Chia sẻ chuyên mục Đề Tài Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo hay nhất năm 2025 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài: Các nhân tố ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo của học viên, sinh viên trường đại học Ngân hàng TP. HCM dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
3.1. Quy trình nghiên cứu
Tác giả sử dụng phương pháp nghiên cứu kết hợp định tính và định lượng, công trình này được hoàn thiện qua các bước nghiên cứu như sau:
3.1.1 Nghiên cứu định tính
Phương pháp định tính là phương pháp khoa học sử dụng dữ liệu phi số để khám phá, mô tả và phân tích những sự kiện xã hội, yếu tố văn hóa và con người.
Nghiên cứu định tính trong luận văn này để hiểu rõ hơn cách mọi người suy nghĩ, cảm nhận và hành động trong bối cảnh tự nhiên thông qua phỏng vấn, quan sát và thảo luận cùng các nhóm chuyên môn và chuyên gia nhằm hiểu rõ hơn về các yếu tố có khả năng tác động đến ý định sử dụng AI của học viên, sinh viên trường Đại học Ngân hàng TP. HCM. Qua đó, có thể phát triển các chương trình đào tạo và giáo dục tối ưu hơn, khuyến khích áp dụng AI vào học tập, làm việc theo cách có trách nhiệm và hiệu quả. Song song đó là tìm kiếm cơ hội để khám phá những quan điểm mới.
Trên cơ sở lược khảo các nghiên cứu trong và ngoài nước có liên quan đến đề tài, tác giả đã xây dựng mô hình lý thuyết thể hiện các nhân tố có tác động đến ý định sử dụng AI của học viên, sinh viên trường Đại học Ngân hàng TP. HCM, mỗi yếu tố gồm có nhiều biến quan sát được tham khảo và trích nguồn từ các tác giả trước đây, sau đó tùy chỉnh cho hợp lý với đối tượng và phạm vi của nghiên cứu này. Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
Nhằm có được cái nhìn chuyên sâu và đa chiều về những yếu tố có tác động đến việc ứng dụng AI trong học tập và làm việc ở TP. Hồ Chí Minh, TP. Biên Hòa, Bình Dương và các tỉnh thành lân cận, đề tài nghiên cứu này tiến hành tổ chức các buổi thảo luận nhóm chuyên môn (có 14 chuyên gia giàu kinh nghiệm về lĩnh vực này).
Đối tượng tham gia bao gồm giảng viên, giám đốc, trưởng bộ phận và nhân viên đại diện cho các phòng ban khác nhau của công ty. Các chuyên gia sẽ tham gia thành những nhóm thảo luận nhỏ, mỗi nhóm có tối thiếu là 3 và tối đa là 5 thành viên. Mục đích của buổi thảo luận là để đánh giá và hiệu chỉnh những câu hỏi khảo sát cho thích hợp với việc đánh giá nhân tố khảo sát. Từ đó xây dựng bảng khảo sát.
Các chuyên gia sẽ thảo luận trên năm nhân tố có ảnh hưởng đến ý định sử dụng AI của học viên, sinh viên trường Đại học Ngân hàng TP. HCM bao gồm: ảnh hưởng xã hội, nhận thức sự dễ dàng sử dụng, kỳ vọng kết quả thực hiện, sự thuận tiện và nhận thức sự hữu ích.
- Các cuộc thảo luận, trao đổi với chuyên gia bao gồm:
Bảng 3.1: Trao đổi với chuyên gia
Kết quả nghiên cứu định tính thông qua thảo luận nhóm đạt được là các chuyên gia hoàn toàn đồng ý với các khái niệm về ý định chấp nhận công nghệ cũng như mô hình và các thang đo được đề xuất.
3.1.2 Nghiên cứu định lượng Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
Sau khi thu thập ý kiến chuyên sâu từ các chuyên gia giàu kinh nghiệm, bước nghiên cứu định lượng được thực hiện nhằm khảo sát và thu thập mẫu. Qua đó, mục tiêu là thu thập dữ liệu đại diện cho ý định sử dụng AI của đối tượng luận văn này.
Khác với nghiên cứu định tính mang tính chất khám phá, nghiên cứu này sử dụng cách khảo sát trên không gian rộng hơn, với mẫu khảo sát được tạo ra dựa trên kết quả thu được từ thảo luận nhóm chuyên sâu. Bảng câu hỏi bao gồm các câu hỏi đo lường mức độ ảnh hưởng của từng nhân tố có tác động đến ý định sử dụng AI trong học tập và làm việc, được điều chỉnh và bổ sung dựa trên ý kiến của các chuyên gia.
Đối tượng khảo sát là 320 người học (sinh viên và học viên) đang tham gia các khóa học ở trường Đại học Ngân hàng TP.HCM, được lựa chọn ngẫu nhiên đảm bảo tính đại diện cho các ngành học, khóa học và hình thức đào tạo. Sau khi thu thập dữ liệu, công việc sàn lọc để bỏ đi những phiếu khảo sát thiếu sót, không hợp lệ, đảm bảo chất lượng dữ liệu cho phân tích.
Để khảo sát diễn ra hiệu quả và toàn diện, đề tài đã sử dụng phỏng vấn trực tiếp và khảo sát qua email.
Kết quả dữ liệu có được từ cả hai cách trên sau đó được phân tích bằng SPSS 20.0 – phần mềm thống kê. SPSS là công cụ mạnh mẽ cho phép thực hiện nhiều phân tích thống kê khác nhau, bao gồm:
Phân tích thống kê mô tả: Tóm tắt dữ liệu bằng những thống kê cơ bản như trung bình, tần số,…
Phân tích hệ số Cronbach’s Alpha: Kiểm tra độ tin cậy của các biến trong MHNC.
Phân tích EFA: Các biến có mối tương quan cao được phân nhóm với nhau nhằm xác nhận các yếu tố tiềm có khả năng tác động đến ý định sử dụng AI.
Phân tích hồi quy: Xác định mối quan hệ giữa các biến, bao gồm cả các nhân tố ảnh hưởng đến ý định sử dụng AI.
3.2. Xây dựng thang đo cho các nhân tố trong mô hình Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
Tiếp nối phần nghiên cứu lý thuyết và tham khảo các công trình liên quan, luận văn tiến hành đề suất và hoàn thiện thang đo đánh giá các nhân tố trong MHNC. Thang đo này đã được điều chỉnh dựa trên kết quả nghiên cứu định tính trong giai đoạn nghiên cứu sơ bộ.
Cụ thể, 5 nhóm nhân tố được đo lường bằng thang đo Likert 5 mức, dao động từ 1 đến 5 xếp theo mức độ từ rất không đồng ý đến rất đồng ý.
Bảng 3.2: Câu hỏi khảo sát
3.3.1. Phương pháp chọn mẫu
Theo Nguyễn Đình Thọ (2013), số biến quan sát tối thiểu trong nghiên cứu bằng số biến quan sát nhân 5 tương đương với 29 câu hỏi đối với MHNC, ta cần có ít nhất 145 quan sát. Do đã lấy được 320 mẫu thông qua bảng phỏng vấn trực tiếp và online, số lượng này đã đáp ứng về quy mô mẫu cho phép tiến hành phân tích.
Phương pháp chọn mẫu ngẫu nhiên đơn giản được thực hiện để thu thập dữ liệu từ 320 đối tượng khảo sát. Phương pháp này được lựa chọn vì tính đơn giản, dễ tiếp cận và tiết kiệm chi phí và có thể đại diện được cho tổng thể.
Để lấy đủ dữ liệu, một khảo sát đã được triển khai từ tháng 4 đến tháng 5 năm 2024. Phương pháp sử dụng là gửi mẫu và phỏng vấn trực tiếp 320 đối tượng mục tiêu. Sau khi thu thập đầy đủ, dữ liệu sẽ được làm sạch và đưa vào phân tích.
3.3.2. Phương pháp xử lý số liệu Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
- Các phương pháp phân tích cụ thể như sau:
Đánh giá độ tinh cậy bằng hệ số Cronbach’s Alpha: để đảm bảo thang đo khảo sát đem lại kết quả chính xác, phản ánh đúng thực tế, ta cần đánh giá độ tin cậy của thang đo. Cronbach’s Alpha chính là thước đo tin cậy thường được sử dụng trong nghiên cứu. Nó chỉ ra mức độ thống nhất nội bộ của thang đo, thể hiện mức độ tương quan giữa các câu hỏi trong thang đo (từ 3 câu hỏi trở lên). Giá trị Cronbach’s Alpha nằm trong khoảng từ 0 đến 1. Thang đo được đánh giá là có độ tin cậy chấp nhận được khi hệ số Cronbach’s Alpha đạt từ 0.6 trở lên và tương quan biến tổng không nhỏ hơn 0.3. Về lý thuyết, hệ số này càng cao, độ tin cậy của thang đo càng tốt. Tuy nhiên, cần lưu ý rằng nếu Cronbach’s Alpha quá lớn (trên 0.95) có thể cho thấy hiện tượng trùng lắp trong thang đo, nghĩa là các câu hỏi trong thang đo có nội dung quá giống nhau, dẫn đến thiếu tính độc lập theo Nguyễn Đình Thọ (2013).
Phân tích nhân tố khám phá (EFA): Sau khi đảm bảo độ tin cậy của các thang đo trong mô hình nghiên cứu bằng hệ số Cronbach’s Alpha, bước tiếp theo là kiểm tra giá trị hội tụ và phân biệt của thang đo thông qua phương pháp phân tích nhân tố khám phá (EFA). EFA là một kỹ thuật thống kê đa biến nhằm xác định cấu trúc tiềm ẩn của một tập dữ liệu, giúp rút gọn số lượng biến quan sát thành một số ít các biến tiềm ẩn (gọi là nhân tố) có khả năng giải thích phần lớn phương sai của dữ liệu. Mỗi nhân tố được xem như đại diện cho một nhóm biến quan sát có chung mối liên hệ. Việc biết được các nhân tố có ý nghĩa sẽ giúp đơn giản hóa mô hình nghiên cứu, đồng thời tăng cường sức mạnh giải thích và dự đoán của mô hình. Tuy nhiên, để áp dụng phương pháp EFA hữu hiệu, cần số liệu đáp ứng một số điều kiện nhất định. Một trong những điều kiện quan trọng là ma trận tương quan giữa các biến quan sát phải có khả năng phân tích nhân tố. Điều này được đánh giá thông qua hai chỉ số chính là KMO (Kaiser-Meyer-Olkin) và Bartlett’s. Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
Kiểm định Bartlett: Kiểm định Bartlett’s kiểm tra giả thuyết về tính cầu của ma trận tương quan. Nếu giá trị p-value của kiểm định Bartlett nhỏ hơn 0.05, có thể kết luận rằng ma trận tương quan có tính cầu, nghĩa là dữ liệu phù hợp với giả định của EFA.
Kiểm định trị số KMO: Trị số KMO đo lường mức độ tương quan giữa các biến quan sát. Giá trị KMO lớn hơn 0.5 cho thấy dữ liệu phù hợp để áp dụng EFA. Ngược lại, nếu KMO nhỏ hơn 0.5, cần xem xét lại việc sử dụng EFA hoặc có thể thực hiện các biện pháp xử lý dữ liệu để cải thiện mức độ tương quan.
Phân tích hồi quy đa biến: Khi kiểm tra độ tin cậy và phân tích EFA để bỏ đi quan sát không phù hợp. Tiếp theo, phương pháp phân tích hồi quy đa biến (MLS Multiple Linear Regression) được dùng, đây là một phương pháp thống kê đa biến được sử dụng để mô tả mối quan hệ giữa một biến phụ thuộc (Y) và nhiều biến độc lập (X1, X2, …, Xn). Mục tiêu là xác định mức độ ảnh hưởng của từng biến độc lập lên biến phụ thuộc, đồng thời xây dựng một mô hình toán học để dự đoán giá trị của biến phụ thuộc dựa trên từng biến độc lập. Trong nghiên cứu này sử dụng phương pháp MLS để xem xét tác động của 5 nhân tố Ảnh hưởng xã hội (Xahoi); Nhận thức sự dễ dàng sử dụng (Dedang); Kỳ vọng kết quả thực hiện (Ketqua); Sự thuận tiện (Thuantien); Nhận thức sự hữu ích (Huuich) lên biến phụ thuộc là Ý định sử dụng (Ydinh).
3.4. Tóm tắt chương 3
Chương này tác giả đã trình bày chi tiết quy trình thực hiện luận văn, bao gồm các bước nghiên cứu và các phương pháp thực hiện. Tác giả đã sử dụng hai phương pháp chính: phương pháp định tính và định lượng. Phương pháp định tính được sử dụng để đánh giá và điều chỉnh thang đo thông qua phỏng vấn chuyên gia, khảo sát ý kiến người sử dụng thang đo… Phương pháp định lượng được sử dụng để phân tích và xử lý dữ liệu nghiên cứu. Luận văn: PPNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo.
Chương tiếp theo sẽ trình bày chi tiết kết quả phân tích dữ liệu nghiên cứu.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Luận văn: KQNC ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo