Tác động của công nghệ số đến giáo dục đại học tại TP. Hồ Chí Minh

Nguyễn Thị Bích Liên (Tác giả liên hệ)

Email: [email protected]

Phạm Đặng Ngọc Hân, Nguyễn Thị Bưởi

Trường Đại học Nguyễn Tất Thành

Tóm tắt

Dựa trên mô hình S-O-R và Lý thuyết học tập xã hội (SLT) và kết quả khảo sát 300 sinh viên tại các trường đại học ở TP. Hồ Chí Minh, nghiên cứu kiểm định tác động của trí tuệ nhân tạo (AI) và mạng xã hội đến kết quả học tập và sức khỏe tinh thần, đồng thời làm rõ vai trò trung gian của nhận thức về học tập thông minh. Kết quả cho thấy, AI tác động tích cực đến Kết quả học tập, Sức khỏe tinh thần và Nhận thức về học tập thông minh. Mạng xã hội tác động tích cực đến Sức khỏe tinh thần và Nhận thức về học tập thông minh, nhưng không tác động trực tiếp có ý nghĩa đến Kết quả học tập. Nhận thức về học tập thông minh tác động tích cực đến Kết quả học tập và Sức khỏe tinh thần, đồng thời trung gian một phần trong các mối quan hệ giữa AI với Kết quả học tập, Sức khỏe tinh thần và Mạng xã hội với Sức khỏe tinh thần, trung gian toàn phần giữa Mạng xã hội và Kết quả học tập. Nghiên cứu đề xuất tăng cường ứng dụng AI, định hướng sử dụng mạng xã hội cho học tập và phát triển năng lực học tập thông minh.

Từ khoá: Trí tuệ nhân tạo, Mạng xã hội, Nhận thức học tập thông minh, Kết quả học tập, Sức khỏe tinh thần

Abstract

Based on the S-O-R model and Social Learning Theory (SLT), and using survey data from 300 students at universities in Ho Chi Minh City, the study examines the effects of artificial intelligence (AI) and social media on academic performance and mental health, while clarifying the mediating role of smart learning awareness. The results show that AI has positive effects on academic performance, mental health, and smart learning awareness. Social media has positive effects on mental health and smart learning awareness but has no significant direct effect on academic performance. Smart learning awareness positively affects academic performance and mental health. It also partially mediates the relationships between AI and academic performance, AI and mental health, and social media and mental health, while fully mediating the relationship between social media and academic performance.The study recommends strengthening the application of AI, guiding the use of social media for learning, and developing smart learning capabilities.

Keywords: Artificial intelligence, social media, smart learning awareness, academic performance, mental well-being

ĐẶT VẤN ĐỀ

Trong bối cảnh chuyển đổi số, trí tuệ nhân tạo (AI) và mạng xã hội ngày càng định hình môi trường học tập của sinh viên (SV). AI hỗ trợ cá nhân hóa, tự động hóa và mở rộng khả năng tiếp cận tri thức, trong khi mạng xã hội tạo điều kiện chia sẻ học liệu, tương tác và kết nối cộng đồng học tập (Cù, 2023; Zawacki-Richter và cộng sự, 2019). Tại Việt Nam, mức độ phổ cập internet và mạng xã hội cao càng thúc đẩy việc sử dụng các công nghệ này trong học tập. Tuy nhiên, tác động của AI và mạng xã hội không hoàn toàn tích cực. AI có thể nâng cao hiệu quả học tập nhưng sự phụ thuộc quá mức có thể ảnh hưởng đến tư duy độc lập và sức khỏe tâm lý; tương tự, mạng xã hội vừa hỗ trợ học tập vừa có thể gây xao nhãng và ảnh hưởng tiêu cực đến sức khỏe tinh thần khi sử dụng không phù hợp (Richards và cộng sự, 2015). Nhận thức về học tập thông minh có thể là một cơ chế quan trọng trong mối quan hệ trên, phản ánh mức độ SV nhận thấy công nghệ hỗ trợ học tập theo hướng chủ động, linh hoạt, cá nhân hóa và hiệu quả (Shahzad và cộng sự, 2024). Nhận thức này có thể giúp SV khai thác tốt hơn các nguồn lực số và chuyển hóa chúng thành kết quả học tập, đồng thời ảnh hưởng đến trạng thái tinh thần. Do đó, việc xem xét vai trò trung gian của nhận thức về học tập thông minh có thể góp phần làm rõ cơ chế tác động của AI và mạng xã hội. Trên cơ sở mô hình S-O-R và Lý thuyết học tập xã hội (SLT), nghiên cứu xem AI và Mạng xã hội là các Kích thích (S), Nhận thức về học tập thông minh là Trạng thái nhận thức (O), Kết quả học tập cùng sức khỏe tinh thần là Các phản ứng (R). Nghiên cứu nhằm kiểm định tác động của AI và mạng xã hội đến kết quả học tập, sức khỏe tinh thần và vai trò trung gian của nhận thức về học tập thông minh đối với SV đại học tại TP. Hồ Chí Minh.

CƠ SỞ LÝ THUYẾT VÀ PHÁT TRIỂN GIẢ THUYẾT

Lý thuyết nền tảng

Mô hình S-O-R. Mehrabian và Russell (1974) cho rằng, các kích thích từ môi trường (Stimulus – S) tác động đến trạng thái nhận thức và cảm xúc bên trong của cá nhân (Organism – O), từ đó dẫn đến các phản ứng hoặc kết quả (Response – R). Trong nghiên cứu này, AI và mạng xã hội là các kích thích, nhận thức về học tập thông minh là trạng thái nhận thức, còn kết quả học tập và sức khỏe tinh thần là các phản ứng.

Lý thuyết học tập xã hội (SLT). Bandura (1977) cho rằng, cá nhân hình thành nhận thức và hành vi thông qua quan sát, tương tác, tiếp nhận thông tin và phản hồi từ môi trường. Trong môi trường giáo dục số, AI và mạng xã hội mở rộng cơ hội tiếp cận thông tin, tương tác và nhận phản hồi, qua đó hỗ trợ quá trình hình thành nhận thức học tập. Lý thuyết SLT bổ trợ cho S-O-R bằng cách giải thích quá trình SV hình thành nhận thức thông qua tương tác với môi trường công nghệ.

Giả thuyết nghiên cứu và mô hình đề xuất

AI và kết quả học tập

Theo S-O-R, các yếu tố của môi trường công nghệ có thể tác động đến nhận thức của người học và dẫn đến các kết quả đầu ra (Mehrabian & Russell, 1974). AI hỗ trợ SV tìm kiếm, xử lý thông tin, nhận phản hồi, giải quyết vấn đề và cá nhân hóa học tập, qua đó thúc đẩy tính chủ động và hiệu quả học tập (Shahzad và cộng sự, 2025, Singh và cộng sự, 2025). Các nghiên cứu thực nghiệm cũng ghi nhận tác động tích cực của AI đối với kết quả học tập (Shahzad và cộng sự, 2025, Waqas Ahmad và cộng sự, 2025). Theo SLT, tương tác và tiếp nhận phản hồi từ môi trường cũng góp phần hình thành quá trình học tập của cá nhân (Bandura, 1977). Do đó, giả thuyết nghiên cứu sau được đề xuất:

H1: AI có tác động tích cực đến Kết quả học tập của SV.

AI và sức khỏe tinh thần

AI có thể hỗ trợ giảm áp lực học tập thông qua cá nhân hóa nội dung, phản hồi nhanh và hỗ trợ thực hiện nhiệm vụ học thuật (Klimova và Pikhart, 2025, Shahzad và cộng sự, 2024). Theo S-O-R và SLT, những tương tác và hỗ trợ từ môi trường công nghệ có thể ảnh hưởng đến trạng thái tâm lý và khả năng thích nghi của người học (Bandura, 1977, Mehrabian và Russell, 1974). Một số nghiên cứu cũng cho thấy mối quan hệ tích cực giữa việc sử dụng AI và sức khỏe tinh thần của SV (Shahzad và cộng sự, 2024). Vì vậy, giả thuyết nghiên cứu sau được đề xuất:

H2: AI có tác động tích cực đến Sức khỏe tinh thần của SV.

Mạng xã hội và kết quả học tập

Mạng xã hội tạo điều kiện cho SV tiếp cận thông tin, chia sẻ học liệu, trao đổi kiến thức và học tập cộng tác. Theo S-O-R và SLT, môi trường tương tác này có thể thúc đẩy quá trình tiếp nhận thông tin, phản hồi và hình thành nhận thức học tập. Các nghiên cứu trước đây cho thấy việc sử dụng mạng xã hội cho mục đích học tập có thể cải thiện kết quả học tập, mặc dù hiệu quả phụ thuộc vào mục đích sử dụng và khả năng tự kiểm soát của SV (Dương và cộng sự, 2024, Shahzad và cộng sự, 2024). Do đó, giả thuyết nghiên cứu sau được đề xuất:

H3: Mạng xã hội có tác động tích cực đến Kết quả học tập của SV.

Mạng xã hội và sức khỏe tinh thần

Mạng xã hội tạo cơ hội duy trì kết nối, chia sẻ cảm xúc và nhận hỗ trợ xã hội, qua đó có thể góp phần cải thiện trạng thái tâm lý của SV (Dương và cộng sự, 2024, Shahzad và cộng sự, 2024). Theo S-O-R và SLT, các tương tác từ môi trường xã hội số có thể ảnh hưởng đến trạng thái tâm lý và khả năng thích nghi của cá nhân. Tuy nhiên, tác động này còn phụ thuộc vào cách thức sử dụng, bởi việc sử dụng quá mức có thể dẫn đến xao nhãng và các vấn đề tâm lý (Duyên và Dung, 2025). Trên cơ sở đó, giả thuyết nghiên cứu sau được đề xuất:

H4: Mạng xã hội có tác động tích cực đến Sức khỏe tinh thần của SV.

Vai trò trung gian của nhận thức về học tập thông minh

Nhận thức học tập thông minh phản ánh mức độ SV nhận thấy công nghệ số hỗ trợ học tập hiệu quả, linh hoạt và chủ động(Shahzad và cộng sự, 2024, Tlili và cộng sự, 2023). Theo S-O-R, nhận thức học tập thông minh đại diện cho trạng thái nhận thức bên trong (O), qua đó chuyển hóa tác động của AI và mạng xã hội (S) thành các kết quả học tập và sức khỏe tinh thần (R). Đồng thời, SLT cho rằng nhận thức được hình thành thông qua quá trình tương tác, tiếp nhận thông tin và phản hồi từ môi trường (Bandura, 1977). Do đó, nhận thức học tập thông minh được kỳ vọng là cơ chế truyền dẫn tác động của môi trường công nghệ đến kết quả của SV. Vì vậy, các giả thuyết nghiên cứu sau được đề xuất:

H5a: Nhận thức học tập thông minh đóng vai trò trung gian trong mối quan hệ giữa AI và kết quả học tập.

H5b: Nhận thức học tập thông minh đóng vai trò trung gian trong mối quan hệ giữa AI và sức khỏe tinh thần.

H6a: Nhận thức học tập thông minh đóng vai trò trung gian trong mối quan hệ giữa mạng xã hội và kết quả học tập.

H6b: Nhận thức học tập thông minh đóng vai trò trung gian trong mối quan hệ giữa mạng xã hội và sức khỏe tinh thần.

Mô hình nghiên cứu

Từ cơ sở lý thuyết và các giả thuyết nghiên cứu, nhóm tác giả đề xuất mô hình nghiên cứu như Hình.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU

Các thang đo được kế thừa và điều chỉnh từ Shahzad và cộng sự (2024), gồm AI, Mạng xã hội (SM), Nhận thức học tập thông minh, Kết quả học tập và Sức khỏe tinh thần. Các biến quan sát được đo bằng thang đo Likert 5 mức độ, từ 1 = “Hoàn toàn không đồng ý” đến 5 = “Hoàn toàn đồng ý”. Nghiên cứu sơ bộ được thực hiện với 50 SV nhằm đánh giá độ tin cậy và giá trị của thang đo. Kết quả cho thấy các thang đo đáp ứng yêu cầu theo (Hair và cộng sự, 2022), do đó không có biến quan sát nào bị loại và bộ thang đo được sử dụng cho khảo sát chính thức. Nghiên cứu chính thức được thực hiện với SV chính quy từ năm nhất đến năm cuối tại các trường đại học ở TP. Hồ Chí Minh, sử dụng phương pháp chọn mẫu thuận tiện phi xác suất. Dữ liệu được thu thập trực tuyến từ tháng 2-5/2026 thông qua Google Forms, với 379 bảng trả lời thu được và 300 bảng hợp lệ sau khi sàng lọc. Cỡ mẫu này đáp ứng yêu cầu về kích thước mẫu theo (Hair và cộng sự, 2022). Dữ liệu được phân tích bằng PLS-SEM trên SmartPLS.

KẾT QUẢ NGHIÊN CỨU

Kiểm định độ tin cậy thang đo

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

Nguồn: Kết quả xử lí dữ liệu

Kết quả phân tích ở Bảng 1 cho thấy, các thang đo của 5 cấu trúc đều đạt yêu cầu về độ tin cậy và giá trị hội tụ. Hệ số tải ngoài của 30 biến quan sát dao động từ 0,709 - 0,854, đều vượt ngưỡng 0,70 nên toàn bộ biến được giữ lại. Cronbach’s Alpha và CR đều vượt 0,70, trong khi AVE (0,593 - 0,687) đều lớn hơn 0,50, đáp ứng các tiêu chuẩn khuyến nghị (Hair và cộng sự, 2022). Tiếp theo, giá trị phân biệt được đánh giá thông qua tiêu chí HTMT. Kết quả kiểm định HTMT, cho thấy các giá trị dao động từ 0,677 đến 0,881, đều thấp hơn ngưỡng 0,90. Như vậy, các cấu trúc trong mô hình đáp ứng yêu cầu về giá trị phân biệt theo tiêu chí HTMT (Hair và cộng sự, 2022).

Đánh giá mô hình cấu trúc

Kết quả nghiên cứu cho thấy, các giá trị Inner VIF dao động từ 1,595 đến 2,801, đều dưới ngưỡng 3,0, cho thấy mô hình không có vấn đề đa cộng tuyến (Hair và cộng sự, 2022). Giá trị R² của SL, AC và MH lần lượt đạt 0,643; 0,630 và 0,533, cho thấy mô hình có mức độ giải thích trung bình đối với các biến nội sinh (Hair và cộng sự, 2022).

Hình 2: Kết quả đánh giá mô hình cấu trúc

Nguồn: Kết quả xử lý dữ liệu

Kết quả kiểm định ở Hình 2 cho thấy, H1 và H2 được chấp nhận: AI tác động tích cực đến AC (β = 0,199; p < 0,001) và MH (β = 0,240; p < 0,001). H3 bị bác bỏ, trong khi H4 được chấp nhận với tác động của SM đến MH (β = 0,170; p = 0,006).

AI và SM đều tác động tích cực đến SL, với β lần lượt là 0,407 và 0,486. SL tiếp tục tác động tích cực đến AC (β = 0,549) và MH (β = 0,402). Tác động gián tiếp của AI đến AC và MH qua SL lần lượt là β = 0,223 và 0,163 (p < 0,001), trong khi tác động trực tiếp vẫn có ý nghĩa, cho thấy SL là biến trung gian một phần; H5a và H5b được chấp nhận. Đối với SM, tác động gián tiếp đến AC qua SL có ý nghĩa (β = 0,267; p < 0,001), nhưng tác động trực tiếp không có ý nghĩa (p = 0,073), xác nhận H6a và vai trò trung gian toàn phần của SL. Tác động gián tiếp của SM đến MH qua SL là β = 0,195 (p < 0,001), đồng thời tác động trực tiếp có ý nghĩa, ủng hộ H6b và vai trò trung gian một phần.

Thảo luận

Kết quả thực nghiệm cho thấy sự kết hợp giữa mô hình S-O-R và Lý thuyết học tập xã hội (SLT) của Bandura (1977) có giá trị trong giải thích tác động của công nghệ đến kết quả học tập và sức khỏe tinh thần của SV.

Tác động của AI: Kết quả ủng hộ H1, H2, H5a và H5b, cho thấy AI tác động tích cực đến AC, MH và SL, đồng thời tác động gián tiếp đến AC và MH thông qua SL. Kết quả phù hợp với các nghiên cứu trước đây (Klimova và Pikhart, 2025; Shahzad và cộng sự, 2024).

Tác động của mạng xã hội: H3 bị bác bỏ, trong khi H4, H6a và H6b được chấp nhận. SM không tác động trực tiếp có ý nghĩa đến AC nhưng có tác động gián tiếp thông qua SL, cho thấy ảnh hưởng của mạng xã hội đến học tập phụ thuộc vào cách SV nhận thức và sử dụng môi trường số.

Vai trò của SL: SL là biến trung gian quan trọng, đồng thời có tác động trực tiếp đáng kể đến AC (β = 0,549) và MH (β = 0,402). Kết quả cho thấy hiệu quả của công nghệ không chỉ phụ thuộc vào AI hay mạng xã hội mà còn vào cách SV nhận thức và vận dụng các nguồn lực số trong học tập.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Kết quả cho thấy, AI tác động tích cực đến Kết quả học tập, Sức khỏe tinh thần và Nhận thức về học tập thông minh. Mạng xã hội tác động tích cực đến Sức khỏe tinh thần và Nhận thức về học tập thông minh, nhưng không tác động trực tiếp có ý nghĩa đến Kết quả học tập. Nhận thức về học tập thông minh tác động tích cực đến Kết quả học tập và Sức khỏe tinh thần, đồng thời trung gian một phần trong các mối quan hệ giữa AI với Kết quả học tập, Sức khỏe tinh thần và Mạng xã hội với Sức khỏe tinh thần, trung gian toàn phần giữa Mạng xã hội và Kết quả học tập. Kết quả nhấn mạnh vai trò của nhận thức về học tập thông minh trong chuyển hóa tác động của môi trường công nghệ thành kết quả tích cực.

Hàm ý quản trị

Thứ nhất, định hướng AI từ công cụ hỗ trợ thành năng lực học tập. Nhà trường không nên chỉ kiểm soát việc sử dụng AI mà cần phát triển năng lực sử dụng AI có trách nhiệm cho SV, tập trung vào kỹ năng đặt câu hỏi, kiểm chứng thông tin, phản biện đầu ra và vận dụng AI để giải quyết vấn đề. Đồng thời, cần điều chỉnh đánh giá theo hướng chú trọng quá trình tư duy và mức độ làm chủ công cụ, qua đó hạn chế sự lệ thuộc vào AI nhưng vẫn khai thác lợi ích của công nghệ đối với hiệu quả học tập và giảm áp lực học thuật.

Thứ hai, chuyển mạng xã hội từ môi trường giao tiếp thành hạ tầng tương tác học thuật. Nhà trường và giảng viên cần thiết kế các nhóm học tập xoay quanh nhiệm vụ cụ thể như trao đổi tài liệu, giải quyết vấn đề và phản biện chuyên môn; đồng thời định hướng nguồn tin và chất lượng thảo luận. Hiệu quả cần được đánh giá bằng mức độ chuyển hóa tương tác số thành hoạt động nhận thức, thay vì chỉ dựa vào số lượt tương tác.

Thứ ba, đặt nhận thức học tập thông minh (SL) vào trung tâm của chuyển đổi số giáo dục. Nhà trường cần chuyển từ đào tạo kỹ năng sử dụng công cụ sang phát triển năng lực tìm kiếm, chọn lọc, kiểm chứng và kết nối thông tin; đồng thời thiết kế các nhiệm vụ học tập giúp SV trải nghiệm thành công và củng cố năng lực tự học. Đặc biệt, cần hướng dẫn SV sử dụng công nghệ để học hiệu quả hơn nhưng không gia tăng quá tải thông tin và áp lực học tập.

(*) Nghiên cứu được tài trợ bởi Trường Đại học Nguyễn Tất Thành, Thành phố Hồ Chí Minh trong khuôn khổ đề tài mã số 2026.01.84.

Tài liệu tham khảo:

1. Bandura, A. (1977). Social Learning Theory. Prentice Hall.

2. Bano, S., Cisheng, W., Khan, A. N., & Khan, N. A. (2019). WhatsApp use and student’s psychological well-being: Role of social capital and social integration. Children and Youth Services Review, 103, 200–208.

3. Cù, T. N. (2023). Tác động của mạng xã hội đến học tập và đời sống của sinh viên Trường Đại học Hà Tĩnh. Tạp chí Thiết bị giáo dục, số đặc biệt tháng 6.

4. Dương, T. Á. T., Nguyễn, T. T. V., Nguyễn, T. T., & Nguyễn, C. Du. (2024). Tác động của truyền thông mạng xã hội đến kết quả học tập của sinh viên trường Đại học Công nghiệp Thành phố Hồ Chí Minh. Tập san Khoa học và Kỹ thuật Trường Đại học Bình Dương, 7(1).

5. Duyên, N. T. T., & Dung, V. T. T. (2025). Sức khỏe tâm thần và việc sử dụng mạng xã hội của sinh viên: Nghiên cứu trường hợp Trường Đại học Đà Lạt. Tạp chí Khoa học xã hội và Nhân văn, 11(4), 529–541.

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 Publications.

7. Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business Horizons, 53(1), 59–68.

8. Klimova, B., & Pikhart, M. (2025). Exploring the effects of artificial intelligence on student and academic well-being in higher education: a mini-review. Frontiers in Psychology, 16.

9. Mehrabian, A., & Russell, A. J. (1974). An approach to environmental psychology. MIT Press.

10. Nguyễn, T. T. D., & Vũ, T. T. D. (2025). Sức khỏe tâm thần và việc sử dụng mạng xã hội của sinh viên: Nghiên cứu trường hợp Trường Đại học Đà Lạt. Tạp chí Khoa học xã hội và Nhân văn, 11(4).

11. Richards, D., Caldwell, P. H. Y., & Go, H. (2015). Impact of social media on the health of children and young people. Journal of Paediatrics and Child Health, 51(12), 1152–1157.

12. Shahzad, M. F., Xu, S., Lim, W. M., Yang, X., & Khan, Q. R. (2024a). Artificial intelligence and social media on academic performance and mental well-being: Student perceptions of positive impact in the age of smart learning. Heliyon, 10(8).

13. Shahzad, M. F., Xu, S., Liu, H., & Zahid, H. (2025). Generative Artificial Intelligence (ChatGPT-4) and Social Media Impact on Academic Performance and Psychological Well-Being in China’s Higher Education. European Journal of Education, 60(1). https://doi.org/10.1111/ejed.12835

14. Singh, R., Singh, S. K., & Mishra, N. (2025). Factors influencing student learning performance and continuous use of artificial intelligence in online higher education. Discover Education, 4(1).

15. Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1), 15.

16. Uyên, B. N. L., & Huy, N. A. (2026). 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. https://nghiencuu.tapchikinhtetaichinh.vn/mo-hinh-nhan-to-anh-huong-den-hanh-vi-su-dung-ai-trong-hoc-tap-cua-sinh-vien-vien-cong-nghe-viet-nhat-truong-dai-hoc-cong-nghe-tp-ho-chi-minh-153437.html

17. Waqas Ahmad, R., Gul, N., & khurshid, A. (2025). Impacts of social media and artificial intelligence on academic performance of students in Pakistan. Journal of Media Horizons, 6(3), 548-564.

18. Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39.