Đề tài nghiên cứu sử dụng phương pháp định lượng và phương pháp định tính.
3.4.1. Thiết kế bảng hỏi
Nhóm phát triển bảng hỏi khảo sát cho nghiên cứu này thông qua một quá trình bao gồm ba giai đoạn chính.
Trong giai đoạn đầu, các thước đo cho các biến số trong mô hình nghiên cứu được phát triển bằng cách điều chỉnh thang đo từ các nghiên cứu trước đó. Nhóm sử dụng thang đo Likert (Rensis, Likert, 1932) vì nó phù hợp với bài nghiên cứu và được sử dụng rộng rãi. Ý định sử dụng các phương tiện truyền thông mạng xã hội để ứng tuyển vào ngành ngân hàng được đánh giá ở nhiều yếu tố khác nhau (mục 3.2.). Các yếu tố này sẽ được đo lường trên thang điểm Likert 5 điểm và người trả lời sẽ trả lời các câu hỏi trên thang điểm năm cho mỗi câu trả lời.
Mức độ 1: Hoàn toàn không đồng ý Mức độ 2: Không đồng ý
Mức độ 3: Trung lập Mức độ 4: Đồng ý
Mức độ 5: Hoàn toàn đồng ý
Tiếp theo, danh mục khảo sát mà nhóm tạo lập cần thỏa mãn các điều kiện sau đây:
• Tính hợp lệ của các mục (xác minh rằng các mục đo lường đúng yếu tố cần đo).
• Cấu trúc bảng hỏi có thứ tự các phần khác nhau được sắp xếp hợp lí
• Làm rõ các câu hỏi và hướng dẫn. Điều này đòi hỏi phải loại bỏ sự thiên vị khỏi các câu hỏi và khi cần thiết, giảm độ phức tạp và độ dài của các câu hỏi và tuyên bố để cho phép người đọc đưa ra các câu trả lời phù hợp và thu thập dữ liệu. chính xác nhất.
Nhóm đã tiến hành một bài kiểm tra trước với 20 sinh viên trong giai đoạn hai để đảm bảo rằng những người được hỏi hiểu rõ bảng câu hỏi và vấn đề được khảo sát. Song song đó, nhóm cũng lấy ý kiến của những người làm khảo sát về bảng hỏi để điều chỉnh ở giai đoạn ba.
Giai đoạn thứ ba liên quan đến việc sàng lọc và thiết kế lại bảng câu hỏi khảo sát dựa trên các quan sát được thực hiện trong nghiên cứu thử nghiệm và những kết luận nhận được khi thực hiện phân tích dữ liệu. Từ đó, nhóm đưa ra bảng hỏi chính thức và bắt đầu thực hiện khảo sát.
3.4.2. Khảo sát bảng hỏi và thu thập dữ liệu
* Dữ liệu thứ cấp:
Nhóm thu thập dữ liệu về "ứng tuyển vào ngân hàng qua mạng xã hội", "các yếu tố có ảnh hưởng khi ứng tuyển ngân hàng qua mạng xã hội". mạng xã hội, "lợi ích và hạn chế của việc nộp đơn vào ngành ngân hàng thông qua mạng xã hội", và "ý định ứng tuyển vào ngành ngân hàng."
* Dữ liệu sơ cấp
Nhóm đã thu thập dữ liệu thông qua việc dùng bảng hỏi với nhiều cách khác nhau để đảm bảo sự khách quan và chính xác vì lượng câu hỏi khá dài, bao gồm 6 câu hỏi về nhân khẩu học: số năm học đại học, số năm kinh nghiệm sử dụng các phương tiện tuyền thông, quê quán, giới tính, tình trạng ứng tuyển vào ngành ngân hầng bằng các phương tiện truyền thông (đã từng, chưa từng) và phương tiện truyền thông hay sử dụng nhất để ứng tuyển vào ngành ngân hàng. Và 25 câu hỏi với 9 biến độc lập: tính dễ sử dụng, tính hữu ích, xã hội, kết nối nội bộ, kỳ vọng về kết quả, nhận thức về sự tín nhiệm, chuẩn mực, điều kiện thuận lợi và ý định. Nhóm nghiên cứu thực hiện khảo sát qua phương thức
• Thứ nhất, nhóm sử dụng Google Form để thiết kế bảng hỏi và gửi đường dẫn đến các sinh viên Hà Nội qua các nền tảng internet (chủ yếu là qua mạng xã hội Facebook)
• Thứ hai, nhóm nghiên cứu in bảng câu hỏi ra giấy và phát cho sinh viên các trường đại học ở Hà Nội.
3.4.3. Lựa chọn mẫu khảo sát
Theo Hair và cộng sự (2014) và Tabachnick và Fidell (1996), khi tính toán cỡ mẫu thích hợp cho hồi quy đa biến, tỷ lệ giữa cỡ mẫu tối thiểu và tổng số biến quan sát là 5: 1. Do có 25 biến trong bài báo nghiên cứu nên kích thước mẫu phải là 25 x 5 = 125.
Nhóm đã chọn sử dụng 408 mẫu khảo sát làm dữ liệu đầu vào cho mô hình nhằm tăng ý nghĩa thống kê của kết quả hồi quy. tìm kiếm.
Ngoài ra, nhóm đã tiến hành một cuộc thăm dò sử dụng tiêu chí quê quán để xác định xem có sự khác biệt trong ý định xin việc trong ngành kinh doanh ngân hàng bằng phương tiện truyền thông xã hội hay không.
Trong công việc này, nhóm đã sử dụng chiến lược lấy mẫu phi xác suất để thu thập dữ liệu. Phương pháp lấy mẫu thuận tiện, dựa trên sự thuận tiện hoặc khả năng tiếp cận của đối tượng, đã được nhóm lựa chọn trong số bốn phương pháp lấy mẫu phi xác suất. Đối tượng của cuộc khảo sát là sinh viên Hà Nội, có thể tìm thấy ở bất kỳ trường đại học nào trên địa bàn thành phố.
Từ đầu tháng 4 năm 2021 đến giữa tháng 4 năm 2021, nhóm nghiên cứu đã tiến hành khảo sát và thu thập được tất cả 511 mẫu khảo sát.
3.4.4. Phân tích dữ liệu
* Xử lí dữ liệu:
Nhóm nghiên cứu phân tích yếu tố đầu vào thông qua phương pháp định lượng với sự hướng dẫn bởi tài liệu về các phương pháp này trong nghiên cứu khoa học xã hội (ví dụ: Carmines và Zeller, 1979; Rosenthal và Rosnow, 1991; Hair et al. 2006; Field, 2009; Garson, 2009).
Dữ liệu từ cuộc khảo sát được lập bảng trong phần mềm Microsoft Excel. Để chạy mô hình và thu thập các phát hiện, nhóm đã mã hóa các câu trả lời trong bảng câu hỏi. Phụ lục IV có danh sách các mã. Sau đó nhóm nghiên cứu đã loại bỏ 103 bảng câu hỏi không phù hợp với tiêu chí (không đầy đủ, chủ quan, ngẫu nhiên, ...). Tiếp theo, nhóm đã sử dụng phần mềm SPSS 26 để loại bỏ các biến không được điều chỉnh bằng cách sử dụng các bài kiểm tra Cronbach'Alpha và EFA. Cuối cùng, nhóm đã sử dụng chương trình AMOS 24 để xem xét tác động của các yếu tố còn lại đến ý định sử dụng mạng xã hội của sinh viên Hà Nội để xin việc làm ngân hàng.
* Phương pháp phân tích dữ liệu:
Nhóm thực hiện phân tích theo từng bước sau:
• Kiểm tra độ tin cậy bằng Cronbach’s Alpha
• Phân tích nhân tố khám phá EFA
• Phân tích nhân tố khẳng định CFA
• Phân tích mô hình SEM
Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2009), những yếu tố giả có thể được hình thành từ các biến không đủ tin cậy. Phương pháp hệ số Cronbach’s Alpha sẽ giúp loại bỏ các biến này dựa vào hệ số tương quan biến - tổng (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số tương quan biến - tổng nhỏ hơn 0,3 hoặc hệ số Cronbach's Alpha nhỏ hơn 0,6 sẽ bị loại bỏ vì hệ số alpha càng lớn thì độ tin cậy nhất quán nội bộ càng tốt. (Nunally và Burnstein 1994; dẫn theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009). Còn theo Nunally (1978), Peterson (1994), Slater (1995), dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), Khi giá trị hệ số Cronbach's alpha cao hơn 0,8 thì thang đo tốt; khi nó nằm trong khoảng từ 0,7 đến 0,8 là có thể sử dụng được; và khi nó là 0,6 trở lên, nó có thể được sử dụng trong trường hợp có một chủ đề hoặc bối cảnh nghiên cứu mới. Theo cở sở lý luận, chỉ số Alpha sẽ càng đáng tin cậy khi mà giá trị của nó càng lớn. Thế nhưng không đúng trong mọi trường hợp vì nếu chỉ số này có giá trị quá cao (≥ 0,95) thì sẽ xảy ra trùng lặp ở nhiều nhân tố, tức là không có sự khác biệt với nhau (Nguyễn Đình Thọ, 2013). Dựa trên những luận cứ nêu trên, nhóm sẽ giữ nguyên các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 và hệ số Cronbach'Alpha lớn hơn 0,6 cho nghiên cứu.
EFA là một kỹ thuật để cô đọng một số lượng lớn các biến quan sát thành một số lượng nhỏ hơn các biến trong khi vẫn giữ nguyên dữ liệu ban đầu. Khi sử dụng phương pháp này, kết quả các biến quan sát cho ra phải cùng hội tụ về một nhân tố và nằm trên cùng 1 cột trong bảng ma trận xoay. Bên cạnh đó, các biến quan sát phải phân biệt ở mỗi nhân tố khác nhau, tức là các nhân tố sẽ tách ra từng cột riêng biệt trên bảng ma trận xoay. Kết quả là, chiến lược này sẽ hỗ trợ việc phát hiện các biến quan sát bị quá tải các nhân tố hoặc có các nhân tố không chính xác.
Điều kiện phân tích nhân tố khám phá để đáp ứng EFA:
• Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), KMO (Kaiser- Meyer-Olkin) là một chỉ số phân tích nhân tố được ưu tiên tính đến. Để đủ điều kiện, hệ số này phải từ 0,5 đến 1.
• Trong phân tích EFA, hệ số Eigenvalue hỗ trợ xác định số lượng các thành phần. Do đó, các thành phần có Giá trị Eigen lớn hơn hoặc bằng 1 được giữ lại trong mô hình để phân tích thêm.
• Mối tương quan giữa các biến quan sát và các nhân tố được gọi là hệ số tải nhân tố. Hệ số này càng lớn thì mối quan hệ giữa biến quan sát và nhân tố càng chặt chẽ và ngược lại. Theo Hair và cộng sự (2009), hệ số lớn hơn 0,3 là tiêu chuẩn tối thiểu để giữ biến quan sát; hệ số lớn hơn 0,5 cho thấy ý nghĩa thống kê mạnh mẽ; hệ số lớn hơn 0,7 cho thấy ý nghĩa thống kê rất tốt. Theo lý thuyết, hệ số tải nên được sử dụng tương ứng với kích cỡ của mẫu. Thế nhưng trong thực tiễn, rất khó để sử dụng sự tương ứng như vậy vì khó ghi nhớ nên chúng ta sẽ thường áp dụng hệ số 0,5 khi bài nghiên cứu có kích thước mẫu trong khoảng 120 - 350 và sử dụng hệ số tải là 0,3 khi kích cỡ ≥ 350.
• Kiểm định Bartlett's (kiểm định Bartlett's về độ cầu) được sử dụng để xác định xem các biến quan sát trong một nhân tố có tương quan hay không. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu kiểm định này có ý nghĩa thống kê, nghĩa là Kiểm định Bartlett's 0.05, các biến quan sát trong nhân tố có mối liên hệ với nhau.
• Khi Tổng phương sai được giải thích nhỏ hơn 50%, mô hình EFA là phù hợp. Hệ số này thể hiện số lượng các yếu tố được cô đọng và mất đi dưới dạng phần trăm của các biến quan sát nếu quy ước biến thiên là 100%.
Nhóm sử dụng phần mềm AMOS 24 để phân tích mô hình cấu trúc tuyến tính (SEM) với mục đích kiểm định lại mô hình và các giả thuyết được đề cập ở bài nghiên cứu. Theo Haenlein và Kaplan (2004), SEM là một kỹ thuật giúp phân tích mối quan hệ đa chiều giữa nhiều biến của mô hình qua các phương trình hồi quy đơn và hồi quy bội.
Mối liên hệ giữa các biến tiềm ẩn và quan sát sau đó được hiển thị để kiểm tra xem giả thuyết thống kê có đủ tiêu chuẩn hay không và để đánh giá mức độ ảnh hưởng mạnh và yếu của mối liên kết đó.