Mô hình nhân tố ảnh hưởng đến hành vi sử dụng AI trong học tập của sinh viên Viện Công nghệ Việt - Nhật, Trường Đại học Công nghệ TP. Hồ Chí Minh

TS. Bùi Nhật Lê Uyên

Email: [email protected]

Học viên cao học Nguyễn Anh Huy

Khoa Quản trị kinh doanh, Trường Đại học Công nghệ TP. Hồ Chí Minh

Tóm tắt

Nghiên cứu nhằm xác định và phân tích các nhân tố ảnh hưởng đến hành vi sử dụng trí tuệ nhân tạo (AI) trong học tập của sinh viên tại Viện Công nghệ Việt - Nhật thuộc Trường Đại học Công nghệ TP. Hồ Chí Minh. Thông qua phương pháp nghiên cứu hỗn hợp, nhóm tác giả xây dựng mô hình dựa trên lý thuyết UTAUT2 mở rộng. Qua dữ liệu thu thập từ 213 sinh viên, phân tích bằng mô hình cấu trúc tuyến tính (PLS-SEM), kết quả cho thấy, các nhân tố: Kỳ vọng hiệu suất, Kỳ vọng nỗ lực, Động lực tinh thần và Ảnh hưởng xã hội đều có tác động tích cực đến Ý định sử dụng AI. Đặc biệt, Thói quen được xác định là nhân tố có mức độ tác động mạnh nhất đến Hành vi sử dụng thực tế. Từ đó, nghiên cứu đề xuất các hàm ý quản trị nhằm giúp Nhà trường tối ưu hóa việc ứng dụng AI trong đào tạo và hình thành nếp học tập số bền vững cho sinh viên.

Từ khóa: Hành vi sử dụng, sinh viên đại học, trí tuệ nhân tạo, UTAUT2, ý định sử dụng

Abstract

This study aims to identify and analyze the factors influencing students’ use of artificial intelligence (AI) in learning at the Viet Nam–Japan Institute of Technology, under Ho Chi Minh City University of Technology. Employing a mixed-methods approach, the authors develop a research model based on the extended Unified Theory of Acceptance and Use of Technology 2 (UTAUT2). Using data collected from 213 students and analyzed through partial least squares structural equation modeling (PLS-SEM), the findings reveal that performance expectancy, effort expectancy, hedonic motivation, and social influence all positively affect students’ intention to use AI. Notably, habit is identified as the strongest determinant of actual usage behavior. Based on these findings, the study proposes managerial implications to help the university optimize AI integration in education and foster sustainable digital learning habits among students.

Keywords: Usage behavior, university students, artificial intelligence, UTAUT2, usage intention

GIỚI THIỆU

Trong bối cảnh Cách mạng công nghiệp 4.0, AI đã trở thành một công nghệ thiết yếu, có tác động sâu rộng đến đa dạng các lĩnh vực, đặc biệt là giáo dục tại Việt Nam (PV, 2024). AI góp phần thay đổi căn bản cách thức dạy và học thông qua việc tự động hóa nhiều quy trình trong giảng dạy và quản lý học tập; đồng thời mở ra cơ hội cá nhân hóa quá trình học tập, hỗ trợ người học phát triển năng lực một cách linh hoạt, hiệu quả và chủ động hơn (Phương Hiền, 2025). Dù có tới 86% sinh viên đã sử dụng AI trong việc học (Digital Education Council, 2024), song công nghệ này vẫn đặt ra thách thức về “sự teo mòn kỹ năng” tư duy phản biện và giải quyết vấn đề (Andrew, 2025). Tại Việt Nam, sinh viên vẫn đối mặt với khó khăn trong việc vận dụng AI bài bản do hạn chế về hạ tầng công nghệ và thiếu các hướng dẫn rõ ràng từ phía các cơ sở đào tạo (Đỗ và Nguyễn, 2023).

Đối với Viện Công nghệ Việt - Nhật thuộc Trường Đại học Công nghệ TP. Hồ Chí Minh (HUTECH) - nơi đề cao giá trị văn hóa "Tri thức - Đạo đức - Sáng tạo" theo tiêu chuẩn Nhật Bản, việc đánh giá hệ thống hành vi sử dụng AI là một yêu cầu cấp thiết. Nghiên cứu tập trung phân tích các nhân tố tác động đến ý định và hành vi sử dụng AI của sinh viên, từ đó đề xuất các hàm ý quản trị nhằm xây dựng chiến lược ứng dụng AI hiệu quả và trách nhiệm tại đơn vị.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

AI được McCarthy (1955) - cha đẻ của thuật ngữ - định nghĩa khái quát là "khoa học và kỹ thuật chế tạo các máy móc thông minh". Theo Russell và Norvig (2010), AI là việc nghiên cứu các "tác tử thông minh" có khả năng nhận thức môi trường và thực hiện hành động để tối ưu hóa mục tiêu. Trong bối cảnh hiện nay, nghiên cứu tập trung vào AI tạo sinh (Gen AI), các hệ thống như ChatGPT hay Gemini dựa trên cơ chế học sâu (Deep Learning) để tạo ra phản hồi mạch lạc như con người.

Theo Fishbein và Ajzen (1975), Davis (1989), ý định phản ánh mức độ nỗ lực và sự sẵn sàng của cá nhân để thực hiện hành vi cụ thể. Trong giáo dục số, ý định được xem như một sự cam kết có chủ đích để tích hợp AI vào quy trình học tập dài hạn. Các nghiên cứu thực nghiệm khẳng định AI hỗ trợ đắc lực cho sinh viên từ việc tra cứu đến phát triển các kỹ năng chuyên biệt. Việc chấp nhận công nghệ này được đo lường qua Ý định sử dụng (sự sẵn sàng về mặt nhận thức) và Hành vi sử dụng (biểu hiện tương tác thực tế).

Khung lý thuyết giải thích hành vi này dựa trên sự hợp nhất các mô hình tâm lý và hệ thống thông tin kinh điển. Thuyết hành vi dự định (TPB) xác định Ý định là nhân tố quyết định trực tiếp hành động, trong khi Mô hình chấp nhận công nghệ (TAM) nhấn mạnh vai trò của Nhận thức sự hữu ích và Nhận thức tính dễ sử dụng. Đặc biệt, Lý thuyết thống nhất mở rộng về chấp nhận và sử dụng công nghệ (UTAUT2) mở rộng khả năng giải thích biến thiên hành vi bằng cách bổ sung các nhân tố mang tính cảm xúc và kinh nghiệm như Động lực tinh thần và Thói quen. Theo đó, người học hình thành ý định khi tin rằng công nghệ giúp tối ưu hóa hiệu suất mà không đòi hỏi quá nhiều nỗ lực.

Mô hình nghiên cứu

Trên cơ sở kế thừa lý thuyết UTAUT2 mở rộng của Venkatesh và cộng sự (2012) cùng các kết quả nghiên cứu thực nghiệm tiêu biểu về AI trong giáo dục giai đoạn 2024-2025, nhóm tác giả đề xuất mô hình nghiên cứu các nhân tố ảnh hưởng đến hành vi sử dụng AI trong học tập của sinh viên tại Viện Công nghệ Việt - Nhật thuộc Trường Đại học Công nghệ TP. Hồ Chí Minh như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Giả thuyết nghiên cứu

Ảnh hưởng xã hội phản ánh mức độ cá nhân nhận thức rằng những người quan trọng đối với họ tin rằng họ nên sử dụng hệ thống công nghệ mới. Trong bối cảnh tại Viện Công nghệ Việt - Nhật, nơi áp dụng mô hình đào tạo theo dự án và văn hóa làm việc nhóm khắt khe, nếu việc ứng dụng AI trở thành một chuẩn mực ngầm trong nhóm để giải quyết đồ án, thì sức ép tích cực từ cộng đồng sẽ thúc đẩy mạnh mẽ ý định sử dụng của từng cá nhân (Venkatesh và cộng sự, 2003). Giả thuyết được đề xuất như sau:

H1: Ảnh hưởng xã hội có tác động tích cực (+) đến Ý định sử dụng AI trong học tập của sinh viên.

Kỳ vọng hiệu suất là niềm tin của cá nhân rằng việc sử dụng hệ thống sẽ giúp họ đạt được những lợi ích cụ thể trong kết quả học tập. Sinh viên Viện Công nghệ Việt - Nhật thường đối mặt với áp lực tiến độ đồ án lớn, do đó việc sử dụng AI được xem là một chiến lược "Kaizen" nhằm tối ưu hóa nỗ lực cá nhân để hoàn thành bài tập nhanh hơn và thông minh hơn (Fishbein và Ajzen, 1975; Davis, 1989; Habes và cộng sự, 2023). Giả thuyết được đề xuất như sau:

H2: Kỳ vọng hiệu suất có tác động tích cực (+) đến Ý định sử dụng AI trong học tập của sinh viên.

Kỳ vọng nỗ lực phản ánh mức độ dễ dàng gắn liền với việc sử dụng hệ thống. Dựa trên nguyên lý nỗ lực tối thiểu, khi sinh viên nhận thấy việc điều khiển AI diễn ra thuận lợi, giao diện trực quan và không đòi hỏi quá nhiều nỗ lực kỹ thuật, họ sẽ nảy sinh cảm giác tự tin vào năng lực tự thân và quyền kiểm soát của mình, từ đó thúc đẩy ý định sử dụng (Davis và cộng sự, 1989; Faraon và cộng sự, 2025). Giả thuyết được đề xuất như sau:

H3: Kỳ vọng nỗ lực có tác động tích cực (+) đến Ý định sử dụng AI trong học tập của sinh viên.

Động lực tinh thần được hiểu là niềm vui và sự thích thú mang tính giải trí mà cá nhân cảm nhận được khi sử dụng công nghệ. Đối với thế hệ sinh viên Gen Z tại Viện Công nghệ Việt - Nhật, việc tương tác với các hệ thống thông minh mang lại trải nghiệm mới mẻ, thỏa mãn trí tò mò và tạo trạng thái tâm lý tích cực, giúp quá trình học tập bớt căng thẳng hơn (Venkatesh và cộng sự, 2012). Giả thuyết được đề xuất như sau:

H4: Động lực tinh thần có tác động tích cực (+) đến Ý định sử dụng AI trong học tập của sinh viên.

Thói quen là mức độ mà cá nhân thực hiện các hành vi một cách tự động do quá trình trải nghiệm tích cực trong quá khứ. Khi việc sử dụng AI thâm nhập sâu và trở thành một phần nếp sinh hoạt học thuật thường nhật, ý định sử dụng sẽ được duy trì ổn định như một trạng thái sẵn sàng thường trực (Venkatesh và cộng sự, 2012). Giả thuyết được đề xuất như sau:

H5: Thói quen có tác động tích cực (+) đến Ý định sử dụng AI trong học tập của sinh viên.

Khi thói quen đã hình thành vững chắc, nó có khả năng kích hoạt hành vi trực tiếp theo cơ chế "đường tắt" mà không cần thông qua sự cân nhắc ý thức hay hình thành ý định mới. Với sinh viên Viện Công nghệ Việt - Nhật là những công dân số, việc tra cứu AI diễn ra như một phản xạ tự nhiên ngay khi gặp vấn đề khó khăn (Faraon và cộng sự, 2025). Giả thuyết được đề xuất như sau:

H6: Thói quen có tác động tích cực (+) đến Hành vi sử dụng AI trong học tập của sinh viên.

Ý định sử dụng là thước đo khả năng chủ quan của một người sẽ thực hiện hành vi và là chỉ báo đáng tin cậy nhất cho hành động thực tế. Khi sinh viên đã có kế hoạch rõ ràng và mong muốn sử dụng AI để hỗ trợ việc học, xác suất chuyển hóa ý định thành hành vi thực tế là rất lớn (Fishbein và Ajzen, 1975; Nguyễn Đinh Hoàng Phúc, 2024). Giả thuyết được đề xuất như sau:

H7: Ý định sử dụng có tác động tích cực (+) đến Hành vi sử dụng AI trong học tập của sinh viên.

Phương pháp nghiên cứu

Nghiên cứu áp dụng quy trình hỗn hợp kết hợp định tính và định lượng. Trong đó, phương pháp định tính thực hiện phỏng vấn sâu với 4 chuyên gia là giảng viên am hiểu về AI để hiệu chỉnh thang đo từ 32 biến quan sát sơ bộ thành bộ thang đo chính thức phù hợp với bối cảnh đào tạo tại Viện Công nghệ Việt - Nhật. Phương pháp định lượng khảo sát chính thức được triển khai qua Google Forms đối với sinh viên chính khóa tại Viện Công nghệ Việt - Nhật. Nghiên cứu sử dụng phương pháp chọn mẫu xác suất theo hệ thống với bước nhảy, thu về 213 bảng câu hỏi hợp lệ (đạt 96,38%). Dữ liệu được xử lý bằng phần mềm SmartPLS 3.0 để đánh giá mô hình đo lường và mô hình PLS-SEM thông qua kỹ thuật Bootstrapping lặp lại 5.000 lần.

KẾT QUẢ NGHIÊN CỨU

Thông tin mẫu nghiên cứu

Mẫu nghiên cứu ghi nhận sự tham gia đông đảo của sinh viên năm thứ nhất (36,15%) và năm thứ tư (28,17%), phản ánh nhu cầu tiếp cận công nghệ mới cũng như áp lực hoàn thành đồ án tốt nghiệp của các nhóm đối tượng này. Về ngành học, khối Công nghệ - Kỹ thuật chiếm ưu thế với 47,89% mẫu, trong đó ngành Công nghệ thông tin dẫn đầu (26,76%). Về công cụ sử dụng, ChatGPT (82,63%) và Gemini (81,22%) là 2 nền tảng được sinh viên Viện Công nghệ Việt - Nhật tin dùng nhất hiện nay.

Kết quả kiểm định độ tin cậy của thang đo

Kết quả Bảng 1 cho thấy, tất cả các thang đo đều đạt độ tin cậy cao với hệ số Cronbach's Alpha > 0,9 và Composite Reliability (CR) > 0,9. Đồng thời, giá trị AVE của tất cả các nhân tố đều vượt ngưỡng 0,5 (dao động từ 0,912 đến 0,940), khẳng định giá trị hội tụ của các thang đo là rất tốt.

Bảng 1: Kết quả đánh giá độ tin cậy và giá trị hội tụ của thang đo

Nguồn: Tổng hợp kết quả phân tích bằng SmartPLS 3.0

Đánh giá mô hình cấu trúc

Phân tích mô hình cấu trúc tại Bảng 2 cho thấy hệ số của Hành vi sử dụng đạt 0,663, nghĩa là các nhân tố trong mô hình giải thích được 66,3% sự biến thiên của hành vi sử dụng thực tế. Hệ số dự báo (> 0,5) khẳng định mô hình có năng lực dự báo ngoài mẫu ở mức độ chính xác cao. Đồng thời, hệ số VIF của các biến độc lập đều < 3, cho thấy không có hiện tượng đa cộng tuyến xảy ra.

Bảng 2: Đánh giá độ phù hợp và năng lực dự báo của mô hình cấu trúc

Nguồn: Tổng hợp kết quả phân tích bằng SmartPLS 3.0

Kiểm định các giả thuyết nghiên cứu

Kết quả phân tích đường dẫn bằng kỹ thuật Bootstrapping (lặp lại 5.000 lần) cho thấy có 6/7 giả thuyết được chấp nhận với mức ý nghĩa.

Bảng 3: Kết quả kiểm định các giả thuyết nghiên cứu

Nguồn: Tổng hợp kết quả phân tích bằng SmartPLS 3.0

Kết quả tại Bảng 3 cho thấy, Ý định sử dụng (β = 0,628) và Thói quen (β = 0,527) là 2 nhân tố trực tiếp quyết định Hành vi sử dụng AI thực tế của sinh viên. Trong các tiền tố tác động đến ý định, Kỳ vọng hiệu suất (β = 0,392) có mức ảnh hưởng mạnh nhất, tiếp theo lần lượt là Kỳ vọng nỗ lực, Động lực tinh thần và Ảnh hưởng xã hội. Riêng giả thuyết H5 bị bác bỏ, minh chứng rằng khi việc sử dụng AI đã trở thành thói quen, sinh viên sẽ thực hiện hành vi theo phản xạ tự động thay vì qua bước hình thành ý định có ý thức. Mối quan hệ giữa biến phụ thuộc và các biến độc lập được thể hiện qua 2 phương trình hồi quy tuyến tính sau:

Phương trình biểu diễn các nhân tố tác động đến biến trung gian (Ý định sử dụng):

YDINH = 0,392 × HIEUSUAT + 0,346 × NOLUC + 0,304 × TINHTHAN + 0,194 × ANHHUONG

Phương trình biểu diễn sự tác động của biến trung gian và nhân tố trực tiếp đến biến phụ thuộc (Hành vi sử dụng):

HANHVI = 0,628 × YDINH + 0,527 × THOIQUEN

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả nghiên cứu khẳng định rằng Ý định sử dụng và Thói quen là 2 nhân tố trực tiếp quyết định Hành vi sử dụng AI trong học tập của sinh viên Viện Công nghệ Việt - Nhật. Trong đó, các nhân tố như: Kỳ vọng hiệu suất, Kỳ vọng nỗ lực, Động lực tinh thần và Ảnh hưởng xã hội đóng vai trò thúc đẩy Ý định sử dụng. Điểm nhấn đặc biệt của nghiên cứu là phát hiện về vai trò của nhân tố Thói quen có mức độ tác động mạnh nhất đến hành vi thực tế nhưng lại không qua bước trung gian ý định khi hành vi đã được lặp lại thường xuyên. Điều này minh chứng cho sự thâm nhập sâu của AI vào quy trình học thuật của sinh viên Viện Công nghệ Việt - Nhật, chuyển dịch từ sự cân nhắc lý trí sang phản xạ tự động trong môi trường chuyển đổi số.

Hàm ý quản trị

Từ các kết quả thực nghiệm, nghiên cứu đề xuất một số hàm ý quản trị nhằm nâng cao hiệu quả ứng dụng AI tại Viện Công nghệ Việt - Nhật nói riêng và Trường Đại học Công nghệ TP. Hồ Chí Minh (HUTECH) nói chung như sau:

Một là, đối với Kỳ vọng hiệu suất

Nhà trường cần định vị AI là một chiến lược tối ưu hóa học thuật. Hàm ý cụ thể là tích hợp AI vào chương trình đào tạo chính khóa và các đồ án Project-based Learning (PBL). Bên cạnh đó, giảng viên cần hướng dẫn sinh viên khai thác AI như một "cộng sự phản biện" để tóm tắt tài liệu, lên ý tưởng và kiểm chứng dữ liệu. Việc này giúp sinh viên trực tiếp trải nghiệm giá trị gia tăng mà AI mang lại cho điểm số và chất lượng nghiên cứu, từ đó củng cố ý định sử dụng bền vững.

Hai là, đối với Kỳ vọng nỗ lực

Kết quả cho thấy tính dễ sử dụng làm gia tăng đáng kể ý định tiếp cận. Nhà trường cần tổ chức các buổi tập huấn chuyên sâu về "Kỹ thuật đặt câu lệnh" (Prompt Engineering) để hạ thấp rào cản kỹ thuật ban đầu. Khi sinh viên cảm thấy mình có năng lực tự thân cao để điều khiển công nghệ giải quyết các bài tập khó, họ sẽ tự tin hơn trong việc tích hợp AI vào quy trình học tập hằng ngày mà không cảm thấy bị quá tải về nhận thức.

Ba là, đối với Thói quen

Vì thói quen là động lực trực tiếp mạnh nhất dẫn đến hành vi thực tế, nhà trường nên xây dựng một môi trường "thói quen thông minh". Điều này bao gồm việc tích hợp các trợ lý AI vào hệ thống quản lý học tập (LMS) và thư viện số của Viện. Khi công nghệ hiện diện sẵn có và thường trực, sinh viên sẽ hình thành nếp sử dụng tự nhiên. Tuy nhiên, đi kèm với thói quen cần có các hướng dẫn về liêm chính học thuật để tránh tình trạng "lạm dụng vô thức", đảm bảo sinh viên vẫn duy trì quyền kiểm soát nội dung và tư duy phản biện độc lập.

Bốn là, đối với Ảnh hưởng xã hội và Động lực tinh thần

Nhà trường nên phát huy vai trò của các tổ chức sinh viên như: Câu lạc bộ Trí tuệ nhân tạo VAIC để tạo không gian chia sẻ trải nghiệm thú vị về AI. Sự khuyến khích từ giảng viên và sự lan tỏa từ nhóm bạn bè (chuẩn mực chủ quan) sẽ tạo ra một hệ sinh thái học tập số năng động. Khi việc sử dụng AI được xã hội chấp nhận và đánh giá tích cực, sinh viên sẽ có thêm động lực nội tại để khám phá các tính năng mới, giúp quá trình học tập trở nên hứng khởi và bớt căng thẳng hơn.

Tài liệu tham khảo:

1. Andrew R. Chow (2025). ChatGPT May Be Eroding Critical Thinking Skills, According to a New MIT Study. TIME.

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

3. Digital Education Council (2024). How students use AI: The evolving relationship between AI and higher education.

4. Đỗ, T. D., & Nguyễn, H. D. L. (2023). Trí tuệ nhân tạo - Cơ hội và thách thức trong giáo dục. Tạp chí Kinh tế và Dự báo, 14, 19-21.

5. Faraon, M. et al. (2025). International perspectives on artificial intelligence in higher education: An explorative study of students’ intention to use ChatGPT across the Nordic countries and the USA. Education and Information Technologies, 30, 17835-17880.

6. Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behavior: An introduction to theory and research. Addison-Wesley.

7. Habes, M., Alghizzawi, M., Ali, S., SalihAlnaser, A., & Salloum, S. A. (2023). Artificial Intelligence in Education: A Study on the Adoption of Chatbots in Higher Education Institutions. International Conference on Emerging Technologies and Intelligent Systems, 352-36.

8. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12.

9. Nguyễn Đinh Hoàng Phúc (2024). Các nhân tố ảnh hưởng đến ý định tiếp tục sử dụng AI trong học tập của thế hệ Gen Z. Luận văn thạc sĩ, Đại học Kinh tế TP. Hồ Chí Minh.

10. Phương Hiền (2025). Trí tuệ nhân tạo góp phần thay đổi căn bản cách thức dạy và học. https://www.qdnd.vn/giao-duc-khoa-hoc/nha-truong-quan-doi/tri-tue-nhan-tao-gop-phan-thay-doi-can-ban-cach-thuc-day-va-hoc-834984

11. PV (2024). Chuyển đổi số doanh nghiệp tại Việt Nam: Thuận lợi và thách thức. https://mst.gov.vn/chuyen-doi-so-doanh-nghiep-tai-viet-nam-thuan-loi-va-thach-thuc-19724123111542568.htm

12. Russell, S. J., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall.

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. Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157-178.

15. Wood, W., & Neal, D. T. (2009). The habitual consumer. Journal of Consumer Psychology, 19(4), 579-592.