TÓM TẮT ĐỀ TÀI • Tóm tắt: Trong bài nghiên cứu này, nhóm tác giả tập trung nghiên cứu về tác động của hệ thống trí tuệ nhân tạo ChatGPT đối với hiệu quả học tập của sinh viên.. Chính vì
GIỚI THIỆU ĐỀ TÀI
Bối cảnh của đề tài nghiên cứu
Trong bối cảnh công nghệ thế giới đang phát triển nhanh chóng với xu hướng ra đời của các thiết bị kỹ thuật tiên tiến, đời sống của nhân loại đã trở nên dễ dàng hơn Ứng dụng công nghệ mang lại rất nhiều lợi ích vượt bậc, từ đó, nhu cầu phát triển loại hình công nghệ này ngày một nâng cao, kéo theo đó là những đòi hỏi khắt khe về sự toàn diện của kỹ thuật
Những năm gần đây, các nhà khoa học đã liên tục cho ra mắt những phát minh nhằm giải quyết những vấn đề học thuật của con người về thế giới xung quanh Trong số những phát triển mang tính nhân loại ấy, vào tháng 11/2022, công ty khởi nghiệp OpenAI đã mang đến sự đột phá về công nghệ ứng dụng nhân tạo - ChatGPT làm giới công nghệ trên toàn thế giới quan tâm và đã thu hút số lượng lớn người tiêu dùng Từ khi được ra đời, ứng dụng ChatGPT đã mở ra một kỷ nguyên mới cho nhân loại trong việc tra cứu và trò chuyện, mang lại trải nghiệm vô cùng thực tế và chính xác hơn rất nhiều so với những chatbot phiên bản trước đây Chính vì vậy mà sự lớn mạnh của ứng dụng này ngày càng gây được hiệu ứng tích cực với con người Theo Reuters cho biết, ChatGPT đã cán mốc 100 triệu người dùng trên toàn cầu, chỉ sau 2 tháng ra mắt theo thống kê của ngân hàng đầu tư UBS (Thượng, 2023) Ứng dụng ChatGPT cũng đạt thành tựu khá lớn trong cộng đồng người Việt Nam khi “ChatGPT” là từ khóa được người Việt Nam tìm kiếm nhiều nhất trong 3 tháng đầu năm 2023, với mức tăng trưởng gấp 41 lần so với quý 4 - 2022 Điều này cho thấy hiện tượng này vẫn đang tiếp tục được đông đảo người dùng quan tâm sau thời điểm bùng nổ vào cuối năm ngoái Vì vậy, ChatGPT được dự đoán là vô cùng tiềm năng khi bước vào một thị trường màu mỡ như Việt Nam, nơi có số lượng giới trẻ dễ dàng thích nghi với những biến đổi tích cực của mạng xã hội hiện đại (Phong, 2023)
Người trẻ Việt Nam được đánh giá là năng động và có khả năng nắm bắt nhanh chóng các xu hướng công nghệ mới và ứng dụng chúng vào cuộc sống hàng ngày Chính vì vậy, khi ChatGPT vừa xuất hiện và gây nên một làn sóng vô cùng sôi nổi, các bạn trẻ đã ngay lập tức biến ChatGPT trở thành một trợ lý ảo “đa tài” để hỗ trợ việc học tập và giải trí trong cuộc sống Các bạn sử dụng ứng dụng này để tra cứu, cung cấp thông tin và sáng tạo những nội dung cần thiết trong quá trình học tập Vì vậy, nhóm tác giả hướng đề tài đến việc nghiên cứu sâu hơn vào thế hệ sinh viên đại học, mà chủ yếu đánh vào thế hệ sinh viên tại Thành phố Hồ Chí Minh gắn liền với nền tảng công nghệ truyền thông số tiên tiến để nhìn nhận sâu rộng hơn những tác động mà ChatGPT mang lại xoay quanh lĩnh vực giáo dục này
Từ bối cảnh trên, nhóm tác giả đã thực hiện nghiên cứu và khảo sát về đề tài thống kê “Khảo sát về tác động của mô hình chatbot hiện đại - ChatGPT đến hiệu quả học tập của sinh viên tại Thành phố Hồ Chí Minh” Bài nghiên cứu đồng thời nhằm đề xuất và đánh giá mức độ khả thi những biện pháp sử dụng ChatGPT đúng mực và tối ưu hóa cho việc học tập của sinh viên.
Lý do chọn đề tài
Có thể thấy rằng, ChatGPT đã phần nào tác động vào nhận thức và sinh hoạt của thế hệ sinh viên hiện nay khi phát minh vĩ đại này hỗ trợ giải đáp các bài tập với hình thức đa dạng với quy mô kiến thức khổng lồ, đa dạng hóa những thông tin tìm kiếm mà từ đó đã nâng cao chất lượng học tập của các bạn sinh viên lên một tầm cao mới Song, sự tiện lợi và chính xác này đồng thời khiến các bạn sinh viên phụ thuộc vào công nghệ quá mức trong việc giải quyết vấn đề, ảnh hưởng đến khả năng tư duy độc lập và từ đó đánh mất bản sắc tư duy cá nhân trong những sản phẩm trí tuệ về sau Thế nhưng, góc nhìn nghiên cứu về sự những ảnh hưởng mà ChatGPT mang lại vẫn chưa được triển khai sâu rộng trong giới học thuật Việt Nam Chính vì vậy, việc tìm hiểu những yếu tố tác động tích cực và tiêu cực đến việc học tập của sinh viên khi sử dụng ChatGPT mà nhóm tác giả tập trung nghiên cứu sẽ là cơ sở và bước đệm quan trọng trong việc đề xuất những phương pháp học tập phù hợp, mang lại lợi ích trực tiếp cho các bạn sinh viên áp dụng.
Phát biểu về đề tài nghiên cứu
1.3.1 Câu hỏi đề tài nghiên cứu giải quyết
Với mục tiêu nghiên cứu của đề tài, nhóm tác giả sẽ hướng đến giải quyết các câu hỏi sau:
● Mức độ phủ sóng và tầm ảnh hưởng của phương tiện ChatGPT đối với người học trên phạm vi toàn cầu diễn ra như thế nào?
● Mục đích sử dụng trí tuệ nhân tạo (AI) của sinh viên Việt Nam dùng để làm gì? Theo đó, mô hình Chatbot hiện đại như ChatGPT có thực sự đáp ứng được mục đích sử dụng ấy?
● Việc học của sinh viên bị thay đổi như thế nào thông qua những thuận lợi cũng như những bất cập mà ChatGPT đem mang lại?
● Giả định ChatGPT thật sự được hợp pháp hóa tại Việt Nam, điều này sẽ làm thay đổi hành vi sử dụng AI của sinh viên Việt như thế nào?
Trong thời kì phát triển hưng thịnh của nền công nghiệp 4.0, việc lựa chọn các phương tiện trí tuệ nhân tạo nhằm mục đích cải thiện vấn đề học tập đã và đang dần trở thành thị hiếu của người học Chính vì thế mà nhóm tác giả đã quyết định tìm hiểu những đặc điểm và các nhân tố tác động của lĩnh vực này đối với hiệu quả học tập của sinh viên đưa vào phân tích Nổi bật và phổ biến nhất về mảng trí tuệ nhân tạo AI phải kể đến ChatGPT Dù chỉ mới được ra mắt trong năm 2022 nhưng nền tảng này đã tạo được tiếng vang lớn và được tin dùng rộng rãi ở các quốc gia phát triển Do vậy vấn đề nghiên cứu được nhóm tác giả quan tâm và lựa chọn chính là “Tác động mô hình chatbot - ChatGPT hiện đại đến việc học của sinh viên tại Thành phố Hồ Chí Minh”.
Mục tiêu nghiên cứu
1.4.1 Mục tiêu tổng quát Đem đến cái nhìn tổng quan và phân tích những ảnh hưởng mà mô hình chatbot hiện đại - ChatGPT tác động lên việc học của sinh viên trên địa bàn thành phố Hồ Chí Minh Trên cơ sở đó đưa ra những kết luận then chốt và tìm ra giải pháp nâng cao chất lượng học tập sinh viên thông qua công cụ trí tuệ nhân tạo này
● Nghiên cứu mục đích người dùng sử dụng ChatGPT và so sánh với mục đích sử dụng trí tuệ nhân tạo AI
● Xác định các yếu tố ảnh hưởng đến việc học tập của sinh viên từ việc áp dụng ứng dụng ChatGPT trong các lĩnh vực hàng ngày
● Dự đoán tiềm năng của ứng dụng ChatGPT trong tương lai và hành vi của người dùng nếu ChatGPT được hợp pháp hóa tại thị trường Việt Nam
● Từ những kết quả thu nhập và qua phân tích để ra những khuyến nghị cũng như xác định xu hướng thay đổi trong việc sử dụng ChatGPT trong tương lai gần.
Đối tượng và phạm vi nghiên cứu
Nhóm tác giả xác định hướng đến:
● Mô hình chatbot hiện đại - ChatGPT và tác động của nó đến việc học của sinh viên
● Các ảnh hưởng từ việc sử dụng ChatGPT đến hiệu quả học tập của sinh viên
1.5.2 Đối tượng khảo sát: Sinh viên địa bàn TP HCM đã sử dụng ChatGPT
1.5.3.1 Phạm vi về thời gian
● Nghiên cứu dựa trên việc tham khảo các bài báo, bài nghiên cứu và báo cáo khoa học từ các nền tảng thông tin đáng tin cậy trong suốt thời gian thực hiện nghiên cứu
● Khảo sát khoảng thời gian 7 ngày từ ngày 28/7/2023 đến ngày 4/8/2023
1.5.3.2 Phạm vi về không gian
Nhóm tác giả tập trung nghiên cứu và khảo sát người dùng là sinh viên đại học tại các trường trên địa bàn TP Hồ Chí Minh
Ý nghĩa thực tiễn của đề tài
Trong tương lai gần, ChatGPT được dự đoán trở thành ứng dụng công nghệ tiềm năng, đáp ứng được những vấn đề của con người một cách chính xác và thực tế hơn Chính vì vậy, những đề tài xoay quanh chủ đề này sẽ mang những ý nghĩa to lớn trong việc xây dựng góc nhìn đúng đắn cho giới trẻ khi tiếp cận với những kết tinh khoa học hiện đại
Bên cạnh đó, nhóm đối tượng khảo sát là sinh viên đại học sẽ là đại diện tiêu biểu để có cái nhìn bao quát về hành vi và thói quen sử dụng công nghệ hay chatbot hiện đại - ChatGPT của người trẻ GenZ Bởi lẽ, khi một làn sóng công nghệ mới tràn vào đất nước thì người đón đầu xu hướng chính là thế hệ trẻ và họ sẽ là những người áp dụng khoa học kỹ thuật vào công cuộc thay đổi đất nước
Việc nghiên cứu về những tác động của ChatGPT trong vấn đề học tập của sinh viên sẽ là bước đầu cho việc định hình xu hướng sử dụng ứng dụng công nghệ tiến bộ của con người trong cuộc sống đa chiều hiện đại Thông qua việc đo lường những yếu tố ảnh hưởng được thế hệ sinh viên đánh giá, đề tài sau đó sẽ đưa ra những giải pháp phù hợp cho người trẻ trong việc áp dụng ChatGPT như một trợ lý ảo cung cấp thông tin đúng mực, tránh những hình thức lệ thuộc và gian lận tiêu cực Từ đó, dần định hướng kế hoạch và đào tạo nhân lực thích ứng kịp thời với xu hướng chuyển biến kinh tế sẽ giúp các nhà đầu tư công nghệ đáp ứng được nhu cầu của khách hàng Gen Z và đồng thời tăng cường sự cạnh tranh và phát triển kỹ thuật số bền vững trong tương lai.
Cấu trúc bài nghiên cứu
Bài nghiên cứu gồm 5 chương với các nội dung cụ thể như sau:
Chương 1: Giới thiệu đề tài
Chương 2: Cơ sở lý thuyết, các nghiên cứu trước đây và mô hình nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
Chương 5: Kết luận, hàm ý quản trị, hạn chế và hướng nghiên cứu tiếp theo
CƠ SỞ LÝ THUYẾT, CÁC NGHIÊN CỨU TRƯỚC ĐÂY VÀ MÔ HÌNH NGHIÊN CỨU
Cơ sở lý thuyết
ChatGPT hay với tên gọi đầy đủ là Chat Generative Pre-training Transformer - một chatbot hiện đại do công ty khởi nghiệp OpenAI phát triển Theo Aidan Gilson (2023), ChatGPT là một mô hình xử lý ngôn ngữ tự nhiên gồm 175 tỷ tham số sử dụng thuật toán học sâu được đào tạo trên lượng dữ liệu khổng lồ để tạo phản hồi giống như con người đối với lời nhắc của người dùng ChatGPT được thiết kế để có thể phản hồi nhiều chủ đề khác nhau, một cách nhanh chóng và có chọn lọc Nó có khả năng hiểu và phản hồi văn bản, cung cấp thông tin, giải đáp câu hỏi, và thậm chí tham gia vào các cuộc trò chuyện hợp lý với người dùng với ngôn ngữ trôi chảy và rõ ràng, dễ tiếp cận
2.1.1.2 Những đặc điểm của ChatGPT
ChatGPT do các nhà nghiên cứu sáng lập cho phép nó nhận biết và phản hồi lại văn bản đầu vào từ người dùng Đây là một mô hình ngôn ngữ lớn có khả năng tạo văn bản giống như đang trò chuyện với người thật chỉ với những thao tác tìm kiếm từ khóa cơ bản Theo XinXia Cao (2023), ChatGPT mang đến cho người dùng cơ hội tương tác thông minh, cho phép họ tham gia vào đàm thoại, tìm kiếm thông tin, nhận được câu trả lời, và xin lời khuyên Cách tiếp cận thuận tiện và hiệu quả này phục vụ nhu cầu kiến thức và hỗ trợ của sinh viên, nhà nghiên cứu và chuyên gia Nó sẽ có phần hệ thống máy chủ được ứng dụng công nghệ AI hiện đại hóa, ChatGPT có thể trả lời nhanh chóng và chính xác với thông tin người dùng mong muốn, mang đến trải nghiệm chân thật và thú vị hơn cho người dùng
ChatGPT có thể thực hiện nhiều nhiệm vụ khác nhau trong cuộc trò chuyện tương tác với người dùng, bao gồm trả lời câu hỏi, cung cấp thông tin, giải đáp yêu cầu, thực hiện tác vụ ngôn ngữ và nhiều hơn nữa Là ứng dụng công nghệ hiện đại, ChatGPT quy tụ phần lớn những khả năng làm việc như một con người, khiến nó được đánh giá rất cao trong mắt các nhà nghiên cứu và người tiêu dùng Bên cạnh những khả năng cơ bản như trích xuất thông tin nhanh chóng, dịch thuật, một vài tính năng tiêu biểu khác của ChatGPT có thể kể đến như làm thơ, soạn nhạc, viết truyện hay thậm chí là hội họa, viết code, Tính đa nhiệm cũng chính là nội dung thu hút người sử dụng nhất của ChatGPT bởi vì khả năng giải quyết những nhu cầu cơ bản trong đời sống, đưa chất lượng cuộc sống của người tiêu dùng trẻ sang một chương mới, hiện đại và linh hoạt hơn
Mô hình ChatGPT được huấn luyện trên một tập dữ liệu lớn từ các nguồn trên Internet, bao gồm các trang web, sách, bài báo, diễn đàn và nhiều nguồn thông tin khác Do đó, nó có khả năng nắm bắt một loạt các kiến thức trong đa dạng các lĩnh vực và từ đó có thể cung cấp thông tin tổng quát và trả lời các câu hỏi liên quan đến những lĩnh vực này Theo Hana Trương (2023), ChatGPT có thể trả lời những câu hỏi mức độ Trung học Phổ thông khi ứng dụng này đưa ra những đáp án rất nhanh chóng và chính xác về nội dung các môn học vật lý, sinh học, toán học, ngữ văn,
Tuy nhiên, lượng kiến thức của ChatGPT vẫn có giới hạn khi những thông tin mà ChatGPT có chỉ được cập nhật đến năm 2021 nên khi người dùng hỏi về những gì xảy ra ở hiện tại thì ChatGPT không thể trả lời Ngoài ra, theo XinXia Cao (2023), nó đôi khi đưa ra các câu trả lời không chính xác, không có khả năng giải quyết thiếu ngữ cảnh rõ ràng
Khái niệm “hiệu quả học tập” được Hamutoglu (2021) định nghĩa là những gì học viên phải biết, hiểu và có thể áp dụng sau khi kết thúc một quá trình học tập Hiệu quả đạt được sau một khoảng thời gian học tập được đo lường bằng lượng kiến thức, thái độ, hành vi, trình độ kỹ năng hay kết quả thành tích trong lớp (Blicker, 2011) Các nghiên cứu của
Yu và cộng sự (2010), Wei và cộng sự (2021) đã phân loại hiệu quả học tập thành ba nhóm dựa trên cảm nhận của người học: (1) nhận thức, (2) hành vi và (3) cảm xúc Kết quả của khía cạnh này được đánh giá thông qua các bài kiểm tra hay sự tự đánh giá kiến thức (Kraiger và cộng sự, 1993) Kết quả học tập hành vi là việc vận dụng những kiến thức và kỹ năng vào thực tế cuộc sống (Kraiger và cộng sự, 1993; Simonson, 1979) Khía cạnh cuối cùng, hiệu quả học tập cảm xúc, bộc lộ phản ứng tích cực: sự hài lòng và đánh giá cao về trải nghiệm học tập vừa qua (Kraiger và cộng sự, 1993; Otto và cộng sự, 2019)
Khái niệm sinh viên Theo Từ điển Giáo dục học: “Sinh viên là người học của cơ sở giáo dục cao đẳng, đại học” (Bùi, 2001) Theo Luật Giáo dục Đại học (2012), sinh viên là người đang học tập và nghiên cứu khoa học tại cơ sở giáo dục đại học, theo học chương trình đào tạo cao đẳng, chương trình đào tạo đại học Như vậy, có thể thấy khái niệm sinh viên được hiểu khá thống nhất và thường được dùng với nghĩa phổ thông nhất là người học trong các trường cao đẳng và đại học
Sinh viên nói chung mang đủ các đặc điểm cơ bản của con người – mà theo Các Mác là "tổng hòa của các quan hệ xã hội" Nhưng cũng đã mang những đặc điểm riêng biệt: Tuổi đời khá nhỏ, thông thường dao động trong khoảng từ 18 đến 25 tuổi, ngoài ra còn có niềm yêu thích những sinh hoạt xã hội hoặc có kiến thức đang được học tập chuyên sâu Về môi trường sống, sinh viên chủ yếu theo học tập trung ở những giảng đường đại học và cao đẳng (chủ yếu tại những thành phố) và sinh hoạt tại một tập thể (trường hay lớp học)
Hoạt động học của sinh viên cũng hàm chứa những đặc trưng chung của người học, tuy nhiên cũng có những điểm riêng biệt Theo quy định của Bộ Giáo dục & Đào tạo thì sinh viên có nhiệm vụ cơ bản là: "Chấp hành các quy định trong Điều lệ trường, Quy chế tổ chức và hoạt động của trường; hoàn thành trong thời hạn quy định tất cả nội dung học tập, NCKH, rèn luyện theo chương trình, kế hoạch đào tạo của nhà trường " Trước hết, sinh viên cần tuân thủ Điều lệ nhà trường Trong đó quy định nhiệm vụ , quyền lợi của người học và những quyết định về rèn luyện nhằm khuyến khích các sinh viên học tập và toi luyện bản thân.
Tổng quan các nghiên cứu trước đây
2.2.1 Nghiên cứu “Khám phá tác động của ChatGPT đối với đại học: Một nghiên cứu định tính” – Parsa Rajabi, Parnian Taghipour, Diana Cukierman và Tenzin Doleck (2023)
Thông qua kết quả nghiên cứu, các nhà nghiên cứu chỉ ra rằng ngày càng có nhiều học viên và các nhà giáo dục đang dần chấp nhận việc áp dụng mô hình chatbot hiện đại này khi tham gia học tập và giảng dạy tại các trường đại học/cao đẳng Nhìn chung,
ChatGPT cung cấp người dùng một công cụ tìm kiếm tốt hơn giúp cho việc hoàn thành bài tập trở nên thuận lợi và dễ dàng hơn cho người học: Chỉ với một từ khóa chất lượng thì mô hình chatbot này có thể đưa ra đa dạng nguồn tài nguyên tham khảo bám sát với mục đích tìm kiếm Tuy nhiên, con người cũng cần xem xét một số điểm bất lợi khi lạm dụng ChatGPT quá mức: tính liêm chính trong học thuật, thông tin được cung cấp không chính xác hoặc sai lệch làm giảm tiến độ học tập của người học hay thậm chí dẫn đến hậu quả nghiêm trọng như gian lận trong học tập, nghiên cứu Điều này đòi hỏi các nhà giáo dục cần hướng dẫn cụ thể, đánh giá học tập cần thiết cho học viên cách nhằm đảm bảo việc sử dụng ChatGPT sao cho đạt hiệu quả tốt nhất
2.2.2 Nghiên cứu “Trò chuyện về ChatGPT: AI và GPT có thể tác động đến giới học thuật và thư viện như thế nào?” - tác giả Brady D Lund and Ting Wang (2023)
Tháng 01/2023, Lund và Wang nghiên cứu về tác động tiềm năng của ChatGPT đối với giới học thuật và thư viện thông qua một cuộc phỏng vấn ảo giữa con người với mô hình chatbot này Thông qua cuộc phỏng với chính mô hình chatbot này, Lund và Wang đã chỉ ra những lợi ích cũng như khuyết điểm khi sử dụng ChatGPT: Giúp người tìm tiết kiệm được thời gian và công sức, tăng độ chính xác và hiệu quả của hệ thống tìm kiếm, cung cấp đa dạng nguồn thông tin, đồng thời cho phép học chỉ tập trung vào các khía cạnh phân tích và sáng tạo trong công việc của họ; tuy nhiên, con người vẫn cần cân nhắc các yếu tố khác như vấn đề đạo đức, quyền riêng tư và sự sai lệch trong kết quả Bài báo cũng cho thấy ChatGPT có thể dùng để viết các bài báo học thuật
2.2.3 Nghiên cứu “ Tác động của ChatGPT đối với ngành giáo dục” - tác giả Chung
Tác giả Chung Kwan Lo đã đưa ra một nghiên cứu được tổng hợp từ 50 bài viết và luận văn trên toàn cầu về tác động của ChatGPT trong ngành giáo dục Đầu tiên, bài nghiên cứu chứng minh về hiệu suất của ChatGPT ở những lĩnh vực chuyên ngành khác nhau bao gồm: Kinh tế, Ngôn ngữ, Lập trình, Y học, Thể thao và Tâm lý học, cho thấy nguồn thông tin đa dạng mà công nghệ AI này có thể đem lại Thứ hai, ChatGPT có thể dùng làm công cụ tăng cường việc dạy và học, làm trợ lý cho cả giáo viên và học sinh Đối với giáo viên, ChatGPT có thể hỗ trợ chuẩn bị tài liệu cho khóa học, đưa ra gợi ý về những câu hỏi khó, thực hiện dịch thuật ngôn ngữ, tạo ra các tiêu chí học tập và đánh giá hiệu suất của học sinh
Về phần sinh viên, ChatGPT có thể dùng để trả lời câu hỏi, tóm tắt thông tin, kiểm tra các khái niệm, luyện thi, hỗ trợ soạn thảo, Từ đó có thể giúp cho cả giáo viên và sinh viên tiết kiệm thời gian, nâng cao hiệu suất học tập và làm việc
2.2.4 Nghiên cứu về “ChatGPT và giáo dục: Tổng quan tình hình nghiên cứu trên thế giới và Việt Nam” - tác giả Hana Trương (2023)
Trong bài nghiên cứu của mình, tác giả Hana Trương (2023) đã đưa ra những kết luận về khả năng và sự tác động của ChatGPT đến lĩnh vực giáo dục ở Việt Nam, từ đó đưa ra những khuyến nghị trong chính sách sử dụng công nghệ trong công tác dạy và học Cụ thể, bằng cách dẫn chứng những dẫn chứng các kết quả nghiên cứu trước đây về tính năng hỗ trợ của ChatGPT trong học tập, tác giả nhận thấy những lợi ích đáng ngưỡng mộ mà mô hình công nghệ này có thể làm được như: Hỗ trợ tài liệu hay chuẩn bị bài giảng đối với giảng viên hay tìm kiếm thông tin, trợ giúp sinh viên thực hiện luận văn nghiên cứu và nâng cao kỹ năng viết báo cáo, giúp nâng cao chất lượng học tập của người dùng, khi có thể mở rộng kiến thức của họ Bên cạnh đó, bài báo nghiên cứu còn chỉ ra giới hạn của ChatGPT trong công tác hỗ trợ khi những thông tin đưa ra có thể không chính xác Ngoài ra, điểm sáng mà tác giả mang đến còn chỉ là tình trạng học sinh/sinh viên phụ thuộc vào ChatGPT, sao chép nội dung mà không xử lý thông tin theo cách riêng, dẫn đến vi phạm quy tắc đạo đức bản quyền và hao mòn kỹ năng tư duy phản biện
2.2.5 Nghiên cứu về “Sử dụng ChatGPT trong Dạy và Học Toán ở Trường Trung học Phổ thông” - tác giả Cao Thị Hải Yến cùng các cộng sự (2023)
Yến và các cộng sự (2023) đã đưa ra bài nghiên cứu xoay quanh khả năng giải Toán học của ChatGPT mà cụ thể là ở bậc Trung học Phổ thông Dựa trên nghiên cứu của Quy và các cộng sự (2023) về kỹ năng thực hiện bài thi Tốt nghiệp THPT môn Toán, tác giả đề cập đến tỷ lệ câu trả lời chính xác của ChatGPT đưa ra 83%, 62%, 27% và 10% tương ứng với câu hỏi ở mức nhận biết, thông hiểu, áp dụng và áp dụng cao Từ đó, tác giả đặt ra vấn đề nghiên cứu về những trường hợp mà ứng dụng công nghệ này không thể trả lời đúng: Câu hỏi đòi hỏi khả năng phân tích sâu, nhiều tầng nghĩa và không rõ ràng về ngữ cảnh Bên cạnh đó, Yến cũng cung cấp thông tin về sự trợ giúp dạy và học của ChatGPT đối với lĩnh vực giáo dục với hàng loạt tính năng: Cung cấp lời giải và ví dụ, Cung cấp giải thích và phân tích, Cung cấp bài giảng, Luyện tập và đánh giá, Tư vấn và hướng dẫn Từ đó, khái niệm toán học sẽ được truyền đạt một cách dễ hiểu hơn, giúp học sinh hiểu rõ hơn và phát triển kỹ năng toán học của mình Hơn nữa, ChatGPT có thể đưa ra gợi ý và tư vấn giúp học sinh nắm bắt các phương pháp giải quyết bài toán và tăng cường khả năng tự học và nghiên cứu
2.2.6 Nghiên cứu về “Vai trò của ChatGPT đối với giáo dục Việt Nam” - tác giả Hana
Trương cùng các cộng sự (2023) Đề tài nghiên cứu mà tác giả đưa ra là nghiên cứu sâu vào những khả năng của ChatGPT có thể hỗ trợ cho quá trình giảng dạy và học tập của giảng viên và sinh viên Việt Nam; Qua đó mà nêu ra được vai trò và tác động của ChatGPT với lĩnh vực giáo dục Cụ thể, sau khi phân tích những nghiên cứu trước đây cùng đề tài, Hana và các cộng sự (2023) đã nhận thấy rằng ChatGPT có tiềm năng lớn trong việc cải thiện giáo dục ở Việt Nam Sự kết hợp giữa công nghệ trí tuệ nhân tạo và giáo dục có thể mang lại những cải tiến đáng kể trong việc tiếp cận kiến thức, tăng cường tương tác và cá nhân hóa việc học tập cũng như cải thiện hiệu suất giảng dạy và học tập của con người Tiêu biểu có thể nhắc đến: giảng viên có thể tiếp cận được những nguồn thông tin đáng tin cậy một cách nhanh chóng, điều này giúp người dạy tiết kiệm thời gian và tăng cường hiệu quả giảng dạy; ChatGPT cùng tính năng cung cấp khả năng cá nhân hóa học tập, dựa trên thông tin và nhu cầu của người học mà đề xuất tài liệu hay phương pháp học tập phù hợp, giúp đẩy mạnh quá trình tự học
2.2.7 Nghiên cứu về “Thái độ và kì vọng của sinh viên sư phạm tiếng Anh đối với
ChatGPT” - tác giả Thái Thị Cẩm Trang (2023)
Trong bài nghiên cứu, tác giả đã chỉ ra rằng ChatGPT là công cụ trí tuệ nhân tạo có tiềm năng ứng dụng trong công tác dạy học ngoại ngữ và hỗ trợ tích cực cho quá trình học tập hiện nay cũng như công việc sư phạm của những giáo viên tương lai Kết quả cho thấy, phần lớn sinh viên trong khảo sát đã từng nghe nói về ChatGPT và một số ứng dụng nó vào việc học tập Những người khác bày tỏ thái độ lạc quan về khả năng hỗ trợ học tập của ChatGPT và nêu ra những ví dụ như khả năng tạo câu trả lời nhanh chóng và chuẩn xác cũng như tiềm năng cải tiến kỹ năng giao tiếp của ChatGPT Tuy nhiên, nghiên cứu cũng thể hiện quan ngại đối với mức độ tin cậy và chuẩn xác của dữ liệu mà ChatGPT thu thập cũng như các tác động tiêu cực đối với khả năng tư duy phản biện Nghiên cứu đề ra những khuyến nghị cho việc sử dụng ChatGPT và các công nghệ trí tuệ nhân tạo khác để dạy tiếng
Anh, đồng thời khuyến khích điều tra chuyên sâu hơn nữa nhằm tìm hiểu tác động của công nghệ đến những khía cạnh đạo đức khác.
Mô hình nghiên cứu đề xuất và các giả thuyết
2.3.1 Mô hình nghiên cứu đề xuất
Hình 2.1 Mô hình nghiên cứu đề xuất (Nguồn: tác giả) 2.3.2 Các giả thuyết
(H1): Yếu tố Suy thoái khả năng tư duy phản biện tác động nghịch chiều (-) đến hiệu quả học tập của sinh viên tại TP HCM
Trong một bài nghiên cứu của tác giả Thái Thị Cẩm Trang, phần lớn người tham gia phản hồi rằng việc sử dụng ChatGPT quá nhiều có thể ảnh hưởng tiêu cực đến khả năng tư duy phản biện Cụ thể các sinh viên cho biết với khả năng truy cập nhanh chóng, tìm kiếm thông tin dễ dàng nên thay vì phải tư duy và tự giải quyết vấn đề, họ có thể dễ dàng bị lệ thuộc vào các giải pháp được cung cấp sẵn của ChatGPT, làm giảm khả năng phân tích và đánh giá độc lập Vậy nên có thể nói yếu tố suy thoái khả năng tư duy phản biện do công nghệ ChatGPT có thể tác động trái chiều đến hiệu quả học tập của sinh viên
(H2): Yếu tố Vi phạm liêm chính học thuật tác động nghịch chiều (-) đến hiệu quả học tập của sinh viên tại TP HCM
Vi phạm liêm chính học thuật ngày càng trở nên phổ biến do sự tiến bộ của công nghệ , bao gồm cả trí tuệ nhân tạo dựa trên các ứng dụng như ChatGPT (Ventayen, 2023) Nghiên cứu của Tlili (2023) thông qua một cuộc khảo sát đã chỉ ra một số lo ngại đạo đức liên quan đến việc khuyến khích đạo văn và gian lận khiến cho người dùng có xu hướng trở nên lười biếng (đặc biệt xuất hiện ở học sinh, sinh viên) kể từ khi ChatGPT ra đời Công nghệ AI này đã được chứng minh có thể cung cấp các câu trả lời ở mọi lĩnh vực khác nhau, thậm chí có thể hỗ trợ viết bài luận, dịch thuật, từ đó tạo điều kiện cho việc gian lận trong môi trường giáo dục Vậy nên có thể kết luận yếu tố Vi phạm liêm chính học thuật tác động nghịch chiều đến hiệu quả học tập của sinh viên
(H3): Yếu tố Tiết kiệm thời gian tác động thuận chiều (+) đến hiệu quả học tập của sinh viên tại TP HCM
Theo Hana trương và các cộng sự (2023), người dạy có thể dùng ChatGPT để tìm tư liệu, thu thập thông tin và trả lời những câu hỏi hóc búa từ học sinh và sinh viên Điều này giúp người dạy tối ưu hoá thời gian và tăng chất lượng giảng dạy Bên cạnh đó, Chiu và cộng sự (2023) đã phát triển một chatbot dựa trên AI nhằm cung cấp hỗ trợ thời gian thực cho người học trong các hoạt động học tiếng Anh trực tuyến Phần lớn sinh viên đã bày tỏ thái độ tích cực về tiềm năng hỗ trợ của ChatGPT cho việc học tập và đặc biệt là sự hỗ trợ trả lời nhanh và chuẩn xác của ứng dụng đã giúp sinh viên tiết kiệm rất nhiều thời gian trong quá trình học của mình Từ đó có thể khẳng định được rằng yếu tố tiết kiệm thời gian tác động thuận chiều đến hiệu quả học tập của sinh viên
(H4): Yếu tố Kích thích khả năng tự học tác động thuận chiều (+) đến hiệu quả học tập của sinh viên tại TP HCM
Theo tác giả Junaid Qadir (2023) khi xem xét những lợi ích tiềm năng mà công nghệ sinh văn bản như ChatGPT có thể mang lại cho giáo dục kỹ thuật, từ việc cung cấp hỗ trợ học tập đến tạo ra tài liệu tham khảo và tài liệu giảng dạy Qua đó, người học có thể dùng các nguồn chất lượng này để kích thích khả năng tự học của bản thân Bên cạnh đó, ChatGPT có thể đóng vai như một trợ lý đắc lực để giúp đỡ người học giải đáp câu hỏi, tìm kiếm tài liệu, và định hướng học tập Điều này sẽ tăng khả năng tiếp xúc với tri thức và tăng năng lực tự học của người học Ngoài ra, ChatGPT cũng sẽ hỗ trợ thông qua việc nhận xét và đánh giá bằng cách đọc bài của sinh viên, đưa đề xuất và khuyến nghị giúp cải tiến kĩ năng học Qua đó, có thể dễ dàng thấy được rằng yếu tố kích thích khả năng tự học khi sử dụng công nghệ ChatGPT tác động tích cực đến hiệu quả học tập của sinh viên tại địa bàn TP HCM
(H5): Yếu tố Nâng cao hiệu suất học tập tác động thuận chiều (+) đến hiệu quả học tập của sinh viên tại TP HCM
Murray G Patterson định nghĩa hiệu suất năng lượng là sử dụng ít nguồn năng lượng đầu vào hơn bình thường nhưng vẫn đảm bảo giữ nguyên lượng đầu ra (không nhất thiết là năng lượng) như cũ Theo cách hiểu đó, hiệu suất học tập là giảm lượng thời gian và công sức người học bỏ ra cho việc học nhưng hiệu quả học tập vẫn không đổi Chỉ với một từ khóa nhất định, ChatGPT có thể cung cấp đa dạng nguồn tài liệu tân tiến nhất cho người học lựa chọn, với đa dạng ngôn ngữ khác nhau liên quan đến chủ đề họ mong muốn Những tiện ích trên sẽ giúp sinh viên tiết kiệm được thời gian và công sức cho việc tra cứu những trang web khác nhau, đảm bảo bài tập vẫn hoàn thành với độ chính xác tương đối cao và tập trung phát triển nhiều hơn kĩ năng phân tích và sáng tạo Vậy, yếu tố nâng cao hiệu suất học tập khi sử dụng công nghệ ChatGPT tác động tích cực đến hiệu quả học tập của sinh viên tại địa bàn TP HCM (Patterson, 1996)
PHƯƠNG PHÁP NGHIÊN CỨU
Mục tiêu dữ liệu
Nhóm tác giả thực hiện thu nhập dữ liệu nhằm đáp ứng các mục đích sau:
● Đánh giá mức độ phủ sóng và tầm ảnh hưởng của ChatGPT đối với người học trên phạm vi địa bàn Thành phố Hồ Chí Minh
● Xác định các yếu tố của ChatGPT tác động như thế nào đến việc học
● Dựa vào dữ liệu để kiểm tra độ tin cậy của các biến cần khảo sát
● Đánh giá về những mặt thuận lợi và hạn chế mà ChatGPT mang lại cho người học
● Dự báo sơ bộ sự điều chỉnh hành vi sử dụng ChatGPT của người học và biện pháp đề xuất cải thiện tính năng ChatGPT trong tương lai
Quy trình nghiên cứu
Theo hình 3.1, quy trình nghiên cứu được thể hiện chi tiết từ việc mở đầu bằng cách đặt vấn đề nghiên cứu trên cơ sở lý thuyết và kết thúc bằng trình bày báo cáo nghiên cứu
Sử dụng 2 phương pháp đặc biệt trong bài nghiên cứu này bao gồm: (1) Nghiên cứu định tính và (2) Nghiên cứu định lượng
Hình 3.1 Quy trình nghiên cứu (nguồn tác giả xây dựng)
Mô tả quy trình nghiên cứu: Sau khi xác định mục tiêu vấn đề nghiên cứu, nhóm tác giả tiến hành dựa trên cơ sở lý thuyết tại chương 2 để xây dựng nên mô hình đề xuất và thang đo được thực hiện dựa trên 2 phương pháp: phương pháp định tính nhằm kiểm nghiệm và phát triển thang đo chính thức và phương pháp định lượng để kiểm định thang đo và kết luận về các giả thuyết đã đặt ra Từ đó phân tích, xử lý dữ liệu đồng thời nêu ra những vấn đề nghiên cứu đạt được, hạn chế của đề tài và hướng nghiên cứu trong tương lai để hoàn thành báo cáo nghiên cứu.
Thiết kế thang đo
Thang đo Likert 5 mức độ với mức độ tăng dần (từ rất không đồng ý đến rất đồng ý) Lựa chọn diễn giải : 1 Rất không đồng ý; 2 Không đồng ý; 3 Trung lập; 4 Đồng ý; 5 Rất đồng ý Tổng hợp thang đo theo hai bảng dưới đây
Bảng 3.1 Tổng hợp thang đo sơ bộ của các biến độc lập
STT Kí hiệu Biến quan sát Nguồn
1 Suy thoái khả năng tư duy phản biện
1 PB1 Sự phụ thuộc quá mức vào công nghệ
Thái Thị Cẩm Trang (2023) Kasneci và cộng sự (2023)
2 PB2 Con người mất đi kỹ năng tương tác, giao tiếp giữa con người
3 PB3 Phụ thuộc vào ChatGPT làm hạn chế kỹ năng giải quyết vấn đề và tư duy phản biện
4 PB4 Dùng ChatGPT để viết luận làm suy thoái kỹ năng viết của người học
2 Vi phạm liêm chính học thuật
5 LC1 Sinh viên sao chép nguyên văn phần bài làm do ChatGPT tạo ra
Hana Trương và cộng sự (2023)
6 LC2 Các công cụ kiểm tra đạo văn (Turnitin) chỉ phát hiện chỉ số tương đồng thấp giữa phần bài làm của ChatGPT với tác phẩm hiện có
7 LC3 ChatGPT tổng hợp các thông tin vào câu trả lời nhưng không trích dẫn được nguồn
8 TG1 ChatGPT tóm tắt nội dung của các bài báo hoặc cung cấp danh sách các nghiên cứu cùng chủ đề dựa trên từ khóa cụ thể
Brady D Lund and Ting Wang (2023)
9 TG2 ChatGPT cho phép người dùng nghiên cứu, truy cập và thông hiểu các tài liệu bằng đa dạng ngôn ngữ
10 TG3 ChatGPT tự phân tích dữ liệu do con người cung cấp và đưa ra phản hồi cho các câu hỏi cụ thể một cách nhanh chóng, hiệu quả và độ chính xác tương đối cao
11 TG4 ChatGPT có khả năng sáng tạo ra văn bản thỏa theo yêu cầu về phong cách lẫn ngữ điệu của người nghiên cứu, từ đó dễ dàng tạo ra dàn bài cho các bài nghiên cứu, đề xuất đề tài phù hợp và các tài liệu khác
4 Kích thích khả năng tự học
12 TH1 ChatGPT hỗ trợ người học giải đáp thông tin và hướng dẫn học tập
Hana Trương và cộng sự (2023)
13 TH2 ChatGPT đưa ra kết quả mang tính cá nhân hóa - dựa trên nhu cầu và khả năng của người học
14 TH3 ChatGPT có khả năng đánh giá và phản hồi cho phần bài làm của người học
15 TH4 ChatGPT có trữ lượng thông tin lớn và đa dạng giúp người học mở rộng kiến thức
5 Nâng cao hiệu suất học tập
16 HS1 ChatGPT như một trợ lý thông minh giúp tiết kiệm thời gian học tập bằng cách hỗ trợ soạn thảo, tóm tắt thông tin, giải đáp các thắc mắc của người học,
17 HS2 ChatGPT cung cấp đa dạng nguồn tài liệu với tốc độ nhanh chóng, phân tích lượng lớn dữ liệu văn bản
Brady D Lund and Ting Wang (2023)
18 HS3 ChatGPT cải thiện độ chính xác và hiệu quả của hệ thống tìm kiếm
19 HS4 ChatGPT có khả năng dịch thuật nhiều ngôn ngữ khác nhau
(Nguồn: tác giả tổng hợp từ nghiên cứu định tính)
Bảng 3.2 Tổng hợp thang đo của biến phụ thuộc
STT Kí hiệu Biến quan sát Nguồn gốc thang đo Hiệu quả học tập
1 HQ1 Người học sẽ đạt được hiệu suất học tập tốt hơn nếu sử dụng ChatGPT đúng mực
2 HQ2 Người học không nên chấp nhận ngay lập tức các đáp án của ChatGPT đề xuất
Parsa Rajabi, Parnian Taghipour, Diana Cukierman, Tenzin Doleck (2023)
3 HQ3 Người học sẽ tự kiểm soát quá trình học tập của bản thân thông qua việc sử dụng ChatGPT
Rainer Winkler and Matthias Soellner (2018)
(Nguồn: tác giả tổng hợp từ nghiên cứu định tính)
Phương pháp nghiên cứu định tính (Dữ liệu thứ cấp)
Nhóm tác giả thực hiện nghiên cứu bằng phương pháp nghiên cứu định tính: nghiên cứu bằng cách khảo sát qua phần mềm Google Forms từ các đối tượng thuộc diện khảo sát kết hợp với thảo luận từ nhóm nghiên cứu qua Google Meets và có sự góp ý từ giáo viên hướng dẫn Đối tượng khảo sát là sinh viên trường Đại học Kinh tế TP.HCM (UEH)
3.4.1 Mô tả thực hiện nghiên cứu định tính
Trên cơ sở mục đích nghiên cứu đã trình bày, mô hình nghiên cứu và thang đo lý thuyết ban đầu đã được nêu ra, dàn bài nghiên cứu sơ bộ được thiết kế như trong Phụ lục
1, bao gồm một số câu hỏi và phát biểu của thang đo trong mô hình nghiên cứu để đề xuất kiểm chứng sự đánh giá của đối tượng tham gia thảo luận nhằm kiểm tra các phát biểu có phù hợp nội dung hay không Nghiên cứu được thực hiện trên nền tảng Google Form với số lượng đáp viên là 20
Nội dung nghiên cứu sâu được triển khai với 2 phần: (1) Nhận thức chung của sinh viên về những tác động của mô hình ChatGPT đến hiệu quả học tập; (2) Đánh giá và điều chỉnh các phát biểu của thang đo trong mô hình nghiên cứu
Phần (1) trong form khảo sát, các đáp viên sẽ trả lời các câu hỏi: Các yếu tố sau đây được liệt kê bị tác động đến “Hiệu quả học tập của sinh viên”; Mức độ bị tác động nhiều nhất của từng yếu tố theo đánh giá của anh/chị là như thế nào?
Phần (2) trong form khảo sát, nhóm tác giả lần lượt nêu ra những phát biểu theo từng giả thuyết, các đáp viên được đề nghị đưa ra nhận xét về ý nghĩa từng biến, các thành viên cũng có thể đóng góp cho việc chỉnh sửa thành phần quan sát Nếu được đa số thành viên đồng ý thì thành phần quan sát này sẽ được sửa đổi và bổ sung Cuối cùng, nhóm tác giả điều hành buổi thảo luận nhóm sẽ tổng kết thang đo
3.4.2 Kết quả nghiên cứu định tính
Sau quá trình thảo luận, hầu hết người tham gia đều hiểu rõ được nội dung của các yếu tố từ mô hình chatbot - ChatGPT tác động đến hiệu quả học tập của sinh viên Mặc dù vậy, tác động lớn nhất từ công nghệ này đến việc học tập của mỗi người là khác nhau do các nguyên nhân khách quan Điều này chứng minh cho sự cần thiết của việc đề xuất cải tiến ChatGPT và các biện pháp cải thiện thói quen sử dụng công cụ chatbot này của sinh viên, đặc biệt là tại khu vực TP HCM
Ngày nay, xuất hiện rất nhiều loại hình chatbot được ứng dụng trong môi trường giáo dục nhằm cải thiện chất lượng học tập và giảng dạy Vì thế, khi bắt đầu sử dụng ChatGPT nhằm phục vụ cho việc học tập, sinh viên phải đối mặt với nhiều yếu tố tác động từ tiêu cực đến tích cực , bao gồm: 1 Suy thoái khả năng tư duy phản biện (PB), 2 Vi phạm liêm chính học thuật (LC), 3 Tiết kiệm thời gian (TG), 4 Kích thích khả năng tự học (TH) và 5 Nâng cao hiệu suất học tập (HS)
Phần (2) về xác định các biến đo lường các thang đo cụ thể đây là những biến dùng để đo lường từng yếu tố mà nhóm tác giả đã liệt kê, nếu có những biến nào thống nhất đồng thuận hoặc không động thuận, hoặc cần bổ sung thiếu sót, xin anh/chị vui lòng góp ý vào bên dưới từng yếu tố?
Về nội dung cuộc thảo luận: dựa trên các khái niệm cần đo lường trong mô hình, nhóm tác giả trao đổi với các đáp viên về các yếu tố tác động tới hiệu quả học tập của sinh viên bởi ChatGPT tại TP HCM Sau đó, nhóm tác giả liệt kê các biến quan sát cho từng thang đo, trao đổi với từng người được phỏng vấn, xin ý kiến về các phát biểu cho thang đo của các biến xem có cần điều chỉnh, bổ sung hay bỏ bớt biến quan sát nào hay không
Tất cả những ý kiến cho rằng những tác động bởi ChatGPT ảnh hưởng đáng kể đến hiệu quả học tập của sinh viên Ngoài ra, chatbot - ChatGPT cần được cải tiến về tính năng lẫn giao diện để có thể hỗ trợ tốt nhất cho người học Bên cạnh đó, người học cũng cần phải tìm hiểu kỹ về cách thức sử dụng công cụ này để có thể tận dụng hết công suất
Bảng 3.3 Kết quả nghiên cứu định tính biến Suy thoái khả năng tư duy phản biện (PB)
1 Suy thoái khả năng tư duy phản biện (PB) 3 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 PB1 Sự phụ thuộc quá mức vào công nghệ
2 PB2 Con người mất đi kỹ năng tương tác, giao tiếp giữa con người
Bảng 3.3 Kết quả nghiên cứu định tính biến Suy thoái khả năng tư duy phản biện (PB)
3 PB3 Phụ thuộc vào ChatGPT làm hạn chế kỹ năng giải quyết vấn đề và tư duy phản biện
4 PB4 Dùng ChatGPT để viết luận làm suy thoái kỹ năng viết của người học
Bảng 3.4 Kết quả nghiên cứu định tính biến Vi phạm liêm chính học thuật (LC)
2 Vi phạm liêm chính học thuật (LC) 3 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 LC1 Sinh viên sao chép nguyên văn phần bài làm do ChatGPT tạo ra
2 LC2 Các công cụ kiểm tra đạo văn (Turnitin) chỉ phát hiện chỉ số tương đồng thấp giữa phần bài làm của ChatGPT với tác phẩm hiện có
3 LC3 ChatGPT tổng hợp các thông tin vào câu trả lời nhưng không trích dẫn được nguồn
Bảng 3.5 Kết quả nghiên cứu định tính biến Tiết kiệm thời gian (TG)
3 Tiết kiệm thời gian (TG) 4 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 TG1 ChatGPT tóm tắt nội dung của các bài báo hoặc cung cấp danh sách các nghiên cứu cùng chủ đề dựa trên từ khóa cụ thể
2 TG2 ChatGPT cho phép người dùng nghiên cứu, truy cập và thông hiểu các tài liệu bằng đa dạng ngôn ngữ
3 TG3 ChatGPT tự phân tích dữ liệu do con người cung cấp và đưa ra phản hồi cho các câu hỏi cụ thể một cách nhanh chóng, hiệu quả và độ chính xác tương đối cao
4 TG4 ChatGPT có khả năng sáng tạo ra văn bản thỏa theo yêu cầu về phong cách lẫn ngữ điệu của người nghiên cứu, từ đó dễ dàng tạo ra dàn bài cho các bài nghiên cứu, đề xuất đề tài phù hợp và các tài liệu khác
Bảng 3.6 Kết quả nghiên cứu định tính biến Kích thích khả năng tự học (TH)
4 Kích thích khả năng tự học (TH) 3 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 TH1 ChatGPT hỗ trợ người học giải đáp thông tin và hướng dẫn học tập
2 TH2 ChatGPT đưa ra kết quả mang tính cá nhân hóa - dựa trên nhu cầu và khả năng của người học
3 TH3 ChatGPT có khả năng đánh giá và phản hồi cho phần bài làm của người học
4 TH4 ChatGPT có trữ lượng thông tin lớn và đa dạng giúp người học mở rộng kiến thứ
Bảng 3.7 Kết quả nghiên cứu định tính biến Nâng cao hiệu suất học tập (HS)
5 Nâng cao hiệu suất học tập (HS) 3 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 HS1 ChatGPT như một trợ lý thông minh giúp tiết kiệm thời gian học tập bằng cách hỗ trợ soạn thảo, tóm tắt thông tin, giải đáp các thắc mắc của người học
2 HS2 ChatGPT cung cấp đa dạng nguồn tài liệu với tốc độ nhanh chóng, phân tích lượng lớn dữ liệu văn bản
3 HS3 ChatGPT cải thiện độ chính xác và hiệu quả của hệ thống tìm kiếm
4 HS4 ChatGPT có khả năng dịch thuật nhiều ngôn ngữ khác nhau
Bảng 3.8 Kết quả nghiên cứu định tính biến Hiệu quả học tập (HQ)
6 Hiệu quả học tập (HQ) 3 biến quan sát Kết quả đồng thuận
STT Kí hiệu Biến quan sát Kết quả
1 HQ1 Người học sẽ đạt được hiệu suất học tập tốt hơn nếu sử dụng ChatGPT đúng mực
2 HQ2 Người học không nên chấp nhận ngay lập tức các đáp án của ChatGPT đề xuất
3 HQ3 Người học sẽ tự kiểm soát quá trình học tập của bản thân thông qua việc sử dụng ChatGPT
3.4.3 Tóm tắt kết quả nghiên cứu định tính
Nghiên cứu định tính đã giúp hoàn thiện thang đo cho các thành phần:
● Chỉnh sửa từ ngữ thang đo dễ hiểu, cụ thể hơn
● Lược bỏ một số nhân tố và biến quan sát, hiệu chỉnh từ ngữ cho các biến quan sát
● Mô hình nghiên cứu “Tác động của mô hình chatbot hiện đại - ChatGPT đến việc học tập của sinh viên tại Thành phố Hồ Chí Minh."
Phương pháp nghiên cứu định lượng (Dữ liệu sơ cấp)
Phương pháp nghiên cứu định lượng được thực hiện thông qua bảng hỏi khảo sát Bảng câu hỏi nhóm tác giả sử dụng để tiến hành khảo sát thu thập dữ liệu được hiệu chỉnh từ kết quả của nghiên cứu định tính Nghiên cứu định lượng là phần quan trọng nhất, quyết định cả chất lượng và độ tin cậy của nghiên cứu Quá trình này cho phép lượng hóa và biểu diễn bằng số những thông tin thu nhập được Các bước thực hiện trong nghiên cứu định lượng: thiết kế mẫu, tiến hành khảo sát thu thập dữ liệu, phân tích mô tả dữ liệu, phân tích hồi quy
● n: kích thước mẫu cần xác định
● Z𝛼∕2 : giá trị tra bảng phân phối dựa trên độ tin cậy
● p*: Tỷ lệ ước lượng cỡ mẫu thành công
● E: Sai số cho phép Ở đây, nhóm chọn p* = 0.5 để tích số p*(1-p*) là lớn nhất, nhằm đảm bảo an toàn cho mẫu ước lượng Chọn sai số E = 0,08 và sử dụng độ tin cậy là 95%, tương ứng với
Z𝛼∕2 = 1.96 Từ đó, xác định được cỡ mẫu là: n = 150,0625 Trong bài nghiên cứu này, tác giả lựa chọn phương pháp chọn mẫu phi xác suất, cụ thể là phương pháp chọn mẫu thuận tiện Ưu điểm của chọn mẫu thuận tiện là tác giả chọn đối tượng khảo sát mà họ dễ dàng tiếp cận nhất trong một phạm vi cụ thể và giới hạn về thời gian lẫn chi phí nghiên cứu Tuy nhiên, điểm bất lợi của phương pháp này là không đạt được độ xác thực cao do sai số không thể xác định khi việc lấy mẫu không theo một danh sách cụ thể Bên cạnh đó, việc xác định độ lớn cỡ mẫu chưa được ấn định một giới hạn cụ thể Hair và cộng sự (2006) cho rằng để phân tích nhân tố khám phá (EFA) cỡ mẫu ít nhất phải gấp 5 lần tổng số biến quan sát Vậy trong nghiên cứu này với 21 biến quan sát thì cần cỡ mẫu tối thiểu là 105 Năm 2011, Nguyễn Đình Thọ vẫn giữ nguyên tỉ lệ giữa biến quan sát và biến đo lường là 5:1, và tốt hơn thì tỉ lệ nên là 10:1 Áp dụng vào mô hình nghiên cứu này với 22 biến quan sát, tác giả ước lượng cần ít nhất 5 đến 10 mẫu cho 1 tham số cần ước lượng, khoảng từ 5*22= 110 đến 10*22"0 quan sát Do đó, nghiên cứu này dự kiến sẽ thu thập khoảng 239 bảng trả lời khảo sát để có đủ cơ sở dữ liệu cho việc phân tích (nhằm dự trù trường hợp thiếu hụt, mất mát và trả lời kém trung thực cũng như một ý kiến cho tất cả các câu trả lời của sinh viên)
3.5.2 Khảo sát thu thập dữ liệu Đối tượng khảo sát của bài nghiên cứu này là những sinh viên hiện đang tham gia vào quá trình học tập tại các trường đại học trên địa bàn TP.HCM Câu trả lời của người tham gia khảo sát được ghi nhận thông qua bảng câu hỏi trực tuyến trên Google form do nhóm tác giả trực tiếp thiết kế
Thời gian từ 26/07/2023 – 30/07/2023 (Dữ liệu sẽ được thu thập thông qua kết quả trả lời bảng câu hỏi của đối tượng được khảo sát có sàng lọc cho phù hợp)
3.5.3 Tổng hợp và xử lý, phân tích dữ liệu (Excel 2010, SPSS 20.0)
Việc phân tích dữ liệu phải được đảm bảo tính toàn diện và đáng tin cậy, các dữ liệu thu thập từ bảng khảo sát phải trải qua kiểm tra để loại bỏ các lỗi mã hóa Bước quan trọng kế tiếp là nhập và ghép dữ liệu trước khi tổng hợp bằng phần mềm Excel 2010 và SPSS 20.0
Số biến quan sát của thang đo sau khi đánh giá độ tin cậy được giữ nguyên với 22 biến quan sát Quá trình phân tích EFA được thực hiện như sau: từ 22 biến quan sát được dựa vào phân tích nhân tố theo phương pháp “Principle Components” với phép xoay
Varimax, tiêu chuẩn Eigenvalue > 1 Mục đích là nhằm để giảm thiểu tối đa số lượng biến có hệ số tải lớn trong cùng một nhân tố chung, đi sâu vào khả năng giải thích nhân tố (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008)
Cronbach' Alpha: là một chỉ số đo lường tính nhất quán nội bộ Nếu một thang đo mà các biến quan sát có sự tương quan thuận càng chặt chẽ, thang đo đó càng có tính nhất quán cao, hệ số Cronbach’s Alpha sẽ càng cao Theo (Hair, 2009) , một thang đo tốt khi hệ số Cronbach’s Alpha từ 0.7 trở lên Tuy nhiên, với một vấn đề đo lường có khá mới mẻ, ngưỡng Cronbach’s Alpha là 0.6 có thể chấp nhận được Hệ số Cronbach's Alpha càng cao thể hiện độ tin cậy của thang đo càng cao
Phân tích nhân tố khám phá (EFA): do số lượng biến thu thập khá lớn và sự tương quan nhất định giữa rất nhiều biến quan sát với nhau, ta cần rút gọn từ một tập hợp lớn các biến quan sát thành một tập các nhân tố có ý nghĩa hơn, có thể đại diện cho tất cả các biến thu thập Các biến trong mỗi nhân tố trên cần có sự tác động qua lại với nhau Một số tiêu chí trong phân tích EFA:
● Hệ số KMO (Kaiser-Meyer-Olkin) là loại chỉ số dùng để xem xét sự thích hợp của việc phân tích nhân tố Điều kiện đủ để phân tích nhân tố là phù hợp khi trị số của KMO phải đạt giá trị từ 0.5 đến 1.0 Trong trường hợp trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu
● Kiểm định Barlett: dùng để kiểm tra các biến quan sát trong cùng 1 nhân tố có tương quan với nhau hay không Kiểm định này có ý nghĩa thống kê khi sig 10 (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008) và không xảy ra khi < 2.
KẾT QUẢ NGHIÊN CỨU
Thống kê kết quả khảo sát
4.1.1 Làm sạch, mã hóa và xử lý kết quả khảo sát
Sau khi tiến hành khảo sát và đạt được số lượng thu thập nhất định, nhóm tác giả tiếp tục làm sạch và mã hóa các biến quan sát theo cách xử lý các mẫu tin hợp lệ, loại các mẫu tin không hợp lệ ra khỏi dữ liệu trước khi tổng hợp kết quả
Bảng trả lời Số lượng thu về Hợp lệ Tỷ lệ hợp lệ
Bảng 4.1 Kết quả khảo sát mẫu thu được
Trong số 239 kết quả thu về có 223 kết quả hoàn chỉnh và hợp lệ và tiếp tục được đưa vào xử lý, phân tích bằng các phần mềm Excel 2019 và SPSS 23.0; 16 kết quả được xác định không hợp lệ vì không nằm trong đối tượng khảo sát mà nhóm tác giả đề ra ban đầu (học tập tại Thành phố Hồ Chí Minh và đã từng sử dụng ChatGPT)
● Trình độ học vấn của sinh viên
Năm học Tần số Tần suất Tần suất phần trăm
Bảng 4.2 Bảng tần suất trình độ học vấn của sinh viên
Khảo sát có sự tham gia của các nhóm sinh viên với trình độ học vấn từ năm 1 đến năm 4 Phần lớn người tham gia là sinh viên năm nhất và năm hai với tỷ lệ lần lượt là 35% và 37% Tiếp đến là sinh viên năm 3 với tỷ lệ là 18% và cuối cùng là nhóm sinh viên năm
● Tần suất sử dụng ChatGPT
Tần suất sử dụng Tần số Tần suất Tần suất phần trăm
Bảng 4.3 Bảng tần suất sử dụng ChatGPT
Dựa trên số liệu khảo sát, có thể dễ dàng nhận thấy sinh viên tại địa bàn TP HCM có tần suất sử dụng ChatGPT không thường xuyên với tỷ lệ sinh viên chỉ sử dụng công cụ này từ 1 đến 2 lần trong tuần là 60% Trong khi đó, có 26% sinh viên cho biết trung bình họ sử dụng chatbot hiện đại này từ 3 đến 5 lần trên tuần Còn lại 14% sinh viên sở hữu tần suất sử dụng ChatGPT dày đặc với hơn 5 lần trên tuần
● Đánh giá mức độ hữu dụng của ChatGPT
Tần số Tần suất Tần suất phần trăm
Bảng 4.4 Bảng tần suất đánh giá mức độ hữu dụng của ChatGPT
Trên thang đo từ 1 đến 5 với 1 là hoàn toàn không đồng ý và 5 là hoàn toàn đồng ý để nhận xét về mức độ hữu dụng của ChatGPT chỉ có 1 đáp viên (0,4%) cho rằng công cụ này hoàn toàn không hữu dụng và 5 đáp viên (2%) cho rằng ChatGPT không hữu dụng Ngoài ra, có 46 câu trả lời (21%) đánh giá chatbot này có độ hữu dụng bình thường Số đáp viên đồng ý ChatGPT hữu dụng khá cao với 134 người tương đương 60% Còn lại 37 người (17%) hoàn toàn đồng ý rằng ChatGPT rất hữu dụng
Hình 4.1 Biểu đồ thể hiện tần số mục đích sử dụng ChatGPT của người tham gia khảo sát
Theo biểu đồ 4.1, tổng số lượng sinh viên tham gia khảo sát trên địa bàn thành phố
Hồ Chí Minh là 223 Đại đa số sinh viên lựa chọn việc học tập và nghiên cứu là mục đích sử dụng ChatGPT chính của mình (212 người) Kế đến là mục đích công việc (127), giải trí (80 người) và xếp cuối là sử dụng cho sức khỏe và các mục đích khác
● Đánh giá ưu điểm của ChatGPT
Hình 4.2 Biểu đồ thể hiện các ưu điểm của ChatGPT
Nhóm tác giả đã cân nhắc và đưa ra một số ưu điểm của ChatGPT, trong đó yếu tố
“tiết kiệm thời gian tìm kiếm” chiếm tỷ lệ đồng tình cao nhất với (190/223), tiếp đến là “hỗ trợ tìm kiếm tài liệu” (68,1% - 152/223 người) và theo sau là các yếu tố khác Tuy nhiên yếu tố “tiết kiệm thời gian tìm kiếm” cũng nhận được phản hồi không đồng tình nhiều nhất với hơn 18% (42/223), theo sau đó là “tạo tài liệu học tập” (24/232 người) và còn lại các yếu tố khác
● Đánh giá nhược điểm của ChatGPT
Hình 4.3 Biểu đồ thể hiện các nhược điểm của ChatGPT
Theo biểu đồ hình 4.3, trong số 4 nhược điểm nêu trên yếu tố nhận được nhiều ý kiến đồng ý nhất là “ChatGPT đôi khi hiểu sai mong muốn của người dùng” với tỷ lệ
68,2% (152/223), theo sau đó là “cung cấp kiến thức còn hạn chế” (49,7% - 111/223) và còn lại là các yếu tố khác Nhược điểm “cung cấp thông tin không chính xác” có tỷ lệ trung lập cao nhất với (84/223 người) - xấp xỉ 38% Người tham gia khảo sát không đồng tình nhiều nhất với ý kiến “ChatGPT có thể xâm phạm quyền riêng tư” (51/223 người).
Kiểm định độ tin cậy thang đo Cronbach’s Alpha
● SUY THOÁI KHẢ NĂNG TƯ DUY PHẢN BIỆN
Cronbach's Alpha if Item Deleted if Item Deleted
Bảng 4.5 Kết quả Kiểm định độ tin cậy thang đo cho biến Suy thoái khả năng tư duy phản biện (PB)
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach’s Alpha của PB đạt giá trị 0.696 (lớn hơn 0.6 theo tiêu chí nhóm tác giả đưa ra ban đầu) và các biến quan sát đều có tương quan biến - tổng lớn hơn 0.3 với biến có hệ số tương quan thấp nhất cũng đạt 0.391 Như vậy thang đo đạt độ tin cậy, các biến quan sát đều có ý nghĩa giải thích tốt cho nhân tố “Suy thoái tư duy phản biện”
● VI PHẠM LIÊM CHÍNH HỌC THUẬT
Cronbach's Alpha if Item Deleted
Bảng 4.6 Kết quả Kiểm định độ tin cậy thang đo cho biến
Vi phạm liêm chính học thuật (LC)
(Nguồn: Kết quả xử lý số liệu SPSS)
Tác động “Vi phạm liêm chính học thuật” với hệ số độ tin cậy thang đo Cronbach’s Alpha là 0.481 nhỏ hơn 0.6 và 2 trong 3 các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0.3 (0.259 và 0.270) Như vậy thang đo không đạt đủ độ tin cậy cho nghiên cứu, cần loại bỏ cả thang đo này
Bảng 4.7 Kết quả Kiểm định độ tin cậy thang đo cho biến Tiết kiệm thời gian (TG)
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả kiểm định cho thấy hệ số độ tin cậy thang đo Cronbach’s Alpha của nhân tố
“Tiết kiệm thời gian” đạt giá trị 0.713 và các biến quan sát đều có tương quan biến - tổng lớn hơn 0.3 với biến có hệ số tương quan thấp nhất cũng đạt 0.458 Như vậy thang đo đạt độ tin cậy, các biến quan sát đều có ý nghĩa giải thích tốt cho nhân tố trong nghiên cứu
● KÍCH THÍCH KHẢ NĂNG TỰ HỌC
Bảng 4.8 Kết quả Kiểm định độ tin cậy thang đo cho biến
Kích thích khả năng tự học (TH)
(Nguồn: Kết quả xử lý số liệu SPSS)
Kích thích khả năng tự học: Cronbach’s Alpha = 0.666 (lớn hơn 0.6) biến quan sát của thang đo “Kích thích khả năng tự học” đạt được độ tin cậy Mặt khác, hệ số tương quan biến tổng của 4 biến quan sát từ 0.354 đến 0.608 đều lớn hơn 0.3; chứng tỏ các biến trong thang đo này là các biến đo lường tốt, đều đảm bảo độ tin cậy và đều được sử dụng trong các phân tích tiếp theo
● NÂNG CAO HIỆU SUẤT HỌC TẬP
Bảng 4.9 Kết quả Kiểm định độ tin cậy thang đo cho biến
Nâng cao hiệu suất học tập (HS)
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả bảng cho thấy, hệ số độ tin cậy Cronbach’s Alpha của HS là 0.753 (lớn hơn 0.6) và các biến quan sát đều có hệ số Corrected Item - Total Correlation trên 0.3 (lần lượt từ 0.507 đến 0.638) Điều này chứng tỏ các biến trong thang đo này đạt chuẩn và khá gắn kết với nhau, trở thành các biến đo lường tốt cho “Nâng cao hiệu suất học tập”
● TÁC ĐỘNG ĐẾN HIỆU QUẢ HỌC TẬP
Bảng 4.10 Kết quả Kiểm định độ tin cậy thang đo cho biến Hiệu quả học tập (HQ)
(Nguồn: Kết quả xử lý số liệu SPSS) Đối với biến phụ thuộc “Hiệu quả học tập”, hệ số độ tin cậy Cronbach’s Alpha có giá trị 0.651 và các biến quan sát lần lượt có các giá trị 0.420, 0.454 và 0.516 (tất cả đều trên 0.3) Như vậy, các biến trong thang đo đạt độ tin cậy phù hợp và các biến quan sát được xác định là tốt.
Phân tích nhân tố khám phá EFA
Sau khi tiến hành kiểm tra độ tin cậy Cronbach’s Alpha của các thang đo và loại bỏ các biến không phù hợp (LC1, LC2 và LC3), nhóm tác giả tiếp tục phân tích nhân tố khám phá EFA với phương pháp rút trích được chọn để phân tích nhân tố là phương pháp Principal Components với phép xoay Varimax
4.3.1 Phân tích nhân tố khám phá EFA cho các biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .863
Bảng 4.11 Kết quả kiểm định KMO và Bartlett's Test cho biến độc lập lần 1
(Nguồn: Kết quả xử lý số liệu SPSS) Trị số Bartlett's Test trong phân tích nhân tố cho thấy hệ số KMO khá cao (bằng 0.863 - lớn hơn 0,5 và nhỏ hơn 1) đồng thời Kiểm định Bartlett's Test với mức ý nghĩa bằng
0 (Sig = 0,000) chứng tỏ phân tích EFA rất thích hợp cho các khâu phân tích tiếp theo
Initial Eigenvalues Total % of Variance Cumulative %
Bảng 4.12 Giải thích tổng các phương sai lần 1
(Nguồn: Kết quả xử lý số liệu SPSS)
Bảng 4.13 Ma trận xoay nhân tố phân tích EFA lần 1
(Nguồn: Kết quả xử lý số liệu SPSS)
Từ dữ liệu thu về từ SPSS, với hệ số tải là 0.5, các biến có chất lượng phù hợp cho nghiên cứu sẽ được hiển thị Kết quả từ ma trận xoay nhân tố phân tích EFA cho thấy, có 3 nhân tố được trích ra dựa trên tiêu chí eigenvalue lớn hơn 1 với tổng phương sai tích lũy là 53.18%, từ đó, mô hình EFA được cho là phù hợp và các nhân tố được trích ra thể hiện được phần lớn dữ liệu đưa vào
Bên cạnh đó, nhóm tác giả xem xét để loại bỏ các biến xấu, cụ thể là biến TH2 khi biến này có hệ số tải ở tất cả các nhân tố đều nhỏ hơn 0.5 và không hiện giá trị trên bảng Nhóm tác giả tiến hành loại biến xấu và thực hiện phân tích EFA một lần nữa: Từ 16 biến ban đầu loại 1 biến TH2 còn 15 biến được đưa vào phân tích EFA lần 2
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .859
Bảng 4.14 Kết quả kiểm định KMO và Bartlett's Test cho biến độc lập lần 2
(Nguồn: Kết quả xử lý số liệu SPSS)
Hệ số KMO = 0.859 (lớn hơn 0.5) và giá trị Sig là 0.000 (nhỏ hơn 0.5) Vì vậy phân tích nhân tố khám phá EFA phù hợp
Initial Eigenvalues Total % of Variance Cumulative %
Bảng 4.15 Giải thích tổng các phương sai lần 2
(Nguồn: Kết quả xử lý số liệu SPSS)
Ta có, 3 nhân tố được trích dựa vào tiêu chí eigenvalue lớn hơn 1, giải thích được 54.566% biến thiên dữ liệu của 15 biến quan sát tham gia vào EFA một cách tốt nhất
Bảng 4.16 Ma trận xoay nhân tố phân tích EFA
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả xoay ma trận cuối cùng cho thấy, 15 biến quan sát được phân vào 3 nhân tố Tất cả các biến quan sát đều có hệ số tải nhân tố Factor Loading lớn hơn 0.5 và không còn các biến xấu
4.3.2 Phân tích nhân tố EFA cho các biến phụ thuộc
Biến phụ thuộc của đề tài nghiên cứu là Hiệu quả học tập của sinh viên tại Thành phố Hồ Chí Minh gồm 3 biến quan sát được tiến hành đưa vào phân tích EFA cho biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .644
Bảng 4.17 Kết quả Kiểm định KMO và Bartlett’s biến phụ thuộc
(Nguồn: Kết quả xử lý số liệu SPSS)
Bảng cho thấy hệ số KMO đạt 0.644 (lớn hơn 0.5 và khá gần 1) đồng thời Kiểm định Bartlett's với mức ý nghĩa bằng 0 (Sig, = 0,000), nên ở độ tin cậy 95% dữ liệu thích hợp để phân tích EFA
Initial Eigenvalues Total % of Variance Cumulative %
Bảng 4.18 Tổng phương sai trích EFA biến phụ thuộc
(Nguồn: Kết quả xử lý số liệu SPSS)
Tiếp tục sử dụng phương pháp rút trích Principal Components và phép xoay Varimax, dữ liệu rút trích được 1 nhân tố với 3 biến quan sát, tương ứng với hiệu quả học tập có tổng phương sai trích là 59.172% (lớn hơn 50%) Ngoài ra, trong bảng Component Matrix, ta thấy các biến quan sát đều đạt hệ số tải nhân tố lớn hơn 0.5 và phù hợp để tiếp tục phân tích về sau
Bảng 4.19 Ma trận nhân tố EFA cho biến phụ thuộc
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả kiểm định tương quan, hồi quy và kiểm định giả thiết mô hình
4.4.1 Phân tích ma trận tương quan giữa các biến
F_HQ F_HS F_TG F_TH F_PB
Bảng 4.20 Ma trận thể hiện thể hiện mối tương quan tuyến tính giữa các biến độc lập trong mô hình với biến phụ thuộc
(Nguồn: Kết quả xử lý số liệu SPSS)
Ma trận tương quan Pearson thể hiện quan hệ giữa biến phụ thuộc ứng với từng biến độc lập trong mô hình và giữa các biến độc lập với nhau
Kết quả cho thấy, biến Hiệu quả học tập có mối quan hệ tương quan tuyến tính với nhau với độ tin cậy là 99% Cụ thể mối quan hệ giữa biến phụ thuộc ứng với từng biến độc lập có hệ số Sig là 0.000 (nhỏ hơn 0.05) và hệ số tương quan r = 0.456, 0.519, 0.376 và 0.217, trong đó biến độc lập TG và HS có mối tương quan mạnh với biến phụ thuộc HQ (đạt giá trị từ 0.4 trở lên)
4.4.2 Phân tích hồi quy tuyến tính bội MLR
Tiếp theo, nhóm tác giả tiến hành phân tích hồi quy tuyến tính bội để kiểm định các giả thuyết nghiên cứu và đo lường tác động của các biến độc lập lên biến phụ thuộc
Std Error of the Estimate
1 601 361 349 688 1.757 a Predictors: (Constant), F_PB, F_TH, F_HS, F_TG b Dependent Variable: F_HQ
Bảng 4.21 Bảng chỉ tiêu đánh giá độ phù hợp của mô hình
(Nguồn: Kết quả xử lý số liệu SPSS)
Kiểm định về mối quan hệ tuyến tính giữa biến phụ thuộc - hiệu quả học tập với các biến độc lập để xem xét biến quyết định mua hàng có quan hệ tuyến tính với các biến độc lập hay không Kết quả R bình phương hiệu chỉnh là 0.349
Predictors: (Constant), F_PB, F_TH, F_HS, F_TG
Bảng 4.22 Kiểm định độ phù hợp mô hình ANOVA
(Nguồn: Kết quả xử lý số liệu SPSS)
Giá trị Kiểm định bảng ANOVA với sig = 0,000 < 0,05, như vậy ta kết luận rằng mô hình phù hợp với dữ liệu nghiên cứu, việc giải thích các kết quả hồi quy sẽ an toàn và chính xác hơn
Standardiz ed Coefficient s t Sig Collinearity
Bảng 4.23 Bảng kết quả hồi quy Coefficients
(Nguồn: Kết quả xử lý số liệu SPSS)
Trong bảng kết quả thống kê trên, ta nhận thấy các nhân tố HS, TG và TH đều có tác động lên biến phụ thuộc khi chỉ số Sig lần lượt nhỏ hơn 0.05 Ngược lại biến độc lập
PB không có tác động lên biến phụ thuộc HQ do Sig đạt 0.172 (lớn hơn 0.05)
Phương trình hồi quy theo hệ số hồi quy chưa chuẩn hóa:
● β0, β1, β2, β3, βn là các tham số hồi quy
● X là biến độc lập (X1, X2, X3, Xn)
F_HQ = 0.936 + 0.234*F_HS + 0.337*F_TG + 0.157*F_TH (+0.067*F_PB)
Sau quá trình nghiên cứu và phân tích, nhóm tác giả điều chỉnh và công nhận 3 biến có ý nghĩa trong mô hình là “Tiết kiệm thời gian” (TG), “Kích thích khả năng tự học” (TH) và “Nâng cao hiệu suất học tập” (HS) Trong đó, nhân tố có tác động mạnh nhất chính là
“Tiết kiệm thời gian” với hệ số hồi quy chuẩn hóa Beta là 0.337
4.4.3 Kiểm định kết quả hồi quy
4.4.3.1 Giả định hiện tượng đa cộng tuyến Đa cộng tuyến là việc các biến độc lập có mối quan hệ quá chặt với nhau, từ đó dẫn đến việc giải thích các kết quả ước lượng hồi quy sẽ không chính xác, nếu giá trị VIF của các hệ số hồi quy < 10 xem như không có hiện tượng đa cộng tuyến Trong bảng kết quả hồi quy bảng , ta thấy biến các hệ số phóng đại phương sai lần lượt là VIF = (1.363, 1.385 và 1.182) < 10 Như vậy, không có hiện tượng đa cộng tuyến
4.4.3.2 Giả định về hiện tượng tự tương quan
Kiểm định giả thuyết không có tính tự tương quan là việc xem xét giá trị Durbin Watson nằm trong khoảng từ 1 đến 3, nếu giá trị này lân cận 2 thì rất tốt Trong bài nghiên cứu giá trị Durbin Watson = 1.753 nằm trong khoảng cho phép, được xem là tốt khi khá cận 2 Điều này cho chúng ta thấy không có sự tự tương quan giữa các phần dư
4.4.3.3 Giả định về phân phối chuẩn phần dư
Hình 4.4 Sơ đồ phân phối phần dư chuẩn hóa
Phần dư chuẩn hóa được thực hiện cùng với chạy hồi quy, việc xem xét phần dư chuẩn hóa này có phân phối chuẩn hay không thông qua xem xét biểu đồ phân tán Histogram Theo hình 4.5 cho thấy giá trị trung bình Mean = 1.10E-15 (xấp xỉ bằng 0) và độ lệch chuẩn gần bằng 1 (Std.Dev = 0.991) Từ đó, phân phối phần dư xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.5 Biểu đồ Normal P-P Plot
Biểu đồ Normal P-P Plot bên trên cho thấy cả giá trị quan sát và giá trị kỳ vọng phần lớn đều nằm gần đường chéo, cho thấy phần dư chuẩn hóa có phân phối chuẩn Bằng cách quan sát mức độ gần nhau giữa các điểm thực tế và đường thẳng kỳ vọng, có thể kết luận rằng tập dữ liệu nghiên cứu là tốt và phần dư chuẩn hóa có phân phối gần giống với phân phối chuẩn
Hình 4.6 Sơ đồ phân tán
Khi nhìn vào biểu đồ, ta thấy rằng phần dư chuẩn hóa thay đổi không theo bất kỳ thứ tự nào đối với giá trị dự đoán chuẩn hóa Điều này cho thấy giả định về liên hệ tuyến tính không bị vi phạm, đồng thời điều này cho thấy rằng biến phụ thuộc không có bất kỳ liên hệ nào với phần dư.
