Research on the application of AnyLogistix software in teaching practical logistics at the Thai Nguyen University of Information and Communication Technology
TS. Nguyễn Hoàng Nguyên
Trường Đại học công nghệ thông tin và Truyền thông
Email: nhnguyen@ictu.edu.vn
(Quanlynhanuoc.vn) – Bài viết đánh giá hiệu quả của việc ứng dụng phần mềm AnyLogistix trong giảng dạy thực hành các học phần chuyên ngành Logistics tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên. Kết quả nghiên cứu cho thấy, nhóm sinh viên được học tập với AnyLogistix có kết quả học tập và mức độ phát triển kỹ năng thực hành cao hơn đáng kể so với nhóm học theo phương pháp truyền thống. Đồng thời, sinh viên cũng thể hiện mức độ hài lòng và thái độ tích cực đối với việc sử dụng phần mềm trong học tập. Kết quả phân tích hồi quy cho thấy, nhận thức về sự hữu ích và tính dễ sử dụng của phần mềm có ảnh hưởng tích cực đến ý định sử dụng của sinh viên.
Từ khóa: Quản lý logistics; chuỗi cung ứng; AnyLogistix; mô phỏng.
Abstract: The article evaluates the effectiveness of using AnyLogistix software in teaching practical components of specialized Logistics courses at the University of Information and Communication Technology, Thai Nguyen University. The research results show that the group of students who studied with AnyLogistix achieved significantly higher learning outcomes and practical skill development than the group who studied using traditional methods. In addition, students also demonstrated a high level of satisfaction and a positive attitude toward using the software for learning. Regression analysis results showed that perceived usefulness and perceived ease of use of the software positively influenced students’ intention to use it.
Keywords: Logistics management; supply chain; AnyLogistix; simulation.
1. Đặt vấn đề
Ngành Quản lý logistics và chuỗi cung ứng đóng vai trò huyết mạch của nền kinh tế toàn cầu và Việt Nam cũng không ngoại lệ. Sự phát triển nhanh chóng của thương mại điện tử, sản xuất và hội nhập quốc tế đòi hỏi một nguồn nhân lực chất lượng cao, thành thạo các kỹ năng thực hành và công nghệ hiện đại. Tuy nhiên, một thách thức lớn trong công tác đào tạo hiện nay là khoảng cách giữa kiến thức hàn lâm tại giảng đường và yêu cầu thực tiễn phức tạp của doanh nghiệp.
Các phương pháp giảng dạy truyền thống, chủ yếu dựa vào lý thuyết và các tình huống giả định trên giấy, thường không đủ để sinh viên có được trải nghiệm chân thực về sự vận hành năng động và phức tạp của một chuỗi cung ứng. Sinh viên gặp khó khăn trong việc hình dung được tác động của các quyết định chiến lược, không thể quan sát được hậu quả của các lỗi lầm và thiếu cơ hội để thử nghiệm các giải pháp khác nhau.
Để giải quyết vấn đề này, việc tích hợp công nghệ, đặc biệt là các phần mềm mô phỏng chuyên dụng là rất cần thiết. Các công cụ này cho phép sinh viên xây dựng, phân tích, và tối ưu hóa các mô hình chuỗi cung ứng trong một môi trường ảo không rủi ro, qua đó kết nối lý thuyết với thực hành một cách hiệu quả. Anylogistix, một phần mềm hàng đầu trong lĩnh vực phân tích chuỗi cung ứng, nổi lên như một công cụ tiềm năng với khả năng kết hợp cả tối ưu hóa phân tích và mô phỏng động.
Trường Đai học Công nghệ thông tin và Truyền thông, Đại học Thái Nguyên (ICTU) với định hướng đào tạo nguồn nhân lực số, đã và đang triển khai chương trình đào tạo chuyên ngành Quản lý logistics và chuỗi cung ứng. Việc tìm kiếm và áp dụng các phương pháp giảng dạy tiên tiến để nâng cao chất lượng đầu ra cho sinh viên là một mục tiêu chiến lược của nhà trường.
Nghiên cứu nhằm đánh giá và định lượng hiệu quả của việc ứng dụng phần mềm AnyLogistix vào việc giảng dạy thực hành các học phần chuyên ngành Logistics tại ICTU. So sánh kết quả học tập và mức độ phát triển kỹ năng thực hành của sinh viên giữa phương pháp học có sử dụng AnyLogistix và phương pháp truyền thống. Từ đó phân tích các yếu tố ảnh hưởng đến sự chấp nhận và ý định sử dụng công nghệ của sinh viên, dựa trên Mô hình Chấp nhận Công nghệ.
2. Cơ sở lý thuyết
Nhiều nhà nghiên cứu đã chỉ ra sự cần thiết của việc chuyển đổi từ phương pháp giảng dạy thụ động sang các phương pháp chủ động, lấy người học làm trung tâm trong giáo dục logistics (Kolb, D. A.,1984). Các phương pháp truyền thống, mặc dù cung cấp nền tảng lý thuyết vững chắc, nhưng thường thiếu tính thực tiễn. Sinh viên học về các khái niệm như tối ưu hóa tuyến đường, quản lý tồn kho và dự báo nhu cầu nhưng ít có cơ hội thực hành trực tiếp những kiến thức này.
Woschank và cộng sự (2020) đã hệ thống hóa và đánh giá một loạt các phương pháp dạy và học, nhấn mạnh tầm quan trọng của các phương pháp thực hành như nghiên cứu tình huống, dự án thực tế và đặc biệt là mô phỏng. Nghiên cứu chỉ ra rằng các phương pháp này không chỉ giúp sinh viên hiểu sâu hơn các khái niệm mà còn phát triển các kỹ năng mềm như tư duy phê phán, giải quyết vấn đề và làm việc nhóm.
Học tập dựa trên mô phỏng cho phép sinh viên thử nghiệm các quyết định chiến lược và chiến thuật trong một môi trường được kiểm soát, quan sát hậu quả và học hỏi từ sai lầm mà không gây ra tổn thất thực tế (Gammelgaard, B, 2017). Các công cụ mô phỏng như SCM Globe, Root Beer Game và AnyLogistix đã được sử dụng rộng rãi trong các trường đại học trên thế giới. Các nghiên cứu cho thấy, sinh viên sử dụng các công cụ này có mức độ tham gia cao hơn, hiểu biết sâu hơn về các khái niệm và kỹ năng thực hành tốt hơn so với những sinh viên học theo phương pháp truyền thống.
3. Khung lý thuyết và mô hình nghiên cứu đề xuất
(1) Lý thuyết học tập trải nghiệm (Experiential Learning Theory).
Nghiên cứu này được xây dựng dựa trên 2 nền tảng lý thuyết chính là học tập trải nghiệm (Experiential Learning Theory – ELT) và mô hình chấp nhận công nghệ (TAM).
Lý thuyết của Kolb (1984) cho rằng, học tập là một chu trình bốn giai đoạn: Trải nghiệm cụ thể (Concrete Experience); Quan sát và Phản ánh (Reflective Observation); Khái niệm hóa trừu tượng (Abstract Conceptualization) và Thử nghiệm tích cực (Active Experimentation) (Woschank, & cộng sự, 2020). Chu trình này được gọi là “Kolb’s Learning Cycle” và được coi là một trong những mô hình học tập hiệu quả nhất.
Trong bối cảnh nghiên cứu này, việc sử dụng AnyLogistix tương ứng trực tiếp với chu trình này: việc trải nghiệm cụ thể là sinh viên trực tiếp tham gia vào các bài tập mô phỏng chuỗi cung ứng, đối mặt với các vấn đề thực tế như tối ưu hóa tuyến đường, quản lý tồn kho, và dự báo nhu cầu. Tiếp đó, sinh viên quan sát kết quả từ các kịch bản mô phỏng, phân tích các chỉ số hiệu suất (KPIs) như chi phí tổng cộng, tỷ lệ phục vụ khách hàng và mức tồn kho, sau đó phản ánh về quyết định của mình. Từ những quan sát, sinh viên rút ra các nguyên tắc, quy luật và xây dựng các mô hình lý thuyết về quản lý chuỗi cung ứng. Sinh viên áp dụng các khái niệm đã học để thử nghiệm các giải pháp mới, điều chỉnh tham số và chạy lại mô phỏng để tìm kiếm kết quả tối ưu.
Cách tiếp cận này biến việc học thành một quá trình kiến tạo kiến thức chủ động thay vì tiếp thu thụ động. Sinh viên không chỉ nhớ lại kiến thức mà còn hiểu được cơ chế hoạt động và có thể áp dụng trong các tình huống khác nhau.
(2) Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM).
Mô hình chấp nhận công nghệ TAM là một trong những mô hình có ảnh hưởng nhất để giải thích sự chấp nhận và sử dụng công nghệ của người dùng (Faria, A. J., & cộng sự, 2009). Mô hình này cho rằng, hai yếu tố chính ảnh hưởng đến ý định sử dụng một công nghệ là: nhận thức về sự hữu ích (Perceived Usefulness – PU) là mức độ mà một cá nhân tin rằng việc sử dụng một hệ thống cụ thể sẽ nâng cao hiệu suất công việc của họ. Trong bối cảnh giáo dục, đây là mức độ mà sinh viên tin rằng AnyLogistix sẽ giúp họ học tập hiệu quả hơn. Nhận thức về tính dễ sử dụng (Perceived Ease of Use – PEOU) là mức độ mà một cá nhân tin rằng việc sử dụng một hệ thống cụ thể sẽ không đòi hỏi nhiều nỗ lực. Nếu phần mềm khó sử dụng, sinh viên sẽ cảm thấy nản lòng và ít sử dụng nó.
Theo TAM, cả hai yếu tố này ảnh hưởng đến Thái độ đối với việc sử dụng (Attitude Toward Using), từ đó ảnh hưởng đến Ý định hành vi (Behavioral Intention) và cuối cùng là Hành vi sử dụng thực tế (Actual Usage Behavior). Trong nghiên cứu này, TAM được sử dụng để đánh giá mức độ chấp nhận của sinh viên đối với AnyLogistix như một công cụ học tập. Vì vậy, nếu sinh viên nhận thấy phần mềm này hữu ích cho việc hiểu sâu các khái niệm logistics và dễ dàng để thao tác, họ sẽ có thái độ tích cực và ý định sử dụng cao hơn.
Trên cơ sở các lý thuyết, tác giả đề xuất mô hình nghiên cứu Hình 1.
Hình 1: Mô hình nghiên cứu đề xuất
Tác giả đề xuất, 2026.
4. Phương pháp nghiên cứu
Nghiên cứu sử dụng thiết kế bán thực nghiệm với mô hìnhnhóm chứng không tương đương có kiểm tra trước và sau.
Đối tượng nghiên cứu là sinh viên chuyên ngành Logistics và Quản lý Chuỗi cung ứng đang học tại ICTU. Mẫu nghiên cứu gồm 100 sinh viên, trong đó 50 sinh viên thuộc nhóm thực nghiệm được học với phần mềm AnyLogistix và 50 sinh viên thuộc nhóm đối chứng học theo phương pháp truyền thống. Phương pháp chọn mẫu thuận tiện được sử dụng nhằm phù hợp với điều kiện triển khai thực tế tại nhà trường. Dữ liệu nghiên cứu được thu thập thông qua hai công cụ chính gồm bài kiểm tra kiến thức và bảng hỏi khảo sát. Bài kiểm tra được thực hiện ở cả giai đoạn trước và sau can thiệp nhằm đánh giá mức độ cải thiện về kiến thức và kỹ năng thực hành của sinh viên. Ngoài ra, bảng hỏi khảo sát sử dụng thang đo Likert 5 mức độ được xây dựng dựa trên Mô hình Chấp nhận công nghệ (TAM) để đánh giá mức độ chấp nhận và hài lòng của sinh viên đối với phần mềm AnyLogistix.
Hình 2: Quy trình nghiên cứu
Nguồn: Tác giả đề xuất, 2026
Dữ liệu sau khi thu thập được xử lý và phân tích bằng phần mềm SPSS 26.0 hoặc R. Nghiên cứu sử dụng các phương pháp thống kê mô tả, Independent Samples t-test, Paired Samples t-test, One-Sample t-test và phân tích hồi quy tuyến tính bội để kiểm định các giả thuyết nghiên cứu.
5. Kết quả nghiên cứu và thảo luận
(1) Thống kê mô tả.
Tổng cộng 100 sinh viên tham gia nghiên cứu, được chia thành hai nhóm: nhóm thực nghiệm (n=50) và nhóm đối chứng (n=50). Không có sự khác biệt đáng kể về mặt thống kê giữa hai nhóm về tuổi, giới tính và điểm trung bình tích lũy (GPA) trước khi can thiệp (p > 0.05) cho thấy, hai nhóm có tính chất tương tự nhau.
Bảng 1: Đặc tính nhân khẩu học của mẫu nghiên cứu
| Đặc tính | Nhóm Thực nghiệm (n=50) | Nhóm Đối chứng (n=50) | p- value |
| Tuổi (TB ± ĐLC) | 20.8 ± 1.2 | 20.6 ± 1.1 | 0.421 |
| Giới tính (Nam/Nữ) | 28/22 | 26/24 | 0.652 |
| GPA trước can thiệp (TB ± ĐLC) | 3.12 ± 0.45 | 3.08 ± 0.48 | 0.612 |
Điểm pre-test của hai nhóm không có sự khác biệt đáng kể về mặt thống kê (t(98) = 0.89, p = 0.376) cho thấy, hai nhóm có xuất phát điểm tương đồng về kiến thức.
Bảng 2: So sánh điểm Pre-test và Post-test
| Nhóm | N | Mean | SD | Min | Max | Skewness | Kurtosis |
| Pre-test (Điểm tối đa = 10) | |||||||
| Thực nghiệm | 50 | 4.52 | 0.68 | 2.80 | 6.20 | 0.32 | -0.45 |
| Đối chứng | 50 | 4.61 | 0.71 | 2.90 | 6.10 | 0.18 | -0.62 |
| Post-test (Điểm tối đa = 10) | |||||||
| Thực nghiệm | 50 | 7.85 | 0.75 | 5.80 | 9.50 | -0.28 | 0.15 |
| Đối chứng | 50 | 6.23 | 0.82 | 4.50 | 8.20 | 0.41 | -0.35 |
| Sự cải thiện (Post – Pre) | |||||||
| Thực nghiệm | 50 | 3.33 | 0.82 | 1.50 | 5.20 | 0.12 | -0.28 |
| Đối chứng | 50 | 1.62 | 0.75 | 0.40 | 3.80 | 0.35 | 0.18 |
(2) Ma trận tương quan.
Phân tích tương quan Pearson được thực hiện để kiểm tra mối quan hệ giữa các biến trong mô hình TAM. Kết quả (Bacho thấy tất cả các mối quan hệ đều có ý nghĩa thống kê (p < 0.05), với các hệ số tương quan dao động từ 0.52 đến 0.78.
Bảng 3: Ma trận tương quan Pearson giữa các biến của mô hình TAM
| PU | PEOU | ATU | BI | SS | SKI | |
| PU | 1.00 | |||||
| PEOU | 0.68** | 1.00 | ||||
| ATU | 0.72** | 0.65** | 1.00 | |||
| BI | 0.78** | 0.59** | 0.75** | 1.00 | ||
| SS | 0.71** | 0.62** | 0.68** | 0.72** | 1.00 | |
| SKI | 0.65** | 0.58** | 0.64** | 0.68** | 0.66** | 1.00 |
(3) Kiểm định giả thuyết chấp nhận mềm AnyLogistix hữu ích.
Về các biến trong Mô hình Chấp nhận công nghệ (TAM), tất cả các biến đều có giá trị trung bình cao hơn 4.0 trên thang đo 5 điểm cho thấy, sinh viên có đánh giá rất tích cực về phần mềm AnyLogistix. Hệ số Cronbach’s Alpha của tất cả các thang đo đều lớn hơn 0.85, khẳng định độ tin cậy nội bộ rất tốt.
Bảng 4: Thống kê mô tả các biến TAM và độ tin cậy
| Biến số | N | Mean | SD | Min | Max | Skewness | Kurtosis | Cronbach’s α |
| PU (Perceived Usefulness) | 50 | 4.28 | 0.62 | 2.75 | 5.00 | -0.85 | 0.92 | 0.92 |
| PEOU (Perceived Ease of Use) | 50 | 4.15 | 0.71 | 2.50 | 5.00 | -0.72 | 0.58 | 0.89 |
| ATU (Attitude Toward Using) | 50 | 4.38 | 0.59 | 2.67 | 5.00 | -1.12 | 1.45 | 0.88 |
| BI (Behavioral Intention) | 50 | 4.22 | 0.68 | 2.33 | 5.00 | -0.95 | 0.78 | 0.91 |
| SS (Student Satisfaction) | 50 | 4.25 | 0.67 | 2.67 | 5.00 | -0.88 | 0.65 | 0.87 |
| SKI (Skill Improvement) | 50 | 4.18 | 0.73 | 2.50 | 5.00 | -0.78 | 0.42 | 0.85 |
Đối với giả thuyết H1
Kết quả Independent Samples t-test cho thấy có sự khác biệt đáng kể về điểm post-test giữa hai nhóm: t(98) = 10.98, p < 0.001. Điểm trung bình của nhóm thực nghiệm (TB=7.85, ĐLC=0.75) cao hơn đáng kể so với nhóm đối chứng (TB=6.23, ĐLC=0.82). Kích thước hiệu ứng (Cohen’s d) là 1.98, cho thấy đây là một hiệu ứng rất lớn. Ngoài ra, Paired Samples t-test cho thấy cả hai nhóm đều có sự cải thiện từ pre-test đến post-test (Nhóm thực nghiệm: t(49) = 28.76, p < 0.001; Nhóm đối chứng: t(49) = 14.95, p < 0.001). Tuy nhiên, mức độ cải thiện của nhóm thực nghiệm (3.33 điểm) cao hơn đáng kể so với nhóm đối chứng (1.62 điểm).
Như vậy, giả thuyết H1 được chấp nhận. Việc sử dụng AnyLogistix giúp cải thiện đáng kể kết quả học tập của sinh viên.
Bảng 5. Kiểm định giả thuyết H1
| Chỉ số | Nhóm Thực nghiệm | Nhóm Đối chứng | Giá trị |
| Kích thước mẫu (n) | 50 | 50 | |
| Điểm trung bình (Mean) | 7.85 | 6.23 | |
| Độ lệch chuẩn (SD) | 0.75 | 0.82 | |
| Sự khác biệt trung bình (MD) | 1.62 | ||
| 95% Khoảng tin cậy (CI) | [1.28, 1.96] | ||
| Independent Samples t-test | |||
| t-value | 10.98 | ||
| df | 98 | ||
| p-value | 0.0000 | ||
| Kích thước hiệu ứng | |||
| Cohen’s d | 1.98 | ||
Đối với giả thuyết H2
Một phần trong bài post-test được thiết kế để đánh giá cụ thể các kỹ năng thực hành, bao gồm: (1) khả năng sử dụng phần mềm, (2) khả năng phân tích dữ liệu, (3) khả năng giải quyết vấn đề, và (4) khả năng đưa ra quyết định dựa trên dữ liệu.
Kết quả Independent Samples t-test cho thấy nhóm thực nghiệm có điểm kỹ năng cao hơn đáng kể so với nhóm đối chứng: t(98) = 9.45, p < 0.001. Kích thước hiệu ứng (Cohen’s d) là 1.89.
Giả thuyết H2 được chấp nhận. Sinh viên sử dụng AnyLogistix phát triển kỹ năng thực hành tốt hơn.
Bảng 6: Kiểm định giả thuyết H2
| Kỹ năng | Nhóm Thực nghiệm (M±SD) | Nhóm Đối chứng (M±SD) | t-value | p-value | Cohen’s d |
| Tổng điểm kỹ năng | 7.92 ± 0.78 | 6.15 ± 0.85 | 9.45 | 0.000 | 1.89 |
| Sử dụng phần mềm | 8.05 ± 0.82 | 5.85 ± 0.95 | 10.32 | 0.000 | 2.31 |
| Phân tích dữ liệu | 7.88 ± 0.76 | 6.42 ± 0.88 | 8.15 | 0.000 | 1.72 |
| Giải quyết vấn đề | 7.95 ± 0.80 | 6.08 ± 0.82 | 10.58 | 0.000 | 2.29 |
| Ra quyết định dựa trên dữ liệu | 7.80 ± 0.75 | 6.22 ± 0.88 | 8.92 | 0.000 | 1.86 |
Đối với giả thuyết H3
Kết quả khảo sát nhóm thực nghiệm cho thấy mức độ hài lòng trung bình là 4.25/5 (ĐLC=0.67) và thái độ tích cực trung bình là 4.38/5 (ĐLC=0.59). Cả hai giá trị đều cao hơn đáng kể so với mức trung bình 3.0. Như vậy, giả thuyết H3 được chấp nhận. Sinh viên thể hiện mức độ hài lòng và thái độ tích cực.
Bảng 7: Kiểm định giả thuyết H3
| Biến số | N | Mean | SD | Giá trị kiểm định | t-value | df | p-value | 95% CI |
| Student Satisfaction (SS) | 50 | 4.25 | 0.67 | 3.0 | 12.47 | 49 | 0.000 | [4.07, 4.43] |
| Attitude Toward Using (ATU) | 50 | 4.38 | 0.59 | 3.0 | 13.85 | 49 | 0.000 | [4.22, 4.54] |
Giả thuyết H4: Nhận thức về sự hữu ích (PU) và Nhận thức về tính dễ sử dụng (PEOU) có tác động tích cực và đáng kể đến ý định sử dụng AnyLogistix của sinh viên.
(4) Phân tích hồi quy.
Phân tích hồi quy tuyến tính bội được thực hiện để xem xét tác động của PU và PEOU đến Ý định sử dụng (BI). Kết quả được trình bày trong Bảng 7.
Bảng 8: Kiểm định giả thuyết H4
| Biến độc lập | Hệ số B | Hệ số Beta (β) | Sai số chuẩn (SE) | t-value | p-value | 95% CI | VIF |
| (Hằng số) | 0.32 | 0.149 | 2.15 | 0.036 * | [0.02, 0.62] | ||
| PU | 0.58 | 0.58 | 0.102 | 5.67 | 0.000 | [0.38, 0.78] | 1.42 |
| PEOU | 0.31 | 0.31 | 0.103 | 3.02 | 0.004 ** | [0.10, 0.52] | 1.42 |
(Nguồn: Kết quả khảo sát của tác giả)
Nhận thức về sự hữu ích (PU) có tác động tích cực và mạnh mẽ đến ý định sử dụng (β = 0.58, p < 0.001). Điều này có nghĩa là, khi sinh viên nhận thấy AnyLogistix hữu ích, họ có ý định sử dụng nó cao hơn.
Nhận thức về tính dễ sử dụng (PEOU) cũng có tác động tích cực đến ý định sử dụng (β = 0.31, p = 0.004). Tuy nhiên, tác động này yếu hơn so với PU.
Mô hình giải thích được 65% sự biến thiên của ý định sử dụng (R² hiệu chỉnh = 0.65).
Giả thuyết H4 được chấp nhận. Cả PU và PEOU đều có tác động tích cực đến ý định sử dụng AnyLogistix.
6. Kết luận và đề xuất
Kết quả nghiên cứu đã cho thấy, việc ứng dụng phần mềm AnyLogistix trong giảng dạy thực hành các học phần chuyên ngành Logistics tại Trường ICTU mang lại hiệu quả tích cực và có ý nghĩa thống kê. Sinh viên thuộc nhóm thực nghiệm đạt kết quả học tập cao hơn đáng kể so với nhóm học theo phương pháp truyền thống, đồng thời thể hiện sự cải thiện nổi bật về kỹ năng thực hành như phân tích dữ liệu, giải quyết vấn đề và ra quyết định dựa trên dữ liệu. Điều này cho thấy việc tích hợp các công cụ mô phỏng hiện đại vào quá trình đào tạo không chỉ giúp nâng cao khả năng tiếp thu kiến thức mà còn góp phần rút ngắn khoảng cách giữa lý thuyết và thực tiễn nghề nghiệp trong lĩnh vực logistics.
Kết quả nghiên cứu cũng khẳng định vai trò của phương pháp học tập trải nghiệm trong giáo dục đại học hiện nay. Thông qua việc trực tiếp xây dựng mô hình, vận hành mô phỏng và phân tích các tình huống logistics thực tế trên AnyLogistix, sinh viên được tham gia vào quá trình học tập chủ động thay vì tiếp nhận kiến thức một cách thụ động như trong phương pháp giảng dạy truyền thống. Những trải nghiệm này giúp người học hiểu sâu hơn các khái niệm chuyên ngành, đồng thời, nâng cao năng lực tư duy phân tích và kỹ năng xử lý tình huống thực tế những yêu cầu quan trọng đối với nguồn nhân lực logistics trong bối cảnh chuyển đổi số và cách mạng công nghiệp 4.0.
Bên cạnh hiệu quả về mặt học tập, nghiên cứu còn cho thấy, sinh viên có thái độ tích cực và mức độ hài lòng cao đối với việc sử dụng phần mềm AnyLogistix trong quá trình học tập. Các yếu tố thuộc TAM (đặc biệt là PU và PEOU), đều có tác động tích cực đến ý định sử dụng phần mềm của sinh viên. Trong đó, yếu tố “sự hữu ích” có ảnh hưởng mạnh hơn, phản ánh rằng, sinh viên sẵn sàng tiếp cận và sử dụng công nghệ nếu nhận thấy công cụ đó thực sự hỗ trợ hiệu quả cho việc học tập và định hướng nghề nghiệp tương lai. Kết quả này nhấn mạnh vai trò của giảng viên trong việc thiết kế bài giảng phù hợp, xây dựng các tình huống mô phỏng thực tiễn và hướng dẫn sinh viên khai thác hiệu quả phần mềm trong quá trình học tập.
Tài liệu tham khảo:
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.
Gammelgaard, B. (2017). The emergence of logistics and supply chain management as a discipline. The International Journal of Logistics Management, 28(1), 2-14.
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice-Hall.
Faria, A. J., Hutchinson, D., Wellington, W. J., & Gold, S. (2009). Developments in business gaming: A review of the past 40 years. Simulation & Gaming, 40(4), 464-487.
Lê Khoa Nguyên (17/8/2026). Kinh nghiệm quốc tế về các chính sách và mô hình quản trị logistics nhằm nâng cao hiệu quả sử dụng vốn của doanh nghiệp. Tạp chí Quản lý nhà nước. https://www.quanlynhanuoc.vn/2026/08/17/kinh-nghiem-quoc-te-ve-cac-chinh-sach-va-mo-hinh-quan-tri-logistics-nham-nang-cao-hieu-qua-su-dung-von-cua-doanh-nghiep/
Woschank, M., Pacher, C., & Zsifkovits, H. (2020). Teaching and learning methods in logistics and supply chain management. Proceedings of the 2nd International Conference on Industrial Engineering and Industrial Management.
* Bài viết là sản phẩm của đề tài nghiên cứu khoa học cấp cơ sở: “Nghiên cứu ứng dụng phần mềm AnyLogistix trong giảng dạy thực hành các học phần chuyên ngành Logistics tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên”; mã số: T2026-07-35 được tài trợ bởi Trường Đại học Công nghệ thông tin và Truyền thông.
