Students’ and parents’ perceptions and responses to AI-assisted university admissions content: a study in Ho Chi Minh City
ThS. Nghiêm Xuân Chiến
Trường Đại học VinUni
TS. Lưu Thị Thanh Mai
Trường Đại học Quốc tế Sài Gòn
Email liên hệ: luuthithanhmai@siu.edu.vn
(Quanlynhanuoc.vn) – Trí tuệ nhân tạo (AI) ngày càng hiện diện trong truyền thông tuyển sinh đại học, song cách học sinh và phụ huynh thẩm định độ tin cậy của nội dung do AI tạo ra vẫn chưa được làm rõ. Bài viết nghiên cứu khám phá quá trình tiếp nhận và đánh giá nội dung tuyển sinh do AI hỗ trợ tại TP. Hồ Chí Minh, dưới khung giao tiếp trung gian AI; đồng thời, áp dụng thiết kế định tính với phỏng vấn sâu bán cấu trúc và phân tích chủ đề, trên mẫu chọn có mục đích. Kết quả cho thấy, người dùng chấp nhận AI ở tuyến thông tin nhờ tốc độ và khả năng cá nhân hóa, nhưng chững lại ở tuyến cảm xúc do khoảng trống đồng cảm, hình thành một cơ chế niềm tin có điều kiện. Trên cơ sở kết quả phân tích, bài viết gợi ý các trường thiết kế chiến lược truyền thông lai, kết hợp AI với tương tác con người ở những điểm chạm đòi hỏi thấu hiểu và đồng cảm.
Từ khóa: Nội dung do AI hỗ trợ; giao tiếp trung gian AI; niềm tin; khoảng trống đồng cảm.
Abstract: Artificial intelligence (AI) is increasingly present in university admissions communication; however, how students and parents assess the credibility of AI-generated content remains unclear. This study explores the process through which students and parents receive and evaluate AI-assisted admissions content in Ho Chi Minh City, drawing on the framework of AI-mediated communication. A qualitative research design was employed, using semi-structured in-depth interviews and thematic analysis with a purposive sample. The findings show that users accept AI at the informational level because of its speed and personalization capabilities, but become more hesitant at the emotional level due to an empathy gap, resulting in a mechanism of conditional trust. Based on the analytical findings, the article suggests that universities should design hybrid communication strategies that combine AI with human interaction at touchpoints requiring understanding and empathy.
Keywords: AI-assisted content; AI-mediated communication; trust; empathy gap.
1. Đặt vấn đề
Tuyển sinh đại học tại Việt Nam đang bước vào giai đoạn cạnh tranh gay gắt cả về quy mô lẫn phương thức truyền thông. Theo số liệu của Bộ Giáo dục và Đào tạo, kỳ tuyển sinh năm 2024 ghi nhận 733.652 thí sinh đăng ký xét tuyển, trong đó 551.497 em xác nhận nhập học, đạt 81,87% (Bộ Giáo dục và Đào tạo, 2024). Đến năm 2025, con số tiếp tục tăng lên gần 850.000 thí sinh với hơn 7,6 triệu nguyện vọng, mức cao nhất trong nhiều năm (Bộ Giáo dục và Đào tạo, 2025). Quy mô này, cùng sức ép tuyển đủ chỉ tiêu, đã thúc đẩy nhiều trường lớn ở TP. Hồ Chí Minh ứng dụng AI như một điểm chạm truyền thông mới, trải từ chatbot tư vấn hoạt động suốt ngày đêm, thư điện tử cá nhân hóa, đến bài viết định hướng nghề nghiệp tự động.
Nhưng chọn trường đại học là một quyết định đầu tư lớn, rủi ro cao với gia đình của sinh viên. Người dùng vì thế rất nhạy cảm với độ tin cậy của thông tin (McKnight & cộng sự, 2002). Nội dung do AI tạo ra có thể bị nhận diện là máy móc, quá quảng bá hoặc thiếu chiều sâu cảm xúc, khiến niềm tin vào nhà trường suy giảm (Glikson & cộng sự, 2020). Ngược lại, nếu thiết kế phù hợp, AI lại có thể xây niềm tin nhờ tốc độ và khả năng cá nhân hóa (Pelau & cộng sự, 2024). Nghịch lý này đặt ra một câu hỏi: Người dùng thực sự thẩm định nội dung tuyển sinh do AI hỗ trợ như thế nào và điều gì quyết định niềm tin của họ?
Phần lớn hiểu biết hiện nay đến từ phía nhà trường và công nghệ, tập trung vào hiệu quả triển khai hoặc độ chính xác kỹ thuật của chatbot (Kuhail & cộng sự, 2022), trong khi góc thẩm định của chính học sinh và phụ huynh còn bỏ ngỏ. Các nghiên cứu định lượng đã đo được mức độ chấp nhận, nhưng chưa lý giải được vì sao và bằng cách nào người dùng hình thành sự hoài nghi hay tin cậy đối với AI. Chính vì lý do này, bài viết đã đề cập nội dung sự nhận thức và đánh giá độ tin cậy của nội dung tuyển sinh do AI hỗ trợ của học sinh và phụ huynh, tìm ra những yếu tố thúc đẩy hoặc cản trở niềm tin cũng như khoảng trống đồng cảm ảnh hưởng đến hành vi xác nhận từ con người của học sinh và phụ huynh.
2. Cơ sở lý thuyết
2.1. Giao tiếp trung gian AI
Nội dung tuyển sinh do AI hỗ trợ không đơn thuần truyền tin một chiều mà vận hành như một quá trình giao tiếp, nơi người dùng tương tác với một thực thể thuật toán thay vì con người. Hancock & cộng sự (2020) định nghĩa giao tiếp trung gian AI là quá trình mà tác nhân thông minh can thiệp vào việc tạo lập, điều chỉnh hoặc truyền tải thông điệp. Khác với truyền thông qua máy tính truyền thống, tác nhân AI không phải đường dẫn trung tính mà chủ động lựa chọn, cá nhân hóa và định hình nội dung. Vì vậy, người dùng vừa đánh giá thông tin, vừa liên tục suy luận về nguồn ẩn sau giao diện và độ tin cậy của nguồn đó. Chính cơ chế suy luận nguồn này khiến niềm tin trở thành vấn đề trung tâm, nhất là trong quyết định rủi ro cao như chọn trường.
2.2. Niềm tin vào AI, từ nhận thức đến cảm xúc
McKnight & cộng sự (2002) đề xuất mô hình niềm tin vào công nghệ gồm ba thành tố là năng lực, nhân từ và chính trực. Glikson & cộng sự (2020) mở rộng mô hình này vào bối cảnh AI. Họ phân biệt niềm tin nhận thức, dựa trên năng lực và độ tin cậy kỹ thuật, với niềm tin cảm xúc, dựa trên cảm nhận về sự ấm áp và đồng cảm. Phân biệt này mang tính quyết định. AI có thể đạt điểm cao về năng lực nhưng vẫn thất bại trong tạo dựng niềm tin nếu thiếu chiều sâu cảm xúc. Một chatbot trả lời chính xác về học phí nhưng không thấu hiểu nỗi lo của phụ huynh thì niềm tin vẫn bỏ ngỏ. Đây là điểm căng giữa hai tuyến niềm tin mà nghiên cứu khai thác.
2.3. Nhận thức rủi ro và thẩm định độ tin cậy thông tin
Quyết định chọn trường đòi hỏi đầu tư tài chính lớn và định hình quỹ đạo nghề nghiệp. Pavlou (2003) chỉ ra nhận thức rủi ro trong môi trường số mang tính đa chiều, gồm rủi ro thông tin, tâm lý và thời gian; khi nguồn là AI, người dùng còn đối mặt thêm rủi ro về tính xác thực của nội dung do máy tạo ra. Metzger (2007) cho rằng, người dùng thẩm định độ tin cậy thông tin trực tuyến qua tín hiệu bề mặt như thiết kế, giao diện và tín hiệu sâu như chất lượng lập luận, trích dẫn. Park & cộng sự (2018) và Ng. & cộng sự (2024) bổ sung hiểu biết về công nghệ điều tiết quá trình này, bởi người hiểu AI nhiều hơn thường đặt câu hỏi nhiều hơn về tính chính xác và công bằng. Như vậy, học sinh và phụ huynh không thụ động tiếp nhận mà chủ động thẩm định qua lăng kính rủi ro và hiểu biết cá nhân.
2.4. Bằng chứng thực nghiệm về AI trong giáo dục đại học
Kuhail & cộng sự (2022) qua tổng quan hệ thống cho thấy, chatbot cải thiện khả năng tiếp cận thông tin và giảm tải tư vấn, nhưng phần lớn nghiên cứu tập trung vào hiệu quả kỹ thuật hơn là trải nghiệm niềm tin. Sáiz-Manzanares & cộng sự (2023) phát hiện sinh viên đánh giá cao tốc độ phản hồi của chatbot, song vẫn ưu tiên cố vấn con người khi gặp vấn đề phức tạp hoặc nhạy cảm. Rana & cộng sự (2024) cho thấy, chatbot tuyển sinh làm tăng ý định tìm hiểu nhưng không nhất thiết làm tăng ý định ghi danh, còn Chan & cộng sự (2023) ghi nhận người học chỉ chấp nhận AI như công cụ tra cứu chứ không như người tư vấn. Các bằng chứng này cho thấy người dùng chấp nhận AI ở khâu thông tin nhưng chững lại ở khâu quyết định; song cơ chế tâm lý đằng sau, đặc biệt vai trò của sự đồng cảm, vẫn chưa được làm rõ.
2.5. Khoảng trống đồng cảm và bối cảnh Việt Nam
Đồng cảm, khả năng thấu hiểu và chia sẻ cảm xúc, từ lâu được xem là yếu tố trung tâm trong giao tiếp thuyết phục và xây dựng niềm tin. Pelau & cộng sự (2021) lập luận AI có thể mô phỏng đồng cảm qua ngôn ngữ, nhưng người dùng vẫn cảm nhận một khác biệt về chất so với đồng cảm thực sự, điều mà Liu-Thompkins & cộng sự (2022) gọi là khoảng trống đồng cảm. Blut & cộng sự (2021) qua phân tích tổng hợp xác nhận yếu tố ấm áp và tương tác xã hội tác động đến sự hài lòng với dịch vụ AI rõ hơn năng lực thuần túy. Trong tuyển sinh, quyết định chạm đến lo lắng về tương lai và kỳ vọng gia đình, nên khoảng trống đồng cảm có thể là rào cản trung tâm ngăn niềm tin vào AI trở nên trọn vẹn. Bối cảnh TP. Hồ Chí Minh làm sắc nét khoảng trống này, bởi văn hóa tập thể khiến quyết định chọn trường có sự tham gia của cả gia đình. Srite & Karahanna (2006) chỉ ra các giá trị văn hóa mà cá nhân theo đuổi, trong đó có tính tập thể, điều tiết mức độ ảnh hưởng của chuẩn mực xã hội đến việc chấp nhận công nghệ. Ở nơi tính tập thể cao, sự xác nhận từ người thân có sức nặng lớn hơn. Chính tổ hợp rủi ro cao, cạnh tranh gay gắt và văn hóa tập thể biến thành phố thành bối cảnh lý tưởng để khám phá cơ chế niềm tin trong tuyển sinh.
3. Phương pháp nghiên cứu
Để khám phá chiều sâu nhận thức, cảm xúc và cách lý giải của học sinh và phụ huynh về nội dung tuyển sinh do AI hỗ trợ, nghiên cứu áp dụng thiết kế định tính với phỏng vấn sâu bán cấu trúc làm công cụ chính. Cách tiếp cận này phù hợp khi mục tiêu là tìm hiểu ý nghĩa cá nhân gán cho hiện tượng, thay vì đo lường tần suất. Trong mỗi cuộc phỏng vấn, người nghiên cứu đưa ra một số mẫu nội dung tuyển sinh do AI tạo ra, như đoạn hội thoại chatbot hay thư điện tử cá nhân hóa, làm chất liệu gợi mở để đáp viên kể lại trải nghiệm và bộc lộ cách họ đánh giá độ tin cậy. Nhờ đó, nghiên cứu nắm bắt được quá trình thẩm định đa chiều, thường chứa mâu thuẫn nội tại.
Bài viết nghiên cứu chọn mẫu có mục đích phân tầng, gồm hai mươi người tại TP. Hồ Chí Minh, chia ba nhóm để tam giác hóa góc nhìn. Nhóm 1, gồm 8 học sinh lớp 12, đa dạng giữa trường chuyên và trường thường, công lập và tư thục. Nhóm 2, gồm 8 phụ huynh có con học lớp 12, đa dạng về độ tuổi, nghề nghiệp và mức độ rành công nghệ. Nhóm 3, gồm 4 chuyên gia và cán bộ tuyển sinh đại học nhằm đối chiếu góc nhìn từ phía nhà trường. Mẫu được phân tầng theo mức tiếp xúc trước đó với công cụ tuyển sinh AI và mức cảm nhận rủi ro, nhằm bảo đảm đa dạng trải nghiệm; quá trình thu thập và phân tích tuân thủ nguyên tắc bão hòa dữ liệu.
Mỗi cuộc phỏng vấn kéo dài từ 45 – 60 phút, được ghi âm với sự đồng ý và chuyển thành văn bản. Nhóm nghiên cứu phân tích dữ liệu theo quy trình phân tích chủ đề phản tư sáu bước của Braun & Clarke (2006), gồm làm quen dữ liệu, tạo mã quy nạp, tổ chức thành chủ đề tiềm năng, rà soát, định nghĩa và viết báo cáo. Quy trình này cho phép các chủ đề trồi lên tự nhiên thay vì bị áp đặt. Tính xác đáng dựa trên bốn tiêu chí của Lincoln & Guba (1985). Tín nhiệm được củng cố qua tam giác hóa ba nhóm nguồn dữ liệu và chiến lược phân tích ca phản chứng. Khả chuyển nhờ mô tả dày về bối cảnh. Khả tín và khả xác nhận nhờ nhật ký kiểm toán và thực hành phản tư liên tục về tiền giả định của người nghiên cứu.
4. Kết quả nghiên cứu và thảo luận
Phân tích dữ liệu từ hai mươi cuộc phỏng vấn làm nổi ba chủ đề lớn, phản ánh một quá trình thẩm định có tầng bậc, trải từ cách nhận diện AI, qua sự giằng co giữa tiện lợi và niềm tin, đến chiến lược hành vi để giảm rủi ro. Ba chủ đề được trình bày kèm minh chứng và phân tích lý giải ngay sau mỗi phát hiện.
4.1. Sự phân hóa trong nhận thức về AI
Phát hiện đầu tiên là khoảng cách rõ rệt trong khả năng nhận diện nội dung do AI tạo ra. Học sinh nhận ra AI gần như tức thời và xem đó là công cụ tra cứu quen thuộc, trong khi nhiều phụ huynh khó phân biệt đâu là nội dung do máy viết và đâu là do một chuyên viên tư vấn thực sự soạn.
“Con nhìn là biết ngay đoạn tư vấn đó do chatbot trả lời, vì nó trả lời nhanh quá và câu nào cũng trơn tru giống nhau. Con coi nó như Google phiên bản biết nói thôi” (Học sinh, nam, trường chuyên).
Tuy nhiên, khoảng cách này không hoàn toàn trùng với ranh giới thế hệ. Một số phụ huynh làm trong lĩnh vực công nghệ nhận diện AI nhạy bén không kém học sinh cho thấy, yếu tố quyết định là vốn kinh nghiệm số chứ không phải tuổi tác.
“Tôi làm phần mềm nên đọc là biết ngay giọng văn của máy. Tôi còn thử hỏi vặn vài câu để xem nó bịa tới đâu” (Phụ huynh, nam, 41 tuổi, ngành công nghệ thông tin).
Ca ngoại lệ này giúp tinh chỉnh cách lý giải. Nhận thức về AI phụ thuộc vào vốn kinh nghiệm số chứ không thuần theo thế hệ. Với người nhận diện được AI, việc biết rõ nguồn máy làm giảm kỳ vọng cảm xúc và họ chỉ dùng AI cho mục đích thông tin. Ngược lại, với phụ huynh không nhận ra nguồn máy, một rủi ro ngầm nảy sinh. Họ gán cho nội dung mức độ tin cậy vốn chỉ dành cho con người, để rồi hụt hẫng khi phát hiện bản chất thuật toán. Khoảng cách nhận diện này định khung cho cách mỗi nhóm thẩm định ở những bước sau.
4.2. Xung đột giữa tính tiện lợi và niềm tin
Chủ đề thứ hai bộc lộ một mâu thuẫn nội tại ở cả ba nhóm. Người tham gia thừa nhận AI phản hồi rất nhanh và luôn sẵn sàng, một tiện ích thực sự trong mùa cao điểm, nhưng đi kèm là sự hoài nghi sâu về độ chính xác và quan trọng hơn là về khả năng thấu hiểu.
“Nó tiện thật, nửa đêm con thắc mắc gì cũng hỏi được. Nhưng có lần nó báo sai chỉ tiêu ngành con định thi, may mà con hỏi lại thầy. Từ đó con không dám tin hẳn” (Học sinh, nữ, trường công lập).
“Chúng tôi thấy rõ phụ huynh vẫn muốn gặp người thật ở khâu cuối. Chatbot giải quyết được câu hỏi lặp đi lặp lại, nhưng gia đình cần một người đứng ra cam kết” (Cán bộ tuyển sinh).
Ở đây, tính tiện lợi thuộc về tuyến nhận thức, còn niềm tin trọn vẹn lại thuộc về tuyến cảm xúc. Người dùng chấp nhận AI vì tốc độ và khả năng cá nhân hóa, nhưng chững lại khi cảm nhận rằng máy không thể chia sẻ nỗi lo cụ thể của họ. Khoảng trống đồng cảm này không làm AI bị chối bỏ, nhưng khiến niềm tin dừng lại ở mức có điều kiện. Người dùng tin AI đủ để tham khảo, nhưng chưa đủ để giao phó quyết định.
4.3. Hành vi xác thực chéo và chiến lược đối phó
Chủ đề thứ ba cho thấy, người dùng không thụ động mà phát triển những chiến lược chủ động để giảm rủi ro. Nổi bật nhất là hành vi xác thực chéo. Người dùng dùng AI để sàng lọc thông tin ban đầu, rồi kiểm chứng lại bằng kênh con người trước khi quyết định.
“Con hỏi AI để có cái nhìn tổng quan, biết trường nào có ngành gì. Nhưng quyết định cuối thì con phải đi ngày hội tuyển sinh, gặp anh chị khóa trên hỏi cho chắc” (Học sinh, nam, trường tư thục).
Cán bộ tuyển sinh cũng quan sát thấy, chính nhịp cầu con người này ở khâu cuối.
“Nhiều em nhắn chatbot cả tháng, nhưng tới lúc chốt nguyện vọng thì phụ huynh vẫn dẫn con tới gặp chúng tôi cho chắc. Gia đình muốn nghe một người cam kết” (Cán bộ tuyển sinh).
Đáng chú ý, không phải ai cũng xác thực chéo ở mức như nhau. Một vài học sinh hiểu công nghệ và cảm nhận rủi ro thấp gần như quyết định chỉ dựa trên thông tin từ AI, chỉ kiểm tra lại rất ít. Ngoại lệ này gợi ý rằng, khi hiểu biết về AI đủ cao và rủi ro cảm nhận đủ thấp, nhu cầu xác nhận từ con người có thể giảm cho thấy, niềm tin có điều kiện là một phổ chứ không phải trạng thái tuyệt đối. Ngoài ra, hành vi xác thực chéo mang dấu ấn văn hóa tập thể rõ nét. Quyết định chọn trường hiếm khi là của riêng học sinh, mà là kết quả thương lượng trong gia đình, nơi phụ huynh đóng vai trò bộ lọc hoài nghi kéo cả nhà quay về kênh chính thức. Ba chủ đề, do đó, hợp thành một mạch thống nhất. Phân hóa nhận thức định hình kỳ vọng, xung đột tiện lợi và niềm tin tạo ra điểm chững, còn xác thực chéo là cách vượt qua điểm chững đó. Xuyên suốt mạch này, khoảng trống đồng cảm nổi lên như cơ chế trung tâm khiến niềm tin dừng ở trạng thái có điều kiện. Đây là cách lý giải khớp nhất với dữ liệu hai mươi cuộc phỏng vấn, chứ chưa phải một quan hệ nhân quả đã được kiểm định.
5. Kiến nghị và hàm ý quản trị
Kết quả nghiên cứu không chỉ cho thấy mức độ chấp nhận của học sinh và phụ huynh đối với nội dung tuyển sinh do AI hỗ trợ mà quan trọng hơn còn chỉ ra cơ chế hình thành niềm tin và cách người dùng phản ứng khi AI tham gia vào quá trình tư vấn tuyển sinh. Giá trị nổi bật của nghiên cứu là xác định được ranh giới giữa những nội dung mà người dùng sẵn sàng giao cho AI và những nội dung mà họ vẫn muốn có sự tham gia của con người. Từ đó, một số hàm ý quản trị được đề xuất như sau.
Thứ nhất, chuyển từ tư duy “AI thay thế tư vấn” sang mô hình “AI hỗ trợ tư vấn”. Nghiên cứu cho thấy học sinh và phụ huynh chấp nhận AI khá tốt ở những nội dung có tính thông tin, lặp lại và cần phản hồi nhanh, nhưng mức độ tin tưởng giảm khi câu hỏi liên quan đến định hướng cá nhân và quyết định quan trọng. Vì vậy, giá trị của AI trong tuyển sinh không nằm ở việc thay thế hoàn toàn cán bộ tư vấn mà ở khả năng mở rộng khả năng tiếp cận thông tin. Nhà trường nên phân định rõ chức năng của AI và con người: AI xử lý thông tin cơ bản, con người đảm nhiệm tư vấn chuyên sâu, giải thích các trường hợp đặc biệt và hỗ trợ quyết định cuối cùng.
Thứ hai, xây dựng cơ chế quản trị niềm tin đối với nội dung AI. Kết quả nghiên cứu chỉ ra rằng người dùng không đồng nhất tính tiện lợi với độ tin cậy. Một nội dung được phản hồi nhanh và trình bày chuyên nghiệp chưa đủ để tạo niềm tin nếu người dùng nghi ngờ nguồn gốc hoặc tính chính xác của thông tin. Do đó, các trường cần xây dựng cơ chế kiểm soát nội dung trước và trong quá trình AI vận hành. Các thông tin nhạy cảm như học phí, chỉ tiêu, phương thức xét tuyển, điều kiện nhập học và thời hạn đăng ký cần được liên kết với dữ liệu chính thức và cập nhật thường xuyên. Đồng thời, nhà trường cần có quy trình kiểm tra các câu trả lời của AI để hạn chế tình trạng cung cấp thông tin sai hoặc đã lỗi thời.
Thứ ba, minh bạch hóa sự tham gia của AI trong truyền thông tuyển sinh. Một phát hiện đáng chú ý là một số phụ huynh không nhận biết mình đang tương tác với AI và chỉ thay đổi đánh giá sau khi phát hiện nguồn thông tin là máy. Điều này cho thấy vấn đề không chỉ nằm ở độ chính xác của nội dung mà còn ở kỳ vọng của người dùng đối với chủ thể giao tiếp. Vì vậy, nhà trường nên thông báo rõ khi nội dung hoặc tư vấn được AI hỗ trợ, đồng thời cung cấp ngay kênh xác minh chính thức. Minh bạch về nguồn thông tin có thể giúp người dùng hình thành kỳ vọng phù hợp, giảm cảm giác bị đánh lừa và tạo nền tảng cho niềm tin bền vững hơn.
Thứ tư, thiết kế cơ chế chuyển tiếp từ AI sang con người tại các “điểm chạm niềm tin”. Nghiên cứu cho thấy xác thực chéo là một chiến lược phổ biến để giảm rủi ro. Học sinh thường sử dụng AI để tìm hiểu ban đầu nhưng chuyển sang hỏi giáo viên, phụ huynh, sinh viên khóa trên hoặc cán bộ tuyển sinh trước khi đưa ra quyết định. Đây không nên được xem là sự thất bại của AI mà là một hành vi cần được tích hợp vào thiết kế hệ thống. Chatbot tuyển sinh nên có khả năng nhận diện những câu hỏi phức tạp hoặc có mức độ nhạy cảm cao và chủ động chuyển người dùng sang cán bộ tư vấn. Mô hình “AI trước, con người sau” sẽ giúp rút ngắn quá trình tìm kiếm thông tin nhưng vẫn bảo đảm sự an tâm ở giai đoạn quyết định.
Thứ năm, thu hẹp khoảng trống đồng cảm bằng cách thiết kế AI theo hướng lấy người dùng làm trung tâm. Kết quả nghiên cứu cho thấy hạn chế lớn nhất của AI không nhất thiết là tốc độ hay khả năng cung cấp thông tin mà là cảm giác “không thực sự hiểu người dùng”. Vì vậy, các trường cần phát triển nội dung và kịch bản hội thoại theo hướng nhận diện được nhu cầu, mối quan tâm và bối cảnh của từng nhóm người dùng. Tuy nhiên, việc mô phỏng sự đồng cảm không nên nhằm tạo ấn tượng rằng AI có cảm xúc như con người. Thay vào đó, AI cần được thiết kế để nhận biết khi nào người dùng cần được lắng nghe và khi nào cần chuyển sang tương tác trực tiếp với con người.
Thứ sáu, xây dựng năng lực thẩm định thông tin AI cho cả học sinh và phụ huynh. Hành vi xác thực chéo được phát hiện trong nghiên cứu cho thấy người dùng đã hình thành những chiến lược tự bảo vệ trước rủi ro thông tin. Nhà trường có thể chuyển đặc điểm này thành một năng lực số cần được hướng dẫn có hệ thống. Các chương trình tư vấn tuyển sinh nên cung cấp cho học sinh và phụ huynh kỹ năng nhận diện nội dung AI, kiểm tra nguồn thông tin, đối chiếu với website và văn bản tuyển sinh chính thức, đồng thời nhận biết những trường hợp không nên sử dụng AI làm nguồn quyết định duy nhất.
Thứ bảy, thay đổi cách đánh giá hiệu quả của AI trong tuyển sinh. Từ các phát hiện của nghiên cứu, số lượt truy cập, số câu hỏi được chatbot xử lý hoặc tốc độ phản hồi không nên là những tiêu chí duy nhất để đánh giá hiệu quả. Nhà trường cần bổ sung các chỉ số về độ chính xác của thông tin, mức độ tin cậy, sự hài lòng, tỷ lệ chuyển tiếp thành công sang tư vấn viên và mức độ giảm nhu cầu xác thực lại thông tin. Quan trọng hơn, cần đánh giá liệu AI có thực sự giúp học sinh và phụ huynh đưa ra quyết định tuyển sinh sáng suốt hơn hay chỉ làm tăng lượng thông tin mà họ tiếp nhận.
Từ những hàm ý trên, nghiên cứu đề xuất một mô hình giá trị “AI – Tin cậy – Con người” trong truyền thông tuyển sinh đại học. Theo đó, AI tạo giá trị trước hết thông qua khả năng cung cấp thông tin nhanh, thuận tiện và cá nhân hóa; niềm tin được hình thành thông qua tính chính xác, minh bạch và khả năng kiểm chứng; trong khi con người giữ vai trò hoàn thiện trải nghiệm tại những điểm mà AI khó đáp ứng về đồng cảm và trách nhiệm tư vấn. Giá trị thực sự của AI trong tuyển sinh vì thế không nằm ở mức độ tự động hóa cao nhất mà ở khả năng kết hợp đúng lúc giữa hiệu quả của công nghệ và giá trị của tương tác con người. Đây cũng là đóng góp quản trị quan trọng của nghiên cứu đối với các trường đại học đang triển khai AI trong hoạt động tuyển sinh và truyền thông giáo dục.
6. Kết luận
Bài viết đã chỉ rõ việc khám phá cách học sinh và phụ huynh TP. Hồ Chí Minh tiếp nhận nội dung tuyển sinh đại học do AI hỗ trợ, dưới khung giao tiếp trung gian AI, đó là sự đón nhận có chọn lọc và cẩn trọng. Người dùng chấp nhận AI ở tuyến nhận thức nhờ tốc độ và khả năng cá nhân hóa nhưng chững lại ở tuyến cảm xúc khi cảm nhận khoảng trống đồng cảm, để rồi tìm xác nhận từ con người ở khâu quyết định. Đóng góp của bài viết chỉ ra cơ chế đằng sau, được vận hành trong một bối cảnh văn hóa tập thể, nơi quyết định thuộc về cả gia đình chứ không riêng cá nhân. Tuy chưa thể đại diện cho toàn bộ học sinh và phụ huynh với quy mô rộng nhưng cũng đã đạt điểm bão hòa dữ liệu cho thiết kế định tính. Vì vậy, hướng tiếp theo có thể triển khai thiết kế định lượng trên diện rộng để kiểm định mô hình niềm tin có điều kiện hoặc so sánh với các quyết định rủi ro thấp hơn.
Tài liệu tham khảo:
Blut, M., Wang, C., Wünderlich, N. V., & Brock, C. (2021). Understanding anthropomorphism in service provision: A meta-analysis of physical robots, chatbots, and other AI. Journal of the Academy of Marketing Science, 49(4), 632–658.
Bộ Giáo dục và Đào tạo (2024). Thống kê đăng ký, trúng tuyển và xác nhận nhập học đại học năm 2024. Hệ thống hỗ trợ tuyển sinh chung.
Bộ Giáo dục và Đào tạo (2025). Thống kê đăng ký nguyện vọng xét tuyển đại học, cao đẳng năm 2025. Hệ thống hỗ trợ tuyển sinh chung.
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43.
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660.
Hancock, J. T., Naaman, M., & Levy, K. (2020). AI-mediated communication: Definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, 25(1), 89–100.
Kuhail, M. A., Alturki, N., Alramlawi, S., & Alhejori, K. (2022). Interacting with educational chatbots: A systematic review. Education and Information Technologies, 28, 973–1018.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Sage Publications.
Liu-Thompkins, Y., Okazaki, S., & Li, H. (2022). Artificial empathy in marketing interactions: Bridging the human-AI gap in affective and social customer experience. Journal of the Academy of Marketing Science, 50(6), 1198–1218.
McKnight, D. H., Choudhury, V., & Kacmar, C. (2002). Developing and validating trust measures for e-commerce: An integrative typology. Information Systems Research, 13(3), 334–359.
Metzger, M. J. (2007). Making sense of credibility on the web: Models for evaluating online information and recommendations for future research. Journal of the American Society for Information Science and Technology, 58(13), 2078–2091.
Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the AI literacy questionnaire. Computers & Education, 212, 105017.
Park, S., Tussyadiah, I. P., & Mazmanyan, M. (2018). Multidimensional facets of perceived risk in mobile travel booking. Journal of Travel Research, 57(7), 977–992.
Pavlou, P. A. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model. International Journal of Electronic Commerce, 7(3), 101–134.
Pelau, C., Dabija, D.-C., & Ene, I. (2021). What makes an AI device human-like? The role of interaction quality, empathy and perceived psychological anthropomorphic characteristics. Computers in Human Behavior, 122, 106855.
Pelau, C., Dabija, D.-C., & Stanescu, M. (2024). Can I trust my AI friend? The role of emotions, feelings of friendship and trust for consumers’ information-sharing behavior toward AI. Journal of Consumer Behaviour, 23(3), 1344–1357.
Sáiz-Manzanares, M. C., Marticorena-Sánchez, R., Martín-Antón, L. J., González Díez, I., & Almeida, L. (2023). Perceived satisfaction of university students with the use of chatbots as a tool for self-regulated learning. Heliyon, 9(1).
Srite, M., & Karahanna, E. (2006). The role of espoused national cultural values in technology acceptance. MIS Quarterly, 30(3), 679–704.
Rana, M. M., Siddiqee, M. S., Sakib, M. N., & Ahamed, M. R. (2024). Assessing AI adoption in developing country academia: A trust and privacy-augmented UTAUT framework. Heliyon, 10(15).
