Mô hình nghiên cứu tác động của trí tuệ nhân tạo tạo sinh đến hành vi đổi mới sáng tạo của sinh viên thông qua sáng tạo tri thức
Diệp Ái Ngọc
Phòng Đào tạo, Trường Đại học Điện lực
Email: [email protected]
Tóm tắt
Sự bùng nổ của trí tuệ nhân tạo tạo sinh (GenAI) đang tái định hình toàn bộ môi trường giáo dục đại học, đặt ra cả cơ hội lẫn thách thức đối với quá trình phát triển năng lực đổi mới sáng tạo của người học và sinh viên. Mặc dù GenAI cung cấp khả năng tổng hợp thông tin, gợi mở ý tưởng và tương tác đối thoại vượt trội, sự gia tăng tần suất sử dụng thuần túy không đồng nghĩa với việc gia tăng tri thức hữu ích hay năng lực đổi mới độc lập. Nghiên cứu này đề xuất khung lý thuyết tích hợp hệ thống nhằm giải thích cơ chế tác động của việc sử dụng GenAI đến hành vi đổi mới sáng tạo của sinh viên thông qua vai trò trung gian của sáng tạo tri thức cá nhân (Individual Knowledge Creation), trong đó Năng lực hấp thụ tri thức được kỳ vọng đóng vai trò điều tiết tích cực còn Sự phụ thuộc công nghệ đóng vai trò điều tiết tiêu cực. Bài viết đóng góp nền tảng lý luận vững chắc và đề xuất hệ thống thang đo chuẩn hóa cho các nghiên cứu thực nghiệm tiếp theo.
Từ khóa: Trí tuệ nhân tạo tạo sinh (GenAI), Sáng tạo tri thức cá nhân, Hành vi đổi mới sáng tạo, Năng lực hấp thụ tri thức, Sự phụ thuộc GenAI.
Abstract
The rapid emergence of Generative Artificial Intelligence (GenAI) is reshaping higher education, presenting both transformative opportunities and critical challenges for student innovation. While GenAI facilitates advanced information synthesis and interactive idea generation, higher usage frequency does not automatically translate into genuine knowledge acquisition or independent innovative capability. This research develops a comprehensive theoretical framework to explain how GenAI engagement drives student innovative behavior through individual knowledge creation as a key mediating mechanism, in which, Absorptive capacity is hypothesized to strengthen the positive effect of active GenAI use on knowledge creation, whereas technological dependency acts as a constraining factor. This paper provides a rigorous conceptual foundation and measurement items for future empirical validation.
Keywords: Generative AI (GenAI), Individual Knowledge Creation, Student Innovative Behavior, Absorptive Capacity, GenAI Dependency.
ĐẶT VẤN ĐỀ
Trong bối cảnh chuyển đổi số đang diễn ra mạnh mẽ trong đời sống xã hội nói chung và lĩnh vực giáo dục nói riêng, sự xuất hiện của trí tuệ nhân tạo tạo sinh (Generative artificial intelligence - GenAI) như ChatGPT, Claude, Gemini đã tạo nên một bước ngoặt đột phá trong phương thức truy cập, tương tác và xử lý tri thức. Khác với các hệ thống tìm kiếm thông tin truyền thống vốn chỉ trả về các đường dẫn liên kết tĩnh, GenAI sở hữu khả năng đối thoại ngôn ngữ tự nhiên, gợi mở giả thuyết, tổng hợp văn bản đa nguồn, diễn giải khái niệm phức tạp và đề xuất các phương án giải quyết vấn đề. Trong giáo dục đại học, GenAI mở ra những tiềm năng to lớn để hỗ trợ sinh viên trong quá trình học thuật, nghiên cứu khoa học, xây dựng dự án và phát triển các giải pháp sáng tạo thực tiễn (Dwivedi & cộng sự, 2023; Kasneci & cộng sự, 2023).
Tuy nhiên, việc công nghệ có thể tạo ra văn bản, mã lập trình hay ý tưởng một cách tức thì không đồng nghĩa với việc người sử dụng thực sự tiếp thu, làm chủ và tạo ra tri thức mới. Thực tế quan sát tại các cơ sở giáo dục đại học cho thấy tồn tại hai phương thức tương tác GenAI trái ngược nhau ở sinh viên: (1) Phương thức chủ động và phản biện - nơi sinh viên sử dụng GenAI như một đối tác hội thoại để truy vấn, đặt giả thuyết, đối chiếu dữ liệu và thử nghiệm giải pháp; và (2) Phương thức thụ động - nơi sinh viên chấp nhận đầu ra của AI một cách nguyên bản, sao chép kết quả mà không trải qua quá trình xử lý nhận thức sâu sắc. Phương thức thứ hai tiềm ẩn rủi ro lười biếng nhận thức, xói mòn tư duy phản biện và gia tăng sự phụ thuộc vào công nghệ (Kasneci & cộng sự, 2023).
Từ góc độ quản trị tri thức và đổi mới sáng tạo, năng lực đổi mới sáng tạo của sinh viên không chỉ dừng lại ở việc phát sinh ý tưởng ban đầu mà thể hiện qua toàn bộ chuỗi hành vi đổi mới sáng tạo bao gồm: hình thành ý tưởng, vận động sự ủng hộ và hiện thực hóa ý tưởng vào thực tiễn (Janssen, 2000; Scott & Bruce, 1994). Một câu hỏi đặt ra là liệu việc sử dụng GenAI có trực tiếp thúc đẩy hành vi đổi mới sáng tạo hay phải thông qua một yếu tố trung gian nào khác. Lý thuyết sáng tạo tri thức (Nonaka, 1994) và quan điểm dựa trên tri thức (Grant, 1996) gợi mở rằng tri thức cá nhân chính là một trong những cầu nối bắt buộc. Việc ứng dụng công nghệ chỉ tạo ra giá trị đổi mới khi thông tin được chuyển hóa thành tri thức cá nhân thông qua các hoạt động tái cấu trúc, tích hợp và nghiệm suy. Bên cạnh đó, theo lý thuyết năng lực hấp thụ (Cohen & Levinthal, 1990; Zahra & George, 2002), kiến thức nền tảng và khả năng đánh giá tri thức giúp sinh viên hấp thụ hiệu quả các gợi ý từ GenAI. Ngược lại, mức độ phụ thuộc công nghệ có thể làm cản trở quá trình sáng tạo tri thức tự thân. Nhằm giải quyết các khoảng trống lý luận này, nghiên cứu tập trung xây dựng khung lý thuyết tổng quan và đề xuất mô hình nghiên cứu kiểm định tác động của việc sử dụng GenAI đến hành vi đổi mới sáng tạo của sinh viên thông qua vai trò trung gian của sáng tạo tri thức cá nhân, cùng tác động điều tiết của năng lực hấp thụ và sự phụ thuộc GenAI.
CƠ SỞ LÝ THUYẾT
Một số khái niệm cốt lõi
Sử dụng GenAI chủ động và phản biện. Khái niệm sử dụng GenAI của sinh viên trong nghiên cứu này không đo lường đơn thuần bằng tần suất hay thời lượng truy cập, mà tập trung vào chất lượng tương tác. Sử dụng GenAI chủ động và phản biện là phương thức người học chủ động đặt câu hỏi đa chiều, sử dụng câu lệnh nâng cao, kiểm chứng độ chính xác của thông tin từ GenAI đối chiếu với các nguồn tài liệu chính thống, và kết hợp đầu ra của AI với trải nghiệm cá nhân để giải quyết nhiệm vụ học thuật (Dwivedi & cộng sự, 2023).
Sáng tạo tri thức ở cấp độ cá nhân. Theo Nonaka (1994), sáng tạo tri thức ở cấp độ cá nhân là quá trình người học tiếp nhận, tích hợp, tái cấu trúc và chuyển hóa các nguồn thông tin/tri thức bên ngoài để hình thành nên sự hiểu biết mới, góc nhìn mới hoặc giải pháp mới mà bản thân chưa từng sở hữu trước đó. Quá trình này đòi hỏi sự tham gia nhận thức tích cực và tư duy tổng hợp sâu sắc.
Hành vi đổi mới sáng tạo của sinh viên. Được kế thừa từ định nghĩa về hành vi đổi mới sáng tạo trong tổ chức của Janssen (2000) và Scott & Bruce (1994), hành vi đổi mới sáng tạo của sinh viên bao gồm một chuỗi ba giai đoạn liên tục: (1) Hình thành ý tưởng mới (Idea Generation) - xuất phát từ việc phát hiện vấn đề học thuật/thực tiễn; (2) Thúc đẩy ý tưởng (Idea Promotion) - tìm kiếm sự ủng hộ từ giảng viên, bạn học hoặc đối tác; và (3) Hiện thực hóa ý tưởng (Idea Realization) - thử nghiệm, phát triển sản phẩm mẫu hoặc áp dụng giải pháp vào thực tế.
Năng lực hấp thụ tri thức. Theo Cohen & Levinthal (1990) và Zahra & George (2002), năng lực hấp thụ tri thức của sinh viên thể hiện ở khả năng nhận diện giá trị của thông tin mới từ bên ngoài, tiếp thu, chuyển hóa (tích hợp tri thức mới với tri thức sẵn có) và vận dụng tri thức đó vào mục đích thương mại hoặc học thuật. Năng lực hấp thụ đóng vai trò như bộ lọc và động cơ giúp chuyển hóa dữ liệu GenAI thành tri thức hữu ích.
Sự phụ thuộc vào GenAI. Sự phụ thuộc GenAI phản ánh trạng thái người học phụ thuộc quá mức vào các công cụ trí tuệ nhân tạo để thực hiện các công việc nhận thức, dẫn đến sự suy giảm niềm tin vào năng lực tư duy tự thân, ngại suy nghĩ độc lập và có xu hướng chấp nhận thụ động mọi kết quả do AI cung cấp mà không qua kiểm chứng (Kasneci & cộng sự, 2023).
Tổng quan nghiên cứu
Về mối quan hệ giữa GenAI và sáng tạo tri thức cũng như kết quả học thuật. Các nghiên cứu của Dwivedi & cộng sự (2023), Kasneci & cộng sự (2023), Su & Yang (2023) chỉ ra rằng GenAI đóng vai trò như một đối tác đồng sáng tạo. Khi sinh viên chủ động đặt câu hỏi đa chiều, GenAI giúp rút ngắn thời gian tìm kiếm thông tin, gợi mở các góc nhìn phản biện đối lập và hỗ trợ tổng hợp tri thức đa nguồn, từ đó thúc đẩy mạnh mẽ quá trình hình thành tri thức cá nhân mới. Trong khi đó, nghiên cứu thực nghiệm của Sullivan & cộng sự (2023) chỉ ra hiện tượng “lười biếng nhận thức”. Nếu việc sử dụng AI dừng lại ở mức độ tra cứu bề nổi hoặc sao chép nguyên bản, tần suất sử dụng AI cao không những không tạo ra tri thức mới mà còn làm suy giảm khả năng tự tích hợp tri thức và tư duy độc lập của người học.
Về tác động của sáng tạo tri thức đối với hành vi đổi mới sáng tạo. Các nghiên cứu về quản trị tri thức và đổi mới sáng tạo như Amabile (1988); Scott & Bruce (1994); Janssen (2000); Anderson & cộng sự (2014) hoàn toàn thống nhất rằng tri thức được cá nhân nội hóa và làm chủ chính là nhiên liệu cốt lõi cho mọi hành vi đổi mới. Tri thức mới mang lại sự tự tin nhận thức giúp sinh viên không chỉ dừng lại ở việc nghĩ ra ý tưởng mà còn đủ cơ sở khoa học để thuyết phục người khác và dấn thân thử nghiệm giải pháp thực tế.
Về tác động trực tiếp của GenAI tới hành vi đổi mới sáng tạo. Nghiên cứu thực nghiệm gần đây của Zhou & Wang (2024) phát hiện rằng việc sử dụng GenAI có thể tác động trực tiếp tích cực đến giai đoạn đầu của đổi mới sáng tạo nhờ khả năng tạo ra số lượng lớn các gợi ý và chỉ dẫn học thuật. Tuy nhiên, tác động trực tiếp này suy yếu rõ rệt ở các giai đoạn sau khi thúc đẩy và hiện thực hóa ý tưởng đổi mới sáng tạo. Nếu thông tin do GenAI gợi mở không trải qua quá trình “sáng tạo tri thức cá nhân” để người học thực sự hiểu thấu đáo, các ý tưởng sẽ hời hợt, thiếu tính khả thi và không thể biến thành sản phẩm đổi mới thực sự.
Về vai trò điều tiết của năng lực hấp thụ và sự phụ thuộc công nghệ. Nghiên cứu của Zahra & George (2002) và các nghiên cứu mới về học tập kỹ thuật số ủng hộ mạnh mẽ quan điểm: Sinh viên có kiến thức nền tảng vững chắc và năng lực hấp thụ cao sẽ biết cách sàng lọc và nhận diện thông tin có giá trị và tích hợp hiệu quả đầu ra của GenAI vào kho tàng tri thức cá nhân. Trong khi đó, Kasneci & cộng sự (2023) cùng các nghiên cứu tâm lý học giáo dục cảnh báo rằng sự phụ thuộc quá mức vào công cụ AI hoạt động như một 'chiếc nạng nhận thức', triệt tiêu động lực tìm tòi tự thân và làm suy yếu mối quan hệ giữa sử dụng AI và sáng tạo tri thức.
PHÁT TRIỂN GIẢ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
Giả thuyết nghiên cứu
Khi sinh viên tương tác với GenAI theo hướng chủ động, đặt câu hỏi phản biện và yêu cầu GenAI đưa ra các góc nhìn đối lập, quá trình này kích thích hoạt động tái cấu trúc và kết hợp tri thức. Việc trí tuệ nhân tạo tạo sinh tổng hợp dữ liệu từ nhiều nguồn giúp sinh viên nhanh chóng kết nối các khái niệm phân tán, hình thành sự hiểu biết sâu sắc hơn (Dwivedi & cộng sự, 2023). Nghiên cứu đề xuất giả thuyết:
H1: Việc sử dụng GenAI chủ động và phản biện có tác động tích cực đến sáng tạo tri thức cá nhân của sinh viên.
Tri thức mới được cá nhân tạo lập là nền tảng cốt lõi cho mọi hành vi đổi mới. Khi sinh viên làm chủ được tri thức mới, họ có sự tự tin và cơ sở khoa học để phát triển các ý tưởng đổi mới độc đáo, chủ động chia sẻ, thuyết phục giảng viên/bạn học và tiến hành thử nghiệm các giải pháp thực tiễn (Janssen, 2000). Vì vậy, giả thuyết H2: Sáng tạo tri thức cá nhân có tác động tích cực đến hành vi đổi mới sáng tạo của sinh viên, được phát biểu.
Bên cạnh tác động trực tiếp của việc sử dụng GenAI chủ động đến việc gợi mở ý tưởng và hành vi đổi mới, GenAI tạo ra môi trường tương tác phong phú giúp rút ngắn khoảng cách giữa dữ liệu và hành động. Tuy nhiên, nếu thông tin từ GenAI không được chuyển hóa thành tri thức sâu sắc của chính sinh viên, các ý tưởng sinh ra sẽ hời hợt và khó có thể hiện thực hóa. Do đó, Sáng tạo tri thức đóng vai trò là cơ chế trung gian thiết yếu (Nonaka, 1994). Giả thuyết H3 và H4 được phát biểu như sau:
H3: Việc sử dụng GenAI chủ động và phản biện có tác động trực tiếp tích cực đến hành vi đổi mới sáng tạo của sinh viên.
H4: Sáng tạo tri thức cá nhân đóng vai trò trung gian trong mối quan hệ giữa việc sử dụng GenAI chủ động/phản biện và hành vi đổi mới sáng tạo của sinh viên.
Năng lực hấp thụ tri thức giúp sinh viên phân biệt được thông tin hữu ích và thông tin sai lệch từ GenAI, từ đó tối đa hóa quá trình sáng tạo tri thức (Cohen & Levinthal, 1990). Ngược lại, nếu sinh viên bị phụ thuộc quá mức vào GenAI, họ sẽ giảm nỗ lực tư duy độc lập, dẫn đến tác động của việc sử dụng GenAI lên sáng tạo tri thức bị suy giảm (Kasneci và cộng sự, 2023). Từ đó, các giả thuyết H5, H6 và H7 được đề xuất:
H5: Năng lực hấp thụ tri thức điều tiết tích cực mối quan hệ giữa sử dụng GenAI chủ động/phản biện và sáng tạo tri thức cá nhân.
H6: Sự phụ thuộc GenAI điều tiết tiêu cực mối quan hệ giữa sử dụng GenAI chủ động/phản biện và sáng tạo tri thức cá nhân.
H7a: Năng lực hấp thụ tri thức điều tiết tăng cường tác động gián tiếp của Sử dụng GenAI chủ động/phản biện đến Hành vi đổi mới sáng tạo của sinh viên thông qua Sáng tạo tri thức cá nhân
H7b: Sự phụ thuộc GenAI điều tiết cản trở tác động gián tiếp của Sử dụng GenAI chủ động/phản biện đến Hành vi đổi mới sáng tạo của sinh viên thông qua Sáng tạo tri thức cá nhân
Đề xuất mô hình nghiên cứu và thang đo
Dựa trên cơ sở lý thuyết và các giả thuyết nghiên cứu đã được hình thành, mô hình nghiên cứu Tác động của trí tuệ nhân tạo tạo sinh đến hành vi đổi mới sáng tạo của sinh viên thông qua sáng tạo tri thức được trình bày tại Hình.
Hình: Mô hình nghiên cứu đề xuất
![]() |
Nguồn: Đề xuất của tác giả
Thang đo nghiên cứu đề xuất được trình bày cụ thể ở Bảng.
Bảng: Thang đo nghiên cứu đề xuất
![]() |
Nguồn: Đề xuất của tác giả
THẢO LUẬN VÀ HÀM Ý QUẢN TRỊ
Cơ chế lý thuyết
Mô hình nghiên cứu đề xuất đã mở rộng ứng dụng của lý thuyết sáng tạo tri thức (Nonaka, 1994) và quan điểm dựa trên tri thức (Grant, 1996) vào bối cảnh tương tác giữa con người và trí tuệ nhân tạo tạo sinh (GenAI). Điểm đóng góp nổi bật về mặt lý luận của mô hình nằm ở việc làm rõ rằng: GenAI không đóng vai trò thay thế con người trong sáng tạo, mà đóng vai trò như một 'xác tác tri thức. Việc chuyển hóa từ dữ liệu do AI tạo ra thành hành vi đổi mới sáng tạo thực tế bắt buộc phải trải qua mắt xích trung gian là quá trình làm chủ tri thức cá nhân.
Đồng thời, sự xuất hiện của hai biến điều tiết mang tính đối ứng năng lực hấp thụ và sự phụ thuộc GenAI giải thích lý do tại sao cùng sử dụng một công cụ GenAI nhưng các cá nhân sinh viên lại đạt được mức độ đổi mới sáng tạo rất khác nhau. Năng lực hấp thụ giúp tăng cường hiệu quả chuyển hóa, trong khi sự phụ thuộc quá mức lại triệt tiêu nỗ lực tư duy nội tại.
Hàm ý quản trị đối với các cơ sở giáo dục đại học
Nhà trường và giảng viên cần chuyển dịch từ việc cấm đoán GenAI sang hướng dẫn sinh viên “sử dụng GenAI có trách nhiệm và phản biện”. Thiết kế các bài tập đòi hỏi sinh viên phải đưa ra minh chứng về quá trình đối thoại, phản biện và kiểm chứng dữ liệu với GenAI thay vì chỉ đánh giá sản phẩm cuối cùng.
Tăng cường các khóa đào tạo về kỹ năng đặt câu lệnh, năng lực thẩm định thông tin và phương pháp luận nghiên cứu nhằm nâng cao nền tảng tri thức giúp sinh viên hấp thụ hiệu quả các đầu ra từ AI.
Xây dựng hướng dẫn rõ ràng về ranh giới giữa “hỗ trợ học thuật” và “vi phạm liêm chính học thuật”, giúp sinh viên nhận thức được nguy cơ của sự phụ thuộc công nghệ và duy trì tính độc lập trong tư duy sáng tạo.
KẾT LUẬN
Bài báo đã phát triển một khung lý thuyết tích hợp và đề xuất mô hình nghiên cứu giải thích cơ chế tác động của việc sử dụng GenAI đến hành vi đổi mới sáng tạo của sinh viên thông qua vai trò trung gian của sáng tạo tri thức cá nhân và tác động điều tiết của năng lực hấp thụ cùng sự phụ thuộc GenAI. Nghiên cứu đã lấp đầy khoảng trống lý luận quan trọng trong việc kết nối giữa công nghệ AI thế hệ mới với quản trị tri thức cá nhân và đổi mới sáng tạo trong môi trường đại học. Các nghiên cứu tiếp theo được khuyến nghị tiến hành khảo sát thực nghiệm định lượng để kiểm định độ vững của các giả thuyết trong mô hình.
Tài liệu tham khảo:
1. Amabile, T. M. (1988). A model of creativity and innovation in organizations. Research in Organizational Behavior, 10, 123–167.
2. Anderson, N., Potočnik, K., & Zhou, J. (2014). Innovation and creativity in organizations: A state-of-the-science review, prospective commentary, and guiding framework. Journal of Management, 40(5), 1297–1333.
3. Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152.
4. Dwivedi, Y. K., et al. (2023). 'So what if ChatGPT wrote it?' Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642.
5. Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal, 17(S2), 109–122.
6. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). SAGE.
7. Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis (3rd ed.). Guilford Press.
8. Janssen, O. (2000). Job demands, perceptions of effort–reward fairness and innovative work behaviour. Journal of Occupational and Organizational Psychology, 73(3), 287–302.
9. Kasneci, E., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274.
10. Kline, R. B. (2023). Principles and Practice of Structural Equation Modeling (5th ed.). Guilford Press.
11. Nonaka, I. (1994). A dynamic theory of organizational knowledge creation. Organization Science, 5(1), 14–37.
12. Nonaka, I., & Takeuchi, H. (1995). The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press.
13. Nonaka, I., Toyama, R., & Konno, N. (2000). SECI, Ba and leadership: A unified model of dynamic knowledge creation. Long Range Planning, 33(1), 5–34.
14. Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903.
15. Su, J., & Yang, W. (2023). Unlocking the power of AI in education: A framework for generative AI in teaching and learning. Computers and Education: Artificial Intelligence.
16. Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning & Teaching.
17. Scott, S. G., & Bruce, R. A. (1994). Determinants of innovative behavior: A path model of individual innovation in the workplace. Academy of Management Journal, 37(3), 580–607.
18. Zahra, S. A., & George, G. (2002). Absorptive capacity: A review, reconceptualization, and extension. Academy of Management Review, 27(2), 185–203.
19. Zhou, Y., & Wang, L. (2024). Generative AI in student innovation: Empirical evidence on idea generation versus realization. Computers & Education.
| Ngày nhận bài: 4/9/2026; Ngày hoàn thiện biên tập: 2/10/2026; Ngày duyệt đăng: 16/11/2026 |
Các tin khác
Các yếu tố ảnh hưởng đến trải nghiệm dịch vụ tiệc của khách hàng trong kinh doanh nhà hàng: Nghiên cứu trường hợp tại TP. Hà Nội
Giải pháp nâng cao chất lượng dịch vụ ngân hàng điện tử đối với khách hàng cá nhân tại Ngân hàng Thương mại Cổ phần Sài Gòn Tài Lộc - Chi nhánh Cần Thơ
Trí tuệ nhân tạo trong tuyển dụng và những tác động đến thị trường lao động Việt Nam
Quản lý nhà nước đối với chi phí giao dịch trên thị trường carbon tại Việt Nam: Tiếp cận từ kinh tế học thể chế
Hoàn thiện thể chế và chính sách tài chính phát triển khu công nghệ số tập trung ở Việt Nam: Từ ưu đãi đầu vào đến hiệu quả hệ sinh thái
Phát triển du lịch xanh hướng đến bền vững: Nghiên cứu điển hình tại Gia Lai
Quảng cáo livestream và doanh số ngoại phiên: Bằng chứng bước đầu từ Công ty TNHH IGA Việt Nam
Đề xuất mô hình nghiên cứu tác động của công bằng tổ chức và nhận thức về văn hóa đổi mới đến kết quả công việc của lãnh đạo cấp trung: Vai trò trung gian của cam kết tình cảm
Khung hoàn thiện hệ thống cảnh báo rủi ro tài chính trong môi trường tài chính số: Nghiên cứu tại Petrovietnam

