GIỚI THIỆU
Phát biểu vấn đề nghiên cứu
Chuỗi khối (Blockchain) là công nghệ đột phá có khả năng cách mạng hóa thế giới thông qua giao dịch đáng tin cậy, kết hợp mã hóa, sổ cái phân tán và xác thực đồng thuận Được xem là một phần của cuộc cách mạng công nghiệp lần thứ tư, chuỗi khối hứa hẹn thúc đẩy sự phát triển kinh tế toàn cầu trong những thập kỷ tới Với tiềm năng ứng dụng lớn trong bảo mật, tính phân cấp và độ tin cậy, chuỗi khối đã thu hút sự quan tâm từ các nhà nghiên cứu và chuyên gia trên nhiều lĩnh vực, bao gồm cả giáo dục.
Công nghệ chuỗi khối đang đóng vai trò quan trọng trong việc cải thiện hệ thống giáo dục đại học truyền thống, với nhiều trường áp dụng nó để quản lý hiệu quả bằng cấp và kết quả học tập Tuy nhiên, tỷ lệ chấp nhận công nghệ này vẫn còn thấp, điều này nhấn mạnh sự cần thiết của các nghiên cứu về sự hài lòng và chấp nhận của người dùng Hiện tại, ứng dụng chuỗi khối trong giáo dục còn ở giai đoạn sơ khai, với chỉ 2% cơ sở giáo dục đại học đang sử dụng và 18% dự định áp dụng trong vòng hai năm tới Do đó, việc nghiên cứu sâu về sự chấp nhận và ứng dụng công nghệ chuỗi khối trong giáo dục đại học là rất cần thiết và có ý nghĩa cả về lý thuyết lẫn thực tiễn.
Mô hình chấp nhận công nghệ (TAM) do Davis và các cộng sự phát triển vào năm 1989 là một trong những lý thuyết quan trọng và có ảnh hưởng nhất trong việc nghiên cứu sự chấp nhận và sử dụng công nghệ Mô hình này giúp giải thích các yếu tố ảnh hưởng đến quyết định của người dùng trong việc tiếp nhận công nghệ mới.
Mô hình Chấp nhận Công nghệ (TAM) được sử dụng để phân tích các yếu tố ảnh hưởng đến việc chấp nhận và sử dụng công nghệ trong các bối cảnh cụ thể, với mục đích theo dõi tác động của yếu tố bên ngoài lên thái độ và ý định của người dùng (Davis và cộng sự, 1989) TAM nổi bật nhờ khả năng giải thích mạnh mẽ và dễ hiểu, trở thành mô hình phổ biến trong nhiều nghiên cứu (Huang và cộng sự, 2022) Các nghiên cứu dựa trên TAM đã chỉ ra rằng lòng tin có ảnh hưởng tiêu cực đến rủi ro nhận thức, từ đó tác động xấu đến ý định hành vi (Thiesse, 2007) Một yếu tố thuận lợi khác thúc đẩy việc sử dụng công nghệ tự phục vụ là tiết kiệm chi phí và giá cả (Howard và Worboys, 2003) Mặc dù số lượng nghiên cứu về chuỗi khối trong giáo dục còn hạn chế, nhưng những nghiên cứu này đã mở ra hướng đi cho các nghiên cứu tiếp theo (Bhatia và Bhasin, 2023; Ullah và cộng sự, 2021; Loukil và cộng sự, 2021; Grọther và cộng sự, 2018) Từ đó, tác giả đã phát triển mô hình TAM bằng cách kết hợp thêm yếu tố tiết kiệm chi phí để có cái nhìn tổng quan và đa chiều hơn (Globerson và Maggard).
Nghiên cứu của Gefen và cộng sự (2003) đã chỉ ra rằng lòng tin đóng vai trò quan trọng trong việc chấp nhận và sử dụng công nghệ chuỗi khối trong giáo dục đại học Việc xem xét ảnh hưởng của lòng tin và các yếu tố liên quan giúp hiểu rõ hơn về sự chấp nhận công nghệ này trong môi trường học thuật.
Mặc dù công nghệ chuỗi khối đã tồn tại từ lâu, việc ứng dụng của nó trong giáo dục đại học tại Việt Nam vẫn còn hạn chế Các nghiên cứu về chuỗi khối trong lĩnh vực này cũng chưa phát triển mạnh mẽ Do đó, tác giả đã chọn đề tài “Chấp nhận và sử dụng chuỗi khối: Một nghiên cứu trong lĩnh vực giáo dục đại học” nhằm cung cấp cơ sở cho các nhà quản trị trong việc quyết định áp dụng công nghệ chuỗi khối và đưa ra các khuyến nghị thiết thực để nâng cao và duy trì lòng tin trong quá trình này.
Mục tiêu nghiên cứu
Nghiên cứu này cung cấp cái nhìn tổng quát về việc chấp nhận và sử dụng công nghệ chuỗi khối trong giáo dục đại học tại Việt Nam, đồng thời phân tích các yếu tố ảnh hưởng đến quá trình này Mục tiêu là hỗ trợ các cơ sở giáo dục đại học nâng cao khả năng chấp nhận và ứng dụng công nghệ chuỗi khối, từ đó cải thiện chất lượng giảng dạy và quản lý học viên.
3 ứng dụng chuỗi khối thông qua các giải pháp mà bài nghiên cứu đã đưa ra
- Nhận dạng các yếu tố ảnh hưởng đến việc chấp nhận và sử dụng ứng dụng chuỗi khối trong lĩnh vực giáo dục đại học
- Đề xuất và kiểm định mô hình chấp nhận và sử dụng ứng dụng chuỗi khối trong lĩnh vực giáo dục đại học
- Kiến nghị các giải pháp để nâng cao sự chấp nhận công nghệ chuỗi khối đối với lĩnh vực giáo dục đại học.
Câu hỏi nghiên cứu
- Các yếu tố nào ảnh hưởng đến đến việc chấp nhận và sử dụng ứng dụng chuỗi khối trong lĩnh vực giáo dục đại học?
- Mô hình chấp nhận và sử dụng ứng dụng chuỗi khối trong lĩnh vực giáo dục đại học được đề xuất và kiểm định như thế nào?
- Các giải pháp nào để nâng cao sự chấp nhận công nghệ chuỗi khối đối với lĩnh vực giáo dục đại học?
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Chấp nhận và sử dụng ứng dụng chuỗi khối trong giáo dục đại học
Đối tượng khảo sát bao gồm giảng viên và chuyên viên đã từng sử dụng hoặc có kế hoạch sử dụng ứng dụng chuỗi khối tại Trường Đại học Ngân hàng TP Hồ Chí Minh.
- Phạm vi nghiên cứu: Trường Đại học Ngân hàng TP Hồ Chí Minh.
Ý nghĩa của nghiên cứu
Nghiên cứu này cung cấp kiến thức quan trọng để củng cố lý thuyết về hệ thống thông tin, lý thuyết chuỗi khối và mô hình chấp nhận công nghệ (TAM).
4 và các khái niệm có liên quan trong việc áp dụng chuỗi khối vào giáo dục đại học
Nghiên cứu này cung cấp kiến thức quan trọng nhằm nâng cao sự chấp nhận công nghệ chuỗi khối trong lĩnh vực giáo dục đại học tại Việt Nam, hỗ trợ các tổ chức giáo dục trong việc áp dụng và phát triển các giải pháp đổi mới sáng tạo.
Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
Chuỗi khối
Chuỗi khối, hay blockchain, là thế hệ thứ hai được phát triển từ Bitcoin, được giới thiệu bởi Satoshi Nakamoto.
Năm 2008 đánh dấu sự ra đời của sổ cái công khai, nơi tất cả các giao dịch được lưu trữ trong danh sách các khối theo mô hình phân tán, không có lưu trữ trung tâm và không chịu sự kiểm soát của ngân hàng, công ty hay chính phủ (Yaga và cộng sự, 2019; Zheng và cộng sự, 2017) Thuật toán mã hóa bất đối xứng và đồng thuận phân tán được áp dụng để bảo mật người dùng và đảm bảo tính nhất quán của sổ cái Điều này cho phép cộng đồng ghi lại các giao dịch trong sổ cái chia sẻ, đảm bảo rằng không có giao dịch nào có thể bị thay đổi sau khi đã được xuất bản.
Công nghệ chuỗi khối nổi bật với các đặc điểm như tính phân cấp, tính bền vững, ẩn danh và khả năng kiểm toán Kiến trúc của chuỗi khối bao gồm một chuỗi các khối, mỗi khối chứa giá trị băm của khối trước đó, tạo thành một hệ thống liên kết chặt chẽ Việc thay đổi một khối đã tạo ra sẽ làm thay đổi giá trị băm của nó, dẫn đến việc các khối tiếp theo cũng phải được điều chỉnh Điều này có nghĩa là để chỉnh sửa một giao dịch trong bất kỳ khối nào, người ta cần phải sửa đổi toàn bộ lịch sử giao dịch trên các khối trước đó, điều này gần như không khả thi.
6 khả năng tính toán hiện tại Kiến trúc này giúp cho chuỗi khối đáp ứng được tính toàn vẹn và đáng tin cậy
Cấu trúc tổng quát của chuỗi khối, như mô tả trong Hình 2.1, bao gồm chuỗi chính (màu đen) kéo dài từ khối gốc (khối màu xanh) đến khối hiện tại Khối mồ côi (orphan block), được thể hiện bằng màu tím, là khối được khai thác thành công trong mạng chuỗi khối nhưng có nguồn gốc (parent block) không xác định hoặc không tồn tại.
Hình 2.1 Cấu trúc của chuỗi khối
2.1.2 Ưu và khuyết điểm Ưu điểm:
Tính phi tập trung là lợi ích nổi bật nhất của công nghệ chuỗi khối, cho phép các bên tham gia không cần thông qua tổ chức trung gian, từ đó tăng cường bảo mật dữ liệu và giảm rủi ro khi tự lưu trữ thông tin giao dịch Ngoài ra, chuỗi khối còn có khả năng xác minh và xử lý độc lập các giao dịch, giúp tiết kiệm thời gian và chi phí trong quá trình bảo mật.
Tính bất biến trong chuỗi khối là yếu tố quan trọng, cho phép các cá nhân xa lạ tin tưởng lẫn nhau về độ tin cậy của hệ thống Nhờ vào việc sử dụng nhiều quy trình xử lý và bảng ghi chung, chuỗi khối đảm bảo tính minh bạch và an toàn cho các giao dịch.
Sự tin tưởng trong công nghệ chuỗi khối có thể được nâng cao nhờ vào việc mọi hành động của người tham gia đều được ghi lại và dữ liệu không thể bị thay đổi hay chỉnh sửa Thông tin chỉ có thể được thay thế hoặc xóa khi có đủ khả năng xử lý để thực hiện điều này trên tất cả các máy tính trong mạng lưới trước khi khối tiếp theo được ghi lại, điều này làm cho chuỗi khối trở nên không thể thay đổi và phá hủy Nếu số lượng máy tính trong mạng ít, công nghệ này sẽ dễ bị tấn công, trong khi một mạng lưới với nhiều máy tính sẽ đảm bảo an toàn và minh bạch hơn.
Tính minh bạch của chuỗi khối được thể hiện qua từng bản ghi giao dịch, cho phép tất cả người tham gia trong mạng lưới có thể theo dõi trên sổ cái công khai (Golosova và Romanovs, 2018) Điều này khẳng định đặc trưng nổi bật của công nghệ chuỗi khối.
Tính bảo mật của mạng lưới chuỗi khối được thể hiện qua việc mỗi thực thể tham gia sẽ được cấp một danh tính duy nhất (Golosova và Romanovs, 2018) Sự an toàn của chuỗi khối được củng cố bởi hàm băm mã hóa, với mỗi khối có một giá trị băm không thể thay đổi, đảm bảo tính toàn vẹn và bảo mật của dữ liệu.
Yếu tố năng lượng là một trong những hạn chế chính của chuỗi khối, do yêu cầu sức mạnh xử lý lớn để tạo mã băm cho mỗi khối mới Đặc tính không thể thay đổi dữ liệu và hành động sao chép đồng thuận liên tục trên mỗi nút cũng góp phần vào sự phụ thuộc quá nhiều vào năng lượng (Golosova và Romanovs, 2018).
Khả năng mở rộng của chuỗi khối đang gặp thách thức do sự gia tăng số lượng giao dịch (Zheng và cộng sự, 2018) Thời gian thực hiện giao dịch kéo dài do tính chất phức tạp, mã hóa và phân tán của công nghệ (Marr, 2018) Điều này dẫn đến việc yêu cầu xử lý hàng triệu giao dịch theo thời gian thực vẫn chưa được đáp ứng (Zheng và cộng sự, 2018).
Tính riêng tư - Khi sổ cái phân tán được sử dụng trong các tình huống nhạy cảm,
Khi xử lý dữ liệu nhạy cảm như thông tin chính phủ hoặc dữ liệu y tế của bệnh nhân, việc công khai thông tin giao dịch trên chuỗi khối có thể dẫn đến trách nhiệm pháp lý nghiêm trọng (Sarmah, 2018) Do đó, các sổ cái cần được điều chỉnh và chỉ những cá nhân có giấy phép phù hợp mới được phép truy cập vào thông tin này.
Hiệu suất của chuỗi khối là một vấn đề quan ngại lớn, vì nó không chỉ cần thực hiện các chức năng giống như cơ sở dữ liệu tập trung mà còn phải xử lý các nhiệm vụ phức tạp như xác minh chữ ký cho mỗi giao dịch, đạt được sự đồng thuận giữa tất cả các nút trong mạng và xử lý độc lập từng giao dịch Điều này đòi hỏi khả năng xử lý rất cao từ hệ thống (Niranjanamurthy và cộng sự, 2019).
2.1.3 Chuỗi khối trong giáo dục
Chuỗi khối có tiềm năng cách mạng hóa giáo dục đại học nhờ vào những đặc điểm nổi bật như tính xác thực, minh bạch, bất biến và đáng tin cậy (Grech và Camilleri, 2017) Lưu trữ phi tập trung (Raval, 2016) mang lại nhiều lợi ích, mở ra khả năng phát triển đa dạng ứng dụng, từ quản lý văn bằng và đánh giá kết quả học tập (Skiba, 2017), đến hồ sơ sinh viên (Palma và cộng sự, 2019), cũng như trao đổi và xác thực thông tin (Raval, 2016) và quản lý thư viện (Coghill).
Việc áp dụng chuỗi khối trong giáo dục đại học không chỉ nâng cao tính tin cậy và quy trình của các tổ chức giáo dục truyền thống mà còn giúp sinh viên và nhà tuyển dụng kiểm soát thông tin tốt hơn thông qua hồ sơ giáo dục “mở” Công nghệ này cung cấp quyền truy cập linh hoạt vào nội dung và chứng chỉ số, từ đó làm tăng độ tin cậy của thông tin.
Cơ sở lý thuyết
2.2.1 Mô hình chấp nhận công nghệ
Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM), được phát triển bởi Davis vào năm 1989 dựa trên Lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA), là một trong những mô hình nghiên cứu phổ biến nhất để dự đoán việc chấp nhận và sử dụng công nghệ cũng như hệ thống thông tin của người dùng Mô hình này cung cấp cơ sở để theo dõi các yếu tố bên ngoài tác động đến lòng tin, thái độ và ý định của cá nhân.
Hai yếu tố dự báo sự chấp nhận người dùng của bất kỳ công nghệ là nhận thức hữu ích và nhận thức dễ sử dụng
Nhận thức tính hữu ích là mức độ mà người dùng tin rằng việc sử dụng hệ thống sẽ nâng cao hiệu suất của họ, trong khi nhận thức dễ sử dụng là mức độ mà người dùng cảm thấy việc sử dụng hệ thống không tốn công sức (Davis, 1989) Cả hai khái niệm này đều phản ánh những niềm tin cụ thể của người dùng về hệ thống (Dillon và Morris, 1996) Mô hình TAM cũng xem xét các yếu tố bên ngoài như đặc điểm hệ thống, đào tạo người dùng và sự tham gia của người dùng trong thiết kế Mặc dù TAM đã được chứng minh là hiệu quả trong việc dự đoán ý định áp dụng công nghệ mới, nhưng cần điều chỉnh cho phù hợp với từng bối cảnh cụ thể (Mezhuyev và cộng sự, 2018) Mô hình TAM được thể hiện trong Hình 2.2.
Hình 2.2 Mô hình chấp nhận công nghệ (TAM)
Nguồn: Davis và cộng sự (1989)
Tiết kiệm chi phí là mức độ mà người dùng đánh giá khả năng của một khuôn khổ nhất định trong việc giảm chi phí vận hành dịch vụ (Ding và cộng sự, 2007) Yếu tố này cũng ảnh hưởng đến sự lựa chọn công nghệ tự phục vụ của khách hàng (Meuter và cộng sự, 2000; Howard và Worboys, 2003) Khi áp dụng công nghệ tiên tiến, tiết kiệm chi phí không chỉ bao gồm tiền bạc mà còn liên quan đến nỗ lực tinh thần và thời gian (Ho và Ko, 2008).
Nghiên cứu năm 1985 chỉ ra rằng khi người dùng có xu hướng sử dụng công nghệ tự phục vụ nhiều hơn, họ sẽ kỳ vọng chi tiêu ít hơn cho dịch vụ này.
Các nghiên cứu đã chỉ ra rằng tiết kiệm chi phí ảnh hưởng đến việc chấp nhận và sử dụng công nghệ (Ullah và cộng sự, 2022; Ding và cộng sự, 2007; Meuter và cộng sự, 2000) Với khả năng xử lý giao dịch tài chính nhanh hơn so với hệ thống truyền thống (Cocco, 2015) và giảm chi phí giao dịch liên quan đến bảo đảm dữ liệu và vận chuyển (Liang và cộng sự, 2009), chuỗi khối trong giáo dục đại học có thể giúp tiết kiệm chi phí hành chính và chi phí quản lý, xác thực, cũng như khai thác thông tin về chứng chỉ, văn bằng và hồ sơ sinh viên.
Lòng tin là sự sẵn sàng của một bên dễ bị tổn thương trước hành động của bên khác, dựa trên kỳ vọng rằng bên kia sẽ thực hiện một hành động cụ thể.
Lòng tin là yếu tố quan trọng trong các giao dịch, đặc biệt trong bối cảnh công nghệ hiện đại, nơi mà người tiêu dùng cần cảm thấy an toàn khi sử dụng các nền tảng kỹ thuật số (Mayer et al., 1995; McCloskey, 2006) Trong các giao dịch giữa người mua và người bán, lòng tin giữa hai bên là cần thiết để đảm bảo giao hàng và thanh toán (Gambetta, 1998) Tuy nhiên, trong xã hội hiện đại, lòng tin thường được thay thế bằng các biện pháp kiểm soát chính thức liên quan đến các thể chế (Zucker, 1986) Công nghệ chuỗi khối có thể đóng vai trò như một bên thứ ba đáng tin cậy, đảm bảo các giao dịch quốc tế và các hoạt động liên quan đến hợp đồng thông minh, chứng chỉ và văn bằng (Ishmaev, 2017; Wright và De Filippi, 2015; Tapscott và Tapscott, 2017), cho thấy sự phát triển của lòng tin dựa trên thể chế và cơ chế kiểm soát.
Khi khách hàng đặt niềm tin vào nhà cung cấp, khả năng họ chuyển đổi giữa các công nghệ hoặc dịch vụ khác nhau sẽ tăng lên (Zulfikri và cộng sự, 2023).
Để tăng cường sự tin tưởng vào chuỗi khối, các giao thức đồng thuận như bằng chứng cổ phần (Proof of Stake) đã được phát triển Nền tảng IBM Hyperledger được thiết kế đặc biệt cho các ứng dụng chuỗi khối và hệ thống quản lý hợp tác, nhằm bảo đảm tính bảo mật dữ liệu và sự tin cậy của người dùng (Demirkan và cộng sự, 2020) Cơ chế kiểm soát giao dịch hợp lệ trong chuỗi khối tuân thủ các quy tắc chính thức và được xác minh tự động, giúp ngăn chặn việc thao túng các khối mà không có dấu vết (Smits và Hulstijn, 2020) Điều này tạo ra sự tin cậy và minh bạch cho các giao dịch trong công nghệ chuỗi khối Với những tiến bộ này, chuỗi khối được kỳ vọng sẽ nâng cao lòng tin trong thế giới kỹ thuật số, vượt qua cả những công nghệ uy tín nhất hiện nay (Beck và cộng sự, 2017).
2.2.4 Các nghiên cứu liên quan
Các nghiên cứu liên quan cung cấp cho tác giả cái nhìn khách quan và đa dạng về việc chấp nhận và sử dụng ứng dụng chuỗi khối, đồng thời tạo nền tảng vững chắc để xây dựng thang đo cho nghiên cứu.
12 và mô hình đề xuất cho bài nghiên cứu Các nghiên cứu liên quan tác giả tham chiếu được trình bày trong Bảng 2.1
Bảng 2.1 Các nghiên cứu liên quan
STT Tác giả Chủ đề Lý thuyết áp dụng
(2018) Áp dụng công nghệ chuỗi khối của các viện giáo dục đại học Malaysia:
Quan điểm về mô hình tích hợp mô hình TAM và TOE
Tích hợp mô hình TAM và TOE
Xác định yếu tố ảnh hưởng đến việc chấp nhận sử dụng công nghệ chuỗi khối trong ngành quản lý chuỗi cung ứng
Quản lý chuỗi cung ứng
Mô hình hóa tiết kiệm chi phí và tính đổi mới để áp dụng công nghệ chuỗi khối bằng cách quản lý năng lượng
Mô hình TAM Năng lượng
Khám phá các rào cản và giá trị tổ chức của việc áp dụng blockchain trong ngành ngân hàng
Mô hình TOE Ngân hàng
(2021) Áp dụng công nghệ chuỗi khối trong môi trường học tập thông minh: Quan điểm về mô hình tích hợp mô hình TAM và DOI
Tích hợp lý thuyết DOI và mô hình TAM
Vai trò của lòng tin, bảo mật được nhận thức và quyền riêng tư trong mô hình áp dụng công nghệ
Mô hình TAM Giáo dục đại học
Kết hợp tiết kiệm chi phí với lòng tin cho việc áp dụng công nghệ chuỗi khối của các tổ chức tài chính
Mô hình TAM Tài chính
Nguồn: Tác giả tổng hợp
Mô hình nghiên cứu
Bài viết dựa trên mô hình chấp nhận công nghệ (TAM) của Davis (1989) và các nghiên cứu liên quan như của Globerson và Maggard (1991), Gefen và cộng sự (2003), cùng các nghiên cứu gần đây của Ullah và cộng sự (2022, 2021), Grọther và cộng sự (2018), và Ullah và cộng sự (2020) Tác giả kiểm định mô hình với năm yếu tố: nhận thức hữu ích, nhận thức dễ sử dụng, lòng tin, tiết kiệm chi phí, và sự chấp nhận ứng dụng chuỗi khối trong giáo dục đại học Nhận thức hữu ích, nhận thức dễ sử dụng, lòng tin và tiết kiệm chi phí đều ảnh hưởng đến sự chấp nhận công nghệ chuỗi khối, trong khi việc sử dụng ứng dụng chuỗi khối lại phụ thuộc vào sự chấp nhận này trong môi trường giáo dục đại học Mô hình nghiên cứu được thể hiện trong Hình 2.2.
Hình 2.3 Mô hình nghiên cứu 2.3.1 Sự chấp nhận chuỗi khối
Sự chấp nhận chuỗi khối (Blockchain adoption - BAD) được hiểu là mức độ mà một cá nhân có kế hoạch thực hiện hoặc không thực hiện các hành vi cụ thể trong tương lai Ý định hành vi phản ánh xu hướng tham gia vào một hành vi nhất định của cá nhân, điều này có thể ảnh hưởng đến quyết định áp dụng công nghệ chuỗi khối trong các lĩnh vực khác nhau.
2003) và đã được coi là một dấu hiệu của hành vi thực tế giữa những người dùng
Theo Davis (1989), ý định sử dụng công nghệ được đo lường qua hai khoảng thời gian khác nhau, và việc sử dụng công nghệ tự báo cáo được ghi nhận ở khoảng thời gian sau đó Kết quả cho thấy có sự tương quan đáng kể giữa ý định sử dụng và hành vi sử dụng thực tế.
Theo các lý thuyết về hệ thống thông tin và tâm lý xã hội, ý định hành vi đóng vai trò quan trọng trong việc dự đoán nguyên nhân của hành vi Nó làm trung gian cho sự ảnh hưởng của các lòng tin khác nhau và các biến số bên ngoài đối với hành vi.
Năm 2002, các nghiên cứu đã chỉ ra rằng ý định sử dụng ứng dụng chuỗi khối phản ánh sự tự nguyện và nhận thức của người dùng về khả năng sử dụng ứng dụng này (Vankatesh và cộng sự, 2003) Các nghiên cứu gần đây cho thấy rằng sự chấp nhận công nghệ chuỗi khối được ảnh hưởng tích cực bởi các yếu tố như nhận thức hữu ích, tính dễ sử dụng, tiết kiệm chi phí và lòng tin (Ullah và cộng sự, 2022; Kumar và cộng sự, 2022; Ullah và cộng sự, 2021).
Nhận thức hữu ích (Perceived Usefulness - PUS) được định nghĩa là mức độ mà một người tin rằng việc sử dụng một hệ thống cụ thể sẽ nâng cao hiệu suất công việc của mình (Davis, 1989) Tính nhận thức hữu ích cao trong một hệ thống thể hiện sự tồn tại của mối quan hệ tích cực trong việc sử dụng hệ thống đó (Davis, 1989) Các nghiên cứu trước đây dựa trên mô hình TAM đã chỉ ra rằng nhận thức hữu ích luôn có tác động mạnh mẽ đến ý định của người dùng (Venkatesh và Davis, 2000; Davis và cộng sự, 1989).
Theo Lee và cộng sự (2019) chỉ ra rằng giá trị cảm nhận từ chuỗi khối có vai trò quan trọng trong việc cải thiện các hệ thống cũ và dự đoán mức độ sử dụng của chúng Một ví dụ điển hình là Bitcoin, đã cung cấp giải pháp thay thế cho hệ thống ngân hàng sau cuộc khủng hoảng tài chính năm 2008, khi mà lòng tin của công chúng bị suy giảm Do đó, trong bối cảnh giáo dục đại học, giả thuyết H2 được đề xuất để nghiên cứu tác động của chuỗi khối.
H1 + : Nhận thức hữu ích có ảnh hưởng tích cực đến sự chấp nhận chuỗi khối trong lĩnh vực giáo dục đại học
2.3.3 Nhận thức dễ sử dụng
Nhận thức dễ sử dụng (Perceived Ease of Use - PEU) là khái niệm cho rằng một người tin rằng công nghệ có thể dễ hiểu và dễ sử dụng (Davis, 1989) Nếu người dùng cảm thấy hệ thống thông tin dễ sử dụng, họ sẽ có xu hướng sử dụng nó, ngược lại, nếu họ gặp khó khăn, khả năng sử dụng sẽ giảm (Jogiyanto).
Nghiên cứu năm 2008 cho thấy tính dễ sử dụng của công nghệ ảnh hưởng đáng kể đến nhận thức về tính hữu ích, thái độ, ý định và hành vi sử dụng thực tế của người dùng Tính dễ sử dụng được định nghĩa là mức độ mà người dùng tin rằng việc sử dụng công nghệ không đòi hỏi nhiều nỗ lực.
Năm 1996, nghiên cứu đã chỉ ra rằng trải nghiệm sử dụng công nghệ có tác động đáng kể đến thái độ của người dùng (Muchran và cộng sự, 2019) Trải nghiệm này có thể được xem là một yếu tố bất lợi hoặc thuận lợi trong việc chấp nhận công nghệ (Taherdoost, 2018) Do đó, trải nghiệm sử dụng trở thành yếu tố quan trọng ảnh hưởng đến việc chấp nhận và sử dụng các công nghệ mới của người dùng.
Lưu trữ phi tập trung mang lại nhiều ưu điểm, bao gồm tốc độ và bảo mật trong việc trao đổi và xác thực thông tin, điều này góp phần tích cực vào tính dễ sử dụng (Raval, 2016) Những đặc trưng của chuỗi khối đã giúp hình thành giả thuyết về tính dễ sử dụng trong việc chấp nhận công nghệ này Do đó, trong bối cảnh giáo dục đại học, giả thuyết H2 được đề xuất.
H2 + : Nhận thức tính dễ sử dụng hưởng tích cực đến sự chấp nhận chuỗi khối trong lĩnh vực giáo dục đại học
Tiết kiệm chi phí (Cost saving - CSA) đề cập đến việc người dùng đánh giá khả năng tiết kiệm chi phí khi sử dụng một khuôn khổ nhất định (Ding và cộng sự, 2007) Trong mô hình thành công của hệ thống thông tin của DeLone và McLean (2003), tiết kiệm chi phí được coi là một chỉ số quan trọng để đánh giá lợi ích ròng của công nghệ thương mại điện tử Việc áp dụng chuỗi khối không chỉ giảm chi phí giao dịch mà còn đảm bảo các giao dịch diễn ra an toàn và nhanh chóng (Ullah và cộng sự, 2022) Với ưu điểm về tính minh bạch và bảo mật cao, công nghệ chuỗi khối được kỳ vọng sẽ giúp tổ chức tiết kiệm chi phí trong quy trình bảo vệ thông tin.
Chi phí đầu tư cao vào các hệ thống hiện có có thể khiến các tổ chức gặp khó khăn trong việc chấp nhận hệ thống mới (Furneaux và Wade, 2011) Tuy nhiên, những hệ thống mới này lại mang lại khả năng xử lý giao dịch tài chính nhanh hơn so với các hệ thống truyền thống (Cocco và cộng sự).
Việc áp dụng công nghệ chuỗi khối trong giáo dục đại học có thể giảm thiểu chi phí hành chính và tối ưu hóa quy trình quản lý thông tin, bao gồm xác thực và khai thác dữ liệu liên quan đến chứng chỉ, văn bằng và hồ sơ sinh viên Do đó, giả thuyết H3 được đề xuất nhằm nghiên cứu tiềm năng tiết kiệm chi phí từ công nghệ này.
H3 + : Tiết kiệm chi phí có ảnh hưởng tích cực đến sự chấp nhận chuỗi khối trong lĩnh vực giáo dục đại học
Lòng tin (Trust - TRU) là trạng thái tinh thần quan trọng, ảnh hưởng đến quyết định của người ủy thác trong việc tham gia giao dịch (Tan và Thoen, 2002) Trong môi trường giao dịch, lòng tin được hình thành từ sự kết hợp giữa lòng tin cá nhân đối với con người hoặc tổ chức và lòng tin dựa trên các thủ tục, giao thức kiểm soát Khi khách hàng tin tưởng vào nhà cung cấp, khả năng chuyển đổi giữa các công nghệ hoặc dịch vụ sẽ cao hơn (Zulfikri và cộng sự, 2023).
Tóm tắt chương
Chương 2 tác giả đã trình bày tổng quan về chuỗi khối, cơ sở lý thuyết, các khái niệm chính trong đề tài nghiên cứu như mô hình TAM, tiết kiệm chi phí, lòng tin để làm nền tảng cho bài nghiên cứu Tác giả cũng đã tổng hợp một số nghiên cứu liên quan về chuỗi khối và đề xuất mô hình cho đề tài Chương tiếp theo tác giả sẽ trình bày quy trình và phương pháp sử dụng trong bài nghiên cứu của mình
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Quy trình nghiên cứu về việc chấp nhận và sử dụng ứng dụng chuỗi khối trong lĩnh vực giáo dục đại học được mô tả như Hình 3.1
Hình 3.1 Quy trình nghiên cứu
Nguồn: Dựa trên đề xuất của Hair và cộng sự (2019)
Nghiên cứu này được thực hiện qua hai giai đoạn: bước sơ bộ định tính và bước chính thức định lượng Đầu tiên, tác giả dựa vào cơ sở lý thuyết cùng các nghiên cứu liên quan để tiến hành phân tích.
Trong quá trình thực hiện bài nghiên cứu, 19 tham khảo đã được sử dụng để xây dựng thang đo thử Thang đo này sẽ được trao đổi với các chuyên gia trong lĩnh vực hệ thống thông tin, đặc biệt là các chuyên gia chuỗi khối, nhằm đảm bảo tính chính xác của các biến trong thang đo Sau khi tiếp thu ý kiến từ các chuyên gia, thang đo sẽ được hiệu chỉnh và chuyển từ nghiên cứu sơ bộ sang thang đo cho nghiên cứu chính Trong nghiên cứu chính thức, thang đo Likert với các mức độ từ 1 (hoàn toàn không đồng ý) đến 5 (hoàn toàn đồng ý) sẽ được sử dụng Dữ liệu sẽ được thu thập qua bảng khảo sát trực tuyến trên Google Form, nhắm đến đối tượng là giảng viên và chuyên viên tại trường Đại học Ngân hàng TP HCM Cuối cùng, dữ liệu sẽ được sàng lọc, mã hóa và phân tích bằng phần mềm SPSS.
Phương pháp nghiên cứu
Mục đích của nghiên cứu sơ bộ là đánh giá và điều chỉnh thang đo cho phù hợp với thị trường và đối tượng nghiên cứu Nghiên cứu sử dụng phương pháp định lượng với số lượng mẫu là N Mỗi biến khảo sát được thể hiện qua một ý tưởng phát biểu, giúp người tham gia đưa ra đánh giá cá nhân Kết quả nghiên cứu sơ bộ sẽ kiểm định độ tin cậy của thang đo bằng cách sử dụng Cronbach’s Alpha trong SPSS Các biến có hệ số tương quan biến đổi tổng nhỏ hơn 0,4 sẽ bị loại khỏi mô hình, trong khi thang đo với hệ số Cronbach’s Alpha lớn hơn 0,6 sẽ được chấp nhận (Hair và cộng sự, 2019).
Nghiên cứu chính thức là nghiên cứu khẳng định, sau khi thực hiện nghiên cứu sơ bộ để đánh giá độ phù hợp và điều chỉnh thang đo
Tiến trình xử lý dữ liệu
Bước đầu tiên trong quy trình xử lý dữ liệu là làm sạch dữ liệu, trong đó tiến hành kiểm tra và loại bỏ các dữ liệu không hợp lệ Điều này bao gồm việc loại bỏ các bảng hỏi chưa hoàn tất hoặc các phản hồi chỉ chọn một câu trả lời duy nhất cho tất cả câu hỏi.
Dữ liệu đã được mã hóa sẽ được xử lý bằng kỹ thuật thống kê tần số trong SPSS nhằm xác định các đặc điểm của mẫu nghiên cứu, bao gồm thông tin nhân khẩu học.
Bước 3 trong quy trình phân tích dữ liệu là sử dụng hệ số tin cậy Cronbach’s Alpha để đánh giá sơ bộ thang đo, nhằm xác định mức độ tương quan giữa các mục hỏi Điều này giúp loại bỏ những biến quan sát và thang đo không đạt yêu cầu Hệ số Cronbach’s Alpha là chỉ số thống kê phản ánh mức độ tin cậy và tương quan giữa các biến trong thang đo; cụ thể, các biến có hệ số tương quan với biến tổng nhỏ hơn 0,3 sẽ bị loại khỏi mô hình Thang đo có hệ số Cronbach’s Alpha lớn hơn 0,6 sẽ được chấp nhận (Hair và cộng sự, 2019).
Bước 4 trong quy trình nghiên cứu là đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha và loại bỏ các biến không đáng tin cậy Phân tích nhân tố khám phá (EFA) là kỹ thuật hữu ích để thu nhỏ và tóm tắt dữ liệu, giúp xác định tập hợp biến cần thiết cho nghiên cứu và tìm hiểu mối quan hệ giữa các biến Trước khi thực hiện EFA, cần kiểm tra tính phù hợp của phương pháp này; theo Hair và cộng sự (2019), giá trị KMO từ 0,5 đến 1 cho thấy phân tích nhân tố là tích hợp, trong khi giá trị dưới 0,5 có thể không thích hợp Kết quả EFA cung cấp giá trị phân biệt, cho phép xác định tính phân biệt của các khái niệm nghiên cứu với các tiêu chuẩn quan trọng cần xem xét.
Các giá trị về Eigenvalues (lớn hơn 1) là tiêu chuẩn khẳng định số nhân tố được rút trích phù hợp
Tổng phương sai trích (TVE) lớn hơn 50% cho thấy tổng số nhân tố rút trích với giá trị Eigenvalues lớn hơn 1 có khả năng giải thích bao nhiêu phần trăm sự biến thiên của dữ liệu nghiên cứu.
Hệ số tải yếu tố (Factor loading) được kiểm tra để đánh giá về giá trị hội tụ và giá
21 trị phân biệt của thang đo lường
Bước 5: Sau khi điều chỉnh các biến tại bước 4, dữ liệu sẽ được phân tích hồi quy đa biến hai lần với mức ý nghĩa 5% Mục tiêu là kiểm định sự phù hợp của mô hình nghiên cứu và các giả thuyết, từ đó xác định mức độ ảnh hưởng của từng yếu tố độc lập đến yếu tố trung gian, cũng như đánh giá tác động của các yếu tố trung gian đến yếu tố phụ thuộc thông qua phần mềm SPSS.
Bước 6 trong quy trình phân tích dữ liệu là thực hiện phân tích phương sai (ANOVA) và kiểm định T độc lập để xác định sự khác biệt giữa các giá trị của biến định tính và biến định lượng Kết quả phân tích cho thấy sự khác biệt này có ý nghĩa thống kê với độ tin cậy 95% (p < 0.05).
Theo Hair & cộng sự (2019), khi có kết quả phân tích ANOVA cần xem xét p- value của Levene Statistic trong Bảng Test of Homogeneity of Variances:
- Trường hợp p-value ở kiểm định này >= 0,05 thì phương sai giữa các lựa chọn của biến định tính ở trên không khác nhau, xem tiếp kết quả ở bảng ANOVA
Nếu p-value > = 0,05: Không có sự khác biệt có ý nghĩa thống kê của các biến phụ thuộc đối với từng thuộc tính
Nếu p-value < 0,05: Có sự khác biệt có ý nghĩa thống kê của các biến phụ thuộc đối với từng thuộc tính
Nếu p-value trong kiểm định nhỏ hơn 0,05, điều này cho thấy có sự khác biệt về phương sai giữa các lựa chọn của biến định tính Trong trường hợp này, không nên chỉ dựa vào kết quả từ bảng ANOVA mà cần xem xét thêm các kết quả từ kiểm định Post Hoc.
Kiểm định Post Hoc được sử dụng để so sánh sự khác biệt về giá trị trung bình của biến định lượng giữa các cặp thuộc tính của biến định tính Nếu có ít nhất một cặp cho thấy sự khác biệt về giá trị trung bình với p-value < 0,05, điều này chứng tỏ rằng có sự khác biệt về giá trị trung bình của biến định lượng theo các thuộc tính của biến định tính (Hair & cộng sự, 2019).
Nếu tất cả các p-value trong cột đều lớn hơn hoặc bằng 0,05, có thể kết luận rằng không có sự khác biệt có ý nghĩa thống kê trong sự chấp nhận của những người tham gia khảo sát thuộc các nhóm thuộc tính khác nhau (Hair & cộng sự, 2019).
Thu thập dữ liệu
3.3.1 Xây dựng thang đo và bộ câu hỏi
Thang đo đầy đủ được xây dựng dựa trên cơ sở lý thuyết và các nghiên cứu trước đây được trình bày trong Bảng 3.1
Bảng 3.1 Các khái niệm và tham chiếu mô hình nghiên cứu đề xuất
STT Khái niệm Số biến dự kiến Diễn giải tham chiếu
(PUS) 4 Kamble và cộng sự (2019); Ullah và cộng sự
2 Nhận thức dễ sử dụng
(PEU) 4 Saberi và cộng sự (2019); Ullah và cộng sự
(CSA) 4 Wong và cộng sự (2020); Ullah và cộng sự
4 Lòng tin (TRU) 4 Kumar và cộng sự (2022); Ullah và cộng sự
5 Sự chấp nhận chuỗi khối (BAD) 4 Ronaghi và Forouharfar (2020); Ullah và cộng sự (2021)
6 Sử dụng ứng dụng chuỗi khối (BUS) 3 Vankatesh và cộng sự (2008); Ronaghi và
Bảng 3.1 liệt kê 6 nhân tố trong mô hình nghiên cứu, kèm theo các biến dự kiến và diễn giải tham chiếu gần đây Những thông tin này là cơ sở để đề xuất thang đo, được trình bày chi tiết trong Bảng 3.2 và Phụ lục 1.
Về bảng hỏi dành cho các đối tượng tham gia khảo sát sẽ được xây dựng dựa trên thang đo nghiên cứu Phiếu khảo sát sẽ gồm 2 phần chính:
Phần 1 của khảo sát tập trung vào thông tin cá nhân của người tham gia, bao gồm giới tính, độ tuổi, trình độ học vấn, nghề nghiệp và số năm kinh nghiệm Những câu hỏi này nhằm thống kê mức độ tiếp xúc và sử dụng ứng dụng chuỗi khối của giảng viên và chuyên gia trong lĩnh vực này.
23 viên Đại học Ngân hàng TP HCM
Phần 2 của nghiên cứu đánh giá các nhân tố ảnh hưởng đến sự chấp nhận chuỗi khối Nghiên cứu áp dụng thang đo Likert 5 điểm để khảo sát các yếu tố này, với các mức đánh giá từ hoàn toàn không đồng ý (1) đến đồng ý (5).
Bảng 3.2 Bảng câu hỏi khảo sát
Khái niệm Câu hỏi Mã biến
Chuỗi khối giúp việc dạy và học nhanh chóng PUS1
Chuỗi khối giúp hệ thống giáo dục minh bạch hơn PUS2
Chuỗi khối hỗ trợ việc học tập lẫn nhau trong trường đại học PUS3
Chuỗi khối giúp ích trong đào tạo trực tuyến PUS4
Nhận thức dễ sử dụng
Chuỗi khối dễ dàng sử dụng PEU1
Chuỗi khối ít khi gặp lỗi PEU2
Chuỗi khối thực hiện đồng thời nhiều tác vụ PEU3
Hệ thống đào tạo trực tuyến nhanh hơn đào tạo truyền thống PEU4
Chuỗi khối giúp giảm chi phí trong trường đại học CSA1
Chuỗi khối giúp tăng hiệu quả về chi phí CSA2
Chuỗi khối giúp nâng cao hiệu quả quản lý trong giáo dục CSA3
Chuỗi khối tương thích với hầu hết các hệ thống khác trong trường đại học CSA4
Chuỗi khối đáng tin cậy TRU1
Chuỗi khối tạo sự cam kết ấn tượng TRU2
Cân nhắc trong việc sử dụng ứng dụng chuỗi khối TRU3
Hệ thống chuỗi khối có thể được sử dụng lâu dài TRU4
Sự chấp nhận chuỗi khối
Có ý định sử dụng các ứng dụng chuỗi khối BAD1
Sẽ thường xuyên sử dụng ứng dụng chuỗi khối BAD2
Có kế hoạch sử dụng các ứng dụng chuỗi khối trong tương lai BAD3
Sẽ giới thiệu người khác sử dụng úng dụng chuỗi khối BAD4
Sử dụng ứng dụng chuỗi khối
Sử dụng tất cả ứng dụng liên quan đến chuỗi khối BUS1
Có ý tưởng rõ ràng về việc sử dụng các ứng dụng chuỗi khối BUS2
Sẽ tiếp tục sử dụng ứng dụng chuỗi khối BUS3
Kích thước mẫu là số phiếu khảo sát hợp lệ, ảnh hưởng trực tiếp đến độ tin cậy của thông tin Kích thước mẫu nhỏ giúp tiết kiệm thời gian và chi phí nhưng độ tin cậy kém Ngược lại, kích thước mẫu lớn tăng độ tin cậy nhưng tốn nhiều thời gian và nguồn lực Trong nghiên cứu này, kích thước mẫu được xác định dựa trên yêu cầu của phân tích nhân tố khám phá EFA và phân tích hồi quy đa biến Theo Hair và cộng sự (2019), đối với EFA, kích thước mẫu tối thiểu cần đạt là 5n, với n là số biến quan sát; với 23 biến quan sát, mẫu tối thiểu là 115 Đối với phân tích hồi quy đa biến, kích thước mẫu tối thiểu là 50 + 8m, với m là số thành phần độc lập; nghiên cứu này có 4 thành phần độc lập, do đó mẫu tối thiểu là 82.
Theo Roger (2006), cỡ mẫu tối thiểu cho các nghiên cứu thực hành thường dao động từ 150 đến 200 mẫu Dựa trên thông tin này, nghiên cứu hiện tại dự kiến sẽ sử dụng cỡ mẫu là 200.
Giảng viên, chuyên viên trường Đại học Ngân hàng TP HCM
Phiếu khảo sát trên Google Form được gửi qua email tới đối tượng lấy mẫu là giảng viên, chuyên viên trường Đại học Ngân hàng TP HCM
3.3.5 Phương pháp phân tích dữ liệu
Dữ liệu khảo sát sẽ được lọc, kiểm tra và mã hóa trước khi phân tích Phần mềm SPSS 22.0 sẽ được sử dụng để thực hiện các bước phân tích dữ liệu.
Bước 1: Đánh giá độ tin cậy của các thang đo thông qua hệ số Cronbach’s Alpha
Bước 2: Phân tích nhân tố khám phá EFA để kiểm định các giá trị hội tụ và giá trị phân biệt của các biến thành phần
Bước 3: Phân tích hệ số tương quan nhằm kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc
Bước 4: Thực hiện kiểm định các giả thuyết và đánh giá mức độ phù hợp tổng thể của mô hình bằng cách sử dụng phân tích hồi quy đa biến Kiểm định này được thực hiện với mức ý nghĩa 0,05 hoặc 0,10.
Bước 5: Phân tích ANOVA để kiểm định sự khác biệt giữa các giá trị của biến định tính với biến định lượng.
Tóm tắt chương
Chương 3 đã cung cấp sơ đồ quy trình nghiên cứu, các phương pháp nghiên cứu được sử dụng trong bài nghiên cứu Thang đo dự kiến được sử dụng dựa trên phương pháp nghiên cứu gồm 4 nhân tố độc lập và 1 nhân tố trung gian và 1 nhân tố phụ thuộc với 23 biến quan sát Chương này cũng đã trình bày phương pháp thu thập và phân tích dữ liệu Chương tiếp theo tác giả sẽ trình bày về kết quả của nghiên cứu
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả
Sau khi tiến hành lọc dữ liệu từ cuộc khảo sát, chúng tôi đã thu được 180 mẫu hợp lệ trong tổng số 188 mẫu Thông tin nhân khẩu học được trình bày chi tiết trong Bảng 4.1.
Dữ liệu về giới tính cho thấy sự chênh lệch rõ rệt trong sự quan tâm đến chuỗi khối, với tỷ lệ nam giới chiếm 60% và nữ giới 40% Độ tuổi chủ yếu từ 31 đến 40 tuổi chiếm 46,1%, tiếp theo là nhóm từ 41 đến 50 tuổi với 39,4% Các nhóm tuổi dưới 30 và trên 50 tuổi chỉ chiếm 7,2% Điều này cho thấy sự quan tâm đến chuỗi khối rất đa dạng, đặc biệt là ở những giảng viên và chuyên viên có nhiều năm kinh nghiệm.
Trình độ học vấn trong quá trình thu thập dữ liệu cao nhất là sau đại học chiếm
Tại Trường Đại học Ngân hàng TP HCM, tỷ lệ giảng viên và chuyên viên có trình độ sau đại học đạt 93,9%, trong khi đó tỷ lệ giảng viên đại học chỉ chiếm 6,1% Điều này phản ánh thực tế rằng hầu hết giảng viên tại trường đều có khả năng tiếp cận công nghệ chuỗi khối Một số khoa như Hệ thống thông tin quản lý (10%), Tài chính (11,1%), Ngân hàng (12,2%) và Kinh tế quốc tế (8,9%) cho thấy tỷ lệ giảng viên cao hơn so với chuyên viên ở các phòng ban, có thể do số lượng giảng viên đông đảo hơn và mức độ tiếp cận công nghệ chuỗi khối của họ cũng vượt trội hơn.
Kinh nghiệm làm việc, khi thực hiện thống kê tác giả nhận thấy rằng giảng viên,
27 chuyên viên trên 9 năm kinh nghiệm chiếm vị trí nhiều nhất là 62,2%, tiếp theo từ 7
Khảo sát cho thấy 20% người tham gia có 9 năm kinh nghiệm, 14,4% có từ 4 đến 6 năm kinh nghiệm, và chỉ 3,3% có 1 đến 3 năm kinh nghiệm Điều này cho thấy phần lớn người tham gia là giảng viên và chuyên viên dày dạn kinh nghiệm.
Bảng 4.1 Bảng mô tả nhân khẩu học
Nhóm Giá trị Tần số Tỷ lệ (%)
Trình độ học vấn Đại học 11 6,1
Khoa Kế toán - Kiểm toán 11 6,1
Khoa Kinh tế quốc tế 16 8,9
Khoa Quản trị kinh doanh 11 6,1
Khoa Hệ thống thông tin quản lý 18 10,0
Khoa Lý luận chính trị 6 3,3
Phòng Tài chính - Kế toán 3 1,7
Thời gian sử dụng các ứng dụng chuỗi khối trong tuần
Trong một tuần, thời gian sử dụng ứng dụng chuỗi khối ghi nhận cao nhất là dưới 2 tiếng, chiếm 49,4%, tiếp theo là từ 2 - 4 tiếng với 25,6%, từ 4 - 6 tiếng chiếm 12,8%, và trên 6 tiếng là 12,2% Điều này cho thấy số lượng giảng viên và chuyên viên sử dụng ứng dụng chuỗi khối còn hạn chế, đặc biệt khi phần lớn chỉ sử dụng dưới 4 tiếng Tuy nhiên, tỷ lệ tiếp cận trong khảo sát cho thấy đây là một công nghệ mới với tiềm năng cao.
Xử lý thang đo và mô hình
Theo quy trình nghiên cứu sơ bộ, nghiên cứu này chỉ thực hiện trên 70 mẫu trong tổng số 180 mẫu thu thập để kiểm tra sự phù hợp của thang đo Thang đo bao gồm 6 phần với 23 biến khác nhau, được khảo sát và thu thập phản hồi để phân tích Kết quả phân tích độ tin cậy Cronbach’s Alpha cho các biến quan sát được trình bày trong Bảng 4.2.
Nhận thức hữu ích (PUS) bao gồm 4 biến quan sát (PUS1, PUS2, PUS3, PUS4) được phân tích trong Bảng 4.2 Tất cả các biến quan sát này đều có hệ số tương quan biến tổng lớn hơn 0,3, và hệ số Cronbach’s Alpha chung đạt 0,826, vượt qua ngưỡng 0,6, vì vậy chúng được chấp nhận để tiếp tục nghiên cứu.
Nhận thức hữu ích (PEU) bao gồm 4 biến quan sát (PEU1, PEU2, PEU3, PEU4) với hệ số tương quan biến tổng lớn hơn 0,3 Kết quả phân tích cho thấy hệ số Cronbach’s Alpha chung đạt 0,737, vượt mức 0,6, do đó các biến này được chấp nhận để tiếp tục nghiên cứu.
Tiết kiệm chi phí (CSA) được đánh giá qua 4 biến quan sát (CSA1, CSA2, CSA3, CSA4) Kết quả phân tích cho thấy cả 4 biến đều có hệ số tương quan biến tổng lớn hơn 0,3, và hệ số Cronbach’s Alpha chung đạt 0,806, vượt mức tối thiểu 0,6, do đó các biến này được chấp nhận để tiếp tục nghiên cứu.
Lòng tin (TRU) được đo bằng 4 biến quan sát (TRU1, TRU2, TRU3, TRU4), với hệ số tương quan biến tổng của cả 4 biến đều lớn hơn 0,3 Hệ số Cronbach’s Alpha chung đạt 0,827, vượt ngưỡng 0,6, cho thấy các biến này có độ tin cậy cao và được chấp nhận để tiếp tục nghiên cứu.
Bảng 4.2 Kết quả phân tích Cronch’s Alpha (70 mẫu)
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Nhận thức hữu ích (PUS)
PUS2 12,27 4,838 0,580 0,812 PUS3 12,63 4,266 0,679 0,768 PUS4 12,43 4,190 0,718 0,751 Nhận thức dễ sử dụng
PEU2 11,19 5,023 0,493 0,697 PEU3 10,79 4,577 0,639 0,619 PEU4 10,59 4,507 0,483 0,709 Tiết kiệm chi phí
CSA2 11,56 5,091 0,732 0,703 CSA3 11,40 5,780 0,598 0,770 CSA4 12,23 5,483 0,489 0,830 Lòng tin
Sự chấp nhận chuỗi khối
Sử dụng ứng dụng chuỗi khối (BUS)
Sự chấp nhận chuỗi khối (BAD) bao gồm 4 biến quan sát: BAD1, BAD2, BAD3 và BAD4 Kết quả phân tích cho thấy cả 4 biến đều có hệ số tương quan biến tổng lớn hơn 0,3, đồng thời hệ số Cronbach’s Alpha chung đạt 0,929, vượt mức 0,6, do đó các biến này được chấp nhận để tiếp tục nghiên cứu.
Ứng dụng chuỗi khối (BUS) được đánh giá thông qua ba biến quan sát (BUS1, BUS2, BUS3) Kết quả phân tích trong Bảng 4.2 cho thấy cả bốn biến đều có hệ số tương quan biến tổng lớn hơn 0,3 Hệ số Cronbach’s Alpha chung đạt 0,779, vượt mức tối thiểu 0,6, do đó các biến này được chấp nhận để tiếp tục nghiên cứu.
4.2.2.1 Phân tích độ tin cậy
Trong phần này, tác giả tiến hành phân tích hệ số Cronbach’s Alpha để đánh giá độ tin cậy và tương quan giữa các biến quan sát trong thang đo, bao gồm 6 nhân tố và 23 biến quan sát Tác giả sẽ thực hiện phân tích hệ số Cronbach’s Alpha cho từng nhân tố Đối với các thang đo mới, hệ số Cronbach’s Alpha từ 0,6 trở lên được coi là đáng tin cậy Các biến quan sát có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha nhỏ hơn hệ số Cronbach’s Alpha chung sẽ được giữ lại (Hair và cộng sự, 2019) Nghiên cứu chính phân tích độ tin cậy Cronbach’s Alpha của 140 mẫu hợp lệ.
Trong yếu tố Nhận thức hữu ích, có bốn biến quan sát (PUS1, PUS2, PUS3, PUS4) với hệ số tương quan biến tổng lớn hơn 0,3 Kết quả phân tích độ tin cậy cho thấy hệ số Cronbach’s Alpha chung là 0,788, vượt qua ngưỡng 0,6, chứng tỏ thang đo có độ tin cậy cao và các biến này hoàn toàn phù hợp để tiến hành phân tích EFA tiếp theo.
Bảng 4.3 Hệ số tin cậy yếu tố Nhận thức hữu ích
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Nhận thức dễ sử dụng
Trong yếu tố Nhận thức dễ sử dụng, có bốn biến quan sát (PEU1, PEU2, PEU3, PEU4) Kết quả phân tích độ tin cậy cho thấy cả bốn biến đều có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha đạt 0,761, vượt mức 0,6, chứng tỏ thang đo có độ tin cậy cao và các biến này hoàn toàn phù hợp để tiếp tục phân tích EFA.
Bảng 4.4 Hệ số tin cậy yếu tố Nhận thức dễ sử dụng
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Trong yếu tố Tiết kiệm chi phí, có bốn biến quan sát (CSA1, CSA2, CSA3, CSA4) Kết quả phân tích độ tin cậy cho thấy cả bốn biến đều có hệ số tương quan biến tổng lớn hơn 0,3, với hệ số Cronbach’s Alpha chung đạt 0,754, vượt mức 0,6 Điều này chứng tỏ rằng thang đo có độ tin cậy cao và các biến hoàn toàn phù hợp để tiến hành phân tích EFA tiếp theo.
Bảng 4.5 Hệ số tin cậy yếu tố Tiết kiệm chi phí
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Yếu tố Lòng tin bao gồm 4 biến quan sát (TRU1, TRU2, TRU3, TRU4) Kết quả phân tích độ tin cậy cho thấy cả 4 biến này có hệ số tương quan biến tổng lớn hơn 0,3, với hệ số Cronbach’s Alpha chung đạt 0,762, vượt mức 0,6 Điều này chứng tỏ rằng thang đo có độ tin cậy cao và các biến hoàn toàn phù hợp để sử dụng.
32 vào phân tích EFA tiếp theo
Bảng 4.6 Hệ số tin cậy yếu tố Lòng tin
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Sự chấp nhận chuỗi khối
Trong nghiên cứu về sự chấp nhận chuỗi khối, có bốn biến quan sát (BAD1, BAD2, BAD3, BAD4) được xem xét Kết quả phân tích độ tin cậy cho thấy tất cả các biến này có hệ số tương quan biến tổng lớn hơn 0,3, và hệ số Cronbach’s Alpha đạt 0,852, vượt mức 0,6, điều này chứng tỏ thang đo có độ tin cậy cao và các biến hoàn toàn phù hợp để tiếp tục phân tích EFA.
Bảng 4.7 Hệ số tin cậy yếu tố Sự chấp nhận chuỗi khối
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Sử dụng ứng dụng chuỗi khối
Trong nghiên cứu về việc sử dụng ứng dụng chuỗi khối, ba biến quan sát (BUS1, BUS2, BUS3) đã được phân tích với kết quả cho thấy hệ số tương quan biến tổng lớn hơn 0,3 Hệ số Cronbach’s Alpha chung đạt 0,728, vượt mức 0,6, chứng tỏ thang đo có độ tin cậy cao Điều này cho thấy các biến quan sát này hoàn toàn phù hợp để tiếp tục phân tích EFA.
Bảng 4.8 Hệ số tin cậy yếu tố Sử dụng ứng dụng chuỗi khối
Trung bình nếu loại biến
Phương sai nếu loại biến
Cronbach’s Alpha nếu loại biến
Kết quả phân tích độ tin cậy Cronbach’s Alpha cho 6 nhân tố cho thấy 23 biến quan sát từ tổng số 23 biến của thang đo đều đạt yêu cầu và sẽ được sử dụng trong các bước nghiên cứu tiếp theo.
4.2.2.2 Phân tích nhân tố khám phá
Tóm tắt chương
Chương 4 tác giả đã trình bày chi tiết kết quả phân tích dữ liệu thông qua phần mềm SPSS Chương này là tiền đề để tác giả nhận định, đánh giá vấn đề và đưa ra kiến nghị cũng như những đề xuất để nâng cao sự chấp nhận và sử dụng ứng dụng chuỗi khối Cùng với đó là tìm ra những khó khăn hạn chế và hướng nghiên cứu tiếp theo được tác giả đề cập trong Chương 5