ThS. Trần Phương Mai
Trường Đại học Thương mại
Cầm Thị Pha, Trần Minh Phương
Sinh viên Trường Đại học Thương mại
(Quanlynhanuoc.vn) – Mục tiêu của nghiên cứu xác định các yếu tố ảnh hưởng đến quyết định sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn thành phố Hà Nội. Số liệu nghiên cứu được thu thập từ 316 người tiêu dùng. Kết quả nghiên cứu đã chỉ ra nhân tố tính chính xác, cảm nhận hữu ích, sự phù hợp thông tin, tính quen thuộc, sự miễn phí, sự thích thú có ảnh hưởng đến việc quyết định sử dụng công nghệ AI Chatbots của sinh viên, trong đó nhân tố tính chính xác và cảm nhận sự hữu ích có tác động lớn nhất đến quyết định sử dụng công nghệ AI Chatbots. Bài viết đề xuất các khuyến nghị nhằm nâng cao chất lượng công nghệ thông minh này.
Từ khóa: Ý định sử dụng; AI Chatbots; yếu tố ảnh hưởng; sử dụng công nghệ; Hà Nội; sinh viên.
1. Đặt vấn đề
Hiên nay, AI Chatbots đã trở thành một ứng dụng phổ biến, được sử dụng trong nhiều lĩnh vực khác nhau. Từ khi công nghệ trí tuệ nhân tạo (AI) và Chatbots trở thành một phần không thể thiếu trong cuộc sống hiện đại, việc sử dụng được lan rộng trong mọi lĩnh vực xã hội. Công nghệ AI Chatbots đã tạo ra cơ hội mới cho các doanh nghiệp. Theo các dự đoán của Gartner vào năm 2022, khoảng 70% các doanh nghiệp sẽ triển khai ít nhất một ứng dụng AI hoặc Chatbots để cải thiện trải nghiệm của người dùng.
Các yếu tố ảnh hưởng đến ý định sử dụng công nghệ của sinh viên đã được nhiều nhà nghiên cứu quan tâm. Tuy nhiên, các nghiên cứu chủ yếu tập trung vào các yếu tố ảnh hưởng đến ý định sử dụng công nghệ nói chung, chưa có nghiên cứu tập trung vào các yếu tố ảnh hưởng đến ý định sử dụng công nghệ AI Chatbots của sinh viên. Việc nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng công nghệ AI Chatbots của sinh viên sẽ giúp các nhà phát triển công nghệ này cùng các nhà quản lý giáo dục có những giải pháp phù hợp để thu hút sinh viên sử dụng AI Chatbots, từ đó góp phần nâng cao hiệu quả triển khai AI Chatbots trong giáo dục, bảo đảm chất lượng giáo dục.
2. Cơ sở lý thuyết và mô hình nghiên cứu
Shawar và Atwell (2007) định nghĩa: Chatbots là “chương trình máy tính tương tác với con người thông qua ngôn ngữ tự nhiên”. Chatbot được coi là xu hướng phát triển nhất năm 2018 và thế hệ trẻ đặc biệt quan tâm đến việc sử dụng chatbot vì công nghệ này phù hợp với thói quen và công việc hằng ngày.
Theo TPB (Lý thuyết hành vi có kế hoạch) của Ajzen (1991, 2011), ý định thể hiện mức độ sẵn sàng của cá nhân và là tiền đề trực tiếp để thực hiện hành vi, do đó, có thể định nghĩa ý định sử dụng công nghệ AI Chatbot chỉ sự mong muốn của một cá nhân hoặc nhóm người trong việc sử dụng công nghệ AI Chatbot. Ý định sử dụng được xem là một yếu tố quan trọng quyết định đến hành vi sử dụng thực tế của người dùng. Theo nghiên cứu của Tran và cộng sự (2022) đã chỉ ra rằng, ý định sử dụng AI Chatbot của người dùng bị ảnh hưởng bởi các yếu tố, như: kiến thức, hiểu biết, thái độ đối với AI Chatbot, nhận thức về lợi ích và chi phí của AI Chatbot.
Việc sử dụng AI trong giáo dục đang ngày càng mở rộng (Roos, 2018). Một trong những công nghệ AI được sử dụng phổ biến nhất để hỗ trợ hoạt động dạy và học là hệ thống Chatbot (Okonkwo & Ade-Ibijola, 2020). Chatbots đang được coi là một công nghệ hữu ích để tạo điều kiện thuận lợi cho việc học tập trong bối cảnh giáo dục (Clarizia và cộng sự, 2018).
Việc sử dụng công nghệ Chatbot trong giáo dục là một trong những phương pháp hiệu quả nhất để nâng cao và thúc đẩy trải nghiệm học tập được cá nhân hóa hơn (Cunningham-Nelson và cộng sự, 2019).
Từ những nghiên cứu cho thấy, ý định sử dụng AI Chatbots của sinh viên trên địa bàn Hà Nội bị tác động bởi nhiều yếu tố, như: tính chính xác, cảm nhận sự hữu ích, tính dễ sử dụng, chất lượng dịch vụ, sự phù hợp thông tin, sự thích thú, tính quen thuộc, sự miễn phí… Sau quá trình đánh giá, nhóm đã thống nhất lựa chọn những yếu tố ảnh hưởng phù hợp nhất với đề tài nghiên cứu và đối tượng khách hàng hướng tới là sinh viên tại khu vực Hà Nội với mô hình nghiên cứu như sau:
3. Phương pháp nghiên cứu
Để thu thập dữ liệu nghiên cứu, đã tiến hành khảo sát sinh viên tại các trường đại học trên địa bàn Hà Nội, gồm: Trường Đại học Thương mại, Học viện Báo chí và Tuyên truyền, Trường Đại học Ngoại Ngữ Hà Nội, Trường Đại học Khoa học Xã hội và Nhân văn – Đại học Quốc gia Hà Nội… Nhóm đã phát ra 347 phiếu và kết quả thu về 316 phiếu hợp lệ, đạt tiêu chuẩn cho mô hình nghiên cứu. Thời gian khảo sát từ tháng 10/2023 – 3/2024.
Phương pháp chọn mẫu và cỡ mẫu:
Kích thước mẫu của nghiên cứu càng lớn, sai số trong các ước lượng sẽ càng thấp, khả năng đại diện cho tổng thể càng cao. Kích thước mẫu liên quan trực tiếp đến độ tin cậy của các tham số thống kê bởi mỗi phương pháp phân tích thống kê đòi hỏi kích thước mẫu khác nhau. Theo Tabachnick và Fidell (1996) thì kích thước mẫu phải bảo đảm công thức n ≥ 8m+50 (n là cỡ mẫu, m là số biến độc lập trong mô hình) để bảo đảm hiệu quả của phân tích hồi quy đa biến. Theo nghiên cứu của Hair, Anderson, Tatham và Black (1998), kích thước mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát để bảo đảm kết quả của phân tích nhân tố khám phá EFA, nói cách khác: n ≥ 5m (m là số biến quan sát, n là cỡ mẫu).
Bên cạnh đó, theo Hair và cộng sự (2014), kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt hơn là từ 100 trở lên. Tỷ lệ số quan sát trên một biến phân tích là 5:1 hoặc 10:1, một số nhà nghiên cứu cho rằng, tỷ lệ này nên là 20:1. Trong bảng khảo sát của nhóm có 30 câu hỏi sử dụng thang đo Likert 5 mức độ (tương ứng với 30 biến quan sát thuộc các nhân tố khác nhau), được sử dụng để phân tích trong một lần EFA. Tác giả lựa chọn tỷ lệ là 10:1 thì cỡ mẫu tối thiểu là 30 x 10 = 300. Vì vậy, nhóm cần cỡ mẫu tối thiểu để thực hiện phân tích nhân tố khám phá EFA là 300.
4. Kết quả nghiên cứu
4.1. Phân tích độ tin cậy của thang đo bằng hệ số Cronbach’s alpha
Bảng 1. Kết quả phân tích Cronbach’s Alpha các thang đo
| TT | Thang đo | Mã hóa | Số biến quan sát | Biến loại | Cronbach’s Alpha |
| 1 | Tính chính xác | CX | 4 | 0.784 | |
| 2 | Tính hữu ích | HI | 3 | 0.763 | |
| 3 | Tính dễ sử dụng | DSD | 4 | 0.798 | |
| 4 | Tính quen thuộc | QT | 4 | 0.816 | |
| 5 | Sự phù hợp thông tin | PH | 4 | 0.816 | |
| 6 | Sự miễn phí | MP | 4 | 0.796 | |
| 7 | Sự thích thú | TT | 4 | 0.811 | |
| 8 | Ý định sử dụng AI Chatbots | YD | 3 | 0.803 |
Từ bảng 1 có thể thấy, hệ số Cronbach’s alpha của các thành phần thuộc thang đo về lợi ích đều tốt (>0,6); đồng thời, hệ số tương quan biến tổng của các yếu tố nhỏ cũng đều lớn hơn 0,3. Do đó, nhóm nghiên cứu đã sử dụng 30 biến này vào phân tích nhân tố khám phá.
4.2. Phân tích hồi quy bội
Sử dụng phương pháp hồi quy bội để dự đoán cường độ tác động của các nhân tố đến ý định sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội. Phương trình hồi quy tuyến tính bội có dạng:
YD = β0 + β1*TT+ β2*DSD + β3*HI+ β4*PH + β5*CX + β6*MP + β7*QT + α
Bảng 2. Đánh giá sự phù hợp của mô hình
| Model Summaryb | |||||
| Model | R | R Square | Adjusted R Square | Std. Error of the Estimate | Durbin-Watson |
| 1 | .832a | .692 | .685 | .42319 | 1.860 |
| a. Predictors: (Constant), TT, DSD, HI, PH, CX, MP, QT | |||||
| b. Dependent Variable: YD | |||||
Kết quả phân tích hồi quy tuyến tính bội cho thấy, mô hình có R^2 = 0,692 và R^2 có điều chỉnh = 0,685. Ta nhận thấy, R^2 hiệu chỉnh nhỏ hơn R^2 nên dùng để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). R^2 có điều chỉnh = 0,685 nói lên độ thích hợp của mô hình là 68,5%, hay nói cách khác là biến độc lập đưa vào chạy hồi quy ảnh hưởng 68,5% sự thay đổi của biến phụ thuộc. Còn lại 31,5% là do các biến ngoài mô hình và sai số ngẫu nhiên.
Hệ số Durbin – Watson = 1,860, nằm trong khoảng từ 1,5 – 2,5 nên không có hiện tượng tương quan chuỗi bậc nhất xảy ra (Yahua Qiao, 2011).
Bài viết đã xây dựng mô hình nghiên cứu với 1 biến phụ thuộc và 7 biến độc lập nhằm kiểm định 7 giả thuyết nghiên cứu. Sau khi kiểm định đã xây dựng một mô hình mới với 6 biến độc lập và 1 biến phụ thuộc là ý định sử dụng công nghệ AI Chatbots, với 6 giả thuyết điều chỉnh (thay vì 7 như ban đầu). Nhóm đã khám phá ra rằng, ý định sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội sẽ bị tác động bởi các nhân tố theo mức độ tác động giảm dần như sau:
(1) Yếu tố tính chính xác (CX) tác động mạnh mẽ nhất tới quyết định sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội. Tính chính xác của AI Chatbots bảo đảm cung cấp thông tin đúng đắn, tạo sự tin tưởng và hài lòng cho người sử dụng. Khi AI Chatbots hoạt động với độ chính xác cao, sinh viên nhận được các câu trả lời nhanh chóng và chính xác, giảm thời gian tìm kiếm thông tin và nâng cao hiệu quả học tập. Điều này tạo ra trải nghiệm người dùng mượt mà và liền mạch, khuyến khích sinh viên sử dụng thường xuyên hơn và giới thiệu cho bạn bè.
(2) Yếu tố cảm nhận tính hữu ích (HI) là yếu tố quyết định việc sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội mạnh thứ hai. Sinh viên đánh giá cao các công nghệ mà họ thấy hữu ích trong việc giải quyết các vấn đề học tập và cuộc sống hằng ngày. Khi AI Chatbots cung cấp thông tin chính xác, hỗ trợ nhanh chóng và đưa ra các giải pháp kịp thời, sinh viên cảm thấy công nghệ này thực sự có giá trị và giúp họ tiết kiệm thời gian, công sức. Cảm nhận tính hữu ích càng cao thì mức độ chấp nhận và sử dụng AI Chatbots càng tăng.
(3) Yếu tố tính dễ sử dụng (DSD) bị bác bỏ, không ảnh hưởng đến ý định sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội. Mặc dù tính dễ sử dụng có thể góp phần làm cho trải nghiệm người dùng trở nên thuận tiện hơn nhưng không phải là yếu tố quyết định. Sinh viên chủ yếu quan tâm đến việc AI Chatbots có thể cung cấp thông tin đúng đắn, hỗ trợ hữu ích trong học tập và giải quyết các vấn đề hằng ngày một cách hiệu quả và đáng tin cậy.
(4) Yếu tố sự phù hợp thông tin (PH) là yếu tố quyết định việc sử dụng công nghệ AI Chatbots của sinh viên trên địa bàn Hà Nội mạnh thứ ba. Khi AI Chatbots cung cấp thông tin liên quan, kịp thời, sinh viên sẽ thấy công nghệ này hữu ích và tiện lợi trong học tập và cuộc sống hằng ngày. Chatbots luôn được cải thiện thuật toán xử lý thông tin để nâng cao hiệu suất khi sinh viên sử dụng và điều này cũng sẽ làm tăng giá trị của AI Chatbots.
(5) Yếu tố tính quen thuộc (QT) cũng có ảnh hưởng đáng kể đến ý định sử dụng công nghệ AI Chatbots của sinh viên. Khi sinh viên cảm thấy quen thuộc và thoải mái với giao diện và cách sử dụng của AI Chatbots, họ sẽ dễ dàng chấp nhận và tích cực sử dụng công nghệ. Tính quen thuộc giúp giảm bớt thời gian học cách sử dụng và tạo điều kiện thuận lợi cho sinh viên tiếp cận và tận dụng các tính năng của AI Chatbots.
(6) Yếu tố sự miễn phí (MP) cũng đóng vai trò quan trọng trong quyết định sử dụng công nghệ AI Chatbots. Sinh viên thường có ngân sách hạn chế, vì vậy, việc cung cấp các dịch vụ AI Chatbots miễn phí hoặc với chi phí thấp sẽ thu hút họ sử dụng. Việc miễn phí không chỉ giúp tiết kiệm chi phí mà còn tạo động lực để sinh viên khám phá và sử dụng AI Chatbots nhiều hơn.
(7) Yếu tố sự thích thú (TT) là yếu tố tiếp theo có ảnh hưởng đến quyết định sử dụng công nghệ AI Chatbots của sinh viên. Khi sử dụng AI Chatbots mang lại trải nghiệm thú vị, sinh viên sẽ có xu hướng sử dụng công nghệ này thường xuyên hơn. Sự thích thú có thể đến từ các tính năng độc đáo, giao diện thân thiện hoặc khả năng tương tác thông minh của AI Chatbots.
5. Một số kiến nghị
Một là, Chính phủ cần ban hành các chính sách, pháp luật để tạo môi trường pháp lý thuận lợi cho việc ứng dụng và phát triển các ứng dụng AI Chatbots. Điều này bao gồm việc ban hành các quy định về bảo vệ dữ liệu cá nhân, quyền riêng tư và an ninh mạng để bảo đảm quyền lợi của người dùng.Đồng thời, cung cấp các chính sách ưu đãi, tài chính và hỗ trợ kỹ thuật nhằm khuyến khích các doanh nghiệp, trường đại học và tổ chức nghiên cứu đầu tư vào lĩnh vực này. Tăng cường đầu tư vào giáo dục và đào tạo nhằm nâng cao nhận thức và kỹ năng sử dụng AI Chatbots trong cộng đồng, đặc biệt là ở nhóm sinh viên.
Hai là, các trường đại học và cao đẳng có vai trò then chốt trong việc thúc đẩy nghiên cứu và ứng dụng công nghệ AI Chatbots trong hoạt động giảng dạy và học tập. Nhà trường nên tích hợp việc sử dụng AI Chatbots vào các chương trình đào tạo, giúp sinh viên tiếp cận và làm quen với công nghệ.Đẩy mạnh các hoạt động nghiên cứu và phát triển ứng dụng AI Chatbots, thông qua việc cung cấp các nguồn lực, cơ sở vật chất và hỗ trợ tài chính cho các dự án liên quan. Tổ chức các hoạt động truyền thông, tập huấn và đào tạo nhằm nâng cao nhận thức và kỹ năng sử dụng AI ChatBots cho cán bộ, giảng viên và sinh viên.
Ba là, các doanh nghiệp phát triển công nghệ AI Chatbots tăng cường đầu tư vào nghiên cứu và phát triển, nâng cao chất lượng, tính năng và trải nghiệm người dùng của sản phẩm. Thiết lập các chương trình hợp tác, tài trợ và tuyển dụng sinh viên để thu hút và phát triển nguồn nhân lực trong lĩnh vực AI Chatbots. Tổ chức các chương trình đào tạo, hội thảo, chia sẻ kinh nghiệm về ứng dụng AI Chatbots để nâng cao nhận thức và kỹ năng sử dụng cho sinh viên. Bên cạnh đó, doanh nghiệp cần chú trọng đến việc nâng cao chất lượng và tính thân thiện của các ứng dụng AI ChatBots nhằm thu hút và giữ chân người dùng, đặc biệt là nhóm sinh viên. Doanh nghiệp cũng cần phải bảo đảm tính bảo mật, an toàn và tuân thủ các quy định pháp luật về dữ liệu cá nhân.
Bốn là, sinh viên nên nâng cao nhận thức và kỹ năng sử dụng các ứng dụng AI Chatbots trong học tập, nghiên cứu và các hoạt động hàng ngày. Tham gia vào các hoạt động nghiên cứu, phát triển và đóng góp ý kiến nhằm cải thiện chất lượng và tính tiện ích của các ứng dụng AI Chatbots. Bên cạnh đó, sinh viên cần chú trọng đến vấn đề bảo mật, quyền riêng tư và sử dụng đúng mục đích các ứng dụng AI Chatbots.
Tài liệu tham khảo:
1. Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2005). Phân tích dữ liệu nghiên cứu với SPSS. H.NXB Thống kê.
2. Agrifoglio, R., Black, S. U. E., Metallo, C.,& Ferrara, M. (2012). Extrinsic versus intrinsic motivation in continued twitter usage. Journal of Computer Information Systems, 53(1), 33 – 41.
3. Ajzen, I. and M. Fishbein, 1980. Understanding Attitudes and Predicting Social Behavior. 1st Edn., Prentice Hall, Englewood Cliffs, ISBN-10: 0139364439, pp: 278.
4. Ajzen, I., & Fishbein, M. (2000). Attitudes and the attitude-behavior relation: Reasoned and automatic processes. European review of social psychology, 11(1), 1-33.
5. An, X., Chai, C. S., Li, Y., Zhou, Y., Shen, X., Zheng, C., & Chen, M. (2023). Modeling English teachers’ behavioral intention to use artificial intelligence in middle schools. Education and Information Technologies, 28(5), 5187-5208.
6. Chung, J. E., Park, N., Wang, H., Fulk, J., & McLaughlin, M. (2010). Age differences in perceptions of online community participation among non-users: An extension of the Technology Acceptance Model. Computers in Human Behavior, 26(6), 1674–1684. doi:10.1016/j.chb.2010.06.016
7. Cunningham-Nelson, S., Boles, W., Trouton, L., & Margerison, E. (2019). A review of chatbots in education: practical steps forward. In 30th annual conference for the australasian association for engineering education (AAEE 2019): educators becoming agents of change: innovate, integrate, motivate (pp. 299-306). Engineers Australia.
8. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. Management Information Systems Quarterly, 13(3), 319–340. doi:10.2307/249008
9. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). Technology acceptance model. J Manag Sci, 35(8), 982-1003.
10. De Cosmo, L. M., Piper, L., & Di Vittorio, A. (2021). The role of attitude toward chatbots and privacy concern on the relationship between attitude toward mobile advertising and behavioral intent to use chatbots. Italian Journal of Marketing, 2021, 83-102.
