GenAI trong giáo dục kinh doanh và quản trị: Tổng quan trắc lượng thư mục về sự tăng trưởng, cấu trúc tri thức và định hướng nghiên cứu
Hồ Bửu Lộc
Trường Đại học Ngoại ngữ - Tin học Thành phố Hồ Chí Minh
Email: lochb@huflit.edu.vn
Tóm tắt
Nghiên cứu này phân tích sự phát triển, nền tảng tri thức và xu hướng nghiên cứu về trí tuệ nhân tạo tạo sinh (GenAI) trong giáo dục kinh doanh và quản trị, đồng thời đề xuất định hướng nghiên cứu trong tương lai. Dữ liệu gồm 280 bài báo và bài tổng quan được lập chỉ mục trên Scopus trong giai đoạn 2023-10/2026, được sàng lọc theo quy trình PRISMA và phân tích bằng phương pháp trắc lượng thư mục, kết hợp phân tích hiệu suất, đồng trích dẫn, đồng xuất hiện từ khóa, liên kết thư mục và khung TCCM. Kết quả cho thấy, lĩnh vực tăng trưởng nhanh, với số công bố tăng từ 8 bài năm 2023 lên 154 bài trong 10 tháng đầu năm 2026. Nền tảng tri thức tập trung vào 4 nhóm: tranh luận về cơ hội và rủi ro, chấp nhận công nghệ, lý thuyết học tập và ứng dụng ChatGPT trong kế toán. Các hướng nghiên cứu nổi bật gồm đổi mới sư phạm, hành vi chấp nhận và lạm dụng GenAI của sinh viên, cùng phát triển năng lực AI trong giáo dục tiếp thị. Đáng chú ý, trọng tâm nghiên cứu đang chuyển từ ý định sử dụng và liêm chính học thuật sang kết quả học tập, tư duy phản biện, sáng tạo và thiết kế chương trình đào tạo. Nghiên cứu đề xuất mở rộng nền tảng lý thuyết, đa dạng hóa bối cảnh và phương pháp, đồng thời tăng cường đánh giá tác động thực chất của GenAI đối với hoạt động học tập.
Từ khóa: Trí tuệ nhân tạo tạo sinh, ChatGPT, giáo dục kinh doanh, giáo dục quản trị, phân tích trắc lượng thư mục, TCCM
Abstract
This study examines the development, knowledge base, and research trends in generative artificial intelligence (GenAI) within business and management education, and proposes directions for future research. The dataset comprises 280 research articles and review papers indexed in Scopus from 2023 to October 2026. The studies were screened following the PRISMA protocol and analyzed using bibliometric methods, combining performance analysis, co-citation analysis, keyword co-occurrence analysis, bibliographic coupling, and the Theory-Context-Characteristics-Methodology (TCCM) framework. The results reveal rapid growth in this field, with the number of publications increasing from 8 in 2023 to 154 in the first ten months of 2026. The knowledge base is concentrated in four main clusters: debates on opportunities and risks, technology acceptance, learning theories, and the application of ChatGPT in accounting education. Prominent research directions include pedagogical innovation, students' acceptance and misuse of GenAI, and the development of AI competencies in marketing education. Notably, the research focus is shifting from usage intentions and academic integrity towards learning outcomes, critical thinking, creativity, and curriculum design. The study recommends broadening theoretical foundations, diversifying research contexts and methodologies, and strengthening the assessment of GenAI's substantive impacts on learning activities.
Keywords: Generative artificial intelligence, ChatGPT, business education, management education, bibliometric analysis, TCCM
GIỚI THIỆU
ChatGPT ra mắt vào tháng 11/2022, đánh dấu sự xuất hiện của một trợ lý hỗ trợ viết và lập luận mà mọi sinh viên khối ngành kinh doanh đều có thể tiếp cận. Các chương trình đào tạo trong lĩnh vực này thường chú trọng đến các bài tập tình huống, báo cáo, kế hoạch tiếp thị và phân tích tài chính - cũng chính là những dạng nội dung mà mô hình ngôn ngữ lớn có khả năng tạo ra hiệu quả. Trước sự phát triển của công nghệ này, các giảng viên quản trị đã tranh luận về việc liệu GenAI sẽ làm mất đi vai trò của bài luận hay mở ra những hình thức học tập mới (Lim và cộng sự, 2023), trong khi các học giả kế toán tiến hành kiểm định ChatGPT thông qua hàng nghìn câu hỏi đánh giá (Wood và cộng sự, 2023). Kể từ đó, các nghiên cứu về chủ đề này gia tăng nhanh chóng nhưng phát triển theo những hướng riêng biệt. Các tổng quan trước đây chỉ tập trung vào một phân ngành, xem xét chung các dạng AI hoặc giới hạn phạm vi ở những công trình công bố trước giữa năm 2025 (Kaul và cộng sự, 2026).
Trong bối cảnh hơn một nửa số tài liệu được xác định trong nghiên cứu này được công bố năm 2026, việc xây dựng một bức tranh cập nhật về toàn bộ lĩnh vực trở nên cần thiết. Sử dụng phương pháp phân tích hiệu suất và lập bản đồ khoa học (Donthu và cộng sự, 2021), nghiên cứu tập trung trả lời 4 câu hỏi: (RQ1) lĩnh vực đã phát triển như thế nào; (RQ2) nền tảng tri thức của lĩnh vực là gì; (RQ3) những chủ đề và hướng nghiên cứu nổi bật nào đã hình thành; và (RQ4) đâu là những ưu tiên cho nghiên cứu trong tương lai theo khung TCCM (Paul và Rosado-Serrano, 2019).
CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Cơ sở lý thuyết
GenAI là các mô hình có khả năng tạo ra nội dung mới dưới dạng văn bản, hình ảnh hoặc mã lệnh dựa trên câu lệnh đầu vào (prompt) (Kasneci và cộng sự, 2023). So với các ứng dụng AI trước đây trong giáo dục, chẳng hạn như hệ thống gia sư thông minh hay công cụ phân tích học tập (Cotton và cộng sự, 2024), GenAI có tính đa dụng cao, chi phí tiếp cận thấp và nằm dưới sự kiểm soát trực tiếp của người học thay vì của nhà trường. Đặc điểm này tạo ra 3 tác động đáng chú ý đối với các trường kinh doanh.
Thứ nhất, việc đánh giá dựa trên sản phẩm viết trở nên khó bảo đảm tính xác thực và mức độ đóng góp thực chất của người học (Cotton và cộng sự, 2024).
Thứ hai, yêu cầu về năng lực đầu ra của sinh viên thay đổi khi nhà tuyển dụng ngày càng kỳ vọng người tốt nghiệp có khả năng sử dụng các công cụ AI và đánh giá kết quả do chúng tạo ra (Guha và cộng sự, 2024).
Thứ ba, hoạt động giảng dạy có thể được tổ chức theo những cách thức mới, trong đó, GenAI đảm nhận các vai trò như: gia sư, khách hàng mô phỏng, người đồng sáng lập hoặc người xây dựng tình huống (Ratten và Jones, 2023).
Giáo dục kinh doanh và quản trị có những đặc thù riêng do chương trình đào tạo kết hợp nhiều dạng nhiệm vụ, từ định lượng (kế toán, tài chính, phân tích), sáng tạo (tiếp thị, khởi nghiệp) đến đòi hỏi năng lực phán đoán (chiến lược, đạo đức, lãnh đạo). GenAI tác động đến từng nhóm nhiệm vụ theo những cách khác nhau. Chẳng hạn, câu trả lời của ChatGPT đối với một bài tập định khoản nợ có thể được đối chiếu với đáp án chuẩn, trong khi chất lượng của một kế hoạch tiếp thị khó đánh giá bằng một đáp án duy nhất. Bên cạnh đó, các yêu cầu kiểm định chất lượng đào tạo, như chuẩn bảo đảm kết quả học tập (assurance of learning), khiến việc bảo đảm liêm chính trong đánh giá không còn là vấn đề riêng của từng lớp học mà trở thành trách nhiệm ở cấp độ nhà trường.
Tại Việt Nam, quá trình chuyển đổi số trong lĩnh vực kế toán đã xác định, đào tạo kỹ năng số và tăng cường hợp tác giữa nhà trường với doanh nghiệp là những ưu tiên của nghề nghiệp (Đào và Vũ, 2025). Vì vậy, việc xác định cách thức các trường kinh doanh tích hợp GenAI vào hoạt động đào tạo có ý nghĩa thiết thực trong bối cảnh trong nước.
Các nghiên cứu tổng quan trước đây cho thấy mối quan tâm ngày càng tăng đối với GenAI trong giáo dục kinh doanh, tập trung chủ yếu vào thiết kế lại chương trình đào tạo, thực hành giảng dạy, liêm chính trong đánh giá và phát triển kỹ năng nghề nghiệp (Kaul và cộng sự, 2026). Tuy nhiên, các nghiên cứu này vẫn để lại 4 khoảng trống. Thứ nhất, phần lớn chỉ tập trung vào một phân ngành, chưa phản ánh được mối liên hệ giữa các hướng nghiên cứu về kế toán, tiếp thị, khởi nghiệp và quản trị. Thứ hai, một số nghiên cứu gộp GenAI với các công nghệ AI trước đây, như chatbot và công cụ phân tích học tập (Crompton và Burke, 2023), khiến đặc trưng của GenAI chưa được làm rõ. Thứ ba, mặc dù tổng quan hệ thống và tổng quan phạm vi có thể tổng hợp nội dung nghiên cứu, các phương pháp này chưa làm rõ cấu trúc và mối liên kết giữa các công trình thông qua mạng lưới trích dẫn. Thứ tư, các tổng quan hiện có đều kết thúc trước làn sóng công bố gia tăng mạnh trong năm 2026. Trên cơ sở đó, nghiên cứu này được thực hiện nhằm bổ sung bằng chứng và cung cấp cái nhìn toàn diện, cập nhật hơn về sự phát triển của GenAI trong giáo dục kinh doanh và quản trị.
Phương pháp nghiên cứu
Dữ liệu và sàng lọc
Scopus được lựa chọn nhờ phạm vi bao phủ rộng các tạp chí về kinh doanh, quản trị và giáo dục, đồng thời cho phép xuất đầy đủ danh mục tài liệu tham khảo phục vụ phân tích đồng trích dẫn và liên kết thư mục. Truy vấn được thực hiện ngày 17/10/2026, với yêu cầu các thuật ngữ liên quan đến GenAI (như “generative AI”, “ChatGPT”, “large language model*”) xuất hiện trong tiêu đề, tóm tắt hoặc từ khóa; các thuật ngữ về giáo dục kinh doanh hoặc quản trị xuất hiện trong tiêu đề (đối với cụm từ giáo dục không quá 3 từ) hoặc từ khóa tác giả. Các tài liệu thuộc lĩnh vực y khoa, điều dưỡng và “learning management system” được loại trừ.
Phạm vi tìm kiếm giới hạn ở các bài báo và bài tổng quan bằng tiếng Anh, được công bố trong giai đoạn 2023-2026, thuộc các lĩnh vực kinh doanh, khoa học xã hội, kinh tế và khoa học ra quyết định. Năm 2023 được chọn làm mốc khởi đầu do ChatGPT ra mắt vào cuối tháng 11/2022.
Truy vấn ban đầu thu được 317 bản ghi. Sau sàng lọc, một bài báo đã bị rút, 19 bản ghi đề cập đến “management” nhưng chỉ liên quan đến quản lý nhà trường, lãnh đạo giáo dục hoặc giáo dục sức khỏe, cùng 17 bản ghi chỉ đề cập GenAI như một nội dung phụ, đã bị loại. Bộ dữ liệu cuối cùng gồm 280 tài liệu, trong đó có 273 bài báo và 7 bài tổng quan. Từ khóa tác giả được chuẩn hóa bằng cách hợp nhất các biến thể chính tả, dạng số nhiều và từ viết tắt, qua đó giảm số lượng từ khóa duy nhất từ 844 xuống còn 794.
Quy trình phân tích
Theo Donthu và cộng sự (2021), nghiên cứu kết hợp phân tích hiệu suất và lập bản đồ khoa học. Phân tích hiệu suất tập trung vào sản lượng và trích dẫn theo năm; năng suất và ảnh hưởng của các nguồn công bố, tác giả và quốc gia (thông qua chỉ số h, g và m); định luật phân tán Bradford và định luật năng suất của tác giả Lotka. Lập bản đồ khoa học được thực hiện thông qua 3 mối quan hệ. Phân tích đồng trích dẫn xác định các tài liệu được trích dẫn cùng nhau, qua đó phản ánh nền tảng tri thức của lĩnh vực. Phân tích liên kết thư mục xác định các tài liệu cùng trích dẫn những nguồn tham khảo giống nhau, giúp nhận diện các hướng nghiên cứu hiện hành mà không phụ thuộc vào việc tài liệu mới đã được trích dẫn hay chưa. Phân tích đồng từ xác định các từ khóa thường xuất hiện cùng nhau, qua đó làm rõ cấu trúc khái niệm của lĩnh vực. Bên cạnh đó, bản đồ chủ đề được xây dựng dựa trên độ trung tâm và mật độ, trong khi sự tiến hóa của các chủ đề được theo dõi qua 3 giai đoạn: 2023-2024, 2025 và 2026.
Các chỉ số hiệu suất, bản đồ chủ đề và phân tích tiến hóa chủ đề được thực hiện theo quy trình của gói Bibliometrix (Aria và Cuccurullo, 2017). Các bản đồ mạng được xây dựng theo phương pháp của VOSviewer (van Eck và Waltman, 2010), trong đó các liên kết được chuẩn hóa theo độ mạnh liên kết (association strength) và phân cụm bằng thuật toán Leiden theo phương pháp đếm đầy đủ. Các ngưỡng lựa chọn được xác định phù hợp với quy mô dữ liệu: từ khóa xuất hiện ít nhất 3 lần (55/794 từ khóa được lập bản đồ); tài liệu tham khảo được trích dẫn ít nhất 10 lần (71/11.026 tài liệu); và tài liệu có ít nhất 5 trích dẫn để phân tích liên kết thư mục (112/113 tài liệu). Một tài liệu có 326 tác giả đã bị loại khỏi phân tích đồng tác giả.
Trong bản đồ chủ đề, độ trung tâm phản ánh mức độ liên kết của một chủ đề với các chủ đề khác, còn mật độ thể hiện mức độ liên kết giữa các từ khóa trong chủ đề đó. Theo đó, chủ đề động lực có độ trung tâm và mật độ cao; chủ đề nền tảng có độ trung tâm cao nhưng mức độ phát triển thấp hơn; chủ đề chuyên biệt có mật độ cao nhưng ít liên kết với các chủ đề khác; trong khi chủ đề mới nổi hoặc suy giảm có cả 2 chỉ số ở mức thấp. Việc kết hợp phân tích đồng trích dẫn để nhận diện nền tảng tri thức trong quá khứ với phân tích liên kết thư mục và tiến hóa chủ đề để xác định các hướng nghiên cứu hiện hành cho phép nghiên cứu phân biệt nền tảng đã hình thành với những xu hướng đang phát triển. Cách tiếp cận này đặc biệt phù hợp với lĩnh vực có phần lớn tài liệu được công bố chưa đầy một năm.
KẾT QUẢ NGHIÊN CỨU
Tăng trưởng, quốc gia và nguồn công bố
280 tài liệu được công bố trên 131 tạp chí, với sự tham gia của 1.127 tác giả và tổng cộng 5.366 lượt trích dẫn, tương đương 19,16 lượt trích dẫn/tài liệu. Số lượng công bố tăng từ 8 tài liệu năm 2023 lên 43 tài liệu năm 2024, 75 tài liệu năm 2025 (tốc độ tăng trưởng kép 206,2%/năm) và 154 tài liệu tính đến giữa tháng 10/2026 (Hình 1). Tuy nhiên, số lượt trích dẫn bình quân có xu hướng giảm theo năm công bố, từ 268,5 lượt đối với các tài liệu năm 2023 xuống còn 11,9 lượt năm 2025 và 2,5 lượt năm 2026. Riêng Lim và cộng sự (2023) chiếm 1/4 tổng số lượt trích dẫn. Sự gia tăng mạnh về số lượng công bố trong năm 2026 cho thấy, nghiên cứu về GenAI trong giáo dục kinh doanh đang chuyển từ giai đoạn bình luận ban đầu sang giai đoạn hình thành một dòng nghiên cứu thực nghiệm ổn định hơn.
Hình 1: Số tài liệu và tổng trích dẫn theo năm, 2023-2026
![]() |
Nguồn: Tác giả phân tích dữ liệu Scopus
Xét theo quốc gia của tác giả liên hệ, Hoa Kỳ dẫn đầu với 59 tài liệu, tiếp theo là Vương quốc Anh (26), Ấn Độ (25) và Trung Quốc (22). Bốn quốc gia này đóng góp 47% tổng số tài liệu, trong khi châu Phi chỉ có 5 tài liệu. Vương quốc Anh đạt mức ảnh hưởng cao nhất, với bình quân 46,1 lượt trích dẫn/tài liệu, chủ yếu nhờ các nghiên cứu về tư duy phản biện (Essien và cộng sự, 2024). Theo định luật Bradford, vùng lõi gồm 8 tạp chí với 94 tài liệu; trong đó, International Journal of Management Education dẫn đầu với 30 tài liệu, 2.251 lượt trích dẫn và chỉ số h = 14. Năng suất công bố của tác giả phân tán đáng kể: 96,5% tác giả chỉ có một tài liệu, trong khi hệ số Lotka (β = 4,68) cao hơn nhiều so với giá trị kinh điển là 2. Điều này cho thấy, lĩnh vực chủ yếu được đóng góp bởi các tác giả tham gia đơn lẻ, thay vì những nhóm nghiên cứu chuyên sâu và có tính liên tục. Trong số các tài liệu được trích dẫn nhiều nhất, Lim và cộng sự (2023) đưa ra phân tích khái niệm dựa trên lý thuyết nghịch lý; Wood và cộng sự (2023) kiểm định ChatGPT trên 28.085 câu hỏi kế toán và cho thấy sinh viên vẫn đạt kết quả vượt trội; trong khi Essien và cộng sự (2024) chỉ ra ChatGPT hỗ trợ kỹ năng bậc thấp trong thang Bloom nhiều hơn kỹ năng bậc cao.
Cấu trúc tri thức: Phân tích đồng trích dẫn
71 tài liệu có ít nhất 10 lượt trích dẫn hình thành 4 cụm đồng trích dẫn, phản ánh 4 nền tảng tri thức chính của lĩnh vực (Bảng 1).
Bảng 1: Các cụm đồng trích dẫn của tài liệu tham khảo
| Cụm | Số tài liệu | Tác giả tiêu biểu (số trích dẫn) | Diễn giải |
|---|---|---|---|
| 1. Tranh luận cơ hội - rủi ro | 31 | Kasneci (47); Cotton (45); Lim (44) | Các nghiên cứu khái niệm ban đầu về triển vọng, rủi ro và liêm chính học thuật |
| 2. Chấp nhận công nghệ và PLS-SEM | 18 | Venkatesh (45); Davis (38); Henseler (24) | Lý thuyết chấp nhận công nghệ và phương pháp đo lường |
| 3. Lý thuyết học tập | 13 | Chan và Hu (31); Kolb (27); Guha (27) | Học tập trải nghiệm, tư duy phản biện |
| 4. ChatGPT trong kế toán | 6 | Wood (26); Ballantine (23); Elbanna (15) | Kiểm định năng lực ChatGPT trên tác vụ kế toán |
Nguồn: Tác giả phân tích dữ liệu Scopus
Cụm 1 có quy mô lớn nhất, tập hợp các nghiên cứu khái niệm được công bố trong những tháng đầu sau khi ChatGPT ra mắt (Lim và cộng sự, 2023). Việc các nghiên cứu sau này vẫn dựa nhiều vào những công trình ban đầu cho thấy, lĩnh vực đã nhanh chóng chuyển sang nghiên cứu thực nghiệm nhưng chưa phát triển tương ứng các nền tảng lý thuyết mới. Cụm 2 tập trung vào các mô hình chấp nhận công nghệ như TAM, UTAUT (Venkatesh và cộng sự, 2003) và phương pháp PLS-SEM, thường được sử dụng trong các khảo sát về ý định sử dụng. Cụm 3 kết nối Lý thuyết học tập với tư duy phản biện (Essien và cộng sự, 2024; Guha và cộng sự, 2024), tạo nền tảng cho các hướng nghiên cứu sư phạm mới hơn. Trong khi đó, Cụm 4 có quy mô nhỏ nhưng tính liên kết cao, chủ yếu gồm các nghiên cứu kiểm định năng lực của ChatGPT trong lĩnh vực kế toán (Wood và cộng sự, 2023). Đáng chú ý, liên kết giữa Cụm 2 và Cụm 3 còn yếu, cho thấy nghiên cứu về chấp nhận công nghệ và nghiên cứu về hoạt động học tập vẫn phát triển tương đối độc lập.
Cấu trúc khái niệm và các hướng nghiên cứu nổi bật
Mạng lưới từ khóa gồm 55 từ khóa, được phân thành 6 cụm. Trong đó, các từ khóa xuất hiện nhiều nhất là “generative AI” (139 lần), “ChatGPT” (91 lần) và “artificial intelligence” (78 lần). Bản đồ chủ đề (Hình 2) cho thấy 3 nhóm chủ đề động lực gồm: giáo dục khởi nghiệp gắn với tư duy phản biện; thiết kế chương trình đào tạo gắn với sáng tạo và kỹ thuật viết câu lệnh; và giảng dạy kế toán. Các chủ đề nền tảng tập trung vào giáo dục tiếp thị gắn với năng lực AI và giáo dục kế toán gắn với liêm chính học thuật. Trong khi đó, các nghiên cứu về chấp nhận công nghệ sử dụng PLS-SEM thuộc nhóm chủ đề mới nổi hoặc suy giảm.
Phân tích tiến hóa chủ đề cho thấy sự thay đổi đáng chú ý trong cơ cấu nghiên cứu. Từ giai đoạn 2023-2025 sang năm 2026, tỷ trọng tài liệu sử dụng từ khóa “ChatGPT” giảm từ 48,4% xuống 19,5%; giáo dục khởi nghiệp tăng từ 4,8% lên 11,0%, trong khi giáo dục kế toán giảm từ 11,1% xuống 5,2%. Lớp phủ theo năm công bố cũng cho thấy các từ khóa mới xuất hiện gồm: tư duy thiết kế, học tập phản tư, sáng tạo, kỹ thuật viết câu lệnh và ý định hành vi. Những thay đổi này phản ánh 2 hướng phát triển song song: nghiên cứu về các mục tiêu học tập ở cấp độ cao hơn và nghiên cứu định lượng về việc chấp nhận công nghệ đang có dấu hiệu gia tăng trở lại.
Hình 2: Bản đồ chủ đề (sơ đồ chiến lược) của từ khóa tác giả; kích thước bong bóng = số lần xuất hiện
![]() |
Nguồn: Tác giả phân tích dữ liệu Scopus
Kết quả phân tích liên kết thư mục đối với 112 tài liệu có ít nhất 5 lượt trích dẫn xác định 3 hướng nghiên cứu nổi bật (Bảng 2).
Bảng 2: Các hướng nghiên cứu nổi bật từ liên kết thư mục
| Hướng nghiên cứu | Số tài liệu | Trích dẫn | Trọng tâm |
|---|---|---|---|
| 1. Đổi mới sư phạm | 57 | 3.785 | Mục tiêu học tập, tư duy phản biện, đánh giá, chương trình |
| 2. Chấp nhận và lạm dụng của sinh viên | 31 | 712 | Ý định, hành vi sử dụng và lạm dụng (TAM, UTAUT); khảo sát PLS-SEM |
| 3. Giáo dục tiếp thị trong môi trường có AI | 24 | 705 | Năng lực nghề nghiệp và các can thiệp nâng cao năng lực AI |
Nguồn: Tác giả phân tích dữ liệu Scopus
Nhìn chung, sự phát triển của lĩnh vực thể hiện qua 2 chuyển động chính.
Thứ nhất, trọng tâm nghiên cứu đang chuyển từ việc tìm hiểu sinh viên có sử dụng GenAI hoặc sử dụng công cụ này để gian lận hay không sang vấn đề thiết kế hoạt động giảng dạy và đánh giá nhằm hỗ trợ sinh viên học tập cùng GenAI.
Thứ hai, nghiên cứu ngày càng mở rộng sang nhiều phân ngành, trong đó giáo dục khởi nghiệp có tốc độ gia tăng đáng chú ý.
Tuy nhiên, dòng nghiên cứu về chấp nhận công nghệ vẫn phát triển tương đối độc lập và ít liên kết với dòng nghiên cứu sư phạm, cho thấy 2 hướng nghiên cứu này chưa có nhiều trao đổi và tích hợp.
Định hướng nghiên cứu tương lai theo khung TCCM
Tiêu đề, tóm tắt và từ khóa của 280 tài liệu được mã hóa theo khung TCCM (Paul và Rosado-Serrano, 2019), với kết quả tổng hợp được trình bày tại Bảng 3. Về lý thuyết, UTAUT/UTAUT2 (23 tài liệu) và TAM (18 tài liệu) được sử dụng phổ biến để giải thích ý định sử dụng, nhưng chưa làm rõ đầy đủ các vấn đề liên quan đến quá trình học tập. Do đó, cần mở rộng sang các lý thuyết về tải nhận thức, nghịch lý và bản sắc giảng viên (Lim và cộng sự, 2023).
Về bối cảnh, Đông Nam Á chỉ đóng góp 9% số tài liệu; các lĩnh vực tài chính, vận hành và quản trị nhân lực cũng chưa được nghiên cứu tương xứng. Trong bối cảnh đó, các trường kinh doanh tại Việt Nam, nơi lĩnh vực kế toán đang chuyển nhanh sang kỷ nguyên số (Đào và Vũ, 2025), có thể là địa bàn nghiên cứu phù hợp. Về đặc điểm nghiên cứu, ý định sử dụng được đề cập trong 108 tài liệu, trong khi kết quả học tập chỉ được đo lường trong 42 tài liệu. Về phương pháp, khảo sát cắt ngang chiếm ưu thế, còn thiết kế nghiên cứu dọc (7 tài liệu) và phương pháp fsQCA (5 tài liệu) được sử dụng hạn chế. Thử nghiệm ngẫu nhiên của Fisher và cộng sự (2026) với 1.190 sinh viên là một ví dụ tham khảo để phát triển các thiết kế nghiên cứu thực nghiệm.
Bảng 3: Định hướng nghiên cứu tương lai theo khung TCCM
| Khía cạnh | Hiện trạng | Câu hỏi nghiên cứu minh họa |
|---|---|---|
| Lý thuyết | TAM/UTAUT chiếm ưu thế | Khi nào GenAI sẽ thay thế, thay vì hỗ trợ, việc học? |
| Bối cảnh | Bốn quốc gia ≈ 47%; một học phần | Chính sách, ngôn ngữ và hạ tầng tác động như thế nào tại Việt Nam? |
| Đặc điểm | Ý định là biến kết quả | Đánh giá tích hợp GenAI ảnh hưởng như thế nào đến học tập ở bậc cao? |
| Phương pháp | Khảo sát cắt ngang PLS-SEM | Hiệu quả học tập và sự phụ thuộc thay đổi như thế nào theo thời gian? |
Nguồn: Tác giả tổng hợp
Thảo luận và hàm ý
Hàm ý lý thuyết
Nghiên cứu về GenAI trong giáo dục kinh doanh và quản trị đã vượt qua giai đoạn khởi đầu, khi các công trình chủ yếu phản ứng trước sự xuất hiện của công nghệ mới và thường vận dụng các thiết kế nghiên cứu từ lĩnh vực hệ thống thông tin. Một phát hiện nổi bật là sự phân tách giữa 2 hướng nghiên cứu: nghiên cứu chấp nhận công nghệ xem sinh viên là người sử dụng, trong khi nghiên cứu sư phạm tiếp cận họ như những người học. Việc kết nối 2 hướng này giúp mở rộng câu hỏi nghiên cứu, từ việc xác định ai sử dụng GenAI sang việc đánh giá liệu việc sử dụng công nghệ có tạo ra những kết quả học tập mà các trường kinh doanh hướng tới hay không.
Sự khác biệt giữa các phân ngành cũng cần được xem xét. GenAI có cách thức hoạt động và mức độ tác động khác nhau đối với các bài toán kế toán có cấu trúc, tác vụ tiếp thị sáng tạo và quyết định khởi nghiệp trong điều kiện bất định; do đó, hiệu quả học tập cũng không đồng nhất (Fisher và cộng sự, 2026). Giáo dục kinh doanh bao gồm nhiều bối cảnh khác nhau, vì vậy, các mô hình nghiên cứu tổng quát có thể chưa phản ánh đầy đủ những khác biệt này. Việc phát triển lý thuyết cần xem xét đặc điểm của từng loại tác vụ, có cấu trúc, sáng tạo hoặc bất định, như một điều kiện biên khi đánh giá tác động của GenAI. Bên cạnh đó, sự chiếm ưu thế của các nghiên cứu khái niệm trong nhóm tài liệu được trích dẫn nhiều nhất cho thấy lĩnh vực này vẫn thiếu những lý thuyết chuyên biệt được kiểm định thực nghiệm. Vì vậy, các nghiên cứu tiếp theo cần tập trung kiểm định những luận điểm về nghịch lý, giảm tải nhận thức và bản sắc, thay vì chỉ tiếp tục nhắc lại các luận điểm này.
Hàm ý thực tiễn
Đối với các trường kinh doanh, cần tập trung vào 3 ưu tiên.
Một là, chính sách đánh giá cần chuyển từ cách tiếp cận phát hiện và cấm đoán sang thiết kế lại hoạt động đánh giá, thông qua đánh giá xác thực, vấn đáp và các bài tập cho phép sử dụng AI nhưng vẫn bảo đảm kết quả học tập.
Hai là, năng lực AI cần được xác định là chuẩn đầu ra ở cấp chương trình đào tạo, thay vì phụ thuộc vào quyết định riêng của từng giảng viên.
Ba là, nhà trường cần đầu tư phát triển đội ngũ giảng viên, bởi việc thiết kế lại học phần có thể làm gia tăng áp lực về bản sắc nghề nghiệp và khối lượng công việc.
Đối với giảng viên, bằng chứng về tư duy phản biện đặt ra yêu cầu thận trọng khi sử dụng GenAI trong giảng dạy, bởi công nghệ này dường như hỗ trợ các tác vụ tư duy bậc thấp nhiều hơn các tác vụ bậc cao (Essien và cộng sự, 2024). Một hướng ứng dụng phù hợp là tổ chức hoạt động theo trình tự: sinh viên thực hiện độc lập, đối chiếu kết quả với nội dung do AI tạo ra và phản tư về sự khác biệt. Tại Việt Nam, các chương trình đào tạo kế toán và tài chính có thể tích hợp GenAI với định hướng phát triển kỹ năng số của nghề nghiệp, đồng thời tăng cường hợp tác giữa nhà trường và doanh nghiệp (Đào và Vũ, 2025). Tuy nhiên, cần lưu ý rằng các hướng dẫn được xây dựng tại Hoa Kỳ và Vương quốc Anh không nhất thiết phù hợp để áp dụng trực tiếp trong bối cảnh Việt Nam.
Đối với nhà hoạch định chính sách và tổ chức kiểm định, mức độ tập trung nghiên cứu tại 4 quốc gia cho thấy sự cần thiết phải bổ sung bằng chứng trong nước trước khi ban hành hướng dẫn quốc gia về GenAI trong giáo dục đại học. Đây cũng là cơ hội để các trường kinh doanh tại Việt Nam và khu vực Đông Nam Á chủ động thực hiện nghiên cứu, đóng góp bằng chứng phù hợp với bối cảnh khu vực, thay vì chỉ tiếp nhận các kết quả và hướng dẫn từ bên ngoài.
KẾT LUẬN
Nghiên cứu đã lập bản đồ 280 tài liệu trên cơ sở dữ liệu Scopus về GenAI trong giáo dục kinh doanh và quản trị, được công bố từ năm 2023 đến tháng 10/2026. Kết quả cho thấy, lĩnh vực này tăng trưởng nhanh, tập trung tại một số tạp chí giáo dục và chủ yếu được dẫn dắt bởi các nhà nghiên cứu đến từ 4 quốc gia. Nền tảng tri thức hình thành từ các tranh luận ban đầu về cơ hội và rủi ro, Lý thuyết chấp nhận công nghệ, Lý thuyết học tập và các nghiên cứu kiểm định năng lực trong lĩnh vực kế toán. Các hướng nghiên cứu nổi bật tập trung vào đổi mới sư phạm, sự chấp nhận của sinh viên và những năng lực cần thiết trong môi trường làm việc có AI. Đồng thời, mối quan tâm nghiên cứu đang chuyển dịch từ ChatGPT và liêm chính học thuật sang thiết kế chương trình đào tạo, năng lực AI, sáng tạo, tư duy phản biện và giáo dục khởi nghiệp.
Nghiên cứu vẫn tồn tại một số hạn chế. Thứ nhất, việc chỉ sử dụng một cơ sở dữ liệu có thể khiến một số tạp chí, bài hội thảo và công trình không được xuất bản bằng tiếng Anh không được đưa vào phân tích. Thứ hai, các phân tích dựa trên trích dẫn có xu hướng ưu tiên những công trình được công bố sớm, trong khi các tài liệu năm 2026 chưa có đủ thời gian tích lũy trích dẫn; do đó, kết quả phản ánh xu hướng tại một thời điểm nhất định. Thứ ba, phân tích đồng trích dẫn tác giả và nguồn phụ thuộc vào cách Scopus lập chỉ mục tài liệu tham khảo, đồng thời có thể chịu ảnh hưởng của các biến thể tên. Thứ tư, quá trình sàng lọc tài liệu và chuẩn hóa từ khóa vẫn có yếu tố phán đoán, trong khi các chỉ báo TCCM được xác định thông qua mã hóa dựa trên từ điển từ tiêu đề, tóm tắt và từ khóa. Do đó, các nghiên cứu tiếp theo có thể kết hợp nhiều cơ sở dữ liệu, cập nhật phân tích khi dữ liệu năm 2026 được hoàn thiện, đồng thời bổ sung phân tích toàn văn hoặc phân tích tổng hợp quy mô tác động nhằm mở rộng và làm sâu sắc hơn kết quả nghiên cứu.
Tài liệu tham khảo:
1. Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007
2. Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2024). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
3. Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International Journal of Educational Technology in Higher Education, 20, Article 22. https://doi.org/10.1186/s41239-023-00392-8
4. Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296. https://doi.org/10.1016/j.jbusres.2021.04.070
5. Đào, T. H., & Vũ, T. M. (2025). Kế toán Việt Nam trong kỷ nguyên số: Xu hướng và thách thức [Vietnamese accounting in the digital era: Trends and challenges]. Tạp chí Nghiên cứu Tài chính Kế toán, (297), 69-72. https://doi.org/10.71374/jfarv.v25.i297.16
6. Essien, A., Bukoye, O. T., O’Dea, X., & Kremantzis, M. (2024). The influence of AI text generators on critical thinking skills in UK business schools. Studies in Higher Education, 49(5), 865-882. https://doi.org/10.1080/03075079.2024.2316881
7. Fisher, R., Gogan, T., Williams, J., Laferriere, R., Campbell, G., Gunasekara, A., & Nguyen, J. (2026). Can ChatGPT enhance business student creativity? Evidence from a randomised controlled trial. Studies in Higher Education, 51(7), 1432-1446. https://doi.org/10.1080/03075079.2025.2515512
8. Guha, A., Grewal, D., & Atlas, S. (2024). Generative AI and marketing education: What the future holds. Journal of Marketing Education, 46(1), 6-17. https://doi.org/10.1177/02734753231215436
9. Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., . . . Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274
10. Kaul, A., Malhotra, S., Bathula, H., & Ullah, A. (2026). A scoping review of generative artificial intelligence in business education: Implications for pedagogy and organisational decision making. Journal of Management and Organization. https://doi.org/10.1017/jmo.2026.10106
11. Lim, W. M., Gunasekara, A., Pallant, J. L., Pallant, J. I., & Pechenkina, E. (2023). Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators. International Journal of Management Education, 21(2), Article 100790. https://doi.org/10.1016/j.ijme.2023.100790
12. Paul, J., & Rosado-Serrano, A. (2019). Gradual internationalization vs born-global/international new venture models: A review and research agenda. International Marketing Review, 36(6), 830-858. https://doi.org/10.1108/IMR-10-2018-0280
13. Ratten, V., & Jones, P. (2023). Generative artificial intelligence (ChatGPT): Implications for management educators. International Journal of Management Education, 21(3), Article 100857. https://doi.org/10.1016/j.ijme.2023.100857
14. van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
15. 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. https://doi.org/10.2307/30036540
16. Wood, D. A., Achhpilia, M. P., Adams, M. T., Aghazadeh, S., Akinyele, K., Akpan, M., Allee, K. D., Allen, A. M., Almer, E. D., Ames, D., Arity, V., Barr-Pulliam, D., Basoglu, K. A., Belnap, A., Bentley, J. W., Berg, T., Berglund, N. R., Berry, E., Bhandari, A., . . . Zoet, E. (2023). The ChatGPT artificial intelligence chatbot: How well does it answer accounting assessment questions? Issues in Accounting Education, 38(4), 81-108. https://doi.org/10.2308/ISSUES-2023-013
| Ngày nhận bài: 25/10/2026; Ngày hoàn thiện biên tập: 5/11/2026; Ngày duyệt đăng: 17/11/2026 |
Các tin khác
Một số giải pháp nhằm nâng cao chất lượng thực hiện kết quả kiểm tra trong ngành Thống kê
Chuyển đổi số và hiệu quả quản trị tại các doanh nghiệp nhà hàng, khách sạn: Nghiên cứu thực tế tại Hải Phòng
Tác động gián tiếp của eWOM đến lòng trung thành thương hiệu của sinh viên đại học tại TP. Hồ Chí Minh: Vai trò trung gian của hình ảnh thương hiệu và sự hài lòng
Tăng trưởng dựa vào hạ tầng: Lý luận, thực tiễn và hàm ý chính sách cho Việt Nam
Sự tham gia của cộng đồng và phát triển du lịch tái sinh tại Việt Nam: Kết quả phân tích trắc lượng thư mục
Ảnh hưởng của giá trị thương hiệu, niềm tin thương hiệu đến ý định sử dụng dịch vụ khám chữa bệnh tại Bệnh viện Đại học Phenikaa
Tác động của chất lượng dịch vụ đến lòng trung thành của khách hàng tại Công ty TNHH Xây dựng và Sản xuất kết cấu thép Hợp Phát: Vai trò trung gian của sự hài lòng
Tác động của hóa đơn điện tử đến công tác kế toán và quản lý thuế tại Việt Nam
Lựa chọn ngành đào tạo đại học trong mối quan hệ với kỳ vọng thị trường lao động và chuyển đổi số: Nghiên cứu tại tỉnh Nghệ An

