larasati,
Widyawan & Santosa, 2017; Nugroho & Fajar, 2017; Panday & Rachmat, 2019). Giả thuyết được đưa ra như sau:
H1: Sự lạc quan về công nghệ có tác động tích cực lên nhận thức sự dễ dàng sử dụng công
nghệ trí tuệ nhân tạo của sinh viên tại Hà Nội.
H2: Tính tiên phong, dẫn đầu về công nghệ có tác động tích cực lên nhận thức sự dễ dàng sử
dụng công nghệ trí tuệ nhân tạo của sinh viên tại Hà Nội.
H3: Sự không thoải mái về công nghệ có tác động tiêu cực lên nhận thức sự dễ dàng sử dụng
công nghệ trí tuệ nhân tạo của sinh viên tại Hà Nội.
H4: Sự lạc quan về công nghệ có tác động tích cực lên nhận thức sự hữu dụng của công nghệ
trí tuệ nhân tạo của sinh viên tại Hà Nội.
H5: Tính tiên phong, dẫn đầu về công nghệ có tác động tích cực lên nhận thức sự hữu dụng
của công nghệ trí tuệ nhân tạo của sinh viên tại Hà Nội.
H6: Sự không thoải mái về công nghệ có tác động tiêu cực lên nhận thức sự hữu dụng của
công nghệ trí tuệ nhân tạo của sinh viên tại Hà Nội.
Damerji (2019) cho thấy nhận thức sự dễ dàng sử dụng có tác động tích cực mạnh mẽ tới ý định
sử dụng công nghệ trí tuệ nhân tạo. Trước đó, các tác giả Buyle và công sự (2018), Nugroho và Fajar
(2017) cũng khẳng định tác động tích cực này. Tuy nhiên, Erdoğmuş và Esen (2011), Shin và Lee (2014)
lại khẳng định không có liên hệ giữa nhận thức sự dễ dàng sử dụng và ý định sử dụng công nghệ. Giả
thuyết được đưa ra như sau:
H7: Nhận thức sự dễ dàng sử dụng tác động tích cực tới ý định sử dụng công nghệ trí tuệ nhân
tạo của sinh viên tại Hà Nội.
H8: Nhận thức sự hữu dụng tác động tích cực tới ý định sử dụng công nghệ trí tuệ nhân tạo
của sinh viên tại Hà Nội. 3.2.
Mô hình nghiên cứu đề xuất 3.2.1.
Mô hình nghiên cứu
Nhận thức sự dễ sử dụng
Sự lạc quan về công nghệ Ý định sử dụng
Tính tiên phong, dẫn đầu công nghệ Sự không thoải mái
Nhận thức sự hữu dụng
Hình 3.1 Mô hình nghiên cứu đề xuất
Nguồn: Davis, 1989; Parasuraman, 2000; Damerji, 2019 lOMoAR cPSD| 59691467 3.2.2.
Định nghĩa và các chỉ báo cho các nhân tố tác động: 3.3.
Quy trình nghiên cứu của đề tài
Hình 3.2 Quy trình nghiên cứu của đề tài 3.4.
Phương pháp thu thập dữ liệu
3.4.1. Thu thập dữ liệu thứ cấp 3.4.2.
Thu thập dữ liệu sơ cấp
• Đối tượng điều tra: Sinh viên đang theo học tại trường Đại học Kinh tế Quốc dân, Đại học Ngoại
thương, Học viện ngân hàng, Học viện tài chính, Đại học Thương mại hoặc đang theo học tại các
khoa, viện về kinh tế tại trường Đại học Thăng long, Đại học Mỏ Địa chất, Học viện Nông nghiệp
• Thiết kế phiếu điều tra: Nghiên cứu này phát triển bảng hỏi thử nghiệm gồm 3 phần: mức độ đồng
tình với các ý kiến được đưa ra: 23 câu hỏi với thang đo Likert từ 1 tới 5; câu hỏi điều tra nhân khẩu
học: 2 câu hỏi; câu hỏi lấy thông tin cá nhân: 1 câu hỏi.
• Quy mô mẫu: Trong nghiên cứu, có 23 biến quan sát để đo lường tác động. Do vậy, qui mô mẫu tối
thiểu là 115 (5*23) (Comrey, 2013; Worthington, 2006). Qui mô mẫu của nghiên cứu được xác định
là 230 sinh viên để đảm bảo yêu cầu kích thước mẫu tối thiểu.
• Phương pháp chọn mẫu: Phương pháp chọn mẫu thuận tiện.
• Các bước thực hiện: Bước 1: khảo sát thử nghiệm; Bước 2: Nghiên cứu chính thức
Loại bỏ các phiếu không phù hợp: Kết thúc quá trình lấy mẫu, thu về 204 phiếu trả lời khảo sát. Loại bỏ
12 phiếu không hợp lệ, tổng số phiếu hợp lệ còn lại là 192 phiếu. 3.5.
Phương pháp phân tích dữ liệu: Phần mềm SPSS 22.0; AMOS SPSS 22.0
CHƯƠNG 4: PHÂN TÍCH TÁC ĐỘNG CỦA CÁC NHÂN TỐ TỚI Ý ĐỊNH SỬ DỤNG CÔNG
NGHỆ TRÍ TUỆ NHÂN TẠO CỦA SINH VIÊN KINH TẾ TRÊN ĐỊA BÀN HÀ NỘI 4.1.
Mô tả mẫu quan sát
Năm đang học ở bậc đại học: Hầu hết sinh viên năm thứ 3 đã thực hiện khảo sát (64,6%) cho thấy mức
độ quan tâm của sinh viên mới vào trường tới đề tài nghiên cứu này khá thấp, tuy nhiên vẫn lớn hơn tỉ
lệ của sinh viên năm thứ 4.
Trường đại học: Tỉ lệ phần trăm số sinh viên tham gia đến từ trường đại học Kinh tế Quốc dân và Học
viện Ngân hàng là tương đương nhau. Ngoài ra việc số lượng phiếu trả lời từ các trường khác còn thấp
do hạn chế trong tiếp cận tới sinh viên các trường. 4.2.
Kiểm định dữ liệu 4.2.1.
Phân tích nhân tố khám phá (EFA) Lần 1 Lần 2 Lần 3 Hệ số KMO 0,882 0,861 0,863 Sig. 0,000 0,000 0,000
Tổng phương sai trích 58,256 58,71 59,436 Số nhân tố 6 6 6
Số biến quan sát ban đầu 23 21 20
Số biến quan sát còn lại 21 20 20
Bảng 4.1 Kết quả phân tích nhân tố khám phá
Nguồn: Kết quả phân tích dữ liệu khảo sát
4.2.2. Kiểm định độ tin cậy dữ liệu (Cronbach’s Alpha)
Kiểm định cho thấy cả 6 yếu tố của mô hình đều có hệ số Cronbach’s Alpha lớn hơn 0.7 và hệ
số tương quan biến tổng nhỏ nhất là 0,504 (biến quan sát DIS3 – đều đảm bảo về độ tin cậy. lOMoAR cPSD| 59691467 4.2.3.
Mô hình nghiên cứu sau kiểm định dữ liệu
Sau khi phân tích nhân tố khám phá EFA và kiểm định độ tin cậy với hệ số Cronbach’s Alpha,
nghiên cứu giữ nguyên mô hình gồm 6 yếu tố với 20 biến quan sát, đồng thời chuyển một biến quan sát
từ nhân tố “Nhận thức sự hữu dụng” sang nhân tố “Ý định sử dụng”, loại 02 biến quan sát của nhân tố
“Tính tiên phong dẫn đầu”, 01 biến quan sát của nhân tố “Nhận thức sự hữu dụng”. 4.3.
Đánh giá của sinh viên 4.3.1.
Đánh giá về sự lạc quan của sinh viên về công nghệ trí tuệ nhân tạo
Trên thang đo từ 1 đến 5, nhân tố “Sự lạc quan về công nghệ” có mức đánh giá trung bình là
4,03 – khá cao so với mức trung bình (mức 3), cho thấy sinh viên khối ngành kinh tế tại Hà Nội có suy
nghĩ lạc quan về công nghệ trí tuệ nhân tạo. 4.3.2.
Đánh giá về tính tiên phong, dẫn đầu
Dựa vào bảng kết quả phân tích mô tả, có thể thấy mức độ tán thành trung bình của toàn mẫu là
3,22 rất gần với mức trung bình (mức 3). 4.3.3.
Đánh giá về sự không thoải mái
Theo kết quả phân tích mô tả được nêu ở bảng trên, mức độ tán thành trung bình của toàn mẫu
là 2,94 đã dưới mức trung bình (mức 3). 4.3.4.
Đánh giá về nhận thức sự dễ dàng sử dụng
Từ bảng kết quả phân tích mô tả, có thể thấy mức độ tán thành trung bình của toàn mẫu là 3,57
khá gần với mức trung bình (mức 3). 4.3.5.
Đánh giá về nhận thức sự hữu dụng
Dựa vào kết quả phân tích mô tả ở bảng trên, nhận thấy mức độ tán thành trung bình của toàn
mẫu là 4,09 khá cao và cũng là cao nhất trong số các nhân tố mà nghiên cứu đang xem xét tác động tới
ý định sử dụng công nghệ trí tuệ nhân tạo vào học tập của sinh viên. 4.3.6. Đánh giá về ý định sử dụng
công nghệ trí tuệ nhân tạo vào học tập
Dựa vào kết quả phân trên cho thấy mức độ tán thành trung bình của toàn mẫu là 4,09 là khá
cao. Do đó có thể nhận nhận định rằng sinh viên có ý định mạnh mẽ rằng sẽ sử dụng công nghệ trí tuệ nhân tạo.
4.3.7. Nhận xét sự khác biệt giữa các nhóm nhân khẩu học và giữa sinh viên các trường đại học được nghiên cứu
Đánh giá của sinh viên giữa các nhóm nhân khẩu học là khá tương đồng nhau.
4.4. Kiểm định giả thuyết về mối quan hệ và mức độ tác động giữa các nhân tố và từ các nhân tố
tới ý định sử dụng công nghệ trí tuệ nhân tạo 4.4.1.
Phân tích nhân tố khẳng định (CFA)
Thực hiện phân tích nhân tố khẳng định và so sánh các chỉ số với điều kiện mà Hair và cộng sự
(2010) đưa ra, thu được các chỉ số cho thấy các nhân tố là phù hợp để phân tích bước tiếp theo – phân
tích mô hình cấu trúc tuyến tính (SEM). 4.4.2.
Phân tích mức độ các tác động
Theo Hair và công sự (2006), khi có cả 3 loại biến: biến độc lập, biến trung gian và biến phụ
thuộc thì nên sử dụng mô hình cấu trúc tuyến tích (SEM). Do đó, nghiên cứu sẽ sử dụng mô hình SEM
để phân tích các tác động. Dưới đây là mô hình được sử dụng trong nghiên cứu này. lOMoAR cPSD| 59691467
Hình 4.1 Mô hình cấu trúc tuyến tính (SEM) được nghiên cứu
Nguồn: Kết quả phân tích dữ liệu khảo sát
Kết quả của phân tích khi so sánh với các điều kiện của kiểm định nhân tố khẳng định (CFA) cho thấy
mô hình của nghiên cứu phù hợp để phân tích
Bảng 4.2 Bảng kết quả các tác động giữa các nhân tố β Sai số chuẩn P Các giả thuyết OP  PEOU 0,448 0,095 ***
H1: Chấp nhận giả thuyết INNO  PEOU 0,293 0,704 ***
H2: Chấp nhận giả thuyết DIS  PEOU - 0,159 0,057 0,005
H3: Chấp nhận giả thuyết OP  PU 0,652 0,110 ***
H4: Chấp nhận giả thuyết INNO  PU - 0,055 0,072 0,443
H5: Chưa chấp nhận giả thuyết DIS  PU - 0,128 0,059 0,030
H6: Chấp nhận giả thuyết PEOU  Intention 0,146 0,071 0,040
H7: Chấp nhận giả thuyết PU  Intention 0,696 0,096 ***
H8: Chấp nhận giả thuyết
Ghi chú: *** mức ý nghĩa p < 0,001
Nguồn: Kết quả phân tích dữ liệu khảo sát 4.5. Kết luận chung
Qua việc thực hiện phân tích mô tả và phân tích phương sai ANOVA, nghiên cứu nhận xét rằng
đánh giá của sinh viên khá đồng nhất giữa các nhóm năm học đang theo học và giữa các trường đại học
khối ngành kinh tế. Do đó có thể nhận định sinh viên khối ngành kinh tế trên địa bàn Hà Nội có quan
điểm, nhận thức về công nghệ trí tuệ nhân tạo khá tương tự nhau.
Sau khi phân tích tác động bằng mô hình SEM, nghiên cứu nhận thấy đánh giá của sinh viên về
ý định sử dụng công nghệ trí tuệ nhân tạo trong học tập là tương đối cao (ở mức 4,094 trên thang điểm
từ 1 tới 5) cho thấy sinh viên sẽ có ý định sử dụng một công nghệ trí tuệ nhân tạo mới được giới thiệu
để áp dụng trong học tập. Với nhận tố “Nhận thức sự dễ dàng sử dụng”, sinh viên đánh giá không cao,
chỉ trên mức trung bình một chút, cho thấy sinh viên không cảm thấy khó nhưng cũng không thấy dễ
dàng khi sử dụng một công nghệ trí tuệ nhân tạo trong học tập. Về nhân tố “Nhận thức sự hữu dụng”,
sinh viên cũng đánh giá rất cao, chỉ kém ý định sử dụng một phần nhỏ (ở mức đồng tình 4,090 trên thang
điểm từ 1 tới 5), thậm chí có thể coi là tương đương với ý định sử dụng công nghệ. Như vậy, sinh viên
khối ngành kinh tế nhận thấy công nghệ trí tuệ nhân tạo rất hữu dụng trong học tập.
Số liệu quan sát được ở các nhân tố “Sự lạc quan về công nghệ” cho thấy khi sinh viên có cảm
nhận lạc quan về công nghệ trí tuệ nhân tạo mới nào đó, họ sẽ cảm thấy công nghệ ấy dễ sử dụng hơn
và hữu dụng hơn đối với họ. Nhân tố “Sự không thoải mái” lại ngược lại, khiến sinh viên cảm thấy công
nghệ ấy kém hiệu quả và khó sử dụng hơn, dẫn tới giảm ý định sử dụng chúng vào học tập. Điều đặc
biệt ở đây lại nằm ở nhân tố “Tính tiên phong, dẫn đầu”, cho thấy tác động tới nhận thức của sinh viên
rằng công nghệ mới dễ sử dụng, tuy nhiên không thay đổi nhận định của sinh viên về tính hữu dụng của công nghệ đó.
Ngoài ra, khi so sánh với các nghiên cứu tương tự trước đây, khác với kết quả có tác động tiêu
cực tới nhận thức sự hữu dụng của nghiên cứu này, sự không thoải mái về công nghệ trong nhiều nghiên
cứu được nhận định là không ảnh hưởng gì tới nhận thức sự hữu dụng của công nghệ (Nugroho & Fajar,
2017; Larasati, Widyawan & Santosa, 2017; Kuo, Liu & Ma, 2013). Do đó, kết luận rằng sinh viên tại
Hà Nội có quan điểm khác với ở các nước khác về sự không thoải mái trong công nghệ. Thêm vào đó,
trong khi nghiên cứu khẳng định tác động của sự không thoải mái về công nghệ lên nhân thức sự dễ
dàng sử dụng công nghệ, nhiều nghiên cứu trước đây lại cho rằng ảnh hưởng trên là không có ý nghĩa
thống kế - phủ định tác động giữa “Sự không thoải mái” và “Nhận thức sự dễ dàng sử dụng” (Panday &
Rachmet, 2019; Buyle và cộng sự, 2018; Nugroho & Fajar, 2017). Điều này chứng tỏ, cảm giác thoải
mái hay không thoải sinh viên Hà Nội đối với công nghệ tác động lên nhận thức rằng công nghệ dễ hay
khó sử dụng mạnh hơn những đối tượng ở các khu vực khác.
CHƯƠNG 5: ĐỀ XUẤT, KIẾN NGHỊ NHẰM KHUYẾN KHÍCH SINH VIÊN ỨNG DỤNG
CÔNG NGHỆ TRÍ TUỆ NHÂN TẠO TRONG HỌC TẬP lOMoAR cPSD| 59691467 5.1.
Xu hướng ứng dụng công nghệ trí tuệ nhân tạo vào học tập ở đại học
Xu hướng đang được nhiều cơ sở đào tạo đại học trên khắp thế giới hướng tới chính là xây dựng
trường học thông minh (SMART School). Trong bài đăng trên Tạp chí Giáo dục (VJE) của Vũ Thị Thúy
Hằng (2018), tác giả đưa ra khái niệm trường học thông minh dựa trên quan điểm tại Mỹ, Phần Lan kết
hợp với điều kiện vật chất, xã hội tại Việt Nam: “Trường học thông minh là trường học vận dụng linh
hoạt, hiệu quả các nguồn lực trên nền tảng ứng dụng tiến bộ công nghệ kĩ thuật số nhằm nâng cao chất
lượng giáo dục học sinh, đáp ứng yêu cầu của xã hội trong đào tạo thế hệ trẻ”. Với mục tiêu xây dựng
trường học thông minh, sinh viên và nhà trường cần phải cùng nhau nỗ lực thực hiện các bước tiến quan trọng. 5.2.
Đề xuất đối với sinh viên
• Tận dụng tối đa những tính năng của công nghệ trí tuệ nhân tạo nhưng không quá dựa dẫm vào nó,
luôn tự chủ động kết hợp với những phương pháp truyền thống.
• Nghiên cứu khuyến khích sinh viên phát huy tinh thần lạc quan đối với công nghệ, tiếp tục tìm tòi,
học hỏi thêm về những công nghệ mới để áp dụng vào học tập.
• Nên trau dồi thêm kiến thức, kĩ năng sử dụng công nghệ trí tuệ nhân tạo.
• Phải xem trọng tính tiên phong dẫn đầu của những thứ mới mẻ, đặc biệt là các công nghệ trí tuệ nhân
tạo mới để áp dụng vào học tập.
• Thay đổi suy nghĩ để trở nên cởi mở, tự tin hơn. 5.3.
Đề xuất với Nhà trường và giảng viên, trợ giảng
• Hỗ trợ sinh viên thêm kiến thức về công nghệ trí tuệ nhân tạo: Lập nhóm thông tin trên mạng xã
hội, tích cực thực hiện truyền thông để các nhóm tiếp cận được tới sinh viên, cập nhật cho sinh viên
về những sáng tạo, đổi mới trong lĩnh vực công nghệ trí tuệ nhân tạo có thể áp dụng vào học tập.
Với những môn đại cương về công nghệ thông tin hoặc các môn học liên quan tới công nghệ, giảng
viên thêm một số câu hỏi mở về việc tìm hiểu một công nghệ trí tuệ mới có liên quan hoặc phù hợp với môn học.
• Giúp sinh viên thấy lợi ích của việc là người tiên phong trong sử dụng công nghệ trí tuệ nhân
tạo: Nhà trường cần có thêm các hoạt động giúp cho sinh viên tự tin hơn về bản thân, rằng họ có thể
trở thành hàng ngũ tiên phong khi sử dụng một công nghệ trí tuệ nào đó. Ngoài ra, nghiên cứu cũng
đề xuất rằng nên liên hệ và mời các cựu sinh viên thành đạt trở về để nói về những thuận lợi và đột
phá mà việc đứng trong hàng ngũ tiên phong về ứng dụng công nghệ trí tuệ đem lại cho học tập và
công việc hiện tại của họ.
• Động viên sinh viên tự tin học hỏi lẫn nhau: Giảng viên ở tất cả các môn học có thể thêm một số
phần thảo luận nhóm mở với chủ đề về công nghệ trí tuệ nhân tạo liên quan tới môn học vào các bài
giảng để sinh viên chia sẻ hiểu biết của bản thân với bạn bè. Tạo các diễn đàn hoặc nhóm trên mạng
xã hội và khuyến khích sinh viên trao đổi thông tin, kiến thức về công nghệ trí tuệ nhân tạo áp dụng trong học tập.
• Giúp sinh viên cảm thấy thoải mái hơn về công nghệ trí tuệ nhân tạo: Tích hợp công nghệ trí tuệ
nhân tạo vào các hoạt động của trường nhiều hơn với sự trơn tru trong vận hành và quản lý; phát
triển sự kết hợp giữa công nghệ và học tập trong lớp học để sinh viên có cơ hội ứng dụng. Khuyến
khích sinh viên sử dụng công nghệ trí tuệ nhân tạo vào bài tập, khen ngợi và tuyên dương những
cách ứng dụng độc đáo của sinh viên. Tuy khuyến khích là đúng đắn, nhưng giảng viên chỉ nên đưa
ra số lượng vừa đủ các bài tập có yêu cầu sử dụng công nghệ trí tuệ nhân tạo mà tính điểm hoặc chỉ
đánh giá cơ bản về cách mà sinh viên đã sử dụng công nghệ trong bài tập. 5.4.
Hạn chế và hướng nghiên cứu tiếp theo của nghiên cứu
Do dịch Covid 19, nghiên cứu mới chỉ tập trung thực hiện khảo sát và phân tích số liệu tại 04
trường đại học hàng đầu về kinh tế tại Hà Nội. Những nghiên cứu tiếp theo nên mở rộng ra toàn bộ các
trường thuộc khối kinh tế trên địa bàn Hà Nội nói riêng và trên cả nước nói chung. Thêm vào đó, nghiên
cứu phải thực hiện khảo sát hoàn toàn trên cơ sở online (trực tuyến). Do đó, quy mô mẫu và cơ cấu mẫu
vẫn còn bị hạn chế. Những nghiên cứu tiếp theo nên phát triển mẫu rộng hơn, đồng thời đảm bảo cân
đối số lượng sinh viên năm thứ nhất, sinh viên năm thứ hai, sinh viên năm thứ ba và sinh viên năm thứ
tư và tỉ lệ số lượng sinh viên giữa các trường đại học. Cuối cùng, nghiên cứu được thực hiện để khám
phá tác động từ các nhân tố tới ý định sử dụng công nghệ trí tuệ nhân tạo. Những nghiên cứu sau này có
thể phát triển mục đích và mô hình để khám phá thêm các tác động trực tiếp và gián tiếp tới thực tế sử
dụng công nghệ trí tuệ nhân tạo.