Factors influencing academic misconduct among students at Ho Chi Minh City University of Law in the context of generative artificial intelligence use
Lê Minh Hưng
Trần Thị Lan
Nguyễn Trần Tố Nga
Trần Thị Bảo Trâm
Nguyễn Bá Hoàng
Vũ Thanh An
Trường Đại học Luật TP. Hồ Chí Minh
Email: vtan@hcmulaw.edu.vn
(Quanlynhanuoc.vn) – Sự bùng nổ của các công cụ trí tuệ nhân tạo tạo sinh (GenAI) đang đặt ra nhiều thách thức nghiêm trọng đối với tính liêm chính học thuật trong giáo dục đại học. Nghiên cứu này được thực hiện nhằm xác định và đo lường các nhân tố ảnh hưởng đến hành vi gian lận học thuật thông qua công cụ AI của sinh viên. Dựa trên mô hình lý thuyết tích hợp giữa Thuyết hành vi có kế hoạch (TPB) và Mô hình Tam giác gian lận (FTT), dữ liệu định lượng được thu thập thông qua khảo sát 492 sinh viên hệ chính quy tại Trường Đại học Luật TP. Hồ Chí Minh. Dữ liệu sau đó được phân tích bằng phương pháp mô hình cấu trúc tuyến tính (PLS-SEM) thông qua phần mềm SmartPLS 4.0. Kết quả nghiên cứu chỉ ra rằng, các nhân tố tâm lý cá nhân, bao gồm: thái độ, chuẩn mực chủ quan và nhận thức kiểm soát hành vi, có tác động tích cực và mạnh mẽ đến ý định sử dụng AI, từ đó dẫn trực tiếp đến hành vi vi phạm liêm chính. Ngược lại, các yếu tố hoàn cảnh, như: áp lực, cơ hội, hợp lý hóa lại bị bác bỏ do đặc thù giám sát thi cử nghiêm ngặt của cơ sở đào tạo, qua đó triệt tiêu cơ hội gian lận. Từ những phát hiện này, bài viết đề xuất các hàm ý quản trị trọng tâm cho nhà trường, bao gồm: chuyển dịch từ cấm đoán sang định hướng giáo dục đạo đức công nghệ; phát huy văn hóa liêm chính trong tổ chức Đoàn – Hội; đa dạng hóa hình thức kiểm tra, đánh giá và tiếp tục duy trì kỷ luật thi cử chặt chẽ.
Từ khóa: Liêm chính học thuật, trí tuệ nhân tạo tạo sinh, gian lận học thuật, thuyết hành vi có kế hoạch (TPB), mô hình tam giác gian lận (FTT).
Abstract: The rapid proliferation of Generative Artificial Intelligence (GenAI) tools poses significant challenges to academic integrity in higher education. This study aims to identify and measure the factors influencing students’ academic dishonesty behavior using AI tools. Drawing upon an integrated theoretical framework of the Theory of Planned Behavior (TPB) and the Fraud Triangle Theory (FTT), quantitative data were collected from 492 undergraduate students at Ho Chi Minh City University of Law. The data were then analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM) in SmartPLS 4.0. The findings reveal that personal psychological factors, such as Attitude, Subjective Norms, and Perceived Behavioral Control, have a strong, positive impact on the intention to use AI, which in turn directly leads to actual cheating behavior. Conversely, the situational factors of Pressure, Opportunity, and Rationalization were rejected, primarily because the institution’s strict examination supervision effectively eliminates opportunities to cheat. Based on these findings, the study provides key managerial implications for university administrators, including shifting from strict prohibition to ethical guidance on technology use, leveraging peer influence to build a culture of integrity, diversifying assessment methods, and maintaining rigorous exam protocols.
Keywords: Academic integrity, Generative AI, Academic dishonesty, Theory of Planned Behavior (TPB), Fraud Triangle Theory (FTT).
1. Đặt vấn đề
Sự bùng nổ của trí tuệ nhân tạo tạo sinh (GenAI) đang đe dọa nghiêm trọng tính liêm chính học thuật, buộc Trường Đại học Luật TP. Hồ Chí Minh phải ban hành Quyết định số 102/QĐ-ĐHL ngày 18/02/2025 nhằm xử lý hành vi che giấu việc lạm dụng AI. Thực tiễn cho thấy, tỷ lệ sinh viên sử dụng công cụ này rất cao và không ít người đang có nhận thức lệch lạc, dần hợp lý hóa hành vi gian lận của mình (Johnston, H. et al., 2024; Perkins et al., 2024). Mặc dù vậy, các nghiên cứu hiện hành chủ yếu đánh giá AI dưới góc độ công nghệ và vẫn thiếu vắng các nghiên cứu phân tích hành vi gian lận dưới lăng kính tích hợp giữa tâm lý cá nhân (Thuyết hành vi có kế hoạch – TPB) và bối cảnh môi trường (Mô hình Tam giác gian lận – FTT), đặc biệt là tại Việt Nam. Do đó, nghiên cứu này ứng dụng phương pháp mô hình cấu trúc tuyến tính (SEM) để nhận diện và lượng hóa các nhân tố thúc đẩy hành vi gian lận bằng AI của sinh viên Đại học Luật TP. Hồ Chí Minh dựa trên mô hình tích hợp TPB và FTT. Kết quả của đề tài sẽ cung cấp cơ sở khoa học để đề xuất các giải pháp quản trị đào tạo, giúp nhà trường bảo vệ liêm chính học thuật và định hình chuẩn mực đạo đức nghề nghiệp cho thế hệ luật gia tương lai.
2. Cơ sở lý thuyết và mô hình nghiên cứu
2.1. Cơ sở lý thuyết
Nghiên cứu về hành vi gian lận học thuật bằng trí tuệ nhân tạo tạo sinh (AI) của sinh viên được xây dựng trên nền tảng các lý thuyết giải thích hành vi cá nhân và động cơ thực hiện hành vi sai lệch, với trọng tâm là TPB và FTT. Các lý thuyết này giúp lý giải toàn diện cách sinh viên hình thành thái độ, chịu tác động bởi chuẩn mực xã hội, cũng như những áp lực và cơ hội dẫn đến việc lạm dụng AI trong môi trường học thuật.
Thứ nhất, TPB do Ajzen phát triển cho rằng hành vi của cá nhân được dự báo trực tiếp bởi ý định hành vi. Ý định này được hình thành từ 3 yếu tố: thái độ đối với hành vi, chuẩn mực chủ quan và nhận thức về mức độ kiểm soát hành vi. Trong bối cảnh ứng dụng AI, TPB phù hợp để lý giải ý định gian lận của sinh viên vì hành vi này chịu ảnh hưởng trực tiếp bởi thái độ cá nhân đối với việc sử dụng AI, sự đồng thuận hoặc áp lực từ bạn bè xung quanh, cũng như khả năng làm chủ công nghệ số của người học. Tuy nhiên, TPB chủ yếu tập trung vào yếu tố tâm lý cá nhân mà chưa phản ánh đầy đủ tác động của bối cảnh môi trường.
Thứ hai, để khắc phục hạn chế này, FTT của Cressey (1953) được tích hợp, cho rằng hành vi gian lận xuất phát từ 3 yếu tố cốt lõi: áp lực, cơ hội và sự hợp lý hóa. Trong bối cảnh giáo dục đại học hiện nay, lý thuyết này rất phù hợp để giải thích việc sinh viên chịu áp lực thành tích học tập, tận dụng khả năng dễ dàng tiếp cận công cụ AI và hình thành nhận thức lệch lạc nhằm tự biện minh rằng việc sử dụng AI để tạo nội dung không phải là gian lận.
Việc tích hợp TPB và FTT cho phép mô hình nghiên cứu tiếp cận vấn đề một cách toàn diện theo cả hai khía cạnh: yếu tố tâm lý nội tại của cá nhân phản ánh thái độ, chuẩn mực chủ quan và nhận thức kiểm soát, và bối cảnh môi trường giáo dục phản ánh áp lực, cơ hội và cơ chế tự biện minh. Đây là cơ sở lý luận vững chắc để đề xuất mô hình nghiên cứu và kiểm định các nhân tố ảnh hưởng đến hành vi gian lận học thuật bằng công cụ AI của sinh viên Trường Đại học Luật TP. Hồ Chí Minh trong kỷ nguyên chuyển đổi số hiện nay.
2.2. Tổng quan nghiên cứu và các giả thuyết nghiên cứu
Thái độ phản ánh sự đánh giá tổng quan mang tính tích cực hoặc tiêu cực của sinh viên về việc thực hiện một hành vi cụ thể, dựa trên niềm tin về hệ quả mà hành vi đó mang lại (Beck & Ajzen, 1991). Dựa trên nền tảng của TPB, nhiều nghiên cứu thực nghiệm đã chứng minh rằng, thái độ tích cực đối với các hành vi sai lệch sẽ làm gia tăng trực tiếp ý định vi phạm của người học (Stone, Jawahar & Kisamore, 2009; Uzun & Kilis, 2020). Trong bối cảnh này, thái độ phản ánh mức độ sinh viên coi việc lạm dụng AI như ChatGPT để làm bài là có lợi hay có hại. Nếu sinh viên có kỳ vọng lớn về lợi ích của công nghệ (Nguyễn Hà My & Đỗ Thị Kim Hiên, 2025), cho rằng việc lạm dụng AI mang lại nhiều tiện ích, tiết kiệm thời gian, dễ dàng đạt điểm cao và có thái độ khoan dung, chấp nhận việc sử dụng này là bình thường thì ý định vi phạm của họ sẽ tăng lên. Do đó, giả thuyết H1 được đề xuất:
H1: Thái độ (TĐ) tác động tích cực đến ý định sử dụng AI.
Yếu tố chuẩn mực chủ quan (CMCQ) thể hiện nhận thức về áp lực xã hội buộc cá nhân phải thực hiện hoặc không thực hiện hành vi, xuất phát từ những người xung quanh như gia đình, bạn bè, giảng viên. Nghiên cứu của Giray và cộng sự (2025) cho thấy ảnh hưởng từ bạn bè đồng trang lứa là một cơ chế quan trọng giúp bình thường hóa việc sử dụng AI. Khi sinh viên nhận thấy bạn bè mình thường xuyên sử dụng AI để gian lận mà không bị xử lý, họ sẽ coi đó là một chuẩn mực mới và hình thành ý định làm theo. Thêm vào đó, nếu môi trường học thuật có quy định kỷ luật lỏng lẻo, áp lực tuân thủ liêm chính giảm đi cũng sẽ thúc đẩy ý định này (Agus Tianawati et al., 2023). Do đó, giả thuyết H2 được đề xuất:
H2: Chuẩn mực chủ quan (CMCQ) tác động tích cực đến ý định sử dụng AI.
Biến số nhận thức về khả năng kiểm soát phản ánh cảm nhận của sinh viên về mức độ dễ dàng hoặc khó khăn khi thực hiện hành vi, phụ thuộc vào nguồn lực, kỹ năng và cơ hội mà họ có. Uzun và Kilis (2020) chỉ ra rằng trong môi trường công nghệ, kỹ năng sử dụng Internet và máy tính càng cao thì nhận thức kiểm soát hành vi càng lớn. Khi sinh viên tự tin vào kỹ năng công nghệ của mình, biết cách viết prompt hoặc chỉnh sửa văn bản để xóa dấu vết qua mặt các phần mềm quét đạo văn truyền thống như Turnitin (Perkins, 2023), ý định sử dụng AI của họ sẽ tăng lên mãnh liệt hơn. Do đó, giả thuyết H3 được đề xuất:
H3: Nhận thức về khả năng kiểm soát (NT) tác động tích cực đến ý định sử dụng AI.
Mặc dù Thuyết Hành vi có kế hoạch (TPB) giải thích sự hình thành ý định, nhưng theo Agus Tianawati và cộng sự (2023), để ý định chuyển hóa thành hành vi thực tế, cần có sự hiện diện của các yếu tố hoàn cảnh từ FTT, bao gồm: áp lực, cơ hội và sự hợp lý hóa. Hơn nữa, ý định bản thân cũng là bước đệm then chốt, là tiền đề trực tiếp nhất dẫn đến hành vi (Ajzen, 1991). Ý định sử dụng AI là hệ quả của bộ ba (thái độ, chuẩn mực chủ quan, nhận thức kiểm soát) và là nguyên nhân trực tiếp dẫn đến hành động. Nghiên cứu của Hoàng Thị Thu Hà và cộng sự (2024) cũng như Nguyễn Hà My và Đỗ Thị Kim Hiên (2025) đều khẳng định ,ý định sử dụng AI tác động trực tiếp, làm gia tăng khả năng thực hiện hành vi vi phạm liêm chính. Nếu ý định che giấu việc dùng AI càng mạnh mẽ, thì xác suất sinh viên thực hiện hành vi gian lận đó trên thực tế càng cao. Do đó, giả thuyết H4 được đề xuất:
H4: Ý định sử dụng AI (YĐ) tác động tích cực đến hành vi gian lận.
Sức ép từ việc phải đạt điểm cao, lo sợ trượt môn, hoặc áp lực về mặt thời gian do khối lượng bài tập quá tải là những yếu tố tác động buộc sinh viên phải tìm kiếm lối tắt (Al Shbail et al., 2021; Burke & Sanney, 2018). Áp lực này đóng vai trò như một yếu tố thôi thúc, đẩy sinh viên vào tình thế phải chuyển ý định dùng AI thành hành động gian lận để tạo ra sản phẩm học thuật nhằm đối phó. Hơn nữa, hành vi này bùng phát mạnh mẽ khi có sự cộng hưởng của áp lực học tập (Nguyễn Hà My & Đỗ Thị Kim Hiên, 2025). Do đó, giả thuyết H5 được đề xuất:
H5: Áp lực (AL) tác động tích cực đến hành vi gian lận.
Cơ hội phản ánh những hoàn cảnh khách quan cho phép cá nhân thực hiện hành vi gian lận, trong khi tin rằng mình sẽ không bị phát hiện. Sự ra đời của các mô hình ngôn ngữ lớn (LLMs) như ChatGPT đã cung cấp một cơ hội khổng lồ, tạo ra văn bản độc bản khó bị phát hiện, qua đó làm vô hiệu hóa nhiều phần mềm quét đạo văn truyền thống (Cotton et al., 2023; Perkins, 2023). Công nghệ đóng vai trò như một biến điều tiết mạnh mẽ, làm gia tăng cơ hội thực hiện hành vi sai trái (Dhany Efita Sari và cộng sự, 2025). Sự thiếu hụt các phần mềm phát hiện AI đáng tin cậy hoặc sự quản lý lỏng lẻo của nhà trường tạo ra một lỗ hổng trong kiểm soát, trực tiếp kích thích hành vi gian lận. Do đó, giả thuyết H6 được đề xuất:
H6: Cơ hội (CH) tác động tích cực đến hành vi gian lận.
Hợp lý hóa là cơ chế phòng vệ tâm lý giúp cá nhân tự thuyết phục bản thân rằng, hành vi sai trái của mình có thể chấp nhận được, qua đó làm giảm tính nghiêm trọng của hành vi (Burke & Sanney, 2018). Sinh viên có thể tự bào chữa rằng, việc dùng AI chỉ là một hình thức tham khảo thông minh, một công cụ kiểm tra lỗi ngữ pháp (Strzelecki, 2023), chứ không phải là mạo nhận quyền tác giả hoặc đổ lỗi cho việc giảng viên ra đề quá khó. Cơ chế này giúp loại bỏ sự cắn rứt lương tâm và phủ nhận bản chất của hành vi vi phạm, từ đó trực tiếp thúc đẩy hành vi sai trái. Do đó, giả thuyết H7 được đề xuất:
H7: Hợp lý hóa (HLH) tác động tích cực đến hành vi gian lận bằng AI.
Mô hình nghiên cứu đề xuất: từ 7 giả thuyết nghiên cứu trên, mô hình nghiên cứu hành vi gian lận học thuật được thể hiện như Hình 1.
3. Phương pháp nghiên cứu
Nghiên cứu này áp dụng phương pháp nghiên cứu định lượng thông qua bảng hỏi khảo sát trực tuyến nhằm phân tích và xác định các nhân tố tác động đến hành vi gian lận học thuật bằng AI. Dữ liệu sơ cấp được thu thập trực tiếp từ đối tượng là sinh viên hệ chính quy đang học tập tại Trường Đại học Luật TP. Hồ Chí Minh. Sau quá trình thu thập và làm sạch dữ liệu, 492 phiếu khảo sát hợp lệ đã được giữ lại để đưa vào phân tích mô hình cấu trúc tuyến tính (PLS-SEM) bằng phần mềm SmartPLS 4.0.
4. Kết quả nghiên cứu
Kết quả đánh giá mô hình đo lường bằng SmartPLS 4.0 khẳng định, tất cả các thang đo đều đạt chất lượng tối ưu về độ tin cậy và tính hội tụ. Hệ số tải ngoài (Outer Loadings) đều > 0.708, cho thấy các biến quan sát giải thích rất tốt các nhân tố tiềm ẩn. Hệ số Cronbach’s Alpha và độ tin cậy tổng hợp (CR) đều vượt ngưỡng tiêu chuẩn 0.7.Phương sai trích trung bình (AVE) của tất cả các khái niệm đều lớn hơn 0.5. Tóm lại, dữ liệu khảo sát hoàn toàn bảo đảm độ tin cậy và tính hợp lệ để tiến hành kiểm định mô hình cấu trúc.
Bảng 1. Kết quả đánh giá độ tin cậy và độ hội tụ của thang đo.
| Biến tiềm ẩn | Cronbach’s alpha | Độ tin cậy tổng hợp (rho_a) | Độ tin cậy tổng hợp (CR) | Phương sai trích trung bình (AVE) |
| AL | 0.878 | 0.880 | 0.916 | 0.732 |
| CH | 0.822 | 0.840 | 0.882 | 0.653 |
| CMCQ | 0.732 | 0.743 | 0.848 | 0.650 |
| GL | 0.900 | 0.903 | 0.930 | 0.769 |
| HLH | 0.865 | 0.887 | 0.907 | 0.710 |
| NT | 0.832 | 0.853 | 0.889 | 0.668 |
| TĐ | 0.863 | 0.866 | 0.907 | 0.708 |
| YĐ | 0.897 | 0.899 | 0.929 | 0.765 |
Nhóm tác giả sử dụng kỹ thuật bootstrapping với cỡ mẫu lặp lại là 5.000 quan sát (n=5.000) để đánh giá mô hình cấu trúc và kiểm định các giả thuyết nghiên cứu. Kết quả Path Coefficients sau khi phân tích Bootstrap được trình bày tại Bảng 2 cho thấy thái độ, chuẩn mực chủ quan và nhận thức về khả năng kiểm soát đều tác động tích cực đến ý định sử dụng AI. Trong đó, ý định sử dụng AI có tác động tích cực và trực tiếp đến hành vi gian lận trong học thuật. Ngược lại, kết quả phân tích cho thấy các yếu tố áp lực, cơ hội và hợp lý hóa đều không có tác động có ý nghĩa thống kê đối với hành vi gian lận (p-value > 0.05). Bên cạnh đó, kết quả phân tích cũng xác nhận ý định sử dụng AI là biến trung gian truyền tải tác động của thái độ, chuẩn mực chủ quan và nhận thức kiểm soát đối với hành vi gian lận học thuật bằng AI.
Bảng 2. Bảng tổng hợp kết quả kiểm định các giả thuyết nghiên cứu
| Giả thuyết | Mối quan hệ | Hệ số tác động | P values | Kết quả |
| H1 | TĐ -> YD*** | 0.22 | 0 | Ủng hộ |
| H2 | CMCQ -> YD*** | 0.348 | 0 | Ủng hộ |
| H3 | NT -> YD*** | 0.692 | 0 | Ủng hộ |
| H4 | YD -> GL | 0.178 | 0.005 | Ủng hộ |
| H5 | AL -> GL | 0.08 | 0.135 | Bác bỏ |
| H6 | CH -> GL | 0.05 | 0.313 | Bác bỏ |
| H7 | HLH -> GL | -0.024 | 0.659 | Bác bỏ |
5. Kết luận và đề xuất các hàm ý quản trị
Nghiên cứu khẳng định, các nhân tố thuộc TPB: thái độ, chuẩn mực chủ quan và nhận thức kiểm soát là những trụ cột định hình ý định và thúc đẩy mạnh mẽ hành vi gian lận bằng AI của sinh viên. Ngược lại, các yếu tố thuộc FTT: áp lực, cơ hội, hợp lý hóa không tác động trực tiếp đến hành vi vi phạm do môi trường đào tạo quy phạm và hệ thống giám sát gắt gao của Trường Đại học Luật TP. Hồ Chí Minh đã triệt tiêu cơ hội để hành động thực tế. Kết quả này cho thấy, để bảo vệ liêm chính học thuật, nhà trường không nên chỉ chạy đua công nghệ quét đạo văn mà cần kiến tạo một hệ sinh thái giáo dục toàn diện.
Từ kết quả trên, nghiên cứu đề xuất các giải pháp trọng tâm cho Trường Đại học Luật TP. Hồ Chí Minh, cụ thể:
Thứ nhất, lồng ghép hướng dẫn sử dụng AI có trách nhiệm vào các học phần đầu khóa và phương pháp nghiên cứu, giúp sinh viên phân định rõ giới hạn giữa hỗ trợ học tập hợp lệ và gian lận.
Thứ hai, tận dụng ảnh hưởng của bạn bè đồng trang lứa để lan tỏa thông điệp đạo đức thông qua các tổ chức Đoàn – Hội, biến việc phản đối gian lận AI thành chuẩn mực chung.
Thứ ba, giảm thiểu bài tập lý thuyết hàn lâm dễ bị AI qua mặt, thay bằng các bài tập tình huống thực tiễn, thuyết trình và vấn đáp, đòi hỏi tư duy phản biện cá nhân.
Thứ tư, duy trì kỷ luật phòng thi nghiêm ngặt, đồng thời phân bổ lại trọng số đánh giá (tăng điểm quá trình, điểm thảo luận) nhằm giảm áp lực thi cuối kỳ, từ đó loại bỏ nguyên nhân sâu xa dẫn đến hành vi hợp lý hóa gian lận.
Tài liệu tham khảo:
Bài viết là sản phẩm của đề tài nghiên cứu khoa học của Trường Đại học Luật TP. Hồ Chí Minh.
Agus Tianawati, A. K., Priantinah, D., & Malau, M. (2023). Application of the theory of planned behavior and fraud triangle theory in preventing academic fraud behavior among Indonesian students. The Journal of Behavioral Science, 18(1), 17–31.
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
Al Shbail, M. O., Al-Trad, E. B., Alshurafat, H., Ananzeh, H., & Al Kurdi, B. H. (2021). Factors affecting online cheating among accounting students: The relevance of social factors and the fraud triangle model. Academy of Strategic Management Journal, 20(6), 1–16.
Beck, L., & Ajzen, I. (1991). Predicting dishonest actions using the theory of planned behavior. Journal of Research in Personality, 25(3), 285–301.
Burke, D. D., & Sanney, K. J. (2018). Applying the fraud triangle to higher education: Ethical implications. Journal of Legal Studies Education, 35(1), 5–43. https://doi.org/10.1111/jlse.12068
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
Dhany Efita Sari, Nadia Fauzi Asila, Rochman Hadi Mustofa, Suranto,Surya Jatmika, Noor Lela Ahmad, Septi Setianingrum & Risma Fadhilah (2025). Using the Fraud Triangle framework to explore the impact of information technology misuse on academic fraud in accounting education: evidence from Indonesia, Cogent Education, 12:1, 2476302, DOI:10.1080/2331186X.2025.2476302
Giray, L., Jacob, J., Encanto, V., & Mansilungan, C. J. (2025). Cheating writing with generative AI: Exploring student motivations using the theory of planned behavior. Journal of Academic Ethics.https://doi.org/10.1007/s10805-025-09695-z
Hoàng, T. T. H., Đặng, K. L., Nguyễn, T. H., Nguyễn, N. L., Tô, T. H., & Phạm, X. T. (2024). Các nhân tố tác động đến “Liêm chính học thuật” của sinh viên đại học trong bối cảnh phát triển trí tuệ nhân tạo. Tạp chí Giáo dục, 24(10), 47–52. https://tcgd.tapchigiaoduc.edu.vn/index.php/tapchi/article/view/1870
Johnston, H., Wells, R.F., Shanks, E.M. et al. Student perspectives on the use of generative artificial intelligence technologies in higher education. Int J Educ Integr 20, 2 (2024). https://doi.org/10.1007/s40979-024-00149-4
Nguyễn, H. M., & Đỗ, T. K. H. (2025). Các nhân tố ảnh hưởng đến liêm chính học thuật của sinh viên Trường Đại học Mở Hà Nội trong bối cảnh chuyển đổi số. Tạp chí Khoa học Đại học Mở Hà Nội (HOUJS). https://doi.org/10.59266/houjs.2025.668
Perkins, M. (2023). Academic integrity considerations of AI Large Language Models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching & Learning Practice, 20(2), Article 7. https://doi.org/10.53761/1.20.02.07
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). Navigating the generative AI era: Introducing the AI assessment scale for ethical GenAI assessment. British Journal of Educational Technology, 55(4), 1–19.
Stone TH, Jawahar I, Kisamore JL (2009).Using the theory of planned behavior and cheating justifications to predict academic misconduct. Career Development International, Vol. 14 No. 3, pp. 221–241, doi: https://doi.org/10.1108/13620430910966415
Strzelecki, A. (2023). To use or not to use ChatGPT in higher education? A study of students’ acceptance and use of technology. Interactive Learning Environments. https://doi.org/10.1080/10494820.2023.2209881
Trường Đại học Luật TP. Hồ Chí Minh (2025). Quyết định số 102/QĐ-ĐHL ngày 18/02/2025 về việc ban hành Quy định về liêm chính học thuật của Trường Đại học Luật Thành phố Hồ Chí Minh.
Uzun, A. M., & Kilis, S. (2020). Investigating antecedents of plagiarism using extended theory of planned behavior. Computers & Education, 144, 103700. https://doi.org/10.1016/j.compedu.2019.103700
