Các nhân tố ảnh hưởng đến hành vi sử dụng AI vào học tập của sinh viên Trường Đại học Kỹ thuật - Công nghệ Cần Thơ

Ngô Anh Tuấn (Tác giả liên hệ)

Trường Đại học Kỹ thuật - Công nghệ Cần Thơ

Email: [email protected]

Mạch Phú Hào, Phạm Hồng Phát, Huỳnh Cảnh Thanh Thanh

Trường Đại học Kỹ thuật - Công nghệ Cần Thơ

Tóm tắt

Nghiên cứu này được thực hiện nhằm phân tích các nhân tố tác động đến hành vi sử dụng AI trong học tập của sinh viên Trường Đại học Kỹ thuật - Công nghệ Cần Thơ. Nghiên cứu sử dụng phương pháp phân tích nhân tố khám phá dựa trên dữ liệu thu thập từ 155 sinh viên. Kết quả phân tích cho thấy 5 nhân tố chính có khả năng tác động đến hành vi sử dụng AI của sinh viên, bao gồm: nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng, chất lượng thông tin, ảnh hưởng xã hội và động lực tinh thần. Qua đó, nghiên cứu cũng đề xuất một số kiến nghị thực tiễn nhằm nâng cao và thúc đẩy hành vi sử dụng AI của sinh viên trong các hoạt động học tập.

Từ khóa: Phương pháp phân tích nhân tố khám phá (EFA), hành vi sử dụng AI, sinh viên, học tập

Abstract

This study was conducted to examine the factors influencing students’ AI usage behavior in learning activities at Can Tho University of Technology. The research employed exploratory factor analysis (EFA) based on data collected from 155 students. The findings reveal five key factors that significantly influence students’ AI usage behavior, including perceived usefulness, perceived ease of use, information quality, social influence, and intrinsic motivation. Based on these results, the study proposes several practical recommendations to enhance and promote students’ adoption and effective use of AI in learning activities.

Keywords: Exploratory factor analysis (EFA), AI usage behavior, students, learning

ĐẶT VẤN ĐỀ

Trên phạm vi toàn cầu, các nghiên cứu đã chỉ ra rằng việc ứng dụng AI trong học tập góp phần nâng cao hiệu quả đào tạo, tăng cường tương tác và hỗ trợ cá nhân hóa quá trình học tập của sinh viên (Dư Thị Chung và cộng sự, 2024), đồng thời lĩnh vực trí tuệ nhân tạo trong giáo dục (AIEd) đã được hình thành và phát triển với nền tảng khoa học vững chắc (Woolf, 2015). Tại Việt Nam, AI và chuyển đổi số giáo dục ngày càng được chú trọng thông qua các định hướng và chính sách quốc gia, trong đó người học giữ vai trò trung tâm.

Tuy nhiên, bên cạnh những lợi ích, việc ứng dụng AI cũng đặt ra các thách thức như nguy cơ phụ thuộc vào công nghệ, ảnh hưởng đến tư duy độc lập và phản biện của sinh viên (Wogu và cộng sự, 2018). Mặc dù vậy, các nghiên cứu hiện nay vẫn còn hạn chế trong việc phân tích các nhân tố cụ thể ảnh hưởng đến hành vi sử dụng AI trong học tập, đặc biệt trong bối cảnh giáo dục đại học tại Việt Nam. Do đó, việc nghiên cứu vấn đề này tại Trường Đại học Kỹ thuật - Công nghệ Cần Thơ là cần thiết nhằm đáp ứng yêu cầu phát triển nguồn nhân lực trong nền kinh tế số.

PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Nghiên cứu được xây dựng trên cơ sở tích hợp các khung lý thuyết nền tảng nhằm giải thích hành vi sử dụng AI trong học tập của sinh viên Trường ĐHKTCNCT. Trong đó, mô hình chấp nhận công nghệ (TAM) của Davis được sử dụng làm nền tảng trung tâm để phân tích vai trò của nhận thức tính hữu ích và nhận thức tính dễ sử dụng đối với hành vi sử dụng AI (Davis, 1989). Đồng thời, Lý thuyết thống nhất chấp nhận và sử dụng công nghệ (UTAUT) của Venkatesh và cộng sự được vận dụng để giải thích tác động của ảnh hưởng xã hội (Venkatesh và cộng sự, 2003). Bên cạnh đó, mô hình thành công của hệ thống thông tin của DeLone và McLean được sử dụng nhằm làm rõ vai trò của chất lượng thông tin đối với hành vi sử dụng AI (DeLone & McLean, 2003). Ngoài ra, Lý thuyết hành vi dự định (TPB) của Ajzen được sử dụng như cơ sở tham chiếu để hỗ trợ giải thích cơ chế hình thành hành vi và xây dựng các giả thuyết nghiên cứu (Ajzen, 1991).

Số liệu và phương pháp nghiên cứu

Dữ liệu

Về cỡ mẫu, kích thước mẫu tối thiểu được xác định dựa trên tỷ lệ giữa số quan sát và số biến quan sát, với mức khuyến nghị là 5:1 (Nguyễn Đình Thọ, 2012). Theo đó, cỡ mẫu tối thiểu cần thiết là 95 quan sát. Nghiên cứu đã tiến hành khảo sát và thu về 185 phiếu trả lời; sau quá trình sàng lọc các phiếu không hợp lệ, còn lại 155 phiếu trả lời hợp lệ từ sinh viên được sử dụng cho phân tích.

Phương pháp phân tích

Nghiên cứu sử dụng phương pháp phân tích nhân tố khám phá (EFA) để xác định các yếu tố tác động đến hành vi sử dụng AI trong học tập của sinh viên Trường Đại học Kỹ thuật - Công nghệ Cần Thơ. Sau đó, tiến hành phân tích hồi quy đa biến để xác định các biến có ảnh hưởng. Mô hình nghiên cứu được tác giả đề xuất như trong Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất, 2026

KẾT QUẢ VÀ THẢO LUẬN

Mô tả mẫu nghiên cứu

Nghiên cứu tiến hành khảo sát 185 sinh viên đang theo học tại Trường Đại học Kỹ thuật - Công nghệ Cần Thơ, trong đó thu được 155 phiếu hợp lệ sau khi sàng lọc. Đặc điểm mẫu nghiên cứu được trình bày chi tiết trong Bảng 1.

Bảng 1: Đặc điểm mẫu nghiên cứu

Nguồn: Kết quả khảo sát sinh viên Trường Đại học Kỹ thuật - Công nghệ Cần Thơ, 2026

Kết quả thống kê mô tả mẫu cho thấy, mẫu nghiên cứu gồm 155 sinh viên, trong đó nữ chiếm tỷ lệ cao hơn (58,7%) so với nam (41,3%). Về khóa học, sinh viên khóa 2022 chiếm tỷ trọng lớn nhất (35,5%), tiếp đến là khóa 2025 (24,5%), trong khi các khóa còn lại phân bố tương đối đồng đều. Xét theo khoa, sinh viên thuộc Khoa Kinh tế - Quản lý công nghiệp chiếm tỷ lệ cao nhất (41,3%), tiếp theo là Khoa Công nghệ thông tin (14,8%) và các khoa khác chiếm tỷ trọng thấp hơn. Về kết quả học tập, phần lớn sinh viên đạt loại giỏi (50,3%), tiếp đến là khá (24,5%) và xuất sắc (23,9%), trong khi tỷ lệ sinh viên có học lực trung bình rất thấp (1,3%). Nhìn chung, mẫu nghiên cứu có sự phân bố tương đối đa dạng về giới tính, khóa học và chuyên ngành. Do đó, mẫu quan sát phù hợp tiếp tục thực hiện nghiên cứu.

Kiểm định độ tin cậy Cronbach’s Alpha

Sau khi tiến hành kiểm định độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha, kết quả cho thấy tất cả các thang đo trong mô hình nghiên cứu đều đáp ứng yêu cầu về độ tin cậy. Cụ thể, các hệ số Cronbach’s Alpha của các nhân tố đều lớn hơn ngưỡng chấp nhận (> 0,6) và các hệ số tương quan biến - tổng của các biến quan sát đều thỏa điều kiện (> 0,3), do đó không có biến quan sát nào bị loại khỏi thang đo. Kết quả nghiên cứu giữ lại 19 biến quan sát thuộc 5 nhân tố của biến độc lập và 4 biến quan sát của biến phụ thuộc liên quan đến hành vi sử dụng AI. Các biến quan sát này tiếp tục được sử dụng để thực hiện phân tích nhân tố khám phá (EFA) trong bước phân tích tiếp theo nhằm đánh giá giá trị hội tụ và giá trị phân biệt của từng thang đo trong nghiên cứu.

Phân tích nhân tố khám phá

Kết quả phân tích EFA cho các biến độc lập cho thấy hệ số KMO đạt 0,896 (> 0,5) và kiểm định Bartlett có Sig. = 0,000 (< 0,05), khẳng định dữ liệu phù hợp để phân tích. Kết quả trích được 5 nhân tố với Eigenvalue = 1,095, tổng phương sai trích đạt 75,191% (> 50%), cho thấy các nhân tố có khả năng giải thích tốt sự biến thiên của dữ liệu và các biến quan sát có sự hội tụ phù hợp.

Bên cạnh đó, kết quả phân tích EFA đối với biến phụ thuộc Hành vi sử dụng AI cho thấy hệ số KMO đạt 0,831 (> 0,5) và kiểm định Bartlett có Sig. = 0,000 (< 0,05), cho thấy dữ liệu phù hợp để phân tích. Kết quả trích được 1 nhân tố với Eigenvalue = 3,094 (> 1), tổng phương sai trích đạt 77,353% (> 50%), cho thấy nhân tố có khả năng giải thích tốt sự biến thiên của dữ liệu.

Phân tích hồi quy

Kiểm định sự phù hợp của mô hình hồi quy

Dựa vào Bảng 2, giá trị kiểm định F của mô hình có mức ý nghĩa Sig. = 0,000 (< 0,05). Điều này cho thấy các biến độc lập đưa vào mô hình có khả năng giải thích sự biến động của biến phụ thuộc. Hệ số R² đạt 0,684 cho thấy mô hình giải thích được 68,4% sự biến thiên của biến phụ thuộc. Ngoài ra, hệ số Durbin-Watson đạt 1,534, cho thấy không có hiện tượng tự tương quan trong phần dư. Do đó, mô hình hồi quy đáp ứng các giả định cần thiết.

Bảng 2: Tổng kết mô hình hồi quy

Nguồn: Kết quả khảo sát sinh viên Trường ĐHKTCNCT, 2026

Kết quả phân tích các hệ số hồi quy

Kết quả cho thấy tất cả các biến độc lập gồm NTHI, NTDD, CLTT, AHXH và DLTT đều có giá trị Sig. < 0,05, chứng tỏ các biến này có ý nghĩa thống kê và ảnh hưởng đến hành vi sử dụng AI vào học tập của sinh viên Trường ĐHKTCNCT. Ngoài ra, kết quả kiểm định đa cộng tuyến cho thấy các giá trị VIF đều nhỏ hơn 2, dao động từ 1,525 đến 1,900. Điều này chứng tỏ không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập, do đó mô hình hồi quy là phù hợp.

Bảng 3: Kết quả phân tích các hệ số hồi quy của mô hình

Ghi chú: ^***: mức ý nghĩa thống kê 1%, ^ns: không có ý nghĩa thống kê

Nguồn: Kết quả khảo sát sinh viên Trường ĐHKTCNCT, 2026

Nhân tố nhận thức tính hữu ích (NTHI) có tác động cùng chiều đến hành vi sử dụng AI của sinh viên. Tuy nhiên, mức độ tác động của nhân tố này thấp hơn so với nghiên cứu của Ashok (2024), Maheshwari (2024), Lê Công Minh và cộng sự (2024), Bùi Thị Thanh & Nguyễn Minh Tuấn (2024).

Nhân tố nhận thức về tính dễ sử dụng (NTDD) tác động cùng chiều đến hành vi sử dụng AI của sinh viên. Công cụ AI với thiết kế đơn giản, dễ sử dụng sẽ giúp sinh viên tập trung vào việc giải quyết vấn đề thay vì tốn thời gian học cách vận hành công cụ. Do đó, nếu các công cụ trí tuệ nhân tạo có giao diện thân thiện, thao tác đơn giản và dễ làm chủ, sinh viên sẽ có xu hướng ứng dụng chúng thường xuyên hơn trong quá trình học tập (Ashok và cộng sự, (2024); Le Cong Minh & cộng sự (2024).

Nhân tố chất lượng thông tin (CLTT) tác động cùng chiều đến hành vi sử dụng AI của sinh viên. Kết quả này tương đối phù hợp với nghiên cứu của Dư Thị Chung và cộng sự (2024). Điều này cho thấy khi thông tin do AI cung cấp đảm bảo tính chính xác, phù hợp và kịp thời, sinh viên sẽ có xu hướng tin tưởng và sử dụng công nghệ này nhiều hơn trong học tập.

Nhân tố ảnh hưởng xã hội (AHXH) tác động cùng chiều đến hành vi sử dụng AI của sinh viên. Những tác động từ bạn bè, giảng viên hoặc xu hướng xã hội cũng góp phần thúc đẩy sinh viên sử dụng AI. Khi môi trường học tập xung quanh khuyến khích hoặc nhiều người sử dụng AI, sinh viên có xu hướng bị ảnh hưởng bởi hành vi sử dụng AI nhiều hơn. Điều này phản ánh rằng hành vi sử dụng AI không chỉ mang tính cá nhân mà còn chịu tác động từ môi trường xã hội xung quanh. Do đó để nâng cao hiệu quả ứng dụng AI, nhà trường cần chú trọng vào việc xây dựng các cộng đồng học tập số và khuyến khích giảng viên đi đầu trong việc lan tỏa các giá trị của công nghệ. Kết quả này tương đồng với nghiên cứu của Tạ Thị Vân (2025).

Nhân tố động lực tinh thần (DLTT) cũng tác động cùng chiều đến hành vi sử dụng AI của sinh viên. Kết quả này gần như tương đồng với nghiên cứu của Dư Thị Chung và cộng sự (2024) hay Lê Công Minh và cộng sự (2024) Việc sử dụng hiệu quả với các công cụ AI không chỉ giúp sinh viên giải quyết các vấn đề trong học tập mà còn củng cố niềm tin vào năng lực bản thân trong kỷ nguyên số hiện nay. Cảm giác có năng lực trong ứng dụng số tạo ra một trạng thái tâm lý tích cực, biến ứng dụng AI trở thành một lựa chọn ưu tiên thường xuyên thay vì chỉ là công cụ mang tính nhất thời. Điều này thúc đẩy sinh viên sinh viên chủ động sử dụng AI vào học tập hơn so với trước đây.

KẾT LUẬN VÀ KIẾN NGHỊ

Nghiên cứu đã đánh giá thực trạng và phân tích các nhân tố ảnh hưởng đến hành vi sử dụng AI trong học tập của sinh viên Trường Đại học Kỹ thuật - Công nghệ Cần Thơ. Kết quả nghiên cứu cho thấy các nhân tố tác động đến hành vi sử dụng AI của sinh viên gồm: (1) Nhận thức về tính hữu ích, (2) Nhận thức về tính dễ sử dụng, (3) Chất lượng thông tin, (4) Ảnh hưởng xã hội và (5) Động lực tinh thần. Qua đó, nghiên cứu cũng đề xuất một số kiến nghị thực tiễn nhằm nâng cao và thúc đẩy hành vi sử dụng AI của sinh viên trong các hoạt động học tập.

Cụ thể, Trường cần đóng vai trò then chốt thông qua việc định hướng môi trường học tập, tổ chức các buổi hội thảo, tọa đàm và tích hợp kỹ năng số vào chương trình đào tạo chính quy. Song song đó, Trường cần chú trọng đầu tư hạ tầng công nghệ, hợp tác với các đơn vị cung cấp nền tảng AI và ban hành các quy định, hướng dẫn rõ ràng về việc trích dẫn thông tin, nhằm đảm bảo sinh viên sử dụng công nghệ một cách có trách nhiệm. Giảng viên cần chủ động giới thiệu các công cụ AI phù hợp, đồng thời thiết kế các bài tập yêu cầu sinh viên so sánh, đối chiếu kết quả từ AI với tài liệu học thuật chính thống nhằm rèn luyện tư duy phản biện và khả năng kiểm chứng thông tin. Cuối cùng, người học cần chủ động nâng cao kỹ năng sử dụng công nghệ, duy trì tinh thần học tập tích cực và chỉ xem AI là công cụ hỗ trợ thay vì phụ thuộc hoàn toàn, từ đó nâng cao năng lực thích ứng trong kỷ nguyên số.

Tài liệu tham khảo:

1. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(1), 179-211.

2. Ashok Ghimire, Malla, A., & Gautam, P. (2024). Behavioral Intention to Adopt Artificial Intelligence in Educational Institutions: A Hybrid Modeling Approach.

3. Bùi Thị Thanh & Nguyễn Minh Tuấn (2024). Nghiên cứu ảnh hưởng của trí tuệ nhân tạo trong giáo dục tới hoạt động học tập của sinh viên. Tạp chí Giáo dục, 24(10), 6-11.

4. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008.

5. DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of Management Information Systems, 19(4), 9-30.

6. Dư Thị Chung, Nguyễn Thị Kim Chi, & Trần Lê Thu Hà (2024). Các yếu tố ảnh hưởng đến hành vi sử dụng trí tuệ nhân tạo trong học tập của sinh viên các trường đại học tại Thành phố Hồ Chí Minh. Tạp chí Nghiên cứu Tài chính - Marketing, (84), 112-125.

7. Le Cong Minh, Nguyen Duy Thanh, Le Quoc Bao, Luu Tien Thuan, & Nguyen Thi Xuan (2024). The Impact of Students’ Using Generative AI for Learning on Self-learning Motivation: a Study Based on Self-determination Theory. In Proceedings of the 2024 International Conference on Business, Economics, and Management (pp. 362-382). Atlantis Press.

8. Maheshwari, G. (2024). Factors influencing students' intention to adopt and use ChatGPT in higher education: A study in the Vietnamese context. Education and Information Technologies, 29, 12167-12195. https://doi.org/10.1007/s10639-023-12333-z.

9. Nguyễn Đình Thọ (2012). Phương pháp nghiên cứu khoa học trong kinh doanh. NXB Lao động - Xã hội.

10. Nguyễn Thị Xuân (2024). Ứng dụng công cụ trí tuệ nhân tạo (AI) trong học tập tiếng Anh của sinh viên các trường đại học tại Thành phố Hồ Chí Minh. Tạp chí Nghiên cứu và Ứng dụng Công nghệ Giáo dục, 3(1), 150-160.

11. Nguyễn Tuấn Anh (2022). Tác động của cuộc cách mạng công nghiệp lần thứ tư đến thế giới, khu vực và Việt Nam. Tạp chí Cộng sản, (994), 70-76.

12. Tạ Thị Vân (2025). Sinh viên Việt Nam với việc sử dụng trí tuệ nhân tạo: thực trạng, nhận thức và định hướng. Tạp chí Quản lý nhà nước. https://www.quanlynhanuoc.vn/2025/05/27/.

13. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425-478.

14. Wogu, I. A. P., và cộng sự (2018). Artificial intelligence, artificial teachers and the fate of learners in the 21st century education sector: Implications for theory and practice. International Journal of Pure and Applied Mathematics, 119(16), 2245-2259.

15. Woolf, B. P. (2015). AI and Education: Celebrating 30 years of Marriage. Seventeenth International Conference on Artificial Intelligence in Education (AIED 2015 Workshop Proceedings), 85(4), 38-45.