Các yếu tố tác động đến năng lực ứng dụng AI của giảng viên tại các cơ sở giáo dục tư thục ở Việt Nam

Vũ Ngọc Thùy Dương

Giảng viên khoa Toán - Tin học, Học viện Quân y

Email: [email protected]

Tóm tắt

Nghiên cứu kiểm định các yếu tố ảnh hưởng đến năng lực ứng dụng trí tuệ nhân tạo (AI) của giảng viên và tác động của năng lực này đến hiệu quả giảng dạy tại các cơ sở giáo dục tư thục tại Việt Nam. Dữ liệu được thu thập từ 150 giảng viên và phân tích bằng phương pháp mô hình cấu trúc tuyến tính thông qua phần mềm phân tích thống kê. Kết quả cho thấy văn hoá học tập liên tục, văn hoá chia sẻ tri thức, tự hiệu quả công nghệ và điều kiện hỗ trợ công nghệ đều tác động tích cực đến năng lực ứng dụng trí tuệ nhân tạo của giảng viên. Đồng thời, năng lực ứng dụng trí tuệ nhân tạo có ảnh hưởng mạnh đến hiệu quả giảng dạy. Từ đó, tác giả đưa ra các hàm ý nhằm nâng cao chất lượng dạy học trong bối cảnh chuyển đổi số.

Từ khóa: Năng lực ứng dụng AI, hiệu quả giảng dạy, giáo dục, chuyển đổi số

Summary

This study examines the factors influencing lecturers’ competency in applying artificial intelligence and the impact of this competency on teaching effectiveness at private educational institutions in Viet Nam. Data were collected from 150 lecturers and analyzed using structural equation modeling through statistical analysis software. The results indicate that a culture of continuous learning, a knowledge-sharing culture, technological self-efficacy, and technological support conditions all positively influence lecturers’ competency in artificial intelligence applications. Furthermore, artificial intelligence application competency has a strong positive effect on teaching effectiveness. Based on these findings, the author proposes implications to enhance teaching quality in the context of digital transformation.

Keywords: AI application competency, teaching effectiveness, education, digital transformation

ĐẶT VẤN ĐỀ

Trong bối cảnh chuyển đổi số giáo dục, AI đang làm thay đổi căn bản phương thức thiết kế, tổ chức và đánh giá hoạt động giảng dạy. Tuy nhiên, hiệu quả ứng dụng AI không chỉ phụ thuộc vào mức độ hiện đại của công nghệ, mà còn phụ thuộc vào năng lực ứng dụng AI của giảng viên - chủ thể trực tiếp triển khai công nghệ trong môi trường lớp học. Khi năng lực ứng dụng AI được nâng cao, giảng viên có thể thiết kế bài giảng hiệu quả hơn, tăng mức độ tương tác và cá nhân hoá quá trình học tập, từ đó cải thiện hiệu quả giảng dạy.

Thực tiễn đó, nghiên cứu được thực hiện nhằm kiểm định mô hình các yếu tố ảnh hưởng đến năng lực ứng dụng AI của giảng viên và tác động của năng lực này đến hiệu quả giảng dạy trong các cơ sở giáo dục tư thục tại Việt Nam, qua đó đề xuất các hàm ý quản trị và đào tạo phù hợp với bối cảnh chuyển đổi số giáo dục.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

Văn hoá học tập liên tục (LC)

Văn hoá học tập liên tục phản ánh mức độ tổ chức khuyến khích giảng viên học hỏi, cập nhật tri thức và phát triển kỹ năng mới (Marsick và Watkins, 1993). Trong bối cảnh AI phát triển nhanh, văn hoá học tập giúp giảng viên chủ động tiếp cận công nghệ, nâng cao hiểu biết và khả năng tích hợp AI vào hoạt động giảng dạy. Do đó, văn hoá học tập liên tục được xem là yếu tố quan trọng thúc đẩy năng lực ứng dụng AI của giảng viên.

Văn hoá chia sẻ tri thức (KSC)

Văn hoá chia sẻ tri thức thể hiện mức độ giảng viên sẵn sàng trao đổi kinh nghiệm, phương pháp và kỹ năng giảng dạy, bao gồm cả việc sử dụng công cụ AI (Nonaka và Takeuchi, 1995). Việc chia sẻ tri thức giúp lan toả kinh nghiệm ứng dụng AI, giảm rào cản tâm lý và tăng khả năng học hỏi lẫn nhau, từ đó góp phần nâng cao năng lực ứng dụng AI của giảng viên.

Tự hiệu quả công nghệ (TSE)

Tự hiệu quả công nghệ đề cập đến mức độ tự tin của giảng viên trong việc sử dụng công nghệ để thực hiện nhiệm vụ chuyên môn. Giảng viên có mức tự hiệu quả công nghệ cao thường sẵn sàng thử nghiệm và khai thác các công cụ AI trong giảng dạy, qua đó nâng cao năng lực ứng dụng AI trong thực tiễn.

Điều kiện hỗ trợ công nghệ (FC)

Điều kiện hỗ trợ công nghệ phản ánh mức độ sẵn có của hạ tầng, công cụ và sự hỗ trợ từ nhà trường đối với việc ứng dụng công nghệ. Khi giảng viên được cung cấp đầy đủ nguồn lực và hướng dẫn cần thiết, khả năng tiếp cận và vận dụng AI vào giảng dạy sẽ được cải thiện đáng kể.

Năng lực ứng dụng AI của giảng viên (AIL) và hiệu quả giảng dạy (TE)

Năng lực ứng dụng AI là khả năng hiểu, sử dụng và tích hợp AI một cách phù hợp vào hoạt động giảng dạy (Long và Magerko, 2020). Năng lực này giúp giảng viên tối ưu hoá thiết kế bài học, tăng mức độ tương tác và cá nhân hoá quá trình học tập, từ đó nâng cao hiệu quả giảng dạy.

Mô hình nghiên cứu

Trên cơ sở lý thuyết, tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu

Nguồn: Đề xuất của tác giả

Các giả thuyết nghiên cứu tương ứng được đề xuất như sau:

H1: Văn hoá học tập liên tục tác động tích cực đến Năng lực ứng dụng AI của giảng viên.

H2: Văn hoá chia sẻ tri thức tác động tích cực đến Năng lực ứng dụng AI của giảng viên.

H3: Tự hiệu quả công nghệ tác động tích cực đến Năng lực ứng dụng AI của giảng viên.

H4: Điều kiện hỗ trợ công tác động tích cực đến Năng lực ứng dụng AI của giảng viên.

H5: Năng lực ứng dụng AI của giảng viên tác động tích cực đến Hiệu quả giảng dạy.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu được triển khai theo 2 giai đoạn: định tính và định lượng. Giai đoạn định tính được thực hiện thông qua phỏng vấn 6-7 chuyên gia trong lĩnh vực giáo dục tư thục nhằm điều chỉnh và hoàn thiện thang đo. Giai đoạn định lượng được tiến hành thông qua khảo sát từ 150-250 giảng viên đang giảng dạy tại các cơ sở giáo dục tư thục có ứng dụng công nghệ AI. Thời gian nghiên cứu được thực hiện từ tháng 4-11/2025.

KẾT QUẢ NGHIÊN CỨU

Kiểm định độ tin cậy thang đo (Cronbach’s Alpha)

Bảng 1 cho thấy tất cả các thang đo trong mô hình đều có hệ số Alpha lớn hơn 0,7 và hệ số tương quan biến-tổng > 0,3, đáp ứng yêu cầu về độ tin cậy. Không có biến quan sát nào bị loại.

Bảng 1: Kết quả phân tích độ tin cậy thang đo (n = 150)

Nguồn: Xử lý dữ liệu SPSS (2025)

Phân tích nhân tố khám phá (EFA)

Bảng 2 cho thấy, chỉ số đánh giá độ thích hợp mẫu đạt 0,892, chứng tỏ dữ liệu phù hợp để tiến hành phân tích nhân tố. Kiểm định về tương quan giữa các biến có ý nghĩa thống kê với mức ý nghĩa nhỏ hơn 0,001.

Giá trị riêng của các nhân tố được rút trích đều lớn hơn 1 và tổng phương sai trích đạt 67,845%, cho thấy các nhân tố giải thích tốt sự biến thiên của dữ liệu. Như vậy, 6 nhân tố được xác định đúng theo mô hình nghiên cứu đề xuất, gồm: Văn hoá học tập liên tục, Văn hoá chia sẻ tri thức, Tự hiệu quả công nghệ, Điều kiện hỗ trợ công nghệ, Năng lực ứng dụng AI và Hiệu quả giảng dạy.

Tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5 và được giữ lại cho bước phân tích tiếp theo.

Bảng 2: Phân tích EFA

Nguồn: Xử lý dữ liệu SPSS (2025)

Kiểm định mô hình nhân tố khẳng định (CFA)

Kết quả Bảng 3 cho thấy mô hình đo lường đạt mức độ phù hợp tốt với dữ liệu khảo sát (n = 150). Các thang đo thể hiện tính hội tụ và phân biệt tốt, đảm bảo độ tin cậy để tiếp tục phân tích mô hình cấu trúc tuyến tính (SEM).

Bảng 3: Kết quả đánh giá mức độ phù hợp mô hình (Model Fit)

Nguồn: Tổng hợp kết quả từ AMOS (2025)

Các trọng số chuẩn hóa của tất cả biến quan sát đều > 0,5 và có ý nghĩa thống kê (p < 0,001), thể hiện tính hội tụ tốt của các thang đo.

Kiểm định độ tin cậy tổng hợp (CR) và phương sai trích (AVE)

Bảng 4 cho thấy tất cả các thang đo đều có CR > 0,7 và AVE > 0,5, đáp ứng tiêu chuẩn đề xuất của Hair và cộng sự. Điều này khẳng định các thang đo trong mô hình đạt giá trị hội tụ và độ tin cậy cao, đủ điều kiện để tiếp tục kiểm định giá trị phân biệt và mô hình cấu trúc.

Bảng 4: Kết quả kiểm định CR và AVE của các thang đo

Nguồn: Tổng hợp kết quả từ AMOS (2025)

Kiểm định mô hình cấu trúc tuyến tính (SEM)

Kết quả phân tích SEM (Bảng 6) cho thấy cả 5 giả thuyết nghiên cứu đều được chấp nhận với các hệ số hồi quy chuẩn hoá mang dấu dương và có ý nghĩa thống kê (p < 0,001).

Trong đó, Văn hoá chia sẻ tri thức có mức tác động mạnh nhất đến Năng lực ứng dụng AI của giảng viên, tiếp theo là Văn hoá học tập liên tục, Tự hiệu quả công nghệ và Điều kiện hỗ trợ công nghệ. Đồng thời, Năng lực ứng dụng AI của giảng viên có tác động mạnh và trực tiếp đến Hiệu quả giảng dạy, khẳng định vai trò trung tâm của yếu tố này trong mô hình nghiên cứu.

Bảng 6: Hệ số hồi quy chuẩn hóa giữa các biến trong mô hình (n = 150)

Ghi chú: (***): p < 0,001

Nguồn: Tổng hợp kết quả từ AMOS (2025)

Kiểm định vai trò trung gian

Kết quả kiểm định bằng phương pháp lấy mẫu lặp lại 2.000 lần cho thấy các tác động gián tiếp thông qua Năng lực ứng dụng AI đều có ý nghĩa thống kê ở mức nhỏ hơn 0,001.

Điều này chứng minh rằng Năng lực ứng dụng trí tuệ nhân tạo đóng vai trò trung gian quan trọng trong mối quan hệ giữa các yếu tố tổ chức và cá nhân với hiệu quả giảng dạy. Nói cách khác, các yếu tố văn hoá và điều kiện hỗ trợ chỉ chuyển hoá thành Hiệu quả giảng dạy khi được thể hiện thông qua Năng lực ứng dụng AI của giảng viên.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả nghiên cứu cho thấy Năng lực ứng dụng AI của giảng viên đóng vai trò trung tâm trong việc nâng cao Hiệu quả giảng dạy tại các cơ sở giáo dục tư thục. Các yếu tố gồm Văn hoá học tập liên tục, Văn hoá chia sẻ tri thức, Tự hiệu quả công nghệ và Điều kiện hỗ trợ công nghệ đều tác động tích cực đến Năng lực ứng dụng AI của giảng viên. Bên cạnh đó, nghiên cứu cho thấy Năng lực ứng dụng AIđóng vai trò trung gian giữa các yếu tố môi trường tổ chức, yếu tố cá nhân và Hiệu quả giảng dạy. Điều này phản ánh rằng, Hiệu quả giảng dạy không chịu tác động trực tiếp từ văn hoá tổ chức hay điều kiện hỗ trợ, mà chủ yếu thông qua quá trình chuyển hoá các yếu tố này thành năng lực thực tiễn của giảng viên. Qua đó nhấn mạnh rằng trong bối cảnh chuyển đổi số giáo dục, con người và năng lực AI là yếu tố quyết định chuyển hoá các điều kiện tổ chức thành kết quả giảng dạy.

Hàm ý quản trị

Trên cơ sở các kết quả thực nghiệm, nghiên cứu đề xuất một số hàm ý quản trị nhằm nâng cao Năng lực ứng dụng AI của giảng viên và cải thiện hiệu quả giảng dạy trong môi trường giáo dục tư thục:

Thứ nhất, củng cố văn hoá học tập liên tục nhằm khuyến khích giảng viên cập nhật kiến thức và kỹ năng ứng dụng AI trong giảng dạy.

Thứ hai, tăng cường văn hoá chia sẻ tri thức, thông qua các hoạt động trao đổi chuyên môn và chia sẻ kinh nghiệm ứng dụng AI giữa giảng viên.

Thứ ba, thiết kế các chương trình bồi dưỡng mang tính thực hành nhằm nâng cao sự tự tin của giảng viên khi sử dụng công nghệ. Các hoạt động đào tạo cần gắn trực tiếp với nội dung môn học và tình huống giảng dạy cụ thể thay vì chỉ dừng ở hướng dẫn kỹ thuật chung.

Thứ tư, đảm bảo đầy đủ điều kiện hỗ trợ công nghệ về hạ tầng, công cụ và hỗ trợ kỹ thuật để giảng viên có thể ứng dụng AI hiệu quả.

Cuối cùng, phát triển năng lực ứng dụng AI của giảng viên cần được xem là trọng tâm trong chiến lược chuyển đổi số, qua đó góp phần nâng cao chất lượng và hiệu quả giảng dạy một cách bền vững.

Tài liệu tham khảo:

1. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.

2. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling.

3. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations.Proceedings of the CHI Conference on Human Factors in Computing Systems (pp. 1-16).

4. Marsick, V. J., & Watkins, K. E. (1993). Sculpting the learning organization: Lessons in the art and science of systemic change. San Francisco, CA: Jossey-Bass.

5. Nonaka, I., & Takeuchi, H. (1995). The knowledge-creating company. Oxford University Press.