Các yếu tố ảnh hưởng đến năng lực thích ứng số của nguồn nhân lực logistics tại TP. Hồ Chí Minh

ThS. Nguyễn Xuân Tùng

Công ty TNHH Cosco Shipping Lines (Việt Nam); Email: [email protected]

TS. Nguyễn Thị Yến Liễu

Trường Đại học Bình Dương

Tóm tắt

Nghiên cứu phân tích các yếu tố ảnh hưởng đến năng lực thích ứng số của nguồn nhân lực logistics tại TP. Hồ Chí Minh. Dữ liệu gồm 238 quan sát được phân tích bằng hệ số Cronbach’s Alpha, phân tích nhân tố khám phá sử dụng phương pháp trích thành phần chính và hồi quy tuyến tính đa biến. Kết quả cho thấy 6 thang đo có hệ số Alpha từ 0,820 đến 0,920. Cả 5 yếu tố đều có mối liên hệ cùng chiều với năng lực thích ứng số và có ý nghĩa thống kê (p < 0,001). Đào tạo và phát triển kỹ năng số có hệ số Beta lớn nhất (0,303), tiếp đến là năng lực số cá nhân (0,297), lãnh đạo số (0,262), văn hóa đổi mới số (0,223) và chia sẻ tri thức (0,173). Mô hình có R² hiệu chỉnh đạt 0,718. Từ kết quả này, nghiên cứu đề xuất kết hợp đào tạo gắn với nghiệp vụ, phát triển năng lực cá nhân và xây dựng môi trường học hỏi trong doanh nghiệp. Khả năng khái quát hóa kết quả cần được xem xét trong giới hạn thông tin về mẫu khảo sát.

Từ khóa: Năng lực thích ứng số, nguồn nhân lực logistics, đào tạo, phát triển kỹ năng số, lãnh đạo số, TP. Hồ Chí Minh

Abstract

This study analyzes the factors influencing the digital adaptability of the logistics workforce in Ho Chi Minh City. Data from 238 observations were analyzed using Cronbach’s Alpha coefficients, exploratory factor analysis with the principal component extraction method, and multiple linear regression. The results show that the six scales have Cronbach’s alpha coefficients ranging from 0.820 to 0.920. All five factors are positively associated with digital adaptability, with statistically significant relationships (p < 0.001). Digital skills training and development have the largest beta coefficient (0.303), followed by individual digital competence (0.297), digital leadership (0.262), a digital innovation culture (0.223), and knowledge sharing (0.173). The model achieves an adjusted R² of 0.718. Based on these findings, the study recommends combining job-related training with individual competency development and fostering a learning environment within enterprises. The generalizability of the findings should be considered in light of the available information about the survey sample.

Keywords: Digital adaptability, logistics workforce, training, digital skills development, digital leadership, Ho Chi Minh City

ĐẶT VẤN ĐỀ

Cơ sở lý luận của năng lực thích ứng số có thể được tiếp cận từ nghiên cứu về hiệu quả thích ứng cá nhân. Pulakos và cộng sự (2000) xác định học hỏi nhiệm vụ, công nghệ và quy trình mới là những biểu hiện của thích ứng trong công việc. Jundt và cộng sự (2015) tiếp tục hệ thống hóa các yếu tố liên quan đến hiệu quả thích ứng, đồng thời nhấn mạnh vai trò của đặc điểm cá nhân và bối cảnh thực hiện nhiệm vụ. Các tiếp cận này cho phép xem xét thích ứng số như quá trình điều chỉnh hành vi làm việc trước sự thay đổi của công nghệ và quy trình số.

Trong bối cảnh doanh nghiệp logistics tại TP. Hồ Chí Minh, năng lực thích ứng số cần được phân tích trong mối liên hệ giữa nguồn lực cá nhân và điều kiện hỗ trợ của tổ chức. Đào tạo tạo cơ hội phát triển kỹ năng; năng lực số cá nhân hỗ trợ tiếp nhận công nghệ; lãnh đạo và văn hóa đổi mới định hướng quá trình thay đổi; chia sẻ tri thức thúc đẩy học hỏi trong công việc. Việc đưa các yếu tố này vào cùng một mô hình giúp đánh giá mối liên hệ của từng yếu tố với năng lực thích ứng số khi kiểm soát các yếu tố còn lại.

Nghiên cứu hướng đến xác định và đánh giá mức độ liên hệ của 5 yếu tố với năng lực thích ứng số trên cơ sở 238 quan sát, từ đó đề xuất hàm ý quản trị cho doanh nghiệp logistics. Đóng góp của nghiên cứu là kết hợp các điều kiện phát triển năng lực ở cấp độ cá nhân và tổ chức trong một mô hình phân tích thống nhất.

CƠ SỞ LÝ THUYẾT

Năng lực thích ứng số của nguồn nhân lực logistics

Năng lực thích ứng số được hiểu là khả năng học hỏi, điều chỉnh phương pháp làm việc và duy trì hiệu quả thực hiện nhiệm vụ trước những thay đổi của công nghệ và quy trình số. Cách tiếp cận này vận dụng khung hiệu quả thích ứng của Pulakos và cộng sự (2000) và tổng quan của Jundt và cộng sự (2015) vào đặc thù công việc logistics. Theo đó, thích ứng số bao hàm cả việc tiếp nhận hệ thống mới và điều chỉnh cách phối hợp để đáp ứng yêu cầu nghiệp vụ.

Năng lực số cá nhân và năng lực thích ứng số có quan hệ gần gũi nhưng khác nhau về nội hàm. Năng lực số thể hiện khả năng vận dụng công nghệ để thực hiện công việc, trong khi năng lực thích ứng số nhấn mạnh khả năng điều chỉnh trước thay đổi. Sự phân biệt này là cơ sở để xác định năng lực số cá nhân là biến giải thích và năng lực thích ứng số là biến phụ thuộc trong mô hình.

Đào tạo và phát triển kỹ năng số

Đào tạo và phát triển kỹ năng số phản ánh mức độ doanh nghiệp tạo điều kiện để người lao động tiếp cận, cập nhật và vận dụng kiến thức công nghệ. Aguinis và Kraiger (2009) cho thấy lợi ích của đào tạo được thể hiện ở cấp độ cá nhân, nhóm và tổ chức, đồng thời phụ thuộc vào đánh giá nhu cầu, thiết kế chương trình và chuyển giao kiến thức vào công việc. Đây là cơ sở lý luận để xem xét vai trò của đào tạo đối với khả năng đáp ứng những yêu cầu nghiệp vụ mới.

Trong lĩnh vực logistics, đào tạo gắn với thao tác trên hệ thống kho, xử lý chứng từ điện tử và cập nhật dữ liệu vận tải có thể giúp nhân viên hình thành kỹ năng giải quyết tình huống phát sinh. Cơ hội thực hành và vận dụng sau đào tạo góp phần chuyển kiến thức thành khả năng điều chỉnh công việc. Trên cơ sở đó, nghiên cứu kỳ vọng đào tạo và phát triển kỹ năng số có mối liên hệ cùng chiều với năng lực thích ứng số.

Năng lực số cá nhân

Theo khung DigComp 2.2, năng lực số bao gồm kiến thức, kỹ năng và thái độ cần thiết để sử dụng công nghệ một cách tự tin, có tư duy phản biện và an toàn (Vuorikari và cộng sự, 2022). Trong hoạt động logistics, năng lực này được thể hiện qua khả năng xử lý thông tin, giao tiếp trên nền tảng số và giải quyết vấn đề công nghệ phù hợp với yêu cầu của từng vị trí công việc.

Nền tảng năng lực số giúp người lao động giảm khó khăn khi tiếp cận giao diện, dữ liệu và quy trình mới. Khả năng tìm kiếm thông tin, đánh giá dữ liệu và xử lý vấn đề công nghệ có thể hỗ trợ quá trình học hỏi và vận dụng hệ thống thay thế. Vì vậy, năng lực số cá nhân được kỳ vọng có mối liên hệ cùng chiều với năng lực thích ứng số.

Lãnh đạo số

Lãnh đạo số trong nghiên cứu được tiếp cận qua vai trò định hướng và hỗ trợ của nhà quản lý đối với việc ứng dụng công nghệ. Nghiên cứu của Op’t Roodt và cộng sự (2025) về năng lực số của lãnh đạo đề cập đến các khía cạnh tương tác số, cởi mở với công nghệ và hành vi làm gương. Các khía cạnh này cung cấp cơ sở để lý giải vai trò của nhà quản lý trong quá trình nhân viên tiếp nhận thay đổi.

Việc giải thích mục tiêu chuyển đổi, trực tiếp sử dụng công nghệ và hỗ trợ giải quyết vướng mắc giúp người lao động hiểu rõ yêu cầu thực hiện nhiệm vụ. Trong doanh nghiệp logistics, sự hỗ trợ này có thể thúc đẩy phối hợp giữa các bộ phận và tăng mức độ chủ động khi áp dụng quy trình mới. Do đó, nghiên cứu kỳ vọng lãnh đạo số có mối liên hệ cùng chiều với năng lực thích ứng số.

Văn hóa đổi mới số

Văn hóa đổi mới số phản ánh nhận thức của người lao động về môi trường khuyến khích ý tưởng, thử nghiệm và học hỏi trong ứng dụng công nghệ. Anderson và West (1998) xây dựng công cụ đánh giá khí hậu đổi mới ở nhóm làm việc, qua đó làm rõ những điều kiện tập thể hỗ trợ đổi mới. Nghiên cứu hiện tại vận dụng lập luận về môi trường hỗ trợ đổi mới để tiếp cận văn hóa đổi mới số ở cấp độ nhận thức cá nhân; 2 khái niệm này không được xem là đồng nhất.

Môi trường cho phép thử nghiệm có kiểm soát và trao đổi phản hồi tạo điều kiện để nhân viên điều chỉnh cách làm việc. Đối với logistics, việc khuyến khích cải tiến cần gắn với yêu cầu an toàn, chất lượng dữ liệu và tính liên tục của dịch vụ. Theo đó, văn hóa đổi mới số được kỳ vọng hỗ trợ quá trình thích ứng của người lao động trước thay đổi công nghệ.

Chia sẻ tri thức

Chia sẻ tri thức là quá trình trao đổi kinh nghiệm và tiếp nhận kiến thức giữa các thành viên trong tổ chức. De Vries và cộng sự (2006) phân biệt hành vi đóng góp và thu nhận tri thức, đồng thời chỉ ra mối liên hệ của các hành vi này với thái độ chia sẻ và cách thức giao tiếp. Cách tiếp cận đó cung cấp cơ sở để phân tích vai trò của học hỏi đồng nghiệp đối với thích ứng trong công việc.

Trong logistics, kinh nghiệm xử lý dữ liệu sai lệch, cập nhật trạng thái lô hàng và phối hợp khi hệ thống gián đoạn có giá trị ứng dụng trực tiếp. Trao đổi những kinh nghiệm này giúp nhân viên tiếp cận phương án xử lý và rút ngắn thời gian tìm hiểu quy trình mới. Vì vậy, nghiên cứu kỳ vọng chia sẻ tri thức có mối liên hệ cùng chiều với năng lực thích ứng số.

GIẢ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Giả thuyết nghiên cứu

H1: Đào tạo và phát triển kỹ năng số có ảnh hưởng tích cực đến năng lực thích ứng số của nguồn nhân lực logistics.

H2: Năng lực số cá nhân có ảnh hưởng tích cực đến năng lực thích ứng số của nguồn nhân lực logistics.

H3: Lãnh đạo số có ảnh hưởng tích cực đến năng lực thích ứng số của nguồn nhân lực logistics.

H4: Văn hóa đổi mới số có ảnh hưởng tích cực đến năng lực thích ứng số của nguồn nhân lực logistics.

H5: Chia sẻ tri thức có ảnh hưởng tích cực đến năng lực thích ứng số của nguồn nhân lực logistics.

Mô hình nghiên cứu

Mô hình nghiên cứu gồm 5 biến độc lập: đào tạo và phát triển kỹ năng số (DTS), năng lực số cá nhân (NLS), lãnh đạo số (LDS), văn hóa đổi mới số (VHS) và chia sẻ tri thức (CST); biến phụ thuộc là năng lực thích ứng số (NLTUS). Các quan hệ giả thuyết được trình bày tại Hình 1 và kiểm định bằng hồi quy tuyến tính đa biến.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Mô hình đề xuất của nghiên cứu

Phương trình hồi quy tổng quát:

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định lượng với 238 quan sát trong kết quả phân tích SPSS. Các thang đo được đánh giá bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA. Hồi quy tuyến tính đa biến được sử dụng để kiểm định các giả thuyết và đánh giá mối liên hệ của từng yếu tố với năng lực thích ứng số.

Mô hình gồm 31 biến quan sát thuộc 6 thang đo, được thiết kế theo Likert 5 mức, từ 1 (hoàn toàn không đồng ý) đến 5 (hoàn toàn đồng ý). Cấu trúc và mã hóa thang đo được trình bày tại Bảng 1. Các tài liệu lý thuyết được sử dụng để định hướng khái niệm và lập luận nghiên cứu; việc kế thừa từng biến quan sát cần được xác nhận bằng bảng hỏi và hồ sơ xây dựng thang đo.

Bảng 1: Tổng hợp thang đo và mã hóa biến

Nguồn: Tổng hợp từ kết quả SPSS

KẾT QUẢ NGHIÊN CỨU

Kết quả kiểm định độ tin cậy thang đo

Các thang đo có Cronbach’s Alpha từ 0,820 đến 0,920 và tương quan biến-tổng hiệu chỉnh đều trên 0,3, đạt độ nhất quán nội tại để tiếp tục phân tích (Bảng 2).

Bảng 2: Kết quả kiểm định Cronbach’s Alpha

Nguồn: Tổng hợp từ kết quả SPSS

Thang đo NLTUS có Alpha = 0,820, tương quan biến-tổng từ 0,529 đến 0,702; trong đó, NLTUS5 đạt 0,531. Cả 6 biến đều đạt yêu cầu và được giữ lại.

Phân tích EFA đối với các biến độc lập

KMO = 0,821 và kiểm định Bartlett có ý nghĩa thống kê (χ²(300) = 3.708,557; p < 0,001), cho thấy dữ liệu phù hợp để phân tích nhân tố. Ma trận xoay trích được 5 thành phần có Eigenvalue trên 1, giải thích 71,799% phương sai.

Bảng 3: Ma trận thành phần xoay của các biến độc lập

Nguồn: Tổng hợp từ kết quả SPSS

Hệ số tải từ 0,792 đến 0,912, các biến tập trung vào 5 nhóm theo mô hình đề xuất (Bảng 3). Kết quả hỗ trợ cấu trúc thang đo; việc đánh giá tải chéo cần dựa trên ma trận tải đầy đủ.

Phân tích EFA đối với biến phụ thuộc

Thang đo NLTUS có KMO = 0,883; kiểm định Bartlett đạt χ²(15) = 973,494 (p < 0,001). EFA trích được một thành phần có Eigenvalue = 4,152, giải thích 69,197% phương sai; hệ số tải từ 0,608 đến 0,895 (Bảng 4).

Bảng 4: Kết quả trích thành phần của thang đo NLTUS

Nguồn: Tổng hợp từ kết quả SPSS

Kết quả hỗ trợ giữ lại 6 biến NLTUS, giá trị phân biệt với các thang đo độc lập cần được kiểm định bổ sung.

Kết quả hồi quy tuyến tính đa biến

Mô hình có R² = 0,724 và R² hiệu chỉnh = 0,718, giải thích khoảng 71,8% biến thiên của NLTUS sau điều chỉnh. Kiểm định F = 121,956 (p < 0,001) cho thấy mô hình có ý nghĩa thống kê (Bảng 5).

Bảng 5: Độ phù hợp và kiểm định chung của mô hình

Nguồn: Tổng hợp từ kết quả SPSS

Durbin-Watson đạt 1,941, gần 2; tính độc lập của các quan sát cần được xem xét thêm theo thiết kế khảo sát.

Bảng 6: Kết quả hồi quy tuyến tính đa biến

Nguồn: Tổng hợp từ kết quả SPSS

Cả 5 biến độc lập có hệ số dương và p < 0,001 (Bảng 6). VIF từ 1,198 đến 1,564, chưa cho thấy đa cộng tuyến nghiêm trọng. Hằng số không có ý nghĩa thống kê (p = 0,720) nhưng được giữ trong mô hình.

Theo Beta chuẩn hóa, mức độ liên hệ giảm dần là DTS (0,303), NLS (0,297), LDS (0,262), VHS (0,223) và CST (0,173), ủng hộ H1-H5 (Bảng 7). Chênh lệch giữa DTS và NLS chưa được kiểm định; các kết quả chưa đủ để xác lập quan hệ nhân quả.

Bảng 7: Tổng hợp kết quả kiểm định giả thuyết

Nguồn: Tổng hợp từ kết quả SPSS

Thảo luận kết quả

Đào tạo và phát triển kỹ năng số có hệ số Beta lớn nhất trong mô hình (0,303). Kết quả này phù hợp với lập luận của Aguinis và Kraiger (2009) về vai trò của đào tạo đối với phát triển năng lực thực hiện công việc. Trong bối cảnh logistics, mối liên hệ tích cực giữa đào tạo và thích ứng số gợi ý rằng hoạt động học tập cần gắn với yêu cầu nghiệp vụ và cơ hội vận dụng. Tuy nhiên, nghiên cứu chưa phân biệt hiệu quả của từng hình thức đào tạo.

Năng lực số cá nhân có hệ số Beta bằng 0,297, gần với hệ số của đào tạo. Kết quả cho thấy nền tảng kỹ năng của người lao động có vai trò bổ sung cho các điều kiện hỗ trợ từ tổ chức. Khung DigComp 2.2 nhấn mạnh năng lực số bao gồm xử lý thông tin, giao tiếp và giải quyết vấn đề, thay vì chỉ giới hạn ở thao tác phần mềm (Vuorikari và cộng sự, 2022). Vì vậy, phát triển năng lực cá nhân cần được triển khai đồng thời với đào tạo theo nhiệm vụ.

Lãnh đạo số có hệ số Beta bằng 0,262. Kết quả này có thể được lý giải từ vai trò định hướng, làm gương và hỗ trợ sử dụng công nghệ của nhà quản lý, tương thích với tiếp cận năng lực số lãnh đạo của Op’t Roodt và cộng sự (2025). Đối với doanh nghiệp logistics, sự tham gia của quản lý giúp kết nối mục tiêu chuyển đổi với yêu cầu thực hiện công việc. Kết quả hiện tại hỗ trợ lập luận về vai trò lãnh đạo, nhưng không đồng nghĩa với việc kiểm định lại toàn bộ công cụ đo lường của nghiên cứu trước.

Văn hóa đổi mới số và chia sẻ tri thức có hệ số Beta lần lượt là 0,223 và 0,173. Hai mối liên hệ này cho thấy môi trường học hỏi có vai trò bổ sung khi mô hình đã kiểm soát đào tạo, năng lực cá nhân và lãnh đạo. Phát hiện phù hợp về mặt lập luận với nghiên cứu của Anderson và West (1998) về môi trường hỗ trợ đổi mới và De Vries và cộng sự (2006) về trao đổi tri thức. Trong thực tiễn, khuyến khích thử nghiệm cần đi cùng cơ chế phổ biến kinh nghiệm để hỗ trợ điều chỉnh công việc.

R² hiệu chỉnh đạt 0,718 cho thấy mô hình giải thích được phần đáng kể biến thiên của NLTUS trong mẫu. Kết quả củng cố sự cần thiết của cách tiếp cận kết hợp nguồn lực cá nhân với điều kiện tổ chức. Tuy nhiên, mức độ giải thích của mô hình không loại trừ sai số đo lường, yếu tố bị bỏ sót hoặc quan hệ ngược chiều; vì vậy, các hàm ý quản trị cần được xem là định hướng ứng dụng cần tiếp tục đánh giá.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả phân tích 238 quan sát cho thấy đào tạo và phát triển kỹ năng số, năng lực số cá nhân, lãnh đạo số, văn hóa đổi mới số và chia sẻ tri thức đều có mối liên hệ cùng chiều với năng lực thích ứng số (p < 0,001). Mô hình có R² hiệu chỉnh đạt 0,718. Đào tạo và năng lực số cá nhân có hai hệ số Beta lớn nhất, lần lượt là 0,303 và 0,297, qua đó nhấn mạnh vai trò kết hợp giữa cơ hội phát triển kỹ năng và nền tảng năng lực của người lao động.

Hàm ý quản trị

Thứ nhất, doanh nghiệp cần xây dựng chương trình đào tạo kỹ năng số theo yêu cầu của từng nhóm công việc. Nội dung có thể tập trung vào quản lý dữ liệu kho, cập nhật thông tin vận tải và xử lý chứng từ điện tử. Đào tạo nên kết hợp hướng dẫn với thực hành tình huống; kết quả được đánh giá thông qua thời gian hoàn thành nhiệm vụ, tỷ lệ sai sót và khả năng xử lý thay đổi.

Thứ hai, phát triển năng lực số cá nhân cần dựa trên đánh giá kỹ năng hiện có và yêu cầu của vị trí việc làm. Nhân viên có nền tảng hạn chế cần được hỗ trợ thao tác và xử lý vấn đề cơ bản; nhân viên thành thạo có thể được bồi dưỡng phân tích dữ liệu và cải tiến quy trình. Cách tiếp cận này giúp nội dung phát triển năng lực phù hợp với nhu cầu thực tế.

Thứ ba, nhà quản lý cần làm rõ mục tiêu chuyển đổi, trực tiếp tham gia sử dụng công nghệ và bố trí nguồn lực hỗ trợ nhân viên. Trong giai đoạn áp dụng hệ thống mới, doanh nghiệp nên xác định đầu mối giải quyết vướng mắc và cơ chế phản hồi kịp thời. Hiệu quả hỗ trợ có thể được theo dõi qua tiến độ triển khai và chất lượng phối hợp giữa các bộ phận.

Thứ tư, doanh nghiệp cần khuyến khích thử nghiệm và cải tiến công nghệ trong phạm vi kiểm soát được. Các sáng kiến nên được triển khai ở quy mô phù hợp trước khi nhân rộng, đồng thời đáp ứng yêu cầu bảo mật và chất lượng dữ liệu. Cơ chế ghi nhận cần dựa trên kết quả cải thiện công việc và tạo điều kiện rút kinh nghiệm từ thử nghiệm chưa đạt mục tiêu.

Thứ năm, chia sẻ tri thức cần gắn với các tình huống nghiệp vụ cụ thể. Doanh nghiệp có thể xây dựng tài liệu hướng dẫn ngắn, nhóm hỗ trợ theo hệ thống và cơ chế kèm cặp giữa nhân viên có kinh nghiệm với nhân viên mới. Việc cập nhật tài liệu và theo dõi thời gian xử lý vấn đề giúp duy trì giá trị ứng dụng của tri thức được chia sẻ.

Việc xác định ưu tiên triển khai cần kết hợp độ lớn của hệ số Beta với nhu cầu và nguồn lực của doanh nghiệp. Nghiên cứu còn hạn chế do chưa có dữ liệu gốc, bảng hỏi và hồ sơ chọn mẫu để kiểm tra đầy đủ đặc điểm mẫu, tính nhất quán của kết quả đo lường và giá trị phân biệt giữa các khái niệm. Các nghiên cứu tiếp theo cần hoàn thiện thông tin khảo sát, kiểm tra cấu trúc đo lường trên toàn bộ thang đo và sử dụng dữ liệu theo thời gian để đánh giá rõ hơn chiều hướng của các mối quan hệ.

Tài liệu tham khảo:

1. Aguinis, H., & Kraiger, K. (2009). Benefits of training and development for individuals and teams, organizations, and society. Annual Review of Psychology, 60, 451-474.

2. Anderson, N. R., & West, M. A. (1998). Measuring climate for work group innovation: Development and validation of the team climate inventory. Journal of Organizational Behavior, 19(3), 235-258.

3. De Vries, R. E., van den Hooff, B., & de Ridder, J. A. (2006). Explaining knowledge sharing: The role of team communication styles, job satisfaction, and performance beliefs. Communication Research, 33(2), 115-135.

4. Jundt, D. K., Shoss, M. K., & Huang, J. L. (2015). Individual adaptive performance in organizations: A review. Journal of Organizational Behavior, 36(S1), S53-S71.

5. Op’t Roodt, H., Bracht, E. M., van Dick, R., & Hernandez Bark, A. S. (2025). Navigating through the digital workplace: Measuring leader digital competence. Journal of Business and Psychology, 40(1), 179-205.

6. Pulakos, E. D., Arad, S., Donovan, M. A., & Plamondon, K. E. (2000). Adaptability in the workplace: Development of a taxonomy of adaptive performance. Journal of Applied Psychology, 85(4), 612-624.

7. Vuorikari, R., Kluzer, S., & Punie, Y. (2022). DigComp 2.2: The digital competence framework for citizens-With new examples of knowledge, skills and attitudes (EUR 31006 EN). Publications Office of the European Union.