2.2. Quy trình thực hiện nghiên cứu
2.2.2. Nghiên cứu chính thức
Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng, thông qua phương pháp thu thập số liệu điều tra bằng câu hỏi khảo sát (Xem phụ lục- Bảng câu hỏi). Điều tra được tiến hành trên 220 sinh viên thuộc các chuyên ngành khác nhau, hệ đào tạo khác nhau của trường. Sau khi thu thập số liệu điều tra sẽ được phân tích thơng qua phần mềm SPSS.
Thời gian điều tra là 4/2021.
2.2.2.1. Kích thước mẫu nghiên cứu
Mẫu được chọn theo phương pháp thuận tiện, một trong các hình thức chọn mẫu phi xác suất. Khi đó, nhà nghiên cứu có thể chọn những phần tử (đối tượng nghiên cứu) có thể tiếp cận được (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
Kích thước của mẫu áp dụng trong nghiên cứu được dựa theo yêu cầu của phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và hồi quy đa biến:
- Đối với phân tích nhân tố khám phá EFA: Dựa theo nghiên cứu của Hair, Anderson, Tatham và Black (1998) cho tham khảo về kích thước mẫu dự kiến. Theo đó kích thước mẫu tối thiểu là gấp 5 lần tổng số biến quan sát. Trong nghiên cứu này dự kiến có tổng số biến quan sát là 43, cỡ mẫu cần đạt là 43*5 = 215 mẫu.
- Đối với phân tích hồi quy đa biến: cỡ mẫu tối thiểu cần đạt được tính theo cơng thức là 50 + 8*m (m: số biến độc lập) (Tabachnick và Fidell, 1996). Trong nghiên cứu này, dự kiến số biến độc lập là 5 thì cỡ mẫu tối thiểu là 50 + 8*5 = 90
mẫu.
- Nghiên cứu về cỡ mẫu do Roger thực hiện (2006) cho thấy cỡ mẫu tối thiểu áp dụng được trong các nghiên cứu thực hành là từ 150-200.
Với thông tin trên, tác giả sử dụng cỡ mẫu là 220 cho nghiên cứu.
2.2.2.2. Thang đo
Dựa trên thang đo SERVPERF và kết hợp với các ý kiến của các giảng viên và cán bộ lâu năm tại trường đã hình thành nên thang đo chất lượng dịch vụ phục vụ sinh viên. Năm nhân tố trong thang đo SERVPERF đề xuất trong mơ hình với 46 câu hỏi.
Bảng 2.2. Thang đo chất lượng dịch vụ phục vụ sinh viên đã điều chỉnh
Mô tả biến trong thang đo Tên biến
Đánh giá dịch vụ PhotoCopy - Books PHOTO
Trang thiết bị hiện đại đầy đủ, đáp ứng được nhu cầu của SV PHOTO1
Địa điểm thuận tiện cho SV PHOTO2
Dịch vụ luôn nhanh và đúng hẹn PHOTO3
Giờ mở cửa phù hợp với lịch học tập PHOTO4
Đội ngũ kỹ thuật luôn sẵn sàng giúp đỡ PHOTO5
Đội ngũ kỹ thuật luôn tư vấn giải pháp phù hợp cho KH PHOTO6
Bạn cảm thấy an toàn khi sử dụng dịch vụ ở đây PHOTO7
Đội ngũ kỹ thuật thường xuyên cập nhật ứng dụng và công nghệ
mới PHOTO8
Dịch vụ photocopy ln đặt lợi ích của SV lên hàng dầu PHOTO9 Đơn vị cung cấp dịch vụ Photo Copy hiểu rõ nhu cầu và quan tâm
đến từng SV PHOTO10
Đánh giá chất lượng dịch vụ Thư viện THUVIEN
Nhân viên thư viện có phong cách làm việc chuyên nghiệp, giao
thiệp lịch sự THUVIEN1
thể tư vấn sách, tài liệu tham khảo cho SV
Nhân viên thư viện lắng nghe và hiểu được nhu cầu của SV THUVIEN3 Nhân viên thư viện cung ứng các dịch vụ nhanh chóng, giải đáp
thắc mắc của SV đúng hẹn và kịp thời THUVIEN4
Thư viện cung cấp các dịch vụ đúng như cam kết THUVIEN5
Thư viện có nhiều khơng gian học tập (phịng đọc/học theo nhóm/
hội thảo), là nơi lý tưởng cho việc học tập của SV THUVIEN6
Thư viện có đủ máy tính được kết nối mạng, cơng cụ/phần mềm
tra cứu dễ sử dụng THUVIEN7
Thư viện có đầy đủ các dịch vụ hỗ trợ khác tiện lợi (mượn sách,
photocopy, giữ giỏ sách, giữ xe…) THUVIEN8
Thư viện có các chỉ dẫn đầy đủ, rõ ràng, dễ hiểu THUVIEN9
Đánh giá chất lượng dịch vụ Ký túc xá KTX
Nhân viên KTX có kiến thức và hiểu biết để giải đáp các thắc mắc
của SV KTX1
Nhân viên KTX cung ứng các dịch vụ nhanh chóng, phúc đáp các
câu hỏi và thắc mắc của SV đúng hẹn, kịp thời KTX2
Nhân viên KTX lắng nghe và hiểu được nhu cầu của SV KTX3
KTX cung cấp các dịch vụ đúng như cam kết KTX4
Nhân viên KTX làm việc chuyên nghiệp và tôn trọng SV KTX5 KTX có các quy định, chỉ dẫn đầy đủ, rõ ràng, dễ hiểu KTX6 Mơi trường trong KTX an tồn (an ninh, phịng cháy chữa cháy,
ứng phó với trình trạng khẩn cấp,…) KTX7
Giá cả các dịch vụ trong KTX hợp lý (điện nước, Internet, giữ
xe,…) KTX8
KTX có đầy đủ các tiện ích giải trí (thể thao, văn hóa - văn nghệ,
câu lạc bộ, sinh hoạt...) KTX9
Đánh giá chất lượng dịch vụ Canteen CANTEEN
Địa điểm căn-tin thuận tiện CANTEEN1
Chỗ ngồi đủ, khơng gian thống mát CANTEEN3 Thức ăn, đồ uống đảm bảo dinh dưỡng, vệ sinh an toàn thực phẩm CANTEEN4
Giá cả phù hợp CANTEEN5
Chất lượng cở sở vật chất tổng quan và dịch vụ khác TONGTHE
Hệ thống phòng thực hành đầy đủ và hoạt động tốt TONGTHE1
Hệ thống phòng học đầy đủ, đáp ứng được nhu cầu của SV TONGTHE2 Trường có hệ thống bảng chỉ dẫn các tòa nhà, phòng học đầy đủ,
chính xác TONGTHE3
Khu tập thể dục thể thao, điểm giải trí ngồi giờ đáp ứng được nhu
cầu của SV TONGTHE4
Trường cung cấp các dịch vụ đúng như cam kết (học phí, học bổng,
chính sách hỗ trợ SV, thời khóa biểu,…) TONGTHE5
Nhân viên hỗ trợ sinh hoạt có kiến thức và hiểu biết để trả lời các
câu hỏi, thắc mắc của SV TONGTHE6
Khơng gian tự học chung cho SV có đủ chỗ ngồi, thống mát TONGTHE7
Phịng y tế đáp ứng được nhu cầu cơ bản của SV TONGTHE8
Trường có kênh nhận các phản hồi của SV TONGTHE9
Nhà để xe rộng rãi, rất thuận tiện cho sinh viên để và lấy xe TONGTHE1 0
Đánh giá sự hài lòng SUHAILON
G Bạn cảm thấy hài lòng về chất lượng dịch vụ của nhà trường SUHAILON
G1 Bạn sẽ tiếp tục sử dụng các dịch vụ của nhà trường trường SUHAILON
G2 Bạn sẽ giới thiệu với người khác về các dịch vụ của nhà trường SUHAILON
G3
2.2.2.3. Kỹ thuật phân tích dữ liệu
a. Thống kê mô tả
Thống kê mô tả là thuật ngữ dùng để chỉ việc phân tích dữ liệu giúp mơ tả, hiển thị hoặc tóm tắt dữ liệu theo một cách có ý nghĩa sao cho các đặc điểm của mẫu có thể xuất hiện từ dữ liệu. Tuy nhiên, thống kê mô tả không thể đưa ra những kết luận ngồi dữ liệu hiện có hoặc đưa ra kết luận về bất kỳ giả thuyết nào. Thống kê mô tả chỉ đơn giản là một cách để mô tả dữ liệu.
Thống kê mơ tả rất quan trọng bởi vì nếu dữ liệu chỉ được trình bày dưới dạng thơ, sẽ có rất ít thơng tin được dữ liệu hiển thị, đôi khi sẽ làm mất đi những dữ liệu quan trọng. Do đó, thống kê mơ tả cho phép trình bày dữ liệu theo cách có ý nghĩa hơn, cho phép thấu hiểu dữ liệu một cách đơn giản hơn. Thơng thường, có hai loại thống kê chung được sử dụng để mô tả dữ liệu:
Đo lường giá trị trung tâm: đây là những phương pháp mơ tả vị trí trung tâm của sự phân bố tần số của một nhóm dữ liệu. Trong trường hợp này, phân bố tần suất đơn giản là sự phân bố và mẫu điểm của 100 sinh viên từ thấp nhất đến cao nhất. Có thể mơ tả vị trí trung tâm này bằng cách sử dụng một số công cụ thống kê, bao gồm tần suất xuất hiện nhiều nhất (mode), trung vị (median) và trung bình (mean). Trong đó mean thường được sử dụng phổ biến nhất.
Đo lường giá trị biến thiên: đây là cách tóm tắt một nhóm dữ liệu bằng cách mơ tả mức độ phân tán của điểm số. Ví dụ, điểm trung bình của 100 học sinh là 65 trên 100. Tuy nhiên, không phải tất cả học sinh đều đạt 65 điểm. Một số sẽ thấp hơn và những người khác sẽ cao hơn. Các phép đo mức độ biến thiên giúp xác định mwucs độ phân tán của các điểm số này, từ đó có thể thấy mức độ đồng đều hay không đồng đều của điểm số. Để mô tả sự chênh lệch này, một số thống kê có sẵn bao gồm phạm vi (range), tứ phân vị (interquartile range), độ lệch tuyệt đối (absolute deviation), phương sai (variance) và độ lệch chuẩn (standard deviation).
Thống kê mơ tả có thể được thực hiện thơng qua cách sử dụng kết hợp mô tả được lập bảng (tức là bảng), mô tả bằng đồ họa (tức là đồ thị và biểu đồ) và bình luận thống kê (tức là thảo luận về kết quả).
b. Kiểm định độ tin cậy của thang đo
Cronbach’s alpha, α (hay hệ số alpha), được phát triển bởi Lee Cronbach vào năm 1951, đo lường độ tin cậy hoặc tính nhất quán nội tại. “Độ tin cậy” là mức độ tốt mà một bài khảo sát đo lường nên đạt được.
Kiểm định Cronbach’s alpha mục đích để xem liệu các cuộc khảo sát thang đo Likert nhiều câu hỏi có đáng tin cậy hay khơng. Những câu hỏi này đo lường các biến tiềm ẩn — các biến ẩn hoặc không thể quan sát được. Cronbach’s alpha sẽ loại bỏ những biến không phù hợp trong tổng thể mẫu. Việc loại bỏ các biến rác sẽ giúp cho q trình phân tích khám phá nhân tố chính xác hơn. Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng mà không đưa ra kết luận biến nào cần bỏ đi và biến nào giữ lại. Việc tính tốn hệ số tương quan biến tổng giúp loại bỏ các biến quan sát khơng đóng góp nhiều vào sự mơ tả của đối tượng cần nghiên cứu.
Khi tiến hành kiểm định độ tin cậy của thang đo, có một số tiêu chí đánh giá được áp dụng. Đầu tiên, loại bỏ các biến quan sát có hệ số tương quan biến tổng nhỏ (< 0,3); lựa chọn các biến có hệ số Cronbach’s alpha đáp ứng đủ tiêu chuẩn, cụ thể là lớn hơn 0.6.
Trong đó các mức giá trị có thể xuất hiện bao gồm: lớn hơn 0.9 là mức rất tốt, từ 0,8 đến 0.9, biểu hiện thang đo lường tốt; từ 0,7 đến 0,8, mức giá trị thang đo sử dụng được; đối với các nghiên cứu vấn đề mới hoặc nghiên cứu trong bối cảnh mới thì mức lớn hơn 0.6 vẫn được đánh giá là mức có thể sử dụng được theo nghiên cứu của Nunally (1978), Peterson (1994) và Slater (1995).
Từ các tiêu chí nghiên cứu trên, bài nghiên cứu tiến hành áp dụng kiểm định độ tin cậy Cronbach’s alpha theo tiêu chí: giữ lại các biến có hệ số Cronbach’s alpha lớn hơn 0.6 vì nghiên cứu được triển khai trong bối cảnh mới, kế thừa mơ hình đã có nhưng đã sửa đổi và bổ sung một số biến quan sát; và loại bỏ các biến có hệ số tương quan biến tổng nhỏ hơn 0.3, mức tối thiểu cần đạt được.
c. Phân tích nhân tố khám phá (EFA)
thống kê được sử dụng để khám phá cấu trúc cơ bản của một tập hợp các biến tương đối lớn. EFA là một kỹ thuật trong phân tích nhân tố có mục tiêu bao quát là xác định các mối quan hệ cơ bản giữa các biến được đo lường. Phương pháp này thường được sử dụng khi phát triển thang đo và dùng để xác định một tập hợp các cấu trúc tiềm ẩn bên dưới một loạt các biến được đo lường. EFA nên được sử dụng khi nghiên cứu khơng có các giả thuyết tiên nghiệm về các yếu tố hoặc mẫu của các biến đo lường. EFA được tiến hành dựa trên mơ hình nhân tố chung. Trong mơ hình này, các biến biểu hiện được biểu thị dưới dạng một hàm của các yếu tố chung, yếu tố duy nhất và sai số đo lường. Mỗi nhân tố duy nhất chỉ ảnh hưởng đến một biến biểu hiện và khơng giải thích mối tương quan giữa các biến biểu hiện. Các yếu tố chung ảnh hưởng đến nhiều hơn một biến biểu hiện và "tải nhân tố" là các thước đo mức độ ảnh hưởng của một yếu tố chung đến một biến biểu hiện.
Một số tiêu chí được áp dụng khi tiến hành phân tích nhân tố khám phá EFA, đầu tiên là hệ số tải nhân tố, factor loading. Factor loading lớn hơn 0.4 được xem là nhân tố quan trọng, factor loading lớn hơn 0.5, nhân tố được xem là có ý nghĩa thực tiễn. Đồng thời hệ số KMO (Kaiser-MeyerOlkin) phải lớn hơn 0.5. Đây là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp. Và kiểm định Bartlett phải có ý nghĩa thống kê, tức là p- value nhỏ hơn 0.05. Đây là một đại lượng thống kê dùng để kiểm tra các biến khơng có tương quan trong tổng biến thống kê. Nếu kiểm định này có p-value nhỏ hơn 0.05 thì các biến quan sát có mối tương quan với nhau. Cuối cùng là tổng phương sai giải thích (TVE) phải nhỏ hơn 50%. Đây là đại lượng thể hiện phần trăm biến thiên của các biến quan sát.
d. Phân tích tương quan tuyến tính
Phân tích tương quan tuyến tính được thực hiện trước khi tiến hành phân tích hồi quy đa biến. Phân tích tương quan tuyến tính giúp kiểm định mối tương quan giữa các biến độc lập và biến phụ thuộc đồng thời sớm nhận diện ra các vấn đề về đa cộng tuyến khi các biến độc lập cũng có tác động lên nhau. Nghiên cứu tiến hành phân tích tương quan tuyến tính thơng qua hệ số Pearson (Pearson correlation coeficient, kí hiệu là r). Nguyên tắc của phân tích tương quan Pearson là tìm ra một đường thẳng
phù hợp nhất mô tả mối quan hệ giữa các biến.
Điều kiện để tương quan có ý nghĩa là giá trị p-value nhỏ hơn 0.5. Khi đó hệ số tương quan r sẽ nhận giá trị từ -1 đến 1. Trong đó tương quan càng chặt chẽ khi hệ số càng tiến gần về -1 hoặc 1. Hệ số âm thể hiện mối tương quan âm, hệ số dương thể hiện mối tương quan dương. Tương quan càng yếu khi càng tiến gần về 0. Hệ số tương quan bằng 0 sẽ có hai tình huống xảy ra: một là giữa các biến khơng có mối liên hệ nào và hai là giữa các biến có quan hệ phi tuyến. Hệ số r không biểu thị mối quan hệ phi tuyến.
e. Phân tích hồi quy đa biến
Trong mơ hình thống kê, phân tích hồi quy là một tập hợp các quy trình thống kê để ước tính các mối quan hệ giữa một biến phụ thuộc (thường được gọi là “biến kết quả”) và một hoặc nhiều biến độc lập (thường được gọi là biến “dự báo”, “ngoại sinh” hoặc “thuyết minh” ). Hình thức phổ biến nhất của phân tích hồi quy là hồi quy tuyến tính, trong mối quan hệ nghiên cứu phải được thể hiện thơng qua một phương trình tuyến tính (hoặc kết hợp tuyến tính phức tạp hơn) phù hợp nhất với dữ liệu theo một tiêu chí tốn học cụ thể nhằm ước tính kỳ vọng có điều kiện (hoặc giá trị trung bình của mẫu số) của biến phụ thuộc khi các biến độc lập nhận một tập giá trị nhất định. Các dạng hồi quy ít phổ biến hơn sử dụng các cách thức hơi khác nhau để ước tính các hệ số thay thế.
Phân tích hồi quy chủ yếu được sử dụng cho hai mục đích khác nhau về mặt khái niệm. Đầu tiên, phân tích hồi quy được sử dụng rộng rãi để dự đoán và dự báo, được sử dụng chủ yếu trong lĩnh vực máy học. Thứ hai, trong một số tình huống, phân tích hồi quy có thể được sử dụng để suy ra mối quan hệ nhân quả giữa các biến độc lập và phụ thuộc. Điều quan trọng là, bản thân hồi quy chỉ tiết lộ mối quan hệ giữa một biến phụ thuộc và tập hợp các biến độc lập trong một tập dữ liệu cố định. Để sử dụng hồi quy để dự đoán hoặc để suy ra các mối quan hệ nhân quả, cần thiết phải giải thích cẩn thận lý do tại sao các biến lại có sự tác động mạnh mẽ đến nhau trong một bối cảnh mới hoặc tại sao các biến lại có mối quan hệ nhân quả.
THỰC TRẠNG VỀ CHẤT LƯỢNG DỊCH VỤ PHỤC VỤ SINH VIÊN TẠI TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG