5.

1 Tóm tắt nội dung nghiên cứu

Dựa vào 2 mô hình lý thuyết là mô hình chấp nhận công nghệ TAM, mô hình chấp
nhận và sử dụng công nghệ UTAUT và 2 lý thuyết về quyền tự quyết SDT, thuyết
khuếch tán đổi mới DOI kết hợp với các công trình nghiên cứu trong và ngoài nước ,
nhóm tác giả đã hình thành nên mô hình nghiên cứu các tác động của AI đến với việc học
của sinh viên trên địa bàn thành phố Hồ Chí Minh gồm: Cá nhân hóa trong học tập
(CNH), Khả năng kiểm soát việc học (KS), Việc học hiệu quả (HQ), Tính tự chủ trong
học tập (CD), Gian lận trong học tập (GL) và yếu tố phụ thuộc Học tập AI (TD). Nhóm
tác giả xin tóm tắt những kết quả chính của đề tài nghiên cứu như sau:

5.1.1 Kết quả đo lường và ý nghĩa

Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng sử dụng
bảng câu hỏi khảo sát trực tuyến thông qua đường link:
https://forms.gle/gGDf9oxAhTTJQ5W37 theo phương pháp thuận tiện, kết quả thu được
420 mẫu trả lời phù hợp trong 410 mẫu khảo sát. Nghiên cứu định lượng thực hiện qua
các bước: kiểm định thang đo (đánh giá độ tin cậy Cronbach’s Alpha và phân tích nhân tố
khám phá EFA). Kiểm định các giả thuyết của phương pháp hồi quy đa biến được thực
hiện trên phần mềm SPSS 20.0.

Các mẫu thu thập được đưa vào phân tích dữ liệu bằng SPSS 20.0 qua đó thang đo
được đánh giá độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA.

Kết quả kiểm định Cronbach’s Alpha cho thấy các biến quan sát đều đạt độ tin
cậy. Hệ số Cronbach’s Alpha của các nhóm biến đều khá cao (đều > 0.8, một vài nhóm
>0.9) nên không có nhóm biến nào bị loại. Kiểm định EFA cho thấy 24 biến rút trích ra
góp phần giải thích sự biến thiên của các biến quan sát, và mô hình hồi quy được xây
dựng có 5 biến độc lập giải thích được 69.4% sự thay đổi của biến phụ thuộc TD nên thỏa
mãn điều kiện theo Gerbing và Anderson (1988). Kết quả EFA cho thấy hệ số Hệ số
KMO bằng 0,839 thoả (0,5 < 0,839 < 1) và hệ số Bartlett’s có mức ý nghĩa quan sát
sig = 0.000 < 0.05 đã khẳng có mối tương quan giữa các biến quan sát với nhau. Ngoài
ra, 5 nhân tố được rút trích tại Eigenvalues là 1.152 (> 1) và phương sai trích đạt
79.781% (> 50%) nên phương sai trích thỏa mãn yêu cầu.

Kết quả phân tích hồi quy đa biến trên 5 thành phần của tác động AI đến việc học
có kết quả như sau: Cá nhân hóa trong học tập (CNH) (β= 0.219), Khả năng kiểm soát
việc học (KS) (β=0.183), Việc học hiệu quả (HQ) (β= 0.121), Tính tự chủ trong học tập
(CD) (β=0.154), Gian lận trong học tập (GL) (β= -0.509), trong đó cá nhân hóa trong học
tập có tác động mạnh nhất. Điều này có thể xem là phù hợp vì hiện nay, nhờ sự phát triển
vượt bật của công nghệ thông tin nói chung và AI nói riêng, đã và đang mở ra những cơ
hội to lớn cho việc cá nhân hóa việc học. Các hệ thống giáo dục thông minh được hỗ trợ
bởi AI có thể phân tích dữ liệu học tập của từng sinh viên, từ đó đưa ra chương trình học
tập phù hợp với năng lực, sở thích và tốc độ học tập của từng người. Việc này giúp sinh
viên có thể tiếp thu kiến thức hiệu quả hơn, từ đó nâng cao chất lượng giáo dục.

5.1.2 Kết quả về sự khác biệt cá nhân đến ý định

Kết quả của phân tích kiểm định trung bình và phương sai cho thấy rằng không có
sự khác biệt đáng kể về tác động của AI đối với việc học tập giữa các nhóm đối tượng,
bao gồm nam và nữ, năm học khác nhau và giữa các đối tượng khảo sát sử dụng nhiều
hình thức công cụ AI cho mục đích học tập. Kết quả này có nghĩa là rằng bất kể yếu tố
nào về giới tính, thời gian học tập hay hình thức sử dụng công cụ AI, các cá nhân đều
chấp nhận tác động của AI đối với quá trình học tập của họ.

5.2 Hàm ý chính sách (tùy theo số lượng biến nhận ở kết quả dữ liệu)

Qua kết quả phân tích hồi quy và bảng thống kê mô tả (phụ lục 2), nghiên cứu đề
xuất một số hàm ý chính sách nhằm nâng cao hiệu quả ứng dụng AI trong giáo dục và tối
ưu hóa tác động tích cực, hạn chế những tác động tiêu cực của AI đến việc học tập của
sinh viên.
 5.2.1 Cá nhân hóa trong học tập (CNH)

Trong 5 yếu tố, yếu tố cá nhân hóa trong học tập là yếu tố tác động mạnh nhất đến
việc học của sinh viên (β= 0.219). Điều này đồng nghĩa với việc sinh viên đánh giá cao
tiềm năng của AI trong việc cá nhân hóa học tập, giúp họ tiếp thu kiến thức hiệu quả hơn.
Có thể nhận thấy rằng, để nâng cao hiệu quả ứng dụng AI trong giáo dục, cần thu thập và
phân tích dữ liệu học tập của sinh viên, bao gồm kết quả học tập, thời gian học tập, phong
cách học tập, sở thích cá nhân,...Từ đó, tận dụng những sự hiểu biết về sinh viên để tạo ra
các nội dung học tập phù hợp với trình độ, sở thích và nhu cầu học tập của từng cá nhân.
Tạo ra một môi trường học tập tương tác và hấp dẫn để sinh viên hứng thú học tập.

5.2.2 Khả năng kiểm soát việc học (KS)

Yếu tố Khả năng kiểm soát việc học là yếu tố tác động mạnh thứ hai (β=0.183),
đóng vai trò quan trọng trong việc nâng cao chất lượng giáo dục và hỗ trợ sinh viên học
tập hiệu quả trong thời đại công nghệ số. Để tối ưu hóa tiềm năng của yếu tố Khả năng
kiểm soát việc học, việc phát triển giao diện người dùng thân thiện và dễ sử dụng đóng
vai trò vô cùng quan trọng để sinh viên có thể dễ dàng tương tác và kiểm soát quá trình
học tập của họ thông qua AI. Ngoài ra, giao diện nên được thiết kế sao cho sinh viên có
thể dễ dàng truy cập vào tài liệu học, bài giảng, bài tập và các công cụ học tập khác. Sinh
viên có thể thiết lập và điều chỉnh lịch trình học tập của mình, chọn thời gian và tốc độ
học tập phù hợp với mình mà không bị ép buộc theo một lịch trình cố định.

5.2.3 Việc học hiệu quả (HQ)

Yếu tố Việc học hiệu quả là yếu tố có tác động tương đối đến việc học của sinh
viên (β= 0.121). Điều này có nghĩa là việc học tập hiệu quả đóng vai trò quan trọng trong
việc thúc đẩy kết quả học tập, tuy nhiên nó không phải là yếu tố quyết định duy nhất. Để
đạt được một môi trường học tập đem lại tác động hiệu quả, AI cần tạo ra nội dung học
tập được tùy chỉnh cho mỗi sinh viên dựa trên trình độ hiện tại. Đa dạng hóa nguồn truy
cập và dữ liệu từ nhiều nguồn khác nhau cũng là biện pháp quan trọng. Sinh viên cần
được truy cập vào một loạt các tài liệu và nguồn thông tin đa dạng như sách, bài báo,
video và tài liệu trực tuyến để phát triển góc nhìn toàn diện về chủ đề học tập. Hơn nữa,
việc cập nhật thường xuyên thông tin mới nhất và khám phá kiến thức mới là rất quan
trọng. Khuyến khích sinh viên đánh giá, xem xét và chọn lọc thông tin kỹ càng để họ có
thể chọn lọc thông tin chính xác và đáng tin cậy từ nguồn dữ liệu phong phú trên Internet
mà AI cung cấp.

5.2.4 Tính tự chủ trong học tập (CD)

Kết quả hồi quy cho thấy yếu tố Tính tự chủ trong học tập cũng có tác động tương
đối đến việc học của sinh viên (β=0.154). Điều này khẳng định rằng việc ứng dụng AI để
hỗ trợ tăng cường tính tự chủ trong học tập cũng có thể thúc đẩy kết quả học tập của sinh
viên một cách hiệu quả. Bằng cách sử dụng các ứng dụng và công cụ AI, sinh viên có thể
nhận được phản hồi tức thì, giúp họ tự chủ hơn trong việc quản lý và điều chỉnh quá trình
học tập của mình. Không chỉ là việc giảm sự phụ thuộc vào sự hướng dẫn của giảng viên,
mà còn là việc phát triển kỹ năng tự học và tự quản lý, bao gồm lập kế hoạch học tập,
quản lý thời gian, tự nghiên cứu và giải quyết vấn đề.

5.2.5 Gian lận trong học tập (GL)

Từ kết quả phân tích hồi quy, có thể thấy rằng yếu tố Gian lận trong học tập là yếu
tố tác động ngược chiều duy nhất (β= -0.509), cho thấy yếu tố này có tác động tiêu cực
đến việc học của sinh viên. Điều này có nghĩa là việc sử dụng AI để gian lận trong học
tập có thể làm giảm kết quả học tập của sinh viên một cách đáng kể. Thay vì sử dụng AI
để gian lận, sinh viên nên tập trung vào việc học tập, rèn luyện kiến thức và kỹ năng thực
tế để có thể đạt được thành công một cách chính đáng. Ngoài ra, nhà trường cần có những
biện pháp để ngăn chặn việc sử dụng AI gian lận trong học tập, giáo dục sinh viên về tầm
quan trọng của việc học tập trung thực và đạo đức, đồng thời xây dựng môi trường học
tập lành mạnh để khuyến khích học tập hiệu quả.